【技术实现步骤摘要】
一种定位方法、装置、系统及存储介质
[0001]本专利技术实施例涉及无人驾驶
，尤其涉及一种定位方法、装置、系统及存储介质。
技术介绍
[0002]室外环境的无人驾驶主要包含感知，定位，控制等项技术。其中定位功能是计算当前时刻车体的位置和姿态，从而实现决策和规划的功能。目前主流技术采用激光雷达传感器和IMU(惯性测量单元)实现车体定位。
[0003]现有技术中，利用激光雷达传感器进行定位时，首先，利用地图采集车搭载激光雷达采集周围环境的激光点云数据，同时使用RTK(Real
‑
time kinematic，实时动态差分法)和高精度的IMU(惯性测量单元)结合里程计获取每一时刻的位姿，而将激光点云数据、RTK获取的位姿以及高精度的IMU获取的位姿进行拼接，得到实时采集的高精激光点云地图。然后，将实时采集的高精激光点云地图与预先存储的全局高精点云地图匹配，估计车体的位姿，将估计的车体的位姿作为车辆定位结果。
[0004]在实现本专利技术的过程中，专利技术人发现现有技术中至少存在如下问题：<...
【技术保护点】
【技术特征摘要】
1.一种定位方法，其特征在于，包括：获取预先存储的全局激光点云地图和通过运动物体上双目相机采集的当前时段的双目图像；提取所述双目图像的特征点并计算所述双目图像的特征点的深度值；根据所述特征点的深度值和已有三维局部地图，生成当前三维视觉地图，并基于所述当前三维视觉地图生成视觉重构点云地图，其中，所述已有三维局部地图是基于当前时段之前预设时段采集的双目图像生成的；根据所述视觉重构点云地图和所述全局激光点云地图，确定所述运动物体在当前时段的定位结果。2.根据权利要求1所述的方法，其特征在于，所述提取所述双目图像的特征点，包括：遍历所述双目图像的第一图像中的像素点，将遍历到的当前像素点的灰度值与所述当前像素点的第一邻域范围内像素点的灰度值进行比较；如果所述当前像素点的灰度值与所述第一邻域范围内像素点的灰度值之差大于设定阈值，将所述当前像素点作为所述特征点；基于所述第一图像的各特征点的灰度值，以及所述双目图像的第二图像的各像素点的灰度值，确定第二图像的各特征点。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一图像的各特征点的灰度值，以及所述双目图像的第二图像的各像素点的灰度值，确定第二图像的各特征点，包括：基于所述第一图像的各特征点的灰度值和所述各特征点的预设窗口尺寸内像素点的灰度值，计算第一归一化灰度值，并确定所述第一图像的各特征点在第二图像中对应的像素点；基于所述第二图像中对应的像素点的灰度值和每个该像素点的预设窗口尺寸内像素点的灰度值，计算第二归一化灰度值；基于所述第一归一化灰度值和所述第二归一化灰度值，计算所述第一图像的各特征点与所述第二图像中对应的像素点之间的匹配度；如果所述匹配度达到设定匹配度阈值，将所述第二图像中对应的像素点作为所述第二图像的特征点。4.根据权利要求3所述的方法，其特征在于，在所述基于所述第一归一化灰度值和所述第二归一化灰度值，计算所述第一图像的各特征点与所述第二图像中对应的像素点之间的匹配度之前，所述方法还包括：根据所述第一图像的各特征点的灰度值和各特征点的第二邻域范围内的像素点的灰度值，确定所述第一图像的各特征点的描述子，并根据所述第二图像的各像素点的灰度值和各像素点的第二邻域范围内的像素点的灰度值，确定所述第二图像的各像素点的描述子；相应的，所述基于所述第一归一化灰度值和所述第二归一化灰度值，计算所述第一图像的各特征点与所述第二图像中对应的像素点之间的匹配度，包括：基于所述第一图像的各特征点的描述子、所述第二图像中对应的各像素点的描述子、所述第一归一化灰度值以及所述第二归一化灰度值，计算所述匹配度。5.根据权利要求1所述的方法，其特征在于，所述计算所述双目图像的特征点的深度
值，包括：基于所述双目图像中第一图像的各特征点和第二图像的各特征点，分别计算采集所述双目图像的两个相机的视差；基于所述视差、相机的焦距、两个相机之间的基线、所述第一图像的特征点和所述第二图像的特征点，计算所述深度值。6.根据权利要求1所述的方法，其特征在于，所述基于所述当前三维视觉地图生成视觉重构点云地图，包括：获取至少一个滑动窗口，其中，所述滑动窗口内包括所述当前时段的双目图像中当前关键帧、一级关联关键帧和二级关联关键帧；分别确定位于所述当前三维视觉地图的所述当前关键帧、所述一级关联关键帧和所述二级关联关键帧对应的地图点；根据当前所述滑动窗口内当前关键帧、一级关联关键帧和二级关联关键帧对应的地图点，构建当前窗口对应的视觉重构点云；基于所有所述滑动窗口的视觉重构点云生成所述视觉重构...
【专利技术属性】
技术研发人员：唐凯涛，张鹏，
申请(专利权)人：北京京东乾石科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。