基于语义分割的重定位方法、装置和电子设备制造方法及图纸

本发明专利技术提供了一种基于语义分割的重定位方法、装置和电子设备，包括，对当前车辆所处停驻位置对应的当前环境图像和历史采集的关键环境图像集合分别进行语义分割，得到每张图像对应的多个静态对象语义类别；以静态对象语义类别的拓扑关系作为每张图像的描述子从关键环境图像集合中确定当前环境图像对应的目标环境图像；基于目标环境图像对应的位置信息重定位当前车辆，避免出现图像光照鲁棒性较差的问题，能够适应于各种车辆应用场景。能够适应于各种车辆应用场景。能够适应于各种车辆应用场景。

【技术实现步骤摘要】
基于语义分割的重定位方法、装置和电子设备


[0001]本专利技术涉及车辆重定位的
，尤其是涉及一种基于语义分割的重定位方法、装置和电子设备。

技术介绍

[0002]随着车辆技术的发展，如导航、路线规划等功能日益成熟。这些功能需要依赖于车辆的当前位置信息，尤其是在车辆重新启动行驶的情况下，需要获取当前位置，以便进行导航等功能的实现。
[0003]在当前的同步定位与建图(simultaneous localization and mapping，SLAM)中，一般基于传统描述子(ORB、傅里叶、Hu矩等)实现重定位，然而上述方式对于光照的鲁棒性较差，无法满足实际车辆的多种应用。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种基于语义分割的重定位方法、装置和电子设备，避免图像出现光照鲁棒性较差的问题，能够适应于各种车辆应用场景。
[0005]第一方面，实施例提供一种基于语义分割的重定位方法，所述方法包括：
[0006]对当前车辆所处停驻位置对应的当前环境图像和历史采集的关键环境图像集合分别进行语义分割，得到每张图像对应的多个静态对象语义类别；
[0007]以所述静态对象语义类别的拓扑关系作为所述每张图像的描述子从关键环境图像集合中确定所述当前环境图像对应的目标环境图像；
[0008]基于所述目标环境图像对应的位置信息重定位所述当前车辆。
[0009]在可选的实施方式中，以所述静态对象语义类别的拓扑关系作为所述每张图像的描述子从关键环境图像集合中确定所述当前环境图像对应的目标环境图像的步骤，包括：
[0010]分别获取所述当前环境图像和所述关键环境图像中每个静态对象语义类别的对应的向量；
[0011]分别从所述当前环境图像和所述关键环境图像中选取相同所述静态对象语义类别对应的向量；
[0012]基于相同所述静态对象语义类别对应的向量确定所述当前环境图像和每个所述关键环境图像的距离；
[0013]根据所述当前环境图像和每个所述关键环境图像的距离确定目标环境图像。
[0014]在可选的实施方式中，分别获取所述当前环境图像和所述关键环境图像中每个静态对象语义类别的对应的向量的步骤，包括：
[0015]针对所述当前环境图像和所述关键环境图像集合中的每个关键环境图像均执行以下步骤，直至每个图像均得到相应的每个静态对象语义类别的对应的向量：
[0016]获取当前图像中每个静态对象语义类别的静态对象坐标，其中，每个静态对象语义类别包括至少一个静态对象坐标；
[0017]将隶属于同一静态对象语义类别的各个静态对象坐标加和并进行平均值计算，确定所述每个静态对象语义类别对应的中心坐标；
[0018]将所述每个静态对象语义类别对应的中心坐标加和并进行平均值计算，确定所述当前图像的总中心坐标；
[0019]基于所述总中心坐标和所述每个静态对象语义类别对应的中心坐标作差计算，确定每个静态对象语义类别对应的向量。
[0020]在可选的实施方式中，分别从所述当前环境图像和所述关键环境图像中选取相同所述静态对象语义类别对应的向量的步骤，包括：
[0021]将所述当前环境图像的静态对象语义类别与每个所述关键环境图像的静态对象语义类别进行比对，确定出所述当前环境图像和每个所述关键环境图像的共同静态对象语义类别；
[0022]分别对所述当前环境图像和每个所述关键环境图像的共同静态对象语义类别对应的向量进行归一化处理，得到所述当前环境图像和每个所述关键环境图像的共同静态对象语义类别对应的归一化向量。
[0023]在可选的实施方式中，基于相同所述静态对象语义类别对应的向量确定所述当前环境图像和每个所述关键环境图像的距离的步骤，包括：
[0024]分别获取所述当前环境图像与当前关键环境图像对应的每个相同静态对象语义类别对应的向量的差值；
[0025]将所述每个相同静态对象语义类别对应的向量的差值进行加和并计算平均值，确定所述当前环境图像与当前关键环境图像的距离，重复执行上述步骤，直至所述关键环境图像集合中的每个关键环境图像均被遍历。
[0026]在可选的实施方式中，根据所述当前环境图像和每个所述关键环境图像的距离确定目标环境图像的步骤，包括：
[0027]将与所述当前环境图像具有最小距离的关键环境图像作为目标环境图像。
[0028]在可选的实施方式中，对当前车辆所处停驻位置对应的当前环境图像和历史采集的关键环境图像集合分别进行语义分割，得到每张图像对应的多个静态对象语义类别的步骤，包括：
[0029]获取当前车辆所处停驻位置对应的当前环境图像和历史采集的关键环境图像集合；
[0030]基于神经网络得到每个关键环境图像和所述当前环境图像的语义分割图，并分别识别出每个关键环境图像和所述当前环境图像对应的静态对象语义类别。
[0031]第二方面，实施例提供一种基于语义分割的重定位装置，所述装置包括：
[0032]语义分割模块，对当前车辆所处停驻位置对应的当前环境图像和历史采集的关键环境图像集合分别进行语义分割，得到每张图像对应的多个静态对象语义类别；
[0033]确定模块，以所述静态对象语义类别的拓扑关系作为所述每张图像的描述子从关键环境图像集合中确定所述当前环境图像对应的目标环境图像；
[0034]重定位模块，基于所述目标环境图像对应的位置信息重定位所述当前车辆。
[0035]第三方面，实施例提供一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述前述实
施方式任一项所述的方法的步骤。
[0036]第四方面，实施例提供一种机器可读存储介质，所述机器可读存储介质存储有机器可执行指令，所述机器可执行指令在被处理器调用和执行时，机器可执行指令促使处理器实现前述实施方式任一项所述的方法的步骤。
[0037]本专利技术实施例提供的一种基于语义分割的重定位方法、装置和电子设备，通过以静态对象语义类别的拓扑关系为描述子，从关键环境图像集合中选取出与当前环境图像相同或相似的目标环境图像，并以该目标环境图像对应的位置信息重定位当前车辆的位置，能够避免图像出现传统描述子具有的光照鲁棒性较差的缺陷，以便实现多种场景下的停驻车辆重启动的导航或路线规划等操作。
[0038]本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。
[0039]为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0040]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于语义分割的重定位方法，其特征在于，所述方法包括：对当前车辆所处停驻位置对应的当前环境图像和历史采集的关键环境图像集合分别进行语义分割，得到每张图像对应的多个静态对象语义类别；以所述静态对象语义类别的拓扑关系作为所述每张图像的描述子从关键环境图像集合中确定所述当前环境图像对应的目标环境图像；基于所述目标环境图像对应的位置信息重定位所述当前车辆。2.根据权利要求1所述的方法，其特征在于，以所述静态对象语义类别的拓扑关系作为所述每张图像的描述子从关键环境图像集合中确定所述当前环境图像对应的目标环境图像的步骤，包括：分别获取所述当前环境图像和所述关键环境图像中每个静态对象语义类别的对应的向量；分别从所述当前环境图像和所述关键环境图像中选取相同所述静态对象语义类别对应的向量；基于相同所述静态对象语义类别对应的向量确定所述当前环境图像和每个所述关键环境图像的距离；根据所述当前环境图像和每个所述关键环境图像的距离确定目标环境图像。3.根据权利要求2所述的方法，其特征在于，分别获取所述当前环境图像和所述关键环境图像中每个静态对象语义类别的对应的向量的步骤，包括：针对所述当前环境图像和所述关键环境图像集合中的每个关键环境图像均执行以下步骤，直至每个图像均得到相应的每个静态对象语义类别的对应的向量：获取当前图像中每个静态对象语义类别的静态对象坐标，其中，每个静态对象语义类别包括至少一个静态对象坐标；将隶属于同一静态对象语义类别的各个静态对象坐标加和并进行平均值计算，确定所述每个静态对象语义类别对应的中心坐标；将所述每个静态对象语义类别对应的中心坐标加和并进行平均值计算，确定所述当前图像的总中心坐标；基于所述总中心坐标和所述每个静态对象语义类别对应的中心坐标作差计算，确定每个静态对象语义类别对应的向量。4.根据权利要求2所述的方法，其特征在于，分别从所述当前环境图像和所述关键环境图像中选取相同所述静态对象语义类别对应的向量的步骤，包括：将所述当前环境图像的静态对象语义类别与每个所述关键环境图像的静态对象语义类别进行比对，确定出所述当前环境图像和每个所述关键环境图像的共同静态对象语义类别；分别对所述当前环境图像和每个所述关键环境图像的共同静态对象语义类别对应...

【专利技术属性】
技术研发人员：冯若梅，聂冀玮，黄冠，胡骏，刘威，曹斌，
申请(专利权)人：东软睿驰汽车技术沈阳有限公司，
类型：发明
国别省市：