【技术实现步骤摘要】
全局重定位方法、装置、设备及存储介质
[0001]本申请涉及定位
,尤其涉及一种全局重定位方法、装置、设备及存储介质。
技术介绍
[0002]定位技术是自动驾驶等智能机器应用技术的基础和核心技术之一,为智能机器或车辆提供位置和姿态,即位姿信息。重定位是在无先验位姿信息的情况下,在全局范围内确定机器人或车辆的位姿信息的过程。目前主要有两种重定位技术,分别为几何重定位和特征重定位。
[0003]几何重定位对已知位置的参考设备测距或测角,再通过几何计算确定机器人或车辆的位置。但是由于参考设备信号的不稳定,其重定位/定位可能失效。例如基于GPS(Global Positioning System,全球定位系统)的定位,其在楼宇内、隧道中、高架下等场景中可能会失效。
[0004]特征重定位是通过观测特征和事先建立的特征地图的匹配,确定机器人或车辆的位姿。其缺点:一是当场景、环境、遮挡等因素导致预先建立的特征地图或实时获取的观测特征的质量下降时,特征重定位容易失效;二是在全局范围内的所有特征中去查找和当前观测特征匹配的特征,是一个计算量很大的过程。
[0005]因此,现有重定位技术中存在容易失效且计算量大的技术问题。
技术实现思路
[0006]本申请提供一种全局重定位方法、装置、设备及存储介质,以解决现有重定位技术中存在的容易失效且计算量大的技术问题。
[0007]第一个方面,本申请提供一种全局重定位方法,包括:
[0008]获取车辆所处地理空间的观测特征;
...
【技术保护点】
【技术特征摘要】
1.一种全局重定位方法,其特征在于,包括:获取车辆所处地理空间的观测特征;对比所述观测特征以及语义数据库中各个参考位置的语义特征,以从各个所述参考位置中确定满足预设定位要求的目标参考位置;根据特征地图的第一语义元素、所述观测特征以及所述目标参考位置,确定所述车辆相对于所述特征地图的初始位姿,所述初始位姿包括:初始位置以及初始姿态;根据所述初始位姿、所述观测特征、所述特征地图,确定所述车辆在全局范围内的当前位姿。2.根据权利要求1所述的全局重定位方法,其特征在于,所述语义数据库包括多个参考特征集,所述参考特征集用于表征:在同一个所述参考位置观测到的多个所述语义特征与所述参考位置的第一相对位置关系;所述对比所述观测特征以及语义数据库中各个参考位置的语义特征,以从各个所述参考位置中确定满足预设定位要求的目标参考位置,包括:利用语义描述模型对所述观测特征进行语义描述,以确定对应的语义描述子,所述语义描述子用于表征所述观测特征中各个第二语义元素与当前观测点的第二相对位置关系,所述当前观测点为最新的所述观测点;将所述语义描述子与各个所述参考特征集进行对比,以确定对比结果;若所述对比结果满足所述预设定位要求,则将与所述参考特征集对应的所述参考位置确定为所述目标参考位置。3.根据权利要求2所述的全局重定位方法,其特征在于,所述第一相对位置关系包括:所述语义特征所对应的第一位置与所述参考位置的第一距离,所述第二相对位置关系包括:所述第二语义元素所对应的第二位置与所述当前观测点的第二距离;对应的,将所述语义描述子与各个所述参考特征集进行对比,以确定对比结果,包括:根据所述第一距离以及所述第二距离,确定所述语义描述子与每个所述参考特征集的配准距离;将所述配准距离作为所述对比结果;对应的,若所述对比结果满足所述预设定位要求,则将与所述参考特征集对应的所述参考位置确定为所述目标参考位置,包括:筛选出所述对比结果中的最小值,将与所述最小值对应的所述参考位置确定为所述目标参考位置。4.根据权利要求3所述的全局重定位方法,其特征在于,所述根据所述第一距离以及所述第二距离,确定所述语义描述子与每个所述参考特征集的配准距离,包括:计算所述语义描述子中每个所述第一距离与所述参考特征集中各个所述第二距离的差值;判断每个所述第二语义元素与各个所述语义特征的类型是否相同;若相同,则将所述差值乘以第一修正系数,以确定第一修正差值;若不相同,则将所述差值乘以第二修正系数,以确定第二修正差值,所述第一修正系数小于所述第二修正系数;对所有所述第一修正差值以及所有所述第二修正差值进行求和,以确定所述配准距
离。5.根据权利要求1所述的全局重定位方法,其特征在于,所述根据特征地图的第一语义元素、所述观测特征以及所述...
【专利技术属性】
技术研发人员:颜扬治,袁维平,林宝尉,傅文标,
申请(专利权)人:亿咖通湖北技术有限公司,
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。