一种场端多相机融合定位方法技术

本发明专利技术公开了一种场端多相机融合定位方法，包括：获取多个不同位置的摄像头在当前时刻识别出的待定位区域图像；对多个待定位区域图像中的观测对象进行全局最近邻关联，得到同一观测对象在不同摄像头下的接地点位置和像素坐标；根据观测对象在不同摄像头下的接地点位置和像素坐标，确定观测对象的观测位姿；利用观测对象的观测位姿进行卡尔曼滤波更新，得到观测对象的估计位姿；本发明专利技术实施例对于基于路侧摄像头捕捉到的某一实际场景的待定位区域图像进行融合定位，并结合卡尔曼滤波技术进行定位更新，可以实现该待定位区域内车辆和行人的高精度定位。人的高精度定位。人的高精度定位。

【技术实现步骤摘要】
一种场端多相机融合定位方法


[0001]本专利技术涉及多相机融合定位
，尤其涉及一种场端多相机融合定位方法、设备及存储介质。

技术介绍

[0002]目前常用的车辆定位技术主要分为直接定位和航位推算，其中，直接定位主要基于GPS信号的空间交汇测量及环境特征的匹配定位，航位推算则是依据车辆的加速度、角速度、速度等信息结合初始值进行积分定位。但是，对于实际场景中，例如室内、地下以及复杂环境，由于GPS信号弱或环境复杂等原因，采用传统的车辆定位技术难以确定车辆在上述场景中的准确位置。
[0003]因此，如何在各种实际场景中对车辆进行高精度定位，成为本领域亟需解决的问题。

技术实现思路

[0004]本专利技术实施例提供一种场端多相机融合定位方法，其能实现车辆的高精度定位。
[0005]本专利技术一实施例提供一种场端多相机融合定位方法，其包括：
[0006]获取多个不同位置的摄像头在当前时刻识别出的待定位区域图像；
[0007]对多个所述待定位区域图像中的观测对象进行全局最近邻关联，得到同一所述观测对象在不同所述摄像头下的接地点位置和像素坐标；
[0008]根据所述观测对象在不同所述摄像头下的接地点位置和像素坐标，确定所述观测对象的观测位姿；
[0009]利用所述观测对象的观测位姿进行卡尔曼滤波更新，得到所述观测对象的估计位姿。
[0010]作为上述方案的改进，所述根据所述观测对象在不同所述摄像头下的接地点位置和像素坐标，确定所述观测对象的观测位姿，包括：
[0011]根据所述观测对象在不同所述摄像头下的接地点位置和像素坐标，计算所述观测对象的中心位姿；
[0012]根据所述观测对象的中心位姿对所述观测对象进行三维投影，得到观测对象的观测位姿。
[0013]作为上述方案的改进，所述根据所述观测对象在不同所述摄像头下的接地点位置和像素坐标，计算所述观测对象的中心位姿,包括：
[0014]根据所述观测对象在不同所述摄像头下的接地点位置和像素坐标，对所述观测对象进行极线约束，得到所述观测对象在不同所述摄像头下的2D框的中心像素坐标；
[0015]其中，以所述观测对象所在的多个所述待定位区域图像的2D框的中心为极线约束的交点；所述2D框为所述观测对象在对应待定位区域图像中的外接矩形框；
[0016]根据所述观测对象在不同所述摄像头下的2D框的中心像素坐标，通过三角化求解
得到所述观测对象的中心位姿。
[0017]作为上述方案的改进，当所述观测对象为车辆时，所述中心位姿包括所述车辆的中心坐标及其航向角；
[0018]则，所述根据所述观测对象的中心位姿对所述观测对象进行三维投影，得到观测对象的观测位姿，包括：
[0019]根据所述车辆的中心坐标及其航向角，通过预设的长方体投影模型进行位姿估算，得到所述车辆的观测位姿。
[0020]作为上述方案的改进，当所述观测对象为行人时，所述中心位姿包括所述行人的中心坐标；
[0021]则，所述根据所述观测对象的中心位姿对所述观测对象进行三维投影，得到观测对象的观测位姿，包括：
[0022]根据所述行人的中心坐标，通过预设的圆柱体投影模型进行位置估算，得到所述行人的观测位姿。
[0023]作为上述方案的改进，所述利用所述观测对象的观测位姿进行卡尔曼滤波更新，得到所述观测对象的估计位姿，包括：
[0024]获取卡尔曼滤波器当前时刻输出的各个所述观测对象的滤波位姿；其中，所述观测对象的滤波位姿是所述卡尔曼滤波器根据对应所述观测对象在上一时刻的滤波位姿和对应的运动模型估算得到；
[0025]对各个所述观测对象的观测位姿及各个所述观测对象的滤波位姿进行全局最近邻关联，得到各个观测对象的观测位姿与其在所述卡尔曼滤波器中的滤波位姿的第一关联结果；
[0026]根据各个观测对象的第一关联结果及其观测位姿，采用所述卡尔曼滤波器对各个所述观测对象进行位姿更新，得到所述观测对象的估计位姿。
[0027]作为上述方案的改进，所述对各个所述观测对象的观测位姿及各个所述观测对象的滤波位姿进行全局最近邻关联，得到各个观测对象的观测位姿与其在所述卡尔曼滤波器中的滤波位姿的第一关联结果，包括：
[0028]计算各个所述观测对象的观测位姿和各个所述观测对象的滤波位姿之间的第一欧式距离；
[0029]根据计算得到的第一欧式距离，构建第一代价矩阵；
[0030]根据所述第一代价矩阵进行全局最近邻关联求解，得到各个观测对象的观测位姿与其在所述卡尔曼滤波器中的滤波位姿的第一关联结果。
[0031]作为上述方案的改进，所述根据所述第一代价矩阵进行全局最近邻关联求解，得到各个观测对象的观测位姿与其在所述卡尔曼滤波器中的滤波位姿的第一关联结果，包括：
[0032]将所述第一代价矩阵中超过预设阈值的第一欧式距离更新为第一固定值；
[0033]根据更新后的第一代价矩阵进行全局最近邻关联求解，得到各个所述观测对象的观测位姿与其在所述卡尔曼滤波器中的滤波位姿初始的第一关联结果；
[0034]对各个所述观测对象的观测位姿与其在所述卡尔曼滤波器中的滤波位姿初始的第一关联结果进行过滤处理，得到最终的第一关联结果；其中，最终的第一关联结果中第一
欧式距离均未超过预设阈值。
[0035]作为上述方案的改进，所述根据各个观测对象的第一关联结果及其观测位姿，采用所述卡尔曼滤波器对各个所述观测对象进行位姿更新，得到所述观测对象的估计位姿，包括：
[0036]当所述观测对象的关联结果为所述卡尔曼滤波器存在对所述观测对象的位姿跟踪，根据所述观测对象的观测位姿，采用所述卡尔曼滤波器对对应的观测对象进行位姿更新，得到所述观测对象的估计位姿；
[0037]当所述观测对象的关联结果为所述卡尔曼滤波器不存在对所述观测对象的位姿跟踪，在所述卡尔曼滤波器中添加所述观测对象，并根据所述观测对象的观测位姿初始化其在所述卡尔曼滤波器中的滤波位姿。
[0038]作为上述方案的改进，所述对多个所述待定位区域图像中的观测对象进行全局最近邻关联，得到同一所述观测对象在不同所述摄像头下的接地点位置和像素坐标，包括：
[0039]根据所述待定位区域图像中各个观测对象的像素坐标以及对应摄像头的外参，计算所述待定位区域图像中各个观测对象的接地点位置；
[0040]计算任意两个所述待定位区域图像中各个观测对象的像素坐标之间、接地点位置之间的第二欧式距离；
[0041]根据计算得到的第二欧式距离，构建第二代价矩阵；
[0042]根据所述第二代价矩阵进行全局最近邻关联求解，得到同一所述观测对象在不同所述摄像头下的接地点位置和像素坐标。
[0043]相比于现有技术，本专利技术实施例的有益效果在于：对于某一实际场景，通过设置路侧安装的多个摄像头捕捉同一待定位区域的待定位区域图像并识别出对应待定位区域图像中的观测对象；然对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种场端多相机融合定位方法，其特征在于，包括：获取多个不同位置的摄像头在当前时刻识别出的待定位区域图像；对多个所述待定位区域图像中的观测对象进行全局最近邻关联，得到同一所述观测对象在不同所述摄像头下的接地点位置和像素坐标；根据所述观测对象在不同所述摄像头下的接地点位置和像素坐标，确定所述观测对象的观测位姿；利用所述观测对象的观测位姿进行卡尔曼滤波更新，得到所述观测对象的估计位姿。2.如权利要求1所述的场端多相机融合定位方法，其特征在于，所述根据所述观测对象在不同所述摄像头下的接地点位置和像素坐标，确定所述观测对象的观测位姿，包括：根据所述观测对象在不同所述摄像头下的接地点位置和像素坐标，计算所述观测对象的中心位姿；根据所述观测对象的中心位姿对所述观测对象进行三维投影，得到观测对象的观测位姿。3.如权利要求2所述的场端多相机融合定位方法，其特征在于，所述根据所述观测对象在不同所述摄像头下的接地点位置和像素坐标，计算所述观测对象的中心位姿,包括：根据所述观测对象在不同所述摄像头下的接地点位置和像素坐标，对所述观测对象进行极线约束，得到所述观测对象在不同所述摄像头下的2D框的中心像素坐标；其中，以所述观测对象所在的多个所述待定位区域图像的2D框的中心为极线约束的交点；所述2D框为所述观测对象在对应待定位区域图像中的外接矩形框；根据所述观测对象在不同所述摄像头下的2D框的中心像素坐标，通过三角化求解得到所述观测对象的中心位姿。4.如权利要求2所述的场端多相机融合定位方法，其特征在于，当所述观测对象为车辆时，所述中心位姿包括所述车辆的中心坐标及其航向角；则，所述根据所述观测对象的中心位姿对所述观测对象进行三维投影，得到观测对象的观测位姿，包括：根据所述车辆的中心坐标及其航向角，通过预设的长方体投影模型进行位姿估算，得到所述车辆的观测位姿。5.如权利要求2所述的场端多相机融合定位方法，其特征在于，当所述观测对象为行人时，所述中心位姿包括所述行人的中心坐标；则，所述根据所述观测对象的中心位姿对所述观测对象进行三维投影，得到观测对象的观测位姿，包括：根据所述行人的中心坐标，通过预设的圆柱体投影模型进行位置估算，得到所述行人的观测位姿。6.如权利要求2所述的场端多相机融合定位方法，其特征在于，所述利用所述观测对象的观测位姿进行卡尔曼滤波更新，得到所述观测对象的估计位姿，包括：获取卡尔曼滤波器当前时刻输出的各个所述观测对象的滤波位姿；其中，所述观测对象的滤波位姿是所述卡尔曼滤波器根据对应所述观测对象在上一时刻的滤波位姿和对应的运动模型估算得到；对各个所述观测对象的观测位姿及各个所述观测对象的滤波位姿进行全局最近邻关
联，得到各个观测对象的观测位姿与其在所述卡尔曼滤波...

【专利技术属性】
技术研发人员：戴必林，
申请(专利权)人：华人运通上海自动驾驶科技有限公司，
类型：发明
国别省市：