【技术实现步骤摘要】
作业设备的位姿计算方法、装置、计算机设备及介质
[0001]本专利技术涉及位姿计算
，尤其涉及一种作业设备的位姿计算方法、装置、计算机设备及介质。
技术介绍
[0002]现有的智能设备的定位技术方案主要是利用GPS
‑
RTK(Global Positioning System，全球定位系统；Real time kinematic，实时差分定位)技术进行定位。但是，由于RTK技术通常通过固定的基准站实现定位，需要维护人员对基准站进行维护。如果不维护，基准站会存在固件老旧、线路老化、供电系统异常等问题，进而影响定位精度。
[0003]可见，现有的智能设备的定位方法基于固定设备需人工维护，不维护就会影响定位精度。
技术实现思路
[0004]有鉴于此，本申请实施例的目的是提供一种作业设备的位姿计算方法、装置、计算机设备及介质，能够解决现有的定位方法基于固定设备需人工维护，不维护就会影响定位精度的问题。
[0005]为了解决上述技术问题，本申请是这样实现的：
[0006]...
【技术保护点】
【技术特征摘要】
1.一种作业设备的位姿计算方法，其特征在于，所述方法包括：获取作业设备的实时雷达数据和所述作业设备所处环境的高精地图；分别对所述实时雷达数据和所述高精地图进行语义分割，得到所述实时雷达数据的第一语义信息和所述高精地图的第二语义信息；根据不同语义信息的更新频率，分别将所述第一语义信息和所述第二语义信息进行分层；分别从所述实时雷达数据和所述高精地图对应的多个语义层中获取更新频率最低的第一语义层和第二语义层；基于所述第一语义层和所述第二语义层的语义信息进行特征匹配，得到特征匹配结果；利用所述特征匹配结果，计算作业设备的位姿信息。2.根据权利要求1所述的作业设备的位姿计算方法，其特征在于，所述基于所述第一语义层和所述第二语义层的语义信息进行特征匹配，得到特征匹配结果，包括：获取所述第一语义层和所述第二语义层的语义信息的区域特征；基于所述区域特征进行特征匹配，得到特征匹配结果。3.根据权利要求2所述的作业设备的位姿计算方法，其特征在于，所述获取所述第一语义层和所述第二语义层的语义信息的区域特征，包括：分别建立所述第一语义层与所述第二语义层在不同尺度空间的表示图像；将不同尺度空间内的每一个表示图像转换为主曲率图像；由尺度空间内每相邻的三个主曲率图像构建最大主曲率图像；对所有所述最大主曲率图像利用数学形态学方式和滞后阈值法进行处理，并利用分水岭算法得到所述第一语义层和所述第二语义层的语义信息的区域特征。4.根据权利要求3所述的作业设备的位姿计算方法，其特征在于，所述方法还包括：基于预设阈值规则，在局部尺度空间内从所述区域特征中确定稳定区域特征；所述基于所述区域特征进行特征匹配，得到特征匹配结果，包括：基于所述稳定区域特征进行特征匹配，得到特征匹配结果。5.根据权利要求1
‑
4中任一项所述的作业设备的位姿计算方法，其特征在于，所述利用所述特征匹配结果，计算作业设备的位姿信息，包括：对所述实时雷达数据和高精地图内的相匹配的像素点进行坐标归一化处理；基于坐标归一化处理后的像素点的匹配关系，计算基础矩阵和单应矩阵；通过重投影误差采用随机抽样一致算法对所述基础矩阵和单应矩阵进行优化；利用优化后的所述基础矩阵和所述单应矩阵计算所述作业设备的位姿信息。6.根据权利要求1所述的作业设备的位姿计算方法，其特征在于，所述分别对所述实时雷达数据和所述高精地图进行语义分割，得到所述实时雷达数据的第一语义信息和所述高精地图的第二语义信息，包括：分别将所述实时雷达数据和所述高精地图映射到二维空间的深度图，得到第一深度图和第二深度图；利用卷积神经网络分别对所述第一深度图和所述第二深度图进行语义分割，得到第一分割结果和第二分割结果；
将所述第一分割结果映射到所述实时雷达数据得到第一分类结果，将所述第二分割结果映射到所述高精地图得到第二分类结果；分别对第一分类结果和第二分类结果搜索进行聚类操作，得到所述实时雷达数据的第一语义信息和...
【专利技术属性】
技术研发人员：孟进军，
申请(专利权)人：广州极飞科技股份有限公司，
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。