【技术实现步骤摘要】
一种重定位帧的确定方法、装置、车辆及存储介质
[0001]本专利技术涉及车辆定位
,尤其涉及一种重定位帧的确定方法、装置、车辆及存储介质。
技术介绍
[0002]视觉特征建图是室内自动驾驶等机器人应用技术的基础与核心技术之一,为机器人视觉重定位的特征匹配提供有效的先验信息。按照特征种类分类,图像特征可分为两类,分别是局部图像特征与全局图像特征。
[0003]目前,主要有两种重定位技术。一种是基于几何关系的重定位,即对已知位置的参考设备测距或测角,再通过几何关系计算机器人的位姿。另外一种是基于特征地图的重定位,是将当前的观测特征与预先建好的特征地图进行匹配来计算机器人的位姿。
[0004]然而,基于特征地图的高精度定位需要当前观测到的初始位置与语义地图做匹配,在语义地图的全局范围内查找初始地图帧(即重定位帧)通常会消耗极大的计算资源,对于场景相似度高且通讯信号较差的室内场景,如地下停车库,常规方法确定出的初始地图帧的准确性和鲁棒性较差。
技术实现思路
[0005]本专利技术提供了一种重定位帧的确定方法、装置、车辆及存储介质,以解决确定的初始地图帧的准确性和鲁棒性较差的问题。
[0006]第一方面,本专利技术实施例提供了一种重定位帧的确定方法,包括:
[0007]获取特征地图,其中,所述特征地图包括多个地图关键帧,所述地图关键帧包含地图图像的全局特征和局部特征;
[0008]确定当前图像的图像关键帧,根据所述图像关键帧的全局特征和所述地图关键帧的全局特征,确定 ...
【技术保护点】
【技术特征摘要】
1.一种重定位帧的确定方法,其特征在于,包括:获取特征地图,其中,所述特征地图包括多个地图关键帧,所述地图关键帧包含地图图像的全局特征和局部特征;确定当前图像的图像关键帧,根据所述图像关键帧的全局特征和所述地图关键帧的全局特征,确定当前差异度矩阵,其中,所述差异度矩阵用于表征所述图像关键帧和所述地图关键帧的差异程度,所述图像关键帧包含当前图像的全局特征和局部特征;根据预设动态规划算法和所述当前差异度矩阵,确定重定位标识,其中,所述重定位标识基于所述当前差异度矩阵中的第一预设位置确定,所述第一预设位置包括所述当前差异度矩阵中,每列或每行的差异度中最小差异度的位置;基于所述重定位标识,在所述特征地图中确定目标重定位帧。2.根据权利要求1所述的方法,其特征在于,所述特征地图的更新方式包括:根据地图图像的当前帧的位置相对于前一地图关键帧的位置的偏移距离是否大于预设距离阈值,确定地图图像的当前关键帧,其中,所述位置基于车辆所在的世界坐标系确定;基于所述当前关键帧的第一时间戳,从预设位姿缓存库中,确定地图关键帧的相邻全局位姿估计,并利用预设线性插值算法,对所述相邻全局位姿估计进行插值处理,得到所述当前关键帧的全局位姿,其中,关键帧包含表示时间信息的第一时间戳,所述相邻全局位姿估计包括时间上最接近所述第一时间戳的至少两个全局位姿估计,所述预设位姿缓存库包含至少两个所述全局位姿估计,所述全局位姿估计包含表示时间信息的第二时间戳;对所述当前关键帧的灰度图像进行缩小化处理,并基于缩小化处理后的灰度图像中像素的光照强度,确定所述当前关键帧的全局特征;对所述当前关键帧的灰度图像进行缩小化处理,并利用预设模型,对缩小化处理后的灰度图像进行降维映射处理,以得到所述当前关键帧的局部特征;根据所述当前关键帧、所述当前关键帧的全局特征、所述当前关键帧的全局位姿以及所述当前关键帧的局部特征,更新所述特征地图。3.根据权利要求2所述的方法,其特征在于,所述根据所述当前关键帧、所述当前关键帧的全局特征、所述当前关键帧的全局位姿以及所述当前关键帧的局部特征,更新所述特征地图,包括:根据所述当前关键帧、所述当前关键帧的全局特征、所述当前关键帧的全局位姿以及所述当前关键帧的局部特征,确定初始地图关键帧;对所述初始地图关键帧进行回环检测和回环矫正,得到校验后的地图关键帧;根据所述特征地图中地图关键帧的第一时间戳,将所述校验后的地图关键帧加入特征地图中,以更新所述特征地图。4.根据权利要求1或2所述的方法,其特征在于,所述根据所述图像关键帧的全局特征和所述地图关键帧的全局特征,确定当前差异度矩阵,包括:根据所述图像关键帧的全局特征中像素的光照强度和所述地图关键帧的全局特征中像素的光照强度的差值,确定全局特征差异度;确定所述全局特征差异度与预设全局特征的像素数量的比值,以得到差异度向量,其中,所述预设全局特征包括所述图像关键帧的全局特征或所述地图关键帧的全局特征;
根据更新前的差异度矩阵的预设参数是否大于预设参数阈值,以及所述差异度向量,确定更新后的当前差异度矩阵,其中,所述预设参数包括所述差异度矩阵的行数和/或列数。5.根据权利要求4所述的方法,其特征在于,所述根据预设动态规划算法和所述当前差异度矩阵,确定重定位标识,包括:利用预设动态规划算法,遍历所述当前差异度矩阵的差异度,确定所述当前差异度矩阵的第一预设位置、与所述当前差异度矩阵的维数对应的预设矩阵、以及在所述预设矩阵中与所述第一预设位置对应的第二预设位置,其中,所述第一预设位置包括所述当前差异度矩阵中,第一...
【专利技术属性】
技术研发人员:陈江秋,傅文标,林宝尉,
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。