一种智能车的定位方法、系统、电子设备及介质技术方案

本发明专利技术涉及一种智能车的定位方法、系统、电子设备及介质，其方法包括：采集目标场所不同位置GPS信息、前视场景图像、俯视地面图像，构建节点地图数据集；对节点地图数据集中每个节点的前视场景图像提取全局特征、俯视地面图像提取局部特征点信息，层次化构建节点指纹特征形成定位节点地图；提取待定位车辆GPS信息、前视场景图像、俯视地面图。以相同的方式提取并且构建待定位车辆指纹特征；匹配待定位车辆与定位节点地图的GPS信息实现初定位，匹配待定位车辆与节点地图前视场景全局特征确定唯一节点，匹配待定位车辆与唯一节点的俯视地面局部特征点从而得到其相对位置关系。本发明专利技术运用多尺度方式实现智能车的定位，提高了定位的准确率。准确率。准确率。

【技术实现步骤摘要】
一种智能车的定位方法、系统、电子设备及介质


[0001]本专利技术涉及计算机视觉
，尤其涉及一种智能车的定位方法、系统、电子设备及介质。

技术介绍

[0002]随着计算机视觉的飞速发展，基于视觉图像的方式实现车辆高精度定位成为了可能，同时基于纯视觉图像车辆定位方式不需要额外的定位传感器或者硬件模块，其成本较低，更加具有长期商业价值和研究价值。
[0003]现有技术中，授权专利CN110189546A，授权日为2019年8月30日，专利名称为“一种车辆定位方法及车辆定位系统”该专利公开了一种基于构建语义地图与提取图像中车辆语义信息进行匹配、修正从而实现车辆定位的方法。授权的专利CN106960591B，授权日2018年11月30日，专利名为“一种基于道路指纹的车辆高精度定为装置及方法”，公开了一种利用ORB算法提取俯视路面图像特征,实现车辆定位。
[0004]综上所述，现有技术中车辆定位方法均没有采用多尺度的方式来实现车辆的定位，准确率低。

技术实现思路

[0005]有鉴于此，有必要提供一种智能车的定位方法、系统、电子设备及介质，用以实现多尺度定位车辆的目的，从而提高车辆定位的准确率。
[0006]为了实现上述目的，本专利技术提供一种智能车的定位方法，包括：
[0007]采集目标场所的GPS信息、前视场景图像、俯视地面图像构成所述地图节点数据集；
[0008]对所述目标场所的地图节点数据集中每个节点的前视场景图像提取全局特征、俯视地面图像提取局部特征，将所述GPS信息、前视场景图像全局特征以及俯视地面图像局部特征以层次化结构构建地图节点指纹特征形成定位节点地图；
[0009]采集待定位车辆的GPS信息、前视场景图像、俯视地面图像构成所述待定位车辆在所述定位节点地图上的节点指纹特征；
[0010]将所述待定位车辆的节点指纹特征中GPS信息与所述目标场所的地图节点指纹特征中GPS信息相匹配得到候选节点集；
[0011]将所述待定位车辆的节点指纹特征中前视场景图像的全局特征与所述候选节点集中的前视场景图像全局特征相匹配得到唯一节点；
[0012]将所述待定位车辆的节点指纹特征中的俯视地面图像的局部特征与所述唯一节点的指纹特征中的俯视地面图像的局部特征相匹配后实现所述待定位车辆的定位。
[0013]进一步的，所述目标场所的地图节点数据集还包括节点坐标位置信息。
[0014]进一步的，对所述目标场所的地图节点数据集中每个节点的前视场景图像提取全局特征、俯视地面图像提取局部特征，包括：
[0015]采用预设的深度学习网络AlexNet模型的中间层参数提取所述目标场所的地图节点数据集中每个地图节点的前视场景图像的全局特征；
[0016]使用ORB局部特征点检测和描述算法提取所述目标场所的地图节点数据集中每个地图节点的俯视地面图像的局部特征。
[0017]进一步的，将所述待定位车辆的节点指纹特征中GPS信息与所述目标场所的地图节点指纹特征中GPS信息相匹配得到候选节点集，包括：
[0018]将所述待定位车辆的节点指纹特征中的GPS信息与所述目标场所的地图节点指纹特征中的GPS信息计算欧式距离生成一个距离集合，在所述距离集合中根据预设规则进行筛选剔除，得到候选节点集。
[0019]进一步的，将所述待定位车辆的节点指纹特征中前视场景图像的全局特征与所述候选节点集中的前视场景图像全局特征相匹配得到唯一节点，包括：
[0020]对所述待定位车辆的节点指纹特征中前视场景图像的全局特征和所述候选节点集中的每个候选节点的前视场景图像的全局特征之间计算余弦相似度，选择相似度最高的候选节点作为唯一节点。
[0021]进一步的，将所述待定位车辆的节点指纹特征中的俯视地面图像的局部特征与所述唯一节点的指纹特征中的俯视地面图像的局部特征相匹配后实现所述待定位车辆的定位，包括：
[0022]所述待定位车辆的节点指纹特征中的俯视地面图像的局部特征与所述唯一节点的指纹特征中的俯视地面图像的局部特征进行匹配，得到特征点对，依据特征点对计算单应矩阵，通过分解单应矩阵得到其相对位置关系。
[0023]进一步的，所述得到特征点对，依据特征点对计算单应矩阵，通过分解单应矩阵得到其相对位置关系，包括：
[0024]计算待定位车辆的节点指纹特征中的俯视地面图像的局部特征中的每一个局部特征点和所述唯一节点的指纹特征中的俯视地面图像的局部特征中的每一个局部特征点描述子之间的汉明距离并形成汉明距离集合；
[0025]确定待定位车辆的地图节点指纹特征中的俯视地面图像的局部特征中的每一个局部特征点和所述唯一节点的指纹特征中的俯视地面图像的局部特征中的每一个局部特征点描述子之间的最小汉明距离形成的最小汉明距离集合；
[0026]对所述最小汉明距离集合中的每对特征点之间的汉明距离值的范围进行限定，得到最优特征点对；
[0027]根据所述最优特征点计算所述单应矩阵，再通过数值法或解析法分解所述单应矩阵，得到所述待定位车辆和所述唯一节点之间相对位置关系。
[0028]另一方面，本专利技术还提供了一种执行上述任意一种实现方式中的所述的一种智能车的定位方法的一种智能车定位系统。
[0029]另一方面，本专利技术还提供了一种电子设备，包括存储器和处理器，其中，所述存储器，用于存储程序；所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述任意一种实现方式中所述一种智能车的定位方法中的步骤。
[0030]另一方面，本专利技术还提供了一种计算机可读存储介质，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时能够实现上述任意一种实现方式中的所述一
种智能车的定位方法中的步骤。
[0031]采用上述实施例的有益效果是：本专利技术提供的一种智能车的定位方法，通过采集目标场所GPS信息、前视场景图像全局特征以及俯视地面图像局部特征以层次化结构网络构建地图节点指纹特征形成定位节点地图，进一步采集待定位车辆的GPS信息、前视场景图像的全局特征和俯视地面图像的局部特征构成待定位车辆在上述定位节点地图上的节点指纹特征，将两者的GPS信息相匹配从而实现初定位，将两者的前视场景图像的全局特征进行匹配确定其唯一节点，将待定位车辆与唯一节点的俯视地面图像局部特征点进行计算并确定两者的俯视地面图像之间的相对位置关系，完成最终智能车定位。本专利技术通过GPS信息匹配初定位、全局特征匹配实现节点级定位、局部特征实现度量级定位，即从多尺度来定位车辆，这种多尺度匹配方式层次分明且准确率高、鲁棒性强，提高了智能车定位的准确率，适用于多种场景下定位。
附图说明
[0032]图1是本专利技术实施例提供的一种智能车的定位方法的流程图；
[0033]图2是本专利技术实施例提供的基于ORB算法提取的俯视地面图像局部特征点图；
[0034]图3是本专利技术实施例提供的基于AlexNet网络提取的前视场景图像全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能车的定位方法，其特征在于，包括：采集目标场所的GPS信息、前视场景图像、俯视地面图像构成所述地图节点数据集；对所述目标场所的地图节点数据集中每个节点的前视场景图像提取全局特征、俯视地面图像提取局部特征，将所述GPS信息、前视场景图像全局特征以及俯视地面图像局部特征以层次化结构构建地图节点指纹特征形成定位节点地图；采集待定位车辆的GPS信息、前视场景图像、俯视地面图像构成所述待定位车辆在所述定位节点地图上的节点指纹特征；将所述待定位车辆的节点指纹特征中GPS信息与所述目标场所的地图节点指纹特征中GPS信息相匹配得到候选节点集；将所述待定位车辆的节点指纹特征中前视场景图像的全局特征与所述候选节点集中的前视场景图像全局特征相匹配得到唯一节点；将所述待定位车辆的节点指纹特征中的俯视地面图像的局部特征与所述唯一节点的指纹特征中的俯视地面图像的局部特征相匹配后实现所述待定位车辆的定位。2.根据权利要求1所述的一种智能车的定位方法，其特征在于，所述目标场所的地图节点数据集还包括节点坐标位置信息。3.根据权利要求1所述的一种智能车的定位方法，其特征在于，对所述目标场所的地图节点数据集中每个节点的前视场景图像提取全局特征、俯视地面图像提取局部特征，包括：采用预设的深度学习网络AlexNet模型的中间层参数提取所述目标场所的地图节点数据集中每个地图节点的前视场景图像的全局特征；使用ORB局部特征点检测和描述算法提取所述目标场所的地图节点数据集中每个地图节点的俯视地面图像的局部特征。4.根据权利要求1所述的一种智能车的定位方法，其特征在于，将所述待定位车辆的节点指纹特征中GPS信息与所述目标场所的地图节点指纹特征中GPS信息相匹配得到候选节点集，包括：将所述待定位车辆的节点指纹特征中的GPS信息与所述目标场所的地图节点指纹特征中的GPS信息计算欧式距离生成一个距离集合，在所述距离集合中根据预设规则进行筛选剔除，得到候选节点集。5.根据权利要求1所述的一种智能车的定位方法，其特征在于，将所述待定位车辆的节点指纹特征中前视场景图像的全局特征与所述候选节点集中的前视场景图像全局特征相匹配得到唯一节...

【专利技术属性】
技术研发人员：王相龙，杜江毅，严忠贞，周辉，朱信远，
申请(专利权)人：湖北星盛电气装备研究院有限公司，
类型：发明
国别省市：