基于构造组合特征的稀疏地图匹配方法及系统技术方案

本发明专利技术公开了一种基于构造组合特征的稀疏地图匹配方法及系统，其设置不同对象组合构造组合特征，自待对齐的两张稀疏地图中筛选出相应组合特征，将待对齐的两张稀疏地图中其中一张稀疏地图中的组合特征通过欧式变换到另一张稀疏地图的坐标系下，根据距离和位置关系区分变换后相应组合特征的真假匹配，获得真匹配组合特征，根据真匹配组合特征计算得到最优欧式变换，通过最优欧式变换对两张稀疏地图实现配准。本发明专利技术通过构造三种参数可调的组合特征，并使用这些组合特征进行地图特征点匹配；相比于一般特征，组合特征更加具有独特性，可以有效对抗道路场景的周期性；且降低了误匹配发生的机率，增加了算法的鲁棒性。增加了算法的鲁棒性。增加了算法的鲁棒性。

【技术实现步骤摘要】
基于构造组合特征的稀疏地图匹配方法及系统


[0001]本专利技术涉及众包地图制作
，尤其是涉及一种基于构造组合特征的稀疏地图匹配方法及系统。

技术介绍

[0002]众包构图具以成本低、数据鲜度高的优势。但众包采集数据的融合与更新依赖对所采集的片段地图的识别、匹配和对齐。地图对齐是一个比较复杂的模式识别问题，其算力开销大、正确率低、召回率低等问题一直是阻碍众包成图模式大规模应用的痛点。
[0003]使用稀疏表示的特征地图数据量小，对数据上传的带宽要求低，因此在大规模众包成图中被广泛使用。但是稀疏表示的过程中存在细节丢失的现象，加之稀疏表示的过程中图像分割和语义识别等等算法的参与，还会引入一些形状、存在性以及类型上的误差，进一步增加了地图对齐的难度。
[0004]如何寻找足够数量、高置信度、高特异性的特征匹配点对，是使用特征匹配技术达成稀疏特征地图匹配对齐的核心问题。

技术实现思路

[0005]本专利技术的目的在于克服上述技术不足，提出一种基于构造组合特征的稀疏地图匹配方法及系统，解决特征地图的形状和类型都存在较大误差、且存在重复模式时，常规特征提取算法难以从中发现具有足够特异性、置信度足够高的特征点的问题。
[0006]为达到上述技术目的，本专利技术的技术方案第一方面提供一种基于构造组合特征的稀疏地图匹配方法，其包括如下步骤：
[0007]设置不同对象组合构造组合特征；
[0008]自待对齐的两张稀疏地图中筛选出相应组合特征；
[0009]将待对齐的两张稀疏地图中其中一张稀疏地图中的组合特征通过欧式变换到另一张稀疏地图的坐标系下；
[0010]根据距离和位置关系区分变换后相应组合特征的真假匹配，获得真匹配组合特征；
[0011]根据真匹配组合特征计算得到最优欧式变换，通过最优欧式变换对两张稀疏地图实现配准。
[0012]本专利技术第二方面提供一种基于构造组合特征的稀疏地图匹配系统，其包括如下功能模块：
[0013]组合特征设置模块，用于设置不同对象组合构造组合特征；
[0014]组合特征筛选模块，用于自待对齐的两张稀疏地图中筛选出相应组合特征；
[0015]组合特征变换模块，用于将待对齐的两张稀疏地图中其中一张稀疏地图中的组合特征通过欧式变换到另一张稀疏地图的坐标系下；
[0016]真假特征区分模块，用于根据距离和位置关系区分变换后相应组合特征的真假匹
配，获得真匹配组合特征；
[0017]最优变换配准模块，用于根据真匹配组合特征计算得到最优欧式变换，通过最优欧式变换对两张稀疏地图实现配准。
[0018]本专利技术第三方面提供一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于构造组合特征的稀疏地图匹配方法。
[0019]本专利技术第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种基于构造组合特征的稀疏地图匹配方法。
[0020]与现有技术相比，本专利技术所述基于构造组合特征的稀疏地图匹配方法及系统，其设置不同对象组合构造组合特征，自待对齐的两张稀疏地图中筛选出相应组合特征，将待对齐的两张稀疏地图中其中一张稀疏地图中的组合特征通过欧式变换到另一张稀疏地图的坐标系下，根据距离和位置关系区分变换后相应组合特征的真假匹配，获得真匹配组合特征，根据真匹配组合特征计算得到最优欧式变换，通过最优欧式变换对两张稀疏地图实现配准。本专利技术通过构造三种参数可调的组合特征，并使用这些组合特征进行地图特征点匹配；相比于一般特征，组合特征更加具有独特性，可以有效对抗道路场景的周期性；且降低了误匹配发生的机率，增加了算法的鲁棒性。
附图说明
[0021]图1是本专利技术实施例所述的基于构造组合特征的稀疏地图匹配方法的流程框图；
[0022]图2是本专利技术实施例所述标志牌与车道线组合特征的示意图；
[0023]图3是本专利技术实施例所述相交实线车道线组合特征的示意图；
[0024]图4是本专利技术实施例所述斑马线和实线车道线组合特征的示意图；
[0025]图5是图1中步骤S3的分步骤流程框图；
[0026]图6是图1中步骤S4的分步骤流程框图；
[0027]图7是图1中步骤S5的分步骤流程框图；
[0028]图8是本专利技术实施例所述的基于构造组合特征的稀疏地图匹配系统的模块框图。
具体实施方式
[0029]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0030]如图1至图7所示，本专利技术的实施例提供了一种基于构造组合特征的稀疏地图匹配方法，其包括如下步骤：
[0031]S1、设置不同对象组合构造组合特征。
[0032]所述组合特征包括：标志牌与车道线组合特征、相交实线车道线组合特征、斑马线和实线车道线组合特征。
[0033]具体如图2所示，所述标志牌与车道线组合特征的描述子由关联向量和车道线
方向向量表示，记为
[0034]其中：表示方向为标志牌几何中心指向最临近车道线几何中心、长度为二者之间距离的向量；表示方向为车道线长轴方向(方位角限定在之间)，长度为车道线长轴长度的向量。
[0035]F的位置由标志牌的几何中心点表示，记为anchor
sl
(x
s
,y
s
)。
[0036]如图3所示，所述相交实线车道线组合特征的描述子设定为相近实线车道线的夹角θ，记为F
la
＝(θ)；该特征的几何位置定义为两条车道线的延长线的交点，记为anchor
la
(x
c
,y
c
)。
[0037]如图4所示，所述斑马线和实线车道线组合特征的描述子用斑马线与最邻近实线车道线的距离d和该临近车道线的长轴方向向量表示，记为特征的几何位置定义为斑马线的几何中心在车道线长轴上的垂足，记为anchor
cl
(x
c
,y
c
)。
[0038]S2、自待对齐的两张稀疏地图中筛选出相应组合特征。
[0039]具体的，自待对齐的两张稀疏地图中按照如下优先级分别筛选出相应组合特征：
[0040]标志牌与车道线组合特征>相交实线车道线组合特征>斑马线和实线车道线组合特征。
[0041]即，首先自待对齐的两张稀疏地图中筛选出标志牌与车道线组合特征：
[0042]扫描整张图中所有的标志牌，找到离它们距离最近的虚线车道线，通过标志牌的几何中心和车道线的几何中心与方向，计算关联向量和车道线方向向量并记录标志牌的几何中心点为该组合特征的特征点。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于构造组合特征的稀疏地图匹配方法，其特征在于，包括如下步骤：设置不同对象组合构造组合特征；自待对齐的两张稀疏地图中筛选出相应组合特征；将待对齐的两张稀疏地图中其中一张稀疏地图中的组合特征通过欧式变换到另一张稀疏地图的坐标系下；根据距离和位置关系区分变换后相应组合特征的真假匹配，获得真匹配组合特征；根据真匹配组合特征计算得到最优欧式变换，通过最优欧式变换对两张稀疏地图实现配准。2.根据权利要求1所述的基于构造组合特征的稀疏地图匹配方法，其特征在于，所述组合特征包括：标志牌与车道线组合特征、相交实线车道线组合特征、斑马线和实线车道线组合特征。3.根据权利要求1所述的基于构造组合特征的稀疏地图匹配方法，其特征在于，所述自待对齐的两张稀疏地图中筛选出相应组合特征，包括：自待对齐的两张稀疏地图中分别筛选出标志牌与车道线组合特征、相交实线车道线组合特征、斑马线和实线车道线组合特征，其具体包括：扫描稀疏地图中所有的标志牌，找到离它们距离最近的虚线车道线，通过标志牌的几何中心和车道线的几何中心与方向，计算关联向量和车道线方向向量，并记录标志牌的几何中心点为该组合特征的特征点；扫描稀疏地图中所有的车道线实线，计算两车道线实线之间的最近距离和中轴线夹角，若最近距离小于实线临近阈值，且夹角大于实线分歧阈值，则判定发现一个相交实线车道线组合特征，记录两车道线实线之间的夹角，并计算两车道线实线的中轴延长线交点为该组合特征的特征点；扫描稀疏地图中所有的斑马线，找到离之最近的实线车道线，计算斑马线到这条车道线的距离，计算这条车道线的长轴方向向量，从斑马线的中心点往实线车道线的长轴上做垂线得到垂足记为该组合特征的特征点。4.根据权利要求1所述的基于构造组合特征的稀疏地图匹配方法，其特征在于，在自待对齐的两张稀疏地图中筛选出相应组合特征之后，对两张稀疏地图的组合特征进行自由组合配对并计算每一对组合特征之间的相似性，剔除相似性小于相似性阈值的组合特征对，得到匹配特征队列。5.根据权利要求4所述的基于构造组合特征的稀疏地图匹配方法，其特征在于，所述将待对齐的两张稀疏地图中其中一张稀疏地图中的组合特征通过欧式变换到另一张稀疏地图的坐标系下，具体包括：自匹配特征队列中随机抽取两组组合特征对；根据两组组合...

【专利技术属性】
技术研发人员：李公维，金志勇，刘奋，尹玉成，
申请(专利权)人：武汉中海庭数据技术有限公司，
类型：发明
国别省市：