特征点的提取和匹配方法组成比例

本申请公开了一种特征点的提取和匹配方法

【技术实现步骤摘要】
特征点的提取和匹配方法、装置、地图制作系统及介质


[0001]本申请涉及数据处理
，特别涉及一种特征点的提取和匹配方法
、
装置
、
地图制作系统
、
介质及设备
。

技术介绍

[0002]车辆的定位，是自动驾驶车辆与
3D
地图对应程度的重要体现，在自动驾驶车辆在行驶过程中，准确的定位信息能够使得自动驾驶车辆对环境的感知更加准确
。
在地库中进行定位的过程中，首先需要进行特征的提取与匹配，利用对特征点的提取与匹配获得的定位信息精度高，因此，特征点的提取与匹配在定位过程往往更受欢迎
。
[0003]在传统的特征点提取过程中，往往采取基于纯图像或基于纯点云的提取和匹配方式，获取特征点，利用特征点实现对自动驾驶车辆的定位
。
[0004]然而，无论是采取基于纯图像或基于纯点云的提取和匹配方式，其在匹配过程中多采用最近邻匹配的方式获取匹配结果，但是该方式往往会出现匹配错误的情况；例如，对于车辆在路上行驶一段之后又回到原地，此时对于车辆行驶过程中的出发点与终止点，本应该能够匹配成功，但是由于终止点为行驶一段之后的特征点，该特征点具有累计数据，因此在进行最近邻匹配时，不会将出发点与终止点作为互相的最近邻点，以致于出发点与终止点匹配失败，造成匹配错误的情况，进而造成车辆定位错误，使用户体验效果降低
。

技术实现思路

[0005]针对现有技术存在的由于累计信息的影响，造成匹配错误的情况，进而造成车辆定位错误，使用户体验效果降低的问题，本申请主要提供一种特征点的提取和匹配方法
、
装置
、
地图制作系统
、
介质及设备
。
[0006]第一方面，本申请实施例提供一种特征点的提取和匹配方法，其包括：利用预建立的
3D
鸟瞰坐标系，将
3D
鸟瞰坐标系下的
3D
点云数据转化为
2D
灰度图像；从
2D
灰度图像中提取特征点，获取特征点的特征信息；从鸟瞰深度图像中提取特征点，获取特征点的特征信息；利用特征信息对特征点进行匹配，将匹配上的特征点作为关联点
。
[0007]第二方面，本申请实施例提供一种特征点的提取和匹配装置，其包括：图像获取模块，利用预建立的
3D
鸟瞰坐标系，将
3D
鸟瞰坐标系下的
3D
点云数据转化为
2D
灰度图像；特征提取模块，从
2D
灰度图像中提取特征点，获取特征点的特征信息；特征匹配模块，利用特征信息对特征点进行匹配，将匹配上的特征点作为关联点
。
[0008]第三方面，本申请实施例提供一种地图制作系统，其包括特征点的提取和匹配装置，其中特征点的提取和匹配装置包括：图像获取模块，利用预建立的
3D
鸟瞰坐标系，将
3D
鸟瞰坐标系下的
3D
点云数据转化为
2D
灰度图像；特征提取模块，从
2D
灰度图像中提取特征点，获取特征点的特征信息；特征匹配模块，利用特征信息对特征点进行匹配，将匹配上的特征点作为关联点
。
[0009]第四方面，本申请实施例提供一种计算机可读存储介质，其存储有计算机指令，该
计算机指令被操作以执行方案一中的特征点的提取和匹配方法
。
[0010]第五方面，本申请实施例提供一种计算机设备，其包括：至少一个处理器；以及与至少一个处理器进行通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的计算机指令，至少一个处理器操作计算机指令以执行方案一中的特征点的提取和匹配方法
。
[0011]本申请实施例的技术方案通过提供一种
3D
点云与图像结合的方式，提取车辆行驶过程中的特征点，和历史帧特征点进行匹配，选取出匹配得分超过阈值的匹配对，实现对车辆的特征点进行精准匹配，进而实现对车辆的精准定位，使得用户在驾驶过程的体验效果提高
。
附图说明
[0012]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作以简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图
。
[0013]图1是本申请一种特征点的提取和匹配方法的一个可选实施方式的示意图；
[0014]图2示出了本申请一种特征点的提取和匹配方法中网格划分方式的一个可选实例；
[0015]图3示出了本申请一种特征点的提取和匹配方法中网格划分方式的另一个可选实例；
[0016]图4是本申请一种特征点的提取和匹配装置的一个可选实施方式的示意图
。
[0017]通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述
。
这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念
。
具体实施方式
[0018]下面结合附图对本申请的较佳实施例进行详细阐述，以使本申请的优点和特征能更易于被本领域技术人员理解，从而对本申请的保护范围做出更为清楚明确的界定
。
[0019]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序
。
而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程
、
方法
、
物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程
、
方法
、
物品或者设备所固有的要素
。
在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程
、
方法
、
物品或者设备中还存在另外的相同要素
。
[0020]车辆的定位，是自动驾驶车辆与
3D
地图对应程度的重要体现，在自动驾驶车辆在行驶过程中，准确的定位信息能够使得自动驾驶车辆对环境的感知更加准确
。
在地库中进行定位的过程中，首先需要进行特征的提取与匹配，利用对特征点的提取与匹配获得的定位信息精度高，因此，特征点的提取与匹配在定位过程往往更受欢迎
。
[0021]在传统的特征点提取过程中，往往采取基于纯图像或基于纯点云的提取和匹配方式，获取特征点，利用特征点实现对自动驾驶车辆的定位
。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种特征点的提取和匹配方法，其特征在于，包括：利用预建立的
3D
鸟瞰坐标系，将所述
3D
鸟瞰坐标系下的
3D
点云数据转化为
2D
灰度图像；从所述
2D
灰度图像中提取特征点，获取所述特征点的特征信息；利用所述特征信息对所述特征点进行匹配，将匹配上的所述特征点作为关联点
。2.
根据权利要求1所述的特征点的提取和匹配方法，其特征在于，所述将
3D
鸟瞰坐标系下的
3D
点云数据转化为
2D
灰度图像，进一步包括：预建立以鸟瞰视角为中心的所述
3D
鸟瞰坐标系；在所述
3D
鸟瞰坐标系建立预设范围的
3D
网格；将所述
3D
网格中的
3D
点云数据转化为灰度值，获取
2D
灰度图像
。3.
根据权利要求2所述的特征点的提取和匹配方法，其特征在于，所述在所述
3D
鸟瞰坐标系建立预设范围的
3D
网格，进一步包括：将所述
3D
鸟瞰坐标系平均划分为大小相等的所述
3D
网格
。4.
根据权利要求2所述的特征点的提取和匹配方法，其特征在于，所述在所述
3D
鸟瞰坐标系建立预设范围的
3D
网格，还包括：根据与所述
3D
鸟瞰坐标系的轴心之间的距离，对所述
3D
鸟瞰坐标系进行网格划分，使得与所述轴心之间的距离越大的所述
3D
网格的径向宽度越大
。5.
根据权利要求2所述的特征点的提取和匹配方法，其特征在于，所述在所述
3D
鸟瞰坐标系建立预设范围的
3D
网格，还包括：以所述
3D
鸟瞰坐标系的轴心为圆心画圆，获取半径不等的同心圆；根据预设的角度差，从所述圆心发送射线，获取所述
3D
网格，其中所述
3D
网格为所述同心圆的弧线与所述射线合围成的封闭区域
。6.
根据权利要求2所述的特征点的提取和匹配方法，其特征在于，所述将所述
3D
...

【专利技术属性】
技术研发人员：朱敏峰，高诚壑，刘哲铭，
申请(专利权)人：北京初速度科技有限公司，
类型：发明
国别省市：