【技术实现步骤摘要】
本专利技术实施例涉及车辆控制，尤其涉及一种视觉slam的相机位姿确定方法、装置、设备及介质。
技术介绍
1、同步定位与建图(simultaneous localization andmapping，slam)在机器人视觉中起着非常重要的作用，它可以近似相机的姿态，并通过各种方式重建未知环境，广泛应用于自动驾驶领域。slam技术有一个基本假设前提：应用环境为静态的。但是，在自动驾驶领域的应用中，大部分的环境为动态的，例如，车辆在行驶的过程中，实时进行同步定位与建图。若要得到高精度的slam结果，需要实时确定当前车辆上相机位姿，在动态的环境中，物体的移动会造成slam算法对位姿定位精度下降。基于此，在动态环境下精确的计算相机位姿对提高slam精确度是至关重要的。
2、目前，通过跟踪稳定的静态特征点来计算相机位姿，或者，采用高性能的摄像设备采集具有深度信息的图像，从而得到更多特征信息来计算相机位姿。但是，静态特征点的数量是极少量的，基于少量的静态特征点计算相机位姿，存在定位和构图精确度低的问题；采用高性能摄像设备的方式又存在成本代价高的问题。
技术实现思路
1、本专利技术提供了一种视觉slam的相机位姿确定方法、装置、设备及介质，以提高视觉slam在动态环境中位姿定位精度，降低slam应用成本。
2、根据本专利技术的第一方面，提供了一种视觉slam的相机位姿确定方法，该方法包括：
3、在目标车辆行驶过程中，基于部署在所述目标车辆中的摄像装置采集视频图像
4、对于每一视频帧，确定当前视频帧中包括至少一个预设对象的多个对象检测框和多个待处理特征点，并确定所述各待处理特征点的属性类别；
5、确定隶属于同一对象检测框中的待处理特征点；
6、根据各对象检测框中属性类别为异常类别的待处理特征点的数量，确定相应对象检测框的状态类别；
7、基于各所述对象检测框的状态类别，对多个所述待处理特征点筛选处理，得到多个目标特征点；
8、基于所述目标特征点，确定所述部署于目标车辆中摄像装置的相机位姿。
9、根据本专利技术的第二方面，提供了一种视觉slam的相机位姿确定装置，该装置包括：
10、视频帧获取模块，用于在目标车辆行驶过程中，基于部署在所述目标车辆中的摄像装置采集视频图像；
11、特征点属性确定模块，用于对于每一视频帧，确定当前视频帧中包括至少一个预设对象的多个对象检测框和多个待处理特征点，并确定所述各待处理特征点的属性类别；
12、特征点归属确定模块，用于确定隶属于同一对象检测框中的待处理特征点；
13、检测框状态确定模块，用于根据各对象检测框中属性类别为异常类别的待处理特征点的数量，确定相应对象检测框的状态类别；
14、目标点确定模块，用于基于各所述对象检测框的状态类别，对多个所述待处理特征点筛选处理，得到多个目标特征点；
15、相机位姿确定模块，用于基于所述目标特征点，确定所述部署于目标车辆中摄像装置的相机位姿。
16、根据本专利技术的第三方面，提供了一种电子设备，所述电子设备包括：
17、至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的视觉slam的相机位姿确定方法。
18、根据本专利技术的第四方面，提供了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指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的视觉slam的相机位姿确定方法。
19、本专利技术实施例的技术方案，在目标车辆行驶过程中，基于部署在目标车辆中的摄像装置采集视频图像，对于每一视频帧，确定当前视频帧中包括至少一个预设对象的多个对象检测框和多个待处理特征点，并确定各待处理特征点的属性类别，进一步的，确定隶属于同一对象检测框中的待处理特征点，进而，根据各对象检测框中属性类别为异常类别的待处理特征点的数量，确定相应对象检测框的状态类别，以基于各对象检测框的状态类别，对多个待处理特征点筛选处理，得到多个目标特征点，最终，基于目标特征点，确定部署于目标车辆中摄像装置的相机位姿。本申请通过判断对象检测框的状态类别，进而根据对象检测框的状态类别，对当前视频帧中的动态特征点进行筛除，保证了稳定静态点的数量，由于基于更多的稳定静态点确定相机位姿，从而提高了视觉slam在动态环境中位姿定位的精度。另外，本申请不受深度信息的限制，因此对摄像装置的性能没有特别需求，不仅实用性强，而且可以降低同步定位与建图的成本。
20、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种基于视觉SLAM的相机位姿确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述确定所述各待处理特征点的属性类别，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于待处理特征点与对应的极线之间的极线距离，确定所述特征点匹配对中待处理特征点的属性类别，包括：
4.根据权利要求1所述的方法，其特征在于，所述确定隶属于同一对象检测框中的待处理特征点，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据各对象检测框中属性类别为异常类别的待处理特征点的数量，确定相应对象检测框的状态类别，包括：
6.根据权利要求1所述的方法，其特征在于，所述预设对象包括人物和物体，所述基于所述异常特征点占比值与预设判别阈值，确定相应对象检测框的状态类别，包括：
7.根据权利要求1所述的方法，其特征在于，所述对象检测框的状态类别为静态对象检测框或动态对象检测框，所述基于各所述对象检测框的状态类别，对多个所述待处理特征点筛选处理，得到多个目标特征点，包括：
8.一种基于视觉SLAM的相
9.一种电子设备，其特征在于，电子设备包括：
10.一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一项的基于视觉SLAM的相机位姿确定方法。
...【技术特征摘要】
1.一种基于视觉slam的相机位姿确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述确定所述各待处理特征点的属性类别，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于待处理特征点与对应的极线之间的极线距离，确定所述特征点匹配对中待处理特征点的属性类别，包括：
4.根据权利要求1所述的方法，其特征在于，所述确定隶属于同一对象检测框中的待处理特征点，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据各对象检测框中属性类别为异常类别的待处理特征点的数量，确定相应对象检测框的状态类别，包括：
6.根据权利要求1所述的方法，...
【专利技术属性】
技术研发人员：张松林，张天奇，张建，王宇，曹天书，
申请(专利权)人：中国第一汽车股份有限公司，
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。