【技术实现步骤摘要】
本专利技术涉及无人驾驶，具体为一种地标识别方法。
技术介绍
1、基于视觉的导航定位技术被广泛应用在无人机、无人车等无人驾驶领域，视觉定位技术中包括地标识别，可以通过识别地标来提供机器人的全局位置信息。
2、申请号为cn202211445902.7的一种基于空间自注意力的地标检索识别与定位方法，收集包含地标建筑的图片，构建地标数据库和地标地理位置数据库标准化处理后得到训练数据集；训练基于空间自注意力的图片特征提取模型；提取地标数据库中样本的特征向量，针对每一个地标图片，使用knn搜索与其地标类别一致且特征最相似的前n个地标图片；提取测试图片的特征向量，在地标数据库中基于knn搜索最相似的地标建筑图片，取众数作为地标识别结果；输出测试图片的地标识别名称、地标地理位置，以及与地标识别结果类别一致且特征最相似的前n个地标图片。本专利技术提升了复杂图像的地标识别和检索精度。
3、申请号为cn202211471988.0一种实景地标识别方法，所述方法包括；通过地标定位网络对地标区域进行定位，并提取出地标区域的区域特征；通过整图特征网络提取地标的整图特征；对所述区域特征和整图特征进行双特征判断，生成地标的识别结果，该装置的有益效果在于：精准提取图片的地标局部特征，有效减少无效特征干扰，提高地标识别的准确率；同时利用整图特征进行真实场景判断，可以有效地过滤掉非实景类的图片，让检索结果更加具有真实性。
4、当前主流的地标识别方法是直接使用深度学习做地标识别，上述装置使用深度神经网络对图像进行地标识别，得出所属地
5、申请号为cn202111441402.1的一种视觉机器人路标定位有效检测方法，包括：获取观测到的当前路标对应的第一定位位姿；基于视觉传感器和惯性传感器获取视觉机器人当前的第二定位位姿；判断第一定位位姿和第二定位位姿是否相同，若是，则确认为当前路标对应的第一定位位姿定位有效，若否，则计算第一定位位姿和第二定位位姿的第一位姿差值并判断第一位姿差值是否小于预设差值阈值，若是，则确认为当前路标对应的第一定位位姿定位有效，若否，则计算当前路标的路标定位一致度并判断是否满足路标定位一致度要求，若满足，则当前路标对应的第一定位位姿定位有效，若不满足，则当前路标对应的第一定位位姿定位无效。本方法提高视觉机器人基于路标的定位可靠性和精度。
6、该装置针对这类问题提出了一种路标有效性检测方法对路标结果进行校验，具体的，当路标定位结果与视觉惯性系统(vins)的结果差异大于阈值时，将当前路标与已观测路标中的每个路标依次计算定位一致匹配度，但是这种方式依赖于历史已观测路标信息，当历史已观测路标中存在检测错误时，误差会传递给之后的路标识别，同时，由于每个路标只进行1次匹配度计算，鲁棒性有待提高。
7、所以我们提出了一种地标识别方法，以便于解决上述中提出的问题。
技术实现思路
1、本专利技术的目的在于提供一种地标识别方法，以解决上述
技术介绍
提出当前主流的地标识别方法是直接使用深度学习做地标识别，上述装置使用深度神经网络对图像进行地标识别，得出所属地标的类别，并检索出地标信息，然而，由于深度学习依赖于训练数据和神经网络，直接使用上述方式识别地标存在误识别的情况，从而会导致定位出错、该装置针对这类问题提出了一种路标有效性检测方法对路标结果进行校验，具体的，当路标定位结果与视觉惯性系统(vins)的结果差异大于阈值时，将当前路标与已观测路标中的每个路标依次计算定位一致匹配度，但是这种方式依赖于历史已观测路标信息，当历史已观测路标中存在检测错误时，误差会传递给之后的路标识别，同时，由于每个路标只进行1次匹配度计算，鲁棒性有待提高的问题。
2、为实现上述目的，本专利技术所采用的技术方案如下所示，包括以下步骤：
3、(1)层次化地标筛选和识别
4、(1.1)层次化地标筛选
5、加载无人机飞行航线数据，从地标地图数据库中筛选出航线附近的地标，作为航线地标匹配集s1。其中，地标地图库中包含了地图上各个区域和航线的地标数据。每个地标包含了地标的编号、位置、长度、宽度、图像特征等信息。
6、在每个飞行时刻，获取图像，并对图像进行畸变校正。通过视觉惯性系统或视觉里程计获得飞机位置v。将v和前一次地标识别提供的飞机位置lpre通过融合算法得到视觉融合位置p。从s1中筛选出与位置p距离在一定阈值th1范围内的地标，组成邻域地标集s2。
7、(1.2)地标检测和特征匹配，识别候选地标。
8、对于校正后的图像，使用神经网络进行目标检测，得到一系列候选地标区域。
9、对于每个候选区域的图像，使用神经网络提取图像特征，得到候选特征集合。
10、对于每个候选特征，将其依次与邻域地标集s2中的各个地标特征计算相似度。找出相似度最高且大于阈值th2的特征，其对应的地标即为候选地标；如果不存在，则认为当前视野中没有地标。
11、基于候选地标，通过几何关系计算出无人机的当前位置lnow。
12、(2)空间一致性检查
13、设置一个时间窗口t，分别记录下最近t时间内视觉惯性系统或视觉里程计的m次定位结果sv{v1，...，vm}和当前候选地标的n次定位结果sl{l1，...，ln}。对定位结果做一致性检查。其中，一致性条件包括但不限于：方向一致性、位置一致性、位移一致性等一种或多种条件的组合。方向一致性表示相同时间段内sv与sl的运动方向具有较高的相似性；位置一致性表示相同时间段内sv与sl在位置上的差异小于阈值；位移一致性表示相同时间段内sv与sl的相对位移差异在一定范围内。
14、以位移一致性为例：
15、(2.1)从sv{v1，...，vm}和sl{l1，...，ln}中取出最近的k次数据，计算两两之间的相对位移sd{d1，...，dk}。
16、(2.2)计算相对位移的参考量dref。dref可以取{d1，...，dk}的均值、中值等方式。
17、(2.3)对于每个相对位移di，计算偏离参考量的程度di。这里以欧式距离为例：di＝||di-dref||2，i∈{1，...，k}。
18、(2.4)统计所有位移中，di小于阈值th3的数量的比重r。如果r大于等于阈值th4，则本次地标结果满足位移一致性条件；否则，不满足条件。
19、(2.5)其中，上述k需要大于等于阈值th5，否则认为样本数量太少，不满足条件。
20、最后，如果满足空间一致性条件，则本次地标检测结果有效；否则，无效。
21、与现有技术相比，本专利技术的有益效果是：该地标识别方法：
22、1.通过层次化筛选和空间一致性检查提高了地标识别的准确性；
23、2.采用层次化筛选的方本文档来自技高网...
【技术保护点】
1.一种地标识别方法，其特征在于：所述地标识别方法包括以下步骤：
2.根据权利要求1所述的地标识别方法，其特征在于：对于校正后的图像，使用神经网络进行目标检测，得到一系列候选地标区域。
3.根据权利要求1所述的地标识别方法，其特征在于：对于每个候选区域的图像，使用神经网络提取图像特征，得到候选特征集合。
4.根据权利要求1所述的地标识别方法，其特征在于：对于每个候选特征，将其依次与邻域地标集S2中的各个地标特征计算相似度；找出相似度最高且大于阈值th2的特征，其对应的地标即为候选地标；如果不存在，则认为当前视野中没有地标；
5.根据权利要求1所述的地标识别方法，其特征在于：
【技术特征摘要】
1.一种地标识别方法，其特征在于：所述地标识别方法包括以下步骤：
2.根据权利要求1所述的地标识别方法，其特征在于：对于校正后的图像，使用神经网络进行目标检测，得到一系列候选地标区域。
3.根据权利要求1所述的地标识别方法，其特征在于：对于每个候选区域的图像，使用神经网络提取图像特征，得到...
【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：杭州迅蚁网络科技有限公司，
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。