[發明專利]基于場景指紋的智能車定位裝置及方法

有效

• 申請號: 201810770192.2
• 申請日: 2018-07-13
• 公開（公告）號: CN109099929B
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 胡釗政;張帆;王相龍;陶倩文;蔡浩
• 申請（專利權）人: 武漢理工大學
• 主分類號: G01C21/30
• 分類號: G01C21/30;G01S19/48
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 王丹

本發明提供一種基于場景指紋的智能車定位方法，采用試驗車對行車線路進行數據采集，每隔固定距離設置一個節點，記錄每個節點的GPS信息和在節點位置拍攝的前視圖像信息；將采集的前視圖像信息輸入訓練好的神經網絡模型中，提取圖像中各類目標的概率值，構造一維的特征矩陣；將節點的GPS信息和對應前視圖像信息的特征矩陣融合，構成場景指紋地圖；從場景指紋地圖中篩選出待定位點周圍的節點作為候選節點；構建待定位點前視圖像的特征矩陣；將待定位點與候選節點前視圖像的特征矩陣計算相似度，選取相似度最大的候選節點作為最終定位節點。本發明能夠提高車輛定位的精度和效率，并降低成本。

技術領域

本發明屬于智能車定位技術領域，具體涉及一種基于場景指紋的智能車定位裝置及方法。

背景技術

目前實現車輛定位的方法有：1)基于全球定位系統(GPS)的車輛定位2)基于光檢測和測距(LiDAR)的車輛定位3)基于視覺的車輛定位。其中GPS系統以其成本低、魯棒性強被廣泛用于車輛定位，但是無法滿足高精度定位要求，而且經常會出現GPS信號被遮擋的情況；而基于LiDAR的定位方法傳感器昂貴，適應性較差。

基于視覺的本地化包括兩種主要方法：VSLAM(視覺SLAM)和基于地圖的定位。其中VSLAM存在閉環檢測問題等缺陷。基于地圖的車輛定位采用從粗到精的策略來實現車輛定位。地點識別在車輛定位中扮演著重要的角色。傳統的方法通過匹配ORB、SIFT和SURF等局部特征描述符來實現位置識別。但是地圖數據包含多維局部特征，需要極大的數據存儲空間，而且效率低下。

發明內容

本發明要解決的技術問題為：提供一種基于場景指紋的智能車定位裝置及方法，提高車輛定位的精度、效率，并降低成本。

本發明為解決上述技術問題所采取的技術方案為：一種基于場景指紋的智能車定位方法，其特征在于：它包括以下步驟：

S1、構建場景指紋地圖：

采用安設有GPS系統和攝像機的試驗車對行車線路進行數據采集，每隔固定距離設置一個節點，記錄每個節點的GPS信息和在節點位置拍攝的前視圖像信息；

將采集的前視圖像信息輸入訓練好的神經網絡模型中，提取圖像中各類目標的概率值，按照一定的規律構造一維的特征矩陣，特征矩陣公式如下：

P＝[P₁ P₂ ··· P_N]

其中P₁ P₂ ··· P_N分別為圖像中第1至第N類目標的概率，矩陣中各元素的和等于1；

將節點的GPS信息和對應前視圖像信息的特征矩陣融合，構成場景指紋地圖；

S2、GPS粗定位：

安設有GPS系統和攝像機的待定位車行駛至待定位點，利用待定位車自身的GPS系統和攝像機獲得待定位點的GPS坐標和待定位點前視圖像；待定位車的攝像機與試驗車的攝像機安設位置和視角均相同；

設置距離閾值k，從所述的場景指紋地圖中篩選出待定位點周圍距離k范圍內的所有節點作為候選節點；

S3、構建待定位點前視圖像的特征矩陣：

將待定位點前視圖像輸入所述的訓練好的神經網絡模型，提取待定位點前視圖像中各類目標的概率值，按照所述的一定的規律構造一維的特征矩陣，即為待定位點前視圖像的特征矩陣；

S4、確定最終定位節點：

將待定位點前視圖像的特征矩陣，分別與所有候選節點前視圖像的特征矩陣，進行相關度匹配，計算相似度，選取相似度最大的候選節點作為最終定位節點；

相似度計算公式如下：