[發明專利]模型訓練方法、裝置及基于拼接圖的位姿優化方法、裝置在審
| 申請號： | 201910029456.3 | 申請日： | 2019-01-13 |
| 公開（公告）號： | CN111435537A | 公開（公告）日： | 2020-07-21 |
| 發明（設計）人： | 姜秀寶;謝國富 | 申請（專利權）人： | 北京初速度科技有限公司 |
| 主分類號： | G06T7/73 | 分類號： | G06T7/73;G06K9/62 |
| 代理公司： | 北京科領智誠知識產權代理事務所(普通合伙) 11782 | 代理人： | 陳士騫 |
| 地址： | 100089 北京市海淀*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 模型 訓練 方法 裝置 基于 拼接 優化 | ||
本發明公開一種模型訓練方法、裝置及基于拼接圖的位姿優化方法、裝置，其中位姿優化方法包括：根據當前位置，通過位姿變化特征提取模型從所述當前位置對應的語義地圖局部區域觀測中提取與位姿變化強相關的觀測特征，所述局部區域觀測為所述語義地圖局部區域上采樣得到的灰度值構成的向量；基于所述與位姿變化強相關的觀測特征對根據拼接圖確定的當前位姿進行優化。
技術領域
本發明涉及智能駕駛領域，具體而言，涉及一種模型訓練方法、裝置及基于拼接圖的位姿優化方法、裝置。
背景技術
在地下地庫的定位方案中，基于拼接圖和高精語義地圖匹配的定位能夠提供全局而精確的位置信息，是定位算法的核心模塊。
目前為了計算拼接圖和高精語義地圖的匹配程度定義了一種計算語義誤差的方式：
其中Imap，Istitch分別為語義地圖和拼接語義圖對應的灰度圖像，p為在拼接語義圖中均勻采樣的像素坐標，Twp為p在語義地圖中的像素坐標，記當前幀分割圖上采樣得到的灰度值構成的向量為觀測Z。
在實現本說明書實施例的過程中，發明人發現，由于地圖中的車道線的分布是非常稀疏的，觀測Z中包含了大量在位姿發生變化時灰度值不會發生變化的分量，導致運算量較大并且結果的精確度較低。圖1a為拼接圖及均勻采樣的像素位置(采樣密度僅為示意)灰度圖；圖1b為圖1a對應的語義地圖上對應的像素點位置灰度圖。定位算法通過最小化語義誤差來優化當前的位姿xpose＝[x，y，θ]，但如圖1a中正方形框采樣點所示，即語義誤差所定義的殘差中相應的分量對于小范圍內的位姿變化的梯度接近0，而長方形框(包括水平方向的和豎直方向的)內的采樣點的灰度則對位姿發生的變化更為敏感。
發明內容
本發明提供一種模型訓練方法、裝置及基于拼接圖的位姿優化方法、裝置，用以克服現有技術中存在的至少一個問題。
根據本說明書實施例的第一方面，提供了一種基于拼接圖的位姿優化方法，包括以下步驟：
根據當前位置，通過位姿變化特征提取模型從所述當前位置對應的語義地圖局部區域觀測中提取與位姿變化強相關的觀測特征，所述局部區域觀測為所述語義地圖局部區域上采樣得到的灰度值構成的向量；
基于所述與位姿變化強相關的觀測特征對根據拼接圖確定的當前位姿進行優化。
可選的，所述基于所述與位姿變化強相關的觀測特征對根據拼接圖確定的當前位姿進行優化包括：
設所述與位姿變化強相關的觀測特征為F，當前的語義誤差e為：
其中，W為觀測特征F的維數，Fi為觀測特征F的第i個特征分量，zmap為語義地圖，zstitch為拼接語義圖，為從語義地圖中提取Fi的函數，為從拼接語義圖中提取Fi的函數；
根據所述語義誤差e對當前位姿進行優化。
可選的，所述位姿變化特征提取模型通過以下方式獲取：
根據歷史位置對應的歷史拼接圖及歷史語義地圖，在所述歷史位置對應的語義地圖局部區域隨機采樣多個與所述歷史拼接圖分辨率相同的子地圖；
從每個所述子地圖中提取觀測特征，并由每個所述子圖的觀測特征形成訓練樣本集S：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京初速度科技有限公司，未經北京初速度科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910029456.3/2.html，轉載請聲明來源鉆瓜專利網。
