[發明專利]用于確定至少部分自動化的移動平臺的定位姿態的方法

在審

• 申請號: 202011059569.7
• 申請日: 2020-09-30
• 公開（公告）號: CN112598730A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: C·哈斯貝格;P·薩蘭里蒂齋;T·納賽爾
• 申請（專利權）人: 羅伯特·博世有限公司
• 主分類號: G06T7/73
• 分類號: G06T7/73;G06N3/04
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 郭毅

提出一種用于確定至少部分自動化的移動平臺的定位姿態的方法，其中，該移動平臺設置用于生成移動平臺的周圍環境的地面圖像，并且設置用于從航拍圖像系統接收移動平臺的周圍環境的航拍圖像，該方法具有以下步驟：提供(S1)移動平臺的周圍環境的數字地面圖像；接收(S2)移動平臺的周圍環境的航拍圖像；借助經訓練的神經卷積網絡來生成(S3)移動平臺的定位姿態，該神經卷積網絡具有第一經訓練的神經編碼卷積網絡部分和第二經訓練的神經編碼卷積網絡部分。

技術領域

本發明涉及一種用于借助移動平臺的周圍環境的航拍圖像和地面圖像來確定至少部分自動化的移動平臺的定位姿態的方法。

背景技術

精確的定位是駕駛至少部分自動化的平臺(例如自主運行的車輛)的前提條件。

為了借助移動平臺的周圍環境的地面圖像對這種移動平臺進行定位，已經采取了多種不同方案，這些方案在移動平臺的周圍環境方面通常是基于特征的，其中，然后通過高分辨率地圖將這些特征分配給移動平臺的姿態。

發明內容

但是，這種高分辨率地圖的使用存在經濟上的缺點。相比之下，用于借助基于地面圖像的回歸來確定姿態的基于深度學習的方法具有相應地圖的確定大小和恒定詢問時間的優點。借助來自直接攝像機位置的單目圖像、視頻圖像序列和深度圖像，可以借助這種方法確定定位。在此，在非常大的地理區域中(例如在較大的城市區域中)的定位在這種神經網絡的容量方面、在可縮放性方面面臨挑戰。

本發明公開一種用于確定至少部分自動化的移動平臺的定位姿態的方法、一種用于生成用于確定定位姿態的經訓練的神經卷積網絡的方法、一種用于操控移動平臺的方法、一種計算機程序以及一種機器可讀的存儲介質。有利構型在說明書中描述。

本發明基于以下認知：可以借助以移動平臺的估計位置為中心的航拍圖像來使用移動平臺的周圍環境的空間上下文和視角，以便結合地面圖像來訓練神經網絡和確定移動平臺的姿態。這尤其使得能夠在較大的地理區域上正確地分配地面圖像中的不唯一明確的特征。

根據一個方面，提出一種用于確定至少部分自動化的移動平臺的定位姿態的方法，其中，該移動平臺設置用于生成該移動平臺的周圍環境的地面圖像，并且設置用于從航拍圖像系統接收該移動平臺的周圍環境的航拍圖像。在該方法的一個步驟中，提供移動平臺的周圍環境的數字地面圖像。在另一步驟中，接收移動平臺的周圍環境的航拍圖像。在另一步驟中，借助經訓練的神經卷積網絡來生成移動平臺的定位姿態，其中，該神經卷積網絡具有第一經訓練的神經編碼卷積網絡部分和第二經訓練的神經編碼卷積網絡部分。

借助該方法，可以有利地借助移動平臺的周圍環境的視覺地面圖像和視覺航拍圖像來確定定位姿態，而無需使用高分辨率的地圖。因此，為了訓練神經卷積網絡，使用航拍圖像來預確定移動平臺的姿態。由于該方法不基于手工制造的特征，因此可以在較大的地理區域方面良好地縮放。

借助這種基于經訓練的神經卷積網絡的方法，可以從較大的空間上下文(例如從航拍圖像結合地面圖像)學習特征，以便在城市尺度上準確地確定移動平臺的姿態。在此，航拍圖像可以以衛星圖像的形式存在，并且地面圖像可以由移動平臺借助數字攝像機系統生成。

神經卷積網絡基本上具有交替重復的過濾器(Convolutional Layer，卷積層)和聚合層(Pooling Layer，池化層)，并且該神經卷積網絡可以在網絡的端部具有“正常的”完全連接的神經元一個或多個層(Dense/Fully Connected Layer，稠密層/全連接層)。第一或第二經訓練的神經編碼卷積網絡部分在此可以構型為神經卷積網絡的一部分，或者這些網絡部分可以分別以單個神經卷積網絡的形式實現。