[發(fā)明專利]基于雙目視覺SLAM的車輛定位及車輛3D檢測方法

在審

• 申請?zhí)枺?/td>: 202011361776.8
• 申請日: 2020-11-27
• 公開（公告）號: CN112489080A
• 公開（公告）日: 2021-03-12
• 發(fā)明（設(shè)計）人: 趙強
• 申請（專利權(quán)）人: 的盧技術(shù)有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/80;G01C21/00
• 代理公司: 南京經(jīng)緯專利商標代理有限公司 32200
• 代理人: 田凌濤

本發(fā)明涉及一種基于雙目視覺SLAM的車輛定位及車輛3D檢測方法，基于在本體車輛前部指定位置所固定放置的一臺雙目相機，在車輛行駛的過程中，利用雙目相機持續(xù)獲取圖像，并利用雙目視覺SLAM算法對自動駕駛車輛進行定位以及對前方道路中車輛的進行3D檢測，可以同時滿足自動駕駛車輛在道路上行駛時的定位需求及對道路前方車輛感知的需求。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于雙目視覺SLAM的車輛定位及車輛3D檢測方法，屬于自動駕駛領(lǐng)域。

背景技術(shù)

在自動駕駛領(lǐng)域中，精確的定位是非常重要的一環(huán)。當前主流的車輛的定位方案采用的傳感器為激光雷達，定位算法采用激光SLAM算法，其具有簡單，技術(shù)較成熟的優(yōu)點。然而，由于激光雷達傳感器固有的缺點，在雨，雪及揚塵等天氣下定位效果較差，并且激光雷達傳感器往往具有較高的價格，這使得成本大大提高，這給自動駕駛車輛的普及帶來了極大的不利。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是提供一種基于雙目視覺SLAM的車輛定位及車輛3D檢測方法，以解決自動駕駛車輛領(lǐng)域的車輛定位和車輛檢測的高成本問題。

本發(fā)明為了解決上述技術(shù)問題采用以下技術(shù)方案：本發(fā)明設(shè)計了一種基于雙目視覺SLAM的車輛定位及車輛3D檢測方法，基于在本體車輛前部指定位置所固定放置的一臺雙目相機，以及雙目相機的圖像捕獲方向指向車輛行進的前方，實現(xiàn)本體車輛行駛過程中的定位、以及對本體車輛周邊各個車輛的3D檢測，具體由步驟A1到步驟A3實現(xiàn)對本體車輛周邊各個車輛的3D檢測，由步驟B來實現(xiàn)對本體車輛行駛過程中的定位；

步驟A1.通過預設(shè)的相機標定方法，獲取雙目相機的內(nèi)參矩陣、畸變系數(shù)、雙目基線、以及雙目相機的左目到本體車輛車身中心的變換矩陣；

步驟A2.在車輛行駛的過程中，利用雙目相機持續(xù)獲取2D雙目圖像，將本體車輛周邊各個車輛作為檢測目標，使用預設(shè)的目標檢測算法分別針對2D雙目圖像中的檢測目標進行檢測,從而獲得本體車輛周邊各個車輛分別在2D雙目圖像中的2D檢測框；

步驟A3.根據(jù)步驟A2中獲得的本體車輛周邊各個車輛的2D檢測框，通過以下步驟A3-1至步驟A3-4，獲得本體車輛周邊各個車輛的3D檢測框；

步驟A3-1.利用預設(shè)的特征檢測算法分別針對2D雙目圖像中各個2D檢測框中的圖像區(qū)域進行特征檢測，獲得各2D雙目圖像分別所對應的圖像特征點，然后進入步驟A3-2；

步驟A3-2.針對步驟A3-1中所獲各2D雙目圖像中的圖像特征點，利用預設(shè)的特征匹配算法進行特征點匹配，從而得到2D雙目圖像中能匹配到的成對的匹配圖像特征點、以及各匹配圖像特征點分別在各2D雙目圖像中的2D圖像坐標；

步驟A3-3.針對每一對匹配圖像特征點，根據(jù)步驟A1中獲取的雙目相機的內(nèi)參矩陣、畸變系數(shù)、雙目基線以及雙目相機的左目到本體車輛車身中心的變換矩陣，并應用預設(shè)的測距算法獲取每一對匹配圖像特征點所對應的空間點相對于本體車輛在世界坐標系下的3D坐標；

步驟A3-4.利用預設(shè)的擬合算法對每一對匹配圖像特征點所對應的空間點進行擬合，獲得本體車輛周邊各個車輛的3D檢測框；

步驟B. 在車輛行駛的過程中，將雙目相機持續(xù)獲取的2D雙目圖像作為雙目視覺SLAM算法的輸入圖像，然后利用SLAM算法完成對本體車輛的定位。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，步驟A1中預設(shè)的相機標定方法為張正友標定法。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，步驟A2中預設(shè)的目標檢測算法為SSD檢測算法。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，步驟A3-1中預設(shè)的特征檢測算法為ORB特征檢測子檢測算法。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，步驟A3-2中預設(shè)的特征匹配算法為ORB特征描述子匹配算法。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，步驟A3-3中預設(shè)的測距算法為三角化算法。