[發明專利]一種定位方法、裝置、存儲介質及電子設備在審
| 申請號: | 202011633826.3 | 申請日: | 2020-12-31 |
| 公開(公告)號: | CN112836698A | 公開(公告)日: | 2021-05-25 |
| 發明(設計)人: | 王凡;劉要龍;伍孟琪 | 申請(專利權)人: | 北京縱目安馳智能科技有限公司;縱目科技(上海)股份有限公司 |
| 主分類號: | G06K9/32 | 分類號: | G06K9/32;G06K9/46;G06T7/10 |
| 代理公司: | 上海光華專利事務所(普通合伙) 31219 | 代理人: | 陳珊珊 |
| 地址: | 102300 北京市門頭溝區*** | 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: | 一種 定位 方法 裝置 存儲 介質 電子設備 | ||
1.一種定位方法,其特征在于,包括:
獲取待定位地點的環境圖像信息;
提取所述環境圖像信息中特定標識物的柵格語義信息;
獲取柵格語義地圖;
將所述柵格語義信息與所述柵格語義地圖進行匹配,根據匹配結果確定所述待定位地點的定位結果。
2.根據權利要求1所述的方法,其特征在于,所述獲取待定位地點的環境圖像信息包括對獲取環境圖像信息進行預處理,所述預處理包括高斯去噪、圖像拼接,其中,所述圖像拼接包括3D虛擬投影、視點轉換技術,拼接出的圖像可被任意轉換視角。
3.根據權利要求1所述的方法,其特征在于,提取所述環境圖像信息中特定標識物的柵格語義信息,包括:
基于深度學習目標檢測算法或語義分割算法獲取圖像中一個或多個特定標識物的所有像素點語義信息;
提取所述特定標識物的像素點語義信息作為特定標識物的柵格語義信息。
4.根據權利要求1所述的方法,其特征在于,所述特定標識物包括路面標識物和非路面空間標識物,其中:
當所述特定標識物為路面標識物時,將所述特定標識物的柵格語義信息俯視變換至道路平面進行匹配;
當所述特定標識物為非路面標識物時,將所述待定位對象的局部柵格語義地圖中非路面空間標識物透視變換至圖像平面進行匹配。
5.根據權利要求1所述的方法,其特征在于,所述柵格語義地圖可以是全局柵格語義地圖或局部柵格語義地圖,其中,所述局部柵格語義地圖是基于預估待定位對象在所述全局柵格語義地圖中所處位置而確定的特定范圍的柵格語義地圖。
6.根據權利要求5所述的方法,其特征在于,所述全局柵格語義地圖構建過程包括:
基于感知點云數據和定位數據建立點云地圖;
基于點云地圖篩選特定標識物點云;
基于特定標識物點云提取特定標識物的所有像素點語義信息;
提取特定標識物的像素點語義信息作為特定標識物的柵格語義信息;
基于每個特定標識物的柵格語義信息,形成所述全局柵格語義地圖。
7.根據權利要求5所述的方法,其特征在于,所述局部柵格語義地圖構建過程包括:
獲取所述全局柵格語義地圖;
基于外部定位源或運動趨勢確定待定位對象的初始定位估計值;
基于初始定位估計值,獲取初始定位估計值特定范圍的柵格語義地圖。
8.根據權利要求1所述的方法,其特征在于,將所述柵格語義信息與所述柵格語義地圖進行匹配,根據匹配結果確定所述待定位地點的定位結果,包括:基于對待定位對象位置的預測,將當前柵格語義信息疊加在所述柵格語義地圖上,利用概率模型算法得到待定位對象當前位置的最優結果,其中,所述概率模型算法包括卡爾曼濾波算法、粒子濾波算法、自適應粒子濾波算法。
9.根據權利要求8所述的方法,其特征在于,基于粒子濾波算法將所述柵格語義信息與所述柵格語義地圖進行匹配,根據匹配結果確定所述待定位地點的定位結果,包括如下步驟:
步驟1)、初始化粒子集,在初始時刻k=0時,根據待定位地點的概略位置x0的近似分布p(x0),生成N個粒子位姿其中i=1,2,...N;
步驟2)、根據待定位對象的運動趨勢,預測下一時刻k=1時的粒子位姿
步驟3)、根據預測得到的各粒子位姿,將所述柵格語義信息與全局柵格語義地圖或局部柵格語義地圖進行匹配,將兩者位置信息距離值作為粒子的權值
步驟4)、根據粒子的權值大小對粒子進行重采樣,得到重采樣后的粒子位姿
步驟5)、計算所有粒子的權重和位姿,得到時刻k時待定位地點的最優位置,其中,
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縱目安馳智能科技有限公司;縱目科技(上海)股份有限公司,未經北京縱目安馳智能科技有限公司;縱目科技(上海)股份有限公司許可,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/202011633826.3/1.html,轉載請聲明來源鉆瓜專利網。





