[發明專利]特征匹配方法、裝置和無人車

在審

• 申請號: 202210415270.3
• 申請日: 2022-04-20
• 公開（公告）號: CN114708448A
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 康瀚隆
• 申請（專利權）人: 北京京東乾石科技有限公司
• 主分類號: G06V10/74
• 分類號: G06V10/74;G06K9/62;G06T7/33;G06T7/73
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 王莉莉

本公開提出了一種特征匹配方法、裝置和無人車，涉及計算機視覺技術領域，特別涉及無人駕駛領域。其中的特征匹配方法包括：以目標的第一特征點集中的每個特征點為基準點，根據基準點與其在所述目標的第二特征點集中的候選匹配點之間的位置偏差，構建基準偏差補償向量；根據基準偏差補償向量，對第一特征點集中的其他特征點進行偏差補償；確定偏差補償后的特征點在第二特征點集中的候選匹配點，以得到多個候選匹配點集；根據第一特征點集和多個候選匹配點集，確定第一特征點集和第二特征點集的最優特征匹配結果。通過以上步驟，能夠提高稀疏特征點的匹配效果。

技術領域

本公開涉及計算機視覺技術領域，特別涉及無人駕駛領域，尤其涉及一種特征匹配方法、裝置和無人車。

背景技術

在無人駕駛領域，特征匹配任務是一項基礎任務。例如，在對紅綠燈進行檢測、定位時，需要將攝像頭采集的紅綠燈的圖像數據與地圖中提取的紅綠燈的點云數據進行特征匹配。

目前，特征匹配算法以稠密點云匹配算法為主，比如網格運動統計(GMS)或向量場一致(VFC)等算法。這類匹配算法依賴于稠密點云較完善的特征分布，能夠實現較好的特征匹配效果。而如果將這類匹配算法應用于稀疏點云匹配場景，比如，圖像檢測紅綠燈與地圖投影紅綠燈間的匹配任務，則會由于稀疏點云的特征點數較少、且表述特征有限等因素的影響，而無法實現較好的特征匹配效果。

相關技術中，在進行稀疏特征點匹配時，使用帶權二分圖最優匹配算法，比如KM算法。在該場景中，由于依然存在干擾點，所以若使用這類算法，會使得干擾點被錯誤匹配。使用限定距離結合KM算法，能夠排除距離相對較遠的匹配點，但是依然無法解決由于干擾點距離待匹配點較近、特征點集存在異常、匹配偏差等因素造成的錯誤匹配問題。

發明內容

本公開要解決的一個技術問題是，提供一種解決方案，能夠提高稀疏特征點的匹配效果，降低匹配錯誤率。

根據本公開的第一方面，提出一種特征匹配方法，包括：以目標的第一特征點集中的每個特征點為基準點，根據所述基準點，與其在所述目標的第二特征點集中的候選匹配點之間的位置偏差，構建基準偏差補償向量；根據所述基準偏差補償向量，對所述第一特征點集中的其他特征點進行偏差補償；確定所述偏差補償后的特征點在所述第二特征點集中的候選匹配點，以得到多個候選匹配點集；根據第一特征點集和所述多個候選匹配點集，確定所述第一特征點集和第二特征點集的最優特征匹配結果。

在一些實施例中，根據第一特征點集和所述多個候選匹配點集，確定所述第一特征點集和第二特征點集的最優特征匹配結果包括：根據第一特征點集和所述多個候選匹配點集構建多個二分圖；基于二分圖匹配算法，確定各個二分圖對應的最佳完備匹配結果；在所述各個二分圖對應的最佳完備匹配結果中，確定第一特征點集和第二特征點集的最優特征匹配結果。

在一些實施例中，構建偏差補償向量還包括：以所述基準點為中心、在所述基準點對應的最大搜索距離范圍內搜索所述第二特征點集中的特征點，并將搜索到的特征點作為所述基準點在第二特征點集中的候選匹配點。

在一些實施例中，構建基準偏差補償向量還包括：根據基準點對應的深度信息，確定所述基準點對應的最大搜索距離。

在一些實施例中，根據所述基準偏差補償向量對所述第一特征點集中的其他特征點進行偏差補償包括：根據第一特征點集中的其他特征點與所述基準點的深度信息之間的關系、以及所述基準偏差補償向量，確定所述其他特征點對應的動態偏差補償向量；根據所述動態偏差補償向量，對所述其他特征點進行偏差補償，以得到偏差補償后的特征點。

在一些實施例中，確定所述偏差補償后的特征點在所述第二特征點集中的候選匹配點包括：根據所述偏差補償后的特征點對應的深度信息，確定所述偏差補償后的特征點對應的最大搜索距離；以所述偏差補償后的特征點為中心，在對應的最大搜索距離范圍內搜索第二特征點集中的特征點，并將搜索到的特征點作為所述偏差補償后的特征點對應的候選匹配點。