CN109241979A - 一种基于高速视觉特征点匹配的车辆相对位置推测方法 - Google Patents

一种基于高速视觉特征点匹配的车辆相对位置推测方法 Download PDF

Info

Publication number
CN109241979A
CN109241979A CN201810970465.8A CN201810970465A CN109241979A CN 109241979 A CN109241979 A CN 109241979A CN 201810970465 A CN201810970465 A CN 201810970465A CN 109241979 A CN109241979 A CN 109241979A
Authority
CN
China
Prior art keywords
frame
movement
amount
characteristic point
vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810970465.8A
Other languages
English (en)
Inventor
王婷
蔡幼波
张盈婷
卫扬道
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Kotei Informatics Co Ltd
Original Assignee
Wuhan Kotei Informatics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan Kotei Informatics Co Ltd filed Critical Wuhan Kotei Informatics Co Ltd
Priority to CN201810970465.8A priority Critical patent/CN109241979A/zh
Publication of CN109241979A publication Critical patent/CN109241979A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于高速视觉特征点匹配的车辆相对位置推测方法及系统，利用高速摄像头拍摄车辆下方的对地视频图像，并提取视频帧特征点；根据前后两帧的视频帧特征点计算当前帧相对于上一帧的移动量；根据车辆前一时刻的航向角、经纬度、两帧图像之间的移动量，计算当前帧车辆的位置。本发明使用向下设置的高速摄像头，以路面图像为基准，采用ORB特征匹配算法，进行自我位置推测，从而提高位置推测精度。

Description

一种基于高速视觉特征点匹配的车辆相对位置推测方法
技术领域
本发明涉及无人驾驶及图像识别技术领域，具体涉及一种基于高速视觉特征点匹配的车辆相对位置推测方法。
背景技术
以车辆为对象的自我位置推测使用最多的是使用导航卫星的全球定位卫星系统(GNSS：Global Navigation Satellite System。但是在与卫星通信困难的隧道内和被称为都市峡谷的摩天大楼包围的场所时，几乎没有信号。
Dead reckoning中，广泛使用了附在车轮上的编码器信息进行的WheelOdometry，但在车轮打滑或者发生空转时，推测精度会明显降低。所以针对这些问题健壮性的，本专利重点放在了使用摄像头的称之为Visual Odometry的方法上。Visual Odometry相关的研究近年非常多，但大部分都是根据前方摄像头，以周边环境中不移动的点为基准(特征点)推测自己的位置。但是，被走行中的车辆包围时，视野内大部分被移动物体占据的场合，以及隧道内这种周边能作为特征物体很少的场合，想要高精度地推测自己位置非常困难。
发明内容
本发明针对现有技术中存在的技术问题，提供一种基于高速视觉特征点匹配的车辆相对位置推测方法及系统，使用向下设置的高速摄像头，以路面图像为基准，采用ORB特征匹配算法，进行自我位置推测，从而提高位置推测精度。
本发明解决上述技术问题的技术方案如下：
一方面，本发明提供一种基于高速视觉特征点匹配的车辆相对位置推测方法，包括：
获取车辆的初始航向角和经纬度；
利用高速摄像头拍摄车辆下方的对地视频图像，并提取视频帧特征点；
根据前后两帧的视频帧特征点计算当前帧相对于上一帧的移动量；
根据车辆前一时刻的航向角、经纬度、两帧图像之间的移动量，计算当前帧车辆的位置。
进一步，所述对地视频图像为垂直地面拍摄的路面图像；所述的视频帧特征点采用ORB算法进行视频帧特征点的提取与匹配。
进一步，所述的根据前后两帧的视频帧特征点计算当前帧相对于上一帧的移动量，包括：
判断当前帧是否为第一帧，若是则仅做ORB特征点提取，否则对当前帧与上一帧进行ORB特征点匹配，并计算当前帧相对于上一帧的移动量。
进一步，所述的计算当前帧相对于上一帧的移动量，包括：
计算相似度大于阈值的当前帧特征点与上一帧特征点之间的偏移量，选取与上一帧相对于上上一帧的移动量最接近的偏移量，作为当前帧相对于上一帧的移动量。
进一步，所述的计算当前帧相对于上一帧的移动量，还包括：
若不存在当前帧特征点与上一帧特征点的相似度大于阈值，则将上一帧相对于上上一帧的移动量，作为当前帧相对于上一帧的移动量。
另一方面，本发明还提供一种基于高速视觉特征点匹配的车辆相对位置推测系统，包括：
初始位置获取模块，用于获取车辆的初始航向角和经纬度；
图像采集模块，包括一高速对地摄像头，用于拍摄车辆下方的对地视频图像；
特征提取模块，用于提取所述图像采集模块拍摄的视频帧的特征点；
移动量计算模块，用于根据前后两帧的视频帧特征点计算当前帧相对于上一帧的移动量；
车辆位置计算模块，用于根据车辆前一时刻的航向角、经纬度、两帧图像之间的移动量，计算当前帧车辆的位置。
进一步，所述高速对地摄像头垂直地面设置，用于拍摄行驶时车辆下方的路面图像；所述特征提取模块采用ORB算法进行视频帧特征点的提取与匹配。
进一步，所述移动量计算模块包括一判断模块：
用于判断当前帧是否为第一帧，若是则仅做ORB特征点提取，否则对当前帧与上一帧进行ORB特征点匹配。
进一步，所述移动量计算模块，用于：
计算相似度大于阈值的当前帧特征点与上一帧特征点之间的偏移量，选取与上一帧相对于上上一帧的移动量最接近的偏移量，作为当前帧相对于上一帧的移动量。
进一步，所述移动量计算模块，还用于：
若不存在当前帧特征点与上一帧特征点的相似度大于阈值，则将上一帧相对于上上一帧的移动量，作为当前帧相对于上一帧的移动量。。
本发明的有益效果是：
1.能够抗周边障碍物的影响，特别是车辆建筑物较多的场景；
2.能够更加精准的定位车辆的位置，误差精度能控制在5‰；
3.即使在车辆速度很快的情况下也能够精准计算车辆位置；
4.能够在没有GNSS信号的情况下精确定位车辆位置；
5.能够实时显示车辆位置。
附图说明
图1为本发明方法流程图；
图2为本发明系统结构图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
图1为本发明实施例方法流程图。如图1所示，本发明提供一种基于高速视觉特征点匹配的车辆相对位置推测方法，包括：
步骤1.安装不小于500fps帧率的照地高速摄像头，需垂直对地；使用摄像头采集的数据计算车辆的位置，解决没有卫星定位信号的场景的位置推测。使用垂直向下摄像头，解决视野内大部分被移动物体占据的场合。使用高速摄像头，解决汽车等高速移动体每次拍摄之间移动的距离比较长，30[fps]左右的视频速率的摄像头每帧之间没有重合点的问题。
步骤2.摄像头安装好之后用棋盘格标定相机的参数：相机相对车辆的旋转角，相机拍摄图片每个pixel对应实际的物理距离；根据
步骤3.在车辆行驶的起始时刻获取车辆的航向角和经纬度；
步骤4.在实际道路上连续采集数据；
步骤5.如果是第一帧则只寻找ORB特征点，如果是其他帧则先寻找ORB特征点；
由于相机拍摄的视频帧率远大于汽车行驶速度，因此在进行连续采集时，前后帧之间一定会存在重合部分。
利用前后帧重合部分较多这一特性，对当前帧与前一帧的特征点做匹配，如果匹配上的话，则选取相似度大于阈值的特征点对，计算两个点的位移偏差，该阈值根据经验选取60。
由于前后帧重合部分较多，因此可能存在多个相似度大于阈值的特征点对，计算每个特征点对之间的位移偏差，选取与上一帧相对上上一帧的移动量最接近的一组特征点对之间的位移偏差，作为当前帧的移动量。
同时虽然前后帧的重合部分较多，但是在系统利用ORB特征提取算法进行计算过程中，依然可能不存在相似度大于60的特征点，而若没有相似度大于60的特征点，则当前帧的移动量直接沿用上一帧相对于上上一帧的移动量；
步骤6.根据车辆前一时刻的航向角、经纬度、两帧图像之间的移动量和相机的参数求出当前帧车辆的位置。
若车辆此时未达到终点，则重复执行步骤4、5、6。
另一方面，本发明还提供一种基于高速视觉特征点匹配的车辆相对位置推测系统，包括：
初始位置获取模块100，用于获取车辆的初始航向角和经纬度；
图像采集模块200，包括一高速对地摄像头，用于拍摄车辆下方的对地视频图像；
特征提取模块300，用于提取所述图像采集模块拍摄的视频帧的特征点；
移动量计算模块400，用于计算相似度大于阈值(60)的当前帧特征点与上一帧特征点之间的偏移量，选取与上一帧相对于上上一帧的移动量最接近的偏移量，作为当前帧相对于上一帧的移动量；若不存在当前帧特征点与上一帧特征点的相似度大于阈值，则将上一帧相对于上上一帧的移动量，作为当前帧相对于上一帧的移动量；
所述移动量计算模块400包括一判断模块：用于判断当前帧是否为第一帧，若是则仅做ORB特征点提取，否则对当前帧与上一帧进行ORB特征点匹配。
车辆位置计算模块500，用于根据车辆前一时刻的航向角、经纬度、两帧图像之间的移动量，计算当前帧车辆的位置。
所述高速对地摄像头垂直地面设置，用于拍摄行驶时车辆下方的路面图像；所述特征提取模块采用ORB算法进行视频帧特征点的提取与匹配。
通过本发明：
1.能够抗周边障碍物的影响，特别是车辆建筑物较多的场景；
2.能够更加精准的定位车辆的位置，误差精度能控制在5‰；
3.即使在车辆速度很快的情况下也能够精准计算车辆位置；
4.能够在没有GNSS信号的情况下精确定位车辆位置；
5.能够实时显示车辆位置。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于高速视觉特征点匹配的车辆相对位置推测方法，其特征在于，包括：
获取车辆的初始航向角和经纬度；
利用高速摄像头拍摄车辆下方的对地视频图像，并提取视频帧特征点；
根据前后两帧的视频帧特征点计算当前帧相对于上一帧的移动量；
根据车辆前一时刻的航向角、经纬度、两帧图像之间的移动量，计算当前帧车辆的位置。
2.根据权利要求1所述的方法，其特征在于，所述对地视频图像为垂直地面拍摄的路面图像；所述的视频帧特征点采用ORB算法进行视频帧特征点的提取与匹配。
3.根据权利要求1所述的方法，其特征在于，所述的根据前后两帧的视频帧特征点计算当前帧相对于上一帧的移动量，包括：
判断当前帧是否为第一帧，若是则仅做ORB特征点提取，否则对当前帧与上一帧进行ORB特征点匹配，并计算当前帧相对于上一帧的移动量。
4.根据权利要求3所述的方法，其特征在于，所述的计算当前帧相对于上一帧的移动量，包括：
计算相似度大于阈值的当前帧特征点与上一帧特征点之间的偏移量，选取与上一帧相对于上上一帧的移动量最接近的偏移量，作为当前帧相对于上一帧的移动量。
5.根据权利要求4所述的方法，其特征在于，所述的计算当前帧相对于上一帧的移动量，还包括：
若不存在当前帧特征点与上一帧特征点的相似度大于阈值，则将上一帧相对于上上一帧的移动量，作为当前帧相对于上一帧的移动量。
6.一种基于高速视觉特征点匹配的车辆相对位置推测系统，其特征在于，包括：
初始位置获取模块，用于获取车辆的初始航向角和经纬度；
图像采集模块，包括一高速对地摄像头，用于拍摄车辆下方的对地视频图像；
特征提取模块，用于提取所述图像采集模块拍摄的视频帧的特征点；
移动量计算模块，用于根据前后两帧的视频帧特征点计算当前帧相对于上一帧的移动量；
车辆位置计算模块，用于根据车辆前一时刻的航向角、经纬度、两帧图像之间的移动量，计算当前帧车辆的位置。
7.根据权利要求6所述的系统，其特征在于，所述高速对地摄像头垂直地面设置，用于拍摄行驶时车辆下方的路面图像；所述特征提取模块采用ORB算法进行视频帧特征点的提取与匹配。
8.根据权利要求6所述的系统，其特征在于，所述移动量计算模块包括一判断模块：
用于判断当前帧是否为第一帧，若是则仅做ORB特征点提取，否则对当前帧与上一帧进行ORB特征点匹配。
9.根据权利要求8所述的系统，其特征在于，所述移动量计算模块，用于：
计算相似度大于阈值的当前帧特征点与上一帧特征点之间的偏移量，选取与上一帧相对于上上一帧的移动量最接近的偏移量，作为当前帧相对于上一帧的移动量。
10.根据权利要求9所述的系统，其特征在于，所述移动量计算模块，还用于：
若不存在当前帧特征点与上一帧特征点的相似度大于阈值，则将上一帧相对于上上一帧的移动量，作为当前帧相对于上一帧的移动量。
CN201810970465.8A 2018-08-24 2018-08-24 一种基于高速视觉特征点匹配的车辆相对位置推测方法 Pending CN109241979A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810970465.8A CN109241979A (zh) 2018-08-24 2018-08-24 一种基于高速视觉特征点匹配的车辆相对位置推测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810970465.8A CN109241979A (zh) 2018-08-24 2018-08-24 一种基于高速视觉特征点匹配的车辆相对位置推测方法

Publications (1)

Publication Number Publication Date
CN109241979A true CN109241979A (zh) 2019-01-18

Family

ID=65067854

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810970465.8A Pending CN109241979A (zh) 2018-08-24 2018-08-24 一种基于高速视觉特征点匹配的车辆相对位置推测方法

Country Status (1)

Country Link
CN (1) CN109241979A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263864A (zh) * 2019-06-24 2019-09-20 北京精英路通科技有限公司 车辆的匹配方法、装置、计算机设备及存储介质
CN111523467A (zh) * 2020-04-23 2020-08-11 北京百度网讯科技有限公司 人脸跟踪方法和装置
CN111928857A (zh) * 2020-10-14 2020-11-13 蘑菇车联信息科技有限公司 一种动态环境中实现slam定位的方法及相关装置
CN112288799A (zh) * 2020-09-22 2021-01-29 上海擎朗智能科技有限公司 一种行驶设备的定位方法、装置、设备及存储介质
CN113012231A (zh) * 2021-02-02 2021-06-22 武汉光庭信息技术股份有限公司 车辆定位方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102208035A (zh) * 2010-03-31 2011-10-05 爱信艾达株式会社 图像处理系统及位置测量系统
CN102208036A (zh) * 2010-03-31 2011-10-05 爱信艾达株式会社 车辆位置检测系统
CN102208012A (zh) * 2010-03-31 2011-10-05 爱信艾达株式会社 风景匹配参考数据生成系统及位置测量系统
CN102208011A (zh) * 2010-03-31 2011-10-05 爱信艾达株式会社 图像处理系统及车辆控制系统
CN102208013A (zh) * 2010-03-31 2011-10-05 爱信艾达株式会社 风景匹配参考数据生成系统和位置测量系统
CN103473774A (zh) * 2013-09-09 2013-12-25 长安大学 一种基于路面图像特征匹配的车辆定位方法
CN106960591A (zh) * 2017-03-31 2017-07-18 武汉理工大学 一种基于路面指纹的车辆高精度定位装置及方法
CN107451593A (zh) * 2017-07-07 2017-12-08 西安交通大学 一种基于图像特征点的高精度gps定位方法
CN107766808A (zh) * 2017-09-30 2018-03-06 北京泓达九通科技发展有限公司 道路网络空间中车辆对象移动轨迹聚类的方法及系统
CN107784084A (zh) * 2017-09-30 2018-03-09 北京泓达九通科技发展有限公司 基于车辆定位数据的路网生成方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102208035A (zh) * 2010-03-31 2011-10-05 爱信艾达株式会社 图像处理系统及位置测量系统
CN102208036A (zh) * 2010-03-31 2011-10-05 爱信艾达株式会社 车辆位置检测系统
CN102208012A (zh) * 2010-03-31 2011-10-05 爱信艾达株式会社 风景匹配参考数据生成系统及位置测量系统
CN102208011A (zh) * 2010-03-31 2011-10-05 爱信艾达株式会社 图像处理系统及车辆控制系统
CN102208013A (zh) * 2010-03-31 2011-10-05 爱信艾达株式会社 风景匹配参考数据生成系统和位置测量系统
CN103473774A (zh) * 2013-09-09 2013-12-25 长安大学 一种基于路面图像特征匹配的车辆定位方法
CN106960591A (zh) * 2017-03-31 2017-07-18 武汉理工大学 一种基于路面指纹的车辆高精度定位装置及方法
CN107451593A (zh) * 2017-07-07 2017-12-08 西安交通大学 一种基于图像特征点的高精度gps定位方法
CN107766808A (zh) * 2017-09-30 2018-03-06 北京泓达九通科技发展有限公司 道路网络空间中车辆对象移动轨迹聚类的方法及系统
CN107784084A (zh) * 2017-09-30 2018-03-09 北京泓达九通科技发展有限公司 基于车辆定位数据的路网生成方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263864A (zh) * 2019-06-24 2019-09-20 北京精英路通科技有限公司 车辆的匹配方法、装置、计算机设备及存储介质
CN111523467A (zh) * 2020-04-23 2020-08-11 北京百度网讯科技有限公司 人脸跟踪方法和装置
CN111523467B (zh) * 2020-04-23 2023-08-08 北京百度网讯科技有限公司 人脸跟踪方法和装置
CN112288799A (zh) * 2020-09-22 2021-01-29 上海擎朗智能科技有限公司 一种行驶设备的定位方法、装置、设备及存储介质
CN111928857A (zh) * 2020-10-14 2020-11-13 蘑菇车联信息科技有限公司 一种动态环境中实现slam定位的方法及相关装置
CN113012231A (zh) * 2021-02-02 2021-06-22 武汉光庭信息技术股份有限公司 车辆定位方法及系统

Similar Documents

Publication Publication Date Title
CN109241979A (zh) 一种基于高速视觉特征点匹配的车辆相对位置推测方法
CN111436216B (zh) 用于彩色点云生成的方法和系统
CN110322702B (zh) 一种基于双目立体视觉系统的车辆智能测速方法
CN106407315B (zh) 一种基于街景图像数据库的车辆自主定位方法
EP3612854B1 (en) Vehicle navigation system using pose estimation based on point cloud
CN105676253B (zh) 一种自动驾驶中基于城市道路标线地图的纵向定位系统及其方法
CN105300403B (zh) 一种基于双目视觉的车辆里程计算法
JP5714940B2 (ja) 移動体位置測定装置
JP2021508815A (ja) 妨害物体の検出に基づいて高精細度マップを補正するためのシステムおよび方法
CN104318561A (zh) 基于双目立体视觉与光流融合的车辆运动信息检测方法
CN108733039A (zh) 一种机器人室内导航定位的方法与装置
JP2012127896A (ja) 移動体位置測定装置
CN105976402A (zh) 一种单目视觉里程计的真实尺度获取方法
CN109493385A (zh) 一种结合场景点线特征的移动机器人室内自主定位方法
CN105719483B (zh) 一种视频与gps相结合的车辆行驶轨迹全样本数据获取方法
CN108416798B (zh) 一种基于光流的车辆距离估计方法
US11721028B2 (en) Motion segmentation in video from non-stationary cameras
CN110415299B (zh) 一种运动约束下基于设定路牌的车辆位置估计方法
CN107067755A (zh) 一种基于计算机视觉自动校准交通监控相机的方法
CN112862818B (zh) 惯性传感器和多鱼眼相机联合的地下停车场车辆定位方法
CN113223064B (zh) 一种视觉惯性里程计尺度的估计方法和装置
CN105303518A (zh) 一种基于区域特征的视频帧间拼接方法
CN109883433A (zh) 基于360度全景视图的结构化环境中车辆定位方法
CN112446915B (zh) 一种基于图像组的建图方法及装置
CN111915651A (zh) 基于数字影像地图与特征点跟踪的视觉位姿实时估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190118

RJ01 Rejection of invention patent application after publication