CN111191596B - 一种封闭区域制图方法、装置及存储介质 - Google Patents

一种封闭区域制图方法、装置及存储介质 Download PDF

Info

Publication number
CN111191596B
CN111191596B CN201911401160.6A CN201911401160A CN111191596B CN 111191596 B CN111191596 B CN 111191596B CN 201911401160 A CN201911401160 A CN 201911401160A CN 111191596 B CN111191596 B CN 111191596B
Authority
CN
China
Prior art keywords
looking
around
control points
ground control
feature descriptors
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.)
Active
Application number
CN201911401160.6A
Other languages
English (en)
Other versions
CN111191596A (zh
Inventor
苏航宇
郑武贞
汪林娟
罗跃军
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.)
Heading Data Intelligence Co Ltd
Original Assignee
Heading Data Intelligence 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 Heading Data Intelligence Co Ltd filed Critical Heading Data Intelligence Co Ltd
Priority to CN201911401160.6A priority Critical patent/CN111191596B/zh
Publication of CN111191596A publication Critical patent/CN111191596A/zh
Application granted granted Critical
Publication of CN111191596B publication Critical patent/CN111191596B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • 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
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • 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]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种封闭区域制图方法、装置及存储介质，该方法包括：通过车载环视相机采集环视图像后，拼接所述环视图像形成环视图；通过ORB算法提取所述环视图中的全局特征描述子和局部特征描述子；获取当前车辆的周边的地面控制点，并将所述地面控制点分别与全局特征描述子、局部特征描述子匹配；根据全局特征描述子与所述控制点的点对，以及局部特征描述子与所述控制点的点对，生成二维特征地图。通过该方案解决传统三维制图不准确的问题，对封闭区域进行二维制图，保障地图的精准可靠，为自动驾驶提供准确的参考。

Description

一种封闭区域制图方法、装置及存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种封闭环境制图方法、装置及存储介质。
背景技术
在自动驾驶中，对于车辆控制常需要借助高精度地图实现对车辆准确控制，但对于一些特定区域难以通过一些常用的方法绘制地图，如一些封闭的地下车库。在控制车辆自主泊车或唤车应用中，高精度的车库地图显得非常重要。
在类似于地下车库的封闭环境中，由于GPS定位精度会受到影响，传统依赖于GPS制图方法效果不佳，而基于计算机视觉利用特征点建立地下车库的三维地图，容易受畸变点影响，准确度不高。
发明内容
有鉴于此，本发明实施例提供了一种封闭区域制图方法、装置及存储介质，以解决封闭地下区域构建的地图存在不准确的问题。
在本发明实施例的第一方面，提供了一种封闭区域制图方法，包括：
通过车载环视相机采集环视图像后，拼接所述环视图像形成环视图；
通过ORB算法提取所述环视图中的全局特征描述子和局部特征描述子；
获取当前车辆的周边的地面控制点，并将地面控制点分别与全局特征描述子、局部特征描述子匹配；
根据全局特征描述子与地面控制点的点对，以及局部特征描述子与地面控制点的点对，生成二维特征地图。
在本发明实施例的第二方面，提供了一种封闭区域制图装置，包括：
拼接模块，用于通过车载环视相机采集环视图像后，拼接所述环视图像形成环视图；
提取模块，用于通过ORB算法提取所述环视图中的全局特征描述子和局部特征描述子；
匹配模块，用于获取当前车辆的周边的地面控制点，并将所述地面控制点分别与全局特征描述子、局部特征描述子匹配；
构建模块，用于根据所述全局特征描述子与所述控制点的点对，以及局部特征描述子与所述控制点的点对，生成二维特征地图。
在本发明实施例的第三方面，提供了一种装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。
在本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
本发明实施例中，通过环视相机采集环视图像，并拼接环视图像后，利用ORB算法进行全局特征点及局部特征点提取，通过将全局特征点与局部特征点的匹配，根据得到的点对，生成二维特征地图，可以有效解决仅利用GPS在封闭环境定位存在不准确的问题，以及三维制图时相机畸点形变导致制图不准的问题，实现封闭环境的精准制图，基于图像中的特征点与预定地面控制点的匹配，可以有效在GPS定位基础上提升区域地图精度的同时保证准确度，为自动驾驶提供参考依据，保障车辆驾驶安全，具有较好的实用效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述的附图仅仅是本发明的一些实施例，对本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他附图。
图1为本发明的一个实施例提供的封闭区域制图方法的流程示意图；
图2为本发明的一个实施例提供的封闭区域制图装置的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例一：
请参阅图1，本发明实施例提供的一种封闭区域制图方法的流程示意图，包括：
S101、通过车载环视相机采集环视图像后，拼接所述环视图像形成环视图；
所述环视相机可以采集相机周围360°的环视图像，基于环视图像可以得到相机周围环境的视觉特征。所述环视图为环视相机采集周围图像拼接形成的图，一般环视相机采集的图像会发生畸变，如桶形畸变，可以直接对发生畸变的环视图像进行拼接，也可以对畸变的环视图像进行转换，转换为正常环视图像后进行拼接。
优选的，利用标定板和标定程序标定环视相机的内参和外参，并根据环视相机的内参和外参，对所述环视图像反投影，以进行二维图像重建。对环视图像反投影后可以得到正常环视图像(未发生图像畸变)。
所述标定板为校正镜头畸变，确定相机物理尺寸和图像像素间的换算关系建立的几何模型，如使用棋盘格标定板，所述标定程序可以根据环视图像与标定板计算环视相机参数，相机的内参用于确定摄像机从三维空间到二维图像的投影关系，相机外参用于确定相机坐标和世界坐标之间相对位置关系。
进一步的，检测获取所述环视图中地面区域，并剪裁所述环视图中地面区域以外部分。基于图像识别技术或认为划分地面区域和非地面区域，便于建立二维地面的地图，减小后续计算的数据量。
S102、通过ORB算法提取所述环视图中的全局特征描述子和局部特征描述子；
ORB(Oriented FAST and Rotated BRIEF)算法,即一种快速特征点提取和描述算法，将FAST特征点的检测方法与BRIEF特征描述子结合起来，用于提取图像中特征点。所述特征描述子用于在环视图中刻画表示某一视觉特征，描述子包含有角点和特征向量的数据结构，全局特征描述子用于当前环视图在全局地图上的特征匹配，局部特征描述子用于前后两张环视图间的特征匹配。
示例性的，地下车库中，全局特征描述子可以是通过车载环视相机采集到的环视图中能够获取到的所有停车位标识的特征点，局部特征描述子可以是距离当前采集车辆最近的停车位标识的特征点。
S103、获取当前车辆的周边的地面控制点，并将所述地面控制点分别与全局特征描述子、局部特征描述子匹配；
所述地面控制点是指地面特定的预先精确测量的标识，如停车位标识、车道线标识、转向标识之类，根据地面控制点的特征与全局特征点、局部特征点的特征相似程度，对地面控制点进行匹配，得到地面控制点和全局特征点的点对、地面控制点和局部特征点的点对。
S104、根据所述全局特征描述子与地面控制点的点对，以及局部特征描述子与所述控制点的点对，生成二维特征地图。
所述二维特征地图是指根据特定特征建立的平面地图，可以是根据封闭区域地面标识建立的地图，如建立地下车库停车位的二维地图。基于全局特征描述子与地面控制点的点对，以及局部特征描述子与所述控制点的点对，可以获取预定特征的在二维平面的全局分布关系，进而便于绘制平面地图。
可选的，根据全局特征描述子与地面控制点的点对，以及局部特征描述子与地面控制点的点对，计算环视图像对应的采集车辆的位姿及地面控制点的单应矩阵H，基于单应矩阵H可以进行图像矫正拼接。
所述采集车辆为环视图像采集车辆，根据全局特征描述子与地面控制点的点对，以及局部特征描述子与地面控制点的点对可以得到采集车辆的位姿，进而得到车辆位姿相对于地面控制点的位置关系。所述H矩阵可以基于相机坐标系与世界坐标系的转换表示车辆位姿和地面控制点。
进一步的，获取地面控制点的GPS坐标、车辆惯性导航系统的GPS坐标以及车辆惯性导航系统在环视图中相对位置；
根据地面控制点的GPS坐标、车辆惯性导航系统的GPS坐标、车辆惯性导航系统在环视图中相对位置和H矩阵，计算全局特征点及局部特征点的GPS坐标，并生成二维特征地图。
所述GPS坐标为通过GPS定位确定的地面控制点及车辆惯性导航系统的位置，所述车辆惯性导航系统(INS)即不依赖外部信息的自主导航系统，一般的，车辆惯性导航系统的GPS坐标为惯性测量单元的位置。全局特征点及局部特征点的GPS坐标为预定特征的全局特征点和局部特征点在地图中的位置。
需要注意的是，所述二维特征地图的绘制需要借助对地图中的特征点进行初步定位，初步定位可能存在不准确，再结合全局特征点、局部特征点与控制点匹配，采集位姿及GPS定位，可以精确制作封闭区域的二维地图。
本实施例提供的方法，相对于直接借助相机三维制图存在畸点形变导致某些区域绘制不准确，以及直接GPS定位不准，通过控制点的特征匹配修正位置，有效提高地图准确度。
应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
实施例二：
图2为本发明实施例二提供的一种封闭区域制图装置的结构示意图，该装置可以是一种智能终端设备或具备计算存储功能的设备，该装置包括：
拼接模块210，用于通过车载环视相机采集环视图像后，拼接所述环视图像形成环视图；
在一个实施例中拼接模块210可以包括环视相机，即环视相机上集成的处理器及通信模块，基于环视相机完成环视图像的拼接。
可选的，所述拼接模块210包括：
重建单元，利用标定板和标定程序标定环视相机的内参和外参，并根据环视相机的内参和外参，对所述环视图像反投影，以进行环视图像重建。
可选的，所述通过车载环视相机采集环视图像后，拼接所述环视图像形成环视图还包括：
检测并划定所述环视图中地面区域后，剪裁所述环视图中地面区域以外部分。
提取模块220，用于通过ORB算法提取所述环视图中的全局特征描述子和局部特征描述子；
匹配模块230，用于获取当前车辆的周边的地面控制点，并将所述地面控制点分别与全局特征描述子、局部特征描述子匹配；
构建模块240，用于根据所述全局特征描述子与所述控制点的点对，以及局部特征描述子与所述控制点的点对，生成二维特征地图。
可选的，所述构建模块240包括：
计算单元，用于根据全局特征描述子与地面控制点的点对，以及局部特征描述子与地面控制点的点对，计算环视图像对应的采集车辆的位姿及地面控制点的H矩阵。
可选的，所述计算单元还包括：
获取单元，获取地面控制点的GPS坐标、车辆惯性导航系统的GPS坐标以及车辆惯性导航系统在环视图中相对位置；
生成单元，用于根据地面控制点的GPS坐标、车辆惯性导航系统的GPS坐标、车辆惯性导航系统在环视图中相对位置和单应矩阵H，计算全局特征点及局部特征点的GPS坐标，并生成二维特征地图。
在实施例中的封闭区域制图装置中，还可以包括GPS定位模块、IMU惯性测量单元，GPS定位模块用于对该装置定位，IMU惯性测量单元用于测量该装置三轴姿态角和加速度。
通过本实施例的装置，可以基于环视相机采集的环视图像和GPS的初始定位，准确计算图像中特征点位置，进而准确制作封闭环境下的二维地图。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括步骤S101至S104，所述的存储介质包括如：ROM/RAM、磁碟、光盘等。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种封闭区域制图方法，其特征在于，包括：
通过车载环视相机采集环视图像后，拼接所述环视图像形成环视图；
其中，检测并划定所述环视图中地面区域后，剪裁所述环视图中地面区域以外部分；
通过ORB算法提取所述环视图中的全局特征描述子和局部特征描述子；
获取当前车辆的周边的地面控制点，并将地面控制点分别与全局特征描述子、局部特征描述子匹配；
根据全局特征描述子与地面控制点的点对，以及局部特征描述子与地面控制点的点对，生成二维特征地图；
其中，根据全局特征描述子与地面控制点的点对，以及局部特征描述子与地面控制点的点对，计算环视图像对应的采集车辆的位姿及地面控制点的单应矩阵H；
获取地面控制点的GPS坐标、车辆惯性导航系统的GPS坐标以及车辆惯性导航系统在环视图中位置；
根据地面控制点的GPS坐标、车辆惯性导航系统的GPS坐标、基于车辆惯性导航系统的车辆位置和单应矩阵H，计算全局特征点及局部特征点的GPS坐标，并生成二维特征地图。
2.根据权利要求1所述的方法，其特征在于，所述通过车载环视相机采集环视图像后，拼接所述环视图像形成环视图包括：
利用标定板和标定程序标定环视相机的内参和外参，并根据环视相机的内参和外参，对所述环视图像反投影，以进行环视图像重建。
3.一种封闭区域制图装置，其特征在于，包括：
拼接模块，用于通过车载环视相机采集环视图像后，拼接所述环视图像形成环视图；
其中，检测并划定所述环视图中地面区域后，剪裁所述环视图中地面区域以外部分；
提取模块，用于通过ORB算法提取所述环视图中的全局特征描述子和局部特征描述子；
匹配模块，用于获取当前车辆的周边的地面控制点，并将所述地面控制点分别与全局特征描述子、局部特征描述子匹配；
构建模块，用于根据所述全局特征描述子与所述控制点的点对，以及局部特征描述子与所述控制点的点对，生成二维特征地图；
其中，所述构建模块包括：
计算单元，用于根据全局特征描述子与地面控制点的点对，以及局部特征描述子与地面控制点的点对，计算环视图像对应的采集车辆的位姿及地面控制点的单应矩阵H；
获取单元，获取地面控制点的GPS坐标、车辆惯性导航系统的GPS坐标以及车辆惯性导航系统在环视图中相对位置；
生成单元，用于根据地面控制点的GPS坐标、车辆惯性导航系统的GPS坐标、车辆惯性导航系统在环视图中相对位置和单应矩阵H，计算全局特征点及局部特征点的GPS坐标，并生成二维特征地图。
4.根据权利要求3所述的装置，其特征在于，所述拼接模块包括：
重建单元，利用标定板和标定程序标定环视相机的内参和外参，并根据环视相机的内参和外参，对所述环视图像反投影，以进行环视图像重建。
5.一种装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至2中任一项所述封闭区域制图方法的步骤。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述封闭区域制图方法的步骤。
CN201911401160.6A 2019-12-31 2019-12-31 一种封闭区域制图方法、装置及存储介质 Active CN111191596B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911401160.6A CN111191596B (zh) 2019-12-31 2019-12-31 一种封闭区域制图方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911401160.6A CN111191596B (zh) 2019-12-31 2019-12-31 一种封闭区域制图方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN111191596A CN111191596A (zh) 2020-05-22
CN111191596B true CN111191596B (zh) 2023-06-02

Family

ID=70707988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911401160.6A Active CN111191596B (zh) 2019-12-31 2019-12-31 一种封闭区域制图方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN111191596B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113886511B (zh) * 2021-10-12 2024-01-30 北京斯年智驾科技有限公司 高精地图的生成方法、系统、电子装置、计算机设备及存储介质
CN114674328B (zh) * 2022-03-31 2023-04-18 北京百度网讯科技有限公司 地图生成方法、装置、电子设备、存储介质、及车辆

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107084727A (zh) * 2017-04-12 2017-08-22 武汉理工大学 一种基于高精度三维地图的视觉定位系统及方法
US10366508B1 (en) * 2016-08-29 2019-07-30 Perceptin Shenzhen Limited Visual-inertial positional awareness for autonomous and non-autonomous device
CN110084272A (zh) * 2019-03-26 2019-08-02 哈尔滨工业大学（深圳） 一种聚类地图创建方法及基于聚类地图和位置描述子匹配的重定位方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107180215B (zh) * 2017-05-31 2020-01-31 同济大学 基于库位和二维码的停车场自动建图与高精度定位方法
US10565457B2 (en) * 2017-08-23 2020-02-18 Tusimple, Inc. Feature matching and correspondence refinement and 3D submap position refinement system and method for centimeter precision localization using camera-based submap and LiDAR-based global map
US10223806B1 (en) * 2017-08-23 2019-03-05 TuSimple System and method for centimeter precision localization using camera-based submap and LiDAR-based global map
US10679075B2 (en) * 2017-08-31 2020-06-09 Nec Corporation Dense correspondence estimation with multi-level metric learning and hierarchical matching
CN110148170A (zh) * 2018-08-31 2019-08-20 北京初速度科技有限公司 一种应用于车辆定位的定位初始化方法及车载终端
CN109443348B (zh) * 2018-09-25 2022-08-23 同济大学 一种基于环视视觉和惯导融合的地下车库库位跟踪方法
CN110136199B (zh) * 2018-11-13 2022-09-13 北京魔门塔科技有限公司 一种基于摄像头的车辆定位、建图的方法和装置
CN110609311B (zh) * 2019-10-10 2022-12-23 武汉理工大学 基于车载环视图像与毫米波雷达融合的智能车定位方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10366508B1 (en) * 2016-08-29 2019-07-30 Perceptin Shenzhen Limited Visual-inertial positional awareness for autonomous and non-autonomous device
CN107084727A (zh) * 2017-04-12 2017-08-22 武汉理工大学 一种基于高精度三维地图的视觉定位系统及方法
CN110084272A (zh) * 2019-03-26 2019-08-02 哈尔滨工业大学（深圳） 一种聚类地图创建方法及基于聚类地图和位置描述子匹配的重定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Global localization of a mobile robot using lidar and visual features;Zerong Su et al.;《2017 IEEE International Conference on Robotics and Biomimetics》;1-7 *
基于ORB全局特征与最近邻的交通标志快速识别算法;胡月志;李娜;胡钊政;李承;;交通信息与安全(01);29-35 *

Also Published As

Publication number Publication date
CN111191596A (zh) 2020-05-22

Similar Documents

Publication Publication Date Title
CN112894832B (zh) 三维建模方法、装置、电子设备和存储介质
CN111830953B (zh) 车辆自定位方法、装置及系统
US11632536B2 (en) Method and apparatus for generating three-dimensional (3D) road model
CN110426051B (zh) 一种车道线绘制方法、装置及存储介质
WO2021073656A1 (zh) 图像数据自动标注方法及装置
CN111065043B (zh) 一种基于车路通信的隧道内车辆融合定位系统及方法
CN105674993A (zh) 基于双目相机的高精度视觉定位地图生成系统及方法
CN110411457B (zh) 基于行程感知与视觉融合的定位方法、系统、终端和存储介质
CN111862180B (zh) 一种相机组位姿获取方法、装置、存储介质及电子设备
CN109741241B (zh) 鱼眼图像的处理方法、装置、设备和存储介质
CN109345471A (zh) 基于高精轨迹数据测量绘制高精地图数据方法
CN111191596B (zh) 一种封闭区域制图方法、装置及存储介质
CN110962844A (zh) 一种车辆航向角修正方法及系统、存储介质及终端
US20190073542A1 (en) Vehicle lane detection system
CN109376208A (zh) 一种基于智能终端的定位方法、系统、存储介质及设备
CN113139031B (zh) 用于自动驾驶的交通标识的生成方法及相关装置
CN113947638B (zh) 鱼眼相机影像正射纠正方法
CN114755662A (zh) 一种路车融合感知的激光雷达和gps的标定方法和装置
CN116997771A (zh) 车辆及其定位方法、装置、设备、计算机可读存储介质
CN111982132B (zh) 数据处理方法、装置和存储介质
CN111238490B (zh) 视觉定位方法、装置以及电子设备
CN117036666B (zh) 基于帧间图像拼接的无人机低空定位方法
CN114140533A (zh) 摄像头外参标定的方法与装置
CN110148205B (zh) 一种基于众包影像的三维重建的方法和装置
CN113190564A (zh) 地图更新系统、方法及设备

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
GR01 Patent grant
GR01 Patent grant