CN112097742B - 一种位姿确定方法及装置 - Google Patents
一种位姿确定方法及装置 Download PDFInfo
- Publication number
- CN112097742B CN112097742B CN201910519587.XA CN201910519587A CN112097742B CN 112097742 B CN112097742 B CN 112097742B CN 201910519587 A CN201910519587 A CN 201910519587A CN 112097742 B CN112097742 B CN 112097742B
- Authority
- CN
- China
- Prior art keywords
- pose
- image
- camera pose
- camera
- acquiring
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
Abstract
公开了一种位姿确定方法、装置、计算机可读存储介质及电子设备,该方法包括:获取图像对应的第一特征图像;根据所述图像对应的第一相机位姿,获取至少一个第二相机位姿;根据所述第二相机位姿和预先获取的全局地图,获取第二特征图像;根据所述第一特征图像和所述第二特征图像,在所述第二相机位姿中确定第三相机位姿。本公开的技术方案通过对视觉传感器采集到的观测数据和全局地图中观测数据进行比较,在多种假设相机位姿中确定出优选相机位姿,该优选相机位姿可以准确的表示车辆的位置和姿态。
Description
技术领域
本申请涉及自动驾驶技术领域,且更具体地,涉及一种位姿确定方法及装置。
背景技术
对于自动驾驶而言,定位信息的获取是至关重要的,获取准确的定位信息是进行路线规划,实现自动驾驶的前提。
目前,因为激光雷达拥有较高的测量精度,而被广泛的应用于自动驾驶中,但是激光雷达价格昂贵,使得价格低廉的视觉传感器被越来越多的人重视,常常通过确定视觉传感器的位姿以确定定位信息,而利用视觉传感器进行位姿确定时,确定的位姿准确性不高,因此确定一种基于视觉传感器的准确的位姿确定方法是至关重要的。
发明内容
为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种位姿确定方法、装置、计算机可读存储介质及电子设备,其通过对视觉传感器采集到的观测数据和全局地图中观测数据进行比较,在多种假设相机位姿中确定出优选相机位姿,该优选相机位姿可以准确的表示车辆的位置和姿态。
根据本申请的第一方面,提供了一种位姿确定方法,包括:
获取图像对应的第一特征图像;
根据所述图像对应的第一相机位姿,获取至少一个第二相机位姿;
根据所述第二相机位姿和预先获取的全局地图,获取第二特征图像;
根据所述第一特征图像和所述第二特征图像,在所述第二相机位姿中确定第三相机位姿。
根据本申请的第二方面,提供了一种位姿确定装置,包括:
第一图像获取模块,用于获取图像对应的第一特征图像;
位姿获取模块,用于根据所述图像对应的第一相机位姿,获取至少一个第二相机位姿;
第二图像获取模块,用于根据预先获取的全局地图和所述位姿获取模块获取的所述第二相机位姿,获取第二特征图像;
位姿确定模块,用于根据所述第一图像获取模块获取的所述第一特征图像和所述第二图像获取模块获取的所述第二特征图像,在所述位姿获取模块获取的所述第二相机位姿中确定第三相机位姿。
根据本申请的第三方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述的位姿确定方法。
根据本申请的第四方面,提供了一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述的位姿确定方法。
与现有技术相比,本申请提供的位姿确定方法、装置、计算机可读存储介质及电子设备,通过视觉传感器采集观测数据,获取视觉传感器的初始相机位姿,根据初始相机位姿进行位姿假设得到第二相机位姿,并利用全局地图构造第二相机位姿对应的观测数据,从而将视觉传感器真正采集的观测数据和第二相机位姿对应的观测数据进行对比,得到优选相机位姿,从而可以准确表示车辆的位置和姿态。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是本申请一示例性实施例提供的位姿确定方法的流程示意图;
图2是本申请一示例性实施例提供的位姿确定方法中步骤20的流程示意图;
图3是本申请一示例性实施例提供的位姿确定方法中步骤30的流程示意图;
图4是本申请一示例性实施例提供的位姿确定方法中步骤303的流程示意图;
图5是本申请一示例性实施例提供的位姿确定方法中步骤3033的流程示意图;
图6是本申请一示例性实施例提供的位姿确定方法中步骤40的流程示意图;
图7是本申请一示例性实施例提供的位姿确定方法中步骤402的流程示意图;
图8是本申请第一种示例性实施例提供的位姿确定装置的结构示意图;
图9是本申请第二种示例性实施例提供的位姿确定装置的结构示意图;
图10是本申请第三种示例性实施例提供的位姿确定装置的结构示意图;
图11是本申请一示例性实施例提供的位姿确定装置中第二图像获取模块83的结构示意图;
图12是本申请第四种示例性实施例提供的位姿确定装置的结构示意图;
图13是本申请一示例性实施例提供的位姿确定装置中位姿确定模块84的结构示意图;
图14是本申请一示例性实施例提供的电子设备的结构图。
具体实施方式
下面,将参考附图详细地描述根据本申请的示例实施例。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
实现车辆的自动驾驶,需要在车辆的行驶过程中能够实时获取准确的定位信息,目前激光雷达因为拥有较高的测量精度,被广泛的应用于自动驾驶中,但是激光雷达价格昂贵,难以实现市场上的推广应用,因此价格低廉的视觉传感器被越来越多的人重视,常常通过确定视觉传感器的位姿以确定车辆的定位信息,而目前利用视觉传感器进行位姿确定时,确定的位姿准确性不高。
与现有技术相比,本申请提供一种位姿确定方法、装置、计算机可读存储介质及电子设备,至少包括以下有益效果:
一方面,本实施例通过对视觉传感器当前时刻采集的图像进行预处理以得到第一特征图像,第一特征图像可以展示出当前时刻视觉传感器采集的场景结构的相关信息,进一步获取图像对应的可以粗略反应车辆的位置和姿态的第一相机位姿,并根据图像对应的第一相机位姿进行多种位姿假设,得到一个或多个第二相机位姿,进而根据第二相机位姿确定出车辆在预先获取的全局地图中的位置和姿态,以获取每个第二相机位姿分别对应的第二特征图像,然后将第一特征图像和每个第二特征图像进行对比,第二特征图像与第一特征图像越相似,则该第二特征图像对应的第二相机位姿越可以准确的表示当前时刻的相机位姿,所以根据第二特征图像和第一特征图像的相似程度在第二相机位姿中可以确定出第三相机位姿,该第三相机位姿为视觉传感器当前时刻采集图像的准确的相机位姿。
另一方面,本实施例使用价格低廉的视觉传感器进行位姿确定,避免使用激光雷达实时对场景结构进行采集,从而可以节约成本,有利于市场的推广,并获取较为丰富的图像信息。
在介绍本申请的基本构思之后,下面将结合附图来具体介绍本申请所述提供技术方案的各种非限制性实施例。
示例性方法
图1是本申请一示例性实施例提供的位姿确定方法的流程示意图。
本实施例可应用在电子设备上,具体可以应用于服务器或一般计算机上。如图1所示,本申请一示例性实施例提供的位姿确定方法,至少包括如下步骤:
步骤10:获取图像对应的第一特征图像。
为了对车辆行驶路线的场景结构的相关信息进行采集获取观测数据,往往会在车辆上搭载视觉传感器,为了实时的获取车辆的定位信息,视觉传感器实时采集图像,并将采集到的图像进行实时的传输,以实现对图像的迅速分析和处理。视觉传感器采集到的通常为彩色图像,不利于计算机对图像的直接识别和后续处理,因此需要对采集到的图像进行预处理,得到图像对应的第一特征图像,通过第一特征图像可以对图像对应的场景结构的相关信息进行了解。具体地,可以通过降采样、边缘提取、归一化等常规的图像预处理手段对图像进行处理以得到第一特征图像。
步骤20:根据图像对应的第一相机位姿,获取至少一个第二相机位姿。
在采集到图像后常常可以获取到采集该图像时的第一相机位姿,第一相机位姿可以粗略的表示出车辆的位置和姿态,但是如果只是根据第一相机位姿完成对车辆的定位,得到的定位信息的准确性较差,因此常常会在得到第一相机位姿后对第一相机位姿进行优化以得到能够准确的表示车辆的位置和姿态的优化相机位姿。在本实施例中,根据图像对应的第一相机位姿进行位姿假设,得到一个或多个假设的相机位姿即第二相机位姿,第一相机位姿虽然不能够准确的表示车辆的位置和姿态,但是却可以为优化相机位姿提供指示信息,即优化相机位姿一定在第一相机位姿的附近,从而在第一相机位姿附近进行位姿假设,在得到的第二相机位姿中会存在优化相机位姿。
步骤30:根据第二相机位姿和预先获取的全局地图,获取第二特征图像。
第二相机位姿是通过对第一相机位姿进行假设得到的,则第二相机位姿只有车辆的位置信息和姿态信息,而不具有相应的场景结构的观测数据,因此可以预先获取全局地图,该全局地图可以准确的、真实的反应车辆行驶路线的场景结构,则根据全局地图可以获取第二相机位姿下的场景结构的观测数据,则对第二相机位姿下的场景结构的观测数据进行处理以得到第二特征图像。
步骤40:根据第一特征图像和第二特征图像,在第二相机位姿中确定第三相机位姿。
为了能够在多个第二相机位姿中获取优化相机位姿即第三相机位姿,则需要将第二相机位姿对应的第二特征图像和第一相机位姿对应的第一特征图像进行比较,第一特征图像可以展示出当前时刻视觉传感器采集的场景结构的相关信息,根据全局地图得到的第二特征图像也可以展示出第二相机位姿应该可以采集到的场景结构的相关信息,则第二特征图像中与第一特征图像中对应的场景结构的相关信息越相似,则该第二特征图像对应的第二相机位姿越可能成为第三相机位姿,该第三相机位姿可以准确的表示车辆的位置和姿态。
本实施例提供的位姿确定方法,至少包括以下有益效果:
一方面,本实施例通过对视觉传感器当前时刻采集的图像进行预处理以得到第一特征图像,第一特征图像可以展示出当前时刻视觉传感器采集的场景结构相关信息,进一步获取图像对应的可以粗略反应车辆的位置和姿态的第一相机位姿,并根据图像对应的第一相机位姿进行多种位姿假设,得到一个或多个第二相机位姿,进而根据第二相机位姿确定出车辆在预先获取的全局地图中的位置和姿态,以获取每个第二相机位姿分别对应的第二特征图像,然后将第一特征图像和每个第二特征图像进行对比,第二特征图像与第一特征图像越相似,则该第二特征图像对应的第二相机位姿越可以准确的表示当前时刻的相机位姿,所以根据第二特征图像和第一特征图像的相似程度在第二相机位姿中可以确定出第三相机位姿,该第三相机位姿为视觉传感器当前时刻采集图像的准确的相机位姿。
另一方面,本实施例使用价格低廉的视觉传感器进行位姿确定,避免使用激光雷达实时对场景结构进行采集,从而可以节约成本,有利于市场的推广,并获取较为丰富的图像信息。
图2示出了如图1所示的实施例中根据图像对应的第一相机位姿,获取至少一个第二相机位姿步骤的流程示意图。
如图2所示,在上述图1所示实施例的基础上,本申请一个示例性实施例中,步骤20所示获取至少一个第二相机位姿步骤,具体可以包括如下步骤:
步骤201:获取历史定位信息。
车辆在路面上行驶时,需要实时的获取车辆的定位信息,因此本实施例提供的位姿确定方法从步骤10到步骤40是不断的在执行的,即在车辆的行驶过程中不断地进行位姿的确定。当获取到一帧图像时,若获取的为首帧图像,则可以确定车辆处于停止状态的定位信息,并将该定位信息确定为历史定位信息,若获取的为非首帧图像,则可以将上一次成功通过本实施例提供的位姿确定方法确定的第三相机位姿作为历史定位信息,则可以保证获取到的历史定位信息的准确性。
步骤202:根据历史定位信息和车辆底盘信息,获取图像对应的第一相机位姿。
在确定了历史定位信息后,则确定了该历史定位信息对应的历史帧图像,从历史帧图像到当前时刻采集图像的时间是可以确定的,车辆底盘可以提供车辆的速度信息和角速度信息,从而可以根据经过的时间、速度信息和角速度信息确定在历史帧图像对应的第三相机位姿的基础上相机位姿发生变化的情况,获取到可以粗略表示车辆的位置和姿态的第一相机位姿。通常也可以结合惯性测量单元和卫星定位等提供的定位信息获取第一相机位姿,但是因惯性测量单元获取的定位信息随着时间的增加误差会相应的增大,大大降低第一相机位姿的准确性;而对于利用卫星定位获取第一相机位姿,可能会出现在信号较弱或相对较为封闭的地区可能获取不到第一相机位姿的情况;而车辆在行驶的过程中,车辆底盘可以一直监测到车辆的速度信息和角速度信息,因此利用车辆底盘获取到的第一相机位姿的准确性相对较高,提高第一相机位姿的准确性可以在相当较少的第二相机位姿中即可以确定出第三相机位姿,从而提高第三相机位姿的确定效率。
步骤203:在第一相机位姿对应的指定区域内进行随机相机位姿生成,以获取至少一个第二相机位姿。
虽然利用车辆底盘获取到的第一相机位姿的准确性相对较高,但是利用车辆底盘获取到的第一相机位姿依然不能准确的表示车辆的位置和姿态,需要在第一相机位姿对应的指定区域内进行随机相机位姿生成。具体地,指定区域可以根据用户需求设置,当第一相机位姿的准确性较高时,可以将指定区域适当缩小,以降低计算资源的占用,当第一相机位姿的准确性较低时,可以将指定区域适当增大,以便尽可能的找到较为准确的第三相机位姿。
本实施例通过将成功确定的历史帧图像对应的第三相机位姿确定为历史定位信息,结合车辆底盘提供的速度信息和角速度信息,进而获取能够粗略表示车辆位置和姿态的第一相机位姿,该第一相机位姿因结合历史帧图像确定的第三相机位姿和车辆底盘信息,使得获取到的第一相机位姿相对准确,则在进行随机相机位姿生成时,可以适当的减少指定区域的面积,从而可以减少第二相机位姿的数据,提高第三相机位姿的确定效率。
图3示出了如图1所示的实施例中根据第二相机位姿和预先获取的全局地图,获取第二特征图像步骤的流程示意图。
如图3所示,在上述图1所示实施例的基础上,本申请一个示例性实施例中,步骤30所示获取第二特征图像,具体可以包括如下步骤:
步骤301:通过激光雷达获取全局地图。
较为准确的全局地图是能够准确确定第三相机位姿的基础,因此本实施例中通过离线的方式,采用激光雷达获取全局地图,离线的方式获取的全局地图可以避免较高的地图更新频率。在车辆的行驶过程中需要精度较高的地图,但是地图的更新频率不需要像定位信息一样频繁,目前常常会采用激光雷达构建地图并利用激光雷达实时进行场景结构的相关信息的采集,而激光雷达的价格昂贵,不利于市场的推广应用,在本实施例中利用激光雷达以离线的方式获取全局地图,可以获取精确较高的地图,且避免利用激光雷达实时获取结构场景的相关信息而增加的成本。
步骤302:根据第二相机位姿,对全局地图进行提取,获取局部地图。
第二相机位姿不具有相应的场景结构的观测数据,因此需要根据全局地图获取第二相机位姿对应的场景结构的观测数据,视觉传感器搭载在车辆上时,会对车辆行驶的前方路段固定距离的场景结构进行采集,即在根据第二相机位姿确定了车辆在全局地图中位置后,可以只考虑特定范围内如20x20x5m的局部地图中的场景结构,不需要考虑全局地图中全部的场景结构,因此根据第二相机位姿对全局地图进行提取获取局部地图,只对局部地图中的场景结构进行考虑,可以提高计算效率。
步骤303:根据第二相机位姿和局部地图,获取第二特征图像。
在根据第二相机位姿,提取出局部地图后,即可以根据第二相机位姿和局部地图中的地图点确定出第二特征图像。
本实施例中利用激光雷达获取全局地图,该全局地图可以准确的,真实的反应真实世界的结构场景,因此在利用第二相机位姿确定的车辆位置信息后,可以对全局地图进行提取,得到的局部地图,该局部地图可以准确的反应出当前时刻车辆附近的场景结构,根据局部地图中地图点确定第二特征图像,可以有效的提高计算效率。
图4示出了如图3所示的实施例中根据第二相机位姿和局部地图,获取第二特征图像步骤的流程示意图。
如图4所示,在上述图3所示实施例的基础上,本申请一个示例性实施例中,步骤303所示获取第二特征图像的步骤,具体可以包括如下步骤:
步骤3031:确定局部地图中的地图点对应的反射值。
在如图3所示的实施例中,全局地图是通过激光雷达构建的,在利用激光雷达对场景结构的相关信息进行采集时,不能像视觉传感器一样获取到场景结构信息的对应的图像,只能获取到场景结构中空间点对应的反射值,从而利用激光雷达构建的全局地图中的地图点可以不仅包括该点在世界坐标系下的坐标信息(例如在X轴、Y轴和Z轴上对应的坐标),还包括该点对应在世界坐标系中空间点对激光的反射值,则在对全局地图进行提取得到局部地图后,该局部地图中的每个地图点都有其对应的反射值。
步骤3032:根据相机内部参数,将局部地图中的地图点投影到第二相机位姿对应的图像坐标系中,获取投影点。
第二相机位姿为车辆当前时刻采集图像时的假设相机位姿,局部地图是根据该假设相机位姿对全局地图进行提取的结果,为了获取在第二相机位姿下视觉传感器可能采集到的场景结构的相关信息,则需要将局部地图中的地图点投影到第二相机位姿对应的图像坐标系中,即根据局部地图中的场景结构构造第二相机位姿对应的场景结构的观测数据。具体地,预先对相机的内部参数进行标定,获取准确的相机内部参数,进一步根据局部地图可以获取地图点对应在相机坐标系中的空间点的坐标信息,则根据相机内部参数,可以完成从相机坐标系统中的空间点到第二相机位姿对应的图像坐标系的投影,即可以完成局部地图中的地图点到第二相机位姿对应的图像坐标系的投影,从而得到局部地图中的每个地图点在第二相机位姿对应的图像坐标系中的投影点。
步骤3033:根据反射值和投影点,获取第二特征图像。
每一个投影点均会对应有局部地图中的地图点,每个地图点均会携带有反射值,因此每个投影点都有其对应的反射值。在进行局部地图中的地图点投影到第二相机位姿对应的图像坐标系时,是从三维信息到二维信息的转换,因此在投影过程中,可能会出现多个地图点对应一个投影点的情况,此时,可以在多个地图点中选取距离第二相机位姿最近的地图点的反射值与该投影点相对应,因为距离第二相机位姿近的地图点在视觉传感器对场景结构进行采集时,会遮挡住其他地图点对应的场景结构。
在本实施例中,通过考虑激光雷达构建的全局地图中的地图点携带有反射值的特点构建第二特征图像,因为场景结构中的不同物体对应的反射值不同,因此可以使得构建的第二特征图像可以能够真实的反应出第二相机位姿对应的场景结构的观测数据。
图5示出了如图4所示的实施例中根据反射值和投影点,获取第二特征图像步骤的流程示意图。
如图5所示,在上述图4所示实施例的基础上,本申请一个示例性实施例中,步骤3033所示获取第二特征图像步骤,具体可以包括如下步骤:
步骤30331:确定投影点对应的反射值,获取由反射值组成的第三特征图像。
每一个投影点均对应有反射值,则可以根据反射值构成反射值合成图像,该反射值合成图像可以显示出场景结构的相关信息,因为不同的物体对激光的反射值不同,因此可以根据反射值的大小获取到场景结构的相关信息。
步骤30332:根据反射值,获取投影点对应的灰度值。
反射值为激光雷达获取的场景结构的观测数据,而本实施例中对场景结构信息进行实时采集的是视觉传感器,对视觉传感器采集到的图像进行预处理得到的第一特征图像对应的是场景结构的观测数据为灰度值,因此为了更好的对第一特征图像和第二特征图像进行对比,需要将反射值和灰度值间建立联系,例如将反射值进行归一化,即投影点的灰度值等于投影点的反射值除以最大反射值和最小反射值的差值。
步骤30333:根据第三特征图像和灰度值,获取第二特征图像。
在确定了第三特征图像中每一个投影点的反射值对应的灰度值后,即可以构建以灰度值代表像素坐标的第二特征图像,则第二特征图像和第一特征图像可以进行更好对比。具体地,在根据第三特征图像获取第二特征图像时,可以对第三特征图像进行插值、局部对比度归一化、边缘提取以及归一化等处理以获取第二特征图像。
本实施例通过将反射值与灰度值建立联系,使得以反射值代表像素坐标的第三特征图像转变为以灰度值代表像素坐标的第二特征图像,实现了不同传感器即激光雷达和视觉传感器间的数据的匹配,使得第二特征图像和第一特征图像可以在同一属性上进行对比,从而使得第一特征图像和第二特征图像的比较结果准确性、可靠性更高。
图6示出了如图1至图5所示的实施例中根据第一特征图像和第二特征图像,在第二相机位姿中确定第三相机位姿步骤的流程示意图。
如图6所示,在上述图5所示实施例的基础上,本申请一个示例性实施例中,步骤40所示在第二相机位姿中确定第三相机位姿步骤,具体可以包括如下步骤:
步骤401:确定第一特征图像和第二特征图像间的归一化互信息。
本实施例中通过归一化互信息来比较第一特征图像和第二特征图像间的相似度,归一化互信息的值越大则第一特征图像和第二特征图像越相似,计算归一化互信息的公式如下所示:
其中,H(A)表征图像A的信息熵;pA(a)表征图像A中灰度值a的概率密度;H(B)表征图像B的信息熵;pB(b)表征图像B中灰度值b的概率密度;H(A,B)表征图像A和图像B的联合信息熵;pAB(a,b)表征图像A的灰度值a在图像的相同像素坐标下在图像B中灰度值b的像素点的个数与总像素点个数的比值;NMI(A,B)表征图像A和图像B的归一化互信息。
将第一特征图像视为图像A、第二特征图像视为图像B或第一特征图像视为图像B、第二特征图像视为图像A代入上述公式计算出第一特征图像和第二特征图像的归一化互信息,即可以得到第一特征图像和第二特征图像间的相似度。
步骤402:根据归一化互信息,在第二相机位姿中确定第三相机位姿。
在计算得到第一特征图像和第二特征图像的归一化互信息后,则可以根据归一化互信息在第二特征图像中选出与第一特征图像最相似的第二特征图像,将与第一特征图像最相似的第二特征图像对应的第二相机位姿确定为第三相机位姿。
本实施例中通过确定第一特征图像和第二特征图像的归一化互信息来确定第一特征图像和第二特征图像的相似度,因为第一特征图像和第二特征图像可以是由不同的传感器采集的数据得到的,即简单的将第一特征图像和第二特征图像中的灰度值进行比较是不能准确的确定第一特征图像和第二特征图像的相似度的;即使第一特征图像和第二特征图像均是由视觉传感器采集的数据,但是因为光照、季节等原因的存在,使得同一个物体可能对应的灰度值差距较大,则不能简单的将第一特征图像和第二特征图像中的灰度值直接进行比较,因此利用归一化互信息可以准确的确定出与第一特征图像最相似的第二特征图像,进而保证确定出的第三相机位姿的准确性。
图7示出了如图6所示的实施例中根据归一化互信息,在第二相机位姿中确定第三相机位姿步骤的流程示意图。
如图7所示,在上述图6所示实施例的基础上,本申请一个示例性实施例中,步骤402所示在第二相机位姿中确定第三相机位姿,具体可以包括如下步骤:
步骤4021:根据归一互信息确定第二相机位姿对应的概率值。
为了能够更准确的确定出与第一特征图像最相似的第二特征图像,根据归一化互信息确定每一个第二特征图像对应的第二相机位姿的概率,计算概率p的公式如下所示:
p=1/c×NMI;
其中,c表征归一化参数,使得所有的第二相机位姿对应的概率之和为1。
步骤4022:将概率值满足预设条件的第二相机位姿确定为第三相机位姿。
在确定出每一个第二相机位姿对应的概率值后,需要在各个概率值中选择出概率值最大且要大于一定阈值的概率值,在各个概率值中选择出概率值最大的第二相机位姿即该第二相机位姿最可能为当前时刻采集图像的准确的相机位姿,但是如果每一第二相机位姿对应的概率值均比较低,此时即使最大的概率值对应的第二相机位姿也不能较为准确的表示车辆的位置和姿态,因此不能直接将概率值最大的第二相机位姿确定为第三相机位姿,通过设置一个阈值,保证每一次确定的第三相机位姿的准确性,进而保证车辆行驶过程中的全部第三相机位姿确定的准确性。具体地,在概率值最大仍小于一定阈值时,则获取下一帧图像对应的第一特征图像,即进入下一时刻的位姿确定。
本实施例通过确定第二相机位姿对应的概率值,在第二相机位姿中确定出符合预设条件的第三相机位姿,保证每次确定的第三相机位姿的准确性,从而保证车辆在行驶的过程中每个时刻确定位姿的准确性。
示例性装置
基于与本申请方法实施例相同的构思,本申请实施例还提供了一种位姿确定装置。
图8示出了本申请一示例性实施例提供的位姿确定装置的结构示意图。
如图8所示,本申请一示例性实施例提供的位姿确定装置,包括:
第一图像获取模块81,用于获取图像对应的第一特征图像;
位姿获取模块82,用于根据图像对应的第一相机位姿,获取至少一个第二相机位姿;
第二图像获取模块83,用于根据预先获取的全局地图和位姿获取模块82获取的第二相机位姿,获取第二特征图像;
位姿确定模块84,用于根据第一图像获取模块81获取的第一特征图像和第二图像获取模块83获取的第二特征图像,在位姿获取模块获取的第二相机位姿中确定第三相机位姿。
如图9所示,在一个示例性实施例中,位姿获取模块82包括:
定位信息获取单元821,用于获取历史定位信息;
第一位姿获取单元822,用于根据车辆底盘信息和定位信息获取单元821获取的历史定位信息,获取图像对应的第一相机位姿;
随机位姿生成单元823,用于在第一位姿获取单元822获取的第一相机位姿对应的指定区域内进行随机相机位姿生成,以获取至少一个第二相机位姿。
如图10所示,在一个示例性实施例中,第二图像获取模块83包括:
全局地图构建单元831,用于通过激光雷达获取全局地图;
局部地图获取单元832,用于根据位姿获取模块82获取的第二相机位姿,对全局地图构建单元831构建的全局地图进行提取,获取局部地图;
特征图像获取单元833,用于根据第二相机位姿和局部地图获取单元832获取的局部地图,获取第二特征图像。
如图11所示,在一个示例性实施例中,特征图像获取单元833包括:
反射值确定子单元8331,用于确定局部地图获取单元832获取的局部地图中的地图点对应的反射值;
投影点确定子单元8332,用于根据相机内部参数,将局部地图中的地图点投影到第二相机位姿对应的图像坐标系中,获取投影点;
图像获取子单元8333,用于根据反射值确定子单元8331确定的反射值和投影点确定子单元8332确定投影点,获取第二特征图像。
在一个示例性实施例中,图像获取子单元8333用于执行以下步骤:
确定投影点对应的反射值,获取由反射值组成的第三特征图像;
根据反射值,获取投影点对应的灰度值;
根据第三特征图像和灰度值,获取第二特征图像。
如图12所示,在一个示例性实施例中,位姿确定模块84,包括:
相似度确定单元841,用于确定第一图像获取模块81获取的第一特征图像和第二图像获取模块83获取的第二特征图像间的归一化互信息;
第二位姿确定单元842,用于根据相似度确定单元841确定的归一化互信息,在第二相机位姿中确定第三相机位姿。
如图13所示,在一个示例性实施例中,第二位姿确定单元842,包括:
概率值确定子单元8421,用于根据相似度确定单元841获取的归一互信息确定第二相机位姿对应的概率值;
位姿确定子单元8422,用于将概率值确定子单元8421确定概率值满足预设条件的第二相机位姿确定为第三相机位姿。
示例性电子设备
图14图示了根据本申请实施例的电子设备的框图。
如图14所示,电子设备100包括一个或多个处理器101和存储器102。
处理器101可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备100中的其他组件以执行期望的功能。
存储器102可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器101可以运行所述程序指令,以实现上文所述的本申请的各个实施例的位姿确定方法以及/或者其他期望的功能。
在一个示例中,电子设备100还可以包括:输入装置103和输出装置104,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
当然,为了简化,图14中仅示出了该电子设备100中与本申请有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备100还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的位姿确定方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的位姿确定方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (9)
1.一种位姿确定方法,包括:
获取图像对应的第一特征图像;
根据所述图像对应的第一相机位姿,获取至少一个第二相机位姿;
根据所述第二相机位姿和预先获取的全局地图,获取第二特征图像;
根据所述第一特征图像和所述第二特征图像,在所述第二相机位姿中确定第三相机位姿;
所述根据所述图像对应的第一相机位姿,获取至少一个第二相机位姿,包括:
获取历史定位信息;
根据所述历史定位信息和车辆底盘信息,获取所述图像对应的第一相机位姿;
在所述第一相机位姿对应的指定区域内进行随机相机位姿生成,以获取至少一个第二相机位姿。
2.根据权利要求1所述的方法,其中,所述根据所述第二相机位姿和预先获取的全局地图,获取第二特征图像,包括:
通过激光雷达获取全局地图;
根据所述第二相机位姿,对所述全局地图进行提取,获取局部地图;
根据所述第二相机位姿和所述局部地图,获取第二特征图像。
3.根据权利要求2所述的方法,其中,所述根据所述第二相机位姿和所述局部地图,获取第二特征图像,包括:
确定所述局部地图中的地图点对应的反射值;
根据相机内部参数,将所述局部地图中的地图点投影到所述第二相机位姿对应的图像坐标系中,获取投影点;
根据所述反射值和所述投影点,获取第二特征图像。
4.根据权利要求3所述的方法,其中,所述根据所述反射值和所述投影点,获取第二特征图像,包括:
确定所述投影点对应的所述反射值,获取由所述反射值组成的第三特征图像;
根据所述反射值,获取所述投影点对应的灰度值;
根据所述第三特征图像和所述灰度值,获取第二特征图像。
5.根据权利要求1-4任一所述的方法,其中,所述根据所述第一特征图像和所述第二特征图像,在所述第二相机位姿中确定第三相机位姿,包括:
确定所述第一特征图像和所述第二特征图像间的归一化互信息;
根据所述归一化互信息,在所述第二相机位姿中确定第三相机位姿。
6.根据权利要求5所述的方法,其中,所述根据所述归一化互信息,在所述第二相机位姿中确定第三相机位姿,包括:
根据所述归一化 互信息确定所述第二相机位姿对应的概率值;
将所述概率值满足预设条件的第二相机位姿确定为第三相机位姿。
7.一种位姿确定装置,包括:
第一图像获取模块,用于获取图像对应的第一特征图像;
位姿获取模块,用于根据所述图像对应的第一相机位姿,获取至少一个第二相机位姿,具体包括:获取历史定位信息;根据所述历史定位信息和车辆底盘信息,获取所述图像对应的第一相机位姿;在所述第一相机位姿对应的指定区域内进行随机相机位姿生成,以获取至少一个第二相机位姿;
第二图像获取模块,用于根据预先获取的全局地图和所述位姿获取模块获取的所述第二相机位姿,获取第二特征图像;
位姿确定模块,用于根据所述第一图像获取模块获取的所述第一特征图像和所述第二图像获取模块获取的所述第二特征图像,在所述位姿获取模块获取的所述第二相机位姿中确定第三相机位姿。
8.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-6任一所述的位姿确定方法。
9.一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-6任一所述的位姿确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910519587.XA CN112097742B (zh) | 2019-06-17 | 2019-06-17 | 一种位姿确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910519587.XA CN112097742B (zh) | 2019-06-17 | 2019-06-17 | 一种位姿确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112097742A CN112097742A (zh) | 2020-12-18 |
CN112097742B true CN112097742B (zh) | 2022-08-30 |
Family
ID=73749088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910519587.XA Active CN112097742B (zh) | 2019-06-17 | 2019-06-17 | 一种位姿确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112097742B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114399532A (zh) * | 2022-01-06 | 2022-04-26 | 广东汇天航空航天科技有限公司 | 一种相机位姿确定方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017116363A (ja) * | 2015-12-24 | 2017-06-29 | アイシン・エィ・ダブリュ株式会社 | 車両位置推定システム、方法およびプログラム |
CN107223244A (zh) * | 2016-12-02 | 2017-09-29 | 深圳前海达闼云端智能科技有限公司 | 定位方法和装置 |
CN109887087A (zh) * | 2019-02-22 | 2019-06-14 | 广州小鹏汽车科技有限公司 | 一种车辆的slam建图方法及系统 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014112055A (ja) * | 2012-12-05 | 2014-06-19 | Denso It Laboratory Inc | カメラ姿勢の推定方法およびカメラ姿勢の推定システム |
WO2016163492A1 (ja) * | 2015-04-10 | 2016-10-13 | 日本電気株式会社 | 位置特定装置、位置特定方法及びプログラム |
KR101835434B1 (ko) * | 2015-07-08 | 2018-03-09 | 고려대학교 산학협력단 | 투영 이미지 생성 방법 및 그 장치, 이미지 픽셀과 깊이값간의 매핑 방법 |
US9727793B2 (en) * | 2015-12-15 | 2017-08-08 | Honda Motor Co., Ltd. | System and method for image based vehicle localization |
CN108881704A (zh) * | 2017-05-09 | 2018-11-23 | 杭州海康机器人技术有限公司 | 一种车辆底盘图像获取系统及图像获取控制方法 |
US10599161B2 (en) * | 2017-08-08 | 2020-03-24 | Skydio, Inc. | Image space motion planning of an autonomous vehicle |
CN107990899B (zh) * | 2017-11-22 | 2020-06-30 | 驭势科技(北京)有限公司 | 一种基于slam的定位方法和系统 |
CN108955718B (zh) * | 2018-04-10 | 2022-08-09 | 中国科学院深圳先进技术研究院 | 一种视觉里程计及其定位方法、机器人以及存储介质 |
CN108613672B (zh) * | 2018-05-04 | 2021-04-09 | 北京地平线机器人技术研发有限公司 | 对象定位方法、对象定位系统和电子设备 |
CN109084732B (zh) * | 2018-06-29 | 2021-01-12 | 北京旷视科技有限公司 | 定位与导航方法、装置及处理设备 |
CN109017810B (zh) * | 2018-07-19 | 2020-06-30 | 驭势科技(浙江)有限公司 | 一种车辆底盘故障检测方法、装置、车载设备及存储介质 |
CN109087359B (zh) * | 2018-08-30 | 2020-12-08 | 杭州易现先进科技有限公司 | 位姿确定方法、位姿确定装置、介质和计算设备 |
CN109544630B (zh) * | 2018-11-30 | 2021-02-02 | 南京人工智能高等研究院有限公司 | 位姿信息确定方法和装置、视觉点云构建方法和装置 |
-
2019
- 2019-06-17 CN CN201910519587.XA patent/CN112097742B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017116363A (ja) * | 2015-12-24 | 2017-06-29 | アイシン・エィ・ダブリュ株式会社 | 車両位置推定システム、方法およびプログラム |
CN107223244A (zh) * | 2016-12-02 | 2017-09-29 | 深圳前海达闼云端智能科技有限公司 | 定位方法和装置 |
WO2018098811A1 (zh) * | 2016-12-02 | 2018-06-07 | 深圳前海达闼云端智能科技有限公司 | 定位方法和装置 |
CN109887087A (zh) * | 2019-02-22 | 2019-06-14 | 广州小鹏汽车科技有限公司 | 一种车辆的slam建图方法及系统 |
Non-Patent Citations (2)
Title |
---|
SLAM过程中的机器人位姿估计优化算法研究;禹鑫D等;《高技术通讯》;20180815(第08期);全文 * |
基于立体视觉的非合作目标位姿测量;徐培智等;《计算机与现代化》;20130815(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112097742A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11255973B2 (en) | Method and apparatus for extracting lane line and computer readable storage medium | |
US11422261B2 (en) | Robot relocalization method and apparatus and robot using the same | |
CN110163930B (zh) | 车道线生成方法、装置、设备、系统及可读存储介质 | |
US11024045B2 (en) | Method and apparatus for generating three-dimensional data, device, and storage medium | |
US11002840B2 (en) | Multi-sensor calibration method, multi-sensor calibration device, computer device, medium and vehicle | |
CN113657224B (zh) | 车路协同中用于确定对象状态的方法、装置、设备 | |
JP6857697B2 (ja) | 車両位置決め方法、車両位置決め装置、電子機器及びコンピュータ読み取り可能な記憶媒体 | |
US11227395B2 (en) | Method and apparatus for determining motion vector field, device, storage medium and vehicle | |
CN113916243A (zh) | 目标场景区域的车辆定位方法、装置、设备和存储介质 | |
WO2022183685A1 (zh) | 目标检测方法、电子介质和计算机存储介质 | |
CN117115784A (zh) | 目标数据融合的车辆检测方法及检测装置 | |
CN110068824B (zh) | 一种传感器位姿确定方法和装置 | |
CN111307163B (zh) | 可移动设备的定位方法、定位装置及电子设备 | |
CN112097742B (zh) | 一种位姿确定方法及装置 | |
WO2024051344A1 (zh) | 一种地图创建方法及装置 | |
CN112212873B (zh) | 一种高精地图的构建方法及装置 | |
CN111337010B (zh) | 可移动设备的定位方法、定位装置及电子设备 | |
CN112150529B (zh) | 一种图像特征点的深度信息确定方法及装置 | |
CN108564626B (zh) | 用于确定安装于采集实体的相机之间的相对姿态角的方法和装置 | |
CN116245730A (zh) | 图像拼接的方法、装置、设备以及存储介质 | |
CN113269874A (zh) | 一种三维地图的建立方法及装置 | |
CN112417924A (zh) | 一种标志杆的空间坐标获取方法及装置 | |
CN115836322A (zh) | 图像裁剪方法与装置、电子设备及存储介质 | |
CN115952248A (zh) | 终端设备的位姿处理方法、装置、设备、介质及产品 | |
CN112215884A (zh) | 一种平面标志物的位姿确定方法和装置 |
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 |