一种基于街景图像数据库的车辆自主定位方法与流程

技术特征：

1.一种基于街景图像数据库的车辆自主定位方法，其特征在于包括以下步骤：

步骤1，使用相机采集场景图像，提取采集的图像的主颜色特征向量信息、SURF特征点和位置信息存储在数据库中；

步骤2，将车辆行驶中拍摄的图像作为待匹配图像，提取待匹配图像的主颜色特征向量，通过计算待匹配图像的主颜色特征向量与原数据库中图像主颜色特征向量的相似度，得到初始匹配图像，提取初始匹配图像的位置信息，初步确定车辆的位置；

步骤3，提取初始匹配图像的邻域图像，组成搜索空间，将待匹配图像与搜索空间的图像进行特征点匹配，得到最佳匹配图像，提取最佳匹配图像的拍摄位置坐标和其八邻域位置坐标，计算各个坐标的权重，再通过公式计算出车辆位置的精确坐标。

2.如权利要求1所述的基于街景图像数据库的车辆自主定位方法，其特征在于，所述的步骤1具体包括：

步骤1.1，按照预设位置，使用相机采集场景图像，将采集的图像和其对应的位置信息储存在数据库中；

步骤1.2，提取步骤1.1采集的图像的部分中间拍摄点图像存储在数据集2中；

步骤1.3，提取数据集2中图像的主颜色特征向量并储存于数据库中；

步骤1.4，提取所有图像的SURF特征点存储于数据库中。

3.如权利要求2所述的基于街景图像数据库的车辆自主定位方法，其特征在于，所述的步骤1.1和步骤1.2具体包括：按照预设的位置，设道路水平直的，设车行驶的方向为水平方向且车以固定的车速行驶，沿车行驶的方向每隔3米使用车上的摄像头采集其前方垂直方向的场景图像，选取多个采集点且每个采集点相隔1.5米，将所有采集点拍摄的图像和其对应的位置信息存储在数据库中，选取同一水平方向上的各个采集点中间的若干采集点拍摄的图像储存在数据集2中。

4.如权利要求2所述基于街景图像数据库的车辆自主定位方法，其特征在于，所述的步骤1.3按如下方法进行：

将采集的场景图像划分为m×n个子块，同一种主颜色在每个子块中出现的频率构成一个主颜色特征值，若一个场景图像选择u种主颜色，则需要u×m×n个主颜色特征值表示图像的颜色内容，所有的主颜色特征值构成一个u×m×n维的主颜色特征向量，将该主颜色特征向量储存在数据库中。

5.如权利要求1所述的基于街景图像数据库的车辆自主定位方法，其特征在于，所述的步骤2具体包括：

步骤2.1，将车在实际行驶中拍摄的图像作为待匹配图像，提取待匹配图像主颜色的特征向量；

步骤2.2，计算待匹配图像与数据集2中所有图像的相似度；

步骤2.3，依次比较待匹配图像与数据集2中的所有图像的相似度，选择出数据集2中与待匹配图像相似度最高的N幅图像作为初始匹配结果，提取这N幅图像的坐标位置作为车辆的初始位置。

6.如权利要求5所述的基于街景图像数据库的车辆自主定位方法，其特征在于，所述的步骤2.2具体包括：

2.2.1，设S_a和I_b是两幅图像的主颜色特征向量，通过DP匹配技术计算两幅图像的主颜色特征向量之间的匹配距离，S_au和I_bv(S_au表示向量S_a的第u个元素，I_bv表示向量I_b的第v个元素)之间的元素距离定义如下

其中，u，v分别是序号，指示两个特征向量中的某个元素，其中,S_au表示向量S_a的第u个元素，I_bv表示向量I_b的第v个元素，S[a,u]表示S_au的值，I[b,v]表示I_bv的值。设u＝1,2,…,N₁和v＝1,2,L,N₂。N₁、N₂分别表示两幅图主颜色特征向量的长度，N₁＝N₂＝208。

2.2.2，计算得到S_a和I_b中所有的元素距离d(S_au,I_bv)，u＝1,2,L,N₁和v＝1,2,L,N₂。d(S_au,I_bv)组成的矩阵表示为d(u,v)，如下公式所示

2.2.3，计算d(u-1,v)、d(u-1,v-1)和d(u,v-1)分别到d(u,v)的三个权重分布w₁、w₂和w₃，

通过图论的Dijkstra算法计算从d(1,1)到d(n,n)的最短路径长度为P_min，计算出两幅图像的特征向的最短路径d(a,b)，用两幅图像特征向量的最短路径表示两幅图像间的相似度，d(a,b)的值越小，则表示两幅图像的相似度越高。计算公式为：

。

7.如权利要求5所述的基于街景图像数据库的车辆自主定位方法，其特征在于，所述的步骤2.3中选择出数据集2中与待匹配图像相似度最高的N幅图像具体方法包括：引入阈值T，T＝0.65，依次比较待匹配图像的特征向量与数据集2中的图像的特征向量之间的距离，若距离小于T，则认为这两个图像相似，否则，不相似。

8.如权利要求1所述的基于街景图像数据库的车辆自主定位方法，其特征在于，所述的步骤3具体包括：

3.1，提取步骤2.3中的N幅候选图像及其八邻域图像，通过检测去掉其中重复的图像，其余的图像组成搜索空间S；

3.2，再将待匹配图像与搜索空间S中每幅图像进行基于SURF特征点的图像匹配，将匹配点数最多的图像作为最佳匹配图像。

3.3，提取最佳匹配图像的拍摄位置坐标和其八个邻域位置坐标，计算各个坐标的权重，再通过公式计算出车辆位置的精确坐标。

9.如权利要求8所述的基于街景图像数据库的车辆自主定位方法，其特征在于，所述的步骤3.3具体计算过程如下：

提取最佳匹配图像的拍摄位置坐标和其8个邻域位置的坐标，(x_i,y_i)表示提取的9个点的坐标，w_j表示各个点权重，则其中，j＝1,2,L,9，N_j是待匹配图像与第j幅图像的匹配点个数；车辆精确位置坐标计算公式为：

10.如权利要求2所述基于街景图像数据库的车辆自主定位方法，其特征在于，所述的步骤1.3中，选取m＝n＝4，u＝13，则每个图像被表示为一个208维的主颜色特征向量。