机动车实时定位方法、装置及计算机可读存储介质与流程

本发明实施例涉及机动车辅助驾驶，尤其涉及一种机动车实时定位方法、装置及计算机可读存储介质。

背景技术：

1、目前，为准确辅助驾驶员在相应区域内驾驶机动车，机动车通常配置有用于实时精确定位机动车的位置的定位系统。

2、现有的一种机动车实时定位方法主要有两种：基于拓扑地图的自主定位导航和基于特征描述子的抽象特征描述地图定位导航；然而，基于拓扑地图的自主定位导航缺少显著的路标信息，基于拓扑地图的定位导航的定位精确度相对较差，在应用于机动车行驶的动态场景中，容易造成定位失败；而基于特征描述子的抽象特征描述地图定位导航对环境变化是十分敏感，另外，局部描述子丢失了图像的全局描述信息，导致其在可视化语义场景识别中的定位精度也相对较差。

技术实现思路

1、本发明实施例要解决的技术问题在于，提供一种机动车实时定位方法，能有效提高机动车定位精度和效率。

2、本发明实施例进一步要解决的技术问题在于，提供一种机动车实时定位装置，能有效提高机动车定位精度和效率。

3、本发明实施例进一步要解决的技术问题在于，提供一种计算机可读存储介质，以存储能有效提高机动车定位精度和效率的计算机程序。

4、为了解决上述技术问题，本发明实施例提供以下技术方案：一种机动车实时定位方法，包括以下步骤：

5、从车载摄像头实时采集到的机动车周围环境的视频影像中提取出当前图像帧，并对所述当前图像帧进行处理而获得俯视图像和前视图像；

6、从所述俯视图像中检测出机动车周围的障碍物，结合所述障碍物分析处理所述俯视图像获得俯视实际全局描述符，从所述前视图像中检测出直线目标并将分布在消失线以上的直线目标确定为保留直线目标，结合所述保留直线目标分析处理所述前视图像获得前视实际全局描述符；

7、计算预存的静态地图中各个场景地点的俯视参照全局描述符与所述俯视实际全局描述符的第一相似度以及各个所述场景地点的前视参照全局描述符与所述前视实际全局描述符的第二相似度，将所述第一相似度和所述第二相似度分别降序排列，选取第一相似度排位靠前第一预定比例的各个所述场景地点以及第二相似度排位靠前第二预定比例的各个所述场景地点作为候选地点；以及

8、计算出每个所述候选地点的融合相似度，将所述融合相似度最高的所述候选地点确定为机动车当前所在的目标场景地点。

9、进一步的，所述计算出每个所述候选地点的融合相似度具体包括：

10、计算获得第一相似度排位靠前第一预定比例的各个所述场景地点的前视参照全局描述符与所述前视实际全局描述符的第二相似度、第二相似度排位靠前第二预定比例的各个所述场景地点的俯视参照全局描述符与所述俯视实际全局描述符的第一相似度、每个所述候选地点的参照俯视场景图像中对应所述障碍物的像素区域占所述俯视图像的第一像素比例、以及每个所述候选地点的参照前视场景图像中对应所述保留直线目标的直线像素占所述前视图像的第二像素比例；以及

11、依据以下公式计算出每个所述候选地点的融合相似度mfusion：

12、

13、其中，mbev为所述第一相似度，mhev为所述第二相似度，rbev为所述第一像素比例，rhev为所述第二像素比例。

14、进一步的，所述从所述俯视图像中检测出机动车周围的障碍物，结合所述障碍物分析处理所述俯视图像获得俯视实际全局描述符具体包括：

15、基于预定障碍物和地面检测算法模型从所述俯视图像中检测出机动车周围的障碍物；

16、采用预定边缘检测算法模型对所述俯视图像进行锐化处理获得第一锐化图像；

17、基于所述俯视图像中的障碍物对所述第一锐化图像依次进行平滑模糊处理和局部阈值分割以获得第一待识别图像；以及

18、基于orb特征算法模型计算所述第一待识别图像的俯视实际全局描述符。

19、进一步的，所述从所述前视图像中检测出直线目标并将分布在消失线以上的直线目标确定为保留直线目标，结合所述保留直线目标分析处理所述前视图像获得前视实际全局描述符具体包括：

20、结合预定直线检测算法模型从所述前视图像中检测出直线目标；

21、采用预定边缘检测算法模型对所述前视图像进行锐化处理获得第二锐化图像，从所述第二锐化图像中筛选出分布在消失线以上的直线目标作为所述保留直线目标，而将所述前视图像中分布在消失线以下的直线目标经过平滑模糊处理以获得第二待识别图像；以及

22、基于orb特征算法模型计算所述第二待识别图像的前视实际全局描述符。

23、进一步的，所述方法还包括：

24、从预存的动态地图中提取出与所述目标场景地点对应的目标动态数据帧以及所述目标动态数据帧前后各预定数量的动态数据帧并组合形成候选动态数据帧队列，所述动态地图是由机动车预先行驶经过相应场景地点时结合机动车的三维点云数据构建获得的动态数据帧队列，所述动态地图与所述静态地图同步构建而配准对齐，从所述静态地图中提取与所述候选动态数据帧队列对应的静态数据队列作为候选静态数据帧队列；

25、获取车载雷达实时探测机动车周围环境而获得的机动车的实时三维点云数据；

26、计算所述实时三维点云数据相比于所述候选动态数据帧队列的参照三维点云数据的实际变化量，并在所述实际变化量超过预设阈值时，采用所述实时三维点云数据建立实时局部动态地图，采用所述第一待识别图像和所述第二待识别图像两者中的图像信息建立实时局部静态地图，采用所述实时局部动态地图中相对所述候选动态数据帧队列中新增的数据对所述候选动态数据帧队列进行更新，采用所述实时局部静态地图中相对所述候选静态数据帧队列中新增的数据对所述候选静态数据帧队列的候选静态数据帧队列进行更新；

27、基于预定局部特征描述子算法模型将更新后的所述候选静态数据帧队列和所述实时局部静态地图进行帧间数据关联并计算所述帧间数据关联的重投影误差；以及

28、构建所述车载摄像头的实时运动矢量与所述重投影误差关联的误差损失函数，求解所述误差损失函数的最小值以计算获得机动车在所述实时局部静态地图中的目标位姿。

29、进一步的，所述机动车周围环境的三维点云数据是指反映三维点云空间占据状态的状态数据或者反映点云目标高度的高度数据。

30、进一步的，所述预定局部特征描述子算法模型为orb局部特征描述子算法模型、sift局部特征描述子算法模型或surf局部特征描述子算法模型。

31、进一步的，所述静态地图的静态数据帧队列是以基于数据结构的方法预存。

32、另一方面，为了解决上述进一步的技术问题，本发明实施例再提供以下技术方案：一种机动车实时定位装置，与车载摄像头相连，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述的机动车实时定位方法。

33、再一方面，为了解决上述进一步的技术问题，本发明实施例提供以下技术方案：一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的机动车实时定位方法。

34、采用上述技术方案后，本发明实施例至少具有如下有益效果：本发明实施例通过从车载摄像头提供的视频影像中提取当前图像帧，并处理当前图像帧获得俯视图像和前视图像，即可基于所述俯视图像和前视图像分别计算出俯视实际全局描述符和前视实际全局描述符，进而，通过计算预存的静态地图中各个场景地点的俯视参照全局描述符与所述俯视实际全局描述符的第一相似度以及各个所述场景地点的前视参照全局描述符与所述前视实际全局描述符的第二相似度，从而可筛选出所述第一相似度或者所述第二相似度较高的若干个场景地点作为候选地点，并进一步计算获得每个所述候选地点的融合相似度，将所述融合相似度最高的一个候选地点确定为机动车当前所在的目标场景地点，可以有效提高定位的精确度。