[发明专利]一种基于视觉感知的车辆定位方法及电子设备

权利要求书

1.一种基于视觉感知的车辆定位方法，其特征在于，所述方法包括：

获取所述车辆的初始位姿信息；其中，所述初始位姿信息至少包括所述车辆所在位置的经度、纬度和海拔高度、以及所述车辆的航向角、俯仰角和横滚角；

根据所述初始位姿信息从预设的三维地图中确定出目标区域以及所述目标区域中的目标语义特征；其中，所述目标区域是以所述车辆所在位置为圆心且以预设长度为半径的区域；

采集所述车辆所在位置的环境图像；

对所述环境图像进行语义特征分析，获得当前语义特征；

比对所述当前语义特征与所述目标语义特征，获得比对结果；

根据所述比对结果更新所述初始位姿信息，将更新后的初始位姿信息作为所述车辆的当前位姿信息，其中，所述根据所述初始位姿信息从预设的三维地图中确定出目标区域以及所述目标区域中的目标语义特征的步骤，包括：

根据初始位姿信息从预设的三维地图中确定出目标区域，并向服务器发送三维场景重建请求，以使得服务器向电子设备返回目标区域在三维地图中对应的交通场景；其中，交通场景包括目标区域中所有的目标语义特征。

2.根据权利要求1所述的方法，其特征在于，所述的对所述环境图像进行语义特征分析，获得当前语义特征，包括：

通过卷积神经网络对所述环境图像进行特征提取，获得目标特征图；其中，所述目标特征图中包括多个特征；

从所述目标特征图中确定出候选框，并对所述候选框进行分类操作和回归操作，获得待识别图像；其中，每个所述候选框中包括的特征为同一类别特征；

通过残差网络从所述待识别图像中确定出所述当前语义特征。

3.根据权利要求2所述的方法，其特征在于，所述的通过卷积神经网络对所述环境图像进行特征提取，获得目标特征图，包括：

通过所述卷积神经网络对所述环境图像依次进行卷积操作、上采样操作以及池化操作，获得目标特征图。

4.根据权利要求2所述的方法，其特征在于，所述的比对所述当前语义特征与所述目标语义特征，获得比对结果，包括：

确定所述当前语义特征在所述环境图像中对应的当前参数和所述目标语义特征在所述三维地图中对应的目标参数；

比对所述当前参数和所述目标参数，获得所述当前语义特征与所述目标语义特征之间的重投影误差；

根据非线性优化算法优化所述重投影误差；

将优化后的重投影误差作为所述当前语义特征和所述目标语义特征的所述比对结果。

5.根据权利要求1～4任一项所述的方法，其特征在于，所述的采集所述车辆所在位置的环境图像的方式具体为：通过单目摄像头基于所述车辆的朝向拍摄实时图像，作为所述车辆所在位置的环境图像。

6.一种电子设备，其特征在于，所述电子设备包括：

获取单元，用于获取车辆的初始位姿信息；其中，所述初始位姿信息至少包括所述车辆所在位置的经度、纬度和海拔高度、以及所述车辆的航向角、俯仰角和横滚角；

确定单元，用于根据所述初始位姿信息从预设的三维地图中确定出目标区域以及所述目标区域中的目标语义特征；其中，所述目标区域是以所述车辆所在位置为圆心且以预设长度为半径的区域；

采集单元，用于采集所述车辆所在位置的环境图像；

语义特征分析单元，用于对所述环境图像进行语义特征分析，获得当前语义特征；

比对单元，用于比对所述当前语义特征与所述目标语义特征，获得比对结果；

更新单元，用于根据所述比对结果更新所述初始位姿信息，将更新后的初始位姿信息作为所述车辆的当前位姿信息，其中，所述确定单元，具体用于根据初始位姿信息从预设的三维地图中确定出目标区域，并向服务器发送三维场景重建请求，以使得服务器向电子设备返回目标区域在三维地图中对应的交通场景；其中，交通场景包括目标区域中所有的目标语义特征。