[发明专利]一种基于环视图像与轮速计融合的定位方法及车载终端

权利要求书

1.一种基于环视图像与轮速计融合的定位方法，其特征在于，所述方法包括步骤：

101、拼接多个图像采集装置在同一时刻拍摄到的多张目标图像，以得到俯视拼接图；

102、识别所述俯视拼接图中的图像语义特征，所述图像语义特征为车道线、停车库位线、库位点、斑马线、车道箭头的一种或多种；

103、基于所述图像语义特征和轮速计进行定位；所述定位的估计方法由以下公式定义：

p_i+1,λ_i＝arg min(||p_i*Aⁱ-p_i+1*Aⁱ⁺¹||²+||p_i+λ_iΔp_i-p_i+1||²)；

其中，P_i和P_i+1分别为i和i+1时刻的车辆位姿；λ_i为轮速计与图像之间的尺度比例系数；Aⁱ和Aⁱ⁺¹分别为i和i+1时刻图像上的语义特征；ΔP_i为从i到i+1时刻轮速计位姿增量

所述步骤102包括，通过深度学习的神经网络模型识别所述图像语义特征，并且预先对所述神经网络模型进行训练；所述训练采用交叉熵来衡量网络的预测值与实际值的差异，所述交叉熵的公式如下：

其中y为图像元素的标记值；n为图像的像素总数，x为输入，a为神经元的输出。

2.一种基于环视图像与轮速计融合的定位方法，其特征在于，所述方法包括步骤：

101、拼接多个图像采集装置在同一时刻拍摄到的多张目标图像，以得到俯视拼接图；

102、识别所述俯视拼接图中的图像语义特征，所述图像语义特征为车道线、停车库位线、库位点、斑马线、车道箭头的一种或多种；通过深度学习的神经网络模型识别所述图像语义特征，并且预先对所述神经网络模型进行训练；所述训练采用交叉熵来衡量网络的预测值与实际值的差异，所述交叉熵的公式如下：

其中y为图像元素的标记值；n为图像的像素总数，x为输入，a为神经元的输出

103、基于所述图像语义特征和轮速计进行定位；

在所述步骤103中，所述定位的估计方法由以下公式定义：

p_i+1,λ_i＝arg min(||p_i*Aⁱ-p_i+1*Aⁱ⁺¹||2+||p_i+λ_iΔp_i-p_i+1||²)；

其中，P_i和P_i+1分别为i和i+1时刻的车辆位姿；λ_i为轮速计与图像之间的尺度比例系数；Aⁱ和Aⁱ⁺¹分别为i和i+1时刻图像上的语义特征；ΔP_i为从i到i+1时刻轮速计位姿增量。