[发明专利]视觉定位方法以及装置

说明书

本申请提出一种视觉定位方法，包括：获取当前图像并识别所述当前图像的基础特征和表述特征；将所述当前图像的表述特征与预先构建的环境图像的表述特征进行匹配，根据匹配程度从所述环境图像中选取匹配度最高的环境图像作为参考图像；根据所述当前图像的基础特征，生成一个合成图像，所述合成图像与参考图像具有相同的环境状态；从所述合成图像中提取一个以上的特征点，并与参考图像的特征点进行匹配，根据特征点的匹配程度判断所述当前图像的位置信息。本申请通过将当前图像转变为一个与参考图像具有相同的环境状态的合成图像，从而减少环境状态的变化的影响，再将合成图像的特征点与参考图像的特征点进行匹配，从而获得准确的当前图像定位。

技术领域

本发明涉及无人驾驶领域，尤其涉及一种视觉定位方法以及装置。

背景技术

视觉定位是机器人导航系统的重要组成部分。通常，视觉定位方法包括至少两个步骤：第一步是地点识别，也称为基于图像的定位，该步骤首先获取一个当前图像(QueryImage)，然后在预先构建的环境地图中进行查找，获取一个最相似的参考图像(ReferenceImage)，根据所述参考图像的位置来识别当前图像的位置；第二步是度量定位，用于进一步获取当前图像的准确定位。所述度量定位建立当前图像和参考图像之间的匹配关系(特征点匹配)，根据所述匹配关系并结合预先构建的环境地图，求解机器人的位姿，从而实现定位。所述视觉定位方法的关键是确定当前图像场景与预先构建的环境地图中先前访问的位置之间的匹配关系，并生成用于获取相机位姿的稳定的特征匹配。

由于计算机视觉技术中卷积神经网络(Convolutional Neural Networks，CNNs)技术的发展，对视觉位置定位的研究已经从利用手工建立的特征(hand-craftedfeatures)转变为从CNNs中提取的基于深度学习的特征。尽管使用基于深度学习的方法在视觉位置定位方面取得了重大进展，但长期视觉定位仍然是一项具有挑战性的任务。比如，由于照明和天气条件的变化，当前图像场景的具体特征和预先构建的环境地图中的图像场景的具体特征可能非常不同。所述的照明条件变化，比如环境地图中预存的图像场景是白天，但当前的图像场景是在黑夜中获取的，则当前图像与参考图像的特征点就会存在较多不同。所述的天气条件的变化，比如环境地图中预存的图像场景是夏天，但当前的图像场景是在冬季获取的，则当前图像与参考图像的特征点就会存在本质的不同。由于图像场景的大幅度变化，无论是利用手工建立的特征还是从CNNs中提取的基于深度学习的特征，都无法实现基于图像的准确定位。

为了解决上述问题，还有一种技术方案是：在预先构建的环境地图中，为所有环境条件构建多个环境地图。然而，构建多个地图非常耗时，而且构建的环境地图会占用大量内存。还有另外的一种方法，在预先构建的环境地图中增加相关的图像补丁(ImagePatches)，帮助在环境发生变化时稳定的获取图像特征点，然而，所述的图像补丁需要进行手动定义。此外，所有上述方法都将位置识别和度量定位视为两个独立的问题。

因此，我们需要一种新的视觉定位方法以及装置，以解决上述技术问题。

发明内容

本申请的目的在于提供一种新的视觉定位方法以及装置，以解决环境条件发生较大变化时，当前图像的图像特征点与预先构建的环境地图中的图像特征点差别较大，从而无法进行准确视觉定位的技术问题。

本申请提出一种视觉定位方法，包括：步骤一：获取当前图像并识别所述当前图像的基础特征和表述特征；步骤二：将所述当前图像的表述特征与预先构建的环境图像的表述特征进行匹配，根据匹配程度从所述环境图像中选取匹配度最高的环境图像作为参考图像；步骤三：根据所述当前图像的基础特征，生成一个合成图像，所述合成图像与参考图像具有相同的环境状态；步骤四：从所述合成图像中提取一个以上的特征点，并与参考图像的特征点进行匹配，根据所述特征点的匹配程度判断所述当前图像的位置信息。