[发明专利]一种定位方法

说明书

本发明公开了一种定位方法，在人工驾驶模式下通过环视鱼眼相机获取车辆行驶周边环境关键帧图像，提取每个关键帧图像的特征点，并构建特征点地图。在智能驾驶模式下，通过环视鱼眼相机实时获取当前场景的帧图像，并提取当前帧图像的特征点，并将当前帧图像特征点与特征点地图进行匹配，采用基于车体运动模型的两点法对当前帧与匹配成功的关键帧进行位姿估计，从而实时确定车辆的位置信息。相对于现有技术，本发明无需多个传感器即可实现对车辆的定位，不仅造价便宜而且易于推广。

技术领域

本发明涉及智能驾驶技术领域，特别是涉及一种定位方法。

背景技术

随着社会经济发展和科技进步，全球汽车保有量逐年攀升，个人出行便利的同时，也带了很多问题，如交通事故频发。研究表明，交通事故大多数情况下是由人为因素造成的。智能驾驶技术可以大大降低事故发生率。近年来智能驾驶技术得到了快速发展，相关技术在汽车上得到越来越广泛的应用。然而受限于目前智能驾驶技术水平，现有的智能驾驶技术还不能实现完全的无人驾驶，不能适用于所有的驾驶场景，只能在特定场景下开启智能驾驶模式。实现智能驾驶核心的技术之一就是定位技术，精准的定位才能保障智能驾驶的安全。

现有的智能驾驶定位技术通常采用GPS、激光雷达、双目相机、高精度地图、IMU、UWB等其中多个传感器融合定位。虽然融合定位技术的精度较高，但是多个传感器的造价昂贵，不利于大范围推广。

发明内容

为解决上述技术问题，本发明实施例提供了一种定位方法，技术方案如下：

一种定位方法，包括：

在智能驾驶模式下，通过四个环视鱼眼相机获取车辆行驶周边环境的当前帧图像，并提取所述当前帧图像的特征点，计算当前帧图像的词带向量和特征点描述子；

将所述当前帧图像与特征点地图中的关键帧进行匹配，利用词带向量从所述特征点地图中选取预设数量的关键帧作为备选，并计算每一所述备选关键帧的词带向量；

计算每一所述备选关键帧的词带向量与所述当前帧图像的词带向量的相似度评分，将相似度评分最高的备选关键帧作为成功匹配的关键帧；

采用基于车体运动模型的两点法对当前帧图像与成功匹配的备选关键帧进行位姿估计，并基于所述位姿估计的结果计算出所述车辆的位置，将所述车辆的位置作为初始位姿；

判断所述车辆是否匀速行驶、且所述车辆的运动方向是否未发生改变；

若是，采用运动模型，用上一帧的位姿和速度来估计当前帧的位姿，所述上一帧的位姿为所述初始位姿；

否则，采用参考关键帧模型，计算当前帧图像的特征点描述子，根据当前帧图像的特征点描述子和上一帧图像的特征点描述子确定当前帧图像和上一帧图像匹配的特征点，采用两点法计算帧间位姿估计，基于所述位姿变化和所述初始位姿估计当前帧的位姿，所述上一帧的位姿为所述初始位姿。

优选地，还包括：

在人工驾驶模式下，通过所述环视鱼眼相机获得所述车辆行驶周边环境的帧图像，每帧所述帧图像包括四张图像；

提取初始的两帧图像的特征点，并计算初始两帧图像的特征点描述子，根据特征点描述子进行匹配；

检测特征点的匹配对个数是否满足预设标准；

若是，采用基于车体运动模型的两点法计算帧间位姿；

通过初始两帧图像位姿和三维地图点，创建初始化地图，所述三维地图点为对匹配的所述特征点进行三角化得到，所述初始化地图为所述特征点地图的初始状态；

将所述初始的两帧图像设置为关键帧，并在所述初始化地图中插入所述关键帧；根据三维地图点创建对应地图点，将地图点与关键帧、地图进行数据关联。