[发明专利]基于拼接图的导航方法和装置

权利要求书

1.一种基于拼接图的导航方法，其特征在于，包括以下步骤：

根据当前位置，通过位姿变化特征提取模型从所述当前位置对应的语义地图局部区域观测中提取与位姿变化强相关的观测特征，所述局部区域观测为所述语义地图局部区域上采样得到的灰度值构成的向量；

基于所述与位姿变化强相关的观测特征对根据拼接图确定的当前位姿进行优化，得到当前优化位姿；

基于所述当前优化位姿和目标位置对当前车辆进行导航；

所述位姿变化特征提取模型通过以下方式获取：

根据历史位置对应的历史拼接图及历史语义地图，在所述历史位置对应的语义地图局部区域随机采样多个与所述历史拼接图分辨率相同的子地图；

从每个所述子地图中提取观测特征，并由每个所述子地图的观测特征形成训练样本集S:

S＝{[x₁，y₁，z₁]，[x₂，y₂，z₂]，....，[x_N，y_N，z_N]}

其中N为所述子地图的数量，(x_i,y_i)为第i个子地图中心相对于语义地图局部区域中心(x_c,y_c)的坐标，i＝1,…，N，记为第i个子地图观测特征的第j维分量；

通过分类树从所述训练样本集中提取特征，所述分类树的二分割函数为:

其中m，n为选取的观测维度，a∈(0，1)的常数，从所述分类树的根节点开始，随机选取δ＝(m，n，a，b)作为特征参数，对每个δ固定其中的m，n，a二分查找最优的b使得信息增益I(δ)最大：

其中信息熵H(S_d)定义为S_d中假设服从2维高斯分布的位置信息(x_i,y_i)的信息熵：

H(S_d)＝0.5*log(2πe)²|Cov(S_d)|；

对当前节点选取信息增益最大的特征参数I(δ)，将所述训练样本集S中的样本数据相应地分入左右节点，再对左右子节点以同样的方式选取特征，直至达到终止条件，所述终止条件为|S_d|＞min_node_samples，min_node_samples为最小节点样本数；

根据所构造的分类树中的所有二分割函数得到位姿变化特征提取模型。

2.根据权利要求1所述的导航方法，其特征在于，所述基于所述与位姿变化强相关的观测特征对根据拼接图确定的当前位姿进行优化包括：

设所述与位姿变化强相关的观测特征为F，当前的语义误差e为：

其中，W为观测特征F的维数，F_i为观测特征F的第i个特征分量，z_map为语义地图，z_stitch为拼接语义图，为从语义地图中提取F_i的函数，为从拼接语义图中提取F_i的函数；

根据所述语义误差e对当前位姿进行优化。

3.根据权利要求1所述的导航方法，其特征在于，所述观测特征F通过以下方式获得：

将所述位姿变化特征提取模型的所有二分割函数对应的观测特征合并，得到观测特征F＝{δ₁，δ₂....δ_W}，W为最终选取的观测特征的维度。

4.根据权利要求3所述的导航方法，其特征在于，所述语义地图局部区域的半径为30～60像素。