[发明专利]定位方法、装置及无人驾驶设备

权利要求书

1.一种定位方法，其特征在于，所述方法包括：

针对当前的目标视觉图像，提取视觉图像特征，所述视觉图像特征利用预先训练的第二目标神经网络提取得到；

从预先构建的特征库中查找与所述视觉图像特征匹配的目标点云图像特征；其中，所述特征库包括针对多帧激光点云数据提取的点云图像特征，所述特征库中，每帧激光点云数据对应的点云图像特征与该帧激光点云数据对应的定位数据进行关联地存储，所述点云图像特征利用预先训练的第一目标神经网络提取得到，所述第一目标神经网络和所述第二目标神经网络满足以下条件：对于任意一个定位点，利用所述第一目标神经网络，针对该定位点对应的激光点云数据提取的点云图像特征，和利用所述第二目标神经网络，针对该定位点对应的视觉图像提取的视觉图像特征，之间的差异在预设误差范围内，所述第二目标神经网络是具有处理二维图像功能的深度卷积神经网络；

确定所述目标点云图像特征关联的目标定位数据；

基于所述目标定位数据确定当前的定位信息。

2.根据权利要求1所述的方法，其特征在于，所述第一目标神经网络和所述第二目标神经网络均为深度卷积神经网络；

通过如下方式利用所述第一目标神经网络提取点云图像特征：将一帧激光点云数据输入至所述第一目标神经网络，由所述第一目标神经网络的反卷积层输出该一帧激光点云数据对应的点云图像特征；

通过如下方式利用所述第二目标神经网络提取视觉图像特征：将一帧视觉图像输入至所述第二目标神经网络，由所述第二目标神经网络的反卷积层输出该一帧视觉图像对应的视觉图像特征。

3.根据权利要求2所述的方法，其特征在于，所述第一目标神经网络和所述第二目标神经网络通过如下方式训练：

确定样本序列，所述样本序列包括多个采集时刻中的每个采集时刻对应的一帧样本激光点云数据、一帧样本视觉图像及一组语义标签；

基于所述样本序列，迭代执行对第一神经网络和第二神经网络的更新操作，直至满足停止条件，分别将迭代更新后的第一神经网络和第二神经网络作为所述第一目标神经网络和所述第二目标神经网络；所述更新操作包括：

将从所述样本序列中随机选取的任一采集时刻所对应的样本激光点云数据输入至当前的第一神经网络，得到样本点云图像特征及第一语义；所述样本点云图像特征及第一语义分别由当前的第一神经网络的反卷积层及输出层输出；

将所述样本序列中该采集时刻所对应的样本视觉图像输入至当前的第二神经网络，得到样本视觉图像特征及第二语义；所述样本视觉图像特征及第二语义分别由当前的第二神经网络的反卷积层及输出层输出；

确定所述样本序列中该采集时刻所对应的语义标签，作为当前语义标签；

根据所述样本点云图像特征、所述第一语义、所述样本视觉图像特征、所述第二语义以及所述当前语义标签，更新当前的第一神经网络和当前的第二神经网络；

其中，所述停止条件包括：所述第一语义和所述当前语义标签之间的差异函数收敛、所述第二语义和所述当前语义标签之间的差异函数收敛以及所述样本点云图像特征和所述样本视觉图像特征之间的差异函数收敛。

4.根据权利要求1-3中任一所述的方法，其特征在于，在所述针对当前的目标视觉图像，提取视觉图像特征之前，还包括：

获取当前采集的视觉图像；

将所述当前采集的视觉图像转换为满足预设拍摄条件的目标视觉图像。

5.根据权利要求4所述的方法，其特征在于，所述预设拍摄条件包括预设光照和/或预设拍摄角度。

6.根据权利要求4所述的方法，其特征在于，所述将所述当前采集的视觉图像转换为满足预设拍摄条件的目标视觉图像，包括：

将所述当前采集的视觉图像输入至预先训练的生成器，得到满足预设拍摄条件的目标视觉图像；其中，所述生成器通过生成式对抗网络训练得到。