[发明专利]定位方法、装置及无人驾驶设备

说明书

本申请提供一种定位方法、装置及无人驾驶设备，所述方法的一具体实施方式包括：针对当前的目标视觉图像，提取视觉图像特征；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；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。该实施方式无需先估算位姿，再基于估算的位姿进行定位，提高了定位信息的精确度，使得无人驾驶设备对定位精度的需求得到了满足。

技术领域

本申请涉及无人驾驶技术领域，特别涉及一种定位方法、装置及无人驾驶设备。

背景技术

目前来说，在涉及无人驾驶设备的定位方面，一般是先在一些特定的区域环境内，利用视觉摄像设备采集视觉图像，并确定视觉图像对应的位姿标签，从而得到训练数据集，利用训练数据集训练得到目标模型。在对无人驾驶设备进行定位时，将无人驾驶设备当前采集到的视觉图像输入至目标模型，得到无人驾驶设备当前的位姿信息，并基于无人驾驶设备当前的位姿信息对无人驾驶设备进行定位。但是，通过上述方式进行定位，需要先估算位姿，再基于估算的位姿进行定位，因此，得到的定位信息精度较低，难以满足无人驾驶设备对定位精度的需求。

发明内容

为了解决上述技术问题之一，本申请提供一种定位方法、装置及无人驾驶设备。

根据本申请实施例的第一方面，提供一种定位方法，包括：

针对当前的目标视觉图像，提取视觉图像特征；

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；

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。

可选的，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；

其中，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。

可选的，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。

可选的，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；