[发明专利]一种车辆定位方法及装置

权利要求书

1.一种车辆定位方法，其特征在于，包括：

获得待检测图像；

对所述待检测图像中的车辆关键点进行识别，获得识别到的所述车辆关键点在所述待检测图像中的位置；

将所述车辆关键点在所述待检测图像中的位置投影到与预设投影矩阵对应的三维坐标系以获得所述位置在所述三维坐标系中的三维坐标，根据所述三维坐标对车辆进行定位，获得车辆定位结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述待检测图像中的车辆关键点进行识别，获得识别到的所述车辆关键点在所述待检测图像中的位置，包括：

对所述待检测图像中的车辆图像进行识别，在识别到所述待检测图像中存在所述车辆图像后，根据识别到的所述车辆图像的边界在所述待检测图像中添加车框标记，获得带有车框标记的目标图像，其中，所述车辆图像位于所述车框标记内；

对所述车框标记上的车辆关键点进行识别，获得识别到的所述车辆关键点在所述目标图像中的位置。

3.根据权利要求1所述的方法，其特征在于，所述车辆关键点包括：车辆左前轮触地点、车辆右前轮触地点、车辆左后轮触地点和车辆右后轮触地点中的至少一个。

4.根据权利要求1所述的方法，其特征在于，还包括：

根据所述车辆关键点确定车辆的朝向。

5.根据权利要求1所述的方法，其特征在于，在所述根据所述三维坐标对车辆进行定位，获得车辆定位结果之后，所述方法还包括：

将多个待检测图像对应的车辆定位结果进行聚类，获得至少一个车辆簇；

对位于同一车辆簇内的车辆定位结果进行融合处理，确定车辆融合结果。

6.根据权利要求2所述的方法，其特征在于，所述对所述待检测图像中的车辆图像进行识别，在识别到所述待检测图像中存在所述车辆图像后，根据识别到的所述车辆图像的边界在所述待检测图像中添加车框标记，获得带有车框标记的目标图像，包括：

将所述待检测图像输入至车框检测模型中，获得所述车框检测模型输出的带有车框标记的目标图像，其中，所述目标图像为所述车框检测模型在所述待检测图像中添加车框标记后获得的图像；

所述车框检测模型的训练过程包括：

获得标注有车框标记的车框训练图像；

将所述车框训练图像输入至第一预设卷积神经网络模型中，获得所述车框训练图像的全图特征图；

使用预设的目标检测算法在所述车框训练图像中确定至少一个参考图像；

确定所述至少一个参考图像与所述车框标记的目标重叠度，将所述目标重叠度大于预设阈值的参考图像作为正样本，将所述目标重叠度小于所述预设阈值的参考图像作为负样本；

在所述全图特征图中确定所述正样本的图像特征和所述负样本的图像特征；

对所述正样本的图像特征和所述负样本的图像特征进行机器学习，获得车框检测模型。

7.根据权利要求2所述的方法，其特征在于，所述对所述车框标记上的车辆关键点进行识别，获得识别到的所述车辆关键点在所述目标图像中的位置，包括：

将所述目标图像输入至车辆关键点识别模型中对车辆关键点进行识别，获得识别到的所述车辆关键点在所述目标图像中的位置；

所述关键点识别模型的训练过程包括：

获得标注有车辆关键点的关键点训练图像；

将所述关键点训练图像输入至第二预设卷积神经网络模型中，获得所述关键点训练图像的全图特征图；

根据所述关键点训练图像中标注的所述车辆关键点的坐标，生成预设热图尺寸的关键点热图；

对所述全图特征图中所述车辆关键点对应的图像特征和所述关键点热图进行机器学习，获得关键点识别模型。

8.根据权利要求7所述的方法，其特征在于，所述关键点训练图像中的所述车辆关键点上标注有车辆部位信息。

9.根据权利要求8所述的方法，其特征在于，所述车辆部位信息包括：车辆左前轮、车辆右前轮、车辆左后轮和车辆右后轮中的其中一种。

10.一种车辆定位装置，其特征在于，包括：待检测图像获得单元、车辆关键点识别单元和车辆定位单元，

所述待检测图像获得单元，用于获得待检测图像；

所述车辆关键点识别单元，用于对所述待检测图像中的车辆关键点进行识别，获得识别到的所述车辆关键点在所述待检测图像中的位置；

所述车辆定位单元，用于将所述车辆关键点在所述待检测图像中的位置投影到与预设投影矩阵对应的三维坐标系以获得所述位置在所述三维坐标系中的三维坐标，根据所述三维坐标对车辆进行定位，获得车辆定位结果。