[发明专利]一种定位方法、装置、电子设备及计算机可读存储介质

说明书

本申请披露了一种定位方法，包括：基于低级视觉特征和高级视觉特征，确定融合地图；提取输入图像的低级视觉特征，并基于低级视觉特征和融合地图进行定位优化，确定内点数量和内点高深度比；基于内点数量和内点高深度比，确定定位策略；基于确定的定位策略，确定车辆定位；所述内点高深度比为内点中深度大于深度阈值的个数占内点总数的比值。

技术领域

本申请涉及无人驾驶领域，具体涉及一种定位方法、装置、电子设备及存储介质。

背景技术

基于视觉的定位技术是智能驾驶系统的重要组成部分之一，有着广泛的应用场景。目前主流的视觉定位算法包括特征点法、直接法、光流法等，这些方法主要都是基于低级的视觉特征，如特征点甚至像素级的信息。低级视觉特征具有数量丰富的优势，可以提供较高精度的定位结果，然而，其对环境的改变如光照强度的变化等比较敏感，同时其对人类的可解释性较差，除此之外，低级视觉特征地图由于特征点丰富，因此地图储存量通常较大。

基于此，行业也越来越多地开始探索高级视觉特征在定位技术上的应用。高级语义具有较强的可解释性，同时对环境变化的敏感度较低，但同时高级语义具有稀疏性，其能提供的定位约束不及低级特征。

发明内容

针对现有技术中的定位精度低、失败率高的问题，本申请实施例提出了一种定位方法、装置、电子设备及计算机可读存储介质。

本申请实施例的第一方面提供了一种定位方法，包括：基于低级视觉特征和高级视觉特征，确定融合地图；提取输入图像的低级视觉特征，并基于低级视觉特征和融合地图进行定位优化，确定内点数量和内点高深度比；基于内点数量和内点高深度比，确定定位策略；基于确定的定位策略，确定车辆定位；所述内点高深度比为内点中深度大于深度阈值的个数占内点总数的比值。

在一些实施例中，所述基于低级视觉特征和高级视觉特征，确定融合地图，包括：基于低级视觉特征构建低级视觉特征地图，并基于高级视觉特征构建高级视觉特征地图；将低级视觉特征构建的地图和高级视觉特征构建的地图统一到同一坐标系下直接叠加，确定融合地图。

在一些实施例中，所述确定融合地图，还包括：删减冗余的低级特征，所述冗余的低级特征为，高级特征附近预设区域内的低级特征。

在一些实施例中，所述基于内点数量和内点高深度比，确定定位策略，包括：当内点个数大于th_{i_high}且内点高深度比小于th_{d_low}时，采用低级视觉特征定位策略；当内点个数小于th_{i_low}且内点高深度比大于th_{d_high}时，采用高级视觉特征定位策略；当内点个数和内点高深度比不满足上述两种情形时，采用融合定位策略；其中，th_{i_high}与th_{i_low}是内点数量的阈值且th_{i_high}大于th_{i_low}，th_{d_low}与th_{d_high}是内点高深度比的阈值且th_{d_low}小于th_{d_high}。

在一些实施例中，所述基于确定的定位策略，确定车辆定位，包括：当采用低级视觉特征定位策略时，将低级视觉特征优化定位的结果作为车辆定位。

在一些实施例中，所述基于确定的定位策略，确定车辆定位，包括：当采用高级视觉特征定位策略时，提取输入图像中的高级视觉特征；基于高级视觉特征和融合地图进行定位优化，确定车辆定位。

在一些实施例中，所述基于确定的定位策略，确定车辆定位，包括：当采用融合定位策略时，提取输入图像中的高级视觉特征；基于低级视觉特征、高级视觉特征和融合地图进行联合优化，确定车辆定位。