[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，其特征在于，所述方法包括：获取图像信息；基于所述图像信息检测路标矢量信息；基于矢量语义地图确定局部矢量语义地图，其中所述矢量语义地图为包括路标语义特征的矢量地图；基于所述路标矢量信息和局部矢量语义地图进行匹配；基于匹配结果确定定位结果。

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

车辆的精确定位是智能驾驶领域需要解决的一个关键问题，目前应用于智能驾驶的定位技术主要有GPS定位方法，基于基站等外部设施的定位方法，基于车载传感器例如摄像头，激光雷达，惯性测量仪等的定位方法。其中，GPS定位方法应用较为普遍，但是在具有高大遮挡物的场景以及地库场景GPS容易失效，而基于基站的定位方法则依赖于外部设施的建立，具有一定局限性，同时应用成本较高，因此，基于车载传感器的定位技术是目前智能驾驶领域的主要研究热点。同时，在众多车辆传感器中，激光雷达具有较高的精度，但同样具有成本高的缺点，惯性测量仪在大范围定位区域的场景下容易飘移，而基于摄像头的视觉定位技术成本低，同时精度也有一定保证，因此有着广泛的发展前景。

目前基于视觉的定位技术应用中，以直接法，特征点法，光流法为主，这些方法在保证精度的同时也具有一定的鲁棒性，然而，在如光照变化较大或者较为空旷不易提取特征点的场景下，这些方法同样容易失效。

发明内容

针对现有技术中的定位成本高、光照变化大等场景下不易提取特征点等问题，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：获取图像信息；基于所述图像信息检测路标矢量信息，所述路标矢量信息为表征路标的矢量信息；基于矢量语义地图确定局部矢量语义地图，其中所述矢量语义地图为包括路标语义特征的矢量地图；基于所述路标矢量信息和局部矢量语义地图进行匹配；基于匹配上的局部语义地图中的路标，确定定位结果。

在一些实施例中，所述获取图像信息包括对图像信息进行预处理，所述预处理包括灰度图变换，去畸变。

在一些实施例中，所述基于所述图像信息检测路标矢量信息包括：基于语义分割算法获取路标的所有像素点；基于形状拟合算法对像素点进行拟合，获取路标矢量信息。

在一些实施例中，所述基于所述图像信息检测路标矢量信息包括：基于深度学习检测算法获取路标矢量信息。

在一些实施例中，所述矢量语义地图的构建过程包括：基于感知点云数据和定位数据建立全局点云地图；基于所述全局点云地图提取点云语义信息，获取点云语义地图；基于点云语义地图筛选路标点云；将筛选出的每个路标点云群进行形状拟合，确定每个路标的形状特征矢量；基于路标的形状特征矢量建立矢量语义地图。

在一些实施例中，所述基于全局点云地图提取点云语义信息，获取点云语义地图，包括：采用以下任一方法获取语义信息：人工标注；聚类；基于深度学习算法的语义分割。其中，所述点云语义地图中每个点云都至少存在一个语义标签。

在一些实施例中，所述路标包括路面路标和非路面空间路标。

在一些实施例中，所述基于所述路标矢量信息和局部矢量语义地图进行匹配包括：当路标矢量信息对应为路面路标时，将所述路标矢量信息俯视变换至道路平面进行匹配；当路标矢量信息对应为非路面空间路标时，将局部语义地图中的非路面空间路标透视变换至图像平面进行匹配。

在一些实施例中，所述方法进一步包括：路标匹配满足以下条件：所述路标矢量信息与所述矢量语义地图中的路标具备相同的语义标签；所述路标矢量信息与所述矢量语义地图中的路标之间的度量距离小于预设阈值；所述路标矢量信息与所述矢量语义地图中的路标之间的度量距离在候选路标中最小。