[发明专利]一种基于顶视图语义对象的建图方法

说明书

本发明公开了一种基于顶视图语义对象的建图方法，包括基于检测的增强特征车位信息、进行初始化建图的步骤；基于KM算法匹配结果，进行增量建图的步骤；基于关键帧观测信息，进行地图优化的步骤；本发明通过在建图过程中使用KM算法完成当前帧的特征和地图的实例的匹配、提出一种关键帧的确认、剔除策略、使用实例车位之间的位置约束、根据多次的观测情况来调整实例车位之间的相对关系、将尺度因素加入到优化函数中，提高了建图的精度、加快了计算速度。本发明解决了现有技术基于环视视觉的建图过程中难以解决的图像矫正难、匹配算法难、关键帧处理难、地图优化难的问题。

技术领域

本发明涉及自动驾驶领域中的自主泊车技术及计算机视觉技术领域，具体涉及一种基于顶视图语义对象的建图方法。

背景技术

在自动驾驶的自主泊车技术应用领域中，需要使用多种传感器来完成周围环境的建图及定位的功能。目前以slam算法为基础的地图构建与自定位技术，按传感器不同可以分为激光slam、双目slam、单目slam，这三种地图构建与自定位技术各有不足：其中，激光slam受到设备成本所限，难以部署到量产车型中；双目slam的计算复杂度较高，难以实时处理；单目slam受到尺度漂移问题的影响，难以获得绝对尺度。

为了克服以上缺陷和不足，目前推出了以slam算法为基础的环视视觉融合IMU(惯性测量单元)、轮速计的方案，该方案由于采用不同的畸变图片的处理方法、不同的匹配算法、不同的关键帧处理策略、添加不同的优化因素以及不同的语义对象约束，都会影响建图和定位过程中的精度。如何选取和设计更加合理的图像矫正方法、匹配算法、关键帧处理策略、语义对象约束和地图优化成为至关重要的问题。

以slam算法为基础的环视视觉融合IMU(惯性测量单元)、轮速计的方案，其实现的难点在于：基于环视视觉的方法的建图和激光建图相比，前者受环境影响很大、即便是采取了很多补救措施，也还是难以达到激光建图的效果。激光建图数据处理量较大，进行点云匹配需要计算平台有较高的算力，但是建图精度较高。环视视觉方案中因为图像畸变、图像模糊不清时，匹配难度较大，并且受图像质量影响，建图精度较难提升。因此，基于环视视觉的建图相比激光建图难度和复杂度要大很多。具体如下：

第一个难点：图像矫正的难点：建图车辆在进入地下停车场建图过程中，由于必经停车场的上、下坡颠簸地带，在上、下坡和停车位的交接处，由于鱼眼相机摄像头的位置会随着车辆的颠簸而上下移动，导致采用鱼眼相机拍摄的顶视图会发生拼接错误，进一步导致基于顶视图的停车场上下坡及颠簸处附近的停车位建图错误。现有技术专利号为CN111862673A的《基于顶视图的停车场车辆自定位及地图构建方法》采用了建图过程中实时矫正的方法：该方法通过计算单应矩阵得到当前帧与上一帧相对位姿变化，充分考虑了车辆发生颠簸或者上下坡的情况而采取了实时矫正。但是对图像进行矫正过程较为复杂，需要实时计算单应矩阵及鱼眼相机的拼接矩阵，导致车辆发生颠簸时运算量远高于平坦路面；

第二个难点：匹配算法的难点：任何一种单一的匹配算法都很难不发生匹配错误。当新建地图车位时，要用当前顶视图中的看到的车位和地图中的已经建立的车位进行匹配，没有匹配上则作为新的车位建立到地图中，这种单一条件的匹配很难做到精确匹配，例如，现有技术对于没有匹配上的车位，进一步计算该车位两个角点的中点之间的距离，若两个角点的中点之间的距离满足要求就认为是新的车位，但是，如果在识别过程中将两个角点的位置识别错位，虽然它们之间的距离满足要求，但是1个角点落在已有车位的2个角点中间上，另一个角点落在新车位的2个角点中间，虽然新建了车位，但是两个车位不是相邻而是重叠。如果增加识别条件，以当前车位的2个角点+车位号进行匹配，仍然有识别错误的风险，例如，车位号“1”和“7”在识别时容易识别为同一种，在建立“7”号地图车位时，如果该车位的2个角点的位置识别无误，但是车位号识别为“1”，仍然不能判定当前车位是“7”号车位。