[发明专利]一种单目车库语义建图尺度恢复方法

说明书

本发明涉及一种单目车库语义建图尺度恢复方法，包括：根据相机外参，对原图像进行鸟瞰图变换，得到对应的鸟瞰图；在鸟瞰图上检测库位角点；在库位角点对应的前视图上，为库位角点添加描述子；通过描述子对连续图像进行库位角点关联，并根据单目建图已有的定位信息，对关联的库位角点进行三角化处理，获得每一个库位角点的3D位置；根据轨迹与库位角点的相对位置，恢复全局尺度。与现有技术相比，本发明在使用单目视觉进行建图的基础上，能够恢复全局尺度，从而保证后续语义建图的准确性。

技术领域

本发明涉及自动驾驶技术领域，尤其是涉及一种单目车库语义建图尺度恢复 方法。

背景技术

自动驾驶的关键技术之一在于构建准确的语义地图，而自主泊车作为自动驾 驶场景中的重要一环，可以有效地缓解城市核心地区的交通拥堵状况，极大地方便 人们的生活，因而具有重要的研究意义。

目前针对自主泊车系统中导航地图构建的需求，其语义建图方案主要包含激 光、视觉、以及多传感器融合等，其中基于激光的建图路线具有精度高的优点，但 其成本高昂；而纯视觉、尤其是基于单目视觉的建图路线，尽管因为更低的成本而 备受关注，但由于单目视觉缺乏尺度信息，无法恢复全局尺度，导致最终的建图结 果并不准确。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种单目车库语 义建图尺度恢复方法，能够恢复全局尺度，从而保证后续语义建图的准确性。

本发明的目的可以通过以下技术方案来实现：一种单目车库语义建图尺度恢复方法，包括以下步骤：

S1、根据相机外参，对原图像进行鸟瞰图变换，得到对应的鸟瞰图；

S2、在鸟瞰图上检测库位角点；

S3、在库位角点对应的前视图上，为库位角点添加描述子；

通过描述子对连续图像进行库位角点关联，并根据单目建图已有的定位信息， 对关联的库位角点进行三角化处理，获得每一个库位角点的3D位置；

S4：根据轨迹与库位角点的相对位置，恢复全局尺度。

进一步地，所述步骤S1具体包括以下步骤：

S11、根据已知的相机外参，并通过假设的虚拟鸟瞰相机，结合车辆坐标系， 求解单应性变换矩阵

S12、利用单应性变换矩阵对原图像进行变换处理，得到对应的鸟瞰图。

进一步地，所述步骤S11具体包括以下步骤：

S111、假设虚拟鸟瞰相机的内参与已知的相机内参相同，且设定虚拟鸟瞰相机 的z方向与车辆坐标系的z方向平行、方向相反；虚拟鸟瞰相机的x方向与车辆坐 标系的x方向相同；虚拟鸟瞰相机的y方向车辆坐标系的y方向平行、方向相反；

S112、根据虚拟鸟瞰相机与车辆坐标系的相对位置，分别计算出虚拟鸟瞰相机 外参的旋转矩阵和平移向量

S113、根据虚拟鸟瞰相机与已知相机分别相对于车辆坐标系的位置，计算虚拟 鸟瞰相机与已知相机之间的外参

S114、确定出虚拟鸟瞰相机坐标系中的平面方程，以求解得到单应性变换矩阵

进一步地，所述单应性变换矩阵具体为：

n＝(0 0 -1)^T

d＝h