[发明专利]由摄像机图像车辆定位的方法和系统

说明书

提供用于确定车辆位置的方法，该方法包括利用基于车辆的摄像机获得2D图像，该图像示出车辆周围环境；分类图像中的像素使得每个分类的像素属于预定分类组的一个类别，藉此形成分类的2D图像。通过学习算法执行分类。该方法还包括确定初始估算车辆位置和基于初始位置限定可能车辆位置。接着，该方法包括通过比较3D地图中用于可能车辆位置的几何目标的分类与分类2D图像中相应至少一个像素的分类，匹配分类的2D图像与包括多个几何目标的三维地图，每个几何目标属于所述预定分类组中的一个分类；基于2D图像的匹配像素确定用于至少一个可能车辆位置的匹配得分；并且基于可能车辆位置的得分确定车辆位置。

技术领域

本发明涉及用于基于语义分割的摄像机图像确定车辆位置的方法和系统。

背景技术

随着驾驶员辅助系统和完全或部分自我驾驶小汽车的引入，准确地确定车辆位置变得越来越重要。

例如提出利用多个冗余技术解决自我驾驶车辆的定位，其中局部感应(例如雷达(radar)、激光探测与测量系统(lidar)和摄像机)与可辨识界标地图组合是一个主要组成部分。

但是，当利用摄像机图像执行定位时的一个问题是形成了对于在车辆周围环境中发生视觉改变时不变的地图。在白天、变化的天气、季节的变化等等期间的光线的改变可导致同样情景下外观的重大变化，使得很难从保持恒定的图像中提取特征。

当前的方案能够提取图像特征(例如SIFT、SURF、ORB)、基于图像特征建造地图和之后很快在该地图内定位车辆。为了具有始终起作用的地图，已经做了一些试验从而当图像特征随时间推移改变外观时连续地添加图像特征并因而保持地图更新。但是由于日益增多的地图，该方法存在如下缺陷：必须相对较快地访问每个区域以便不会出现过多的最后的特征组改变而导致不能定位的问题。

另一个方法包括利用路标的三角测量法以相同的精度对所不处于的位置进行位置识别，但是其目的是大概了解在哪拍摄图像的。该方法已经证明对于暂时的改变更具鲁棒性，但是对用于自我驾驶小汽车来说精确度太低。

因此，关于利用摄像机图像定位车辆仍有改进的余地。

发明内容

鉴于上述以及现有技术的其它缺陷，本发明的一个目的是提供一种在车辆中用于确定车辆位置的改进方法和系统。

根据本发明的第一方面，提供了一种用于确定车辆位置的方法，所述方法包括利用基于车辆的摄像机捕获二维图像——2D图像，所述图像示出车辆周围环境的一部分；分类图像中的多个像素使得每个分类的像素属于预定分类组的一个分类，藉此形成分类的二维图像，其中通过学习算法执行分类。所述方法还包括确定初始估算车辆位置和基于初始估算车辆位置限定多个可能车辆位置。接着，所述方法通过比较3D地图中用于可能车辆位置的几何目标的分类与分类二维图像中相应至少一个像素的分类，匹配分类的二维图像与包括多个几何目标的三维地图——3D地图，每个几何目标属于预定分类组中的一个分类；基于二维图像的多个匹配像素确定用于至少一个可能车辆位置的匹配得分；并且基于至少一个可能车辆位置的得分确定车辆位置。

在当前描述中，假定在利用所述方法之前形成3D地图，并且3D地图因而被存储在车辆中或是车辆可得到的。此外，用于分类二维图像中像素的预定分类组基于3D地图中现有的预定分类。

所述方法的主要原理是对于给定的捕获二维图像，所述图像匹配用于可能车辆位置的3D地图。每个可能车辆位置对应于3D地图中的观察点。因此，捕获的二维图像匹配3D地图中对应于可能车辆位置的不同“观察点”。藉此，在简化的描述中，对于最接近实际位置的可能车辆位置，能够假定二维图像的分类像素具有与3D地图的分类几何目标最好的对应，从而确定车辆的正确位置。