[发明专利]一种适应视觉特征变化的地点识别与相对定位方法及系统

权利要求书

1.一种适应视觉特征变化的地点识别与相对定位方法，其特征在于，所述地点识别与相对定位方法包括：

采集室外场景图像；

基于所述室外场景图像和预先构建的场景库和场景分类器得到场景识别结果；

基于所述场景识别结果和预先构建的环境概要地图得到相对定位结果。

2.如权利要求1所述的地点识别与相对定位方法，其特征在于，所述预先构建的环境概要地图、场景库、场景分类器，包括：

采集室外场景图像样本；

基于所述室外场景图像样本构建环境概要地图和场景库；

基于所述场景库训练得到的至少一种不同结构的深度卷积神经网络模型；

基于所述深度卷积神经网络模型构造场景分类器。

3.如权利要求2所述的地点识别与相对定位方法，其特征在于，所述采集室外场景图像样本，包括：

针对运行现场环境，基于作业环境采集至少一个场景图像样本；

所述作业环境包括：时段、天气情况、光照条件和季节。

4.如权利要求2所述的地点识别与相对定位方法，其特征在于，所述环境概要地图包括：米制路径信息和环境拓扑信息；

所述米制路径信息包括视觉里程计恢复出来的人的行走轨迹信息；

所述环境拓扑信息包括：拓扑节点和边；

所述拓扑节点包括：所述室外场景图像样本中的场景点、所述场景点的位置、所述场景点对应的一组场景图像和一组深度图像；

所述边包括场景点之间的距离。

5.如权利要求4所述的地点识别与相对定位方法，其特征在于，所述基于所述室外场景图像样本构建环境概要地图还包括：对所述环境拓扑信息进行存储管理；

所述对所述环境拓扑信息进行存储管理，包括：采用邻接表与容器对所述环境拓扑信息进行储存管理。

6.如权利要求5所述的地点识别与相对定位方法，其特征在于，所述采用邻接表与容器对所述环境拓扑信息进行储存管理包括：

所述邻接表中存储所述场景点的编号，并利用权重表示所述场景点到邻接场景点的距离；

所述容器中存储所述场景点的场景名称、所述场景点的位置、所述场景点对应的一组场景图像和一组深度图像。

7.如权利要求4所述的地点识别与相对定位方法，其特征在于，所述场景库包括：环境概要地图中的全部场景点对应的图像。

8.如权利要求2所述的地点识别与相对定位方法，其特征在于，所述深度卷积神经网络模型，包括：alexnet模型、vgg模型和googlenet模型。

9.如权利要求8所述的地点识别与相对定位方法，其特征在于，所述基于所述深度卷积神经网络模型构造场景分类器，包括：

所述场景分类器由至少一个场景单分类器构成；

所述每个场景单分类器对应一个深度卷积神经网络模型。

10.如权利要求2所述的地点识别与相对定位方法，其特征在于，所述预先构建的环境概要地图、场景库、场景分类器，还包括：

基于场景单分类器对所述场景库中的所有图像进行分类，并绘制准确度/相似度阈值的关系曲线，所述曲线中的最高点为所述场景单分类器的最佳判断阈值。

11.如权利要求10所述的地点识别与相对定位方法，其特征在于，所述基于所述场景图像和预先构建的场景库和场景分类器得到场景识别结果，包括：

采用集成学习法将所述场景单分类器集成，基于最佳判断阈值将所述场景图像与所述场景库中的图像进行匹配；

基于场景单分类器分别计算所述场景图像与场景库中图像的场景匹配结果和相对相似度；对所述场景匹配结果和相对相似度进行比较，得到场景识别结果；

当有至少2个场景单分类器得到的所述场景匹配结果一致时，则场景识别成功；

当场景单分类器得到的所述场景匹配结果都不一致时，若存在场景单分类器的相对相似度最大且大于预设阈值，则场景识别成功；否则场景识别失败；

当场景识别成功时，所述场景库中对应的图像为最终识别结果；

所述相对相似度包括：每个场景单分类器获得的相似度与所述最佳判断阈值的差。