[发明专利]一种基于环视图像与轮速计融合的定位方法及车载终端

说明书

一种基于环视图像与轮速计融合的定位方法及车载终端，所述定位方法包括：拼接多个图像采集装置在同一时刻拍摄到的多张目标图像，以得到俯视拼接图；识别俯视拼接图中的图像语义特征；基于所述图像语义特征和轮速计进行定位。该方法采用环视拼接图的直接法并融合轮速计，在保证算法鲁棒性的同时能够有效提升定位精度。

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种基于环视图像与轮速计融合的定位方法及车载终端。

背景技术

目前基于环视图像的车辆定位技术因其定位精度高、成本低廉等优点，具有很大的应用前景。基于环视图像的定位技术主要分为两类：1)基于特征点匹配的方法；2)基于环视拼接图的直接法。方法1)的优点是定位精度高，主要的问题在于特征点的提取及特征点的匹配非常依赖应用场景，算法鲁棒性差；方法2)的优点是对场景更鲁棒，缺点是常常会得到局部最优的结果导致定位精度较低。

发明内容

本发明提出一种基于环视图像与轮速计融合的方案，能够实时构建地图并进行定位。该方案采用环视拼接图的直接法并融合轮速计，在保证算法鲁棒性的同时能够有效提升定位精度。

本发明的一个方面是提供一种基于环视图像与轮速计融合的定位方法，其特征在于，所述方法包括步骤：

101、拼接多个图像采集装置在同一时刻拍摄到的多张目标图像，以得到俯视拼接图；

102、识别所述俯视拼接图中的图像语义特征；

103、基于所述图像语义特征和轮速计进行定位；

所述步骤102包括，通过深度学习的神经网络模型识别所述图像语义特征，并且预先对所述神经网络模型进行训练。

所述训练采用交叉熵来衡量网络的预测值与实际值的差异，所述交叉熵的公式如下：

其中y为图像元素的标记值，1表示语义元素，0表示非语义元素；n为图像的像素总数，x为输入，a为神经元的输出。

优选的，在所述步骤102中，所述图像语义特征可以为车道线、停车库位线、库位点、斑马线、车道箭头的一种或多种。

本发明的第二方面，是提供一种基于环视图像与轮速计融合的定位方法，其特征在于，所述方法包括步骤：

101、拼接多个图像采集装置在同一时刻拍摄到的多张目标图像，以得到俯视拼接图；

102、识别所述俯视拼接图中的图像语义特征；

103、基于所述图像语义特征和轮速计进行定位。，其特征在于，

在所述步骤103中，所述定位的估计方法由以下公式定义：

p_i+1,λ_i＝argmin(||p_i*Aⁱ-p_i+1*Aⁱ⁺¹||²+||p_i+λ_iΔp_i-p_i+1||²)；

其中，P_i和P_i+1分别为i和i+1时刻的车辆位姿；λ_i为轮速计与图像之间的尺度比例系数；Aⁱ和Aⁱ⁺¹分别为i和i+1时刻图像上的语义特征；ΔP_i为从i到i+1时刻轮速计位姿增量；arg min(f(x))表示在f(x)取最小值时，自变量x的集合。

本发明的第三方面，是提供一种车载终端，其特征在于，包括：