[发明专利]一种视觉定位方法、系统及计算机可读存储介质

说明书

本申请实施例提供了一种视觉定位方法、系统及计算机可读存储介质，其中所述方法包括获取待定位图像，在预先构建的三维视觉地图数据库中检索得到至少一个图像为候选图像，所述候选图像与所述待定位图像的全局特征向量相似度大于阈值；分别计算所述待定位图像与至少一个所述候选图像各自的相对位姿信息，利用所述计算得到的相对位姿信息得到所述待定位图像相对于三维视觉地图的至少一个位姿结果；对至少一个所述位姿结果进行校验测试，输出所述校验测试中得分最高的位姿结果。本申请实施例提供的方法、系统及计算机可读存储介质能够在复杂的动态场景中、受到遮挡的场所内实现视觉精确定位。

技术领域

本申请涉及计算机视觉领域，特别是涉及一种视觉定位方法、系统及计算机可读存储介质。

背景技术

精确定位是在无人驾驶、无人机、增强现实、基于地理位置的(Location BasedServices，LBS)游戏、步行导航等应用中都需要用到的关键技术。传统的定位手段(如北斗系统，全球定位系统(Global Positioning System，GPS)，蓝牙beacon等)容易受到建筑物、行人等遮挡影响，可适用的场景以及定位精度都受限。近年来，基于相机图像的视觉定位系统由于其体积小、精度高、室内定位效果鲁棒、功耗低、信息采集丰富等特点，已广泛应用于自主导航、增强现实、辅助驾驶、无人机等领域。通用的视觉定位方案容易受到光照、动态场景变化等影响，定位的成功率和准确率都不高。

现有的视觉定位主要流程主要是采集图像数据库，提取图像特征，图像特征与数据库进行匹配，去除错误匹配的外点，解算三维的位置和姿态。随着深度学习技术的发展，结合深度学习进行视觉重定位可以提高定位的成功率，但定位精度仍然偏低。现有结合深度学习进行视觉定位的方法有的采用直接训练神经网络计算得到相机的位置和姿态，缺少几何约束，导致定位成功率低；现有的基于深度学习的视觉定位有些基于回归迭代每个像素点的三维坐标，进一步计算相机的位置和姿态，但是像素点的坐标回归误差通常较大，导致最终定位精度受限。

发明内容

本申请提供一种视觉定位方法、系统及计算机可读存储介质，融合机器学习和三维计算机视觉算法，能够在复杂的动态场景中、受到遮挡的场所内实现精确定位。

本申请提供一种视觉定位方法，其特征在于，所述方法包括：

获取待定位图像，在预先构建的三维视觉地图数据库中检索得到至少一个图像为候选图像，所述候选图像与所述待定位图像的全局特征向量相似度大于阈值；

分别计算所述待定位图像与至少一个所述候选图像各自的相对位姿信息，利用计算得到的相对位姿信息得到所述待定位图像相对于三维视觉地图的至少一个位姿结果；

对至少一个所述位姿结果进行校验测试，输出所述校验测试中得分最高的位姿结果。

优选地，利用图像采集设备采集目标区域内的场景图像，对所述场景图像进行三维重建，得到所述三维视觉地图；

建立包括所述三维视觉地图包含的每一幅所述场景图像的相关信息的三维视觉地图数据库。

优选地，所述在预先构建的三维视觉地图数据库中检索得到至少一个图像为候选图像具体包括：

利用全局特征提取网络获取所述待定位图像的全局特征向量；

在预先构建的所述三维视觉地图数据库中检索确定与所述待定位图像的全局特征向量的相似度大于阈值的至少一个图像为所述候选图像。

优选地，所述全局特征提取网络满足||d_o-d_p||＜||d_o-d_q||；