[发明专利]定位方法、计算机程序产品、装置及系统

说明书

本公开公开了定位方法、计算机程序产品、装置及系统。所述定位方法包括：基于定位请求携带的待定位图像，从标准图像数据库中，确定与待定位图像的相似度满足设定条件的标准图像，作为参考图像；将参考图像和待定位图像输入预先训练的包含卷积神经网络和回归网络的深度神经网络模型，其中，卷积神经网络输出的特征图经过相关性层，得到参考图像和待定位图像的特征相似度数据，将特征相似度数据输入到回归网络得到参考图像与待定位图像间的相对位姿；根据相对位姿和参考图像的绝对位姿，确定待定位图像的绝对位姿。能够用较低的成本实现精度较高的定位。

技术领域

本公开涉及定位技术领域，特别涉及定位方法、计算机程序产品、装置及系统。

背景技术

目前，基于GPS的定位可以提供十米左右定位精度的定位结果，但是在需要更精准定位结果的场景中，例如车道级定位，十米的定位精度已无法满足需求。为提高定位精度，现有技术提出了基于GPS、IMU和激光雷达等传感器的融合定位方式，该方式虽然通过不同传感器的优势互补实现了较高精度(厘米级或者分米级)的定位，但在实际应用中，发明人发现：一方面不是所有设备都搭载了这些传感器，另一方面有些传感器的成本较高，为提高定位精度增加成本较高的传感器会出现设备成本整体上升的问题。因此，提供精度较高且成本合理的定位技术是本领域技术人员需要解决的问题。

发明内容

鉴于上述问题，提出了本公开以便提供一种克服上述问题或者至少部分地解决上述问题的定位方法、计算机程序产品、装置及系统。

第一方面，本公开实施例提供一种定位方法，包括：

基于定位请求携带的待定位图像，从标准图像数据库中，确定与待定位图像的相似度满足设定条件的标准图像，作为参考图像；

将所述参考图像和待定位图像输入预先训练的包含卷积神经网络和回归网络的深度神经网络模型，其中，卷积神经网络输出的特征图经过相关性层，得到所述参考图像和待定位图像的特征相似度数据，将所述特征相似度数据输入到回归网络得到参考图像与待定位图像间的相对位姿；

根据所述相对位姿和参考图像的绝对位姿，确定待定位图像的绝对位姿。

第二方面，本公开实施例提供一种机器学习模型的训练方法，包括：

获取训练样本集，所述样本集中的每个样本包括两帧图像及其相对位姿；

用所述训练样本集中的样本对包含卷积神经网络和回归网络的深度神经网络模型进行训练，其中，卷积神经网络输出的特征图经过相关性层，得到两帧图像的特征相似度数据，将所述特征相似度数据输入到回归网络进行相对位姿的参数估计。

第三方面，本公开实施例提供一种定位装置，包括：

参考图像确定模块，用于基于定位请求携带的待定位图像，从标准图像数据库中，确定与待定位图像的相似度满足设定条件的标准图像，作为参考图像；

相对位姿确定模块，用于将所述参考图像确定模块确定的参考图像和待定位图像输入预先训练的包含卷积神经网络和回归网络的深度神经网络模型，其中，卷积神经网络输出的特征图经过相关性层，得到所述参考图像和待定位图像的特征相似度数据，将所述特征相似度数据输入到回归网络得到参考图像与待定位图像间的相对位姿；

绝对位姿确定模块，用于根据所述相对位姿确定模块确定的相对位姿和参考图像的绝对位姿，确定待定位图像的绝对位姿。

第四方面，本公开实施例提供一种机器学习模型的训练装置，包括：

获取模块，用于获取训练样本集，所述样本集中的每个样本包括两帧图像及其相对位姿；