[发明专利]一种重定位方法及电子设备

说明书

本发明公开了一种重定位方法及电子设备，其中，重定位方法包括针对在局部语义地图中观测到的第一物体，关联第一物体和第一全局物体，得到第一关联对，第一全局物体为全局语义地图中与第一物体具有相同语义信息的物体；针对在局部语义地图中观测到的第二物体，关联第二物体和第二全局物体，得到第二关联对，第二全局物体为全局语义地图中与第二物体具有相同语义信息的物体；若第一物体与第二物体之间的欧式距离，与第一全局物体与第二全局物体之间的欧式距离相匹配，合并第一关联对和第二关联对，并基于合并的关联对，对视觉设备进行重定位。重定位的准确度高。

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种重定位方法及电子设备。

背景技术

在自动驾驶技术的SLAM（simultaneous localization and mapping，即时定位与地图构建）功能模块中，重定位是核心功能之一，被广泛用于解决全局任意起始点初始化、轨迹追踪丢失后重新寻迹等关键问题。现有基于视觉的重定位功能实现可分为基于稀疏特征点的重定位方法和基于语义重定位的方法。其中，基于语义重定位的方法由于利用了高阶语义信息，特征稳定性更强。这个方向目前主要分为两个大类，一类是使用神经网络强大的学习功能，根据观测的语义信息提取特征对，然后利用特征匹配找到对应的场景，最后再计算相机的位姿。另一类是基于传统计算机视觉技术的算法，其主要思路就是将语义定位问题抽象为图匹配问题，然后用图匹配算法进行求解。这类方法计算量小，使用性高，可迁移性强。但重定位的准确度还有待提升。

发明内容

有鉴于此，本发明实施方式提供了一种重定位方法、电子设备及计算机可读存储介质，可以提高重定位的准确度。

本发明一方面提供了一种重定位方法，所述方法包括：

针对在局部语义地图中观测到的第一物体，关联所述第一物体和第一全局物体，得到第一关联对，所述第一全局物体为全局语义地图中与所述第一物体具有相同语义信息的物体；

针对在所述局部语义地图中观测到的第二物体，关联所述第二物体和第二全局物体，得到第二关联对，所述第二全局物体为所述全局语义地图中与所述第二物体具有相同语义信息的物体；

若所述第一物体与所述第二物体之间的欧式距离，与所述第一全局物体与所述第二全局物体之间的欧式距离相匹配，合并所述第一关联对和所述第二关联对，并基于合并的关联对，对视觉设备进行重定位。

本发明另一方面还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行时，实现如上所述的方法。

本发明另一方面还提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现如上所述的方法。

本申请上述各个实施方式提供的技术方案中，根据从局部语义地图观测到的物体，在全局语义地图中查找具有相同语义信息的物体，并根据局部语义地图中物体间的欧式距离和全局语义地图中物体间的欧式距离，来确定关联对，进而对视觉设备进行重定位。在重定位时，是根据局部语义地图和全局语义地图中物体空间分布的几何相似性来进行重定位的。由于物体之间的空间分布较为稳定，受干扰因素较少，故可以提高重定位的准确度。

附图说明

通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

图1示出了本申请的一个实施例提供的重定位方法的流程示意图；

图2示出了本申请一个实施例提供的局部语义地图和全局语义地图的图形化示意图；

图3示出了本申请的一个实施例提供的电子设备的示意图。

具体实施方式