CN110095752B

CN110095752B - 定位方法、装置、设备和介质

Info

Publication number: CN110095752B
Application number: CN201910376519.2A
Authority: CN
Inventors: 郑超; 蔡育展
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2019-05-07
Filing date: 2019-05-07
Publication date: 2021-08-10
Anticipated expiration: 2039-05-07
Also published as: CN110095752A

Abstract

本发明实施例公开了一种定位方法、装置、设备和介质，涉及自动驾驶领域。该方法包括：根据待定位设备的初定位数据,从高精地图中确定所述待定位设备所在区域的点云数据；将所述点云数据与所述待定位设备上图像采集装置拍摄的场景图片进行匹配；若匹配成功，则根据匹配结果确定所述点云数据的获取设备与所述待定位设备上图像采集装置的相对位姿；根据所述相对位姿确定所述待定位设备的位姿。本发明实施例提供了一种定位方法、装置、设备和介质，实现了不依赖于雷达传感器的定位，降低了对自动驾驶车辆的定位成本。

Description

定位方法、装置、设备和介质

技术领域

本发明实施例涉及自动驾驶领域，尤其涉及一种定位方法、装置、设备和介质。

背景技术

目前，自动驾驶正在给交通出行带来巨大变革。但是自动驾驶所面临的首要问题就是对自动驾驶车辆的定位。

传统定位方案是匹配激光雷达获取的点云数据呈现的场景图像和地图图像，根据匹配结果确定车辆的位置，以实现车辆的定位。

然而，上述方法依赖于激光雷达传感器，而激光雷达传感器的设备成本较高。

发明内容

本发明实施例提供一种定位方法、装置、设备和介质，实现不依赖于雷达传感器的定位，以降低对自动驾驶车辆的定位成本。

第一方面，本发明实施例提供了一种定位方法，该方法包括：

根据待定位设备的初定位数据,从高精地图中确定所述待定位设备所在区域的点云数据；

将所述点云数据与所述待定位设备上图像采集装置拍摄的场景图片进行匹配；

若匹配成功，则根据匹配结果确定所述点云数据的获取设备与所述待定位设备上图像采集装置的相对位姿；

根据所述相对位姿确定所述待定位设备的位姿。

第二方面，本发明实施例还提供了一种定位装置，该装置包括：

点云数据确定模块，用于根据待定位设备的初定位数据,从高精地图中确定所述待定位设备所在区域的点云数据；

数据匹配模块，用于将所述点云数据与所述待定位设备上图像采集装置拍摄的场景图片进行匹配；

相对位姿确定模块，用于根据所述匹配结果确定所述点云数据的获取设备与所述待定位设备上图像采集装置的相对位姿；

位姿确定模块，用于根据所述相对位姿确定所述待定位设备的位姿。

第三方面，本发明实施例还提供了一种设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例中任一项所述的定位方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一项所述的定位方法。

本发明实施例通过匹配待定位设备上图像采集装置拍摄的场景图片与从高精地图中确定的所述待定位设备所在区域的点云数据，根据匹配结果确定所述待定位设备的位姿，从而实现在无需依赖于激光雷达传感器设备的情况下，对待定位设备的定位。

附图说明

图1为本发明实施例一提供的一种定位方法的流程图；

图2是本发明实施例二提供的一种定位方法的流程图；

图3是本发明实施例三提供的一种定位方法的流程图；

图4是本发明实施例四提供的一种定位装置的结构示意图；

图5为本发明实施例五提供的一种设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种定位方法的流程图。本实施例可适用于不依赖雷达传感器对待定位设备进行定位的情况。典型地，本实施例可适用于基于单目摄像头和GPS在高精地图中对车辆进行定位的情况。该方法可以由一种定位装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本实施例提供的定位方法包括：

S110、根据待定位设备的初定位数据,从高精地图中确定所述待定位设备所在区域的点云数据。

其中，待定位设备可以是任意需要定位的设备，典型地，待定位设备可以是自动驾驶车辆。

初定位数据是基于卫星定位系统获取的定位数据。具体可以是基于GPS的定位数据。因为卫星定位系统存在定位精度不高，所以初定位数据的定位误差较大，而有些场景需要高精度的定位数据，例如自动驾驶场景。因此，初定位数据无法满足用户需求。

高精地图多应用于自动驾驶，因高精地图由静态地图和动态地图组成。一套完整的静态高精地图需要包含语义信息的车道模型、道路部件、道路属性三类矢量信息，以及用于多传感器定位的特征图层。

具体地，根据待定位设备的初定位数据,从高精地图中确定所述待定位设备所在区域的点云数据高精地图，包括：

根据待定位设备的初定位数据，从高精地图的多传感器定位的特征图层中确定所述待定位设备所在区域的点云数据。

S120、将所述点云数据与所述待定位设备上图像采集装置拍摄的场景图片进行匹配。

具体地，将所述点云数据与所述待定位设备上图像采集装置拍摄的场景图片进行匹配，包括：

基于ORB描述子，将所述点云数据与所述待定位设备上图像采集装置拍摄的场景图片进行匹配。其中，ORB特征是将FAST特征点的检测方法与BRIEF特征描述子结合起来，并在它们原来的基础上做了改进与优化。

为减少匹配资源的消耗，所述将所述点云数据与所述待定位设备上图像采集装置拍摄的场景图片进行匹配，包括：

检测所述点云数据和所述场景图片中的关键点；

匹配所述点云数据中的关键点和所述场景图片中的关键点。

其中，关键点是点云数据或场景图片中的关键特征点。具体可以是指示牌的角点或灯杆的角点等。

传统的ORB描述子对于光照不同，角度差别很大的场景匹配鲁棒性很差。为解决该问题，所述匹配所述点云数据中的关键点和所述场景图片中的关键点，包括：

利用特征描述子对所述点云数据和所述场景图片中的关键点进行描述；

基于深度学习算法和所述关键点的特征描述子，确定所述点云数据和所述场景图片中的关键点的匹配结果。

S130、若匹配成功，则根据匹配结果确定所述点云数据的获取设备与所述待定位设备上图像采集装置的相对位姿。

其中，相对位姿是指定所述点云数据的获取设备与所述待定位设备上图像采集装置的相对位置和相对姿态。

所述获取设备为之前制作高精地图时获取点云数据的设备。

S140、根据所述相对位姿确定所述待定位设备的位姿。

其中，位姿是指位置和姿态。

具体地，根据所述相对位姿确定所述待定位设备的位姿，包括：

根据所述点云数据的获取设备的位姿和所述相对位姿确定所述待定位设备的位姿。

本发明实施例的技术方案，通过匹配待定位设备上图像采集装置拍摄的场景图片与从高精地图中确定的所述待定位设备所在区域的点云数据，根据匹配结果确定所述待定位设备的位姿，从而实现在无需依赖于激光雷达传感器设备的情况下，对待定位设备的定位。

由于GPS存在漂移，所以基于漂移的初定位数据确定的点云数据很可能无法与待定位设备上图像采集装置拍摄的场景图片匹配成功。

为解决该问题，所述将所述点云数据与所述待定位设备上图像采集装置拍摄的场景图片进行匹配之后，所述方法还包括：

若匹配失败，则根据所述待定位设备的定位数据，调整待定位设备所在区域；

基于调整后的待定位设备所在区域，返回继续执行从高精地图中确定待定位设备所在区域的点云数据；

若匹配成功，则根据匹配结果确定所述待定位设备的位姿的步骤。

具体地，根据所述待定位设备的定位数据，调整待定位设备所在区域，包括：

将所述待定位设备的定位数据中的各坐标加设定数值或减设定数值；将以调整后的定位数据为中心，设定区域半径范围内的区域作为调整后的待定位设备所在区域。

实施例二

图2是本发明实施例二提供的一种定位方法的流程图。本实施是在上述实施例的基础上提出的一种可选方案。参见图2，本实施例提供的定位方法包括：

S210、根据待定位设备的初定位数据,从高精地图中确定所述待定位设备所在区域的点云数据。

S220、将所述点云数据与所述待定位设备上图像采集装置拍摄的场景图片进行匹配。

S230、根据所述点云数据与所述场景图片中匹配成功的关键点对，确定所述点云数据的获取设备与待定位设备上图像采集装置的相对位姿。

具体地，所述根据所述点云数据与所述场景图片中匹配成功的关键点对，确定所述点云数据的获取设备与待定位设备上图像采集装置的相对位姿，包括：

将所述点云数据与所述场景图片中匹配成功的至少三个关键点对代入所述点云数据与所述场景图片的空间转换方程，生成至少四个方程解；

根据所述至少四个方程解和匹配成功的所述至少三个关键点对以外的至少一个关键点对，确定所述点云数据的获取设备与待定位设备上图像采集装置的相对位姿。

所述根据所述至少四个方程解和匹配成功的所述至少三个关键点对以外的至少一个关键点对，确定所述点云数据的获取设备与待定位设备上图像采集装置的相对位姿，包括：

从所述方程解中获取至少四个旋转平移矩阵组；

将匹配成功的所述至少三个关键点对以外的至少一个关键点对的世界坐标，分别与各旋转平移矩阵组代入所述空间转换方程，得到至少四个所述至少一个关键点对中位于所述点云数据中的关键点在所述场景图片中的投影；

确定所述投影与所述至少一个关键点对中位于所述场景图片中的关键点的位置差值；

将所述位置差值最小的旋转平移矩阵组作为所述点云数据的获取设备与待定位设备上图像采集装置的相对位姿。

其中，旋转平移矩阵组包括一个旋转矩阵和一个平移矩阵。

S240、根据所述相对位姿确定所述待定位设备的位姿。

具体地，所述根据所述相对位姿确定所述待定位设备的位姿，包括：

将所述待定位设备的加速度和旋转角度中的至少一种，以及所述相对位姿输入预先训练的定位模型，输出所述待定位设备的位姿。

其中，待定位设备的加速度和旋转角速度，由待定位设备的惯性测量单元测量得到。

需要说明的是，经过本实施例的技术教导，本领域技术人员有动机将上述实施例中描述的任一种实施方式进行方案的组合，实现不依赖于雷达传感器设备的定位，以降低定位成本。

实施例三

图3是本发明实施例三提供的一种定位方法的流程图。本实施例是在上述实施例的基础上，以待定位设备为自动驾驶车辆为例，提出的一种可选方案。参加图3，本实施例提供的定位方法包括：

通过自动驾驶车辆的GPS坐标在高精地图中选取车辆所处区域的点云数据。

匹配所述点云数据和当前场景图片，其中所述当前场景图片由设置在自动驾驶车辆上的单目摄像头采集得到。

基于调整后的待定位设备所在区域，返回继续执行从高精地图中确定待定位设备所在区域的点云数据的步骤。

若匹配成功，则根据所述点云数据和当前场景图片中匹配成功的点对计算所述点云数据和当前场景图片的匹配关系矩阵。

将匹配关系矩阵、待定位设备的加速度和旋转角度输入预先训练的定位模型，输出所述待定位设备的位姿。

本发明实施例的技术方案，通过采用基于摄像头的方案进行高精度地图的定位,相对于传统的基于激光雷达的定位成本大大降低。

实施例四

图4是本发明实施例四提供的一种定位装置的结构示意图。参见图4，本实施例提供的一种定位装置包括：点云数据确定模块10、数据匹配模块20、相对位姿确定模块30和位姿确定模块40。

其中，点云数据确定模块10，用于根据待定位设备的初定位数据,从高精地图中确定所述待定位设备所在区域的点云数据；

数据匹配模块20，用于将所述点云数据与所述待定位设备上图像采集装置拍摄的场景图片进行匹配；

相对位姿确定模块30，用于根据所述匹配结果确定所述点云数据的获取设备与所述待定位设备上图像采集装置的相对位姿；

位姿确定模块40，用于根据所述相对位姿确定所述待定位设备的位姿。

进一步地，所述数据匹配模块，包括：关键点检测单元和关键点匹配单元。

其中，关键点检测单元，用于检测所述点云数据和所述场景图片中的关键点；

关键点匹配单元，用于匹配所述点云数据中的关键点和所述场景图片中的关键点。

进一步地，所述数据匹配模块，包括：关键点描述单元和匹配结果确定单元。

其中，关键点描述单元，用于利用特征描述子对所述点云数据和所述场景图片中的关键点进行描述；

匹配结果确定单元，用于基于深度学习算法和所述关键点的特征描述子，确定所述点云数据和所述场景图片中的关键点的匹配结果。

进一步地，所述相对位姿确定单元具体用于：

根据所述点云数据与所述场景图片中匹配成功的关键点对，确定所述点云数据的获取设备与待定位设备上图像采集装置的相对位姿。

进一步地，所述根据所述点云数据与所述场景图片中匹配成功的关键点对，确定所述点云数据的获取设备与待定位设备上图像采集装置的相对位姿，包括：

进一步地，所述位姿确定单元具体用于：

进一步地，所述装置还包括：区域调整模块和返回执行模块。

其中，区域调整模块，用于所述将所述点云数据与所述待定位设备上图像采集装置拍摄的场景图片进行匹配之后，若匹配失败，则根据所述待定位设备的定位数据，调整待定位设备所在区域；

返回执行模块，用于基于调整后的待定位设备所在区域，返回继续执行从高精地图中确定待定位设备所在区域的点云数据；

本发明实施例所提供的定位装置可执行本发明任意实施例所提供的定位方法，具备执行方法相应的功能模块和有益效果。

实施例五

图5为本发明实施例五提供的一种设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性设备12的框图。图5显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24和图像采集装置25等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。其中图像采集装置用于拍摄待定位设备所处的场景图片。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的定位方法。

实施例六

本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一项所述的定位方法，该方法包括：

根据所述相对位姿确定所述待定位设备的位姿。本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims

1.一种定位方法，应用于待定位设备，所述待定位设备为自动驾驶车辆，其特征在于，包括：

根据所述待定位设备的初定位数据,从高精地图中确定所述待定位设备所在区域的点云数据；

2.根据权利要求1所述的方法，其特征在于，所述将所述点云数据与所述待定位设备上图像采集装置拍摄的场景图片进行匹配，包括：

检测所述点云数据和所述场景图片中的关键点；

匹配所述点云数据中的关键点和所述场景图片中的关键点。

3.根据权利要求2所述的方法，其特征在于，所述匹配所述点云数据中的关键点和所述场景图片中的关键点，包括：

4.根据权利要求1所述的方法，其特征在于，所述根据匹配结果确定所述点云数据的获取设备与待定位设备上图像采集装置的相对位姿，包括：

5.根据权利要求4所述的方法，其特征在于，所述根据所述点云数据与所述场景图片中匹配成功的关键点对，确定所述点云数据的获取设备与待定位设备上图像采集装置的相对位姿，包括：

6.根据权利要求1所述的方法，其特征在于，所述将所述点云数据与所述待定位设备上图像采集装置拍摄的场景图片进行匹配之后，所述方法还包括：

7.一种定位装置，配置于待定位设备，所述待定位设备为自动驾驶车辆，其特征在于，包括：

点云数据确定模块，用于根据所述待定位设备的初定位数据,从高精地图中确定所述待定位设备所在区域的点云数据；

位姿确定模块，用于将所述待定位设备的加速度和旋转角度中的至少一种，以及所述相对位姿输入预先训练的定位模型，输出所述待定位设备的位姿。

8.根据权利要求7所述的装置，其特征在于，所述数据匹配模块，包括：

关键点检测单元，用于检测所述点云数据和所述场景图片中的关键点；

9.根据权利要求8所述的装置，其特征在于，所述数据匹配模块，包括：

关键点描述单元，用于利用特征描述子对所述点云数据和所述场景图片中的关键点进行描述；

10.根据权利要求7所述的装置，其特征在于，所述相对位姿确定单元具体用于：

11.一种设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一项所述的定位方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的定位方法。