一种基于适用场景判断的交叉视角定位方法技术

本发明专利技术提供了一种基于适用场景判断的交叉视角定位方法，通过空中遮挡系数和地面特征系数对当前场景是否适合交叉视角定位进行判断，有益于提高实际应用中的计算资源使用效率，减轻计算单元负担；有益于有效降低交叉视角定位噪声，减少定位过程的耗时，提高定位模块的实际性能。块的实际性能。块的实际性能。

【技术实现步骤摘要】
一种基于适用场景判断的交叉视角定位方法


[0001]本专利技术属于地空交叉视角定位领域，主要涉及图像分类、图像分割和道路提取领域，具体涉及一种基于适用场景判断的交叉视角定位方法。

技术介绍

[0002]地空交叉视角定位即在数据库中，选择出与输入的车辆视角图像最相似的一张卫星图，并以此来确定车辆位置。地空交叉视角定位检索过程使用到了匹配算法，而匹配算法分为传统的特征点匹配法和近年流行的网络式方法。通过匹配的方式可以知晓地面视角图像在卫星视角图像的位置，进而得出车辆所在位置的经纬度。最新的研究将这一任务视为图像回归问题，并且可以给出更为精确的定位结果。
[0003]图像分类的目标就是将不同图片划分到不同类别，实现最小的分类误差。在这个过程中存在诸多挑战，但机遇与挑战并存。近年来随着深度学习技术的兴起，图像分类得到飞速发展，并延伸出一系列的研究方向，如：多类别图像分类，细粒度图像分类，多标签图像分类，无/半监督图像分类，零样本图像分类等。
[0004]图像分割即将图片中的物体根据其所属类型进行像素级分割的技术。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。
[0005]道路提取旨在从卫星图像中提取道路网络。一些方法通过道路特征检测道路，例如线条、边缘、纹理。然而，由于光照、阴影和遮挡，道路并非在所有情况下都具有一般特征。人工描述的特征很难描述道路。随着神经网络技术的快速发展，越来越多的研究使用神经网络来提取特征。

技术实现思路

[0006]有鉴于此，本专利技术的目的是提供一种基于适用场景判断的交叉视角定位方法，可以在提高计算资源利用率的情况下，实现地面视角和卫星视角的交叉定位。
[0007]一种基于适用场景判断的交叉视角定位方法，包括：
[0008]步骤S1、获取车辆环视多相机图像；
[0009]步骤S2、将多相机图像拼接为全景图，在全景图的顶端区域进行障碍物分割，并根据障碍物的占比计算出空中遮挡系数k
ob
；
[0010]步骤S3、提取BEV视角下的可行驶区域掩码，经过类型识别后计算出地面特征系数k
fe
；
[0011]步骤S4、根据空中遮挡系数k
ob
和地面特征系数k
fe
计算出场景适用性分数k
fit
，以此判断当前场景是否适合于视觉交叉视角定位；
[0012]步骤S5、如果场景适合定位，用全景图与卫星图匹配后得到定位结果；如果场景不适合定位，则不进入定位环节。
[0013]较佳的，所述步骤S1中，多相机以固定的形式安装在车辆上，并且平视角度获取6
张图像，向正上方天空角度获取1张图像。
[0014]较佳的，所述步骤S2中，首先用拼接算法将平视角度获取的6张图像拼接为一张环视全景图，并在全景图顶端区域经由障碍物分割算法得到一个二值图，空中遮挡系数k
ob
计算公式如下：
[0015][0016]其中，a
i
为所有被识别为障碍物的像素，而b
i
为所有被识别为非障碍物的像素；
[0017]较佳的，所述步骤S3中，地面特征系数k
fe
计算方法包括：
[0018]将二值图分割为36个相同尺寸的正方形扇区，每个扇区有超过20％的像素为可行驶区域即视为“可行使扇区”，根据“可行使扇区”数量n
dri
将二值图分为不同的类型，分类依据如下：
[0019][0020]地面特征系数k
fe
计算公式如下：
[0021][0022]较佳的，所述步骤S4中，根据空中遮挡系数k
ob
和地面特征系数k
fe
计算出场景适用性分数k
fit
，计算公式如下所示：
[0023]k
fit
＝1
‑
(0.66
×
k
ob
+0.34
×
k
fe
)
[0024]其中k
fit
∈(0，1)，分数越高代表当前场景越适用于交叉视角定位。
[0025]较佳的，所述步骤S5中，根据步骤S4的判断决定是否进入定位环节，定位的具体实现方式为：将全景图和数据库中的一批卫星图同时输入到孪生网络中，选择与全景图匹配概率最高的卫星图中心位置作为定位结果。
[0026]本专利技术具有如下有益效果：
[0027]本专利技术提供了一种基于适用场景判断的交叉视角定位方法，通过空中遮挡系数k
ob
和地面特征系数k
fe
对当前场景是否适合交叉视角定位进行判断，有益于提高实际应用中的计算资源使用效率，减轻计算单元负担；有益于有效降低交叉视角定位噪声，减少定位过程的耗时，提高定位模块的实际性能。
附图说明
[0028]图1为本专利技术基于适用场景判断的交叉视角定位方法流程图；
[0029]图2为本专利技术空中遮挡系数算法结构图；
[0030]图3为本专利技术地面特征系数算法结构图。
具体实施方式
[0031]下面结合附图并举实施例，对本专利技术进行详细描述，本领域技术人员可以根据本说明书所阐述的内容了解本专利技术的优点及功能。本专利技术还可以通过另外不同的方式加以实施及应用。
[0032]一种基于适用场景判断的交叉视角定位算法，包括以下步骤：
[0033]步骤S1、获取车辆环视多相机图像，输入到算法中；
[0034]步骤S2、将多相机图像拼接为全景图，在全景图的顶端区域进行障碍物分割，并根据障碍物的占比计算出空中遮挡系数k
ob
；
[0035]步骤S3、输入多相机图像到道路提取算法，提取BEV视角下的可行驶区域掩码，经过类型识别后计算出地面特征系数k
fe
；
[0036]步骤S4、根据空中遮挡系数k
ob
和地面特征系数k
fe
计算出场景适用性分数k
fit
，以此判断当前场景是否适合于视觉交叉视角定位。
[0037]步骤S5、如果场景适合定位，用全景图与卫星图匹配后得到定位结果；如果场景不适合定位，则不进入定位环节。
[0038]进一步，所述步骤S1中，多相机以固定的形式安装在车辆上，并且平视角度可以获取6张图像，向正上方天空角度可以获取1张图像。
[0039]进一步，所述步骤S2中，首先用拼接算法将平视角度获取的6张图像拼接为一张环视全景图，并在全景图顶端区域经由障碍物分割算法得到一个二值图(由是否为障碍物来区分)，空中遮挡系数k
ob
计算公式如下：
[0040][0041]其中，a
i
为所有被识别为障碍物的像素，而b
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于适用场景判断的交叉视角定位方法，其特征在于，包括：步骤S1、获取车辆环视多相机图像；步骤S2、将多相机图像拼接为全景图，在全景图的顶端区域进行障碍物分割，并根据障碍物的占比计算出空中遮挡系数k
ob
；步骤S3、提取BEV视角下的可行驶区域掩码，经过类型识别后计算出地面特征系数k
fe
；步骤S4、根据空中遮挡系数k
ob
和地面特征系数k
fe
计算出场景适用性分数k
fit
，以此判断当前场景是否适合于视觉交叉视角定位；步骤S5、如果场景适合定位，用全景图与卫星图匹配后得到定位结果；如果场景不适合定位，则不进入定位环节。2.如权利要求1所述的一种基于适用场景判断的交叉视角定位方法，其特征在于，所述步骤S1中，多相机以固定的形式安装在车辆上，并且平视角度获取6张图像，向正上方天空角度获取1张图像。3.如权利要求2述的一种基于适用场景判断的交叉视角定位方法，其特征在于，所述步骤S2中，首先用拼接算法将平视角度获取的6张图像拼接为一张环视全景图，并在全景图顶端区域经由障碍物分割算法得到一个二值图，空中遮挡系数k
ob
计算公式如下：其中，a
i
为所有被识别为障碍物的像素，而b
i
为所有被识别为非障碍物的像素。4.如权利要...

【专利技术属性】
技术研发人员：杨毅，禹竞，侯宇轩，潘淼鑫，张昱潇，王涛，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：