【技术实现步骤摘要】
本申请涉及高精地图，尤其涉及一种图像位姿数据的确定方法、装置、设备、介质及程序产品。
技术介绍
1、随着自动驾驶技术的快速发展，高精地图的重要性日益凸显。其中，在高精地图的制作过程中，图像位姿数据的精准定位是提升高精地图精度的关键。
2、目前，图像位姿数据的确定方法主要以所收集的所有图像数据作为基础，逐一提取图像数据中的视觉特征点，并应用同时定位与地图构建（simultaneous localizationand mapping，简称：slam）算法或者运动恢复结构（structure from motion，简称：sfm）算法来确定图像位姿。
3、然而，上述图像位姿数据的确定方法存在准确性不足的问题。
技术实现思路
1、本申请提供一种图像位姿数据的确定方法、装置、设备、介质及程序产品，用以解决图像位姿数据确定准确性不足的问题。
2、第一方面，本申请提供一种图像位姿数据的确定方法，包括：
3、对待处理视频切分得到的至少两个子视频，进行至少一次位姿优化迭代至满足迭代终止条件，基于位姿优化后的各子视频获取所述待处理视频中图像的位姿数据；其中，每次位姿优化迭代至少包括：
4、基于不同子视频中的关键帧之间的关联关系，对各子视频中的关键帧进行位姿处理，得到各子视频中的优化后的关键帧，每个子视频中的关键帧为所述子视频中满足预设图像特征条件的图像；
5、基于各子视频中优化后的关键帧，对各子视频进行位姿优化。
6、
7、迭代次数达到预设迭代次数；
8、所述待处理视频的重投影误差值小于或等于预设误差值。
9、在第一方面的一种可能设计中，所述预设图像特征条件包括以下至少一个条件：
10、图像中的特征点数量大于或者等于预设数量；
11、图像的曲率值大于或等于预设曲率；
12、存在共视区域的至少两个图像，所述至少两个图像分别处于不同视频段；
13、每隔预设地理长度间隔选取的图像。
14、在第一方面的一种可能设计中，所述基于不同子视频中的关键帧之间的关联关系，对各子视频中的关键帧进行位姿处理，得到各子视频中的优化后的关键帧，包括：
15、分别将各子视频作为目标视频，基于所述目标视频和非目标视频中的关键帧，确定出各目标视频对应的目标关键帧集；每个目标视频对应的目标关键帧集中包括第一关键帧和第二关键帧，所述第一关键帧为所述目标视频中的关键帧，所述第二关键帧为非目标视频中与所述第一关键帧之间存在共视区域的关键帧；所述非目标视频为至少两个子视频中除所述目标视频外的子视频；
16、对各目标关键帧集中的第一关键帧和第二关键帧进行位姿优化。
17、在第一方面的一种可能设计中，所述基于所述目标视频和非目标视频中的关键帧，确定出各目标视频对应的目标关键帧集，包括：
18、将非目标视频中的关键帧和所述第一关键帧的空间距离小于或等于预设距离阈值的关键帧，确定为候选关键帧；
19、将与所述第一关键帧存在共视区域的候选关键帧确定为所述第二关键帧。
20、在第一方面的一种可能设计中，所述对各目标关键帧集中的第一关键帧和第二关键帧进行位姿优化，包括：
21、针对第一关键帧和第二关键帧中的共视区域中的各物理点，基于所述第一关键帧的第一位姿数据、所述第二关键帧的第二位姿数据、所述物理点在所述第一关键帧中对应的第一像素数据、所述物理点在所述第二关键帧中对应的第二像素数据，确定所述物理点的三维位置数据；
22、将所述三维位置数据反投射至所述第一关键帧得到第三像素数据，将所述三维位置数据反投射至第二关键帧得到第四像素数据；
23、基于各物理点对应的第一像素数据和第三像素数据的差异、第二像素数据和第四像素数据的差异，对所述第一位姿数据和所述第二位姿数据进行优化，得到优化后的第一关键帧和优化后的第二关键帧。
24、在第一方面的一种可能设计中，所述基于各子视频中优化后的关键帧，对各子视频进行位姿优化，包括：
25、根据各子视频中的优化后的关键帧的位姿数据，对各个子视频中的普通帧进行位姿优化处理，得到优化后的普通帧，所述普通帧为所述子视频中除所述关键帧之外的图像。
26、在第一方面的一种可能设计中，所述对待处理视频切分得到的至少两个子视频，进行至少一次位姿优化迭代至满足迭代终止条件之前，所述方法还包括：
27、采用预设的位姿确定算法，对各子视频中的各视频帧进行位姿数据优化处理。
28、在第一方面的一种可能设计中，所述对待处理视频切分得到的至少两个子视频，进行至少一次位姿优化迭代至满足迭代终止条件之前，所述方法还包括：
29、基于采集待处理视频时的轨迹信息，将所述待处理视频切分成所述至少两个子视频。
30、第二方面，本申请提供一种图像位姿数据的确定方法，包括：
31、对待处理视频进行至少一次位姿优化迭代处理至满足迭代终止条件，基于位姿优化后的待处理视频获取所述待处理视频中图像的位姿数据；其中，每次位姿优化迭代包括：
32、对所述待处理视频中的关键帧进行位姿优化，得到优化后的关键帧；
33、基于优化后的关键帧，对所述待处理视频中的普通帧进行优化；
34、其中，所述关键帧为所述待处理视频中满足预设图像特征条件的图像，所述普通帧为所述待处理视频中除所述关键帧之外的图像。
35、在第二方面的一种可能设计中，所述迭代终止条件包括如下至少一种：
36、迭代次数达到预设迭代次数；
37、所述待处理视频的重投影误差值小于或等于预设误差值。
38、在第二方面的一种可能设计中，所述预设图像特征条件包括以下至少一个条件：
39、图像中的特征点数量大于或者等于预设数量；
40、图像的曲率值大于或等于预设曲率；
41、每隔预设地理长度间隔选取的图像。
42、第三方面，本申请提供一种图像位姿数据的确定装置，包括：
43、处理模块，用于对待处理视频切分得到的至少两个子视频，进行至少一次位姿优化迭代至满足迭代终止条件；
44、获取模块，用于基于位姿优化后的各子视频获取所述待处理视频中图像的位姿数据；
45、其中，所述处理模块在每次位姿优化迭代中至少用于：
46、基于不同子视频中的关键帧之间的关联关系，对各子视频中的关键帧进行位姿处理，得到各子视频中的优化后的关键帧，每个子视频中的关键帧为所述子视频中满足预设图像特征条件的图像；
47、基于各子视频中优化后的关键帧，对各子视频进行位姿优化。
48、第四方面，本申请提供一种图像位姿数据的确定装置，包括：
49、处理模块，本文档来自技高网...
【技术保护点】
1.一种图像位姿数据的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述迭代终止条件包括如下至少一种：
3.根据权利要求1所述的方法，其特征在于，所述预设图像特征条件包括以下至少一个条件：
4.根据权利要求1所述的方法，其特征在于，所述基于不同子视频中的关键帧之间的关联关系，对各子视频中的关键帧进行位姿处理，得到各子视频中的优化后的关键帧，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述目标视频和非目标视频中的关键帧，确定出各目标视频对应的目标关键帧集，包括：
6.根据权利要求4所述的方法，其特征在于，所述对各目标关键帧集中的第一关键帧和第二关键帧进行位姿优化，包括：
7.根据权利要求1所述的方法，其特征在于，所述基于各子视频中优化后的关键帧，对各子视频进行位姿优化，包括：
8.根据权利要求1至7任一项所述的方法，其特征在于，所述对待处理视频切分得到的至少两个子视频，进行至少一次位姿优化迭代至满足迭代终止条件之前，所述方法还包括：
9.根据权利要
10.一种图像位姿数据的确定方法，其特征在于，包括：
11.根据权利要求10所述的方法，其特征在于，所述迭代终止条件包括如下至少一种：
12.根据权利要求10所述的方法，其特征在于，所述预设图像特征条件包括以下至少一个条件：
13.一种图像位姿数据的确定装置，其特征在于，包括：
14.一种图像位姿数据的确定装置，其特征在于，包括：
15.一种计算机设备，其特征在于，包括：收发器，处理器，以及与所述处理器通信连接的存储器；
16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至12中任一项所述的图像位姿数据的确定方法。
17.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序被处理器执行时实现如权利要求1至12中任一项所述的图像位姿数据的确定方法。
...【技术特征摘要】
1.一种图像位姿数据的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述迭代终止条件包括如下至少一种：
3.根据权利要求1所述的方法，其特征在于，所述预设图像特征条件包括以下至少一个条件：
4.根据权利要求1所述的方法，其特征在于，所述基于不同子视频中的关键帧之间的关联关系，对各子视频中的关键帧进行位姿处理，得到各子视频中的优化后的关键帧，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述目标视频和非目标视频中的关键帧，确定出各目标视频对应的目标关键帧集，包括：
6.根据权利要求4所述的方法，其特征在于，所述对各目标关键帧集中的第一关键帧和第二关键帧进行位姿优化，包括：
7.根据权利要求1所述的方法，其特征在于，所述基于各子视频中优化后的关键帧，对各子视频进行位姿优化，包括：
8.根据权利要求1至7任一项所述的方法，其特征在于，所述对待处理视频切分得到的至少两个子视频，进行至少一次位姿优化迭代至满足迭代终止条件之前，所述方法还包括：
9.根据权利要...
【专利技术属性】
技术研发人员：曾一林，王凯，孟祥冰，
申请(专利权)人：浙江吉利控股集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。