【技术实现步骤摘要】
本公开涉及高精地图，具体涉及一种数据关联方法、装置、服务器及存储介质。
技术介绍
1、随着电子地图从标准地图向高精地图演进，高精地图开始在智慧城市、智能驾驶等多领域发挥重要作用。由于基于激光采集数据并构建高精地图的方案成本高，难以大规模部署，而基于视觉构建高精地图的方案，因其成本低、效率高的特点，成为高精地图建图领域重要技术方向之一。然而，采用视觉方案构建高精地图的过程中，由于通过相机拍摄的图像，无法直接得到真实世界的三维位置信息，因此，视觉方案中需要利用多视角采集图像和采集图像时采集的轨迹数据进行几何运算，获得真实世界中的地物要素的三维位置信息。
2、为了使视觉方案得到的道路的三维位置信息的精度达到高精地图的精度要求，需要对多趟采集的轨迹数据进行轨迹对齐。基于视觉特征点的光束平差法(bundleadjustment，ba)是现有精度最高的轨迹对齐方案，但本公开专利技术人发现，利用该方案实现多趟采集的轨迹数据对齐的先决条件是，需要对不同趟轨迹数据对应的图像的图像特征点进行数据关联。然而多趟采集的轨迹数据由于存在光照条件变化、视角变化、初始位姿偏差大、道路要素高度重复等问题，使得多趟采集的轨迹数据之间的图像特征点的匹配难度增大。
3、因此，需要提供一种简单、高效、可靠的图像的图像特征点的关联方案，以便与所述图像对应的轨迹数据能够基于视觉特征点的光束平差法实现高精度对齐。
技术实现思路
1、本公开实施例提供一种数据关联方法、装置、服务器及存储介质。
3、获取同一道路的两趟采集数据，所述每趟采集数据包括：在所述道路上采集的多帧图像、每帧图像的图像特征点以及每帧图像的初始位姿、趟内相对位姿；
4、从所述两趟采集数据中，任选一趟采集数据作为参考数据，另一趟采集数据作为待关联数据；
5、利用三维重建技术，得到所述参考数据中图像特征点对应的三维点云数据；
6、从所述参考数据包括的参考图像中和所述待关联数据包括的关联图像中，获取多帧具有共视关系的第一参考图像和第一关联图像；
7、基于所述第一参考图像的初始位姿、图像特征点和图像特征点对应的所述三维点云数据、所述第一关联图像的初始位姿、图像特征点、趟内相对位姿和采集所述第一关联图像的相机内参，确定所述第一参考图像和所述第一关联图像之间相匹配的图像特征点，以及所述第一关联图像的目标位姿；
8、基于所述第一关联图像的所述目标位姿、所述待关联数据中除所述第一关联图像之外的第二关联图像的趟内相对位姿，得到第二关联图像的粗位姿；
9、基于第二关联图像的图像特征点、粗位姿、采集所述第二关联图像的相机内参和所述参考数据中与所述第二关联图像具有共视关系的第二参考图像的初始位姿、图像特征点和图像特征点对应的所述三维点云数据，确定所述第二关联图像与第二参考图像之间相匹配的图像特征点；
10、若所述待关联数据中还包括未处理的关联图像，则基于所述第二关联图像与所述第二关联图像之间相匹配的图像特征点以及所述图像特征点对应的三维点云数据确定所述第二关联图像的目标位姿；
11、将所述第二关联图像作为新的第一关联图像，将未处理的关联图像作为新的第二关联图像，返回基于所述第一关联图像的所述目标位姿、所述待关联数据中除所述第一关联图像之外的第二关联图像的趟内相对位姿，得到第二关联图像的粗位姿的步骤继续执行，直到所述待关联数据中的关联图像均被处理完。
12、第二方面，本专利技术实施例中提供了一种数据关联装置，包括：
13、第一获取模块，被配置为获取同一道路的两趟采集数据，所述每趟采集数据包括：在所述道路上采集的多帧图像、每帧图像的图像特征点以及每帧图像的初始位姿、趟内相对位姿；
14、第一确定模块，被配置为从所述至少两趟采集数据中选取其中一趟作为参考数据，基于所述参考数据中图像的所述初始位姿以及所述参考数据中图像中的图像特征点，确定所述图像特征点对应的三维点云数据；
15、选取模块，被配置为从所述两趟采集数据中，任选一趟采集数据作为参考数据，另一趟采集数据作为待关联数据；
16、第二确定模块，被配置为利用三维重建技术，得到所述参考数据中图像特征点对应的三维点云数据；
17、第二获取模块，被配置为从所述参考数据包括的参考图像中和所述待关联数据包括的关联图像中，获取多帧具有共视关系的第一参考图像和第一关联图像；
18、第三确定模块，被配置为基于所述第一参考图像的初始位姿、图像特征点和图像特征点对应的所述三维点云数据、所述第一关联图像的初始位姿、图像特征点、趟内相对位姿和采集所述第一关联图像的相机内参，确定所述第一参考图像和所述第一关联图像之间相匹配的图像特征点，以及所述第一关联图像的目标位姿；
19、第四确定模块，被配置为基于所述第一关联图像的所述目标位姿、所述待关联数据中除所述第一关联图像之外的第二关联图像的趟内相对位姿，得到第二关联图像的粗位姿；
20、第五确定模块，被配置为基于第二关联图像的图像特征点、粗位姿、采集所述第二关联图像的相机内参和所述参考数据中与所述第二关联图像具有共视关系的第二参考图像的初始位姿、图像特征点和图像特征点对应的所述三维点云数据，确定所述第二关联图像与第二参考图像之间相匹配的图像特征点；
21、第六确定模块，被配置为若所述待关联数据中还包括未处理的关联图像，则基于所述第二关联图像与所述第二关联图像之间相匹配的图像特征点以及所述图像特征点对应的三维点云数据确定所述第二关联图像的目标位姿；
22、第七确定模块，被配置为将所述第二关联图像作为新的第一关联图像，将未处理的关联图像作为新的第二关联图像，返回基于所述第一关联图像的所述目标位姿、所述待关联数据中除所述第一关联图像之外的第二关联图像的趟内相对位姿，得到第二关联图像的粗位姿的步骤继续执行，直到所述待关联数据中的关联图像均被处理完。
23、所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
24、在一个可能的设计中，上述装置的结构中包括存储器和处理器，所述存储器用于存储一条或多条支持上述装置执行上述对应方法的计算机指令，所述处理器被配置为用于执行所述存储器中存储的计算机指令。上述装置还可以包括通信接口，用于上述装置与其他设备或通信网络通信。
25、第三方面，本公开实施例提供了一种服务器，包括存储器、处理器以及存储在存储器上的计算机程序，其中，所述处理器执行所述计算机程序以实现上述任一方面所述的方法。
26、第四方面，本公开实施例提供了一种计算机可读存储介质，用于存储上述任一装置所用的计算机指令，该计算机指令被处理器执行时用于实现上述任一方面所述的方法。
27、第五方面，本公开实施例提供了一种计算机程本文档来自技高网...
【技术保护点】
1.一种数据关联方法，其中，所述方法包括：
2.根据权利要求1所述的方法，其中，基于所述第一参考图像的初始位姿、图像特征点和图像特征点对应的所述三维点云数据、所述第一关联图像的初始位姿、图像特征点、趟内相对位姿和采集所述第一关联图像的相机内参，确定所述第一参考图像和所述第一关联图像之间相匹配的图像特征点，以及所述第一关联图像的目标位姿，包括：
3.根据权利要求2所述的方法，其中，基于所述第一参考图像的初始位姿、图像特征点和图像特征点对应的所述三维点云数据、所述第一关联图像的初始位姿、图像特征点、趟内相对位姿、采集所述第一关联图像的相机内参，将所述第一关联图像的位姿刚性对齐至所述第一参考图像后，得到所述第一关联图像的粗位姿，包括：
4.根据权利要求2或3所述的方法，其中，基于所述第一参考图像的图像特征点对应的三维点云数据、第一关联图像的粗位姿、图像特征点、采集所述第一关联图像的相机内参，确定所述第一参考图像和所述第一关联图像之间相匹配的图像特征点以及所述第一关联图像的目标位姿，包括：
5.根据权利要求3所述的方法，其中，基于所述具有粗
6.根据权利要求5所述的方法，其中，所述基于每一所述第一关联图像的所述候选位姿和所述第一关联图像的趟内相对位姿，确定所述第一关联图像中第一帧图像的首帧优化位姿，包括：
7.根据权利要求4所述的方法，其中，基于所述第一关联图像中的图像特征点、所述第一参考图像的图像特征点和图像特征点对应的三维点云数据、所述第一关联图像的粗位姿和采集所述第一关联图像的相机内参，将所述第一参考图像中的图像特征点对应的三维点云数据向所述第一关联图像进行投影，滤除重投影误差大于设定值的图像特征点，确定所述第一参考图像和所述第一关联图像之间匹配关系准确的图像特征点，包括：
8.根据权利要求4所述的方法，其中，基于所述匹配关系准确的图像特征点、所述第一参考图像的图像特征点对应的三维点云数据，确定所述第一关联图像的目标位姿，包括：
9.根据权利要求1-3、5-8任一项所述的方法，其中，基于第二关联图像的图像特征点、粗位姿、采集所述第二关联图像的相机内参和所述参考数据中与所述第二关联图像具有共视关系的第二参考图像的初始位姿、图像特征点和图像特征点对应的所述三维点云数据，确定所述第二关联图像与第二参考图像之间相匹配的图像特征点，包括：
10.一种数据关联装置，其中，所述数据关联装置包括：
11.一种服务器，其中，包括存储器、处理器以及存储在存储器上的计算机程序，其中，所述处理器执行所述计算机程序以实现权利要求1至9任一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机指令，其中，该计算机指令被处理器执行时实现权利要求1至9任一项所述的方法。
...【技术特征摘要】
1.一种数据关联方法，其中，所述方法包括：
2.根据权利要求1所述的方法，其中，基于所述第一参考图像的初始位姿、图像特征点和图像特征点对应的所述三维点云数据、所述第一关联图像的初始位姿、图像特征点、趟内相对位姿和采集所述第一关联图像的相机内参，确定所述第一参考图像和所述第一关联图像之间相匹配的图像特征点，以及所述第一关联图像的目标位姿，包括：
3.根据权利要求2所述的方法，其中，基于所述第一参考图像的初始位姿、图像特征点和图像特征点对应的所述三维点云数据、所述第一关联图像的初始位姿、图像特征点、趟内相对位姿、采集所述第一关联图像的相机内参，将所述第一关联图像的位姿刚性对齐至所述第一参考图像后，得到所述第一关联图像的粗位姿，包括：
4.根据权利要求2或3所述的方法，其中，基于所述第一参考图像的图像特征点对应的三维点云数据、第一关联图像的粗位姿、图像特征点、采集所述第一关联图像的相机内参，确定所述第一参考图像和所述第一关联图像之间相匹配的图像特征点以及所述第一关联图像的目标位姿，包括：
5.根据权利要求3所述的方法，其中，基于所述具有粗匹配关系的图像特征点、图像特征点的三维点云数据、采集所述第一关联图像的相机内参和第一关联图像的趟内相对位姿，确定所述第一关联图像的位姿刚性对齐至所述第一参考图像后，所述第一关联图像的粗位姿，包括：
6.根据权利要求5所述的方法，其中，所述基于每一所述第一关联图像的所述候选位姿和所述第一关联图像的趟内...
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。