[发明专利]一种基于计算机视觉技术的前后端架构地图定位方法

说明书

一种基于计算机视觉技术的前后端架构地图定位方法，包括定位、传输和建图三个部分，所述定位部分运行于基于嵌入式设备的前端，所述传输和建图部分运行于PC后端，本发明通过使用后端提前对后续需要进行定位的地图区域进行离线的全局地图的构建，再对提前构建好的全局地图进行信息读取和预处理，然后使用前端对待定位目标所处位置进行拍照，将拍照所得图形进行语义分割、特征点提取及描述子计算、视觉单词归类处理，在对每个特征点进行视觉单词归类后，利用视觉单词类别，将前端当前图像的特征点与后端传送来的子地图的特征点进行全局地图匹配，从而估计出当前相机在全局地图中的姿态信息，从而实现对无人机或无人车的地图实时定位。

技术领域

本发明属于计算机视觉技术领域，具体来说，涉及一种基于计算机视觉技术的前后端架构地图定位方法。

背景技术

在当前计算机视觉技术领域内，主要是利用SLAM（即时定位与地图构建）技术来实现自主定位。SLAM技术在高性能PC上能够实现较高准确性和实时性的局部定位，其主流的主要技术步骤如下：

1）图像获取：图像主要是由相机设备获得，而相机设备可分为单目相机、双目相机和深度相机。若为单目相机，则获取到的图像为彩色图，而双目相机和深度相机获取到的图像则为彩色图和深度图。

2）特征点提取与描述子计算：图像中存在着大量具备本质特征的特征点，该步骤会将这些特征点从图像中提取出来，并计算其描述子以用数据的方式来描述其特征信息。

3）姿态估计：利用前后两帧图像上的特征点及其描述子信息，能够估算出前后两帧图像的运动关系，从而得到前后两帧的相机姿态信息。当相机运动经过一段路径后，便可得到相对于相机运动起始点的定位信息。

4）地图建立：在定位的同时，三维点云地图也能随着局部定位信息而建立起来。

5）姿态优化：为了提高定位的准确性，一般会利用回环等信息来对步骤3中所得到的姿态进行优化和更新。

由于主流的SLAM技术主要利用相机前后两帧图像之间的关系来进行姿态估计，因此会存在以下技术问题：

1）姿态估计后得到的定位轨迹通常是针对于初始位置的局部定位，并不能很好地实现全局意义上的定位；

2）由于通过前后帧图像得到的姿态估计存在误差，随着时间的推进，定位轨迹的累积误差将越来越大，导致最终的定位信息准确性不够高；

3）多数SLAM技术方案虽能在高性能PC上达到很好的效果，但却不能在嵌入式设备上兼顾实时性和准确性；

4）即使在有提供地图辅助的情况下，地图本身容量也过于庞大不利于在嵌入式设备中存储，并且在真实场景中常常会受到动态物体的干扰。

发明内容

本发明针对现有技术中利用SLAM技术对无人机或无人车进行定位存在的缺陷，提出了一种基于计算机视觉技术的前后端架构地图定位方法，兼顾实时性和准确性的同时基于嵌入式设备实现了无人机或无人车的全局全轨迹的定位，而且降低了前后帧图像姿态误差。

本发明通过下述技术方案实现：

一种基于计算机视觉技术的前后端架构地图定位方法，包括定位与建图两个部分，所述定位部分运行于基于嵌入式设备的前端，前端安装在待定位的目标，如无人机或无人车上，所述建图部分运行于基于PC的后端，本发明基于所述前端与后端按照以下步骤进行：

步骤S1.使用后端提前对后续需要进行定位的地图区域进行离线的全局地图的构建，所述全局地图包括由大量三维特征点组成的三维特征点和待定位目标的真实轨迹信息；

步骤S2.使用后端对提前构建好的全局地图进行信息读取和预处理，所述预处理是将全局地图切割成一块块子地图；