[发明专利]基于二阶隐马尔科夫模型的智能车视觉定位方法及装置

说明书

本发明涉及室内定位技术领域，公开了一种基于二阶隐马尔科夫模型的智能车视觉定位方法，包括以下步骤：将待定位场景离散为连续的节点，获取车辆在每一节点位置处采集的节点图像，结合每一节点图像的视觉信息、3D信息以及轨迹信息建立视觉地图数据库；基于视觉地图数据库，以节点位置作为状态值，以图像信息作为观测值，建立基于二阶隐马尔可夫的视觉定位模型；基于视觉定位模型获取车辆的节点级定位结果，利用当前获取的实时观测图像与节点级定位结果对应的节点图像之间的单应关系，并结合所述3D信息获取车辆的全局定位信息。本发明具有定位精度高、成本低的技术效果。

技术领域

本发明涉及室内定位技术领域，具体涉及一种基于二阶隐马尔科夫模型的智能车视觉定位方法、装置以及计算机存储介质。

背景技术

随着汽车产业的发展，人们对汽车智能化程度要求越来越高，而汽车的智能化水平很大程度上依赖于车辆的位置信息。当前，车辆的定位技术主要依赖于高精度GPS信息，但在受遮挡的环境下，如高架桥下，隧道等，特别是在室内环境，GPS定位误差较大。

目前，为了解决车辆在GPS误差较大的环境下，研究者开发多种室内定位技术，如基于无线传感技术、惯性导航系统、计算机视觉，深度学习等技术。但是受使用场景、定位精度、设备费用、使用维护费用等条件的限制，这些室内定位方案尚不能有效的解决室内定位问题。

因此，本领域的技术人员亟需解决的技术问题是：如何能够提出一种全场景、低成本、免维护的高精度室内定位系统和方法，以满足车辆室内场景下的定位需求。

发明内容

本发明的目的在于克服上述技术不足，提供一种基于二阶隐马尔科夫模型的智能车视觉定位方法、装置以及计算机存储介质，解决现有技术中室内定位精度低、成本高的技术问题。

为达到上述技术目的，本发明的技术方案提供一种基于二阶隐马尔科夫模型的智能车视觉定位方法，包括以下步骤：

将待定位场景离散为连续的节点，获取车辆在每一节点位置处采集的节点图像，计算每一节点图像的全局描述符、局部描述符以及局部特征点作为图像信息，计算每一节点图像的图像坐标系与全局坐标系之间的转换矩阵作为3D信息，计算相邻节点图像之间的位姿关系作为轨迹信息，结合所述视觉信息、3D信息以及轨迹信息建立视觉地图数据库；

基于所述视觉地图数据库，以节点位置作为状态值，以图像信息作为观测值，建立基于二阶隐马尔可夫的视觉定位模型；

基于视觉定位模型获取车辆的节点级定位结果，利用当前获取的实时观测图像与节点级定位结果对应的节点图像之间的单应关系，并结合所述3D信息获取车辆的全局定位信息。

本发明还提供一种车辆的多尺度室内定位置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述基于二阶隐马尔科夫模型的智能车视觉定位方法。

本发明还提供一种计算机存储介质，其上存储有计算机程序，所述计算机该程序被处理器执行时，实现所述基于二阶隐马尔科夫模型的智能车视觉定位方法。

与现有技术相比，本发明的有益效果包括：本发明在构建视觉地图数据库的基础上，通过构建基于二阶隐马尔科夫的视觉定位模型，利用前向算法和图像的单应性计算，在仅利用视觉信息的条件下，即可完成车辆在室内条件下的高精度定位，与传统方法相比，该方法具有成本低廉、免使用维护、使用场景容忍度高和可扩展性强的技术效果。

附图说明

图1是本发明提供的车辆的多尺度室内定位一实施方式的流程图；

图2是本发明提供的视觉地图数据库一实施方式的数据结构示意图；

图3是本发明提供的视觉定位模型一实施方式的建模示意图；

图4是本发明提供的多尺度定位一实施方式的定位流程图。