[发明专利]一种语义地图构建方法、视觉定位方法及相关设备

权利要求书

1.一种语义地图构建方法，其中，包括：

获取道路图像帧；

提取所述道路图像帧的语义视觉特征，所述语义视觉特征为所述道路图像帧中道路元素的特征信息；

确定两帧道路图像帧中的语义视觉特征在三维空间的关联关系；

至少根据所述关联关系确定所述道路图像帧的语义视觉特征的空间位置信息；

至少基于所述道路图像帧对应的地理位置、语义视觉特征、所述语义视觉特征的空间位置信息，得到语义地图。

2.根据权利要求1所述语义地图构建方法，其中，所述两帧道路图像帧包括：第一道路图像帧和第二道路图像帧；所述确定两帧道路图像帧中的语义视觉特征在三维空间的关联关系包括：

分别将第一道路图像帧对应的第一语义视觉特征和第二道路图像帧对应的第二语义视觉特征逆投影到三维空间中；

基于第一道路图像帧和第二道路图像帧的图像采集时间点之间的位姿信息，获取第一语义视觉特征和第二语义视觉特征在三维空间的相对位姿变换；

基于所述相对位姿变换，确定第一语义视觉特征和第二语义视觉特征在三维空间的关联关系。

3.根据权利要求1所述的语义地图构建方法，其中，所述至少根据所述关联关系确定所述道路图像帧的语义视觉特征的空间位置信息包括：

利用非线性优化方法，对两帧道路图像帧中存在关联关系的语义视觉特征进行空间位置信息的联立求解，以得到道路图像帧中语义视觉特征的空间位置信息。

4.根据权利要求1或3所述的语义地图构建方法，其中，所述语义视觉特征的空间位置信息包括如下至少一项：

地面道路元素的结构关键点的三维空间位置、车道线的采样点的三维空间位置、表征地面道路元素的三维平面空间位置的系数、视觉传感器的坐标系下地平面空间的位置系数、车道线的关联系数、道路图像帧的位姿。

5.根据权利要求1所述的语义地图构建方法，其中，所述提取所述道路图像帧的语义视觉特征包括：

利用多任务卷积神经网络基于中心网络算法，提取所述道路图像帧中道路元素的骨架和表示关键结构的结构关键点；所述多任务卷积神经网络通过不同的顶部输出层，支持对不同类型的道路元素提取特征信息。

6.根据权利要求1所述的语义地图构建方法，其中，在至少基于所述道路图像帧对应的地理位置、语义视觉特征、所述语义视觉特征的空间位置信息，得到语义地图之前，所述方法还包括：

将多帧道路图像帧中相同的语义视觉特征进行合并。

7.一种视觉定位方法，其中，包括：

获取当前道路图像帧以及车辆的当前地理位置；

根据所述当前地理位置，从语义地图中获取相匹配的当前地图数据；以及，从所述当前道路图像帧中提取当前语义视觉特征；

从所述当前地图数据中至少获取与所述当前语义视觉特征匹配的空间位置信息，以得到所述当前语义视觉特征的初始空间位置信息；

根据所述初始空间位置信息，确定所述当前语义视觉特征的当前空间位置信息。

8.根据权利要求7所述的视觉定位方法，其中，所述根据所述当前地理位置，从语义地图中获取相匹配的当前地图数据包括：

向云端请求与当前地理位置相匹配的当前地图分块；其中，所述语义地图按照地理位置范围划分为多个地图分块，一个地图分块具有相对应的地理位置范围；

获取云端反馈的与当前地理位置匹配的地理位置范围相对应的当前地图分块。