[发明专利]一种基于位置识别的车辆定位方法及系统

说明书

本发明公开了一种基于位置识别的车辆定位方法及系统，包括用于对位置识别数据集进行特征的提取的特征提取模块，用于对特征提取网络提取到的特征进行输入图像的重构并与原始图像进行对比的自动编码，其用于对部分的位置识别数据集进行训练以初始化模型的聚类中心的聚类模块，用于特征提取模块提取到的最优特征进行池化处理，即将提取到的最优特征处理为可表示图像的二维特征描述子的定位模块，还包括特征库。本发明不仅可以在复杂的室外环境下工作，而且可以在无法使用GPS以及GNSS等定位技术的室内和障碍物较多的环境中工作，利用位置识别模型对各种街景图像进行训练，将实时检测到的街景图片与图像库里的图像进行对比，以此达到定位的目的。

技术领域

本发明涉及车辆定位技术领域，具体涉及一种基于位置识别的车辆定位方法及系统。

背景技术

随着汽车行业的迅速发展和人们生活水平的不断提高，汽车变得越来越普及，已经成为人们日常生活中不可或缺的交通工具之一。但是随着城市中车辆的增多，道路交通也面临着巨大的挑战。近些年来，世界各地都开始研究一种新一代的智能交通系统。而智能交通系统的发展往往都离不开优异的车辆定位技术，只有在实现车辆精准、实时定位的前提下，才能有效的改善交通情况，保证车辆行驶安全。因此，实现道路交通车辆的精准定位对于避免交通事故和确保车辆的安全运行至关重要。

在现有技术中关于车辆的定位方法一般采用的都是全球定位系统(GPS)和全球卫星导航系统(GNSS)。但是它们都存在一定的局限性，比如GPS技术通常容易受气候、电磁波或对流层的影响而产生定位偏差，并且该相关技术仅仅适用于视野开阔、障碍物较少的新建区，当在地下车库或混乱的室外环境中以及通过长距离隧道的时候定位效果表现较差。此外，现有的GNSS技术由于卫星定位信号功率的有限以及高层建筑物和房屋墙壁等对卫星定位信号的遮挡，无法稳定地工作于高层建筑物较多的城市道路。

在过去的一段时间里，计算机视觉方法的出现导致了对基于图像的定位方法在非传感器系统中的新技术。与其它基于传感器定位技术的相比，基于图像位置识别的方法已经显示出低成本和低功耗等显着的优势。更重要的是，该方法还拥有在GPS和GNSS领域受限制的环境中工作的强大能力。因此，从计算机视觉技术作为出发点，发明了基于位置识别的车辆定位方法。

发明内容

为了解决上述现有技术中存在的问题，提供了一种基于位置识别的车辆定位方法及系统。

本发明解决其技术问题所采用的技术方案是：

本发明提出了一种基于位置识别的车辆定位方法，包括：

数据采集步骤：采集完成后的数据集首先经过特征提取模块进行特征提取，特征提取模块包括一系列神经网络模型；

数据处理步骤：特征提取模块对任意神经网络模型进行随机组合，然后将提取到的特征经自动编码器进行图像的重构，并与原始图像进行对比，当重构图像与原始图像最为相似时，则认定当前特征提取网络的组合为最优组合，并将当前组合的特征提取网络提取到的最优特征前向传播到定位模块进行特征的后续处理；

模型建立步骤：将上述特征经过定位模块训练后，将获得由图像关键描述子组成的特征库；

位置识别步骤：将需要定位的图像的特征描述子与经过定位模块训练后得到的特征库里的图像关键描述子进行匹配，最后，通过弱监督排序将正样本中距离查询图像最近的图片作为定位结果进行输出，以此达到车辆定位的目的。

优选的，采集完成后的数据集为位置识别图像数据集，所述位置识别图像数据集包括同一地点下不同视角和不同时间的图像数据，并统一对其添加GPS坐标或其他位置信息的标签。

优选的，自动编码器用来对特征提取网络提取到的特征进行输入图像的重构并与原始图像进行对比，所述对比方法包括：

S31：利用原始图像和重构图像获取到的多维特征平铺到一维上得到两个一维向量；