[发明专利]一种动态目标位姿信息优化方法

说明书

本发明提供一种动态目标位姿信息优化方法，包括：基于动态目标2D‑box的位置信息、单帧图像的掩膜图像以及第一检测线段集合，生成对应的动态目标3D‑box；根据对应的动态目标3D‑box的位置信息，利用重投影误差，优化每帧图像的动态目标2D‑box的位置信息；联合多帧图像生成的动态目标3D‑box位姿和车体位姿信息，对动态目标3D‑box位姿进行优化，生成动态目标的最终3D‑box位姿信息。本发明优化动态目标2d‑box，在每帧图像中的重投影误差，提高2d‑box在图像坐标系下的位置精度；基于连续多帧图像，联合此时车体的位姿信息，对3D‑box的位姿信息进行优化，提高动态目标位姿估计精度。

技术领域

本发明涉及高精度众包地图领域，更具体地，涉及一种动态目标位姿信息优化方法。

背景技术

目前在高精度地图众包领域中，大部分将焦点集中在静态交通标示和路标特性的提取，以获取交通标示要素，侧重点都在静态目标。目前与传统视觉系统获取目标深度信息如双目视觉、RGB-D相机，这类设备安装调试及在运行中都可能产生误差，而相对于单目视觉，成本低，通过算法优化能稳定其准确度和稳定性。

发明内容

本发明针对现有技术中存在的技术问题，提供一种动态目标位姿信息优化方法，基于单目摄像头恢复动态目标的深度和位姿信息，并联合车体位姿，进行联合优化，提高车体和动态目标的位姿精度。

根据本发明的第一方面，提供了一种动态目标位姿信息优化方法，包括：

对于单目相机拍摄的单帧图像，基于深度学习模型输出单帧图像中动态目标2D-box的位置信息，并生成单帧图像的掩膜图像；

对于单帧图像，基于线检测算法，生成单帧图像的所有检测线段，形成第一检测线段集合；

基于动态目标2D-box的位置信息、单帧图像的掩膜图像以及第一检测线段线集合，生成对应的动态目标3D-box；

根据对应的动态目标3D-box的位置信息，利用重投影误差，优化每帧图像的动态目标2D-box的位置信息；

基于优化后的动态目标2D-box的位置信息，生成对应的动态目标3D-box的位置信息；

联合多帧图像生成的动态目标3D-box位姿和车体位姿信息，对动态目标3D-box位姿进行优化，生成动态目标的最终3D-box位姿信息。

在上述技术方案的基础上，本发明还可以作出如下改进。

可选的，所述对于单目相机拍摄的单帧图像，基于深度学习模型输出单帧图像中动态目标2D-box的位置信息，包括：

将单帧图像输入深度学习模型中，获取所述深度学习模型识别的动态目标2D-box在图像坐标系下的位置信息，所述位置信息采用位置向量表示[x,y,width,height]，其中，[x,y]表示动态目标2d-box的左上角坐标，[width,height]表示动态目标2d-box的宽度和高度。

可选的，所述对于单帧图像，基于线检测算法，生成单帧图像的所有检测线段，形成第一检测线段集合，包括：

对于单帧图像，基于canny线检测算法，生成单帧图像的所有检测线段，单帧图像中的所有检测线段形成第一检测线段集合，每一条检测线段的向量表示为：[x1,y1,x2,y2]，其中(x1,y1)为检测线段段的起点坐标，(x2,y2)为检测线段段的终点坐标，且x1x2。

可选的，所述基于动态目标2D-box的位置信息、单帧图像的掩膜图像以及第一检测线段集合，生成对应的动态目标3D-box，包括：

基于掩膜图像，过滤所述第一检测线段集合L中灰度值为255的检测线段，并对灰度值为0的检测线段进行合并和删除操作，得到第二检测线段集合Lv；