[发明专利]一种基于场景语义解析的定位方法、装置及电子设备

说明书

本发明公开了一种基于场景语义解析的定位方法、装置及电子设备，其中方法包括：获取车辆按照当前定位卫星的定位结果进行行驶的过程中的场景图像；将所述场景图像输入到目标卷积神经网络进行训练并通过所述目标卷积神经网络对所述场景图像进行解析得到所述场景图像中包含的标识物的类别信息；根据所述标识物的类别信息，确定参考定位卫星，所述参考定位卫星表征除所述当前定位卫星之外其他可识别到所述标识物的卫星；确定所述当前定位卫星和所述参考定位卫星对所述场景信息中包含的标识物的定位精度；从所述当前定位卫星和所述参考定位卫星中选取定位精度满足目标条件的卫星响应车辆行驶过程中的定位操作。

技术领域

本发明涉及定位技术领域，具体涉及一种基于场景语义解析的定位方法、装置及电子设备。

背景技术

目前自动驾驶车辆的定位精度依赖于高精度定位方式，目前主流的多传感器定位方式主要分为两类，一类是以视觉信息为主的定位与建图(Simultaneous localizationand mapping，简称SLAM)技术，另一类是以激光雷达为主的SLAM定位技术；以激光雷达为主的SLAM定位技术由于激光雷达本身的特性，对于环境的依赖性较小，在大雾或者雨雪天气仍能够保持较高的定位精度，在GPS信号较弱的条件下也有较好的表现。但相比其他的定位方式，激光雷达的精度较高的同时，造价成本高且易受到多车信号污染，所以目前自动驾驶车辆主流方式仍然是视觉SLAM定位技术。

视觉SLAM定位技术通过将传统视觉领域的处理方式和SLAM结构相结合，输入场景图像判断当前车辆的位置信息，但是视觉SLAM容易受到环境天气的影响，并且对于不同位置的类似建筑物会存在误判现象。目前，自动驾驶车辆使用的固定的GPS或者GNSS等定位方式虽然较为成熟，但是卫星定位的精度会受到不同地理环境的影响，如在城市峡谷中会有多径效应的影响，定位不稳定，在某些高速公路、高架桥和隧道附近的定位精度也会极具下降，故亟待提出一种新的定位方法以提升卫星对车辆的定位精度。

发明内容

因此，本发明提供一种基于场景语义解析的定位方法、装置及电子设备以提升卫星对车辆的定位精度。

根据第一方面，本发明实施例公开了一种基于场景语义解析的定位方法，包括：获取车辆按照当前定位卫星的定位结果进行行驶的过程中的场景图像；将所述场景图像输入到目标卷积神经网络进行训练并通过所述目标卷积神经网络对所述场景图像进行解析得到所述场景图像中包含的标识物的类别信息；根据所述标识物的类别信息，确定参考定位卫星，所述参考定位卫星表征除所述当前定位卫星之外其他可识别到所述标识物的卫星；确定所述当前定位卫星和所述参考定位卫星对所述场景信息中包含的标识物的定位精度；从所述当前定位卫星和所述参考定位卫星中选取定位精度满足目标条件的卫星响应车辆行驶过程中的定位操作。

可选地，从所述当前定位卫星和所述参考定位卫星中选取定位精度满足目标条件的卫星响应车辆行驶过程中的定位操作，包括：当所述参考定位卫星的定位精度大于所述当前定位卫星的定位精度，则利用所述参考定位卫星替换所述当前定位卫星，使得车辆根据所述参考定位卫星的定位结果进行行驶；当所述参考定位卫星的定位精度小于所述当前定位卫星的定位精度，则控制车辆继续按照所述当前定位卫星的定位结果进行行驶。

可选地，所述方法还包括：根据解析出的场景信息，确定车辆当前所处场景是否存在于为车辆进行导航的数字地图中；若否，根据当前车辆的定位结果，从可编辑数字地图中获取对应所述场景信息的道路信息和交通标识信息；将所述场景信息以及所述场景信息对应的道路信息和交通标识信息进行融合后添加所述数字地图中

可选地，所述方法还包括：利用定位精度满足目标条件的卫星以及所述数字地图对所述车辆进行联合定位。

可选地，所述目标卷积神经网络包括：卷积层、池化层和全连接层；其中所述卷积层的卷积核大小为3*3，卷积核的个数为32，所述池化层中的池化窗口大小为3*3，所述全连接层的激活函数为ReLU函数。