一种车辆重定位方法、装置、设备及存储介质与流程

1.本技术涉及车辆定位技术领域，具体涉及一种车辆重定位方法、装置、设备及存储介质。


背景技术：

2.车辆在缺失全球定位系统(global positioning system，gps)的环境中，通过车辆重定位方式可以帮助车辆重新确定自身位置，这是一项至关重要的能力。近年来，车辆重定位方案具体可以基于视觉特征的重定位方案、基于激光雷达(light detection and ranging，lidar)点云特征的重定位方案、基于apritag的重定位方案等。具体的，首先进行环境建图和apriltag标签的世界坐标标定，在设备(例如移动机器人)丢失定位时，开启相机检测标签检测功能，在检测到标签后停止移动并获取自身相对标签的位姿。然后根据标签的坐标，回复设备的世界坐标实现初步重定位，然后以初步获得的位置为中心进行搜索，不断将扫描到的3d点云和已有子图进行匹配，实现精准的重定位。
3.在上述方法中，一方面需要预先实现对apriltag标签的严格标定，同时标签的读取受环境光影响很大，在室内或者室外都有可能读取错误。另外加入激光雷达，会产生巨大的成本压力，而且激光雷达在空旷环境下表现不好。整个系统代价高昂，对计算资源消耗也很大。从而，当前对设备进行重定位的效率较低、准确度较差。


技术实现要素：

4.本技术提供一种车辆重定位方法、装置、设备及存储介质，以至少解决相关技术中对设备进行重定位的效率较低、准确度较差的技术问题。本技术的技术方案如下：
5.根据本技术涉及的第一方面，提供一种车辆重定位方法，包括：获取车辆在当前位置采集的第一图像，并将第一图像通过逆透视变换处理得到对应的第一俯视图像；通过预设的神经网络模型获取第一俯视图像中包括的多个第一语义特征，并确定多个第一语义特征的数量是否达到预设数量，语义特征用于表示以下至少一项：箭头标线信息、减速带信息；当多个第一语义特征的数量达到预设数量时，基于多个第一语义特征得到目标描述子，目标描述子用于指示当前位置的场景信息；将目标描述子与预先构建得到的描述子库进行匹配，从描述子库中匹配到目标描述子对应的描述子，并根据目标描述子对应的描述子确定车辆的定位信息。
6.根据上述技术手段，本技术可以通过获取车辆在当前位置采集的第一图像，并将第一图像通过逆透视变换处理得到对应的第一俯视图像；然后通过预设的神经网络模型获取第一俯视图像中包括的多个第一语义特征，并在确定多个第一语义特征的数量达到预设数量时，基于多个第一语义特征得到指示当前位置的场景信息的目标描述子。从而可以将目标描述子与预先构建得到的描述子库进行匹配，以从描述子库中匹配到目标描述子对应的描述子，并根据目标描述子对应的描述子确定车辆的定位信息，实现对车辆的重定位。通过上述方法可以基于车辆当前位置对应的目标描述子，从预先构建得到的描述子库中确定
匹配的描述子，从而确定车辆的定位信息，因此可以提高对车辆进行重定位的效率和准确度。
7.在一种可能的实施方式中，上述方法还包括：当多个第一语义特征的数量未达到预设数量时，移动车辆至第一位置，并获取车辆在第一位置采集的第二图像；将第二图像通过逆透视变换处理得到对应的第二俯视图像，并通过预设的神经网络模型获取第二俯视图像中包括的多个第二语义特征；当确定多个第一语义特征和多个第二语义特征的数量和达到预设数量时，基于多个第一语义特征和多个第二语义特征得到目标描述子。
8.根据上述技术手段，本技术可以在基于车辆当前位置对应的多个第一语义特征的数量未达到预设数量时，可以再次移动车辆至第一位置，并获取车辆在第一位置采集的第二图像；从而对第二图像进行处理获取对应的多个第二语义特征，以通过多个第一语义特征和多个第二语义特征得到目标描述子。通过进一步的移动车辆获取第二图像，以结合第一图像和第二图像得到对应的目标描述子，从而可以提高得到描述子的准确度，以提高对车辆进行重定位的准确度。
9.在一种可能的实施方式中，描述子包括以下至少一项信息：语义特征值种类、语义特征数量、语义特征值相对距离、语义特征值排序；上述方法中的将目标描述子与预先构建得到的描述子库进行匹配，从描述子库中匹配到目标描述子对应的描述子，包括：将目标描述子与预先构建得到的描述子库中包括的多个描述子中的每个描述子逐一的进行对比，确定目标描述子与预先构建得到的描述子库中包括的描述子之间的相似度；当确定目标描述子与预先构建得到的描述子库中包括的某个描述子之间的相似度大于预设相似度时，将某个描述子确定为目标描述子对应的描述子。
10.根据上述技术手段，本技术可以将目标描述子与预先构建得到的描述子库中包括的多个描述子中的每个描述子逐一的进行对比，以从预先构建得到的描述子库中包括的多个描述子中确定出与目标描述子之间的相似度大于预设相似度的一个描述子，并将确定的描述子确定为目标描述子对应的描述子，从而基于从描述子库中确定的描述子对车辆进行重定位，确定车辆的定位信息，以提高对车辆进行重定位的准确度和效率。
11.在一种可能的实施方式中，上述方法中的根据目标描述子对应的描述子确定车辆的定位信息，包括：确定目标描述子与目标描述子对应的描述子之间的偏差矩阵；基于偏差矩阵和目标描述子对应的描述子，确定车辆的位姿，得到车辆的定位信息。
12.根据上述技术手段，本技术可以通过确定目标描述子与目标描述子对应的描述子之间的偏差矩阵，以基于偏差矩阵和目标描述子对应的描述子，确定车辆的位姿，得到车辆的定位信息。从而可以提高对车辆进行重定位的准确度和效率。
13.在一种可能的实施方式中，上述方法还包括：获取多张预设图像，并对多张预设图像进行预处理，得到多张预处理图像，预处理包括：去除像素畸变、去除噪声；将多张预处理图像通过逆透视变换处理得到对应的多张第三俯视图像；通过预设的神经网络模型获取多张第三俯视图像中每张第三俯视图像包括的多个第三语义特征，并基于每张第三俯视图像对应的多个第三语义特征构建多个描述子，得到描述子库。
14.根据上述技术手段，本技术可以通过预先获取多张预设图像，并对多张预设图像进行预处理，得到多张预处理图像，以及将多张预处理图像通过逆透视变换处理得到对应的多张第三俯视图像；从而通过预设的神经网络模型获取多张第三俯视图像中每张第三俯
视图像包括的多个第三语义特征，并基于每张第三俯视图像对应的多个第三语义特征构建多个描述子，得到描述子库。通过上述方法可以预先构建得到描述子库，以在对车辆进行重定位时，可以直接基于预先构建的描述子库完成对车辆的重定位，从而可以提高对车辆进行重定位的效率。
15.根据本技术提供的第二方面，提供一种车辆重定位装置，包括获取模块和处理模块；获取模块，用于获取车辆在当前位置采集的第一图像；处理模块，用于将第一图像通过逆透视变换处理得到对应的第一俯视图像；处理模块，用于通过预设的神经网络模型获取第一俯视图像中包括的多个第一语义特征，并确定多个第一语义特征的数量是否达到预设数量，语义特征用于表示以下至少一项：箭头标线信息、减速带信息；处理模块，用于当多个第一语义特征的数量达到预设数量时，基于多个第一语义特征得到目标描述子，目标描述子用于指示当前位置的场景信息；处理模块，用于将目标描述子与预先构建得到的描述子库进行匹配，从描述子库中匹配到目标描述子对应的描述子，并根据目标描述子对应的描述子确定车辆的定位信息。
16.在一种可能的实施方式中，处理模块，用于当多个第一语义特征的数量未达到预设数量时，移动车辆至第一位置；获取模块，用于获取车辆在第一位置采集的第二图像；处理模块，用于将第二图像通过逆透视变换处理得到对应的第二俯视图像，并通过预设的神经网络模型获取第二俯视图像中包括的多个第二语义特征；处理模块，用于当确定多个第一语义特征和多个第二语义特征的数量和达到预设数量时，基于多个第一语义特征和多个第二语义特征得到目标描述子。
17.在一种可能的实施方式中，描述子包括以下至少一项信息：语义特征值种类、语义特征数量、语义特征值相对距离、语义特征值排序；处理模块，用于将目标描述子与预先构建得到的描述子库中包括的多个描述子中的每个描述子逐一的进行对比，确定目标描述子与预先构建得到的描述子库中包括的描述子之间的相似度；处理模块，用于当确定目标描述子与预先构建得到的描述子库中包括的某个描述子之间的相似度大于预设相似度时，将某个描述子确定为目标描述子对应的描述子。
18.在一种可能的实施方式中，处理模块，用于确定目标描述子与目标描述子对应的描述子之间的偏差矩阵；处理模块，用于基于偏差矩阵和目标描述子对应的描述子，确定车辆的位姿，得到车辆的定位信息。
19.在一种可能的实施方式中，获取模块，用于获取多张预设图像；处理模块，用于对多张预设图像进行预处理，得到多张预处理图像，预处理包括：去除像素畸变、去除噪声；处理模块，用于将多张预处理图像通过逆透视变换处理得到对应的多张第三俯视图像；处理模块，用于通过预设的神经网络模型获取多张第三俯视图像中每张第三俯视图像包括的多个第三语义特征，并基于每张第三俯视图像对应的多个第三语义特征构建多个描述子，得到描述子库。
20.根据本技术提供的第三方面，提供一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行指令，以实现上述第一方面及其任一种可能的实施方式的方法。
21.根据本技术提供的第四方面，提供一种计算机可读存储介质，当计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述第一方面中及其任
一种可能的实施方式的方法。
22.根据本技术提供的第五方面，提供一种车辆，该车辆包括如第二方面的车辆重定位装置，该车辆用于实现如第一方面的方法。
23.根据本技术提供的第六方面，提供一种计算机程序产品，计算机程序产品包括计算机指令，当计算机指令在电子设备上运行时，使得电子设备执行上述第一方面及其任一种可能的实施方式的方法。
24.由此，本技术的上述技术特征具有以下有益效果：
25.(1)可以通过获取车辆在当前位置采集的第一图像，并将第一图像通过逆透视变换处理得到对应的第一俯视图像；然后通过预设的神经网络模型获取第一俯视图像中包括的多个第一语义特征，并在确定多个第一语义特征的数量达到预设数量时，基于多个第一语义特征得到指示当前位置的场景信息的目标描述子。从而可以将目标描述子与预先构建得到的描述子库进行匹配，以从描述子库中匹配到目标描述子对应的描述子，并根据目标描述子对应的描述子确定车辆的定位信息，实现对车辆的重定位。通过上述方法可以基于车辆当前位置对应的目标描述子，从预先构建得到的描述子库中确定匹配的描述子，从而确定车辆的定位信息，因此可以提高对车辆进行重定位的效率和准确度。
26.(2)可以在基于车辆当前位置对应的多个第一语义特征的数量未达到预设数量时，可以再次移动车辆至第一位置，并获取车辆在第一位置采集的第二图像；从而对第二图像进行处理获取对应的多个第二语义特征，以通过多个第一语义特征和多个第二语义特征得到目标描述子。通过进一步的移动车辆获取第二图像，以结合第一图像和第二图像得到对应的目标描述子，从而可以提高得到描述子的准确度，以提高对车辆进行重定位的准确度。
27.(3)可以将目标描述子与预先构建得到的描述子库中包括的多个描述子中的每个描述子逐一的进行对比，以从预先构建得到的描述子库中包括的多个描述子中确定出与目标描述子之间的相似度大于预设相似度的一个描述子，并将确定的描述子确定为目标描述子对应的描述子，从而基于从描述子库中确定的描述子对车辆进行重定位，确定车辆的定位信息，以提高对车辆进行重定位的准确度和效率。
28.(4)可以通过确定目标描述子与目标描述子对应的描述子之间的偏差矩阵，以基于偏差矩阵和目标描述子对应的描述子，确定车辆的位姿，得到车辆的定位信息。从而可以提高对车辆进行重定位的准确度和效率。
29.(5)可以通过预先获取多张预设图像，并对多张预设图像进行预处理，得到多张预处理图像，以及将多张预处理图像通过逆透视变换处理得到对应的多张第三俯视图像；从而通过预设的神经网络模型获取多张第三俯视图像中每张第三俯视图像包括的多个第三语义特征，并基于每张第三俯视图像对应的多个第三语义特征构建多个描述子，得到描述子库。通过上述方法可以预先构建得到描述子库，以在对车辆进行重定位时，可以直接基于预先构建的描述子库完成对车辆的重定位，从而可以提高对车辆进行重定位的效率。
30.需要说明的是，第二方面至第六方面中的任一种实现方式所带来的技术效果可参见第一方面中对应实现方式所带来的技术效果，此处不再赘述。
31.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
32.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理，并不构成对本技术的不当限定。
33.图1是根据一示例性实施例示出的一种车辆重定位系统的结构示意图；
34.图2是根据一示例性实施例示出的一种车辆重定位方法的流程图；
35.图3是根据一示例性实施例示出的又一种车辆重定位方法的流程图；
36.图4是根据一示例性实施例示出的又一种车辆重定位方法的流程图；
37.图5是根据一示例性实施例示出的又一种车辆重定位方法的流程图；
38.图6是根据一示例性实施例示出的又一种车辆重定位方法的流程图；
39.图7是根据一示例性实施例示出的又一种车辆重定位方法的流程图；
40.图8是根据一示例性实施例示出的一种车辆重定位装置的框图；
41.图9是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
42.为了使本领域普通人员更好地理解本技术的技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
43.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
44.本技术实施例提供的车辆重定位方法，可以适用于车辆重定位系统。图1示出了该车辆重定位系统的一种结构示意图。如图1所示，车辆重定位系统10包括：车载电子设备11和服务器12。
45.车辆重定位系统10可以用于物联网，可以包括多个中央处理器(central processing unit，cpu)、多个内存、存储有多个操作系统的存储装置等硬件。
46.车载电子设备11可以用于物联网，可以用于执行本技术提供一种车辆重定位方法，车载电子设备11通过与服务器12之间进行数据交互，实现对车辆的重定位。
47.服务器12可以用于物联网，用于实现数据的存储，例如服务器12为车辆重定位方法对应的服务器，用于存储预先构建得到的描述子库等数据信息，并与车载电子设备11进行数据交互，实现车辆重定位方法。
48.为了便于理解，以下结合附图对本技术提供的车辆重定位方法进行具体介绍。
49.图2是根据一示例性实施例示出的一种车辆重定位方法的流程图，如图2所示，该车辆重定位方法包括以下s201-s204：
50.s201、获取车辆在当前位置采集的第一图像，并将第一图像通过逆透视变换处理得到对应的第一俯视图像。
51.需要说明的是，当车辆在某些场景(例如地下车库等)中需要进行重定位时，可以通过车辆上的摄像头(例如车辆的前视相机或者环视相机)拍摄车辆在当前位置的图像。
52.可选的，在对车辆进行重定位的过程中，需要首先将采集到的第一图像通过逆透视变换处理，将图像转换到俯视图下的图像。
53.s202、通过预设的神经网络模型获取第一俯视图像中包括的多个第一语义特征，并确定多个第一语义特征的数量是否达到预设数量。
54.其中，语义特征用于表示以下至少一项：箭头标线信息、减速带信息。
55.可选的，在得到第一图像对应的第一俯视图像之后，再进一步的使用预设的神经网络模型，提取第一俯视图像中包括的箭头标线信息和减速带信息。
56.具体的，将第一俯视图像传入由预设的神经网络模型构建的语义特征提取模块，输出包含提取后的地面箭头标线和减速带的图像。然后通过里程计模块获得车辆运动后位姿，将车辆坐标系下感知的箭头标线和减速带语义特征投影到世界坐标系下。最后按照设定的预设数量k，确定k个语义特征为目标描述子。
57.需要说明的是，箭头标线按照方向分为不同种类，包括左右方向箭头、双方向箭头、三方向箭头、直线箭头等。描述子包含语义特征的种类、数量和相对距离关系和当前世界坐标系下车辆位姿。
58.进一步的，还需要判断获取到的第一俯视图像中包括的多个第一语义特征的数量是否达到预设数量k。需要说明的是，当语义特征的数量达到预设数量k时，才能够得到合适的描述子。
59.s203、当多个第一语义特征的数量达到预设数量时，基于多个第一语义特征得到目标描述子。
60.其中，目标描述子用于指示当前位置的场景信息。
61.可选的，当确定多个第一语义特征的数量达到预设数量时，进一步的基于多个第一语义特征计算得到目标描述子。
62.可选的，当确定多个第一语义特征的数量未达到预设数量时，需要进一步的移动车辆得到第二图像，然后基于第二图像和第一图像对应的多个第一语义特征得到目标描述子。
63.s204、将目标描述子与预先构建得到的描述子库进行匹配，从描述子库中匹配到目标描述子对应的描述子，并根据目标描述子对应的描述子确定车辆的定位信息。
64.需要说明的是，在基于多个第一语义特征得到目标描述子之后，需要先判断是否存在预设的描述子库，若确定不存在预设的描述子库时，则需要先构建描述子库。
65.可选的，在计算得到目标描述子之后，可以将目标描述子与预先构建得到的描述子库进行匹配，匹配需要比较语义特征值种类和语义特征数量，以及比较语义特征值相对距离关系和语义特征值排序，从而从描述子库中匹配到目标描述子对应的描述子。
66.可选的，在从描述子库中匹配到目标描述子对应的描述子之后，还可以继续移动车辆移动距离d，并获取车辆在移动过程中采集的图像，以基于车辆在移动过程中采集的图像对应的语义特征，确定车辆在移动的过程中是否能够构建对应的描述子。
67.可选的，当确定车辆在移动的过程中对应的语义特征无法构建得到新的描述子时，可以直接基于目标描述子对应的描述子对车辆进行位姿匹配，确定车辆当前的位姿和定位信息。
68.可选的，当确定车辆在移动的过程中对应的语义特征能够构建得到新的描述子
时，将构建得到的新的描述子和描述子库中包括的描述子进行匹配，得到对应的描述子。
69.本技术实施例中，可以通过获取车辆在当前位置采集的第一图像，并将第一图像通过逆透视变换处理得到对应的第一俯视图像；然后通过预设的神经网络模型获取第一俯视图像中包括的多个第一语义特征，并在确定多个第一语义特征的数量达到预设数量时，基于多个第一语义特征得到指示当前位置的场景信息的目标描述子。从而可以将目标描述子与预先构建得到的描述子库进行匹配，以从描述子库中匹配到目标描述子对应的描述子，并根据目标描述子对应的描述子确定车辆的定位信息，实现对车辆的重定位。通过上述方法可以基于车辆当前位置对应的目标描述子，从预先构建得到的描述子库中确定匹配的描述子，从而确定车辆的定位信息，因此可以提高对车辆进行重定位的效率和准确度。
70.在一些实施例中，为了在多个第一语义特征的数量未达到预设数量时，得到目标描述子，如图3所示，本技术实施例提供的一种车辆重定位方法中，具体还可以包括s301-s303：
71.s301、当多个第一语义特征的数量未达到预设数量时，移动车辆至第一位置，并获取车辆在第一位置采集的第二图像。
72.可选的，当确定车辆在当前位置采集的第一图像对应的多个第一语义特征的数量未达到预设数量k时，需要控制车辆沿道路移动一定距离至第一位置，并在第一位置获取车辆采集的第二图像。
73.可选的，在控制车辆沿道路移动一定距离至第一位置的过程中，还需要开启里程计，以确定车辆移动的距离和方向。
74.s302、将第二图像通过逆透视变换处理得到对应的第二俯视图像，并通过预设的神经网络模型获取第二俯视图像中包括的多个第二语义特征。
75.需要说明的是，对于将第二图像通过逆透视变换处理得到对应的第二俯视图像，并通过预设的神经网络模型获取第二俯视图像中包括的多个第二语义特征的具体处理过程，可以参考上述对第一图像和多个第一语义特征的描述，此处不再赘述。
76.s303、当确定多个第一语义特征和多个第二语义特征的数量和达到预设数量时，基于多个第一语义特征和多个第二语义特征得到目标描述子。
77.需要说明的是，对于基于多个第一语义特征和多个第二语义特征得到目标描述子，可以参考上述基于多个第一语义特征得到目标描述子的描述，此处不在赘述。
78.本技术实施例中，可以在基于车辆当前位置对应的多个第一语义特征的数量未达到预设数量时，可以再次移动车辆至第一位置，并获取车辆在第一位置采集的第二图像；从而对第二图像进行处理获取对应的多个第二语义特征，以通过多个第一语义特征和多个第二语义特征得到目标描述子。通过进一步的移动车辆获取第二图像，以结合第一图像和第二图像得到对应的目标描述子，从而可以提高得到描述子的准确度，以提高对车辆进行重定位的准确度。
79.在一些实施例中，描述子包括以下至少一项信息：语义特征值种类、语义特征数量、语义特征值相对距离、语义特征值排序；为了从描述子库中匹配到目标描述子对应的描述子，如图4所示，本技术实施例提供的一种车辆重定位方法中，上述s204中的方法，具体可以包括s401-s402：
80.s401、将目标描述子与预先构建得到的描述子库中包括的多个描述子中的每个描
述子逐一的进行对比，确定目标描述子与预先构建得到的描述子库中包括的描述子之间的相似度。
81.s402、当确定目标描述子与预先构建得到的描述子库中包括的某个描述子之间的相似度大于预设相似度时，将某个描述子确定为目标描述子对应的描述子，并根据目标描述子对应的描述子确定车辆的定位信息。
82.可选的，需要将目标描述子与预先构建的描述子库进行匹配，一次从描述子库中选择一个描述子，比较两个描述子矩阵的相似度，以基于两个描述子矩阵的相似度确定两个描述子之间的相似度。当相似度大于预设相似度时，将从描述子库中选择的描述子确定为目标描述子对应的描述子。
83.需要说明的是，相似度由语义特征值种类和语义特征数量是否相等，语义特征值相对距离关系是否相近，以及语义特征值排序是否一样来确定。
84.本技术实施例中，可以将目标描述子与预先构建得到的描述子库中包括的多个描述子中的每个描述子逐一的进行对比，以从预先构建得到的描述子库中包括的多个描述子中确定出与目标描述子之间的相似度大于预设相似度的一个描述子，并将确定的描述子确定为目标描述子对应的描述子，从而基于从描述子库中确定的描述子对车辆进行重定位，确定车辆的定位信息，以提高对车辆进行重定位的准确度和效率。
85.在一些实施例中，为了根据目标描述子对应的描述子确定车辆的定位信息，如图5所示，本技术实施例提供的一种车辆重定位方法中，上述s204中的“根据目标描述子对应的描述子确定车辆的定位信息”，具体可以包括s501-s502：
86.s501、确定目标描述子与目标描述子对应的描述子之间的偏差矩阵。
87.s502、基于偏差矩阵和目标描述子对应的描述子，确定车辆的位姿，得到车辆的定位信息。
88.可选的，还需要进一步的匹配找到描述子库中目标描述子对应的描述子以及和其相对偏差矩阵，然后将偏差矩阵和对应描述子位姿相乘，得到车辆对应位姿。
89.需要说明的是，在包括上述步骤s501-s502的情况下，上述步骤s204包括的具体内容为“将目标描述子与预先构建得到的描述子库进行匹配，从描述子库中匹配到目标描述子对应的描述子”。
90.本技术实施例中，可以通过确定目标描述子与目标描述子对应的描述子之间的偏差矩阵，以基于偏差矩阵和目标描述子对应的描述子，确定车辆的位姿，得到车辆的定位信息。从而可以提高对车辆进行重定位的准确度和效率。
91.在一些实施例中，为了得到描述子库，如图6所示，本技术实施例提供的一种车辆重定位方法中，还可以包括s601-s603：
92.s601、获取多张预设图像，并对多张预设图像进行预处理，得到多张预处理图像。
93.其中，预处理包括：去除像素畸变、去除噪声。
94.s602、将多张预处理图像通过逆透视变换处理得到对应的多张第三俯视图像。
95.可选的，可以预先获取其他车辆在当前区域由前视相机或者环视相机采集的多张预设图像，并对多张预设图像进行预处理，去除图像中的畸变并利用滤波器去除噪声，然后把多张预设图像通过逆透视投影变换转到对应的俯视图。
96.需要说明的是，对于将多张预处理图像通过逆透视变换处理得到对应的多张第三
俯视图像的方案，具体可以参考上述对第一图像进行逆透视变换处理得到对应的第一俯视图像的描述，此处不在赘述。
97.s603、通过预设的神经网络模型获取多张第三俯视图像中每张第三俯视图像包括的多个第三语义特征，并基于每张第三俯视图像对应的多个第三语义特征构建多个描述子，得到描述子库。
98.可选的，进一步的将转换后的多张第三俯视图像传入语义特征提取模块，预设的神经网络模型对图像进行语义特征提取，生成语义分割图，输出包含提取后的各种不同类型的箭头标线和减速带的图片。在提取箭头标线和减速带特征后，通过里程计模块获得车辆运动后位姿，将车辆坐标系下感知的箭头标线和减速带语义特征投影到世界坐标系下。
99.进一步的，需要保存不同种类的箭头标线和减速带信息以及距离信息，然后按照预设数量k，保存k个语义特征为一个描述子，然后依次将所有描述子按车辆运动顺序保存，构成描述子库。
100.具体的，在提取箭头标线和减速带特征后，通过里程计模块获得车辆运动后的相对位姿t_wv。读取俯视图转车辆坐标系矩阵t_vc，分割图像素乘以t_vc，将图片坐标系转为以车辆为中心的车辆坐标系，然后再乘以t_wv,将车辆坐标系下感知的箭头标线和减速带语义特征投影到世界坐标系下。
101.然后，通过保存不同种类的箭头标线和减速带信息以及距离信息，读取预设数量k，将k个语义特征信息、语义特征之间相对距离和顺序，以及当前车辆世界坐标系下位姿编码为一个描述子，然后依次将所有描述子按运动顺序保存，构成描述子库。
102.需要说明的是，描述子包含语义特征的种类、语义特征的数量、相对距离以及前后顺序关系构成一个矩阵，另有一个向量保存当前世界坐标系下车辆位姿。
103.本技术实施例中，可以通过预先获取多张预设图像，并对多张预设图像进行预处理，得到多张预处理图像，以及将多张预处理图像通过逆透视变换处理得到对应的多张第三俯视图像；从而通过预设的神经网络模型获取多张第三俯视图像中每张第三俯视图像包括的多个第三语义特征，并基于每张第三俯视图像对应的多个第三语义特征构建多个描述子，得到描述子库。通过上述方法可以预先构建得到描述子库，以在对车辆进行重定位时，可以直接基于预先构建的描述子库完成对车辆的重定位，从而可以提高对车辆进行重定位的效率。
104.示例性的，如图7所示，在获取到车辆在当前位置采集的图像之后，需要对图像进行图像预处理，去除像素畸变、去除噪声得到对应的预处理图像。然后对得到的预处理图像进行图像逆透视变换处理得到对应的俯视图像。进一步的，通过预设的神经网络模型从俯视图像中提取语义特征，在提取完语义特征之后，还需要判断是否需要建立描述子库。当确定不需要建立描述子库时，通过里程计模块计算车辆在当前位置采集的图像对应的目标描述子，然后判断语义特征的数量是否满足预设数量k，并进一步的比较目标描述子和描述子库中的描述子，以及进行校验，计算偏差矩阵后相乘得到车辆在世界坐标系下的位姿。当确定需要建立描述子库时，通过获取多张预设图像，并进行处理得到对应的语义特征，然后将多张预设图像对应的语义特征从车辆坐标系下转到世界坐标系，以构建描述子库。
105.本技术中，通过使用车载相机、轮速传感器、惯性传感器(inertial measurement unit，imu)，成本较低，同时通过预设的神经网络模型提取地面箭头标线和减速带语义特
征，具有较强的鲁棒性，不易受到外界光照环境影响。同时本技术具有轻量级的描述子生成方法，对计算资源占用较小。通过建立一种基于箭头标线和减速带语义信息的重定位系统，感知硬件包含环视相机、轮速传感器和imu数据。具体模块包括相机预处理和图像拼接模块、地面语义信息提取模块、语义特征库构建模块、里程计模块、定位匹配模块。提供一种具有较低成本，具有较强的鲁棒性，能够克服环境光照变化和视觉特征匮乏，同时，能够有较低的计算资源消耗的重定位算法。
106.上述主要从方法的角度对本技术实施例提供的方案进行了介绍。为了实现上述功能，车辆重定位装置或电子设备包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本技术能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
107.本技术实施例可以根据上述方法，示例性的对车辆重定位装置或电子设备进行功能模块的划分，例如，车辆重定位装置或电子设备可以包括对应各个功能划分的各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本技术实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
108.图8是根据一示例性实施例示出的一种车辆重定位装置的框图。参照图8，该车辆重定位装置800包括：获取模块801和处理模块802。
109.获取模块801，用于获取车辆在当前位置采集的第一图像；
110.处理模块802，用于将第一图像通过逆透视变换处理得到对应的第一俯视图像；
111.处理模块802，用于通过预设的神经网络模型获取第一俯视图像中包括的多个第一语义特征，并确定多个第一语义特征的数量是否达到预设数量，语义特征用于表示以下至少一项：箭头标线信息、减速带信息；
112.处理模块802，用于当多个第一语义特征的数量达到预设数量时，基于多个第一语义特征得到目标描述子，目标描述子用于指示当前位置的场景信息；
113.处理模块802，用于将目标描述子与预先构建得到的描述子库进行匹配，从描述子库中匹配到目标描述子对应的描述子，并根据目标描述子对应的描述子确定车辆的定位信息。
114.在一种可能的实施方式中，处理模块802，用于当多个第一语义特征的数量未达到预设数量时，移动车辆至第一位置；获取模块，用于获取车辆在第一位置采集的第二图像；处理模块802，用于将第二图像通过逆透视变换处理得到对应的第二俯视图像，并通过预设的神经网络模型获取第二俯视图像中包括的多个第二语义特征；处理模块802，用于当确定多个第一语义特征和多个第二语义特征的数量和达到预设数量时，基于多个第一语义特征和多个第二语义特征得到目标描述子。
115.在一种可能的实施方式中，描述子包括以下至少一项信息：语义特征值种类、语义特征数量、语义特征值相对距离、语义特征值排序；处理模块802，用于将目标描述子与预先构建得到的描述子库中包括的多个描述子中的每个描述子逐一的进行对比，确定目标描述
子与预先构建得到的描述子库中包括的描述子之间的相似度；处理模块802，用于当确定目标描述子与预先构建得到的描述子库中包括的某个描述子之间的相似度大于预设相似度时，将某个描述子确定为目标描述子对应的描述子。
116.在一种可能的实施方式中，处理模块802，用于确定目标描述子与目标描述子对应的描述子之间的偏差矩阵；处理模块802，用于基于偏差矩阵和目标描述子对应的描述子，确定车辆的位姿，得到车辆的定位信息。
117.在一种可能的实施方式中，获取模块801，用于获取多张预设图像；处理模块802，用于对多张预设图像进行预处理，得到多张预处理图像，预处理包括：去除像素畸变、去除噪声；处理模块802，用于将多张预处理图像通过逆透视变换处理得到对应的多张第三俯视图像；处理模块802，用于通过预设的神经网络模型获取多张第三俯视图像中每张第三俯视图像包括的多个第三语义特征，并基于每张第三俯视图像对应的多个第三语义特征构建多个描述子，得到描述子库。
118.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
119.图9是根据一示例性实施例示出的一种电子设备的框图。如图9所示，电子设备900包括但不限于：处理器901和存储器902。
120.其中，上述的存储器902，用于存储上述处理器901的可执行指令。可以理解的是，上述处理器901被配置为执行指令，以实现上述实施例中的车辆重定位方法。
121.需要说明的是，本领域技术人员可以理解，图9中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图9所示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
122.处理器901是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器902内的软件程序和/或模块，以及调用存储在存储器902内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。处理器901可包括一个或多个处理单元。可选的，处理器901可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器901中。
123.存储器902可用于存储软件程序以及各种数据。存储器902可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能模块所需的应用程序(比如获取模块、处理模块等)等。此外，存储器902可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
124.在示例性实施例中，还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器1102，上述指令可由电子设备900的处理器901执行以实现上述实施例中的车辆重定位方法。
125.在实际实现时，图8中的获取模块801和处理模块802的功能均可以由图9中的处理器901调用存储器902中存储的计算机程序实现。其具体的执行过程可参考上实施例中的车辆重定位方法部分的描述，这里不再赘述。
126.可选地，计算机可读存储介质可以是非临时性计算机可读存储介质，例如，该非临时性计算机可读存储介质可以是只读存储器(read-only memory，rom)、随机存储存储器
(random access memory，ram)、cd-rom、磁带、软盘和光数据存储设备等。
127.在示例性实施例中，本技术实施例还提供了一种包括一条或多条指令的计算机程序产品，该一条或多条指令可以由电子设备900的处理器901执行以完成上述实施例中的车辆重定位方法。
128.需要说明的是，上述计算机可读存储介质中的指令或计算机程序产品中的一条或多条指令被电子设备的处理器执行时实现上述车辆重定位方法实施例的各个过程，且能达到与上述车辆重定位方法相同的技术效果，为避免重复，这里不再赘述。
129.通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全分类部或者部分功能。
130.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
131.作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全分类部单元来实现本实施例方案的目的。
132.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
133.集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全分类部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本技术各个实施例方法的全分类部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
134.以上，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何在本技术揭露的技术范围内的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种车辆重定位方法，其特征在于，包括：获取车辆在当前位置采集的第一图像，并将所述第一图像通过逆透视变换处理得到对应的第一俯视图像；通过预设的神经网络模型获取所述第一俯视图像中包括的多个第一语义特征，并确定所述多个第一语义特征的数量是否达到预设数量，所述语义特征用于表示以下至少一项：箭头标线信息、减速带信息；当所述多个第一语义特征的数量达到所述预设数量时，基于所述多个第一语义特征得到目标描述子，所述目标描述子用于指示当前位置的场景信息；将所述目标描述子与预先构建得到的描述子库进行匹配，从所述描述子库中匹配到所述目标描述子对应的描述子，并根据所述目标描述子对应的描述子确定车辆的定位信息。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：当所述多个第一语义特征的数量未达到所述预设数量时，移动车辆至第一位置，并获取车辆在所述第一位置采集的第二图像；将所述第二图像通过逆透视变换处理得到对应的第二俯视图像，并通过预设的神经网络模型获取所述第二俯视图像中包括的多个第二语义特征；当确定所述多个第一语义特征和所述多个第二语义特征的数量和达到所述预设数量时，基于所述多个第一语义特征和所述多个第二语义特征得到所述目标描述子。3.根据权利要求1或2所述的方法，其特征在于，描述子包括以下至少一项信息：语义特征值种类、语义特征数量、语义特征值相对距离、语义特征值排序；所述将所述目标描述子与预先构建得到的描述子库进行匹配，从所述描述子库中匹配到所述目标描述子对应的描述子，包括：将所述目标描述子与预先构建得到的描述子库中包括的多个描述子中的每个描述子逐一的进行对比，确定所述目标描述子与预先构建得到的描述子库中包括的描述子之间的相似度；当确定所述目标描述子与预先构建得到的描述子库中包括的某个描述子之间的相似度大于预设相似度时，将所述某个描述子确定为所述目标描述子对应的描述子。4.根据权利要求1或2所述的方法，其特征在于，所述根据所述目标描述子对应的描述子确定车辆的定位信息，包括：确定所述目标描述子与所述目标描述子对应的描述子之间的偏差矩阵；基于所述偏差矩阵和所述目标描述子对应的描述子，确定车辆的位姿，得到车辆的定位信息。5.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：获取多张预设图像，并对所述多张预设图像进行预处理，得到多张预处理图像，所述预处理包括：去除像素畸变、去除噪声；将所述多张预处理图像通过逆透视变换处理得到对应的多张第三俯视图像；通过所述预设的神经网络模型获取所述多张第三俯视图像中每张第三俯视图像包括的多个第三语义特征，并基于每张第三俯视图像对应的多个第三语义特征构建多个描述子，得到所述描述子库。6.一种车辆重定位装置，其特征在于，所述车辆重定位装置包括：获取模块和处理模
块；所述获取模块，用于获取车辆在当前位置采集的第一图像；所述处理模块，用于将所述第一图像通过逆透视变换处理得到对应的第一俯视图像；所述处理模块，用于通过预设的神经网络模型获取所述第一俯视图像中包括的多个第一语义特征，并确定所述多个第一语义特征的数量是否达到预设数量，所述语义特征用于表示以下至少一项：箭头标线信息、减速带信息；所述处理模块，用于当所述多个第一语义特征的数量达到所述预设数量时，基于所述多个第一语义特征得到目标描述子，所述目标描述子用于指示当前位置的场景信息；所述处理模块，用于将所述目标描述子与预先构建得到的描述子库进行匹配，从所述描述子库中匹配到所述目标描述子对应的描述子，并根据所述目标描述子对应的描述子确定车辆的定位信息。7.一种电子设备，其特征在于，包括：处理器以及存储器；其中，所述存储器用于存储一个或多个程序，所述一个或多个程序包括计算机执行指令，当所述电子设备运行时，处理器执行所述存储器存储的所述计算机执行指令，以使所述电子设备执行权利要求1-5中任一项所述的方法。8.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中存储的计算机执行指令由电子设备的处理器执行时，所述电子设备能够执行如权利要求1至5中任一项所述的方法。9.一种车辆，其特征在于，所述车辆包括如权利要求6所述的车辆重定位装置，所述车辆用于实现如权利要求1至5中任一项所述的方法。

技术总结
本申请涉及一种车辆重定位方法、装置、设备及存储介质，涉及车辆定位技术领域。该方法包括：获取车辆在当前位置采集的第一图像，并将第一图像通过逆透视变换处理得到对应的第一俯视图像；通过预设的神经网络模型获取第一俯视图像中包括的多个第一语义特征，并确定多个第一语义特征的数量是否达到预设数量，语义特征用于表示以下至少一项：箭头标线信息、减速带信息；当多个第一语义特征的数量达到预设数量时，基于多个第一语义特征得到目标描述子，目标描述子用于指示当前位置的场景信息；将目标描述子与预先构建得到的描述子库进行匹配，从描述子库中匹配到目标描述子对应的描述子，并根据目标描述子对应的描述子确定车辆的定位信息。的定位信息。的定位信息。


技术研发人员：王昕 谢一江 宋才兴
受保护的技术使用者：重庆长安汽车股份有限公司
技术研发日：2023.03.28
技术公布日：2023/7/12