一种基于鸟瞰图的位姿确定方法、设备和计算机存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114972492A(43)申请公布日2022.08.30(21)申请号202110213229.3(22)申请日2021.02.24(71)申请人中国科学院微电子研究所地址100029北京市朝阳区北土城西路3号(72)发明人陈琛王云安利峰(74)专利代理机构北京知迪知识产权代理有限公司11628专利代理师王胜利(51)Int.Cl.G06T7/73(2017.01)G06V10/80(2022.01)G06V10/82(2022.01)权利要求书1页说明书9页附图4页(54)发明名称一种基于鸟瞰图的位姿确定方法、设备和计算机存储介质(57)摘要本发明公开一种基于鸟瞰图的位姿确定方法、设备和计算机存储介质，属于视觉定位技术领域，以解决目前的方法需要语义分割等大量的标注信息，在大规模的场景下代价太大的技术问题。包括以下步骤：获取同一场景的鸟瞰图和原始图像。对鸟瞰图中的运动目标进行掩膜处理，得到掩膜鸟瞰图。利用深度学习网络对掩膜鸟瞰图进行处理，得到第一特征。利用深度位姿估计网络对原始图像进行处理，得到第二特征。将第一特征和第二特征进行融合，得到场景位姿。CN114972492ACN114972492A权利要求书1/1页1.一种基于鸟瞰图的位姿确定方法，其特征在于，所述方法包括以下步骤：获取同一场景的鸟瞰图和原始图像；对所述鸟瞰图中的运动目标进行掩膜处理，得到掩膜鸟瞰图；利用深度学习网络对所述掩膜鸟瞰图进行处理，得到第一特征；利用深度位姿估计网络对所述原始图像进行处理，得到第二特征；将所述第一特征和所述第二特征进行融合，得到场景位姿。2.根据权利要求1所述的基于鸟瞰图的位姿确定方法，其特征在于，所述鸟瞰图为经过坐标转换的点云图，所述鸟瞰图的尺寸参数与所述原始图像的尺寸参数相同。3.根据权利要求1所述的基于鸟瞰图的位姿确定方法，其特征在于，所述鸟瞰图的数据类型为点云数据；所述获取同一场景的鸟瞰图包括：获取原始点云数据；提取所述原始点云数据所在的二维坐标系中的第一象限中的数据，作为新点云数据；将所述新点云数据的X轴作为初始鸟瞰图的Y轴，所述新点云数据的Y轴作为初始鸟瞰图的X轴；根据原始图像的尺寸信息和图像内容，对所述初始鸟瞰鸟瞰图进行处理，得到所述鸟瞰图。4.根据权利要求1所述的基于鸟瞰图的位姿确定方法，其特征在于，所述第一特征为不受视角变化的特征。5.根据权利要求1所述的基于鸟瞰图的位姿确定方法，其特征在于，所述深度学习网络为有监督深度学习网络或无监督深度学习网络。6.根据权利要求1‑5任一项所述的基于鸟瞰图的位姿确定方法，其特征在于，所述对所述鸟瞰图中的运动目标进行掩膜处理，得到掩膜鸟瞰图包括：利用目标提取网络对所述鸟瞰图进行处理，得到具有目标检测结果的鸟瞰图；对所述具有目标检测结果的鸟瞰图中的检测目标进行掩膜处理，得到掩膜鸟瞰图。7.根据权利要求1所述的基于鸟瞰图的位姿确定方法，其特征在于，所述将所述第一特征和所述第二特征进行融合，得到场景位姿包括：对所述第一特征进行卷积，得到第一卷积特征；对所述第二特征进行卷积，得到第二卷积特征；将所述第一卷积特征和所述第二卷积特征进行融合，得到场景位姿。8.根据权利要求7所述的基于鸟瞰图的位姿确定方法，其特征在于，所述将所述第一卷积特征和所述第二卷积特征进行融合，得到场景位姿之后，所述基于鸟瞰图的位姿确定方法还包括：当所述场景位姿的维数与预设维数不相同时，对所述场景位姿的维数进行调整，以使所述场景位姿具有所述预设维数。9.一种基于鸟瞰图的位姿确定设备，其特征在于，包括处理器以及与处理器耦合的通信接口；所述处理器用于运行计算机程序或指令，以实现如权利要求1至8任一项所述的基于鸟瞰图的位姿确定方法。10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有指令，当所述指令被运行时，实现权利要求1至8任一项所述的基于鸟瞰图的位姿确定方法。2CN114972492A说明书1/9页一种基于鸟瞰图的位姿确定方法、设备和计算机存储介质技术领域[0001]本发明涉及视觉定位技术领域，特别是涉及一种基于鸟瞰图的位姿确定方法、设备和计算机存储介质。背景技术[0002]随着视觉定位技术进入了一个鲁棒感知的阶段，人们已经致力于研究方法来进行高层次的场景感知和理解来增加视觉定位任务的鲁棒性。[0003]目前大多数的方法主要利用语义理解，将语义概念(如对象分类、材料组成等)与环境的几何结构联系了起来，但这种方法往往需要语义分割等大量的标注信息，在大规模的场景下代价太大。发明内容[0004]基于此，本发明的目的在于提供一种基于鸟瞰图的位姿确定方法、设备和计算机存储介质，以解决目前的方法需要语义分割等大量的标注信息，在大规模的场景下代价太大的技术问题。[0