基于语义分割的重定位方法、装置和电子设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114166204A(43)申请公布日2022.03.11(21)申请号202111465175.6(22)申请日2021.12.03(71)申请人东软睿驰汽车技术(沈阳)有限公司地址110172辽宁省沈阳市沈抚新区金枫街75-1号(72)发明人冯若梅聂冀玮黄冠胡骏刘威曹斌(74)专利代理机构北京超成律师事务所11646代理人邓超(51)Int.Cl.G01C21/00(2006.01)G01C21/34(2006.01)G01C21/36(2006.01)权利要求书2页说明书8页附图2页(54)发明名称基于语义分割的重定位方法、装置和电子设备(57)摘要本发明提供了一种基于语义分割的重定位方法、装置和电子设备，包括，对当前车辆所处停驻位置对应的当前环境图像和历史采集的关键环境图像集合分别进行语义分割，得到每张图像对应的多个静态对象语义类别；以静态对象语义类别的拓扑关系作为每张图像的描述子从关键环境图像集合中确定当前环境图像对应的目标环境图像；基于目标环境图像对应的位置信息重定位当前车辆，避免出现图像光照鲁棒性较差的问题，能够适应于各种车辆应用场景。CN114166204ACN114166204A权利要求书1/2页1.一种基于语义分割的重定位方法，其特征在于，所述方法包括：对当前车辆所处停驻位置对应的当前环境图像和历史采集的关键环境图像集合分别进行语义分割，得到每张图像对应的多个静态对象语义类别；以所述静态对象语义类别的拓扑关系作为所述每张图像的描述子从关键环境图像集合中确定所述当前环境图像对应的目标环境图像；基于所述目标环境图像对应的位置信息重定位所述当前车辆。2.根据权利要求1所述的方法，其特征在于，以所述静态对象语义类别的拓扑关系作为所述每张图像的描述子从关键环境图像集合中确定所述当前环境图像对应的目标环境图像的步骤，包括：分别获取所述当前环境图像和所述关键环境图像中每个静态对象语义类别的对应的向量；分别从所述当前环境图像和所述关键环境图像中选取相同所述静态对象语义类别对应的向量；基于相同所述静态对象语义类别对应的向量确定所述当前环境图像和每个所述关键环境图像的距离；根据所述当前环境图像和每个所述关键环境图像的距离确定目标环境图像。3.根据权利要求2所述的方法，其特征在于，分别获取所述当前环境图像和所述关键环境图像中每个静态对象语义类别的对应的向量的步骤，包括：针对所述当前环境图像和所述关键环境图像集合中的每个关键环境图像均执行以下步骤，直至每个图像均得到相应的每个静态对象语义类别的对应的向量：获取当前图像中每个静态对象语义类别的静态对象坐标，其中，每个静态对象语义类别包括至少一个静态对象坐标；将隶属于同一静态对象语义类别的各个静态对象坐标加和并进行平均值计算，确定所述每个静态对象语义类别对应的中心坐标；将所述每个静态对象语义类别对应的中心坐标加和并进行平均值计算，确定所述当前图像的总中心坐标；基于所述总中心坐标和所述每个静态对象语义类别对应的中心坐标作差计算，确定每个静态对象语义类别对应的向量。4.根据权利要求2所述的方法，其特征在于，分别从所述当前环境图像和所述关键环境图像中选取相同所述静态对象语义类别对应的向量的步骤，包括：将所述当前环境图像的静态对象语义类别与每个所述关键环境图像的静态对象语义类别进行比对，确定出所述当前环境图像和每个所述关键环境图像的共同静态对象语义类别；分别对所述当前环境图像和每个所述关键环境图像的共同静态对象语义类别对应的向量进行归一化处理，得到所述当前环境图像和每个所述关键环境图像的共同静态对象语义类别对应的归一化向量。5.根据权利要求2所述的方法，其特征在于，基于相同所述静态对象语义类别对应的向量确定所述当前环境图像和每个所述关键环境图像的距离的步骤，包括：分别获取所述当前环境图像与当前关键环境图像对应的每个相同静态对象语义类别2CN114166204A权利要求书2/2页对应的向量的差值；将所述每个相同静态对象语义类别对应的向量的差值进行加和并计算平均值，确定所述当前环境图像与当前关键环境图像的距离，重复执行上述步骤，直至所述关键环境图像集合中的每个关键环境图像均被遍历。6.根据权利要求2所述的方法，其特征在于，根据所述当前环境图像和每个所述关键环境图像的距离确定目标环境图像的步骤，包括：将与所述当前环境图像具有最小距离的关键环境图像作为目标环境图像。7.根据权利要求1所述的方法，其特征在于，对当前车辆所处停驻位置对应的当前环境图像和历史采集的关键环境图像集合分别进行语义分割，得到每张图像对应的多个静态对象语义类别的步骤，包括：获取当前车辆所处停驻位置对应的当前环境图像和历史采集的关键环境图像集合；基于神经网络