(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211288217.8 (22)申请日 2022.10.20 (71)申请人 亿咖通 （湖北） 技 术有限公司 地址 430056 湖北省武汉市武汉经济技 术 开发区神龙大道18号太子湖文化数字 创意产业园创谷启动区B13 36号 (72)发明人 陈江秋　傅文标　林宝尉　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 高艳红 (51)Int.Cl. G06V 10/40(2022.01) G06V 10/74(2022.01) G06V 10/28(2022.01) G06Q 10/04(2012.01)G06F 16/2455(2019.01) G06F 16/29(2019.01) (54)发明名称 一种重定位帧的确定方法、 装置、 车辆及存 储介质 (57)摘要 本发明公开了一种重定位帧的确定方法、 装 置、 车辆及存储介质。 该方法包括： 获取特征地 图； 确定当前图像的图像关键帧， 根据所述图像 关键帧的全局特征和所述地图关键帧的全局特 征， 确定当前差异度矩阵； 根据预设动态规划算 法和所述当前差异度矩阵， 确定重定位标识； 基 于所述重定位标识， 在所述特征地图中确定目标 重定位帧。 本发明实施例的技术方案， 建立的特 征地图占用的内存资源更小， 解决了在语义地图 的全局范围内查找重定位帧消耗极大的计算资 源的问题， 适用于场景相似度高且通讯信号较差 的场景， 提高了 重定位帧的准确性和鲁棒 性。 权利要求书3页 说明书16页 附图5页 CN 115512124 A 2022.12.23 CN 115512124 A 1.一种重 定位帧的确定方法， 其特 征在于， 包括： 获取特征地图， 其中， 所述特征地图包括多个地图关键帧， 所述地图关键帧包含地图图 像的全局特 征和局部特征； 确定当前图像的图像关键帧， 根据 所述图像关键帧的全局特征和所述地图关键帧的全 局特征， 确定 当前差异度 矩阵,其中， 所述差异度 矩阵用于表征所述图像关键帧和所述地图 关键帧的差异程度， 所述图像关键帧包 含当前图像的全局特 征和局部特征； 根据预设动态规划算法和所述当前差异度矩阵， 确定重定位标识， 其中， 所述重定位标 识基于所述当前差异度矩阵中的第一预设位置确定， 所述第一预设位置包括所述当前差异 度矩阵中， 每列或每行的差异度中最小差异度的位置； 基于所述重 定位标识， 在所述特 征地图中确定目标重 定位帧。 2.根据权利要求1所述的方法， 其特 征在于， 所述特 征地图的更新方式包括： 根据地图图像的当前帧的位置相对于前一地图关键帧的位置的偏移距离是否大于预 设距离阈值， 确定地图图像的当前关键帧， 其中， 所述位置基于车辆所在的世界坐标系确 定； 基于所述当前关键帧的第一时间戳， 从预设位姿缓存库中， 确定地图关键帧的相邻全 局位姿估计， 并利用预设线性插值算法， 对所述相 邻全局位姿估计进 行插值处理， 得到所述 当前关键帧的全局位姿， 其中， 关键帧包含表示时间信息的第一时间戳， 所述相 邻全局位姿 估计包括时间上最接近所述第一时间戳的至少两个全局位姿估计， 所述预设位姿缓存库包 含至少两个所述全局位姿估计， 所述全局位姿估计包 含表示时间信息的第二时间戳； 对所述当前关键帧的灰度图像进行缩小化处理， 并基于缩小化处理后的灰度图像 中像 素的光照强度， 确定所述当前关键帧的全局特 征； 对所述当前关键帧的灰度图像进行缩小化处理， 并利用预设模型， 对缩小化处理后的 灰度图像进行降维映射处 理， 以得到所述当前关键帧的局部特 征； 根据所述当前关键帧、 所述当前关键帧的全局特征、 所述当前关键帧的全局位姿以及 所述当前关键帧的局部特 征， 更新所述特 征地图。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述当前关键帧、 所述当前关键 帧的全局特征、 所述当前关键帧的全局 位姿以及所述当前关键 帧的局部特征， 更新所述特 征地图， 包括： 根据所述当前关键帧、 所述当前关键帧的全局特征、 所述当前关键帧的全局位姿以及 所述当前关键帧的局部特 征， 确定初始地图关键帧； 对所述初始地图关键帧进行回环检测 和回环矫 正， 得到校验后的地图关键帧； 根据所述特征地图中地图关键帧的第 一时间戳， 将所述校验后的地图关键帧加入特征 地图中， 以更新所述特 征地图。 4.根据权利要求1或2所述的方法， 其特征在于， 所述根据所述图像关键帧的全局特征 和所述地图关键帧的全局特 征， 确定当前差异度矩阵， 包括： 根据所述图像关键帧的全局特征中像素的光照强度和所述地图关键帧的全局特征中 像素的光照强度的差值， 确定全局特 征差异度； 确定所述全局特征差异度与预设全局特征的像素数量的比值， 以得到差异度向量， 其 中， 所述预设全局特 征包括所述图像关键帧的全局特 征或所述 地图关键帧的全局特 征；权　利　要　求　书 1/3 页 2 CN 115512124 A 2根据更新前的差异度矩阵的预设参数是否大于预设参数阈值， 以及所述差异度向量， 确定更新后的当前差异度矩阵， 其中， 所述预设参数包括所述差异度矩阵的行数和/或列 数。 5.根据权利要求4所述的方法， 其特征在于， 所述根据预设动态规划算法和所述当前差 异度矩阵， 确定 重定位标识， 包括： 利用预设动态规划算法， 遍历所述当前差异度矩阵的差异度， 确定所述当前差异度矩 阵的第一预设位置、 与所述当前差异度矩阵的维数对应的预设矩阵、 以及在所述预设矩阵 中与所述第一预设位置对应的第二预设位置， 其中， 所述第一预设位置包括所述当前差异 度矩阵中， 第一预设方向上 的最小差异度所在的位置， 所述第一预设方向包括每行方向或 每列方向， 所述预设位置包括行位置和列位置， 所述预设矩阵中的值基于所述差异度的和 值确定； 将所述第二预设位置中最后一列对应的行位置， 或最后一行对应的列位置， 确定为重 定位标识， 其中， 所述重定位标识对应的第二预设位置上 的值基于所述第一预设位置上差 异度的和值确定 。 6.根据权利要求5所述的方法， 其特征在于， 所述基于所述重定位标识， 在所述特征地 图中确定目标重 定位帧， 包括： 确定所述重 定位标识的置信度， 根据所述置信度确定序列图匹配结果； 基于所述序列图匹配结果， 对所述重定位标识对应的初始重定位帧的局部特征进行校 验， 并根据校验结果， 在所述特 征地图中确定目标重 定位帧。 7.根据权利要求6所述的方法， 其特征在于， 所述确定所述重定位标识 的置信度， 根据 所述置信度确定序列图匹配结果， 包括： 将所述重定位标识对应的第二预设位置上的值输入预设概率分布模型， 得到第一概 率， 并将所述预设矩阵中所述重定位标识所在行或列上的值的均值输入预设概率分布模 型， 得到第二 概率； 根据所述第一 概率和所述第二 概率的比值， 确定所述重 定位标识的置信度； 当所述置信度超过预设置信度阈值时， 确定序列图匹配结果为正确， 其中， 所述序列图 匹配结果包括 正确和错误。 8.根据权利要求6所述的方法， 其特征在于， 所述基于所述序列图匹配结果， 对所述重 定位标识对应的初始重定位帧的局部特征进行校验， 并根据校验结果， 在所述特征地图中 确定目标重 定位帧， 包括： 当所述序列图匹配结果为正确时， 将所述重定位标识对应的地图关键帧， 确定为初始 重定位帧； 对图像关键帧的局部特征和所述初始重定位帧的局部特征进行暴力匹配， 得到匹配点 对； 确定所述匹配点对中的特 征点， 其中， 所述特 征点包括内点和外点； 根据内点数量占特征点数量的比例和所述内点数量， 确定校验结果， 并根据所述校验 结果， 从所述特征地图中确定目标重定位帧， 其中， 所述特征地图中包含所述目标重定位帧 的全局位姿， 所述 目标重定位帧的全局 位姿用于为语义地图提供初始位置， 所述校验结果 包括序列图匹配结果 正确和序列图匹配结果 错误。权　利　要　求　书 2/3 页 3 CN 115512124 A 3