(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 202210789254.0 (22)申请日 2022.07.06 (71)申请人 上海西井信息科技有限公司 地址 200050 上海市长 宁区江苏路398号 503-3室 (72)发明人 谭黎敏　马培立　 (74)专利代理 机构 上海隆天律师事务所 31282 专利代理师 钟宗 (51)Int.Cl. G01C 21/34(2006.01) G01C 21/36(2006.01) G01C 21/00(2006.01) G06V 20/56(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) (54)发明名称 基于视觉AI的融合定位方法、 系统、 设备及 存储介质 (57)摘要 本发明提供了基于视觉AI的融合定位方法、 系统、 设备及存储介质， 该方法包括以下步骤： 车 辆采集路面的实时图像和GPS定位信息； 对实时 图像进行图像识别， 判断在实时图像中识别是否 存在车道线； 存在则基于GPS定位和实时图像基 于高精地图进行地图定位， 对局部区域范围内的 点集进行插值扩充； 不存在则基于GPS定位对高 精地图的点集进行插值扩充； 基于被插值后的点 集与分区图像进行分类匹配， 获得高精地图的点 集在图像中的对应区域。 本发明能够通过实时图 像的检测结果和图像分割结果作为输入， 来实现 基于高精地图的混合校验， 减少了计算量， 加快 了定位速度， 并且提高定位精度。 权利要求书2页 说明书12页 附图8页 CN 115164924 A 2022.10.11 CN 115164924 A 1.一种基于 视觉AI的融合定位方法， 其特 征在于， 包括以下步骤： 车辆采集路面的实时图像和GP S定位信息； 对所述实时图像进行图像识别， 并获得分区后的像素区域与分区图像对应的标签类别 的映射关系； 判断在所述实时图像中识别是否存在车道线； 若存在车道线， 则通过所述车辆当前的GPS定位信息和所述车道线的在所述实时图像 的位置基于高精地图进行地图定位， 并基于地图定位对局部区域范围内的点集进 行插值扩 充； 若不存在车道线， 则基于所述车辆当前的GPS定位信息定位对所述高精地图中局部区 域范围内的点 集进行插值扩充； 基于被插值后的所述点集与 所述分区图像基于标签类别进行分类匹配， 获得所述高精 地图的点 集在所述图像中的对应区域。 2.根据权利要求1所述的基于视觉AI的融合定位方法， 其特征在于， 所述车辆采集路面 的实时图像和GP S定位信息， 包括： 车辆通过图像传感器采集路面的实时图像； 车辆通过GP S获得所述车辆当前的GP S定位信息 。 3.根据权利要求1所述的基于视觉AI的融合定位方法， 其特征在于， 所述对所述实时图 像进行图像识别， 并获得分区后的像素区域与分区图像对应的标签 类别的映射关系， 包括： 对所述实时图像进行图像分区识别， 获得每 个分区对应的标签 类别； 建立每个分区对应的像素与所述分区的标签 类别的映射关系。 4.根据权利要求1所述的基于视觉AI的融合定位方法， 其特征在于， 所述判断在所述实 时图像中识别是否存在车道线， 包括： 判断在所述实时图像的各分区中是否包括至少一个标签 类别为车道线的图像分区。 5.根据权利要求1所述的基于视觉AI的融合定位方法， 其特征在于， 所述基于所述车辆 当前的GPS定位信息和所述车道线的在所述实时图像的位置基于高精地图进行地图定位， 并基于地图定位对局部区域范围内的点 集进行插值扩充， 包括： 基于所述图像建立平面坐标， 将每条所述车道线在图像中延展方向进行曲线拟合， 并 获得曲线轨 迹； 基于所述车辆当前的GPS定位信息为中心， 预设长度为半径， 在所述高精地图中获得一 局部区域； 通过所述曲线轨迹对所述局部区域的范围内的标签类别为车道线的点的集合进行过 滤， 过滤掉与所述曲线轨 迹的距离大于预设距离阈值的点； 以及 对过滤后的所述 点集进行插值扩充。 6.根据权利要求5所述的基于视觉AI的融合定位方法， 其特征在于， 所述通过所述曲线 轨迹对所述局部区域的范围内的点的点集进 行过滤， 过滤掉与所述曲线轨迹的距离大于预 设距离阈值的点， 还 包括： 所述预设距离阈值 为所述实时图像的宽度像素值的1/15 至1/30。 7.据权利要求1所述的基于视觉AI的融合定位方法， 其特征在于， 所述基于所述车辆当 前的GPS定位信息 定位对所述高精地图中局部区域范围内的点 集进行插值扩充， 包括：权　利　要　求　书 1/2 页 2 CN 115164924 A 2基于所述车辆当前的GPS定位信息为中心， 预设长度为半径， 在所述高精地图中获得一 局部区域； 获得位于所述局部区域的范围内的点的点 集； 对所述点集进行插值扩充。 8.根据权利要求5或7所述的基于视觉AI的融合定位方法， 其特征在于， 所述高精地图 包括若干个子点集， 每个子点集中的每个点具有标签类别， 所述标签类别对应一障碍物或 一路面标识， 对所述点集进行插值扩充时， 基于若干相邻点的空间位置在相邻点之间添加 一插值点， 并根据所述插值点周围的所述相 邻点的数量最大的一类标签类别来确定所述插 值点的标签 类别。 9.据权利要求1所述的基于视觉AI的融合定位方法， 其特征在于， 所述基于被插值后的 所述点集与所述分区图像基于标签类别进 行分类匹配， 获得所述高精地图的点集在所述图 像中的对应区域， 包括： 对每个所述分区图像进行骨骼化； 将被插值后的所述点集与骨骼化的所述分区图像基于标签类别进行分类匹配， 获得所 述高精地图的点 集在所述图像中的对应区域。 10.一种基于 视觉AI的融合定位系统， 其特 征在于， 所述系统包括： 图像采集模块， 车辆采集路面的实时图像和GP S定位信息； 图像识别模块， 对所述实时图像进行图像识别， 并获得分区后的像素区域与分区图像 对应的标签 类别的映射关系； 车道检测模块， 判断在所述实时图像中识别是否存在车道线； 过滤插值模块， 当存在车道线， 则基于所述车辆当前的GPS定位信息和所述车道线的在 所述实时图像的位置基于高精地图进 行地图定位， 并基于地图定位对局部区域范围内的点 集进行插值扩充； 定位插值模块， 当不存在车道线， 则基于所述车辆当前的GPS定位信息定位对所述高精 地图中局部区域范围内的点 集进行插值扩充； 匹配定位模块， 基于被插值后的所述点集与所述分区图像基于标签类别进行分类匹 配， 获得所述高精地图的点 集在所述图像中的对应区域。 11.一种基于 视觉AI的融合定位设备， 其特 征在于， 包括： 处理器； 存储器， 其中存 储有所述处 理器的可 执行指令； 其中， 所述处理器配置为经由执行所述可执行指令来执行权利要求1至9中任一项所述 的基于视觉AI的融合定位方法的步骤。 12.一种计算机可读存储介质， 用于存储程序， 其特征在于， 所述程序被执行时实现权 利要求1至9中任一项所述的基于 视觉AI的融合定位方法的步骤。权　利　要　求　书 2/2 页 3 CN 115164924 A 3