(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 202210507633.6 (22)申请日 2022.05.10 (71)申请人 苏州易航远智智能科技有限公司 地址 215024 江苏省苏州市中国 （江苏） 自 由贸易试验区苏州片区苏州工业园区 胜浦兴浦路20 0号联东U谷7幢3 01 (72)发明人 和颖　刘志励　范圣印　李一龙　 金凌鸽　 (74)专利代理 机构 北京庚致知识产权代理事务 所(特殊普通 合伙) 11807 专利代理师 孙敬霞 (51)Int.Cl. G06T 7/73(2017.01) G06V 10/75(2022.01) G06K 9/62(2022.01) (54)发明名称 位姿优化方法、 装置、 电子设备及存 储介质 (57)摘要 本公开提供了一种位姿优化方法、 装置、 电 子设备及存储介质。 本公开的位姿优化方法包 括： 获取对应第一对象当前所处场景的第一图像 和第一对象的第一位姿； 获取第一图像的检测矢 量特征； 获取矢量地图中第一位姿的邻域范围内 的投影矢量特征； 将检测矢量特征与投影矢量特 征匹配， 以获得匹配结果； 最小化基于匹配结果 确定的重投影误差， 以优化第一位姿， 获得第一 对象的第二位姿。 本公开能够 有效提升位姿优化 的精度。 权利要求书3页 说明书18页 附图3页 CN 114842080 A 2022.08.02 CN 114842080 A 1.一种位姿优化方法， 其特 征在于， 包括： 获取对应第一对象当前 所处场景的第一图像和第一对象的第一 位姿； 获取所述第一图像的检测矢量特 征； 获取矢量 地图中所述第一 位姿的邻域范围内的投影矢量特 征； 将所述检测矢量特 征与所述投影矢量特 征匹配， 以获得匹配结果； 最小化基于所述匹配结果确定的重投影误差， 以优化所述第一位姿， 获得所述第一对 象的第二 位姿； 优选地， 所述第 一图像的检测矢量特征包括所述第 一图像中各个语义对象的矢量描述 子， 所述矢量描述子用于描述所述语义对象的语义标签、 形状点位置、 中心点位置、 邻域特 征位置向量和方向 向量。 2.根据权利要求1所述的位姿优化方法， 其特征在于， 所述获取所述第 一图像的检测矢 量特征， 包括： 对连续k帧的所述第一图像进行目标检测和多帧融合， 以获得第一图像中各个语义对 象的特征， 所述语义对象的特 征少包括所述语义对象的语义标签， k 为大于1的整数； 根据所述语义对象的语义标签对各个所述语义对象的特征进行矢量描述， 以获得各个 所述语义对象的矢量描述子， 从而形成所述第一图像的检测矢量特 征； 优选地， 所述投影矢量特征包括矢量地图中所述第 一位姿的邻域范围内各个参考对象 在所述第一图像的图像坐标系的投影矢量描述子， 所述投影矢量描述子用于描述所述参考 对象在所述第一图像的图像坐标系中的语义标签、 形状点位置、 中心 点位置、 邻域特征位置 向量和方向 向量； 优选地， 所述获取矢量地图中所述第 一位姿的邻域范围内的投影矢量特征， 包括： 从矢 量地图中解析得到第一位姿的邻域范围内各个参考对象的矢量特征； 将所述各个参考对象 的矢量特征投影至第一图像的图像坐标系， 以获得各个参考对 象的投影矢量特征； 对各个 参考对象的投影矢量特 征进行矢量描述， 以获得 各个参考对象的投影矢量描述子 。 3.根据权利要求1或2所述的位姿优化方法， 其特征在于， 所述将所述检测矢量特征与 所述投影矢量特 征匹配， 以获得匹配结果， 包括： 通过所述检测矢量特征与 所述投影矢量特征之间的相似度过滤所述投影矢量特征， 以 使得所述投影矢量特征与所述检测矢量特征在矢量特征空间分布上具有近似的一致性； 以 及， 将所述检测矢量特 征与过滤后的所述投影矢量特 征进行图匹配， 以获得 所述匹配结果； 优选地， 所述通过所述检测矢量特征与 所述投影矢量特征之间的相似度过滤所述投影 矢量特征， 包括： 计算所述检测矢量特征中各个语义对 象与所述投影矢量特征中各个参考 对象在绝对距离上的相似性； 舍弃所述相似性小于或等于预定的相似性阈值的所述参考对 象， 保留所述相似性大于所述相似性阈值的参 考对象， 以得到过 滤后的投影矢量特 征； 优选地， 所述将所述检测矢量特征与过滤后的所述投影矢量特征进行图匹配， 以获得 所述匹配结果， 包括： 将所述检测矢量特征中各语义对 象的矢量描述子与过滤后的所述投 影矢量特征中各参考对 象的投影矢量描述子进行图匹配， 以获得匹配矩阵和置信度矩阵， 所述匹配矩阵中的元素用于表示各个所述语义对象与各个所述参考对象之 间的匹配关系， 所述置信度矩阵中的元 素用于表示各个所述语义对象与各个参 考对象之间的匹配置信度。 4.根据权利要求3所述的位姿优化方法， 其特征在于， 所述重投影误差根据所述检测矢权　利　要　求　书 1/3 页 2 CN 114842080 A 2量特征中各个语义对象的语义标签、 以及所述语义对象与过滤后的所述投影矢量特征中各 个参考对象之间的形状点重投影误差、 端点重投影误差和/或方向 向量的重投影误差确定； 其中， 所述形状点重投影误差根据所述语义对象的形状角点位置、 所述参考对象的形 状角点位置、 所述语义对 象与所述参考对象的匹配关系与匹配置信度得到； 和/或， 所述端 点重投影误差根据所述语义对 象的端点位置、 所述参考对 象的端点位置、 所述语义对 象与 所述参考对象的匹配关系与匹配置信度得到； 和/或， 所述方向向量的重投影误差根据所述 语义对象的方向向量、 所述参考对 象的方向向量、 所述语义对 象与所述参考对 象的匹配关 系与匹配置信度得到； 优选地， 所述重投影误差通过采用对数函数的预定核函数表示。 优选地， 采用光束平差法最小化所述重投影误差， 以优化所述第一位姿， 获得所述第二 位姿。 5.一种位姿优化装置， 其特 征在于， 包括： 获取模块， 用于获取对应第一对象当前 所处场景的第一图像和第一对象的第一 位姿； 检测模块， 用于获取 所述第一图像的检测矢量特 征； 投影模块， 用于获取矢量 地图中所述第一 位姿的邻域范围内的投影矢量特 征； 匹配模块， 用于将所述检测矢量特 征与所述投影矢量特 征匹配， 以获得匹配结果； 优化模块， 用于最小化基于所述匹配结果确定的重投影误差， 以优化所述第 一位姿， 获 得所述第一对象的第二 位姿； 优选地， 所述第 一图像的检测矢量特征包括所述第 一图像中各个语义对象的矢量描述 子， 所述矢量描述子用于描述所述语义对象的语义标签、 形状点位置、 中心点位置、 邻域特 征位置向量和方向 向量。 6.根据权利要求5所述的位姿优化装置， 其特 征在于， 所述投影矢量特征包括矢量地图中所述第一位姿的邻域范围内各个参考对象在所述 第一图像的图像坐标系的投影矢量描述子， 所述投影矢量描述子用于描述所述参考对象在 所述第一图像的图像坐标系中的语义标签、 形状点位置、 中心 点位置、 邻域特征位置向量和 方向向量。 7.根据权利要求5所述的位姿优化装置， 其特征在于， 所述匹配模块， 具体用于： 通过所 述检测矢量特征与所述投影矢量特征之 间的相似度过滤所述投影矢量特征， 以使得所述投 影矢量特征与所述检测矢量特征在矢量特征空间分布上具有近似的一致性； 以及， 将所述 检测矢量特 征与过滤后的所述投影矢量特 征进行图匹配， 以获得 所述匹配结果。 8.根据权利要求5所述的位姿优化装置， 其特 征在于， 所述匹配模块， 具体用于： 将所述检测矢量特征中各语义对象的矢量描述子与过滤后 的所述投影矢量特征中各参考对象的投影矢量描述子进行图匹配， 以获得匹配矩阵和置信 度矩阵， 所述匹配矩阵中的元素用于表示各个所述语义对象与各个所述参考对象之 间的匹 配关系， 所述置信度 矩阵中的元素用于表示各个所述语义对象与各个参考对象之 间的匹配 置信度； 优选地， 所述重投影误差根据所述检测矢量特征中各个语义对象的语义标签、 以及所 述语义对象与过滤后的所述投影矢量特征中各个参考对象之间的形状点点重投影误差、 端 点重投影误差和/或方向 向量的重投影误差确定；权　利　要　求　书 2/3 页 3 CN 114842080 A 3