(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 202211469663.9 (22)申请日 2022.11.23 (71)申请人 北京理工大 学深圳汽车研究院 （电 动车辆国家工程实验室深圳研究 院） 地址 518000 广东省深圳市坪 山区坑梓街 道金沙社区锦绣东路22 号雷柏中城生 命科学园第3分园A栋 3层301、 302号 申请人 比亚迪汽车工业有限公司 (72)发明人 孙超　周凑焱　王博　刘前飞　 王欢　王文伟　 (74)专利代理 机构 深圳鼎合诚知识产权代理有 限公司 4 4281 专利代理师 郭燕　彭家恩(51)Int.Cl. G06T 7/73(2017.01) G06T 7/269(2017.01) (54)发明名称 一种面向自主泊车的视 觉定位方法 (57)摘要 一种面向自主泊车的视觉定位方法， 涉及自 主泊车领域。 对于当前帧图像中任意一个特征 点： 获取任意一个特征点在空间中对应地图点的 状态概率； 根据所述地图点的状态 概率确定所述 地图点在当前帧图像中对应的特征点的初始状 态概率； 获取所述地图点在当前帧图像中对应的 特征点的观测概率； 根据所述初始 状态概率和所 述观测概率确定所述地图点在当前帧图像中对 应的特征点的状态概率； 根据所述地图点在当前 帧图像中对应的特征点的状态 概率， 更新所述地 图点的状态 概率， 根据所述地图点的状态概率确 定所述地图点的地图点类型； 获取静态点的地图 点构建环境 地图， 用以视 觉定位。 权利要求书2页 说明书9页 附图8页 CN 115511970 A 2022.12.23 CN 115511970 A 1.一种面向 自主泊车的视 觉定位方法,  其特征在于， 包括： 对于当前帧图像中任意 一个特征点： 获取所述任意 一个特征点在空间中对应地图点的状态概 率； 根据所述任意一个特征点在空间中对应地图点的状态概率确定所述地图点在当前帧 图像中对应的特 征点的初始状态概 率； 获取所述地图点在当前帧图像中对应的特 征点的观测概 率； 根据所述地图点在当前帧图像中对应特征点的初始状态概率和所述地图点在当前帧 图像中对应的特征点的观测概率， 确定所述地图点在当前帧图像中对应的特征点的状态概 率； 根据所述地图点在 当前帧图像中对应的特征点的状态概率， 更新所述地图点的状态概 率， 根据所述 地图点的状态概 率确定所述 地图点的地图点类型； 获取所述地图点类型为静态点的地图点构建环境 地图， 用以视 觉定位。 2.如权利要求1所述的面向自主泊车的视觉定位方法， 其特征在于， 所述获取所述地图 点在当前帧图像中对应的特 征点的观测概 率， 包括： 获取拍摄当前帧图像相机的位姿和当前帧图像的稠密光 流图； 根据所述当前帧图像相机的位姿对所述当前帧图像的稠密光流图进行分割， 以确定当 前帧图像中的动态区域； 根据所述动态区域确定所述 地图点在当前帧图像中对应的特 征点的第一观测概 率； 根据目标检测网络获取当前帧图像中各物体检测框的位置和大小； 根据 所述各物体检 测框的位置和大小确定所述 地图点在当前帧图像中对应的特 征点的第二观测概 率； 根据所述第一观测概率和所述第二观测概率确定所述地图点在当前帧图像中对应的 特征点的观测概 率。 3.如权利要求1所述的面向自主泊车的视觉定位方法， 其特征在于， 所述根据 所述地图 点的状态概 率确定所述 地图点的地图点类型， 包括： 当所述地图点的状态概率小于第一设定阈值， 则所述地图点为静态点； 当所述地图点 的状态概 率大于或等于所述第一设定阈值， 则所述 地图点为动态点。 4.如权利要求1所述的面向自主泊车的视觉定位方法， 其特征在于， 所述获取所述地图 点类型为静态点的地图点构建环境 地图， 用以视 觉定位， 包括： 获取所述地图点类型为静态点的地图点构建环境 地图； 通过代价 函数对所述环境 地图中当前帧图像中的车辆位姿 进行优化， 用以视 觉定位。 5.如权利要求4所述的面向自主泊车的视觉定位方法， 其特征在于， 所述通过代价函数 对所述环境 地图中当前帧图像中的车辆位姿 进行优化， 用以视 觉定位， 包括： 通过代价函数对重投影误差进行优化， 使得所述重投影误差小于设定误差范围， 以对 所述环境地图中当前帧图像中的车辆位姿进 行优化； 所述重投影误差为所述地图点类型为 静态点的地图点在当前帧图像中对应的特征点减去所述地图点类型为静态点的地图点在 当前帧图像的投影。 6.如权利要求5所述的面向自主泊车的视觉定位方法， 其特征在于， 所述通过代价函数 对重投影误差进行优化， 包括： 对所述代价函数增设参数， 根据所述地图点的地图点类型对所述参数进行赋值， 以消权　利　要　求　书 1/2 页 2 CN 115511970 A 2除动态点对代价 函数优化的影响。 7.如权利要求6所述的面向自主泊车的视觉定位方法， 其特征在于， 所述根据 所述地图 点的地图点类型对所述 参数进行 赋值， 包括： 当所述地图点的状态概率小于第二设定阈值， 则所述地图点为高置信度静态点， 所述 高置信度静态点的参数为1； 当所述地图点的状态概率大于第二设定阈值且小于第一设定 阈值， 则所述地图点为低置信度静态 点， 所述低置信度静态 点的参数为 1减去所述地图点的 状态概率； 所述动态点的参数为0 。 8.如权利要求1所述的面向自主泊车的视觉定位方法， 其特征在于， 所述根据 所述地图 点在当前帧图像中对应特征点的初始状态概率和所述地图点在当前帧图像中对应的特征 点的观测概 率， 确定所述 地图点在当前帧图像中对应的特 征点的状态概 率， 包括： 将所述地图点在 当前帧图像中对应特征点的初始状态概率， 和所述地图点在当前帧图 像中对应的特征点的观测概率， 输入至贝叶斯滤波模型， 以得到所述地图点在当前帧图像 中对应的特 征点的状态概 率。 9.如权利要求2所述的面向自主泊车的视觉定位方法， 其特征在于， 所述稠密光流图包 括PWC‑Net光流估计网络生成的稠密光 流图； 所述目标检测网络包括Yo lov4‑tiny网络。 10.一种计算机可读存储介质， 其特征在于， 所述介质上存储有程序， 所述程序能够被 处理器执行以实现如权利要求1 ‑9中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115511970 A 3