低速自动驾驶小车定位路径规划方法、装置、设备及介质

本技术涉及无人车控制领域，尤其涉及一种低速自动驾驶小车定位路径规划方法、相应的装置、电子设备及计算机可读存储介质。

背景技术：

1、目前，实时建图，尤其是slam(simultaneous localization and mapping)技术，尽管在自主导航领域有着广泛应用，但也存在一些缺点。首先，slam系统通常对传感器的质量和性能要求很高，这可能导致成本上升。例如，高质量的激光雷达(lidar)设备价格昂贵，可能不适用于成本敏感的应用。其次，实时建图需要大量的计算资源，因为它涉及到复杂的数据处理和算法，这在计算能力有限的移动平台上尤为挑战。此外，slam算法在处理动态环境时可能会遇到困难，例如在人流密集或交通繁忙的场合，移动物体的频繁变化可能导致地图不准确。还有，slam技术在长时间运行后可能积累误差，特别是在缺乏外部校正点(如gps信号)的情况下，这可能导致位置漂移。

2、基于wi-fi或蜂窝网络的安全保险系统虽然提供了远程监控和控制的便利，但也存在一些缺点。首先，这些网络的连接稳定性和信号覆盖成为主要问题。在信号弱或不稳定的区域，如偏远地区，网络的不可靠性可能导致控制指令延迟或丢失，从而影响系统的响应效率和可靠性。其次，网络安全风险是一个重要考虑。这些系统可能面临黑客攻击和数据泄露的风险，尤其是在未加密或安全措施不充分的情况下。此外，依赖于外部网络服务还意味着在网络服务商出现故障或维护时，安全保险系统可能无法正常工作。再者，基于网络的系统可能会产生额外的数据流量费用，尤其是在使用蜂窝网络时。最后，这类系统的实施可能需要复杂的配置和维护，特别是在整合多个不同厂商和技术标准的环境中。因此，虽然网络化的安全保险系统提供了灵活性和远程操作的优势，但在稳定性、安全性、成本和维护方面仍然面临挑战。

3、综上所述，适应现有技术中对于低速自动驾驶小车的控制在人流密集或交通繁忙的场合，移动物体的频繁变化可能导致地图不准确，在缺乏外部校正点(如gps信号)的情况下导致位置漂移，以及网络的不可靠性可能导致控制指令延迟或丢失，从而影响系统的响应效率和可靠性等问题，本技术人出于解决该问题的考虑作出相应的探索。

技术实现思路

1、本技术的目的在于解决上述问题而提供一种低速自动驾驶小车定位路径规划方法、相应的装置、电子设备及计算机可读存储介质。

2、为满足本技术的各个目的，本技术采用如下技术方案：

3、适应本技术的目的之一而提出的一种低速自动驾驶小车定位路径规划方法，包括：

4、响应低速自动驾驶小车定位指令，获取车载摄像头图像帧以及街景图像帧，基于预设的sift算法从所述车载摄像头图像帧中提取出稳定的特征点以及其相对应的sift描述符向量；

5、采用flann算法为每个车载摄像头图像帧中的sift描述符向量找到最匹配的特征，以确定所述车载摄像头图像帧与所述街景图像帧之间的粗匹配结果；

6、基于预训练的孪生神经网络根据所述粗匹配结果确定所述车载摄像头图像帧与所述街景图像帧之间的相似度分值或距离度量，根据所述相似度分值或距离度量确定低速自动驾驶小车的当前位置；

7、响应低速自动驾驶小车路径规划指令，确定低速自动驾驶小车的终点位置，采用预设的全局路径规划算法根据所述低速自动驾驶小车的当前位置以及终点位置，确定所述低速自动驾驶小车的全局规划路径；

8、基于预设的弹性带法根据所述全局规划路径确定所述低速自动驾驶小车的局部规划路径，以完成低速自动驾驶小车的定位路径规划。

9、可选的，响应低速自动驾驶小车定位指令，获取车载摄像头图像帧以及街景图像帧的步骤之前,包括：

10、响应低速自动驾驶小车配对指令，采集低速自动驾驶小车前置摄像头中的图像信号以及车载gps模块中的gps信号，将所述图像信号以及所述gps信号传输至到低速自动驾驶小车中的双模通信转换器，以传入移动终端的可视化页面；

11、当所述gps信号和图像信号传入移动终端时，移动终端通过预下载或在线加载高精度地图及其街景图，通过gps信号暂定获得车辆临时定位，以临时定位为圆心，以100米为半径的街景图像帧与前置摄像头中的车载摄像头图像帧进行匹配。

12、可选的，基于预设的sift算法从所述车载摄像头图像帧中提取出稳定的特征点以及其相对应的sift描述符向量的步骤，包括：

13、采用预设的sift算法对所述车载摄像头图像帧进行尺度空间极值检测，通过高斯差分函数d(x，y，σ)在尺度空间搜索极值点,尺度空间极值检测的计算公式为：

14、l(x,y,σ)＝g(x,y,σ)*i(x,y)

15、d(x,y,σ)＝l(x,y,kσ)-l(x,y,σ)，

16、其中，l(x，y，σ)是在点(x，y)和尺度σ上的尺度空间函数,g(x，y，σ)是高斯模糊函数,i(x，y)是图像强度；

17、对所述极值点进行精细定位，去除低对比度的点和边缘响应点，为每个关键点赋予一个或多个方向，基于局部图像梯度方向的直方图，在关键点周围的邻域内，根据梯度的大小和方向生成描述符。

18、可选的，采用flann算法为每个车载摄像头图像帧中的sift描述符向量找到最匹配的特征，以确定所述车载摄像头图像帧与所述街景图像帧之间的粗匹配结果的步骤，包括：

19、采用flann算法在街景图像的特征库中为每个车载摄像头图像帧中的sift描述符向量找到最匹配的特征，以确定匹配结果，其匹配表示为寻找最近邻：

20、d匹配＝flann(d车载，d街景)，

21、其中，d车载是车载摄像头图像中的sift描述符集，d街景是街景图像帧的sift描述符集，d匹配是匹配描述符对；

22、采用随机一致性检测算法对所述匹配结果中的不良结果进行过滤，以确定所述车载摄像头图像帧与所述街景图像帧之间的粗匹配结果。

23、可选的，基于预训练的孪生神经网络根据所述粗匹配结果确定所述车载摄像头图像帧与所述街景图像帧之间的相似度分值或距离度量，根据所述相似度分值或距离度量确定低速自动驾驶小车的当前位置的步骤，包括：

24、确定所述粗匹配结果中的车载摄像头图像帧输入至预训练的孪生神经网络，确定所述车载摄像头图像帧与所述街景图像帧之间的相似度分值或距离度量；

25、当所述相似度分值或距离度量超过预设阈值时，则表示所述车载摄像头图像帧与所述街景图像帧之间相匹配，以确定低速自动驾驶小车的当前位置。

26、可选的，基于预设的弹性带法根据所述全局规划路径确定所述低速自动驾驶小车的局部规划路径的步骤，包括：

27、确定所述低速自动驾驶小车的全局规划路径，将所述全局规划路径作为初始路径，所述全局规划路径表示为一系列空间节点；

28、将所述全局规划路径分解为一系列节点以移动调整所述初始路径；

29、对于路径上的每个节点应用内部力以及外部力，所述内部力f内部用于保持路径的平滑性和长度，防止路径过度伸长或缩短，所述外部力f外部用于避开障碍物，所述内部力f内部以及外部力f外部表示为：

30、f总＝f内部+f外部

31、f内部＝k1·(d-d期望)

32、

33、其中，k1和k2是控制参数，d是节点间的实际距离，d期望是节点间期望距离，d障碍是节点到最近障碍物的距离；

34、根据内部力以及外部力的计算结果，调整每个节点的位置，使得内部力和外部力达到平衡，迭代上述步骤，直到所有节点的位置稳定；

35、检测路径是否与任何障碍物相交，确保新路径的可行性和安全性；

36、在车辆移动过程中或当环境发生变化时，重复上述步骤以持续更新路径，确定所述低速自动驾驶小车的局部规划路径。

37、可选的，所述低速自动驾驶小车包括快递配送小车、快递分拣小车的一项或任意多项；

38、所述flann算法包括随机k-d树算法、优先搜索k-means树算法和层次聚类树算法的一项或任意多项；

39、所述全局路径规划算法为a*算法。

40、适应本技术的另一目的而提供的一种低速自动驾驶小车定位路径规划装置，包括：

41、图像描述符提取模块，设置为响应低速自动驾驶小车定位指令，获取车载摄像头图像帧以及街景图像帧，基于预设的sift算法从所述车载摄像头图像帧中提取出稳定的特征点以及其相对应的sift描述符向量；

42、粗匹配模块，设置为采用flann算法为每个车载摄像头图像帧中的sift描述符向量找到最匹配的特征，以确定所述车载摄像头图像帧与所述街景图像帧之间的粗匹配结果；

43、当前位置确定模块，设置为基于预训练的孪生神经网络根据所述粗匹配结果确定所述车载摄像头图像帧与所述街景图像帧之间的相似度分值或距离度量，根据所述相似度分值或距离度量确定低速自动驾驶小车的当前位置；

44、全局路径规划模块，设置为响应低速自动驾驶小车路径规划指令，确定低速自动驾驶小车的终点位置，采用预设的全局路径规划算法根据所述低速自动驾驶小车的当前位置以及终点位置，确定所述低速自动驾驶小车的全局规划路径；

45、局部路径规划模块，设置为基于预设的弹性带法根据所述全局规划路径确定所述低速自动驾驶小车的局部规划路径，以完成低速自动驾驶小车的定位路径规划。

46、适应本技术的另一目的而提供的一种电子设备，包括中央处理器和存储器，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本技术所述低速自动驾驶小车定位路径规划方法的步骤。

47、适应本技术的另一目的而提供的一种计算机可读存储介质，其以计算机可读指令的形式存储有依据所述低速自动驾驶小车定位路径规划方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行相应的方法所包括的步骤。

48、相对于现有技术，本技术针对现有技术中对于低速自动驾驶小车的控制在人流密集或交通繁忙的场合，移动物体的频繁变化可能导致地图不准确，在缺乏外部校正点(如gps信号)的情况下导致位置漂移，以及网络的不可靠性可能导致控制指令延迟或丢失，从而影响系统的响应效率和可靠性等问题，本技术包括但不限于如下有益效果：

49、其一，本技术的低速自动驾驶小车定位路径规划方法，具有便携性以及大大提升低速自动驾驶小车控制的通用性，本技术是基于智能手机和低速自动驾驶小车的硬件架构开发并使用的，车辆主体并不需要额外改装，用户只需要用双模通信转换器与车辆进行连接就能使车辆获得定位和路径规划的功能。

50、其二，本技术的低速自动驾驶小车定位路径规划方法能够适应网络不佳的场景，手机与低速自动驾驶小车之间的射频通信不需要互联网，可在信号不佳的场景如地下车库和偏远地区等等，发挥出不错的作用；

51、其三，本技术的低速自动驾驶小车定位路径规划方法大大降低用户的使用成本，用户无需过多地分配自动驾驶算法的算力在车上的支持，在双模通信转换器加持下可由用户通过手机进行自动驾驶的操作；

52、进一步的，本技术的低速自动驾驶小车定位路径规划方法，能够动态适应环境变化，特别是在避开移动障碍物方面，它还能保持全局路径的整体结构，同时在局部进行必要的调整，这种方法在机器人导航和自动驾驶车辆的路径规划中非常有用，尤其是在复杂和动态的环境中。