自動駕駛的視覺定位與導(dǎo)航應(yīng)用詳細解析

　　視覺定位與導(dǎo)航技術(shù)是智能體具備的基礎(chǔ)能力之一，隨著無人駕駛的發(fā)展，基于低成本攝像頭及人工智能算法的視覺定位與導(dǎo)航技術(shù)成為了無人駕駛的主流技術(shù)路線之一。在傳統(tǒng)工作方式中，視覺定位與導(dǎo)航技術(shù)通常采用SLAM（Simultaneous Localization And Mapping，同步定位與建圖）的方式構(gòu)建一個幾何地圖，然后在地圖中進行路徑規(guī)劃和導(dǎo)航。在每一個時刻，無人車可以通過使用當前圖像和地圖比對的方式，或者采用視覺里程計的方式，估計當前相機的位姿進行無人車定位。

　　但在開放、復(fù)雜的無人駕駛場景中，視覺定位與導(dǎo)航技術(shù)在傳統(tǒng)工作方式下還存在一些明顯的挑戰(zhàn)：

　　視覺定位的挑戰(zhàn)

　　1.攝像頭視角有限

　　有限的攝像頭視角，限制了無人車在停車場等擁堵場景中做到實時魯棒的位姿估計。一方面，當相機發(fā)生旋轉(zhuǎn)，偏移建圖路線的時候，有限的可視角度會導(dǎo)致特征點丟失。另一方面，當場景中動態(tài)物體較多的時候，可能導(dǎo)致相機的視野中被動態(tài)的車輛和行人占滿，導(dǎo)致位姿估計錯誤。

　　基于此，我們采用了魚眼相機、多相機等作為傳感器，顯著擴大了視覺定位中的攝像頭視角。魚眼相機：應(yīng)用魚眼相機可以為視覺定位創(chuàng)造一個超大范圍的場景視角，但同時魚眼相機也存在較大的畸變這一挑戰(zhàn)，大畸變使得普通的相機模型無法適配，并且普通的描述子也不能適用。另外目前常見的開源SLAM系統(tǒng)，如ORB-SLAM等并不能很好地支持魚眼SLAM模型。針對這個問題，研究人員提出了一種基于立方體展開相機模型的SLAM系統(tǒng)