一种几何形体融合的整体置信度评估方法及系统与流程

1.本发明涉及计算机视觉与建图领域，更具体地，涉及一种几何形体融合的整体置信度评估方法及系统。


背景技术：

2.几何形体的相对位置估计，是指利用输入的大量局部碎片地图数据，通过现实几何图建和逻辑拓扑图层的构建与大数据融合算法处理后，基于空间相对位置的样本概率分布，对于已生成的各种地图要素，如线状，面状要素等与现有真值之间测量误差进行量化。而置信度是指在相对位置估计的误差量化后，建立的一套理论化与体系化的可信程度评估方法。该评估方法对现有云端全局构图中的融合算法进行及时反馈，作为建图算法中各要素的位置精度的关键反馈。由于地图构建的过程中，需要大量几何形体之间的配准融合，但其中随之同步的各生产环节作为误差反馈的置信度却无法有效的融合。因此，解决融合问题不仅是为了在模块间构建置信度的动态流转交互，更是对于整个建图生产流程精度的系统性提高。


技术实现要素：

3.本发明针对现有技术中存在的技术问题，提供一种几何形体融合的整体置信度评估方法及系统。
4.根据本发明的第一方面，提供了一种几何形体融合的整体置信度评估方法，包括：
5.通过聚类获取融合前后的几何形体的空间关联关系；
6.根据融合前后的几何形体的相对位置关系调整所述空间关联关系；
7.根据融合前后的几何形体的测量误差建立相应的概率分布模型；
8.基于所述概率分布模型估计融合前各形点所占权重；
9.根据权重融合各形点置信度值，对融合的整体置信度值进行评估。
10.根据本发明的第二方面，提供一种几何形体融合的整体置信度评估系统，包括：
11.获取模块，用于通过聚类获取融合前后的几何形体的空间关联关系；
12.调整模块，用于根据融合前后的几何形体的相对位置关系调整所述空间关联关系；
13.建立模块，用于根据融合前后的几何形体的测量误差建立相应的概率分布模型；
14.估计模块，用于基于所述概率分布模型估计融合前各形点所占权重；
15.评估模块，用于根据权重融合各形点置信度值，对融合的整体置信度值进行评估。
16.根据本发明的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现几何形体融合的整体置信度评估方法的步骤。
17.根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现几何形体融合的整体置信度评估方
法的步骤。
18.本发明提供的一种几何形体融合的整体置信度评估方法及系统，该方法着重于解决传统建图融合过程中，如何根据融合前的评价指标以及地图碎片的各要素，对经过融合算法处理后的整体误差分布进行估计并得到整体评价指标即整体置信度。
附图说明
19.图1为本发明提供的一种几何形体融合的整体置信度评估方法流程图；
20.图2为一种置信度融合方法的数据流程图；
21.图3为本发明提供的一种几何形体融合的整体置信度评估系统的结构示意图；
22.图4为本发明提供的一种可能的电子设备的硬件结构示意图；
23.图5为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
24.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外，本发明提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，这种结合不受步骤先后次序和/或结构组成模式的约束，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
25.图1为本发明提供的一种几何形体融合的整体置信度评估方法流程图，如图1所示，方法包括：
26.s1，通过聚类获取融合前后的几何形体的空间关联关系。
27.作为实施例，所述通过聚类获取融合前后的几何形体的空间关联关系，包括：基于融合前的多个几何形体上的形点的三维坐标和融合后的几何形体上的形点的三维坐标，计算两形点间的加权距离对融合前的多个几何形体上的形点和融合后的几何形体上的形点进行聚类，进而得到融合前的几何形体与融合后的几何形体之间的多对一的空间关联关系。
28.可理解的是，将融合前后的测量形点的三维坐标用距离相关算法形成聚类：将融合前对于融合后有生成关系的形点进行多对一对齐。可使用但不限于的算法框架包括dbscan/k-means，目的是对于空间中的线状要素，面状要素等相互关联并聚类。
29.在上述聚类算法的必要距离计算中，将两点之间四元数矩阵在上述聚类算法的必要距离计算中，将两点之间四元数矩阵特征分解求解平均四元数，令：
[0030][0031]
使用矩阵特征分解算法中已有的大量算法(如homotopy/mrrr等)可解出平均四元数
[0032]
其中，利用计算视觉建图领域的三维坐标系，将四元数与角度衡量引入聚类过程
中的欧式距离计算，建立一种加权距离：
[0033][0034]
其中，xi与xj分别为融合前几何形体上的形点与融合后几何形体上的形点的三维坐标(x，y，z)，为平均四元，即将两点坐标之四元矩阵：进行特征分解所得的特征向量。而u则为两点普通四元数之差，其中qk，k∈{1，2}为点1与点2之四元数，最后运算获得特征向量的三维度求出l-2范数则可得到新的加权距离。
[0035]
通过计算融合前的几何形体上的形点与融合后的几何形体上的形点的加权距离，将融合前的几何形体上的形点与融合后的几何形体上的形点进行聚类，进而得到融合前后的几何形体的空间关联关系，也就是融合前的多个几何形体与融合后的一个几何形体之间的对应关系。
[0036]
s2，根据融合前后的几何形体的相对位置关系调整所述空间关联关系。
[0037]
可理解的是，对于聚类后的类内的几何形体，有些具有空间关联关系的融合前后的几何形体可能会由于一些原因不能作为后续的数据使用。本发明根据实际情况引入角度阈值过滤：
[0038][0039]
其中，qi，qj分别为融合前的几何形体上的形点和融合后的几何形体上的形点的四元数，当角度大于设定阈值，则删除两个几何形体的空间关联关系，保留角度小于设定阈值的两个几何形体的空间关联关系。θ为提前设置好的角度阈值，可根据实际情况而调整，在本发明中以建图标准10度作为θ的取值。
[0040]
s3，根据融合前后的几何形体的测量误差建立相应的概率分布模型。
[0041]
可理解的是，考虑到建图过程中误差为一种取值为正的距离标量，使用一种标量系数化后的beta分布，其概率密度函数为：
[0042][0043]
在本发明的建图使用中但不限于其他情况，考虑到误差为正，将(a，c)取值设为(0，max(di))使用。其中(α，β)为分布参数在后续的实施方式中说明计算方式，be(α，β)为关于(α，β)的beta函数，其表达式为：
[0044][0045]
其中t为辅助变量，在实际使用时并不会出现。此表达式可根据与gamma函数之关系求解出，(α，β)取值方法将在后续的实施方式中说明过程。
[0046]
具体的，考虑到距离误差取值范围(0，c)，c＝max(di)＞0，代入公式(4)的标量系数化beta分布，可得：
[0047]
[0048]
其中，be(α，β)仍然为beta函数，为了构造下一步骤(步骤s4)中的融合概率模型，将(α，β)进一步利用密度核方法将其超参数化，具体方法为：令α β＝τ并且对于常数化的c我们设则我们的核密度函数k(x；μ，τ)为：
[0049][0050]
由此可以改写融合概率模型f(x；g)为：
[0051]
f(x；g)＝∫k(x；μ，τ)dg(μ，τ)，g～dp(α，g0))
ꢀꢀ
(8)；
[0052]
其中dp(α，g0)为狄利克雷分布，α为其参数，将其先验分布设为gamma分布ga(a
α
，b
α
)。其中g0为狄利克雷过程中基本分布，一般假设为独立即：g0(μ，τ)＝g
01
(μ)g
02
(τ)。其中g
01
与g
02
为(μ，τ)各自的独立先验分布，g
01
(μ)～unif(0，max(di))为均匀分布，g
02
～invga(α
τ
，β
τ
)为逆gamma分布，而因(α
τ
，β
τ
)在合理范围内对初始值并不敏感，此处我们令α
τ
＝2，为当前融合后形点中对应的融合前形点误差之平均。
[0053]
s4，基于所述概率分布模型估计融合前各形点所占权重。
[0054]
在融合地图中，由于其置信值融合为多分类概率分布融合，并与分类间误差有直接关联，所以采用狄利克雷混合模型。
[0055]
具体的，按照步骤s3中的融合概率模型f(x；g)推导出具体的贝叶斯联合后验分布，设融合后某几何形体由k个融合前形体构成，则融合后误差x的融合分布为：
[0056][0057]
其中，k(xi；μi，τi)为在步骤s3中说明的核分布函数，此时为方便理解令φi＝(μi，τi)，i＝1，2...n，需要求解的后验推断则为：
[0058]
p(g，φ，α，β|x)＝p(g|φ，α，β)p(φ，α，β|x)
ꢀꢀ
(10)；
[0059]
其中，g，φ，α，β|x为典型的狄利克雷过程(dirichlet process)，后验分布更新过程此处本发明为实例说明，但不限于使用贝叶斯中常用的算法进行抽样，其中包括马尔可夫蒙托卡罗(mcmc)或变分推断(variational inferences)。用于抽样g，φ，α，β|x的狄利克雷过程，使用：其中g
*
的基础分布的基础分布的基础分布为μ，τ的狄拉克德尔塔测度：
[0060][0061]
本实例中利用梅特罗波利斯(metropolis-hastings)算法但不限于使用其他算法，先从p(φ，α，β|x)中抽样，再将样本φ，α，β|x用于离散化截断逼近将离散化的记为则狄拉克德尔塔测度加权和有：
[0062]
[0063]
ω
jd
的求解方式为典型的折棍法(stick-breaking)。其中ω
1d
＝z
1d
，从j＝2开始则z
md
可从beta(1，αd n)抽样。由于模型对此处初始值并不敏感，可选择相对较小的常数如αd＝2即可。
[0064]
s5，根据权重融合各形点置信度值，对融合的整体置信度值进行评估。
[0065]
可理解的是，通过权重算法将整体误差分布离散化，即利用狄利克雷过程中的预测后验分布可得：
[0066][0067]
利用类比法可得其概率积累函数(cdf)为利用类比法可得其概率积累函数(cdf)为其中k(x；μ
jd
，τ
jd
)为核密度函数中的积分可得，属于常规标量系数化beta分布的概率积累函数。fd(x)为几何形体融合后的整体置信度值。
[0068]
参见图2，为本发明提供的几何形体融合的整体置信度评估方法的整体流程示意图，基于融合前几何形体上各形点的三维坐标和融合后几何形体上的各形点的三维相关坐标，形成融合前的几何形体和融合后的几何形体的空间关联关系。基于融合前的几何形体和融合后的几何形体的角度大小对空间关联关系进行调整。然后利用狄利克雷混合模型计算融合前几何形体的形点的权重，通过权重融合各形点置信值计算出整体置信值。
[0069]
图3为本发明实施例提供的一种几何形体融合的整体置信度评估系统结构图，如图3所示，一种几何形体融合的整体置信度评估系统，包括获取模块301、调整模块302、建立模块303、估计模块304和评估模块305，其中：
[0070]
获取模块301，用于通过聚类获取融合前后的几何形体的空间关联关系；
[0071]
调整模块302，用于根据融合前后的几何形体的相对位置关系调整所述空间关联关系；
[0072]
建立模块303，用于根据融合前后的几何形体的测量误差建立相应的概率分布模型；
[0073]
估计模块304，用于基于所述概率分布模型估计融合前各形点所占权重；
[0074]
评估模块305，用于根据权重融合各形点置信度值，对融合的整体置信度值进行评估。
[0075]
可以理解的是，本发明提供的一种几何形体融合的整体置信度评估系统与前述各实施例提供的几何形体融合的整体置信度评估方法相对应，几何形体融合的整体置信度评估系统的相关技术特征可参考几何形体融合的整体置信度评估方法的相关技术特征，在此不再赘述。
[0076]
请参阅图4，图4为本发明实施例提供的电子设备的实施例示意图。如图4所示，本发明实施例提了一种电子设备400，包括存储器410、处理器420及存储在存储器410上并可在处理器420上运行的计算机程序411，处理器420执行计算机程序411时实现几何形体融合的整体置信度评估方法的步骤。
[0077]
请参阅图5，图5为本发明提供的一种计算机可读存储介质的实施例示意图。如图5所示，本实施例提供了一种计算机可读存储介质500，其上存储有计算机程序511，该计算机程序511被处理器执行时实现几何形体融合的整体置信度评估方法的步骤。
[0078]
本发明实施例提供的一种几何形体融合的整体置信度评估方法及系统，加入权重克服了传统形式上通过几何形体间距离聚类算法中空间索引对称性的负面影响，并且计算复杂度进一步简化从而提高整体评估算法的效率，保证了高精度地图建图算法的高效性。后续的权重计算中针对距离误差随机变量的支持值域，引入了更准确的分布密度函数，增强了对高精度地图建图算法评估的合理性，从而进一步提升高精度地图的安全性。
[0079]
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
[0080]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0081]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0082]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0083]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0084]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0085]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。