基于2阶HMM的智能车视觉地图定位方法

本文中针对视觉地图匹配问题,将视觉地图匹配问题转化为基于图像序列的最优视觉地图节点匹配问题,并提出基于2阶隐马尔科夫模型(hidden Markov model,HMM)的视觉地图匹配方法。在该模型中,状态变量被定义为高精度视觉地图节点,查询图像被定义为观测数据。在状态转移模型中,引入2阶模型对短时间车辆运动进行匀速运动建模,与传统的1阶HMM相比,可以提高模型的适用性与准确性。提出利用全局图像特征建立查询图像与地图节点之间的匹配关系,并从匹配的汉明距离建立发射概率模型,可有效提高地图匹配的效率。最后,通过前向算法来求解最优匹配的地图节点。为了验证算法的性能,分别在封闭工业园区、开放道路和KITTI公开数据集对算法进行验证。实验结果表明:2阶HMM模型能够有效融合车辆运动信息和图像信息,提高匹配的稳定性和精确度,算法性能明显优于传统的基于单帧匹配和序列匹配算法。