一种基于图像和点云特征多层融合的车辆姿态估计方法

本发明公开了一种基于图像和点云特征多层融合的车辆姿态估计方法，主要解决现有车辆位姿估计方法准确率低、鲁棒性差，且模型依赖大量标签数据的问题。其实施方案为：1)获取点云和图像数据集；2)构建位姿估计模型；3)构建模型损失函数；4)训练位姿估计模型；5)推理并获得姿态变换结果。本发明构建的车辆位姿估计模型，通过自监督学习的方式，降低了学习成本，提升了模型的泛化迁移能力。通过同质特征融合与异质特征融合，实现了图像特征和点云特征在多个层级的充分融合，在不增加模型推理时间的情况下，有效提升了车辆位姿估计结果的准确率，具有较大的实际应用价值。