CN108428254A - 三维地图的构建方法及装置 - Google Patents
三维地图的构建方法及装置 Download PDFInfo
- Publication number
- CN108428254A CN108428254A CN201810211653.2A CN201810211653A CN108428254A CN 108428254 A CN108428254 A CN 108428254A CN 201810211653 A CN201810211653 A CN 201810211653A CN 108428254 A CN108428254 A CN 108428254A
- Authority
- CN
- China
- Prior art keywords
- information
- dimensional
- vehicle
- built
- target object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
Abstract
本发明提供一种三维地图的构建方法及装置,该方法包括:获取待构建区域的至少两个环境图像;提取至少两个环境图像中的预设特征信息;其中,预设特征信息包括几何特征信息;或,预设特征信息包括几何特征信息和语义特征信息;将待构建区域中的目标对象对应的预设特征信息进行关联,得到目标对象对应的特征集合;根据每一个目标对象的特征集合构建三维空间信息和车辆的三维位置信息;根据三维空间信息和车辆的三维位置信息构建三维地图。本发明提供一种三维地图的构建方法及装置,提高了三维地图的精度,且提高了计算的鲁棒性。
Description
技术领域
本发明涉及车辆定位技术领域,尤其涉及一种三维地图的构建方法及装置。
背景技术
三维地图构建为环境感知的核心技术,随着三维技术的不断发展,构建高精度的三维地图就显得尤为重要。
现有技术中,在构建三维地图时,是通过提取图像中的点特征,并通过点特征进行特征关联,从而完成三维地图的构建。但是,采用现有的构建方式,使得构建的三维地图的精度不高,且鲁棒性较差。
因此,如何提高构建的三维地图的精度,且提高计算的鲁棒性是本领域技术人员亟待解决的问题。
发明内容
本发明提供一种三维地图的构建方法及装置,以提高三维地图的精度,且提高计算的鲁棒性。
本发明实施例提供一种三维地图的构建方法,可以包括:
获取待构建区域的至少两个环境图像;
提取所述至少两个环境图像中的预设特征信息;其中,所述预设特征信息包括几何特征信息;或,所述预设特征信息包括所述几何特征信息和语义特征信息;
将所述待构建区域中的目标对象对应的预设特征信息进行关联,得到目标对象对应的特征集合;
根据每一个目标对象的特征集合构建三维空间信息和车辆的三维位置信息;
根据所述三维空间信息和所述车辆的三维位置信息构建三维地图。
在本发明一实施例中,若所述预设特征信息包括几何特征信息,所述将所述待构建区域中的目标对象对应的预设特征信息进行关联,包括:
确定所述几何特征信息的相似度;
根据所述几何特征信息的相似度,将所述待构建区域中的目标对象对应的所述几何特征信息进行关联。
在本发明一实施例中,若所述预设特征信息包括所述语义特征信息时,所述将所述待构建区域中的目标对象对应的预设特征信息进行关联,还包括:
确定所述语义特征信息对应的类别信息和位置信息;
根据所述类别信息和所述位置信息,将所述待构建区域中的目标对象对应的所述语义特征信息进行关联。
在本发明一实施例中,所述根据所述三维空间信息和所述车辆的三维位置信息构建三维地图,包括:
根据所述车辆的三维位置信息确定所述车辆的运行轨迹;
根据所述三维空间信息和所述车辆的运行位置轨迹构建三维地图。
在本发明一实施例中,所述根据所述三维空间信息和所述车辆的运行位置轨迹构建三维地图,包括:
根据预设规则对所述三维空间信息进行筛选,得到筛选后的目标三维空间信息;
根据预设规则对所述车辆的运行位置轨迹进行筛选,得到筛选后的所述车辆的运行位置轨迹;
根据筛选后的所述目标三维空间信息和筛选后的所述车辆的运行位置轨迹构建所述三维地图。
在本发明一实施例中,所述预设规则包括下述任一种或多种的组合:
空间信息的比例;
空间信息的相关关系;
关键帧的数量;
关键帧的几何分布;
关键帧的相关关系。
在本发明一实施例中,所述几何特征包括下述任一种或多种的组合:
点特征;
线特征;
圆特征。
本发明实施例还提供一种三维地图的构建装置,可以包括:
获取单元,用于获取待构建区域的至少两个环境图像;
提取单元,用于提取所述至少两个环境图像中的预设特征信息;其中,所述预设特征信息包括几何特征信息;或,所述预设特征信息包括所述几何特征信息和语义特征信息;
关联单元,用于将所述待构建区域中的目标对象对应的预设特征信息进行关联,得到目标对象对应的特征集合;
构建单元,用于根据每一个目标对象的特征集合构建三维空间信息和车辆的三维位置信息;
所述构建单元,还用于根据所述三维空间信息和所述车辆的三维位置信息构建三维地图。
在本发明一实施例中,若所述预设特征信息包括几何特征信息;所述关联单元,具体用于确定所述几何特征信息的相似度;并根据所述几何特征信息的相似度,将所述待构建区域中的目标对象对应的所述几何特征信息进行关联。
在本发明一实施例中,若所述预设特征信息包括所述语义特征信息时;所述关联单元,具体用于确定所述语义特征信息对应的类别信息和位置信息;并根据所述类别信息和所述位置信息,将所述待构建区域中的目标对象对应的所述语义特征信息进行关联。
在本发明一实施例中,所述构建单元,具体用于根据所述车辆的三维位置信息确定所述车辆的运行轨迹;并根据所述三维空间信息和所述车辆的运行位置轨迹构建三维地图。
在本发明一实施例中,所述构建单元,具体用于根据预设规则对所述三维空间信息进行筛选,得到筛选后的目标三维空间信息;并根据预设规则对所述车辆的运行位置轨迹进行筛选,得到筛选后的所述车辆的运行位置轨迹;根据筛选后的所述目标三维空间信息和筛选后的所述车辆的运行位置轨迹构建所述三维地图。
在本发明一实施例中,所述预设规则包括下述任一种或多种的组合:
空间信息的比例;
空间信息的相关关系;
关键帧的数量;
关键帧的几何分布;
关键帧的相关关系。
在本发明一实施例中,所述几何特征包括下述任一种或多种的组合:
点特征;
线特征;
圆特征。
本发明实施例提供了一种三维地图的构建方法及装置,通过获取到待构建区域的至少两个环境图像,并提取至少两个环境图像中的预设特征信息,该预设特征信息包括几何特征信息;或,预设特征信息包括几何特征信息和语义特征信息;再将待构建区域中的目标对象对应的预设特征信息进行关联,得到目标对象对应的特征集合,之后再根据每一个目标对象的特征集合构建三维空间信息和车辆的三维位置信息,从而根据三维空间信息和车辆的三维位置信息构建三维地图,不仅提高了三维地图的精度,而且提高了计算的鲁棒性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本发明实施例提供的一种三维地图的构建方法的示意图;
图2为本发明实施例提供的一种环境图像的示意图;
图3为本发明实施例提供的一种标注点特征的环境图像的示意图;
图4为本发明实施例提供的一种标注线特征和圆特征的环境图像的示意图;
图5为本发明实施例提供的一种标注语义特征的环境图像的示意图;
图6为本发明实施例提供的一种将待构建区域中的目标对象对应的预设特征信息进行关联的示意图;
图7为本发明实施例提供的一种构建三维空间信息和车辆的三维位置信息的示意图;
图8为本发明实施例提供的一种三维地图的构建装置的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了提高三维地图的精度,且提高计算的鲁棒性,本发明实施例提供了一种三维地图的构建方法,先获取到待构建区域的至少两个环境图像,并提取至少两个环境图像中的预设特征信息,该预设特征信息包括几何特征信息;或,预设特征信息包括几何特征信息和语义特征信息;再将待构建区域中的目标对象对应的预设特征信息进行关联,得到目标对象对应的特征集合,之后再根据每一个目标对象的特征集合构建三维空间信息和车辆的三维位置信息,从而根据三维空间信息和车辆的三维位置信息构建三维地图,不仅提高了三维地图的精度,而且提高了计算的鲁棒性。
下面以具体的实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
图1为本发明实施例提供的一种三维地图的构建方法的示意图,该三维地图的构建方法可以由三维地图的构建装置执行,该三维地图的构建装置可以独立设置,也可以设置在车辆的处理器中,请参见图1所示,该三维地图的构建方法可以包括:
S101、获取待构建区域的至少两个环境图像。
其中,环境图像用于指示待构建区域的周围环境情况。可选的,该环境图像还可以包括激光点云数据和GPS数据。其中,激光点云信息能够反映周围环境的真实三维几何信息和材质信息;GPS信息能够反映周围环境的经纬度信息。至少两个环境图像的个数可以根据实际需要进行设置,在此,对于至少两个环境图像具体为几个,本发明实施例不做进一步地限定。示例的,该至少两个环境图像可以为待构建区域不同时刻的至少两个环境图像。
在本发明实施例中,可以通过多种传感器获取待构建区域的环境图像,该多种传感器可以包括但不限于摄像头、惯导(IMU)、里程计、速度传感器、GPS、毫米波雷达、低成本激光雷达等。在获取环境图像时,可以通过专用地图车上的传感器获取,也可以通过众包方式上传原始环境图像或者预处理过后的环境图像,当然,也可以通过其他方式获取待构建区域的环境图像。示例的,请参见图2所示,图2为本发明实施例提供的一种环境图像的示意图,该环境图像中可以包括车道线信息、交通标志信息、交通灯信息及建筑物等。
S102、提取至少两个环境图像中的预设特征信息。
其中,预设特征信息包括几何特征信息;或,预设特征信息包括几何特征信息和语义特征信息;
可选的,几何特征信息可以包括点特征信息,当然,也可以包括线特征信息、圆特征信息及其它形状特征信息。即在本发明实施例中,在提取环境图像中的预设特征信息时,可以只提取环境图像中的几何特征信息,也可以同时提取环境图像中的几何特征信息和语义特征信息。详细来说,在提取环境图像中的预设特征信息时,可以只提取线特征信息和圆特征信息;当然,也可以提取点特征信息、线特征信息及圆特征信息;也可以提取线特征信息、圆特征信息及语义特征信息,也可以同时提取点特征信息、线特征信息、圆特征信息及语义特征信息。
示例的,在本发明实施例中,点特征等灰度特征可以是SIFT特征、SURF特征、ORB特征等具有特征描述子的图像特征,也可以是特征点组合描述子的图像特征,比如FAST特征点及BRISK描述子。由于点特征等图像的灰度特征能够反映周围环境的纹理信息,且具有一定的不变性,因此,可以通过比较两幅不同图像中特征点的相似程度来关联物体的预设特征信息。示例的,请参见图3所示,图3为本发明实施例提供的一种标注点特征的环境图像的示意图。
图像的几何特征能够反映周围环境的几何投影信息。以该几何特征包括线特征和圆特征为例,几何线特征可通过Hough变换或者Line Segment Detector等方法获取。线特征的描述可以由Line Binary Descriptor(LBD)等方法计算。由于图像的几何特征能够反映周围环境的几何信息,例如车道线是斜向直线,交通灯的灯柱是竖直直线,建筑有斜向、竖直和水平直线等。由于几何线段具有一定的尺度(长度),因此,在相似位置的图像中有相似的分布,几何特征的描述子同样可用来衡量图像的相似度,因此,可以通过比较两幅不同图像中几何特征来关联物体的预设特征信息。示例的,请参见图4所示,图4为本发明实施例提供的一种标注线特征和圆特征的环境图像的示意图,结合图4可以看出,车道线信息可以标注为线特征,交通灯信息可以标注为圆特征。
图像的语义特征能够反映周围环境的真实含义信息,语义特征可以是车道线、道路标志牌、限速标志、路灯、交通灯、停止线等常见道路元素,也可以是停车场出入口、车位、加油站等与行车有关的局部信息。车辆在相似位置的图像包含相似的语义信息,因此,可以用来关联物体的预设特征信息。请参见图5所示,图5为本发明实施例提供的一种标注语义特征的环境图像的示意图,结合图5可以看出,车道线信息可以标注为语义特征,交通灯信息可以标注为语义特征,路灯信息可以标注为语义特征。
S103、将待构建区域中的目标对象对应的预设特征信息进行关联,得到目标对象对应的特征集合。
示例的,在将待构建区域中的目标对象对应的预设特征信息进行关联时,该预设特征信息可以为摄像头前后两帧图像上的预设特性信息,从而将摄像头前后两帧图像上的预设特性信息进行关联,请参见图6所示,图6为本发明实施例提供的一种将待构建区域中的目标对象对应的预设特征信息进行关联的示意图。
由于提取到的环境图像中的预设特征信息可以为几何特征信息,也可以为几何特征信息和语义特征信息,则当预设特征信息为几何特征信息时,将待构建区域中的目标对象对应的预设特征信息进行关联,可以通过确定几何特征信息的相似度;并根据几何特征信息的相似度,将待构建区域中的目标对象对应的几何特征信息进行关联。其中,预设特征信息可以对应多个描述子。
示例的,将待构建区域中的目标对象对应的几何特征信息进行关联时,可以通过特征匹配方法(如暴力匹配)对目标对象对应的几何特征信息进行关联,也可以通过图像中邻域的灰度信息的相似性(如归一化相关系数)对目标对象对应的几何特征信息进行关联。示例的,在本发明实施例中,点特征等灰度特征可以是FAST特征、Harris角点等具不有特征描述子的图像特征,可以通过光流追踪、光度匹配等方法来关联物体的预设特征信息。与点特征类似,几何形状特征可以通过光流追踪、光度匹配等方法来关联物体的预设特征信息。
此外,当预设特征信息包括语义特征信息时,将待构建区域中的目标对象对应的预设特征信息进行关联,可以通过确定语义特征信息对应的类别信息和位置信息;并根据类别信息和位置信息,将待构建区域中的目标对象对应的语义特征信息进行关联。示例的,语义特征信息可以包括该特征的位置、形状、类别、特征描述等。语义特征信息可以通过相邻特征信息之间的相关关系等方法来关联物体的语义特征信息,如类别组合、相互之间的位置关系等。
示例的,在根据类别信息和位置信息,将待构建区域中的目标对象对应的语义特征信息进行关联时,可以通过三角法等几何方法得到语义特征的几何位置和几何轮廓,如交通灯的三维位置,交通灯的轮廓(由一些点和线段组成)。需要说明的是,在本发明实施例中,可以通过车辆运算能力和传输能力确定是否提取和重建语义特征,且本方法产生的地图用于定位时,并不绝对依赖于语义特征。
以目标对象为车道线、道路标志牌、限速标志、路灯及交通灯为例,在获取车道线、道路标志牌、限速标志、路灯及交通灯中每一个目标对象对应的特征集合时,可以分别确定车道线、道路标志牌、限速标志、路灯及交通灯中每一个目标对象对应的预设特征信息,再对每一个目标对象对应的预设特征信息进行关联,得到目标对象对应的特征集合。例如,先确定目标对应车道线在前后两帧图像中对应的预设特征信息,当预设特征信息为几何特征信息时,可以根据几何特征信息的相似度,通过特征匹配方法(如暴力匹配)对目标对象对应的几何特征信息进行关联,从而得到车道线对应的特征集合。当预设特征信息为几何特征信息和语义特征信息,对于几何特征信息的相似度,通过特征匹配方法(如暴力匹配)对目标对象对应的几何特征信息进行关联,对于语义特征信息,可以根据类别信息和位置信息,通过三角法等几何方法得到语义特征的几何位置和几何轮廓,从而将语义特征信息进行关联,之后,再将车道线的几何特征信息和语义特征信息进行关联,从而得到车道线对应的特征集合。
需要说明的是,对于其他目标对象,如道路标志牌、限速标志、路灯及交通灯,在获取其中每一个目标对象对应的特征集合,其获取过程与车道线对应的特征集合的获取过程类似,可参考上述车道线对应的特征集合的获取过程,在此,本发明不再进行赘述。
S104、根据每一个目标对象的特征集合构建三维空间信息和车辆的三维位置信息。
在构建三维空间信息和车辆的三维位置信息时,可以基于每一个目标对象的特征集合,并通过simultaneous localization and mapping(SLAM)或者structure frommotion(SFM)方法重构三维空间信息和车辆的三维位置信息。请参见图7所示,图7为本发明实施例提供的一种构建三维空间信息和车辆的三维位置信息的示意图。其中,这些信息是稀疏的,例如,通过图像特征匹配得到的三维点数量仅占整个图像像元个数的很小部分,且在构建三维空间信息和车辆的三维位置信息时,可以在线实时进行构建,也可以离线构建。且在构建时,可以部分或全部在车辆端进行,也可以在云端进行。典型的SLAM算法包括ORBSLAM,VINSMONO,LSDSLAM等。典型的SFM方法包括COLMAP,Visual SFM,Bundler等。
S105、根据三维空间信息和车辆的三维位置信息构建三维地图。
可选的,在根据三维空间信息和车辆的三维位置信息构建三维地图时,可以先根据车辆的三维位置信息确定车辆的运行轨迹,再根据车辆的运行位置轨迹和三维空间信息构建三维地图。示例的,在根据车辆的运行位置轨迹和三维空间信息构建三维地图时,可以先将采集到的视觉信息抽象简化为二维模型,并转化为可视化的概略图,如物体轮廓,道路地图等,再通过对点的聚类、融合、筛选等过程,可得到线条或曲线,基于线条或曲线可得到整体的缩略图,如导航地图。
需要说明的是,在本发明实施例中,为了减少构建三维地图过程中的数据量,且提高构建效率,在根据三维空间信息和车辆的三维位置信息构建三维地图之前,还可以根据预设规则先对三维空间信息进行筛选,得到筛选后的目标三维空间信息,并根据预设规则对车辆的运行位置轨迹进行筛选,得到筛选后的车辆的运行位置轨迹;之后再根据筛选后的目标三维空间信息和筛选后的车辆的运行位置轨迹构建三维地图。其中,预设规则包括下述任一种或多种的组合:空间信息的比例;空间信息的相关关系;关键帧的数量;关键帧的几何分布;关键帧的相关关系。
具体的,在根据预设规则先对三维空间信息进行筛选时,地图的几何信息包括关键位置(关键帧)的信息和三维地图点的信息。一个关键帧对应于若干个三维点(例如,在该关键帧重建出这些三维点),一个三维点可被若干个关键帧看到。一种简化方法为依比例减少关键帧和地图点的个数。一种简化方法为根据关键帧的几何位置分布,保留尽可能少的关键帧。一种简化方法为根据关键帧之间的相关关系(如由特征点或三维点构成的共视关系),保留尽可能少的关键帧。一种简化方法为根据位置分布,保留合适的三维点。一种简化方法为根据三维点所联系的关键帧的数量,保留合适的三维点。一种简化方法为以上方法的组合或迭代,使得最终保留的几何信息的数据量不超过2M/km。一种简化方法为以上方法的组合或迭代,使得最终保留的几何信息的数据量不超过5M/km。一种简化方法为以上方法的组合或迭代,使得最终保留的几何信息的数据量不超过10M/km。地图的语义信息包括语义特征的几何位置和轮廓。初始轮廓由较多的三维点和线段构成三维形状,可以选取三维轮廓的主平面,如交通标志的正面,将轮廓投影到该平面上,并合并角度相似、位置相连的线段,从而简化语义特征的信息量,且语义信息的数据量不超过1M/km。
本发明实施例提供的三维地图的构建方法及装置,通过获取到待构建区域的至少两个环境图像,并提取至少两个环境图像中的预设特征信息,该预设特征信息包括几何特征信息;或,预设特征信息包括几何特征信息和语义特征信息;再将待构建区域中的目标对象对应的预设特征信息进行关联,得到目标对象对应的特征集合,之后再根据每一个目标对象的特征集合构建三维空间信息和车辆的三维位置信息,从而根据三维空间信息和车辆的三维位置信息构建三维地图,不仅提高了三维地图的精度,而且提高了计算的鲁棒性。
在具体应用过程中,如果检测到新的地图或者当某路段发生较大变化,则说明原地图的路标已失效,则该路段需要重新采集地图源数据并重新建立三维地图。当车辆通过某个路段时,会根据其定位和跟踪成功的次数来给每个路段评分(比如该路段200个关键帧,有160个关键帧能被定位并跟踪上,则此车给该路段的评分为80分),该评分会上传至云端处理器;云端处理器会综合所有车辆对该路段的评分,排除掉比如超速等异常情况,得出一个平均分。当某路段的平均分低于某阈值(比如60分),则云端处理器会将该路段加入地图采集任务中并推送给附近的车辆,重新引导其进行地图源数据的采集。若地图信息发生改变,则添加或更新相应部分的地图信息即可。当地图数据量很小时,可实时上传至云端处理器,由云端处理器更新地图后推送至目标车辆。
需要说明的是,在本发明实施例中,在构建好三维地图之后,还可以根据该三维地图实现车辆的重定位,由于该三维地图为高精度的三维地图,且计算的鲁棒性较高,因此,基于该三维地图实现车辆重定位时,也可以进一步提高车辆重定位的准确性,且使得计算的鲁棒性较高。
示例的,在实现重定位时,可以基于构建的三维地图,确定三维地图中关键位置的视觉整体信息,该视觉整体信息通过组合图像中的灰度特征(请参见图3所示)、几何特征(请参见图4所示)和语义特征(请参见图5所示),形成一种新的图像信息描述方法。该视觉整体信息可利用图像本身,也可利用图像的多层金字塔生成。视觉整体信息是对该关键位置所有视觉特征的集合进行简化或重建形成的,是该位置的整体视觉信息(而不是单个点或者线的信息),具有一定的尺度不变性、光照不变性等特征。该视觉整体信息既可利用词袋模型,也可利用几何区域划分来构建;也可以利用消隐点引入平移不变形。利用该视觉整体信息,可以快速比对两个位置的相似性,从而确定车辆的位置,且视觉整体信息的数据量不超过0.5M/km,运算简单、鲁棒性高。
图8为本发明实施例提供的一种三维地图的构建装置80的结构示意图,请参见图8所示,该三维地图的构建装置80可以包括:
获取单元801,用于获取待构建区域的至少两个环境图像。
提取单元802,用于提取至少两个环境图像中的预设特征信息;其中,预设特征信息包括几何特征信息;或,预设特征信息包括几何特征信息和语义特征信息。
关联单元803,用于将待构建区域中的目标对象对应的预设特征信息进行关联,得到目标对象对应的特征集合。
构建单元804,用于根据每一个目标对象的特征集合构建三维空间信息和车辆的三维位置信息。
构建单元804,还用于根据三维空间信息和车辆的三维位置信息构建三维地图。
可选的,若预设特征信息包括几何特征信息,关联单元803,具体用于确定几何特征信息的相似度;并根据几何特征信息的相似度,将待构建区域中的目标对象对应的几何特征信息进行关联。
可选的,若预设特征信息包括语义特征信息时,关联单元803,具体用于确定语义特征信息对应的类别信息和位置信息;并根据类别信息和位置信息,将待构建区域中的目标对象对应的语义特征信息进行关联。
可选的,构建单元804,具体用于根据车辆的三维位置信息确定车辆的运行轨迹;并根据三维空间信息和车辆的运行位置轨迹构建三维地图。
可选的,构建单元804,具体用于根据预设规则对三维空间信息进行筛选,得到筛选后的目标三维空间信息;根据预设规则对所述车辆的运行位置轨迹进行筛选,得到筛选后的车辆的运行位置轨迹;并根据筛选后的目标三维空间信息和筛选后的车辆的运行位置轨迹构建三维地图。
可选的,预设规则包括下述任一种或多种的组合:
空间信息的比例;
关键帧的相似度;
关键帧的数量;
关键帧的几何分布。
可选的,几何特征包括下述任一种或多种的组合:
点特征;
线特征;
圆特征。
本发明实施例所示的三维地图的构建装置80,可以执行上述任一实施例所示的三维地图的构建方法的技术方案,其实现原理以及有益效果类似,此处不再进行赘述。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (11)
1.一种三维地图的构建方法,其特征在于,包括:
获取待构建区域的至少两个环境图像;
提取所述至少两个环境图像中的预设特征信息;其中,所述预设特征信息包括几何特征信息;或,所述预设特征信息包括所述几何特征信息和语义特征信息;
将所述待构建区域中的目标对象对应的预设特征信息进行关联,得到目标对象对应的特征集合;
根据每一个目标对象的特征集合构建三维空间信息和车辆的三维位置信息;
根据所述三维空间信息和所述车辆的三维位置信息构建三维地图。
2.根据权利要求1所述的方法,其特征在于,若所述预设特征信息包括几何特征信息,所述将所述待构建区域中的目标对象对应的预设特征信息进行关联,包括:
确定所述几何特征信息的相似度;
根据所述几何特征信息的相似度,将所述待构建区域中的目标对象对应的所述几何特征信息进行关联。
3.根据权利要求1所述的方法,其特征在于,若所述预设特征信息包括所述语义特征信息时,所述将所述待构建区域中的目标对象对应的预设特征信息进行关联,还包括:
确定所述语义特征信息对应的类别信息和位置信息;
根据所述类别信息和所述位置信息,将所述待构建区域中的目标对象对应的所述语义特征信息进行关联。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述三维空间信息和所述车辆的三维位置信息构建三维地图,包括:
根据所述车辆的三维位置信息确定所述车辆的运行轨迹;
根据所述三维空间信息和所述车辆的运行位置轨迹构建三维地图。
5.根据权利要求4所述的方法,其特征在于,所述根据所述三维空间信息和所述车辆的运行位置轨迹构建三维地图,包括:
根据预设规则对所述三维空间信息进行筛选,得到筛选后的目标三维空间信息;
根据预设规则对所述车辆的运行位置轨迹进行筛选,得到筛选后的所述车辆的运行位置轨迹;
根据筛选后的所述目标三维空间信息和筛选后的所述车辆的运行位置轨迹构建所述三维地图。
6.根据权利要求5所述的方法,其特征在于,
所述预设规则包括下述任一种或多种的组合:
空间信息的比例;
空间信息的相关关系;
关键帧的数量;
关键帧的几何分布;
关键帧的相关关系。
7.根据权利要求5所述的方法,其特征在于,
所述几何特征包括下述任一种或多种的组合:
点特征;
线特征;
圆特征。
8.一种三维地图的构建装置,其特征在于,包括:
获取单元,用于获取待构建区域的至少两个环境图像;
提取单元,用于提取所述至少两个环境图像中的预设特征信息;其中,所述预设特征信息包括几何特征信息;或,所述预设特征信息包括所述几何特征信息和语义特征信息;
关联单元,用于将所述待构建区域中的目标对象对应的预设特征信息进行关联,得到目标对象对应的特征集合;
构建单元,用于根据每一个目标对象的特征集合构建三维空间信息和车辆的三维位置信息;
所述构建单元,还用于根据所述三维空间信息和所述车辆的三维位置信息构建三维地图。
9.根据权利要求8所述的装置,其特征在于,若所述预设特征信息包括几何特征信息;
所述关联单元,具体用于确定所述几何特征信息的相似度;并根据所述几何特征信息的相似度,将所述待构建区域中的目标对象对应的所述几何特征信息进行关联。
10.根据权利要求8所述的装置,其特征在于,若所述预设特征信息包括所述语义特征信息时;
所述关联单元,具体用于确定所述语义特征信息对应的类别信息和位置信息;并根据所述类别信息和所述位置信息,将所述待构建区域中的目标对象对应的所述语义特征信息进行关联。
11.根据权利要求8-10任一项所述的装置,其特征在于,
所述构建单元,具体用于根据所述车辆的三维位置信息确定所述车辆的运行轨迹;并根据所述三维空间信息和所述车辆的运行位置轨迹构建三维地图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810211653.2A CN108428254A (zh) | 2018-03-15 | 2018-03-15 | 三维地图的构建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810211653.2A CN108428254A (zh) | 2018-03-15 | 2018-03-15 | 三维地图的构建方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108428254A true CN108428254A (zh) | 2018-08-21 |
Family
ID=63158552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810211653.2A Pending CN108428254A (zh) | 2018-03-15 | 2018-03-15 | 三维地图的构建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108428254A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993780A (zh) * | 2019-03-07 | 2019-07-09 | 深兰科技(上海)有限公司 | 一种三维高精度地图生成方法及装置 |
CN110060343A (zh) * | 2019-04-24 | 2019-07-26 | 百度在线网络技术(北京)有限公司 | 地图构建方法及系统、服务器、计算机可读介质 |
CN110222761A (zh) * | 2019-05-31 | 2019-09-10 | 中国民航大学 | 基于数字地标地图的室内定位系统及室内定位方法 |
CN110516641A (zh) * | 2019-08-30 | 2019-11-29 | 苏州大学 | 一种环境地图的构建方法及相关装置 |
CN110727748A (zh) * | 2019-09-17 | 2020-01-24 | 禾多科技(北京)有限公司 | 小体量高精度定位图层的构建、编译及读取方法 |
CN112180395A (zh) * | 2019-06-13 | 2021-01-05 | 北京百度网讯科技有限公司 | 道路标记的提取方法、装置、设备及存储介质 |
CN112487127A (zh) * | 2020-12-12 | 2021-03-12 | 武汉中海庭数据技术有限公司 | 一种基于颜色特征分布与图像语义的众包建图方法及装置 |
CN112699713A (zh) * | 2019-10-23 | 2021-04-23 | 阿里巴巴集团控股有限公司 | 一种语义线段信息的检测方法及装置 |
CN113283268A (zh) * | 2020-02-19 | 2021-08-20 | 百度在线网络技术(北京)有限公司 | 图像处理的方法及装置 |
CN113661531A (zh) * | 2019-04-15 | 2021-11-16 | 高通股份有限公司 | 现实世界交通模型 |
CN113661531B (zh) * | 2019-04-15 | 2024-04-30 | 高通股份有限公司 | 现实世界交通模型 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102016503A (zh) * | 2008-04-23 | 2011-04-13 | 星克跃尔株式会社 | 基于道路信息显示三维地图的系统及方法 |
US20150292887A1 (en) * | 2014-04-14 | 2015-10-15 | SAAB Vricon System AB | Navigation based on at least one sensor and a three dimensional map |
CN105096386A (zh) * | 2015-07-21 | 2015-11-25 | 中国民航大学 | 大范围复杂城市环境几何地图自动生成方法 |
CN105260699A (zh) * | 2015-09-10 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法及装置 |
CN106503248A (zh) * | 2016-11-08 | 2017-03-15 | 深圳市速腾聚创科技有限公司 | 地图生成方法及地图生成装置 |
CN106525057A (zh) * | 2016-10-26 | 2017-03-22 | 陈曦 | 高精度道路地图的生成系统 |
CN107505644A (zh) * | 2017-07-28 | 2017-12-22 | 武汉理工大学 | 基于车载多传感器融合的三维高精度地图生成系统及方法 |
-
2018
- 2018-03-15 CN CN201810211653.2A patent/CN108428254A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102016503A (zh) * | 2008-04-23 | 2011-04-13 | 星克跃尔株式会社 | 基于道路信息显示三维地图的系统及方法 |
US20150292887A1 (en) * | 2014-04-14 | 2015-10-15 | SAAB Vricon System AB | Navigation based on at least one sensor and a three dimensional map |
CN105096386A (zh) * | 2015-07-21 | 2015-11-25 | 中国民航大学 | 大范围复杂城市环境几何地图自动生成方法 |
CN105260699A (zh) * | 2015-09-10 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法及装置 |
CN106525057A (zh) * | 2016-10-26 | 2017-03-22 | 陈曦 | 高精度道路地图的生成系统 |
CN106503248A (zh) * | 2016-11-08 | 2017-03-15 | 深圳市速腾聚创科技有限公司 | 地图生成方法及地图生成装置 |
CN107505644A (zh) * | 2017-07-28 | 2017-12-22 | 武汉理工大学 | 基于车载多传感器融合的三维高精度地图生成系统及方法 |
Non-Patent Citations (2)
Title |
---|
何宗宜: "《地图学》", 31 July 2016 * |
常欢: "无人车基于三维点云场景理解的语义地图构建", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993780A (zh) * | 2019-03-07 | 2019-07-09 | 深兰科技(上海)有限公司 | 一种三维高精度地图生成方法及装置 |
CN109993780B (zh) * | 2019-03-07 | 2021-09-24 | 深兰科技(上海)有限公司 | 一种三维高精度地图生成方法及装置 |
CN113661531A (zh) * | 2019-04-15 | 2021-11-16 | 高通股份有限公司 | 现实世界交通模型 |
CN113661531B (zh) * | 2019-04-15 | 2024-04-30 | 高通股份有限公司 | 现实世界交通模型 |
CN110060343A (zh) * | 2019-04-24 | 2019-07-26 | 百度在线网络技术(北京)有限公司 | 地图构建方法及系统、服务器、计算机可读介质 |
CN110222761A (zh) * | 2019-05-31 | 2019-09-10 | 中国民航大学 | 基于数字地标地图的室内定位系统及室内定位方法 |
CN110222761B (zh) * | 2019-05-31 | 2023-01-17 | 中国民航大学 | 基于数字地标地图的室内定位系统及室内定位方法 |
CN112180395A (zh) * | 2019-06-13 | 2021-01-05 | 北京百度网讯科技有限公司 | 道路标记的提取方法、装置、设备及存储介质 |
CN112180395B (zh) * | 2019-06-13 | 2023-04-07 | 北京百度网讯科技有限公司 | 道路标记的提取方法、装置、设备及存储介质 |
CN110516641A (zh) * | 2019-08-30 | 2019-11-29 | 苏州大学 | 一种环境地图的构建方法及相关装置 |
CN110516641B (zh) * | 2019-08-30 | 2022-04-12 | 苏州大学 | 一种环境地图的构建方法及相关装置 |
CN110727748A (zh) * | 2019-09-17 | 2020-01-24 | 禾多科技(北京)有限公司 | 小体量高精度定位图层的构建、编译及读取方法 |
CN110727748B (zh) * | 2019-09-17 | 2021-08-24 | 禾多科技(北京)有限公司 | 小体量高精度定位图层的构建、编译及读取方法 |
CN112699713A (zh) * | 2019-10-23 | 2021-04-23 | 阿里巴巴集团控股有限公司 | 一种语义线段信息的检测方法及装置 |
CN113283268A (zh) * | 2020-02-19 | 2021-08-20 | 百度在线网络技术(北京)有限公司 | 图像处理的方法及装置 |
CN112487127B (zh) * | 2020-12-12 | 2022-06-17 | 武汉中海庭数据技术有限公司 | 一种基于颜色特征分布与图像语义的众包建图方法及装置 |
CN112487127A (zh) * | 2020-12-12 | 2021-03-12 | 武汉中海庭数据技术有限公司 | 一种基于颜色特征分布与图像语义的众包建图方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111928862B (zh) | 利用激光雷达和视觉传感器融合在线构建语义地图的方法 | |
JP7020728B2 (ja) | システム、方法およびプログラム | |
US11940290B2 (en) | Virtual stop line mapping and navigation | |
CN108428254A (zh) | 三维地图的构建方法及装置 | |
US20230382422A1 (en) | Systems and methods for vehicle navigation | |
CN114440898A (zh) | 用于车辆导航的系统和方法 | |
CN117053812A (zh) | 使用电子地平线导航交通工具 | |
JP2022532695A (ja) | 画像分析に基づく車両ナビゲーションのためのシステム及び方法 | |
CN117355871A (zh) | 多帧图像分割 | |
CN117824697A (zh) | 用于基于地图的真实世界建模的系统和方法 | |
CN117651668A (zh) | 用于监测车道标记质量的系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180821 |