CN109991984B - 用于生成高精细地图的方法、装置和计算机存储介质 - Google Patents
用于生成高精细地图的方法、装置和计算机存储介质 Download PDFInfo
- Publication number
- CN109991984B CN109991984B CN201910323266.2A CN201910323266A CN109991984B CN 109991984 B CN109991984 B CN 109991984B CN 201910323266 A CN201910323266 A CN 201910323266A CN 109991984 B CN109991984 B CN 109991984B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- data
- map
- positioning
- positioning data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000013507 mapping Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims description 63
- 238000012937 correction Methods 0.000 claims description 18
- 238000002310 reflectometry Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004387 environmental modeling Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及车辆导航技术和自动驾驶技术,特别涉及用于生成高精细地图的方法、装置、计算机存储介质以及包含该装置的导航地图测绘车辆。按照本发明的用于生成高精细地图的方法包含:获取与周围环境相关的点云地图,其中,通过利用定位信息将点云数据帧拼接在一起而得到点云地图;由点云地图提取地面特征点云和垂直特征点云;由地面特征点云生成道路拓扑图和车道拓扑图;由垂直特征点云确定与道路通行相关的语义识别对象;将道路拓扑图和车道拓扑图与语义识别对象融合以生成高精度地图,其中,定位信息基于全球卫星导航定位数据、惯性导航定位数据或基于激光雷达点云数据的同时定位与建图定位数据,依据数据质量水平而确定生成定位信息所用的定位数据。
Description
技术领域
本发明涉及车辆导航技术和自动驾驶技术,特别涉及用于生成高精细地图的方法、装置、计算机存储介质以及包含所述装置的导航地图测绘车辆。
背景技术
传统导航地图由于精度不足而无法满足自动驾驶的需要。高精细地图作为无人驾驶中必要的一环渐渐成为产业里的共识,其具有精度高、维度多和更新实时等优点。高精细地图能够为驾驶系统提供更前瞻的信息指示和信息冗余,实现汽车的匹配定位,使得驾驶系统能够感知到更大范围的交通态势,保证自动驾驶的安全。
在高精细地图中,点云地图由于其不受环境光照影响和环境建模精确等优点而倍受自动驾驶产业界的青睐。然而现有的高精细地图绘测装置体积大并且成本高,这不利于高精细地图的快速更新。另外,对于室内和室外的应用场景,需要配备不同的高精细地图绘测装置,这给自动驾驶地图的快速更新带来了更大的挑战,而且也不利于成本的降低。
发明内容
本发明的一个目的是提供一种用于生成高精细地图的方法、装置和计算机存储介质,其能够同时适合于室内和室外场景下的高精细地图测绘。
按照本发明一个方面的用于生成高精细地图的方法包含下列步骤:
获取与周围环境相关的点云地图,其中,通过利用定位信息将点云数据帧拼接在一起而得到所述点云地图;
由所述点云地图提取地面特征点云和垂直特征点云;
由所述地面特征点云生成道路拓扑图和车道拓扑图;
由所述垂直特征点云确定与道路通行相关的语义识别对象;以及
将所述道路拓扑图和车道拓扑图与语义识别对象融合以生成高精度地图,
其中,所述定位信息基于下列中的一种或多种生成:全球卫星导航定位数据、惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据,
其中,依据数据质量水平而确定生成所述定位信息所用的定位数据。
可选地,在上述方法中,所述点云地图按照下列方式获取:
对点云数据帧进行反射率校正处理;
利用惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据对经过反射率校正处理的点云数据帧进行运动误差补偿处理;以及
根据所述定位信息,将经过反射率校正处理和运动误差补偿处理的点云数据帧拼接在一起以得到所述点云地图。
可选地,在上述方法中,如果全球卫星导航定位数据、惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据三者的数据质量水平高于或等于各自的设定阈值,则通过将它们进行融合滤波解算处理得到所述定位信息。
可选地,在上述方法中,如果全球卫星导航定位数据的数据质量水平低于预设的阈值,则通过将惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据二者进行融合滤波解算处理得到所述定位信息。
可选地,在上述方法中,所述语义识别对象为交通标志、交通信号灯和静态障碍物中的至少一种。
可选地,在上述方法中,利用聚类分割算法由所述点云地图提取地面特征点云和垂直特征点云。
可选地,在上述方法中,由所述地面特征点云生成道路拓扑图和车道拓扑图的步骤包括:
对地面特征点云进行强度处理;
将经过强度处理后的地面特征点云进行正射投影以生成强度图像;
利用深度神经网络模型从强度图像中提取地面标线;以及
由所述地面标线生成道路拓扑图和车道拓扑图。
可选地,在上述方法中,所述地面标线包含下列中的至少一种:车道分隔线、道路边沿和停止线。
按照本发明另一个方面的用于生成高精细地图的车载系统包含:
点云数据采集单元,配置为获取与周围环境相关的点云地图;
处理单元,配置为执行下列步骤:
获取与周围环境相关的点云地图,其中,通过利用定位信息将点云数据帧拼接在一起而得到所述点云地图;
由所述点云地图提取地面特征点云和垂直特征点云;
由所述地面特征点云生成道路拓扑图和车道拓扑图;
由所述垂直特征点云确定与道路通行相关的语义识别对象;以及
将所述道路拓扑图和车道拓扑图与语义识别对象融合以生成高精度地图,
其中,所述定位信息基于下列中的一种或多种生成:全球卫星导航定位数据、惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据,
其中,依据数据质量水平而确定生成所述定位信息所用的定位数据。
可选地,在上述车载系统中,所述点云数据采集单元包括:
激光雷达,配置为发射第一激光束并接收反射的第二激光束;
处理器,配置为执行下列步骤:
对点云数据帧进行反射率校正处理;
利用惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据对经过反射率校正处理的点云数据帧进行运动误差补偿处理;以及
根据所述定位信息,将经过反射率校正处理和运动误差补偿处理的点云数据帧拼接在一起以得到所述点云地图。
可选地,在上述车载系统中,进一步包括:
全球卫星导航单元,配置为接收卫星导航定位数据;
惯性导航单元,配置为提供管芯导航定位数据;
多传感器数据时间同步单元,配置为使所述点云数据采集单元、全球卫星导航单元和惯性导航单元的数据同步,
所述处理单元配置为如果全球卫星导航定位数据、惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据三者的数据质量水平高于或等于各自的设定阈值,则通过将它们进行融合滤波解算处理得到所述定位信息。
可选地,在上述车载系统中,进一步包括:
全球卫星导航单元,配置为接收卫星导航定位数据;
惯性导航单元,配置为提供管芯导航定位数据;
多传感器数据时间同步单元,配置为使所述点云数据采集单元、全球卫星导航单元和惯性导航单元的数据同步,
所述处理单元配置为如果全球卫星导航定位数据的数据质量水平低于预设的阈值,则通过将惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据二者进行融合滤波解算处理得到所述定位信息。
按照本发明另一个方面的用于生成高精细地图的装置包含存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其执行所述程序以实现如上所述的方法。
按照本发明还有一个方面的计算机可读存储介质,其上存储计算机程序,其中,该程序被处理器执行时实现如上所述的方法。
按照本发明还有一个方面的导航地图测绘车辆,其包含具有如上所述一个或多个特征的用于生成高精细地图的装置。
在按照本发明的一个或多个实施例中,依据数据质量水平而确定生成定位信息所用的定位数据,即使在全球卫星导航定位数据的质量水平较低时也可以利用惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据来生成定位信息,因此利用单个用于生成高精细地图的车载系统即可实施室内和室外环境的高精度地图的测绘。此外,按照本发明的一个或多个实施例的用于生成高精细地图的车载系统结构紧凑,有利于减小导航地图测绘车辆的总体体积,从而在狭小的空间内也能完成地图测绘任务。
附图说明
本发明的上述和/或其它方面和优点将通过以下结合附图的各个方面的描述变得更加清晰和更容易理解,附图中相同或相似的单元采用相同的标号表示。附图包括:
图1为按照本发明一个实施例的用于生成高精细地图的车载系统的框图。
图2A和2B分别为为按照本发明另一个实施例的导航地图测绘车辆的俯视图和侧视图。
图3为按照本发明还有一个实施例的用于生成高精细地图的方法的流程图。
图4为按照本发明还有一个实施例的用于生成高精细地图的装置的框图。
具体实施方式
下面参照其中图示了本发明示意性实施例的附图更为全面地说明本发明。但本发明可以按不同形式来实现,而不应解读为仅限于本文给出的各实施例。给出的上述各实施例旨在使本文的披露全面完整,以将本发明的保护范围更为全面地传达给本领域技术人员。
在本说明书中,诸如“包含”和“包括”之类的用语表示除了具有在说明书和权利要求书中有直接和明确表述的单元和步骤以外,本发明的技术方案也不排除具有未被直接或明确表述的其它单元和步骤的情形。
诸如“第一”和“第二”之类的用语并不表示单元在时间、空间、大小等方面的顺序而仅仅是作区分各单元之用。
图1为按照本发明一个实施例的用于生成高精细地图的车载系统的框图。
图1所示的用于生成高精细地图的车载系统10包含点云数据采集单元110、处理单元120、全球卫星导航(GNSS)单元130、惯性导航(IMU)单元140和多传感器数据时间同步单元150。
在图1所示的车载系统中10中,点云数据采集单元110配置为获取与周围环境相关的点云地图。GNSS单元130配置为接收卫星导航定位数据,IMU单元140包括加速计和陀螺仪,其配置为提供惯性导航数据。可选地,GNSS单元130与IMU单元140二者可以集成在一起,以GNSS/IMU组合导航定位单元的形式存在。
可选地,点云数据采集单元110包括激光雷达111(例如倾斜多线激光雷达)和处理器112。激光雷达111配置为向周围环境发射第一激光束并接收环境中物体(例如建筑物、交通信号灯、交通标识、车辆、行人、道路隔离带、道路等)反射的第二激光束。处理器112配置为按照下列方式生成点云地图:首先对点云数据帧进行反射率校正处理,接着利用来自IMU单元140的惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据对经过反射率校正处理的点云数据帧进行运动误差补偿处理,随后根据定位信息,将经过反射率校正处理和运动误差补偿处理的点云数据帧拼接在一起以得到点云地图。
可选地,利用基于基于反射率校正算法得到的反射率校正表对点云数据帧进行校正处理。
如图1所示,多传感器数据时间同步单元150与点云数据采集单元110、处理单元120、GNSS单元130和IMU单元150耦合,其配置为使点云数据采集单元、GNSS单元和IMU单元获取的数据同步。
处理单元120例如可以是嵌入式计算单元,其与点云数据采集单元110、GNSS单元130、IMU单元140耦合。
处理单元120配置为基于下列中的一种或多种定位数据生成定位定位信息:全球卫星导航定位数据、惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据。可选地,处理单元120可依据数据质量水平而确定生成定位信息所用的定位数据。例如,如果全球卫星导航定位数据、惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据三者的数据质量水平高于或等于各自的设定阈值,则通过将它们进行融合滤波解算处理得到位信息。又如,如果全球卫星导航定位数据的数据质量水平低于预设的阈值(例如卫星定位信号不佳的区域或者地下停车场区域),则通过将惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据二者进行融合滤波解算处理得到定位信息。
在本实施例中,处理单元120还配置为执行传感器数据的标定操作,包括但不限于激光雷达和GNSS/IMU组合导航数据的联合标定。例如,处理单元120可以对激光雷达采集的点云数据和GNSS/IMU组合导航数据进行联合标定,从而得到激光雷达传感器坐标系与组合导航传感器坐标系的变换关系。
在本实施例中,处理单元120还配置为利用点云地图生成高精细地图。具体而言,处理单元120首先提取地面特征点云和垂直特征点云,随后由地面特征点云生成道路拓扑图和车道拓扑图,并且由垂直特征点云确定与道路通行相关的语义识别对象,接着将道路拓扑图和车道拓扑图与语义识别对象融合以生成高精度地图。
可选地,利用聚类分割算法由点云地图提取地面特征点云和垂直特征点云。
这里所述的语义识别对象可与位于与地面相交的平面内的物体相关联,例如包括但不限于交通标志、交通信号灯和静态障碍物(例如交通隔离栏(墩)、路灯等)。
在本实施例中,处理单元120可以下列方式得到语义识别对象:从垂直特征点云中去除动态障碍物(例如行人和车辆)而仅保留交通标志、交通信号灯和静态障碍物。
在本实施例中,处理单元120可以下列方式由地面特征点云生成道路拓扑图和车道拓扑图:首先对地面特征点云进行强度处理,接着将经过强度处理后的地面特征点云进行正射投影以生成强度图像,随后利用深度神经网络模型从强度图像中提取地面标线,最后由地面标线生成道路拓扑图和车道拓扑图。可选地,所提取的地面标线被矢量化后用于道路拓扑图和车道拓扑图的生成。
图2A和2B分别为为按照本发明另一个实施例的导航地图测绘车辆的俯视图和侧视图。
如图2A和2B所示,用于生成高精细地图的车载系统包含GNSS/IMU组合导航定位单元210、激光雷达220、天线单元230和嵌入式计算单元240。GNSS/IMU组合导航定位单元210被例如安装在车辆20的上表面;激光雷达220(例如倾斜多线激光雷达模块)被安装在车辆20的上表面并且位于的GNSS/IMU组合导航定位单元210上方,其向下倾斜安装,角度优选为15°~20°;天线单元230安装在GNSS/IMU组合导航定位单元210的后方并且位于激光雷达220的视场的下方;嵌入式计算单元240安装于密封的壳体内部以避免受到外部环境的影响。
图3为按照本发明还有一个实施例的用于生成高精细地图的方法的流程图。示例性地,这里以图1所示的装置作为实施本实施例方法的实体,但是需要指出的是,本实施例以及对其的改进、改动或改变并不仅适合于图1所示的装置,其还可应用于具有其它结构的装置。
如图3所示,在步骤310,处理单元120从点云数据采集单元110接收与周围环境相关的点云地图。示例性地,激光雷达的点云地图可以根据定位信息,将经过反射率校正处理和运动误差补偿处理的点云数据帧拼接在一起得到。
同样地,可依据数据质量水平而确定生成定位信息所用的定位数据。当全球卫星导航定位数据、惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据三者的数据质量水平均高于或等于各自的设定阈值时,通过将它们进行融合滤波解算处理得到位信息,当全球卫星导航定位数据的数据质量水平低于预设的阈值时,通过将惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据二者进行融合滤波解算处理得到定位信息。
随后进入步骤320,处理单元120由点云地图提取地面特征点云和垂直特征点云。可以利用聚类分割算法来提取地面特征点云和垂直特征点云。
接着进入步骤330,处理单元120由地面特征点云生成道路拓扑图和车道拓扑图。
随后进入步骤340,处理单元120由垂直特征点云确定与道路通行相关的语义识别对象。
在步骤340之后,图3所示的方法流程进入步骤350。在该步骤中,处理单元120将道路拓扑图和车道拓扑图与语义识别对象融合以生成高精度地图。
需要指出的是,步骤330与340的执行顺序是可以互换的。
图4为按照本发明还有一个实施例的用于生成高精细地图的装置的框图。
图4所示的装置40包含存储器410、处理器420以及存储在存储器410上并可在处理器420上运行的计算机程序430,其中,执行计算机程序430可以实现上面借助图3所述的方法。
按照本发明的另一方面,还提供了一种计算机可读存储介质,其上存储计算机程序,该程序被处理器执行时可实现上面借助图3所述的方法。
提供本文中提出的实施例和示例,以便最好地说明按照本技术及其特定应用的实施例,并且由此使本领域的技术人员能够实施和使用本发明。但是,本领域的技术人员将会知道,仅为了便于说明和举例而提供以上描述和示例。所提出的描述不是意在涵盖本发明的各个方面或者将本发明局限于所公开的精确形式。
鉴于以上所述,本公开的范围通过以下权利要求书来确定。
Claims (14)
1.一种用于生成高精细地图的方法,其特征在于,包含下列步骤:
获取与周围环境相关的点云地图,其中,通过利用定位信息将点云数据帧拼接在一起而得到所述点云地图;
由所述点云地图提取地面特征点云和垂直特征点云;
由所述地面特征点云生成道路拓扑图和车道拓扑图;
由所述垂直特征点云确定与道路通行相关的语义识别对象;以及
将所述道路拓扑图和车道拓扑图与语义识别对象融合以生成高精度地图,
其中,所述定位信息基于下列中的一种或多种生成:全球卫星导航定位数据、惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据,
其中,依据数据质量水平而确定生成所述定位信息所用的定位数据,
其中,所述点云地图按照下列方式获取:
对点云数据帧进行反射率校正处理;
利用惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据对经过反射率校正处理的点云数据帧进行运动误差补偿处理;以及
根据所述定位信息,将经过反射率校正处理和运动误差补偿处理的点云数据帧拼接在一起以得到所述点云地图,
其中,所述语义识别对象为交通标志、交通信号灯和静态障碍物中的至少一种。
2.如权利要求1 所述的方法,其中,如果全球卫星导航定位数据、惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据三者的数据质量水平高于或等于各自的设定阈值,则通过将它们进行融合滤波解算处理得到所述定位信息。
3.如权利要求1 所述的方法,其中,如果全球卫星导航定位数据的数据质量水平低于预设的阈值,则通过将惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据二者进行融合滤波解算处理得到所述定位信息。
4.如权利要求1 所述的方法,其中,利用聚类分割算法由所述点云地图提取地面特征点云和垂直特征点云。
5.如权利要求1 所述的方法,其中由所述地面特征点云生成道路拓扑图和车道拓扑图的步骤包括:
对地面特征点云进行强度处理;
将经过强度处理后的地面特征点云进行正射投影以生成强度图像;
利用深度神经网络模型从强度图像中提取地面标线;以及
由所述地面标线生成道路拓扑图和车道拓扑图。
6.如权利要求5所述的方法,其中,所述地面标线包含下列中的至少一种:车道分隔线、道路边沿和停止线。
7.一种用于生成高精细地图的车载系统,其特征在于,包含:
点云数据采集单元,配置为获取与周围环境相关的点云地图;
处理单元,配置为执行下列步骤:
获取与周围环境相关的点云地图,其中,通过利用定位信息将点云数据帧拼接在一起而得到所述点云地图;
由所述点云地图提取地面特征点云和垂直特征点云;
由所述地面特征点云生成道路拓扑图和车道拓扑图;
由所述垂直特征点云确定与道路通行相关的语义识别对象;以及
将所述道路拓扑图和车道拓扑图与语义识别对象融合以生成高精度地图,
其中,所述定位信息基于下列中的一种或多种生成:全球卫星导航定位数据、惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据,
其中,依据数据质量水平而确定生成所述定位信息所用的定位数据,
其中,所述点云数据采集单元包括:
激光雷达,配置为发射第一激光束并接收反射的第二激光束;
处理器,配置为执行下列步骤:
对点云数据帧进行反射率校正处理;
利用惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据对经过反射率校正处理的点云数据帧进行运动误差补偿处理;以及
根据所述定位信息,将经过反射率校正处理和运动误差补偿处理的点云数据帧拼接在一起以得到所述点云地图,
其中,所述语义识别对象为交通标志、交通信号灯和静态障碍物中的至少一种。
8.如权利要求7所述的车载系统,其中,进一步包括:
全球卫星导航单元,配置为接收卫星导航定位数据;
惯性导航单元,配置为提供管芯导航定位数据;
多传感器数据时间同步单元,配置为使所述点云数据采集单元、全球卫星导航单元和惯性导航单元的数据同步,
所述处理单元配置为如果全球卫星导航定位数据、惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据三者的数据质量水平高于或等于各自的设定阈值,则通过将它们进行融合滤波解算处理得到所述定位信息。
9.如权利要求7所述的车载系统,其中,进一步包括:
全球卫星导航单元,配置为接收卫星导航定位数据;
惯性导航单元,配置为提供管芯导航定位数据;
多传感器数据时间同步单元,配置为使所述点云数据采集单元、全球卫星导航单元和惯性导航单元的数据同步,
所述处理单元配置为如果全球卫星导航定位数据的数据质量水平低于预设的阈值,则通过将惯性导航定位数据和基于激光雷达点云数据的同时定位与建图定位数据二者进行融合滤波解算处理得到所述定位信息。
10.如权利要求7所述的车载系统,其中,所述处理单元按照下列方式由所述地面特征点云生成道路拓扑图和车道拓扑图:
对地面特征点云进行强度处理;
将经过强度处理后的地面特征点云进行正射投影以生成强度图像;
利用深度神经网络模型从强度图像中提取地面标线;以及
由所述地面标线生成道路拓扑图和车道拓扑图。
11.如权利要求 10 所述的车载系统,其中,所述地面标线包含下列中的至少一种:车道分隔线、道路边沿和停止线。
12.一种用于生成高精细地图的装置,其包含存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,执行所述程序以实现如权利要求 1-6 中任一项所述的方法。
13.一种计算机可读存储介质,其上存储计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6 中任一项所述的方法。
14.一种导航地图测绘车辆,其特征在于,包含如权利要求12所述的用于生成高精细地图的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910323266.2A CN109991984B (zh) | 2019-04-22 | 2019-04-22 | 用于生成高精细地图的方法、装置和计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910323266.2A CN109991984B (zh) | 2019-04-22 | 2019-04-22 | 用于生成高精细地图的方法、装置和计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109991984A CN109991984A (zh) | 2019-07-09 |
CN109991984B true CN109991984B (zh) | 2024-04-30 |
Family
ID=67134090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910323266.2A Active CN109991984B (zh) | 2019-04-22 | 2019-04-22 | 用于生成高精细地图的方法、装置和计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109991984B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378284B (zh) * | 2019-07-18 | 2021-07-16 | 北京京东叁佰陆拾度电子商务有限公司 | 道路正视图生成方法及装置、电子设备、存储介质 |
CN110568451B (zh) * | 2019-08-02 | 2021-06-18 | 北京三快在线科技有限公司 | 一种高精度地图中道路交通标线的生成方法和装置 |
CN110645998B (zh) * | 2019-09-10 | 2023-03-24 | 上海交通大学 | 一种基于激光点云的无动态物体地图分段建立方法 |
CN110702134B (zh) * | 2019-10-08 | 2023-05-05 | 燕山大学 | 基于slam技术的车库自主导航装置及导航方法 |
US11262759B2 (en) | 2019-10-16 | 2022-03-01 | Huawei Technologies Co., Ltd. | Method and system for localization of an autonomous vehicle in real time |
CN112764412B (zh) * | 2019-10-21 | 2024-07-26 | 财团法人车辆研究测试中心 | 同步定位与建图优化方法 |
US11327506B2 (en) * | 2019-11-20 | 2022-05-10 | GM Global Technology Operations LLC | Method and system for localized travel lane perception |
CN111121805A (zh) * | 2019-12-11 | 2020-05-08 | 广州赛特智能科技有限公司 | 基于道路交通标线标志的局部定位修正方法、设备及介质 |
CN111402332B (zh) * | 2020-03-10 | 2023-08-18 | 兰剑智能科技股份有限公司 | 基于slam的agv复合建图与导航定位方法及系统 |
CN111765886A (zh) * | 2020-05-18 | 2020-10-13 | 浙江西贝虎特种车辆股份有限公司 | 一种多端协同森林树冠下地貌建图系统及方法 |
CN111723173A (zh) * | 2020-06-15 | 2020-09-29 | 中国第一汽车股份有限公司 | 车载地图制作方法、装置、电子设备及存储介质 |
CN111693043B (zh) * | 2020-06-18 | 2023-04-07 | 北京四维图新科技股份有限公司 | 地图数据处理方法以及设备 |
CN113866779A (zh) * | 2020-06-30 | 2021-12-31 | 上海商汤智能科技有限公司 | 点云数据的融合方法、装置、电子设备及存储介质 |
CN112068174B (zh) * | 2020-08-18 | 2021-11-23 | 三一专用汽车有限责任公司 | 定位方法、定位装置和计算机可读存储介质 |
CN113034566B (zh) * | 2021-05-28 | 2021-09-24 | 湖北亿咖通科技有限公司 | 高精度地图构建方法、装置、电子设备及存储介质 |
CN113945219B (zh) * | 2021-09-28 | 2024-06-11 | 武汉万集光电技术有限公司 | 动态地图生成方法、系统、可读存储介质及终端设备 |
CN116206278A (zh) * | 2021-10-14 | 2023-06-02 | 华为技术有限公司 | 道路信息的识别方法、装置、电子设备、车辆及介质 |
CN114283343B (zh) * | 2021-12-20 | 2023-09-26 | 北京百度网讯科技有限公司 | 基于遥感卫星图像的地图更新方法、训练方法和设备 |
CN114445799A (zh) * | 2022-01-05 | 2022-05-06 | 北京斯年智驾科技有限公司 | 基于点云底图的车道线元素自动提取方法 |
CN116674540A (zh) * | 2023-07-27 | 2023-09-01 | 苏州鉴智机器人科技有限公司 | 车辆通过控制方法、装置、电子设备及可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260988A (zh) * | 2015-09-09 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 一种高精地图数据的处理方法和装置 |
CN106503678A (zh) * | 2016-10-27 | 2017-03-15 | 厦门大学 | 基于移动激光扫描点云的道路标线自动检测和分类方法 |
CN107577646A (zh) * | 2017-08-23 | 2018-01-12 | 上海莫斐信息技术有限公司 | 一种高精度轨迹运算方法及系统 |
CN107689075A (zh) * | 2017-08-30 | 2018-02-13 | 北京三快在线科技有限公司 | 导航地图的生成方法、装置及机器人 |
CN108152831A (zh) * | 2017-12-06 | 2018-06-12 | 中国农业大学 | 一种激光雷达障碍物识别方法及系统 |
CN108955702A (zh) * | 2018-05-07 | 2018-12-07 | 西安交通大学 | 基于三维激光和gps惯性导航系统的车道级地图创建系统 |
CN109196559A (zh) * | 2016-05-28 | 2019-01-11 | 微软技术许可有限责任公司 | 动态体素化点云的运动补偿压缩 |
CN109270545A (zh) * | 2018-10-23 | 2019-01-25 | 百度在线网络技术(北京)有限公司 | 一种定位真值校验方法、装置、设备及存储介质 |
CN109470240A (zh) * | 2018-11-15 | 2019-03-15 | 安徽酷哇机器人有限公司 | 自动驾驶定位方法 |
CN109635672A (zh) * | 2018-11-22 | 2019-04-16 | 同济大学 | 一种无人驾驶的道路特征参数估计方法 |
CN109658504A (zh) * | 2018-10-31 | 2019-04-19 | 百度在线网络技术(北京)有限公司 | 地图数据标注方法、装置、设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8665263B2 (en) * | 2008-08-29 | 2014-03-04 | Mitsubishi Electric Corporation | Aerial image generating apparatus, aerial image generating method, and storage medium having aerial image generating program stored therein |
CN106097444B (zh) * | 2016-05-30 | 2017-04-12 | 百度在线网络技术(北京)有限公司 | 高精地图生成方法和装置 |
-
2019
- 2019-04-22 CN CN201910323266.2A patent/CN109991984B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260988A (zh) * | 2015-09-09 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 一种高精地图数据的处理方法和装置 |
CN109196559A (zh) * | 2016-05-28 | 2019-01-11 | 微软技术许可有限责任公司 | 动态体素化点云的运动补偿压缩 |
CN106503678A (zh) * | 2016-10-27 | 2017-03-15 | 厦门大学 | 基于移动激光扫描点云的道路标线自动检测和分类方法 |
CN107577646A (zh) * | 2017-08-23 | 2018-01-12 | 上海莫斐信息技术有限公司 | 一种高精度轨迹运算方法及系统 |
CN107689075A (zh) * | 2017-08-30 | 2018-02-13 | 北京三快在线科技有限公司 | 导航地图的生成方法、装置及机器人 |
CN108152831A (zh) * | 2017-12-06 | 2018-06-12 | 中国农业大学 | 一种激光雷达障碍物识别方法及系统 |
CN108955702A (zh) * | 2018-05-07 | 2018-12-07 | 西安交通大学 | 基于三维激光和gps惯性导航系统的车道级地图创建系统 |
CN109270545A (zh) * | 2018-10-23 | 2019-01-25 | 百度在线网络技术(北京)有限公司 | 一种定位真值校验方法、装置、设备及存储介质 |
CN109658504A (zh) * | 2018-10-31 | 2019-04-19 | 百度在线网络技术(北京)有限公司 | 地图数据标注方法、装置、设备及存储介质 |
CN109470240A (zh) * | 2018-11-15 | 2019-03-15 | 安徽酷哇机器人有限公司 | 自动驾驶定位方法 |
CN109635672A (zh) * | 2018-11-22 | 2019-04-16 | 同济大学 | 一种无人驾驶的道路特征参数估计方法 |
Non-Patent Citations (3)
Title |
---|
基于激光视觉数据融合的大范围三维场景重构;徐来进;《中国优秀硕士学位论文全文数据库信息科技辑》;摘要 * |
宓超.《装卸机器视觉及其应用》.上海科学技术出版社,2016,99. * |
杨玉荣.基于激光点云扫描的高精导航地图关键技术研究.《现代计算机(专业版)》.2018,23-26. * |
Also Published As
Publication number | Publication date |
---|---|
CN109991984A (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109991984B (zh) | 用于生成高精细地图的方法、装置和计算机存储介质 | |
CN110057373B (zh) | 用于生成高精细语义地图的方法、装置和计算机存储介质 | |
CN108303721B (zh) | 一种车辆定位方法及系统 | |
EP3290952B1 (en) | Automatic localization geometry detection | |
KR102493094B1 (ko) | 자율주행 차량을 위한 상대적인 아틀라스 및 그 생성 | |
CN108801276B (zh) | 高精度地图生成方法及装置 | |
CN106352867B (zh) | 用于确定车辆自身位置的方法和设备 | |
KR102595897B1 (ko) | 차선 결정 방법 및 장치 | |
US11531348B2 (en) | Method and apparatus for the detection and labeling of features of an environment through contextual clues | |
KR102425735B1 (ko) | 로드뷰 또는 항공뷰 맵 정보를 이용한 자율주행 방법 및 그 시스템 | |
WO2018113451A1 (zh) | 一种地图数据系统、其生成和使用方法及应用 | |
WO2017120595A2 (en) | Vehicular component control using maps | |
CN106980657A (zh) | 一种基于信息融合的车道级电子地图构建方法 | |
US10942519B2 (en) | System and method for navigating an autonomous driving vehicle | |
EP4026049A1 (en) | Vehicular sensor system calibration | |
CN113508277A (zh) | 车道标记定位和融合 | |
CN114509065B (zh) | 地图构建方法、系统、车辆终端、服务器端及存储介质 | |
US11892300B2 (en) | Method and system for determining a model of the environment of a vehicle | |
US11846520B2 (en) | Method and device for determining a vehicle position | |
CN113405555B (zh) | 一种自动驾驶的定位传感方法、系统及装置 | |
KR102316818B1 (ko) | 도로 네트워크를 갱신하는 방법 및 장치 | |
JP7344182B2 (ja) | 情報処理装置 | |
WO2020195166A1 (ja) | 環境認識装置 | |
CN112530270B (zh) | 一种基于区域分配的建图方法及装置 | |
Rae et al. | Reducing multipath effects in vehicle localization by fusing GPS with machine vision |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |