CN110286384B - 一种基于多线激光点云极化表征的高精度地图生成系统及方法 - Google Patents

Abstract

本发明公开了一种基于多线激光点云极化表征的高精度地图生成系统及方法，该方法包括：首先通过激光雷达及INS装置采集激光点云数据、GPS坐标和航向角数据；然后对激光点云进行极化表征，生成极化图像；接下来对极化图像进行特征提取，并根据特征点提取其在激光坐标系中的三维坐标；最后将图像特征、特征点三维坐标、GPS坐标、航向角数据信息存入XML文件，最终获得的XML文件即为高精度地图文件。本发明利用三维激光点云极化图像生成速度快且占用内存极小及ORB算法特征提取速度快等特点，结合GPS坐标、航向角等信息，能够快速构建地图，并且所建立的地图内存占用极小，本发明方法与相关定位算法结合，可以对车辆、机器人等进行快速、精确定位。

Description

一种基于多线激光点云极化表征的高精度地图生成系统及 方法

技术领域

本发明涉及计算机视觉技术，尤其涉及一种基于多线激光点云极化表征的高精度地图生成系统及方法。

背景技术

近年来，人们对自动驾驶的需求越来越大，自动驾驶领域的市场也在快速扩大，因此自动驾驶技术亟待快速发展。定位技术在自动驾驶技术中扮演非常重要的角色，一个高精度定位结果能够使得自动驾驶的轨迹控制及其它相关控制变得更加容易，而高精度地图构建在定位技术中是不可或缺的，因此完整的高精度地图构建系统及方法是完成精确定位及自动驾驶的“基石”。

激光雷达凭借高精度、抗干扰性强、低空探测性好等优点，在自动驾驶领域占据核心位置，而INS装置可以全天候提供高精度GPS信息及航向角(yaw)等信息，两者相结合，可构建出高精度地图。但是传统的三维激光点云建图速度慢且占用内存过大，并不适合长时间、长距离地构建高精度地图。本发明利用三维激光点云极化图像生成速度快且占用内存极小及ORB算法特征提取速度快等特点，结合GPS坐标、航向角(yaw)等信息，能够快速构建地图，并且所建立的地图内存占用极小，仅为传统三维激光点云地图占用内存的2％。本发明很好地解决了传统三维激光点云建图速度慢且占用内存过大的问题，与相关定位算法结合，可以对车辆、机器人等进行快速、精确定位。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于多线激光点云极化表征的高精度地图生成系统及方法。

本发明解决其技术问题所采用的技术方案是：一种基于多线激光点云极化表征的高精度地图生成方法，包括以下步骤：

1)通过激光雷达及INS装置采集激光点云数据、GPS坐标和航向角(yaw)数据；

2)对激光点云进行极化表征，生成极化图像；

3)对极化图像进行特征提取，并根据特征点提取其在激光坐标系中的三维坐标；

4)将图像特征、特征点三维坐标、GPS坐标、航向角数据信息存入XML文件，最终获得的XML文件即为高精度地图文件；

按上述方案，所述步骤2)中对激光点云进行极化表征具体如下：

针对每一帧的激光点云数据，首先计算每个激光点云在竖直方向上的角度并根据该值求得激光点云所在的水平线，即求得激光点云在极化图像上的像素坐标v，再计算每个激光点云在水平方向上的角度并根据该值求得激光点云所在的竖直线，即求得激光点云在极化图像上的像素坐标u，以激光点云与激光坐标系原点之间的距离为像素值，完成对激光点云的极化表征。

按上述方案，所述步骤2)对激光点云进行极化表征，生成极化图像，具体如下：

提取激光点云的三维坐标(x，y，z)及点云与激光坐标系原点的距离信息，然后根据激光点云的三维坐标(x，y，z)计算每个激光点云在竖直方向上的角度及其对应的极化图像像素坐标v，其计算公式为：

其中，θ_v为激光点云在竖直方向上的角度，(x，y，z)为激光点云的三维坐标，L_row为激光点云在极化图像上的像素坐标v，θ_bottom为激光雷达在竖直方向上的起始工作角度的绝对值，θ_{res_y}为激光雷达的垂直角分辨率；

再根据激光点云的三维坐标(x，y，z)计算每个激光点云在水平方向上的角度及其对应的极化图像像素坐标u，其计算公式为：

其中，θ_h为激光点云在水平方向上的角度，(x，y，z)为激光点云的三维坐标，L_column为激光点云在极化图像上的像素坐标u，θ_{res_x}为激光雷达的水平角分辨率；

通过上面两个步骤，求出各激光点云在极化图像上的像素坐标，再以激光点云与激光坐标系原点之间的距离为像素值，同时将其它没有赋值的像素点的像素值均设为255，即可获取极化图像。

按上述方案，所述步骤2)中还包括对生成的极化图像的处理步骤，依次为：

去除地面线，即去除极化图像的地面线；激光点云的地面数据会在点云的特征提取、特征匹配等方面造成较大误差，所以在生成极化图像之后，需要将地面线去除，以保证特征提取等操作的准确性；

像素值差异化处理，像素值差异化处理的主要目的是为了让极化图像颜色层次更鲜明，从而保证有较多的特征点可以提取到，因为激光雷达采集的激光点云数据中，绝大部分激光点云与激光坐标系原点的距离(distance)都在50m以内，所以针对第二步的极化图像，将小于或等于50的像素值都乘以5并取整，将大于50小于255的像素值随机变成251-254中一个整数值，即可获取第三步的极化图像；

剪切拼接，剪切拼接的主要目的是为了可以提取到更多的特征点，将极化图像沿图像水平方向剪切成尺寸相等的N块矩形图像，然后沿图像竖直方向按顺序拼接，即获取最终的激光点云极化图像。

按上述方案，所述步骤3)中对极化图像进行特征提取，并根据特征点提取其在激光坐标系中的三维坐标为利用ORB算法，提取激光点云极化图像的ORB全局描述符、ORB局部特征点、ORB局部特征点描述符，并利用ORB局部特征点提取其在激光坐标系中的三维坐标；

具体如下：

3.1)利用ORB算法提取极化图像全局描述符，将整个极化图像作为一个特征点，以全局特征代表图像，再利用ORB算法提取该全局特征的特征描述符；

3.2)利用ORB算法提取极化图像的局部特征点及局部特征点描述符，若提取到的局部特征点的像素值不是由激光点云与激光坐标系原点间的距离所赋予的，而是图像初始化时所赋予的初值255，去除这类特征点，保留的特征点即为极化图像的真正特征点，再利用ORB算法提取这些特征点的描述符；

3.3)通过极化图像的ORB局部特征点提取其在激光坐标系中的三维坐标，由于每一个ORB局部特征点的像素值都是由激光点云与激光坐标系原点之间的距离所赋予的，所以通过索引方法获得ORB局部特征点对应的激光点云在激光坐标系中的三维坐标。

按上述方案，所述步骤4)中高精度地图文件的生成方式为：将每一帧的GPS坐标及航向角数据信息，然后连同每一帧极化图像的ORB全局描述符、ORB局部特征点及特征点对应的激光点云在激光坐标系中的三维坐标、ORB局部特征点描述符一同写入XML文件中，当所有采集数据处理完毕后，最终生成的XML文件即是高精度地图文件。

一种基于多线激光点云极化表征的高精度地图生成系统，包括：

数据采集模块，用于通过激光雷达采集激光点云数据及GPS坐标和航向角(yaw)数据；

极化图像生成模块，用于对激光点云进行极化表征，生成极化图像；

极化图像处理模块，用于对极化图像进行图像特征提取，并根据特征点提取其在激光坐标系中的三维坐标；

高精度地图文件生成模块，用于将图像特征、特征点三维坐标、GPS坐标、航向角数据信息存入XML文件，最终获得的XML文件即为高精度地图文件。

按上述方案，所述极化图像生成模块中对激光点云进行极化表征具体如下：

针对每一帧的激光点云数据，首先计算每个激光点云在竖直方向上的角度并根据该值求得激光点云所在的水平线，即求得激光点云在极化图像上的像素坐标v,再计算每个激光点云在水平方向上的角度并根据该值求得激光点云所在的竖直线，即求得激光点云在极化图像上的像素坐标u,以激光点云与激光坐标系原点之间的距离为像素值，完成对激光点云的极化表征。

按上述方案，所述极化图像生成模块中对激光点云进行极化表征，生成极化图像，具体如下：

提取激光点云的三维坐标(x，y，z)及点云与激光坐标系原点的距离信息，然后根据激光点云的三维坐标(x，y，z)计算每个激光点云在竖直方向上的角度及其对应的极化图像像素坐标v，其计算公式为：

其中，θ_v为激光点云在竖直方向上的角度，(x，y，z)为激光点云的三维坐标，L_row为激光点云在极化图像上的像素坐标v，θ_bottom为激光雷达在竖直方向上的起始工作角度的绝对值，θ_{res_y}为激光雷达的垂直角分辨率；

再根据激光点云的三维坐标(x，y，z)计算每个激光点云在水平方向上的角度及其对应的极化图像像素坐标u，其计算公式为：

其中，θ_h为激光点云在水平方向上的角度，(x，y，z)为激光点云的三维坐标，L_column为激光点云在极化图像上的像素坐标u，θ_{res_x}为激光雷达的水平角分辨率；

通过上面两个步骤，求出各激光点云在极化图像上的像素坐标，再以激光点云与激光坐标系原点之间的距离为像素值，同时将其它没有赋值的像素点的像素值均设为255，即可获取极化图像。

按上述方案，所述极化图像生成模块中还包括对生成的极化图像的处理，依次为：

去除地面线，即去除极化图像的地面线，激光点云的地面数据会在点云的特征提取、特征匹配等方面造成较大误差，所以在生成极化图像之后，需要将地面线去除，以保证特征提取等操作的准确性；

像素值差异化处理，像素值差异化处理的主要目的是为了让极化图像颜色层次更鲜明，从而保证有较多的特征点可以提取到，因为激光雷达采集的激光点云数据中，绝大部分激光点云与激光坐标系原点的距离(distance)都在50m以内，所以针对第二步的极化图像，将小于或等于50的像素值都乘以5并取整，将大于50小于255的像素值随机变成251-254中一个整数值，即可获取第三步的极化图像；

剪切拼接，剪切拼接的主要目的是为了可以提取到更多的特征点，将极化图像沿图像水平方向剪切成尺寸相等的N块矩形图像，然后沿图像竖直方向按顺序拼接，即获取最终的激光点云极化图像。

按上述方案，所述极化图像处理模块中对极化图像进行特征提取，并根据特征点提取其在激光坐标系中的三维坐标为利用ORB算法，提取激光点云极化图像的ORB全局描述符、ORB局部特征点、ORB局部特征点描述符，并利用ORB局部特征点提取其在激光坐标系中的三维坐标；

具体如下：

1)利用ORB算法提取极化图像全局描述符，将整个极化图像作为一个特征点，以全局特征代表图像，再利用ORB算法提取该全局特征的特征描述符；

2)利用ORB算法提取极化图像的局部特征点及局部特征点描述符，若提取到的局部特征点的像素值不是由激光点云与激光坐标系原点间的距离所赋予的，而是图像初始化时所赋予的初值255，去除这类特征点，保留的特征点即为极化图像的真正特征点，再利用ORB算法提取这些特征点的描述符；

3)通过极化图像的ORB局部特征点提取其在激光坐标系中的三维坐标，由于每一个ORB局部特征点的像素值都是由激光点云与激光坐标系原点之间的距离所赋予的，所以通过索引方法获得ORB局部特征点对应的激光点云在激光坐标系中的三维坐标。

按上述方案，所述高精度地图文件生成模块中高精度地图文件的生成方式为：将每一帧的GPS坐标及航向角数据信息，然后连同每一帧极化图像的ORB全局描述符、ORB局部特征点及特征点对应的激光点云在激光坐标系中的三维坐标、ORB局部特征点描述符一同写入XML文件中，当所有采集数据处理完毕后，最终生成的XML文件即是高精度地图文件。

本发明产生的有益效果是：本发明利用三维激光点云极化图像生成速度快且占用内存极小及ORB算法特征提取速度快等特点，结合GPS坐标、航向角(yaw)等信息，能够快速构建地图，并且所建立的地图内存占用极小，仅为传统三维激光点云地图占用内存的2％。本发明很好地解决了传统三维激光点云建图速度慢且占用内存过大的问题，与相关定位算法结合，可以对车辆、机器人等进行快速、精确定位。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的方法流程图；

图2是本发明实施例的实验设备结构示意图；

图3是本发明实施例的激光点云极化图像；

图4是本发明实施例的极化图像局部特征点；

图5是本发明实施例的极化图像局部特征点对应的激光点云在激光坐标系的三维坐标；

其中，1-16线LIDAR，2-INS装置，3-车载工控机，4-蓄电池，5-逆变器，6-小汽车，7-LIDAR数据网络传输线，8-INS数据传输线，9、10、11、12-导线。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明公开了一种基于多线激光点云极化表征的高精度地图生成方法，该方法首先将每一帧的激光点云数据通过一定规则转化为极化图像，然后利用ORB(Oriented FAST and Rotated BRIEF)算法提取极化图像的ORB全局描述符、ORB局部特征点、ORB局部特征点描述符，并通过ORB局部特征点提取其在激光点云坐标系中的三维坐标，最后将每一帧的GPS坐标、航向角(yaw)及极化图像的ORB全局描述符、ORB局部特征点及特征点对应的三维坐标、ORB局部特征点描述符等信息一同存储到XML文件中，最终获得的XML文件即是所需的地图文件；

该方法包括以下步骤：

S1.采集激光点云数据及GPS坐标和航向角(yaw)数据；数据采集传感器由一个多线LIDAR和一套INS装置组成。多线LIDAR可选用16线、32线、64线甚至更高，这里选用16线LIDAR，转速为600r/min,工作频率为10Hz,垂直视场角为-15°至+15°，水平视场角为360°，垂直角分辨率2°，水平角分辨率为0.2°；INS装置的工作频率为10Hz；

S2.针对每一帧的激光点云数据，首先计算每个激光点云在竖直方向上的角度并根据该值求得激光点云在哪一条水平线上，即求得激光点云在极化图像上的像素坐标v,再计算每个激光点云在水平方向上的角度并根据该值求得激光点云在哪一条竖直线上，即求得激光点云在极化图像上的像素坐标u,以激光点云与激光坐标系原点之间的距离(distance)为像素值，这样就初步完成对激光点云的极化表征，然后通过去除地面线、像素值差异化处理、剪切拼接3个过程，获得最终的激光点云极化图像；

S3.利用ORB算法，提取激光点云极化图像的ORB全局描述符、ORB局部特征点、ORB局部特征点描述符，并利用ORB局部特征点提取其在激光坐标系中的三维坐标；

S4.将每一帧的GPS坐标、航向角(yaw)及极化图像的ORB全局描述符、ORB局部特征点及特征点对应的三维坐标、ORB局部特征点描述符等信息一同写入XML文件中，最终获得的XML文件即是高精度地图文件。

步骤S2中激光点云极化表征的方法具体为：

当数据处理模块接收到激光点云数据、GPS坐标、航向角(yaw)等信息后，会首先提取激光点云的三维坐标(x，y，z)及点云与激光坐标系原点的距离(distance)信息，然后根据激光点云的三维坐标(x，y，z)计算每个激光点云在竖直方向上的角度及其对应的极化图像像素坐标v，其计算公式为：

其中，θ_v为激光点云在竖直方向上的角度，(x，y，z)为激光点云的三维坐标，L_row为激光点云在极化图像上的像素坐标v，θ_bottom为16线LIDAR在竖直方向上的起始工作角度的绝对值，为15°，θ_{res_y}为16线LIDAR的垂直角分辨率，为2°；

再根据激光点云的三维坐标(x，y，z)计算每个激光点云在水平方向上的角度及其对应的极化图像像素坐标u，其计算公式为：

其中，θ_h为激光点云在水平方向上的角度，(x，y，z)为激光点云的三维坐标，L_column为激光点云在极化图像上的像素坐标u，θ_{res_x}为16线LIDAR的水平角分辨率，为0.2°；

通过上面两个步骤，可以求出各激光点云在极化图像上的像素坐标，再以激光点云与激光坐标系原点之间的距离(distance)为像素值，同时将其它没有赋值的像素点的像素值均设为255，即可获取第一步的极化图像；

然后是去除地面线，以16线LIDAR在垂直方向上最底部7线为地面线，将其去除，即可获取第二步的极化图像；

接下来是像素值差异化处理，因为16线LIDAR采集的激光点云数据中，绝大部分激光点云与激光坐标系原点的距离(distance)都在50m以内，所以针对第二步的极化图像，将小于或等于50的像素值都乘以5并取整，将大于50小于255的像素值随机变成251-254中一个整数值，即可获取第三步的极化图像；

最后是剪切拼接，将第三步的极化图像沿着图像水平方向剪切成尺寸相等的N块矩形图像，这里剪切成15块，然后沿着图像竖直方向按顺序拼接，即可获取最终的激光点云极化图像，如图3所示。

步骤S3中提取激光点云极化图像的ORB全局描述符、ORB局部特征点、ORB局部特征点描述符，并利用ORB局部特征点提取其在激光坐标系中的三维坐标的方法具体为：

首先利用ORB算法提取极化图像全局描述符，将整个极化图像作为一个特征点，以全局特征代表图像，再利用ORB算法提取该全局特征的特征描述符；

然后利用ORB算法提取极化图像的局部特征点及局部特征点描述符，但是由于提取到的局部特征点的像素值并一定是由激光点云与激光坐标系原点间的距离(distance)所赋予的，而是图像初始化时所赋予的初值255，即这类特征点并没有“真值”，统一将其称为“空白特征点”，“空白特征点”需要去除，保留的特征点即为极化图像的真正特征点，如图4所示，再利用ORB算法提取这些特征点的描述符；

接下来通过极化图像的ORB局部特征点提取其在激光坐标系中的三维坐标，由于每一个ORB局部特征点的像素值都是由激光点云与激光坐标系原点之间的距离(distance)所赋予的，所以通过相关索引方法可轻易找到ORB局部特征点对应的激光点云在激光坐标系中的三维坐标，索引结果(部分)如图5所示。

步骤S4中生成地图文件的方法具体为：

数据处理模块在接受到INS装置传输过来的数据信息后，会提取每一帧的GPS坐标及航向角(yaw)数据信息，然后连同每一帧极化图像的ORB全局描述符、ORB局部特征点及特征点对应的激光点云在激光坐标系中的三维坐标、ORB局部特征点描述符一同写入XML文件中，当数据采集完毕后，最终生成的XML文件即是高精度地图文件。

根据上述方法，可以得到一种基于多线激光点云极化表征的高精度地图生成系统，该系统包括数据采集模块、数据传输模块、极化图像生成模块、极化图像处理模块、供电模块、辅助模块。其中：

数据采集模块由一个多线LIDAR和一套INS装置组成。多线LIDAR可选用16线、32线、64线甚至更高，这里选用16线LIDAR，转速为600r/min,工作频率为10Hz,垂直视场角为-15°至+15°，水平视场角为360°，垂直角分辨率2°，水平角分辨率为0.2°；INS装置的工作频率为10Hz；

数据传输模块由LIDAR数据网络传输线和INS数据传输线组成。LIDAR数据网络传输线用于将多线LIDAR采集的激光点云数据向系统的数据处理模块进行传输；INS数据传输线用于将INS装置采集的GPS坐标及航向角(yaw)等数据信息向系统的数据处理模块进行传输；

极化图像生成模块对激光点云进行极化表征，生成极化图像，极化图像处理模块对极化图像进行特征提取，并根据特征点提取其在激光坐标系中的三维坐标，最后将图像特征、特征点三维坐标、GPS坐标、航向角(yaw)等数据信息存入XML文件，最终获得的XML文件即为高精度地图文件；

供电模块由蓄电池、逆变器及导线等组成，用于为系统各模块供电；

辅助模块用于为数据采集模块、数据传输线、数据处理设备、供电设备等提供移动搭载平台，该模块可选用小汽车或移动机器人或其他移动平台，这里选用小汽车，如图2。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (6)

1.一种基于多线激光点云极化表征的高精度地图生成方法，其特征在于，包括以下步骤：

1)通过激光雷达及INS装置采集激光点云数据、GPS坐标和航向角数据；

2)对激光点云进行极化表征，生成极化图像；

所述步骤2)对激光点云进行极化表征，生成极化图像，具体如下：

提取激光点云的三维坐标(x,y,z)及点云与激光坐标系原点的距离信息，然后根据激光点云的三维坐标(x,y,z)计算每个激光点云在竖直方向上的角度及其对应的极化图像像素坐标v，其计算公式为：

其中，θ_v为激光点云在竖直方向上的角度，(x,y,z)为激光点云的三维坐标，L_row为激光点云在极化图像上的像素坐标v，θ_bottom为激光雷达在竖直方向上的起始工作角度的绝对值，θ_{res_y}为激光雷达的垂直角分辨率；

再根据激光点云的三维坐标(x,y,z)计算每个激光点云在水平方向上的角度及其对应的极化图像像素坐标u，其计算公式为：

其中，θ_h为激光点云在水平方向上的角度，(x,y,z)为激光点云的三维坐标，L_column为激光点云在极化图像上的像素坐标u，θ_{res_x}为激光雷达的水平角分辨率；

通过上面两个步骤，求出各激光点云在极化图像上的像素坐标，再以激光点云与激光坐标系原点之间的距离为像素值，同时将其它没有赋值的像素点的像素值均设为255，即可获取极化图像；

3)对极化图像进行特征提取，并根据特征点提取其在激光坐标系中的三维坐标；

4)将图像特征、特征点三维坐标、GPS坐标、航向角数据信息存入XML文件，最终获得的XML文件即为高精度地图文件。

2.根据权利要求1所述的基于多线激光点云极化表征的高精度地图生成方法，其特征在于，所述步骤2)中还包括对生成的极化图像的处理步骤，依次为：

去除地面线，即去除极化图像的地面线；

像素值差异化处理，将小于或等于50的像素值都乘以5并取整，将大于50小于255的像素值随机变成251至254中一个整数值；

剪切拼接，将极化图像沿图像水平方向剪切成尺寸相等的N块矩形图像，然后沿图像竖直方向按顺序拼接，即获取最终的激光点云极化图像。

3.根据权利要求1所述的基于多线激光点云极化表征的高精度地图生成方法，其特征在于，所述步骤3)中对极化图像进行特征提取，并根据特征点提取其在激光坐标系中的三维坐标为利用ORB算法，提取激光点云极化图像的ORB全局描述符、ORB局部特征点、ORB局部特征点描述符，并利用ORB局部特征点提取其在激光坐标系中的三维坐标；

具体如下：

3.1)利用ORB算法提取极化图像全局描述符，将整个极化图像作为一个特征点，以全局特征代表图像，再利用ORB算法提取该全局特征的特征描述符；

3.2)利用ORB算法提取极化图像的局部特征点及局部特征点描述符，若提取到的局部特征点的像素值不是由激光点云与激光坐标系原点间的距离所赋予的，而是图像初始化时所赋予的初值255，去除这类特征点，保留的特征点即为极化图像的真正特征点，再利用ORB算法提取这些特征点的描述符；

3.3)通过极化图像的ORB局部特征点提取其在激光坐标系中的三维坐标，由于每一个ORB局部特征点的像素值都是由激光点云与激光坐标系原点之间的距离所赋予的，所以通过索引方法获得ORB局部特征点对应的激光点云在激光坐标系中的三维坐标。

4.根据权利要求1所述的基于多线激光点云极化表征的高精度地图生成方法，其特征在于，所述步骤4)中高精度地图文件的生成方式为：将每一帧的GPS坐标及航向角数据信息，然后连同每一帧极化图像的ORB全局描述符、ORB局部特征点及特征点对应的激光点云在激光坐标系中的三维坐标、ORB局部特征点描述符一同写入XML文件中，当所有采集数据处理完毕后，最终生成的XML文件即是高精度地图文件。

5.一种基于多线激光点云极化表征的高精度地图生成系统，其特征在于，包括：

数据采集模块，用于通过激光雷达及INS装置采集激光点云数据、GPS坐标和航向角数据；

极化图像生成模块，用于对激光点云进行极化表征，生成极化图像；

所述极化图像生成模块中对激光点云进行极化表征，生成极化图像，具体如下：

提取激光点云的三维坐标(x,y,z)及点云与激光坐标系原点的距离信息，然后根据激光点云的三维坐标(x,y,z)计算每个激光点云在竖直方向上的角度及其对应的极化图像像素坐标v，其计算公式为：

其中，θ_v为激光点云在竖直方向上的角度，(x,y,z)为激光点云的三维坐标，L_row为激光点云在极化图像上的像素坐标v，θ_bottom为激光雷达在竖直方向上的起始工作角度的绝对值，θ_{res_y}为激光雷达的垂直角分辨率；

再根据激光点云的三维坐标(x,y,z)计算每个激光点云在水平方向上的角度及其对应的极化图像像素坐标u，其计算公式为：

其中，θ_h为激光点云在水平方向上的角度，(x,y,z)为激光点云的三维坐标，L_column为激光点云在极化图像上的像素坐标u，θ_{res_x}为激光雷达的水平角分辨率；

通过上面两个步骤，求出各激光点云在极化图像上的像素坐标，再以激光点云与激光坐标系原点之间的距离为像素值，同时将其它没有赋值的像素点的像素值均设为255，即可获取极化图像；

极化图像处理模块，用于对极化图像进行图像特征提取，并根据特征点提取其在激光坐标系中的三维坐标；

高精度地图文件生成模块，用于将图像特征、特征点三维坐标、GPS坐标、航向角数据信息存入XML文件，最终获得的XML文件即为高精度地图文件。

6.根据权利要求5所述的基于多线激光点云极化表征的高精度地图生成系统，其特征在于，所述极化图像生成模块中还包括对生成的极化图像的处理，依次为：

去除地面线，即去除极化图像的地面线；

像素值差异化处理，将小于或等于50的像素值都乘以5并取整，将大于50小于255的像素值随机变成251至254中一个整数值；

剪切拼接，将极化图像沿图像水平方向剪切成尺寸相等的N块矩形图像，然后沿图像竖直方向按顺序拼接，即获取最终的激光点云极化图像。

Images