CN110400363A - 基于激光点云的地图构建方法和装置 - Google Patents
基于激光点云的地图构建方法和装置 Download PDFInfo
- Publication number
- CN110400363A CN110400363A CN201810374002.5A CN201810374002A CN110400363A CN 110400363 A CN110400363 A CN 110400363A CN 201810374002 A CN201810374002 A CN 201810374002A CN 110400363 A CN110400363 A CN 110400363A
- Authority
- CN
- China
- Prior art keywords
- point
- cloud
- target area
- map
- point cloud
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000007613 environmental effect Effects 0.000 claims abstract description 58
- 239000000284 extract Substances 0.000 claims abstract description 10
- 238000010586 diagram Methods 0.000 claims description 26
- 238000000605 extraction Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001360 synchronised effect Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000006854 communication Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 239000011800 void material Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G06T3/08—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G06T5/70—
-
- G06T5/77—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Abstract
本发明公开了基于激光点云的地图构建方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：采集待构建区域的图像信息和激光点云，确定所述激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系；将所述激光点云拼接至所述待构建区域的环境地图中，从拼接后的环境地图中提取目标区域；根据所述目标区域的点云和所述匹配关系，构建所述目标区域的地图。该实施方式基于激光点云提取目标区域、并根据激光点云中每个点云点与每个图像的像素点之间的匹配关系构建目标区域的地图，实现由图像反向投影完成的目标区域地图的构建，构建过程简单，清晰度高，噪声区域少。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于激光点云的地图构建方法和装置。
背景技术
道路正视图(也称鸟瞰图)是一种类似于航拍获取的道路面正视图像(如图1所示)，可以应用于城市街景仿真中的道路纹理贴图，辅助操纵人员完成地图自动生成和引导无人车自动驾驶等方面。现有道路正视图获取方式主要包括两类：
1)飞行器拍摄而成，该方式是由飞行器搭载视频采集装置，俯视捕获道路街景图像的正视图，图2(a)为由飞行器拍摄而成的道路正视图。2)道路透视图投影和拼接而成，该方式是由车载相机装置，捕获道路街景的透视视频。在假设道路面是水平的和相机距离地面高度已知情况下，根据几何映射关系用透视变换完成视频帧到正视图的转换，然后将每一帧的正视图拼接起来，图2(b)为由道路面透视图投影和拼接而成的道路正视图。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
在飞行器拍摄方式中，由于飞行器距离道路面有一定高度，拍摄到的道路面区域往往被树木、车辆和行人遮挡，导致道路面区域的可视范围比较窄，因而清晰度不高，难以直接应用于仿真系统和地图生成等领域。此外，该方式受限于飞行器管辖范围、远程遥控等硬件条件，因此采集过程较复杂，难以推广；
在道路透视图投影和拼接方式中，假设道路面是水平和无杂物的，然而此假设在很多情况下不成立，投影出的道路正视图中往往将一些凸起物体(例如树木、马路崖)扁平化，因此存在压扁的车辆行人等噪声区域。此外，在道路面不是水平情况下，拼接缝隙存在无法对准的叠影，使得拼接得到的图像清晰度不高。
发明内容
有鉴于此，本发明实施例提供一种基于激光点云的地图构建方法和装置，构建过程简单，清晰度高，噪声区域少。
为实现上述目的，根据本发明实施例的一个方面，提供了一种基于激光点云的地图构建方法。
根据本发明实施例的基于激光点云的地图构建方法，包括：
采集待构建区域的图像信息和激光点云，确定所述激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系；
将所述激光点云拼接至所述待构建区域的环境地图中，从拼接后的环境地图中提取目标区域；
根据所述目标区域的点云和所述匹配关系，构建所述目标区域的地图。
可选地，从拼接后的环境地图中提取目标区域，包括：通过点云语义分析，确定拼接后的环境地图中各个点云的语义；从拼接后的环境地图中滤除不具有目标语义的点云，得到目标区域。
可选地，得到目标区域之后，还包括：采用叠加直方图统计方式确定所述目标区域的边界。
可选地，采用叠加直方图统计方式确定所述目标区域的边界之前，还包括：对所述目标区域进行正视投影，得到目标区域的栅格图；
采用叠加直方图统计方式确定所述目标区域的边界，包括：采用叠加直方图统计方式对所述栅格图中的点云进行统计，确定所述目标区域的边界。
可选地，根据所述目标区域的点云和所述匹配关系，构建所述目标区域的地图，包括：按照如下方法确定所述目标区域中每个采样点的颜色值：
确定该采样点周围预设范围内的所有点云点；根据所述匹配关系，确定所述预设范围内的每个点云点对应的像素点的颜色值；以所述预设范围内的各个点云点对应的颜色值的加权平均值作为该采样点的颜色值。
可选地，按照如下关系式确定所述目标区域中每个采样点的颜色值：
式中，Ii为第i个采样点的颜色值，Ij为第j个点云点的颜色值；dist(i,j)为在确定第i个采样点的颜色值时，第j个点云点的颜色值的权重；Ni为第i个采样点周围预设范围内的点云点的数量；Pi为第i个采样点的空间坐标，Pj为第j个点云点的空间坐标，||Pi-Pj||为第j个点云点与第i个采样点的位置相似度。
可选地，确定所述预设范围内的每个点云点对应的像素点的颜色值之前，还包括：确认该采样点周围预设范围内的点云点的数量不低于预设阈值；若该采样点周围预设范围内的点云点的数量低于预设阈值，则将该采样点标记为空洞点。
可选地，所述预设范围为预设大小的圆柱形区域。
可选地，构建所述目标区域的地图，还包括：确定所述目标区域中每个采样点的颜色值之后，对所述目标区域中的空洞点进行空洞修补。
可选地，同步采集待构建区域的视频数据和激光点云，以所述视频数据中的多个视频帧作为所述图像信息；
确定所述激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系，包括：获取多个场景点在所述激光点云中投影的点云投影点和在各个所述视频帧中投影的图像投影点的坐标；将所述多个场景点对应的点云投影点和图像投影点的坐标输入预设的投影模型进行训练，得到训练好的投影模型；基于训练好的投影模型确定所述激光点云中每个点云点与各个图像帧中像素点的匹配关系；
其中，所述投影模型为：
所述匹配关系为：
(x，y)为图像帧中像素点的坐标，(X，Y，Z)为激光点云中点云点的坐标，l1、l2、l3、l4、l5、l6、l7、l8、l9、l10、l11为待训练的模型参数。
可选地，采用最小二乘法训练所述投影模型，确定所述投影模型的模型参数的取值。
可选地，将所述激光点云拼接至所述待构建区域的环境地图中之前，还包括：采用SLAM算法构建所述待构建区域的环境地图。
根据本发明实施例的再一个方面，提供了一种基于激光点云的地图构建装置。
根据本发明实施例的基于激光点云的地图构建装置，包括：
采集模块，采集待构建区域的图像信息和激光点云，确定所述激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系；
提取模块，将所述激光点云拼接至所述待构建区域的环境地图中，从拼接后的环境地图中提取目标区域；
构建模块，根据所述目标区域的点云和所述匹配关系，构建所述目标区域的地图。
可选地，所述提取模块从拼接后的环境地图中提取目标区域，包括：通过点云语义分析，确定拼接后的环境地图中各个点云的语义；从拼接后的环境地图中滤除不具有目标语义的点云，得到目标区域。
可选地，所述提取模块还用于，得到目标区域之后，采用叠加直方图统计方式确定所述目标区域的边界。
可选地，所述提取模块还用于，采用叠加直方图统计方式确定所述目标区域的边界之前，对所述目标区域进行正视投影，得到目标区域的栅格图；
所述提取模块采用叠加直方图统计方式确定所述目标区域的边界，包括：采用叠加直方图统计方式对所述栅格图中的点云进行统计，确定所述目标区域的边界。
可选地，所述构建模块根据所述目标区域的点云和所述匹配关系，构建所述目标区域的地图，包括：按照如下方法确定所述目标区域中每个采样点的颜色值：
确定该采样点周围预设范围内的所有点云点；根据所述匹配关系，确定所述预设范围内的每个点云点对应的像素点的颜色值；以所述预设范围内的各个点云点对应的颜色值的加权平均值作为该采样点的颜色值。
可选地，所述构建模块按照如下关系式确定所述目标区域中每个采样点的颜色值：
式中，Ii为第i个采样点的颜色值，Ij为第j个点云点的颜色值；dist(i,j)为在确定第i个采样点的颜色值时，第j个点云点的颜色值的权重；Ni为第i个采样点周围预设范围内的点云点的数量；Pi为第i个采样点的空间坐标，Pj为第j个点云点的空间坐标，||Pi-Pj||为第j个点云点与第i个采样点的位置相似度。
可选地，所述构建模块还用于，确定所述预设范围内的每个点云点对应的像素点的颜色值之前，确认该采样点周围预设范围内的点云点的数量不低于预设阈值；
若该采样点周围预设范围内的点云点的数量低于预设阈值，则将该采样点标记为空洞点。
可选地，所述预设范围为预设大小的圆柱形区域。
可选地，所述构建模块构建所述目标区域的地图还包括：确定所述目标区域中每个采样点的颜色值之后，对所述目标区域中的空洞点进行空洞修补。
可选地，所述采集模块还用于：同步采集待构建区域的视频数据和激光点云，以所述视频数据中的多个视频帧作为所述图像信息；
确定所述激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系，包括：获取多个场景点在所述激光点云中投影的点云投影点和在各个所述视频帧中投影的图像投影点的坐标；将所述多个场景点对应的点云投影点和图像投影点的坐标输入预设的投影模型进行训练，得到训练好的投影模型；基于训练好的投影模型确定所述激光点云中每个点云点与各个图像帧中像素点的匹配关系；
其中，所述投影模型为：
所述匹配关系为：
(x，y)为图像帧中像素点的坐标，(X，Y，Z)为激光点云中点云点的坐标，l1、l2、l3、l4、l5、l6、l7、l8、l9、l10、l11为待训练的模型参数。
可选地，所述采集模块采用最小二乘法训练所述投影模型，确定所述投影模型的模型参数的取值。
可选地，所述提取模块将所述激光点云拼接至所述待构建区域的环境地图中之前，还用于：采用SLAM算法构建所述待构建区域的环境地图。
根据本发明实施例的另一个方面，提供了一种基于激光点云的地图构建电子设备。
根据本发明实施例的基于激光点云的地图构建电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例第一方面提供的基于激光点云的地图构建方法。
根据本发明实施例的还一个方面，提供了一种计算机可读介质。
根据本发明实施例的计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例第一方面提供的基于激光点云的地图构建方法。
上述发明中的一个实施例具有如下优点或有益效果：基于激光点云提取目标区域、并根据激光点云中每个点云点与每个图像的像素点之间的匹配关系构建目标区域的地图，实现由图像反向投影完成的目标区域地图的构建，构建过程简单，清晰度高，噪声区域少。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是道路正视图的示意图；
图2是现有技术获取的道路正视图的示意图；其中，图2a是飞行器拍摄方式获取的道路正视图的示意图，图2b是道路透视图投影和拼接方式获取的道路正视图的示意图；
图3是根据本发明实施例的基于激光点云的地图构建方法的主要流程的示意图；
图4是本发明一些实施例中激光点云和图像像素点匹配的示意图；
图5是本发明一些实施例中SLAM算法构建待构建区域的环境地图的示意图；
图6是本发明一些实施例中点云语义分析的示意图；
图7是本发明一些实施例中目标区域提取的示意图；其中，图7a是目标区域栅格图，图7b是目标区域的掩码图；
图8是图7中目标区域的边界示意图；
图9是图7中目标区域的地图的示意图；
图10是本发明可选实施例的基于激光点云的地图构建方法的主要流程的示意图；
图11是根据本发明实施例的基于激光点云的地图构建装置的主要模块的示意图；
图12是本发明实施例可以应用于其中的示例性系统架构图；
图13是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
为实现上述目的，根据本发明实施例的一个方面，提供了一种基于激光点云的地图构建方法。
图3是根据本发明实施例的基于激光点云的地图构建方法的主要流程的示意图。如图3所示，基于激光点云的地图构建方法，包括步骤S301、步骤S302和步骤S303。
步骤S301中，采集待构建区域的图像信息和激光点云，确定所述激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系。
在逆向工程中通过测量仪器得到的产品外观表面的点数据集合称之为点云，点云中的每个点称为点云点。通常使用三维坐标测量设备所得到的点云点数量比较少，点云点之间的间距也比较大，称作稀疏点云；而使用三维激光扫描仪或照相式扫描仪得到的点云点数量比较大并且比较密集，称作密集点云。由于激光点云中点云点比较密集，因此基于激光点云构建地图，构建得到的地图清晰度更高。
待构建区域的图像信息是指待构建区域的一个、两个或更多个图像。该图像可以是采用各种拍摄装置采集的待构建区域的图片，也可以是采用摄像装置采集的待构建区域的视频数据中视频帧。
通过采集待构建区域的视频数据得到图像信息时，待构建区域的视频数据中的多个视频帧作为所述图像信息。实际应用过程中，可以依次采集待构建区域的视频数据和激光点云，也可以同时待构建区域的视频数据和激光点云。采用同时采集的方式，便于准确、快速确定激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系。
图像信息中各个图像可以是近距离采集的图像，也可以是远距离采集的图像，只要能够保证图像的清晰度即可。实际应用过程中，为了进一步提高目标区域的地图的清晰度，可以在距离目标区域一定距离范围内采集图像信息。以包括道路面的环境为待构建区域、以待构建区域中的道路面为目标区域为例，可以采用道路车载采集装置采集待构建区域的视频数据。
当视频采集频率(如25fps)和点云采集频率(如5fpg)不同时，可以用时间戳来同步两者的数据，以保证二者数据的时间信息一致性。此处fps即frames per second，中文含义为每秒显示帧数，也称为赫兹(Hz)。
在一些可选的实施例中，同步采集待构建区域的视频数据和激光点云，以所述视频数据中的多个视频帧作为所述图像信息。确定所述激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系，包括：获取多个场景点在所述激光点云中投影的点云投影点和在各个所述视频帧中投影的图像投影点的坐标；将所述多个场景点对应的点云投影点和图像投影点的坐标输入预设的投影模型进行训练，得到训练好的投影模型；基于训练好的投影模型确定所述激光点云中每个点云点与各个图像帧中像素点的匹配关系；
其中，所述投影模型为：
所述匹配关系为：
(x，y)为图像帧中像素点的坐标，(X，Y，Z)为激光点云中点云点的坐标，l1、l2、l3、l4、l5、l6、l7、l8、l9、l10、l11为待训练的模型参数。
本领域技术人员可以根据实际情况选择还是的方法以训练投影模型，例如采用最小二乘法训练所述投影模型，确定所述投影模型的模型参数的取值。
确定匹配关系的目的是为了保证具有匹配关系的点云点和像素点对应待构建区域中的同一点。实际应用过程中，可以将激光点云中的点云点叠加在其匹配的图像的像素点中，以验证两者是否对应待构建区域中的同一点。图4是本发明一些实施例中激光点云和图像像素点匹配的示意图。
本发明实施例确定激光点云中每个点云点与各个图像中像素点之间的匹配关系，基于该匹配关系反向投影得到目标区域的地图中各个采样点的颜色值。一方面，能够降低对图像分辨率的要求，便于图像采集；另一方面能够降低目标区域之外的杂物对构建目标区域地图的影响，大大提高构建得到的地图的清晰度、减少噪声区域。
若图像信息中各个图像为待构建区域的正视图，则构建得到的目标区域的地图为目标区域的正视图。若图像信息中各个图像为待构建区域的其他视图，则构建得到的目标区域的地图为目标区域的对应视图。本发明实施例可以应用于构建以平面物体所在区域作为目标区域的正视图，例如道路面、墙面、天空、或远处背景等。
步骤S302、将所述激光点云拼接至所述待构建区域的环境地图中，从拼接后的环境地图中提取目标区域。
用于构建待构建区域的环境地图的数据源可以根据实际情况进行选择，例如采用步骤S301中采集的激光点云或图像信息，也可以采用待构建区域的视频数据，或者通过定位装置采集的待构建区域的GPS数据等。本发明实施例对数据源不做具体限定，只要其能够构建出待构建区域的环境地图即可。
在一些可选的实施例中，将所述激光点云拼接至所述待构建区域的环境地图中之前，采用SLAM算法构建所述待构建区域的环境地图。SLAM(Simultaneous Localizationand Mapping)即同步定位与地图构建。基于SLAM算法构建地图，可以从未知环境的未知地点出发，在运动过程中通过重复观测到的地图特征定位自身位置和姿态，再根据自身位置增量式的构建地图，从而达到同时定位和地图构建的目的。采用SLAM算法构建所述待构建区域的环境地图，构建速度快、准确性好。
将激光点云拼接至待构建区域的环境地图中，便于对激光点云进行语义分析。在进行拼接时，可以获取激光雷达与图像信息采集装置在统一坐标系下的相对位置关系(平移和旋转两部分)，将不同位置拍摄的激光点云进行几何变换(平移和旋转)，即可将激光点云拼接至环境地图中。
从拼接后的环境地图中提取目标区域，可以包括：通过点云语义分析，确定拼接后的环境地图中各个点云的语义；从拼接后的环境地图中滤除不具有目标语义的点云，得到目标区域。
实际应用过程中可以基于监督学习方式完成点云语义分析，该方式包括训练阶段和验证阶段。在训练阶段收集大量的已知语义的点云，并对其进行语义标注，用基于点云的深度学习方式训练神经网络模型中的参数，在验证阶段输入拼接点云，用训练模型完成其语义分析。神经网络模型是基于神经网络构建的模型，神经网络(Neural Networks，NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统，它反映了事物的许多基本特征，是一个高度复杂的非线性动力学习系统。
实际场景中除了目标区域外，难免存在杂物，杂物的遮挡会影响上述步骤得到的目标区域的边界。采集图像信息和激光点云过程的其他偏差性操作或数据也会影响上述步骤得到的目标区域的边界。为了尽量使提取得到的目标区域的边界与实际目标区域的边界接近，得到目标区域之后还可以包括：采用叠加直方图统计方式确定目标区域的边界。可以预先设定一个阈值T(例如95％或90％)，接近或达到该阈值T的位置为目标区域的边界。
直方图是一种二维统计图表，它的两个坐标分别是统计样本和该样本对应的某个属性的度量。叠加直方图中每个样本对应度量值是该该样本之前的所有样本的度量值之和。例如，目标区域中第0、1、2、3、4、5、6、7个像素点对应的点云点数量分别为10、15、10、10、15、15、5、5，对应的叠加直方图的度量值分别为10、25、35、45、60、75、80、85。上述8个像素点对应的点云点的总数为85，第6个像素点的度量值为75，接近T(90％)*85＝76.5，则第6个像素点的位置为目标区域的边界。
采用叠加直方图统计方式确定目标区域的边界之前，还可以包括：对目标区域进行正视投影，得到目标区域的栅格图。采用叠加直方图统计方式确定所述目标区域的边界可以包括：采用叠加直方图统计方式对栅格图中的点云进行统计，确定目标区域的边界。当图像信息是目标区域的正视图时，将基于激光点云提取的目标区域进行正视投影，能够将提取的目标区域与采集的图像保持相同的视图角度，便于后续根据匹配关系反向投影得到目标区域的地图。
为了便于根据匹配关系对目标区域的采样点进行纹理填充，步骤S302中提取的目标区域为是指目标物在整个环境地图上的掩码图。
步骤S303、根据所述目标区域的点云和所述匹配关系，构建所述目标区域的地图。
可选地，根据所述目标区域的点云和所述匹配关系，构建所述目标区域的地图，包括：按照如下方法确定所述目标区域中每个采样点的颜色值：确定该采样点周围预设范围内的所有点云点；根据所述匹配关系，确定所述预设范围内的每个点云点对应的像素点的颜色值；以所述预设范围内的各个点云点对应的颜色值的加权平均值作为该采样点的颜色值。由于目标区域是从环境地图中提取的，因此目标区域的每个采样点对应一个像素点。由于激光点云的点云点密度比较大，因此目标区域的一个像素点上至少对应一个点云点。以采样点周围预设范围内所有点云点对应的像素点的颜色值的加权平均值确定采样点的颜色值，得到的目标区域的地图清晰度高。由于通过匹配关系确定每个采样点的颜色值，因此可以避免提取的目标区域中的噪声区域对构建得到的目标区域的地图的影响，大大减少构建所得地图中的噪声区域。
可选地，按照如下关系式确定目标区域中每个采样点的颜色值：
式中，Ii为第i个采样点的颜色值，Ij为第j个点云点的颜色值；dist(i,j)为在确定第i个采样点的颜色值时，第j个点云点的颜色值的权重；Ni为第i个采样点周围预设范围内的点云点的数量；Pi为第i个采样点的空间坐标，Pj为第j个点云点的空间坐标，||Pi-Pj||为第j个点云点与第i个采样点的位置相似度。根据点云点与采样点的位置相似度确定点云点对应的像素点的颜色值的权重，能够进一步提高构建所得地图的清晰度。
确定所述预设范围内的每个点云点对应的像素点的颜色值之前，还可以包括：确认该采样点周围预设范围内的点云点的数量不低于预设阈值；若该采样点周围预设范围内的点云点的数量低于预设阈值，则将该采样点标记为空洞点。如此，能够避免将目标区域中噪声区域的采样点标记为非空洞点，减少构建所得地图中的噪声区域。
预设范围的形状可以根据实际情况进行选择设置，例如设置为圆柱形区域、方形区域、或者其他不规则形区域等，本发明实施例对此不做具体限定。预设范围的大小也可以根据实际情况进行选择设置。
空洞点是指颜色值为0的像素点。提取目标区域的过程中，当存在不具有目标语义的点云点时，由于该点云点被滤除，因此会产生空洞点。在一些实施例中，当采样点周围预设范围内的点云点的数量低于预设阈值，该采样点也会被标记为空洞点。空洞点越多，构建所得的地图的清晰度越低。为了尽量提高地图的清晰度，构建所述目标区域的地图还包括：确定目标区域中每个采样点的颜色值之后，对目标区域中的空洞点进行空洞修补。空洞修补的方法可以根据实际情况进行选择，例如对目标区域进行腐蚀膨胀，以消除小面积的空洞区；采用基于张量分析的空洞修补方法(2003CVPR Image Repairing:Robust ImageSynthesis by Adaptive ND Tensor Voting)或者基于生成对抗网络的空洞修补方法(2016Arxiv Semantic Image Inpainting with Deep Generative Models)对大空洞区进行修补，等等，此处不再赘述。通过对目标区域中各个采样点的颜色值进行赋值、或者对空洞点进行修补，实现对目标区域的纹理填充。
图10是本发明可选实施例的基于激光点云的地图构建方法的主要流程的示意图。如图10所示，基于激光点云的道路面正视图构建方法主要包括如下步骤：
S1001、图像-点云对准：采集待构建区域的图像信息和激光点云，确定激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系；例如，可以由车载系统搭建激光雷达和相机装置，其中，激光雷达采集激光点云，相机装置采集街景视频；
用时间戳来同步激光雷达和相机装置采集的数据，采用最小二乘法训练如下的投影模型，根据训练好的投影模型确定上述匹配关系，具体确定方法参见前述内容，此处不再赘述：
投影模型为：
(x，y)为图像帧中像素点的坐标，(X，Y，Z)为激光点云中点云点的坐标，l1、l2、l3、l4、l5、l6、l7、l8、l9、l10、l11为待训练的模型参数。
S1002、SLAM地图构建和点云拼接：采用SLAM算法构建街道区域(即待构建区域)的环境地图，将激光点云拼接至街道区域的环境地图中；图5是SLAM算法构建的街道区域的环境地图的示意图；
S1003、点云语义分析：通过点云语义分析，确定拼接后的环境地图中各个点云的语义；图6是本发明一些实施例中点云语义分析的示意图，该实施例中可以解析得到建筑物、道路、树木、车辆等语义区域；
S1004、目标区域提取：考虑到道路面之上只有车辆，行人等，道路两侧是树木和建筑，将语义点云中的建筑和树木点云过滤掉；其次，将点云向地面进行正视投影，得到一个点云叠加起来的栅格图，如图7a所示；基于栅格图提取道路正视图在整个图7a中的掩码图，如图7b所示；然后，验证相机采集路线对栅格图中的左右点云进行直方图数量统计，给定一个阈值T为95％，接近该阈值的位置为目标区域的边界，如图8所示；
S1005、反向投影和道路纹理合成：对于目标区域中每个采样点的颜色值，确定该采样点周围预设圆柱形范围内的所有点云点；若该采样点周围预设范围内的点云点的数量低于预设阈值，则将该采样点标记为空洞点；否则，按照如下关系式确定所述目标区域中每个采样点的颜色值：
式中，Ii为第i个采样点的颜色值，Ij为第j个点云点的颜色值；dist(i,j)为在确定第i个采样点的颜色值时，第j个点云点的颜色值的权重；Ni为第i个采样点周围预设范围内的点云点的数量；Pi为第i个采样点的空间坐标，Pj为第j个点云点的空间坐标，||Pi-Pj||为第j个点云点与第i个采样点的位置相似度。
由于剔除树木、车辆等物体，道路正视图中将存在一些空洞区域，对其进行空洞修补。首先对道路面正视图进行一个腐蚀膨胀，从而能消除小面积的空洞区；然后，对每一个大空洞区，用采用基于张量分析的空洞修补方法或者基于生成对抗网络的空洞修补方法完成纹理填充。图9是对图8所示的目标区域中的道路进行纹理填充后得到的地图的示意图。
根据本发明实施例的再一个方面，提供了一种基于激光点云的地图构建装置。
图11是根据本发明实施例的基于激光点云的地图构建装置的主要模块的示意图，如图11所示，基于激光点云的地图构建装置1100，包括：
1101采集模块，采集待构建区域的图像信息和激光点云，确定所述激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系；
1102提取模块，将所述激光点云拼接至所述待构建区域的环境地图中，从拼接后的环境地图中提取目标区域；
1103构建模块，根据所述目标区域的点云和所述匹配关系，构建所述目标区域的地图。
可选地，所述提取模块从拼接后的环境地图中提取目标区域，包括：通过点云语义分析，确定拼接后的环境地图中各个点云的语义；从拼接后的环境地图中滤除不具有目标语义的点云，得到目标区域。
可选地，所述提取模块还用于，得到目标区域之后，采用叠加直方图统计方式确定所述目标区域的边界。
可选地，所述提取模块还用于，采用叠加直方图统计方式确定所述目标区域的边界之前，对所述目标区域进行正视投影，得到目标区域的栅格图；
所述提取模块采用叠加直方图统计方式确定所述目标区域的边界，包括：采用叠加直方图统计方式对所述栅格图中的点云进行统计，确定所述目标区域的边界。
可选地，所述构建模块根据所述目标区域的点云和所述匹配关系，构建所述目标区域的地图，包括：按照如下方法确定所述目标区域中每个采样点的颜色值：
确定该采样点周围预设范围内的所有点云点；根据所述匹配关系，确定所述预设范围内的每个点云点对应的像素点的颜色值；以所述预设范围内的各个点云点对应的颜色值的加权平均值作为该采样点的颜色值。
可选地，所述构建模块按照如下关系式确定所述目标区域中每个采样点的颜色值：
式中，Ii为第i个采样点的颜色值，Ij为第j个点云点的颜色值；dist(i,j)为在确定第i个采样点的颜色值时，第j个点云点的颜色值的权重；Ni为第i个采样点周围预设范围内的点云点的数量；Pi为第i个采样点的空间坐标，Pj为第j个点云点的空间坐标，||Pi-Pj||为第j个点云点与第i个采样点的位置相似度。
可选地，所述构建模块还用于，确定所述预设范围内的每个点云点对应的像素点的颜色值之前，确认该采样点周围预设范围内的点云点的数量不低于预设阈值；若该采样点周围预设范围内的点云点的数量低于预设阈值，则将该采样点标记为空洞点。
可选地，所述预设范围为预设大小的圆柱形区域。
可选地，所述构建模块构建所述目标区域的地图还包括：确定所述目标区域中每个采样点的颜色值之后，对所述目标区域中的空洞点进行空洞修补。
可选地，所述采集模块还用于：同步采集待构建区域的视频数据和激光点云，以所述视频数据中的多个视频帧作为所述图像信息；
确定所述激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系，包括：获取多个场景点在所述激光点云中投影的点云投影点和在各个所述视频帧中投影的图像投影点的坐标；将所述多个场景点对应的点云投影点和图像投影点的坐标输入预设的投影模型进行训练，得到训练好的投影模型；基于训练好的投影模型确定所述激光点云中每个点云点与各个图像帧中像素点的匹配关系；
其中，所述投影模型为：
所述匹配关系为：
(x，y)为图像帧中像素点的坐标，(X，Y，Z)为激光点云中点云点的坐标，l1、l2、l3、l4、l5、l6、l7、l8、l9、l10、l11为待训练的模型参数。
可选地，所述采集模块采用最小二乘法训练所述投影模型，确定所述投影模型的模型参数的取值。
可选地，所述提取模块将所述激光点云拼接至所述待构建区域的环境地图中之前，还用于：采用SLAM算法构建所述待构建区域的环境地图。
根据本发明实施例的另一个方面，提供了一种基于激光点云的地图构建电子设备。
根据本发明实施例的基于激光点云的地图构建电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例第一方面提供的基于激光点云的地图构建方法。
根据本发明实施例的还一个方面，提供了一种计算机可读介质。
根据本发明实施例的计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例第一方面提供的基于激光点云的地图构建方法。
图12示出了可以应用本发明实施例的基于激光点云的地图构建方法或基于激光点云的地图构建装置的示例性系统架构1200。
如图12所示，系统架构1200可以包括终端设备1201、1202、1203，网络1204和服务器1205。网络1204用以在终端设备1201、1202、1203和服务器1205之间提供通信链路的介质。网络1204可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备1201、1202、1203通过网络X04与服务器1205交互，以发送构建目标区域的地图的请求信息或接收构建得到的目标区域的地图信息等。终端设备1201、1202、1203上可以安装有各种通讯客户端应用，例如地图类应用、购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备1201、1202、1203可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器1205可以是提供各种服务的服务器，例如对用户利用终端设备1201、1202、203所浏览的各类应用提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的请求信息进行分析等处理，并将处理结果(例如构建得到的目标区域的地图信息)反馈给终端设备。
需要说明的是，本发明实施例所提供的基于激光点云的地图构建方法一般由服务器1205执行，相应地，基于激光点云的地图构建装置一般设置于服务器1205中。此外，也可以通过终端设备1201、1202、1203采集图像信息和/或激光点云并发送至服务器1205，服务器1205接收该的图像信息和/或激光点云并构建目标区域的地图。
应该理解，图12中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图13，其示出了适于用来实现本发明实施例的终端设备的计算机系统1300的结构示意图。图13示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图13所示，计算机系统1300包括中央处理单元(CPU)1301，其可以根据存储在只读存储器(ROM)1302中的程序或者从存储部分1308加载到随机访问存储器(RAM)1303中的程序而执行各种适当的动作和处理。在RAM 1303中，还存储有系统1300操作所需的各种程序和数据。CPU 1301、ROM 1302以及RAM 1303通过总线1304彼此相连。输入/输出(I/O)接口1305也连接至总线1304。
以下部件连接至I/O接口1305：包括键盘、鼠标等的输入部分1306；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1307；包括硬盘等的存储部分1308；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1309。通信部分1309经由诸如因特网的网络执行通信处理。驱动器1310也根据需要连接至I/O接口1305。可拆卸介质1311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1310上，以便于从其上读出的计算机程序根据需要被安装入存储部分1308。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1309从网络上被下载和安装，和/或从可拆卸介质1311被安装。在该计算机程序被中央处理单元(CPU)1301执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括采集模块，采集待构建区域的图像信息和激光点云，确定所述激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系；提取模块，将所述激光点云拼接至所述待构建区域的环境地图中，从拼接后的环境地图中提取目标区域；构建模块，根据所述目标区域的点云和所述匹配关系，构建所述目标区域的地图。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，构建模块还可以被描述为“将所述激光点云拼接至所述待构建区域的环境地图中，从拼接后的环境地图中提取目标区域的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：采集待构建区域的图像信息和激光点云，确定所述激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系；将所述激光点云拼接至所述待构建区域的环境地图中，从拼接后的环境地图中提取目标区域；根据所述目标区域的点云和所述匹配关系，构建所述目标区域的地图。
根据本发明实施例的技术方案，基于激光点云提取目标区域、并根据激光点云中每个点云点与每个图像的像素点之间的匹配关系构建目标区域的地图，实现由图像反向投影完成的目标区域地图的构建，构建过程简单，清晰度高，噪声区域少。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (26)
1.一种基于激光点云的地图构建方法，其特征在于，包括：
采集待构建区域的图像信息和激光点云，确定所述激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系；
将所述激光点云拼接至所述待构建区域的环境地图中，从拼接后的环境地图中提取目标区域；
根据所述目标区域的点云和所述匹配关系，构建所述目标区域的地图。
2.如权利要求1所述的方法，其特征在于，从拼接后的环境地图中提取目标区域，包括：
通过点云语义分析，确定拼接后的环境地图中各个点云的语义；从拼接后的环境地图中滤除不具有目标语义的点云，得到目标区域。
3.如权利要求2所述的方法，其特征在于，得到目标区域之后，还包括：采用叠加直方图统计方式确定所述目标区域的边界。
4.如权利要求3所述的方法，其特征在于，采用叠加直方图统计方式确定所述目标区域的边界之前，还包括：对所述目标区域进行正视投影，得到目标区域的栅格图；
采用叠加直方图统计方式确定所述目标区域的边界，包括：采用叠加直方图统计方式对所述栅格图中的点云进行统计，确定所述目标区域的边界。
5.如权利要求1所述的方法，其特征在于，根据所述目标区域的点云和所述匹配关系，构建所述目标区域的地图，包括：按照如下方法确定所述目标区域中每个采样点的颜色值：
确定该采样点周围预设范围内的所有点云点；根据所述匹配关系，确定所述预设范围内的每个点云点对应的像素点的颜色值；以所述预设范围内的各个点云点对应的颜色值的加权平均值作为该采样点的颜色值。
6.如权利要求5所述的方法，其特征在于，按照如下关系式确定所述目标区域中每个采样点的颜色值：
式中，Ii为第i个采样点的颜色值，Ij为第j个点云点的颜色值；dist(i,j)为在确定第i个采样点的颜色值时，第j个点云点的颜色值的权重；Ni为第i个采样点周围预设范围内的点云点的数量；Pi为第i个采样点的空间坐标，Pj为第j个点云点的空间坐标，||Pi-Pj||为第j个点云点与第i个采样点的位置相似度。
7.如权利要求5所述的方法，其特征在于，确定所述预设范围内的每个点云点对应的像素点的颜色值之前，还包括：确认该采样点周围预设范围内的点云点的数量不低于预设阈值；
若该采样点周围预设范围内的点云点的数量低于预设阈值，则将该采样点标记为空洞点。
8.如权利要求5所述的方法，其特征在于，所述预设范围为预设大小的圆柱形区域。
9.如权利要求5～8任一所述的方法，其特征在于，构建所述目标区域的地图，还包括：确定所述目标区域中每个采样点的颜色值之后，对所述目标区域中的空洞点进行空洞修补。
10.如权利要求1所述的方法，其特征在于，同步采集待构建区域的视频数据和激光点云，以所述视频数据中的多个视频帧作为所述图像信息；
确定所述激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系，包括：获取多个场景点在所述激光点云中投影的点云投影点和在各个所述视频帧中投影的图像投影点的坐标；将所述多个场景点对应的点云投影点和图像投影点的坐标输入预设的投影模型进行训练，得到训练好的投影模型；基于训练好的投影模型确定所述激光点云中每个点云点与各个图像帧中像素点的匹配关系；
其中，所述投影模型为：
所述匹配关系为：
(x，y)为图像帧中像素点的坐标，(X，Y，Z)为激光点云中点云点的坐标，l1、l2、l3、l4、l5、l6、l7、l8、l9、l10、l11为待训练的模型参数。
11.如权利要求10所述的方法，其特征在于，采用最小二乘法训练所述投影模型，确定所述投影模型的模型参数的取值。
12.如权利要求1所述的方法，其特征在于，将所述激光点云拼接至所述待构建区域的环境地图中之前，还包括：采用SLAM算法构建所述待构建区域的环境地图。
13.一种基于激光点云的地图构建装置，其特征在于，包括：
采集模块，采集待构建区域的图像信息和激光点云，确定所述激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系；
提取模块，将所述激光点云拼接至所述待构建区域的环境地图中，从拼接后的环境地图中提取目标区域；
构建模块，根据所述目标区域的点云和所述匹配关系，构建所述目标区域的地图。
14.如权利要求13所述的装置，其特征在于，所述提取模块从拼接后的环境地图中提取目标区域，包括：
通过点云语义分析，确定拼接后的环境地图中各个点云的语义；从拼接后的环境地图中滤除不具有目标语义的点云，得到目标区域。
15.如权利要求14所述的装置，其特征在于，所述提取模块还用于，得到目标区域之后，采用叠加直方图统计方式确定所述目标区域的边界。
16.如权利要求15所述的装置，其特征在于，所述提取模块还用于，采用叠加直方图统计方式确定所述目标区域的边界之前，对所述目标区域进行正视投影，得到目标区域的栅格图；
所述提取模块采用叠加直方图统计方式确定所述目标区域的边界，包括：采用叠加直方图统计方式对所述栅格图中的点云进行统计，确定所述目标区域的边界。
17.如权利要求13所述的装置，其特征在于，所述构建模块根据所述目标区域的点云和所述匹配关系，构建所述目标区域的地图，包括：按照如下方法确定所述目标区域中每个采样点的颜色值：
确定该采样点周围预设范围内的所有点云点；根据所述匹配关系，确定所述预设范围内的每个点云点对应的像素点的颜色值；以所述预设范围内的各个点云点对应的颜色值的加权平均值作为该采样点的颜色值。
18.如权利要求17所述的装置，其特征在于，所述构建模块按照如下关系式确定所述目标区域中每个采样点的颜色值：
式中，Ii为第i个采样点的颜色值，Ij为第j个点云点的颜色值；dist(i,j)为在确定第i个采样点的颜色值时，第j个点云点的颜色值的权重；Ni为第i个采样点周围预设范围内的点云点的数量；Pi为第i个采样点的空间坐标，Pj为第j个点云点的空间坐标，||Pi-Pj||为第j个点云点与第i个采样点的位置相似度。
19.如权利要求17所述的装置，其特征在于，所述构建模块还用于，确定所述预设范围内的每个点云点对应的像素点的颜色值之前，确认该采样点周围预设范围内的点云点的数量不低于预设阈值；
若该采样点周围预设范围内的点云点的数量低于预设阈值，则将该采样点标记为空洞点。
20.如权利要求17所述的装置，其特征在于，所述预设范围为预设大小的圆柱形区域。
21.如权利要求17～20任一所述的装置，其特征在于，所述构建模块构建所述目标区域的地图还包括：确定所述目标区域中每个采样点的颜色值之后，对所述目标区域中的空洞点进行空洞修补。
22.如权利要求13所述的装置，其特征在于，所述采集模块还用于：同步采集待构建区域的视频数据和激光点云，以所述视频数据中的多个视频帧作为所述图像信息；
确定所述激光点云中每个点云点与图像信息中每个图像的像素点之间的匹配关系，包括：获取多个场景点在所述激光点云中投影的点云投影点和在各个所述视频帧中投影的图像投影点的坐标；将所述多个场景点对应的点云投影点和图像投影点的坐标输入预设的投影模型进行训练，得到训练好的投影模型；基于训练好的投影模型确定所述激光点云中每个点云点与各个图像帧中像素点的匹配关系；
其中，所述投影模型为：
所述匹配关系为：
(x，y)为图像帧中像素点的坐标，(X，Y，Z)为激光点云中点云点的坐标，l1、l2、l3、l4、l5、l6、l7、l8、l9、l10、l11为待训练的模型参数。
23.如权利要求22所述的装置，其特征在于，所述采集模块采用最小二乘法训练所述投影模型，确定所述投影模型的模型参数的取值。
24.如权利要求13所述的装置，其特征在于，所述提取模块将所述激光点云拼接至所述待构建区域的环境地图中之前，还用于：采用SLAM算法构建所述待构建区域的环境地图。
25.一种基于激光点云的地图构建电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-12中任一所述的方法。
26.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-12中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810374002.5A CN110400363A (zh) | 2018-04-24 | 2018-04-24 | 基于激光点云的地图构建方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810374002.5A CN110400363A (zh) | 2018-04-24 | 2018-04-24 | 基于激光点云的地图构建方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110400363A true CN110400363A (zh) | 2019-11-01 |
Family
ID=68321987
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810374002.5A Pending CN110400363A (zh) | 2018-04-24 | 2018-04-24 | 基于激光点云的地图构建方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110400363A (zh) |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110827202A (zh) * | 2019-11-07 | 2020-02-21 | 上海眼控科技股份有限公司 | 目标检测方法、装置、计算机设备和存储介质 |
| CN111026641A (zh) * | 2019-11-14 | 2020-04-17 | 北京云聚智慧科技有限公司 | 一种图片比较方法和电子设备 |
| CN111311709A (zh) * | 2020-02-05 | 2020-06-19 | 北京三快在线科技有限公司 | 一种生成高精地图的方法及装置 |
| CN111339876A (zh) * | 2020-02-19 | 2020-06-26 | 北京百度网讯科技有限公司 | 用于识别场景中各区域类型的方法和装置 |
| CN111402414A (zh) * | 2020-03-10 | 2020-07-10 | 北京京东叁佰陆拾度电子商务有限公司 | 一种点云地图构建方法、装置、设备和存储介质 |
| CN111461980A (zh) * | 2020-03-30 | 2020-07-28 | 北京百度网讯科技有限公司 | 点云拼接算法的性能估计方法和装置 |
| CN111553937A (zh) * | 2020-04-23 | 2020-08-18 | 东软睿驰汽车技术（上海）有限公司 | 激光点云地图构建方法、装置、设备及系统 |
| CN111553844A (zh) * | 2020-04-29 | 2020-08-18 | 北京百度网讯科技有限公司 | 用于更新点云的方法及装置 |
| CN111664859A (zh) * | 2020-05-28 | 2020-09-15 | 武汉中海庭数据技术有限公司 | 一种高精度地图生产过程中的数据采集方法及系统 |
| CN111860695A (zh) * | 2020-08-03 | 2020-10-30 | 上海高德威智能交通系统有限公司 | 一种数据融合、目标检测方法、装置及设备 |
| CN112051921A (zh) * | 2020-07-02 | 2020-12-08 | 杭州易现先进科技有限公司 | Ar导航地图生成方法、装置、计算机设备和可读存储介质 |
| CN112147635A (zh) * | 2020-09-25 | 2020-12-29 | 北京亮道智能汽车技术有限公司 | 一种检测系统、方法及装置 |
| CN112184901A (zh) * | 2020-09-08 | 2021-01-05 | 北京三快在线科技有限公司 | 一种深度图确定方法及装置 |
| CN112740225A (zh) * | 2020-09-30 | 2021-04-30 | 华为技术有限公司 | 一种路面要素确定方法及装置 |
| CN112907745A (zh) * | 2021-03-23 | 2021-06-04 | 北京三快在线科技有限公司 | 一种数字正射影像图生成方法及装置 |
| CN112950452A (zh) * | 2019-12-11 | 2021-06-11 | 中国南方电网有限责任公司超高压输电公司广州局 | 跳线点云数据的处理方法、装置、存储介质及处理器 |
| CN113297340A (zh) * | 2020-02-23 | 2021-08-24 | 北京初速度科技有限公司 | 点云地图的矢量化、矢量地图转化点云地图的方法和装置 |
| WO2021212875A1 (zh) * | 2020-04-21 | 2021-10-28 | 广东博智林机器人有限公司 | 地图生成方法、装置、存储介质及处理器 |
| CN113724382A (zh) * | 2021-07-23 | 2021-11-30 | 北京搜狗科技发展有限公司 | 地图生成方法、装置及电子设备 |
| CN114820688A (zh) * | 2021-01-21 | 2022-07-29 | 四川大学 | 一种基于时空轨迹的公共空间社交距离测量和分析方法 |
| CN115032615A (zh) * | 2022-05-31 | 2022-09-09 | 中国第一汽车股份有限公司 | 一种激光雷达标定点确定方法、装置、设备及存储介质 |
| CN116412813A (zh) * | 2023-06-09 | 2023-07-11 | 苏州青宸科技有限公司 | 一种基于无人机的地图构建方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103123727A (zh) * | 2011-11-21 | 2013-05-29 | 联想(北京)有限公司 | 即时定位与地图构建方法和设备 |
| CN103645480A (zh) * | 2013-12-04 | 2014-03-19 | 北京理工大学 | 基于激光雷达和图像数据融合的地形地貌特征构建方法 |
| CN104764457A (zh) * | 2015-04-21 | 2015-07-08 | 北京理工大学 | 一种用于无人车的城市环境构图方法 |
| CN105678689A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术（北京）有限公司 | 高精地图数据配准关系确定方法及装置 |
| CN106097444A (zh) * | 2016-05-30 | 2016-11-09 | 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 |
| US20180089536A1 (en) * | 2016-09-27 | 2018-03-29 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for processing point cloud data |
| CN107944018A (zh) * | 2017-12-11 | 2018-04-20 | 江苏省测绘工程院 | 一种基于激光点云数据的矢量地图位置精度自动质检方法 |
-
2018
- 2018-04-24 CN CN201810374002.5A patent/CN110400363A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103123727A (zh) * | 2011-11-21 | 2013-05-29 | 联想(北京)有限公司 | 即时定位与地图构建方法和设备 |
| CN103645480A (zh) * | 2013-12-04 | 2014-03-19 | 北京理工大学 | 基于激光雷达和图像数据融合的地形地貌特征构建方法 |
| CN104764457A (zh) * | 2015-04-21 | 2015-07-08 | 北京理工大学 | 一种用于无人车的城市环境构图方法 |
| CN105678689A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术（北京）有限公司 | 高精地图数据配准关系确定方法及装置 |
| CN106097444A (zh) * | 2016-05-30 | 2016-11-09 | 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 |
| US20180089536A1 (en) * | 2016-09-27 | 2018-03-29 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for processing point cloud data |
| CN107944018A (zh) * | 2017-12-11 | 2018-04-20 | 江苏省测绘工程院 | 一种基于激光点云数据的矢量地图位置精度自动质检方法 |
Cited By (37)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110827202A (zh) * | 2019-11-07 | 2020-02-21 | 上海眼控科技股份有限公司 | 目标检测方法、装置、计算机设备和存储介质 |
| CN111026641A (zh) * | 2019-11-14 | 2020-04-17 | 北京云聚智慧科技有限公司 | 一种图片比较方法和电子设备 |
| CN112950452A (zh) * | 2019-12-11 | 2021-06-11 | 中国南方电网有限责任公司超高压输电公司广州局 | 跳线点云数据的处理方法、装置、存储介质及处理器 |
| CN111311709A (zh) * | 2020-02-05 | 2020-06-19 | 北京三快在线科技有限公司 | 一种生成高精地图的方法及装置 |
| CN111311709B (zh) * | 2020-02-05 | 2023-06-20 | 北京三快在线科技有限公司 | 一种生成高精地图的方法及装置 |
| CN111339876A (zh) * | 2020-02-19 | 2020-06-26 | 北京百度网讯科技有限公司 | 用于识别场景中各区域类型的方法和装置 |
| CN111339876B (zh) * | 2020-02-19 | 2023-09-01 | 北京百度网讯科技有限公司 | 用于识别场景中各区域类型的方法和装置 |
| CN113297340B (zh) * | 2020-02-23 | 2023-12-19 | 北京初速度科技有限公司 | 点云地图的矢量化、矢量地图转化点云地图的方法和装置 |
| CN113297340A (zh) * | 2020-02-23 | 2021-08-24 | 北京初速度科技有限公司 | 点云地图的矢量化、矢量地图转化点云地图的方法和装置 |
| CN111402414A (zh) * | 2020-03-10 | 2020-07-10 | 北京京东叁佰陆拾度电子商务有限公司 | 一种点云地图构建方法、装置、设备和存储介质 |
| CN111461980A (zh) * | 2020-03-30 | 2020-07-28 | 北京百度网讯科技有限公司 | 点云拼接算法的性能估计方法和装置 |
| CN111461980B (zh) * | 2020-03-30 | 2023-08-29 | 北京百度网讯科技有限公司 | 点云拼接算法的性能估计方法和装置 |
| GB2609849A (en) * | 2020-04-21 | 2023-02-15 | Guangdong Bright Dream Robotics Co Ltd | Map generation method and device, storage medium and processor |
| WO2021212875A1 (zh) * | 2020-04-21 | 2021-10-28 | 广东博智林机器人有限公司 | 地图生成方法、装置、存储介质及处理器 |
| CN111553937B (zh) * | 2020-04-23 | 2023-11-21 | 东软睿驰汽车技术（上海）有限公司 | 激光点云地图构建方法、装置、设备及系统 |
| CN111553937A (zh) * | 2020-04-23 | 2020-08-18 | 东软睿驰汽车技术（上海）有限公司 | 激光点云地图构建方法、装置、设备及系统 |
| US11828606B2 (en) | 2020-04-29 | 2023-11-28 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for updating point cloud |
| CN111553844B (zh) * | 2020-04-29 | 2023-08-29 | 阿波罗智能技术(北京)有限公司 | 用于更新点云的方法及装置 |
| CN111553844A (zh) * | 2020-04-29 | 2020-08-18 | 北京百度网讯科技有限公司 | 用于更新点云的方法及装置 |
| CN111664859B (zh) * | 2020-05-28 | 2021-12-24 | 武汉中海庭数据技术有限公司 | 一种高精度地图生产过程中的数据采集方法及系统 |
| CN111664859A (zh) * | 2020-05-28 | 2020-09-15 | 武汉中海庭数据技术有限公司 | 一种高精度地图生产过程中的数据采集方法及系统 |
| CN112051921A (zh) * | 2020-07-02 | 2020-12-08 | 杭州易现先进科技有限公司 | Ar导航地图生成方法、装置、计算机设备和可读存储介质 |
| CN112051921B (zh) * | 2020-07-02 | 2023-06-27 | 杭州易现先进科技有限公司 | Ar导航地图生成方法、装置、计算机设备和可读存储介质 |
| CN111860695A (zh) * | 2020-08-03 | 2020-10-30 | 上海高德威智能交通系统有限公司 | 一种数据融合、目标检测方法、装置及设备 |
| CN112184901B (zh) * | 2020-09-08 | 2024-04-19 | 北京三快在线科技有限公司 | 一种深度图确定方法及装置 |
| CN112184901A (zh) * | 2020-09-08 | 2021-01-05 | 北京三快在线科技有限公司 | 一种深度图确定方法及装置 |
| CN112147635A (zh) * | 2020-09-25 | 2020-12-29 | 北京亮道智能汽车技术有限公司 | 一种检测系统、方法及装置 |
| CN112740225B (zh) * | 2020-09-30 | 2022-05-13 | 华为技术有限公司 | 一种路面要素确定方法及装置 |
| CN112740225A (zh) * | 2020-09-30 | 2021-04-30 | 华为技术有限公司 | 一种路面要素确定方法及装置 |
| CN114820688A (zh) * | 2021-01-21 | 2022-07-29 | 四川大学 | 一种基于时空轨迹的公共空间社交距离测量和分析方法 |
| CN114820688B (zh) * | 2021-01-21 | 2023-09-26 | 四川大学 | 一种基于时空轨迹的公共空间社交距离测量和分析方法 |
| CN112907745B (zh) * | 2021-03-23 | 2022-04-01 | 北京三快在线科技有限公司 | 一种数字正射影像图生成方法及装置 |
| CN112907745A (zh) * | 2021-03-23 | 2021-06-04 | 北京三快在线科技有限公司 | 一种数字正射影像图生成方法及装置 |
| CN113724382A (zh) * | 2021-07-23 | 2021-11-30 | 北京搜狗科技发展有限公司 | 地图生成方法、装置及电子设备 |
| CN115032615A (zh) * | 2022-05-31 | 2022-09-09 | 中国第一汽车股份有限公司 | 一种激光雷达标定点确定方法、装置、设备及存储介质 |
| CN116412813B (zh) * | 2023-06-09 | 2023-09-05 | 苏州青宸科技有限公司 | 一种基于无人机的地图构建方法及系统 |
| CN116412813A (zh) * | 2023-06-09 | 2023-07-11 | 苏州青宸科技有限公司 | 一种基于无人机的地图构建方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110400363A (zh) | 基于激光点云的地图构建方法和装置 | |
| CN110427917B (zh) | 用于检测关键点的方法和装置 | |
| US10592780B2 (en) | Neural network training system | |
| CN103703758B (zh) | 移动增强现实系统 | |
| CN108629533A (zh) | 用于电信库存管理的系统和方法 | |
| CN111028358B (zh) | 室内环境的增强现实显示方法、装置及终端设备 | |
| CN110379020B (zh) | 一种基于生成对抗网络的激光点云上色方法和装置 | |
| CN102959946A (zh) | 基于相关3d点云数据来扩充图像数据的技术 | |
| CN109920055A (zh) | 三维视觉地图的构建方法、装置与电子设备 | |
| WO2023093217A1 (zh) | 数据标注方法、装置、计算机设备、存储介质和程序 | |
| CN113822977A (zh) | 图像渲染方法、装置、设备以及存储介质 | |
| CN104484814B (zh) | 一种基于视频地图的广告方法及系统 | |
| CN112634340A (zh) | 基于点云数据确定bim模型的方法、装置、设备和介质 | |
| CN110428490A (zh) | 构建模型的方法和装置 | |
| CN108132054A (zh) | 用于生成信息的方法和装置 | |
| CN110263748A (zh) | 用于发送信息的方法和装置 | |
| CN110378174A (zh) | 道路线提取方法和装置 | |
| CN112364843A (zh) | 插拔式航拍图像目标定位检测方法、系统、设备 | |
| CN116051747A (zh) | 一种基于缺失点云数据的房屋三维模型重建方法及设备、介质 | |
| CN108597034A (zh) | 用于生成信息的方法和装置 | |
| CN117197388A (zh) | 一种基于生成对抗神经网络和倾斜摄影的实景三维虚拟现实场景构建方法及系统 | |
| Corral-Soto et al. | 3D town: the automatic urban awareness project | |
| CN110110696A (zh) | 用于处理信息的方法和装置 | |
| CN109034214A (zh) | 用于生成标记的方法和装置 | |
| CN112396831A (zh) | 一种交通标识的三维信息生成方法和装置 |
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 |