CN110850439A - 一种高精度三维点云地图构建方法 - Google Patents
一种高精度三维点云地图构建方法 Download PDFInfo
- Publication number
- CN110850439A CN110850439A CN202010039422.5A CN202010039422A CN110850439A CN 110850439 A CN110850439 A CN 110850439A CN 202010039422 A CN202010039422 A CN 202010039422A CN 110850439 A CN110850439 A CN 110850439A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- vehicle
- current
- precision
- surveying
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/865—Combination of radar systems with lidar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/87—Combinations of systems using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
Abstract
本发明公开了一种高精度三维点云地图构建方法,首选确定测绘车辆在高精度矢量地图中的当前位置和行驶方向。然后根据在高精度矢量地图中的当前位置和朝向,旋转并且平移激光雷达扫描得到的当前点云帧到高精度矢量地图坐标系下。利用高精度矢量地图中提取的当前可行驶道路区域,在当前点云数据帧和毫米波雷达数据帧中划出相应的可行驶道路区域。根据毫米波雷达采集的周围车辆速度和位置信息,剔除当前帧中可行驶道路范围内被判定遮挡的点云。最后筛选关键帧拼接并且优化,得到高精度点云地图。本发明缩短了绘制高精度三维点云地图的时间,降低了人工成本;降低了泄露关键地理信息的风险;同时,不会出现人工剔除车辆点云后造成的地面点云空洞现象。
Description
技术领域
本发明属于自动驾驶领域,涉及地图数据的构造,特别涉及一种高精度三维点云地图构建方法。
背景技术
在自动驾驶领域,车辆需要时刻获得自身的位置和姿态,并以此为基础对接下来的行为作出决策(加、减速,转向)。当前车辆主要通过两种方法获取当前位置。
第一种,通过三点定位法利用导航卫星的信号计算出车辆当前的经纬度,然后在包含经纬度信息的二维地图中匹配出当前的位置,同时,根据相邻位置信息计算出车身姿态。这种方法出现的时间早,经过多年的改进,可将定位精度提高到cm级。但是该方法对导航卫星的信号依赖性较强,在信号易被遮挡的高楼区,林荫道,地下车库,立体停车场,定位精度往往会大大下降,造成定位错误。
第二种,通过高频激光雷达扫描出车辆周围的三维点云,然后使用扫描得到的点云在预先制作好的三维点云地图中匹配出车辆的当前位置和朝向。这种方法使用三维空间中数量庞大的点进行匹配,匹配精度可以轻易达到cm级。同时,由于点云的三维特性,车身的姿态信息可以直接由当前扫描得到的点云与地图点云匹配得出,不需要利用相邻扫描进行运算得出,姿态精度高于方法一。
现有的高精度三维点云地图构建方法大多使用专用的车载或以人为载体的传感器平台采集激光点云(同时采集imu和高精度RTK数据),然后使用专业计算平台配合离线建图算法计算出点云地图。在自动驾驶技术研究的初级阶段,自动驾驶车辆大多在封闭的道路或特定的道路环境下进行试验,在这种环境中采集激光点云生成高精度点云时,场景中的路面环境一般空旷,无遮挡,生成的点云地图具有清晰准确的道路可行驶区域信息。近年来,随着自动驾驶技术走向公共道路的脚步逐渐加快,具有清晰准确的可行驶区域信息的高精度公共道路点云地图成为了自动驾驶研发企业和科研单位急需的地图资源。
不同于封闭道路这种特定的自动驾驶测试环境,开放道路很少出现没有社会车辆遮挡路面的情况(封路进行建图将会消耗大量的社会资源)。由于道路上车辆的出现,得到的点云地图中往往包含车辆的拖影点云(点云地图的采集车辆和社会车辆之间的相对运动,造成采集激光点云帧中连续数十帧包含车辆的车身点云,拼接这些点云帧构成点云地图的过程中即会产生车身在点云地图中拉伸)。包含了社会车辆点云的高精度点云地图包含了非静态环境信息(运动的车辆形成的点云),将大大降低自动驾驶车辆使用其进行定位的精度。同时,由于点云地图中道路可行使区域被社会车辆遮挡,自动驾驶车辆无法根据点云地图在被遮挡区域规划出可行驶路线。
目前,针对以上问题当前高精度地图测绘公司的解决办法是由专业的修图人员结合道路交通部门给出的高精度道路测绘信息,手工剔除高精度点云地图中的车辆拖影点。这种方法,不仅要消耗大量的人力物力,大大延长了绘制高精度点云地图的时间。同时,还会留下道路地面点云“空洞”的后遗症,损失了一定的可用路面点云信息。从国家安全的层面考虑,提供高精度的道路测绘信息给地图供应商作为剔除高精度点云地图中的车辆拖影点的参考,还存在泄露关键地理信息的风险。
发明内容
发明目的:本发明针对现有技术存在的问题,提出了一种使用轻量级先验测绘数据,且在生成点云地图的同时即可无需人工干预得剔除高精度点云地图中的运动车辆拖影的高精度三维点云地图构建方法。
技术方案:为实现上述目的,本发明提供了一种高精度三维点云地图构建方法,包括以下步骤:
步骤1:在测绘车辆上设置激光点云采集单元、周围车辆感知单元和定位单元;
步骤2:激光点云采集单元实时采集测绘车辆经过区域的点云;周围车辆感知单元实时采集测绘车辆周围的车辆的位置信息和航向信息;定位单元实时提供测绘车辆的位置信息和航向信息;激光点云采集单元、周围车辆感知单元和定位单元将采集到的信息发送给计算单元;
步骤3:根据定位单元给出的测绘车辆的位置坐标和航向信息,确定测绘车辆在高精度矢量地图中当前的位置和行驶方向;
步骤4:在当前点云帧中提取可行驶道路区域;
步骤5:获得测绘车辆周边运动车辆的速度和相对测绘车辆的位置;
步骤6:移除当前点云帧中测绘车辆周边运动车辆占据点;
步骤7:存储步骤6得到的点云帧,在存储的点云帧中筛选关键帧拼接并填补地面点云空洞,得到完整的高精度点云地图。
其中,所述步骤4中在当前点云帧中提取可行驶道路区域的方法为:根据步骤3得到的测绘车辆当前位置和行驶方向,旋转并且平移激光雷达扫描得到的当前点云帧到高精度矢量地图坐标系下,利用高精度矢量地图中提取的当前可行驶道路区域,在当前点云数据帧中划出相应的可行驶道路区域。
进一步,所述步骤5中获得测绘车辆周边运动车辆的速度和相对测绘车辆的位置的方法为:根据步骤3得到的测绘车辆当前位置和行驶方向,旋转并且平移毫米波雷达扫描得到的当前数据帧到高精度矢量地图坐标系下,然后,利用高精度矢量地图中提取的当前可行驶道路区域,在当前毫米波雷达数据帧中划出相应的可行驶道路区域,最后提取可行驶区域内的运动车辆的速度和相对测绘车辆的位置。
进一步,所述步骤6中移除当前点云帧中测绘车辆周边运动车辆占据点的方法为:在步骤4得到的当前点云帧可行驶道路区域内,根据步骤5得到的周围车辆位置坐标绘制预设尺寸的包围盒;然后分别在每个包围盒内执行点云聚类算法,当聚类的点云集群中点的数量大于第一阈值时,从当前点云帧中剔除该点云集群,如果聚类的点云集群中点的数量不大于第一阈值时,则保留该点云集群;遍历当前点云帧中的所有包围盒。
进一步,所述步骤7中填补地面点云空洞的方法包括以下步骤:
步骤701:采集测绘车辆上毫米波雷达返回的其周围的社会车辆数据中的车辆运动的位置和速度;
步骤702:判断每个测绘车辆周围的社会车辆与测绘车辆之间的距离是否小于第二阈值,如果测绘车辆周围的社会车辆与测绘车辆之间的距离小于第二阈值,则执行步骤703~705;如果测绘车辆周围的社会车辆与测绘车辆之间的距离不小于第二阈值,则执行步骤706~步骤708;
步骤703:根据这个测绘车辆周围的社会车辆的速度和位置坐标对这个车辆建立预测模型,预测模型根据当前这个测绘车辆周围的社会车辆的速度和位置坐标预测该车辆下一时刻的位置;根据下一时刻的位置得到这个社会车辆即将遮挡的点云区域;
步骤704:根据步骤703的模型预测这个车辆即将遮挡的点云区域,连续存储多帧点云数据中即将被遮挡的区域的点云,加入填充点云候选队列;
步骤705:拼接填充点云候选队列中的连续点云帧得到填充点云候选局部地图;
步骤706:在被剔除遮挡路面车辆的连续点云帧中筛选出关键帧;
步骤707:拼接步骤706筛选出的关键帧得到点云地图;
步骤708:根据点云地图中因为剔除运动车辆造成的空洞区域范围,在步骤705中得到的填充点云候选局部地图中选取合适区域的点云填充地面点云空洞。
工作原理:本发明使用在车顶水平安装的32线激光雷达,车身安装的毫米波雷达,处理器为Intel酷睿I7的笔记本和高频RTK接收机配合一种新颖的算法,构成一套高精度点云地图测绘方案。测绘过程中,搭载了激光雷达的汽车遵循不超车的原则,按照相关道路安全法规行驶于中间车道。建图的时间,尽量不选择在早晚交通高峰时段,而是选择在凌晨1-4点道路交通流量低的时段。
算法首先根据高频RTK接收机给出的位置坐标和行驶方向,确定测绘车辆在高精度矢量地图中的当前位置和行驶方向。然后根据测绘车辆在高精度矢量地图中的当前位置和朝向,旋转并且平移激光雷达扫描得到的当前点云帧到高精度矢量地图坐标系下(点云坐标系与高精度矢量地图坐标系尺度相同,故不需要进行缩放操作)。利用高精度矢量地图中提取的当前可行驶道路区域,在当前点云数据帧和毫米波雷达数据帧中划出相应的可行驶道路区域。根据毫米波雷达采集的周围车辆速度和位置信息,剔除当前帧中可行驶道路范围内被判定遮挡的点云。最后筛选关键帧拼接并且优化,得到完整的高精度点云地图。
有益效果:与现有技术相比,本发明有效缩短了绘制高精度三维点云地图的时间,降低了人工成本。同时,本发明使用了较少的轻量级先验测绘数据,降低了泄露关键地理信息的风险。而且,本发明不会出现人工剔除车辆点云后造成的地面点云空洞现象。
附图说明
图1为本发明提供的系统结构示意图;
图2为本发明中激光点云采集单元设置示意图;
图3为本发明中周围车辆感知单元设置是示意图;
图4为本发明提供的构建方法的工作流程示意图;
图5为测绘车辆在高精度矢量地图中的当前位置和行驶方向示意图;
图6为测绘车辆采集到的当前点云帧示意图;
图7为当前点云帧移动到高精度矢量地图坐标系下的示意图;
图8为利用高精度矢量地图中的道路信息提取的当前可行驶道路区域示意图;
图9为毫米波雷达输出的目标信息移动到高精度矢量地图坐标系下的示意图;
图10为毫米波雷达输出的目标信息经过可行驶区域过滤后的示意图;
图11为包围盒及包围盒中车辆点云侧视图;
图12为与测绘车辆反向运动的车辆即将遮挡的点云区域示意图;
图13为与测绘车辆同向运动的车辆即将遮挡的点云区域示意图。
具体实施方式
下面将结合本发明实例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本实施例中公开一种高精度三维点云地图构建系统,主要包括激光点云采集单元,周围车辆感知单元,定位单元和计算单元,其中激光点云采集单元、周围车辆感知单元和定位单元将采集到的数据发送到计算单元中进行计算。
其中,激光点云采集单元使用32线激光雷达,以10Hz的频率采集三维点云数据。这个单元为系统提供精确的含有时间戳的点云数据,是整个系统中最为重要的组成部分,如图2所示,激光点云采集单元水平安装在测绘车辆的车顶。
如图3所示,周围车辆感知单元由分别安装在测绘车辆的车身前、后的2个毫米波雷达和4个安装在车身周围的毫米波组成。通过上述6个毫米波雷达,测绘车辆可以感知到车身周边100米范围内的车辆位置信息和速度信息,车辆的位置信息即车辆的坐标,车辆的速度信息即车辆的速度值。
定位单元由设置在测绘车辆上的RTK组合导航设备构成,该单元能够提供频率为50Hz的高精度的测绘车辆位置、车辆行驶方向信息,即测绘车辆的位置坐标和测绘车辆的航向角。
计算单元使用处理器为Intel酷睿I7的笔记本,操作系统为ubuntu16.04,点云地图生成和处理,均在本计算单元上完成。
如图4所示,本实施例公开的高精度三维点云地图构建方法主要包括:高精度矢量地图定位,在当前点云帧中提取可行驶道路区域,获得周边运动车辆的速度和相对测绘车辆的位置,移除当前点云帧中的运动车辆占据点,拼接点云形成三维点云地图。具体步骤如下:
步骤1:激光点云采集单元实时采集测绘车辆经过区域的点云;周围车辆感知单元实时采集测绘车辆周围的车辆的位置信息和速度信息;定位单元实时提供测绘车辆的位置信息和航向信息;激光点云采集单元、周围车辆感知单元和定位单元将采集到的信息发送给计算单元;
步骤2:高精度矢量地图定位:如图5所示,根据定位单元中的RTK接收机给出的测绘车辆的位置坐标和航向信息,确定测绘车辆在高精度矢量地图中的当前位置和行驶方向,其中RTK接收机输出的频率是50Hz。其中高精度矢量地图为精确到厘米级别的矢量地图,高精度矢量地图将大量的行车辅助信息存储为结构化数据。首先它包含道路数据,如车道线的位置,类型,宽度,坡度,曲率。除此之外,它还包括车道周边的静态对象信息,如交通标志,交通信号灯,防护栏等。
步骤3:在当前点云帧中提取可行驶道路区域:如图6~7所示,根据步骤2得到的测绘车辆当前位置和行驶方向,旋转并且平移激光雷达扫描得到的当前点云帧到高精度矢量地图坐标系下,由于点云坐标系与高精度矢量地图坐标系尺度相同,故不需要进行缩放操作。高精度矢量地图包含了GPS位置信息。根据激光雷达采集点云时刻车载RTK输出的GPS信息(包含位置和航向),得到平移和旋转矩阵,然后把点云按照平移和旋转矩阵移动到高精度矢量地图GPS相同位置,其中平移矩阵用来表示车辆在三维空间中的位置移动信息,旋转矩阵用来表示车辆在三维空间中的姿态变化信息。如图8所示,利用高精度矢量地图中提取的当前可行驶道路区域,在当前点云数据帧中划出相应的可行驶道路区域,图8中的斜线区域即为可行驶道路区域。
步骤4:获得周边运动车辆的速度和相对测绘车辆的位置:根据步骤2得到的测绘车辆当前位置和行驶方向,旋转并且平移毫米波雷达扫描得到的当前数据帧到高精度矢量地图坐标系下,由于毫米波雷达数据坐标系与高精度矢量地图坐标系尺度相同,故不需要进行缩放操作。如图9所示,利用高精度矢量地图中提取的当前可行驶道路区域,在当前毫米波雷达数据帧中划出相应的可行驶道路区域。如图10所示,提取可行驶区域内的运动车辆的速度和相对测绘车辆的位置。
步骤5:移除当前点云帧中的运动车辆占据点:如图11所示,在步骤3得到的当前点云帧可行驶道路区域内,根据步骤4得到的周围车辆位置坐标绘制预设尺寸的包围盒。其中,包围盒的长为5米,宽为2米。在包围盒内执行点云聚类算法,当聚类的点云集群中点的数量大于第一阈值时,从当前点云帧中剔除该点云集群,如果聚类的点云集群中点的数量不大于第一阈值时,则保留该点云集群;遍历当前点云帧中的所有包围盒。其中,第一阈值的优选范围为300~800。
步骤6:拼接点云:存储步骤5得到的点云帧,在存储的点云帧中筛选关键帧拼接并填补地面点云空洞,得到完整的高精度点云地图。
其中,筛选关键帧可以基于当前帧到上一个关键帧的欧氏距离,也可以基于当前帧到上一个关键帧的时间差。如果是根据当前帧到上一个关键帧的欧式距离来进行筛选的话,则先设置一个欧式距离阈值,则如果当前帧到上一个关键帧的距离大于设置的欧式距离阈值,则以当前帧作为新的关键帧,反之则不更换关键帧,其中欧式距离阈值的优选为0.5m。这样可以有效的保证点云地图的精细程度。
填补地面点云空洞的方法主要包括以下步骤:
步骤601:采集毫米波雷达返回的周围车辆数据中的车辆运动方向信息;即周围车辆行驶的方向与测绘车辆是同方向还是反方向。
步骤602:判断每个测绘车辆周围的社会车辆与测绘车辆之间的距离是否小于第二阈值,如果测绘车辆周围的社会车辆与测绘车辆之间的距离小于第二阈值,则执行步骤603~605;如果测绘车辆周围的社会车辆与测绘车辆之间的距离不小于第二阈值,则执行步骤606~步骤608;其中第二阈值的优选范围是30m~50m。
步骤603:如图12~13所示,根据这个测绘车辆周围的社会车辆的速度和位置坐标对这个车辆建立预测模型,预测模型即根据目前这个社会车辆的速度和位置坐标预测该车辆下一时刻的位置;根据下一时刻的位置可以得到这个车辆即将遮挡的点云区域。
步骤604:根据步骤603的模型预测这个车辆即将遮挡的点云区域,连续存储多帧点云数据中即将被遮挡的区域的点云,加入填充点云候选队列;
步骤605:拼接填充点云候选队列中的连续点云帧得到填充点云候选局部地图;
步骤606:在被剔除遮挡路面车辆的连续点云帧中筛选出关键帧;
步骤607:拼接步骤606筛选出的关键帧得到点云地图;
步骤608:根据点云地图中因为剔除运动车辆造成的空洞区域范围,在步骤605中得到的填充点云候选局部地图中选取合适区域的点云填充地面点云空洞。其中,填充点云候选局部地图中的每个点包含GPS位置信息,点云地图中因为剔除运动车辆造成的空洞区域范围和填充点云候选局部地图中的每个点均包含GPS位置信息,所以可以通过空洞的GPS位置在填充点云候选局部地图中选取对应的点云进行地面点云空洞的填充。
Claims (5)
1.一种高精度三维点云地图构建方法,其特征在于包括以下步骤:
步骤1:在测绘车辆上设置激光点云采集单元、周围车辆感知单元和定位单元;
步骤2:激光点云采集单元实时采集测绘车辆经过区域的点云;周围车辆感知单元实时采集测绘车辆周围运动的社会车辆的位置信息和航向信息;定位单元实时提供测绘车辆的位置信息和航向信息;激光点云采集单元、周围车辆感知单元和定位单元将采集到的信息发送给计算单元;
步骤3:根据定位单元给出的测绘车辆的位置坐标和航向信息,确定测绘车辆在高精度矢量地图中当前的位置和行驶方向;
步骤4:在当前点云帧中提取可行驶道路区域;
步骤5:获得测绘车辆周围运动的社会车辆的速度和相对测绘车辆的位置;
步骤6:移除当前点云帧中测绘车辆周边运动车辆占据点云;
步骤7:存储步骤6得到的点云帧,在存储的点云帧中筛选关键帧拼接并填补地面点云空洞,得到完整的点云地图。
2.根据权利要求1所述的高精度三维点云地图构建方法,其特征在于:所述步骤4中在当前点云帧中提取可行驶道路区域的方法为:根据步骤3得到的测绘车辆当前位置和行驶方向,旋转并且平移激光雷达扫描得到的当前点云帧到高精度矢量地图坐标系下,利用高精度矢量地图中提取的当前可行驶道路区域,在当前点云数据帧中划出相应的可行驶道路区域。
3.根据权利要求1所述的高精度三维点云地图构建方法,其特征在于:所述步骤5中获得测绘车辆周边运动的社会车辆的速度和相对测绘车辆的位置的方法为:根据步骤3得到的测绘车辆当前位置和行驶方向,旋转并且平移毫米波雷达扫描得到的当前数据帧到高精度矢量地图坐标系下,然后,利用高精度矢量地图中提取的当前可行驶道路区域,在当前毫米波雷达数据帧中划出相应的可行驶道路区域,最后提取可行驶区域内的运动车辆的速度和相对测绘车辆的位置。
4.根据权利要求1所述的高精度三维点云地图构建方法,其特征在于:所述步骤6中移除当前点云帧中测绘车辆周边运动车辆占据点的方法为:在步骤4得到的当前点云帧可行驶道路区域内,根据步骤5得到的周围车辆位置坐标绘制预设尺寸的包围盒;然后在分别在每个包围盒内执行点云聚类算法,当聚类的点云集群中点的数量大于第一阈值时,从当前点云帧中剔除该点云集群,如果聚类的点云集群中点的数量不大于第一阈值时,则保留该点云集群;遍历当前点云帧中的所有包围盒。
5.根据权利要求1所述的高精度三维点云地图构建方法,其特征在于:所述步骤7中填补地面点云空洞的方法包括以下步骤:
步骤701:采集测绘车辆上毫米波雷达返回的其周围的社会车辆数据中的车辆运动的位置和速度;
步骤702:判断每个测绘车辆周围的社会车辆与测绘车辆之间的距离是否小于第二阈值,如果测绘车辆周围的社会车辆与测绘车辆之间的距离小于第二阈值,则执行步骤703~705;如果测绘车辆周围的社会车辆与测绘车辆之间的距离不小于第二阈值,则执行步骤706~步骤708;
步骤703:根据这个测绘车辆周围的社会车辆的速度和位置坐标对这个车辆建立预测模型,预测模型根据当前这个测绘车辆周围的社会车辆的速度和位置坐标预测该车辆下一时刻的位置;根据下一时刻的位置得到这个社会车辆即将遮挡的点云区域;
步骤704:根据步骤703的模型预测这个车辆即将遮挡的点云区域,连续存储多帧点云数据中即将被遮挡的区域的点云,加入填充点云候选队列;
步骤705:拼接填充点云候选队列中的连续点云帧得到填充点云候选局部地图;
步骤706:在被剔除遮挡路面车辆的连续点云帧中筛选出关键帧;
步骤707:拼接步骤706筛选出的关键帧得到点云地图;
步骤708:根据点云地图中因为剔除运动车辆造成的空洞区域范围,在步骤705中得到的填充点云候选局部地图中选取合适区域的点云填充地面点云空洞。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010039422.5A CN110850439B (zh) | 2020-01-15 | 2020-01-15 | 一种高精度三维点云地图构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010039422.5A CN110850439B (zh) | 2020-01-15 | 2020-01-15 | 一种高精度三维点云地图构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110850439A true CN110850439A (zh) | 2020-02-28 |
CN110850439B CN110850439B (zh) | 2020-04-21 |
Family
ID=69610707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010039422.5A Active CN110850439B (zh) | 2020-01-15 | 2020-01-15 | 一种高精度三维点云地图构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110850439B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111649752A (zh) * | 2020-05-29 | 2020-09-11 | 北京四维图新科技股份有限公司 | 拥堵路段的地图数据处理方法、装置以及设备 |
CN111735464A (zh) * | 2020-08-03 | 2020-10-02 | 北京主线科技有限公司 | 一种港口内激光全局地图建图的方法及装置 |
CN112082545A (zh) * | 2020-07-29 | 2020-12-15 | 武汉威图传视科技有限公司 | 一种基于imu和激光雷达的地图生成方法、装置及系统 |
CN112285737A (zh) * | 2020-10-23 | 2021-01-29 | 深圳无境智能机器人有限公司 | 一种可移动的道路特征测绘系统 |
CN112308052A (zh) * | 2020-12-29 | 2021-02-02 | 智道网联科技(北京)有限公司 | 一种道路异常区域检测方法、装置、电子设备及存储介质 |
CN112339753A (zh) * | 2020-10-20 | 2021-02-09 | 高深智图(广州)科技有限公司 | 基于激光雷达定位技术的车道保持辅助系统 |
CN112414417A (zh) * | 2020-11-17 | 2021-02-26 | 智邮开源通信研究院(北京)有限公司 | 自动驾驶地图生成方法、装置、电子设备及可读存储介质 |
CN112837414A (zh) * | 2021-04-22 | 2021-05-25 | 速度时空信息科技股份有限公司 | 基于车载点云数据的三维高精度地图的构建方法 |
CN113587937A (zh) * | 2021-06-29 | 2021-11-02 | 阿波罗智联(北京)科技有限公司 | 车辆的定位方法、装置、电子设备和存储介质 |
WO2021218388A1 (zh) * | 2020-05-01 | 2021-11-04 | 华为技术有限公司 | 高精度地图的生成方法、定位方法及装置 |
WO2021232227A1 (zh) * | 2020-05-19 | 2021-11-25 | 深圳市大疆创新科技有限公司 | 构建点云帧的方法、目标检测方法、测距装置、可移动平台和存储介质 |
CN113791435A (zh) * | 2021-11-18 | 2021-12-14 | 智道网联科技(北京)有限公司 | Gnss信号异常值的检测方法、装置及电子设备、存储介质 |
CN113902864A (zh) * | 2021-10-18 | 2022-01-07 | 奥特酷智能科技(南京)有限公司 | 用于矿场的矢量地图生成方法、系统及计算机系统 |
CN114279436A (zh) * | 2022-03-01 | 2022-04-05 | 北京智能车联产业创新中心有限公司 | 自动驾驶用高精度地图的制作方法和装置 |
CN114371703A (zh) * | 2021-12-22 | 2022-04-19 | 杭州鸿泉物联网技术股份有限公司 | 一种无人车轨迹预测方法及装置 |
WO2022141220A1 (zh) * | 2020-12-30 | 2022-07-07 | 深圳市大疆创新科技有限公司 | 点云处理方法和装置、测距装置及可移动平台 |
WO2023057261A1 (en) * | 2021-10-04 | 2023-04-13 | Valeo Schalter Und Sensoren Gmbh | Removing non-relevant points of a point cloud |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017166971A (ja) * | 2016-03-16 | 2017-09-21 | 株式会社デンソー | 物体検出装置および物体検出プログラム |
CN109101690A (zh) * | 2018-07-11 | 2018-12-28 | 深圳地平线机器人科技有限公司 | 用于渲染车辆自动驾驶模拟器中的场景的方法和装置 |
CN109443369A (zh) * | 2018-08-20 | 2019-03-08 | 北京主线科技有限公司 | 利用激光雷达和视觉传感器融合构建动静态栅格地图的方法 |
CN109781129A (zh) * | 2019-01-28 | 2019-05-21 | 重庆邮电大学 | 一种基于车辆间通信的路面安全性检测系统及方法 |
CN110658530A (zh) * | 2019-08-01 | 2020-01-07 | 北京联合大学 | 一种基于双激光雷达数据融合的地图构建方法、系统及地图 |
-
2020
- 2020-01-15 CN CN202010039422.5A patent/CN110850439B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017166971A (ja) * | 2016-03-16 | 2017-09-21 | 株式会社デンソー | 物体検出装置および物体検出プログラム |
CN109101690A (zh) * | 2018-07-11 | 2018-12-28 | 深圳地平线机器人科技有限公司 | 用于渲染车辆自动驾驶模拟器中的场景的方法和装置 |
CN109443369A (zh) * | 2018-08-20 | 2019-03-08 | 北京主线科技有限公司 | 利用激光雷达和视觉传感器融合构建动静态栅格地图的方法 |
CN109781129A (zh) * | 2019-01-28 | 2019-05-21 | 重庆邮电大学 | 一种基于车辆间通信的路面安全性检测系统及方法 |
CN110658530A (zh) * | 2019-08-01 | 2020-01-07 | 北京联合大学 | 一种基于双激光雷达数据融合的地图构建方法、系统及地图 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2021218388A1 (zh) * | 2020-05-01 | 2021-11-04 | 华为技术有限公司 | 高精度地图的生成方法、定位方法及装置 |
WO2021232227A1 (zh) * | 2020-05-19 | 2021-11-25 | 深圳市大疆创新科技有限公司 | 构建点云帧的方法、目标检测方法、测距装置、可移动平台和存储介质 |
CN111649752A (zh) * | 2020-05-29 | 2020-09-11 | 北京四维图新科技股份有限公司 | 拥堵路段的地图数据处理方法、装置以及设备 |
CN111649752B (zh) * | 2020-05-29 | 2021-09-21 | 北京四维图新科技股份有限公司 | 拥堵路段的地图数据处理方法、装置以及设备 |
CN112082545B (zh) * | 2020-07-29 | 2022-06-21 | 武汉威图传视科技有限公司 | 一种基于imu和激光雷达的地图生成方法、装置及系统 |
CN112082545A (zh) * | 2020-07-29 | 2020-12-15 | 武汉威图传视科技有限公司 | 一种基于imu和激光雷达的地图生成方法、装置及系统 |
CN111735464B (zh) * | 2020-08-03 | 2020-12-01 | 北京主线科技有限公司 | 一种港口内激光全局地图建图的方法及装置 |
CN111735464A (zh) * | 2020-08-03 | 2020-10-02 | 北京主线科技有限公司 | 一种港口内激光全局地图建图的方法及装置 |
CN112339753A (zh) * | 2020-10-20 | 2021-02-09 | 高深智图(广州)科技有限公司 | 基于激光雷达定位技术的车道保持辅助系统 |
CN112285737A (zh) * | 2020-10-23 | 2021-01-29 | 深圳无境智能机器人有限公司 | 一种可移动的道路特征测绘系统 |
CN112414417A (zh) * | 2020-11-17 | 2021-02-26 | 智邮开源通信研究院(北京)有限公司 | 自动驾驶地图生成方法、装置、电子设备及可读存储介质 |
CN112414417B (zh) * | 2020-11-17 | 2021-11-26 | 智邮开源通信研究院(北京)有限公司 | 自动驾驶地图生成方法、装置、电子设备及可读存储介质 |
CN112308052A (zh) * | 2020-12-29 | 2021-02-02 | 智道网联科技(北京)有限公司 | 一种道路异常区域检测方法、装置、电子设备及存储介质 |
CN112308052B (zh) * | 2020-12-29 | 2021-08-17 | 智道网联科技(北京)有限公司 | 一种道路异常区域检测方法、装置、电子设备及存储介质 |
WO2022141220A1 (zh) * | 2020-12-30 | 2022-07-07 | 深圳市大疆创新科技有限公司 | 点云处理方法和装置、测距装置及可移动平台 |
CN112837414B (zh) * | 2021-04-22 | 2021-07-02 | 速度时空信息科技股份有限公司 | 基于车载点云数据的三维高精度地图的构建方法 |
CN112837414A (zh) * | 2021-04-22 | 2021-05-25 | 速度时空信息科技股份有限公司 | 基于车载点云数据的三维高精度地图的构建方法 |
CN113587937A (zh) * | 2021-06-29 | 2021-11-02 | 阿波罗智联(北京)科技有限公司 | 车辆的定位方法、装置、电子设备和存储介质 |
WO2023057261A1 (en) * | 2021-10-04 | 2023-04-13 | Valeo Schalter Und Sensoren Gmbh | Removing non-relevant points of a point cloud |
CN113902864A (zh) * | 2021-10-18 | 2022-01-07 | 奥特酷智能科技(南京)有限公司 | 用于矿场的矢量地图生成方法、系统及计算机系统 |
CN113902864B (zh) * | 2021-10-18 | 2022-11-01 | 奥特酷智能科技(南京)有限公司 | 用于矿场的矢量地图生成方法、系统及计算机系统 |
CN113791435A (zh) * | 2021-11-18 | 2021-12-14 | 智道网联科技(北京)有限公司 | Gnss信号异常值的检测方法、装置及电子设备、存储介质 |
CN114371703A (zh) * | 2021-12-22 | 2022-04-19 | 杭州鸿泉物联网技术股份有限公司 | 一种无人车轨迹预测方法及装置 |
CN114279436A (zh) * | 2022-03-01 | 2022-04-05 | 北京智能车联产业创新中心有限公司 | 自动驾驶用高精度地图的制作方法和装置 |
CN114279436B (zh) * | 2022-03-01 | 2022-05-27 | 北京智能车联产业创新中心有限公司 | 自动驾驶用高精度地图的制作方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110850439B (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110850439B (zh) | 一种高精度三维点云地图构建方法 | |
CN111551958B (zh) | 一种面向矿区无人驾驶的高精地图制作方法 | |
CN108955702B (zh) | 基于三维激光和gps惯性导航系统的车道级地图创建系统 | |
EP3343503B1 (en) | High-precision map data processing method and apparatus, storage medium and device | |
CN108345822B (zh) | 一种点云数据处理方法及装置 | |
WO2018068653A1 (zh) | 点云数据处理方法、装置及存储介质 | |
Yang et al. | Semi-automated extraction and delineation of 3D roads of street scene from mobile laser scanning point clouds | |
CN102208013B (zh) | 风景匹配参考数据生成系统和位置测量系统 | |
CN109872530B (zh) | 一种路况信息的生成方法、车载终端及服务器 | |
US11151394B2 (en) | Identifying dynamic objects in a point cloud | |
US20210001891A1 (en) | Training data generation for dynamic objects using high definition map data | |
CN105158762A (zh) | 识别和跟踪对流天气单体 | |
CN112965077B (zh) | 一种基于车载激光雷达的道路巡检系统与方法 | |
CN104376595A (zh) | 一种基于机载LiDAR和GIS协同的三维道路生成方法 | |
Wang et al. | Automatic road extraction from mobile laser scanning data | |
US20220197301A1 (en) | Vehicle Localization Based on Radar Detections | |
Gressenbuch et al. | Mona: The munich motion dataset of natural driving | |
González-Jorge et al. | Evaluation of driver visibility from mobile lidar data and weather conditions | |
CN112462401B (zh) | 基于浮动车轨迹数据的城市峡谷快速探测方法及装置 | |
Pradhan et al. | Laser scanning systems in highway and safety assessment | |
CN110174115B (zh) | 一种基于感知数据自动生成高精度定位地图的方法及装置 | |
CN113496182A (zh) | 基于遥感影像的道路提取方法及装置、存储介质及设备 | |
US11555928B2 (en) | Three-dimensional object detection with ground removal intelligence | |
CN115546551A (zh) | 一种基于深度学习的地理信息提取方法及系统 | |
CN114241083A (zh) | 一种车道线生成方法、装置、电子设备及存储介质 |
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 | ||
CP02 | Change in the address of a patent holder |
Address after: 210012 room 401-404, building 5, chuqiaocheng, No. 57, Andemen street, Yuhuatai District, Nanjing, Jiangsu Province Patentee after: AUTOCORE INTELLIGENT TECHNOLOGY (NANJING) Co.,Ltd. Address before: 211800 Building 12-289, No. 29, Buyue Road, Qiaolin Street, Jiangbei New District, Nanjing, Jiangsu Province Patentee before: AUTOCORE INTELLIGENT TECHNOLOGY (NANJING) Co.,Ltd. |
|
CP02 | Change in the address of a patent holder |