CN111125283B - 电子地图构建方法、装置、计算机设备和存储介质 - Google Patents
电子地图构建方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111125283B CN111125283B CN201911334637.3A CN201911334637A CN111125283B CN 111125283 B CN111125283 B CN 111125283B CN 201911334637 A CN201911334637 A CN 201911334637A CN 111125283 B CN111125283 B CN 111125283B
- Authority
- CN
- China
- Prior art keywords
- semantic
- point cloud
- cloud data
- vehicle
- target
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种电子地图构建方法、装置、计算机设备和存储介质，属于数据处理领域。方法包括：为点云数据集中第一时刻的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据；将第一时刻的图像数据输入到第一语义识别模型中，由第一语义模型为图像数据中每个像素点添加语义标签，得到多个语义像素点，其中，图像数据由车辆上的视觉系统获取；基于多个语义像素点为与多个语义像素点的对应的目标点云数据添加语义标签，得到多个第二语义点云数据，目标点云数据为点云数据集中未成功添加语义标签的点云数据；基于多个第一语义点云数据和多个第二语义点云数据，构建电子地图。
Description
技术领域
本申请涉及数据处理领域，特别涉及一种电子地图构建方法、装置、计算机设备和存储介质。
背景技术
在车辆自动驾驶过程中，电子地图的构建是整个自动驾驶系统中非常关键的一环。精度较高的电子地图一方面能够帮助整个自动驾驶系统获取准确的车辆位姿信息，另一方面可以提供更多的局部行驶环境信息，为车辆的决策规划模块提供决策依据。
相关技术中，往往会通过激光雷达来获取点云数据，对点云数据进行语义识别，基于语义识别后的点云数据和车辆的位姿信息来构建电子地图。
但是在对点云数据进行语义识别的过程中，会有一些点云数据无法成功进行语义识别，这样构建的电子地图不能提供完成的语义信息，在车辆自动驾驶过程中可能会出现危险。
发明内容
本申请实施例提供了一种电子地图构建方法、装置、计算机设备和存储介质，可以提高自动驾驶过程中的安全性。所述技术方案如下：
一方面，提供了一种电子地图构建方法，所述方法包括：
为点云数据集中第一时刻的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据；
将所述第一时刻的图像数据输入到第一语义识别模型中，由所述第一语义模型为所述图像数据中每个像素点添加语义标签，得到多个语义像素点，其中，所述图像数据由所述车辆上的视觉系统获取；
基于所述多个语义像素点为与所述多个语义像素点的对应的目标点云数据添加语义标签，得到多个第二语义点云数据，所述目标点云数据为所述点云数据集中未成功添加语义标签的点云数据；
基于多个第一语义点云数据和所述多个第二语义点云数据，构建电子地图。
在一种可能的实施方式中，所述基于所述多个语义像素点为与所述多个语义像素点的对应的目标点云数据添加语义标签，得到多个第二语义点云数据包括：
将所述目标点云数据转化到与所述多个语义像素点相同的坐标系下；
将语义像素点携带的语义标签添加到与所述语义像素点坐标重合的目标点云数据上，得到多个第二语义点云数据。
在一种可能的实施方式中，所述基于多个第一语义点云数据和所述多个第二语义点云数据，构建电子地图，包括：
将不同时刻得到的多个第一语义点云数据和多个第二语义点云数据转化到世界坐标系下，得到多个第一目标语义点云数据和多个第二目标语义点云数据；
对所述多个第一目标语义点云数据和所述多个第二目标语义点云数据进行聚类拟合，确定带有语义的道路结构信息；
基于所述道路结构信息，构建所述电子地图。
在一种可能的实施方式中，所述为点云数据集中第一时刻的点云数据添加语义标签之前，所述方法还包括：
基于所述车辆上安装的定位装置确定车辆的第一位姿信息；
基于所述车辆的第一位姿信息对所述车辆上的激光雷达在不同时刻获取的点云数据进行畸变去除，得到所述点云数据集。
在一种可能的实施方式中，所述基于多个第一语义点云数据和所述多个第二语义点云数据，构建电子地图之前，所述方法还包括：
基于不同时刻的点云数据、不同时刻的图像数据以及所述车辆的轮胎转速信息中的至少一项，对所述第一位姿信息进行优化，得到所述车辆的第二位姿信息。
在一种可能的实施方式中，所述基于多个第一语义点云数据和所述多个第二语义点云数据，构建电子地图之前，所述方法还包括：
基于所述车辆的二位姿信息对所述不同时刻得到的多个第一语义点云数据和多个第二语义点云数据进行调整，得到车辆坐标系下的多个第一语义点云数据和多个第二语义点云数据。
在一种可能的实施方式中，所述将所述第一时刻的图像数据输入到第一语义识别模型中之前，所述方法还包括:
对所述视觉系统在所述第一时刻获取的初始图像数据进行畸变去除，得到所述第一时刻的图像数据。
在一种可能的实施方式中，所述为点云数据集中的第一时刻的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据，包括：
将所述点云数据集中第一时刻的点云数据输入到第二语义识别模型中，由所述第二语义模型为所述点云数据集中的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据。
一方面，提供了一种电子地图构建装置，所述装置包括：
第一语义标签添加模块，用于为点云数据集中第一时刻的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据；
第二语义标签添加模块，用于将所述第一时刻的图像数据输入到第一语义识别模型中，由所述第一语义模型为所述图像数据中每个像素点添加语义标签，得到多个语义像素点，其中，所述图像数据由所述车辆上的视觉系统获取；
第三语义标签添加模块，用于基于所述多个语义像素点为与所述多个语义像素点的对应的目标点云数据添加语义标签，得到多个第二语义点云数据，所述目标点云数据为所述点云数据集中未成功添加语义标签的点云数据；
构建模块，用于基于多个第一语义点云数据和所述多个第二语义点云数据，构建电子地图。
在一种可能的实施方式中，所述第三语义标签添加模块包括：
第一坐标转化单元，用于将所述目标点云数据转化到与所述多个语义像素点相同的坐标系下；
语义标签添加单元，用于将语义像素点携带的语义标签添加到与所述语义像素点坐标重合的目标点云数据上，得到多个第二语义点云数据。
在一种可能的实施方式中，所述构建模块包括：
第二坐标转化单元，用于将不同时刻得到的多个第一语义点云数据和多个第二语义点云数据转化到世界坐标系下，得到多个第一目标语义点云数据和多个第二目标语义点云数据；
聚类拟合单元，用于对所述多个第一目标语义点云数据和所述多个第二目标语义点云数据进行聚类拟合，确定带有语义的道路结构信息；
构建单元，用于基于所述道路结构信息，构建所述电子地图。
在一种可能的实施方式中，所述装置还包括：
第一位姿信息确定模块，用于基于所述车辆上安装的定位装置确定车辆的第一位姿信息；
第一畸变去除模块，基于所述车辆的第一位姿信息对所述车辆上的激光雷达在不同时刻获取的点云数据进行畸变去除，得到所述点云数据集。
在一种可能的实施方式中，所述装置还包括：
位姿优化模块，用于基于不同时刻的点云数据、不同时刻的图像数据以及所述车辆的轮胎转速信息中的至少一项，对所述第一位姿信息进行优化，得到所述车辆的第二位姿信息。
在一种可能的实施方式中，所述装置还包括：
调整模块，用于基于所述车辆的位姿信息对所述不同时刻得到的多个第一语义点云数据和多个第二语义点云数据进行调整，得到车辆坐标系下的多个第一语义点云数据和多个第二语义点云数据。
在一种可能的实施方式中，所述装置还包括:
第二畸变去除模块，用于对所述视觉系统获取的初始图像数据进行畸变去除，得到所述第一时刻的图像数据。
在一种可能的实施方式中，所述第一语义标签添加模块用于将所述点云数据集中第一时刻的点云数据输入到第二语义识别模型中，由所述第二语义模型为所述点云数据集中的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据。
一方面，提供了一种计算机设备，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现所述电子地图构建方法所执行的操作。
一方面，提供了一种存储介质，所述存储介质中存储有至少一条程序代码，所述程序代码由处理器加载并执行以实现所述电子地图构建方法所执行的操作。
通过语义识别模型为图像数据中的像素点添加语义标签，得到多个语义像素点，基于多个语义像素点为没有添加语义标签的点云数据添加语义标签，实现了每个点云数据均携带有语义标签，基于携带语义标签的点云数据构建电子地图，可以在电子地图中保留更多语义信息，提高自动驾驶的安全性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种电子地图构建方法流程图；
图2是本申请实施例提供的一种电子地图方法流程图；
图3是本申请实施例提供第一种电子地图构建流程图；
图4是本申请实施例提供的一种第二语义识别模型为图像数据添加语义标签的流程示例图；
图5是本申请实施例提供的一种第一语义识别模型为点云数据添加语义标签的流程示例图；
图6是本申请实施例提供的一种位姿优化方法的流程图；
图7是本申请实施例提供的一种电子地图装置结构示意图；
图8是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
图1是本申请实施例提供的一种电子地图构建方法的流程图，参见图1，方法包括：
101、为点云数据集中第一时刻的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据。
102、将第一时刻的图像数据输入到第一语义识别模型中，由第一语义模型为图像数据中每个像素点添加语义标签，得到多个语义像素点，其中，图像数据由车辆上的视觉系统获取。
103、基于多个语义像素点为与多个语义像素点的对应的目标点云数据添加语义标签，得到多个第二语义点云数据，目标点云数据为点云数据集中未成功添加语义标签的点云数据。
104、基于多个第一语义点云数据和多个第二语义点云数据，构建电子地图。
通过语义识别模型为图像数据中的像素点添加语义标签，得到多个语义像素点，基于多个语义像素点为没有添加语义标签的点云数据添加语义标签，实现了每个点云数据均携带有语义标签，基于携带语义标签的点云数据构建电子地图，可以在电子地图中保留更多语义信息，提高自动驾驶的安全性。
在一种可能的实施方式中，基于多个语义像素点为与多个语义像素点的对应的目标点云数据添加语义标签，得到多个第二语义点云数据包括：
将目标点云数据转化到与多个语义像素点相同的坐标系下。
将语义像素点携带的语义标签添加到与语义像素点坐标重合的目标点云数据上，得到多个第二语义点云数据。
在一种可能的实施方式中，基于多个第一语义点云数据和多个第二语义点云数据，构建电子地图，包括：
将不同时刻得到的多个第一语义点云数据和多个第二语义点云数据转化到世界坐标系下，得到多个第一目标语义点云数据和多个第二目标语义点云数据。
对多个第一目标语义点云数据和多个第二目标语义点云数据进行聚类拟合，确定带有语义的道路结构信息。
基于道路结构信息，构建电子地图。
在一种可能的实施方式中，为点云数据集中第一时刻的点云数据添加语义标签之前，方法还包括：
基于车辆上安装的定位装置确定车辆的第一位姿信息。
基于车辆的第一位姿信息对车辆上的激光雷达在不同时刻获取的点云数据进行畸变去除，得到点云数据集。
在一种可能的实施方式中，基于多个第一语义点云数据和多个第二语义点云数据，构建电子地图之前，方法还包括：
基于不同时刻的点云数据、不同时刻的图像数据以及车辆的轮胎转速信息中的至少一项，对第一位姿信息进行优化，得到车辆的第二位姿信息。
在一种可能的实施方式中，基于多个第一语义点云数据和多个第二语义点云数据，构建电子地图之前，方法还包括：
基于车辆的二位姿信息对不同时刻得到的多个第一语义点云数据和多个第二语义点云数据进行调整，得到车辆坐标系下的多个第一语义点云数据和多个第二语义点云数据。
在一种可能的实施方式中，将第一时刻的图像数据输入到第一语义识别模型中之前，方法还包括:
对视觉系统在第一时刻获取的初始图像数据进行畸变去除，得到第一时刻的图像数据。
在一种可能的实施方式中，为点云数据集中的第一时刻的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据，包括：
将点云数据集中第一时刻的点云数据输入到第二语义识别模型中，由第二语义模型为点云数据集中的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据。
上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。
图2是本申请实施例提供的一种电子地图构建方法的流程图，图3是本申请实施例提供的一种电子地图构建流程图，图3从整体上反映本申请的发明构思，参见图2和图3，方法包括：
201、计算机设备基于车辆上安装的定位装置确定车辆的第一位姿信息。
在一种可能的实施方式中，车辆上可以安装有用于确定车辆第一位姿信息的定位装置，该定位装置可以由位置确定模块和姿态确定模块组成。位置确定模块用于确定车辆的位置信息，也可以称为绝对位置信息，反映车辆在世界坐标系下的位置。姿态确定模块可以用于确定车辆的姿态信息，也即是车辆的航向角。例如，位置确定模块可以采用全球导航卫星系统(Global Navigation Satellite System，GNSS)来实现，姿态确定模块可以采用测量物体三轴姿态角及加速度的装置(Inertial Measurement Unit，IMU)或惯性导航系统(Inertial Navigation，INS)来实现，当然也可以采用其他可以得到车辆第一位姿信息的装置实现，本申请实施例对此不做限定。
202、计算机设备基于车辆的第一位姿信息对车辆上的激光雷达在不同时刻获取的点云数据进行畸变去除，得到点云数据集。
激光雷达往往只能收集一个方向的点云数据，在每个方向上均设置一个激光雷达的成本较高，为了保证点云数据的完整性以及降低成本，可以只采用一个激光雷达来获取多个方向的点云数据，具体来说，计算机设备可以控制车辆上的激光雷达以目标角速度转动，通过激光雷达的转动来获取不同方向上的点云数据，这样在一次转动周期中获取的点云数据实际上是在不同时刻收集到的，采用这些点云数据进行电子地图的构建，可能会影响构建电子地图的准确性。计算机设备可以对激光雷达采集到的数据进行畸变去除，将一次转动周期中获取的点云数据的时间差减小，提高点云数据的准确性，进而提高构建电子地图的准确性。
在一种可能的实施方式中，计算机设备可以基于公式(1)来对激光雷达采集到的点云数据进行畸变去除，将去除畸变后的点云数据存储在目标位置，得到点云数据集。
Ct1＝U×Pt1 -1×Pt0×T×Ct0 (1)
其中，Ct1为点云数据进行畸变去除后的三维坐标，U为激光雷达坐标系到车辆姿态坐标系的变换矩阵，Pt1 -1为t1时刻车辆位姿矩阵的逆矩阵，Pt0为t0时刻车辆位姿矩阵，T为车辆姿态坐标系到激光雷达坐标系的变换矩阵，Ct0为未进行畸变去除的点云数据的三维坐标。
需要说明的是，该步骤实际上是可选步骤，如果车辆上安装有多个方向的激光雷达，可以同时获取多个方向的点云数据，那么计算机设备可以不对激光雷达获取到的点云数据进行畸变去除，直接执行步骤203即可。
203、计算机设备将点云数据集中第一时刻的点云数据输入到第二语义识别模型中，由第二语义模型为点云数据集中的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据。
其中，第二语义识别模型是由样本点云数据和样本语义标签训练得到的，具有基于点云数据确定相应的语义标签的能力。需要说明的是，第二语义识别模型可以直接采用网络上的开源模型，当然也可以由计算机设备自行收集样本点云数据和样本语义标签进行训练而得到，本申请实施例对于第二语义识别模型的获取方式不做限定。
在一种可能的实施方式中，计算机设备可以将点云数据集中第一时刻的点云数据输入到第二语义识别模型中，由该语义识别模型基于点云数据集中的第一时刻的点云数据的坐标和强度进行预测，确定与第一时刻的点云数据对应的语义标签，将语义标签添加到对应的点云数据中，将成功添加语义标签的点云数据确定为第一语义点云数据，具体过程可以参见图4。需要说明的是，该第二语义识别模型可以为一个深度学习模型例如点网(Point Net)、点尺度不变特征变换(Point SIFT)以及高分辨率的3D数据表示(LearningDeep 3D Representations at High Resolutions，Oct Net)等，当然也可以是其他具有语义识别功能的深度学习模型，本申请实施例对深度学习模型的类型不做限定。
204、计算机设备对视觉系统在第一时刻获取的初始图像数据进行畸变去除，得到第一时刻的图像数据。
由于视觉系统的制造精度以及组装工艺的偏差，视觉系统获取的图像数据也可能存在畸变，去除图像数据中存在的畸变，可以提高图像数据的准确性，进而提高构建电子地图的准确性。
在一种可能的实施方式中，车辆上可以安装有视觉系统，该视觉系统具有获取位于车辆目标范围内的图像数据功能，该视觉系统可以将获取到的初始图像数据发送给计算机设备，计算机设备可以对初始图像进行畸变去除。具体来说，图像数据的畸变可以分为径向畸变和切向畸变，计算机设备可以基于公式(2)去除图像的径向畸变，基于公式(3)去除图像的切向畸变。
其中，X，Y为初始图像数据的像素坐标，k1、k2以及k3是径向变形系数，其中r2＝X2+Y2。
其中，X，Y为初始图像数据的像素坐标，p1和p2是切向变形系数，其中r2＝X2+Y2。
205、计算机设备将第一时刻的图像数据输入到第一语义识别模型中，由第一语义模型为图像数据中每个像素点添加语义标签，得到多个语义像素点。
其中，第一语义识别模型是基于样本图像数据和样本语义标签训练得到的，具有基于图像数据中像素点的像素坐标和色彩值(Red Green Blue，RGB)预测图像数据中像素点的语义标签的能力。需要说明的是，第一语义识别模型可以直接采用网络上的开源模型，当然也可以由计算机设备自行收集样本点云数据和样本语义标签进行训练而得到，本申请实施例对于第一语义识别模型的获取方式不做限定。
在一种可能的实施方式中，计算机设备可以将第一时刻的图像数据输入到第一语义识别模型中，由第一语义识别模型基于图像数据中每个像素点的像素坐标和色彩值预测图像数据中每个像素点的语义标签，将预测出的语义标签添加到对应的像素点中，得到多个语义像素点，具体的过程可以参见图5，其中，第二语义识别模型可以为一个深度学习模型，例如全卷积神经网络(Fully Convolutional Networks for Semantic Segmentation，FCN)或条件随机场(Conditional Random Field，CRF)等模型，当然也可以为其他能对图像数据中像素点进行语义识别的模型，本申请实施例对此不做限定。
206、计算机设备将目标点云数据转化到与多个语义像素点相同的坐标系下。将语义像素点携带的语义标签添加到与语义像素点坐标重合的目标点云数据上，得到多个第二语义点云数据，目标点云数据为点云数据集中未成功添加语义标签的点云数据。
在一种可能的实施方式中，车辆上激光雷达获取的点云数据和车辆上视觉系统获取的图像数据中的像素点位于不同的坐标系中，直接基于语义像素点为目标点云数据添加语义标签可能在一些情况下存在准确性不高的问题。计算设备在对基于语义像素点为目标点云数据添加语义标签之前，可以将目标点云数据转化到与多个语义像素点相同的坐标系下，确定坐标相同的目标点云数据和语义像素点，将语义像素点的语义标签添加到目标点云数据内，得到多个第二语义点云数据。除此之外，计算机设备可以将目标点云数据和多个语义像素点均转化到世界坐标系下，在世界坐标系下确定坐标相同的目标点云数据和语义像素点，将语义像素点的语义标签添加到目标点云数据内，得到多个第二语义点云数据，本申请实施例对此不做限定。
207、计算机设备基于不同时刻的语义点云数据、不同时刻的语义像素点以及车辆的轮胎转速信息中的至少一项，对第一位姿信息进行优化，得到车辆的第二位姿信息。
在一种可能的实施方式中，计算机设备可以基于不同时刻的语义点云数据对第一位姿信息进行优化，得到车辆的第二位姿信息。具体来说，计算机设备可以基于第二时刻车辆的第一位姿信息，将第二时刻的语义点云数据投影到车辆坐标系下。计算机设备可以基于第三时刻车辆的第一位姿信息，将第三时刻的语义点云数据投影到同一车辆坐标系下，其中，第三时刻为第二时刻的后一个点云数据获取时刻。计算机设备可以确定第一坐标差值，确定第一坐标的方法如下：确定语义标签相同的第二时刻的语义点云数据和第三时刻的语义点云数据，获取二者之间的坐标差值，将坐标差值作为第一坐标差值。计算机设备可以基于第一坐标差值，采用最小二乘法优化第三时刻的第一位姿信息，将优化后的第三时刻的第一位姿信息确定为车辆在第三时刻的第二位姿信息，需要说明的是，在进行位姿优化的过程中，需要保证第二位姿信息与第一位姿信息之间的第一位姿信息差值始终小于第一目标位姿信息差值，以及相邻时刻的第二位姿信息之间的差值小于第二目标位姿信息差值，这样可以保证位姿优化之后得到的车辆的第二位姿信息更加准确。
在一种可能的实施方式中，计算机设备可以基于不同时刻的语义像素点对第一位姿信息进行优化，得到车辆的第二位姿信息。具体来说，计算机设备可以基于第二时刻车辆的第一位姿信息，将第二时刻的语义像素点投影到车辆坐标系下。计算机设备可以基于第三时刻车辆的第一位姿信息，将第三时刻的语义像素点投影到同一车辆坐标系下，其中，第三时刻为第二时刻的后一个点云数据获取时刻。计算机设备可以确定第二坐标差值，确定第一坐标的方法如下：确定语义标签相同的第二时刻的语义像素点和第三时刻的语义像素点，获取二者之间的坐标差值，将坐标差值作为第二坐标差值。计算机设备可以基于第二坐标差值，采用最小二乘法优化第三时刻的第一位姿信息，将优化后的第三时刻的第一位姿信息确定为车辆在第三时刻的第二位姿信息，需要说明的是，在进行位姿优化的过程中，需要保证第二位姿信息与第一位姿信息之间的第一位姿信息差值始终小于第一目标位姿信息差值，以及相邻时刻的第二位姿信息之间的差值小于第二目标位姿信息差值，这样可以保证位姿优化之后得到的车辆的第二位姿信息更加准确。
在一种可能的实施方式中，车辆上可以安装有轮速计，轮速计可以获取车辆在不同时刻不同轮胎的转速情况，也即是车辆的轮胎转速信息，计算机设备可以基于车辆的轮胎转速信息以及车辆在开始时刻的位姿信息，进而确定车辆在后续行驶过程中的位姿信息。计算机设备可以将第二时刻基于轮速计确定的车辆的位姿信息和第二时刻车辆的第一位姿信息进行加权求和，得到车辆第二时刻的第二位姿信息。具体来说，计算机设备可以基于左车轮和有车轮之间的转速差值，确定车辆的位姿变化情况，基于车辆的位姿变化情况和车辆在开始时刻的位姿信息，确定车辆在不同时刻的位姿信息。计算机设备可以将第二时刻基于轮速计确定的车辆的位姿信息和车辆第二时刻的第一位姿信息进行加权求和，得到车辆第二时刻的位姿信息，其中，权重可以有多组，计算机设备可以根据实际情况选择不同的权重，本申请实施例对此不做限定。当然，在进行位姿优化的过程中，也需要保证第二位姿信息与第一位姿信息之间的第一位姿信息差值始终小于第一目标位姿信息差值，以及相邻时刻的第二位姿信息之间的差值小于第二目标位姿信息差值，这样可以保证位姿优化之后得到的车辆的第二位姿信息更加准确。
在一种可能的实施方式中，计算机设备可以基于位姿图优化(General GraphOptimization，G2O)或非线性优化库(Ceres)结合语义像素点、语义点云数据以及轮胎转速信息对车辆的第一位姿信息进行优化，得到第二位姿信息，具体流程可以参见图6。
需要说明的是，计算机设备可以采用以上任一种方式得到车辆的第二位姿信息，当然也可以同时采用两种、三种或四种方式结合得到车辆的第二位姿信息，本申请实施例对此不做限定。
208、计算机设备基于车辆的第二位姿信息对不同时刻得到的多个第一语义点云数据和多个第二语义点云数据进行调整，得到车辆坐标系下的多个第一语义点云数据和多个第二语义点云数据。
在一种可能的实施方式中，计算机可以基于第二位姿信息的位姿矩阵和雷达坐标系到车辆坐标系的第一坐标变换矩阵，对不同时刻得到的多个第一语义点云数据和多个第二语义点云数据进行坐标转化，对不同时刻得到的多个第一语义点云数据和多个第二语义点云数据进行坐标调整，得到车辆坐标系下的多个第一语义点云数据和多个第二语义点云数据。
209、计算机设备将不同时刻得到的多个第一语义点云数据和多个第二语义点云数据转化到世界坐标系下，得到多个第一目标语义点云数据和多个第二目标语义点云数据。
在一种可能的实施方式中，计算机设备可以将不同时刻得到的车辆坐标系下的多个第一语义点云数据和多个第二点云数据转化到世界坐标系下，得到世界坐标系下的多个第一目标语义点云数据和多个第二目标语义点云数据。具体来说，计算机设备可以基于一个车辆坐标系到世界坐标下的第二坐标变换矩阵，将不同时刻得到的车辆坐标系下的多个第一语义点云数据和多个第二点云数据转化到世界坐标系下，得到多个第一目标语义点云数据和多个第二目标语义点云数据。
210、计算机设备对多个第一目标语义点云数据和多个第二目标语义点云数据进行聚类拟合，确定带有语义的道路结构信息。基于道路结构信息，构建电子地图。
在一种可能的实施方式中，计算机设备可以基于语义点云数据的坐标对多个第一目标语义点云数据和多个第二目标语义点云数据进行聚类拟合，基于聚类拟合的结果和道路结构的相对位置信息，确定含有语义的道路结构信息，其中，道路结构的相对位置信息用于表示不同道路结构之间的相对位置关系，道路结构的相对位置信息可以预先存储在计算机设备上，也可以由计算机设备从服务器中获取，本申请实施例对此不做限定。计算机设备可以基于调整后的道路结构信息，构建包含完整语义信息的电子地图。
通过本申请实施例提供的电子地图构建方法，计算机设备可以基于车辆的第一位姿信息对图像数据和点云数据进行畸变去除，提高数据的准确性，为进行畸变去除后的图像数据中的像素短和点云数据添加语义标签，得到语义像素点和语义点云数据。计算机设备可以基于语义像素点为没有成功添加标签的点云数据添加语义标签，保证了每个点云数据均有对应的语义标签。通过不同时刻获取的点云数据、图像数据以及车辆的轮胎转速信息对车辆第一位姿信息进行优化，得到第二位姿信息，基于第二位姿信息对语义点云数据进行调整，基于调整后的语义点云数据构建电子地图，构建的电子地图中包含语义点云数据中完整的语义信息，在后续使用该电子地图进行自动驾驶的过程中，可以提高自动驾驶的安全性。
图7是本申请实施例提供的一种电子地图装置结构示意图，参见图7，装置包括：第一语义标签添加模块701、第二语义标签添加模块702、第三语义标签添加模块703以及构建模块704。
第一语义标签添加模块701，用于为点云数据集中第一时刻的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据。
第二语义标签添加模块702，用于将第一时刻的图像数据输入到第一语义识别模型中，由第一语义模型为图像数据中每个像素点添加语义标签，得到多个语义像素点，其中，图像数据由车辆上的视觉系统获取。
第三语义标签添加模块703，用于基于多个语义像素点为与多个语义像素点的对应的目标点云数据添加语义标签，得到多个第二语义点云数据，目标点云数据为点云数据集中未成功添加语义标签的点云数据。
构建模块704，用于基于多个第一语义点云数据和多个第二语义点云数据，构建电子地图。
在一种可能的实施方式中，第三语义标签添加模块包括：
第一坐标转化单元，用于将目标点云数据转化到与多个语义像素点相同的坐标系下。
语义标签添加单元，用于将语义像素点携带的语义标签添加到与语义像素点坐标重合的目标点云数据上，得到多个第二语义点云数据。
在一种可能的实施方式中，构建模块包括：
第二坐标转化单元，用于将不同时刻得到的多个第一语义点云数据和多个第二语义点云数据转化到世界坐标系下，得到多个第一目标语义点云数据和多个第二目标语义点云数据。
聚类拟合单元，用于对多个第一目标语义点云数据和多个第二目标语义点云数据进行聚类拟合，确定带有语义的道路结构信息。
构建单元，用于基于道路结构信息，构建电子地图。
在一种可能的实施方式中，装置还包括：
第一位姿信息确定模块，用于基于车辆上安装的定位装置确定车辆的第一位姿信息。
第一畸变去除模块，基于车辆的第一位姿信息对车辆上的激光雷达在不同时刻获取的点云数据进行畸变去除，得到点云数据集。
在一种可能的实施方式中，装置还包括：
位姿优化模块，用于基于不同时刻的点云数据、不同时刻的图像数据以及车辆的轮胎转速信息中的至少一项，对第一位姿信息进行优化，得到车辆的第二位姿信息。
在一种可能的实施方式中，装置还包括：
调整模块，用于基于车辆的位姿信息对不同时刻得到的多个第一语义点云数据和多个第二语义点云数据进行调整，得到车辆坐标系下的多个第一语义点云数据和多个第二语义点云数据。
在一种可能的实施方式中，装置还包括:
第二畸变去除模块，用于对视觉系统获取的初始图像数据进行畸变去除，得到第一时刻的图像数据。
在一种可能的实施方式中，第一语义标签添加模块用于将点云数据集中第一时刻的点云数据输入到第二语义识别模型中，由第二语义模型为点云数据集中的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据。
通过本申请实施例提供的电子地图构建装置，计算机设备可以基于车辆的第一位姿信息对图像数据和点云数据进行畸变去除，提高数据的准确性，为进行畸变去除后的图像数据中的像素短和点云数据添加语义标签，得到语义像素点和语义点云数据。计算机设备可以基于语义像素点为没有成功添加标签的点云数据添加语义标签，保证了每个点云数据均有对应的语义标签。通过不同时刻获取的点云数据、图像数据以及车辆的轮胎转速信息对车辆第一位姿信息进行优化，得到第二位姿信息，基于第二位姿信息对语义点云数据进行调整，基于调整后的语义点云数据构建电子地图，构建的电子地图中包含语义点云数据中完整的语义信息，在后续使用该电子地图进行自动驾驶的过程中，可以提高自动驾驶的安全性。
需要说明的是：上述实施例提供的电子地图构建装置在构建电子地图时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将计算机设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的电子地图构建装置与电子地图构建方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图8是本申请实施例提供的一种计算机设备的结构示意图。该计算机设备800可以是：便携式计算机设备、膝上型计算机设备以及台式计算机设备等其他名称。
通常，计算机设备800包括有：一个或多个处理器801和一个或多个存储器802。
处理器801可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器801可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器801也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器801可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器801还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器802可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器802还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器802中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的电子地图构建方法。
在一些实施例中，计算机设备800还可选包括有：外围设备接口803和至少一个外围设备。处理器801、存储器802和外围设备接口803之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口803相连。具体地，外围设备包括：射频电路804、显示屏805和电源806中的至少一种。
外围设备接口803可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器801和存储器802。在一些实施例中，处理器801、存储器802和外围设备接口803被集成在同一芯片或电路板上；在一些其他实施例中，处理器801、存储器802和外围设备接口803中的任意一个或两个可以在单独的芯片或电路板上实现，本申请实施例对此不加以限定。
射频电路804用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路804通过电磁信号与通信网络以及其他通信设备进行通信。射频电路804将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路804包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路804可以通过至少一种无线通信协议来与其它计算机设备进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路804还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请实施例对此不加以限定。
显示屏805用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏805是触摸显示屏时，显示屏805还具有采集在显示屏805的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器801进行处理。此时，显示屏805还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏805可以为一个，设置计算机设备800的前面板；在另一些实施例中，显示屏805可以为至少两个，分别设置在计算机设备800的不同表面或呈折叠设计；在再一些实施例中，显示屏805可以是柔性显示屏，设置在计算机设备800的弯曲表面上或折叠面上。甚至，显示屏805还可以设置成非矩形的不规则图形，也即异形屏。显示屏805可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-EmittingDiode,有机发光二极管)等材质制备。
电源806用于为计算机设备800中的各个组件进行供电。电源806可以是交流电、直流电、一次性电池或可充电电池。
本领域技术人员可以理解，图8中示出的结构并不构成对计算机设备800的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
在示例性实施例中，还提供了一种存储介质，例如包括指令的存储器，上述指令可由处理器执行以完成上述实施例中的电子地图的生成方法。例如，该存储介质可以是只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来程序代码相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
上述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (14)
1.一种电子地图构建方法，其特征在于，所述方法包括：
为点云数据集中第一时刻的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据；
将所述第一时刻的图像数据输入到第一语义识别模型中，由所述第一语义识别模型为所述图像数据中每个像素点添加语义标签，得到多个语义像素点，其中，所述图像数据由车辆上的视觉系统获取；
将与所述多个语义像素点的对应的目标点云数据转化到与所述多个语义像素点相同的坐标系下，所述目标点云数据为所述点云数据集中未成功添加语义标签的点云数据；
将语义像素点携带的语义标签添加到与所述语义像素点坐标重合的目标点云数据上，得到多个第二语义点云数据；
将不同时刻得到的多个第一语义点云数据和多个第二语义点云数据转化到世界坐标系下，得到多个第一目标语义点云数据和多个第二目标语义点云数据；
对所述多个第一目标语义点云数据和所述多个第二目标语义点云数据进行聚类拟合，确定带有语义的道路结构信息；
基于所述道路结构信息，构建所述电子地图。
2.根据权利要求1所述的方法，其特征在于，所述为点云数据集中第一时刻的点云数据添加语义标签之前，所述方法还包括：
基于所述车辆上安装的定位装置确定车辆的第一位姿信息；
基于所述车辆的第一位姿信息对所述车辆上的激光雷达在不同时刻获取的点云数据进行畸变去除，得到所述点云数据集。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
基于不同时刻的点云数据、不同时刻的图像数据以及所述车辆的轮胎转速信息中的至少一项，对所述第一位姿信息进行优化，得到所述车辆的第二位姿信息。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
基于所述车辆的第二位姿信息对所述不同时刻得到的多个第一语义点云数据和多个第二语义点云数据进行调整，得到车辆坐标系下的多个第一语义点云数据和多个第二语义点云数据。
5.根据权利要求1所述的方法，其特征在于，所述将所述第一时刻的图像数据输入到第一语义识别模型中之前，所述方法还包括:
对所述视觉系统在所述第一时刻获取的初始图像数据进行畸变去除，得到所述第一时刻的图像数据。
6.根据权利要求1所述的方法，其特征在于，所述为点云数据集中的第一时刻的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据，包括：
将所述点云数据集中第一时刻的点云数据输入到第二语义识别模型中，由所述第二语义识别模型为所述点云数据集中的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据。
7.一种电子地图构建装置，其特征在于，所述装置包括：
第一语义标签添加模块，用于为点云数据集中第一时刻的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据；
第二语义标签添加模块，用于将所述第一时刻的图像数据输入到第一语义识别模型中，由所述第一语义识别模型为所述图像数据中每个像素点添加语义标签，得到多个语义像素点，其中，所述图像数据由车辆上的视觉系统获取；
第三语义标签添加模块，用于将与所述多个语义像素点的对应的目标点云数据转化到与所述多个语义像素点相同的坐标系下，所述目标点云数据为所述点云数据集中未成功添加语义标签的点云数据；将语义像素点携带的语义标签添加到与所述语义像素点坐标重合的目标点云数据上，得到多个第二语义点云数据；
构建模块，用于将不同时刻得到的多个第一语义点云数据和多个第二语义点云数据转化到世界坐标系下，得到多个第一目标语义点云数据和多个第二目标语义点云数据；对所述多个第一目标语义点云数据和所述多个第二目标语义点云数据进行聚类拟合，确定带有语义的道路结构信息；基于所述道路结构信息，构建所述电子地图。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第一位姿信息确定模块，用于基于所述车辆上安装的定位装置确定车辆的第一位姿信息；
第一畸变去除模块，基于所述车辆的第一位姿信息对所述车辆上的激光雷达在不同时刻获取的点云数据进行畸变去除，得到所述点云数据集。
9.根据权利要求8所述的装置，其特征在于，所述装置还包括：
位姿优化模块，用于基于不同时刻的点云数据、不同时刻的图像数据以及所述车辆的轮胎转速信息中的至少一项，对所述第一位姿信息进行优化，得到所述车辆的第二位姿信息。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括：
调整模块，用于基于所述车辆的位姿信息对所述不同时刻得到的多个第一语义点云数据和多个第二语义点云数据进行调整，得到车辆坐标系下的多个第一语义点云数据和多个第二语义点云数据。
11.根据权利要求7所述的装置，其特征在于，所述装置还包括:
第二畸变去除模块，用于对所述视觉系统获取的初始图像数据进行畸变去除，得到所述第一时刻的图像数据。
12.根据权利要求7所述的装置，其特征在于，所述第一语义标签添加模块用于将所述点云数据集中第一时刻的点云数据输入到第二语义识别模型中，由所述第二语义识别模型为所述点云数据集中的点云数据添加语义标签，将成功添加语义标签的点云数据确定为第一语义点云数据。
13.一种计算机设备，其特征在于，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现如权利要求1至权利要求6任一项所述的电子地图构建方法所执行的操作。
14.一种存储介质，其特征在于，所述存储介质中存储有至少一条程序代码，所述程序代码由处理器加载并执行以实现如权利要求1至权利要求6任一项所述的电子地图构建方法所执行的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911334637.3A CN111125283B (zh) | 2019-12-23 | 2019-12-23 | 电子地图构建方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911334637.3A CN111125283B (zh) | 2019-12-23 | 2019-12-23 | 电子地图构建方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111125283A CN111125283A (zh) | 2020-05-08 |
| CN111125283B true CN111125283B (zh) | 2022-11-15 |
Family
ID=70501962
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911334637.3A Active CN111125283B (zh) | 2019-12-23 | 2019-12-23 | 电子地图构建方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111125283B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111737278B (zh) * | 2020-08-05 | 2020-12-04 | 鹏城实验室 | 同时定位与建图方法、系统、设备及存储介质 |
| CN112801200B (zh) * | 2021-02-07 | 2024-02-20 | 文远鄂行(湖北)出行科技有限公司 | 一种数据包筛选方法、装置、设备和存储介质 |
| CN114440856A (zh) * | 2022-01-21 | 2022-05-06 | 北京地平线信息技术有限公司 | 一种构建语义地图的方法及装置 |
| CN115638788B (zh) * | 2022-12-23 | 2023-03-21 | 安徽蔚来智驾科技有限公司 | 语义矢量地图的构建方法、计算机设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101272377B1 (ko) * | 2011-12-19 | 2013-06-07 | 한국과학기술원 | 시맨틱 클라우드에 기반한 시맨틱 어노테이션 방법 및 장치 |
| CN109461211A (zh) * | 2018-11-12 | 2019-03-12 | 南京人工智能高等研究院有限公司 | 基于视觉点云的语义矢量地图构建方法、装置和电子设备 |
| CN110243370A (zh) * | 2019-05-16 | 2019-09-17 | 西安理工大学 | 一种基于深度学习的室内环境三维语义地图构建方法 |
-
2019
- 2019-12-23 CN CN201911334637.3A patent/CN111125283B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101272377B1 (ko) * | 2011-12-19 | 2013-06-07 | 한국과학기술원 | 시맨틱 클라우드에 기반한 시맨틱 어노테이션 방법 및 장치 |
| CN109461211A (zh) * | 2018-11-12 | 2019-03-12 | 南京人工智能高等研究院有限公司 | 基于视觉点云的语义矢量地图构建方法、装置和电子设备 |
| CN110243370A (zh) * | 2019-05-16 | 2019-09-17 | 西安理工大学 | 一种基于深度学习的室内环境三维语义地图构建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111125283A (zh) | 2020-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111125283B (zh) | 电子地图构建方法、装置、计算机设备和存储介质 | |
| CN111060117B (zh) | 局部地图构建方法、装置、计算机设备以及存储介质 | |
| CN112329725B (zh) | 一种道路场景的要素识别方法、装置、设备以及存储介质 | |
| CN111127590B (zh) | 一种二阶贝塞尔曲线绘制方法及装置 | |
| CN112462348B (zh) | 激光点云数据增广的方法、装置及存储介质 | |
| CN113205515B (zh) | 目标检测方法、装置、及计算机存储介质 | |
| WO2021103512A1 (en) | Method and apparatus for generating electronic map | |
| US10628976B2 (en) | Information processing system, information processing method, and storage medium | |
| CN116052097A (zh) | 一种地图要素检测方法、装置、电子设备和存储介质 | |
| CN113761255A (zh) | 机器人室内定位方法、装置、设备及存储介质 | |
| US20210156697A1 (en) | Method and device for image processing and mobile apparatus | |
| CN110770540B (zh) | 用于构建环境模型的方法和装置 | |
| US20180357190A1 (en) | Memory sharing for application offload from host processor to integrated sensor hub | |
| CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
| CN114674328B (zh) | 地图生成方法、装置、电子设备、存储介质、及车辆 | |
| CN113269730B (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
| CN115731273A (zh) | 位姿图优化方法及装置、电子设备和存储介质 | |
| CN113780239B (zh) | 虹膜识别方法、装置、电子设备和计算机可读介质 | |
| CN114266876B (zh) | 定位方法、视觉地图的生成方法及其装置 | |
| CN115077539A (zh) | 一种地图生成方法、装置、设备以及存储介质 | |
| CN110120075B (zh) | 用于处理信息的方法和装置 | |
| CN113920174A (zh) | 点云配准方法、装置、设备、介质和自动驾驶车辆 | |
| CN113869147A (zh) | 目标检测方法及装置 | |
| WO2020250313A1 (ja) | 多角形検索方法 | |
| CN112163062A (zh) | 数据处理方法、装置、计算机设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200611 Address after: 215100 16 / F, Lingyu Business Plaza, 66 qinglonggang Road, high speed rail new town, Xiangcheng District, Suzhou City, Jiangsu Province Applicant after: SUZHOU ZHIJIA TECHNOLOGY Co.,Ltd. Applicant after: Zhijia (Cayman) Co. Applicant after: Zhijia (USA) Address before: 215100 16 / F, Lingyu Business Plaza, 66 qinglonggang Road, high speed rail new town, Xiangcheng District, Suzhou City, Jiangsu Province Applicant before: SUZHOU ZHIJIA TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210312 Address after: 16 / F, Lingyu Business Plaza, 66 qinglonggang Road, high speed rail new town, Xiangcheng District, Suzhou City, Jiangsu Province Applicant after: SUZHOU ZHIJIA TECHNOLOGY Co.,Ltd. Applicant after: Zhijia (USA) Address before: 215100 16 / F, Lingyu Business Plaza, 66 qinglonggang Road, high speed rail new town, Xiangcheng District, Suzhou City, Jiangsu Province Applicant before: SUZHOU ZHIJIA TECHNOLOGY Co.,Ltd. Applicant before: Zhijia (Cayman) Co. Applicant before: Zhijia (USA) |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |