CN111209826B - 一种高精度地图护栏的半自动点云提取方法及装置 - Google Patents

一种高精度地图护栏的半自动点云提取方法及装置 Download PDF

Info

Publication number
CN111209826B
CN111209826B CN201911401194.5A CN201911401194A CN111209826B CN 111209826 B CN111209826 B CN 111209826B CN 201911401194 A CN201911401194 A CN 201911401194A CN 111209826 B CN111209826 B CN 111209826B
Authority
CN
China
Prior art keywords
guardrail
point
point cloud
shape
points
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
Application number
CN201911401194.5A
Other languages
English (en)
Other versions
CN111209826A (zh
Inventor
姚懿丹
夏梦龙
胡婉利
周超
刘奋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heading Data Intelligence Co Ltd
Original Assignee
Heading Data Intelligence Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Heading Data Intelligence Co Ltd filed Critical Heading Data Intelligence Co Ltd
Priority to CN201911401194.5A priority Critical patent/CN111209826B/zh
Publication of CN111209826A publication Critical patent/CN111209826A/zh
Application granted granted Critical
Publication of CN111209826B publication Critical patent/CN111209826B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Graphics (AREA)
  • Processing Or Creating Images (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种高精度地图护栏的半自动点云提取方法及装置，根据行车轨迹的高程对激光点云数据进行上下分层处理，得到路面点云和路上点云；然后确定护栏方向；在护栏方向上依次生成多个包含护栏点云的立方体BOX，提取具有护栏上轮廓特征的形点集合，最后根据点云形点绘制高精度护栏。本发明可以快速制作护栏，并且提供高精度的护栏障碍物的位置，提高自动驾驶的精度。

Description

一种高精度地图护栏的半自动点云提取方法及装置
技术领域
本发明涉及高精度地图数据生产及自动驾驶技术领域，具体涉及高精度地图数据中护栏要素的半自动点云提取方法及装置。
背景技术
高精度地图，通俗来讲就是精度更高、数据维度更多的电子地图。精度更高体现在精确到厘米级别，数据维度更多体现在其包括了除道路信息之外的与交通相关的周围静态信息。例如车道线的位置、类型、宽度、坡度和曲率等车道信息以及交通标志、交通信号灯、车道限高、下水道口、障碍物及其他道路细节等车道周边的固定对象信息。
而车道护栏是与交通相关的静态信息中的重要组成部分。高精度地图传统的绘制方法是采用人工选取护栏外轮廓进行选点绘制，耗时长。
发明内容
本发明针对现有技术中存在的技术问题，提供一种高精度地图护栏的半自动点云提取方法及装置，在对点云进行预处理的基础上对点云中护栏特征点进行提取，创建三维地图中的护栏，本发明提供的方法可以快速制作护栏，并且提供高精度的护栏障碍物的位置，提高自动驾驶的精度。
本发明解决上述技术问题的技术方案如下：
第一方面，本发明提供一种高精度地图护栏的半自动点云提取方法，包括以下步骤：
S1、根据行车轨迹的高程对激光点云数据进行上下分层处理，得到路面点云和路上点云；
S2、在路面点云的护栏的上轮廓的起点处选取一个形点，在沿行车方向距离护栏起点预设距离处的护栏上轮廓上选取一个方向点，根据起点和方向点的向量确定护栏方向；
S3、选取所述护栏方向上距离所述起点单位距离的形点p，并以所述起点和形点p作为立方体的相对两面的中心点，构建立方体BOX；获取所述立方体BOX范围内的点云，采用聚类方法得到具有护栏上轮廓特征的形点集合；
S4、根据所述形点集合中沿行车方向的最后两个形点确定下一次护栏向量，将最末点作为新的起点，然后跳转至步骤S3重新构建立方体BOX；
S5、重复步骤S3和步骤S4，直至当前路段护栏轮廓形点均已提取完毕；
S6、将最终得到的所有点云形点进行形点优化得到高精度护栏。
与现有技术相比：
1、该方案综合考虑了自动驾驶需求，为高精度地图的绘制提供一种快速的采集方式，传统高精度地图的绘制采用人工选取护栏外轮廓进行选点绘制，耗时长，本方案提供一种自动采集的方式，根据绘制的护栏的起点和方向，自动化识别护栏上轮廓特征形点，快速得到高精度护栏参考线；
2、本方案的半自动方式可以识别大部分场景的护栏，由于每次识别的点云范围在单位距离范围内，如1米，所以在道路折角，路口，弯道等场景均能有效识别道路隔离护栏参考线。
进一步的，步骤S6中所述的形点优化包括：对所有形点进行抽稀操作。
进一步的，所述抽稀操作具体为，在最终得到的所有点云形点的集合中，沿护栏方向间隔指定距离(如5米)抽取形点，作为绘制高精度护栏的形点。
进一步的，所述预设距离不小于所述单位距离，且所述预设距离不小于2米，所述单位距离为1米。
第二方面，本发明提供一种高精度地图护栏的半自动点云提取装置，包括：
点云分割模块，用于根据行车轨迹的高程对激光点云数据进行上下分层处理，得到路面点云和路上点云；
方向确定模块，用于在路面点云的护栏的上轮廓的起点处选取一个形点，在沿行车方向距离护栏起点预设距离处的护栏上轮廓上选取一个方向点，根据起点和方向点的向量确定护栏方向；
BOX构建模块，用于选取所述护栏方向上距离所述起点单位距离的形点p，并以所述起点和形点p作为立方体的相对两面的中心点，构建立方体BOX；
形点集合获取模块，用于获取所述立方体BOX范围内的点云，采用聚类方法得到具有护栏上轮廓特征的形点集合；
护栏生成模块，用于将最终得到的所有点云形点进行形点优化得到高精度护栏。
进一步的，该装置还包括形点优化装置，用于对所有形点进行抽稀操作。
进一步的，所述抽稀操作具体为，在最终得到的所有点云形点的集合中，沿护栏方向间隔指定距离抽取形点，作为绘制高精度护栏的形点。
进一步的，所述预设距离不小于所述单位距离，且所述预设距离不小于2米，所述单位距离不小于1米。
第三方面，本发明提供一种电子设备，包括：
存储器，用于存储计算机软件程序；
处理器，用于读取并执行所述存储器存储的计算机软件程序，用于实现本发明第一方面所述的一种高精度地图护栏的半自动点云提取方法。
第四方面，本发明提供一种非暂态计算机可读存储介质，所述存储介质内存储有用于实现本发明第一方面所述的一种高精度地图护栏的半自动点云提取方法的计算机软件程序。
附图说明
图1为本发明实施例提供的一种高精度地图护栏的半自动点云提取方法流程图；
图2为本发明实施例提供的一种高精度地图护栏的半自动点云提取装置结构图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
实施例一
本发明实施例提供一种高精度地图护栏的半自动点云提取方法，如图1所示，包括以下步骤：
S1、根据行车轨迹的高程对激光点云数据进行上下分层处理，得到路面点云和路上点云；
S2、在路面点云的护栏的上轮廓的起点处选取一个形点，在沿行车方向距离护栏起点2米处的护栏上轮廓上选取一个方向点，根据起点和方向点的向量确定护栏方向；
S3、选取所述护栏方向上距离所述起点1米的形点p，并以所述起点和形点p作为立方体的相对两面的中心点，构建立方体BOX；获取所述立方体BOX范围内的点云，采用聚类方法得到具有护栏上轮廓特征的形点集合；
S4、根据所述形点集合中沿行车方向的最后两个形点确定下一次护栏向量，将最末点作为新的起点，然后跳转至步骤S3重新构建立方体BOX；
S5、重复步骤S3和步骤S4，直至当前路段护栏轮廓形点均已提取完毕；
S6、将最终得到的所有点云形点进行形点优化得到高精度护栏。
这里所述的形点优化是指，对所有形点进行抽稀操作。具体的，在最终得到的所有点云形点的集合中，沿护栏方向间隔5米抽取形点，作为绘制高精度护栏的形点。
与现有技术相比：
1、该方案综合考虑了自动驾驶需求，为高精度地图的绘制提供一种快速的采集方式，传统高精度地图的绘制采用人工选取护栏外轮廓进行选点绘制，耗时长，本方案提供一种自动采集的方式，根据绘制的护栏的起点和方向，自动化识别护栏上轮廓特征形点，快速得到高精度护栏参考线；
2、本方案的半自动方式可以识别大部分场景的护栏，由于每次识别的点云范围在1米范围，如1米，所以在道路折角，路口，弯道等场景均能有效识别道路隔离护栏参考线。
实施例二
本发明实施例提供一种高精度地图护栏的半自动点云提取装置，包括：
点云分割模块，用于根据行车轨迹的高程对激光点云数据进行上下分层处理，得到路面点云和路上点云；
方向确定模块，用于在路面点云的护栏的上轮廓的起点处选取一个形点，在沿行车方向距离护栏起点2米处的护栏上轮廓上选取一个方向点，根据起点和方向点的向量确定护栏方向；
BOX构建模块，用于选取所述护栏方向上距离所述起点1米的形点p，并以所述起点和形点p作为立方体的相对两面的中心点，构建立方体BOX；
形点集合获取模块，用于获取所述立方体BOX范围内的点云，采用聚类方法得到具有护栏上轮廓特征的形点集合；
护栏生成模块，用于将最终得到的所有点云形点进行形点优化得到高精度护栏。
形点优化模块，用于对所有形点进行抽稀操作。所述抽稀操作具体为，在最终得到的所有点云形点的集合中，沿护栏方向间隔5米抽取形点，作为绘制高精度护栏的形点。
需要说明的是，实施例一中所述的方法可以通过计算机软件程序实现，基于此，本发明实施例还提供一种电子设备，包括：
存储器，用于存储计算机软件程序；
处理器，用于读取并执行所述存储器存储的计算机软件程序，用于实现实施例一提供的一种高精度地图护栏的半自动点云提取方法。
同时还需说明的是，计算机软件程序中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种高精度地图护栏的半自动点云提取方法，其特征在于，包括以下步骤：
S1、根据行车轨迹的高程对激光点云数据进行上下分层处理，得到路面点云和路上点云；
S2、在路面点云的护栏的上轮廓的起始处选取一个形点，作为起点，在沿行车方向距离起点预设距离处的护栏上轮廓上选取一个方向点，根据起点和方向点的向量确定护栏方向；
S3、选取所述护栏方向上距离所述起点单位距离的形点p，并以所述起点和形点p作为立方体的相对两面的中心点，构建立方体BOX；获取所述立方体BOX范围内的点云，采用聚类方法得到具有护栏上轮廓特征的形点集合；
S4、根据所述形点集合中沿行车方向的最后两个形点确定下一次护栏向量，将最末点作为新的起点，然后跳转至步骤S3重新构建立方体BOX；
S5、重复步骤S3和步骤S4，直至当前路段护栏轮廓形点均已提取完毕；
S6、将最终得到的所有点云形点进行形点优化得到高精度护栏。
2.根据权利要求1所述的方法，其特征在于，步骤S6中所述的形点优化包括：对所有形点进行抽稀操作。
3.根据权利要求2所述的方法，其特征在于，所述抽稀操作具体为，在最终得到的所有点云形点的集合中，沿护栏方向间隔指定距离抽取形点，作为绘制高精度护栏的形点。
4.根据权利要求1所述的方法，其特征在于，所述预设距离不小于所述单位距离。
5.一种高精度地图护栏的半自动点云提取装置，其特征在于，包括：
点云分割模块，用于根据行车轨迹的高程对激光点云数据进行上下分层处理，得到路面点云和路上点云；
方向确定模块，用于在路面点云的护栏的上轮廓的起始处选取一个形点，作为起点，在沿行车方向距离起点预设距离处的护栏上轮廓上选取一个方向点，根据起点和方向点的向量确定护栏方向；
BOX构建模块，用于选取所述护栏方向上距离所述起点单位距离的形点p，并以所述起点和形点p作为立方体的相对两面的中心点，构建立方体BOX；
形点集合获取模块，用于获取所述立方体BOX范围内的点云，采用聚类方法得到具有护栏上轮廓特征的形点集合；
护栏生成模块，用于将最终得到的所有点云形点进行形点优化得到高精度护栏。
6.根据权利要求5所述的装置，其特征在于，该装置还包括形点优化装置，用于对所有形点进行抽稀操作。
7.根据权利要求6所述的装置，其特征在于，所述抽稀操作具体为，在最终得到的所有点云形点的集合中，沿护栏方向间隔指定距离抽取形点，作为绘制高精度护栏的形点。
8.根据权利要求5所述的装置，其特征在于，所述预设距离不小于所述单位距离。
9.一种电子设备，其特征在于，包括：
存储器，用于存储计算机软件程序；
处理器，用于读取并执行所述存储器存储的计算机软件程序，用于实现权利要求1-4任一项所述的一种高精度地图护栏的半自动点云提取方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述存储介质内存储有用于实现权利要求1-4任一项所述的一种高精度地图护栏的半自动点云提取方法的计算机软件程序。
CN201911401194.5A 2019-12-31 2019-12-31 一种高精度地图护栏的半自动点云提取方法及装置 Active CN111209826B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911401194.5A CN111209826B (zh) 2019-12-31 2019-12-31 一种高精度地图护栏的半自动点云提取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911401194.5A CN111209826B (zh) 2019-12-31 2019-12-31 一种高精度地图护栏的半自动点云提取方法及装置

Publications (2)

Publication Number Publication Date
CN111209826A CN111209826A (zh) 2020-05-29
CN111209826B true CN111209826B (zh) 2022-05-27

Family

ID=70784159

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911401194.5A Active CN111209826B (zh) 2019-12-31 2019-12-31 一种高精度地图护栏的半自动点云提取方法及装置

Country Status (1)

Country Link
CN (1) CN111209826B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112926409B (zh) * 2021-02-03 2022-09-02 自然资源部第一海洋研究所 一种水生动物调频类型信号时频特征的人工辅助提取方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008048424A2 (en) * 2006-10-13 2008-04-24 Leica Geosystems Ag Image-mapped point cloud with ability to accurately represent point coordinates
CN108345822A (zh) * 2017-01-22 2018-07-31 腾讯科技（深圳）有限公司 一种点云数据处理方法及装置
CN109858374A (zh) * 2018-12-31 2019-06-07 武汉中海庭数据技术有限公司 高精度地图制作中箭头类标线自动提取方法和装置
CN110363771A (zh) * 2019-07-15 2019-10-22 武汉中海庭数据技术有限公司 一种基于三维点云数据的隔离护栏形点提取方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008048424A2 (en) * 2006-10-13 2008-04-24 Leica Geosystems Ag Image-mapped point cloud with ability to accurately represent point coordinates
CN108345822A (zh) * 2017-01-22 2018-07-31 腾讯科技（深圳）有限公司 一种点云数据处理方法及装置
CN109858374A (zh) * 2018-12-31 2019-06-07 武汉中海庭数据技术有限公司 高精度地图制作中箭头类标线自动提取方法和装置
CN110363771A (zh) * 2019-07-15 2019-10-22 武汉中海庭数据技术有限公司 一种基于三维点云数据的隔离护栏形点提取方法及装置

Also Published As

Publication number Publication date
CN111209826A (zh) 2020-05-29

Similar Documents

Publication Publication Date Title
CN110599570B (zh) 基于众包数据开放场景下的地图生成方法及系统
CN107169464B (zh) 一种基于激光点云的道路边界检测方法
CN109165549B (zh) 基于三维点云数据的道路标识获取方法、终端设备及装置
Yokoyama et al. Detection and classification of pole-like objects from mobile laser scanning data of urban environments
CN108267747B (zh) 基于激光点云的道路特征提取方法和装置
JP6875365B2 (ja) 電子地図における交差点を認識するための方法及び装置
CN111179152B (zh) 一种道路标识识别方法及装置、介质、终端
CN111209291B (zh) 一种利用众包感知地图更新高精度地图的方法及系统
CN110363771B (zh) 一种基于三维点云数据的隔离护栏形点提取方法及装置
CN110349260B (zh) 一种路面标线自动提取方法及装置
CN111427904B (zh) 高精地图数据的更新方法、装置及电子设备
CN109271861B (zh) 多尺度融合的点云交通标识牌自动提取方法
CN110798805B (zh) 基于gps轨迹的数据处理方法、装置及存储介质
EP3211565A2 (en) Physical scene model creation method and device as well as driver assistance method and device
CN114065364B (zh) 基于无人机遥感测绘的城市工程规划方法及系统
EP4120123A1 (en) Scan line-based road point cloud extraction method
CN113378693B (zh) 生成目标检测系统和检测目标的方法及装置
CN114758086B (zh) 一种城市道路信息模型的构建方法及装置
CN111209826B (zh) 一种高精度地图护栏的半自动点云提取方法及装置
JP2018097424A (ja) クラスタリング装置、人工物識別装置、幹検出装置、方法、及びプログラム
CN112307977A (zh) 一种车道限速的自动生成方法及装置
CN111488411B (zh) 道路设施的构建方法以及装置、渲染方法、介质、终端
CN114647681A (zh) 路口匹配方法、设备及存储介质
JP2006023958A (ja) 道路領域決定可能プログラム及び道路領域決定方法
CN114155524A (zh) 单阶段3d点云目标检测方法及装置、计算机设备、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