CN111735464B - 一种港口内激光全局地图建图的方法及装置 - Google Patents

Abstract

本发明公开了一种港口内激光全局地图建图的方法及装置，涉及无人驾驶技术领域，确保激光全局建图的精度和质量，为激光全局定位提供保障，本发明的主要技术方案为：根据激光外参，获取激光系和车体系之间的相对位姿，将激光获取的点云投影到车体系得到激光点云；利用所述激光点云，通过区别车道线和普通地面的反射强度提取目标车道线特征；利用所述激光点云，根据每个点云的深度信息，通过提取柱状物来提取目标围栏特征；获取车体在世界系下的位姿，通过平移和旋转关系将车体系下的点云特征投影到世界系，实现车体系到世界系的点云转换；根据所述目标车道线特征和所述目标围栏特征，构建全局地图。本发明应用于在港口内实施激光全局建图。

Description

一种港口内激光全局地图建图的方法及装置

技术领域

本发明涉及无人驾驶技术领域，尤其涉及一种港口内激光全局地图建图的方法及装置。

背景技术

近年来，随着无人驾驶技术的发展，封闭或半开放场景被认为是无人驾驶最有可能实现批量化运行的条件之一，港口环境即是其中之一。而在采用无人驾驶技术的过程中，为了确保位姿估计的精度，需要结合多种传感器、多种定位方法，基于地图匹配的激光全局定位是常用的定位方法之一，这就对全局地图的精度提出了极高的要求。

港口内环境可以分为三个部分：岸桥区域、堆场区域和通行道路。通常情况下，岸桥区域轨道吊比较密集，可以提取较多线、面特征，且道路标线丰富；堆场区域轨道吊数量少，集装箱堆放位置经常发生变化，从车道两侧的围栏中却能很好得提取柱状物作为特征；通行道路靠近堆场，因此有一侧可以检测到围栏，同时路面标线丰富。

目前，现在激光建图技术中，主要是激光的反射强度和物体的几何形状作为特征进行建图，要求环境中不同物体的反射强度有明显区别，但是会存在以下难点：对于岸桥区域环境和堆场区域环境，无论是轨道吊还是集装箱，对激光的反射强度都比较低，并不足以作为特征来区分不同物体；而在通行道路环境，是比较空旷的，可提供强度信息的参考物较少，如果是使用物体的几何特征作为特征进行建图，轨道吊和集装箱虽然可以提供丰富的点特征和面特征，但是轨道吊会随作业任务的不同而移动，而集装箱的位置变化就更为频繁，所以都不能作为特征来建图。以上，如果以现有提及的这些特征实施激光全局建图，得到地图的精度低、质量差。

发明内容

有鉴于此，本发明提供一种港口内激光全局地图建图的方法及装置，主要目的在于提供了有效地构建港口内激光全局地图的方法，保证激光全局建图的精度和质量，为激光全局定位提供保障。

为了达到上述目的，本发明主要提供如下技术方案：

一方面，本发明提供了一种港口内激光全局地图建图的方法，该方法包括：

根据激光外参，获取激光系和车体系之间的相对位姿，将激光获取的点云投影到车体系得到激光点云；

利用所述激光点云，通过区别车道线和普通地面的反射强度提取目标车道线特征；

利用所述激光点云，根据每个点云的深度信息，通过提取柱状物来提取目标围栏特征；

获取车体在世界系下的位姿，通过平移和旋转关系将车体系下的点云特征投影到世界系，实现车体系到世界系的点云转换；

根据所述目标车道线特征和所述目标围栏特征，构建全局地图。

可选的，所述方法还包括：

对构建地图的杆臂误差进行评估；

对构建地图的绝对坐标进行评估。

可选的，所述获取车体在世界系下的位姿，通过平移和旋转关系将车体系下的点云特征投影到世界系，实现车体系到世界系的点云转换，包括：

通过分段多次采集港口内点云数据，获取车体的位置和姿态；

将所述车体的位置进行车体系相对于世界系的平移，以及再进行车体系相对于世界系的旋转。

可选的，所述利用所述激光点云，通过区别车道线和普通地面的反射强度提取目标车道线特征，包括：

通过所述激光点云对应的高度信息过滤环境干扰，提取地面点；

通过不同材质返回的强度信息过滤掉其它物体的干扰，提取目标车道线特征。

可选的，所述利用所述激光点云，根据每个点云的深度信息，通过提取柱状物来提取目标围栏特征，包括：

根据所述激光点云对应的不同的深度信息获取不同的点云间隔；

根据不同的深度信息获取不同的深度差；

遍历每个点云信息，判断当前点云和其对应的左右两边的点云之间深度差；

判断所述深度差是否达到预设阈值；

若是，则将所述当前点云对应的左右两边的点云对应确定为围栏点；

根据预设规则，从所述围栏点中确定目标围栏特征。

可选的，所述根据所述目标车道线特征和所述目标围栏特征，构建全局地图，包括：

将所述目标车道线特征和所述目标围栏特征转换到世界坐标系下；

通过累积点云，将所述目标车道线特征和所述目标围栏特征累加到全局地图中；

对构建的所述全局地图进行降采样。

另一方面，本发明还提供了一种港口内激光全局地图建图的装置，该装置包括：

点云转换单元，用于根据激光外参，获取激光系和车体系之间的相对位姿，将激光获取的点云投影到车体系得到激光点云；

特征提取单元，用于利用所述激光点云，通过区别车道线和普通地面的反射强度提取目标车道线特征；

所述特征提取单元，还用于利用所述激光点云，根据每个点云的深度信息，通过提取柱状物来提取目标围栏特征；

融合定位单元，用于获取车体在世界系下的位姿，通过平移和旋转关系将车体系下的点云特征投影到世界系，实现车体系到世界系的点云转换；

地图构建单元，用于根据所述目标车道线特征和所述目标围栏特征，构建全局地图。

可选的，所述装置还包括：

质量评估单元，用于对构建地图的杆臂误差进行评估；

所述质量评估单元，还用于对构建地图的绝对坐标进行评估。

可选的，所述融合定位单元包括：

获取模块，用于通过分段多次采集港口内点云数据，获取车体的位置和姿态；

执行模块，用于将所述车体的位置进行车体系相对于世界系的平移，以及再进行车体系相对于世界系的旋转。

可选的，所述特征提取单元包括：

提取模块，用于通过所述激光点云对应的高度信息过滤环境干扰，提取地面点；

所述提取模块，还用于通过不同材质返回的强度信息过滤掉其它物体的干扰，提取目标车道线特征。

可选的，所述特征提取单元包括：

获取模块，用于根据所述激光点云对应的不同的深度信息获取不同的点云间隔；

所述获取模块，还用于根据不同的深度信息获取不同的深度差；

所述获取模块，还用于遍历每个点云信息，获取当前点云和其对应的左右两边的点云之间深度差；

判断模块，用于判断所述深度差是否达到预设阈值；

确定模块，用于当所述判断模块判断所述深度差是达到预设阈值时，将所述当前点云对应的左右两边的点云对应确定为围栏点；

所述确定模块，还用于根据预设规则，从所述围栏点中确定目标围栏特征。

可选的，所述地图构建单元包括：

转换模块，用于将所述目标车道线特征和所述目标围栏特征转换到世界坐标系下；

累加模块，用于通过累积点云，将所述目标车道线特征和所述目标围栏特征累加到全局地图中；

执行模块，用于对构建的所述全局地图进行降采样。

再一方面，本发明还提供一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行如上述的港口内激光全局地图建图的方法。

又一方面，本发明还提供一种电子设备，所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；

其中，所述处理器、所述存储器通过所述总线完成相互间的通信；

所述处理器用于调用所述存储器中的程序指令，以执行如上述的港口内激光全局地图建图的方法。

借由上述技术方案，本发明提供的技术方案至少具有下列优点：

本发明提供一种港口内激光全局地图建图的方法及装置，本发明是将港口内车道线的反射强度和围栏的柱状物检测结果作为特征，同时从高精度融合定位结果中获取位姿变换关系，将单帧点云提取的特征投影到世界坐标系下进行建图，相较于现有技术激光全局建图精度低、质量差的问题，本发明能够保证在复杂多变的港口环境内全局地图的精度和质量。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明实施例提供的一种港口内激光全局地图建图的方法流程图；

图2为本发明实施例提供的另一种港口内激光全局地图建图的方法流程图；

图3为本发明实施例提供的在原始灰度图中对车道线特征进行提取的效果图；

图4为本发明实施例提供的一种港口内激光全局地图建图的装置的组成框图；

图5为本发明实施例提供的另一种港口内激光全局地图建图的装置的组成框图；

图6为本发明实施例提供的港口内激光全局地图建图的电子设备。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种港口内激光全局地图建图的方法，如图1所示，该方法是将港口内车道线的反射强度和围栏的柱状物检测结果作为特征，同时从高精度融合定位结果中获取位姿变换关系，将单帧点云提取的特征投影到世界坐标系下进行建图，对此本发明实施例提供以下具体步骤：

101、根据激光外参，获取激光系和车体系之间的相对位姿，将激光获取的点云投影到车体系得到激光点云。

其中，激光产生的数据是基于自身坐标系的，考虑到多个激光的融合，首先需要知道每个激光雷达在车辆所确定的坐标系中的位姿，这一位姿表示称为激光雷达的外部参数。

在本发明实施例中，给出的应用场景是：在无人集卡上预先安装多个雷达，使用无人集卡在港口内行驶，根据激光外参，获取激光系和车体系之间的相对位姿，也就是，根据激光安装位置相对于车体参考点的位置和姿态，将激光获取的点云投影到车体系得到激光点云。

在本发明实施例中，在点云投影到车体坐标系后，标定得到激光系相对于车体系的相对值，获取激光点云。激光坐标系x轴指向车体正前方，呈现右手螺旋定则，标定得到激光系相对于车体系的杆臂值和旋转角度及激光系下一个点云的坐标。

102、利用激光点云，通过区别车道线和普通地面的反射强度提取目标车道线特征。

在本发明实施例中，通过不同材质返回的强度信息过滤掉其它物体的干扰，提取车道线。不同材质返回的强度信息往往不同，实验表明，普通地面的反射强度通常小于30，而车道线的反射强度要高于地面反射强度，部分车道线的反射强度可以达到100以上，因此可以根据反射强度过滤掉普通路面，保留车道线上的特征点。

103、利用激光点云，根据每个点云的深度信息，通过提取柱状物来提取目标围栏特征。

在本发明实施例中，根据不同的深度信息获取不同的点云间隔。港口场景中，围栏之间间隔在1米以上，且附近没有其它物体干扰，无人集卡在作业过程中距离围栏较近，所以可以根据每个点云的深度信息，提取围栏特征。

104、获取车体在世界系下的位姿，通过平移和旋转关系将车体系下的点云特征投影到世界系，实现车体系到世界系的点云转换。

需要说明的是，用于建图的点云特征需要转换到世界坐标系下，这样才能够在匹配之后提供绝对位姿，所以需要车体系和世界系之间的平移和旋转关系将车体系下的点云投影到世界系。

105、根据目标车道线特征和目标围栏特征，构建全局地图。

本发明实施例提供一种港口内激光全局地图建图的方法，本发明实施例是将港口内车道线的反射强度和围栏的柱状物检测结果作为特征，同时从高精度融合定位结果中获取位姿变换关系，将单帧点云提取的特征投影到世界坐标系下进行建图，相较于现有技术激光全局建图精度低、质量差的问题，本发明实施例能够保证在复杂多变的港口环境内全局地图的精度和质量。

为了对上述实施例做出更加详细的说明，本发明实施例还提供了另一种港口内激光全局地图建图的方法，如图2所示，该方法有对上述实施例进行细化陈述，以及还补充陈述对构建的地图进行质量评估的方法，对此本发明实施例提供以下具体步骤：

201、根据激光外参，获取激光系和车体系之间的相对位姿，将激光获取的点云投影到车体系得到激光点云。

在本发明实施例中，可以根据车辆外观，预先安装多个激光雷达。例如，两个 32线激光雷达分别安装在车头两侧，和车体呈刚性连接，距离地面高度1.5米，这样既可以扫描到车道线也可以扫描到围栏。每一帧点云数据在激光坐标系下，需要提前标定激光相对于车体运动中心的杆臂值和旋转角度，将点云投影到车体坐标系。

在点云投影到车体坐标系后，标定得到激光系相对于车体系的相对值，获取激光点云。激光坐标系x轴指向车体正前方，呈现右手螺旋定则，标定得到激光系相对于车体系的杆臂值为

，旋转角度为

，激光系下一个点云的坐标为

。

由旋转角度构造旋转矩阵，如下公式：

公式（1）；

激光系中每个点云转换到机体系为，如下公式：

公式（2）；

其中，x、y、z分别为x轴方向， y轴方向，z轴方向。

为激光系相对于车体系旋转坐标后形成的旋转矩阵，

分别为x轴方向，y轴方向， z轴方向的旋转矩阵。机体系下一个点云的坐标为

。

202、利用激光点云，通过区别车道线和普通地面的反射强度提取目标车道线特征；

在本发明实施例中，首先是通过激光点云对应的高度信息过滤环境干扰，提取地面点；然后，通过不同材质返回的强度信息过滤掉其它物体的干扰，提取目标车道线特征，具体陈述为如下：

通过高度信息过滤环境干扰，提取地面点。激光的检测距离可以达到100米以上，为了保证数据有效，选择在距离当前位置50米以内的点云中提取特征，所以首先定义一个边长50米的矩形框，保留框内的点，移除框外的点。为了能够更好的区别车道线和普通地面，过滤掉环境中其它物体的干扰，需要通过高度信息初步提取出地面点云，这里选择距离地面0.2米以内的点为地面特征点。

通过不同材质返回的强度信息过滤掉其它物体的干扰，提取车道线。不同材质返回的强度信息往往不同，实验表明，普通地面的反射强度通常小于30，而车道线的反射强度要高于地面反射强度，部分车道线的反射强度可以达到100以上，因此可以根据反射强度过滤掉普通路面，保留车道线上的特征点。例如，得到如图3所示的，在原始灰度图中对车道线特征进行提取的效果图。

203、利用激光点云，根据每个点云的深度信息，通过提取柱状物来提取目标围栏特征。

对于本发明实施例，是考虑无人集卡在作业过程中距离围栏较近，根据每个点云的深度信息，通过提取柱状物来提取围栏特征。具体陈述如下：

首先是，根据激光点云对应的不同的深度信息获取不同的点云间隔。

港口场景中，围栏之间间隔在1米以上，且附近没有其它物体干扰，无人集卡在作业过程中距离围栏较近，所以可以根据每个点云的深度信息，提取围栏特征。具体计算过程如下公式：

公式（3）；

其中

是最大间隔，

是点云的深度信息，

是点云深度的缩放因子，

是点云深度的最大有效距离。

其次是，根据不同的深度信息获取不同的深度差。在获取不同的点云间隔基础上，需要定义深度差最大阈值和最小阈值。具体计算过程如下公式：

公式（4）；

其中，

是深度差最大阈值，

是深度差最小阈值，

是点云的深度信息。

再者，遍历每个点云信息，判断当前点云和其对应的左右两边的点云之间深度差，目的是获取可能的围栏点。进一步的，依次遍历每个点云，当前点云和它左右两边的点云之间深度差超过阈值，则视为可能的围栏点，判断条件如下公式：

公式（5）；

其中，

是左侧点云距离当前点云的深度差，

是右侧点云距离当前点云的深度差，

是以上根据不同深度计算出来的深度差阈值。

最后，从可能的围栏点中确定最终的围栏特征点。对于提取最终的围栏特征点，也就是目标围栏特征，在此可以预先设定提取规则，从而根据该规则，实现自动化处理。比如，对于每个可能的围栏点，如果其上面或下面一个线束上对应位置的点云也是可能的围栏点，那么可以确定该点为围栏特征点，也就是目标围栏特征。

204、获取车体在世界系下的位姿，通过平移和旋转关系将车体系下的点云特征投影到世界系，实现车体系到世界系的点云转换。

本步骤中，是通过分段多次采集港口内点云数据，获取车体的位置和姿态，将车体的位置进行车体系相对于世界系的平移，以及再进行车体系相对于世界系的旋转，具体陈述如下：

在本发明实施例中，首先是在无人集卡作业过程中获取基于车体系坐标，然后是通过平移和旋转关系将车体系下的点云投影到世界系。用于建图的点云特征需要转换到世界坐标系下，这样才能够在匹配之后提供绝对位姿，所以需要车体系和世界系之间的平移和旋转关系将车体系下的点云投影到世界系，得到车体在世界坐标系下的位置和姿态。

分段多次采集点云数据，以获取融合定位位姿。为了保证融合定位输出结果的精度，整个港口的点云数据需要分段多次采集，保证在采集地图的过程中，遮挡少，卫星信号良好。

输出的位置为

，姿态为

；

车体系相对于世界系的平移：

；

车体系相对于世界系的旋转，如下公式：

公式（6）；

其中，

为车体系相对于世界系的旋转后的旋转矩阵，

分别为x轴方向， y轴方向，z轴方向的车体系相对于世界系旋转后矩阵。

205、根据目标车道线特征和目标围栏特征，构建全局地图。

在本发明实施例中，对于本步骤细化陈述如下：

首先是，将目标车道线特征和目标围栏特征转换到世界坐标系下。

例如，在获取围栏特征基础上，进行坐标系转换。将车道线特征点和围栏特征点都转换到世界坐标系下公式：

公式（7）；

其中，车道线特征点和围栏特征点车体系相对于世界系的平移坐标：

。

其次是，通过对不同特征进行约束分析，累积点云获得全局地图。在车道线特征和围栏特征的提取过程中，已经通过高度对不同的特征进行了约束，所以可以将这两类特征直接累加到全局地图中。

最后是，根据环境中特征丰富度，对构建的全局地图进行降采样。激光的频率是10HZ，因此车速的高低和地图中点云数量呈正比，为了避免地图中点云数据量太大导致计算耗时严重，需要对全局地图降采样，通常选择0.1米或者0.2米的采样间隔，具体根据环境中特征是否丰富来确定。

206、对构建地图的杆臂误差进行评估。

对于本发明实施例，在完成激光全局地图建图后，为保证地图质量，对所构建地图的杆臂误差进行评估。激光系下扫描的点云需要投影到世界系下，在这个过程中涉及到激光系和车体系的相对变换、车体系和世界系的相对变换，以及卫星天线和车体系的相对变换。

激光的杆臂值和卫星天线的杆臂值都可能影响到地图精度，杆臂横纵向偏差的修正过程如下：同一路段，在往返车道上分别采集一组数据，分别建图之后比较同一物体在两个地图上的位置是否存在偏差。

207、对构建地图的绝对坐标进行评估。

杆臂误差确定以后，为保证地图质量，对所构建地图的绝对坐标进行评估。杆臂误差确定以后重新进行离线建图，把点云地图投影到高精度地图影像上来进一步确定地图和全局绝对坐标之间的偏差。

进一步的，作为对上述图1、图2所示方法的实现，本发明实施例提供了一种港口内激光全局地图建图的装置。该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。该装置应用于在港口内实施激光全局地图建图，具体如图4所示，该装置包括：

点云转换单元31，用于根据激光外参，获取激光系和车体系之间的相对位姿，将激光获取的点云投影到车体系得到激光点云；

特征提取单元32，用于利用所述激光点云，通过区别车道线和普通地面的反射强度提取目标车道线特征；

所述特征提取单元32，还用于利用所述激光点云，根据每个点云的深度信息，通过提取柱状物来提取目标围栏特征；

融合定位单元33，用于获取车体在世界系下的位姿，通过平移和旋转关系将车体系下的点云特征投影到世界系，实现车体系到世界系的点云转换；

地图构建单元34，用于根据所述目标车道线特征和所述目标围栏特征，构建全局地图。

进一步的，如图5所示，所述装置还包括：

质量评估单元35，用于对构建地图的杆臂误差进行评估；

所述质量评估单元35，还用于对构建地图的绝对坐标进行评估。

进一步的，如图5所示，所述融合定位单元33包括：

获取模块331，用于通过分段多次采集港口内点云数据，获取车体的位置和姿态；

执行模块332，用于将所述车体的位置进行车体系相对于世界系的平移，以及再进行车体系相对于世界系的旋转。

进一步的，如图5所示，所述特征提取单元32包括：

提取模块321，用于通过所述激光点云对应的高度信息过滤环境干扰，提取地面点；

所述提取模块321，还用于通过不同材质返回的强度信息过滤掉其它物体的干扰，提取目标车道线特征。

进一步的，如图5所示，所述特征提取单元32包括：

获取模块322，用于根据所述激光点云对应的不同的深度信息获取不同的点云间隔；

所述获取模块322，还用于根据不同的深度信息获取不同的深度差；

所述获取模块322，还用于遍历每个点云信息，获取当前点云和其对应的左右两边的点云之间深度差；

判断模块323，用于判断所述深度差是否达到预设阈值；

确定模块324，用于当所述判断模块判断所述深度差是达到预设阈值时，将所述当前点云对应的左右两边的点云对应确定为围栏点；

所述确定模块324，还用于根据预设规则，从所述围栏点中确定目标围栏特征。

进一步的，如图5所示，所述地图构建单元34包括：

转换模块341，用于将所述目标车道线特征和所述目标围栏特征转换到世界坐标系下；

累加模块342，用于通过累积点云，将所述目标车道线特征和所述目标围栏特征累加到全局地图中；

执行模块343，用于对构建的所述全局地图进行降采样。

综上所述，本发明实施例提供一种港口内激光全局地图建图的方法及装置，本发明实施例结合基于几何特征的柱状物提取结果和基于反射强度的车道线提取结果进行建图，从融合定位的输出结果中获取位姿变换关系，将单帧点云提取的特征投影到世界坐标系下，相较于现有技术激光全局建图精度低、质量差的问题，本发明能够保证在复杂多变的港口环境内全局地图的精度和质量，为港口环境下激光全局定位提供保障。同时，本发明实施例提供的方法能有效适用于港口环境车况复杂，在岸桥、堆场等遮挡、半遮挡区域，解决现有技术方案存在难题，拓展港口作业范围。

所述港口内激光全局地图建图的装置包括处理器和存储器，上述融合定位单元、点云转换单元、特征提取单元和地图构建单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提供了有效地构建港口内激光全局地图的方法，保证激光全局建图的精度和质量，为激光全局定位提供保障。

本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述港口内激光全局地图建图的方法。

本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述港口内激光全局地图建图的方法。

本发明实施例提供了一种电子设备40，如图6所示，设备包括至少一个处理器401、以及与处理器401连接的至少一个存储器402、总线403；其中，处理器401、存储器402通过总线403完成相互间的通信；处理器401用于调用存储器402中的程序指令，以执行上述的港口内激光全局地图建图的方法。

本文中的设备可以是服务器、PC、PAD、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：根据激光外参，获取激光系和车体系之间的相对位姿，将激光获取的点云投影到车体系得到激光点云；利用所述激光点云，通过区别车道线和普通地面的反射强度提取目标车道线特征；利用所述激光点云，根据每个点云的深度信息，通过提取柱状物来提取目标围栏特征；获取车体在世界系下的位姿，通过平移和旋转关系将车体系下的点云特征投影到世界系，实现车体系到世界系的点云转换；根据所述目标车道线特征和所述目标围栏特征，构建全局地图。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。

Claims (9)

1.一种港口内激光全局地图建图的方法，其特征在于，所述方法包括：

根据激光外参，获取激光系和车体系之间的相对位姿，将通过激光获取的点云投影到车体系得到激光点云；

利用所述激光点云，通过区别车道线和普通地面的反射强度提取目标车道线特征；

利用所述激光点云，根据每个点云的深度信息，通过提取柱状物来提取目标围栏特征，进一步包括：根据所述激光点云对应的不同的深度信息获取不同的点云间隔；根据不同的深度信息获取不同的深度差；遍历每个点云信息，判断当前点云和其对应的左右两边的点云之间深度差；判断所述深度差是否达到预设阈值；若是，则将所述当前点云对应的左右两边的点云确定为围栏点；根据预设规则，从所述围栏点中确定目标围栏特征；

获取车体在世界系下的位姿，通过平移和旋转关系将车体系下的点云特征投影到世界系，实现车体系到世界系的点云转换；

根据所述目标车道线特征和所述目标围栏特征，构建全局地图。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对构建地图的杆臂误差进行评估；

对构建地图的绝对坐标进行评估。

3.根据权利要求1所述的方法，其特征在于，所述获取车体在世界系下的位姿，通过平移和旋转关系将车体系下的点云特征投影到世界系，实现车体系到世界系的点云转换，包括：

通过分段多次采集港口内点云数据，获取车体的位置和姿态；

将所述车体的位置进行车体系相对于世界系的平移，以及再进行车体系相对于世界系的旋转。

4.根据权利要求1所述的方法，其特征在于，所述利用所述激光点云，通过区别车道线和普通地面的反射强度提取目标车道线特征，包括：

通过所述激光点云对应的高度信息过滤环境干扰，提取地面点；

通过不同材质返回的强度信息过滤掉其它物体的干扰，提取目标车道线特征。

5.根据权利要求1所述的方法，其特征在于，所述根据所述目标车道线特征和所述目标围栏特征，构建全局地图，包括：

将所述目标车道线特征和所述目标围栏特征转换到世界系下；

通过累积点云，将所述目标车道线特征和所述目标围栏特征累加到全局地图中；

对构建的所述全局地图进行降采样。

6.一种港口内激光全局地图建图的装置，其特征在于，所述装置包括：

点云转换单元，用于根据激光外参，获取激光系和车体系之间的相对位姿，将通过激光获取的点云投影到车体系得到激光点云；

特征提取单元，用于利用所述激光点云，通过区别车道线和普通地面的反射强度提取目标车道线特征；

所述特征提取单元，还用于利用所述激光点云，根据每个点云的深度信息，通过提取柱状物来提取目标围栏特征；

所述特征提取单元包括：获取模块、判断模块和确定模块；

所述获取模块，用于根据所述激光点云对应的不同的深度信息获取不同的点云间隔；

所述获取模块，还用于根据不同的深度信息获取不同的深度差；

所述获取模块，还用于遍历每个点云信息，获取当前点云和其对应的左右两边的点云之间深度差；

所述判断模块，用于判断所述深度差是否达到预设阈值；

所述确定模块，用于当所述判断模块判断所述深度差是达到预设阈值时，将所述当前点云对应的左右两边的点云确定为围栏点；

所述确定模块，还用于根据预设规则，从所述围栏点中确定目标围栏特征；

融合定位单元，用于获取车体在世界系下的位姿，通过平移和旋转关系将车体系下的点云特征投影到世界系，实现车体系到世界系的点云转换；

地图构建单元，用于根据所述目标车道线特征和所述目标围栏特征，构建全局地图。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

质量评估单元，用于对构建地图的杆臂误差进行评估；

所述质量评估单元，还用于对构建地图的绝对坐标进行评估。

8.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行如权利要求1-5中任一项所述的港口内激光全局地图建图的方法。

9.一种电子设备，其特征在于，所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；

其中，所述处理器、所述存储器通过所述总线完成相互间的通信；

所述处理器用于调用所述存储器中的程序指令，以执行如权利要求1-5中任一项所述的港口内激光全局地图建图的方法。

Images