CN111829535B - 生成离线地图的方法、装置、电子设备和存储介质 - Google Patents
生成离线地图的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111829535B CN111829535B CN202010506742.7A CN202010506742A CN111829535B CN 111829535 B CN111829535 B CN 111829535B CN 202010506742 A CN202010506742 A CN 202010506742A CN 111829535 B CN111829535 B CN 111829535B
- Authority
- CN
- China
- Prior art keywords
- pictures
- initial
- test point
- world coordinate
- posture information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 112
- 230000007613 environmental effect Effects 0.000 claims abstract description 157
- 230000008569 process Effects 0.000 claims abstract description 59
- 238000012360 testing method Methods 0.000 claims description 183
- 230000015654 memory Effects 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3848—Data obtained from both position sensors and additional sensors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3837—Data obtained from a single source
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3863—Structures of map data
- G01C21/387—Organisation of map data, e.g. version management or database structures
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/579—Depth or shape recovery from multiple images from motion
-
- 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
-
- 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
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30244—Camera pose
-
- 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
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Mechanical Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Transportation (AREA)
- Educational Technology (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请公开了生成离线地图的方法、装置、电子设备和存储介质,涉及自动驾驶、自主泊车技术领域。具体实现方案为:获取车辆的相机在目标路段行驶过程中依次采集的第1至第N环境图片;在第1至第N环境图片中选取第i至第j环境图片进行第一批次三维建模,以得到相机的第一姿态信息和第一世界坐标;基于第一姿态信息和第一世界坐标,根据第1至第i‑1环境图片和第j+1至第N环境图片并行进行第二批次三维建模,以得到第二世界坐标和第三世界坐标;根据前述世界坐标,生成目标路段的离线地图。由此,根据获取到的环境图片,进行两个批次的三维建模,以生成可即学即用的离线地图,保证了离线地图的准确性、缩短了生成离线地图过程的耗时。
Description
技术领域
本申请的实施例总体上涉及计算机技术领域,并且更具体地涉及自动驾驶、自主泊车技术领域。
背景技术
在车辆的行驶过程中,根据离线地图控制车辆的行驶,能够实现自动驾驶、自主泊车,从而实现有效降低交通事故发生率,明显减少因尾气排放等导致空气污染的因素的目的。因此,如何在确保离线地图准确性的同时,能够提高离线地图的生成速度,已成为了重要的研究方向之一。
发明内容
本申请提供了一种生成离线地图的方法、装置、电子设备和存储介质。
根据第一方面,提供了一种生成离线地图的方法,包括:
获取车辆的相机在目标路段行驶过程中依次采集的第1至第N环境图片,其中,所述N为正整数;
在所述第1至第N环境图片中选取第i至第j环境图片,其中,所述i为大于1且小于所述j的正整数,所述j为小于所述N的正整数;
根据所述第i至第j环境图片进行第一批次三维建模,以得到所述相机的第一姿态信息和所述第i至第j环境图片中第一测试点的第一世界坐标;
基于所述第一姿态信息和所述第一测试点的第一世界坐标,根据第1至第i-1环境图片和第j+1至第N环境图片并行进行第二批次三维建模,以得到所述第1至第i-1环境图片中第二测试点的第二世界坐标和所述第j+1至第N环境图片中第三测试点的第三世界坐标;以及
根据所述第一测试点的第一世界坐标、所述第二测试点的第二世界坐标和所述第三测试点的第三世界坐标,生成所述目标路段的离线地图。
根据第二方面,提供了一种生成离线地图的装置,包括:
获取模块,用于获取车辆的相机在目标路段行驶过程中依次采集的第1至第N环境图片,其中,所述N为正整数;
选取模块,用于在所述第1至第N环境图片中选取第i至第j环境图片,其中,所述i为大于1且小于所述j的正整数,所述j为小于所述N的正整数;
第一建模模块,用于根据所述第i至第j环境图片进行第一批次三维建模,以得到所述相机的第一姿态信息和所述第i至第j环境图片中第一测试点的第一世界坐标;
第二建模模块,用于基于所述第一姿态信息和所述第一测试点的第一世界坐标,根据第1至第i-1环境图片和第j+1至第N环境图片并行进行第二批次三维建模,以得到所述第1至第i-1环境图片中第二测试点的第二世界坐标和所述第j+1至第N环境图片中第三测试点的第三世界坐标;以及
生成模块,用于根据所述第一测试点的第一世界坐标、所述第二测试点的第二世界坐标和所述第三测试点的第三世界坐标,生成所述目标路段的离线地图。
根据第三方面,提供了一种车辆,包括本申请第二方面实施例提供的生成离线地图的装置。
根据第四方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请第一方面所述的生成离线地图的方法。
根据第五方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请第一方面所述的生成离线地图的方法。
根据第六方面,提供了一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现本申请第一方面所述的生成离线地图的方法。
本申请提供的实施例,至少具有如下有益技术效果:
根据本申请实施例的生成离线地图的方法,可通过对相机在目标路段行驶过程中依次采集到的环境图片进行获取,并从获取到的环境图片中提取一段环境图片进行第一批次三维建模,得到相机的第一姿态信息和第一测试点的第一世界坐标后,再根据获取到的其余环境图片,并行进行第二批次三维建模,以得到第二测试点的第二世界坐标和第三测试点的第三世界坐标,进而根据获取到的前述世界坐标生成离线地图,保证了离线地图的准确性、缩短了生成离线地图过程的耗时。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的示意图;
图2是根据本申请第二实施例的示意图;
图3是根据本申请第三实施例的示意图;
图4是一种三维建模过程的示意图;
图5是根据本申请第四实施例的示意图;
图6是根据本申请第五实施例的示意图;
图7是根据本申请第六实施例的示意图;
图8是根据本申请第七实施例的示意图;
图9是一种不同控制阶段的耗时情况的示意图;
图10是根据本申请第八实施例的示意图;
图11是根据本申请第九实施例的示意图;
图12是用来实现本申请实施例的生成离线地图的方法的生成离线地图的装置的框图;
图13是用来实现本申请实施例的生成离线地图的方法的生成离线地图的装置的框图;
图14是用来实现本申请实施例的生成离线地图的方法的生成离线地图的电子设备的框图;
图15是一种车辆的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请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,而不会背离本申请的范围和精神。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。
下面参考附图描述本申请实施例的生成离线地图的方法、装置、电子设备和存储介质。
图1是根据本申请第一实施例的示意图。其中,需要说明的是,本实施例的生成离线地图的方法的执行主体为生成离线地图的装置,生成离线地图的装置具体可以为硬件设备,或者硬件设备中的软件等。其中,硬件设备例如终端设备、服务器等。如图1所示,本实施例提出的生成离线地图的方法,包括如下步骤:
S101、获取车辆的相机在目标路段行驶过程中依次采集的第1至第N环境图片,其中,N为正整数。
在本申请的实施例中,可以接收车辆的相机在预先设置的任一目标路段行驶过程中采集到的环境图片。
其中,目标路段可以是需要进行观测的任一路段,例如,可以将用户关注的路段作为目标路段;又例如,可以将用户日常生活中频繁往复的路段作为目标路段。
其中,试图获取的相机上传的环境图片的数量可以根据实际情况进行设定。例如,可以获取相机在目标路段行驶过程中依次采集到的60张环境图片,即言,可以设定N为60。
举例而言,若目标路段为用户所居住的小区入口至用户在地下停车场内的固定车位之间的路段,则可以获取车辆的相机在该目标路段行驶过程中依次采集的第1至第60,共60张环境图片;若目标路段为高速公路上两个出口之间的路段,则可以获取车辆的相机在该目标路段行驶过程中依次采集的第1至第30,共30张环境图片。
需要说明的是,车辆的相机可以按照预设间隔采集环境图片,并与车辆进行通信,以上传依次采集到的环境图片。其中,预设间隔可以为预设距离间隔,也可以为预设时间间隔。例如,可以设定预设间隔为17米、20米等;也可以设定预设间隔为10秒、15秒等。
其中,车辆的相机设置位置及拍照方式本申请中不作限定,可以根据实际情况进行选择。例如,可以分别在车辆的前部和后部设置相机,然后根据车辆行驶方向(前进或者倒退),选取匹配的相机进行环境图片获取。若车辆行驶方向为倒退,则可以利用设置在车辆后部的相机进行拍摄;若车辆行驶方向为前进,则可以利用设置在车辆前部的相机进行拍摄。其中,车辆的行驶方向可以根据车辆的档位进行确定,例如,若车辆档位为D档,则确定车辆行驶方向为前进;若车辆档位为R档,则确定车辆行驶方向为倒退。又例如,可以在车辆上设置一个既可以拍摄车辆前方也可以拍摄车辆后方的相机,并根据车辆行驶方向,确定相机的拍摄方向。
S102、在第1至第N环境图片中选取第i至第j环境图片,其中,i为大于1且小于j的正整数,j为小于N的正整数。
需要说明的是,试图在第1至第N环境图片中选取一段环境图片时,可以选取中间段的环境图片,使除第i至第j环境图片以外的环境图片可以被平均划分为两段,以使在进行第二批次三维建模时,能够将三维建模耗时降到最短。例如,可以在第1至第60张环境图片中选取第26至第35环境图片。
需要说明的是,前述环境图片选取方式仅为具体选取方式的举例,在实际应用中,可以根据实际情况,选取第1至第N环境图片中任一一段环境图片。例如,可以在第1至第60张环境图片中选取第20至第40环境图片。
S103、根据第i至第j环境图片进行第一批次三维建模,以得到相机的第一姿态信息和第i至第j环境图片中第一测试点的第一世界坐标。
其中,相机的姿态信息,为相机位于世界坐标系内的三维坐标、旋转角度,相机的第一姿态信息为根据第i至第j环境图片进行三维建模得到的相机位于世界坐标系内的三维坐标、旋转角度;测试点的世界坐标,为测试点位于世界坐标系内的三维坐标,第一测试点的第一世界坐标为第i至第j环境图片中的测试点位于世界坐标系内的三维坐标。测试点为相邻两张环境图片中同时存在且具有代表性的特征点,例如建筑物的顶点等。
举例而言,在第1至第60环境图片中选取第26至第35环境图片后,可以根据第26至第35环境图片进行第一批次三维建模,以得到相机的9个第一姿态信息和9组第一测试点的第一世界坐标。
本申请实施例中,在试图进行第一批次三维建模时,可以采用运动恢复结构算法(Structure from Motion,简称SFM),从获取到的依次采集到的第i至第j环境图片(二维图像序列)中估计出三维结构,以实现第一批次的三维建模。其中,运动恢复结构算法的具体计算方式为现有技术,此处不再进行赘述。
S104、基于第一姿态信息和第一测试点的第一世界坐标,根据第1至第i-1环境图片和第j+1至第N环境图片并行进行第二批次三维建模,以得到第1至第i-1环境图片中第二测试点的第二世界坐标和第j+1至第N环境图片中第三测试点的第三世界坐标。
其中,第二测试点的第二世界坐标和第三测试点的第三世界坐标,分别为第1至第i-1环境图片中的测试点和第j+1至第N环境图片中的测试点在世界坐标系内的三维坐标。
可选地,在通过第一批次三维建模获取到第一姿态信息和第一世界坐标后,基于第一姿态信息和第一测试点的第一世界坐标,根据第1至第i-1环境图片和第j+1至第N环境图片并行进行第二批次三维建模。
例如,基于通过第26至第35环境图片进行第一批次三维建模得到的9个第一姿态信息和9组第一世界坐标,可以根据第1至第25环境图片进行第二批次三维建模,获取到第1至第25环境图片中25组第二测试点的第二世界坐标;同时,根据第36至第60环境图片进行第二批次三维建模,获取到第36至第60环境图片中25组第三测试点的第三世界坐标。
本申请实施例中,在试图进行第二批次三维建模时,同样可以采用运动恢复结构算法,从获取到的依次采集到的第1至第i-1环境图片和第j+1至第N环境图片(二维图像序列)中估计出三维结构,以实现第二批次的三维建模。其中,运动恢复结构算法的具体计算方式为现有技术,此处不再进行赘述。
S105、根据第一测试点的第一世界坐标、第二测试点的第二世界坐标和第三测试点的第三世界坐标,生成目标路段的离线地图。
其中,离线地图中包括但不限于以下信息:行驶路线、公路等级、车道数目、转弯半径、坡度、限速、交通信号等。
需要说明的是,本申请中对于生成离线地图的方式不作限定,在实际应用中,可以根据情况进行选择。例如,在获取到第一世界坐标、第二世界坐标和第三世界坐标后,可以对目标路段进行三维重建,以获取到目标路段的三维图像。进一步地,将目标路段的三维图像移植到卫星地图或者既有三维地图中的对应位置,以生成目标路段的离线地图。
根据本申请实施例的生成离线地图的方法,可通过对相机在目标路段行驶过程中依次采集到的环境图片进行获取,并从获取到的环境图片中提取一段环境图片进行第一批次三维建模,得到相机的第一姿态信息和第一测试点的第一世界坐标后,再将获取到的其余环境图片划分为前后两段,并行对两段环境图片进行第二批次三维建模,以得到第二测试点的第二世界坐标和第三测试点的第三世界坐标,进而根据获取到的前述世界坐标生成离线地图,不仅保证了两批次三维建模的准确性、缩短了三维建模过程的耗时,无需预先通过其他平台获取离线地图,能够生成可即学即用的离线地图,确保了自动驾驶,特别是自主泊车过程中的有效性、安全性。
需要说明的是,本申请中,为了能够在保证三维建模的准确性的前提下,提高三维建模的速度,可以在采集到的环境图片中,提取中间段的环境图片,并从中间段环境图片中选取初始图片对作为初始点,进行第一批次三维建模。
作为一种可能的实现方式,如图2所示,在上述实施例的基础上,上述步骤S103中根据第i至第j环境图片进行第一批次三维建模的过程,具体包括以下步骤:
S201、在第i至第j环境图片中选取第k至第k+1环境图片作为初始图片对,其中,k为等于或者大于i,且等于或者小于j-1的正整数。
可选地,在第1至第N环境图片中选取第i至第j环境图片后,可以根据第i至第j环境图片中相邻两张环境图片的视差角和/或第一测试点的个数,选取第k至第k+1环境图片作为初始图片对。
举例来说,在第1至第60环境图片中选取第26至第35环境图片后,可以选取第30至第31环境图片作为初始图片对。
S202、根据初始图片对进行一次三维建模,以得到相机的初始第一姿态信息和第一测试点的初始第一世界坐标。
举例来说,可以将第30至第31环境图片作为初始点,进行一次三维建模,以得到相机的第1个第一姿态信息即初始第一姿态信息和字1组第一测试点的第一世界坐标即初始第一世界坐标。
S203、根据第k-1至第i环境图片依次对初始第一姿态信息和初始第一世界坐标进行第一更新,并根据第k+2至第j环境图片依次对初始第一姿态信息和初始第一世界坐标进行第二更新,以生成第一姿态信息和第一测试点的第一世界坐标。
举例来说,可以根据第29至第26环境图片依次对初始第一姿态信息和初始第一世界坐标进行第一更新,并根据第32至第35环境图片依次对初始第一姿态信息和初始第一世界坐标进行第二更新,以生成9个第一姿态信息和9组第一测试点的第一世界坐标。
需要说明的是,在根据初始图片对进行三维建模,以获取到初始第一姿态信息和第一测试点的初始第一世界坐标后,可以以初始图片对为中心,将其余中间段环境图片划分为前后两段,同时(即并行)或依次(即串行)对初始第一姿态信息和初始第一世界坐标进行第一更新和第二更新,以生成第一姿态信息和第一测试点的第一世界坐标。作为一种可能的实现方式,如图3所示,上述对其余中间段环境图片串行进行第一更新和第二更新的更新过程,具体包括以下步骤:
S301、对于i至第j环境图片中除第k至第k+1之外的环境图片,按照第一设定顺序确定下一次三维建模的第一目标环境图片,其中,第一设定顺序为第k-1至第i环境图片、第k+2至第j环境图片。
举例来说,在第1至第60环境图片中选取第26至第35环境图片,并选取第30至第31环境图片作为初始图片对后,可以按照第29至第26环境图片、第32至第35环境图片的顺序,确定下一次三维建模的第一目标环境图片,即确定下一次三维建模的第一目标环境图片依次为第29环境图片、第28环境图片、第27环境图片、第26环境图片、第32环境图片、第33环境图片、第34环境图片和第35环境图片。
S302、基于已经得到的相机的第一姿态信息和第i至第j环境图片中第一测试点的第一世界坐标,根据第一目标环境图片进行一次三维建模,以得到下一个相机的第一姿态信息和第i至第j环境图片中下一组第一测试点的第一世界坐标。
需要说明的是,在获取到初始图片对之后,可以将第i至第j环境图片进行分段,例如,可以将第k-1至第i环境图片划分为第一段环境图片,并将第k+2至第j环境图片划分为第二段环境图片。下面分别针对第一段环境图片和第二段环境图片进行解释说明。
针对第一段环境图片,可选地,基于第1个相机的第一姿态信息和第1组第一测试点的第一世界坐标,根据第i至第j环境图片中的第k-1环境图片进行一次三维建模,以得到第2个相机的第一姿态信息和第i至第j环境图片中第2组第一测试点的第一世界坐标。
举例来说,基于第1个相机的第一姿态信息和第1组第一测试点的第一世界坐标,根据第26至第35环境图片中的第29环境图片进行一次三维建模,以得到第2个相机的第一姿态信息和第26至第35环境图片中第2组第一测试点的第一世界坐标。
进一步地,基于第1个至第2个相机的第一姿态信息和第1组至第2组第一测试点的第一世界坐标,根据第i至第j环境图片中的第k-2环境图片进行一次三维建模,以得到第3个相机的第一姿态信息和第i至第j环境图片中第3组第一测试点的第一世界坐标;依此进行下去,直到根据第i至第j环境图片中的第i环境图片进行一次三维建模,以得到第k-i+1个相机的第一姿态信息和第i至第j环境图片中第k-i+1组第一测试点的第一世界坐标。
举例来说,基于第1个至第2个相机的第一姿态信息和第1组至第2组第一测试点的第一世界坐标,根据第26至第35环境图片中的第28环境图片进行一次三维建模,以得到第3个相机的第一姿态信息和第26至第35环境图片中第3组第一测试点的第一世界坐标;依此进行下去,直到根据第26至第35环境图片中的第26环境图片进行一次三维建模,以得到第5个相机的第一姿态信息和第26至第35环境图片中第5组第一测试点的第一世界坐标。
由此,针对第一段环境图片,在获取到相机的初始第一姿态信息和第一测试点的初始第一世界坐标后,依序完成了对初始第一姿态信息和初始第一世界坐标的第一更新。
针对第二段环境图片,可选地,基于第1个至第k-i+1个相机的第一姿态信息和第1组至第k-i+1组第一测试点的第一世界坐标,根据第i至第j环境图片中的第k+2环境图片进行一次三维建模,以得到第k-i+2个相机的第一姿态信息和第i至第j环境图片中第k-i+2组第一测试点的第一世界坐标。
举例来说,基于第1个至第5个相机的第一姿态信息和第1组至第5组第一测试点的第一世界坐标,根据第26至第35环境图片中的第32环境图片进行一次三维建模,以得到第6个相机的第一姿态信息和第26至第35环境图片中第6组第一测试点的第一世界坐标。
进一步地,基于第1个至第k-i+2个相机的第一姿态信息和第1组至第k-i+2组第一测试点的第一世界坐标,根据第i至第j环境图片中的第k+3环境图片进行一次三维建模,以得到第k-i+3个相机的第一姿态信息和第i至第j环境图片中第k-i+3组第一测试点的第一世界坐标;依此进行下去,直到根据第i至第j环境图片中的第j环境图片进行一次三维建模,以得到第j-i个相机的第一姿态信息和第i至第j环境图片中第j-i组第一测试点的第一世界坐标。
例如,基于第1个至第6个相机的第一姿态信息和第1组至第6组第一测试点的第一世界坐标,根据第26至第35环境图片中的第33环境图片进行一次三维建模,以得到第7个相机的第一姿态信息和第26至第35环境图片中第7组第一测试点的第一世界坐标;依此进行下去,直到根据第26至第35环境图片中的第35环境图片进行一次三维建模,以得到第9个相机的第一姿态信息和第26至第35环境图片中第9组第一测试点的第一世界坐标。
由此,针对第二段环境图片,在获取到相机的初始第一姿态信息和第一测试点的初始第一世界坐标后,依序完成了对初始第一姿态信息和初始第一世界坐标的第二更新。
需要说明的是,在试图对初始第一姿态信息和初始第一世界坐标进行两次更新时,可以如前述串行方式进行更新。即言,可以在完成第一更新后,再基于第1个至第k-i+1个相机的第一姿态信息和第1组至第k-i+1组第一测试点的第一世界坐标进行第二更新。本申请中,为了进一步提升三维建模速度,如图4所示,还可以并行进行第一更新和第二更新,即言,在进行第一更新的同时进行第二更新。
举例来说,可以在根据第29环境图片对初始第一姿态信息和初始第一世界坐标进行第一更新的同时,根据第32环境图片对初始第一姿态信息和初始第一世界坐标进行第二更新。进一步地,根据第28环境图片进行第一更新,同时根据第33环境图片进行第二更新,直至完成根据第26环境图片进行第一更新,同时根据第35环境图片进行第二更新。
根据本申请实施例的生成离线地图的方法,可通过从采集到的环境图片中提取中间段环境图片,并从中间段环境图片中选取初始图片对作为初始点,进行第一批次三维建模,以获取到初始第一姿态信息和初始第一世界坐标。进一步地,通过以初始图片对为中心,将其余中间段环境图片划分为前后两段,对初始第一姿态信息和初始第一世界坐标分别进行第一更新和第二更新,以得到第一姿态信息和第一测试点的第一世界坐标使得初始第一姿态信息和初始第一世界坐标能够不断被优化,并将初始第一姿态信息、初始第一世界坐标和分别对其多次优化后的结果作为第一姿态信息和第一测试点的第一世界坐标,提高了第一批次三维建模的准确性。进一步地,通过串行、并行中任一方式进行第一更新和第二更新,还缩短了第一批次三维建模的耗时,使得两批次三维建模过程的总耗时被进一步缩短。
需要说明的是,在根据中间段环境图片获取到第一姿态信息和第一测试点的第一世界坐标后,可以将划分后的前后两段环境图片,并行进行第二批次三维建模,以得到第二测试点的第二世界坐标和第三测试点的第三世界坐标。
针对划分后的前段环境图片,作为一种可能的实现方式,如图5所示,在上述实施例的基础上,上述步骤S104中根据第1至第i-1环境图片和第j+1至第N环境图片并行进行第二批次三维建模的过程之前,本申请实施例的生成离线地图的方法还包括以下步骤:
对第一姿态信息进行固定,以使在第二批次三维建模时不对第一姿态信息进行优化。
需要说明的是,在基于第一姿态信息和第一测试点的第一世界坐标,根据第1至第i-1环境图片和第j+1至第N环境图片并行进行第二批次三维建模之前,为了确保第二批次三维建模中前后两段环境图片(即第1至第i-1环境图片和第j+1至第N环境图片)建模的一致性,可以将第一姿态信息固定住,使其不再参与后续的更新过程,即第二批次三维建模中根据前段环境图片(即第1至第i-1环境图片)得到的第二姿态信息和根据后段环境图片(即第j+1至第N环境图片)得到的第三姿态信息均和第一姿态信息一致。作为一种可能的实现方式,上述步骤S104中根据第1至第i-1环境图片生成第二世界坐标的过程,如图5所示,具体包括以下步骤:
S401、基于第一姿态信息和第一测试点的第一世界坐标,根据第i-1环境图片进行一次三维建模,以得到相机的初始第二姿态信息和第二测试点的初始第二世界坐标。
举例来说,可以基于9个第一姿态信息和9组第一测试点的第一世界坐标,根据第25环境图片进行一次三维建模,以得到相机的第1个第二姿态信息即初始第二姿态信息和第1组第二测试点的第二世界坐标即初始第二世界坐标。
S402、根据第i-2至第1环境图片依次对初始第二姿态信息和初始第二世界坐标进行第三更新,以生成第二姿态信息和第二测试点的第二世界坐标。
举例来说,可以根据第24至第1环境图片依次对初始第二姿态信息和初始第二世界坐标进行第三更新,以生成第2-25个第二姿态信息和第2-25组第二测试点的第二世界坐标。
本申请实施例中,在获取到相机的初始第二姿态信息和第二测试点的初始第二世界坐标后,可以通过进行第三更新,生成第二姿态信息和第二测试点的第二世界坐标。
作为一种可能的实现方式,上述步骤S402中根据第i-2至第1环境图片生成第二姿态信息和第二世界坐标的过程,如图6所示,具体包括以下步骤:
S501、对于第1至第i-2环境图片按照第二设定顺序确定下一次三维建模的第二目标环境图片,其中,第二设定顺序为第i-2至第1环境图片。
举例来说,对于第1至第24环境图片,可以按照第24至第1环境图片的顺序,确定下一次三维建模的第二目标环境图片。
S502、基于j-i个相机的第一姿态信息、j-i组第一测试点的第一世界坐标,以及已经得到的相机的第二姿态信息和第1至第i-1环境图片中第二测试点的第二世界坐标,根据第二目标环境图片进行一次三维建模,以得到下一个相机的第二姿态信息和第1至第i-1环境图片中下一组第二测试点的第二世界坐标。
举例来说,基于9个相机的第一姿态信息、9组第一测试点的第一世界坐标,以及已经得到的相机的第二姿态信息和第1至第25环境图片中第二测试点的第二世界坐标,根据第二目标环境图片进行一次三维建模,以得到下一个相机的第二姿态信息和第1至第25环境图片中下一组第二测试点的第二世界坐标。
进一步地,直到完成根据第1环境图片进行三维建模,得到第25个相机的第二姿态信息和第25组第二测试点的第二世界坐标。
由此,针对划分后的前段环境图片,在获取到相机的初始第二姿态信息和第二测试点的初始第二世界坐标后,依序完成了对初始第二姿态信息和初始第二世界坐标的第三更新。
在上述实施例的基础上,可以基于第一姿态信息和第一测试点的第一世界坐标,根据第j+1至第N环境图片进行第二批次三维建模,以得到第j+1至第N环境图片中第三测试点的第三世界坐标,作为一种可能的实现方式,上述步骤S104中根据第j+1至第N环境图片生成第三世界坐标的过程,如图7所示,具体包括以下步骤:
S601、基于第一姿态信息和第一测试点的第一世界坐标,根据第j+1环境图片进行一次三维建模,以得到相机的初始第三姿态信息和第三测试点的初始第三世界坐标。
举例来说,可以基于9个第一姿态信息和9组第一测试点的第一世界坐标,根据第36环境图片进行一次三维建模,以得到相机的第1个第三姿态信息即初始第三姿态信息和第1组第三测试点的第三世界坐标即初始第三世界坐标。
S602、根据第j+2至第N环境图片依次对初始第三姿态信息和初始第三世界坐标进行第四更新,以生成第三姿态信息和第三测试点的第三世界坐标。
举例来说,可以根据第37至第60环境图片依次对初始第三姿态信息和初始第三世界坐标进行第四更新,以生成第2-25个第三姿态信息和第2-25组第三测试点的第三世界坐标。
作为一种可能的实现方式,如图8所示,在上述实施例的基础上,上述步骤S602中根据第j+2至第N环境图片进行第二批次三维建模的过程,具体包括以下步骤:
S701、对于第j+2至第N环境图片按照第三设定顺序确定下一次三维建模的第三目标环境图片,其中,第三设定顺序为第j+2至第N环境图片。
举例来说,对于第37至第60环境图片,可以按照第37至第60环境图片的顺序,确定下一次三维建模的第三目标环境图片。
S702、基于j-i个相机的第一姿态信息、j-i组第一测试点的第一世界坐标,以及已经得到的相机的第三姿态信息、第j+1至第N环境图片中第三测试点的第三世界坐标,根据第三目标环境图片进行一次三维建模,以得到下一个相机的第三姿态信息和第j+1至第N环境图片中下一组第三测试点的第三世界坐标。
举例来说,基于9个相机的第一姿态信息、9组第一测试点的第一世界坐标,以及已经得到的相机的第三姿态信息、第36至第60环境图片中第三测试点的第三世界坐标,根据第三目标环境图片进行一次三维建模,以得到下一个相机的第三姿态信息和第36至第60环境图片中下一组第三测试点的第三世界坐标。
进一步地,直到完成根据第60环境图片进行三维建模,得到第25个相机的第三姿态信息和第25组第三测试点的第三世界坐标。
由此,针对划分后的后段环境图片,在获取到相机的初始第三姿态信息和第三测试点的初始第三世界坐标后,依序完成了对初始第三姿态信息和初始第三世界坐标的第四更新。
根据本申请实施例的生成离线地图的方法,在对中间段环境图片进行第一批次三维建模后,可以通过并行方式对划分得到的前后两段环境图片进行第二批次三维建模,使第二测试点的初始第二世界坐标以及第三测试点的初始第三世界坐标不断被优化,并将初始第二世界坐标和对其多次优化后的结果作为第二世界坐标,将初始第三世界坐标和对其多次优化后的结果作为第三世界坐标,提高了第二批次三维建模的准确性。进一步地,通过并行方式进行第二批次三维建模,在确保第二批次三维建模准确性的同时,缩短了第二批次三维建模的耗时,从而使得在目标路段上,能够尽可能快速地完成建模,获取到准确的离线地图。
需要说明的是,在实际应用中,根据相机采集到的环境图片进行三维建模时,环境图片(二维图像)的特征点重投影回三维域内时,和真正的三维点的位置可能存在一定偏差。因此,本申请中,可以通过集束调整(Bundle Adjustment,简称BA),尽可能减小前述偏差。
其中,集束调整包括以下阶段:多次局部集束调整(Local Bundle Adjustment,简称Local-BA)、多次全局集束调整(Global Bundle Adjustment,简称Global-BA)以及一次最终集束调整(Final Bundle Adjustment,简称Final-BA)。
进一步地,由于进行全局集束调整时可能已经完成了局部集束调整,使得通过全局集束调整和局部集束调整得到的优化后的图像序列可能会有重复。因此,可以适当减少局部集束调整的次数,例如每次三维建模时均进行全局集束调整,而选择性的进行全局集束调整,举例来说,对第5-第1环境图片均进行全局集束调整,但只对第5、第3、第1环境图片进行局部集束调整。
由此,本申请中,还可以进行耗时分析,对耗时过多的阶段进行针对性优化,以在确保三维建模准确性的基础上,能够尽可能地缩短集束调整过程的耗时。
可选地,可以获取局部集束调整和全局集束调整过程的耗时,并将获取到的耗时与预设耗时进行比较,如果识别耗时大于预设耗时,说明当前集束调整方式有待优化,则可以按照预设次数,减少优化过程中的循环次数;或者跳过部分次优化阶段;如果识别耗时小于或者等于预设耗时,说明当前集束调整方式无需优化,则可以维持当前集束调整方式。
举例而言,如图9所示,局部集束调整过程约占总过程耗时的25%,全局集束调整过程约占总过程耗时的55%,预设耗时为总过程耗时的70%,可知局部集束调整和全局集束调整过程耗时较长,此时,可以减少局部集束调整的次数,以减少耗时。
根据本申请实施例的生成离线地图的方法,在完成两个批次的三维建模后,可以通过集束调整,减小将环境图片的特征点重投影回三维域内时,和真正的三维点的位置之间的偏差,进一步确保了三维建模的准确性。进一步地,在进行集束调整的过程中,还可以通过对调整过程进行耗时分析,优化集束调整方式,以在确保集束调整有效性的同时,能够减少集束调整耗时。
需要说明的是,本申请中,在获取到目标路段的离线地图后,可以生成用于指示用户在目标路段上的驾驶策略,以根据离线地图控制车辆在目标路段的行驶。
作为一种可能的实现方式,如图10所示,在上述实施例的基础上,在完成上述步骤S105生成了目标路段的离线地图后,可以根据离线地图控制车辆在目标路段的行驶,控制车辆行驶的过程,具体包括以下步骤:
S801、获取车辆在目标路段行驶过程中车辆的世界坐标。
可选地,可以根据同一目标路段之前建立的离线地图,确定车辆在目标路段行驶过程中车辆的世界坐标。
S802、根据车辆的世界坐标和离线地图,确定车辆在离线地图中的位置。
可选地,在获取到车辆在目标路段行驶过程中车辆的世界坐标后,可以根据车辆的世界坐标和本次获取到的离线地图,确定车辆在本次获取到的离线地图中的位置。
S803、根据车辆在离线地图中的位置和离线地图,控制车辆在目标路段的行驶。
可选地,在获取到车辆在本次获取到的离线地图中的位置后,可以根据车辆位置和离线地图,生成用于指示用户在目标路段上的驾驶策略,以控制车辆在目标路段上按照驾驶策略行驶。
需要说明的是,本申请提出的生成离线地图的方法,可以运用于多种车辆控制场景中。
针对自动泊车应用场景,可以将用户常用的下车位置(例如车库入口)至常用车位之间的路段,设置为目标路段,并在获取到车辆在离线地图中的位置和离线地图后,从用户到达常用下车位置开始,控制车辆按照驾驶策略行驶准确地自动驶入常用车位。由此,从抵达常用下车位置开始,驾驶员无需进行任何操作,车辆就可以准确地自动停入车位,实现了自主泊车,极大地提高了用户体验。
针对高速公路行驶应用场景,可以将用户常用高速公路入口至常用高速公路出口之间的路段,设置为目标路段,并在获取到车辆在离线地图中的位置和离线地图后,从用户到达常用高速公路入口开始,控制车辆按照驾驶策略行驶准确地自动由常用高速公路出口驶出。由此,从抵达常用高速公路入口开始,驾驶员无需进行任何操作,车辆就可以准确地自动由高速公路驶入匝道。特别地,针对高速公路行驶应用场景,在试图控制车辆在目标路段上的行驶时,还可以结合巡航定速(Cruise Control)控制,从常用高速公路入口驶入后,自动地以驾驶员要求的固定速度行驶,以在释放了驾驶员双手、提高了用户体验的同时,减少了不必要的车速变化,达到了节能减排的目的。
针对驾校训练应用场景,可以将用户不同考试科目的正确操作路线设置为目标路段,并在获取到车辆在离线地图中的位置和离线地图后,从用户到达正确操作路线的起点开始,控制车辆按照驾驶策略行驶准确地自动驶至入正确操作路线的终点。由此,从抵达正确操作路线的起点开始,学员可以清楚地观测到车辆的正确行驶轨迹,并按照观测到的轨迹自主进行训练,无需教练亲自示范,极大地减少了驾校的人工成本,同时也给学员学车提供了更加有效地训练方式。
根据本申请实施例的生成离线地图的方法,在生成了离线地图之后,可以获取车辆在目标路段行驶过程中的世界坐标,并根据获取到的车辆的世界坐标和离线地图,确定车辆在离线地图中的位置,进而根据车辆位置和离线地图,控制车辆在目标路段上按照驾驶策略行驶,以在确保车辆在目标路段行驶过程中的行驶安全的基础上,能够释放驾驶员的双手,提升用户体验。
图11是根据本申请第九实施例的示意图。如图11所示,在上述实施例的基础上,本实施例提出的生成离线地图的方法,包括如下步骤:
S901、获取车辆的相机在目标路段行驶过程中依次采集的第1至第N环境图片。
S902、在第1至第N环境图片中选取第i至第j环境图片。
S903、根据第i至第j环境图片进行第一批次三维建模,以得到相机的第一姿态信息和第i至第j环境图片中第一测试点的第一世界坐标。
S904、基于第一姿态信息和第一测试点的第一世界坐标,根据第1至第i-1环境图片和第j+1至第N环境图片并行进行第二批次三维建模,以得到第1至第i-1环境图片中第二测试点的第二世界坐标和第j+1至第N环境图片中第三测试点的第三世界坐标。
S905、根据第一测试点的第一世界坐标、第二测试点的第二世界坐标和第三测试点的第三世界坐标,生成目标路段的离线地图。
S906、获取车辆在目标路段行驶过程中车辆的世界坐标。
可选地,可以根据同一目标路段之前建立的离线地图,确定车辆在目标路段行驶过程中车辆的世界坐标。
S907、根据车辆的世界坐标和离线地图,确定车辆在离线地图中的位置。
可选地,在获取到车辆在目标路段行驶过程中车辆的世界坐标后,可以根据车辆的世界坐标和本次获取到的离线地图,确定车辆在本次获取到的离线地图中的位置。
S908、根据车辆在离线地图中的位置和离线地图,控制车辆在目标路段的行驶。
上述步骤S901~S905与图1所示实施例中的步骤S101~S105相同,上述步骤S906~S908与图10所示实施例中的步骤S801~S803相同,此处不再赘述。
根据本申请实施例的生成离线地图的方法,可通过对相机在目标路段行驶过程中依次采集到的环境图片进行获取,并从获取到的环境图片中提取一段环境图片进行第一批次三维建模,得到相机的第一姿态信息和第一测试点的第一世界坐标后,再根据获取到的其余环境图片,并行进行第二批次三维建模,以得到第二测试点的第二世界坐标和第三测试点的第三世界坐标,进而根据获取到的前述世界坐标生成离线地图,以根据离线地图控制车辆在目标路段的行驶,不仅保证了两批次三维建模的准确性、缩短了三维建模过程的耗时,还能够根据历史行车过程中即时建立的离线地图,控制车辆的行驶,无需预先通过其他平台获取离线地图,即学即用,提高了车辆的控制过程的有效性、安全性。
与上述几种实施例提供的生成离线地图的方法相对应,本申请的一个实施例还提供一种生成离线地图的装置,由于本申请实施例提供的生成离线地图的装置与上述几种实施例提供的生成离线地图的方法相对应,因此在生成离线地图的方法的实施方式也适用于本实施例提供的生成离线地图的装置,在本实施例中不再详细描述。图12~图13是根据本申请一个实施例的生成离线地图的装置的结构示意图。
如图12所示,该生成离线地图的装置1000包括:获取模块110、选取模块120、第一建模模块130、第二建模模块140和生成模块150。其中:
获取模块110,用于获取车辆的相机在目标路段行驶过程中依次采集的第1至第N环境图片,其中,N为正整数;
选取模块120,用于在第1至第N环境图片中选取第i至第j环境图片,其中,i为大于1且小于j的正整数,j为小于N的正整数;
第一建模模块130,用于根据第i至第j环境图片进行第一批次三维建模,以得到相机的第一姿态信息和第i至第j环境图片中第一测试点的第一世界坐标;
第二建模模块140,用于基于第一姿态信息和第一测试点的第一世界坐标,根据第1至第i-1环境图片和第j+1至第N环境图片并行进行第二批次三维建模,以得到第1至第i-1环境图片中第二测试点的第二世界坐标和第j+1至第N环境图片中第三测试点的第三世界坐标;
生成模块150,用于根据第一测试点的第一世界坐标、第二测试点的第二世界坐标和第三测试点的第三世界坐标,生成目标路段的离线地图。
在本申请的实施例中,如图13所示,图12中的第二建模模块140,包括:固定模块141,用于对第一姿态信息进行固定,以使在第二批次三维建模时不对第一姿态信息进行优化。
在本申请的实施例中,如图13所示,图12中的第一建模模块130,包括:选取单元131,用于在第i至第j环境图片中选取第k至第k+1环境图片作为初始图片对,其中,k为等于或者大于i,且等于或者小于j-1的正整数;第一建模单元132,用于根据初始图片对进行一次三维建模,以得到相机的初始第一姿态信息和第一测试点的初始第一世界坐标;第一更新单元133,用于根据第k-1至第i环境图片依次对初始第一姿态信息和初始第一世界坐标进行第一更新,并根据第k+2至第j环境图片依次对初始第一姿态信息和初始第一世界坐标进行第二更新,以生成第一姿态信息和第一测试点的第一世界坐标。
在本申请的实施例中,如图13所示,选取单元131具体用于根据第i至第j环境图片中相邻两张环境图片的视差角和/或第一测试点的个数,选取第k至第k+1环境图片作为初始图片对。
在本申请的实施例中,如图13所示,图12中的第二建模模块140,包括:第二建模单元142,用于基于第一姿态信息和第一测试点的第一世界坐标,根据第i-1环境图片进行一次三维建模,以得到相机的初始第二姿态信息和第二测试点的初始第二世界坐标;第二更新单元143,用于根据第i-2至第1环境图片依次对初始第二姿态信息和初始第二世界坐标进行第三更新,以生成第二姿态信息和第二测试点的第二世界坐标。
在本申请的实施例中,如图13所示,图12中的第二建模模块140,包括:第三建模单元144,用于基于第一姿态信息和第一测试点的第一世界坐标,根据第j+1环境图片进行一次三维建模,以得到相机的初始第三姿态信息和第三测试点的初始第三世界坐标;第三更新单元145,用于根据第j+2至第N环境图片依次对初始第三姿态信息和初始第三世界坐标进行第四更新,以生成第三姿态信息和第三测试点的第三世界坐标。
在本申请的实施例中,图12中的第一建模模块130具体用于:采用运动恢复结构算法进行第一批次三维建模。图13中的第二建模模块140具体用于:采用运动恢复结构算法进行第二批次三维建模。
在本申请的实施例中,图12中的生成离线地图的装置1000,还包括:控制模块160,用于根据离线地图控制车辆在目标路段的行驶。
在本申请的实施例中,如图13所示,图12中的控制模块160,包括:坐标获取单元161,用于获取车辆在目标路段行驶过程中车辆的世界坐标;位置确定单元162,用于根据车辆的世界坐标和离线地图确定车辆在离线地图中的位置;控制单元163,用于根据车辆在离线地图中的位置和离线地图控制车辆在目标路段的行驶。
根据本申请实施例的生成离线地图的方法,可通过对相机在目标路段行驶过程中依次采集到的环境图片进行获取,并从获取到的环境图片中提取一段环境图片进行第一批次三维建模,得到相机的第一姿态信息和第一测试点的第一世界坐标后,再将获取到的其余环境图片划分为前后两段,并行对两段环境图片进行第二批次三维建模,以得到第二测试点的第二世界坐标和第三测试点的第三世界坐标,进而根据获取到的前述世界坐标生成离线地图,不仅保证了两批次三维建模的准确性、缩短了三维建模过程的耗时,无需预先通过其他平台获取离线地图,能够生成可即学即用的离线地图,确保了自动驾驶,特别是自主泊车过程中的有效性、安全性。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图14所示,是根据本申请实施例的生成离线地图的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图14所示,该电子设备包括:一个或多个处理器210、存储器220,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图14中以一个处理器210为例。
存储器220即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的生成离线地图的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的生成离线地图的方法。
存储器220作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的生成离线地图的方法对应的程序指令/模块(例如,附图12所示的获取模块110、选取模块120、第一建模模块130、第二建模模块140和生成模块150)。处理器210通过运行存储在存储器220中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的生成离线地图的方法。
存储器220可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据生成离线地图的电子设备的使用所创建的数据等。此外,存储器220可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器220可选包括相对于处理器210远程设置的存储器,这些远程存储器可以通过网络连接至生成离线地图的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
生成离线地图的方法的电子设备还可以包括:输入装置230和输出装置240。处理器210、存储器220、输入装置230和输出装置240可以通过总线或者其他方式连接,图13中以通过总线连接为例。
输入装置230可接收输入的数字或字符信息,以及产生与生成离线地图的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置240可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网以及区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务端可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
本申请还提供一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,实现如上所述的生成离线地图的方法。
根据本申请实施例的生成离线地图的方法,可通过对相机在目标路段行驶过程中依次采集到的环境图片进行获取,并从获取到的环境图片中提取一段环境图片进行第一批次三维建模,得到相机的第一姿态信息和第一测试点的第一世界坐标后,再将获取到的其余环境图片划分为前后两段,并行对两段环境图片进行第二批次三维建模,以得到第二测试点的第二世界坐标和第三测试点的第三世界坐标,进而根据获取到的前述世界坐标生成离线地图,不仅保证了两批次三维建模的准确性、缩短了三维建模过程的耗时,无需预先通过其他平台获取离线地图,能够生成可即学即用的离线地图,确保了自动驾驶,特别是自主泊车过程中的有效性、安全性。
根据本申请的实施例,本申请还提供了一种车辆2000。如图15所示,车辆2000,包括:上述实施例的生成离线地图的装置1000。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (21)
1.一种生成离线地图的方法,包括:
获取车辆的相机在目标路段行驶过程中依次采集的第1至第N环境图片,其中,所述N为正整数;
在所述第1至第N环境图片中选取第i至第j环境图片,其中,所述i为大于1且小于所述j的正整数,所述j为小于所述N的正整数;
根据所述第i至第j环境图片进行第一批次三维建模,以得到所述相机的第一姿态信息和所述第i至第j环境图片中第一测试点的第一世界坐标,所述第一姿态信息为根据所述第i至第j环境图片进行三维建模得到的相机位于世界坐标系内的三维坐标、旋转角度,所述测试点为相邻两张环境图片中同时存在且具有代表性的特征点;
基于所述第一姿态信息和所述第一测试点的第一世界坐标,根据第1至第i-1环境图片和第j+1至第N环境图片并行进行第二批次三维建模,以得到所述第1至第i-1环境图片中第二测试点的第二世界坐标和所述第j+1至第N环境图片中第三测试点的第三世界坐标;以及
根据所述第一测试点的第一世界坐标、所述第二测试点的第二世界坐标和所述第三测试点的第三世界坐标,生成所述目标路段的离线地图。
2.根据权利要求1所述的方法,其中,所述基于所述第一姿态信息和所述第一测试点的第一世界坐标,根据第1至第i-1环境图片和第j+1至第N环境图片并行进行第二批次三维建模之前,还包括:
对所述第一姿态信息进行固定,以使在所述第二批次三维建模时不对所述第一姿态信息进行优化。
3.根据权利要求1所述的方法,其中,所述根据所述第i至第j环境图片进行第一批次三维建模,以得到所述相机的第一姿态信息和所述第i至第j环境图片中第一测试点的第一世界坐标,包括:
在所述第i至第j环境图片中选取第k至第k+1环境图片作为初始图片对,其中,所述k为等于或者大于所述i,且等于或者小于j-1的正整数;
根据所述初始图片对进行一次三维建模,以得到所述相机的初始第一姿态信息和所述第一测试点的初始第一世界坐标;以及
根据所述第k-1至第i环境图片依次对所述初始第一姿态信息和所述初始第一世界坐标进行第一更新,并根据所述第k+2至第j环境图片依次对所述初始第一姿态信息和所述初始第一世界坐标进行第二更新,以生成所述第一姿态信息和所述第一测试点的第一世界坐标。
4.根据权利要求3所述的方法,其中,所述在所述第i至第j环境图片中选取第k至第k+1环境图片作为初始图片对,包括:
根据所述第i至第j环境图片中相邻两张环境图片的视差角和/或所述第一测试点的个数,选取所述第k至第k+1环境图片作为所述初始图片对。
5.根据权利要求1所述的方法,其中,基于所述第一姿态信息和所述第一测试点的第一世界坐标,根据第1至第i-1环境图片进行第二批次三维建模,以得到所述第1至第i-1环境图片中所述第二测试点的第二世界坐标,包括:
基于所述第一姿态信息和所述第一测试点的第一世界坐标,根据第i-1环境图片进行一次三维建模,以得到所述相机的初始第二姿态信息和所述第二测试点的初始第二世界坐标;以及
根据所述第i-2至第1环境图片依次对所述初始第二姿态信息和所述初始第二世界坐标进行第三更新,以生成所述第二姿态信息和所述第二测试点的第二世界坐标。
6.根据权利要求1所述的方法,其中,基于所述第一姿态信息和所述第一测试点的第一世界坐标,根据第j+1至第N环境图片进行第二批次三维建模,以得到所述第j+1至第N环境图片中所述第三测试点的第三世界坐标,包括:
基于所述第一姿态信息和所述第一测试点的第一世界坐标,根据第j+1环境图片进行一次三维建模,以得到所述相机的初始第三姿态信息和所述第三测试点的初始第三世界坐标;以及
根据所述第j+2至第N环境图片依次对所述初始第三姿态信息和所述初始第三世界坐标进行第四更新,以生成所述第三姿态信息和所述第三测试点的第三世界坐标。
7.根据权利要求1所述的方法,还包括:
采用运动恢复结构算法进行所述第一批次三维建模和所述第二批次三维建模。
8.根据权利要求1所述的方法,还包括:
根据所述离线地图控制所述车辆在所述目标路段的行驶。
9.根据权利要求8所述的方法,其中,所述根据所述离线地图控制所述车辆在所述目标路段的行驶,包括:
获取所述车辆在所述目标路段行驶过程中所述车辆的世界坐标;
根据所述车辆的世界坐标和所述离线地图确定所述车辆在所述离线地图中的位置;以及
根据所述车辆在所述离线地图中的位置和所述离线地图控制所述车辆在所述目标路段的行驶。
10.一种生成离线地图的装置,包括:
获取模块,用于获取车辆的相机在目标路段行驶过程中依次采集的第1至第N环境图片,其中,所述N为正整数;
选取模块,用于在所述第1至第N环境图片中选取第i至第j环境图片,其中,所述i为大于1且小于所述j的正整数,所述j为小于所述N的正整数;
第一建模模块,用于根据所述第i至第j环境图片进行第一批次三维建模,以得到所述相机的第一姿态信息和所述第i至第j环境图片中第一测试点的第一世界坐标,所述第一姿态信息为根据所述第i至第j环境图片进行三维建模得到的相机位于世界坐标系内的三维坐标、旋转角度,所述测试点为相邻两张环境图片中同时存在且具有代表性的特征点;
第二建模模块,用于基于所述第一姿态信息和所述第一测试点的第一世界坐标,根据第1至第i-1环境图片和第j+1至第N环境图片并行进行第二批次三维建模,以得到所述第1至第i-1环境图片中第二测试点的第二世界坐标和所述第j+1至第N环境图片中第三测试点的第三世界坐标;以及
生成模块,用于根据所述第一测试点的第一世界坐标、所述第二测试点的第二世界坐标和所述第三测试点的第三世界坐标,生成所述目标路段的离线地图。
11.根据权利要求10所述的装置,还包括:
固定模块,用于对所述第一姿态信息进行固定,以使在所述第二批次三维建模时不对所述第一姿态信息进行优化。
12.根据权利要求10所述的装置,其中,所述第一建模模块,包括:
选取单元,用于在所述第i至第j环境图片中选取第k至第k+1环境图片作为初始图片对,其中,所述k为等于或者大于所述i,且等于或者小于j-1的正整数;
第一建模单元,用于根据所述初始图片对进行一次三维建模,以得到所述相机的初始第一姿态信息和所述第一测试点的初始第一世界坐标;以及
第一更新单元,用于根据所述第k-1至第i环境图片依次对所述初始第一姿态信息和所述初始第一世界坐标进行第一更新,并根据所述第k+2至第j环境图片依次对所述初始第一姿态信息和所述初始第一世界坐标进行第二更新,以生成所述第一姿态信息和所述第一测试点的第一世界坐标。
13.根据权利要求12所述的装置,其中,所述选取单元,具体用于:
根据所述第i至第j环境图片中相邻两张环境图片的视差角和/或所述第一测试点的个数,选取所述第k至第k+1环境图片作为所述初始图片对。
14.根据权利要求10所述的装置,其中,所述第二建模模块,包括:
第二建模单元,用于基于所述第一姿态信息和所述第一测试点的第一世界坐标,根据第i-1环境图片进行一次三维建模,以得到所述相机的初始第二姿态信息和所述第二测试点的初始第二世界坐标;以及
第二更新单元,用于根据所述第i-2至第1环境图片依次对所述初始第二姿态信息和所述初始第二世界坐标进行第三更新,以生成所述第二姿态信息和所述第二测试点的第二世界坐标。
15.根据权利要求10所述的装置,其中,所述第二建模模块,包括:
第三建模单元,用于基于所述第一姿态信息和所述第一测试点的第一世界坐标,根据第j+1环境图片进行一次三维建模,以得到所述相机的初始第三姿态信息和所述第三测试点的初始第三世界坐标;以及
第三更新单元,用于根据所述第j+2至第N环境图片依次对所述初始第三姿态信息和所述初始第三世界坐标进行第四更新,以生成所述第三姿态信息和所述第三测试点的第三世界坐标。
16.根据权利要求10所述的装置,所述第一建模模块具体用于:采用运动恢复结构算法进行所述第一批次三维建模;
所述第二建模模块具体用于:采用所述运动恢复结构算法进行所述第二批次三维建模。
17.根据权利要求10所述的装置,还包括:
控制模块,用于根据所述离线地图控制所述车辆在所述目标路段的行驶。
18.根据权利要求17所述的装置,其中,所述控制模块,包括:
坐标获取单元,用于获取所述车辆在所述目标路段行驶过程中所述车辆的世界坐标;
位置确定单元,用于根据所述车辆的世界坐标和所述离线地图确定所述车辆在所述离线地图中的位置;以及
控制单元,用于根据所述车辆在所述离线地图中的位置和所述离线地图控制所述车辆在所述目标路段的行驶。
19.一种车辆,包括:如权利要求10-18任一项所述的生成离线地图的装置。
20.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的生成离线地图的方法。
21.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的生成离线地图的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010506742.7A CN111829535B (zh) | 2020-06-05 | 2020-06-05 | 生成离线地图的方法、装置、电子设备和存储介质 |
EP21164536.1A EP3842758B1 (en) | 2020-06-05 | 2021-03-24 | Method and apparatus for generating offline map, vehicle and storage medium |
US17/221,249 US11761788B2 (en) | 2020-06-05 | 2021-04-02 | Method and apparatus for generating offline map, electronic device and storage medium |
KR1020210043228A KR20210043522A (ko) | 2020-06-05 | 2021-04-02 | 오프라인 지도 생성 방법, 장치, 전자 기기 및 저장 매체 |
JP2021085805A JP7104215B2 (ja) | 2020-06-05 | 2021-05-21 | オフラインマップの生成方法、生成装置、電子機器及び記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010506742.7A CN111829535B (zh) | 2020-06-05 | 2020-06-05 | 生成离线地图的方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111829535A CN111829535A (zh) | 2020-10-27 |
CN111829535B true CN111829535B (zh) | 2022-05-03 |
Family
ID=72899287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010506742.7A Active CN111829535B (zh) | 2020-06-05 | 2020-06-05 | 生成离线地图的方法、装置、电子设备和存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11761788B2 (zh) |
EP (1) | EP3842758B1 (zh) |
JP (1) | JP7104215B2 (zh) |
KR (1) | KR20210043522A (zh) |
CN (1) | CN111829535B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991808B (zh) * | 2020-12-29 | 2022-09-30 | 杭州海康威视数字技术股份有限公司 | 一种停车区域的车位显示方法、装置及电子设备 |
CN114120642B (zh) * | 2021-11-23 | 2022-12-06 | 深圳大学 | 一种道路车流三维重建方法、计算机设备及存储介质 |
CN114360246B (zh) * | 2021-12-28 | 2023-03-17 | 北京汇通天下物联科技有限公司 | 一种高速公路出口匝道的预警方法、装置及存储介质 |
CN114581794B (zh) * | 2022-05-06 | 2022-08-23 | 北京百度网讯科技有限公司 | 地理数字孪生信息获取方法、装置、电子设备及存储介质 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7352386B1 (en) * | 1999-06-22 | 2008-04-01 | Microsoft Corporation | Method and apparatus for recovering a three-dimensional scene from two-dimensional images |
JP5012615B2 (ja) | 2008-03-27 | 2012-08-29 | ソニー株式会社 | 情報処理装置、および画像処理方法、並びにコンピュータ・プログラム |
CN103154666B (zh) | 2011-06-14 | 2015-03-18 | 日产自动车株式会社 | 距离测量装置以及环境地图生成装置 |
US9965863B2 (en) * | 2016-08-26 | 2018-05-08 | Elekta, Inc. | System and methods for image segmentation using convolutional neural network |
US11274929B1 (en) * | 2017-10-17 | 2022-03-15 | AI Incorporated | Method for constructing a map while performing work |
US10593108B2 (en) * | 2017-10-31 | 2020-03-17 | Skycatch, Inc. | Converting digital aerial images into a three-dimensional representation utilizing processing clusters |
CN109087359B (zh) * | 2018-08-30 | 2020-12-08 | 杭州易现先进科技有限公司 | 位姿确定方法、位姿确定装置、介质和计算设备 |
CN109782766B (zh) * | 2019-01-25 | 2023-01-03 | 北京百度网讯科技有限公司 | 用于控制车辆行驶的方法和装置 |
WO2020154990A1 (zh) * | 2019-01-30 | 2020-08-06 | 深圳市大疆创新科技有限公司 | 目标物体运动状态检测方法、设备及存储介质 |
CN109920055A (zh) * | 2019-03-08 | 2019-06-21 | 视辰信息科技(上海)有限公司 | 三维视觉地图的构建方法、装置与电子设备 |
EP3956633A1 (en) * | 2019-04-18 | 2022-02-23 | Telefonaktiebolaget LM Ericsson (PUBL) | Method of controlling a portable device and a portable device |
CN110728717B (zh) * | 2019-09-27 | 2022-07-15 | Oppo广东移动通信有限公司 | 定位方法及装置、设备、存储介质 |
CN110715671B (zh) * | 2019-12-12 | 2020-03-20 | 中智行科技有限公司 | 三维地图生成方法、装置、车辆导航设备和无人驾驶车辆 |
CN111174799B (zh) * | 2019-12-24 | 2023-02-17 | Oppo广东移动通信有限公司 | 地图构建方法及装置、计算机可读介质、终端设备 |
-
2020
- 2020-06-05 CN CN202010506742.7A patent/CN111829535B/zh active Active
-
2021
- 2021-03-24 EP EP21164536.1A patent/EP3842758B1/en active Active
- 2021-04-02 KR KR1020210043228A patent/KR20210043522A/ko not_active Application Discontinuation
- 2021-04-02 US US17/221,249 patent/US11761788B2/en active Active
- 2021-05-21 JP JP2021085805A patent/JP7104215B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
EP3842758A2 (en) | 2021-06-30 |
EP3842758A3 (en) | 2021-10-20 |
JP2021152909A (ja) | 2021-09-30 |
EP3842758B1 (en) | 2023-08-23 |
US20210223062A1 (en) | 2021-07-22 |
JP7104215B2 (ja) | 2022-07-20 |
KR20210043522A (ko) | 2021-04-21 |
US11761788B2 (en) | 2023-09-19 |
CN111829535A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111829535B (zh) | 生成离线地图的方法、装置、电子设备和存储介质 | |
CN111174799B (zh) | 地图构建方法及装置、计算机可读介质、终端设备 | |
JP7258078B2 (ja) | 実景ナビゲーションアイコン表示方法、装置、機器及び媒体 | |
CN111859778B (zh) | 泊车模型的生成方法和装置、电子设备和存储介质 | |
CN111982137B (zh) | 生成路线规划模型的方法、装置、设备和存储介质 | |
CN111959505B (zh) | 车辆巡航控制方法、装置、电子设备和存储介质 | |
CN111959495B (zh) | 车辆的控制方法、装置及车辆 | |
CN110377025A (zh) | 用于自动驾驶车辆的传感器聚合框架 | |
CN108413975A (zh) | 地图获取方法、系统、云处理器及车辆 | |
JP2022020044A (ja) | 自律駐車のための方法と装置、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム | |
CN113218406B (zh) | 电子地图的导航方法、装置、设备和介质 | |
CN111931286A (zh) | 纵向动力学模型的训练方法、装置及设备 | |
CN111291650A (zh) | 自动泊车辅助的方法及装置 | |
CN110794844A (zh) | 自动驾驶方法、装置、电子设备及可读存储介质 | |
CN113091757A (zh) | 地图生成方法和装置 | |
CN111292549B (zh) | 建立路线耗时预估模型的方法、预估路线耗时的方法及对应装置 | |
CN114386599B (zh) | 训练轨迹预测模型和轨迹规划的方法和装置 | |
CN112581533A (zh) | 定位方法、装置、电子设备及存储介质 | |
CN112486817A (zh) | 一种数据更新的测评方法、装置、设备及存储介质 | |
CN111260722B (zh) | 车辆定位方法、设备及存储介质 | |
CN111959496B (zh) | 用于车辆横向控制的模型生成方法、装置及电子设备 | |
KR102524988B1 (ko) | 모델링 노선의 검증 방법, 장치, 무인 자동차 및 저장매체 | |
CN115357500A (zh) | 自动驾驶系统的测试方法、装置、设备和介质 | |
CN113806387A (zh) | 模型训练方法、高精地图变更检测方法、装置及电子设备 | |
CN117968691A (zh) | 一种基于三维语义地图的ar导航方法和装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211013 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |