CN112074871A - 高清地图管理系统和方法 - Google Patents
高清地图管理系统和方法 Download PDFInfo
- Publication number
- CN112074871A CN112074871A CN201880092600.1A CN201880092600A CN112074871A CN 112074871 A CN112074871 A CN 112074871A CN 201880092600 A CN201880092600 A CN 201880092600A CN 112074871 A CN112074871 A CN 112074871A
- Authority
- CN
- China
- Prior art keywords
- map
- point cloud
- tiles
- map tiles
- tile
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000009826 distribution Methods 0.000 claims description 14
- 238000007726 management method Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims 2
- 238000004891 communication Methods 0.000 description 15
- 230000006835 compression Effects 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- G01C21/3881—Tile-based structures
-
- 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
- G01C21/3867—Geometry of map features, e.g. shape points, polygons or for simplified maps
-
- 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
- G01C21/3885—Transmission of map data to client devices; Reception of map data by client devices
- G01C21/3889—Transmission of selected map data, e.g. depending on route
-
- 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
- G01C21/3885—Transmission of map data to client devices; Reception of map data by client devices
- G01C21/3896—Transmission of map data from central 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
- G06T17/005—Tree description, e.g. octree, quadtree
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/001—Model-based coding, e.g. wire frame
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/40—Tree coding, e.g. quadtree, octree
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/56—Particle system, point based geometry or rendering
Abstract
高清地图管理系统和方法。该系统可以包括至少一个存储器(340),被配置用于存储点数据和指令,以及至少一个处理器(320)被配置用于执行指令以执行操作。所述操作可以包括确定点云(302)的地理坐标,并基于地理坐标将点云(302)与高清地图的一个或以上地图图块相关联。对于与点云(302)相关联的一个或以上地图图块中的每一个,操作还可以包括基于点云(302)的至少一部分生成与地图图块对应的定位点云块。操作还可以包括基于客户端设备的位置信息,将对应于至少一个地图图块的定位点云块提供给客户端设备。
Description
技术领域
本申请涉及用于管理高清地图的系统和方法,更具体地,涉及用于管理用于自动驾驶应用中的定位服务的大规模高清地图的系统和方法。
背景技术
在自动驾驶中,车辆的运动部分或全部由驾驶控制系统控制。驾驶控制系统基于关于车辆周围区域的实时信息以及先验知识做出驾驶决定。实时信息可以通过各种传感器获得,例如一个或以上相机、全球定位系统(GPS)接收器、惯性测量单元(IMU)传感器和/或激光雷达。可以从远程服务器下载诸如地图信息的先验知识并将其存储在本地存储器中。然后可以通过驾驶控制系统将实时信息与先前知识进行比较,以帮助做出驾驶决定。例如,车辆的定位可以通过匹配车辆行驶的道路的实时图像和沿着道路的某些特征与先前获取的图像来实现。实时图像可以是由安装在车辆上的一个或以上相机捕获的二维(2D)形式。然而,由于环境照明、图像失真、视野等的限制,这种基于2D图像的方法可能无法提供高精确定位。更精确的方法是使用激光雷达,其可以捕获3D图像,也被称为点云,表示具有内置范围/距离信息的周围物体的表面轮廓。然后可以将捕获的点云数据与先前获取的点云存储库进行比较,该存储库也被称为高清地图,以确定车辆的当前位置。
高清地图需要例行和频繁更新,以应对路况的变化。可以通过将调查车辆分派到感兴趣的区域来捕获新的点云数据来进行更新。然后可以使用新的点云数据替换高清地图中相应的过时点云数据。此外,从新的未知区域捕获的点云数据可能被添加到高清地图以扩大其覆盖范围。对高清地图的这种频繁更新和扩展涉及处理大量数据,并且有效且高效地管理高清地图中包含的信息是具有挑战性的。虽然一些现有系统可能使用临时方法来管理地理覆盖范围有限的小规模高清地图,但这些解决方案缺乏统一的数据管理框架,能够组织、存储和交付覆盖广泛地理区域的大规模高清地图。
本申请的实施例通过用于基于地图图块的层次来管理高清地图的方法和系统来解决上述问题,以组织定位点云块和多分辨率压缩算法以增强数据存储和传递效率。
发明内容
本申请的实施例提供了一种高清地图管理系统。该系统可以包括至少一个存储设备,被配置为存储点云数据和指令。该系统还可以包括至少一个处理器,被配置为基于点云数据执行指令来完成高清地图管理操作。操作可以包括确定点云的地理坐标。操作还可以包括基于地理坐标将点云与高清地图的一个或以上地图图块相关联。对于与点云相关联的一个或以上地图图块中的每一个,操作可以包括基于点云的至少一部分生成与地图图块对应的定位点云块。另外,操作可以包括基于客户端设备的位置信息,将对应于至少一个地图图块的定位点云块提供给客户端设备。
本申请的实施例还提供了一种高清地图管理方法。该方法可以包括确定点云的地理坐标。该方法还可以包括基于地理坐标将点云与高清地图的一个或以上地图图块相关联。对于与点云相关联的一个或以上地图图块中的每一个,该方法可以包括基于点云的至少一部分生成与地图图块对应的定位点云块。另外,该方法可以包括基于客户端设备的位置信息,将对应于至少一个地图图块的定位点云块提供给客户端设备。
本申请的实施例还提供了一种存储有指令非暂时性计算机可读介质,当由至少一个处理器执行时使至少一个处理器执行高清地图管理方法。该方法可以包括确定点云的地理坐标。该方法还可以包括基于地理坐标将点云与高清地图的一个或以上地图图块相关联。对于与点云相关联的一个或以上地图图块中的每一个,该方法可以包括基于点云的至少一部分生成与地图图块对应的定位点云块。另外,该方法可以包括基于客户端设备的位置信息,将对应于至少一个地图图块的定位点云块提供给客户端设备。
应当理解,前面的一般性描述和下面的详细描述都只是示例性和说明性的,并不是对要求保护的本发明的限制。
附图说明
图1是根据本申请的实施例所示的示例性自动驾驶场景;
图2是根据本申请的实施例所示的配备有传感器的示例性车辆的示意图;
图3是根据本申请的实施例所示的用于管理高清地图的示例性系统的框图;
图4是根据本申请的实施例所示的用于管理地图数据的示例性分层方法;
图5是根据本申请的实施例所示的示例性多分辨率压缩方案;
图6是根据本申请的实施例所示例的示例性排队过程;
图7是根据本申请的实施例所示的用于提供高分辨率定位地图服务的示例性系统;
图8是根据本申请的实施例所示的用于管理高清地图的示例性方法的流程图。
具体实施方式
现在将详细参考示例性实施例,其示例在附图中示出。只要有可能,在整个附图中将使用相同的附图标记来表示相同或相似的部分。
图1示出了示例性自动驾驶场景。如图1所示,车辆110可以由驾驶控制系统112部分或全部控制以沿着道路120行驶。车辆110可以配备有传感器系统114,其可以捕获关于车辆110的周围区域的实时信息,例如交通标志144、树木140、建筑物142等。车辆110还可以与服务器130通信以在覆盖车辆110的区域中接收地图信息。驾驶控制系统112可以处理由传感器系统114捕获的实况信息并且映射从服务器130接收的信息以确定用于控制车辆110的驾驶指令。例如,服务器130可以维护和管理包括点云数据的高清地图。基于传感器系统114捕获的实时信息,例如指示车辆110的当前位置的GPS信息,服务器130可以将先前在车辆110的相同位置或附近获取的点云数据提供给驾驶控制系统112。然后,驾驶控制系统112可以将所接收的点云数据与实时捕获的点云信息(例如,由传感器系统114捕获)进行比较,以确定车辆110的高精度位置信息,其可以由驾驶控制系统112用于生成驾驶决定。
图2是根据本申请的实施例所示的具有传感器系统114和驾驶控制系统112的示例性车辆110的示意图。车辆110可以是电动车辆、燃料电池车辆、混合动力车辆或传统的内燃机车辆。车辆110可具有车身116和至少一个车轮118。车身116可以是任何车身类型,例如运动车辆、跑车、轿车、皮卡车、旅行车、运动型多功能车(SUV)、小型货车或转换车。在一些实施例中,如图2所示,车辆110可包括一对前轮和一对后轮。然而,提供的车辆110可具有更多或更少的车轮或等效结构,使车辆110能够四处移动。车辆110可以被配置为全轮驱动(AWD)、前轮驱动(FWR)或后轮驱动(RWD)。在一些实施例中,车辆110可以被配置用于由占用车辆的操作员操作,由驾驶控制系统112远程控制和/或自主控制。
如图2所示,车辆110可配备有传感器系统114。在一些实施例中,传感器系统114可以安装或附接到车身116的外部,如图2所示。在一些实施例中,传感器系统114可以配备在车辆110内。在一些实施例中,传感器系统114可以包括配备在车辆110外部的部件,以及配备在车辆110内部的部件的一部分。可以设想,传感器系统114可以配备在车辆110上的方式不受图2中所示的示例的限制,并且可以根据传感器系统114和/或车辆110中包括的传感器的类型进行修改以实现理想的传感性能。
在一些实施例中,当车辆110沿着路径行驶时,传感器系统114可以被配置用于捕获实时数据。与本申请一致,传感器系统114可以包括激光雷达以捕获周围的点云数据。激光雷达通过用脉冲激光照射目标并用传感器测量反射脉冲来测量到目标的距离。然后可以使用激光返回时间和波长的差异来构建目标的数字3-D表现。用于激光雷达扫描的光可以是紫外线、可见光或近红外线。由于窄激光束可以以非常高的分辨率映射物理特征,因此激光雷达扫描仪特别适用于高分辨率定位。例如,激光雷达可以在一系列时间点中的每一个处捕获点云帧。每个点云帧可以表示在一个特定时间点的环绕对象的3D表面轮廓。可以组合(例如,通过时间/空间移位)多个点云帧以形成点云,其可以表示特定空间内的对象的3D表面轮廓。例如,点云可以表示沿着车辆110行驶的路径的特定距离来表示对象的表面轮廓。表面轮廓可以由点的空间分布表示,在该点处激光雷达发射的光波被反射。以这种方式,可以通过传感器系统114获取实时点云信息,其可以用于与先前捕获的点云(例如,高清地图的一部分)进行比较,以高精度地确定车辆110的位置。
在一些实施例中,传感器系统114还可以包括导航单元,例如GPS接收器和一个或以上IMU传感器。GPS是全球导航卫星系统,其向GPS接收器提供位置和时间信息。由于GPS接收器(例如,用于民用)提供的位置信息通常不能实现自动驾驶所需的高水平的分辨率或精度,因此GPS位置信息可用于估计车辆110的粗略位置,而高分辨率/高精度定位可以通过基于估计处理点云信息来完成。IMU是一种电子设备,使用各种惯性传感器(如加速度计和陀螺仪、有时还有磁力计)测量并提供车辆的特定力、角速率、有时还包括车辆周围的磁场。由IMU捕获的信息也可用于定位车辆110。
车辆110可以与服务器130通信以获取其行驶的路径的先验知识,例如地图信息。服务器130可以是本地物理服务器、云服务器(如图1和2所示)、虚拟服务器、分布式服务器或任何其他合适的计算设备。与本申请一致,服务器130可以存储高清地图。高清地图可以使用点云数据构建,其可以在调查行程期间由一个或以上的激光雷达获取。
与本申请一致,服务器130还可以负责管理高清地图,包括组织点云数据、不时更新点云数据以反映地图某些部分的变化、和/或提供点云信息给要求高分辨率/高精度定位服务的车辆。服务器130可以经由网络与车辆110和/或车辆110的组件(例如,传感器系统114、驾驶控制系统112等)通信,例如,无线局部区域网络(WLAN)、广域网、诸如无线电波的无线网络、蜂窝网络、卫星通信网络和/或本地或短程无线网络(例如,BluetoothTM)。
图3是根据本申请的实施例所示的用于管理高清地图的示例性服务器130。与本申请一致,服务器130可以接收点云302。点云302可以由配备有类似于传感器系统114的传感器系统的勘测车辆提供。点云302可以覆盖感兴趣的地理区域,例如需要更新的请求区域或新区域。服务器130可以被配置为聚合点云302进入高清地图。
在一些实施例中,如图3所示,服务器130可以包括通信接口310、处理器320、内存330和存储器340。在一些实施例中,服务器130可以在单个设备中具有不同的模块,诸如集成电路(IC)芯片(实现为专用集成电路(ASIC)或现场可编程门阵列(FPGA)),或者单独的具有专用功能的设备。在一些实施例中,服务器130的一个或以上组件可以位于云中,或者可以替代地在单个位置(诸如车辆110内或移动设备内)或分布式位置。服务器130的组件可以在集成设备中,或者分布在不同的位置,但是通过网络(未示出)彼此通信。
通信接口310可以经由通信电缆从车辆(例如,自动驾驶车辆或测量车辆)或其组件(诸如传感器系统114和/或驾驶控制系统112)发送数据和从其接收数据,诸如无线电波的无线局部区域网络(WLAN)、广域网(WAN)、无线网络、蜂窝网络和/或本地或短程无线网络(例如,蓝牙TM)、或其他通信方法。在一些实施例中,通信接口310可以是综合业务数字网(ISDN)卡、电缆调制解调器、卫星调制解调器或调制解调器,以提供数据通信连接。又例如,通信接口310可以是局部区域网络(LAN)卡,以提供与兼容LAN的数据通信连接。无线连接也可以由通信接口310实现。在这样的实现中,通信接口310可以发送和接收电信号、电磁信号或光信号,其携带经由网络表示各种类型信息的数字数据流。
与一些实施例一致,通信接口202可以接收点云302。通信接口还可以将接收到的点云302提供给内存330以供存储,或者提供给处理器320以进行处理。通信接口310还可以接收由处理器320生成的定位点云块,并将定位点云块提供给车辆110中的任何组件。
处理器320可包括任何适当类型的通用或专用微处理器、数字信号处理器或微控制器。处理器320可以被配置为专用于更新高清地图的单独处理器模块。或者,处理器320可以被配置为共享处理器模块,用于执行与颜色点云生成无关的其他功能。
如图3所示,处理器320可以包括多个模块,例如点云拼接单元322、定位点云块生成单元324和排序单元326等。这些模块(以及任何相应的子模块或子单元)可以是处理器320的硬件单元(例如,集成电路的部分),其被设计用于与处理器320通过执行程序的至少一部分而实现的其他组件或软件单元一起使用。程序可以存储在计算机可读介质上,并且当由处理器320执行时,它可以执行一个或以上的功能或操作。尽管图3示出了在一个处理器320内的所有单元322-326,但是可以预期这些单元可以分布在彼此靠近或远离的多个处理器之间。
点云拼接单元320可以被配置为将点云302中包含的点云与高清地图的一个或以上地图图块相关联。在一些实施例中,由服务器130管理的高清地图可以具有分层结构,其中大规模地图被划分为多个级别的地图图块。图4示出了基于网页墨卡托投影的示例性分层结构。在该结构下,诸如世界地图的大规模地图由不同级别的地图图块的不同数量表示。每个地图块可以具有预定的分辨率,例如256×256。在级别0,整个地图被表示为单个地图图块,其可以由其级别编号0和图块坐标(tileX,tileY)表示,在这种情况下为(0,0)。在下一级别,级别1,前一级别(级别0)中的每个地图图块变为2×2布局中的4个地图图块。在这种情况下,级别0中的单个地图图块被细化为具有地图图块坐标(0,0)、(1,0)、(0,1)和(1,1)的4个地图图块。因为每个地图图块具有相同的预定分辨率(例如,256×256),所以级别1中的整个世界地图的分辨率变为512×512,高于先前的级别(级别0)。类似地,在级别2中,前一级别(级别1)中的每个地图图块被进一步划分为四个地图图块,使地图图块的总数翻两倍。在级别3中,如图4所示,地图图块的总数变为64(8×8)。随着级别数量变大,地图被划分为更小的地图图块,并且由于每个地图图块具有相同的预定分辨率,因此较小的地图图块可以提供更精细的细节。
在分层结构下,地图上的位置可以由一系列地图图块表示。例如,在级别0中,地图上的位置应对应于相同的地图图块,因为只有一个地图图块覆盖整个世界。但是,在级别1中,在大多数情况下,相同的位置应仅由四个图块中的一个表示。类似地,在级别3,在大多数情况下,相同的位置应仅由64个区块中的一个来表示。可以设想,如果该位置占据特定级别的两个或以上地图图块,则应该使用相同级别的多个地图图块来表示该位置。
可以通过其级别编号和地图图块坐标来标识地图图块。因此,根据所需的分辨率,在地图上定位位置可以等同于在特定级别查找地图图块坐标。服务器130可以在不同级别预先存储地图图块,并根据适当的分辨率级别选择一个或以上预先存储的地图图块给请求客户端。这样,不需要在服务器端即时生成地图数据,并且分辨率的限制主要取决于可用带宽。
在一些实施例中,点云数据可以与地图图块相关联,使得点云可以由不同级别的一系列地图图块表示。例如,点云拼接单元322可确定点云302的地理坐标并将地理坐标转换为地图图块坐标。转换可以如下进行:
这样,点云302可以与高清地图的一个或以上地图图块相关联。参考图4,左下角显示点云302具有与层A中的地图图块(A1,B1)匹配的地理坐标。因此,点云302可以与级别A中的地图图块(A1,B1)相关联。另外,地图区块(A1,B1)被划分为级别A+1中的四个较小的地图图块(X1,Y1)、(X1,Y2)、(X2,Y1)和(X2,Y2)。然而,在级别A+1中,点云302的地理坐标对应于地图图块(X1,Y2)和(X2,Y2)的那些,而不是(X1,Y1)和(X2,Y1)。因此,在级别A+1中,点云302可以与地图图块(X1,Y2)和(X2,Y2)相关联。可以在层次结构中的任何级别执行类似的关联。
返回参考图3,在点云拼接单元322将点云302与某些级别的地图块相关联之后,定位点云块生成单元324可以为每个地图图块生成定位点云块(或简称“定位块”)。定位块是点云302的部分的3D表示,其落入特定级别中的单独地图图块内。结果,在相同级别,如果点云302与多个地图图块相关联,例如图4中所示的(X1,Y2)和(X2,Y2),则单元322可以为该级别中的每个地图图块生成定位块。另外,单元322可以生成针对不同级别的定位块。换句话说,单元324可以被配置用于根据在那些级别的不同分辨率生成不同级别的点云的表示。
在一些实施例中,点云322可以包含大量数据,这些数据不能以原始形式存储。在这些情况下,单元322可以基于该级别中的地图分辨率来压缩与特定级别中的每个关联的地图图块对应的点云数据。例如,参考图4的左下角,在级别A,点云302与地图图块(A1,B1)相关联,其可以具有256×256的分辨率。为了考虑点云302的3D特性,单元324可以表示由地图图块(A1,B1)定义的空间和足以使用至少两个体素覆盖点云302的高度。每个体素可以是立方体,其线性长度等于地图图块(A1,B1)侧面的1/256。点云302可以比立方体素更密集,因此点云302的多个点可以落在单个立方体素内。图5示出了图块(A1,B1)的示例性立体素视图,其中仅示出了四个体素。在四个体素中,体素502包含几个点云302。为了压缩点云数据使得每个体素由单个点表示,单元324可以使用正态分布变换(NDT)算法。具体地,对于每个体素,例如体素502,单元324计算对应于体素的表面特征的3D分布,包括平均强度值,以及沿x,y和z方向的强度分布:
M=[p1-μ,p2-μ,...,pn-μ] (3)
其中μ是平均强度值;pi是体素内点云点的强度值;∑是高斯分布的方差。
使用NDT算法,单元324可以用单个点510表示体素502内的点云302的所有点,其具有沿x、y和z方向的平均强度值和强度分布。换句话说,单元324将体素502内的点云302的所有点压缩成单个点510。
在压缩之后,每个体素包含至多一个压缩点,其表示点云302中落入该体素内的原始一个或以上点。因此,单元324可以使用由地图图块(A1,B1)定义的空间内的压缩点来生成与地图图块(例如,地图图块(A1,B1))对应的定位块。单元324可以将定位块存储在内存330和/或存储器340中。因为压缩的定位块具有与相同级别中的所有定位块相同的分辨率,所以相同级别内的定位块的聚合和集成相对容易实现。
单元324还可以使用不同的体素体积来压缩不同级别的点云302。例如,参考图5,在级别A+1中,级别A的每个体素变为八个较小的体素。现在对八个较小体素中的每一个进行表面特征的3D分布的计算。因为体素变小并且分辨率变得更高,所以一些体素可能不包含点云302的点。例如,在八个体素中,可能只有四个体素包含点。因此,压缩可以产生四个压缩点520、522、524和526,每个压缩点表示对应于该体素的点云点的表面特征的3D分布。可以基于针对级别A+1的压缩点520、522、524和526生成定位块。
排序单元326可以被配置为适当地排序高清地图的地图图块,使得定位点云图可以以无缝方式被传递到请求的客户端设备。图6示出了以用于递送定位点云图的示例性优先级队列600用于来管理地图图块。队列600可以包括至少两个优先级P0、P1和P2,其中P2具有最低优先级而P0具有最高优先级。排序单元326可以接收表示客户端设备的位置的信息,例如来自车辆110的传感器系统114的GPS位置信息。基于该信息,排序单元326可以确定客户端设备与多个地图图块的位置之间的距离,例如那些围绕客户端设备的位置的。在一些实施例中,距离可以在客户端设备与地图图块的中心的位置之间。如果距离短于阈值,则在队列中尚未存在的地图图块(例如,图块(a3,b2))可以进入队列。新输入的图块可以停靠在最低优先级P2中。在自进入队列起经过预定时间段之后,可以将具有最低优先级的图块提升为P1。
内存330和存储器340可包括任何适当类型的大容量存储器,其被提供以存储处理器320可能需要操作的任何类型的信息。内存330和存储器340可以是易失性或非易失性、磁性、半导体、磁带、光学、可移动、不可移动或其他类型的存储设备或有形(即,非暂时性)计算机可读介质,包括但是不限于ROM、闪存内存、动态RAM和静态RAM。内存330和/或存储器340可以被配置用于存储一个或以上计算机程序,其可以由处理器320执行以完成本文公开的颜色点云生成功能。例如,内存330和/或存储器340可以被配置为存储程序,其可以由处理器320执行以管理高清地图。
内存330和/或存储器340可以进一步被配置为存储处理器320使用的信息和数据。例如,内存330和/或存储器340可以被配置用于存储由传感器系统114和高清地图捕获的各种类型的数据(例如,GPS信息、点云、定位块等)。各种类型的数据可以永久存储、周期性地移除、或者在处理每个数据帧之后立即被忽略。
图7示出了定位过程期间的示例性信号流。服务器130可以包括地图服务器132和定位服务器134。地图服务器132可以维护具有预先存储的定位点云块的大规模高清地图。定位服务器134可以向请求客户端设备提供定位服务。在一些实施例中,传感器系统114可以向地图服务器132提供初始GPS消息。初始GPS消息可以包含由GPS接收器提供的车辆110的位置信息。基于初始GPS消息,地图服务器132可以识别高清地图中的感兴趣区域,并向定位服务器134提供与感兴趣区域相对应的定位点云块,以替换先前的定位块。定位服务器134可以从传感器系统114接收附加的实况信息,例如点云数据、GPS信息、IMU信息等。然后,位置服务器可以处理实时信息以及从地图服务器132接收的点云块,以确定车辆110的高精度位置。可以将高精度位置反馈给地图服务器132以更新或细化初始GPS信息。
图8示出了根据本申请的实施例的用于管理高清地图的示例性方法800的流程图。在一些实施例中,方法800可以由服务器130实现。然而,方法800不限于该示例性实施例。方法800可以包括如下所述的步骤S802-S820。应当理解,一些步骤可以是可选的,以执行本文提供的本申请。此外,一些步骤可以同时执行,或者以与图8中所示不同的顺序执行。
在步骤S802,服务器130可以从传感器系统114接收点云原始数据。例如,传感器系统可以包括激光雷达以捕获实时点云原始数据并提供给服务器130。在步骤S804,可以预处理原始点云数据以移除移动物体并减少噪声以生成点云。
在步骤S806,点云拼接单元322可以确定点云的地理坐标。例如,地理坐标可以由包括在传感器系统114中的GPS接收器获取。在步骤S808,点云拼接单元322可以将点云与一个或以上地图图块相关联。例如,点云拼接单元322可以根据等式(1)将地理坐标转换为图块坐标。在步骤S810中,定位点云块生成单元324可以压缩对应于每个地图块的点云的至少一部分。例如,单元324可以根据等式(2)-(4)将点云数据压缩成每个体素内的压缩点。另外,单元324可以使用不同的地图分辨率来压缩高清地图的不同级别中的点云。在步骤S812,单元324可以基于压缩的点云的至少一部分生成与每个地图图块对应的定位点云块。例如,定位点云块可以包括地图图块内的所有压缩点。
在步骤S814,排序单元326可以确定地图图块的中心与请求位置服务的车辆的位置之间的距离。例如,排序单元326可以从例如传感器系统114的GPS接收接收车辆的位置信息。基于位置信息,排序单元326可以确定车辆的位置与地图图块的中心之间的距离。在步骤S816,排序单元326可以根据距离信息将候选定位点云块排队在优先级队列中。例如,当距离在预设值内时,地图图块可以进入队列。队列中的副地图图块可以根据距离向上移动到更高的优先级。在步骤S818,排序单元可以确定该距离是否小于阈值。如果是,则方法800前进到步骤S820,其中排序单元326将定位块移出队列并提供给请求车辆。如果距离不小于阈值,则方法800返回步骤S816以继续排序过程。
本申请的另一方面涉及一种存储指令的非暂时性计算机可读介质,所述指令在被执行时使得一个或以上处理器执行如上所述的方法。所述计算机可读介质包括易失性或非易失性、磁性、半导体、磁带、光学、可移动、不可移动或其他类型的计算机可读介质或计算机可读存储设备。例如,如本申请的计算机可读介质可以是存储设备或其上存储有计算机指令的存储模块。在一些实施例中,计算机可读介质可以是其上存储有计算机指令的盘或闪存驱动器。
显而易见,本领域普通技术人员可以对本申请的系统和相关方法进行各种修改和变化。考虑到本申请的系统和相关方法的说明书和实践,其他实施例对于本领域普通技术人员是显而易见的。
本申请中的说明书和示例的目的仅被认为是示例性的,真正的范围由权利要求及其等同物限定。
Claims (20)
1.一种高清地图管理系统,包括:
至少一个存储设备,被配置为存储点云数据和指令;以及
至少一个处理器,被配置为基于所述点云数据执行所述指令来完成高清地图管理操作,所述操作包括:
确定点云的地理坐标;
基于所述地理坐标,将所述点云与所述高清地图的一个或以上地图图块相关联;
基于所述点云的至少一部分,为与所述点云相关联的所述一个或以上地图图块中的每一个,生成与所述地图图块对应的定位点云块;以及
基于客户端设备的位置信息,将对应于至少一个所述地图图块的所述定位点云块提供给所述客户端设备。
2.根据权利要求1所述的系统,其特征在于,所述操作还包括:
对于与所述点云相关联的所述一个或以上地图图块中的每一个,基于所述地图图块的特征压缩对应于所述地图图块的点云的至少一部分;以及
基于压缩的点云的至少一部分,为所述地图图块生成定位点云块。
3.根据权利要求2所述的系统,其特征在于,所述操作还包括:
使用正态分布变换算法压缩对应于所述地图图块的点云的至少一部分。
4.根据权利要求2所述的系统,其特征在于,所述地图图块的特征包括所述地图图块的地图分辨率。
5.根据权利要求1所述的系统,其特征在于:
所述定位点云块包括至少两个体素;以及
所述操作还包括:
计算每个所述体素表面特征的三维分布。
6.根据权利要求5所述的系统,其特征在于,所述操作还包括:
使用不同的体素体积计算表面特征的多重三维分布。
7.根据权利要求1所述的系统,其特征在于,所述操作还包括:
接收所述客户端设备的所述位置信息;
确定所述客户端设备的位置与多个所述地图图块之间的距离;
基于所述距离将多个所述地图图块排列成至少两个优先级别;以及
将预设优先级的地图图块中的至少一个对应的所述定位点云块提供给所述客户端设备。
8.根据权利要求1所述的系统,其特征在于:
所述高清地图是世界地图;
所述预设优先级的地图图块的结构包括多级地图图块结构;
在每一级,所述高清地图被分为预设数量的地图图块;以及
所述操作还包括:
将所述点云与第一级的第一组地图图块相关联;以及
将所述点云与第二级的第二组地图图块相关联,其中所述第一组地图图块和所述第二组地图图块包括不同数量的地图图块。
9.根据权利要求8所述的系统,其特征在于,所述操作还包括:
生成对应于所述第一组地图图块的第一组定位点云块,其中所述第一组定位点云块包括具有第一体素大小的体素;
生成对应于所述第二组地图图块的第二组定位点云块,其中所述第二组定位点云块包括具有第二体素大小的体素;以及
所述第一体素大小与所述第二体素大小不同。
10.一种高清地图管理方法,包括:
确定点云的地理坐标;
基于所述地理坐标,将所述点云与所述高清地图的一个或以上地图图块相关联;
基于所述点云的至少一部分,为与所述点云相关联的所述一个或以上地图图块中的每一个,生成与所述地图图块对应的定位点云块;以及
基于客户端设备的位置信息,将对应于至少一个所述地图图块的所述定位点云块提供给所述客户端设备。
11.根据权利要求10所述的方法,其特征在于,所述方法进一步包括:
对于与所述点云相关联的所述一个或以上地图图块中的每一个,基于所述地图图块的特征压缩对应于所述地图图块的点云的至少一部分;以及
基于压缩的点云的至少一部分,为所述地图图块生成定位点云块。
12.根据权利要求11所述的方法,其特征在于,所述方法进一步包括:
使用正态分布变换算法压缩对应于所述地图图块的点云的至少一部分。
13.根据权利要求11所述的方法,其特征在于,所述地图图块的特征包括所述地图图块的地图分辨率。
14.根据权利要求10所述的方法,其特征在于:
所述定位点云块包括至少两个体素;以及
所述方法还包括:
计算每个所述体素表面特征的三维分布。
15.根据权利要求14所述的方法,其特征在于,所述方法进一步包括:
使用不同的体素体积计算表面特征的多重三维分布。
16.根据权利要求10所述的方法,其特征在于,所述方法进一步包括:
接收所述客户端设备的所述位置信息;
确定所述客户端设备的位置与多个所述地图图块之间的距离;
基于所述距离将多个所述地图图块排列成至少两个优先级别;以及
将预设优先级的地图图块中的至少一个对应的所述定位点云块提供给所述客户端设备。
17.根据权利要求10所述的方法,其特征在于:
所述高清地图是世界地图;
所述预设优先级的地图图块的结构包括多级地图图块结构;
在每一级,所述高清地图被分为预设数量的地图图块;以及
所述方法还包括:
将所述点云与第一级的第一组地图图块相关联;以及
将所述点云与第二级的第二组地图图块相关联,其中所述第一组地图图块和所述第二组地图图块包括不同数量的地图图块。
18.根据权利要求17所述的方法,其特征在于,所述方法进一步包括:
生成对应于所述第一组地图图块的第一组定位点云块,其中所述第一组定位点云块包括具有第一体素大小的体素;
生成对应于所述第二组地图图块的第二组定位点云块,其中所述第二组定位点云块包括具有第二体素大小的体素;以及
所述第一体素大小与所述第二体素大小不同。
19.一种存储有指令的非暂时性计算机可读介质,其特征在于,所述指令在由至少一个处理器执行时使所述至少一个处理器执行所述高清地图管理方法,所述方法包括:
确定点云的地理坐标;
基于所述地理坐标,将所述点云与所述高清地图的一个或以上地图图块相关联;
基于所述点云的至少一部分,为与所述点云相关联的所述一个或以上地图图块中的每一个,生成与所述地图图块对应的定位点云块;以及
基于客户端设备的位置信息,将对应于至少一个所述地图图块的所述定位点云块提供给所述客户端设备。
20.根据权利要求19所述的非暂时性计算机可读介质,其特征在于:
所述高清地图是世界地图;
预设的所述地图图块的结构包括多级地图图块结构;
在每一级,所述高清地图被分为预设数量的地图图块;以及
所述方法还包括:
将所述点云与第一级的第一组地图图块相关联;
将所述点云与第二级的第二组地图图块相关联,其中所述第一组地图图块和所述第二组地图图块包括不同数量的地图图块;
生成对应于所述第一组地图图块的第一组定位点云块,其中所述第一组定位点云块包括具有第一体素大小的体素;
生成对应于所述第二组地图图块的第二组定位点云块,其中所述第二组定位点云块包括具有第二体素大小的体素;
其中所述第一体素大小与所述第二体素大小不同。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/117443 WO2020107151A1 (en) | 2018-11-26 | 2018-11-26 | Systems and methods for managing a high-definition map |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112074871A true CN112074871A (zh) | 2020-12-11 |
Family
ID=70854724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880092600.1A Pending CN112074871A (zh) | 2018-11-26 | 2018-11-26 | 高清地图管理系统和方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112074871A (zh) |
WO (1) | WO2020107151A1 (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101325926B1 (ko) * | 2012-05-22 | 2013-11-07 | 동국대학교 산학협력단 | 실시간 3d 데이터 송수신을 위한 3d 데이터 처리 장치 및 방법 |
CN107291879A (zh) * | 2017-06-19 | 2017-10-24 | 中国人民解放军国防科学技术大学 | 一种虚拟现实系统中三维环境地图的可视化方法 |
US20180056801A1 (en) * | 2016-09-01 | 2018-03-01 | Powerhydrant Llc | Robotic Charger Alignment |
CN108268514A (zh) * | 2016-12-30 | 2018-07-10 | 乐视汽车(北京)有限公司 | 基于八叉树的云端地图地图更新设备 |
CN108387241A (zh) * | 2017-02-02 | 2018-08-10 | 百度(美国)有限责任公司 | 更新自动驾驶车辆的定位地图的方法和系统 |
CN108801276A (zh) * | 2018-07-23 | 2018-11-13 | 奇瑞汽车股份有限公司 | 高精度地图生成方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100662507B1 (ko) * | 2004-11-26 | 2006-12-28 | 한국전자통신연구원 | 다목적 지리정보 데이터 저장 방법 |
US9589355B2 (en) * | 2015-03-16 | 2017-03-07 | Here Global B.V. | Guided geometry extraction for localization of a device |
GB2563198B (en) * | 2017-03-15 | 2021-05-26 | Jaguar Land Rover Ltd | A system for identifying water ahead of a vehicle |
-
2018
- 2018-11-26 CN CN201880092600.1A patent/CN112074871A/zh active Pending
- 2018-11-26 WO PCT/CN2018/117443 patent/WO2020107151A1/en active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101325926B1 (ko) * | 2012-05-22 | 2013-11-07 | 동국대학교 산학협력단 | 실시간 3d 데이터 송수신을 위한 3d 데이터 처리 장치 및 방법 |
US20180056801A1 (en) * | 2016-09-01 | 2018-03-01 | Powerhydrant Llc | Robotic Charger Alignment |
CN108268514A (zh) * | 2016-12-30 | 2018-07-10 | 乐视汽车(北京)有限公司 | 基于八叉树的云端地图地图更新设备 |
CN108387241A (zh) * | 2017-02-02 | 2018-08-10 | 百度(美国)有限责任公司 | 更新自动驾驶车辆的定位地图的方法和系统 |
CN107291879A (zh) * | 2017-06-19 | 2017-10-24 | 中国人民解放军国防科学技术大学 | 一种虚拟现实系统中三维环境地图的可视化方法 |
CN108801276A (zh) * | 2018-07-23 | 2018-11-13 | 奇瑞汽车股份有限公司 | 高精度地图生成方法及装置 |
Non-Patent Citations (1)
Title |
---|
陶志鹏;陈志国;王英;吴冰冰;程思琪;: "海量三维地形数据的实时可视化研究", 科技创新与应用, no. 30 * |
Also Published As
Publication number | Publication date |
---|---|
WO2020107151A1 (en) | 2020-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI705263B (zh) | 使用光達的運輸工具定位系統 | |
CN108319655B (zh) | 用于生成栅格地图的方法和装置 | |
US10937231B2 (en) | Systems and methods for updating a high-resolution map based on binocular images | |
TWI695181B (zh) | 用於產生彩色點雲的方法和系統 | |
CN110859044B (zh) | 自然场景中的集成传感器校准 | |
CN112005079B (zh) | 用于更新高清地图的系统和方法 | |
CN112136021A (zh) | 用于构建基于地标的高清地图的系统和方法 | |
CN112424568A (zh) | 构建高清地图的系统和方法 | |
CN112074871A (zh) | 高清地图管理系统和方法 | |
JP2018194417A (ja) | 位置推定装置、移動装置 | |
CN113196341A (zh) | 用于对道路的表面上的对象进行检测和建模的方法 | |
CN113312403B (zh) | 地图获取方法、装置、电子设备及存储介质 | |
AU2018102199A4 (en) | Methods and systems for color point cloud generation | |
US20230196618A1 (en) | Neural network-based method and apparatus for improving localization of a device | |
CN114419180A (zh) | 重构高精地图的方法、装置和电子设备 |
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 |