CN112414417B - 自动驾驶地图生成方法、装置、电子设备及可读存储介质 - Google Patents

自动驾驶地图生成方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN112414417B
CN112414417B CN202011289964.4A CN202011289964A CN112414417B CN 112414417 B CN112414417 B CN 112414417B CN 202011289964 A CN202011289964 A CN 202011289964A CN 112414417 B CN112414417 B CN 112414417B
Authority
CN
China
Prior art keywords
map information
map
information
uncertainty
point cloud
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
CN202011289964.4A
Other languages
English (en)
Other versions
CN112414417A (zh
Inventor
王鲁晗
霍洁
刘鲁宁
王刚
傅彬
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.)
Zhiyou Open Source Communication Research Institute Beijing Co ltd
Original Assignee
Zhiyou Open Source Communication Research Institute Beijing 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 Zhiyou Open Source Communication Research Institute Beijing Co ltd filed Critical Zhiyou Open Source Communication Research Institute Beijing Co ltd
Priority to CN202011289964.4A priority Critical patent/CN112414417B/zh
Publication of CN112414417A publication Critical patent/CN112414417A/zh
Application granted granted Critical
Publication of CN112414417B publication Critical patent/CN112414417B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01C21/26—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
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/40—Correcting position, velocity or attitude
    • G01S19/41—Differential correction, e.g. DGPS [differential GPS]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开实施例公开了一种自动驾驶地图生成方法、装置、电子设备及存储介质。其中，地图生成方法包括：获取第一移动设备的第一地图信息；获取第二移动设备的第二地图信息；获取所述第一移动设备和所述第二移动设备间的第一距离；在所述第一移动设备和所述第二移动设备间的第一距离小于第一阈值的条件下，合并所述第一地图信息和所述第二地图信息，从而对不同移动设备获取的地图进行精确合并，获取精确的全局地图，并处理遮挡对地图合并的影响，为自动驾驶车辆提供更加准确和安全的服务。

Description

自动驾驶地图生成方法、装置、电子设备及可读存储介质
技术领域
本公开涉及计算机技术领域，具体涉及自动驾驶地图生成方法、装置、电子设备及可读存储介质。
背景技术
自动驾驶已成为提高人类生活质量和安全性的非常有前景的技术。地图由于描述环境中的高冗余性，而起到启用自动驾驶的主要作用。导航地图通常安装在汽车中，用于估计GPS精度在几米左右。这种地图精度不足，不能用于自动驾驶。如果地图不准确，则发生与现实世界相比的估计位置的误差，并且给车辆提供错误的控制命令。因此，需要非常精确的地图来控制自动驾驶车辆。而且多个不同的例如车辆的设备检测到的地图需要进行融合。
发明内容
为了解决相关技术中的问题，本公开实施例提供自动驾驶地图生成方法、装置、电子设备及可读存储介质。
第一方面，本公开实施例中提供了一种地图生成方法，包括：
获取第一移动设备的第一地图信息；
获取第二移动设备的第二地图信息；
获取所述第一移动设备和所述第二移动设备间的第一距离；
在所述第一移动设备和所述第二移动设备间的第一距离小于第一阈值的条件下，合并所述第一地图信息和所述第二地图信息。
结合第一方面，在第一方面的第一种实施方式中，所述第一地图信息包括：激光雷达获取的点云信息；和/或
所述第二地图信息包括：激光雷达获取的点云信息。
结合第一方面，在第一方面的第二种实施方式中，所述获取所述第一移动设备和所述第二移动设备间的第一距离包括：
获取所述第一移动设备的第一位置信息；
获取所述第二移动设备的第二位置信息；
所述第一移动设备通过无线信道获取所述第二移动设备的第二位置信息；
根据所述第一移动设备的第一位置信息和所述第二移动设备的第二位置信息，计算所述第一移动设备和所述第二移动设备间的所述第一距离。
结合第一方面，在第一方面的第三种实施方式中，所述合并所述第一地图信息和所述第二地图信息包括：
获取所述第一地图信息的坐标系和所述第二地图信息的坐标系之间的第一变换矩阵；
通过所述第一变换矩阵计算所述第二地图信息，得到第三地图信息；
合并所述第一地图信息和所述第三地图信息。
结合第一方面的第三种实施方式，在第一方面的第四种实施方式中，所述获取所述第一地图信息的坐标系和所述第二地图信息的坐标系之间的第一变换矩阵包括：
通过快速点直方图算法和随机抽样一致算法，使用所述第一地图信息中的关键点和所述第二地图信息中的关键点，计算第二变换矩阵；
通过迭代最近点算法，使用所述第二变换矩阵，计算所述第一变换矩阵。
结合第一方面，在第一方面的第五种实施方式中，在所述第一移动设备和所述第二移动设备间的第一距离小于第一阈值的条件下，合并所述第一地图信息和所述第二地图信息之前，还包括：
计算所述第一地图信息中的第一不确定性信息；
计算所述第二地图信息中的第二不确定性信息。
结合第一方面的第五种实施方式，在第一方面的第六种实施方式中，其特征在于，所述计算所述第一地图信息中的第一不确定性信息包括：
所述第一移动设备获取第一动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离；
通过所述第一动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离计算所述第一不确定性信息，
所述计算所述第二地图信息中的第二不确定性信息包括：
所述第二移动设备获取第二动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离；
通过所述第二动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离计算所述第二不确定性信息。
结合第一方面的第五种实施方式，在第一方面的第七种实施方式中，所述合并所述第一地图信息和所述第二地图信息包括：
根据所述第一不确定性信息和所述第二不确定性信息，调整所述第一地图信息和所述第二地图信息，得到调整后的第一地图信息和调整后的第二地图信息；
合并所述调整后的第一地图信息和所述调整后的第二地图信息。
第二方面，本公开实施例中提供了一种地图生成装置，包括：
第一地图信息获取模块，被配置为获取第一移动设备的第一地图信息；
第二地图信息获取模块，被配置为获取第二移动设备的第二地图信息；
第一距离获取模块，被配置为获取所述第一移动设备和所述第二移动设备间的第一距离；
地图信息合并模块，被配置为在所述第一移动设备和所述第二移动设备间的第一距离小于第一阈值的条件下，合并所述第一地图信息和所述第二地图信息。
第三方面，本公开实施例中提供了一种电子设备，包括存储器和处理器；其中，
所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如第一方面、第一方面的第一种实现方式到第七种实现方式任一项所述的方法。
第四方面，本公开实施例中提供了一种可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现如第一方面、第一方面的第一种实现方式到第七种实现方式任一项所述的方法。
本公开实施例提供的技术方案可以包括以下有益效果：
根据本公开实施例提供的技术方案，通过获取第一移动设备的第一地图信息；获取第二移动设备的第二地图信息；获取所述第一移动设备和所述第二移动设备间的第一距离；在所述第一移动设备和所述第二移动设备间的第一距离小于第一阈值的条件下，合并所述第一地图信息和所述第二地图信息，从而对不同移动设备获取的地图进行精确合并，获取精确的全局地图，并处理遮挡对地图合并的影响，为自动驾驶车辆提供更加准确和安全的服务。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
结合附图，通过以下非限制性实施方式的详细描述，本公开的其它特征、目的和优点将变得更加明显。在附图中：
图1示出根据本公开一实施方式的地图生成方法的流程图；
图2示出根据图1所示实施方式的步骤S103的流程图；
图3示出根据图1所示实施方式的合并所述第一地图信息和所述第二地图信息的流程图；
图4示出根据图3所示实施方式的步骤S301的流程图；
图5示出根据本公开另一实施方式的地图生成方法的流程图；
图6示出根据图5所示实施方式的步骤S501的流程图；
图7示出根据本公开一实施方式的地图生成装置的结构框图；
图8示出根据本公开一实施方式的电子设备的结构框图；
图9是适于用来实现根据本公开一实施方式的地图生成方法的计算机系统的结构示意图。
具体实施方式
下文中，将参考附图详细描述本公开的示例性实施方式，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施方式无关的部分。
在本公开中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的标签、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他标签、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的标签可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
自动驾驶已成为提高人类生活质量和安全性的非常有前景的技术。必须强有力地实施许多技术以实现自动驾驶车辆，例如运动预测和生成，车道变换，接口，障碍物检测，物体跟踪和分类，碰撞预测，交通信号识别等。这些技术分为五类：地图，定位，路径规划，感知和控制。在这些类别中，地图是预定义的操作，并且由于描述环境中的高冗余性而起到启用自动驾驶的主要作用。导航地图通常安装在汽车中，用于估计GPS精度在几米左右。这种地图不能用于自动驾驶，因为自动驾驶的地图精度需要到厘米量级。如果地图不准确，则发生与现实世界相比的估计位置的误差，并且给车辆提供错误的控制命令。因此，需要非常精确的地图来控制自动驾驶车辆。
在现有技术中，可以通过摄像头或者激光雷达(LiDAR)获得道路环境中的地图信息。基于摄像头的地图提供关于环境的密集信息，包括外观和纹理。许多研究人员利用这些信息来提取最重要的地标，例如，交通标志的形状和位置，车道线和长度和宽度以及道路绘画标志。然后将这些细节包含在矢量中并将其视为虚拟地图。而基于LiDAR的地图在技术上容易收集并且非常可靠。LiDAR收集的数据通常由三维稀疏点云组成。特征映射技术可以使用特定元素来描述环境，例如路缘，角落，反射器，路边边界等，并且生成高精度地图。
相比于传统的电子地图，高精地图具有数据高精度、信息高维度以及高实时性的特点。随着感知范围的延伸和传感精度的提高，高精度地图有能力构建更精确的定位、更广范围的环境感知、更完备的交通信息，从而为自动驾驶提供感知、定位、决策等多种支持。高精度地图不仅仅包含对道路静态元素10～20厘米精度的三维表示，如车道线、曲率、坡度和路侧物体等，还包括了驾驶环境中各种动态信息，如车道限速、车道关闭、道路坑洼、交通事故等。此外，高精地图还发展出个性化驾驶支持，包括各种驾驶行为建议，如最佳加速点及刹车点、最佳过弯速度等，以提高自动驾驶的舒适度。
高精地图需分为2个层级：底层可以是静态高精地图层，提前进行装载；上层可以是动态高精地图层，在行车过程中不断更新。动态高精地图层构建在静态层之上，增加了道路拥堵情况、施工情况、交通事故、交通管制情况、天气情况等动态交通信息。这些动态要素通过5G等通信手段在车车之间、车与边缘节点之间、多边缘节点之间进行收集、处理与发布，将及时地反映在高精地图上以辅助决策确保自动驾驶车辆行驶安全。
为了提高绘制大面积地图的效率和准确性，例如整个城市的驾驶区域，通常需要两辆或两辆以上的使用例如激光雷达的车辆同时参与绘制工作。车辆可以彼此独立地构建地图，并在可能的情况下将它们的地图合并成一个全局一致的地图。如果我们假设车辆初始姿态之间的相对坐标转换是未知的，那么地图合并问题就变得很有挑战性。在这种情况下，合作车辆不共享一个共同的参考框架，必须根据地图数据本身的特征信息来估计局部地图之间的转换。
在预建点云中的过多动态车辆可能导致对点云的遮挡。该对点云的遮挡增加了LiDAR点云合并过程中的匹配的不确定性。
本领域普通技术人员可以理解，除了用车辆检测的方式生成地图，在例如用无人机生成三维环境地图、船舶生成水文图等的其它地图生成方面，也面临类似问题。
为了解决上述问题，本公开提出一种地图生成方法、装置、电子设备及可读存储介质。
自动驾驶需要由三维表示出来的环境作为高精度地图。在许多情况下，单个车辆绘制整个大型环境的效率不高。因此，一组车辆可以进行合作，在各自绘制局部地地图后进行合并，共同建立完整的地图。
在本公开的实施例中，可以使用多辆车对道路及其周边的环境进行测绘，形成三维地图。每辆车可以配备计算机，例如无线局域网，或专用短程通信(DSRC，DedicatedShort Range Communications)，或LTE，或5G的无线通信接口，以及高精度实时动态(Real-time Kinematic，RTK)载波相位差分全球定位系统(Global Positioning System，GPS)接收机。每辆车开始从其自身的初始位置探索环境，而不知道其他车辆的相对动作。当没有车辆被认为彼此相遇时，每辆车只使用基于扫描匹配的算法执行获取单车地图。
同时，为了检测车辆间的相遇，车辆通过专用无线通信信道主动发出并收听预定义的信标信号，试图在通信范围内相互通信。信标信号包含每个发送车辆的当前RTK载波相位差分GPS姿势(经度、纬度、航向)。通过将车辆彼此之间的距离与预定阈值进行比较，车辆可以使用它们的RTK载波相位差分GPS姿势信息来确定它们是否彼此“相遇”。当车辆间的距离大于预设阈值时，则车辆没有相遇。
本领域普通技术人员可以理解，预定阈值可以是欧几里得距离，或者是街区中的折线距离，本公开对此不作限定。
当车辆间的距离大于预定阈值时，每辆车可以自行工作，根据3D LiDAR点云扫描匹配算法构建每辆车的本地地图。在本公开的实施例中，LiDAR通过“扫描”，即360度旋转，获取点云数据，从而获得每辆车的点云地图。
对于每辆车，为了在行驶途经的区域创建正确的点云地图，可以将连续扫描的点云数据记录到本地坐标系中。在点云数据中，重叠的三维扫描的几何结构可以被用于扫描匹配过程，以提供准确且一致的点云地图。
当两辆车间的距离小于或者等于预定阈值时，即可判定两辆车相遇，并触发两辆车间的点云地图的合并。
本领域普通技术人员可以理解，可以根据街区环境等合理设置预定阈值的数值，使得预定阈值的设置足够大，以增加车辆间进行点云地图合并的概率，得到完整的全局点云地图；同时预定阈值的设置也不能过大，使得在两辆车的点云地图合并时，两辆车所分别扫描获取的点云地图间具有足够的重叠区域，获得点云地图间良好的匹配效果，从而进行更好的合并。
在本公开的实施例中，全局点云地图基于不同车辆的三维点云地图合并而来，而不同车辆在行驶过程中具有各自不同的坐标系，因此可以在点云地图合并过程中，对不同车辆的点云地图进行匹配，从而实现不同车辆间的坐标系间的变换，进而顺利实现不同车辆的点云地图的合并。
在本公开的实施例中，当例如第一车辆和第二车辆的两辆车辆间的距离小于或者等于预定阈值时，第一车辆向第二车辆发送近期，例如最近1帧或者特定帧内的局部LiDAR扫描的第一点云地图。同时，第二车辆可以向第一车辆发送近期局部LiDAR扫描的第二点云地图。本领域普通技术人员可以理解，第一车辆和第二车辆间根据场景不同，可以相互发送较长时间内的第一点云地图和第二点云地图，或者获取的全部第一点云地图和第二点云地图，本公开对此不作限定。根据使用场景不同，也可以选择第一车辆和第二车辆中的一辆作为点云地图发送方，另一辆作为点云地图接收方，从而节约数据传输量，本公开对此不作限定。
第一车辆的坐标系和第二车辆的坐标系不同，两坐标系间可以存在旋转和平移矩阵
Figure BDA0002783520490000081
使得在矩阵变换后，第一点云地图和第二点云地图的对应点间的距离最小化，从而实现第一点云地图和第二点云地图的良好合并。
而由于需要匹配的第一点云地图和第二点云地图间可能存在较大的平移和旋转，可以使用两阶段算法计算TRT矩阵，从而实现精准的匹配。
在本公开的实施例中，在例如粗略匹配阶段的第一阶段，可以通过从第一点云地图和第二点云地图中提取关键点和描述符，并使用快速点特征直方图(Fast PointFeature Histograms，FPFH)算法和随机样本一致(Random Sample Consensus，RANSAC)算法计算初始的TRT矩阵。
在本公开的实施例中，FPFH描述符存储法线的相对方向和落在关键点的球形邻域内的点对之间的距离，对点云地图中的关键点进行特征提取。在FPFH算法中，可以先计算每个关键点Pq的一系列距离α，仰角φ和方位角θ值，作为SPFH(Simplified Point FeatureHistgram)值，再通过对每个关键点的最近邻点的重新分配计算FPFH值:
Figure BDA0002783520490000082
关键点之间的点对点关系可以使用RANSAC方法估算。在粗略匹配阶段之后，第一点云地图和第二点云地图可以大致对齐。粗略匹配阶段的输出是初始TRT矩阵，可以描述第一点云地图和第二点云地图，尤其是点云地图的局部参考帧的粗略相对变换。可以使用该初始的TRT矩阵作为精细匹配阶段的输入。
在例如精细匹配阶段的第二阶段，可以初始的TRT矩阵作为输入，使用例如迭代最近点(Iterative Closest Point，ICP)算法的迭代配准算法来进一步细化匹配结果并提高TRT矩阵的精度。
通过精准计算TRT矩阵，使得
M2＝TRT*M1
其中，M1、M2是相同的点分别在第一点云地图和第二点云地图中的坐标。
在本公开的实施例中，通过精准计算TRT矩阵，可以实现第一车辆的点云地图和第二车辆的点云地图间的精确合并，从而获得精确的全局点云地图。
在本公开的实施例中，还可以进一步处理点云地图中的动态车辆对点云地图的遮挡，从而提高点云地图合并过程中匹配的精确度，进而实现点云地图的更精确合并。
在本公开的实施例中，未包括在预建的点云地图中的过多动态车辆可能导致对点云地图的遮挡。该遮挡增加了不同车辆的LiDAR点云地图匹配时的不确定性估计的难度。对此，本公开进一步计算了密集交通场景中的LiDAR点云地图匹配的不确定性。
为了确定第一车辆的LiDAR点云地图匹配的不确定性，第一车辆周围的动态车辆可以遮挡预建点云地图中的许多点。此外，周围动态车辆相对于第一车辆的几何分布也会影响LiDAR点云地图匹配的不确定性。对每辆动态车辆，可以检测具有最大遮蔽仰角φ(i)的车辆顶点，以表示每个动态车辆的方位角θ(i)处的遮挡。LiDAR匹配的不确定性与三个因素相关：(1)所有方位角的平均遮蔽仰角。(2)几何分布相对于自我车辆是动态车辆。(3)匹配算法的收敛特征(实时点云与预建点云地图之间的匹配)。
在本公开的实施例中，通过动态车辆检测，可以对感兴趣的道路物体进行分类和定位。在本公开的实施例中，可以仅关注在每个方位角中由道路上的动态车辆引起的遮挡。可通过获取高精度地图中的对路侧信息优化感兴趣的三维点云地图(道路内的点云地图)，并在每个方位角处检测最高的遮蔽仰角φ(i)，从而获取动态车辆的遮挡点。
在本公开的实施例中，在给定时间t，第一车辆接收到的三维点云地图数据可以表示为R＝{r1，r2，...，rn，t}，其中ri＝(xi，yi，zi)表示激光雷达坐标系中的一个单点。然后，将细化的点云表示为Rd＝{r1，r2，...，rm，t}。在此基础上，而三维直角坐标系中点云Rd和球面坐标系中的Gs相对应。Gs在给定时间t表示为Gs＝{g1，g2，...，gp，t}，其中gi＝(θi，φi，Di)表示球面坐标系中的一个点，其中θi和φi分别表示点gi的方位角和遮蔽仰角，Di表示表示点gi到第一车辆的激光雷达的欧氏距离。遮挡点可以在某个方位角上重叠。可以在所有方位角上获得最大的遮蔽仰角。上述三维直角坐标系和球面坐标系变换方法的输入是点云R和高精度地图，输出是每个方位角的遮蔽仰角和遮挡点与LiDAR中心之间的欧几里德距离。三维直角坐标系和球面坐标系变换方法中方位角的分辨率可以是1°。
基于上述三维直角坐标系和球面坐标系变换方法，遮蔽仰角可以保存在Gs中。较高的遮蔽仰角可以在LiDAR匹配的不确定性上贡献更多，因为更多的预构建点云地图被动态车辆阻挡。因此可以将平均仰角遮蔽角度计算为遮挡的定量指标，如下式：
Figure BDA0002783520490000101
其中，gi(·)表示获得遮蔽仰角φi的运算符。每个gi表示检测到的遮挡点属于动态车辆。
随后，进行基于遮挡点的LiDAR点云地图匹配的不确定性估计。如上所示，ε是来自动态车辆的遮挡的指示符。可以对LiDAR点云地图匹配的不确定性建模为：
uv＝K·ε·δ
其中，K表示将启发式调整的缩放因子，δ是匹配过程之后原始点云与匹配点云之间的误差的总和，uv，表示总LiDAR点云地图匹配的不确定性。跨越不同方位角的动态车辆的几何分布可以在LiDAR坐标的x轴，y轴和z轴的LiDAR匹配的不确定性中有所贡献。几何精度因子(Geometric Dilution Precision，GDOP)是模拟GNSS导航中卫星几何分布的有效参数，从中可以得到动态车辆相对于第一车辆的几何分布矩阵T(3×3)：
T＝(ATA)-1
其中A为三维激光雷达与Gs中各点之间的单位视线向量。矩阵A(p×3)可计算为
Figure BDA0002783520490000111
其中θi和φi分别表示遮挡点的方位角和遮蔽仰角。三个不同方向的LiDAR点云地图匹配的不确定性可以计算为
Figure BDA0002783520490000112
Figure BDA0002783520490000113
Figure BDA0002783520490000114
通过三个不同方向的LiDAR点云地图匹配的不确定性，可以在不同车辆的地图合并过程中，减少遮挡点对点云地图匹配的干扰，提高匹配的准确度。
本公开提出的方法可以用小的标准偏差精确地估计LiDAR点云地图匹配的不确定性。而且本公开提出的方法可以获得实时的计算速度，更加有利于在自动驾驶车辆的LiDAR点云地图匹配的不确定性估计中进行普及。
图1示出根据本公开一实施方式的地图生成方法的流程图。
如图1所示，地图生成方法包括步骤S101、S102、S103、S104。
在步骤S101中，获取第一移动设备的第一地图信息。
在步骤S102中，获取第二移动设备的第二地图信息
在步骤S103中，获取所述第一移动设备和所述第二移动设备间的第一距离。
在步骤S104中，在所述第一移动设备和所述第二移动设备间的第一距离小于第一阈值的条件下，合并所述第一地图信息和所述第二地图信息。
在本公开的实施例中，例如两辆车的第一移动设备和第二移动设备分别获取第一地图信息和第二地图信息。当第一移动设备和第二移动设备间的第一距离小于第一阈值的条件下，合并第一地图信息和第二地图信息，得到完整的地图信息。
在本公开的实施例中，除了两个移动设备，还可以是任意多个移动设备。移动设备除了是车辆，还可以是无人机、船舶。第一距离可以是欧几里得距离，也可以是城市街区折线距离，或者其它距离。本公开对此不作限定。
根据本公开的实施方式，通过获取第一移动设备的第一地图信息；获取第二移动设备的第二地图信息；获取所述第一移动设备和所述第二移动设备间的第一距离；在所述第一移动设备和所述第二移动设备间的第一距离小于第一阈值的条件下，合并所述第一地图信息和所述第二地图信息，从而对不同移动设备获取的地图进行精确合并，获取精确的全局地图，并处理遮挡对地图合并的影响，为自动驾驶车辆提供更加准确和安全的服务。
根据本公开的实施方式，通过所述第一地图信息包括：激光雷达获取的点云信息；和/或所述第二地图信息包括：激光雷达获取的点云信息，从而获得高精度的地图信息。
本领域普通技术人员可以理解，第一地图信息、第二地图信息还可以是摄像头、超声波雷达等获取的地图信息，本公开对此不作限定。
图2示出根据图1所示实施方式的步骤S103的流程图。
如图2所示，图1中的步骤S103包括：步骤S201、S202、S203、S204。
在步骤S201中，获取所述第一移动设备的第一位置信息。
在步骤S202中，获取所述第二移动设备的第二位置信息。
在步骤S203中，所述第一移动设备通过无线信道获取所述第二移动设备的第二位置信息。
在步骤S204中，根据所述第一移动设备的第一位置信息和所述第二移动设备的第二位置信息，计算所述第一移动设备和所述第二移动设备间的所述第一距离。
在本公开的实施例中，第一位置信息、第二位置信息可以通过载波相位差分全球定位系统，或者其它高精度定位系统得到，本公开对此不作限定。无线信道可以通过无线局域网，或专用短程通信(DSRC，Dedicated Short Range Communications)，或LTE，或5G的无线通信接口，或其它无线通信方式实现，本公开对此不作限定。
根据本公开的实施方式，通过所述获取所述第一移动设备和所述第二移动设备间的第一距离包括：获取所述第一移动设备的第一位置信息；获取所述第二移动设备的第二位置信息；所述第一移动设备通过无线信道获取所述第二移动设备的第二位置信息；根据所述第一移动设备的第一位置信息和所述第二移动设备的第二位置信息，计算所述第一移动设备和所述第二移动设备间的所述第一距离，从而得到精确的第一位置和第二位置，计算第一距离，顺利实现地图信息的合并。
图3示出根据图1所示实施方式的合并所述第一地图信息和所述第二地图信息的流程图。
如图3所示，合并所述第一地图信息和所述第二地图信息的流程包括：步骤S301、S302、S303。
在步骤S301中，获取所述第一地图信息的坐标系和所述第二地图信息的坐标系之间的第一变换矩阵。
在步骤S302中，通过所述第一变换矩阵计算所述第二地图信息，得到第三地图信息。
在步骤S303中，合并所述第一地图信息和所述第三地图信息。
在本公开的实施例中，由于第一移动设备和第二移动设备的移动，第一地图信息的坐标系和第二地图信息的坐标系可以不同。可以通过第一变换矩阵的方式实现第一地图信息的坐标系和第二地图信息的坐标系之间的转换。
根据本公开的实施方式，通过所述合并所述第一地图信息和所述第二地图信息包括：获取所述第一地图信息的坐标系和所述第二地图信息的坐标系之间的第一变换矩阵；通过所述第一变换矩阵计算所述第二地图信息，得到第三地图信息；合并所述第一地图信息和所述第三地图信息，从而实现不同坐标系的地图信息的合并。
图4示出根据图3所示实施方式的步骤S301的流程图。
如图4所示，图3中的步骤S301包括：步骤S401、S402。
在步骤S401中，通过快速点直方图算法和随机抽样一致算法，使用所述第一地图信息中的关键点和所述第二地图信息中的关键点，计算第二变换矩阵。
在步骤S402中，通过迭代最近点算法，使用所述第二变换矩阵，计算所述第一变换矩阵。
在本公开的实施例中，可以通过从第一点云地图和第二点云地图中提取关键点和描述符，并使用快速点特征直方图(Fast Point Feature Histograms，FPFH)算法和随机样本一致(Random Sample Consensus，RANSAC)算法计算初始的TRT矩阵。再使用初始的TRT矩阵作为输入，使用例如迭代最近点(Iterative Closest Point，ICP)算法的迭代配准算法来进一步细化匹配结果并提高TRT矩阵的精度。
根据本公开的实施方式，通过所述获取所述第一地图信息的坐标系和所述第二地图信息的坐标系之间的第一变换矩阵包括：通过快速点直方图算法和随机抽样一致算法，使用所述第一地图信息中的关键点和所述第二地图信息中的关键点，计算第二变换矩阵；通过迭代最近点算法，使用所述第二变换矩阵，计算所述第一变换矩阵，从而实现变换矩阵的精确估计，更精确实现地图信息间的合并。
图5示出根据本公开另一实施方式的地图生成方法的流程图。
如图5所示，地图生成方法除了包括和图1相同的步骤S101～S04，还包括步骤S501、S502。
在步骤S501中，计算所述第一地图信息中的第一不确定性信息。
在步骤S502中，计算所述第二地图信息中的第二不确定性信息。
在本公开的实施例中，车辆获得的点云地图信息可以由于动态车辆的遮挡而出现不确定性。通过计算不确定信息，可以提高第一地图信息和第二地图信息在合并过程中的精度。
根据本公开的实施方式，通过在所述第一移动设备和所述第二移动设备间的第一距离小于第一阈值的条件下，合并所述第一地图信息和所述第二地图信息之前，还包括：计算所述第一地图信息中的第一不确定性信息；计算所述第二地图信息中的第二不确定性信息，从而避免动态车辆的遮挡在地图信息中带来的误差，提高地图信息合并的精度。
图6示出根据图5所示实施方式的步骤S501的流程图。
如图6所示，图5中的步骤S501包括：步骤S601、S602。
在步骤S601中，所述第一移动设备获取第一动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离。
在步骤S602中，通过所述第一动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离计算所述第一不确定性信息。
在本公开的实施例中，可以使用动态车辆的遮蔽仰角，遮蔽方位角和遮蔽距离，采用三维直角坐标系和球面坐标系变换的方式，计算动态车辆相对于第一车辆的几何分布矩阵，从而计算第一不确定性信息。
根据本公开的实施方式，通过所述计算所述第一地图信息中的第一不确定性信息包括：所述第一移动设备获取第一动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离；通过所述第一动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离计算所述第一不确定性信息，从而避免动态车辆的遮挡干扰，提高地图合并的精度。
本领域普通技术人员可以理解，可以采用和计算第一步确定性信息相同的方式，从第二移动设备获取第二动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离后，计算第二不确定性信息，本公开对此不再赘述。
根据本公开的实施方式，通过所述合并所述第一地图信息和所述第二地图信息包括：根据所述第一不确定性信息和所述第二不确定性信息，调整所述第一地图信息和所述第二地图信息，得到调整后的第一地图信息和调整后的第二地图信息；合并所述调整后的第一地图信息和所述调整后的第二地图信息，从而避免动态车辆的遮挡干扰，提高地图合并的精度。
图7示出根据本公开一实施方式的地图生成装置的结构框图。
如图7所示，地图生成装置700包括：第一地图信息获取模块701、第二地图信息获取模块702、第一距离获取模块703、地图信息合并模块704。
第一地图信息获取模块701被配置为获取第一移动设备的第一地图信息；
第二地图信息获取模块702被配置为获取第二移动设备的第二地图信息；
第一距离获取模块703被配置为获取所述第一移动设备和所述第二移动设备间的第一距离；
地图信息合并模块704被配置为在所述第一移动设备和所述第二移动设备间的第一距离小于第一阈值的条件下，合并所述第一地图信息和所述第二地图信息。
根据本公开的实施方式，通过第一地图信息获取模块，被配置为获取第一移动设备的第一地图信息；第二地图信息获取模块，被配置为获取第二移动设备的第二地图信息；第一距离获取模块，被配置为获取所述第一移动设备和所述第二移动设备间的第一距离；地图信息合并模块，被配置为在所述第一移动设备和所述第二移动设备间的第一距离小于第一阈值的条件下，合并所述第一地图信息和所述第二地图信息，从而对不同移动设备获取的地图进行精确合并，获取精确的全局地图，并处理遮挡对地图合并的影响，为自动驾驶车辆提供更加准确和安全的服务。
图8示出根据本公开一实施方式的电子设备的结构框图。
本公开实施方式还提供了一种电子设备，如图8所示，所述电子设备800包括处理器801和存储器802；其中，存储器802存储有可被至少一个处理器801执行的指令，指令被至少一个处理器801执行以实现以下步骤：
获取第一移动设备的第一地图信息；
获取第二移动设备的第二地图信息；
获取所述第一移动设备和所述第二移动设备间的第一距离；
在所述第一移动设备和所述第二移动设备间的第一距离小于第一阈值的条件下，合并所述第一地图信息和所述第二地图信息。
在本公开的实施例中，所述第一地图信息包括：激光雷达获取的点云信息；和/或
所述第二地图信息包括：激光雷达获取的点云信息。
在本公开的实施例中，所述获取所述第一移动设备和所述第二移动设备间的第一距离包括：
获取所述第一移动设备的第一位置信息；
获取所述第二移动设备的第二位置信息；
所述第一移动设备通过无线信道获取所述第二移动设备的第二位置信息；
根据所述第一移动设备的第一位置信息和所述第二移动设备的第二位置信息，计算所述第一移动设备和所述第二移动设备间的所述第一距离。
在本公开的实施例中，所述合并所述第一地图信息和所述第二地图信息包括：
获取所述第一地图信息的坐标系和所述第二地图信息的坐标系之间的第一变换矩阵；
通过所述第一变换矩阵计算所述第二地图信息，得到第三地图信息；
合并所述第一地图信息和所述第三地图信息。
在本公开的实施例中，所述获取所述第一地图信息的坐标系和所述第二地图信息的坐标系之间的第一变换矩阵包括：
通过快速点直方图算法和随机抽样一致算法，使用所述第一地图信息中的关键点和所述第二地图信息中的关键点，计算第二变换矩阵；
通过迭代最近点算法，使用所述第二变换矩阵，计算所述第一变换矩阵。
在本公开的实施例中，在所述第一移动设备和所述第二移动设备间的第一距离小于第一阈值的条件下，合并所述第一地图信息和所述第二地图信息之前，指令还被至少一个处理器801执行以实现以下步骤：
计算所述第一地图信息中的第一不确定性信息；
计算所述第二地图信息中的第二不确定性信息。
在本公开的实施例中，所述计算所述第一地图信息中的第一不确定性信息包括：
所述第一移动设备获取第一动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离；
通过所述第一动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离计算所述第一不确定性信息，
所述计算所述第二地图信息中的第二不确定性信息包括：
所述第二移动设备获取第二动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离；
通过所述第二动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离计算所述第二不确定性信息。
在本公开的实施例中，所述合并所述第一地图信息和所述第二地图信息包括：
根据所述第一不确定性信息和所述第二不确定性信息，调整所述第一地图信息和所述第二地图信息，得到调整后的第一地图信息和调整后的第二地图信息；
合并所述调整后的第一地图信息和所述调整后的第二地图信息。
图9是适于用来实现根据本公开一实施方式的地图生成方法的计算机系统的结构示意图。
如图9所示，计算机系统900包括处理单元901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行上述附图所示的实施方式中的各种处理。在RAM903中，还存储有系统900操作所需的各种程序和数据。处理单元901、ROM902以及RAM903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。其中，所述处理单元901可实现为CPU、GPU、TPU、FPGA、NPU等处理单元。
特别地，根据本公开的实施方式，上文参考附图描述的方法可以被实现为计算机软件程序。例如，本公开的实施方式包括一种计算机程序产品，其包括有形地包含在及其可读介质上的计算机程序，所述计算机程序包含用于执行附图中的方法的程序代码。在这样的实施方式中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。
附图中的流程图和框图，图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面，本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施方式中所述节点中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (9)

1.一种地图生成方法，包括：
获取第一移动设备的第一地图信息；
获取第二移动设备的第二地图信息；
获取所述第一移动设备和所述第二移动设备间的第一距离；
计算所述第一地图信息中的第一不确定性信息，所述第一不确定性信息包括所述第一移动设备获取的三个不同方向的点云地图匹配的不确定性；
计算所述第二地图信息中的第二不确定性信息，所述第二不确定性信息包括所述第二移动设备获取的三个不同方向的点云地图匹配的不确定性；
在所述第一移动设备和所述第二移动设备间的第一距离小于第一阈值的条件下，判定所述第一移动设备和所述第二移动设备相遇，根据所述第一不确定性信息和所述第二不确定性信息，调整所述第一地图信息和所述第二地图信息，得到调整后的第一地图信息和调整后的第二地图信息，合并所述调整后的第一地图信息和所述调整后的第二地图信息；
三个不同方向的点云地图匹配的不确定性的计算方式包括：
根据
Figure FDA0003325574020000011
Figure FDA0003325574020000012
获取三个不同方向的点云地图匹配的不确定性
Figure FDA0003325574020000013
以及
Figure FDA0003325574020000014
其中，uv＝K·ε·δ，K表示将启发式调整的缩放因子，δ是匹配过程之后原始点云与匹配点云之间的误差的总和，ε为平均仰角遮蔽角度，动态车辆相对于第一车辆的几何分布矩阵T＝(ATA)-1，其中A为三维激光雷达与Gs中各点之间的单位视线向量，矩阵A为：
Figure FDA0003325574020000021
θi和φi分别表示遮挡点的方位角和遮蔽仰角。
2.根据权利要求1所述的方法，其特征在于，
所述第一地图信息包括：激光雷达获取的点云信息；和/或
所述第二地图信息包括：激光雷达获取的点云信息。
3.根据权利要求1所述的方法，其特征在于，所述获取所述第一移动设备和所述第二移动设备间的第一距离包括：
获取所述第一移动设备的第一位置信息；
获取所述第二移动设备的第二位置信息；
所述第一移动设备通过无线信道获取所述第二移动设备的第二位置信息；
根据所述第一移动设备的第一位置信息和所述第二移动设备的第二位置信息，计算所述第一移动设备和所述第二移动设备间的所述第一距离。
4.根据权利要求1所述的方法，其特征在于，所述合并所述第一地图信息和所述第二地图信息包括：
获取所述第一地图信息的坐标系和所述第二地图信息的坐标系之间的第一变换矩阵；
通过所述第一变换矩阵计算所述第二地图信息，得到第三地图信息；
合并所述第一地图信息和所述第三地图信息。
5.根据权利要求4所述的方法，其特征在于，所述获取所述第一地图信息的坐标系和所述第二地图信息的坐标系之间的第一变换矩阵包括：
通过快速点直方图算法和随机抽样一致算法，使用所述第一地图信息中的关键点和所述第二地图信息中的关键点，计算第二变换矩阵；
通过迭代最近点算法，使用所述第二变换矩阵，计算所述第一变换矩阵。
6.根据权利要求1所述的方法，其特征在于，所述计算所述第一地图信息中的第一不确定性信息包括：
所述第一移动设备获取第一动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离；
通过所述第一动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离计算所述第一不确定性信息，
所述计算所述第二地图信息中的第二不确定性信息包括：
所述第二移动设备获取第二动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离；
通过所述第二动态遮蔽设备的遮蔽仰角，遮蔽方位角和遮蔽距离计算所述第二不确定性信息。
7.一种地图生成装置，包括：
第一地图信息获取模块，被配置为获取第一移动设备的第一地图信息；
第二地图信息获取模块，被配置为获取第二移动设备的第二地图信息；
第一距离获取模块，被配置为获取所述第一移动设备和所述第二移动设备间的第一距离；
地图信息合并模块，被配置为计算所述第一地图信息中的第一不确定性信息，所述第一不确定性信息包括所述第一移动设备获取的三个不同方向的点云地图匹配的不确定性；
计算所述第二地图信息中的第二不确定性信息，所述第二不确定性信息包括所述第二移动设备获取的三个不同方向的点云地图匹配的不确定性；在所述第一移动设备和所述第二移动设备间的第一距离小于第一阈值的条件下，判定所述第一移动设备和所述第二移动设备相遇，根据所述第一不确定性信息和所述第二不确定性信息，调整所述第一地图信息和所述第二地图信息，得到调整后的第一地图信息和调整后的第二地图信息，合并所述调整后的第一地图信息和所述调整后的第二地图信息；
三个不同方向的点云地图匹配的不确定性的计算方式包括：
根据
Figure FDA0003325574020000041
Figure FDA0003325574020000042
获取三个不同方向的点云地图匹配的不确定性
Figure FDA0003325574020000043
以及
Figure FDA0003325574020000044
其中，uv＝K·ε·δ，K表示将启发式调整的缩放因子，δ是匹配过程之后原始点云与匹配点云之间的误差的总和，ε为平均仰角遮蔽角度，动态车辆相对于第一车辆的几何分布矩阵T＝(ATA)-1，其中A为三维激光雷达与Gs中各点之间的单位视线向量，矩阵A为：
Figure FDA0003325574020000045
θi和φi分别表示遮挡点的方位角和遮蔽仰角。
8.一种电子设备，包括存储器和处理器；其中，
所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如权利要求1-6任一项所述的方法。
9.一种可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现如权利要求1-6任一项所述的方法。
CN202011289964.4A 2020-11-17 2020-11-17 自动驾驶地图生成方法、装置、电子设备及可读存储介质 Active CN112414417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011289964.4A CN112414417B (zh) 2020-11-17 2020-11-17 自动驾驶地图生成方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011289964.4A CN112414417B (zh) 2020-11-17 2020-11-17 自动驾驶地图生成方法、装置、电子设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN112414417A CN112414417A (zh) 2021-02-26
CN112414417B true CN112414417B (zh) 2021-11-26

Family

ID=74831627

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011289964.4A Active CN112414417B (zh) 2020-11-17 2020-11-17 自动驾驶地图生成方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN112414417B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113848912A (zh) * 2021-09-28 2021-12-28 北京理工大学重庆创新中心 基于自主探索的室内地图建立方法及装置
CN113945219B (zh) * 2021-09-28 2024-06-11 武汉万集光电技术有限公司 动态地图生成方法、系统、可读存储介质及终端设备
CN114509065B (zh) * 2022-02-16 2023-11-07 北京易航远智科技有限公司 地图构建方法、系统、车辆终端、服务器端及存储介质
CN115512541B (zh) * 2022-09-20 2023-09-01 浙江大学 一种用于车辆安全驾驶的路面精确信息服务系统
CN115371719B (zh) * 2022-10-10 2023-01-24 福思(杭州)智能科技有限公司 探测设备的参数标定方法和装置、存储介质及电子装置
CN115662167B (zh) * 2022-10-14 2023-11-24 北京百度网讯科技有限公司 自动驾驶地图构建方法、自动驾驶方法及相关装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070058192A (ko) * 2005-12-01 2007-06-08 엘지전자 주식회사 지도 정합을 위한 임계 거리 결정 방법, 및 이를 적용한지도 정합 방법 및 장치
CN103900583A (zh) * 2012-12-25 2014-07-02 联想(北京)有限公司 用于即时定位与地图构建的设备和方法
CN107818598A (zh) * 2017-10-20 2018-03-20 西安电子科技大学昆山创新研究院 一种基于视觉矫正的三维点云地图融合方法
CN108984769A (zh) * 2018-07-19 2018-12-11 航天物联网技术有限公司 一种基于坐标拟合的多坐标系融合方法
CN109239709A (zh) * 2018-08-02 2019-01-18 哈尔滨工程大学 一种无人船的局部环境地图自主构建方法
CN110402371A (zh) * 2017-03-01 2019-11-01 御眼视觉技术有限公司 用于利用感测不确定性导航的系统和方法
CN110850439A (zh) * 2020-01-15 2020-02-28 奥特酷智能科技(南京)有限公司 一种高精度三维点云地图构建方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8983774B2 (en) * 2013-07-09 2015-03-17 Qualcomm Incorporated Intelligent map combination for venues enabling indoor positioning

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070058192A (ko) * 2005-12-01 2007-06-08 엘지전자 주식회사 지도 정합을 위한 임계 거리 결정 방법, 및 이를 적용한지도 정합 방법 및 장치
CN103900583A (zh) * 2012-12-25 2014-07-02 联想(北京)有限公司 用于即时定位与地图构建的设备和方法
CN110402371A (zh) * 2017-03-01 2019-11-01 御眼视觉技术有限公司 用于利用感测不确定性导航的系统和方法
CN107818598A (zh) * 2017-10-20 2018-03-20 西安电子科技大学昆山创新研究院 一种基于视觉矫正的三维点云地图融合方法
CN108984769A (zh) * 2018-07-19 2018-12-11 航天物联网技术有限公司 一种基于坐标拟合的多坐标系融合方法
CN109239709A (zh) * 2018-08-02 2019-01-18 哈尔滨工程大学 一种无人船的局部环境地图自主构建方法
CN110850439A (zh) * 2020-01-15 2020-02-28 奥特酷智能科技(南京)有限公司 一种高精度三维点云地图构建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Map Merging of Multi-Robot SLAM using Reinforcement Learning;Pierre Dinnissen .et al;《2012 IEEE International Conference on Systems, Man, and Cybernetics》;20121213;第53-60页 *

Also Published As

Publication number Publication date
CN112414417A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN112414417B (zh) 自动驾驶地图生成方法、装置、电子设备及可读存储介质
US11113959B2 (en) Crowdsourced detection, identification and sharing of hazardous road objects in HD maps
US10437252B1 (en) High-precision multi-layer visual and semantic map for autonomous driving
US10794710B1 (en) High-precision multi-layer visual and semantic map by autonomous units
Wen et al. GNSS NLOS exclusion based on dynamic object detection using LiDAR point cloud
US20220028163A1 (en) Computer Vision Systems and Methods for Detecting and Modeling Features of Structures in Images
US10878243B2 (en) Method, device and apparatus for generating electronic map, storage medium, and acquisition entity
US11176701B2 (en) Position estimation system and position estimation method
CN111052132B (zh) 利用多个传感器的基于运动的车道检测的验证模块系统和方法
US8571265B2 (en) Measurement apparatus, measurement method, and feature identification apparatus
JP4232167B1 (ja) 対象特定装置、対象特定方法および対象特定プログラム
JP2019527832A (ja) 正確な位置特定およびマッピングのためのシステムおよび方法
EP3876189A1 (en) Geographic object detection device, geographic object detection method, and geographic object detection program
KR20210061722A (ko) 고정밀 지도 제작 방법, 고정밀 지도 제작 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체
CN111670339B (zh) 用于无人飞行器和地面载运工具之间的协作地图构建的技术
JP4978615B2 (ja) 対象特定装置
JP2008065087A (ja) 静止物地図生成装置
WO2022041706A1 (zh) 一种定位方法、定位系统和车辆
Konrad et al. Localization in digital maps for road course estimation using grid maps
CN111045023A (zh) 一种基于光检测和测距的车辆追踪方法和系统
WO2024012211A1 (zh) 自动驾驶环境感知方法、介质及车辆
CN113450455A (zh) 用于生成停车场的道路链路的地图的方法、设备和计算机程序产品
Aggarwal GPS-based localization of autonomous vehicles
CN111833443A (zh) 自主机器应用中的地标位置重建
Shan et al. A Survey of Vehicle Localization: Performance Analysis and Challenges

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