CN112907745B - 一种数字正射影像图生成方法及装置 - Google Patents

一种数字正射影像图生成方法及装置 Download PDF

Info

Publication number
CN112907745B
CN112907745B CN202110309241.4A CN202110309241A CN112907745B CN 112907745 B CN112907745 B CN 112907745B CN 202110309241 A CN202110309241 A CN 202110309241A CN 112907745 B CN112907745 B CN 112907745B
Authority
CN
China
Prior art keywords
point
pixel
space
determining
image
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
CN202110309241.4A
Other languages
English (en)
Other versions
CN112907745A (zh
Inventor
熊小东
舒畅
夏华夏
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.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online Technology 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 Beijing Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN202110309241.4A priority Critical patent/CN112907745B/zh
Publication of CN112907745A publication Critical patent/CN112907745A/zh
Application granted granted Critical
Publication of CN112907745B publication Critical patent/CN112907745B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data

Abstract

本说明书公开了一种数字正射影像图生成方法及装置，可先获取在目标区域采集的各帧环境图像及对应的激光点云。之后，将各帧激光点云分别投影至对应的环境图像中，确定各环境图像中的环境像素点对应空间点的三维坐标。并根据各空间点的三维坐标、采集各帧激光点云时的相机位置以及采集时间，确定各空间点的第一权重。然后，将各空间点投影至道路正射影像图中，并根据各空间点对应的环境像素点的像素值以及第一权重，确定各影像像素点的目标像素值，以生成道路正射影像图。通过结合激光点云以及环境图像，使得生成的道路正射影像图包含较为丰富的道路纹理信息，节省了道路正射影像图的生成成本，提高了后续道路路面元素信息提取的准确率。

Description

一种数字正射影像图生成方法及装置
技术领域
本申请涉及高精地图技术领域，尤其涉及一种数字正射影像图生成方法及装置。
背景技术
道路路面元素信息(如，车道线、路牙等)是高精度地图中的一类重要的基本元素，可用于定位车辆位姿以及规划行驶路径。因此在制作高精度地图时，还需要从道路影像图中，提取道路路面元素信息并进行标注。可见，道路影像图的准确度以及信息丰富程度，影响高精度地图的效果。
目前，采集道路影像图的方法，一般需要在采集车辆上配置多个激光雷达设备，以采集较为稠密的激光点云。通过遍历目标区域，采集该目标区域的道路上的激光点云。以根据采集的激光点云，确定该目标区域内的道路反射率强度图，作为道路影像图。
但是，基于激光点云生成的道路反射率强度图无法清晰的表达道路路面的纹理信息，容易导致道路路面元素信息提取出错，而且基于多个激光雷达设备采集的稠密的激光点云，生成道路反射率强度图的成本较高。
发明内容
本说明书实施例提供一种数字正射影像图生成方法及装置，用于部分解决现有技术中的问题。
本说明书实施例采用下述技术方案：
本说明书提供的一种数字正射影像图生成方法，包括：
获取在目标区域采集的各帧环境图像及对应的各帧激光点云；
针对获取到的每帧激光点云，根据该帧激光点云中各激光点的三维坐标以及相机内参，将各激光点投影至对应的环境图像中，确定所述环境图像中属于地面区域的各环境像素点对应的空间点的三维坐标；
针对确定出的每个空间点，根据该空间点的三维坐标、采集该帧激光点云时的相机位置以及采集时间，确定该空间点的第一权重，其中，所述第一权重与空间点对应的环境像素点被太阳照射导致过曝的概率负相关；
将各空间点投影至道路正射影像图中，并针对所述道路正射影像图中的每个影像像素点，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及所述至少一个空间点的第一权重，确定该影像像素点的目标像素值；
根据确定出各影像像素点的目标像素值，确定所述道路正射影像图，所述道路正射影像图用于生成高精度地图。
可选地，根据该帧激光点云中各激光点的三维坐标以及相机内参，将各激光点投影至对应的环境图像中，确定所述环境图像中属于地面区域的各环境像素点对应的空间点的三维坐标，具体包括：
确定该帧激光点云中属于地面区域的地面激光点；
根据该帧激光点云中各地面激光点的三维坐标以及相机内参，将各地面激光点投影至对应的环境图像中，确定各地面激光点对应在所述环境图像中的环境像素点；
根据该帧激光点云中各地面激光点的三维坐标以及相机内参，确定各地面激光点对应的环境像素点的二维坐标以及深度值；
根据各地面激光点对应的各环境像素点的二维坐标以及深度值，进行深度插值，确定所述环境图像中属于地面区域的各环境像素点的深度值；
根据所述环境图像中属于地面区域的各环境像素点的二维坐标、深度值、所述相机内参以及采集所述环境图像时的相机位置，确定所述环境图像中属于地面区域的各环境像素点对应的空间点的三维坐标。
可选地，根据该空间点的三维坐标、采集该帧激光点云时的相机位置以及采集时间，确定该空间点的第一权重，具体包括：
根据该空间点的三维坐标以及采集该帧激光点云时的采集时间，确定该空间点的太阳高度角以及太阳方位角；
根据所述太阳高度角以及所述太阳方位角，确定在该空间点的太阳光反射向量；
根据该空间点的三维坐标以及采集该帧激光点云时的相机位置，确定相机感光向量；
根据所述太阳光反射向量以及所述相机感光向量之间的夹角，确定该空间点对应的环境像素点被太阳照射导致过曝的概率因子；
根据确定出的概率因子，确定该空间点的第一权重。
可选地，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及所述至少一个空间点的第一权重，确定该影像像素点的目标像素值，具体包括：
根据各空间点与采集该帧激光点云时的激光雷达设备的距离，确定各空间点的第二权重，其中，所述第二权重和所述距离负相关；
根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值、所述至少一个空间点的第一权重以及所述至少一个空间点的第二权重，确定该影像像素点的目标像素值。
可选地，将各空间点投影至道路正射影像图中，具体包括：
根据所述目标区域的区域范围以及预设的分辨率，确定道路正射影像图，所述道路正射影像图中各影像像素点的像素值为零；
确定所述道路正射影像图中预设的参考点对应的空间参考点的三维坐标；
根据各空间点的三维坐标以及所述空间参考点的三维坐标，将各空间点投影到道路正射影像图中。
可选地，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及所述至少一个空间点的第一权重，确定该影像像素点的目标像素值，具体包括：
根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及所述至少一个空间点的第一权重，确定该影像像素点的加权像素值；
根据该影像像素点的加权像素值以及所述至少一个空间点的第一权重，确定该影像像素点的目标像素值。
可选地，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及所述至少一个空间点的第一权重，确定该影像像素点的目标像素值，具体包括：
根据投影至该影像像素点的各空间点的第一权重，确定权重最大的空间点，作为目标空间点；
根据该目标空间点对应的环境像素点的像素值，确定该影像像素点的目标像素值。
本说明书提供一种数字正射影像图生成装置，包括：
获取模块，获取在目标区域采集的各帧环境图像及对应的各帧激光点云；
第一确定模块，针对获取到的每帧激光点云，根据该帧激光点云中各激光点的三维坐标以及相机内参，将各激光点投影至对应的环境图像中，确定所述环境图像中属于地面区域的各环境像素点对应的空间点的三维坐标；
第二确定模块，针对确定出的每个空间点，根据该空间点的三维坐标、采集该帧激光点云时的相机位置以及采集时间，确定该空间点的第一权重，其中，所述第一权重与空间点对应的环境像素点被太阳照射导致过曝的概率负相关；
投影模块，将各空间点投影至道路正射影像图中，并针对所述道路正射影像图中的每个影像像素点，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及所述至少一个空间点的第一权重，确定该影像像素点的目标像素值；
第三确定模块，根据确定出各影像像素点的目标像素值，确定所述道路正射影像图，所述道路正射影像图用于生成高精度地图。
本说明书提供的一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述数字正射影像图生成方法。
本说明书提供的一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述数字正射影像图生成方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书中，可先获取在目标区域采集的各帧环境图像及对应的各帧激光点云。之后，将各帧激光点云分别投影至对应的环境图像中，分别确定各环境图像中属于地面区域的各环境像素点对应的空间点的三维坐标。并根据各空间点的三维坐标、采集各帧激光点云时的相机位置以及采集时间，确定各空间点的第一权重。然后，将各空间点投影至道路正射影像图中，并根据投影至各影像像素点的至少一个空间点对应的环境像素点的像素值，以及至少一个空间点的第一权重，确定各影像像素点的目标像素值。最后，根据确定出各影像像素点的目标像素值，确定该道路正射影像图。通过结合激光点云以及环境图像的方法，使得生成的道路正射影像图包含较为丰富的道路纹理信息，节省了道路正射影像图的生成成本，提高了后续道路路面元素信息提取的准确率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书实施例提供的一种数字正射影像图生成方法的流程示意图；
图2为本说明书实施例提供的一种基于德洛内三角网进行深度插值的示意图；
图3为本说明书实施例提供的一种确定空间点的第一权重的示意图；
图4为本说明书实施例提供的一种确定影像像素点的目标像素值的示意图；
图5为本说明书实施例提供的一种数字正射影像图生成装置的结构示意图；
图6为本说明书实施例提供的实现数字正射影像图生成方法的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
目前，在提取道路路面元素信息时所采用的道路影像图，通常是基于采集车辆采集得到的稠密的激光点云，确定出的道路反射率强度图。但由于该道路反射率强度图中仅包含激光点云，无法清晰地表达道路路面的纹理信息，使得在提取道路路面元素时的准确率较低。而且，由于一台激光雷达设备采集的激光点云较为稀疏且价格高昂，在获取稠密的激光点云时往往需要多台激光雷达设备，导致生成道路反射率强度图的成本较高。
现有技术还存在一种基于采集的环境图像生成道路影像图的方法，可从采集的各环境图像中提取道路路面元素信息。但由于图像传感器对采集环境的光线敏感，当出现太阳光光线较强导致采集的环境图像过度曝光等现象时，则无法提取出车道线等道路路面元素信息。
基于上述存在的技术问题，本说明书提供一种数字正射影像图生成方法，如图1所示。
图1为本说明书实施例提供的一种数字正射影像图生成方法的流程示意图，具体可包括以下步骤：
S100：获取在目标区域采集的各帧环境图像及对应的各帧激光点云。
本说明书提供的数字正射影像图生成方法，可用于生成道路正射影像图，以从该道路正射影像图中，提取道路路面元素信息并进行标记，用于后续的高精度地图的生成。于是，在生成道路正射影像图时，可先获取目标区域内的环境图像以及激光点云。
在本说明书中，可由服务器执行该道路正射影像图的生成方法，该服务器可先获取该目标区域内采集的各帧环境图像以及对应的各帧激光点云。
其中，该目标区域即为待构建地图区域，可通过配置有相机和激光雷达设备的采集车辆，预先遍历该目标区域，以采集该目标区域内的各帧环境图像以及对应的各帧激光点云。在预先遍历该目标区域时，可由采集车辆上配置的相机，按照固定的时间间隔采集该车辆周围包含道路的环境图像，由采集车辆上配置的激光雷达设备，按照固定的时间间隔采集该车辆周围的激光点云。为了提高数据采集效率以及减少配置设备的成本，通常采用环视相机以及顶视激光雷达设备，安装在车辆顶部，以采集该车辆周围360°范围内的环境图像以及激光点云。
并且，在确定环境图像与激光点云之间的对应关系时，可将采集时间点接近的环境图像以及激光点云视为相对应的。具体的，针对采集的每帧环境图像，根据采集该帧环境图像时的图像时间戳，以及采集各帧激光点云时的点云时间戳，确定该图像时间戳与各点云时间戳之间的时间差，并从各帧激光点云中，确定时间差最小且小于第一预设阈值的一帧激光点云，作为与该环境图像对应的激光点云。其中，该第一预设阈值可根据需要设置，如，设置为0.1s，本说明书对此不做限制。
需要说明的是，当各点云时间戳与该图像时间戳之间的时间差均大于第一预设阈值，即，各帧激光点云中不存在时间差最小且小于第一预设阈值的一帧激光点云时，则可认为该环境图像不存在对应的激光点云，不再继续对该环境图像进行处理。
进一步的，在本说明书中为了便于后续进行坐标转换，可先不考虑车辆上各传感器设备之间的偏差，即，认为车辆上的相机、激光雷达设备以及惯性测量单元(InertialMeasurement Unit，IMU)等传感器设备处于同一位置。又由于各传感器设备均搭载在同一车辆上，因此可认为各传感器设备的位置与车辆位置相同。
当然，在本说明书其它实施例中，也可通过其它方式采集该目标区域内的各帧环境图像以及对应的各帧激光点云，如，在道路狭窄的区域，可由人工携带相机以及激光雷达设备进行采集，或者通过无人机等飞行设备进行采集，本说明书对此不做限制，具体可根据需要设置。为方便描述，后续以车辆搭载相机以及激光雷达设备采集该目标区域的各帧环境图像以及对应的各帧激光点云为例进行说明。
S102：针对获取到的每帧激光点云，根据该帧激光点云中各激光点的三维坐标以及相机内参，将各激光点投影至对应的环境图像中，确定所述环境图像中属于地面区域的各环境像素点对应的空间点的三维坐标。
在本说明书提供的一种或多种实施例中，由于通过车辆上配置的一台顶视激光雷达设备采集的激光点云较为稀疏，因此可基于采集的激光点云及其对应的环境图像，进行点云稠密化处理，得到较为稠密的空间点，以基于属于地面区域的各空间点确定道路正射影像图。其中，空间点为处于世界坐标系下三维空间中地面上的点。
由于本说明书提供的方法用于获取地面上的道路正射影像图，因此可仅对属于地面区域的激光点云进行稠密化处理。具体的，首先，针对获取到的每帧激光点云，该服务器可通过点云分割算法，确定该帧激光点云中属于地面区域的地面激光点，以及属于非地面区域的非地面激光点。其中，该点云分割算法可以采用渐进三角网滤波算法、数学形态学滤波算法等现有算法，由于点云分割已经是较为成熟的现有技术，因此本说明书对点云分割的详细过程不做赘述。
之后，根据该帧激光点云中各地面激光点的三维坐标以及相机内参，将各地面激光点投影至对应的环境图像中，确定各地面激光点对应在该环境图像中的环境像素点。并根据该帧激光点云中各地面激光点的三维坐标以及相机内参，确定各地面激光点对应的环境像素点的二维坐标以及深度值。
其中，由于激光点云是基于车辆上的激光雷达设备采集得到，因此得到的激光点的三维坐标为处于激光雷达坐标系下的三维坐标。该环境像素点的二维坐标可以是该环境像素点的图像坐标，也可以是该环境像素点的像素坐标，以二维坐标为像素坐标为例进行说明：
由于不考虑车辆上各传感器设备之间的偏差，即，激光雷达与相机处于同一位置，激光雷达坐标系与相机坐标系重合，于是，该地面激光点在激光雷达坐标系下的三维坐标，也就是该地面激光点在相机坐标系下的三维坐标。因此在将该地面激光点投影至对应的环境图像中时，也无需再进行相机坐标系与激光雷达坐标系之间的转换，直接通过公式
Figure BDA0002989087560000091
可确定出该地面激光点对应在该环境图像中的环境像素点的二维坐标以及深度值，其中，(Xp，Yp，Zp)表示该地面激光点在激光雷达坐标系(任一传感器坐标系)下的三维坐标，K表示基于相机内参确定出的相机内参矩阵，(u，v)表示该地面激光点对应的环境像素点的像素坐标，d为该环境像素点的深度值。
然后，根据各地面激光点对应的各环境像素点的二维坐标以及深度值，进行深度插值，确定该环境图像中属于地面区域的各环境像素点的深度值。
如图2所示，图中外围的矩形表示采集的环境图像，图中黑色填充点表示地面激光点投影至该环境图像中所对应的环境像素点，则根据各地面激光点对应的环境像素点的二维坐标，可构建德洛内(Delaunay)三角网，如图中虚线三角形所示，图中灰色填充点表示该三角网中包含的不对应地面激光点的环境像素点。之后，针对该Delaunay三角网中的每个三角形，可根据组成该三角形的顶点的二维坐标以及深度值，对该三角形内部包含的各环境像素点进行深度插值，确定该三角形内部包含的各环境像素点的深度值。
示例性的，假设图中环境像素点A的像素坐标为(2，2)，环境像素点B的像素坐标为(2，3)，环境像素点C的像素坐标为(2，4)，环境像素点D的像素坐标为(2，5)。其中，环境像素点A的深度值为5，环境像素点D的深度值为2，则可确定该环境像素点B的深度值为
Figure BDA0002989087560000101
该环境像素点C的深度值为
Figure BDA0002989087560000102
进一步的，对于环境中空间位置相近的物体，其在环境图像中对应的环境像素点的深度值也较为平滑，而对于环境中空间位置较远的物体，其在环境图像中对应的环境像素点的深度值之间的关联较小。因此在本说明书中构建Delaunay三角网时，还可对进行深度插值的各三角形的顶点之间的位置进行约束，即，对各三角形的边长进行约束。于是在进行深度差值之前，还需判断该三角形的各边长是否小于第二预设阈值，若是，则继续进行深度插值处理，若否，则认为深度插值的误差较大，不再进行深度插值处理。
最后，根据该环境图像中属于地面区域的各环境像素点的二维坐标、深度值、相机内参以及采集该环境图像时的相机位置，确定该环境图像中属于地面区域的各环境像素点对应的空间点的三维坐标。其中，该三维坐标为该空间点在世界坐标系下的三维坐标。
继续以环境像素点的二维坐标为像素坐标为例进行说明，假设进行深度插值得到的一环境像素点的像素坐标为(u，v)，深度值为d，则通过逆变换公式
Figure BDA0002989087560000103
可确定出该环境像素点对应的空间点在激光雷达坐标系(或者任一传感器坐标系)下的三维坐标(Xp，Yp，Zp)。之后，再通过公式
Figure BDA0002989087560000104
确定该空间点在世界坐标系下的三维坐标(Xw，Yw，Zw)。其中，K-1表示相机内参矩阵的逆矩阵，Tp表示激光雷达设备的外参矩阵，可根据激光雷达设备在世界坐标系下的位姿确定。由于激光雷达设备与车辆位姿一致，因此也可根据采集该环境图像时的车辆位置，确定激光雷达设备的外参矩阵。
S104：针对确定出的每个空间点，根据该空间点的三维坐标、采集该帧激光点云时的相机位置以及采集时间，确定该空间点的第一权重。
受道路材质影响，当太阳入射光线与道路路面呈一定角度时，会在道路路面上形成镜面反射的现象，使得采集的环境图像出现过度曝光，也就是地面反光。则基于该过度曝光的环境图像生成的道路正射影像图中也存在亮斑等区域，无法准确提取出道路路面元素信息。
于是，在本说明书一种或多种实施例中，还可根据空间点的三维坐标、采集该帧激光点云时的相机位置以及采集时间，确定该空间点是否受太阳光线影响，即，该空间点对应的环境像素点是否由于过度曝光导致出现亮斑。并根据该空间点受太阳光线影响的程度，确定该空间点第一权重。其中，该空间点受太阳光线影响越大，该空间点第一权重越小。则后续可基于各空间点的第一权重，减少环境图像中的过渡曝光现象对生成道路正射影像图的影响。
具体的，针对稠密化后的每个空间点，可先根据该空间点的三维坐标以及采集该帧激光点云时的采集时间，确定该空间点所在位置的太阳高度角以及太阳方位角。
之后，根据该空间点所在位置的太阳高度角以及太阳方位角，确定在该空间点的太阳光反射向量，并根据该空间点的三维坐标以及采集该帧激光点云时的相机位置，确定在该空间点的相机感光向量。其中，由于车辆上各传感器与车辆处于同一位置，因此采集该帧激光点云时的相机位置也就是采集该帧激光点云时的车辆位置。
如图3所示，图3中心点O表示稠密化后的道路中的一个空间点，灰色填充的椭圆表示地面，右上角的三十二角星表示太阳，α表示在该空间点的高度角，β表示在该空间点的方位角，SO表示太阳光线照射该空间点的入射光线，ON为该入射光线经由地面反射后的反射光线，将
Figure BDA0002989087560000111
记为太阳光入射向量，将
Figure BDA0002989087560000121
记为太阳光反射向量。则根据该高度角α以及该方位角β，通过公式(1)可确定在该空间点的太阳光反射向量
Figure BDA0002989087560000122
Figure BDA0002989087560000123
根据该空间点O的三维坐标以及采集该帧激光点云时的相机位置M，可确定出在该空间点的相机感光向量
Figure BDA0002989087560000124
其中，由于车辆上配置的为环视相机，因此可以视为相机朝向一直指向该空间点O，可直接根据该空间点O的三维坐标以及相机位置M，确定从该空间点投影到相机中的光线向量，即，相机感光向量
Figure BDA0002989087560000125
并且，由于不考虑车辆上各传感器之间的偏移，因此可认为车辆位置即为车辆上相机所在位置。
然后，根据在该空间点的太阳光反射向量以及相机感光向量之间的夹角，确定该空间点对应的环境像素点被太阳照射导致过曝的概率因子。
在图3中，当确定出在该空间点的太阳光反射向量
Figure BDA0002989087560000126
以及在该空间点的相机感光向量
Figure BDA0002989087560000127
后，便可通过
Figure BDA0002989087560000128
确定该空间点对应的环境像素点被太阳照射导致过曝的概率因子cosγ。其中，γ表示太阳光反射向量
Figure BDA0002989087560000129
与相机感光向量
Figure BDA00029890875600001210
之间的夹角，γ越小，该空间点对应的环境像素点被太阳照射导致过曝的概率越大。
最后，由于夹角γ越小，导致过曝的概率越大，则应该降低该空间点对生成道路正射影像图的影响，可根据确定出的概率因子cosγ，将P1＝λ1(1-cosγ)作为该空间点的第一权重。其中，λ1表示预设参数，可设置为10。
S106：将各空间点投影至道路正射影像图中，并针对所述道路正射影像图中的每个影像像素点，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及所述至少一个空间点的第一权重，确定该影像像素点的目标像素值。
在本说明书一种或多种实施例中，当确定出稠密化后的各空间点的第一权重后，便可基于各空间点的第一权重以及各空间点对应在环境图像中的环境像素点的像素值，确定道路正射影像图中各影像像素点的像素值。
具体的，首先，该服务器可根据待构建地图区域的区域范围以及预设的分辨率，确定初始的道路正射影像图，其中，该道路正射影像图中各影像像素点的像素值为零。假设待构建地图区域的区域范围为100×100，预设的分辨率为2，则可构建50×50的初始的道路正射影像图，且该初始的道路正射影像图中各影像像素点的像素值为0。
之后，确定在该道路正射影像图中预设的参考点所对应的空间参考点的三维坐标。假设在该道路正射影像图中预设的参考点为左上角的像素点(0，0)，即，像素坐标的原点，则可确定该参考点(0，0)对应在待构建地图区域中的空间参考点以及该空间参考点的三维坐标。
然后，针对每个稠密化后的每个空间点，根据该空间点的三维坐标、该空间参考点的三维坐标以及预设的分辨率，将该空间点投影到该道路正射影像图中。
其中，在将空间点投影到该道路正射影像图中时，假设空间点的三维坐标为(X1，Y1，Z1)，空间参考点的三维坐标为(X0，Y0，Z0)，预设的分辨率为r，则该空间点对应在该道路正射影像图中的像素坐标为(x1，y1)。其中，横坐标x1＝(X1-X0)/r，纵坐标y1＝(Y1-Y0)/r。
如图4所示，图中上方的坐标系XYZ为三维空间坐标系，各灰色填充圆点表示稠密化后的空间点，图中下方的坐标系xy为道路正射影像图的二维像素坐标系，其中划分的各网格表示该道路正射影像图中的各个影像像素点。其中，二维像素坐标系的坐标原点对应在三维空间中的空间参考点，即为三维空间坐标系的坐标原点。则根据各空间点的三维坐标以及预设的分辨率，可将三维空间坐标系左上方的四个空间点，投影至该二维像素坐标系左上方的影像像素点上。
为便于显示，上述图4中的各空间点均示例性的展示在同一深度的平面内，实际上各空间点的深度也可不同。
最后，针对该道路正射影像图中的每个影像像素点，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及至少一个空间点的第一权重，确定该影像像素点的目标像素值。
其中，在确定该影像像素点的目标像素值时，该服务器可根据投影至该影像像素点的各空间点对应的环境像素点的像素值，以及各空间点的第一权重，确定该影像像素点的加权像素值。之后，根据该影像像素点的加权像素值以及各空间点的第一权重，确定该影像像素点的目标像素值。
例如，假设投影至影像像素点h的空间点为M以及N，其分别对应的环境像素点为m和n，环境像素点m的RGB像素值为(Rm、Gm、Bm)，环境像素点n的RGB像素值为(Rn、Gn、Bn)，空间点M的第一权重为p1m，空间点N的第一权重为p1n。则可根据空间点为M和N分别对应的环境像素点的像素值，以及空间点M和N的第一权重，可确定该影像像素点h的加权RGB像素值
Figure BDA0002989087560000141
之后，根据该影像像素点h的加权RGB像素值C1以及空间点M和N的第一权重，确定该影像像素点h的目标RGB像素值C＝C1/(p1m+p1n)。
或者，在本说明书另一种实施例中，该服务器也可从投影至该影像像素点的各空间点的第一权重，确定权重最大的空间点，作为目标空间点。之后，根据该目标空间点对应的环境像素点的像素值，确定该影像像素点的目标像素值。
接上述举例，当空间点M的第一权重为p1m大于空间点N的第一权重为p1n时，则可确定空间点M为目标空间点，并将该目标空间点M对应的环境像素点m的RGB像素值(Rm、Gm、Bm)，作为该影像像素点的目标像素值。
或者，在本说明书其它实施例中，也可从投影至该影像像素点的各空间点中，确定第一权值大于预设值的空间点，并将确定出的各空间点对应的环境像素点的平均像素值，作为该影像像素点的目标像素值。本说明书中对基于至少一个空间点的像素值以及至少一个空间点的第一权重，确定影像像素点的目标像素值的方式不做限制，具体可根据需要设置。
S108：根据确定出各影像像素点的目标像素值，确定所述道路正射影像图。
在本说明书一种或多种实施例中，当确定出各影像像素点的目标像素值后，便可基于各影像像素点的目标像素值，更新该道路正射影像图。
在构建高精度地图的过程中，可根据本说明书生成的道路正射影像图，提取道路中的道路路面元素信息，如，车道线、路牙等，并进行标注，以根据标注的各道路路面元素信息生成高精度地图。
基于图1所示的数字正射影像图生成方法，可先获取在目标区域采集的各帧环境图像及对应的各帧激光点云。之后，将各帧激光点云分别投影至对应的环境图像中，分别确定各环境图像中属于地面区域的各环境像素点对应的空间点的三维坐标。并根据各空间点的三维坐标、采集各帧激光点云时的相机位置以及采集时间，确定各空间点的第一权重。然后，将各空间点投影至道路正射影像图中，并根据投影至各影像像素点的至少一个空间点对应的环境像素点的像素值，以及至少一个空间点的第一权重，确定各影像像素点的目标像素值。最后，根据确定出各影像像素点的目标像素值，确定该道路正射影像图。通过结合激光点云以及环境图像的方法，使得生成的道路正射影像图包含较为丰富的道路纹理信息，节省了道路正射影像图的生成成本，提高了后续道路路面元素信息提取的准确率。
另外，在本说明书中通过考虑太阳光线导致的图像过曝现象，降低了过度曝光的图像对生成的道路正射影像图的影响。而且通过将稠密化后的各空间点直接投影到初始的道路正射影像图，并根据各空间点对应的环境像素点的像素值，更新该道路正射影像图，避免了图像拼接的难题。
并且，通过本说明书提供的数字正射影像图所生成的道路正射影像图，不仅包含丰富的道路纹理以及颜色等信息，还避免了太阳照射曝光对图像的影响，因此通过该道路正射影像图，提取出的道路路面元素信息更准确，基于该道路路面元素信息构建的高精度地图也更准确。
在本说明书一种或多种实施例中，在基于稠密化后的空间点投影至道路正射影像图中，确定该道路正射影像图中各影像像素点的目标像素值时，由于距离采集车辆越近的空间点，其对应的环境像素点的像素值的可信度越高，越应该保留在道路正射影像图中。
因此还可根据各空间点与采集各帧激光点云时的激光雷达设备之间的距离，确定第二权重，以在确定道路正射影像图中某一影像像素点的目标像素值时，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值、至少一个空间点的第一权重以及至少一个空间点的第二权重共同确定。其中，空间点与采集对应帧激光点云时的激光雷达设备之间的距离越近，该空间点的第二权重越大，表示该空间点对应的环境像素点的像素值越可信。
其中，第二权重与空间点到采集对应帧激光点云时的激光雷达设备之间的距离负相关，可采用
Figure BDA0002989087560000161
表示。D表示空间点到采集对应帧激光点云时的激光雷达设备之间的距离，f为权值因子，可设置为0.8，λ2为预设参数，可设置为1。D越小，第二权值P2越大。
假设投影至影像像素点h的空间点M、N，分别对应的环境像素点为m和n，环境像素点m的RGB像素值为(Rm、Gm、Bm)，环境像素点n的RGB像素值为(Rn、Gn、Bn)，空间点M的第一权重为p1m，第二权重为p2m，空间点N的第一权重为p1n，第二权重为p2n。则可根据空间点为M和N分别对应的环境像素点的像素值、空间点M和N的第一权重以及第二权重，可确定该影像像素点h的加权RGB像素值
Figure BDA0002989087560000162
之后，根据该影像像素点h的加权RGB像素值C1以及空间点M和N的第一权重以及第二权重，确定该影像像素点h的目标RGB像素值C＝C1/(p1m+p2m+p1n+p2n)。
或者，在本说明书其它实施例中，当空间点M的权重之和p1m+p2m大于空间点N的权重之和p1n+p2n时，则可确定空间点M为目标空间点，并将该目标空间点M对应的环境像素点m的RGB像素值(Rm、Gm、Bm)，作为该影像像素点h的目标像素值。
在本说明书一种实施例中，当确定出数字正射影像图中各影像像素点的加权像素值后，可根据各影像像素点的加权像素值，确定加权地图。其中，该加权地图中各影像像素点的像素值为加权像素值。并根据投影到各影像像素点的空间点的第一权重以及第二权重，确定权值地图。其中，该权值地图中各影像像素点的像素值为投影到各影像像素点的空间点的权值之和。
则在确定道路正射影像图时，可根据加权地图中各影像像素点的像素值，以及权值地图中各影像像素点的像素值，确定道路正射影像图中各影像像素点的目标像素值，具体可通过如下公式确定：
Figure BDA0002989087560000171
其中，C(i,j)表示道路正射影像图中各影像像素点的像素值，C1(i，j)表示加权地图中影像像素点的加权像素值，C2(i，j)表示权值地图中影像像素点的像素值，(i，j)表示影像像素点的像素坐标。当C2(i,j)＝0时，表示没有空间点投影到该影像像素点上，此时，可确定该影像像素点的像素值为0。
由于不考虑车辆上各传感器设备之间的偏移，因此可认为车辆上各传感器设备与车辆处于同一位置。在本说明书中确定车辆位置时，可根据该车辆上配置的全球定位系统(Global Positioning System，GPS)以及惯性测量单元(Inertial Measurement Unit，IMU)等定位设备，进行融合定位，确定车辆位姿。由于基于GPS以及IMU进行融合定位已经是较为成熟的现有技术，本说明书对此不做赘述。并且，当处于GPS信号较差的区域时，也可基于采集的激光点云进行位姿优化，以得到较为准确的车辆位姿。
进一步的，在本说明书上述步骤S100～步骤S108中，基于车辆位姿确定各激光点的三维坐标，以及基于各激光点的三维坐标确定各像素点的二维坐标时，并未考虑车辆上配置的相机、激光雷达设备以及IMU等传感器设备之间的位置偏差，是默认车辆上的相机、激光雷达设备位置以及IMU等传感器设备处于同一位置进行处理的。
上述是以假设车辆上各传感器设备之间不存在偏差，各传感器设置以及车辆处于同一位置为例进行说明的，也就是说，车辆上配置的相机、激光雷达设备以及IMU等传感器与车辆位置相同。但在实际场景下，车辆上配置的各传感器之间还需在一定的偏移距离，各传感器并非处于同一位置。在本说明书的另一实施例中，为了得到高精度的道路正射影像图，以准确提取道路路面元素信息，用于后续制作高精度地图，还需考虑车辆上配置的相机、激光雷达设备以及IMU等传感器坐标系之间的偏差。以将激光雷达设备采集的激光点云与相机采集的环境图像放置于同一坐标系下进行处理。因此在本说明书中还需对车辆上配置的相机、激光雷达设备以及IMU等传感器设备进行标定，确定各传感器之间的偏移距离以及旋转角等外标定参数。
一般的，通常将车体坐标系设置为车辆上的IMU坐标系，即，车辆上IMU的位置即为车辆位置。在标定车辆上的相机与IMU之间的偏差，即，相机与IMU之间的外标定参数时，可预先选取若干标志物，并确定各标志物在世界坐标系中的三维坐标。之后，控制车辆绕各标志物行驶，并采集包含各标志物的图像，根据各标志物的三维坐标以及图像中标志物的特征匹配，确定车辆的相机轨迹。最后，根据该车辆在同一时间的相机位姿以及IMU位姿，确定相机与IMU之间的外标定参数。同理，也可以采用上述方法确定激光雷达设备与IMU之间的外标定参数。
进一步的，由于IMU定位频率与相机采集频率不完全相同，例如，IMU每秒定位一次车辆位姿，而相机每0.5秒采集一帧环境图像，则无法确定出处于同一时间的相机位姿以及车辆位姿，因此可根据IMU的位姿的线性变化，拟合IMU在0.5s、1.5s等采集中间帧环境图像时定位的车辆位姿。以根据采集各帧环境图像时IMU的位姿以及相机与IMU之间的外标定参数，确定相机在世界坐标系中的位姿。同理，由于IMU定位频率与激光雷达设备的采集频率也不完全相同，也可采用相同的方法确定采集各帧激光点云时激光雷达设备世界坐标系中的位姿。
在本说明书步骤S102中，针对每个激光点，在将该激光点投影至对应的环境图像中后，可根据该激光点在激光雷达坐标系下的三维坐标、相机内参、采集该帧环境图像时的相机外参矩阵以及采集该帧激光点云时激光雷达设备的外参矩阵，确定该激光点对应在环境图像中的环境像素点的二维坐标。
假设根据采集该帧环境图像时的相机位姿，确定出的相机外参矩阵为Tv，根据采集该帧激光点云时激光雷达设备的位姿，确定出的激光雷达设备的外参矩阵为Tp，激光点在激光雷达坐标系下的三维坐标为(Xp，Yp，Zp)，K表示基于相机内参确定出的相机内参矩阵，则通过公式
Figure BDA0002989087560000191
可确定出该激光点对应在该环境图像中的环境像素点的二维坐标以及深度值。其中，(u，v)表示该地面激光点对应的环境像素点的像素坐标，d为该环境像素点的深度值。
则对应的在本说明书步骤S102中再根据深度插值后的环境像素点的像素坐标，确定该环境像素点对应在三维空间中的空间点在世界坐标系下的三维坐标时，可通过公式
Figure BDA0002989087560000192
根据该环境像素点的像素坐标(u，v)及深度值d、相机内参矩阵K、采集该帧环境图像时相机外参矩阵为Tv，确定该环境像素点对应在三维空间中的空间点在世界坐标系下的三维坐标(Xw，Yw，Zw)。
上述是以相机与激光雷达设备搭载在同一车辆上为例进行说明的，当然，在本说明书其它实施例中，相机与激光雷达设备也可分别搭载在不同的车辆上，由不同的车辆分别采集环境图像以及激光点云，具体可根据需要设置。
其中，当相机与激光雷达设备分别搭载与不同车辆上时，则在确定相对应的环境图像与激光点云时，可根据搭载相机的车辆的IMU的位置、相机与该IMU之间的偏移，搭载激光雷达设备的车辆的IMU的位置、激光雷达设备与该IMU之间的偏移，进行坐标系转换，将相机与激光雷达设备转换到同一坐标系下，并确定相机与激光雷达设备在同一位置(或相近位置)采集到的环境图像与激光点云为相对应的环境图像与激光点云。
本说明书生成的道路正射影像图，可用于制作高精度地图，并且，该高精度地图可应用于无人驾驶设备的配送过程中，如，使用无人驾驶设备进行快递、外卖等配送的场景中。当无人驾驶设备应用于配送领域时，可通过本说明书的数字正射影像图生成方法，生成配送道路的道路正射影像图，并通过该道路正射影像图提取以及标注各道路路面元素信息，如，车道线、路牙等，并根据标注的各道路路面元素信息生成高精度地图。以使该无人驾驶设备可生成的高精度地图进行导航行驶，执行配送任务。
基于图1所示的数字正射影像图生成方法，本说明书实施例还对应提供一种数字正射影像图生成装置的结构示意图，如图5所示。
图5为本说明书实施例提供的一种数字正射影像图生成装置的结构示意图，包括：
获取模块200，获取在目标区域采集的各帧环境图像及对应的各帧激光点云；
第一确定模块202，针对获取到的每帧激光点云，根据该帧激光点云中各激光点的三维坐标以及相机内参，将各激光点投影至对应的环境图像中，确定所述环境图像中属于地面区域的各环境像素点对应的空间点的三维坐标；
第二确定模块204，针对确定出的每个空间点，根据该空间点的三维坐标、采集该帧激光点云时的相机位置以及采集时间，确定该空间点的第一权重，其中，所述第一权重与空间点对应的环境像素点被太阳照射导致过曝的概率负相关；
投影模块206，将各空间点投影至道路正射影像图中，并针对所述道路正射影像图中的每个影像像素点，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及所述至少一个空间点的第一权重，确定该影像像素点的目标像素值；
第三确定模块208，根据确定出各影像像素点的目标像素值，确定所述道路正射影像图，所述道路正射影像图用于生成高精度地图。
可选地，所述第一确定模块202具体用于，确定该帧激光点云中属于地面区域的地面激光点，根据该帧激光点云中各地面激光点的三维坐标以及相机内参，将各地面激光点投影至对应的环境图像中，确定各地面激光点对应在所述环境图像中的环境像素点，根据该帧激光点云中各地面激光点的三维坐标以及相机内参，确定各地面激光点对应的环境像素点的二维坐标以及深度值，根据各地面激光点对应的各环境像素点的二维坐标以及深度值，进行深度插值，确定所述环境图像中属于地面区域的各环境像素点的深度值，根据所述环境图像中属于地面区域的各环境像素点的二维坐标、深度值、所述相机内参以及采集所述环境图像时的相机位置，确定所述环境图像中属于地面区域的各环境像素点对应的空间点的三维坐标。
可选地，所述第二确定模块204具体用于，根据该空间点的三维坐标以及采集该帧激光点云时的采集时间，确定该空间点的太阳高度角以及太阳方位角，根据所述太阳高度角以及所述太阳方位角，确定在该空间点的太阳光反射向量，根据该空间点的三维坐标以及采集该帧激光点云时的相机位置，确定相机感光向量，根据所述太阳光反射向量以及所述相机感光向量之间的夹角，确定该空间点对应的环境像素点被太阳照射导致过曝的概率因子，根据确定出的概率因子，确定该空间点的第一权重。
可选地，所述投影模块206具体用于，根据各空间点与采集该帧激光点云时的激光雷达设备的距离，确定各空间点的第二权重，其中，所述第二权重和所述距离负相关，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值、所述至少一个空间点的第一权重以及所述至少一个空间点的第二权重，确定该影像像素点的目标像素值。
可选地，所述投影模块206具体用于，根据所述目标区域的区域范围以及预设的分辨率，确定道路正射影像图，所述道路正射影像图中各影像像素点的像素值为零，确定所述道路正射影像图中预设的参考点对应的空间参考点的三维坐标，根据各空间点的三维坐标以及所述空间参考点的三维坐标，将各空间点投影到道路正射影像图中。
可选地，所述投影模块206具体用于，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及所述至少一个空间点的第一权重，确定该影像像素点的加权像素值，根据该影像像素点的加权像素值以及所述至少一个空间点的第一权重，确定该影像像素点的目标像素值。
可选地，所述投影模块206具体用于，根据投影至该影像像素点的各空间点的第一权重，确定权重最大的空间点，作为目标空间点，根据该目标空间点对应的环境像素点的像素值，确定该影像像素点的目标像素值。
本说明书实施例还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的数字正射影像图生成方法。
基于图1所示的数字正射影像图生成方法，本说明书实施例还提出了图6所示的电子设备的示意结构图。如图6，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所示的数字正射影像图生成方法。
当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和生成专用的集成电路芯片。而且，如今，取代手工地生成集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (10)

1.一种数字正射影像图生成方法，其特征在于，包括：
获取在目标区域采集的各帧环境图像及对应的各帧激光点云；
针对获取到的每帧激光点云，根据该帧激光点云中各激光点的三维坐标以及相机内参，将各激光点投影至对应的环境图像中，确定所述环境图像中属于地面区域的各环境像素点对应的空间点的三维坐标；
针对确定出的每个空间点，根据该空间点的三维坐标以及采集该帧激光点云时的相机位置，确定相机感光向量，根据该空间点的三维坐标以及该帧激光点云的采集时间，确定该空间点的太阳光反射向量，根据确定出的相机感光向量以及该空间点的太阳光反射向量，确定该空间点的第一权重，其中，所述第一权重与空间点对应的环境像素点被太阳照射导致过曝的概率负相关；
将各空间点投影至道路正射影像图中，并针对所述道路正射影像图中的每个影像像素点，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及所述至少一个空间点的第一权重，确定该影像像素点的目标像素值；
根据确定出各影像像素点的目标像素值，确定所述道路正射影像图，所述道路正射影像图用于生成高精度地图。
2.如权利要求1所述的方法，其特征在于，根据该帧激光点云中各激光点的三维坐标以及相机内参，将各激光点投影至对应的环境图像中，确定所述环境图像中属于地面区域的各环境像素点对应的空间点的三维坐标，具体包括：
确定该帧激光点云中属于地面区域的地面激光点；
根据该帧激光点云中各地面激光点的三维坐标以及相机内参，将各地面激光点投影至对应的环境图像中，确定各地面激光点对应在所述环境图像中的环境像素点；
根据该帧激光点云中各地面激光点的三维坐标以及相机内参，确定各地面激光点对应的环境像素点的二维坐标以及深度值；
根据各地面激光点对应的各环境像素点的二维坐标以及深度值，进行深度插值，确定所述环境图像中属于地面区域的各环境像素点的深度值；
根据所述环境图像中属于地面区域的各环境像素点的二维坐标、深度值、所述相机内参以及采集所述环境图像时的相机位置，确定所述环境图像中属于地面区域的各环境像素点对应的空间点的三维坐标。
3.如权利要求1所述的方法，其特征在于，根据该空间点的三维坐标以及该帧激光点云的采集时间，确定该空间点的太阳光反射向量，具体包括：
根据该空间点的三维坐标以及采集该帧激光点云时的采集时间，确定该空间点的太阳高度角以及太阳方位角；
根据所述太阳高度角以及所述太阳方位角，确定在该空间点的太阳光反射向量；
根据确定出的相机感光向量以及该空间点的太阳光反射向量，确定该空间点的第一权重，具体包括：
根据所述太阳光反射向量以及所述相机感光向量之间的夹角，确定该空间点对应的环境像素点被太阳照射导致过曝的概率因子；
根据确定出的概率因子，确定该空间点的第一权重。
4.如权利要求1所述的方法，其特征在于，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及所述至少一个空间点的第一权重，确定该影像像素点的目标像素值，具体包括：
根据各空间点与采集该帧激光点云时的激光雷达设备的距离，确定各空间点的第二权重，其中，所述第二权重和所述距离负相关；
根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值、所述至少一个空间点的第一权重以及所述至少一个空间点的第二权重，确定该影像像素点的目标像素值。
5.如权利要求1所述的方法，其特征在于，将各空间点投影至道路正射影像图中，具体包括：
根据所述目标区域的区域范围以及预设的分辨率，确定道路正射影像图，所述道路正射影像图中各影像像素点的像素值为零；
确定所述道路正射影像图中预设的参考点对应的空间参考点的三维坐标；
根据各空间点的三维坐标以及所述空间参考点的三维坐标，将各空间点投影到道路正射影像图中。
6.如权利要求1所述的方法，其特征在于，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及所述至少一个空间点的第一权重，确定该影像像素点的目标像素值，具体包括：
根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及所述至少一个空间点的第一权重，确定该影像像素点的加权像素值；
根据该影像像素点的加权像素值以及所述至少一个空间点的第一权重，确定该影像像素点的目标像素值。
7.如权利要求1所述的方法，其特征在于，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及所述至少一个空间点的第一权重，确定该影像像素点的目标像素值，具体包括：
根据投影至该影像像素点的各空间点的第一权重，确定权重最大的空间点，作为目标空间点；
根据该目标空间点对应的环境像素点的像素值，确定该影像像素点的目标像素值。
8.一种数字正射影像图生成装置，其特征在于，包括：
获取模块，获取在目标区域采集的各帧环境图像及对应的各帧激光点云；
第一确定模块，针对获取到的每帧激光点云，根据该帧激光点云中各激光点的三维坐标以及相机内参，将各激光点投影至对应的环境图像中，确定所述环境图像中属于地面区域的各环境像素点对应的空间点的三维坐标；
第二确定模块，针对确定出的每个空间点，根据该空间点的三维坐标以及采集该帧激光点云时的相机位置，确定相机感光向量，根据该空间点的三维坐标以及该帧激光点云的采集时间，确定该空间点的太阳光反射向量，根据确定出的相机感光向量以及该空间点的太阳光反射向量，确定该空间点的第一权重，其中，所述第一权重与空间点对应的环境像素点被太阳照射导致过曝的概率负相关；
投影模块，将各空间点投影至道路正射影像图中，并针对所述道路正射影像图中的每个影像像素点，根据投影至该影像像素点的至少一个空间点对应的环境像素点的像素值，以及所述至少一个空间点的第一权重，确定该影像像素点的目标像素值；
第三确定模块，根据确定出各影像像素点的目标像素值，确定所述道路正射影像图，所述道路正射影像图用于生成高精度地图。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-7任一所述的方法。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法。
CN202110309241.4A 2021-03-23 2021-03-23 一种数字正射影像图生成方法及装置 Active CN112907745B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110309241.4A CN112907745B (zh) 2021-03-23 2021-03-23 一种数字正射影像图生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110309241.4A CN112907745B (zh) 2021-03-23 2021-03-23 一种数字正射影像图生成方法及装置

Publications (2)

Publication Number Publication Date
CN112907745A CN112907745A (zh) 2021-06-04
CN112907745B true CN112907745B (zh) 2022-04-01

Family

ID=76106074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110309241.4A Active CN112907745B (zh) 2021-03-23 2021-03-23 一种数字正射影像图生成方法及装置

Country Status (1)

Country Link
CN (1) CN112907745B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256813B (zh) * 2021-07-01 2021-09-17 西南石油大学 一种带约束的建筑物立面正射影像图提取方法
CN113865600B (zh) * 2021-09-28 2023-01-06 北京三快在线科技有限公司 一种高精地图的构建方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101420506A (zh) * 2007-10-26 2009-04-29 村田机械株式会社 图像处理装置、图像读取装置、图像处理方法及图像处理程序
CN107833253A (zh) * 2017-09-22 2018-03-23 北京航空航天大学青岛研究院 一种面向rgbd三维重建纹理生成的相机姿态优化方法
CN110400363A (zh) * 2018-04-24 2019-11-01 北京京东尚科信息技术有限公司 基于激光点云的地图构建方法和装置
CN110889349A (zh) * 2019-11-18 2020-03-17 哈尔滨工业大学 一种基于vslam的稀疏三维点云图的视觉定位方法
CN111784821A (zh) * 2020-06-30 2020-10-16 北京市商汤科技开发有限公司 三维模型生成方法、装置、计算机设备及存储介质
CN112154454A (zh) * 2019-09-10 2020-12-29 深圳市大疆创新科技有限公司 目标对象的检测方法、系统、设备及存储介质
CN112184901A (zh) * 2020-09-08 2021-01-05 北京三快在线科技有限公司 一种深度图确定方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9754357B2 (en) * 2012-03-23 2017-09-05 Panasonic Intellectual Property Corporation Of America Image processing device, stereoscoopic device, integrated circuit, and program for determining depth of object in real space generating histogram from image obtained by filming real space and performing smoothing of histogram
CN102628671A (zh) * 2012-03-29 2012-08-08 中国人民解放军第二炮兵工程学院 一种基于单摄像机双色线结构光的三维坐标测量方法
CN104123730B (zh) * 2014-07-31 2016-09-14 武汉大学 基于道路特征的遥感影像与激光点云配准方法及系统
CN109472865B (zh) * 2018-09-27 2022-03-04 北京空间机电研究所 一种基于图像模型绘制的自由可量测全景再现方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101420506A (zh) * 2007-10-26 2009-04-29 村田机械株式会社 图像处理装置、图像读取装置、图像处理方法及图像处理程序
CN107833253A (zh) * 2017-09-22 2018-03-23 北京航空航天大学青岛研究院 一种面向rgbd三维重建纹理生成的相机姿态优化方法
CN110400363A (zh) * 2018-04-24 2019-11-01 北京京东尚科信息技术有限公司 基于激光点云的地图构建方法和装置
CN112154454A (zh) * 2019-09-10 2020-12-29 深圳市大疆创新科技有限公司 目标对象的检测方法、系统、设备及存储介质
CN110889349A (zh) * 2019-11-18 2020-03-17 哈尔滨工业大学 一种基于vslam的稀疏三维点云图的视觉定位方法
CN111784821A (zh) * 2020-06-30 2020-10-16 北京市商汤科技开发有限公司 三维模型生成方法、装置、计算机设备及存储介质
CN112184901A (zh) * 2020-09-08 2021-01-05 北京三快在线科技有限公司 一种深度图确定方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
RANGE IMAGE BASED POINT CLOUD COLORIZATION USING CONDITIONAL GENERATIVE MODEL;Jong-Uk Hou等;《网页在线公开：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8804204》;20190826;第1-5页 *
一种基于深度相机的机器人室内导航点云地图生成方法;马跃龙等;《测绘工程》;20180409;第27卷(第3期);第6-10页 *
一种基于非量测相机图像的三维模型快速重建方法研究;黄腾达等;《河南城建学院学报》;20180601;第27卷(第1期);第80-85页 *

Also Published As

Publication number Publication date
CN112907745A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
CN111311709B (zh) 一种生成高精地图的方法及装置
CN111522026B (zh) 一种数据融合的方法及装置
CN112907745B (zh) 一种数字正射影像图生成方法及装置
CN106679676B (zh) 一种单视场多功能光学敏感器及实现方法
CN113674424B (zh) 一种电子地图绘制的方法及装置
CN113415433B (zh) 基于三维场景模型的吊舱姿态修正方法、装置和无人机
CN112652062A (zh) 一种点云地图构建方法、装置、设备和存储介质
US20230401837A1 (en) Method for training neural network model and method for generating image
CN116012483A (zh) 一种图像渲染的方法、装置、存储介质及电子设备
CN116558545A (zh) 一种传感器数据的标定方法及装置
CN113608234A (zh) 一种城市数据采集系统
CN113433566A (zh) 地图建构系统以及地图建构方法
CN113205144B (zh) 一种模型训练的方法及装置
CN113450415A (zh) 一种成像设备标定方法以及装置
CN113870365B (zh) 相机标定方法、装置、设备以及存储介质
KR102616437B1 (ko) 라이다 및 관성측정장치의 캘리브레이션 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램
CN116721118B (zh) 一种基于点云的飞行器安全降落点的选择方法及装置
CN116660916B (zh) 一种用于果园移动机器人的定位方法、建图方法及电子设备
CN117765165A (zh) 一种三维重建方法、装置、存储介质及电子设备
CN116453089A (zh) 生成激光点云训练数据的方法、装置、设备及介质
CN113888611A (zh) 一种确定图像深度的方法、装置及存储介质
CN116402903A (zh) 一种相机外参标定方法、装置、设备、介质及程序产品
CN115187740A (zh) 高精度地图的生成方法、装置及设备
CN117765171A (zh) 一种三维模型重建的方法、装置、存储介质及电子设备
CN116152355A (zh) 一种路侧相机标定方法与装置、目标检测方法与装置

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
GR01 Patent grant
GR01 Patent grant