CN113034685B - 激光点云与高精地图的叠加方法、装置及电子设备 - Google Patents

激光点云与高精地图的叠加方法、装置及电子设备 Download PDF

Info

Publication number
CN113034685B
CN113034685B CN202110289938.XA CN202110289938A CN113034685B CN 113034685 B CN113034685 B CN 113034685B CN 202110289938 A CN202110289938 A CN 202110289938A CN 113034685 B CN113034685 B CN 113034685B
Authority
CN
China
Prior art keywords
point cloud
laser point
fused
map
processing
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
CN202110289938.XA
Other languages
English (en)
Other versions
CN113034685A (zh
Inventor
马威
陶吉
胡星
王立琦
王鲲
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 Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110289938.XA priority Critical patent/CN113034685B/zh
Publication of CN113034685A publication Critical patent/CN113034685A/zh
Priority to US17/511,880 priority patent/US20220050210A1/en
Priority to EP21204946.4A priority patent/EP3937125B1/en
Priority to KR1020210146959A priority patent/KR20210136896A/ko
Priority to JP2021179134A priority patent/JP7267380B2/ja
Application granted granted Critical
Publication of CN113034685B publication Critical patent/CN113034685B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • 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
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Abstract

本申请公开了一种激光点云与高精地图的叠加方法、装置及电子设备，涉及人工智能、自动驾驶、智能交通、以及计算机视觉技术领域。具体实现方案为：在叠加激光点云和高精度地图进行可视化时，先对待融合激光点云中的非路面激光点云进行抽稀处理，得到目标非路面激光点云，有效地减少了待融合激光点云的数据量；并对待融合地图进行切分处理，得到待融合地图对应的多级地图数据，有效地减少了待融合地图的数据量，这样在叠加激光点云和高精度地图进行可视化时，既可以通过激光点云可视化非路面信息，又可以通过高精地图可视化道路信息，不仅实现了数字城市可视化，而且有效地减少了可视化的数据量，提高了数字城市化的显示效果。

Description

激光点云与高精地图的叠加方法、装置及电子设备
技术领域
本申请涉及数据处理技术领域，尤其涉及一种激光点云与高精地图的叠加方法、装置及电子设备，具体可用于人工智能技术领域、自动驾驶技术领域、智能交通技术领域、以及计算机视觉技术领域。
背景技术
在进行数字城市可视化时，高精地图可以很好的解决道路信息化问题，激光点云则可以很好的反映非路面信息，例如杆、牌、红绿灯等信息，以及路侧信息，例如植被、建筑物等信息；因此，为了实现数字城市可视化，可以考虑将激光点云和高精度地图两者结合，可以较好地呈现道路和路侧信息，从而能够很好地呈现数字城市化效果。
但是，在结合激光点云和高精度地图呈现数字城市化效果时，由于高精度地图和激光点云的数据量均比较大，因此，若直接对数据量较大的激光点云和高精度地图进行叠加并可视化叠加结果，则会使得可视化的数据繁多，导致数字城市化的显示效果较差。
发明内容
本申请提供了一种激光点云与高精地图的叠加方法、装置及电子设备，在叠加激光点云和高精度地图进行可视化时，减少了可视化的数据量，从而提高了数字城市化的显示效果。
根据本申请的第一方面，提供了一种激光点云与高精地图的叠加方法，该激光点云与高精地图的叠加方法可以包括：
分别获取待融合激光点云和待融合地图，所述待融合地图中至少包括部分高精地图。
对所述待融合激光点云中的非路面激光点云进行抽稀处理，得到目标非路面激光点云。
对所述待融合地图进行切分处理，得到所述待融合地图对应的多级地图数据。
对所述目标非路面激光点云和所述多级地图数据进行叠加处理，并可视化叠加结果。
根据本申请的第二方面，提供了一种激光点云与高精地图的叠加装置，该激光点云与高精地图的叠加装置可以包括：
获取单元，用于分别获取待融合激光点云和待融合地图，所述待融合地图中至少包括部分高精地图。
处理单元，用于对所述待融合激光点云中的非路面激光点云进行抽稀处理，得到目标非路面激光点云，并对所述待融合地图进行切分处理，得到所述待融合地图对应的多级地图数据。
叠加单元，用于对所述目标非路面激光点云和所述多级地图数据进行叠加处理。
显示单元，用于可视化叠加结果。
根据本申请的第三方面，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上述第一方面所述的激光点云与高精地图的叠加方法。
根据本申请的第四方面，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，其中，所述计算机指令用于使所述计算机执行上述第一方面所述的激光点云与高精地图的叠加方法。
根据本申请的第五方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行上述第一方面所述的激光点云与高精地图的叠加方法。
根据本申请的技术方案，在叠加激光点云和高精度地图进行可视化时，先对待融合激光点云中的非路面激光点云进行抽稀处理，得到目标非路面激光点云，有效地减少了待融合激光点云的数据量；并对待融合地图进行切分处理，得到待融合地图对应的多级地图数据，有效地减少了待融合地图的数据量，这样在叠加激光点云和高精度地图进行可视化时，既可以通过激光点云可视化非路面信息，又可以通过高精地图可视化道路信息，不仅实现了数字城市可视化，而且有效地减少了可视化的数据量，提高了数字城市化的显示效果。
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提供的激光点云与高精地图的叠加方法的流程示意图；
图2是本申请实施例提供的一种叠加激光点云和高精度地图进行可视化的示意图；
图3是本申请实施例提供的另一种叠加激光点云和高精度地图进行可视化的示意图；
图4是根据本申请第二实施例提供的获取非路面激光点云的方法的流程示意图；
图5是根据本申请第三实施例提供的对目标非路面激光点云和多级地图数据进行叠加处理的方法的流程示意图；
图6是根据本申请第四实施例提供的激光点云与高精地图的叠加装置60的示意性框图；
图7是本申请实施例的提供的一种电子设备的示意性框图。
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。
在本申请的实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A，B可以是单数或者复数。在本申请的文字描述中，字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例提供的技术方案可以应用于数字城市可视化的场景中，具体可以应用于激光点云与高精地图的叠加融合的场景。在进行数字城市可视化时，可以考虑将激光点云和高精度地图两者结合，可以较好地呈现道路和路侧信息，从而能够很好地呈现数字城市化效果。但是，在结合激光点云和高精度地图呈现数字城市化效果时，由于高精度地图和激光点云的数据量均比较大，因此，若直接对数据量较大的激光点云和高精度地图进行叠加并可视化叠加结果，则会使得可视化的数据繁多，导致数字城市化的显示效果较差。
为了减少可视化的数据量，从而提高数字城市化的显示效果，可以考虑在对激光点云和高精度地图进行叠加之前，可以先对待融合的激光点云进行抽稀处理，以减少待融合的激光点云的数据量，并且，为了有针对性地进行层级显示，也可以对待融合的高精地图进行切分处理，以减少待融合的高精地图的数据量；之后，再对处理后的激光点云和切分处理得到的多级地图数据进行叠加处理，并可视化叠加结果。这样在叠加激光点云和高精度地图进行可视化时，可以有效地减少可视化的数据量，从而提高数字城市化的显示效果。
基于上述技术构思，本申请实施例提供了一种激光点云与高精地图的叠加方法，先分别获取待融合激光点云和待融合地图，其中，待融合地图中至少包括部分高精地图；并对待融合激光点云中的非路面激光点云进行抽稀处理，得到目标非路面激光点云；对待融合地图进行切分处理，得到待融合地图对应的多级地图数据；再对目标非路面激光点云和多级地图数据进行叠加处理，并可视化叠加结果。
其中，待融合地图中至少包括部分高精地图，涵盖了两种情况，一种情况为：待融合地图仅为高精地图；另一种情况为：待融合地图由标准精度地图和高精度地图融合而成的地图，具体可以根据实际需要进行设置。高精地图的精度高于标准精度地图的精度，且其高精地图的数据量远大于标准精度地图的数据量。
其中，非路面激光点云可以理解为用于描述非路面信息，例如植被、建筑物等信息的激光点云；路面激光点云可以理解为用于描述路面信息的激光点云。
可以看出，本申请实施例中，在叠加激光点云和高精度地图进行可视化时，先对待融合激光点云中的非路面激光点云进行抽稀处理，得到目标非路面激光点云，有效地减少了待融合激光点云的数据量；并对待融合地图进行切分处理，得到待融合地图对应的多级地图数据，有效地减少了待融合地图的数据量，这样在叠加激光点云和高精度地图进行可视化时，既可以通过激光点云可视化非路面信息，又可以通过高精地图可视化道路信息，不仅实现了数字城市可视化，而且有效地减少了可视化的数据量，提高了数字城市化的显示效果。
下面，将通过具体的实施例对本申请提供的激光点云与高精地图的叠加方法进行详细地说明。可以理解的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例一
图1是根据本申请第一实施例提供的激光点云与高精地图的叠加方法的流程示意图，该激光点云与高精地图的叠加方法可以由软件和/或硬件装置执行，例如，该硬件装置可以为终端或者服务器。示例的，请参见图1所示，该激光点云与高精地图的叠加方法可以包括：
S101、分别获取待融合激光点云和待融合地图，待融合地图中至少包括部分高精地图。
其中，待融合地图中至少包括部分高精地图，涵盖了两种情况，一种情况为：待融合地图仅为高精地图；另一种情况为：待融合地图由标准精度地图和高精度地图融合而成的地图，具体可以根据实际需要进行设置。
结合待融合地图涵盖的两种情况，在本申请实施例中，获取待融合地图时，在一种可能的实现方式中，若待融合地图仅为高精地图，由于高精地图自身的精度已经较高，因此，可以直接将该高精地图作为待融合地图，无需对高精地图的精度做优化处理；在另一种可能的实现方式中，若待融合地图由标准精度地图和高精度地图融合而成的地图，则对标准精度地图和高精度地图融合之前，需要先对标准精度地图的精度进行优化处理，以提高该标准精度地图的精度；再将优化处理后的地图和高精地图进行融合，得到待融合地图。这样通过对标准精度地图的精度进行优化处理，其好处在于：可以解决因标准精度地图的精度不准导致后期与激光点云叠加时出现地物偏离的现象，从而提高了叠加结果的准确度。
示例的，在获取待融合激光点云时，可以先获取初始激光点云，若该初始激光点云的精度较高，则可以直接将该初始激光点云确定为待融合激光点云；若该初始激光点云的精度不准，则可以先对初始激光点云的精度进行优化处理，并将优化处理得到的激光点云确定为待融合激光点云；其中，待融合激光点云的精度高于初始激光点云的精度，且经过优化处理后的激光点云的精度为厘米级精度。这样通过对精度不准的激光点云的精度进行优化处理，其好处在于：可以解决因激光点云的精度不准导致后期与待融合地图叠加时出现地物偏离的现象，从而提高了叠加结果的准确度。
在分别获取到待融合激光点云和待融合地图后，为了在叠加激光点云和高精度地图进行可视化时，可以有效地减少可视化的数据量，可以在叠加激光点云和高精度地图进行可视化之前，先对待融合激光点云中的非路面激光点云进行抽稀处理，并对待融合地图进行切分处理，即分别执行下述S102和S103：
S102、对待融合激光点云中的非路面激光点云进行抽稀处理，得到目标非路面激光点云。
在对待融合激光点云中的非路面激光点云进行抽稀处理时，在一种可能的实现方式中，可以直接对该待融合激光点云中的非路面激光点云进行抽稀处理，以在叠加激光点云和高精度地图进行可视化时，有效地减少待融合激光点云的数据量；但由于待融合激光点云中可能包括大量嘈杂的噪声，为了降低噪声对待融合激光点云的影响，在另一种可能的实现方式中，可以先对待融合激光点云进行去噪处理，再对去噪处理后的待融合激光点云中的非路面激光点云进行抽稀处理，这样可以在有效地减少待融合激光点云的数据量的情况下，降低噪声对待融合激光点云的影响。
S103、对待融合地图进行切分处理，得到待融合地图对应的多级地图数据。
示例的，在对待融合地图进行切分处理时，根据待融合地图中包括的各要素的重要程度，例如道路可以分为高速路、国道、省道、县道、乡道等，例如河流可以分为1级河流、2级河流、3级河流等，对待融合地图按照重要程度进行切分处理，得到多级地图数据，这样可以在叠加激光点云和高精度地图进行可视化时，不仅可以有效地减少待融合地图的数据量，而且可以有针对性地向用户显示不同级别的地图数据，便于用户查看，从而提高了用户体验。
可以理解的是，在本申请实施例中，S102和S103之间并无先后顺序，可以先执行S102，再执行S103；也可以先执行S103，再执行S102；也可以同步执行S102和S103，具体可以根据实际需要进行设置，在此，本申请实施例只是以先执行S102，再执行S103为例进行说明，但并不代表本申请实施例仅局限于此。
在分别获取到处理后的目标非路面激光点云和多级地图数据后，就可以对目标非路面激光点云和多级地图数据进行叠加处理，并可视化叠加结果，即执行下述S104：
S104、对目标非路面激光点云和多级地图数据进行叠加处理，并可视化叠加结果。
示例的，请参见图2和图3所示，图2是本申请实施例提供的一种叠加激光点云和高精度地图进行可视化的示意图，图3是本申请实施例提供的另一种叠加激光点云和高精度地图进行可视化的示意图，通过图2和图3可以看出，通过将激光点云和高精度地图叠加，可以较好地呈现道路和非路面信息，不仅实现了数字城市可视化，而且有效地减少了可视化的数据量，提高了数字城市化的显示效果。
可以看出，本申请实施例中，在叠加激光点云和高精度地图进行可视化时，先对待融合激光点云中的非路面激光点云进行抽稀处理，得到目标非路面激光点云，有效地减少了待融合激光点云的数据量；并对待融合地图进行切分处理，得到待融合地图对应的多级地图数据，有效地减少了待融合地图的数据量，这样在叠加激光点云和高精度地图进行可视化时，既可以通过激光点云可视化非路面信息，又可以通过高精地图可视化道路信息，不仅实现了数字城市可视化，而且有效地减少了可视化的数据量，提高了数字城市化的显示效果。
基于上述图1所示的实施例，在上述S102中，在对待融合激光点云中的非路面激光点云进行抽稀处理之前，可以先从待融合激光点云中获取到非路面激光点云。下面，将通过下述图4所示的实施例二，详细描述在本申请实施例中，如何从待融合激光点云中获取到非路面激光点云。
实施例二
图4是根据本申请第二实施例提供的获取非路面激光点云的方法的流程示意图，该获取非路面激光点云的方法同样可以由软件和/或硬件装置执行，例如，该硬件装置可以为终端或者服务器。示例的，请参见图1所示，该获取非路面激光点云的方法可以包括：
S401、对待融合激光点云进行筛选处理，得到初始非路面激光点云。
示例的，待融合激光点云中可以仅包括初始非路面激光点云，也可以包括初始非路面激光点云和初始路面激光点云，具体可以根据实际需要进行设置。
通过对待融合激光点云进行筛选处理，可以从待融合激光点云中获取到初始非路面激光点云。在获取到初始非路面激光点云后，可以对该初始非路面激光点云的高程进行偏移处理，即执行下述S402，偏移处理得到的路面激光点云即为上述S101中所示的非路面激光点云。
S402、对初始非路面激光点云的高程进行偏移处理，得到非路面激光点云。
示例的，本申请实施例中，在对初始非路面激光点云的高程进行偏移处理时，结合待融合激光点云包括的内容不同，因此，可以通过下述至少两种可能的实现方式对初始非路面激光点云的高程进行偏移处理。
在一种可能的实现方式中，若待融合激光点云中除了包括初始非路面点云数据之外，还包括初始路面激光点云，则在对初始非路面激光点云的高程进行偏移处理时，可以先计算确定待融合激光点云中单帧数据对应的路面高程平均值；其中，单帧数据包括初始非路面点云数据和初始路面激光点云；并在单帧数据中所有激光点的高程减去路面高程平均值，得到偏移处理后的单帧数据；由于偏移处理后的单帧数据中不仅包括了对初始非路面激光点云进行偏移处理后的非路面激光点云，而且还包括了初始路面激光点云进行偏移处理后的路面激光点云，因此，可以从偏移处理后的单帧数据中剔除偏移处理后的路面激光点云，这样就可以得到对初始非路面激光点云进行偏移处理后的非路面激光点云。
在另一种可能的实现方式中，若待融合激光点云中仅包括初始非路面点云数据，而未包括初始路面激光点云，则无法基于路面高程平均值的方法得到偏移处理后的非路面激光点云；在该种情况下，在对初始非路面激光点云的高程进行偏移处理时，可以先获取与待融合激光点云中单帧数据最邻近的已偏移处理的前帧单帧数据，以及与待融合激光点云中单帧数据最邻近的已偏移处理的后帧单帧数据；并对前帧单帧数据和后帧单帧数据进行插值处理，这样就可以得到偏移处理后的单帧数据；同样由于偏移处理后的单帧数据中不仅包括了对初始非路面激光点云进行偏移处理后的非路面激光点云，而且还包括了初始路面激光点云进行偏移处理后的路面激光点云，因此，可以从偏移处理后的单帧数据中剔除偏移处理后的路面激光点云，这样就可以得到对初始非路面激光点云进行偏移处理后的非路面激光点云。
示例的，若待融合激光点云中单帧数据为第4帧单帧数据，且第3帧单帧数据为已偏移处理后的单帧数据，则与待融合激光点云中单帧数据最邻近的已偏移处理的前帧单帧数据为第3帧单帧数据；若第3帧单帧数据不是已偏移处理后的单帧数据，但第2帧单帧数据是已偏移处理后的单帧数据，则与待融合激光点云中单帧数据最邻近的已偏移处理的前帧单帧数据为第2帧单帧数据；类似的，若待融合激光点云中单帧数据为第4帧单帧数据，且第5帧单帧数据为已偏移处理后的单帧数据，则与待融合激光点云中单帧数据最邻近的已偏移处理的后帧单帧数据为第5帧单帧数据；若第5帧单帧数据不是已偏移处理后的单帧数据，但第6帧单帧数据是已偏移处理后的单帧数据，则与待融合激光点云中单帧数据最邻近的已偏移处理的后帧单帧数据为第6帧单帧数据。
可以看出，本申请实施例中，在获取非路面激光点云的方法时，可以先对待融合激光点云进行筛选处理，得到初始非路面激光点云；并对初始非路面激光点云的高程进行偏移处理，得到非路面激光点云。这样通过对初始非路面激光点云的高程进行偏移处理，使得后续在叠加偏移处理后的非路面激光点云数据和待融合地图时，可以使得非路面激光点云在高度上可以更好地与待融合地图匹配，从而提高叠加的准确度。
基于上述任一实施例，在获取到待融合激光点云后，就可以对待融合激光点云中的非路面激光点云进行抽稀处理。示例的，在对待融合激光点云中的非路面激光点云进行抽稀处理时，可以先确定抽稀比例，该抽稀比例可以根据实际需要进行设置；在确定出抽稀比例后，根据抽稀比例对非路面激光点云进行加权八叉树切分，得到多个叶子节点各自对应的非路面激光点云数据；针对多个叶子节点中的各叶子节点，计算叶子节点对应的非路面激光点云数据体素内的重心，并对叶子节点对应的非路面激光点云数据的属性值进行加权，得到重心的属性值，该重心的属性值为叶子节点对应的目标非路面激光点云，基于该方法可以得到多个叶子节点中的各叶子节点对应的目标非路面激光点云，该多个叶子节点中的各叶子节点对应的目标非路面激光点云即为对待融合激光点云中的非路面激光点云进行抽稀处理，得到的目标非路面激光点云。
可以看出，在对待融合激光点云中的非路面激光点云进行抽稀处理时，通过根据抽稀比例对非路面激光点云进行加权八叉树切分，并计算叶子节点对应的非路面激光点云数据体素内的重心，将重心的属性值确定为叶子节点对应的目标非路面激光点云，这样通过一个重心的属性值表示整个叶子节点对应的非路面激光点云数据，有效地减少了待融合激光点云的数据量。
在对待融合激光点云中的非路面激光点云进行抽稀处理，得到目标非路面激光点云，以及对待融合地图进行切分处理，得到待融合地图对应的多级地图数据后，就可以对目标非路面激光点云和多级地图数据进行叠加处理，并可视化叠加结果，即执行上述S104。为了便于理解在上述S104中，如何对目标非路面激光点云和多级地图数据进行叠加处理，下面，将通过下述图5所示的实施例三，对如何对目标非路面激光点云和多级地图数据进行叠加处理进行详细的描述。
实施例三
图5是根据本申请第三实施例提供的对目标非路面激光点云和多级地图数据进行叠加处理的方法的流程示意图，该对目标非路面激光点云和多级地图数据进行叠加处理的方法同样可以由软件和/或硬件装置执行，例如，该硬件装置可以为终端或者服务器。示例的，请参见图5所示，该对目标非路面激光点云和多级地图数据进行叠加处理的方法可以包括：
S501、对目标非路面激光点云进行分块处理，得到目标非路面激光点云对应的多个目标点云数据块。
示例的，在对目标非路面激光点云数据进行分块处理时，可以根据目标非路面激光点云的地理空间分布，采用例如64m*64m的瓦片大小，对目标非路面激光点云数据进行切分，得到待融合激光点云数据对应的多个目标点云数据块。
S502、基于可视化的视椎体区域范围，对多个目标点云数据块和多级地图数据进行叠加处理。
示例的，在基于可视化的视椎体区域范围，对多个目标点云数据块和多级地图数据进行叠加处理时，可以基于可视化的视椎体区域范围，分别从多个目标点云数据块和多级地图数据中筛选出满足多细节层次切分规则的点云数据块和地图数据，即从多个目标点云数据块和多级地图数据中，选择出现在可视化的视椎体区域范围内，且满足多细节层次切分规则的点云数据块和地图数据，再对选择的点云数据块和地图数据进行叠加处理。
其中，可视化的视椎体区域范围，可以理解为在可视化显示叠加结果时，用于进行可视化的电子设备屏幕的显示范围。
可以看出，在对目标非路面激光点云和多级地图数据进行叠加处理时，可以对目标非路面激光点云进行分块处理，得到目标非路面激光点云对应的多个目标点云数据块；再基于可视化的视椎体区域范围，对多个目标点云数据块和多级地图数据进行叠加处理，由于多级地图数据是对待融合地图进行多细节层次切分处理得到的，这样在叠加激光点云和高精度地图进行可视化时，既可以通过激光点云可视化非路面信息，又可以通过高精地图可视化道路信息，不仅实现了数字城市可视化，而且有效地减少了可视化的数据量，提高了数据处理效率，提高了数字城市化的显示效果。
实施例四
图6是根据本申请第四实施例提供的激光点云与高精地图的叠加装置60的示意性框图，示例的，请参见图6所示，该激光点云与高精地图的叠加装置60可以包括：
获取单元601，用于分别获取待融合激光点云和待融合地图，待融合地图中至少包括部分高精地图。
处理单元602，用于对待融合激光点云中的非路面激光点云进行抽稀处理，得到目标非路面激光点云，并对待融合地图进行切分处理，得到待融合地图对应的多级地图数据。
叠加单元603，用于对目标非路面激光点云和多级地图数据进行叠加处理。
显示单元604，用于可视化叠加结果。
可选的，叠加单元603包括第一叠加模块和第二叠加模块。
第一叠加模块，用于对目标非路面激光点云进行分块处理，得到目标非路面激光点云对应的多个目标点云数据块。
第二叠加模块，用于基于可视化的视椎体区域范围，对多个目标点云数据块和多级地图数据进行叠加处理。
可选的，第二叠加模块包括第一叠加子模块和第二叠加子模块。
第一叠加子模块，用于基于可视化的视椎体区域范围，分别从多个目标点云数据块和多级地图数据中筛选出满足多细节层次切分规则的点云数据块和地图数据。
第二叠加子模块，用于对满足多细节层次切分规则的点云数据块和地图数据进行叠加处理。
可选的，处理单元602包括第一处理模块、第二处理模块以及第三处理模块。
第一处理模块，用于确定抽稀比例。
第二处理模块，用于根据抽稀比例对非路面激光点云进行加权八叉树切分，得到多个叶子节点各自对应的非路面激光点云数据。
第三处理模块，用于针对各叶子节点，计算叶子节点对应的非路面激光点云数据体素内的重心，并对叶子节点对应的非路面激光点云数据的属性值进行加权，得到重心的属性值；重心的属性值为叶子节点对应的目标非路面激光点云。
可选的，处理单元602还包括第四处理模块和第五处理模块。
第四处理模块，用于对待融合激光点云进行筛选处理，得到初始非路面激光点云。
第五处理模块，用于对初始非路面激光点云的高程进行偏移处理，得到非路面激光点云。
可选的，若待融合激光点云中还包括初始路面激光点云，则第五处理模块包括第一处理子模块、第二处理子模块以及第三处理子模块。
第一处理子模块，用于确定待融合激光点云中单帧数据对应的路面高程平均值。
第二处理子模块，用于在单帧数据中所有激光点的高程减去路面高程平均值，得到偏移处理后的单帧数据；其中，偏移处理后的单帧数据中包括对初始路面激光点云进行偏移处理后的路面激光点云。
第三处理子模块，用于从偏移处理后的单帧数据中剔除偏移处理后的路面激光点云，得到非路面激光点云。
可选的，若待融合激光点云中未包括初始路面激光点云，则第五处理模块包括第四处理子模块、第五处理子模块以及第六处理子模块。
第四处理子模块，用于确定与待融合激光点云中单帧数据最邻近的已偏移处理的前帧单帧数据，以及与待融合激光点云中单帧数据最邻近的已偏移处理的后帧单帧数据。
第五处理子模块，用于对前帧单帧数据和后帧单帧数据进行插值处理，得到偏移处理后的单帧数据；其中，偏移处理后的单帧数据中包括对初始路面激光点云进行偏移处理后的路面激光点云。
第六处理子模块，用于从偏移处理后的单帧数据中剔除偏移处理后的路面激光点云，得到非路面激光点云。
可选的，获取单元601包括第一获取模块和第二获取模块。
第一获取模块，用于获取初始激光点云。
第二获取模块，用于对初始激光点云的精度进行优化处理，得到待融合激光点云；其中，待融合激光点云的精度高于初始激光点云的精度。
可选的，若待融合地图中还包括标准精度地图，则获取单元601还包括第三获取模块以及第四获取模块。
第三获取模块，用于对标准精度地图的精度进行优化处理，得到处理后的地图。
第四获取模块，用于对处理后的地图和高精地图进行融合，得到待融合地图。
本申请实施例提供的激光点云与高精地图的叠加装置60，可以执行上述任一实施例所示的激光点云与高精地图的叠加方法的技术方案，其实现原理以及有益效果与激光点云与高精地图的叠加方法的实现原理及有益效果类似，可参见激光点云与高精地图的叠加方法的实现原理及有益效果，此处不再进行赘述。
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。
根据本申请的实施例，本申请还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图7是本申请实施例的提供的一种电子设备70的示意性框图。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/或者要求的本公开的实现。
如图7所示，电子设备70包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备70操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备70中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备70通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如激光点云与高精地图的叠加方法。例如，在一些实施例中，激光点云与高精地图的叠加方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备70上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的激光点云与高精地图的叠加方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行激光点云与高精地图的叠加方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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)和互联网。
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。服务器可以是云服务器，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。
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 (19)

1.一种激光点云与高精地图的叠加方法，包括：
分别获取待融合激光点云和待融合地图，所述待融合地图中至少包括部分高精地图；
对所述待融合激光点云中的非路面激光点云进行抽稀处理，得到目标非路面激光点云；
对所述待融合地图进行切分处理，得到所述待融合地图对应的多级地图数据；
对所述目标非路面激光点云和所述多级地图数据进行叠加处理，并可视化叠加结果；
在所述对所述待融合激光点云中的非路面激光点云进行抽稀处理之前，所述方法还包括：
对所述待融合激光点云进行筛选处理，得到初始非路面激光点云；
对所述初始非路面激光点云的高程进行偏移处理，得到所述非路面激光点云；
若所述待融合激光点云中还包括初始路面激光点云，则所述对所述初始非路面激光点云的高程进行偏移处理，包括：
确定所述待融合激光点云中单帧数据对应的路面高程平均值；
在所述单帧数据中所有激光点的高程减去所述路面高程平均值，得到偏移处理后的单帧数据；其中，所述偏移处理后的单帧数据中包括对所述初始路面激光点云进行偏移处理后的路面激光点云。
2.根据权利要求1所述的方法，其中，所述对所述目标非路面激光点云和所述多级地图数据进行叠加处理，包括：
对所述目标非路面激光点云进行分块处理，得到所述目标非路面激光点云对应的多个目标点云数据块；
基于可视化的视椎体区域范围，对所述多个目标点云数据块和所述多级地图数据进行叠加处理。
3.根据权利要求2所述的方法，其中，所述基于可视化的视椎体区域范围，对所述多个目标点云数据块和所述多级地图数据进行叠加处理，包括：
基于可视化的视椎体区域范围，分别从所述多个目标点云数据块和所述多级地图数据中筛选出满足多细节层次切分规则的点云数据块和地图数据；
对所述满足多细节层次切分规则的点云数据块和所述地图数据进行叠加处理。
4.根据权利要求1-3任一项所述的方法，其中，所述对所述待融合激光点云中的非路面激光点云进行抽稀处理，得到目标非路面激光点云包括：
确定抽稀比例；
根据所述抽稀比例对所述非路面激光点云进行加权八叉树切分，得到多个叶子节点各自对应的非路面激光点云数据；
针对各叶子节点，计算所述叶子节点对应的非路面激光点云数据体素内的重心，并对所述叶子节点对应的非路面激光点云数据的属性值进行加权，得到所述重心的属性值；所述重心的属性值为所述叶子节点对应的目标非路面激光点云。
5.根据权利要求1所述的方法，其中，若所述待融合激光点云中还包括初始路面激光点云，则在所述单帧数据中所有激光点的高程减去所述路面高程平均值，得到偏移处理后的单帧数据之后，所述方法还包括：
从所述偏移处理后的单帧数据中剔除所述偏移处理后的路面激光点云，得到所述非路面激光点云。
6.根据权利要求1所述的方法，其中，若所述待融合激光点云中未包括初始路面激光点云，则所述对所述初始非路面激光点云的高程进行偏移处理，得到所述非路面激光点云，包括：
确定与所述待融合激光点云中单帧数据最邻近的已偏移处理的前帧单帧数据，以及与所述待融合激光点云中单帧数据最邻近的已偏移处理的后帧单帧数据；
对所述前帧单帧数据和所述后帧单帧数据进行插值处理，得到偏移处理后的单帧数据；其中，所述偏移处理后的单帧数据中包括对所述初始路面激光点云进行偏移处理后的路面激光点云；
从所述偏移处理后的单帧数据中剔除所述偏移处理后的路面激光点云，得到所述非路面激光点云。
7.根据权利要求1-3任一项所述的方法，其中，获取待融合激光点云，包括：
获取初始激光点云；
对所述初始激光点云的精度进行优化处理，得到所述待融合激光点云；其中，所述待融合激光点云的精度高于所述初始激光点云的精度。
8.根据权利要求1-3任一项所述的方法，其中，若所述待融合地图中还包括标准精度地图，则所述获取待融合地图，包括：
对所述标准精度地图的精度进行优化处理，得到处理后的地图；
对所述处理后的地图和所述高精地图进行融合，得到所述待融合地图。
9.一种激光点云与高精地图的叠加装置，包括：
获取单元，用于分别获取待融合激光点云和待融合地图，所述待融合地图中至少包括部分高精地图；
处理单元，用于对所述待融合激光点云中的非路面激光点云进行抽稀处理，得到目标非路面激光点云，并对所述待融合地图进行切分处理，得到所述待融合地图对应的多级地图数据；
叠加单元，用于对所述目标非路面激光点云和所述多级地图数据进行叠加处理；
显示单元，用于可视化叠加结果；
所述处理单元包括第四处理模块和第五处理模块；
所述第四处理模块，用于对所述待融合激光点云进行筛选处理，得到初始非路面激光点云；
所述第五处理模块，用于对所述初始非路面激光点云的高程进行偏移处理，得到所述非路面激光点云；
若所述待融合激光点云中还包括初始路面激光点云，则所述第五处理模块包括第一处理子模块和第二处理子模块；
所述第一处理子模块，用于确定所述待融合激光点云中单帧数据对应的路面高程平均值；
所述第二处理子模块，用于在所述单帧数据中所有激光点的高程减去所述路面高程平均值，得到偏移处理后的单帧数据；其中，所述偏移处理后的单帧数据中包括对所述初始路面激光点云进行偏移处理后的路面激光点云。
10.根据权利要求9所述的装置，其中，所述叠加单元包括第一叠加模块和第二叠加模块；
所述第一叠加模块，用于对所述目标非路面激光点云进行分块处理，得到所述目标非路面激光点云对应的多个目标点云数据块；
所述第二叠加模块，用于基于可视化的视椎体区域范围，对所述多个目标点云数据块和所述多级地图数据进行叠加处理。
11.根据权利要求10所述的装置，其中，所述第二叠加模块包括第一叠加子模块和第二叠加子模块；
所述第一叠加子模块，用于基于可视化的视椎体区域范围，分别从所述多个目标点云数据块和所述多级地图数据中筛选出满足多细节层次切分规则的点云数据块和地图数据；
所述第二叠加子模块，用于对所述满足多细节层次切分规则的点云数据块和所述地图数据进行叠加处理。
12.根据权利要求9-11任一项所述的装置，其中，所述处理单元还包括第一处理模块、第二处理模块以及第三处理模块；
所述第一处理模块，用于确定抽稀比例；
所述第二处理模块，用于根据所述抽稀比例对所述非路面激光点云进行加权八叉树切分，得到多个叶子节点各自对应的非路面激光点云数据；
所述第三处理模块，用于针对各叶子节点，计算所述叶子节点对应的非路面激光点云数据体素内的重心，并对所述叶子节点对应的非路面激光点云数据的属性值进行加权，得到所述重心的属性值；所述重心的属性值为所述叶子节点对应的目标非路面激光点云。
13.根据权利要求9所述的装置，其中，若所述待融合激光点云中还包括初始路面激光点云，则所述第五处理模块还包括第三处理子模块；
所述第三处理子模块，用于从所述偏移处理后的单帧数据中剔除所述偏移处理后的路面激光点云，得到所述非路面激光点云。
14.根据权利要求9所述的装置，其中，若所述待融合激光点云中未包括初始路面激光点云，则所述第五处理模块包括第四处理子模块、第五处理子模块以及第六处理子模块；
所述第四处理子模块，用于确定与所述待融合激光点云中单帧数据最邻近的已偏移处理的前帧单帧数据，以及与所述待融合激光点云中单帧数据最邻近的已偏移处理的后帧单帧数据；
所述第五处理子模块，用于对所述前帧单帧数据和所述后帧单帧数据进行插值处理，得到偏移处理后的单帧数据；其中，所述偏移处理后的单帧数据中包括对所述初始路面激光点云进行偏移处理后的路面激光点云；
所述第六处理子模块，用于从所述偏移处理后的单帧数据中剔除所述偏移处理后的路面激光点云，得到所述非路面激光点云。
15.根据权利要求9-11任一项所述的装置，其中，所述获取单元包括第一获取模块和第二获取模块；
所述第一获取模块，用于获取初始激光点云；
所述第二获取模块，用于对所述初始激光点云的精度进行优化处理，得到所述待融合激光点云；其中，所述待融合激光点云的精度高于所述初始激光点云的精度。
16.根据权利要求9-11任一项所述的装置，其中，若所述待融合地图中还包括标准精度地图，则所述获取单元还包括第三获取模块以及第四获取模块；
所述第三获取模块，用于对所述标准精度地图的精度进行优化处理，得到处理后的地图；
所述第四获取模块，用于对所述处理后的地图和所述高精地图进行融合，得到所述待融合地图。
17.一种电子设备，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1-8中任一项所述的激光点云与高精地图的叠加方法。
18.一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1-8中任一项所述的激光点云与高精地图的叠加方法。
19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的激光点云与高精地图的叠加方法。
CN202110289938.XA 2021-03-18 2021-03-18 激光点云与高精地图的叠加方法、装置及电子设备 Active CN113034685B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202110289938.XA CN113034685B (zh) 2021-03-18 2021-03-18 激光点云与高精地图的叠加方法、装置及电子设备
US17/511,880 US20220050210A1 (en) 2021-03-18 2021-10-27 Method, apparatus for superimposing laser point clouds and high-precision map and electronic device
EP21204946.4A EP3937125B1 (en) 2021-03-18 2021-10-27 Method, apparatus for superimposing laser point clouds and high-precision map and electronic device
KR1020210146959A KR20210136896A (ko) 2021-03-18 2021-10-29 레이저 포인트 클라우드와 고정밀도 지도의 중첩 방법, 장치 및 전자기기
JP2021179134A JP7267380B2 (ja) 2021-03-18 2021-11-02 レーザー点群と高精度地図を重ね合わせる方法、装置及び電子機器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110289938.XA CN113034685B (zh) 2021-03-18 2021-03-18 激光点云与高精地图的叠加方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN113034685A CN113034685A (zh) 2021-06-25
CN113034685B true CN113034685B (zh) 2022-12-06

Family

ID=76471753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110289938.XA Active CN113034685B (zh) 2021-03-18 2021-03-18 激光点云与高精地图的叠加方法、装置及电子设备

Country Status (5)

Country Link
US (1) US20220050210A1 (zh)
EP (1) EP3937125B1 (zh)
JP (1) JP7267380B2 (zh)
KR (1) KR20210136896A (zh)
CN (1) CN113034685B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019037484A1 (zh) * 2017-08-23 2019-02-28 腾讯科技（深圳）有限公司 激光扫描设备标定的方法、装置、设备及存储介质
CN111105496A (zh) * 2019-12-19 2020-05-05 昆明能讯科技有限责任公司 一种基于机载激光雷达点云数据的高精dem构建方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9183666B2 (en) * 2013-03-15 2015-11-10 Google Inc. System and method for overlaying two-dimensional map data on a three-dimensional scene
CN108334523B (zh) * 2017-01-20 2022-04-12 腾讯科技（深圳）有限公司 道路场景地图的构建方法和装置
CN107944018A (zh) * 2017-12-11 2018-04-20 江苏省测绘工程院 一种基于激光点云数据的矢量地图位置精度自动质检方法
CN109064506B (zh) * 2018-07-04 2020-03-13 百度在线网络技术（北京）有限公司 高精度地图生成方法、装置及存储介质
CN110163065B (zh) * 2018-12-04 2022-03-25 腾讯科技（深圳）有限公司 点云数据处理方法、点云数据加载方法、及装置和设备
JP7189029B2 (ja) 2019-01-08 2022-12-13 朝日航洋株式会社 立面図作成方法
US11151394B2 (en) * 2019-06-24 2021-10-19 Nvidia Corporation Identifying dynamic objects in a point cloud
CN112184603B (zh) * 2019-07-04 2022-06-24 浙江商汤科技开发有限公司 一种点云融合方法、装置、电子设备和计算机存储介质
CN111127530B (zh) * 2019-12-24 2023-06-20 山东科技大学 一种多期道路三维激光点云精确配准方法
CN111462072B (zh) * 2020-03-30 2023-08-29 北京百度网讯科技有限公司 点云图质量检测方法、装置以及电子设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019037484A1 (zh) * 2017-08-23 2019-02-28 腾讯科技（深圳）有限公司 激光扫描设备标定的方法、装置、设备及存储介质
CN111105496A (zh) * 2019-12-19 2020-05-05 昆明能讯科技有限责任公司 一种基于机载激光雷达点云数据的高精dem构建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宁波市数字公路高精地图的建设方法探索;赵赛帅等;《地理空间信息》;20200928(第09期);全文 *

Also Published As

Publication number Publication date
US20220050210A1 (en) 2022-02-17
EP3937125B1 (en) 2023-09-27
JP2022017449A (ja) 2022-01-25
JP7267380B2 (ja) 2023-05-01
EP3937125A2 (en) 2022-01-12
CN113034685A (zh) 2021-06-25
KR20210136896A (ko) 2021-11-17
EP3937125A3 (en) 2022-06-08

Similar Documents

Publication Publication Date Title
CN111721308B (zh) 三维路网地图绘制方法、装置、设备和介质
EP4116935A2 (en) High-definition map creation method and device, and electronic device
CN114445312B (zh) 一种地图数据的融合方法、装置、电子设备及存储介质
CN114880337B (zh) 地图数据一体化更新方法、装置、设备以及存储介质
CN114627239B (zh) 包围盒生成方法、装置、设备及存储介质
CN113298910A (zh) 生成交通标志线地图的方法、设备和存储介质
CN114299242A (zh) 高精地图中图像处理方法、装置、设备以及存储介质
CN113034685B (zh) 激光点云与高精地图的叠加方法、装置及电子设备
CN114723894B (zh) 一种三维坐标获取方法、装置及电子设备
CN115527028A (zh) 地图数据处理方法及装置
CN113435403B (zh) 路网缺失道路检测方法、装置、电子设备和存储介质
CN112614221A (zh) 高精地图渲染方法、装置、电子设备及自动驾驶车辆
CN114564268A (zh) 一种设备管理方法、装置、电子设备和存储介质
CN113959400A (zh) 路口顶点高度值获取方法、装置、电子设备及存储介质
CN113762397A (zh) 检测模型训练、高精度地图更新方法、设备、介质及产品
CN113447034A (zh) 一种路网数据处理方法、装置、电子设备及可读存储介质
CN113470145A (zh) 地图数据处理方法、装置、设备以及存储介质
CN115359227B (zh) 区域实景地图与车道级地图的融合方法、装置及电子设备
CN114459494B (zh) 可达区域的获取方法、装置、电子设备以及存储介质
CN112507951B (zh) 指示灯识别方法、装置、设备、路侧设备和云控平台
CN112085814B (zh) 电子地图显示方法、装置、设备及可读存储介质
CN114549752A (zh) 三维图形数据处理方法、装置、设备、存储介质及产品
CN113989413A (zh) 电子地图的底图生成方法和装置
CN115131314A (zh) 目标检测方法、装置、设备以及存储介质
CN113987098A (zh) 高精地图道路边界更新方法、装置、电子设备以及存储介质

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