CN113191323A - 一种语义元素处理的方法、装置、电子设备及存储介质 - Google Patents
一种语义元素处理的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113191323A CN113191323A CN202110565715.1A CN202110565715A CN113191323A CN 113191323 A CN113191323 A CN 113191323A CN 202110565715 A CN202110565715 A CN 202110565715A CN 113191323 A CN113191323 A CN 113191323A
- Authority
- CN
- China
- Prior art keywords
- semantic
- graph
- image
- reference image
- vectorization
- 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
- 238000003672 processing method Methods 0.000 title abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 32
- 230000006870 function Effects 0.000 claims description 90
- 238000005070 sampling Methods 0.000 claims description 66
- 238000009795 derivation Methods 0.000 claims description 15
- 238000013519 translation Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种语义元素处理的方法、装置、电子设备及存储介质,其中,该方法包括:获取包含语义元素的点云图、以及与点云图对应的参照图像;基于点云图中的语义元素,确定表征该语义元素的初始矢量化图形;根据初始矢量化图形,以及语义元素在参照图像中的图像区域,确定语义元素的更新后矢量化图形;更新后矢量化图形投影至参照图像后的投影区域与语义元素在参照图像中的图像区域的重合度大于预设阈值;更新后矢量化图形用于更新语义元素在点云图中的表征范围。本公开中的更新后矢量化图形所表达的语义元素的精度较高,进一步使得可以构建精度更高的地图。
Description
技术领域
本公开涉及计算机处理技术领域,具体而言,涉及一种语义元素处理的方法、装置、电子设备及存储介质。
背景技术
近些年来,自动驾驶技术高速发展。高精度语义导航地图作为自动驾驶汽车的必备要素,对于自动驾驶过程中的感知、定位、规划和车辆控制起到了基础性作用。其中,地图语义信息作为高精度语义导航地图的关键组成部分,对于地图导航规划是不可缺少的。
相关技术中大多通过激光雷达扫描出的点云提取出诸如虚线段,路牌,红绿灯等语义元素,但是往往由于扫描到的点云不够稠密,导致提取的语义元素的精度较低,进一步导致所构建的导航地图精度较低,无法满足当前自动驾驶技术的需求。
发明内容
本公开实施例至少提供一种语义元素处理的方法、装置、电子设备及存储介质。
第一方面,本公开实施例提供了一种语义元素处理的方法,所述方法包括:
获取包含语义元素的点云图、以及与所述点云图对应的参照图像;
基于所述点云图中的语义元素,确定表征该语义元素的初始矢量化图形;
根据所述初始矢量化图形,以及所述语义元素在所述参照图像中的图像区域,确定所述语义元素的更新后矢量化图形;所述更新后矢量化图形投影至所述参照图像后的投影区域与所述语义元素在所述参照图像中的图像区域的重合度大于预设阈值;所述更新后矢量化图形用于更新所述语义元素在所述点云图中的表征范围。
采用上述语义元素处理的方法,首先可以基于点云图中的语义元素,确定表征该语义元素的初始矢量化图形,根据这一初始矢量化图形以及语义元素在参照图像中的图像区域,可以确定语义元素的更新后矢量化图形。这里的更新矢量化图形可以是基于更新后矢量化图形投影至参照图像后的投影区域与语义元素在参照图像中的图像区域的重合度对初始矢量化图形进行多次更新得到的。在重合度大于预设阈值的情况下,一定程度上可以说明当前更新后矢量化图形所对应语义元素在点云图中的表征范围达到参照图像这一标准范围,所表达的语义元素的精度较高,进一步使得可以构建精度更高的地图。
在一种可能的实施方式中,所述基于所述点云图中的语义元素,确定表征该语义元素的初始矢量化图形,包括:
获取所述点云图中语义元素的矢量化信息;所述矢量化信息包括尺寸信息、旋转信息和平移信息中的一种或多种;
基于所述矢量化信息,生成所述初始矢量化图形。
本公开实施例的初始矢量化图形可以是基于语义元素的尺寸信息、旋转信息和平移信息等矢量化信息生成的,从而可以实现针对语义元素的多维度特征表达。
在一种可能的实施方式中,所述根据所述初始矢量化图形,以及所述语义元素在所述参照图像中的图像区域,确定所述语义元素的更新后矢量化图形,包括:
基于所述初始矢量化图形确定目标偏移函数的初始值;
基于所述目标偏移函数的初始值,以及构建的目标偏移函数,确定使得所述目标偏移函数的值最小的情况下,所述语义元素的更新后矢量化图形;所述目标偏移函数用于指示所述语义元素在参照图像中的对应像素点的像素误差。
这里的目标偏移函数用于指示的是语义元素在参照图像中的对应像素点的像素误差,像素误差越小,一定程度上说明更新后矢量化图形所表征的语义元素更为接近参照图像所表征的语义元素,也即,可以得到精度更高的语义元素表达能力。这里,基于初始矢量化图形所确定的目标偏移函数的初始值,可以进行多次迭代运算,直至得到符合要求的更新后矢量化图形。
在一种可能的实施方式中,根据以下步骤构建所述目标偏移函数:
针对所述点云图中的每个目标采样点,基于该目标采样点所属语义元素的矢量化表示信息、该目标采样点所属语义元素所在局部点云坐标系与所述参照图像所在图像坐标系之间的转化关系,确定该目标采样点在所述参照图像所在图像坐标系下的投影点坐标表示信息;所述矢量化表示信息用于表示所述语义元素的矢量化信息;
根据所述投影点坐标表示信息、以及所述语义元素在所述参照图像中的图像区域,构建所述目标偏移函数。
在一种可能的实施方式中,所述根据所述投影点坐标表示信息、以及所述语义元素在所述参照图像中的图像区域,构建所述目标偏移函数,包括:
从所述语义元素在所述参照图像中的图像区域中查找与所述投影点坐标表示信息对应的像素点;
基于查找到的像素点的像素值,以及所述投影点坐标表示信息对应的预设像素值,构建所述目标偏移函数。
在一种可能的实施方式中,所述基于查找到的像素点的像素值,以及所述投影点坐标表示信息对应的预设像素值,构建所述目标偏移函数,包括:
将所述语义元素在所述参照图像中的图像区域的灰度值设置为目标灰度值,将所述参照图像中的其它图像区域的灰度值设置为不同于所述目标灰度值的其它灰度值;
基于查找到的像素点的第一灰度值、以及所述投影点坐标表示信息对应的预设灰度值,构建所述目标偏移函数;所述预设灰度值与所述第一灰度值之间的第一差值小于所述预设灰度值与所述其它灰度值之间的第二差值。
这里,为了便于快速的构建目标偏移函数,这里可以先对语义元素在所述参照图像中的图像区域以及其它图像区域进行灰度值设置,这样,在确定出投影点坐标表示信息对应的预设灰度值的情况下,可以基于预设灰度值、第一灰度值以及其它灰度值之间的关系,快速实现目标偏移函数的构建。
在一种可能的实施方式中,所述针对所述点云图中语义元素所包括的每个目标采样点,基于该目标采样点所属语义元素的矢量化表示信息、该目标采样点所属语义元素所在局部点云坐标系与所述参照图像所在图像坐标系之间的转化关系,确定该目标采样点在所述参照图像所在图像坐标系下的投影点坐标表示信息,包括:
针对每个所述目标采样点,基于该目标采样点所属语义元素的矢量化表示信息中的尺寸表示信息对该目标采样点进行尺度变换,得到变换后的采样点;
确定变换后的采样点所属语义元素的矢量化表示信息中的旋转表示信息和平移表示信息在世界坐标系下的投影坐标表示信息;
将所述投影坐标表示信息转换为所述目标采样点在所述参照图像所在图像坐标系下的投影点坐标表示信息。
这里,可以在两个维度(即尺寸维度和旋转平移维度)上实现针对目标采样点的投影转换。为了更好的实现与参考图像之间的结果比对,这里可以将目标采样点投影转换到参照图像所在图像坐标系下。
在一种可能的实施方式中,所述基于所述目标偏移函数的初始值,以及构建的目标偏移函数,确定使得所述目标偏移函数的值最小的情况下,所述语义元素的更新后矢量化图形,包括:
基于所述目标偏移函数的初始值,确定针对所述语义元素的矢量化图形的初始调整量,并基于所述初始调整量确定所述语义元素的更新后矢量化图形;
循环执行以下步骤:
基于上一次迭代确定的所述更新后矢量化图形对应的矢量化信息确定本次迭代的求导函数值;所述求导函数值为对所述目标偏移函数的矢量化表示信息进行求导运算得到的;
基于本次迭代的求导函数值,确定针对所述语义元素的矢量化图形的调整量;
在确定的调整量小于预设调整量的情况下,停止迭代,并基于所述调整量确定针对所述语义元素的更新后矢量化图形。
这里,可以基于求导运算实现针对语义元素的矢量化图形的多次调整,直至得到具备高精度语义元素表达能力的更新后矢量化图形。
在一种可能的实施方式中,所述方法还包括:
基于所述更新后矢量化图形,确定针对所述语义元素的局部点云图;
基于所述语义元素的局部点云图,生成高精度地图。
这里,利用更新后矢量化图像可以对语义元素进行更高精度的表达,这样所生成的高精度地图的精度也随之得以提升。
第二方面,本公开实施例还提供了一种语义元素处理的装置,所述装置包括:
获取模块,用于获取包含语义元素的点云图、以及与所述点云图对应的参照图像;
确定模块,用于基于所述点云图中的语义元素,确定表征该语义元素的初始矢量化图形;
更新模块,用于根据所述初始矢量化图形,以及所述语义元素在所述参照图像中的图像区域,确定所述语义元素的更新后矢量化图形;所述更新后矢量化图形投影至所述参照图像后的投影区域与所述语义元素在所述参照图像中的图像区域的重合度大于预设阈值;所述更新后矢量化图形用于更新所述语义元素在所述点云图中的表征范围。
第三方面,本公开实施例还提供了一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如第一方面及其各种实施方式任一所述的语义元素处理的方法的步骤。
第四方面,本公开实施例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上存储有计算机程序,该计算机程序被处理器运行时执行如第一方面及其各种实施方式任一所述的语义元素处理的方法的步骤。
关于上述语义元素处理的装置、电子设备、及计算机可读存储介质的效果描述参见上述语义元素处理的方法的说明,这里不再赘述。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本公开实施例所提供的一种语义元素处理的方法的流程图;
图2示出了本公开实施例所提供的一种语义元素处理的装置的示意图;
图3示出了本公开实施例所提供的一种电子设备的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
本文中术语“和/或”,仅仅是描述一种关联关系,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。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
经研究发现,相关技术中大多通过激光雷达扫描出的点云提取出诸如虚线段,路牌,红绿灯等语义元素,但是往往由于扫描到的点云不够稠密,导致提取的语义元素的精度较低,进一步导致所构建的导航地图精度较低,无法满足当前自动驾驶技术的需求。
基于上述研究,本公开提供了一种语义元素处理的方法、装置、电子设备及存储介质,所表达的语义元素的精度较高,进一步使得可以构建精度更高的地图。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种语义元素处理的方法进行详细介绍,本公开实施例所提供的语义元素处理的方法的执行主体一般为具有一定计算能力的计算机设备,该计算机设备例如包括:终端设备或服务器或其它处理设备,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该语义元素处理的方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
参见图1所示,为本公开实施例提供的语义元素处理的方法的流程图,方法包括步骤S101~S103,其中:
S101:获取包含语义元素的点云图、以及与点云图对应的参照图像;
S102:基于点云图中的语义元素,确定表征该语义元素的初始矢量化图形;
S103:根据初始矢量化图形,以及语义元素在参照图像中的图像区域,确定语义元素的更新后矢量化图形;更新后矢量化图形投影至参照图像后的投影区域与语义元素在参照图像中的图像区域的重合度大于预设阈值;更新后矢量化图形用于更新语义元素在点云图中的表征范围。
为了便于理解本公开实施例提供的语义元素处理的方法,接下来首先可以对该方法的应用场景进行简单说明。上述语义元素处理的方法主要可以应用于高精度地图构建中。构建高精度地图的过程,即是复原出精度更高的各语义元素的过程。这里的语义元素可以包括车道线(包括虚实、颜色、位置等信息),路牌,红绿灯等交通元素,还可以包括建筑(如学校)等元素,还可以包括其它元素,本公开实施例对此不做具体的限制。
除此之外,高精度地图的导航信息而言,该导航信息用来描述从哪条车道可以驶向哪条车道,是决定车辆行驶轨迹的关键信息,具体可以包含道路,车道,车道连接关系,车道类型,车道转向属性等信息。导航信息一定程度上是由语义元素的信息进一步提炼而来,因而语义元素的精度,也直接决定了整个高精地图导航的性能。
然而,相关通过激光雷达扫描出的点云提取语义元素的方案,由于扫描到的点云不够稠密,导致提取的语义元素的精度较低。正是为了解决上述问题,本公开实施例才提供了一种基于矢量化表示进行点云图中的语义元素与参照图像中的语义元素之间的逼近的方案,使得所表征的语义元素的精度较高。
其中,本公开实施例中的点云图可以是利用雷达设备所采集的,不同目标场景下采集的点云图也不同,这里的点云图可以是稠密的,也可以是稀疏的,对此不做具体的限制。
这里的雷达设备可以采用旋转式扫描激光雷达,还可以采用其它雷达设备,对此不做具体的限制。以旋转式扫描激光雷达为例,该激光雷达在水平方向旋转扫描时可以获取周边环境内有关的三维点云图。这里,在进行旋转扫描的过程中,激光雷达可以采用多线扫描方式,即发射使用多个激光管顺序发射,结构为多个激光管纵向排列,即在水平方向旋转扫描的过程中,进行垂直方向的多层扫描。每个激光管之间有一定的夹角,垂直发射视场可以在30°~40°,这样,在激光雷达设备每旋转一个扫描角度可以获取多个激光管发射激光所返回的一个数据包,将各个扫描角度获取的数据包进行拼接即可得到一帧点云图(对应旋转一周扫描360°),在激光雷达扫描一周后,即可以完成一帧点云图的采集。
本公开实施例中的点云图可以包括语义元素。为了便于进行示例,接下来多以车道线作为语义元素为例进行说明。
这里,可以基于点云图中的语义元素,确定表征该语义元素的初始矢量化图形。本公开实施例中,可以利用语义元素的尺寸、旋转和平移等矢量化信息表示上述初始矢量化图形,除此之外,还可以采用其它能够表征语义元素的信息来表征,这里不做具体的限制。
在具体应用中,可以采用平行四边形作为初始矢量化图形,该平行四边形的长度和宽度对应的是语义元素的尺寸,旋转和平移则可以指示的是相对坐标系的旋转角度和平移距离。
为了实现更高精度的语义元素的表达,本公开实施例可以基于初始矢量化图形以及语义元素在参照图像中的图像区域进行矢量化图形的多次更新,这里更新的目的在于一点点的扩大语义元素在点云图中的表征范围,直至这一表征范围可以匹配上参照图像所对应的标准范围,也即,对应的更新后矢量化图形投影至参照图像后的投影区域与语义元素在参照图像中的图像区域的重合度大于预设阈值。
本公开实施例中的参照图像可以是在上述雷达设备获取点云图的过程中,通过摄像设备拍摄的图像,该图像可以是包含有语义元素的。这里仍以车道线作为语义元素为例,在拍摄到包含有车道线的参照图像的情况下,语义元素在参照图像中的图像区域可以是通过图像检测方式确定的。
需要说明的是,投影区域一定程度上是小于语义元素在参照图像中的图像区域,这主要是考虑到在实际应用中,这里的图像区域可以是表征语义元素的最大图像范围,而作为相对稀疏表示的三维点云图所确定的表征范围不会超过这一最大图像范围。
考虑到更新后矢量化图形的确定作为本公开实施例提供的语义元素处理的方法的关键步骤,接下来可以对确定更新后矢量化图形的过程进行具体说明,具体包括如下步骤:
步骤一、基于初始矢量化图形确定目标偏移函数的初始值;
步骤二、基于目标偏移函数的初始值,以及构建的目标偏移函数,确定使得目标偏移函数的值最小的情况下,语义元素的更新后矢量化图形;目标偏移函数用于指示语义元素在参照图像中的对应像素点的像素误差。
这里,可以预先构建目标偏差函数,而后可以基于目标偏移函数的初始值对构建的目标偏移函数进行迭代运算,直到确定使得目标偏移函数的值最小的情况下,语义元素的更新后矢量化图形。
由于目标偏移函数用于指示的是语义元素在参照图像中的对应像素点的像素误差,这样,目标偏移函数的值越大一定程度上说明像素误差越大,反之,目标偏移函数的值越小一定程度上说明像素误差越小。本公开实施例为了实现高重合度的映射,可以选取误差最小情况下的更新后矢量化图形。
本公开实施例可以按照如下步骤构建目标偏移函数:
步骤一、针对点云图中的每个目标采样点,基于该目标采样点所属语义元素的矢量化表示信息、该目标采样点所属语义元素所在局部点云坐标系与参照图像所在图像坐标系之间的转化关系,确定该目标采样点在参照图像所在图像坐标系下的投影点坐标表示信息;矢量化表示信息用于表示语义元素的矢量化信息;
步骤二、根据投影点坐标表示信息、以及语义元素在参照图像中的图像区域,构建目标偏移函数。
这里的目标采样点可以是对语义元素所对应的矢量化图形进行采样所得到的采样点。例如,可以针对平行四边形进行1厘米采样,构建出所有采样点到参照图像上的目标偏移函数。
为了构建目标偏移函数,这里首先可以针对点云图中的每个目标采样点,确定该采样点在参照图像所在图像坐标系下的投影点坐标表示信息,基于该投影点坐标表示信息可以实现与参照图像之间的对比。上述确定投影点坐标表示信息的过程可以通过如下步骤来实现:
步骤一、针对每个目标采样点,基于该目标采样点所属语义元素的矢量化表示信息中的尺寸表示信息对该目标采样点进行尺度变换,得到变换后的采样点;
步骤二、确定变换后的采样点所属语义元素的矢量化表示信息中的旋转表示信息和平移表示信息在世界坐标系下的投影坐标表示信息;
步骤三、将投影坐标表示信息转换为目标采样点在参照图像所在图像坐标系下的投影点坐标表示信息。
本公开实施例提供的语义元素处理的方法在实现投影点坐标表示信息的过程中,可以首先基于尺寸表示信息对该目标采样点进行尺度变换,基于这一尺寸变换可以实现表征语义元素的矢量化图形在尺寸上的更新。然后可以确定变换后的采样点所属语义元素的矢量化表示信息中的旋转表示信息和平移表示信息,在世界坐标系下的投影坐标表示信息。这主要是考虑到上述旋转表示信息和平移表示信息可以表征的是语义元素所在局部点云坐标系与世界坐标系之间的转换关系。这样,再基于世界坐标系与参照图像所在图像坐标系之间的转换关系,即可以确定目标采样点在参照图像所在图像坐标系下的投影点坐标表示信息。
本公开实施例所构建的目标偏移函数可以是指向像素点的。这里,首先可以从语义元素在参照图像中的图像区域中查找与投影点坐标表示信息对应的像素点,而后基于查找到的像素点的像素值,以及投影点坐标表示信息对应的预设像素值,构建目标偏移函数。
为了便于理解上述目标偏移函数的构建过程,可以结合如下公式进一步进行说明。
其中,P对应的目标采样点,λ对应的尺寸变换因子。这里可以令用于表征的是目标采样点在参照图像所在图像坐标系下的投影点坐标表示信息。其中,K为内参矩阵,cP表征目标采样点在相机坐标系线下的投影点坐标表示信息,Tcw和Twl用于分别表征世界坐标系与相机坐标系之间的转化关系以及目标采样点所属语义元素所在局部点云坐标系与世界坐标系之间的转化关系。
为了快速的实现目标偏移函数的构建,这里可以基于图像的灰度信息来具体实现,具体包括如下步骤:
步骤一、将语义元素在参照图像中的图像区域的灰度值设置为目标灰度值,将参照图像中的其它图像区域的灰度值设置为不同于目标灰度值的其它灰度值;
步骤二、基于查找到的像素点的第一灰度值、以及投影点坐标表示信息对应的预设灰度值,构建目标偏移函数;预设灰度值与第一灰度值之间的第一差值小于预设灰度值与其它灰度值之间的第二差值。
这里,可以分别对语义元素在参照图像中的图像区域以及参照图像中的其它图像区域进行不同灰度值的设置。这样,基于查找到的像素点的第一灰度值、以及投影点坐标表示信息对应的预设灰度值,可以快速的构建出目标偏移函数。
为了使得投影点坐标表示信息所对应的投影区域与上述图像区域之间达到较高的重合度,这里,可以将预设灰度值与第一灰度值设置的更为接近,例如,可以均设置为255。
本公开实施例提供的语义元素处理的方法可以基于多次迭代确定语义元素的更新后矢量化图形。
这里,首先可以基于目标偏移函数的初始值,确定针对语义元素的矢量化图形的初始调整量,并基于初始调整量确定语义元素的更新后矢量化图形。然后基于首次迭代确定的更新后矢量化图形对应的矢量化信息确定第二次迭代的求导函数值;求导函数值为对目标偏移函数的矢量化表示信息进行求导运算得到的;基于第二次迭代的求导函数值,确定针对语义元素的矢量化图形的调整量。
这里,若确定调整量小于预设调整量,则进行第三次迭代,并按照上述第二次迭代的求导计算过程来确定调整量,依此类推。若确定调整量小于预设调整量,则停止迭代,并基于调整量确定针对语义元素的更新后矢量化图形。
可知的是,本公开实施例提供的语义元素处理的方法可以逐步的对语义元素的矢量化图形进行更新,在调整量达到较小值的情况下,说明确定的更新后矢量化图形已经逼近参照图像中呈现的语义元素所在图像区域,从而停止迭代。
本公开实施例提供可以基于高精度表达能力的更新后矢量化图形实现对高精度地图的更新,具体包括如下步骤:
步骤一、基于更新后矢量化图形,确定针对语义元素的局部点云图;
步骤二、基于语义元素的局部点云图,生成高精度地图。
这里,首先可以基于矢量化信息与点云图之间的对应关系,将更新后矢量化图形复原为针对语义元素的局部点云图,进而基于局部点云图生成高精度地图。
需要说明的是,本公开实施例中可以基于局部点云图生成初始的高精度地图,还可以是将局部点云图与初始的高精度地图进行融合,生成更新后的高精度地图,由于更新后矢量化图形所表征语义元素的精度较高,这样所更新的高精度地图的精度也随之提高。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与语义元素处理的方法对应的语义元素处理的装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述语义元素处理的方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参照图2所示,为本公开实施例提供的一种语义元素处理的装置的示意图,装置包括:获取模块201、确定模块202、更新模块203;其中,
获取模块201,用于获取包含语义元素的点云图、以及与点云图对应的参照图像;
确定模块202,用于基于点云图中的语义元素,确定表征该语义元素的初始矢量化图形;
更新模块203,用于根据初始矢量化图形,以及语义元素在参照图像中的图像区域,确定语义元素的更新后矢量化图形;更新后矢量化图形投影至参照图像后的投影区域与语义元素在参照图像中的图像区域的重合度大于预设阈值;更新后矢量化图形用于更新语义元素在点云图中的表征范围。
本公开实施例,首先可以基于点云图中的语义元素,确定表征该语义元素的初始矢量化图形,根据这一初始矢量化图形以及语义元素在参照图像中的图像区域,可以确定语义元素的更新后矢量化图形。这里的更新矢量化图形可以是基于更新后矢量化图形投影至参照图像后的投影区域与语义元素在参照图像中的图像区域的重合度对初始矢量化图形进行多次更新得到的。在重合度大于预设阈值的情况下,一定程度上可以说明当前更新后矢量化图形所对应语义元素在点云图中的表征范围达到参照图像这一标准范围,所表达的语义元素的精度较高,进一步使得可以构建精度更高的地图。
在一种可能的实施方式中,确定模块202,用于按照以下步骤基于点云图中的语义元素,确定表征该语义元素的初始矢量化图形:
获取点云图中语义元素的矢量化信息;矢量化信息包括尺寸信息、旋转信息和平移信息中的一种或多种;
基于矢量化信息,生成初始矢量化图形。
在一种可能的实施方式中,更新模块203,用于按照以下步骤根据初始矢量化图形,以及语义元素在参照图像中的图像区域,确定语义元素的更新后矢量化图形:
基于初始矢量化图形确定目标偏移函数的初始值;
基于目标偏移函数的初始值,以及构建的目标偏移函数,确定使得目标偏移函数的值最小的情况下,语义元素的更新后矢量化图形;目标偏移函数用于指示语义元素在参照图像中的对应像素点的像素误差。
在一种可能的实施方式中,更新模块203,用于根据以下步骤构建目标偏移函数:
针对点云图中的每个目标采样点,基于该目标采样点所属语义元素的矢量化表示信息、该目标采样点所属语义元素所在局部点云坐标系与参照图像所在图像坐标系之间的转化关系,确定该目标采样点在参照图像所在图像坐标系下的投影点坐标表示信息;矢量化表示信息用于表示语义元素的矢量化信息;
根据投影点坐标表示信息、以及语义元素在参照图像中的图像区域,构建目标偏移函数。
在一种可能的实施方式中,更新模块203,用于按照以下步骤根据投影点坐标表示信息、以及语义元素在参照图像中的图像区域,构建目标偏移函数:
从语义元素在参照图像中的图像区域中查找与投影点坐标表示信息对应的像素点;
基于查找到的像素点的像素值,以及投影点坐标表示信息对应的预设像素值,构建目标偏移函数。
在一种可能的实施方式中,更新模块203,用于按照以下步骤基于查找到的像素点的像素值,以及投影点坐标表示信息对应的预设像素值,构建目标偏移函数:
将语义元素在参照图像中的图像区域的灰度值设置为目标灰度值,将参照图像中的其它图像区域的灰度值设置为不同于目标灰度值的其它灰度值;
基于查找到的像素点的第一灰度值、以及投影点坐标表示信息对应的预设灰度值,构建目标偏移函数;预设灰度值与第一灰度值之间的第一差值小于预设灰度值与其它灰度值之间的第二差值。
在一种可能的实施方式中,更新模块203,用于按照以下步骤针对点云图中语义元素所包括的每个目标采样点,基于该目标采样点所属语义元素的矢量化表示信息、该目标采样点所属语义元素所在局部点云坐标系与参照图像所在图像坐标系之间的转化关系,确定该目标采样点在参照图像所在图像坐标系下的投影点坐标表示信息:
针对每个目标采样点,基于该目标采样点所属语义元素的矢量化表示信息中的尺寸表示信息对该目标采样点进行尺度变换,得到变换后的采样点;
确定变换后的采样点所属语义元素的矢量化表示信息中的旋转表示信息和平移表示信息在世界坐标系下的投影坐标表示信息;
将投影坐标表示信息转换为目标采样点在参照图像所在图像坐标系下的投影点坐标表示信息。
在一种可能的实施方式中,更新模块203,用于按照以下步骤基于目标偏移函数的初始值,以及构建的目标偏移函数,确定使得目标偏移函数的值最小的情况下,语义元素的更新后矢量化图形:
基于目标偏移函数的初始值,确定针对语义元素的矢量化图形的初始调整量,并基于初始调整量确定语义元素的更新后矢量化图形;
循环执行以下步骤:
基于上一次迭代确定的更新后矢量化图形对应的矢量化信息确定本次迭代的求导函数值;求导函数值为对目标偏移函数的矢量化表示信息进行求导运算得到的;
基于本次迭代的求导函数值,确定针对语义元素的矢量化图形的调整量;
在确定的调整量小于预设调整量的情况下,停止迭代,并基于调整量确定针对语义元素的更新后矢量化图形。
在一种可能的实施方式中,上述装置还包括:
融合模块204,用于基于更新后矢量化图形,确定针对语义元素的局部点云图;基于语义元素的局部点云图,生成高精度地图。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
本公开实施例还提供了一种电子设备,如图3所示,为本公开实施例提供的电子设备结构示意图,包括:处理器301、存储器302、和总线303。存储器302存储有处理器301可执行的机器可读指令(比如,图2中的装置中获取模块201、确定模块202、更新模块203对应的执行指令等),当电子设备运行时,处理器301与存储器302之间通过总线303通信,机器可读指令被处理器301执行时执行如下处理:
获取包含语义元素的点云图、以及与点云图对应的参照图像;
基于点云图中的语义元素,确定表征该语义元素的初始矢量化图形;
根据初始矢量化图形,以及语义元素在参照图像中的图像区域,确定语义元素的更新后矢量化图形;更新后矢量化图形投影至参照图像后的投影区域与语义元素在参照图像中的图像区域的重合度大于预设阈值;更新后矢量化图形用于更新语义元素在点云图中的表征范围。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的语义元素处理的方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品,该计算机程序产品承载有程序代码,所述程序代码包括的指令可用于执行上述方法实施例中所述的语义元素处理的方法的步骤,具体可参见上述方法实施例,在此不再赘述。
其中,上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (12)
1.一种语义元素处理的方法,其特征在于,所述方法包括:
获取包含语义元素的点云图、以及与所述点云图对应的参照图像;
基于所述点云图中的语义元素,确定表征该语义元素的初始矢量化图形;
根据所述初始矢量化图形,以及所述语义元素在所述参照图像中的图像区域,确定所述语义元素的更新后矢量化图形;所述更新后矢量化图形投影至所述参照图像后的投影区域与所述语义元素在所述参照图像中的图像区域的重合度大于预设阈值;所述更新后矢量化图形用于更新所述语义元素在所述点云图中的表征范围。
2.根据权利要求1所述的方法,其特征在于,所述基于所述点云图中的语义元素,确定表征该语义元素的初始矢量化图形,包括:
获取所述点云图中语义元素的矢量化信息;所述矢量化信息包括尺寸信息、旋转信息和平移信息中的一种或多种;
基于所述矢量化信息,生成所述初始矢量化图形。
3.根据权利要求2所述的方法,其特征在于,所述根据所述初始矢量化图形,以及所述语义元素在所述参照图像中的图像区域,确定所述语义元素的更新后矢量化图形,包括:
基于所述初始矢量化图形确定目标偏移函数的初始值;
基于所述目标偏移函数的初始值,以及构建的目标偏移函数,确定使得所述目标偏移函数的值最小的情况下,所述语义元素的更新后矢量化图形;所述目标偏移函数用于指示所述语义元素在参照图像中的对应像素点的像素误差。
4.根据权利要求3所述的方法,其特征在于,根据以下步骤构建所述目标偏移函数:
针对所述点云图中的每个目标采样点,基于该目标采样点所属语义元素的矢量化表示信息、该目标采样点所属语义元素所在局部点云坐标系与所述参照图像所在图像坐标系之间的转化关系,确定该目标采样点在所述参照图像所在图像坐标系下的投影点坐标表示信息;所述矢量化表示信息用于表示所述语义元素的矢量化信息;
根据所述投影点坐标表示信息、以及所述语义元素在所述参照图像中的图像区域,构建所述目标偏移函数。
5.根据权利要求4所述的方法,其特征在于,所述根据所述投影点坐标表示信息、以及所述语义元素在所述参照图像中的图像区域,构建所述目标偏移函数,包括:
从所述语义元素在所述参照图像中的图像区域中查找与所述投影点坐标表示信息对应的像素点;
基于查找到的像素点的像素值,以及所述投影点坐标表示信息对应的预设像素值,构建所述目标偏移函数。
6.根据权利要求5所述的方法,其特征在于,所述基于查找到的像素点的像素值,以及所述投影点坐标表示信息对应的预设像素值,构建所述目标偏移函数,包括:
将所述语义元素在所述参照图像中的图像区域的灰度值设置为目标灰度值,将所述参照图像中的其它图像区域的灰度值设置为不同于所述目标灰度值的其它灰度值;
基于查找到的像素点的第一灰度值、以及所述投影点坐标表示信息对应的预设灰度值,构建所述目标偏移函数;所述预设灰度值与所述第一灰度值之间的第一差值小于所述预设灰度值与所述其它灰度值之间的第二差值。
7.根据权利要求4-6任一所述的方法,其特征在于,所述针对所述点云图中语义元素所包括的每个目标采样点,基于该目标采样点所属语义元素的矢量化表示信息、该目标采样点所属语义元素所在局部点云坐标系与所述参照图像所在图像坐标系之间的转化关系,确定该目标采样点在所述参照图像所在图像坐标系下的投影点坐标表示信息,包括:
针对每个所述目标采样点,基于该目标采样点所属语义元素的矢量化表示信息中的尺寸表示信息对该目标采样点进行尺度变换,得到变换后的采样点;
确定变换后的采样点所属语义元素的矢量化表示信息中的旋转表示信息和平移表示信息在世界坐标系下的投影坐标表示信息;
将所述投影坐标表示信息转换为所述目标采样点在所述参照图像所在图像坐标系下的投影点坐标表示信息。
8.根据权利要求3-7任一所述的方法,其特征在于,所述基于所述目标偏移函数的初始值,以及构建的目标偏移函数,确定使得所述目标偏移函数的值最小的情况下,所述语义元素的更新后矢量化图形,包括:
基于所述目标偏移函数的初始值,确定针对所述语义元素的矢量化图形的初始调整量,并基于所述初始调整量确定所述语义元素的更新后矢量化图形;
循环执行以下步骤:
基于上一次迭代确定的所述更新后矢量化图形对应的矢量化信息确定本次迭代的求导函数值;所述求导函数值为对所述目标偏移函数的矢量化表示信息进行求导运算得到的;
基于本次迭代的求导函数值,确定针对所述语义元素的矢量化图形的调整量;
在确定的调整量小于预设调整量的情况下,停止迭代,并基于所述调整量确定针对所述语义元素的更新后矢量化图形。
9.根据权利要求1-8任一所述的方法,其特征在于,所述方法还包括:
基于所述更新后矢量化图形,确定针对所述语义元素的局部点云图;
基于所述语义元素的局部点云图,生成高精度地图。
10.一种语义元素处理的装置,其特征在于,所述装置包括:
获取模块,用于获取包含语义元素的点云图、以及与所述点云图对应的参照图像;
确定模块,用于基于所述点云图中的语义元素,确定表征该语义元素的初始矢量化图形;
更新模块,用于根据所述初始矢量化图形,以及所述语义元素在所述参照图像中的图像区域,确定所述语义元素的更新后矢量化图形;所述更新后矢量化图形投影至所述参照图像后的投影区域与所述语义元素在所述参照图像中的图像区域的重合度大于预设阈值;所述更新后矢量化图形用于更新所述语义元素在所述点云图中的表征范围。
11.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至9任一所述的语义元素处理的方法的步骤。
12.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至9任一所述的语义元素处理的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110565715.1A CN113191323A (zh) | 2021-05-24 | 2021-05-24 | 一种语义元素处理的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110565715.1A CN113191323A (zh) | 2021-05-24 | 2021-05-24 | 一种语义元素处理的方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113191323A true CN113191323A (zh) | 2021-07-30 |
Family
ID=76985133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110565715.1A Pending CN113191323A (zh) | 2021-05-24 | 2021-05-24 | 一种语义元素处理的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191323A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114061564A (zh) * | 2021-11-01 | 2022-02-18 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据的处理方法和装置 |
CN114088082A (zh) * | 2021-11-01 | 2022-02-25 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据的处理方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109461211A (zh) * | 2018-11-12 | 2019-03-12 | 南京人工智能高等研究院有限公司 | 基于视觉点云的语义矢量地图构建方法、装置和电子设备 |
CN111008660A (zh) * | 2019-12-03 | 2020-04-14 | 北京京东乾石科技有限公司 | 语义地图的生成方法、装置、系统、存储介质及电子设备 |
CN111780771A (zh) * | 2020-05-12 | 2020-10-16 | 驭势科技(北京)有限公司 | 一种定位方法、装置、电子设备及计算机可读存储介质 |
CN112069856A (zh) * | 2019-06-10 | 2020-12-11 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及系统 |
CN112084872A (zh) * | 2020-08-10 | 2020-12-15 | 浙江工业大学 | 一种融合语义分割与边缘的高分遥感目标精准检测方法 |
WO2021230466A1 (ko) * | 2020-05-11 | 2021-11-18 | 네이버랩스 주식회사 | 차량 위치 결정 방법 및 시스템 |
-
2021
- 2021-05-24 CN CN202110565715.1A patent/CN113191323A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109461211A (zh) * | 2018-11-12 | 2019-03-12 | 南京人工智能高等研究院有限公司 | 基于视觉点云的语义矢量地图构建方法、装置和电子设备 |
CN112069856A (zh) * | 2019-06-10 | 2020-12-11 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及系统 |
WO2020248614A1 (zh) * | 2019-06-10 | 2020-12-17 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及系统 |
CN111008660A (zh) * | 2019-12-03 | 2020-04-14 | 北京京东乾石科技有限公司 | 语义地图的生成方法、装置、系统、存储介质及电子设备 |
WO2021230466A1 (ko) * | 2020-05-11 | 2021-11-18 | 네이버랩스 주식회사 | 차량 위치 결정 방법 및 시스템 |
CN111780771A (zh) * | 2020-05-12 | 2020-10-16 | 驭势科技(北京)有限公司 | 一种定位方法、装置、电子设备及计算机可读存储介质 |
CN112084872A (zh) * | 2020-08-10 | 2020-12-15 | 浙江工业大学 | 一种融合语义分割与边缘的高分遥感目标精准检测方法 |
Non-Patent Citations (1)
Title |
---|
江文婷等: "基于增量计算的大规模场景致密语义地图构建", 《浙江大学学报(工学版)》, no. 02 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114061564A (zh) * | 2021-11-01 | 2022-02-18 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据的处理方法和装置 |
CN114088082A (zh) * | 2021-11-01 | 2022-02-25 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据的处理方法和装置 |
CN114061564B (zh) * | 2021-11-01 | 2022-12-13 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据的处理方法和装置 |
CN114088082B (zh) * | 2021-11-01 | 2024-04-16 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据的处理方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110869974B (zh) | 点云处理方法、设备及存储介质 | |
CN109493407B (zh) | 实现激光点云稠密化的方法、装置及计算机设备 | |
CN111815707B (zh) | 点云确定方法、点云筛选方法、装置、计算机设备 | |
CN111121754A (zh) | 移动机器人定位导航方法、装置、移动机器人及存储介质 | |
CN113160420A (zh) | 一种三维点云重建的方法、装置、电子设备及存储介质 | |
CN112132901A (zh) | 一种点云标注的方法、装置、电子设备及存储介质 | |
CN112418129B (zh) | 一种点云数据处理的方法、装置、电子设备及存储介质 | |
CN113191323A (zh) | 一种语义元素处理的方法、装置、电子设备及存储介质 | |
CN113048980B (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
US11798181B2 (en) | Method and system for location detection of photographs using topographic techniques | |
CN112907747A (zh) | 一种点云数据处理的方法、装置、电子设备及存储介质 | |
US20200349727A1 (en) | Obstacle detection method, mobile platform, and computer readable storage medium | |
CN113920263A (zh) | 地图构建方法、装置、设备及存储介质 | |
CN112907746A (zh) | 电子地图的生成方法、装置、电子设备及存储介质 | |
CN110895823B (zh) | 一种三维模型的纹理获取方法、装置、设备及介质 | |
CN114332232B (zh) | 基于空间点线面特征混合建模的智能手机室内定位方法 | |
CN114255285A (zh) | 视频与城市信息模型三维场景融合方法、系统及存储介质 | |
CN113450459B (zh) | 目标物的三维模型构建方法及装置 | |
CN111598930B (zh) | 彩色点云生成方法、装置及终端设备 | |
US11557059B2 (en) | System and method for determining position of multi-dimensional object from satellite images | |
KR102249381B1 (ko) | 3차원 영상 정보를 이용한 모바일 디바이스의 공간 정보 생성 시스템 및 방법 | |
CN116824077A (zh) | 一种高精度地图图像生成方法、装置及设备 | |
CN116642490A (zh) | 基于混合地图的视觉定位导航方法、机器人及存储介质 | |
US9852542B1 (en) | Methods and apparatus related to georeferenced pose of 3D models | |
CN115468568A (zh) | 室内导航方法、装置及系统、服务器设备及存储介质 |
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 |