CN113435227B - 地图生成及车辆定位方法、系统、设备及存储介质 - Google Patents
地图生成及车辆定位方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN113435227B CN113435227B CN202010206030.3A CN202010206030A CN113435227B CN 113435227 B CN113435227 B CN 113435227B CN 202010206030 A CN202010206030 A CN 202010206030A CN 113435227 B CN113435227 B CN 113435227B
- Authority
- CN
- China
- Prior art keywords
- image
- road surface
- grid
- binarized
- map
- 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
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Processing Or Creating Images (AREA)
Abstract
地图生成及车辆定位方法、系统、设备及存储介质,所述地图生成方法包括:创建地图定位图层,将所述地图定位图层划分为网格,确定所述地图定位图层的网格坐标;获取基于道路面的第一正射图像的坐标和匹配至网格的网格坐标,将所述第一正射图像投影至所述地图定位图层,得到第二正射图像;将所述第二正射图像划分,得到相应的图块和所述图块在所述网格中的相对坐标;对所述网格中的图块进行二值化处理,得到二值化的图块;根据所述二值化的图块在所述网格中的相对坐标,将所述二值化的图块填充到相应的网格中,得到二值化的地图。采用上述方法可以提高地图数据的生成效率。
Description
技术领域
本说明书实施例涉及地图数据处理技术领域,尤其涉及一种地图生成及车辆定位方法、系统、设备及存储介质。
背景技术
目前,通常采用全球导航卫星系统(Global Navigation Satellite System,GNSS)进行车辆定位和导航,为用户提供相关的驾驶信息。但是,GNSS的精度低、刷新周期长,远远不能满足用户的驾驶需求。因此,需要采用更多的传感器和更高精度的高精地图加以辅助,以实现行驶路网建设、车辆精确定位和行车路线动态显示等功能,优化用户的使用感受。
然而,高精地图虽可提供丰富、精确的道路环境信息,但相对地,用于高精地图的地图数据需求量庞大,且地图数据处理过程复杂,反而降低了地图数据的处理效率。
发明内容
有鉴于此,本说明书实施例一个方面,提供一种地图生成方法、系统、设备及存储介质,提高地图数据的处理效率。
本说明书实施例另一个方面,提供一种车辆定位方法、系统、设备及存储介质,实现地图定位图层的快速定位。
本说明书实施例提供了一种地图生成方法,包括:
创建地图定位图层,将所述地图定位图层划分为网格,确定所述地图定位图层的网格坐标;
获取基于道路面的第一正射图像的坐标和匹配至网格的网格坐标,将所述第一正射图像投影至所述地图定位图层,得到第二正射图像;
将所述第二正射图像划分,得到相应的图块和所述图块在所述网格中的相对坐标;
对所述网格中的图块进行二值化处理,得到二值化的图块;
根据所述二值化的图块在所述网格中的相对坐标,将所述二值化的图块填充到相应的网格中,得到二值化的地图。
可选地,所述对所述网格中的图块进行二值化处理,得到二值化的图块,包括:
确定所述图块是否符合预设的分类条件,并将符合所述分类条件的图块填充第一像素值,以及将不符合所述分类条件的图块填充第二像素值。
可选地,所述将所述第二正射图像划分,得到相应的图块和所述图块在所述网格中的相对坐标,包括:
基于预设的划分方法,将所述第二正射图像划分为所述图块;
为所述图块设置在所述网格中的相对坐标。
可选地,所述基于预设的划分方法,将所述第二正射图像划分为所述图块,包括:
获取所述地图定位图层相应的矢量车道线数据;
根据所述矢量车道线数据,在所述地图定位图层上叠加相应的矢量车道线,并获取与所述矢量车道线相交的网格中的第二正射图像;
在所述第二正射图像中获取一包含所述矢量车道线的第一区域;
将所述第二正射图像在所述第一区域内的部分按照预设尺寸的划分单元划分,得到所述第一区域内的图块和所述第一区域外的图块。
可选地,所述对所述网格中的图块进行二值化处理,得到二值化的图块,包括:
确定所述第一区域内的图块是否符合预设的分类条件;
将所述第一区域内符合所述分类条件的图块填充第一像素值,并将所述第一区域内不符合所述分类条件的图块填充第二像素值;
将所述第一区域外的图块填充第二像素值。
可选地,所述确定所述图块是否符合预设的分类条件,包括以下任意一种:
在所述图块的亮度值大于预设的亮度阈值时,所述图块符合分类条件,否则所述图块不符合所述分类条件;
在所述图块的亮度值大于相邻的图块的亮度平均值时,所述图块符合所述分类条件,否则所述图块不符合所述分类条件。
可选地,所述地图生成方法还包括:
确定所述网格中二值化的图块的像素值是否均为所述第二像素值,如果是,则删除所述网格。
本说明书实施例还提供了一种车辆定位方法,包括:
获取所述车辆的轨迹点数据;
根据所述轨迹点数据获取相应的轨迹点的路面图像,并对所述路面图像进行透视变换处理,得到相应的路面正射图像;
将所述路面正射图像划分,得到相应的路面子图像和所述路面子图像在所述路面正射图像中的相对坐标;
对所述路面正射图像中的路面子图像进行二值化处理,得到二值化的路面子图像;
根据所述二值化的路面子图像在所述路面正射图像中的相对坐标,将所述二值化的路面子图像组合成二值化路面正射图像;
基于所述轨迹点数据中的位置信息,获取一包含相应的轨迹点的第二区域;
获取地图定位图层中与所述第二区域相交的网格,其中,所述地图定位图层包括:网格和相应的网格坐标;所述网格包括二值化的图块和所述图块在所述网格中的相对坐标;
匹配所述二值化的路面正射图像和所述网格中的二值化的图块,得到所述二值化的图块相应的匹配度;
获取匹配度最高的二值化的图块在所述网格中的网格坐标,作为所述车辆的位置信息。
可选地,所述对所述路面正射图像中的路面子图像进行二值化处理,得到二值化的路面子图像,包括:
确定所述路面子图像是否符合预设的分类条件,并将符合所述分类条件的路面子图像填充第一像素值,以及将不符合所述分类条件的路面子图像填充第二像素值。
可选地,所述将所述路面正射图像划分,得到相应的路面子图像和所述路面子图像在所述路面正射图像中的相对坐标,包括:
基于预设的划分方法,将所述路面正射图像划分为所述路面子图像;
为所述路面子图像设置在所述路面正射图像中的相对坐标。
可选地,所述基于预设的划分方法,将所述路面正射图像划分为所述路面子图像,包括:
获取所述路面正射图像相应的矢量车道线数据;
根据所述矢量车道线数据,在所述路面正射图像上叠加相应的矢量车道线;
在所述路面正射图像中获取一包含所述矢量车道线的第三区域;
将所述路面正射图像在所述第三区域内的部分按照预设尺寸的划分单元划分,得到所述第三区域内的路面子图像和所述第三区域外的路面子图像。
可选地,所述对所述路面正射图像中的路面子图像进行二值化处理,得到二值化的路面子图像,包括:
确定所述第三区域内的路面子图像是否符合所述分类条件;
将所述第三区域内符合所述分类条件的路面子图像填充第一像素值,并将所述第三区域内不符合所述分类条件的路面子图像填充第二像素值;
将所述第三区域外的路面子图像填充第二像素值。
可选地,所述确定所述路面子图像是否符合预设的分类条件,包括以下任意一种:
在所述路面子图像的亮度值大于预设的亮度阈值时,所述路面子图像符合所述分类条件,否则所述路面子图像不符合所述分类条件;
在所述路面子图像的亮度值大于相邻的路面子图像的亮度平均值时,所述路面子图像符合所述分类条件,否则所述路面子图像不符合所述分类条件。
本说明书实施例还提供了一种地图生成系统,包括:
图层创建单元,适于创建地图定位图层;
网格生成单元,适于将所述地图定位图层划分为网格,确定所述地图定位图层的网格坐标;
第一数据处理单元,适于获取基于道路面的第一正射图像的坐标和匹配至网格的网格坐标,将所述第一正射图像投影至所述地图定位图层,得到第二正射图像;
图块生成单元,适于将所述第二正射图像划分,得到相应的图块和所述图块在所述网格中的相对坐标;
二值化处理单元,适于对所述网格中的图块进行二值化处理,得到二值化的图块;
第二数据处理单元,适于根据所述二值化的图块在所述网格中的相对坐标,将所述二值化的图块填充到相应的网格中。
可选地,所述二值化处理单元包括:
分类条件判断子单元,适于确定所述图块是否符合预设的分类条件;
像素值填充子单元,适于将符合所述分类条件的图块填充第一像素值,以及将不符合所述分类条件的图块填充第二像素值。
可选地,所述图块生成单元包括:
划分子单元,适于根据预设的划分方法,将所述第二正射图像划分为所述图块;
坐标设置子单元,适于为所述图块设置在所述网格中的相对坐标。
可选地,所述划分子单元包括:
矢量车道线数据获取模块,适于获取所述地图定位图层相应的矢量车道线数据;
矢量车道线数据叠加模块,适于根据所述矢量车道线数据,在所述地图定位图层上叠加相应的矢量车道线;
图像获取模块,适于获取与所述矢量车道线相交的网格中的第二正射图像;
区域获取模块,适于在所述第二正射图像中获取一包含所述矢量车道线的第一区域;
图块划分模块,适于将所述第二正射图像在所述第一区域内的部分按照预设尺寸的划分单元划分,得到所述第一区域内的图块和所述第一区域外的图块。
可选地,所述分类条件判断子单元还适于确定所述第一区域内的图块是否符合预设的分类条件;
所述像素值填充子单元还适于将所述第一区域内符合所述分类条件的图块填充第一像素值,并将所述第一区域内不符合所述分类条件的图块填充第二像素值,以及将所述第一区域外的图块填充第二像素值。
可选地,所述分类条件包括以下任意一种:
所述图块的亮度值是否大于预设的亮度阈值;
所述图块的亮度值大于相邻的图块的亮度平均值。
可选地,所述地图生成系统还包括:
网格删除单元,适于确定所述网格中二值化的图块的像素值是否均为所述第二像素值,如果是,则删除所述网格。
本说明书实施例还提供了一种车辆定位系统,包括:
轨迹点数据获取单元,适于获取所述车辆的轨迹点数据;
路面正射图像生成单元,适于根据所述轨迹点数据获取相应的轨迹点的路面图像,并对所述路面图像进行透视变换处理,得到相应的路面正射图像;
路面子图像生成单元,适于将所述路面正射图像划分,得到相应的路面子图像和所述路面子图像在所述路面正射图像中的相对坐标;
二值化处理单元,适于对所述路面正射图像中的路面子图像进行二值化处理,得到二值化的路面子图像;
二值化路面正射图像生成单元,适于根据所述二值化的路面子图像在所述路面正射图像中的相对坐标,将所述二值化的路面子图像组合成二值化路面正射图像;
区域获取单元,适于根据所述轨迹点数据中的位置信息,获取一包含相应的轨迹点的第二区域;
网格获取单元,适于获取地图定位图层中与所述第二区域相交的网格,其中,所述地图定位图层包括:网格和相应的网格坐标;所述网格包括二值化的图块和所述图块在所述网格中的相对坐标;
匹配单元,适于匹配所述二值化的路面正射图像和所述网格中的二值化的图块,得到所述二值化的图块相应的匹配度;
位置信息获取单元,适于获取匹配度最高的二值化的图块在所述网格中的网格坐标,作为所述车辆的位置信息。
本说明书实施例还提供了一种数据处理设备,包括存储器和处理器,所述存储器适于存储一条或多条计算机指令,所述处理器运行所述计算机指令时执行上述任一实施例所述方法的步骤。
本说明书实施例还提供了一种计算机可读存储介质,其上存储有计算机指令,所述计算机指令运行时执行上述任一实施例所述方法的步骤。
采用本说明书实施例的地图生成方案,通过将地图定位图层中的第二正射图像划分及二值化,可以获得第二正射图像中的道路要素,并减小地图定位图层的数据量,从而提高地图定位图层的精确度,减少数据占用的内存空间,再通过网格中二值化的图块,可以快速获取地图定位图层的局部数据,降低数据传输压力,提升地图定位图层的数据加载速度,从而提高地图数据的生成效率。
进一步地,通过确定所述图块是否符合预设的分类条件,可以将符合所述分类条件的图块填充第一像素值,以及将不符合所述分类条件的图块填充第二像素值,由此,实现了地图定位图层中图块的二值化,可以快速识别路面上的车道线、横道线及路标等道路要素,从而提高地图定位图层在车辆行驶方向上的定位精度。
进一步地,通过在与所述矢量车道线相交的第二正射图像中获取一包含所述矢量车道线的第一区域,可以将所述第一区域内的部分按照预设尺寸的划分单元划分,从而得到所述第一区域内的图块和所述第一区域外的图块。由上可知,通过叠加的矢量车道线作为参考,可以减少需要划分的网格数量,提高划分效率,且通过包含所述矢量车道线的第一区域,可以确定后需要进行分类的图块和可以直接进行第二像素值填充的图块,确保二值化处理结果的可靠性,并减少二值化处理的运算量,提高处理效率,快速获取路面上的车道线的宽度、车道线的虚线部分等道路要素。
进一步地,在所述图块的亮度值大于预设的亮度阈值时,所述图块符合所述分类条件,否则所述图块不符合所述分类条件;或者,在所述图块的亮度值大于相邻的图块的亮度平均值时,所述图块符合所述分类条件,否则所述图块不符合所述分类条件。采用预设的亮度阈值或相邻的图块的亮度平均值对图块进行二值化处理,可以避免机器学习建模或者点云数据标注等复杂的数据处理过程,加快二值化处理速度。
进一步地,在确定所述网格中二值化的图块的像素值均为所述第二像素值时,可以删除所述网格,从而可以减少地图定位图层中无用的网格,优化地图定位图层的数据,节约存储空间。
采用本说明书实施例的车辆定位方案,在车辆定位处理过程中,通过将路面正射图像划分和二值化,可以减小路面正射图像的数据量,从而可以提高数据处理效率,更加快速地获得第二正射图像中道路要素,再根据地图定位图层中同样二值化的图块进行匹配处理,从而可以实现车辆行驶过程中的快速定位。
附图说明
为了更清楚地说明本说明书实施例的技术方案,下面将对本说明书实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面所描述的附图仅仅是本说明书的一些实施例,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的附图。
图1是本说明书实施例中一种地图生成方法的流程图。
图2是本说明书实施例中一种第一正射图像投影至所述地图定位图层的示意图。
图3是本说明书实施例中另一种第一正射图像投影至所述地图定位图层的示意图。
图4A是本说明书实施例中一种图块进行二值化处理的示意图。
图4B是本说明书实施例中一种二值化后的第二正射图像的示意图。
图5是本说明书实施例中一种第二正射图像方式的流程图。
图6是本说明书实施例中一种在地图定位图层上叠加矢量车道线的示意图。
图7是本说明书实施例中另一种第二正射图像划分方法的流程图。
图8A是本说明书实施例中另一种图块进行二值化处理的示意图。
图8B是本说明书实施例中另一种二值化后的第二正射图像的示意图。
图9是本说明书实施例中一种删除无用网格后的地图定位图层的示意图。
图10是本说明书实施例中一种车辆定位方法的流程图。
图11A是本说明书实施例中一种路面子图像进行二值化处理的示意图。
图11B是本说明书实施例中一种二值化路面正射图像的示意图。
图12是本说明书实施例中一种获取地图定位图层中与所述第二区域相交的网格的示意图。
图13是本说明书实施例中一种路面正射图像划分方法的流程图。
图14A是本说明书实施例中另一种路面子图像进行二值化处理的示意图。
图14B是本说明书实施例中另一种二值化路面正射图像的示意图。
图15是本说明书实施例中另一种路面子图像进行二值化处理的示意图。
图16是本说明书实施例中一种地图生成系统的结构示意图。
图17是本说明书实施例中一种车辆定位系统的结构示意图。
图18示出了本说明书实施例中一种数据处理设备的结构示意图。
具体实施方式
如背景技术所述,GNSS的精度低、刷新周期长,远远不能满足用户的驾驶需求。因此,需要采用更多的传感器和更高精度的高精地图加以辅助,以实现行驶路网建设、车辆精确定位和行车路线动态显示等功能,优化用户的使用感受。然而,高精地图虽可提供丰富、精确的道路环境信息,但相对地,用于高精地图的地图数据需求量庞大,且地图数据处理过程复杂,反而降低了地图数据的处理效率。
针对上述问题,本说明书实施例提供了一种地图生成方案,可以将创建的地图定位图层划分为网格,并在所述第一正射图像投影至所述地图定位图层后,将网格中的第二正射图像划分为图块,通过对所述网格中的图块进行二值化处理,得到二值化的图块,并将所述二值化的图块填充到相应的网格中。
采用上述方法,可以减小地图定位图层的数据大小,提升地图定位图层的数据加载速度,从而提高地图数据的处理效率。
为使本领域技术人员更加清楚地了解及实施本说明书实施例的构思、实现方案及优点,以下参照附图,通过具体应用场景进行详细说明。
参照图1所示的本说明书实施例中一种地图生成方法的流程图,在本说明书实施例中,可以包括如下步骤:
S11,创建地图定位图层,将所述地图定位图层划分为网格,确定所述地图定位图层的网格坐标。
在实际应用中,一幅地图可以由一个或者多个图层组成,每个图层可以包含一些来自要素(feature)源的数据,使得地图的图层能够在视觉上覆盖一定地图范围,并通过包含的数据描述现实世界全部或者部分区域内的地图特征。而且,地图包含的图层可以集结成图层组,在同一组中的图层可以一起展示,因此,一幅地图可以由多个图层组来组成,并且图层组可以进行嵌套。其中,用于定位的图层可以称为地图定位图层。
在具体实施中,所述地图定位图层可以按照预设尺寸的划分单元进行划分得到网格,其中,划分单元的形状可以是任意多边形,如三角形、矩形、六边形等。或者,所述地图定位图层可以按照预设方向划分,形成的独立连通域可以作为相应的网格。例如,可以按照预设地理方向将地图定位图层划分,其中,地理方向可以是东西、南北、东北、西南等常用位置方向,也可以是北偏东X度等设定的位置方向,X表示角度的数值,其具体大小根据实际情况设定。本说明书实施例对于地图定位图层的划分方法不做限定。
在实际应用中,若地图定位图层的网格尺寸过小,车辆可能一次性需要加载大量数量的网格,为避免网格过于碎片化,可以根据车辆尺寸和车辆行驶速度预设网格的尺寸大小。以车辆每小时行驶60千米的行驶速度为例,即车辆每秒行驶16米,采用矩形划分单元的划分方法时,矩形划分单元的尺寸可以选择20~25米。
在为所述地图定位图层分配网格坐标的实施过程中,可以指定网格的至少一个位置点作为网格坐标的参考对象。例如,可以指定网格的中心点作为网格坐标的参考对象,也可以指定网格的至少一个角点作为参考对象。
由此,在为参考对象设置网格坐标后,通过参考对象和像素点在网格中的相对位置,可以得到网格中任意像素点的网格坐标,从而避免为网格中各像素点分别分配网格坐标,减少地图定位图层的数据量。
其中,网格坐标可以为全局坐标,并且可以采用地球坐标系中的坐标作为全局坐标。例如,可以采用经纬度坐标系中的坐标作为全局坐标;又例如,可以采用所述墨卡托(Mercator)坐标系中的坐标作为全局坐标。还可以采用自定义坐标系中的坐标作为全局坐标。可以理解的是,本说明书实施例对于网格标注全局坐标的位置不做限定,也对全局坐标的类型不做限定。
S12,获取基于道路面的第一正射图像的坐标和匹配至网格的网格坐标,将所述第一正射图像投影至所述地图定位图层,得到第二正射图像。
在具体实施中,可以通过高精采集装置采集地图所需的数据,所述高精采集装置可以包括:雷达设备、图像采集设备、定位设备、车载传感器、数据处理设备、数据存储设备等。
其中,雷达设备可以包括:激光雷达设备、毫米波雷达设备、超声雷达设备等;图像采集设备可以包括单目镜头摄像机、多目镜头摄像机、单目镜头照相机、多目镜头照相机等;定位设备可以包括:具有GPS(Global Positioning System,全球定位系统)功能的设备、具有RTK(Real-time kinematic,实时动态)功能的设备、IMU(Inertial MeasurementUnit,惯性测量单元)等。车载传感器可以包括:轮测距传感器、角度传感器、速度传感器等。
可以理解的是,高精采集装置可以根据实际情景选择不同的设备,本说明书实施例对此不做限制。
在实际应用中,地图定位图层可以用于车道级定位,对于道路面的数据可以采用图像采集设备进行采集。
例如,可以将高精采集装置安装于采集车上,在采集车行驶过程中,图像采集设备可以沿道路延伸方向采集道路面的原始图像。
又例如,对于非机动车道或者车辆无法通行的道路,可以人工佩戴高精采集装置在道路上行走,图像采集设备沿道路延伸方向采集道路面的原始图像。
还例如,可以将高精采集装置安装于采集飞行器上,在采集飞行器行驶过程中,图像采集设备沿指定的地理方向采集道路面的图像,其中,地理方向可以是东西、南北、东北、西南等常用位置方向,也可以是北偏东X度等设定的位置方向,X表示角度的数值,其具体大小根据实际情况设定。
可以理解的是,在实际采集过程中,可以根据实际情景选择采集方式和相应的采集行进方向,本说明书实施例对此不做限制。
在具体实施中,可以通过一个或多个图像采集设备来采集道路面的图像。由于图像采集设备和现实世界的地球坐标系不同,需要将采集的图像进行透视变换处理,转化为相应的正射图像,从而得到基于道路面的第一正射图像。
例如,在采集车的车头安装有高精采集装置的图像采集设备,图像采集设备可以获取采集车前方道路面的图像作为原始图像,在采用图像处理方法对所述原始图像进行标定处理之后,可以得到图像采集设备的参数,以及通过姿态估计算法计算可以得到的图像采集设备的姿态数据。
通过高精采集装置的定位设备,可以得到高精采集装置所处地球坐标系的坐标和当前姿态数据。再通过高精采集装置的坐标和当前姿态数据、以及图像采集设备的参数和姿态数据,可以建立图像采集设备坐标系与地球坐标系的对应关系,从而将原始图像通过透视变换算法转换为正射图像,得到第一正射图像,且所述第一正射图像的坐标为处于地球坐标系的坐标。
其中,所述图像采集设备的参数可以包括:外参数和内参数。可以采用图像采集设备自标定方法,通过数字图像处理的方法和相关的几何计算得到图像采集设备的参数;也可以采用参照物标定方法,通过标定的参照物,数字图像处理方法,以及空间算术运算,可以计算得到图像采集设备的参数。
并且,在确定所述第一正射图像的坐标和所述地图定位图层的网格的网格坐标属于相同的地球坐标系时,将所述第一正射图像投影至所述地图定位图层。若所述第一正射图像的坐标和所述地图定位图层的网格的网格坐标不属于相同的地球坐标系,可以对所述第一正射图像的坐标和所述地图定位图层的网格的网格坐标进行坐标系变换,从而处于相同地球坐标系下。
在具体实施中,将所述第一正射图像投影至所述地图定位图层时,所述第一正射图像可能至少与一个网格相交。例如,如图2所示,为一种第一正射图像投影至所述地图定位图层的示意图。地图定位图层20采用矩形网格的划分方法,从而得到9个网格,如图2中的点圆填充区域为一个网格201。根据所处的地球坐标系,可以得到地图定位图层20的各网格的四个角的网格坐标。再根据所述第一正射图像21的坐标,可以将所述第一正射图像21投影至所述地图定位图层20。其中,所述第一正射图像21的投影210(如图2中斜线部分所示)与四个网格相交。第一正射图像21的投影210在各网格的部分可以作为对应网格中的第二正射图像。
可以理解的是,图2仅用于示意说明第一正射图像与所述地图定位图层的投影关系,在实际应用中,会采集大量的道路面的图像,从而获得大量的第一正射图像,并且均可以投影至所述地图定位图层,由此在地图定位图层的对应网格中形成第二正射图像。
在具体实施中,在多个第一正射图像投影至所述地图定位图层时,可能会有部分投影区域重叠。例如,如图3所示,为另一种第一正射图像投影至所述地图定位图层的示意图,在地图定位图层30中包括两个第一正射图像的投影,即投影31和32,其中,投影31和32有重叠部分(如图3中交叉线部分所示),则重叠部分可以选择保留投影31的数据,也可以选择保留投影32的数据。
在具体实施中,若完成所有第一正射图像的投影后,所述地图定位图层中仍然存在未被投影的区域,则可以对所述未被投影的区域进行指定像素值的填充。
S13,将所述第二正射图像划分,得到相应的图块和所述图块在所述网格中的相对坐标。
其中,基于预设的划分方法,可以将所述第二正射图像划分为所述图块。例如,所述网格可以按照预设尺寸进行划分得到图块,且网格的形状可以是任意多边形,如三角形、矩形、六边形等,所述预设尺寸的大小可以根据实际情况设定,但可以想到的是,所述预设尺寸肯定小于网格的尺寸。又例如,所述网格可以按照预设方向进行划分,形成的独立连通域可以作为相应的图块。本说明书实施例对于网格的划分方法不做限定。
在具体实施中,可以将获得的第一正射图像均投影至地图定位图层后,将所述网格中的第二正射图像划分,也可以在将获得的第一正射图像投影至地图定位图层时,将所述网格中的第二正射图像划分。
并且,为了使后续图块的二值化处理结果更加准确,可以将网格划分成更多数量的图块,从而得到面积较小的图块,在进行二值化处理时减少杂质像素点的干扰。例如,所述网格为20米×20米的正方形,将所述网格按照10厘米×10厘米尺寸的正方形划分单元划分,由此可以得到200个10厘米×10厘米的正方形图块,所述网格中的第二正射图像的二值化精度可以达到10厘米,在进行后续步骤S14和S15后,地图定位图层的定位精度可以达到10厘米。
在具体实施中,可以采用以下至少一种方式为所述图块设置在所述网格中的相对坐标:
1)根据所述第二正射图像的某一指定点为原点,建立坐标系,由此,可以将相应的图块的某一指定点在坐标系中的坐标作为所述图块的相对坐标。其中,指定点可以为角点、中心点等便于计算的点。
2)根据划分方法,可以得到图块位于相应的网格中的行数和列数,由此,可以将图块相应的行数、列数及图块的尺寸作为所述图块的相对坐标。
S14,对所述网格中的图块进行二值化处理,得到二值化的图块。
在具体实施中,可以预设一分类条件,通过确定所述图块是否符合预设的分类条件,从而将图块进行二分类,并根据二分类结果,对相应的图块填充相应的像素值。例如,可以将符合所述分类条件的图块填充第一像素值,可以将不符合所述分类条件的图块填充第二像素值。
其中,第一像素值和第二像素值不相同,且可以根据图块中用于存储图像的数据类型,选择不同大小的数值作为第一像素值或第二像素值。例如,图块中用于存储图像的数据类型为uint8型,则第一像素值和第二像素值的取值范围为[0,255];图块中用于存储图像的数据类型为double型,则第一像素值和第二像素值的取值范围为0和1。本说明书实施例对此不做限制。
由此,实现了地图定位图层中图块的二值化,可以快速识别路面上的车道线、横道线及路标等道路要素,从而提高地图定位图层在车辆行驶方向上的定位精度。
具体而言,预设的分类条件可以包括以下任意一种:
1)确定所述图块的亮度值是否大于预设的亮度阈值。
在所述图块的亮度值大于预设的亮度阈值时,所述图块符合所述分类条件,否则所述图块不符合所述分类条件。
2)确定所述图块的亮度值是否大于相邻的图块的亮度平均值。
在所述图块的亮度值大于相邻的图块的亮度平均值时,所述图块符合所述分类条件,否则所述图块不符合所述分类条件。
由此,采用根据预设的亮度阈值或相邻的图块的亮度平均值对图块进行二值化处理,可以避免机器学习建模或者点云数据标注等复杂的数据处理过程,加快二值化处理速度。
S15,根据所述二值化的图块在所述网格中的相对坐标,将所述二值化的图块填充到相应的网格中。
在具体实施中,如图4A所示,为一种图块进行二值化处理的示意图。将图4A中网格40的第二正射图像按照矩形划分单元划分,得到多个图块。以图块41a为例,图块41a大于预设的亮度阈值,符合预设的分类条件,可以将图块41a填充第一像素值255(即白色),得到二值化的图块41b。再以图块42a为例,图块42a不大于预设的亮度阈值,不符合预设的分类条件,可以将图块42a填充第二像素值0(即黑色),得到二值化的图块42b。以此类推,可以将网格40中所有的图块进行二值化处理,得到相应的二值化的图块。然后,如图4B所示,根据所述二值化的图块在所述网格40中的相对坐标,将所述二值化的图块填充到网格40中,得到二值化后的第二正射图像。
可以理解的是,图4A图4B仅用于示意说明图块进行的二值化处理及得到的二值化后的第二正射图像。在实际应用中,所述地图定位图层中存在大量的网格,分别对各网格执行步骤13~15后,可以得到各网格相应的二值化后的第二正射图像,由此形成二值化的地图定位图层。
由上述方案可知,通过将地图定位图层中的第二正射图像划分及二值化,可以获得第二正射图像中的道路要素,并减小地图定位图层的数据量,从而提高地图定位图层的精确度,减少数据占用的内存空间,再通过网格中二值化的图块,可以快速获取地图定位图层的局部数据,降低数据传输压力,提升地图定位图层的数据加载速度,从而提高地图数据的生成效率。
在具体实施中,为了提高划分效率,可以根据矢量车道线将所述网格中的第二正射图像划分,如图5所示,所述划分方法具体可以包括以下步骤:
S51,获取所述地图定位图层相应的矢量车道线数据。
在实际应用中,可以通过获取点云数据、识别原始图像特征、机器学习建模等方式得到矢量车道线数据。其中,矢量车道线数据为线数据,可以用点数据形成的坐标链来描述。
例如,通过激光雷达采集点云数据后,可以在所述点云数据上采用颜色等手段标注出车道线,然后输入机器学习模型中进行监督学习训练,完成训练的机器学习模型可以用于识别车道线。由此,将图像采集设备采集到的图像输入到完成训练的机器学习模型后,可以识别图像上的车道线,得到相应的矢量车道线数据。
S52,根据所述矢量车道线数据,在所述地图定位图层上叠加相应的矢量车道线,并获取与所述矢量车道线相交的网格中的第二正射图像。
在具体实施中,如图6所示,在地图定位图层60上叠加相应的矢量车道线6a后,确定所述矢量车道线6a与网格61~63相交,从而可以获取所述网格61~63中的第二正射图像。
S53,将所述第二正射图像划分,得到相应的图块和所述图块在所述网格中的相对坐标。
由此,可以减少需要划分的网格数量,提高划分效率,便于后续进行二值化处理。
在具体实施中,为了可以减少需要二值化处理的图块数量,可以根据包含矢量车道线的区域将所述网格中的第二正射图像划分,如图7所示,可以包括以下步骤:
S71,获取所述地图定位图层相应的矢量车道线数据。
S72,根据所述矢量车道线数据,在所述地图定位图层上叠加相应的矢量车道线,并获取与所述矢量车道线相交的网格中的第二正射图像。
S73,在所述第二正射图像中获取一包含所述矢量车道线的第一区域。
在具体实施中,所述第一区域可以为以矢量车道线为中心线的任意形状的闭环区域;也可以是以矢量车道线为轴对称线的任意形状的闭环区域;还可以是将矢量车道线分别往左右两侧平移预设距离后与网格边界形成的闭环区域。
其中,矢量车道线分别往左右平移的预设距离可以一致,也可以不一致。例如,将矢量车道线分别往左平移10厘米、往右平移20厘米后与网格边界形成的闭环区域,可以为第一区域。
S74,将所述第二正射图像在所述第一区域内的部分按照预设尺寸的划分单元划分,得到所述第一区域内的图块和所述第一区域外的图块。
在具体实施中,如图8A所示,为另一种图块进行二值化处理的示意图。在网格80中获取一包含矢量车道线8a的第一区域8b,将网格80的第二正射图像在所述第一区域8b内的部分按照矩形划分单元划分,得到多个所述第一区域内的图块。
然后,通过确定所述第一区域8b内的图块是否符合预设的分类条件,可以将第一区域8b内符合所述分类条件的图块填充第一像素值,并将第一区域8b内不符合所述分类条件的图块填充第二像素值。以第一区域内8b的图块81a为例,第一区域8b内的图块81a的亮度值大于相邻的图块的亮度平均值,符合预设的分类条件,可以将第一区域8b内的图块81a填充第一像素值1(即白色),得到二值化的第一区域8b内的图块81b。再以第一区域8b内的图块82a为例,第一区域8b内的图块82a的亮度值不大于相邻的图块的亮度平均值,不符合预设的分类条件,可以将第一区域8b内的图块82a填充第二像素值0(即黑色),得到二值化的第一区域8b内的图块82b。以此类推,可以将网格80中所有的第一区域8b内的图块进行二值化处理,得到相应的二值化的第一区域8b内的图块。
并且,根据叠加的矢量车道线,可以对第二正射图像中的车道线位置有了粗略的定位,由此得出第一区域8b内的第一区域内的图块为可能包含部分车道线的图块,而第一区域8b外的图块83a和84a为不包含部分车道线的图块,从而可以不对所述第一区域8b外的图块83a和84a是否符合预设的分类条件进行确定,直接将所述第一区域8b外的图块84a和84a填充第二像素值。
然后,结合图8A和图8B,根据所述二值化的第一区域8b内的图块和第一区域8b外的图块在所述网格中的相对坐标,将所述二值化的图块填充到相应的网格80中,得到二值化后的第二正射图像。
由上可知,通过包含所述矢量车道线的第一区域,可以确定后需要进行分类的图块和可以直接进行第二像素值填充的图块,确保二值化处理结果的可靠性,并减少二值化处理的运算量,提高处理效率,快速获取路面上的车道线的宽度、车道线的虚线部分等道路要素。
在具体实施中,为了优化地图定位图层的数据,可以删除无用网格,从而可以减少地图定位图层中无用的网格,节约存储空间。例如,可以确定所述网格中二值化的图块的像素值是否均为所述第二像素值,如果是,则所述网格中只存在一种像素值,不包含道路要素,无法起到定位作用,故作为无用网格,可以进行删除。
如图9所示,为一种删除无用网格后的地图定位图层的示意图。其中,地图定位图层按照预设的南北方向和东西方向进行矩形划分单元划分,东南西北方向如图9所示,且各网格中第二正射图像进行二值化处理。
本说明书实施例还提供了一种车辆定位方案,为使本领域技术人员更加清楚地了解及实施本说明书实施例的构思、实现方案及优点,以下参照附图,通过具体应用场景进行详细说明。
参照图10所示,为本说明书实施例中一种车辆定位方法的流程图,可以包括如下步骤:
S101,获取所述车辆的轨迹点数据。
在具体实施中,车辆上可以装备数据处理设备、数据存储设备和多种感应设备,通过数据处理设备进行数据处理后,可以为车辆提供相关的驾驶信息,且多种感应设备可以包括:雷达设备、图像采集设备、定位设备、车载传感器、等。
其中,雷达设备可以包括:激光雷达设备、毫米波雷达设备、超声雷达设备等;图像采集设备可以包括单目镜头摄像机、多目镜头摄像机、单目镜头照相机、多目镜头照相机等;定位设备可以包括:具有GPS功能的设备、具有RTK功能的设备、IMU等。车载传感器可以包括:轮测距传感器、角度传感器、速度传感器等。
在车辆行驶过程中,通过车辆上装备的一个或多个图像采集设备可以采集道路面的路面图像,且图像采集设备可以安装于车辆上任意可以采集到的道路面的位置。例如,图像采集设备可以位于车头位置,采集车辆前方的道路的路面图像。并且,数据处理设备可以根据定位设备获取的卫星定位信息,采用预设的轨迹跟踪算法得到所述车辆的轨迹点数据;数据处理设备还可以通过预设的姿态估计算法得到所述图像采集设备采集当前路面图像时的姿态数据。
可以理解的是,可以根据实际情景选择不同的感应设备,并且,也可以根据实际装备的感应设备在车辆的数据处理设备中预设有相应的处理算法,本说明书实施例对此不做限制。
S102,根据所述轨迹点数据获取相应的轨迹点的路面图像,并对所述路面图像进行透视变换处理,得到相应的路面正射图像。
其中,所述轨迹点数据可以包括时间信息和空间位置信息,从而形成车辆的行驶轨迹路线,所述空间位置信息可以为地球坐标系的坐标;所述路面图像的属性信息中可以包括时间戳信息和图像位置信息,所述图像位置信息可以为图像采集设备坐标系的坐标。
所述路面图像的属性信息中可以包括时间戳信息,所述时间戳信息可以是图像采集设备在采集时通过硬件电路或软件编码设置的,也可以是数据处理设备在接收到路面图像后通过硬件电路或软件编码设置的;所述路面图像的属性信息中还可以包括图像位置信息,所述图像位置信息可以是图像采集设备根据自身的定位模块设置的,也可以是图像采集设备根据定位设备获取的卫星定位信息设置的,还可以是数据处理设备在接收到路面图像后根据卫星定位信息设置的。
在具体实施时,根据已有的轨迹点数据,按照预设的轨迹点选取规则确定选中的轨迹点,并根据轨迹点数据获取所述选中的轨迹点相应的路面图像。具体地,可以采用以下获取方法:
匹配所述选中的轨迹点的时间信息和路面图像的时间戳信息,获取与轨迹点匹配成功的路面图像。
可以理解的是,所述选中的轨迹点的时间信息和路面图像的时间戳信息之间可以存在误差,若误差在误差允许范围内,则可以认为所述选中的轨迹点的时间信息和路面图像的时间戳信息匹配成功。所述误差允许范围可以根据实际情况进行设定,本说明书实施例对此不作限制。
还可以理解的是,预设的轨迹点选取规则可以根据实际情况进行设定,例如,可以从车辆的起始轨迹点开始,根据预设长度值截取相应长度的轨迹线段,并将位于轨迹线段中心的轨迹点作为选中的轨迹点。本说明书实施例对轨迹点选取规则不作限制。
在本说明书实施例中,在获取路面图像后,可以根据轨迹点的空间位置信息和轨迹点对应的车辆姿态数据、以及图像采集设备的参数和采集所述路面图像时的姿态数据,可以建立图像采集设备坐标系与地球坐标系的对应关系,从而将路面图像通过透视变换算法转换为正射图像,得到路面正射图像,且所述路面正射图像的坐标为处于地球坐标系的坐标。
其中,所述车辆姿态数据可以通过定位设备获得,所述图像采集设备的姿态数据可以通过姿态估计算法得到。所述图像采集设备的参数可以包括:外参数和内参数,获取图像采集设备的参数的具体方法可以参照上述地图生成方法的相关实施例。
S103,将所述路面正射图像划分,得到相应的路面子图像和所述路面子图像在所述路面正射图像中的相对坐标。
其中,基于预设的划分方法,可以将所述路面正射图像划分为所述路面子图像。例如,所述路面正射图像可以按照预设尺寸进行划分;又例如,所述路面正射图像可以按照预设方向进行划分。路面正射图像的具体划分方法可以参照上述地图生成方法的相关实施例。本说明书实施例对于路面正射图像的划分方法不做限定。
并且,为了使后续路面子图像的二值化处理结果更加准确,可以将路面正射图像划分成更多数量的路面子图像,从而得到面积较小的路面子图像,在进行二值化处理时减少杂质像素点的干扰。例如,所述路面正射图像为50厘米×50米的正方形,将所述路面正射图像按照1厘米×1厘米尺寸的正方形划分单元划分,由此可以得到50个1厘米×1厘米的正方形路面子图像,路面正射图像的二值化精度可以达到1厘米。
在具体实施中,可以采用以下至少一种方式为所述路面子图像设置在所述路面正射图像中的相对坐标:
1)根据所述路面正射图像的某一指定点为原点,建立坐标系,由此,可以将相应的路面子图像的某一指定点在坐标系中的坐标作为所述路面子图像的相对坐标。其中,指定点可以为角点、中心点等便于计算的点。
2)根据划分方法,可以得到路面子图像位于相应的路面正射图像中的行数和列数,由此,可以将路面子图像相应的行数、列数及路面子图像的尺寸作为所述路面子图像的相对坐标。
S104,对所述路面正射图像中的路面子图像进行二值化处理,得到二值化的路面子图像。
在具体实施中,可以预设一分类条件,通过确定所述路面子图像是否符合预设的分类条件,从而将路面子图像进行二分类,并根据二分类结果,对相应的路面子图像填充相应的像素值。例如,可以将符合所述分类条件的路面子图像填充第一像素值,可以将不符合所述分类条件的路面子图像填充第二像素值。
其中,第一像素值和第二像素值不相同,且可以根据图块中用于存储图像的数据类型,选择不同大小的数值作为第一像素值或第二像素值。第一像素值和第二像素值的取值方法可以参照上述地图生成方法的相关实施例。本说明书实施例对此不做限制。
由此,实现了路面子图像的二值化,可以快速识别路面上的车道线、横道线及路标等道路要素,便于后续车辆定位。
具体而言,预设的分类条件可以包括以下任意一种:
1)确定所述路面子图像的亮度值是否大于预设的亮度阈值。
在所述路面子图像的亮度值大于预设的亮度阈值时,所述路面子图像符合所述分类条件,否则所述路面子图像不符合所述分类条件。
2)确定所述路面子图像的亮度值是否大于相邻的路面子图像的亮度平均值。
在所述路面子图像的亮度值大于相邻的路面子图像的亮度平均值时,所述路面子图像符合所述分类条件,否则所述路面子图像不符合所述分类条件。
由此,采用根据预设的亮度阈值或相邻的路面子图像的亮度平均值对路面子图像进行二值化处理,可以避免机器学习建模或者点云数据标注等复杂的数据处理过程,加快二值化处理速度。
S105,根据所述二值化的路面子图像在所述路面正射图像中的相对坐标,将所述二值化的路面子图像组合成二值化路面正射图像。
在具体实施中,如图11A所示,为一种路面子图像进行二值化处理的示意图。将图11A中路面正射图像110按照矩形划分单元划分,得到多个路面子图像。以路面子图像111a为例,路面子图像111a大于预设的亮度阈值,符合预设的分类条件,可以将路面子图像111a填充第一像素值255(即白色),得到二值化的路面子图像111b。再以路面子图像112a为例,路面子图像112a不大于预设的亮度阈值,不符合预设的分类条件,可以将路面子图像112a填充第二像素值0(即黑色),得到二值化的路面子图像112b。以此类推,可以将路面正射图像110中所有的路面子图像进行二值化处理,得到相应的二值化的路面子图像。然后,如图11B所示,根据所述二值化的路面子图像在所述路面正射图像110中的相对坐标,将所述二值化的路面子图像组合成二值化路面正射图像110'。
可以理解的是,图11A图11B仅用于示意说明路面子图像进行的二值化处理及得到的二值化路面正射图像。在实际应用中,路面正射图像根据图像采集设备的位置、车辆行驶位置等实际情况决定,本说明书实施例对此不作限制。
由此,通过将路面正射图像划分及二值化,可以获得路面正射图像中道路要素的图形,并减小路面正射图像的数据大小,减少数据占用的内存空间。
S106,基于所述轨迹点数据中的位置信息,获取一包含相应的轨迹点的第二区域。
S107,获取地图定位图层中与所述第二区域相交的网格,其中,所述地图定位图层包括:网格和相应的网格坐标;所述网格包括二值化的图块和所述图块在所述网格中的相对坐标。
在具体实施中,如图12所示,以轨迹点12a为中心,获取第二区域121,并将所述第二区域121投影至地图定位图层120中,获取地图定位图层中与所述第二区域相交的网格120a~120d(如图12中网点区域所示)和网格120a~120d的网格坐标。
其中,所述地图定位图层可以采用上述地图生成方法获得,具体可参考上述地图生成方法的相关实施例。根据所述图块的相对坐标及相应的网格的网格坐标,经过计算可以得到所述图块在网格中的网格坐标。
S108,匹配所述二值化的路面正射图像和所述网格中的二值化的图块,得到所述二值化的图块相应的匹配度。
S109,获取匹配度最高的二值化的图块在所述网格中的网格坐标,作为所述车辆的位置信息。
由上述方案可知,在车辆定位处理过程中,通过将路面正射图像划分和二值化,可以减小路面正射图像的数据量,从而可以提高数据处理效率,更加快速地获得第二正射图像中道路要素,再根据地图定位图层中同样二值化的图块进行匹配处理,从而可以实现车辆行驶过程中的快速定位。
在具体实施中,在将所述路面正射图像划分时,可以获取所述路面正射图像相应的矢量车道线数据,并根据所述矢量车道线数据,在所述路面正射图像上叠加相应的矢量车道线,并获取路面正射图像中与所述矢量车道线相交的路面子图像,进行二值化处理,并将未与所述矢量车道线相交的路面子图像设置为预设的像素值。
在本说明书实施例中,如图14A所示,基于矩形划分单元的划分方法,将所述路面正射图像划分为路面子图像,并在路面正射图像140上叠加相应的矢量车道线14a和14b。
通过确定与所述矢量车道线14a和14b相交的路面子图像是否符合所述分类条件,可以将符合所述分类条件的路面子图像填充第一像素值,并将不符合所述分类条件的路面子图像填充第二像素值。以与所述矢量车道线14b相交的路面子图像141a为例,路面子图像141a的亮度值大于预设的亮度阈值,符合预设的分类条件,可以将路面子图像141a填充第一像素值1(即白色),得到二值化的路面子图像141b。再以与所述矢量车道线14b相交的路面子图像142a为例,路面子图像142a的亮度值不大于预设的亮度阈值,不符合预设的分类条件,可以将路面子图像142a填充第二像素值255(即黑色),得到二值化的路面子图像142b。
并且,根据叠加的矢量车道线,可以对路面正射图像中的车道线位置有了粗略的定位,为了加快二值化处理速度,可以将均未与所述矢量车道线14a和14b相交的路面子图像填充第二像素值。继续参考图14A,以均未与所述矢量车道线14a和14b相交的路面子图像143a为例,可以将所述路面子图像143a填充第二像素值255(即黑色),得到二值化的路面子图像143b。
之后,如图14B所示,将二值化的路面子图像组合成二值化路面正射图像140'。
由上可知,通过叠加所述矢量车道线,可以确定后需要进行分类的路面子图像和可以直接进行第二像素值填充的图块,确保二值化处理结果的可靠性,并减少二值化处理的运算量,提高处理效率。
在具体实施中,由于矢量车道线为点数据排序形成的线数据,若路面正射图像被过度细分,与矢量车道线相交的路面子图像的面积较小,会导致路面子图像组合成的二值化路面正射图像中的道路要素缺失,为了提高二值化处理结果的可靠性,如图13所示,所述划分方法具体可以包括以下步骤:
S131,获取所述路面正射图像相应的矢量车道线数据。
在实际应用中,车辆上可以装备有车道线识别设备,或者数据处理设备上可以预设有车道线识别软件,由此在车辆行驶过程中实时生成矢量车道线数据。
S132,根据所述矢量车道线数据,在所述路面正射图像上叠加相应的矢量车道线。
S133,在所述路面正射图像中获取一包含所述矢量车道线的第三区域。
S134,将所述路面正射图像在所述第三区域内的部分按照预设尺寸的划分单元划分,得到所述第三区域内的路面子图像和所述第三区域外的路面子图像。
在具体实施中,所述第三区域可以为以矢量车道线为中心线的任意形状的闭环区域;也可以是以矢量车道线为轴对称线的任意形状的闭环区域;还可以是将矢量车道线分别往左右两侧平移预设距离后与路面正射图像边界形成的闭环区域。
其中,矢量车道线分别往左右平移的预设距离可以一致,也可以不一致。例如,矢量车道线往左平移10厘米、往右平移20厘米后与网格边界形成的闭环区域,可以为第三区域。
在具体实施中,如图15所示,为另一种路面子图像进行二值化处理的示意图。在路面正射图像150中获取一包含矢量车道线15a的第三区域15a',以及包含矢量车道线15b的第三区域15b'。将路面正射图像150在所述第三区域15a'内的部分按照矩形划分单元划分,并将路面正射图像150在所述第三区域15b'内的部分按照矩形划分单元划分,由此得到多个第三区域内的路面子图像。而所述路面正射图像150在所述第三区域15a'和15b'外的部分作为所述第三区域外的路面子图像。
然后,可以参考上述相关实施例,通过确定所述第三区域内的路面子图像是否符合所述分类条件,可以将第三区域内符合所述分类条件的路面子图像填充第一像素值,并将第三区域内不符合所述分类条件的路面子图像填充第二像素值。且将所述第三区域外的路面子图像填充第二像素值。在此不再赘述。
由上可知,通过包含所述矢量车道线的第一区域,可以确定后需要进行分类的路面子图像和可以直接进行第二像素值填充的图块,确保二值化处理结果的可靠性,并减少二值化处理的运算量,提高处理效率,快速获取路面上的车道线的宽度、车道线的虚线部分等道路要素。
在实际应用中,根据匹配度最高的二值化的图块相应的网格坐标,可以获得车辆在地球坐标系中x方向值、y方向值、z方向值,俯仰角(pitch)、航向角(yaw),横滚角(roll)等参数。
本说明是还提供了一种实现上述地图生成方法的地图生成系统,为使本领域技术人员更好地理解和实现本说明书实施例,以下结合附图和具体实施例进行详细介绍。
参照图16所示的本说明书实施例中一种地图生成系统的结构示意图,在本说明书实施例中,地图生成系统160可以包括:
图层创建单元161,适于创建地图定位图层;
网格生成单元162,适于对所述地图定位图层进行将所述地图定位图层划分为网格,确定所述地图定位图层的网格坐标;
第一数据处理单元163,适于获取基于道路面的第一正射图像的坐标和匹配至网格的网格坐标,将所述第一正射图像投影至所述地图定位图层,得到第二正射图像;
图块生成单元164,适于将第二正射图像划分,得到相应的图块和所述图块在所述网格中的相对坐标;
二值化处理单元165,适于对所述网格中的图块进行二值化处理,得到二值化的图块;
第二数据处理单元166,适于根据所述二值化的图块在所述网格中的相对坐标,将所述二值化的图块填充到相应的网格中。
由上述方案可知,通过将地图定位图层中的第二正射图像划分及二值化,可以获得第二正射图像中的道路要素,并减小地图定位图层的数据量,从而提高地图定位图层的精确度,减少数据占用的内存空间,再通过网格中二值化的图块,可以快速获取地图定位图层的局部数据,降低数据传输压力,提升地图定位图层的数据加载速度,从而提高地图数据的生成效率。
在具体实施中,如图16所示,所述二值化处理单元165可以包括:
分类条件判断子单元1651,适于确定所述图块是否符合预设的分类条件;
像素值填充子单元1652,适于将符合所述分类条件的图块填充第一像素值,以及将不符合所述分类条件的图块填充第二像素值。
其中,第一像素值和第二像素值不相同,且可以根据图块中用于存储图像的数据类型,选择不同大小的数值作为第一像素值或第二像素值。具体可参考地图生成方法的相关实施例,在此不再赘述。
由此,实现了地图定位图层中图块的二值化,可以快速识别路面上的车道线、横道线及路标等道路要素,从而提高地图定位图层在车辆行驶方向上的定位精度。
在具体实施中,所述分类条件包括以下任意一种:
1)所述图块的亮度值是否大于预设的亮度阈值。
在所述图块的亮度值大于预设的亮度阈值时,所述图块符合所述分类条件,否则所述图块不符合所述分类条件。
2)所述图块的亮度值大于相邻的图块的亮度平均值。
在所述图块的亮度值大于相邻的图块的亮度平均值时,所述图块符合所述分类条件,否则所述图块不符合所述分类条件。
由此,采用根据预设的亮度阈值或相邻的图块的亮度平均值对图块进行二值化处理,可以避免机器学习建模或者点云数据标注等复杂的数据处理过程,加快二值化处理速度。
在具体实施中,如图16所示,所述图块生成单元164可以包括:
划分子单元1641,适于根据预设的划分方法,将所述第二正射图像划分为所述图块;
坐标设置子单元1642,适于为所述图块设置在所述网格中的相对坐标。
其中,所述网格可以按照预设尺寸进行划分得到图块;或者,所述网格可以按照预设方向进行划分,形成的独立连通域可以作为相应的图块。具体可参考地图生成方法的相关实施例,在此不再赘述。
在具体实施中,如图16所示,所述划分子单元1641可以包括:
矢量车道线数据获取模块16411,适于获取所述地图定位图层相应的矢量车道线数据;
矢量车道线数据叠加模块16412,适于根据所述矢量车道线数据,在所述地图定位图层上叠加相应的矢量车道线;
图像获取模块16413,适于获取与所述矢量车道线相交的网格中的第二正射图像;
区域获取模块16414,适于在所述第二正射图像中获取一包含所述矢量车道线的第一区域;
图块划分模块16415,适于将所述第二正射图像在所述第一区域内的部分按照预设尺寸的划分单元划分,得到所述第一区域内的图块和所述第一区域外的图块。
在实际应用中,可以通过获取点云数据、识别原始图像特征、机器学习建模等方式得到矢量车道线数据。其中,矢量车道线数据为线数据,可以用点数据形成的坐标链来描述。
在具体实施中,所述第一区域可以为以矢量车道线为中心线的任意形状的闭环区域;也可以是以矢量车道线为轴对称线的任意形状的闭环区域;还可以是将矢量车道线分别往左右两侧平移预设距离后与网格边界形成的闭环区域。具体可参考地图生成方法的相关实施例,在此不再赘述。
在获得第一区域内的图块和第一区域外的图块之后,所述分类条件判断子单元1651还适于确定所述第一区域内的图块是否符合预设的分类条件;所述像素值填充子单元1652还适于将所述第一区域内符合所述分类条件的图块填充第一像素值,并将所述第一区域内不符合所述分类条件的图块填充第二像素值,以及将所述第一区域外的图块填充第二像素值。
由上可知,通过叠加的矢量车道线作为参考,可以减少需要划分的网格数量,提高划分效率,且通过包含所述矢量车道线的第一区域,可以确定后需要进行分类的图块和可以直接进行第二像素值填充的图块,确保二值化处理结果的可靠性,并减少二值化处理的运算量,提高处理效率,快速获取路面上的车道线的宽度、车道线的虚线部分等道路要素。
在具体实施中,如图16所示,地图生成系统160还可以包括:
网格删除单元167,适于确定所述网格中二值化的图块的像素值是否均为所述第二像素值,如果是,则删除所述网格。
由此,可以优化地图定位图层的数据,删除无用网格,从而减少地图定位图层中无用的网格,节约存储空间
本说明是还提供了一种实现上述车辆定位方法的车辆定位系统,为使本领域技术人员更好地理解和实现本说明书实施例,以下结合附图和具体实施例进行详细介绍。
参照图17所示的本说明书实施例中一种车辆定位系统的结构示意图,在本说明书实施例中,车辆定位系统170可以包括:
轨迹点数据获取单元171,适于获取所述车辆的轨迹点数据;
路面正射图像生成单元172,适于根据所述轨迹点数据获取相应的轨迹点的路面图像,并对所述路面图像进行透视变换处理,得到相应的路面正射图像;
路面子图像生成单元173,适于将所述路面正射图像划分,得到相应的路面子图像和所述路面子图像在所述路面正射图像中的相对坐标;
二值化处理单元174,适于对所述路面正射图像中的路面子图像进行二值化处理,得到二值化的路面子图像;
二值化路面正射图像生成单元175,适于根据所述二值化的路面子图像在所述路面正射图像中的相对坐标,将所述二值化的路面子图像组合成二值化路面正射图像;
区域获取单元176,适于根据所述轨迹点数据中的位置信息,获取一包含相应的轨迹点的第二区域;
网格获取单元177,适于获取地图定位图层中与所述第二区域相交的网格,其中,所述地图定位图层包括:网格和相应的网格坐标;所述网格包括二值化的图块和所述图块在所述网格中的相对坐标;
匹配单元178,适于匹配所述二值化的路面正射图像和所述网格中的二值化的图块,得到所述二值化的图块相应的匹配度;
位置信息获取单元179,适于获取匹配度最高的二值化的图块在所述网格中的网格坐标,作为所述车辆的位置信息。
由上述方案可知,在车辆定位处理过程中,通过将路面正射图像划分和二值化,可以减小路面正射图像的数据量,从而可以提高数据处理效率,更加快速地获得第二正射图像中道路要素,再根据地图定位图层中同样二值化的图块进行匹配处理,从而可以实现车辆行驶过程中的快速定位。
在具体实施中,如图17所示,所述二值化处理单元174可以包括:
分类条件判断子单元1741,适于确定所述路面子图像是否符合预设的分类条件;
像素值填充子单元1742,适于将符合所述分类条件的路面子图像填充第一像素值,以及将不符合所述分类条件的路面子图像填充第二像素值。
其中,第一像素值和第二像素值不相同,且可以根据图块中用于存储图像的数据类型,选择不同大小的数值作为第一像素值或第二像素值。具体可参考地图生成方法的相关实施例,在此不再赘述。
由此,实现了路面子图像的二值化,可以快速识别路面上的车道线、横道线及路标等道路要素,便于后续车辆定位。
在具体实施中,所述分类条件可以包括以下任意一种:
1)所述路面子图像的亮度值是否大于预设的亮度阈值。
在所述路面子图像的亮度值大于预设的亮度阈值时,所述路面子图像符合所述分类条件,否则所述路面子图像不符合所述分类条件。
2)所述路面子图像的亮度值大于相邻的路面子图像的亮度平均值。
在所述路面子图像的亮度值大于相邻的路面子图像的亮度平均值时,所述路面子图像符合所述分类条件,否则所述路面子图像不符合所述分类条件。
由此,采用预设的亮度阈值或相邻的路面子图像的亮度平均值对路面子图像进行二值化处理,可以避免机器学习建模或者点云数据标注等复杂的数据处理过程,加快二值化处理速度。
在具体实施中,如图17所示,所述路面子图像生成单元173可以包括:
划分子单元1731,适于根据预设的划分方法,将所述路面正射图像划分为所述路面子图像;
坐标设置子单元1732,适于为所述路面子图像设置在所述路面正射图像中的相对坐标。
其中,所述路面正射图像可以按照预设尺寸的划分单元进行划分得到路面子图像;或者,所述路面正射图像可以按照预设方向进行划分,形成的独立连通域可以作为相应的路面子图像。具体可参考地图生成方法的相关实施例,在此不再赘述。
在具体实施中,如图17所示,所述划分子单元1731可以包括:
矢量车道线数据获取模块17311,适于获取所述路面正射图像相应的矢量车道线数据;
矢量车道线数据叠加模块17312,适于根据所述矢量车道线数据,在所述路面正射图像上叠加相应的矢量车道线;
图像获取模块17313,适于获取与所述矢量车道线相交的网格中的第二正射图像;
区域获取模块17314,适于在所述路面正射图像中获取一包含所述矢量车道线的第三区域;
图块划分模块17315,适于将所述路面正射图像在所述第三区域内的部分按照预设尺寸的划分单元划分,得到所述第三区域内的路面子图像和所述第三区域外的路面子图像。
在具体实施中,所述第三区域可以为以矢量车道线为中心线的任意形状的闭环区域;也可以是以矢量车道线为轴对称线的任意形状的闭环区域;还可以是将矢量车道线分别往左右两侧平移预设距离后与路面正射图像边界形成的闭环区域。
在获得第三区域内的路面子图像和第三区域外的路面子图像之后,所述分类条件判断子单元1741还适于确定所述第三区域内的路面子图像是否符合所述分类条件;所述像素值填充子单元1742还适于将符合所述分类条件的第三区域内的路面子图像填充第一像素值,并将不符合所述分类条件的第三区域内的路面子图像填充第二像素值,以及将所述第三区域外的路面子图像填充第二像素值。
由上可知,通过包含所述矢量车道线的第一区域,可以确定后需要进行分类的路面子图像和可以直接进行第二像素值填充的路面子图像,确保二值化处理结果的可靠性,并减少二值化处理的运算量,提高处理效率,快速获取路面上的车道线的宽度、车道线的虚线部分等道路要素。
可以理解的是,上述实现相同功能的单元、子单元、模块可以在车辆定位系统的实施例与地图生成系统的实施例中相互通用;并且,上述实现相同功能的单元、子单元、模块可以分别设置于在车辆定位系统与地图生成系统中,为使描述方便可以采用“第一”、“第二”等名词前缀作为区分。且本文中的“第一”、“第二”、“第三”等名词前缀仅用于区分不同作用的名词,并不代表顺序、大小或重要性等。
上述地图生成系统或者车辆定位系统可以通过计算机可执行指令(如程序)的行驶装载于数据处理设备,以实现本说明书实施例中的地图生成方法或者车辆定位方法。
在可选的一种实现中,参照图18所示的数据处理设备的结构示意图,其中,数据处理设备180包括:处理器181、存储器182、通信总线183和通信接口184;
在具体实施中,所述处理器181、存储器182、通信总线183和通信接口184的数量可以为一个或多个,且处理器181、存储器182、通信接口184通过通信总线183完成相互间的通信。显然,图示的处理器181、存储器182、通信总线183和通信接口184的通信连接示意仅是可选的。
作为一可选示例,通信接口184可以为用于进行网络通信的通信模块的接口;处理器181可能是中央处理器CPU,或者是特定集成电路ASIC(Application SpecificIntegrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器182可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
其中,存储器182存储一条或多条计算机可执行指令,处理器181调用所述一条或多条计算机可执行指令,以执行本说明书实施例提供的地图生成方法或车辆定位方法。
作为可选实施方案,继续参照图18,所述数据处理设备180还可以包括显示接口185及通过显示接口185接入的第一显示屏186。
在具体实施中,所述处理设备还可以包括扩展接口187,通过所述扩展接口可以外接第二显示屏188。
在本说明书一些实施例中,所述第一显示屏186或者所述第二显示屏188,适于显示通过处理器执行本说明书实施例提供的地图生成方法所得到的二值化的地图。
在本说明书另一些实施例中,所述第一显示屏186或者所述第二显示屏188,适于显示通过处理器执行本说明书实施例提供的车辆定位方法时的地图以及所述车辆的位置信息。在具体实施中,车辆对应的标识图形可以按照所述车辆的位置信息实时显示于所述地图上。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机指令,所述计算机指令运行时可以执行本发明上述任一实施例方法的步骤。其中,所述计算机可读存储介质可以是光盘、机械硬盘、固态硬盘等各种适当的可读存储介质。所述计算机可读存储介质上存储的指令执行上述任一实施例所述的方法,具体可参照上述实施例,不再赘述。
所述计算机可读存储介质可以包括例如任何合适类型的存储器单元、存储器设备、存储器物品、存储器介质、存储设备、存储物品、存储介质和/或存储单元,例如,存储器、可移除的或不可移除的介质、可擦除或不可擦除介质、可写或可重写介质、数字或模拟介质、硬盘、软盘、光盘只读存储器(CD-ROM)、可刻录光盘(CD-R)、可重写光盘(CD-RW)、光盘、磁介质、磁光介质、可移动存储卡或磁盘、各种类型的数字通用光盘(DVD)、磁带、盒式磁带等。
计算机指令可以包括通过使用任何合适的高级、低级、面向对象的、可视化的、编译的和/或解释的编程语言来实现的任何合适类型的代码,例如,源代码、编译代码、解释代码、可执行代码、静态代码、动态代码、加密代码等。
虽然本公开实施例披露如上,但本公开实施例并非限定于此。任何本领域技术人员,在不脱离本公开实施例的精神和范围内,均可作各种更动与修改,因此本公开实施例的保护范围应当以权利要求所限定的范围为准。
Claims (23)
1.一种地图生成方法,其中,包括:
创建地图定位图层,将所述地图定位图层划分为网格,确定所述地图定位图层的网格坐标;
获取基于道路面的第一正射图像的坐标和匹配至网格的网格坐标,将所述第一正射图像投影至所述地图定位图层,得到第二正射图像;
将所述第二正射图像划分,得到相应的图块和所述图块在所述网格中的相对坐标,所述图块的面积小于所述网格的面积;
对所述网格中的图块进行二值化处理,得到二值化的图块;
根据所述二值化的图块在所述网格中的相对坐标,将所述二值化的图块填充到相应的网格中,得到二值化的地图。
2.根据权利要求1所述的地图生成方法,其中,所述对所述网格中的图块进行二值化处理,得到二值化的图块,包括:
确定所述图块是否符合预设的分类条件,并将符合所述分类条件的图块填充第一像素值,以及将不符合所述分类条件的图块填充第二像素值。
3.根据权利要求2所述的地图生成方法,其中,所述将所述第二正射图像划分,得到相应的图块和所述图块在所述网格中的相对坐标,包括:
基于预设的划分方法,将所述第二正射图像划分为所述图块;
为所述图块设置在所述网格中的相对坐标。
4.根据权利要求3所述的地图生成方法,其中,所述基于预设的划分方法,将所述第二正射图像划分为所述图块,包括:
获取所述地图定位图层相应的矢量车道线数据;
根据所述矢量车道线数据,在所述地图定位图层上叠加相应的矢量车道线,并获取与所述矢量车道线相交的网格中的第二正射图像;
在所述第二正射图像中获取一包含所述矢量车道线的第一区域;
将所述第二正射图像在所述第一区域内的部分按照预设尺寸的划分单元划分,得到所述第一区域内的图块和所述第一区域外的图块。
5.根据权利要求4所述的地图生成方法,其中,所述对所述网格中的图块进行二值化处理,得到二值化的图块,包括:
确定所述第一区域内的图块是否符合预设的分类条件;
将所述第一区域内符合所述分类条件的图块填充第一像素值,并将所述第一区域内不符合所述分类条件的图块填充第二像素值;
将所述第一区域外的图块填充第二像素值。
6.根据权利要求2-5任一项所述的地图生成方法,其中,所述确定所述图块是否符合预设的分类条件,包括以下任意一种:
在所述图块的亮度值大于预设的亮度阈值时,所述图块符合分类条件,否则所述图块不符合所述分类条件;
在所述图块的亮度值大于相邻的图块的亮度平均值时,所述图块符合所述分类条件,否则所述图块不符合所述分类条件。
7.根据权利要求2-5任一项所述的地图生成方法,其中,还包括:
确定所述网格中二值化的图块的像素值是否均为所述第二像素值,如果是,则删除所述网格。
8.一种车辆定位方法,其中,包括:
获取所述车辆的轨迹点数据;
根据所述轨迹点数据获取相应的轨迹点的路面图像,并对所述路面图像进行透视变换处理,得到相应的路面正射图像;
将所述路面正射图像划分,得到相应的路面子图像和所述路面子图像在所述路面正射图像中的相对坐标,所述路面子图像的面积小于所述路面正射图像的面积;
对所述路面正射图像中的路面子图像进行二值化处理,得到二值化的路面子图像;
根据所述二值化的路面子图像在所述路面正射图像中的相对坐标,将所述二值化的路面子图像组合成二值化路面正射图像;
基于所述轨迹点数据中的位置信息,获取一包含相应的轨迹点的第二区域;
获取地图定位图层中与所述第二区域相交的网格,其中,所述地图定位图层包括:网格和相应的网格坐标;所述网格包括二值化的图块和所述图块在所述网格中的相对坐标;
匹配所述二值化的路面正射图像和所述网格中的二值化的图块,得到所述二值化的图块相应的匹配度;
获取匹配度最高的二值化的图块在所述网格中的网格坐标,作为所述车辆的位置信息。
9.根据权利要求8所述的车辆定位方法,其中,所述对所述路面正射图像中的路面子图像进行二值化处理,得到二值化的路面子图像,包括:
确定所述路面子图像是否符合预设的分类条件,并将符合所述分类条件的路面子图像填充第一像素值,以及将不符合所述分类条件的路面子图像填充第二像素值。
10.根据权利要求9所述的车辆定位方法,其中,所述将所述路面正射图像划分,得到相应的路面子图像和所述路面子图像在所述路面正射图像中的相对坐标,包括:
基于预设的划分方法,将所述路面正射图像划分为所述路面子图像;
为所述路面子图像设置在所述路面正射图像中的相对坐标。
11.根据权利要求10所述的车辆定位方法,其中,所述基于预设的划分方法,将所述路面正射图像划分为所述路面子图像,包括:
获取所述路面正射图像相应的矢量车道线数据;
根据所述矢量车道线数据,在所述路面正射图像上叠加相应的矢量车道线;
在所述路面正射图像中获取一包含所述矢量车道线的第三区域;
将所述路面正射图像在所述第三区域内的部分按照预设尺寸的划分单元划分,得到所述第三区域内的路面子图像和所述第三区域外的路面子图像。
12.根据权利要求11所述的车辆定位方法,其中,所述对所述路面正射图像中的路面子图像进行二值化处理,得到二值化的路面子图像,包括:
确定所述第三区域内的路面子图像是否符合所述分类条件;
将所述第三区域内符合所述分类条件的路面子图像填充第一像素值,并将所述第三区域内不符合所述分类条件的路面子图像填充第二像素值;
将所述第三区域外的路面子图像填充第二像素值。
13.根据权利要求9-12任一项所述的车辆定位方法,其中,所述确定所述路面子图像是否符合预设的分类条件,包括以下任意一种:
在所述路面子图像的亮度值大于预设的亮度阈值时,所述路面子图像符合所述分类条件,否则所述路面子图像不符合所述分类条件;
在所述路面子图像的亮度值大于相邻的路面子图像的亮度平均值时,所述路面子图像符合所述分类条件,否则所述路面子图像不符合所述分类条件。
14.一种地图生成系统,其中,包括:
图层创建单元,适于创建地图定位图层;
网格生成单元,适于将所述地图定位图层划分为网格,确定所述地图定位图层的网格坐标;
第一数据处理单元,适于获取基于道路面的第一正射图像的坐标和匹配至网格的网格坐标,将所述第一正射图像投影至所述地图定位图层,得到第二正射图像;
图块生成单元,适于将所述第二正射图像划分,得到相应的图块和所述图块在所述网格中的相对坐标,所述图块的面积小于所述网格的面积;
二值化处理单元,适于对所述网格中的图块进行二值化处理,得到二值化的图块;
第二数据处理单元,适于根据所述二值化的图块在所述网格中的相对坐标,将所述二值化的图块填充到相应的网格中。
15.根据权利要求14所述的地图生成系统,其中,所述二值化处理单元包括:
分类条件判断子单元,适于确定所述图块是否符合预设的分类条件;
像素值填充子单元,适于将符合所述分类条件的图块填充第一像素值,以及将不符合所述分类条件的图块填充第二像素值。
16.根据权利要求15所述的地图生成系统,其中,所述图块生成单元包括:
划分子单元,适于根据预设的划分方法,将所述第二正射图像划分为所述图块;
坐标设置子单元,适于为所述图块设置在所述网格中的相对坐标。
17.根据权利要求16所述的地图生成系统,其中,所述划分子单元包括:
矢量车道线数据获取模块,适于获取所述地图定位图层相应的矢量车道线数据;
矢量车道线数据叠加模块,适于根据所述矢量车道线数据,在所述地图定位图层上叠加相应的矢量车道线;
图像获取模块,适于获取与所述矢量车道线相交的网格中的第二正射图像;
区域获取模块,适于在所述第二正射图像中获取一包含所述矢量车道线的第一区域;
图块划分模块,适于将所述第二正射图像在所述第一区域内的部分按照预设尺寸的划分单元划分,得到所述第一区域内的图块和所述第一区域外的图块。
18.根据权利要求17所述的地图生成系统,其中,所述分类条件判断子单元还适于确定所述第一区域内的图块是否符合预设的分类条件;
所述像素值填充子单元还适于将所述第一区域内符合所述分类条件的图块填充第一像素值,并将所述第一区域内不符合所述分类条件的图块填充第二像素值,以及将所述第一区域外的图块填充第二像素值。
19.根据权利要求15-18任一项所述的地图生成系统,其中,所述分类条件包括以下任意一种:
所述图块的亮度值是否大于预设的亮度阈值;
所述图块的亮度值大于相邻的图块的亮度平均值。
20.根据权利要求15-18任一项所述的地图生成系统,其中,还包括:
网格删除单元,适于确定所述网格中二值化的图块的像素值是否均为所述第二像素值,如果是,则删除所述网格。
21.一种车辆定位系统,其中,包括:
轨迹点数据获取单元,适于获取所述车辆的轨迹点数据;
路面正射图像生成单元,适于根据所述轨迹点数据获取相应的轨迹点的路面图像,并对所述路面图像进行透视变换处理,得到相应的路面正射图像;
路面子图像生成单元,适于将所述路面正射图像划分,得到相应的路面子图像和所述路面子图像在所述路面正射图像中的相对坐标,所述路面子图像的面积小于所述路面正射图像的面积;
二值化处理单元,适于对所述路面正射图像中的路面子图像进行二值化处理,得到二值化的路面子图像;
二值化路面正射图像生成单元,适于根据所述二值化的路面子图像在所述路面正射图像中的相对坐标,将所述二值化的路面子图像组合成二值化路面正射图像;
区域获取单元,适于根据所述轨迹点数据中的位置信息,获取一包含相应的轨迹点的第二区域;
网格获取单元,适于获取地图定位图层中与所述第二区域相交的网格,其中,所述地图定位图层包括:网格和相应的网格坐标;所述网格包括二值化的图块和所述图块在所述网格中的相对坐标;
匹配单元,适于匹配所述二值化的路面正射图像和所述网格中的二值化的图块,得到所述二值化的图块相应的匹配度;
位置信息获取单元,适于获取匹配度最高的二值化的图块在所述网格中的网格坐标,作为所述车辆的位置信息。
22.一种数据处理设备,包括存储器和处理器;其中,所述存储器适于存储一条或多条计算机指令,所述处理器运行所述计算机指令时执行权利要求1至7任一项,或权利要求8至13任一项所述方法的步骤。
23.一种计算机可读存储介质,其上存储有计算机指令,其中,所述计算机指令运行时执行权利要求1至7任一项,或权利要求8至13任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010206030.3A CN113435227B (zh) | 2020-03-23 | 2020-03-23 | 地图生成及车辆定位方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010206030.3A CN113435227B (zh) | 2020-03-23 | 2020-03-23 | 地图生成及车辆定位方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113435227A CN113435227A (zh) | 2021-09-24 |
CN113435227B true CN113435227B (zh) | 2023-04-07 |
Family
ID=77753233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010206030.3A Active CN113435227B (zh) | 2020-03-23 | 2020-03-23 | 地图生成及车辆定位方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435227B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114526723A (zh) * | 2022-02-14 | 2022-05-24 | 广州小鹏自动驾驶科技有限公司 | 道路地图构建方法、装置、电子设备及存储介质 |
CN114238384B (zh) * | 2022-02-24 | 2022-08-30 | 阿里云计算有限公司 | 区域定位方法、装置、设备和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110062871A (zh) * | 2016-12-09 | 2019-07-26 | 通腾全球信息公司 | 用于基于视频的定位及映射的方法及系统 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7990397B2 (en) * | 2006-10-13 | 2011-08-02 | Leica Geosystems Ag | Image-mapped point cloud with ability to accurately represent point coordinates |
CN101464158B (zh) * | 2009-01-15 | 2011-04-20 | 上海交通大学 | 基于gps定位的道路网络栅格数字地图自动生成方法 |
FR2953940B1 (fr) * | 2009-12-16 | 2012-02-03 | Thales Sa | Procede de geo-referencement d'une zone imagee |
CN102800052B (zh) * | 2012-06-13 | 2014-12-24 | 浙江大学 | 非标准地图的半自动数字化方法 |
JP6084552B2 (ja) * | 2013-11-06 | 2017-02-22 | 株式会社パスコ | 路面オルソ画像の生成装置および生成方法 |
US10309777B2 (en) * | 2016-12-30 | 2019-06-04 | DeepMap Inc. | Visual odometry and pairwise alignment for high definition map creation |
CN108460815B (zh) * | 2017-02-22 | 2022-06-17 | 腾讯科技(深圳)有限公司 | 地图道路要素编辑方法和装置 |
CN110243360B (zh) * | 2018-03-08 | 2022-02-22 | 深圳市优必选科技有限公司 | 机器人在运动区域的地图构建及定位方法 |
CN108801257B (zh) * | 2018-04-04 | 2021-05-11 | 东南大学 | 一种用于室内自动泊车的定位方法 |
CN110163930B (zh) * | 2019-05-27 | 2023-06-27 | 北京百度网讯科技有限公司 | 车道线生成方法、装置、设备、系统及可读存储介质 |
CN110609290B (zh) * | 2019-09-19 | 2021-07-23 | 北京智行者科技有限公司 | 激光雷达匹配定位方法及装置 |
-
2020
- 2020-03-23 CN CN202010206030.3A patent/CN113435227B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110062871A (zh) * | 2016-12-09 | 2019-07-26 | 通腾全球信息公司 | 用于基于视频的定位及映射的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113435227A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11403774B2 (en) | Image annotation | |
CN113554698B (zh) | 车辆位姿信息生成方法、装置及电子设备、存储介质 | |
CN108801276B (zh) | 高精度地图生成方法及装置 | |
CN108460815B (zh) | 地图道路要素编辑方法和装置 | |
KR100520708B1 (ko) | 3차원 지도의 표시방법 | |
CN108362295A (zh) | 车辆路径引导设备和方法 | |
AU2008322565B9 (en) | Method and apparatus of taking aerial surveys | |
EP2530433B1 (en) | Method of generating a database for a navigation device | |
JP4559555B2 (ja) | 立体地図表示方法およびナビゲーション装置 | |
CN109086277A (zh) | 一种重叠区构建地图方法、系统、移动终端及存储介质 | |
US20130162665A1 (en) | Image view in mapping | |
CN102037325A (zh) | 用于以3d显示导航数据的计算机布置及方法 | |
CN113435227B (zh) | 地图生成及车辆定位方法、系统、设备及存储介质 | |
CN102692228A (zh) | 数字地图中的地标图标 | |
US6678610B2 (en) | Method for obtaining a map representation, and a navigation device | |
JP4947376B2 (ja) | 3次元データ処理装置、3次元画像生成装置、ナビゲーション装置及び3次元データ処理プログラム | |
CN114067288A (zh) | 一种交通标志牌提取方法、系统、电子设备及存储介质 | |
CN103123263A (zh) | 导航电子地图的显示方法及装置 | |
CN103076018B (zh) | 图像显示控制系统、图像显示控制方法 | |
JP2019100924A (ja) | 車両軌跡補正装置 | |
CN111650626A (zh) | 道路信息获取方法、装置及存储介质 | |
CN110223223A (zh) | 街道扫描方法、装置及扫描仪 | |
CN208638479U (zh) | 全景图像采集装置及移动机器人 | |
CN111457936A (zh) | 辅助驾驶方法、辅助驾驶系统、计算设备及存储介质 | |
JP3836278B2 (ja) | ナビゲーション装置 |
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 |