CN113532417A - 一种针对停车场的高精地图采集方法 - Google Patents
一种针对停车场的高精地图采集方法 Download PDFInfo
- Publication number
- CN113532417A CN113532417A CN202110653122.0A CN202110653122A CN113532417A CN 113532417 A CN113532417 A CN 113532417A CN 202110653122 A CN202110653122 A CN 202110653122A CN 113532417 A CN113532417 A CN 113532417A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- map
- road
- parking lot
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 230000002093 peripheral effect Effects 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 238000005259 measurement Methods 0.000 claims description 5
- 239000000523 sample Substances 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3811—Point data, e.g. Point of Interest [POI]
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及高精地图采集技术领域,具体为一种针对停车场的高精地图采集方法,获取车辆的底盘信息和位置地图;根据车辆的底盘信息生成车辆的行驶轨迹,并构建路网;采集车辆所在位置的全景图像,并通过目标检测算法和语义分割算法进行检测;采集车辆所在位置的超声信号判断周边障碍物距离,对道路边缘进行修正;整合位置地图与检测结果,将检测结果进行矢量化处理,并区分层次信息,生成初始地图;根据各层的语义信息对初始地图进行修正处理,获得最终地图。本发明实现低成本的高精地图采集,且该方法支持单车采集和众包采集,使用方便。
Description
技术领域
本发明涉及高精地图采集技术领域,具体为一种针对停车场的高精地图采集方法。
背景技术
高精地图是实现高阶自动驾驶的一个基本条件,可以提供自动驾驶所需要的信息用于定位、路径规划和超距感知。高精地图相比于传统的导航地图,需要提供更高精度的地图内元素的位置关系,以及更丰富的地图元素信息,因此其采集和制作耗费的人力和物力都较大。其中一个关键的成本来自于高精地图采集车。
自主泊车系统是一种用于解决车辆从停车场入口到停车位之间的车辆自动驾驶的问题,是一种level4的限定场景完全无人驾驶系统。该系统通过车载运算单元以及车载的传感器实现对于环境的感知、路径避障、车位搜寻以及车位泊入等全自动功能。同时,为了实现停车场范围内的自主巡航,自主泊车系统需要一套停车场的高精地图,以及相应的实时定位系统。传统的高精地图需要通过昂贵的地图采集车进行采集,并且从数据采集到后处理制作需要地图供应商花费几天时间进行。近几年也有一些创业公司提出以众包或者低成本的采集车方案替代传统地图采集方案。虽然其成本相对于传统地图厂商已经极大的降低,但仍然需要花费大量的人力物力进行地图的采集和制作。为了实现自主泊车系统的全国各种停车场快速低成本推广,如何低成本能快速建立停车场区域的高精地图是其一个关键瓶颈。鉴于此,我们提出一种针对停车场的高精地图采集方法。
发明内容
本发明的目的在于提供一种针对停车场的高精地图采集方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种针对停车场的高精地图采集方法,包括以下步骤:
步骤1:获取车辆的底盘信息和位置地图;
步骤2:根据车辆的底盘信息生成车辆的行驶轨迹,并构建路网,路网包括道路形状和道路的通行方向;
步骤3:采集车辆所在位置的全景图像,并通过目标检测算法和语义分割算法进行检测,检测结果包括:道路边缘、障碍物、道路标记,车道属性以及兴趣点,以及带有语义和标识属性的矢量化坐标,并将矢量化坐标映射到地图位置的坐标系中;
步骤4:采集车辆所在位置的超声信号判断周边障碍物距离,对道路边缘进行修正;
步骤5:整合位置地图与检测结果,将检测结果进行矢量化处理,并区分层次信息,生成初始地图;
步骤6:根据各层的语义信息对初始地图进行修正处理,获得最终地图。
优选的,步骤1中,所述车辆的底盘信息通过轮速编码器获取;
所述车辆的位置地图通过全球导航卫星系统获取。
优选的,步骤2中,利用惯性测量系统获取底盘信息生成车辆的行驶轨迹。
优选的,步骤3中,车辆所在位置的全景图像通过安装在车身周围的4组语义环视摄像头获取。
优选的,步骤3中,所述道路边缘包括但不限于:车道线、路沿、墙壁;
所述障碍物包括但不限于:立柱、行人、车辆、栏杆;
所述道路标记包括但不限于:停车位及库位号码、地面箭头与通行标识线;
所述车道属性通过对地面的箭头进行分类,在对应的车道中添加可用的转向信息;
所述兴趣点包括但不限于:电梯标识、楼梯标识,出入口标识。
优选的,步骤4中,采集车辆所在位置的超声信号通过安装在车身周围的12组超声探头获取。
与现有技术相比,本发明的有益效果是:该针对停车场的高精地图采集方法,通过车身自带的轮速编码器、语义环视摄像头、超声探头、惯性测量系统和全球导航卫星系统相互配合实现低成本的高精地图采集,且该方法支持单车采集和众包采集,使用方便。
附图说明
图1为本发明的针对停车场的高精地图采集方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
一种针对停车场的高精地图采集方法,如图1所示,包括以下步骤:
步骤1:获取车辆的底盘信息和位置地图;
步骤2:根据车辆的底盘信息生成车辆的行驶轨迹,并构建路网,路网包括道路形状和道路的通行方向;
步骤3:采集车辆所在位置的全景图像,并通过目标检测算法和语义分割算法进行检测,检测结果包括:道路边缘、障碍物、道路标记,车道属性以及兴趣点,以及带有语义和标识属性的矢量化坐标,并将矢量化坐标映射到地图位置的坐标系中;
步骤4:采集车辆所在位置的超声信号判断周边障碍物距离,对道路边缘进行修正;
步骤5:整合位置地图与检测结果,将检测结果进行矢量化处理,并区分层次信息,生成初始地图;
步骤6:根据各层的语义信息对初始地图进行修正处理,获得最终地图。
具体的,步骤1中,车辆的底盘信息通过轮速编码器获取;车辆的位置地图通过全球导航卫星系统获取。
除此之外,步骤2中,利用惯性测量系统获取底盘信息生成车辆的行驶轨迹。
本实施例中,步骤3中,车辆所在位置的全景图像通过安装在车身周围的4组语义环视摄像头获取,且步骤3中,道路边缘包括但不限于:车道线、路沿、墙壁;障碍物包括但不限于:立柱、行人、车辆、栏杆;道路标记包括但不限于:停车位及库位号码、地面箭头与通行标识线;车道属性通过对地面的箭头进行分类,在对应的车道中添加可用的转向信息;兴趣点包括但不限于:电梯标识、楼梯标识,出入口标识。
进一步的,步骤4中,采集车辆所在位置的超声信号通过安装在车身周围的12组超声探头获取。
按照上述方法执行上述步骤,通过车身自带的轮速编码器、语义环视摄像头、超声探头、惯性测量系统和全球导航卫星系统相互配合实现低成本的高精地图采集,且该方法支持单车采集和众包采集,使用方便。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种针对停车场的高精地图采集方法,其特征在于,包括以下步骤:
步骤1:获取车辆的底盘信息和位置地图;
步骤2:根据车辆的底盘信息生成车辆的行驶轨迹,并构建路网,路网包括道路形状和道路的通行方向;
步骤3:采集车辆所在位置的全景图像,并通过目标检测算法和语义分割算法进行检测,检测结果包括:道路边缘、障碍物、道路标记,车道属性以及兴趣点,以及带有语义和标识属性的矢量化坐标,并将矢量化坐标映射到地图位置的坐标系中;
步骤4:采集车辆所在位置的超声信号判断周边障碍物距离,对道路边缘进行修正;
步骤5:整合位置地图与检测结果,将检测结果进行矢量化处理,并区分层次信息,生成初始地图;
步骤6:根据各层的语义信息对初始地图进行修正处理,获得最终地图。
2.根据权利要求1所述的针对停车场的高精地图采集方法,其特征在于:步骤1中,所述车辆的底盘信息通过轮速编码器获取;
所述车辆的位置地图通过全球导航卫星系统获取。
3.根据权利要求1所述的针对停车场的高精地图采集方法,其特征在于:步骤2中,利用惯性测量系统获取底盘信息生成车辆的行驶轨迹。
4.根据权利要求1所述的针对停车场的高精地图采集方法,其特征在于:步骤3中,车辆所在位置的全景图像通过安装在车身周围的4组语义环视摄像头获取。
5.根据权利要求1所述的针对停车场的高精地图采集方法,其特征在于:步骤3中,所述道路边缘包括但不限于:车道线、路沿、墙壁;
所述障碍物包括但不限于:立柱、行人、车辆、栏杆;
所述道路标记包括但不限于:停车位及库位号码、地面箭头与通行标识线;
所述车道属性通过对地面的箭头进行分类,在对应的车道中添加可用的转向信息;
所述兴趣点包括但不限于:电梯标识、楼梯标识,出入口标识。
6.根据权利要求1所述的针对停车场的高精地图采集方法,其特征在于:步骤4中,采集车辆所在位置的超声信号通过安装在车身周围的12组超声探头获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110653122.0A CN113532417A (zh) | 2021-06-11 | 2021-06-11 | 一种针对停车场的高精地图采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110653122.0A CN113532417A (zh) | 2021-06-11 | 2021-06-11 | 一种针对停车场的高精地图采集方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113532417A true CN113532417A (zh) | 2021-10-22 |
Family
ID=78124901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110653122.0A Pending CN113532417A (zh) | 2021-06-11 | 2021-06-11 | 一种针对停车场的高精地图采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113532417A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115083200A (zh) * | 2022-07-15 | 2022-09-20 | 广州小鹏自动驾驶科技有限公司 | 车辆定位方法、车辆、服务器、系统及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆车道级导航地图的生成系统及方法 |
CN106802954A (zh) * | 2017-01-18 | 2017-06-06 | 中国科学院合肥物质科学研究院 | 无人车语义地图模型构建方法及其在无人车上的应用方法 |
CN106991906A (zh) * | 2016-01-21 | 2017-07-28 | 北京四维图新科技股份有限公司 | 室内停车场地图采集方法和装置 |
KR101921429B1 (ko) * | 2017-11-10 | 2018-11-22 | 한국항공우주연구원 | 정밀지도 제작 방법 및 정밀지도 제작 시스템 |
CN108981726A (zh) * | 2018-06-09 | 2018-12-11 | 安徽宇锋智能科技有限公司 | 基于感知定位监测的无人车语义地图建模及构建应用方法 |
JP2019105789A (ja) * | 2017-12-14 | 2019-06-27 | 株式会社豊田中央研究所 | 道路構造データ生成装置、道路構造データベース |
CN212220188U (zh) * | 2020-05-08 | 2020-12-25 | 上海追势科技有限公司 | 地下停车场融合定位系统 |
-
2021
- 2021-06-11 CN CN202110653122.0A patent/CN113532417A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991906A (zh) * | 2016-01-21 | 2017-07-28 | 北京四维图新科技股份有限公司 | 室内停车场地图采集方法和装置 |
CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆车道级导航地图的生成系统及方法 |
CN106802954A (zh) * | 2017-01-18 | 2017-06-06 | 中国科学院合肥物质科学研究院 | 无人车语义地图模型构建方法及其在无人车上的应用方法 |
KR101921429B1 (ko) * | 2017-11-10 | 2018-11-22 | 한국항공우주연구원 | 정밀지도 제작 방법 및 정밀지도 제작 시스템 |
JP2019105789A (ja) * | 2017-12-14 | 2019-06-27 | 株式会社豊田中央研究所 | 道路構造データ生成装置、道路構造データベース |
CN108981726A (zh) * | 2018-06-09 | 2018-12-11 | 安徽宇锋智能科技有限公司 | 基于感知定位监测的无人车语义地图建模及构建应用方法 |
CN212220188U (zh) * | 2020-05-08 | 2020-12-25 | 上海追势科技有限公司 | 地下停车场融合定位系统 |
Non-Patent Citations (2)
Title |
---|
何松;孙静;郭乐江;陈梁;: "基于激光SLAM和深度学习的语义地图构建", 计算机技术与发展, no. 09, 10 September 2020 (2020-09-10), pages 88 - 94 * |
余卓渊;闾国年;张夕宁;贾远信;周成虎;葛咏;吕可晶;: "全息高精度导航地图:概念及理论模型", 地球信息科学学报, no. 04, 25 April 2020 (2020-04-25), pages 760 - 771 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115083200A (zh) * | 2022-07-15 | 2022-09-20 | 广州小鹏自动驾驶科技有限公司 | 车辆定位方法、车辆、服务器、系统及存储介质 |
CN115083200B (zh) * | 2022-07-15 | 2024-04-16 | 广州小鹏自动驾驶科技有限公司 | 车辆定位方法、车辆、服务器、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109341706B (zh) | 一种面向无人驾驶汽车的多特征融合地图的制作方法 | |
CN111551958B (zh) | 一种面向矿区无人驾驶的高精地图制作方法 | |
CN108959321B (zh) | 停车场地图构建方法、系统、移动终端及存储介质 | |
CN106352867B (zh) | 用于确定车辆自身位置的方法和设备 | |
CN106441319B (zh) | 一种无人驾驶车辆车道级导航地图的生成系统及方法 | |
JP7068456B2 (ja) | 走行環境情報の生成方法、運転制御方法、走行環境情報生成装置 | |
CN109084782B (zh) | 基于摄像头传感器的车道线地图构建方法以及构建系统 | |
CN110146910B (zh) | 一种基于gps与激光雷达数据融合的定位方法及装置 | |
CN108961811B (zh) | 停车场车辆定位方法、系统、移动终端及存储介质 | |
CN102208035B (zh) | 图像处理系统及位置测量系统 | |
CN108162974B (zh) | 使用道路角度数据的车辆控制 | |
JP6956268B2 (ja) | 走行環境情報の生成方法、運転制御方法、走行環境情報生成装置 | |
CN112740225B (zh) | 一种路面要素确定方法及装置 | |
CN115164918B (zh) | 语义点云地图构建方法、装置及电子设备 | |
CN112136021A (zh) | 用于构建基于地标的高清地图的系统和方法 | |
CN113252051A (zh) | 一种地图构建方法及装置 | |
CN113252022A (zh) | 一种地图数据处理方法及装置 | |
CN116997771A (zh) | 车辆及其定位方法、装置、设备、计算机可读存储介质 | |
CN112444258A (zh) | 可行驶区域判定的方法、智能驾驶系统和智能汽车 | |
CN114639085A (zh) | 交通信号灯识别方法、装置、计算机设备和存储介质 | |
CN114821526A (zh) | 基于4d毫米波雷达点云的障碍物三维边框检测方法 | |
CN114088114A (zh) | 车辆位姿校准方法、装置和电子设备 | |
CN110751693B (zh) | 用于相机标定的方法、装置、设备和存储介质 | |
CN113178091B (zh) | 安全行驶区域方法、装置和网络设备 | |
CN113532417A (zh) | 一种针对停车场的高精地图采集方法 |
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 |