CN113532418A - 一种停车场地图单车采集方法 - Google Patents

Abstract

本发明属于停车场地图采集技术领域，公开了一种停车场地图单车采集方法，包括步骤：获取车辆的行驶轨迹和高度信息，根据所述行驶轨迹和高度信息构建路网；采集停车场的图像信息并进行目标识别，将采集到的所述图像信息矢量化，形成带有语义和标识属性的矢量化标志；整合车辆在停车场中的位置、所述路网和所述矢量化标志，区分层次信息，生成停车场初始地图，识别所述停车场初始地图中数据的位置重合情况，对于接连的停车位信息，通过优化算法进行自动重排；对于识别障碍物重叠的情况，进行异常提示。本发明建立了满足自主代客泊车应用场景的地下停车场高精度地图，建立地图成本低、可单车采集，便于大范围批量采集生产地图。

Description

一种停车场地图单车采集方法

技术领域

本发明属于停车场地图采集技术领域，具体涉及一种停车场地图单车采集方法。

背景技术

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，如何能快速建立停车场区域的高精地图是其一个关键瓶颈。

现有高精地图一般需要针对特定使用区域进行实地数据采集，然后从采集的数据中提取用于高精地图各图层制作的位置信息。因此，为了支持某区域停车场的自主泊车，需要采集车或者众包车在该停车场进行采图活动。如果要支持全国的停车场，则需要去全国的停车场采集数据，是一件费时费力的工作。当前，也有个别的地图厂家已经开始进行地下停车场区域的地图制作，但其制作的主要还是通用导航用的地图，无法满足自动驾驶高精地图的需求。

发明内容

本发明的目的在于提供一种停车场地图单车采集方法，以解决现有的问题。

为实现上述目的，本发明提供如下技术方案：一种停车场地图单车采集方法，包括步骤：

获取车辆的行驶轨迹和高度信息，根据所述行驶轨迹和高度信息构建路网；

采集停车场的图像信息并进行目标识别，将采集到的所述图像信息矢量化，形成带有语义和标识属性的矢量化标志；

整合车辆在停车场中的位置、所述路网和所述矢量化标志，区分层次信息，生成停车场初始地图。

作为本发明一种停车场地图单车采集方法优选地，在所述的获取车辆的行驶轨迹和高度信息，根据所述行驶轨迹和高度信息构建路网之前包括步骤：

记录所述停车场在导航地图中的位置和所述车辆在停车场中的位置。

作为本发明一种停车场地图单车采集方法优选地，在所述的采集停车场的图像信息并进行目标识别，将采集到的所述图像信息矢量化，形成带有语义和标识属性的矢量化标志之后包括步骤：

采集超声波信号，通过所述超声波信号判断车辆与障碍物的距离，对狭窄空间的道路边缘进行修正。

作为本发明一种停车场地图单车采集方法优选地，在所述的整合车辆在停车场中的位置、路网和矢量化标志，区分层次信息，生成停车场初始地图之后包括步骤：

根据各层的语义信息对所述停车场初始地图进行修正处理，获得最终地图。

作为本发明一种停车场地图单车采集方法优选地，在所述的获取车辆的行驶轨迹和高度信息，根据所述行驶轨迹和高度信息构建路网之前还包括步骤：

将停车场地图与导航地图关联，根据车辆的位置切换地图。

作为本发明一种停车场地图单车采集方法优选地，所述行驶轨迹用于将车辆坐标系映射到全局坐标系；所述路网包括道路形状和通行方向，用于路径规划与导航。

作为本发明一种停车场地图单车采集方法优选地，所述图像信息包括道路边缘、障碍物、道路标记、车道属性和兴趣点；所述矢量化标志包括折线、多边形和点。

作为本发明一种停车场地图单车采集方法优选地，所述的根据各层的语义信息对所述停车场初始地图进行修正处理，获得最终地图具体包括步骤：

识别所述停车场初始地图中数据的位置重合情况，对于接连的停车位信息，通过优化算法进行自动重排；

对于识别障碍物重叠的情况，进行异常提示。

本发明与现有技术相比，具有以下有益效果：本发明建立了满足自主代客泊车应用场景的地下停车场高精度地图，建立地图成本低、可单车采集，便于大范围批量采集生产地图。

附图说明

图1为本发明的流程图之一；

图2为本发明的流程图之二；

图3为本发明的流程图之三；

图4为本发明的流程图之四；

图5为本发明的流程图之五；

图6为本发明的流程图之六；

图7为本发明的流程图之七。

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。

请参阅图1所示，本发明提供如下技术方案：一种停车场地图单车采集方法，包括步骤：

S100获取车辆的行驶轨迹和高度信息，根据所述行驶轨迹和高度信息构建路网；

S200采集停车场的图像信息并进行目标识别，将采集到的所述图像信息矢量化，形成带有语义和标识属性的矢量化标志；

S300整合车辆在停车场中的位置、所述路网和所述矢量化标志，区分层次信息，生成停车场初始地图。

值得说明的是，本发明需求的采集系统硬件设备包括GPS,低成本的惯性导航单元IMU，车辆自身底盘信息如轮速编码器，安装在车辆4周的超声探头APA+UPA,1个前视相机以及4个环视相机；

本实施例中，IMU和底盘信息用于生成车辆行驶轨迹，根据形势轨迹与高度信息自动构建路网。行驶轨迹用于为检测结果提供空间信息，将车辆坐标系映射到全局坐标系。路网包含道路形状、通行方向，用于路径规划与导航。

通过目标检测算法与语义分割算法，提取道路边缘、障碍物、车道属性、在对应的车道中添加可用的转向信息以及兴趣点POI；其中，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、栏杆等，道路标记，道路标记包括停车位及库位号码、地面箭头与通行标识线等；车道属性包括通过对地面的箭头进行分类，兴趣点POI包括但不限于电梯标识、楼梯标识和出入口标识。检测结果会矢量化成带有语义+标识属性的折线、多边形与点后映射到地图位置。

联合轨迹空间信息与检测结果，建立约束关系，将目标位置映射到行驶轨迹的全局坐标系中。通过整合路网、矢量化路标、静态障碍物与兴趣点，生成停车场初始地图。

请参阅图2所示，具体地，在所述的S100获取车辆的行驶轨迹和高度信息，根据所述行驶轨迹和高度信息构建路网之前包括步骤：

S10记录所述停车场在导航地图中的位置和所述车辆在停车场中的位置。

本实施例中，通过GPS提供全局位置信息，将停车场地图与通常的导航地图如高德地图进行关联，用于自动根据车辆的位置进行地图的切换。

请参阅图3所示，具体地，在所述的S200采集停车场的图像信息并进行目标识别，将采集到的所述图像信息矢量化，形成带有语义和标识属性的矢量化标志之后包括步骤：

S210采集超声波信号，通过所述超声波信号判断车辆与障碍物的距离，对狭窄空间的道路边缘进行修正。

本实施例中，停车场中有时会出现狭窄的通道，超声信息可以提供侧方的距离信息，通过测量结果与图像道路边缘结合，通过更准确的距离信息，提高障碍物位置的准确性。

请参阅图4所示，具体地，在所述的S300整合车辆在停车场中的位置、路网和矢量化标志，区分层次信息，生成停车场初始地图之后包括步骤：

S400根据各层的语义信息对所述停车场初始地图进行修正处理，获得最终地图。

请参阅图5所示，具体地，在所述的S100获取车辆的行驶轨迹和高度信息，根据所述行驶轨迹和高度信息构建路网之前还包括步骤：

S20将停车场地图与导航地图关联，根据车辆的位置切换地图。

本实施例中，GPS用于提供全局位置信息，将停车场地图与通常的导航地图如高德地图进行关联，用于自动根据车辆的位置进行地图的切换。

具体地，所述行驶轨迹用于将车辆坐标系映射到全局坐标系；所述路网包括道路形状和通行方向，用于路径规划与导航。

具体地，所述图像信息包括道路边缘、障碍物、道路标记、车道属性和兴趣点；所述矢量化标志包括折线、多边形和点。

请参阅图6所示，具体地，所述的S400根据各层的语义信息对所述停车场初始地图进行修正处理，获得最终地图具体包括步骤：

S410识别所述停车场初始地图中数据的位置重合情况，对于接连的停车位信息，通过优化算法进行自动重排；

S420对于识别障碍物重叠的情况，进行异常提示。

本实施例中，识别初始地图中数据的位置重合情况，对于接连的停车位信息，通过优化算法进行自动重排。同时对于识别障碍物重叠的情况，提示异常，可交由质检处理。通过地图修正流程确保地图的正确性。

本发明通过以上步骤建立的高精地图，针对特定的停车场，可以满足自主泊车对于高精地图和定位的需求，主要包括：地图能够提供用于停车场范围内的路径规划的需求；地图能够满足用于停车场范围内进行定位的需求；而且以上的需求满足完全无需到停车场现场即可达成。

本发明提供另一个实施例，建立虹桥火车站停车场的自主泊车用高精地图，包括步骤：

S1安装并配置好采集设备；

S2从地上露天开放路段开始，按照道路指示标识，进入停车场内部绕行，采集行驶数据；

S3基于采集的数据，分别提取语义信息与路网，并通过校验修正生成地图；

S4基于生成的高精地图，实现在停车场的自主泊车功能，包括自主巡航、车位搜索、自动泊车等功能。

本发明提供又一个实施例，如图7所示，包括步骤：

S1000在停车场附近启动采集系统，记录停车场位置并进入停车场；

S2000在采集过程中，通过里程计推算行驶轨迹，通过轨迹生成路网；

S3000采集图像信息并进行目标识别，提取道路边缘、标记，车道属性以及兴趣点；

S4000采集超声信号判断周边障碍物距离，对狭窄空间的道路边缘进行修正；

S5000整合车辆位置与检测结果，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；

S6000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。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种停车场地图单车采集方法，其特征在于，包括步骤：

S100获取车辆的行驶轨迹和高度信息，根据所述行驶轨迹和高度信息构建路网；

S200采集停车场的图像信息并进行目标识别，将采集到的所述图像信息矢量化，形成带有语义和标识属性的矢量化标志；

S300整合车辆在停车场中的位置、所述路网和所述矢量化标志，区分层次信息，生成停车场初始地图。

2.根据权利要求1所述的一种停车场地图单车采集方法，其特征在于，在所述的S100获取车辆的行驶轨迹和高度信息，根据所述行驶轨迹和高度信息构建路网之前包括步骤：

S10记录所述停车场在导航地图中的位置和所述车辆在停车场中的位置。

3.根据权利要求1所述的一种停车场地图单车采集方法，其特征在于，在所述的S200采集停车场的图像信息并进行目标识别，将采集到的所述图像信息矢量化，形成带有语义和标识属性的矢量化标志之后包括步骤：

S210采集超声波信号，通过所述超声波信号判断车辆与障碍物的距离，对狭窄空间的道路边缘进行修正。

4.根据权利要求1所述的一种停车场地图单车采集方法，其特征在于，在所述的S300整合车辆在停车场中的位置、路网和矢量化标志，区分层次信息，生成停车场初始地图之后包括步骤：

S400根据各层的语义信息对所述停车场初始地图进行修正处理，获得最终地图。

5.根据权利要求1所述的一种停车场地图单车采集方法，其特征在于，在所述的S100获取车辆的行驶轨迹和高度信息，根据所述行驶轨迹和高度信息构建路网之前还包括步骤：

S20将停车场地图与导航地图关联，根据车辆的位置切换地图。

6.根据权利要求1所述的一种停车场地图单车采集方法，其特征在于，所述行驶轨迹用于将车辆坐标系映射到全局坐标系；所述路网包括道路形状和通行方向，用于路径规划与导航。

7.根据权利要求1所述的一种停车场地图单车采集方法，其特征在于，所述图像信息包括道路边缘、障碍物、道路标记、车道属性和兴趣点；所述矢量化标志包括折线、多边形和点。

8.根据权利要求4所述的一种停车场地图单车采集方法，其特征在于，所述的S400根据各层的语义信息对所述停车场初始地图进行修正处理，获得最终地图具体包括步骤：

S410识别所述停车场初始地图中数据的位置重合情况，对于接连的停车位信息，通过优化算法进行自动重排；

S420对于识别障碍物重叠的情况，进行异常提示。

Images