CN113640823B - 一种基于激光反射率底图进行地图绘制的方法及装置 - Google Patents
一种基于激光反射率底图进行地图绘制的方法及装置 Download PDFInfo
- Publication number
- CN113640823B CN113640823B CN202110798705.2A CN202110798705A CN113640823B CN 113640823 B CN113640823 B CN 113640823B CN 202110798705 A CN202110798705 A CN 202110798705A CN 113640823 B CN113640823 B CN 113640823B
- Authority
- CN
- China
- Prior art keywords
- image
- base map
- laser reflectivity
- reflectivity base
- road
- 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
- 238000002310 reflectometry Methods 0.000 title claims abstract description 195
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000013441 quality evaluation Methods 0.000 claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 claims abstract description 27
- 238000013507 mapping Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 239000011800 void material Substances 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241000283070 Equus zebra Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01S17/89—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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本说明书公开了一种基于激光反射率底图进行地图绘制的方法及装置,涉及无人驾驶领域,业务平台可以获取激光反射率底图,识别该激光反射率底图中包含的道路元素,得到该道路元素在该激光反射率底图中的图像区域,而后,可以根据该图像区域内的图像,确定该激光反射率底图中道路元素在各指标维度下的图像质量指标,以及各指标维度下的图像质量指标,从激光反射率底图中选取出异常道路元素,异常道路元素对应的图像相比于激光反射率底图中其他道路元素对应的图像质量差,最后,根据异常道路元素,确定该激光反射率底图对应的质量评估结果,若该质量评估结果符合预设标准,通过该激光反射率底图进行地图绘制,从而提高了确定出质量评估结果的效率。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种基于激光反射率底图进行地图绘制的方法及装置。
背景技术
随着信息技术的高速发展,无人驾驶技术已初步应用于人们的生活中,在无人驾驶技术中,需要通过能够展示出路面的图像来进行无人驾驶领域中高精地图的绘制,也就是说,该图像能够表示出路面、车道线、转向箭头等,因此可以通过该图像来进行高精地图的绘制。
在实际应用中,需要对图像质量进行评估,从而可以通过质量较高的图像进行高精地图的绘制,而在现有技术中,通常需要人工对图像质量进行评估,从而人工成本较高,效率较低。
所以,如何提高对图像质量进行评估的效率并降低人工成本,则是一个亟待解决的问题。
发明内容
本说明书提供一种基于激光反射率底图进行地图绘制的方法及装置,以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种基于激光反射率底图进行地图绘制的方法,包括:
获取激光反射率底图,所述激光反射率底图通过对至少一个道路点云数据进行处理得到;
识别所述激光反射率底图中包含的道路元素,得到所述道路元素在所述激光反射率底图中的图像区域,所述道路元素至少包括交通标线;
根据所述激光反射率底图中所述图像区域内的图像,确定所述激光反射率底图中道路元素在各指标维度下的图像质量指标;
根据所述激光反射率底图中道路元素在各指标维度下的图像质量指标,从所述激光反射率底图中选取出异常道路元素;
根据所述异常道路元素,确定所述激光反射率底图对应的质量评估结果,若所述质量评估结果符合预设标准,通过所述激光反射率底图进行地图绘制。
可选地,根据所述激光反射率底图中所述图像区域内的图像,确定所述激光反射率底图中道路元素在各指标维度下的图像质量指标,具体包括:
根据所述图像,确定所述道路元素的实际图像宽度;
根据所述实际图像宽度与所述道路元素的标准宽度,确定所述激光反射率底图中道路元素所对应的图像区域的图像重影程度。
可选地,根据所述激光反射率底图中所述图像区域内的图像,确定所述激光反射率底图中道路元素在各指标维度下的图像质量指标,具体包括:
确定所述图像中的边缘像素,以及确定所述边缘像素对应的像素梯度,所述像素梯度用于表示所述边缘像素与所述边缘像素周围像素之间像素值的区别程度;
根据所述边缘像素对应的像素梯度与所述边缘像素的数量,确定所述激光反射率底图中道路元素的清晰程度,所述像素梯度越高,所述清晰程度越高。
可选地,根据所述激光反射率底图中所述图像区域内的图像,确定所述激光反射率底图中道路元素在各指标维度下的图像质量指标,具体包括:
以所述激光反射率底图中所述图像区域的图像为中心向外延伸,得到所述图像对应的外延伸图像,以及以所述激光反射率底图中所述图像区域内的图像为中心,得到所述图像对应的内部图像;
确定所述外延伸图像对应的图像熵以及所述内部图像对应的图像熵;
根据所述外延伸图像对应的图像熵以及所述内部图像对应的图像熵,确定所述激光反射率底图中道路元素对应的图像区域的混乱程度。
可选地,根据所述激光反射率底图中所述图像区域内的图像,确定所述激光反射率底图中道路元素在各指标维度下的图像质量指标,具体包括:
根据所述图像中指定像素占所述图像中整体像素的比例,确定所述激光反射率底图中道路元素所对应的图像区域的空洞程度,所述指定像素未对应有所述道路点云数据中的任意点云点。
可选地,根据所述图像中指定像素占所述图像中整体像素的比例,确定所述激光反射率底图中道路元素所对应的图像区域的空洞程度之前,所述方法还包括:
针对所述图像中道路元素的像素的进行膨胀处理,以去除所述图像中设定面积以下的空洞区域;
对进行了膨胀处理后的所述图像中的空洞区域进行膨胀处理,得到处理后图像,以恢复所述图像中设定面积以上的空洞区域;
根据所述图像中指定像素占所述图像中整体像素的比例,确定所述激光反射率底图中道路元素所对应的图像区域的空洞程度,具体包括:
根据所述处理后图像中指定像素占所述图像中整体像素的比例,确定所述激光反射率底图中道路元素所对应的图像区域的空洞程度。
可选地,所述方法还包括:
若所述激光反射率底图对应的质量评估结果不符合所述预设标准,根据所述激光反射率底图对应的地理区域,向采集设备发送采集指令,以使所述采集设备重新采集所述地理区域的道路点云数据;
根据重新采集的道路点云数据,重新制作所述地理区域对应的激光反射率底图。
本说明书提供了一种基于激光反射率底图进行地图绘制的装置,包括:
获取模块,用于获取激光反射率底图,所述激光反射率底图通过对至少一个道路点云数据处理得到;
识别模块,用于识别所述激光反射率底图中包含的道路元素,得到所述道路元素在所述激光反射率底图中的图像区域,所述道路元素至少包括交通标线;
确定模块,用于根据所述激光反射率底图中所述图像区域内的图像,确定所述激光反射率底图中道路元素在各指标维度下的图像质量指标;
选取模块,用于根据所述激光反射率底图中道路元素在各指标维度下的图像质量指标,从所述激光反射率底图中选取出异常道路元素;
绘制模块,用于根据所述异常道路元素,确定所述激光反射率底图对应的质量评估结果,若所述质量评估结果符合预设标准,通过所述激光反射率底图进行地图绘制。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述基于激光反射率底图进行地图绘制的方法。
本说明书提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现基于激光反射率底图进行上述地图绘制的方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的基于激光反射率底图进行地图绘制的方法及装置中,业务平台可以获取激光反射率底图,该激光反射率底图通过对至少一个道路点云数据处理得到,识别该激光反射率底图中包含的道路元素,得到该道路元素在该激光反射率底图中的图像区域,其中,道路元素至少包括交通标线,而后,可以根据该激光反射率底图中该图像区域内的图像,确定该激光反射率底图中道路元素在各指标维度下的图像质量指标,以及根据该激光反射率底图中道路元素在各指标维度下的图像质量指标,从激光反射率底图中选取出异常道路元素,异常道路元素对应的图像区域中的图像相比于激光反射率底图中其他道路元素对应的图像区域中的图像质量差,最后,根据异常道路元素,确定该激光反射率底图对应的质量评估结果,若该质量评估结果符合预设标准,通过该激光反射率底图进行地图绘制。
从上述方法中可以看出,本方法可以识别出激光反射率底图中包含的道路元素,并通过激光反射率底图中道路元素所在图像区域的图像,自动化的确定出该激光反射率底图中每个道路元素在各指标维度下的图像质量指标,从而确定出该激光反射率底图中图像质量存在问题的道路元素,即,异常道路元素,进而确定出该激光反射率底图是否可以用于地图绘制,从而相比于现有技术提高了确定出激光反射率底图的质量评估结果的效率。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中一种基于激光反射率底图进行地图绘制的方法的流程示意图;
图2为本说明书提供的一种道路元素出现了图像重影的示意图;
图3为本说明书提供的一种外延伸图像以及内部图像的示意图;
图4为本说明书提供的一种基于激光反射率底图进行地图绘制的装置的示意图;
图5为本说明书提供的一种对应于图1的电子设备的示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中一种基于激光反射率底图进行地图绘制的方法的流程示意图,包括以下步骤:
S101:获取激光反射率底图,所述激光反射率底图通过对至少一个道路点云数据处理得到。
S102:识别所述激光反射率底图中包含的道路元素,得到所述道路元素在所述激光反射率底图中的图像区域,所述道路元素至少包括交通标线。
在实际应用中,无人驾驶设备在行驶过程需要高精地图对自身进行定位、导航等,而高精地图的绘制往往需要通过从激光反射率底图中获取路面中的车道线、斑马线、转向箭头等交通标线信息,因此,获取到优质的激光反射率底图能够利于对高精地图的详细绘制。
基于此,业务平台可以获取激光反射率底图,其中,该激光反射率底图可以通过对至少一个道路点云数据处理得到,本方法可以由业务平台中包含的电脑、笔记本、服务器等设备进行执行,为了能够更加明显的显示出道路与交通标线的区别,激光反射率底图可以是灰度图,即,激光反射率底图中的交通标线灰度值较高,颜色较白,而道路以及路中间的绿化带等区域则灰度值较低,颜色较深,具体的,可以将道路点云数据中包含的低于设定高度的点云点的激光反射率映射到一定灰度值,从而得到激光反射率底图,若激光反射率高,则灰度值高,激光反射率低,则灰度值低,当然,一张激光反射率底图不仅可以通过一个道路点云数据获取到,也可以通过针对同一地理区域多次采集出的多个道路点云数据叠加得到,道路点云数据可以是指通过无人驾驶设备、专门用用于采集点云数据的车辆等在道路中所采集到的点云数据。
上述提到的无人驾驶设备可以是指无人车、无人机、自动配送设备等能够实现自动驾驶的设备。基于此,本说明书提供的地图绘制的方法可以用于绘制无人驾驶设备的行驶过程所需的高精地图,该无人驾驶设备具体可应用于通过无人驾驶设备进行配送的领域,如,使用无人驾驶设备进行快递、物流、外卖等配送的业务场景。
业务平台获取到激光反射率底图后,可以识别激光反射率底图中包含的道路元素,得到这些道路元素在该激光反射率底图中的图像区域,其中,这里提到的道路元素至少包括交通标线,当然,道路元素还可以包括路面等,也就是说,道路元素可以是指激光反射率底图中与交通道路相关的元素,可以用于构建高精地图的元素。业务平台可以通过预先训练的识别模型识别出激光反射率底图中包含的道路元素,也可以图像边界检测算法等检测出其中的道路元素。若该识别模型越准确地识别出激光反射率底图中包含的道路元素,则通过本方法确定出的质量评估结果越准确。
S103:根据所述激光反射率底图中所述图像区域内的图像,确定所述激光反射率底图中道路元素在各指标维度下的图像质量指标。
业务平台确定出道路元素在该激光反射率底图中的图像区域后,可以根据该激光反射率底图中该图像区域内的图像,确定该激光反射率底图中各道路元素在各指标维度下的图像质量指标。
其中,图像质量指标存在多种,则业务平台可以通过多种方式来确定出该激光反射率底图中道路元素在各指标维度下的图像质量指标。
例如,业务平台可以根据道路元素在该激光反射率底图中的图像区域,确定出道路元素的实际图像宽度,并根据该实际图像宽度与该道路元素对应的标准宽度,确定该道路图像中道路元素所对应的图像区域的图像重影程度。由于通常道路中的道路元素具有标准的宽度,因此,该道路元素对应的标准宽度可以是根据道路元素在道路中标准的宽度转换为图像坐标系下的宽度,即,该标准宽度对应道路元素在激光反射率底图中应是多宽。
也就是说,对于激光反射率底图中的一个道路元素来说,业务平台可以确定出该道路元素在该激光反射率底图中的实际宽度,再与该道路元素的标准宽度进行比对,若实际宽度比标准宽度大得较多,则可能出现了重影,比方说若该道路元素为一条车道线,则业务平台可以确定出这条车道线在激光反射率底图中的实际图像宽度,而车道线通常是有标准宽度的(即,规定出的车道线的宽度),业务平台可以确定出这条车道线对应的实际图像宽度与标准宽度之间的比例,并将该比例作为该道路元素所对应的图像区域的图像重影程度。当然,业务平台可以通过斑马线、转向箭头等道路元素来确定该图像重影程度,当图像重影程度大于一定程度时,则视为该道路元素的图像出现了图像重影,即,在这一指标维度下的图像质量指标不符合质量标准值。
具体在确定道路元素的实际图像宽度时,可以通过距离转换(distancetransform)方式来确定,如图2所示。
图2为本说明书提供的一种道路元素出现了图像重影的示意图。
图2中展示出了激光反射率底图中的道路元素,其中,存在一条车道线A,该车道线的图像出现了一定的重影,首先业务平台确定出了该车道线在该激光反射率底图中的图像区域,业务平台可以将该图像区域外的像素均设为第一像素(如黑色像素),将该图像区域内的像素均设为第二像素(如白色像素),而后,确定出该图像区域内的每个像素距离与该像素最近的第一像素的距离,其中,各像素对应的距离中的最远距离即为该车道线对应的实际图像宽度的一半,因此,通过最远距离的双倍即可确定出该车道线对应的实际图像宽度。
再例如,业务平台还可以确定出该激光反射率底图中道路元素对应的图像区域内的图像的边缘像素,并确定出边缘像素对应的像素梯度,以及根据边缘像素对应的像素梯度与边缘像素的数量,确定激光反射率底图中道路元素的清晰程度,其中,像素梯度越高,清晰程度越高。业务平台可以通过索贝尔算子(Sobel operator)、Robinson算子等方式确定出边缘像素对应的像素梯度,像素梯度用于表示边缘像素与该边缘像素周围像素之间像素值的区别程度,也就是说,若是这些边缘像素的像素梯度越大,则道路元素在激光反射率底图中的边界就越分明、越清楚,对于一个道路元素来说,该道路元素对应的清晰程度可以通过该道路元素对应的图像区域内的图像的边缘像素的像素梯度与这些边缘像素的数量之间的比例来确定,当清晰程度低于一定程度时,则视为该道路元素的图像清晰度过低,即,在这一指标维度下的图像质量指标不符合质量标准值。
再例如,由于道路元素的图像内侧和外侧可能会存在较多的噪点,因此,业务平台还可以,沿激光反射率底图中该图像区域的图像边缘外围进行采样,得到该图像对应的至少一个外边缘框,以及沿激光反射率底图中图像区域的图像边缘内侧进行采样,得到图像对应的至少一个内边缘框,并确定至少一个内边缘框对应的图像熵以及至少一个外边缘框对应的图像熵,以及根据至少一个内边缘框对应的图像熵以及至少一个内边缘框对应的图像熵,确定激光反射率底图中道路元素对应的图像区域的混乱程度,如图3所示。
图3为本说明书提供的一种内边缘框以及外边缘框的示意图。
从图3中可以看出,对于一个道路元素来说,该道路元素对应的外边缘框可以是指将该道路元素所在图像区域的外侧取若干采样框,得到多个在该道路元素外侧的外边缘框,而该道路元素对应的内边缘框则可以是指将该道路元素所在图像区域的边缘内侧取多个采样框,得到多个在该道路元素内侧的内边缘框,也就是说,在图3中,中间标有道路元素的矩形为道路元素对应的图像区域,围绕在矩形边缘内侧的若干小方格为内边缘框,围绕在矩形外围的若干小方格为外边缘框。业务平台可以确定出每个内边缘框对应的图像熵,以及每个外边缘框对应的图像熵,并通过对各内边缘框对应的图像熵取平均,得到平均内熵,以及对各外边缘框对应的图像熵取平均,得到平均外熵,业务平台可以将平均内熵以及平均外熵均作为该道路元素对应的图像区域的混乱程度,也可以确定出平均内熵以及平均外熵的平均值,作为该道路元素对应的图像区域的混乱程度,当混乱程度高于一定程度时,则视为该道路元素涉及的噪点过多,即,在这一指标维度下的图像质量指标不符合质量标准值。
再例如,业务平台还可以根据道路元素的图像区域内的图像中指定像素占该图像中整体像素的比例,确定激光反射率底图中道路元素所对应的图像区域的空洞程度,其中,该指定像素未对应有道路点云数据中的任意点云点。也就是说,由于在进行点云的采集时。有些区域可能不存在点云点,而将道路点云数据转换成激光反射率底图后,则不存在点云点的区域在激光反射率底图上也无法存在任意有价值的像素,这里将这样的像素称之为指定像素,这样的区域即是存在空洞的,若激光反射率底图为灰度图,则指定像素可以是纯黑像素,因为若存在点云点,则可将激光反射率转换为一定灰度值(从灰色到白色),若不存在点云点则可以直接将像素设为黑色,当空洞程度高于一定程度时,则视为该道路元素中的空洞过多,即,在这一指标维度下的图像质量指标不符合质量标准值。
由于激光反射率底图中存在的空洞区域有些可能特别小,不会干扰到业务平台正常的地图绘制,因此,业务平台可以将道路元素的图像区域内的图像中比较小的空洞进行去除,再确定出该道路元素所对应的图像区域的空洞程度,具体的,业务平台可以针对该图像中道路元素的像素的进行膨胀处理,以去除该图像中设定面积以下的空洞区域(即,较小的空洞区域),并对进行了上述膨胀处理的图像中的空洞区域进行膨胀处理(即,对经历了上述膨胀处理的图像进行腐蚀处理),得到处理后图像,从而恢复原始的图像中设定面积以上的空洞区域。
也就是说,最初的膨胀处理是为了将该图像中细小的空洞区域进行填充,因此膨胀处理会将道路元素的像素向外扩展,一些较小的空洞就被填充上了,但是这个操作会使得该图像中较大的空洞区域也被道路元素的像素侵蚀到,即,较大的空洞区域也会变小,而为了恢复较大的空洞区域,则可以再对经过了膨胀处理的图像中的空洞区域进行膨胀处理,这其实也可以称之为进行腐蚀处理。这样一来,处理后图像中就不存在原始的图像中细小的空洞了,而较大空洞也被保留了下来,因此,可以根据处理后图像中指定像素占该图像中整体像素的比例,确定该激光反射率底图中道路元素所对应的图像区域的空洞程度。
需要说明的是,还可以将采集道路点云数据时对应的行驶轨迹投影到激光反射率底图中,得到行驶轨迹所涉及的区域,作为道路元素对应的图像区域,该轨迹区域会涉及部分道路,因此,这样的图像区域是道路所对应的图像区域,由于道路中也会涉及到交通标线,并且道路也是地图中的元素,因此,也可以针对该图像区域确定空洞程度、混乱程度、清晰程度以及重影程度等图像质量指标,
S104:根据所述激光反射率底图中道路元素在各指标维度下的图像质量指标,从所述激光反射率底图中选取出异常道路元素。
S105:根据所述异常道路元素,确定所述激光反射率底图对应的质量评估结果,若所述质量评估结果符合预设标准,通过所述激光反射率底图进行地图绘制。
业务平台确定出该激光反射率底图中道路元素在各指标维度下的图像质量指标,从该激光反射率底图中选取出异常道路元素,并根据选取出的异常道路元素,确定该激光反射率底图对应的质量评估结果,若业务平台确定该质量评估结果符合预设标准,则可以通过该激光反射率底图进行地图绘制。
其中,业务平台可以通过多种方式选取出异常道路元素,业务平台可以确定出针对各指标维度下的图像质量指标预设出的质量标准值,对于一个道路元素来说,若该道路元素存在一个指标维度下的图像质量指标不符合该指标维度下的质量标准值,则可以将该道路元素作为异常道路元素,则该激光反射率底图对应的质量评估结果可以是指通过这种方式选取出的异常道路元素占该激光反射率底图中整体道路元素的比例。
当然,业务平台也可以从激光反射率底图中选取出在各指标维度下的异常道路元素,即,每个指标维度均选取出对于该指标维度存在异常的异常道路元素,业务平台可以针对每个指标维度,确定该指标维度下的图像质量指标不符合该指标维度下的质量标准值的道路元素,作为该指标维度下的异常道路元素,而后,该激光反射率底图对应的质量评估结果可以包括各指标维度对应的质量评估结果,即,可以针对每个指标维度,确定该指标维度下的异常道路元素占该激光反射率底图中道路元素的比例,并将各指标维度下的比例作为该激光反射率底图对应的质量评估结果,在实际应用中,为了能够更加明显的看出激光反射率底图中存在的问题,可以将各指标维度下的异常道路元素在激光反射率底图中标注出来进行展示,即,可以分别将不同指标维度下的异常道路元素均标注出来。
其中,若质量评估结果包括各指标维度对应的质量评估结果,则可以在各指标维度对应的质量评估结果均符合预设标准时,通过该激光反射率底图进行地图绘制,当然,若该质量评估结果唯一,则可以直接在该质量评估结果符合预设标准时,该激光反射率底图进行地图绘制,需要说明的是,若该激光反射率底图对应的质量评估结果不符合预设标准,则可以根据该激光反射率底图对应的地理区域,向采集设备发送采集指令,以使该采集设备重新采集该地理区域的道路点云数据,并根据重新采集的道路点云数据,重新制作该地理区域对应的激光反射率底图。
从上述方法中可以看出,本方法可以识别出激光反射率底图中包含的道路元素,并通过激光反射率底图中道路元素所在图像区域的图像,自动化的确定出该激光反射率底图中每个道路元素在各指标维度下的图像质量指标,从而确定出该激光反射率底图中图像质量存在问题的道路元素,即,异常道路元素,进而确定出该激光反射率底图是否可以用于地图绘制,从而相比于现有技术提高了确定出激光反射率底图的质量评估结果的效率。
以上为本说明书的一个或多个实施例提供的基于激光反射率底图进行地图绘制的方法,基于同样的思路,本说明书还提供了相应的基于激光反射率底图进行地图绘制的装置,如图4所示。
图4为本说明书提供的一种基于激光反射率底图进行地图绘制的装置示意图,包括:
获取模块401,用于获取激光反射率底图,所述激光反射率底图通过对至少一个道路点云数据处理得到;
识别模块402,用于识别所述激光反射率底图中包含的道路元素,得到所述道路元素在所述激光反射率底图中的图像区域,所述道路元素至少包括交通标线;
确定模块403,用于根据所述激光反射率底图中所述图像区域内的图像,确定所述激光反射率底图中道路元素在各指标维度下的图像质量指标;
选取模块404,用于根据所述激光反射率底图中道路元素在各指标维度下的图像质量指标,从所述激光反射率底图中选取出异常道路元素;
绘制模块405,用于根据所述异常道路元素,确定所述激光反射率底图对应的质量评估结果,若所述质量评估结果符合预设标准,通过所述激光反射率底图进行地图绘制。
可选地,所述确定模块403具体用于,根据所述图像,确定所述道路元素的实际图像宽度;根据所述实际图像宽度与所述道路元素的标准宽度,确定所述激光反射率底图中道路元素所对应的图像区域的图像重影程度。
可选地,所述确定模块403具体用于,确定所述图像中的边缘像素,以及确定所述边缘像素对应的像素梯度,所述像素梯度用于表示所述边缘像素与所述边缘像素周围像素之间像素值的区别程度;根据所述边缘像素对应的像素梯度与所述边缘像素的数量,确定所述激光反射率底图中道路元素的清晰程度,所述像素梯度越高,所述清晰程度越高。
可选地,所述确定模块403具体用于,以所述激光反射率底图中所述图像区域的图像为中心向外延伸,得到所述图像对应的外延伸图像,以及以所述激光反射率底图中所述图像区域内的图像为中心,得到所述图像对应的内部图像;确定所述外延伸图像对应的图像熵以及所述内部图像对应的图像熵;根据所述外延伸图像对应的图像熵以及所述内部图像对应的图像熵,确定所述激光反射率底图中道路元素对应的图像区域的混乱程度。
可选地,所述确定模块403具体用于,根据所述图像中指定像素占所述图像中整体像素的比例,确定所述激光反射率底图中道路元素所对应的图像区域的空洞程度,所述指定像素未对应有所述道路点云数据中的任意点云点。
可选地,所述确定模块403还用于,针对所述图像中道路元素的像素的进行膨胀处理,以去除所述图像中设定面积以下的空洞区域;对进行了膨胀处理后的所述图像中的空洞区域进行膨胀处理,得到处理后图像,以恢复所述图像中设定面积以上的空洞区域;所述确定模块403具体用于,根据所述处理后图像中指定像素占所述图像中整体像素的比例,确定所述激光反射率底图中道路元素所对应的图像区域的空洞程度。
可选地,所述装置还包括:
制作模块406,用于若所述激光反射率底图对应的质量评估结果不符合所述预设标准,根据所述激光反射率底图对应的地理区域,向采集设备发送采集指令,以使所述采集设备重新采集所述地理区域的道路点云数据;根据重新采集的道路点云数据,重新制作所述地理区域对应的激光反射率底图。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的一种基于激光反射率底图进行地图绘制的方法。
本说明书还提供了图5所示的一种对应于图1的电子设备的示意结构图。如图5所述,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的基于激光反射率底图进行地图绘制的方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (6)
1.一种基于激光反射率底图进行地图绘制的方法,涉及无人驾驶领域,其特征在于,包括:
获取激光反射率底图,所述激光反射率底图为通过至少一个道路点云数据进行处理得到;
识别所述激光反射率底图中包含的道路元素,得到所述道路元素在所述激光反射率底图中的图像区域,所述道路元素至少包括交通标线;
针对所述图像中道路元素的像素的进行膨胀处理,以去除所述图像中设定面积以下的空洞区域;
对进行了膨胀处理后的所述图像中的空洞区域进行膨胀处理,得到处理后图像,以恢复所述图像中设定面积以上的空洞区域;
根据所述处理后图像中指定像素占所述图像中整体像素的比例,确定所述激光反射率底图中道路元素所对应的图像区域的空洞程度,确定所述激光反射率底图中道路元素在各指标维度下的图像质量指标,所述指定像素未对应有所述道路点云数据中的任意点云点;根据所述激光反射率底图中道路元素在各指标维度下的图像质量指标,从所述激光反射率底图中选取出异常道路元素;
根据所述异常道路元素,确定所述激光反射率底图对应的质量评估结果,若所述质量评估结果符合预设标准,通过所述激光反射率底图进行地图绘制。
2.如权利要求1所述的方法,其特征在于,根据所述激光反射率底图中所述图像区域内的图像,确定所述激光反射率底图中道路元素在各指标维度下的图像质量指标,具体包括:
确定所述图像中的边缘像素,以及确定所述边缘像素对应的像素梯度,所述像素梯度用于表示所述边缘像素与所述边缘像素周围像素之间像素值的区别程度;
根据所述边缘像素对应的像素梯度与所述边缘像素的数量,确定所述激光反射率底图中道路元素的清晰程度,所述像素梯度越高,所述清晰程度越高。
3.如权利要求1所述的方法,其特征在于,根据所述激光反射率底图中所述图像区域内的图像,确定所述激光反射率底图中道路元素在各指标维度下的图像质量指标,具体包括:
沿所述激光反射率底图中所述图像区域的图像边缘外围进行采样,得到所述图像对应的至少一个外边缘框,以及沿所述激光反射率底图中所述图像区域的图像边缘内侧进行采样,得到所述图像对应的至少一个内边缘框;
确定所述至少一个内边缘框对应的图像熵以及所述至少一个外边缘框对应的图像熵;
根据所述至少一个内边缘框对应的图像熵以及所述至少一个内边缘框对应的图像熵,确定所述激光反射率底图中道路元素对应的图像区域的混乱程度。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
若所述激光反射率底图对应的质量评估结果不符合所述预设标准,根据所述激光反射率底图对应的地理区域,向采集设备发送采集指令,以使所述采集设备重新采集所述地理区域的道路点云数据;
根据重新采集的道路点云数据,重新制作所述地理区域对应的激光反射率底图。
5.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~4任一项所述的方法。
6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110798705.2A CN113640823B (zh) | 2021-07-15 | 2021-07-15 | 一种基于激光反射率底图进行地图绘制的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110798705.2A CN113640823B (zh) | 2021-07-15 | 2021-07-15 | 一种基于激光反射率底图进行地图绘制的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113640823A CN113640823A (zh) | 2021-11-12 |
CN113640823B true CN113640823B (zh) | 2023-11-21 |
Family
ID=78417354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110798705.2A Active CN113640823B (zh) | 2021-07-15 | 2021-07-15 | 一种基于激光反射率底图进行地图绘制的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113640823B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845321A (zh) * | 2015-12-03 | 2017-06-13 | 高德软件有限公司 | 路面标记信息的处理方法和装置 |
CN110568451A (zh) * | 2019-08-02 | 2019-12-13 | 北京三快在线科技有限公司 | 一种高精度地图中道路交通标线的生成方法和装置 |
CN110779876A (zh) * | 2019-11-07 | 2020-02-11 | 长光禹辰信息技术与装备(青岛)有限公司 | 一种疫木识别方法、装置、设备及计算机可读存储介质 |
CN110956100A (zh) * | 2019-11-15 | 2020-04-03 | 北京三快在线科技有限公司 | 一种高精度地图生成方法、装置、电子设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256446B (zh) * | 2017-12-29 | 2020-12-11 | 百度在线网络技术(北京)有限公司 | 用于确定道路中的车道线的方法、装置和设备 |
-
2021
- 2021-07-15 CN CN202110798705.2A patent/CN113640823B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845321A (zh) * | 2015-12-03 | 2017-06-13 | 高德软件有限公司 | 路面标记信息的处理方法和装置 |
CN110568451A (zh) * | 2019-08-02 | 2019-12-13 | 北京三快在线科技有限公司 | 一种高精度地图中道路交通标线的生成方法和装置 |
CN110779876A (zh) * | 2019-11-07 | 2020-02-11 | 长光禹辰信息技术与装备(青岛)有限公司 | 一种疫木识别方法、装置、设备及计算机可读存储介质 |
CN110956100A (zh) * | 2019-11-15 | 2020-04-03 | 北京三快在线科技有限公司 | 一种高精度地图生成方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113640823A (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311709B (zh) | 一种生成高精地图的方法及装置 | |
CN111238450B (zh) | 视觉定位方法及装置 | |
WO2019196542A1 (zh) | 一种图像处理的方法及装置 | |
CN113887608B (zh) | 一种模型训练的方法、图像检测的方法及装置 | |
CN111598088A (zh) | 目标检测方法、装置、计算机设备及可读存储介质 | |
CN114440903A (zh) | 一种高精地图构建方法、装置、存储介质及电子设备 | |
CN116721399B (zh) | 一种量化感知训练的点云目标检测方法及装置 | |
CN113640823B (zh) | 一种基于激光反射率底图进行地图绘制的方法及装置 | |
CN116342888B (zh) | 一种基于稀疏标注训练分割模型的方法及装置 | |
CN116728436A (zh) | 一种弹琴机器人的控制方法及控制装置 | |
CN113887351B (zh) | 一种用于无人驾驶的障碍物检测方法及障碍物检测装置 | |
CN112184901B (zh) | 一种深度图确定方法及装置 | |
CN114332201A (zh) | 一种模型训练、目标检测的方法以及装置 | |
CN111798489B (zh) | 一种特征点跟踪方法、设备、介质及无人设备 | |
CN110659343B (zh) | 一种地理围栏数据的提取方法、装置及设备 | |
CN114187355A (zh) | 一种图像标定方法及装置 | |
CN111104908A (zh) | 一种道路边沿确定方法及装置 | |
CN116740197B (zh) | 一种外参的标定方法、装置、存储介质及电子设备 | |
CN114173058B (zh) | 视频图像稳定处理方法、装置及设备 | |
CN112393723B (zh) | 一种定位方法、设备、介质及无人设备 | |
CN113888611B (zh) | 一种确定图像深度的方法、装置及存储介质 | |
CN117173321B (zh) | 一种三维重建纹理视图的选择方法及装置 | |
CN117649703A (zh) | 一种目标用户检测方法、装置及设备 | |
CN116740182B (zh) | 一种鬼影区域确定方法、装置、存储介质及电子设备 | |
CN117635850A (zh) | 一种数据处理方法及装置 |
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 |