CN114187357A - 一种高精地图的生产方法、装置、电子设备及存储介质 - Google Patents
一种高精地图的生产方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114187357A CN114187357A CN202111505203.2A CN202111505203A CN114187357A CN 114187357 A CN114187357 A CN 114187357A CN 202111505203 A CN202111505203 A CN 202111505203A CN 114187357 A CN114187357 A CN 114187357A
- Authority
- CN
- China
- Prior art keywords
- image
- current
- video
- point
- camera
- 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
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
- G01C21/3848—Data obtained from both position sensors and additional sensors
-
- 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
- G06T17/05—Geographic models
-
- 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
-
- 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
- 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
- G01C21/3852—Data derived from aerial or satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/579—Depth or shape recovery from multiple images from motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提供了一种高精地图的生产方法、装置、电子设备及存储介质,涉及高精地图技术领域,尤其涉及自动驾驶技术。具体实现方案为:基于预先获取的视频计算相机在各个位置点上的位姿;基于相机在各个位置点上的位姿,计算视频中的各个关键点的绝对深度;基于视频中的各个关键点的绝对深度,构建视频中的各个像素点对应的三维点云;基于视频中的各个像素点对应的三维点云,构建视频对应的高精地图。本申请实施例可以基于低成本的设备生产高精地图,保证地图生产的时效性和更新范围,有利于大规模推广应用。
Description
技术领域
本公开涉及高精地图技术领域,进一步涉及自动驾驶技术,尤其是一种高精地图的生产方法、装置、电子设备及存储介质。
背景技术
高精地图又称为高分辨率地图,在自动驾驶中具有非常重要的应用。相比于普通导航地图,高精地图的要求更高,需要达到厘米级精度。在真实的道路场景中,道路实际情况更新频繁,高精地图需要确保自动驾驶的安全,因此需要保证在实际驾驶环境发生变化的时候及时更新高精地图。
在高精地图的更新过程中,路牌、红绿灯、车道线、路标等要素的经纬度的定位非常重要,这些要素的定位准确定性对后续地图数据生产具有比较大的影响,地图要素的准确定位不仅可以保证高精地图更新的准确性,而且在高精地图的生产过程中具有非常重要的意义,提高地图要素的定位精度依旧是需要解决的问题。
在现阶段的高精地图的生产过程中,通常会利用激光点云数据进行建图,即先对激光点云进行语义解析,识别激光点云中的每个点的类别属性;然后对激光点云进行矢量化,得到目标区域的矢量化地图。由于激光设备的成本较高,无法进行规模化部署,如何进行低成本的地图构建是需要解决的问题。
发明内容
本公开提供了一种高精地图的生产方法、装置、电子设备以及存储介质。
第一方面,本申请提供了一种高精地图的生产方法,所述方法包括:
基于预先获取的视频计算相机在各个位置点上的位姿;
基于所述相机在各个位置点上的位姿,计算所述视频中的各个关键点的绝对深度;
基于所述视频中的各个关键点的绝对深度,构建所述视频中的各个像素点对应的三维点云;
基于所述视频中的各个像素点对应的三维点云,构建所述视频对应的高精地图。
第二方面,本申请提供了一种高精地图的生产装置,所述装置包括:位姿计算模块、深度计算模块、点云构建模块和地图构建模块;其中,
所述位姿计算模块,用于基于预先获取的视频计算相机在各个位置点上的位姿;
所述深度计算模块,用于基于所述相机在各个位置点上的位姿,计算所述视频中的各个关键点的绝对深度;
所述点云构建模块,用于基于所述视频中的各个关键点的绝对深度,构建所述视频中的各个像素点对应的三维点云;
所述地图构建模块,用于基于所述视频中的各个像素点对应的三维点云,构建所述视频对应的高精地图。
第三方面,本申请实施例提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本申请任意实施例所述的高精地图的生产方法。
第四方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请任意实施例所述的高精地图的生产方法。
第五方面,提供了一种计算机程序产品,当所述计算机程序产品被计算机设备执行时实现本申请任意实施例所述的高精地图的生产方法。
根据本申请的技术解决了现有技术中利用激光点云数据进行建图,设备成本较高,无法进行规模化部署,地图生产的时效性和更新范围无法得到保证的技术问题,本申请提供的技术方案,可以基于低成本的设备生产高精地图,保证地图生产的时效性和更新范围,有利于大规模推广应用。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本申请实施例提供的高精地图的生产方法的第一流程示意图;
图2是本申请实施例提供的高精地图的生产方法的第二流程示意图;
图3是本申请实施例提供的高精地图的生产方法的第三流程示意图;
图4是本申请实施例提供的高精地图的生产装置的结构示意图;
图5是用来实现本申请实施例的高精地图的生产方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实施例一
图1是本申请实施例提供的高精地图的生产方法的第一流程示意图,该方法可以由高精地图的生产装置或者电子设备来执行,该装置或者电子设备可以由软件和/或硬件的方式实现,该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图1所示,高精地图的生产方法可以包括以下步骤:
S101、基于预先获取的视频计算相机在各个位置点上的位姿。
在本步骤中,电子设备可以基于预先获取的视频计算相机在各个位置点上的位姿。本申请实施例中的位姿可以包括相机沿X、Y、Z三个直角坐标轴方向移动的自由度和绕X、Y、Z三个直角坐标轴转动的自由度。具体地,电子设备可以先基于视频提取相机在各个位置点上的GPS信息和IMU数据;然后基于相机在各个位置点上的GPS信息和IMU数据,获取相机在各个位置点上的位姿。
S102、基于相机在各个位置点上的位姿,计算视频中的各个关键点的绝对深度。
在本步骤中,电子设备可以基于相机在各个位置点上的位姿,计算视频中的各个关键点的绝对深度。本申请实施例中的绝对深度指的是各个关键点在参考图像中的图像深度。图像深度是指存储每个像素所用的位数,也用于量度图像的色彩分辨率。图像深度确定彩色图像的每个像素可能有的颜色数,或者确定灰度图像的每个像素可能有的灰度级数。它决定了彩色图像中可出现的最多颜色数,或灰度图像中的最大灰度等级。具体地,电子设备可以先在视频中提取出两张图像作为当前图像对;其中,当前图像对中包括当前第一图像和当前第二图像;然后在当前第一图像和当前第二图像中分别提取出至少一个关键点,并将当前第一图像中的各个关键点和当前第二图像中的各个关键点进行匹配;若当前第一图像中存在至少一个关键点与当前第二图像中的至少一个关键点匹配成功,则电子设备可以基于相机在拍摄当前第一图像时所在的位置点上的位姿和在拍摄当前第二图像时所在的位置点上的位姿,计算各个匹配成功的关键点在当前第一图像和当前第二图像中的绝对深度;重复执行上述操作,直到计算出视频中的各个关键点的绝对深度。
S103、基于视频中的各个关键点的绝对深度,构建视频中的各个像素点对应的三维点云。
在本步骤中,电子设备可以基于视频中的各个关键点的绝对深度,构建视频中的各个像素点对应的三维点云。深度图像(depth image)也叫距离影像(range image),是指将从图像采集器到场景中各点的距离(深度)值作为像素值的图像。点云是指当一束激光照射到物体表面时,所反射的激光会携带方位、距离等信息。若将激光束按照某种轨迹进行扫描,便会边扫描边记录到反射的激光点信息,由于扫描极为精细,则能够得到大量的激光点,因而就可形成激光点云。深度图像经过坐标转换可以计算为点云数据,深度数据流所提供的图像帧中,每一个像素点代表的是在深度感应器的视野中,该特定的(x,y)坐标处物体到离摄像头平面最近的物体到该平面的距离。
S104、基于视频中的各个像素点对应的三维点云,构建视频对应的高精地图。
在本步骤中,电子设备可以基于视频中的各个像素点对应的三维点云,构建视频对应的高精地图。具体地,电子设备可以先根据预先确定的三维点云和像素点的对应关系,获取各个图像中的各个地图要素的三维点云;然后针对各个地图要素的三维点云进行矢量化操作,获取各个地图要素的矢量化结果;再根据各个地图要素的矢量化结果,构建视频对应的高精地图。
本申请实施例提出的高精地图的生产方法,先基于预先获取的视频计算相机在各个位置点上的位姿;接着基于相机在各个位置点上的位姿,计算视频中的各个关键点的绝对深度;然后基于视频中的各个关键点的绝对深度,构建视频中的各个像素点对应的三维点云;再基于视频中的各个像素点对应的三维点云,构建视频对应的高精地图。也就是说,本申请可以采用低成本的设备采集视频,基于该视频构建对应的高精地图,而不需要利用高成本的激光设备构建高精地图。而在现有的高精地图的生产方法中,通常会利用激光点云数据进行建图,即先对激光点云进行语义解析,识别激光点云中的每个点的类别属性;然后对激光点云进行矢量化,得到目标区域的矢量化地图。因为本申请采用了计算相机在各个位置点上的位姿和各个关键点的绝对深度,从而构建出各个像素点对应的三维点云,并最终构建出高精地图的技术手段,克服了现有技术中利用激光点云数据进行建图,设备成本较高,无法进行规模化部署,地图生产的时效性和更新范围无法得到保证的技术问题,本申请提供的技术方案,可以基于低成本的设备生产高精地图,保证地图生产的时效性和更新范围,有利于大规模推广应用;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例二
图2是本申请实施例提供的高精地图的生产方法的第二流程示意图。基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。如图2所示,高精地图的生产方法可以包括以下步骤:
S201、基于视频提取相机在各个位置点上的GPS信息和IMU数据。
在本步骤中,电子设备可以基于视频提取相机在各个位置点上的GPS信息和IMU数据。具体地,用户在不同的位置点上拍摄的图像可以组成一个视频,该视频中可以包括一个图像或者多个图像。例如,在车辆行驶过程中,用户可以手持相机在连续的位置点上拍摄一系列的图像,这些图像组成车辆在行驶过程中所采集到的视频。针对不同的位置点分别对应于不同的位姿,该位姿包括GPS信息和IMU数据。例如,假设该视频是由相机在N个位置点上采集到的,N个位置点可以包括:位置点1、位置点2、…、位置点N;其中,N为大于1的自然数。位置点1对应于GPS1和IMU1;位置点2对应于GPS2和IMU2,…;位置点N对应于GPS N和IMUN。
S202、基于相机在各个位置点上的GPS信息和IMU数据,获取相机在各个位置点上的位姿;其中,位姿包括相机沿X、Y、Z三个直角坐标轴方向移动的自由度和绕X、Y、Z三个直角坐标轴转动的自由度。
在本步骤中,电子设备可以基于相机在各个位置点上的GPS信息和IMU数据,获取相机在各个位置点上的位姿;其中,位姿包括相机沿X、Y、Z三个直角坐标轴方向移动的自由度和绕X、Y、Z三个直角坐标轴转动的自由度。示例性地,相机在各个位置点上的位姿可以表示为(X,Y,Z,α,β,γ);其中,X,Y,Z分别表示相机沿X、Y、Z三个直角坐标轴方向移动的自由度;α,β,γ分别表示相机绕X、Y、Z三个直角坐标轴转动的自由度。具体地,电子设备可以先利用IMU数据,使用视觉惯性里程计方式获取在局部坐标系下的相机运动数据;然后融合相机在局部坐标系下的相机运动数据和GPS信息,获取在全局坐标系下的相机下的相机运动数据。
S203、基于相机在各个位置点上的位姿,计算视频中的各个关键点的绝对深度。
在本步骤中,电子设备可以基于相机在各个位置点上的位姿,计算视频中的各个关键点的绝对深度。具体地,电子设备可以先在视频中提取出两张图像作为当前图像对;其中,当前图像对中可以包括当前第一图像和当前第二图像;然后在当前第一图像和当前第二图像中分别提取出至少一个关键点,并将当前第一图像中的各个关键点和当前第二图像中的各个关键点进行匹配;若当前第一图像中存在至少一个关键点与当前第二图像中的至少一个关键点匹配成功,则电子设备可以基于相机在拍摄当前第一图像时所在的位置点上的位姿和在拍摄当前第二图像时所在的位置点上的位姿,计算各个匹配成功的关键点在当前第一图像和当前第二图像中的绝对深度;重复执行上述操作,直到计算出视频中的各个关键点的绝对深度。可选地,电子设备还可以通过深度过滤的方法,去除深度不一致的三维点,通过比较扩散的像素点深度和其他特征点深度的一致性关系,过滤深度不一致或者一致性较低的像素点;使用同时定位与建图模型(Simultaneous Localization andMapping,简称SLAM)获得的相机运动,通过深度图融合获得道路场景的三维点云模型。
S204、基于视频中的各个关键点的绝对深度,构建视频中的各个像素点对应的三维点云。
S205、基于视频中的各个像素点对应的三维点云,构建视频对应的高精地图。
在本步骤中,电子设备可以基于视频中的各个像素点对应的三维点云,构建视频对应的高精地图。具体地,电子设备可以先根据预先确定的三维点云和像素点的对应关系,获取各个图像中的各个地图要素的三维点云;然后针对各个地图要素的三维点云进行矢量化操作,获取各个地图要素的矢量化结果;再根据各个地图要素的矢量化结果,构建视频对应的高精地图。进一步地,电子设备可以先对视频中的各个图像进行语义分割,获取各个图像中的各个地图要素的类别信息;然后基于各个地图要素的类别信息,获取视频中的各个地图要素的三维点云。具体可以包括以下操作步骤:(1)由语义分割或者实例分割过程可以对视频内物体进行语义或者实例级分割,在滤除动态物体之后可以获得如车道线、交通灯、路牌等要素的分割结果,获得不同要素的类别信息;(2)根据三维重建后的点云和像素点的对应关系,可以直接将像素点的类别信息赋予三维点云,因此可以获得具有语义信息的三维点云。这样就得到三维点云中每个点的类别属性,获得点云的识别结果。(3)对属于同一个类别的点云进行组合,通常可使用点云聚类的方法获得属于同一类别的点云簇;(4)对上述获得的点云簇进行矢量化操作,以获得点云的三维矢量化结果。根据点云以及要素的特点,通用的可以将矢量化结果分为立体型、平面型和线型,如路牌、交通灯等属于立体型,人行道、禁停区等属于平面型,车道线、路边缘属于线型。对于立体型的点云,使用点云的外边界三维包围框来进行矢量化;对于线型和面型的点云簇,首先使用其三维包围框表示,根据线型和面型的特点,将三维包围框进行压缩,形成二维平面状的矢量化结果。
本申请实施例提出的高精地图的生产方法,先基于预先获取的视频计算相机在各个位置点上的位姿;接着基于相机在各个位置点上的位姿,计算视频中的各个关键点的绝对深度;然后基于视频中的各个关键点的绝对深度,构建视频中的各个像素点对应的三维点云;再基于视频中的各个像素点对应的三维点云,构建视频对应的高精地图。也就是说,本申请可以采用低成本的设备采集视频,基于该视频构建对应的高精地图,而不需要利用高成本的激光设备构建高精地图。而在现有的高精地图的生产方法中,通常会利用激光点云数据进行建图,即先对激光点云进行语义解析,识别激光点云中的每个点的类别属性;然后对激光点云进行矢量化,得到目标区域的矢量化地图。因为本申请采用了计算相机在各个位置点上的位姿和各个关键点的绝对深度,从而构建出各个像素点对应的三维点云,并最终构建出高精地图的技术手段,克服了现有技术中利用激光点云数据进行建图,设备成本较高,无法进行规模化部署,地图生产的时效性和更新范围无法得到保证的技术问题,本申请提供的技术方案,可以基于低成本的设备生产高精地图,保证地图生产的时效性和更新范围,有利于大规模推广应用;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例三
图3是本申请实施例提供的高精地图的生产方法的第三流程示意图。基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。如图3所示,高精地图的生产方法可以包括以下步骤:
S301、基于视频提取相机在各个位置点上的GPS信息和IMU数据。
S302、基于相机在各个位置点上的GPS信息和IMU数据,获取相机在各个位置点上的位姿;其中,位姿包括相机沿X、Y、Z三个直角坐标轴方向移动的自由度和绕X、Y、Z三个直角坐标轴转动的自由度。
S303、在视频中提取出两张图像作为当前图像对;其中,当前图像对中包括当前第一图像和当前第二图像。
在本步骤中,电子设备可以在视频中提取出两张图像作为当前图像对;其中,当前图像对中包括当前第一图像和当前第二图像。具体地,电子设备可以将每两个连续的图像作为图像对,也可以将非连续的两个图像作为图像对,在此不进行限定。
S304、在当前第一图像和当前第二图像中分别提取出至少一个关键点,并将当前第一图像中的各个关键点和当前第二图像中的各个关键点进行匹配。
在本步骤中,电子设备可以在当前第一图像和当前第二图像中分别提取出至少一个关键点,并将当前第一图像中的各个关键点和当前第二图像中的各个关键点进行匹配。具体地,电子设备可以将当前第一图像中的每一个关键点与当前第二图像中的每一个关键点进行匹配;若当前第一图像中存在一个关键点与当前第二图像中的一个关键点匹配成功,则表示这两个关键点表示的是物体上的同一个点。
S305、若当前第一图像中存在至少一个关键点与当前第二图像中的至少一个关键点匹配成功,则基于相机在拍摄当前第一图像时所在的位置点上的位姿和在拍摄当前第二图像时所在的位置点上的位姿,计算各个匹配成功的关键点在当前第一图像和当前第二图像中的绝对深度;重复执行上述操作,直到计算出视频中的各个关键点的绝对深度。
在本步骤中,若当前第一图像中存在至少一个关键点与当前第二图像中的至少一个关键点匹配成功,则电子设备可以基于相机在拍摄当前第一图像时所在的位置点上的位姿和在拍摄当前第二图像时所在的位置点上的位姿,计算各个匹配成功的关键点在当前第一图像和当前第二图像中的绝对深度;重复执行上述操作,直到计算出视频中的各个关键点的绝对深度。具体地,电子设备可以先基于相机在拍摄当前第一图像时所在的位置点上的位姿和在拍摄当前第二图像时所在的位置点上的位姿,构建当前第一图像和当前第二图像的像素坐标,以及当前第一图像和当前第二图像中的像素点的归一化平面坐标;然后根据当前第一图像和当前第二图像的像素坐标,以及当前第一图像和当前第二图像中的像素点的归一化平面坐标,计算各个匹配成功的关键点在当前第一图像和当前第二图像中的绝对深度。示例性地,当前第一图像的像素坐标可以表示为:s1p1=KP;当前第一图像的像素坐标可以表示为:s2p2=K(RP+t);其中,s1和s2分别为匹配成功的关键点在当前第一图像中的绝对深度;K、R和t分别为相机的内参以及相机在当前第一图像和当前第二图像之间的运动(旋转和平移);P为匹配成功的关键点的三维坐标点(X,Y,Z);p1和p2分别为表示空间中的三维点在当前第一图像和当前第二图像中的像素坐标。此外,当前第一图像中的像素点的归一化平面坐标可以表示为:x1=K-1p1;和当前第二图像中的像素点的归一化平面坐标可以表示为:x2=K-1p2。
S306、基于视频中的各个关键点的绝对深度,构建视频中的各个像素点对应的三维点云。
S307、基于视频中的各个像素点对应的三维点云,构建视频对应的高精地图。
本申请实施例提出的高精地图的生产方法,先基于预先获取的视频计算相机在各个位置点上的位姿;接着基于相机在各个位置点上的位姿,计算视频中的各个关键点的绝对深度;然后基于视频中的各个关键点的绝对深度,构建视频中的各个像素点对应的三维点云;再基于视频中的各个像素点对应的三维点云,构建视频对应的高精地图。也就是说,本申请可以采用低成本的设备采集视频,基于该视频构建对应的高精地图,而不需要利用高成本的激光设备构建高精地图。而在现有的高精地图的生产方法中,通常会利用激光点云数据进行建图,即先对激光点云进行语义解析,识别激光点云中的每个点的类别属性;然后对激光点云进行矢量化,得到目标区域的矢量化地图。因为本申请采用了计算相机在各个位置点上的位姿和各个关键点的绝对深度,从而构建出各个像素点对应的三维点云,并最终构建出高精地图的技术手段,克服了现有技术中利用激光点云数据进行建图,设备成本较高,无法进行规模化部署,地图生产的时效性和更新范围无法得到保证的技术问题,本申请提供的技术方案,可以基于低成本的设备生产高精地图,保证地图生产的时效性和更新范围,有利于大规模推广应用;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例四
图4是本申请实施例提供的高精地图的生产装置的结构示意图。如图4所示,所述装置400包括:位姿计算模块401、深度计算模块402、点云构建模块403和地图构建模块404;其中,
所述位姿计算模块401,用于基于预先获取的视频计算相机在各个位置点上的位姿;
所述深度计算模块402,用于基于所述相机在各个位置点上的位姿,计算所述视频中的各个关键点的绝对深度;
所述点云构建模块403,用于基于所述视频中的各个关键点的绝对深度,构建所述视频中的各个像素点对应的三维点云;
所述地图构建模块404,用于基于所述视频中的各个像素点对应的三维点云,构建所述视频对应的高精地图。
进一步的,所述位姿计算模块401,具体用于基于所述视频提取相机在各个位置点上的全球定位系统GPS信息和惯性测量单元IMU数据;基于所述相机在各个位置点上的GPS信息和IMU数据,获取所述相机在各个位置点上的位姿;其中,所述位姿包括所述相机沿X、Y、Z三个直角坐标轴方向移动的自由度和绕X、Y、Z三个直角坐标轴转动的自由度。
进一步的,所述深度计算模块402,具体用于在所述视频中提取出两张图像作为当前图像对;其中,所述当前图像对中包括当前第一图像和当前第二图像;在所述当前第一图像和所述当前第二图像中分别提取出至少一个关键点,并将所述当前第一图像中的各个关键点和所述当前第二图像中的各个关键点进行匹配;若所述当前第一图像中存在至少一个关键点与所述当前第二图像中的至少一个关键点匹配成功,则基于所述相机在拍摄所述当前第一图像时所在的位置点上的位姿和在拍摄所述当前第二图像时所在的位置点上的位姿,计算各个匹配成功的关键点在所述当前第一图像和所述当前第二图像中的绝对深度;重复执行上述操作,直到计算出所述视频中的各个关键点的绝对深度。
进一步的,所述深度计算模块402,具体用于基于所述相机在拍摄所述当前第一图像时所在的位置点上的位姿和在拍摄所述当前第二图像时所在的位置点上的位姿,构建所述当前第一图像和所述当前第二图像的像素坐标,以及所述当前第一图像和所述当前第二图像中的像素点的归一化平面坐标;根据所述当前第一图像和所述当前第二图像的像素坐标,以及所述当前第一图像和所述当前第二图像中的像素点的归一化平面坐标,计算各个匹配成功的关键点在所述当前第一图像和所述当前第二图像中的绝对深度。
进一步的,所述地图构建模块404,具体用于根据预先确定的三维点云和像素点的对应关系,获取各个图像中的各个地图要素的三维点云;针对各个地图要素的三维点云进行矢量化操作,获取各个地图要素的矢量化结果;根据各个地图要素的矢量化结果,构建所述视频对应的高精地图。
进一步的,所述地图构建模块404,具体用于对所述视频中的各个图像进行语义分割,获取各个图像中的各个地图要素的类别信息;基于各个地图要素的类别信息,获取所述视频中的各个地图要素的三维点云。
上述高精地图的生产装置可执行本申请任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请任意实施例提供的高精地图的生产方法。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
实施例五
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如高精地图的生产方法。例如,在一些实施例中,高精地图的生产方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的高精地图的生产方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行高精地图的生产方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种高精地图的生产方法,所述方法包括:
基于预先获取的视频计算相机在各个位置点上的位姿;
基于所述相机在各个位置点上的位姿,计算所述视频中的各个关键点的绝对深度;
基于所述视频中的各个关键点的绝对深度,构建所述视频中的各个像素点对应的三维点云;
基于所述视频中的各个像素点对应的三维点云,构建所述视频对应的高精地图。
2.根据权利要求1所述的方法,其中,所述基于预先获取的视频计算相机在各个位置点上的位姿,包括:
基于所述视频提取相机在各个位置点上的全球定位系统GPS信息和惯性测量单元IMU数据;
基于所述相机在各个位置点上的GPS信息和IMU数据,获取所述相机在各个位置点上的位姿;其中,所述位姿包括所述相机沿X、Y、Z三个直角坐标轴方向移动的自由度和绕X、Y、Z三个直角坐标轴转动的自由度。
3.根据权利要求1所述的方法,其中,所述基于所述相机在各个位置点上的位姿,计算所述视频中的各个关键点的绝对深度,包括:
在所述视频中提取出两张图像作为当前图像对;其中,所述当前图像对中包括当前第一图像和当前第二图像;
在所述当前第一图像和所述当前第二图像中分别提取出至少一个关键点,并将所述当前第一图像中的各个关键点和所述当前第二图像中的各个关键点进行匹配;
若所述当前第一图像中存在至少一个关键点与所述当前第二图像中的至少一个关键点匹配成功,则基于所述相机在拍摄所述当前第一图像时所在的位置点上的位姿和在拍摄所述当前第二图像时所在的位置点上的位姿,计算各个匹配成功的关键点在所述当前第一图像和所述当前第二图像中的绝对深度;重复执行上述操作,直到计算出所述视频中的各个关键点的绝对深度。
4.根据权利要求3所述的方法,其中,所述基于所述相机在拍摄所述当前第一图像时所在的位置点上的位姿和在拍摄所述当前第二图像时所在的位置点上的位姿,计算各个匹配成功的关键点在所述当前第一图像和所述当前第二图像中的绝对深度,包括:
基于所述相机在拍摄所述当前第一图像时所在的位置点上的位姿和在拍摄所述当前第二图像时所在的位置点上的位姿,构建所述当前第一图像和所述当前第二图像的像素坐标,以及所述当前第一图像和所述当前第二图像中的像素点的归一化平面坐标;
根据所述当前第一图像和所述当前第二图像的像素坐标,以及所述当前第一图像和所述当前第二图像中的像素点的归一化平面坐标,计算各个匹配成功的关键点在所述当前第一图像和所述当前第二图像中的绝对深度。
5.根据权利要求1所述的方法,其中,所述基于所述视频中的各个像素点对应的三维点云,构建所述视频对应的高精地图,包括:
根据预先确定的三维点云和像素点的对应关系,获取各个图像中的各个地图要素的三维点云;
针对各个地图要素的三维点云进行矢量化操作,获取各个地图要素的矢量化结果;
根据各个地图要素的矢量化结果,构建所述视频对应的高精地图。
6.根据权利要求5所述的方法,其中,所述根据预先确定的三维点云和像素点的对应关系,获取所述视频中的各个地图要素的三维点云,包括:
对所述视频中的各个图像进行语义分割,获取各个图像中的各个地图要素的类别信息;
基于各个地图要素的类别信息,获取所述视频中的各个地图要素的三维点云。
7.一种高精地图的生产装置,所述装置包括:位姿计算模块、深度计算模块、点云构建模块和地图构建模块;其中,
所述位姿计算模块,用于基于预先获取的视频计算相机在各个位置点上的位姿;
所述深度计算模块,用于基于所述相机在各个位置点上的位姿,计算所述视频中的各个关键点的绝对深度;
所述点云构建模块,用于基于所述视频中的各个关键点的绝对深度,构建所述视频中的各个像素点对应的三维点云;
所述地图构建模块,用于基于所述视频中的各个像素点对应的三维点云,构建所述视频对应的高精地图。
8.根据权利要求7所述的装置,所述位姿计算模块,具体用于基于所述视频提取相机在各个位置点上的全球定位系统GPS信息和惯性测量单元IMU数据;基于所述相机在各个位置点上的GPS信息和IMU数据,获取所述相机在各个位置点上的位姿;其中,所述位姿包括所述相机沿X、Y、Z三个直角坐标轴方向移动的自由度和绕X、Y、Z三个直角坐标轴转动的自由度。
9.根据权利要求7所述的装置,所述深度计算模块,具体用于在所述视频中提取出两张图像作为当前图像对;其中,所述当前图像对中包括当前第一图像和当前第二图像;在所述当前第一图像和所述当前第二图像中分别提取出至少一个关键点,并将所述当前第一图像中的各个关键点和所述当前第二图像中的各个关键点进行匹配;若所述当前第一图像中存在至少一个关键点与所述当前第二图像中的至少一个关键点匹配成功,则基于所述相机在拍摄所述当前第一图像时所在的位置点上的位姿和在拍摄所述当前第二图像时所在的位置点上的位姿,计算各个匹配成功的关键点在所述当前第一图像和所述当前第二图像中的绝对深度;重复执行上述操作,直到计算出所述视频中的各个关键点的绝对深度。
10.根据权利要求9所述的装置,所述深度计算模块,具体用于基于所述相机在拍摄所述当前第一图像时所在的位置点上的位姿和在拍摄所述当前第二图像时所在的位置点上的位姿,构建所述当前第一图像和所述当前第二图像的像素坐标,以及所述当前第一图像和所述当前第二图像中的像素点的归一化平面坐标;根据所述当前第一图像和所述当前第二图像的像素坐标,以及所述当前第一图像和所述当前第二图像中的像素点的归一化平面坐标,计算各个匹配成功的关键点在所述当前第一图像和所述当前第二图像中的绝对深度。
11.根据权利要求7所述的装置,所述地图构建模块,具体用于根据预先确定的三维点云和像素点的对应关系,获取各个图像中的各个地图要素的三维点云;针对各个地图要素的三维点云进行矢量化操作,获取各个地图要素的矢量化结果;根据各个地图要素的矢量化结果,构建所述视频对应的高精地图。
12.根据权利要求11所述的装置,所述地图构建模块,具体用于对所述视频中的各个图像进行语义分割,获取各个图像中的各个地图要素的类别信息;基于各个地图要素的类别信息,获取所述视频中的各个地图要素的三维点云。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111505203.2A CN114187357A (zh) | 2021-12-10 | 2021-12-10 | 一种高精地图的生产方法、装置、电子设备及存储介质 |
EP22212324.2A EP4194807A1 (en) | 2021-12-10 | 2022-12-08 | High-precision map construction method and apparatus, electronic device, and storage medium |
US18/077,896 US20230184564A1 (en) | 2021-12-10 | 2022-12-08 | High-precision map construction method, electronic device, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111505203.2A CN114187357A (zh) | 2021-12-10 | 2021-12-10 | 一种高精地图的生产方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114187357A true CN114187357A (zh) | 2022-03-15 |
Family
ID=80604283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111505203.2A Pending CN114187357A (zh) | 2021-12-10 | 2021-12-10 | 一种高精地图的生产方法、装置、电子设备及存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230184564A1 (zh) |
EP (1) | EP4194807A1 (zh) |
CN (1) | CN114187357A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630442B (zh) * | 2023-07-19 | 2023-09-22 | 绘见科技(深圳)有限公司 | 一种视觉slam位姿估计精度评估方法及装置 |
CN117437404A (zh) * | 2023-10-26 | 2024-01-23 | 合肥工业大学 | 一种基于虚拟点云的多模态目标检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110148179A (zh) * | 2019-04-19 | 2019-08-20 | 北京地平线机器人技术研发有限公司 | 一种训练用于估计图像视差图的神经网络模型方法、装置及介质 |
CN111582204A (zh) * | 2020-05-13 | 2020-08-25 | 北京市商汤科技开发有限公司 | 姿态检测方法、装置、计算机设备及存储介质 |
CN113326769A (zh) * | 2021-05-28 | 2021-08-31 | 北京三快在线科技有限公司 | 高精地图生成方法、装置、设备及存储介质 |
CN113496503A (zh) * | 2020-03-18 | 2021-10-12 | 广州极飞科技股份有限公司 | 点云数据的生成及实时显示方法、装置、设备及介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109461211B (zh) * | 2018-11-12 | 2021-01-26 | 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 |
CN110287276B (zh) * | 2019-05-27 | 2021-08-31 | 百度在线网络技术(北京)有限公司 | 高精地图更新方法、装置及存储介质 |
-
2021
- 2021-12-10 CN CN202111505203.2A patent/CN114187357A/zh active Pending
-
2022
- 2022-12-08 EP EP22212324.2A patent/EP4194807A1/en active Pending
- 2022-12-08 US US18/077,896 patent/US20230184564A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110148179A (zh) * | 2019-04-19 | 2019-08-20 | 北京地平线机器人技术研发有限公司 | 一种训练用于估计图像视差图的神经网络模型方法、装置及介质 |
CN113496503A (zh) * | 2020-03-18 | 2021-10-12 | 广州极飞科技股份有限公司 | 点云数据的生成及实时显示方法、装置、设备及介质 |
CN111582204A (zh) * | 2020-05-13 | 2020-08-25 | 北京市商汤科技开发有限公司 | 姿态检测方法、装置、计算机设备及存储介质 |
CN113326769A (zh) * | 2021-05-28 | 2021-08-31 | 北京三快在线科技有限公司 | 高精地图生成方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
知乎: "视觉SLAM十四讲学习记录(三)", Retrieved from the Internet <URL:《https://zhuanlan.zhihu.com/p/400378246》> * |
邓伟文 等: "中国近海海洋 海岛海岸带遥感影像处理与解译", 机械工业出版社, pages: 208 * |
Also Published As
Publication number | Publication date |
---|---|
EP4194807A1 (en) | 2023-06-14 |
US20230184564A1 (en) | 2023-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11131999B2 (en) | Method and apparatus for identifying laser point cloud data of autonomous vehicle | |
EP3505869B1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
CN109270545B (zh) | 一种定位真值校验方法、装置、设备及存储介质 | |
CN110008851B (zh) | 一种车道线检测的方法及设备 | |
US20200103249A1 (en) | Method for calibrating relative pose, device and medium | |
CN108765487A (zh) | 重建三维场景的方法、装置、设备和计算机可读存储介质 | |
EP3828720A2 (en) | Method and apparatus for merging data of building blocks, device and storage medium | |
CN108734780B (zh) | 用于生成地图的方法、装置和设备 | |
EP4116935B1 (en) | High-definition map creation method and device, and electronic device | |
EP4194807A1 (en) | High-precision map construction method and apparatus, electronic device, and storage medium | |
WO2020264222A1 (en) | Image-based keypoint generation | |
CN113989450A (zh) | 图像处理方法、装置、电子设备和介质 | |
WO2021003487A1 (en) | Training data generation for dynamic objects using high definition map data | |
CN113377888A (zh) | 训练目标检测模型和检测目标的方法 | |
CN111721281B (zh) | 位置识别方法、装置和电子设备 | |
CN114034295A (zh) | 高精地图生成方法、装置、电子设备、介质及程序产品 | |
CN112652062A (zh) | 一种点云地图构建方法、装置、设备和存储介质 | |
CN116295457B (zh) | 一种基于二维语义地图的车辆视觉定位方法及系统 | |
CN114186007A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
CN113436233A (zh) | 自动驾驶车辆的配准方法、装置、电子设备和车辆 | |
CN113742440A (zh) | 道路图像数据处理方法、装置、电子设备及云计算平台 | |
CN113592951A (zh) | 车路协同中路侧相机外参标定的方法、装置、电子设备 | |
CN114266876B (zh) | 定位方法、视觉地图的生成方法及其装置 | |
CN115790621A (zh) | 高精地图更新方法、装置及电子设备 | |
CN115410173A (zh) | 多模态融合的高精地图要素识别方法、装置、设备及介质 |
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 |