CN114693704A - 超大场景下的地图分割和融合方法 - Google Patents
超大场景下的地图分割和融合方法 Download PDFInfo
- Publication number
- CN114693704A CN114693704A CN202210349677.0A CN202210349677A CN114693704A CN 114693704 A CN114693704 A CN 114693704A CN 202210349677 A CN202210349677 A CN 202210349677A CN 114693704 A CN114693704 A CN 114693704A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- map information
- information
- precision map
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Abstract
本发明公开了一种超大场景下的地图分割和融合方法,包括S1、汽车搭载5G通讯模块能够实时进行5G高速互联网通讯;S2、汽车无人驾驶模式下,根据判断模块来确定是否加载3D高精地图信息。在无人驾驶的模式下,通过融合系统在二维地图信息的基础上,与3D高精地图信息数据库通讯,并建立显示出立体3D建筑物模型,融合系统在融合过程中,针对3D高精地图信息数据中存在且二维地图信息中不存在在对象,直接创建3D信息,并显示立体图像,采用该地图融合方法,能够辅助无人驾驶过程中,针对立体固定建筑物的锁定,更加容易判断出移动的立体物,提供3D高精地图,便于无人驾驶系统更加精准的移动的立体物进行判断和分析,大大的提高无人驾驶的安全性。
Description
技术领域
本发明涉及无人驾驶技术领域,尤其涉及一种超大场景下的地图分割和融合方法。
背景技术
智能车辆是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统,它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术,是典型的高新技术综合体。对智能车辆的研究主要致力于提高汽车的安全性、舒适性,以及提供优良的人车交互界面。近年来,智能车辆己经成为世界车辆工程领域研究的热点和汽车工业增长的新动力,很多发达国家都将其纳入到各自重点发展的智能交通系统当中。
目前,市场上的智能汽车除了在内部电子硬件方面的智能化程度越来越高意外,其驾驶当面慢慢的涌现了一批无人驾驶的智能汽车。
无人驾驶技术是传感器、计算机、人工智能、通信、导航定位、模式识别、机器视觉、智能控制等多门前沿学科的综合体,即“通过多种车载传感器(如摄像头、激光雷达、毫米波雷达、GPS、惯性传感器等)来识别车辆所处的周边环境和状态,并根据所获得的环境信息(包括道路信息、交通信息、车辆位置和障碍物信息等)自主做出分析和判断,从而自主地控制车辆运动,最终实现无人驾驶”。
无人驾驶也只有在精准定位后,才可以规划路线。为了能让系统更好地定位,各大公司往往都要配备高精地图,无人驾驶也只有在精准定位后,才可以规划路线。为了能让系统更好地定位,各大公司往往都要配备高精地图。
在高精地图的制作过程中,基本上根据现有地图软件上进行丰富优化,实现3D高精地图,再次过程中就需要针对现有的2平面二维地图进行分割并融合成数据形成三维高精地图。
为此,本发明提出一种超大场景下的地图分割和融合方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的一种超大场景下的地图分割和融合方法。
为了实现上述目的,本发明采用了如下技术方案:
一种超大场景下的地图分割和融合方法,包括以下步骤:
S1、汽车搭载5G通讯模块能够实时进行5G高速互联网通讯;
S2、汽车无人驾驶模式下,根据判断模块来确定是否加载3D高精地图信息;
S3、判断模块在车速大于40mk/h时,自动通过5G通讯模块实时加载通讯在二维地图上自动加载三维地图信息;
S4、自动构建3D高精地图信息,并保存信息;
S5、融合方法包括平面加载形成立体和丰富创立,平面加载形成立体包括在现有二维地图上加载拔高形成三维立体地图,丰富创立包括根据现3D高精地图信息中在二维信息中不包含的对象,进行创建出三维实体结构;
S6、根据车速显示一定范围内融合后的3D高精地图用于无人驾驶导航。
优选地,所述5G通讯模块包括5G通讯芯片和5G基带。
优选地,所述判断模块的判断加载3D高精地图信息的条件为在无人驾驶模式下,或者自由驾驶模式下车速大于40km/h。
优选地,步骤S5中使用的是融合系统,融合系统中导入二维地图信息,根据二维图形对象创建建筑物模型,融合系统与3D高精地图信息数据库连接,根据创建的二维图形对象与数据库内部的数据对象进行匹配,确定其高度信息,最终通过图形化显示模块显示出立体3D建筑物模型;融合系统在融合过程中,针对3D高精地图信息数据中存在且二维地图信息中不存在在对象,直接创建3D信息,并显示立体图像。
优选地,步骤S6中根据车速显示一定范围内融合后的3D高精地图用于无人驾驶导航,首先将二维地图信息进行区域分割,分为区域以车身为中心沿行驶方向呈直线100km为半径,进行区域分割,且每次显示分割后的3D高精地图信息,并且5min更新一次。
优选地,步骤S6中车速为80-120km/h范围,显示方圆20km范围内3D高精地图信息,车速为0-80km/h范围,显示方圆10kn范围内3D高清地图信息。
优选地,所述汽车包括定位组件和信息获取组件,定位组件包括蓄电池、GPS定位芯片,信息获取组件为车载传感器。
本发明具有以下有益效果:
1、该超大场景下的地图分割和融合方法,在无人驾驶的模式下,通过融合系统在二维地图信息的基础上,与3D高精地图信息数据库通讯,并建立显示出立体3D建筑物模型,融合系统在融合过程中,针对3D高精地图信息数据中存在且二维地图信息中不存在在对象,直接创建3D信息,并显示立体图像,采用该地图融合方法,能够辅助无人驾驶过程中,针对立体固定建筑物的锁定,更加容易判断出移动的立体物,提供3D高精地图,便于无人驾驶系统更加精准的移动的立体物进行判断和分析,大大的提高无人驾驶的安全性。
2、该超大场景下的地图分割和融合方法,采用判断模块在车速大于40mk/h时,自动通过5G通讯模块实时加载通讯在二维地图上自动加载三维地图信息,并且根据车速显示一定范围内融合后的3D高精地图用于无人驾驶导航,首先将二维地图信息进行区域分割,分割区域以车身为中心沿行驶方向呈直线100km为半径,进行区域分割,且每次显示分割后的3D高精地图信息,并且5min更新一次,从而降低无人驾驶系统的负荷,并且根据时间使用需要俩进行地图分割,高效节约。
附图说明
图1为本发明提出的一种超大场景下的地图分割和融合方法的各组件简化框图;
图2为本发明提出的一种超大场景下的地图分割和融合方法的执行流程图。
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。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
一种超大场景下的地图分割和融合方法,包括以下步骤:
第一步、汽车搭载5G通讯模块能够实时进行5G高速互联网通讯,5G通讯模块包括5G通讯芯片和5G基带,所述汽车包括定位组件和信息获取组件,定位组件包括蓄电池、GPS定位芯片,信息获取组件为车载传感器,车载传感器包括摄像机、激光雷达和超声波雷达。
摄像机根据镜头和布置方式的不同主要有以下四种:单目摄像机、双目摄像机、三目摄像机和环视摄像机。
环视摄像机的感知范围不大,主要用于车身5-10米内的障碍物检测、自主泊车时的库位线识别。
激光雷达用于测距,激光雷达一类安装在无人车四周,另外一类安装在无人车车顶。
安装在四周的激光雷达,其激光线束一般小于8,常见的有单线激光雷达和四线激光雷达。安装在车顶的激光雷达激光线束不少于16,常见的有16/32/64线激光雷达。
无人驾驶中使用的毫米波雷达有3个频段:24GHz,77GHz和79GHz。24GHz频段雷达测距距离有限,常用于近处障碍物检测,如倒车时盲点检测、变道辅助;77GHz和79GHz频段用于长距离测量,有更高的距离、速度和角度的检测精度。毫米波相比于激光穿透性更强,可以轻松穿透保险杠上的塑料,因此被安装在保险杠内,毫米波无法穿透金属,因此遇到金属就会返回。毫米波雷达的测距和测速都是基于多普勒效应,使用极坐标系,毫米波获取的主要信息为距离、角速度和速度。
第二步、汽车无人驾驶模式下,根据判断模块来确定是否加载3D高精地图信息,判断模块的判断加载3D高精地图信息的条件为在无人驾驶模式下,或者自由驾驶模式下车速大于40km/h;
第三步、判断模块在车速大于40mk/h时,自动通过5G通讯模块实时加载通讯在二维地图上自动加载三维地图信息;
第四步、自动构建3D高精地图信息,并保存信息;
第五步、融合方法包括平面加载形成立体和丰富创立,平面加载形成立体包括在现有二维地图上加载拔高形成三维立体地图,丰富创立包括根据现3D高精地图信息中在二维信息中不包含的对象,进行创建出三维实体结构,步骤S5中使用的是融合系统,融合系统中导入二维地图信息,根据二维图形对象创建建筑物模型,融合系统与3D高精地图信息数据库连接,根据创建的二维图形对象与数据库内部的数据对象进行匹配,确定其高度信息,最终通过图形化显示模块显示出立体3D建筑物模型;融合系统在融合过程中,针对3D高精地图信息数据中存在且二维地图信息中不存在在对象,直接创建3D信息,并显示立体图像;在无人驾驶的模式下,通过融合系统在二维地图信息的基础上,与3D高精地图信息数据库通讯,并建立显示出立体3D建筑物模型,融合系统在融合过程中,针对3D高精地图信息数据中存在且二维地图信息中不存在在对象,直接创建3D信息,并显示立体图像,采用该地图融合方法,能够辅助无人驾驶过程中,针对立体固定建筑物的锁定,更加容易判断出移动的立体物,提供3D高精地图,便于无人驾驶系统更加精准的移动的立体物进行判断和分析,大大的提高无人驾驶的安全性。
第六步、根据车速显示一定范围内融合后的3D高精地图用于无人驾驶导航,步骤S6中根据车速显示一定范围内融合后的3D高精地图用于无人驾驶导航,首先将二维地图信息进行区域分割,分为区域以车身为中心沿行驶方向呈直线100km为半径,进行区域分割,且每次显示分割后的3D高精地图信息,并且5min更新一次,步骤S6中车速为80-120km/h范围,显示方圆20km范围内3D高精地图信息,车速为0-80km/h范围,显示方圆10kn范围内3D高清地图信息。
采用判断模块在车速大于40mk/h时,自动通过5G通讯模块实时加载通讯在二维地图上自动加载三维地图信息,并且根据车速显示一定范围内融合后的3D高精地图用于无人驾驶导航,首先将二维地图信息进行区域分割,分割区域以车身为中心沿行驶方向呈直线100km为半径,进行区域分割,且每次显示分割后的3D高精地图信息,并且5min更新一次,从而降低无人驾驶系统的负荷,并且根据时间使用需要俩进行地图分割,高效节约。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.超大场景下的地图分割和融合方法,包括以下步骤:
S1、汽车搭载5G通讯模块能够实时进行5G高速互联网通讯;
S2、汽车无人驾驶模式下,根据判断模块来确定是否加载3D高精地图信息;
S3、判断模块在车速大于40mk/h时,自动通过5G通讯模块实时加载通讯在二维地图上自动加载三维地图信息;
S4、自动构建3D高精地图信息,并保存信息;
S5、融合方法包括平面加载形成立体和丰富创立,平面加载形成立体包括在现有二维地图上加载拔高形成三维立体地图,丰富创立包括根据现3D高精地图信息中在二维信息中不包含的对象,进行创建出三维实体结构;
S6、根据车速显示一定范围内融合后的3D高精地图用于无人驾驶导航。
2.根据权利要求1所述的超大场景下的地图分割和融合方法,其特征在于:所述5G通讯模块包括5G通讯芯片和5G基带。
3.根据权利要求1所述的超大场景下的地图分割和融合方法,其特征在于:所述判断模块的判断加载3D高精地图信息的条件为在无人驾驶模式下,或者自由驾驶模式下车速大于40km/h。
4.根据权利要求1所述的超大场景下的地图分割和融合方法,其特征在于:步骤S5中使用的是融合系统,融合系统中导入二维地图信息,根据二维图形对象创建建筑物模型,融合系统与3D高精地图信息数据库连接,根据创建的二维图形对象与数据库内部的数据对象进行匹配,确定其高度信息,最终通过图形化显示模块显示出立体3D建筑物模型;融合系统在融合过程中,针对3D高精地图信息数据中存在且二维地图信息中不存在在对象,直接创建3D信息,并显示立体图像。
5.根据权利要求1所述的超大场景下的地图分割和融合方法,其特征在于:步骤S6中根据车速显示一定范围内融合后的3D高精地图用于无人驾驶导航,首先将二维地图信息进行区域分割,分为区域以车身为中心沿行驶方向呈直线100km为半径,进行区域分割,且每次显示分割后的3D高精地图信息,并且5min更新一次。
6.根据权利要求1所述的超大场景下的地图分割和融合方法,其特征在于:步骤S6中车速为80-120km/h范围,显示方圆20km范围内3D高精地图信息,车速为0-80km/h范围,显示方圆10kn范围内3D高清地图信息。
7.根据权利要求1所述的超大场景下的地图分割和融合方法,其特征在于:所述汽车包括定位组件和信息获取组件,定位组件包括蓄电池、GPS定位芯片,信息获取组件为车载传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210349677.0A CN114693704A (zh) | 2022-04-02 | 2022-04-02 | 超大场景下的地图分割和融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210349677.0A CN114693704A (zh) | 2022-04-02 | 2022-04-02 | 超大场景下的地图分割和融合方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114693704A true CN114693704A (zh) | 2022-07-01 |
Family
ID=82140244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210349677.0A Pending CN114693704A (zh) | 2022-04-02 | 2022-04-02 | 超大场景下的地图分割和融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693704A (zh) |
-
2022
- 2022-04-02 CN CN202210349677.0A patent/CN114693704A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113002396B (zh) | 一种用于自动驾驶矿用车辆的环境感知系统及矿用车辆 | |
CN110362077B (zh) | 无人驾驶车辆紧急避险决策系统、方法及介质 | |
CN211765500U (zh) | 一种用于封闭场景下的智能驾驶环境感知系统及汽车 | |
US20180065664A1 (en) | Driving assistance device for a vehicle | |
CN108445885A (zh) | 一种基于纯电动物流车的自动驾驶系统及其控制方法 | |
CN212220188U (zh) | 地下停车场融合定位系统 | |
CN112189225A (zh) | 车道线信息检测装置、方法以及存储被编程为执行该方法的计算机程序的计算机可读记录介质 | |
CN111552302B (zh) | 带有汇入车道的道路中汽车自动驾驶并线控制方法 | |
CN110491156A (zh) | 一种感知方法、装置及系统 | |
CN210882093U (zh) | 一种自动驾驶车辆环境感知系统及自动驾驶车辆 | |
CN111891129A (zh) | 电动汽车智能驾驶系统 | |
EP3945336A1 (en) | Method and apparatus for positioning movable device, and movable device | |
CN111413990A (zh) | 一种车道变更轨迹规划系统 | |
CN111413983A (zh) | 一种无人驾驶车辆的环境感知方法及控制端 | |
CN111506069B (zh) | 一种全天候全地面起重机障碍识别系统及方法 | |
CN211943272U (zh) | 自动驾驶控制器、车辆的自动驾驶系统和车辆 | |
CN114661039A (zh) | 物流车及其挂车位姿确定、预碰撞检测和自动驾驶方法 | |
CN211956223U (zh) | 一种车道变更轨迹规划系统 | |
CN217801729U (zh) | 一种室外机器人 | |
CN114693704A (zh) | 超大场景下的地图分割和融合方法 | |
US11919451B2 (en) | Vehicle data display system | |
CN114348018A (zh) | 商用车辆的自动驾驶系统及方法 | |
CN113581165A (zh) | 用于运行运输工具辅助或控制系统的方法 | |
CN113759787A (zh) | 一种封闭园区无人驾驶机器人和工作方法 | |
CN114383598A (zh) | 一种隧道施工作业车及其自动驾驶系统 |
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 |