CN115046542A - 地图生成方法、装置、终端设备及存储介质 - Google Patents

地图生成方法、装置、终端设备及存储介质 Download PDF

Info

Publication number
CN115046542A
CN115046542A CN202210652842.XA CN202210652842A CN115046542A CN 115046542 A CN115046542 A CN 115046542A CN 202210652842 A CN202210652842 A CN 202210652842A CN 115046542 A CN115046542 A CN 115046542A
Authority
CN
China
Prior art keywords
map
semantic
global positioning
positioning data
semantic 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
Application number
CN202210652842.XA
Other languages
English (en)
Inventor
刘中元
崔留争
徐正鹏
杨德
莫仕明
邱悦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Xiaopeng Autopilot Technology Co Ltd
Original Assignee
Guangzhou Xiaopeng Autopilot Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Xiaopeng Autopilot Technology Co Ltd filed Critical Guangzhou Xiaopeng Autopilot Technology Co Ltd
Priority to CN202210652842.XA priority Critical patent/CN115046542A/zh
Publication of CN115046542A publication Critical patent/CN115046542A/zh
Pending legal-status Critical Current

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
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种地图生成方法、装置、终端设备及存储介质，该方法包括：在检测到车辆进入停车场并下电时，获取车辆的下电时刻位置航向信息，及车辆下电之前构建的第一语义地图和收集的第一全局定位数据；在检测到车辆启动离开停车场时，基于车辆的下电时刻位置航向信息，构建第二语义地图；在检测到全局定位信号恢复后，收集第二全局定位数据，全局定位数据与语义地图从时间上关联；基于所述第一全局定位数据、第二全局定位数据，将第一语义地图和第二语义地图进行拼接。本发明方案减少了地图构建误差，提升了停车场地图构建的精准度。

Description

地图生成方法、装置、终端设备及存储介质
技术领域
本发明涉及地图处理技术领域，尤其涉及一种地图生成方法、装置、终端设备及存储介质。
背景技术
AVP(Automated Valet Parking，自主代客泊车系统)作为自动驾驶在泊车场景下的应用。AVP实现的是全自动代客泊车功能，最终目标是取代传统的人工代客泊车，帮助用户节省大量的停车时间，解决高峰期排队停车的难题。
其中，AVP功能需要使用停车场地图，目前的智能车辆有足够的定位感知传感器和计算单元来构建停车场地图。但是，停车场地图大部分在室内，在GNSS(全球导航卫星系统)信号丢失时，构建地图时位置推算误差会越来越大，导致地图绝对位置不准确。
发明内容
本发明实施例的主要目的在于提供一种地图生成方法、装置、终端设备及存储介质，旨在提升停车场地图构建的精准度。
为实现上述目的，本发明实施例提供一种地图生成方法，所述方法包括如下步骤：
在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联，所述停车场内全局定位信号丢失；
在检测到车辆启动离开停车场时，基于所述车辆的下电时刻位置航向信息，构建第二语义地图；
在检测到全局定位信号恢复后，收集第二全局定位数据，并从时间上将所述第二全局定位数据与所述第二语义地图进行关联；
基于所述第一全局定位数据、第二全局定位数据，将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图。
可选地，所述方法还包括：
基于所述第一全局定位数据、第二全局定位数据以及预设的约束规则，并结合预设的地图融合最优化方法，对所述拼接语义地图进行修正。
可选地，所述在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据的步骤之前还包括：
在所述车辆进入停车场前的启动状态下，持续构建预设区域范围的第一语义地图，同时收集第一全局定位数据；
从时间上将所述第一全局定位数据与所述第一语义地图上对应的轨迹点进行关联；
在检测到全局定位信号丢失后，继续构建第一语义地图，直至检测到所述车辆进入停车场并下电。
可选地，所述将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图的步骤之前还包括：
判断所述第二全局定位数据的精度是否达到预设标准；
若所述第二全局定位数据的精度达到预设标准，则执行所述将所述第一语义地图和第二语义地图进行拼接的步骤。
可选地，所述基于所述第一全局定位数据、第二全局定位数据以及预设的约束规则，并结合预设的地图融合最优化方法，对所述拼接语义地图进行修正的步骤包括：
获取所述拼接语义地图中的第一语义地图与第二语义地图的重合区域，将所述重合区域内相互匹配的语义元素作为互相约束；和/或，将所述第一语义地图中相关联的元素位置航向变化量作为约束，将所述第二语义地图中相关联的元素位置航向变化量作为约束；
基于所述第一全局定位数据、第二全局定位数据，获取对应的约束的定位数据；
基于所述对应的约束的定位数据，并结合预设的地图融合最优化方法，求解得到所述拼接语义地图中所有语义元素的位置和方向；
基于求解得到的所述拼接语义地图中所有语义元素的位置和方向，对所述拼接语义地图进行修正。
可选地，所述将所述第一语义地图中相关联的元素位置航向变化量作为约束，将所述第二语义地图中相关联的元素位置航向变化量作为约束的步骤之前还包括：
获取所述第一语义地图中相关联的语义元素，获取所述第二语义地图中相关联的语义元素；
基于所述第一全局定位数据获取所述第一语义地图中相关联的语义元素的元素位置航向变化量，基于所述第二全局定位数据获取所述第二语义地图中相关联的语义元素的元素位置航向变化量。
可选地，所述基于所述对应的约束的定位数据，并结合预设的地图融合最优化方法，求解得到所述拼接语义地图中所有语义元素的位置和方向的步骤包括：
基于所述对应的约束的定位数据，并结合预设的地图融合最优化方法，对所述拼接语义地图中对应的语义元素之间的位姿误差和/或高度误差进行求解；
基于求解得到的位姿误差和/或高度误差，求解得到所述拼接语义地图中所有语义元素的位置和方向。
本发明还提出一种地图生成装置，所述地图生成装置包括：
获取模块，用于在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联；
构建模块，用于在检测到车辆启动离开停车场时，基于所述车辆的下电时刻位置航向信息，构建第二语义地图；
收集关联模块，用于在检测到全局定位信号恢复后，收集第二全局定位数据，并从时间上将所述第二全局定位数据与所述第二语义地图进行关联；
拼接模块，用于基于所述第一全局定位数据、第二全局定位数据，将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图。
可选地，所述装置还包括：
修正模块，用于基于所述第一全局定位数据、第二全局定位数据以及预设的约束规则，并结合预设的地图融合最优化方法，对所述拼接语义地图进行修正。
本发明还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的地图生成程序，所述地图生成程序被所述处理器执行时实现如上所述的地图生成方法的步骤。
本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有地图生成程序，所述地图生成程序被处理器执行时实现如上所述的地图生成方法的步骤。
本发明实施例提出的地图生成方法、装置、终端设备及存储介质，在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联，所述停车场内全局定位信号丢失；在检测到车辆启动离开停车场时，基于所述车辆的下电时刻位置航向信息，构建第二语义地图；在检测到全局定位信号恢复后，收集第二全局定位数据，并从时间上将所述第二全局定位数据与所述第二语义地图进行关联；基于所述第一全局定位数据、第二全局定位数据，将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图。由此，通过对进停车场和出停车场进行地图构建，同时进行全局定位信号丢失前以及恢复后的定位数据的收集，基于所述第一全局定位数据、第二全局定位数据进行地图拼接，减少了地图构建误差，提升了停车场地图构建的精准度；进一步地，基于所述第一全局定位数据、第二全局定位数据以及预设的约束规则，并结合预设的地图融合最优化方法，对所述拼接语义地图进行修正，由此结合地图拼接、约束规则和地图融合最优化方法，对拼接后的地图进行修正，进一步减少了地图构建误差，提升了停车场地图构建的精准度。
附图说明
图1为本发明地图生成装置所属终端设备的功能模块示意图；
图2为本发明地图生成方法第一实施例的流程示意图；
图3a为本发明地图生成方法实施例中车辆进入停车场时的地图构建效果示意图；
图3b为本发明地图生成方法实施例中车辆出停车场后的地图构建效果示意图；
图3c为本发明地图生成方法实施例中地图拼接后的效果示意图；
图4为本发明地图生成方法第二实施例的流程示意图；
图5a为本发明地图生成方法实施例中第一语义地图的一种示例图；
图5b为本发明地图生成方法实施例中第二语义地图的一种示例图；
图6a为本发明一实施例提供的语义元素的俯视示意图；
图6b为本发明一实施例提供的语义元素的侧视示意图；
图7为本发明地图生成方法第三实施例的流程示意图；
图8为本发明地图生成方法第四实施例的流程示意图；
图9为本发明地图生成装置实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的主要解决方案是：在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联，所述停车场内全局定位信号丢失；在检测到车辆启动离开停车场时，基于所述车辆的下电时刻位置航向信息，构建第二语义地图；在检测到全局定位信号恢复后，收集第二全局定位数据，并从时间上将所述第二全局定位数据与所述第二语义地图进行关联；基于所述第一全局定位数据、第二全局定位数据，将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图。由此，通过对进停车场和出停车场进行地图构建，同时进行全局定位信号丢失前以及恢复后的定位数据的收集，基于所述第一全局定位数据、第二全局定位数据进行地图拼接，减少了地图构建误差，提升了停车场地图构建的精准度；进一步地，基于所述第一全局定位数据、第二全局定位数据以及预设的约束规则，并结合预设的地图融合最优化方法，对所述拼接语义地图进行修正，由此结合地图拼接、约束规则和地图融合最优化方法，对拼接后的地图进行修正，进一步减少了地图构建误差，提升了停车场地图构建的精准度。
本发明实施例涉及的技术术语：
AVP，全称Automated Valet Parking，中文名“自主代客泊车系统”。作为自动驾驶在泊车场景下的应用，AVP实现的是全自动代客泊车功能，最终目标是取代传统的人工代客泊车，帮助用户节省大量的停车时间，解决高峰期排队停车的难题。
通过AVP功能寻找车位的场端方案，在寻找车位的过程中，涉及到路径规划、车位识别、避障、字符识别等功能。车位识别功能需要车辆能够自主识别各种类型的车位。通常会从不同的维度来划分车位类型，维度包括车位方向、车位标线、车位字符等等。
其中，避障的障碍物主要包括静态障碍物和动态障碍物。常见的静态障碍物类型包括：立柱、限位柱、轮挡、标志牌、地锁、墙体、树木、绿化带、路沿石等；常见的动态障碍物类型包括：行人、动物、非机动车、机动车等。
从AVP的基本原理可以看出，AVP功能涉及的关键技术有高精地图、SLAM、融合感知、融合定位、路径规划等。其中：
高精地图，又称高分辨率地图(HD Map.High Definition Map)，是一种专门为无人驾驶服务的地图。对于AVP功能来说，高精地图主要指停车场的高精地图：通过格式化存储停车场内的各种交通要素，高精地图可以告知车辆完整的、高精度、精细化的停车场内部信息，包括高精度的坐标、准确的停车位、通道、立柱、标志牌、地面线等信息。高精地图的绝对精度一般都会在亚米级，以高德地图为例，绝对精度可以达到10厘米以内，而且横向的相对精度往往还要更高。可以说，高精地图存储了停车场的所有交通信息，是车辆规划行驶路径和定位的基础。
SLAM，全称SimultaneousLocalization And Mapping，即同步定位与建图技术。SLAM是一种构建高精地图的方法，其原理为：车辆在一个初次到达的停车场中，一边移动，一边根据位置和环境感知的结果进行自身定位，同时在自身定位的基础上建造增量式地图，实现车辆的自主定位和导航。
目前的主流SLAM主要靠视觉语义实现，即通过摄像头识别周围环境，经过语义分析，确认当前环境，并完成定位与建图。但随着激光雷达量产上车，激光SLAM或将成为新的主流。
融合感知，环境感知是自动驾驶的重中之重，当然也是AVP的重难点。众所周知，摄像头、毫米波雷达、激光雷达等不同类别的感知传感器，都存在各自的优势与不足，因此将多个传感器的感知结果进行融合，优势互补，可以提升感知的精度和准确度。目前，多传感器融合已经成为自动驾驶的发展趋势。通过融合多种摄像头和雷达的感知结果，车辆可以更加精确地识别周边环境，并实现场景重构。对于AVP来说、前视摄像头、侧视摄像头、环视摄像头、毫米波雷达、激光雷达、超声波雷达等传感器的感知结果，都可以进行融合处理。融合后的感知结果，将大大提升环境识别的效果。
融合定位，传统车辆的定位主要依赖于GNSS，即全球导航卫星系统，如GPS、北斗等。
路径规划，指车辆泊入车位时，规划泊车路线。泊车路径规划是一个相对复杂的规划问题，涉及障碍物和车辆的轨迹预测、可行驶区域选择、局部轨迹规划和车辆控制等内容。不同的规划算法，会得到完全不同的自动泊车效果。
本实施例考虑到，AVP功能需要使用停车场地图，目前的智能车辆虽然有足够的定位感知传感器和计算单元来构建停车场地图，但是停车场地图大部分在室内，比如地下车库，地下车库中无法覆盖卫星信号，传统GNSS(全球导航卫星系统)定位会失效。在GNSS信号丢失时，构建地图时位置推算误差会越来越大，导致地图绝对位置不准确。
因此，本发明提出一种解决方案，通过对进停车场和出停车场进行地图构建，同时进行全局定位信号丢失前以及恢复后的定位数据的收集，并结合地图拼接、约束规则和地图融合最优化方法，对拼接后的地图进行修正，可以实现车辆在停车场的位置的准确定位，减少了地图构建误差，提升了停车场地图构建的精准度。
具体地，参照图1，图1是本发明地图生成装置所属终端设备的功能模块示意图。该地图生成装置可以为独立于终端设备的、能够进行视觉感知及数据处理等操作的装置，其可以通过硬件或软件的形式承载于终端设备上。该终端设备可以为手机、平板电脑、车载设备等具有数据处理功能的智能终端，还可以为具有数据处理功能的车辆等终端设备或服务器。
在本实施例中，该地图生成装置所属终端设备至少包括输出模块110、处理器120、存储器130以及通信模块140。
存储器130中存储有操作系统以及地图生成程序；输出模块110可为显示屏等。通信模块140可以包括WIFI模块、移动通信模块以及蓝牙模块等，通过通信模块140与外部设备或服务器进行通信。
其中，存储器130中的地图生成程序被处理器执行时实现以下步骤：
在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联，所述停车场内全局定位信号丢失；
在检测到车辆启动离开停车场时，基于所述车辆的下电时刻位置航向信息，构建第二语义地图；
在检测到全局定位信号恢复后，收集第二全局定位数据，并从时间上将所述第二全局定位数据与所述第二语义地图进行关联；
基于所述第一全局定位数据、第二全局定位数据，将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图。
进一步地，存储器130中的地图生成程序被处理器执行时还实现以下步骤：
基于所述第一全局定位数据、第二全局定位数据以及预设的约束规则，并结合预设的地图融合最优化方法，对所述拼接语义地图进行修正。
进一步地，存储器130中的地图生成程序被处理器执行时还实现以下步骤：
在所述车辆进入停车场前的启动状态下，持续构建预设区域范围的第一语义地图，同时收集第一全局定位数据；
从时间上将所述第一全局定位数据与所述第一语义地图上对应的轨迹点进行关联；
在检测到全局定位信号丢失后，继续构建第一语义地图，直至检测到所述车辆进入停车场并下电。
进一步地，存储器130中的地图生成程序被处理器执行时还实现以下步骤：
判断所述第二全局定位数据的精度是否达到预设标准；
若所述第二全局定位数据的精度达到预设标准，则执行将所述第一语义地图和第二语义地图进行拼接的步骤。
进一步地，存储器130中的地图生成程序被处理器执行时还实现以下步骤：
获取所述拼接语义地图中的第一语义地图与第二语义地图的重合区域，将所述重合区域内相互匹配的语义元素作为互相约束；和/或，将所述第一语义地图中相关联的元素位置航向变化量作为约束，将所述第二语义地图中相关联的元素位置航向变化量作为约束；
基于所述第一全局定位数据、第二全局定位数据，获取对应的约束的定位数据；
基于所述对应的约束的定位数据，并结合预设的地图融合最优化方法，求解得到所述拼接语义地图中所有语义元素的位置和方向；
基于求解得到的所述拼接语义地图中所有语义元素的位置和方向，对所述拼接语义地图进行修正。
进一步地，存储器130中的地图生成程序被处理器执行时还实现以下步骤：
获取所述第一语义地图中相关联的语义元素，获取所述第二语义地图中相关联的语义元素；
基于所述第一全局定位数据获取所述第一语义地图中相关联的语义元素的元素位置航向变化量，基于所述第二全局定位数据获取所述第二语义地图中相关联的语义元素的元素位置航向变化量。
进一步地，存储器130中的地图生成程序被处理器执行时还实现以下步骤：
基于所述对应的约束的定位数据，并结合预设的地图融合最优化方法，对所述拼接语义地图中对应的语义元素之间的位姿误差和/或高度误差进行求解；
基于求解得到的位姿误差和/或高度误差，求解得到所述拼接语义地图中所有语义元素的位置和方向。
本实施例通过上述方案，在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联，所述停车场内全局定位信号丢失；在检测到车辆启动离开停车场时，基于所述车辆的下电时刻位置航向信息，构建第二语义地图；在检测到全局定位信号恢复后，收集第二全局定位数据，并从时间上将所述第二全局定位数据与所述第二语义地图进行关联；基于所述第一全局定位数据、第二全局定位数据，将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图，减少了地图构建误差，提升了停车场地图构建的精准度；进一步地，基于所述第一全局定位数据、第二全局定位数据以及预设的约束规则，并结合预设的地图融合最优化方法，对所述拼接语义地图进行修正，由此结合地图拼接、约束规则和地图融合最优化方法，对拼接后的地图进行修正，进一步减少了地图构建误差，提升了停车场地图构建的精准度。
基于上述终端设备架构但不限于上述架构，提出本发明方法实施例。
本实施例方法的执行主体可以是一种地图生成装置，也可以是一种具有地图生成功能的车载设备、服务器或其他终端设备，本实施例以地图生成装置进行举例，该地图生成装置可以集成在车辆上。
本实施例方案可以应用于停车场或者类似无GNSS环境的场所，本实施例以停车场进行举例。
参照图2，图2为本发明地图生成方法第一实施例的流程示意图。所述地图生成方法包括：
步骤S101，在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联，所述停车场内全局定位信号丢失；
其中，车辆下电可以是指车辆进入停车场后处于熄火状态，比如通过寻找车位并完成停车后关闭车辆引擎，使车辆处于下电状态，车辆下电状态可以与车辆启动状态相对应。
本实施例所指的停车场通常为地下车库式的停车场。如前所述，在地下车库中无法覆盖卫星信号，传统GNSS(全球导航卫星系统)定位会失效。本实施例方案的实现场景，即是在停车场内全局定位信号丢失的场景，该全局定位信号可以包括：GNSS信号等。
以GNSS信号为例，在GNSS信号丢失时，构建地图时位置推算误差会越来越大，导致地图绝对位置不准确。本实施例通过对车辆进停车场和出停车场进行地图构建，同时进行全局定位信号丢失前以及恢复后的定位数据的收集，并结合地图拼接、约束规则和地图融合最优化方法，对拼接后的地图进行修正，从而减少地图构建误差，提升停车场地图构建的精准度。
具体地，在本实施例中，在车辆下电之前，预先构建了第一语义地图，同时收集了第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联。
其中，第一语义地图可以通过SLAM、高精地图等构图技术来实现，比如可以通过车辆上的摄像头、雷达等感知传感器识别周围环境，经过语义分析，确认当前环境，并完成定位与建图，具体可以结合视觉感知技术检测停车场的车位、立柱、墙壁、箭头、路障、减速带、车道线等语义元素的位置和方向，通过惯性导航设备和轮速传感器等进行航位推算得到地图轨迹，构建地图。
其中，第一全局定位数据的收集可以通过GNSS定位或者地图定位技术实现，地图定位技术可以包括SLAM定位、高精地图定位等。
其中，作为一种实施方式，在所述车辆进入停车场前的启动状态下，持续构建预设区域范围的第一语义地图，同时收集第一全局定位数据；从时间上将所述第一全局定位数据与所述第一语义地图上对应的轨迹点进行关联。
其中，预设区域范围可以根据实际情况进行选择设定，还可以考虑定位数据的精度要求，比如可以是在停车场附近的预设区域进行设定，或者在距离停车场预设距离的区域范围内设定。
其中，在收集第一全局定位数据时，需要从时间上将所述第第一全局定位数据与所述第二语义地图的轨迹点进行关联，即构建的地图中的轨迹点对应的语义元素，与当前时刻收集的全局定位数据相关联，确保定位数据与地图语义元素的信息同步。
在检测到全局定位信号丢失后，继续构建第一语义地图，直至检测到所述车辆进入停车场并下电。
在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联。
其中，车辆的下电时刻位置航向信息是指车辆下电时刻所处的轨迹点的位置坐标和方向信息，可以通过惯性导航设备和轮速传感器进行航位推算得到。
如图3a所示，在停车场停车下电时，保存车辆当前位置航向，同时保存车辆构建的第一语义地图(图3a中黑色轨迹为车辆进入停车场时的移动轨迹)和关联的GNSS定位或者地图定位数据(如图3a中左侧进停车场处的轨迹点)。
步骤S102，在检测到车辆启动离开停车场时，基于所述车辆的下电时刻位置航向信息，构建第二语义地图；
在检测到车辆启动离开车位时，基于所述车辆的下电时刻位置航向信息，构建第二语义地图，直至车辆离开停车场。
其中，第二语义地图的构建方式与第一语义地图的构建方式相同。可以通过SLAM、高精地图等构图技术来实现，比如可以通过车辆上的摄像头、雷达等感知传感器识别周围环境，经过语义分析，确认当前环境，并完成定位与建图，具体可以结合视觉感知技术检测停车场的车位、立柱、墙壁、箭头、车道线等语义元素的位置和方向，通过惯性导航设备和轮速传感器等进行航位推算得到地图轨迹，构建地图。
构建的第二语义地图可以如图3b所示，图3b中白色轨迹为车辆的移动轨迹。
步骤S103，在检测到全局定位信号恢复后，收集第二全局定位数据，并从时间上将所述第二全局定位数据与所述第二语义地图进行关联；
在车辆离开车位准备离开停车场的过程中，实时检测车辆的全局定位信号。
通常，在地下车库中无法覆盖卫星信号，全局定位信号会丢失。当车辆到达停车场出口或驶出停车场出口时，全局定位信号会恢复。
在检测到全局定位信号恢复后，收集第二全局定位数据，并从时间上将所述第二全局定位数据与所述第二语义地图进行关联。
其中，第二全局定位数据的收集与第一全局定位数据的收集方式相同。可以通过GNSS定位或者地图定位技术实现，地图定位技术可以包括SLAM定位、高精地图定位等。
以GNSS信号为例，在车辆进停车场的过程中，GNSS信号丢失之前，可以通过GNSS定位技术收集第一全局定位数据，如图3a所示的进停车场处的轨迹点；在车辆出停车场的过程中，GNSS信号恢复后，可以通过GNSS定位技术收集第二全局定位数据，如图3b所示的出停车场处的轨迹点。
其中，在收集第二全局定位数据时，需要从时间上将所述第二全局定位数据与所述第二语义地图的轨迹点进行关联，即构建的地图中的轨迹点对应的语义元素，与当前时刻收集的全局定位数据相关联，确保定位数据与地图语义元素的信息同步。
此外，对于第二全局定位数据的收集区域范围，可以根据实际情况进行选择设定，还可以考虑定位数据的精度要求，比如可以是在停车场附近的预设区域进行设定，或者在距离停车场预设距离的区域范围内设定。
步骤S104，基于所述第一全局定位数据、第二全局定位数据，将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图；
其中，作为一种实施方式，可以将第一语义地图和第二语义地图进行刚性拼接，在拼接时，可以参照地图中的语义元素，将语义元素作为参考标准，结合收集到的第一全局定位数据、第二全局定位数据，基于语义元素的位置、方向等信息进行拼接，通过拼接得到拼接语义地图。
本实施例通过上述方案，在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联，所述停车场内全局定位信号丢失；在检测到车辆启动离开停车场时，基于所述车辆的下电时刻位置航向信息，构建第二语义地图；在检测到全局定位信号恢复后，收集第二全局定位数据，并从时间上将所述第二全局定位数据与所述第二语义地图进行关联；基于所述第一全局定位数据、第二全局定位数据，将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图。由此，通过对进停车场和出停车场进行地图构建，同时进行全局定位信号丢失前以及恢复后的定位数据的收集，基于所述第一全局定位数据、第二全局定位数据进行地图拼接，减少了地图构建误差，提升了停车场地图构建的精准度。
参照图4，图4为本发明地图生成方法第二实施例的流程示意图。在上述图2所示的实施例的基础上，本实施例的地图生成方法还包括：
步骤S105，基于所述第一全局定位数据、第二全局定位数据以及预设的约束规则，并结合预设的地图融合最优化方法，对所述拼接语义地图进行修正。
相比上述图2所示的实施例，本实施例还包括对拼接语义地图进行修正的方案。
其中，约束规则可以是：使用GNSS定位或者室外地图定位数据来约束对应的地图轨迹点，约束的概念是使得地图上各相匹配或相关联的语义元素的轨迹点的位置坐标和方向趋于绝对精准，可以从以下三方面设置约束规则：
一方面，如果第一语义地图与第二语义地图有重合区域或共同区域，则把重合区域或共同区域内的互相匹配的语义元素作为互相约束；
另一方面，把第一语义地图中相关联的语义元素的位置航向变化量作为约束；
再一方面，把第二语义地图中相关联的语义元素的位置航向变化量作为约束。
由此，基于所述第一全局定位数据、第二全局定位数据以及预设的约束规则，通过地图融合最优化方法求解拼接语义地图中所有语义元素的位置和方向，对所述拼接语义地图进行修正。
其中，地图融合最优化方法的待处理数据是拼接后的拼接语义地图上的所有语义元素的轨迹点的位置和方向，最优化方法的原理是通过求解误差最小值，改变整个地图轨迹点上的坐标数据，以精准定位地图各轨迹点的位置坐标和方向。
在计算完成后，保存处理后的地图，得到绝对位置精度更高的地图，处理后的语义地图可以参照图3c所示，对比图3b和图3c可知，图3b中白色轨迹末端的第二全局定位数据的轨迹点分布于白色轨迹的一侧，经过修正后，第二全局定位数据的轨迹点分布于白色轨迹的两侧，如图3c所示，由此可以看出，通过地图融合最优化方法的修正，提升了地图语义元素的轨迹点的定位精度。
具体地，作为一种实施方式，所述基于所述第一全局定位数据、第二全局定位数据以及预设的约束规则，并结合预设的地图融合最优化方法，对所述拼接语义地图进行修正的步骤可以包括：
首先，获取所述拼接语义地图中的第一语义地图与第二语义地图的重合区域，将所述重合区域内相互匹配的语义元素作为互相约束；和/或，将所述第一语义地图中相关联的元素位置航向变化量作为约束，将所述第二语义地图中相关联的元素位置航向变化量作为约束；
其中，所述将所述第一语义地图中相关联的元素位置航向变化量作为约束，将所述第二语义地图中相关联的元素位置航向变化量作为约束的步骤之前还可以获取所述第一语义地图中相关联的语义元素，获取所述第二语义地图中相关联的语义元素；基于所述第一全局定位数据获取所述第一语义地图中相关联的语义元素的元素位置航向变化量，基于所述第二全局定位数据获取所述第二语义地图中相关联的语义元素的元素位置航向变化量。
元素位置航向变化量是指两个语义元素的位置航向之间的差值，比如位置坐标的差值，方向角度的差值。
然后，基于所述第一全局定位数据、第二全局定位数据，获取对应的约束的定位数据；
然后，基于所述对应的约束的定位数据，并结合预设的地图融合最优化方法，求解得到所述拼接语义地图中所有语义元素的位置和方向；
其中，地图融合最优化方法可以采用常规的优化方法，本实施例对此不作具体限定，只要达到地图数据的定位精度即可。
其中，作为一种实施方式，在基于所述对应的约束的定位数据，并结合预设的地图融合最优化方法，求解得到所述拼接语义地图中所有语义元素的位置和方向的方案中，可以基于所述对应的约束的定位数据，并结合预设的地图融合最优化方法，对所述拼接语义地图中对应的语义元素之间的位姿误差和/或高度误差进行求解，并基于求解得到的位姿误差和/或高度误差，求解得到所述拼接语义地图中所有语义元素的位置和方向。
最后，基于求解得到的所述拼接语义地图中所有语义元素的位置和方向，对所述拼接语义地图进行修正。
本实施例通过上述方案，对进停车场和出停车场进行地图构建，同时进行全局定位信号丢失前以及恢复后的定位数据的收集，并结合地图拼接、约束规则和地图融合最优化方法，对拼接后的地图进行修正，进一步减少了地图构建误差，提升了停车场地图构建的精准度。
以下通过一种具体的地图融合最优化方法的实现过程，对本实施例地图生成方案中，对拼接语义地图进行修正优化的原理进行详细说明。
在获取第一语义地图和第二语义地图后，可以确定第一语义地图中至少两个第一语义元素，例如，如图5a所示，可以确定第一语义地图中的车位信息a和车道线信息b，如图5b所示，确定第二语义地图中的车位信息A和车道线信息B，其中，第一语义地图的信息用小写字母示意，第二语义地图的信息用大写字母示意。
在确定第一语义地图的两个语义元素后，可以在第二语义地图中确定与第一语义元素匹配的第二语义元素，例如，可以根据第一语义地图中的车位信息a和车道线信息b，在第二语义地图的多个语义元素中，确定与车位信息a匹配的车位信息A，以及与车道线信息b匹配的车道线信息B。
由此，可以将第一语义地图与第二语义地图重合区域或共同区域内的互相匹配的语义元素作为互相约束。
然后，确定至少两个第一语义元素之间第一相对信息，并确定至少两个第二语义元素之间第二相对信息；
其中，相对信息可以为两个语义元素之间的二维相对信息、三维相对信息。
具体地，在确定匹配的语义元素后，可以确定语义元素的二维信息、三维信息，例如，可以确定任意一个语义地图中的三维坐标系，进而可以根据该坐标系确定语义地图中语义元素的坐标信息，可以根据坐标信息确定语义元素的二维信息、三维信息。上述坐标信息可以基于收集的第一全局定位数据和第二全局定位数据获得。
在确定语义元素的二维信息、三维信息后，可以根据语义元素的二维信息、三维信息，确定两个语义元素的二维相对信息、三维相对信息，以得到第一语义元素的第一相对信息和第二语义元素的第二相对信息。
例如，可以确定车位信息a的二维信息和三维信息，以及确定车道线信息的二维信息和三维信息，进而可以确定车位信息a与车道线信息b的二维相对信息、三维相对信息，即第一相对信息。
由此，可以把第一语义地图中相关联的语义元素的位置航向变化量作为约束，把第二语义地图中相关联的语义元素的位置航向变化量作为约束。其中，语义元素的位置航向变化量可以基于语义元素的二维相对信息、三维相对信息确定。
然后，根据第一相对信息和第二相对信息，对第一语义地图和第二语义地图进行优化；
在得到第一相对信息和第二相对信息后，可以根据第一相对信息和第二相对信息，确定第一语义元素之间的相对关系、第二语义元素之间的相对关系，以及确定第一语义元素与第二语义元素之间的误差，如车位信息a与车位信息A的二维信息的误差，车位信息a与车道线信息b之间的二维相对信息，和车位信息A与车道线信息B之间二维相对信息的误差。
在确定相对关系以及第一语义元素与第二语义元素之间的误差后，可以根据该相对关系和误差对语义元素的二维信息、三维信息进行优化调整。
最后，对优化后的第一语义地图和优化后的第二语义地图进行地图融合。
由此，基于第一全局定位数据、第二全局定位数据以及预设的约束规则，通过地图融合最优化方法求解拼接语义地图中所有语义元素的位置和方向，对所述拼接语义地图进行融合修正。
在对语义地图进行优化后，可以确定不同的融合次数，进而可以根据不同的融合次数对两个语义地图进行加权融合。通过确定地图的融合次数，并根据融合次数确定地图融合的难易程度，以根据该难易程度对语义地图进行加权并融合，可以提高地图融合的精度，使得融合后的地图更为准确。
本实施例中，地图融合最优化方法的实现原理如下：
对于构建的第一语义地图和第二语义地图，对第一语义地图和第二语义地图进行拼接，得到拼接后的拼接语义地图。
基于拼接语义地图确定第一语义地图与第二语义地图中重合区域或共同区域内的互相匹配的语义元素，在确定匹配的语义元素后，可以确定语义元素的二维信息，如位姿信息，以及确定语义元素的三维信息，如高度信息。
例如，可以基于收集的全局定位数据，确定语义地图中的三维坐标系，进而可以根据该坐标系确定该语义地图中语义元素的坐标信息，根据坐标信息确定语义元素的位姿信息、高度信息。
在实际应用中，还可以确定语义元素与x轴的转动信息、与y轴的转动信息，可以根据与x轴的转动信息、与y轴的转动信息对语义元素进行转动优化。
然而，由于语义元素与x轴的转动信息、与y轴的转动信息并不会存在较大的误差，对转动信息的优化不会给地图融合的质量带来更高的提升，而且对转动信息的优化计算量大，处理方法复杂，对硬件要求高，因此，可以只对语义元素的高度信息进行优化，简化优化过程，减少了计算量，还通过确定相对高度信息、高度误差值等信息提高了高度优化的准确性。
在确定语义元素的位姿信息、高度信息后，可以根据语义元素的位姿信息确定两个语义元素之间的相对位姿信息，以及根据语义元素的高度信息确定两个语义元素之间的相对高度信息。
如图6a所示，语义元素1至语义元素n的位姿信息可以包括位置信息、角度信息(相当于方向信息)，可以根据坐标信息确定语义元素的位置信息、角度信息，进而可以根据位置信息和角度信息转换成语义元素的位姿信息，具体可以通过以下矩阵转换：
Figure BDA0003688265870000161
Figure BDA0003688265870000171
其中，矩阵(1)可以表示为用于转换三维地图数据中语义元素i的位姿，矩阵(2)可以表示为用于转换三维地图数据中语义元素j的位姿，语义元素i和语义元素j可以为第一语义地图与第二语义地图中匹配的语义元素，也可以为同一个语义地图中任意两个语义元素，针对矩阵(1)，Ti可以表示为语义元素i的绝对位姿，
Figure BDA0003688265870000172
可以为语义元素i的角度信息，txi可以为语义元素i在坐标系中的x轴坐标信息，tyi可以为语义元素i在坐标系中的y轴坐标信息，矩阵(2)同理。
在本发明一实施例中，语义元素1至语义元素n的高度信息可以如图6b所示，可以根据坐标信息确定语义元素的高度信息，其中，z1可以表示为语义元素1的高度信息。
如前所述，在确定语义元素的位姿信息、高度信息后，可以根据语义元素的位姿信息确定两个语义元素之间的相对位姿信息，以及根据语义元素的高度信息确定两个语义元素之间的相对高度信息。
由此得到第一语义元素的第一相对位姿信息、第一相对高度信息和第二语义元素的第二相对位姿信息、第二相对高度信息。
在得到相对位姿信息和相对高度信息后，可以根据相对位姿信息和相对高度信息，确定第一语义元素之间的相对关系、第二语义元素之间的相对关系，以及确定第一语义元素与第二语义元素之间的误差，如车位信息a与车位信息A的位姿信息的误差，车位信息a与车道线信息b之间的相对位姿信息，与对车位信息A与车道线信息B的相对位姿信息的误差。
其中，第一语义元素与第二语义元素之间的误差，可以为第一语义元素的第一相对位姿信息与第二语义元素的第二相对位姿信息之间的相对位姿误差的值。
在确定相对关系和第一语义元素与第二语义元素之间的误差后，可以根据该相对关系和误差确定第一语义元素的目标位姿信息和目标高度信息，以及确定第二语义元素的目标位姿信息和目标高度信息，从而可以根据目标位姿信息、目标高度信息分别对语义元素的位姿信息、高度信息进行优化调整。
以下详细阐述两个语义元素之间的相对位姿信息的确定，以及相对位姿误差、相对高度误差的计算过程：
在确定语义元素的位姿信息后，可以根据语义元素的位姿信息确定两个语义元素之间的相对位姿信息，具体可以通过以下矩阵确定相对位姿信息：
Figure BDA0003688265870000181
其中，下标i和下标j可以表示为语义元素i和语义元素j，Tij可以为语义元素j相对于语义元素i的相对位姿，Ti -1可以为语义元素i的逆矩阵，Rj可以为语义元素j的角度信息的转换矩阵，
Figure BDA0003688265870000182
可以为语义元素i的角度信息的转换矩阵的转置矩阵，tj可以为语义元素j的位置。
在本发明一实施例中，在语义元素i和语义元素j为同一语义地图中任意两个语义元素时，该两个语义元素的相对位姿信息可以为Tij，而没优化之前，两个语义元素之间的相对位姿，可以通过波浪线与Tij区分，具体可以表示为如下矩阵：
Figure BDA0003688265870000183
其中，
Figure BDA0003688265870000184
可以为两个语义元素没优化之前的相对角度信息，
Figure BDA0003688265870000185
可以为两个语义元素没优化之前的相对角度信息的转换矩阵，
Figure BDA0003688265870000186
可以为两个语义元素没优化之前的的相对位置。
在本发明一实施例中，在语义元素i和语义元素j为两个语义地图数据中匹配的语义元素时，该两个语义元素的相对位姿信息可以为Tij，而
Figure BDA0003688265870000187
则可以为单位矩阵，具体可以表示为如下矩阵：
Figure BDA0003688265870000188
其中，
Figure BDA0003688265870000189
可以为Tij的单位矩阵，
Figure BDA00036882658700001810
可以为该两个语义元素没优化之前的相对角度信息，
Figure BDA00036882658700001811
可以为该两个语义元素没优化之前的相对角度信息的转换矩阵。
在确定相对位姿信息后，可以根据相对位姿信息确定位姿误差值，具体可以通过以下矩阵确定位姿误差值：
Figure BDA0003688265870000191
其中，
Figure BDA0003688265870000192
可以为Tij的逆矩阵，
Figure BDA0003688265870000193
可以为两个语义元素的相对角度信息的转换矩阵的转置矩阵，
Figure BDA0003688265870000194
可以为语义元素i的角度信息的转换矩阵的转置矩阵。
在确定矩阵(5)后，可以将矩阵(5)转换成以下矩阵：
Figure BDA0003688265870000195
其中，eij可以表示为第一相对位姿信息和第二相对位姿信息的位姿误差值。在本发明一实施例中，在语义元素i和语义元素j为同一语义地图中任意两个语义元素时，eij还可以表示为第一相对位姿信息或第二相对位姿信息的位姿误差值。
然后，可以根据位姿误差值，确定两个第一语义元素和两个第二语义元素的位姿信息，与相对位姿误差的关联关系；
其中，相对位姿误差、位姿信息可以为关联关系中的自变量，相对位姿误差可以为关联关系中的因变量，位姿误差值是相对位姿误差的一个已知的值。在确定位姿误差值后，可以根据该位姿误差值，以及对应的第一相对位姿信息和第二相对位姿信息，确定相对位姿误差与第一语义元素和/或第二语义元素的位姿信息的关联关系，该关联关系的算法可以为本实施例所述的地图融合最优化方法，关联关系可以为如下公式：
Figure BDA0003688265870000196
其中，f可以表示为相对位姿误差与位姿信息的关联关系，ek_ij可以为第k个位姿误差值，ek_ij可以定义为列向量，ek_ij T可以为第k个位姿误差值的转置矩阵，wk可以表示为地图成熟度，地图成熟度可以与地图融合的次数对应。然后，以相对位姿误差最小为目标，确定两个第一语义元素和两个第二语义元素的目标位姿信息。
在确定相对位姿误差与位姿信息的关联关系公式后，由于关联关系公式可以表示为相对位姿误差与位姿信息的关联关系，则可以以相对位姿误差最小为目标，确定相对位姿误差最小时都对应的目标位姿信息。
在实际应用中，可以计算出当关联关系公式最小，即当f的值最小时，所对应的第一相对位姿信息和/或第二相对位姿信息，进而可以确定对应的位置信息、角度信息，位置信息、角度信息可以通过以下公式确定：
Figure BDA0003688265870000201
Figure BDA0003688265870000202
其中，βi可以表示为语义元素i的位置信息和角度信息的矩阵，β的下标1至n可以表示为语义元素1至语义元素n的位置信息和角度信息。
进一步地，基于目标高度信息对语义元素的高度信息进行优化调整的过程如下：
根据第一语义元素的第一相对高度信息和第二语义元素的第二相对高度信息，确定高度误差值；
其中，高度误差值可以为第一相对高度信息与第二相对高度信息之间的误差值。
具体地，首先，在确定语义元素的高度信息后，可以确定其中一个语义地图中任意两个语义元素为一组语义元素组，根据语义元素的高度信息确定任意一组语义元素组的相对高度信息，类似地，还可以确定另一个语义地图中任意一组语义元素组的相对高度信息，进而可以根据不同的语义地图中的相对高度信息确定相对高度误差值，相对高度误差值可以通过以下公式确定：
Figure BDA0003688265870000203
其中，ezij可以表示为相对高度误差值，zj和zi可以表示为其中一个语义地图数据中语义元素j以及语义元素i的高度信息，可以通过做差得到该语义地图中由语义元素i和语义元素j组成的语义元素组的相对高度信息，即zj-zi，
Figure BDA0003688265870000204
可以表示为另一个语义地图中由匹配的语义元素i和匹配的语义元素j组成的语义元素组的优化之前的相对高度信息。
然后，根据相对高度误差值，确定至少两个第一语义元素和至少两个第二语义元素的高度信息与相对高度误差值的关联关系；
在确定相对高度误差值后，可以根据该相对高度误差值，以及对应的第一相对高度信息和第二相对高度信息，确定相对高度误差与第一语义元素和第二语义元素的高度信息的关联关系，关联关系可以为如下公式：
Figure BDA0003688265870000211
其中，fz可以表示为相对高度误差与高度信息的关联关系，ezk_ij可以表示为第一语义元素中第k个语义元素组与第二语义元素中第k个语义元素组的高度误差值，ezk_ij T可以表示为第一语义元素中第k个语义元素组与第二语义元素中第k个语义元素组的高度误差值的转置矩阵，k可以用来标记第一语义元素与第二语义元素中的语义元素组，k的取值对关联关系公式没有影响，m可以为第一语义元素或第二语义元素中语义元素组的总数，wk可以表示为地图成熟度，地图成熟度可以与地图融合的次数对应。
例如，ez1_12可以表示为第一语义元素中第一组语义元素组与第二语义元素中第一组语义元素组的相对高度误差值，第一组语义元素可以包括语义元素1和语义元素2，也即是第一语义元素中的语义元素1和语义元素2，以及第二语义元素中的语义元素1和语义元素2。
然后，以相对高度误差最小为目标，确定至少两个第一语义元素和至少两个第二语义元素的目标高度信息。
在确定关联关系公式后，由于关联关系公式可以表示为相对高度误差与高度信息的关联关系，则可以以相对高度误差最小为目标，计算出当相对高度误差与高度信息的关联关系公式的值最小，即当fz的值最小时，所对应的第一相对高度信息和第二相对高度信息，进而可以确定对应的目标高度信息。
其中，可以通过确定关联关系公式的梯度来求fz的最小值，例如，当梯度为0时，fz的值最小，进而可以确定目标高度信息，具体的，可以通过以下公式进行计算：
Kz＝b
其中，z可以为目标高度信息，b可以为
Figure BDA0003688265870000221
所表示的情况，
Figure BDA0003688265870000222
Figure BDA0003688265870000223
可以为梯度，
Figure BDA0003688265870000224
可以为针对梯度中高度信息的偏导数，
Figure BDA0003688265870000225
可以表示z＝0时的
Figure BDA0003688265870000226
作为一示例，梯度可以通过以下矩阵表示：
Figure BDA0003688265870000227
其中，
Figure BDA0003688265870000228
可以为针对相对高度误差与高度信息的关联关系公式中语义元素1的高度信息的偏导数，z的下标1至n可以表示为语义元素1至语义元素n的高度信息，ek T可以为ezk_ij T，
Figure BDA0003688265870000229
可以为针对ek中语义元素1的高度信息的偏导数。
由上述梯度可知，
Figure BDA00036882658700002210
可以转换为
Figure BDA00036882658700002211
Figure BDA00036882658700002212
代入上述K z＝b可直接求解z值，也即是可以计算出目标高度信息。
最后，在得到目标信息后，如目标位姿信息、目标高度信息，可以按照目标信息对语义元素的位姿信息、高度信息进行优化调整。
对优化后的第一语义地图和优化后的第二语义地图进行地图融合。
上述方案中，在对两个语义地图进行拼接融合时，可以确定第一语义地图中至少两个语义元素，并确定第二语义地图中是否存在与第一语义地图匹配的语义元素。
在确定匹配的语义元素后，可以分别在不同的语义地图中确定匹配的语义元素的整体位置信息，进而可以根据不同的整体位置信息生成针对不同语义地图的转换矩阵，在确定转换矩阵后，可以分别采用对应的转换矩阵对不同的语义地图进行整体调整。
在得到调整后的语义地图后，可以根据语义元素的位置信息和角度信息确定两个语义元素之间的相对位姿信息，以及根据相对位姿信息确定相对位姿误差的值，即位姿误差值，进而可以根据相对位姿信息和位姿误差值确定位姿信息和相对位姿误差的关联关系，并以最小相对位姿误差为目标，确定目标位姿信息，以进行平面位姿优化。
在进行平面位姿优化后，可以根据语义元素的高度信息确定两个语义元素之间的相对高度信息，可以根据相对高度信息确定相对高度误差值，进而可以根据相对高度信息和相对高度误差值确定高度信息和相对高度误差的关联关系，并以最小相对高度误差为目标，确定目标高度信息，以进行高度优化。
在对语义地图进行优化后，可以确定不同的语义地图的融合次数，进而可以根据不同的融合次数对两个语义地图进行加权融合。
最后，将该两个语义地图中不匹配的语义元素进行融合，即将一个语义地图的语义元素添加至另一个语义地图中。
本实施例通过上述方案，在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联，所述停车场内全局定位信号丢失；在检测到车辆启动离开停车场时，基于所述车辆的下电时刻位置航向信息，构建第二语义地图；在检测到全局定位信号恢复后，收集第二全局定位数据，并从时间上将所述第二全局定位数据与所述第二语义地图进行关联；将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图；基于所述第一全局定位数据、第二全局定位数据以及预设的约束规则，并结合预设的地图融合最优化方法，对所述拼接语义地图进行修正。由此，通过对进停车场和出停车场进行地图构建，同时进行全局定位信号丢失前以及恢复后的定位数据的收集，并结合地图拼接、约束规则和地图融合最优化方法，对拼接后的地图进行修正，从而减少了地图构建误差，提升了停车场地图构建的精准度，而且地图生成方案中的融合方案简单，提高了地图融合的精度和效率。
参照图7，图7为本发明地图生成方法第三实施例的流程示意图。在上述图4所示的实施例的基础上，在上述步骤S101，在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据之前还包括：
步骤S1001，在所述车辆进入停车场前的启动状态下，持续构建预设区域范围的第一语义地图，同时收集第一全局定位数据；
步骤S1002，从时间上将所述第一全局定位数据与所述第一语义地图上对应的轨迹点进行关联；
步骤S1003，在检测到全局定位信号丢失后，继续构建第一语义地图，直至检测到所述车辆进入停车场并下电。
本实施例相比上述图4所示的实施例，还包括构建预设区域范围的第一语义地图以及收集第一全局定位数据的方案。
具体地，在车辆下电之前，持续构建第一语义地图，同时收集了第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联。
其中，第一语义地图可以通过SLAM、高精地图等构图技术来实现，比如可以通过车辆上的摄像头、雷达等感知传感器识别周围环境，经过语义分析，确认当前环境，并完成定位与建图，具体可以结合视觉感知技术检测停车场的车位、立柱、墙壁、箭头、路障、减速带、车道线等语义元素的位置和方向，通过惯性导航设备和轮速传感器等进行航位推算得到地图轨迹，构建地图。
其中，第一全局定位数据的收集可以通过GNSS定位或者地图定位技术实现，地图定位技术可以包括SLAM定位、高精地图定位等。
其中，作为一种实施方式，在所述车辆进入停车场前的启动状态下，持续构建预设区域范围的第一语义地图，同时收集第一全局定位数据；从时间上将所述第一全局定位数据与所述第一语义地图上对应的轨迹点进行关联。
其中，预设区域范围可以根据实际情况进行选择设定，还可以考虑定位数据的精度要求，比如可以是在停车场附近的预设区域进行设定，或者在距离停车场预设距离的区域范围内设定。
其中，在收集第一全局定位数据时，需要从时间上将所述第第一全局定位数据与所述第二语义地图的轨迹点进行关联，即构建的地图中的轨迹点对应的语义元素，与当前时刻收集的全局定位数据相关联，确保定位数据与地图语义元素的信息同步。
在检测到全局定位信号丢失后，继续构建第一语义地图，直至检测到所述车辆进入停车场并下电。
第一语义地图的构建以及第一全局定位数据的收集，是用于后续地图的拼接与修正。
本实施例通过上述方案，对进停车场和出停车场进行地图构建，同时进行全局定位信号丢失前以及恢复后的定位数据的收集，并结合地图拼接、约束规则和地图融合最优化方法，对拼接后的地图进行修正，从而减少了地图构建误差，提升了停车场地图构建的精准度。
参照图8，图8为本发明地图生成方法第四实施例的流程示意图。在上述图7所示的实施例的基础上，在上述步骤S104，将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图之前还包括：
步骤S1041，判断所述第二全局定位数据的精度是否达到预设标准；
若所述第二全局定位数据的精度达到预设标准，则执行步骤S104：将所述第一语义地图和第二语义地图进行拼接。
具体地，本实施例中，在收集第二全局定位数据时，可以考虑定位数据的精度要求，比如可以是在停车场附近的预设区域进行设定，或者在距离停车场预设距离的区域范围内设定，通过足够的数据支持，能够达到定位数据的更高精度要求。
此外，如图9所示，本发明实施例还提出一种地图生成装置，所述地图生成装置包括：
获取模块，用于在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联；
构建模块，用于在检测到车辆启动离开停车场时，基于所述车辆的下电时刻位置航向信息，构建第二语义地图；
收集关联模块，用于在检测到全局定位信号恢复后，收集第二全局定位数据，并从时间上将所述第二全局定位数据与所述第二语义地图进行关联；
拼接模块，用于基于所述第一全局定位数据、第二全局定位数据，将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图；
进一步地，该装置还包括：
修正模块，用于基于所述第一全局定位数据、第二全局定位数据以及预设的约束规则，并结合预设的地图融合最优化方法，对所述拼接语义地图进行修正。
本实施例实现地图生成的原理及实施过程，请参照上述各实施例，在此不再赘述。
此外，本发明实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的地图生成程序，所述地图生成程序被所述处理器执行时实现如上述实施例所述的地图生成方法的步骤。
由于本地图生成程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有地图生成程序，所述地图生成程序被处理器执行时实现如上述实施例所述的地图生成方法的步骤。
由于本地图生成程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
相比现有技术，本发明实施例提出的地图生成方法、装置、终端设备及存储介质，在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联，所述停车场内全局定位信号丢失；在检测到车辆启动离开停车场时，基于所述车辆的下电时刻位置航向信息，构建第二语义地图；在检测到全局定位信号恢复后，收集第二全局定位数据，并从时间上将所述第二全局定位数据与所述第二语义地图进行关联；基于所述第一全局定位数据、第二全局定位数据，将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图。由此，通过对进停车场和出停车场进行地图构建，同时进行全局定位信号丢失前以及恢复后的定位数据的收集，基于所述第一全局定位数据、第二全局定位数据进行地图拼接，减少了地图构建误差，提升了停车场地图构建的精准度；进一步地，基于所述第一全局定位数据、第二全局定位数据以及预设的约束规则，并结合预设的地图融合最优化方法，对所述拼接语义地图进行修正，由此结合地图拼接、约束规则和地图融合最优化方法，对拼接后的地图进行修正，进一步减少了地图构建误差，提升了停车场地图构建的精准度。
需要说明的是，在本文中，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、物品或者方法不仅包括那些要素，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、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者方法中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，被控终端，或者网络设备等)执行本发明每个实施例的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种地图生成方法，其特征在于，所述方法包括如下步骤：
在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联，所述停车场内全局定位信号丢失；
在检测到车辆启动离开停车场时，基于所述车辆的下电时刻位置航向信息，构建第二语义地图；
在检测到全局定位信号恢复后，收集第二全局定位数据，并从时间上将所述第二全局定位数据与所述第二语义地图进行关联；
基于所述第一全局定位数据、第二全局定位数据，将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述第一全局定位数据、第二全局定位数据以及预设的约束规则，并结合预设的地图融合最优化方法，对所述拼接语义地图进行修正。
3.根据权利要求1所述的方法，其特征在于，所述在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据的步骤之前还包括：
在所述车辆进入停车场前的启动状态下，持续构建预设区域范围的第一语义地图，同时收集第一全局定位数据；
从时间上将所述第一全局定位数据与所述第一语义地图上对应的轨迹点进行关联；
在检测到全局定位信号丢失后，继续构建第一语义地图，直至检测到所述车辆进入停车场并下电。
4.根据权利要求1所述的方法，其特征在于，所述将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图的步骤之前还包括：
判断所述第二全局定位数据的精度是否达到预设标准；
若所述第二全局定位数据的精度达到预设标准，则执行所述将所述第一语义地图和第二语义地图进行拼接的步骤。
5.根据权利要求2所述的方法，其特征在于，所述基于所述第一全局定位数据、第二全局定位数据以及预设的约束规则，并结合预设的地图融合最优化方法，对所述拼接语义地图进行修正的步骤包括：
获取所述拼接语义地图中的第一语义地图与第二语义地图的重合区域，将所述重合区域内相互匹配的语义元素作为互相约束；和/或，将所述第一语义地图中相关联的元素位置航向变化量作为约束，将所述第二语义地图中相关联的元素位置航向变化量作为约束；
基于所述第一全局定位数据、第二全局定位数据，获取对应的约束的定位数据；
基于所述对应的约束的定位数据，并结合预设的地图融合最优化方法，求解得到所述拼接语义地图中所有语义元素的位置和方向；
基于求解得到的所述拼接语义地图中所有语义元素的位置和方向，对所述拼接语义地图进行修正。
6.根据权利要求5所述的方法，其特征在于，所述将所述第一语义地图中相关联的元素位置航向变化量作为约束，将所述第二语义地图中相关联的元素位置航向变化量作为约束的步骤之前还包括：
获取所述第一语义地图中相关联的语义元素，获取所述第二语义地图中相关联的语义元素；
基于所述第一全局定位数据获取所述第一语义地图中相关联的语义元素的元素位置航向变化量，基于所述第二全局定位数据获取所述第二语义地图中相关联的语义元素的元素位置航向变化量。
7.根据权利要求5所述的方法，其特征在于，所述基于所述对应的约束的定位数据，并结合预设的地图融合最优化方法，求解得到所述拼接语义地图中所有语义元素的位置和方向的步骤包括：
基于所述对应的约束的定位数据，并结合预设的地图融合最优化方法，对所述拼接语义地图中对应的语义元素之间的位姿误差和/或高度误差进行求解；
基于求解得到的位姿误差和/或高度误差，求解得到所述拼接语义地图中所有语义元素的位置和方向。
8.一种地图生成装置，其特征在于，所述地图生成装置包括：
获取模块，用于在检测到车辆进入停车场并下电时，获取所述车辆的下电时刻位置航向信息，以及车辆下电之前构建的第一语义地图和收集的第一全局定位数据，所述第一全局定位数据与所述第一语义地图在时间上关联；
构建模块，用于在检测到车辆启动离开停车场时，基于所述车辆的下电时刻位置航向信息，构建第二语义地图；
收集关联模块，用于在检测到全局定位信号恢复后，收集第二全局定位数据，并从时间上将所述第二全局定位数据与所述第二语义地图进行关联；
拼接模块，用于基于所述第一全局定位数据、第二全局定位数据，将所述第一语义地图和第二语义地图进行拼接，得到拼接语义地图。
9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的地图生成程序，所述地图生成程序被所述处理器执行时实现如权利要求1-7中任一项所述的地图生成方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有地图生成程序，所述地图生成程序被处理器执行时实现如权利要求1-7中任一项所述的地图生成方法的步骤。
CN202210652842.XA 2022-06-10 2022-06-10 地图生成方法、装置、终端设备及存储介质 Pending CN115046542A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210652842.XA CN115046542A (zh) 2022-06-10 2022-06-10 地图生成方法、装置、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210652842.XA CN115046542A (zh) 2022-06-10 2022-06-10 地图生成方法、装置、终端设备及存储介质

Publications (1)

Publication Number Publication Date
CN115046542A true CN115046542A (zh) 2022-09-13

Family

ID=83161825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210652842.XA Pending CN115046542A (zh) 2022-06-10 2022-06-10 地图生成方法、装置、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN115046542A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115423965A (zh) * 2022-11-04 2022-12-02 安徽蔚来智驾科技有限公司 地图构建方法、设备、车辆和存储介质
CN115743100A (zh) * 2023-01-10 2023-03-07 禾多科技（北京）有限公司 泊车路线信息生成方法、装置、设备和计算机可读介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115423965A (zh) * 2022-11-04 2022-12-02 安徽蔚来智驾科技有限公司 地图构建方法、设备、车辆和存储介质
CN115423965B (zh) * 2022-11-04 2023-02-28 安徽蔚来智驾科技有限公司 地图构建方法、设备、车辆和存储介质
CN115743100A (zh) * 2023-01-10 2023-03-07 禾多科技（北京）有限公司 泊车路线信息生成方法、装置、设备和计算机可读介质

Similar Documents

Publication Publication Date Title
CN109186586B (zh) 一种面向动态泊车环境的同时定位及混合地图构建方法
US11802769B2 (en) Lane line positioning method and apparatus, and storage medium thereof
EP3290952B1 (en) Automatic localization geometry detection
CN110969655B (zh) 用于检测车位的方法、装置、设备、存储介质以及车辆
CN112069856A (zh) 地图生成方法、驾驶控制方法、装置、电子设备及系统
CN115046542A (zh) 地图生成方法、装置、终端设备及存储介质
CN112799096B (zh) 基于低成本车载二维激光雷达的地图构建方法
CN114509065B (zh) 地图构建方法、系统、车辆终端、服务器端及存储介质
CN111179162A (zh) 一种特殊环境下的定位初始化方法及车载终端
CN109086278A (zh) 一种消除误差的地图构建方法、系统、移动终端及存储介质
CN114663852A (zh) 车道线图的构建方法、装置、电子设备及可读存储介质
CN113252051A (zh) 一种地图构建方法及装置
CN116997771A (zh) 车辆及其定位方法、装置、设备、计算机可读存储介质
CN115235452A (zh) 基于uwb/imu和视觉信息融合的智能泊车定位系统及方法
CN114495568A (zh) 一种泊车方法、设备、存储介质和泊车系统
Hara et al. Vehicle localization based on the detection of line segments from multi-camera images
CN112689234B (zh) 室内车辆定位方法、装置、计算机设备和存储介质
CN114266821A (zh) 在线定位方法、装置、终端设备及存储介质
CN111754388B (zh) 一种建图方法及车载终端
CN116202538B (zh) 地图匹配融合方法、装置、设备及存储介质
CN114761830A (zh) 全球定位系统定位方法和计算机程序产品
CN114518108B (zh) 一种定位地图构建方法及装置
CN112184906B (zh) 一种三维模型的构建方法及装置
CN113624223B (zh) 一种室内停车场地图构建方法及装置
JP5557036B2 (ja) 退出判定装置、退出判定プログラム及び退出判定方法

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