CN115096330A - 地图变化检测方法及装置、计算机可读存储介质、终端 - Google Patents

Abstract

一种地图变化检测方法及装置、计算机可读存储介质、终端，所述方法包括：确定车辆的当前位置周围预设区域的点云数据，以及确定所述预设区域的目标地图，其中，所述目标地图包含多个体素，每个体素具有预设尺寸且包含一个或多个点；将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据；确定所述映射点云数据与所述目标地图的重叠率；如果所述重叠率小于等于第一阈值，则确定所述目标地图待更新。本发明可以准确、自动、快速地检测出实际路况信息的变化，确定地图是否有待更新。

Description

地图变化检测方法及装置、计算机可读存储介质、终端

技术领域

本发明涉及智能驾驶技术领域，尤其涉及一种地图变化检测方法及装置、计算机可读存储介质、终端。

背景技术

在智能驾驶系统中，高精地图是必不可少的核心技术。高精地图制作，一般首先需要地图数据采集车辆通过激光雷达、相机等传感器获取关于驾驶环境的实际数据；地图制作人员获得数据后对数据进行处理生成包含空间坐标信息的三维地图；标注人员通过人工或自动标注算法对地图划分区域并确定车道线信息，真实反应道路的实际样式；除此之外高精地图还包含了建筑物、交通标志、红绿灯位置等数据。智能驾驶车辆通过本身传感器收集到的信息与高精地图数据进行对比，以获取定位、规划所需要全面信息，帮助车辆做出更精准的决策。

在现有技术中，高精地图制作过程较为复杂，而实际中路网常常会发生变化，如马路整修、建筑物外观改变、障碍物新增等。传统的智能驾驶系统往往无法及时检测路况信息的变化，并反映在高精地图上，影响自动驾驶车辆的行驶安全，比如会造成车辆定位精度下降及路径规划的失败的问题。

因此，亟需一种地图变化检测方法，可以准确、自动、快速地检测出实际路况信息的变化，确定地图是否有待更新。

发明内容

本发明解决的技术问题是现有的智能驾驶技术无法快速准确地反映空间动态信息变化，确定地图是否待更新，从而影响自动驾驶车辆的安全性。

为解决上述技术问题，本发明实施例提供一种地图变化检测方法，包括以下步骤：确定车辆的当前位置周围预设区域的点云数据，以及确定所述预设区域的目标地图，其中，所述目标地图包含多个体素，每个体素具有预设尺寸且包含一个或多个点；将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据；确定所述映射点云数据与所述目标地图的重叠率；如果所述重叠率小于等于第一阈值，则确定所述目标地图待更新。

可选的，将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据包括：将所述车辆的当前位置作为所述点云数据的坐标原点，对所述点云数据进行坐标空间变换，以映射至所述目标地图的空间坐标系中，得到所述映射点云数据。

可选的，在将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据之前，所述方法还包括：根据预设的移动障碍物参数，判断所述点云数据中是否存在移动障碍物数据；如果存在，则过滤掉所述点云数据中的移动障碍物数据。

可选的，所述预设的移动障碍物参数是采用深度学习目标检测算法，将所述点云数据作为输入参数输入目标检测模型后，所述目标检测模型的输出参数。

可选的，所述移动障碍物选自以下一项或多项：车辆、行人、动物。

可选的，将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据之前，所述方法还包括：过滤掉所述点云数据中的路面数据以及过滤掉所述目标地图中的路面数据。

可选的，过滤掉所述点云数据中的路面数据包括：过滤掉所述点云数据中高度值小于预设高度阈值的数据。

可选的，确定所述映射点云数据与所述目标地图的重叠率包括：确定所述映射点云数据中落入所述目标地图的各个体素内的点的数量与所述点云数据中的点的总数量之商，作为所述映射点云数据与所述目标地图的重叠率。

可选的，确定所述映射点云数据与所述目标地图的重叠率包括：对所述映射点云数据进行多次偏移，得到多组偏移点云数据，其中，每次偏移具有各自的偏移量；确定每组偏移点云数据与所述目标地图的重叠率；将偏移前的映射点云数据与所述目标地图的重叠率和各组偏移点云数据与所述目标地图的重叠率中的最大重叠率作为所述映射点云数据与所述目标地图的重叠率。

可选的，对所述点云数据进行多次的偏移包括：分别在x轴、y轴、z轴三个方向上进行偏移，并且遍历预设的体素偏移量集合。

可选的，所述方法还包括：如果所述重叠率大于第二阈值，则确定所述目标地图不需要更新；其中，所述第二阈值大于或等于所述第一阈值。

可选的，在确定所述目标地图待更新之后，所述方法还包括：判断所述重叠率是否小于等于第三阈值，所述第三阈值小于所述第一阈值；如果是，则发出警报提示信号，所述警报提示信号用于指示停车和/或待用户确认所述目标地图待更新。

可选的，在确定所述目标地图待更新之后，所述方法还包括：分别生成所述点云数据的第一色彩标记图像和所述目标地图的第二色彩标记图像；其中，所述第一色彩标记图像和所述第二色彩标记图像用于人工判断所述目标地图是否能够进行更新。

可选的，在确定所述目标地图待更新之后，所述方法还包括：根据预设时长内所述预设区域的点云数据和/或预设帧数的所述预设区域的点云数据对所述目标地图进行更新。

本发明实施例还提供一种地图变化检测装置，包括：点云数据确定模块，用于确定车辆的当前位置周围预设区域的点云数据，以及确定所述预设区域的目标地图，其中，所述目标地图包含多个体素，每个体素具有预设尺寸且包含一个或多个点；坐标空间变换模块，用于将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据；重叠率确定模块，用于确定所述映射点云数据与所述目标地图的重叠率；地图更新检测模块，用于在所述重叠率小于等于第一阈值时，确定所述目标地图待更新。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述地图变化检测方法的步骤。

本发明实施例还提供一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述地图变化检测方法的步骤。

与现有技术相比，本发明实施例的技术方案具有以下有益效果：

在本发明实施例中，确定车辆的当前位置周围预设区域的点云数据，以及确定所述预设区域的目标地图，其中，所述目标地图包含多个体素，每个体素具有预设尺寸且包含一个或多个点；将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据；确定所述映射点云数据与所述目标地图的重叠率；最后判断所述重叠率是否小于等于第一阈值，如果是，则确定所述目标地图待更新。相比于传统的智能驾驶系统往往无法及时检测路况信息的变化，并反映在高精地图上，影响自动驾驶车辆的行驶安全，本发明实施例在车辆行驶过程中，确定车辆的当前位置周围预设区域的点云数据与所述预设区域的目标地图之间的重叠率，并基于所述重叠率快速、准确检测目标地图是否有待更新，并且可以根据重叠率的数值大小及时发现实际路况信息的变化情况，有助于提高自动驾驶的安全性。

进一步，在将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据之前，所述方法还包括：根据预设的移动障碍物参数，判断所述点云数据中是否存在移动障碍物数据；如果存在，则过滤掉所述点云数据中的移动障碍物数据。在本发明实施例中，由于目标地图中往往只有车道、建筑物、交通标志等非移动性障碍物的位置相关数据，而实际驾驶环境中会存在很多移动障碍物，如车辆、行人、宠物等，因此传感器采集到的单帧点云数据中可能存在部分移动障碍物数据，这些移动障碍物数据无法与目标地图中的已有数据产生重叠，从而整体降低计算出的重叠率，影响最后判断的准确性，所以先过滤掉点云数据中的移动障碍物数据，不仅有助于提高后续判断的准确性，还可以减少运算开销、提高运算效率。

进一步，将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据之前，所述方法还包括：过滤掉所述点云数据中的路面数据以及过滤掉所述目标地图中的路面数据。在本发明实施例中，由于在实际驾驶环境中，路面的翻修情况较为多件，而整个路面的扩展或车道结构大幅改变的情况发生较少，因此，所述点云数据中的路面数据与所述目标地图中的路面数据往往具有很大的重叠率，所以先过滤掉点云数据和目标地图中的路面数据，相当于大幅减少了点云数据中的点的总数量(减小了计算时的分母)，有助于进行更精细化的检测，此外也可以大幅降低运算开销、提高效率。

进一步，确定所述映射点云数据与所述目标地图的重叠率包括：对所述映射点云数据进行多次偏移，得到多组偏移点云数据，其中，每次偏移具有各自的偏移量；确定每组偏移点云数据与所述目标地图的重叠率；将偏移前的映射点云数据与所述目标地图的重叠率和各组偏移点云数据与所述目标地图的重叠率中的最大重叠率作为所述映射点云数据与所述目标地图的重叠率。在本发明实施例中，考虑到所述点云数据是针对车辆的当前位置周围预设区域采集到的，在将点云数据映射到到目标地图的空间坐标系后，可能会由于对车辆的当前位置的定位偏差(即对车辆的定位与车辆的当前实际位置存在偏差)，导致重叠率计算上的偏差，因此，为了尽可能地降低偏差，提高后续检测的准确性，可以将映射点云数据进行多次偏移，然后分别各组偏移点云数据与目标地图的重叠率，选取偏移前的映射点云数据与目标地图的重叠率，以及偏移后的各组偏移点云数据与目标地图的重叠率中的最大重叠率判断目标地图是否需要更新，从而有助于进一步提高检测的精准度。

进一步，在确定所述目标地图待更新之后，所述方法还包括：判断所述重叠率是否小于等于第三阈值，所述第三阈值小于所述第一阈值；如果是，则发出警报提示信号，所述警报提示信号用于指示停车和/或待用户确认所述目标地图待更新。通过采用该技术方案，可以在发现实际路况信息与地图中存在较大差别时，发出警报提示信号，指示及时停车以及待人工确认所述目标地图待更新，有助于避免驾驶危险事故的发生，提高自动驾驶的安全性。

进一步，在确定所述目标地图待更新之后，所述方法还包括：分别生成所述点云数据的第一色彩标记图像和所述目标地图的第二色彩标记图像；其中，所述第一色彩标记图像和所述第二色彩标记图像用于人工判断所述目标地图是否待更新。在本发明实施例中，除了可以通过计算所述重叠率进行自动判断，还通过生成不同的色彩图像进行人工判断，通过双重确认方法进一步保证了检测的准确性。

进一步，在确定所述目标地图待更新之后，所述方法还包括：根据预设时长内所述预设区域的点云数据和/或预设帧数的所述预设区域的点云数据对所述目标地图进行更新。在本发明实施例中，在通过计算重叠率自动确认目标地图待更新后，可以直接采用传感器采集的所述预设区域点云数据(通常缓存在智能驾驶车辆的硬盘上)对地图实现及时、高效地更新。

附图说明

图1是本发明实施例中第一种地图变化检测方法的流程图；

图2是图1中步骤S13的一种具体实施方式的流程图；

图3是本发明实施例中第二种地图变化检测方法的流程图；

图4是本发明实施例中第三种地图变化检测方法的流程图；

图5是本发明实施例中第四种地图变化检测方法的流程图；

图6是本发明实施例中一种地图变化检测装置的结构示意图。

具体实施方式

如前所述，在智能驾驶系统中，高精地图是必不可少的核心技术。智能驾驶车辆通过本身传感器收集到的信息与高精地图数据进行对比，以获取定位、规划所需要全面信息，帮助车辆做出更精准的决策。

在现有技术中，高精地图制作过程较为复杂，而实际中路网常常会发生变化，如马路整修、建筑物外观改变、障碍物新增等。传统的智能驾驶系统往往无法及时检测路况信息的变化，并反映在高精地图上，影响自动驾驶车辆的行驶安全，比如会造成车辆定位精度下降及路径规划的失败的问题。

在本发明实施例中，确定车辆的当前位置周围预设区域的点云数据，以及确定所述预设区域的目标地图，其中，所述目标地图包含多个体素，每个体素具有预设尺寸且包含一个或多个点；将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据；确定所述映射点云数据与所述目标地图的重叠率；最后判断所述重叠率是否小于等于第一阈值，如果是，则确定所述目标地图待更新。相比于传统的智能驾驶系统往往无法及时检测路况信息的变化，并反映在高精地图上，影响自动驾驶车辆的行驶安全，本发明实施例在车辆行驶过程中，确定车辆的当前位置周围预设区域的点云数据与所述预设区域的目标地图之间的重叠率，并基于所述重叠率快速、准确检测目标地图是否有待更新，并且可以根据重叠率的数值大小及时发现实际路况信息的变化情况，有助于保证自动驾驶的安全性。

为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细说明。

参照图1，图1是本发明实施例中第一种地图变化检测方法的流程图。所述方法可以包括步骤S11至步骤S14：

步骤S11：确定车辆的当前位置周围预设区域的点云数据，以及确定所述预设区域的目标地图；

其中，所述目标地图包含多个体素，每个体素具有预设尺寸且包含一个或多个点。

步骤S12：将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据；

步骤S13：确定所述映射点云数据与所述目标地图的重叠率；

步骤S14：确认所述重叠率小于等于第一阈值，确定所述目标地图待更新。

在步骤S11的具体实施中，所述车辆可以为人工或自动驾驶的小轿车、货车、公交车、环保清扫车等等；所述车辆的当前位置可以是通过定位系统进行实时定位确定的，通常是车身或车头部位的中心位置，其中，定位系统可以选自全球定位系统(GlobalPositioning System，GPS)、北斗卫星导航系统等。可以理解的是，在具体实施中，所述车辆的当前位置可能会由于定位上的偏差而与车辆的实际所处位置存在些许偏移。

所述点云数据可以是激光雷达、摄像头等常用的传感器采集到的数据，每个数据可以用三维坐标系中的一个三维坐标点来表示。

需要指出的是，在采集所述点云数据时，所述预设区域不能过大，否则可能使得所述点云数据中包含的数据量过大，显著增加运算开销、降低效率；所述预设区域也不能过小，否则可能使得计算重叠率的覆盖范围过小，无法准确反映驾驶路况/环境的变化，降低后续判断目标地图是否待更新的准确行。作为一些非限制行的实施例，所述预设区域可以是以车身或者车头部位的中心为圆心，半径为100米左右的圆所包围的区域。

所述目标地图可以是安装在所述车辆上的高精度地图，相对于现有的普通导航地图，高精度地图具有更高实时性、更多的维度、更高分辨率以及更丰富的路况信息。在自动驾驶领域，高精度地图通常是事先构建好并存在自动驾驶车辆的磁盘上，自动驾驶车辆通过行驶过程中本身传感器收集到的信息与高精地图数据进行对比，以获取定位、规划所需要全面信息，帮助车辆做出更精准的决策。现有的高精地图制作，一般首先需要地图数据采集车辆通过激光雷达、相机等传感器获取关于驾驶环境的实际数据；地图制作人员获得数据后对数据进行处理生成包含空间坐标信息的三维地图；标注人员通过人工或自动标注算法对地图划分区域并确定车道线信息，真实反应道路的实际样式；除此之外高精地图还包含了建筑物、交通标志、路灯等空间坐标、属性/标签、几何轮廓等数据，以用于辅助自动驾驶车辆在行驶过程中的决策，

所述目标地图中包含很多个体素，这些体素构成了路面(主要是车辆行驶的车道)和障碍物(主要包括建筑物、交通标志、路灯等非移动性障碍物和车辆、行人、动物等移动性障碍物)，每个体素往往具有相同的尺寸，体素的尺寸可以为0.1×0.1×0.1，也可以为1×1×1(单位都是米)，每个体素中包含一个或多个点。

在步骤S12的具体实施中，所述点云数据的空间坐标系可以选自：

(1)车体坐标系，车体坐标系用来描述车辆周围的物体和本车之间的相对位置关系，车体坐标系的坐标原点在载体质量中心与载体固链，x轴沿载体轴指向右，y轴指向前，z轴和x轴y轴满足右手坐标法则指天，又称为右-前-上(r-f-u)坐标系。(2)激光雷达坐标系，激光雷达坐标系和选用雷达类型及安装方式有关，一般来说原点位于多线束旋转轴的交点处，z轴沿着轴线向上，其测量的点坐标是在激光雷达坐标系下的三维坐标。雷达与载体固链，通过坐标系外参和车体姿态可以得到激光点的世界坐标系。(3)摄像机坐标系：摄影机坐标系的原点为摄像机光心，x轴与y轴与图像的X,Y轴平行，z轴为摄像机光轴，它与图像平面垂直，以此构成的空间直角坐标系称为摄像机坐标系，也称为相机坐标系，摄像机坐标系是三维坐标系。光轴与图像平面的交点，即为图像坐标系的原点，与图像的X、Y轴构成的直角坐标系即为图像坐标系，图像坐标系是二维坐标系。

所述目标地图的空间坐标系通常为地心坐标系，地心坐标系(geocentriccoordinate system)是以地球质心为原点建立的空间直角坐标系，或以球心与地球质心重合的地球椭球面为基准面所建立的大地坐标系。其中，以地球质心(总椭球的几何中心)为原点的大地坐标系，通常分为地心空间直角坐标系(以x，y，z为其坐标元素)和地心大地坐标系(以B，L，H为其坐标元素)。地心坐标系是在大地体内建立的O-XYZ坐标系。原点O设在大地体的质量中心，用相互垂直的X，Y，Z三个轴来表示，X轴与首子午面与赤道面的交线重合，向东为正；Z轴与地球旋转轴重合，向北为正；Y轴与XZ平面垂直构成右手系。

在具体实施中，可以将所述车辆的当前位置(车身的中心位置或者车头的中心位置)作为所述点云数据的坐标原点，对所述点云数据进行坐标空间变换，以映射至所述目标地图的空间坐标系中，得到所述映射点云数据。

在具体实施中，所述点云数据的空间坐标系和所述目标地图的空间坐标系除了具有上述所列举的类型，还可以根据具体应用场景的不同采用其它类型的空间坐标系，以及采用其它的坐标空间变换方式，本发明实施例对此不做限制。

在步骤S13的具体实施中，确定所述映射点云数据与所述目标地图的重叠率包括：确定所述映射点云数据中落入所述目标地图的各个体素内的点的数量与所述映射点云数据中的点的总数量之商，作为所述映射点云数据与所述目标地图的重叠率。

需要说明的是，上述确定重叠率的方案仅作为一个非限制性的实施例，在具体实施中，还可以采用与上述方案类似的其它方法确定所述重叠率，例如：对于所述映射点云数据中的每个点，搜索所述目标地图中与该点距离最近的点，并计算该最近的两个点之间的距离，如果所述距离小于等于预设距离阈值，则确定该两个点重叠；然后计算所述映射点云数据中与所述目标地图发生重叠的点的数量与所述映射点云数据中的点的总数量之商，作为所述映射点云数据与所述目标地图的重叠率。

参照图2，图2是图1中步骤S13的一种具体实施方式的流程图。确定所述映射点云数据与所述目标地图的重叠率可以包括步骤S21至步骤S23，以下对各步骤进行说明。

在步骤S21中，对所述映射点云数据进行多次偏移，得到多组偏移点云数据，其中，每次偏移具有各自的偏移量。

进一步，对所述映射点云数据进行多次偏移，得到多组偏移点云数据，其中，每次偏移具有各自的偏移量。

作为一个非限制性的实施例，对所述点云数据进行多次的偏移包括：分别在x轴、y轴、z轴三个方向上进行偏移，并且在每个方向上遍历预设的体素偏移量集合。具体地，假设每个体素的尺寸为0.1×0.1×0.1(米)，最大偏移量为1(米)，所述预设的体素偏移量集合中的各个偏移量可以包含0.1～1中的每个体素偏移量，如{0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8，0.9，1}(单位为米)；所述预设体素偏移量集合中的各个偏移量也可以为0.1～1中的任意几个体素偏移量(可以是经过现有的搜索算法搜索出的可以使重叠率偏大的几个偏移量)。

在步骤S22中，确定每组偏移点云数据与所述目标地图的重叠率。

进一步，确定每组偏移点云数据与所述目标地图的重叠率包括：确定每组偏移点云数据中落入所述目标地图的各个体素内的点的数量与该组偏移点云数据中的点的总数量之商，作为该组偏移点云数据与所述目标地图的重叠率。

在步骤S23中，将偏移前的映射点云数据与所述目标地图的重叠率，以及各组偏移点云数据与所述目标地图的重叠率中的最大重叠率作为所述映射点云数据与所述目标地图的重叠率。

在本发明实施例中，考虑到所述点云数据是针对车辆的当前位置周围预设区域采集到的，在将点云数据映射到到目标地图的空间坐标系后，可能会由于对车辆的当前位置的定位偏差(即对车辆的定位与车辆的当前实际位置存在偏差)，导致重叠率计算上的偏差，因此，为了尽可能地降低偏差，提高后续检测的准确性，可以将映射点云数据进行多次偏移，然后分别各组偏移点云数据与目标地图的重叠率，选取偏移前的映射点云数据与目标地图的重叠率，以及偏移后的各组偏移点云数据与目标地图的重叠率中的最大重叠率判断目标地图是否需要更新，从而有助于进一步提高检测的精准度。

继续参照图1，在步骤S14的具体实施中，如果所述重叠率小于等于第一阈值，则确定所述目标地图待更新。

进一步，如果所述重叠率大于第二阈值，则确定所述目标地图不需要更新；其中，所述第二阈值大于或等于所述第一阈值。

可以理解的是，所述重叠率越小，说明所述预设区域的实际路况/环境与所述预设区域的目标地图中的信息之间的差距越大，越有可能存在潜在的驾驶危险，所述目标地图越可能亟需进行更新。因此，所述第一阈值不能过大，否则即便是计算出的重叠率数值很大(说明实际路况与目标地图差距很小)，也可能小于等于所述第一阈值，并确定所述目标地图待更新，从而导致判断失误并造成后续运算开销的浪费；所述第二阈值不能过小，否则即便是计算出的重叠率数值很小(说明实际路况与目标地图差距很大)，也可能大于所述第二阈值，从而确定所述目标地图不需要更新，导致判断失误而出现驾驶危险。

在本发明实施例中，相比于传统的智能驾驶系统往往无法及时检测路况信息的变化，并反映在高精地图上，影响自动驾驶车辆的行驶安全，本发明实施例在车辆行驶过程中，确定车辆的当前位置周围预设区域的点云数据与所述预设区域的目标地图之间的重叠率，并基于所述重叠率快速、准确检测目标地图是否有待更新，并且可以根据重叠率的数值大小及时发现实际路况的变化情况，有助于提高自动驾驶的安全性。

参照图3，图3是本发明实施例中第二种地图变化检测方法的流程图。

所述第二种地图变化检测方法可以包括图1中的步骤S11至步骤S14，还可以包括步骤S31至步骤S32，其中，步骤S31至步骤S32可以在步骤S11之后以及步骤S12之前执行，以下对与图1中的不同内容进行说明。

在步骤S31中，根据预设的移动障碍物参数，确认所述点云数据中存在移动障碍物数据。

在一些非限制性的实施例中，所述移动障碍物可以选自以下一项或多项：车辆、行人、动物。

作为一个非限制性的实施例，所述预设的移动障碍物参数可以是采用深度学习目标检测算法，将所述点云数据作为输入参数输入目标检测模型后，所述目标检测模型的输出参数。所述目标检测模型可以是事先采用大量的移动障碍物样本数据进行训练后得到的。

在步骤S32中，过滤掉所述点云数据中的移动障碍物数据。

需要指出的是，在步骤S32之后，是将过滤掉移动障碍物数据后的点云数据映射至所述目标地图的空间坐标系中，以得到所述映射点云数据。

在本发明实施例中，由于目标地图中往往只有车道、建筑物、交通标志等非移动性障碍物的位置、属性、几何轮廓等数据，而实际驾驶环境中会存在很多移动障碍物，如车辆、行人、宠物等，因此传感器采集到的单帧点云数据中可能存在部分移动障碍物数据，这些移动障碍物数据无法与目标地图中的已有数据产生重叠，从而整体降低计算出的重叠率，影响最后判断的准确性，所以先过滤掉点云数据中的移动障碍物数据，不仅有助于提高后续判断的准确性，还可以减少运算开销、提高运算效率。

在具体实施中，有关第二种地图变化检测方法的更多详细内容参照前文及图1、图2中各个步骤的相关描述进行执行，此处不再赘述。

参照图4，图4是本发明实施例中第三种地图变化检测方法的流程图。所述第三种地图变化检测方法可以包括图1中的步骤S11至步骤S14，还可以包括步骤S41，其中，步骤S41可以在步骤S11之后以及步骤S12之前执行，以下对与图1中的不同内容进行说明。

在步骤S41中，过滤掉所述点云数据中的路面数据以及过滤掉所述目标地图中的路面数据。

其中，所述路面数据可以用于指示车辆或行人行走的道路表面。在一些非限制性的实施例中，可以过滤掉所述点云数据中高度值小于预设高度阈值的数据，具体地，以所述点云数据中的某个点A(x,y,z)，如果z的值限于所述预设高度阈值，则可以将点A作为所述路面数据并过滤掉，其中，所述预设高度阈值小于常规的车道边界的高度值；也可以将所述点云数据的一部分进行平面拟合，以得到路面函数，然后在所述点云数据中提取与所述路面函数表示的平面之间的距离小于等于预设距离的点，以得到所述路面数据；还可以采用现有的其它路面分割方法确定所述点云数据中的路面数据。

所述目标地图中的路面数据可以根据所述目标地图中各个数据/体素的属性/标签来确定。

需要指出的是，在步骤S41之后，是将过滤掉路面数据后的点云数据映射至所述目标地图的空间坐标系中，以得到所述映射点云数据。

在本发明实施例中，由于在实际驾驶环境中，路面的翻修情况较为多件，而整个路面的扩展或车道结构大幅改变的情况发生较少，因此，所述点云数据中的路面数据与所述目标地图中的路面数据往往具有很大的重叠率，所以先过滤掉点云数据和目标地图中的路面数据，相当于大幅减少了点云数据中的点的总数量(减小了计算时的分母)，有助于进行更精细化的检测，此外也可以大幅降低运算开销、提高效率。

在具体实施中，有关第三种地图变化检测方法的更多详细内容参照前文及图1、图2中各个步骤的相关描述进行执行，此处不再赘述。

参照图5，图5是本发明实施例中第四种地图变化检测方法的流程图。所述第五种地图变化检测方法可以包括图1中的步骤S11至步骤S14，还可以包括步骤S51至步骤S52，其中，步骤S51至步骤S52可以在步骤S14之后执行，以下对与图1中的不同内容进行说明。

在步骤S51中，确认所述重叠率小于等于第三阈值，其中，所述第三阈值小于所述第一阈值。

在步骤S52中，发出警报提示信号，其中，所述警报提示信号用于指示停车和/或待用户确认所述目标地图待更新。

在本发明实施例中，在确认所述重叠率小于等于第三阈值(所述第三阈值小于所述第一阈值)时，意味着实际路况信息与地图中存在较大差别，此种情况下发出警报提示信号，指示及时停车以及待人工确认所述目标地图待更新，有助于避免驾驶危险事故的发生，提高自动驾驶的安全性。

需要说明的是，所述警报提示信号可以在车载终端上发出，用于指示车上的司机或乘车人员及时在安全区域停车，以及进行后续的人工确认所述目标地图是否待更新；所述警报提示信号也可以发送至控制自动驾驶车辆的云平台(控制台)，用于指示自动驾驶车辆监控或控制人员及时在安全区域停车，并进行后续的人工确认所述目标地图是否待更新。

进一步，在确定所述目标地图待更新之后，所述方法还包括：分别生成所述点云数据的第一色彩标记图像和所述目标地图的第二色彩标记图像；其中，所述第一色彩标记图像和所述第二色彩标记图像用于人工判断所述目标地图是否能够进行更新。

在具体实施中，所述第一色彩标记图像可以是所述点云数据的三维投影图像并标记了某种颜色；所述第二色彩标记图像可以是所述目标地图的三维投影图像并标记了另一种颜色。

在本发明实施中，除了可以通过计算所述重叠率进行自动判断，还通过生成不同的色彩三维投影图像进行人工判断，通过双重确认方法进一步保证了检测的准确性。

进一步，在确定所述目标地图待更新之后，所述方法还包括：根据预设时长内所述预设区域的点云数据和/或预设帧数的所述预设区域的点云数据对所述目标地图进行更新。

在本发明实施例中，在通过计算重叠率自动确认目标地图待更新后，可以直接采用传感器采集的所述预设区域点云数据(通常缓存在智能驾驶车辆的硬盘上)对地图实现及时、高效地更新。

在具体实施中，有关第四种地图变化检测方法的更多详细内容参照前文及图1、图2中各个步骤的相关描述进行执行，此处不再赘述。

参照图6，图6是本发明实施例中一种地图变化检测装置的结构示意图。所述地图变化检测装置可以包括：

点云数据确定模块61，用于确定车辆的当前位置周围预设区域的点云数据，以及确定所述预设区域的目标地图，其中，所述目标地图包含多个体素，每个体素具有预设尺寸且包含一个或多个点；

坐标空间变换模块62，用于将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据；

重叠率确定模块63，用于确定所述映射点云数据与所述目标地图的重叠率；

地图更新检测模块64，用于在所述重叠率小于等于第一阈值时，确定所述目标地图待更新。

关于该地图变化检测装置的原理、具体实现和有益效果请参照前文及图1至图5示出的关于地图变化检测方法的相关描述，此处不再赘述。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述地图变化检测方法的步骤。所述计算机可读存储介质可以包括非挥发性存储器(non-volatile)或者非瞬态(non-transitory)存储器，还可以包括光盘、机械硬盘、固态硬盘等。

具体地，在本发明实施例中，所述处理器可以为中央处理单元(centralprocessing unit，简称CPU)，该处理器还可以是其他通用处理器、数字信号处理器(digital signalprocessor，简称DSP)、专用集成电路(application specificintegrated circuit，简称ASIC)、现成可编程门阵列(field programmable gate array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

还应理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，简称ROM)、可编程只读存储器(programmable ROM，简称PROM)、可擦除可编程只读存储器(erasable PROM，简称EPROM)、电可擦除可编程只读存储器(electricallyEPROM，简称EEPROM)或闪存。易失性存储器可以是随机存取存储器(random accessmemory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的随机存取存储器(random access memory，简称RAM)可用，例如静态随机存取存储器(staticRAM，简称SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronousDRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，简称DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，简称ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，简称SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，简称DR RAM)。

本发明实施例还提供了一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述地图变化检测方法的步骤。所述终端可以包括但不限于手机、计算机、平板电脑等终端设备，还可以为服务器、云平台等。

应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，表示前后关联对象是一种“或”的关系。

本申请实施例中出现的“多个”是指两个或两个以上。

本申请实施例中出现的第一、第二等描述，仅作示意与区分描述对象之用，没有次序之分，也不表示本申请实施例中对设备个数的特别限定，不能构成对本申请实施例的任何限制。

需要指出的是，本实施例中各个步骤的序号并不代表对各个步骤的执行顺序的限定。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (17)

1.一种地图变化检测方法，其特征在于，包括：

确定车辆的当前位置周围预设区域的点云数据，以及确定所述预设区域的目标地图，其中，所述目标地图包含多个体素，每个体素具有预设尺寸且包含一个或多个点；

将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据；

确定所述映射点云数据与所述目标地图的重叠率；

如果所述重叠率小于等于第一阈值，则确定所述目标地图待更新。

2.根据权利要求1所述的方法，其特征在于，将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据包括：

将所述车辆的当前位置作为所述点云数据的坐标原点，对所述点云数据进行坐标空间变换，以映射至所述目标地图的空间坐标系中，得到所述映射点云数据。

3.根据权利要求1所述的方法，其特征在于，在将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据之前，所述方法还包括：

根据预设的移动障碍物参数，判断所述点云数据中是否存在移动障碍物数据；

如果存在，则过滤掉所述点云数据中的移动障碍物数据。

4.根据权利要求3所述的方法，其特征在于，所述预设的移动障碍物参数是采用深度学习目标检测算法，将所述点云数据作为输入参数输入目标检测模型后，所述目标检测模型的输出参数。

5.根据权利要求3或4所述的方法，其特征在于，所述移动障碍物选自以下一项或多项：

车辆、行人、动物。

6.根据权利要求1所述的方法，其特征在于，将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据之前，所述方法还包括：

过滤掉所述点云数据中的路面数据以及过滤掉所述目标地图中的路面数据。

7.根据权利要求6所述的方法，其特征在于，过滤掉所述点云数据中的路面数据包括：

过滤掉所述点云数据中高度值小于预设高度阈值的数据。

8.根据权利要求1所述的方法，其特征在于，确定所述映射点云数据与所述目标地图的重叠率包括：

对所述映射点云数据进行多次偏移，得到多组偏移点云数据，其中，每次偏移具有各自的偏移量；

确定每组偏移点云数据与所述目标地图的重叠率；

将偏移前的映射点云数据与所述目标地图的重叠率，以及各组偏移点云数据与所述目标地图的重叠率中的最大重叠率作为所述映射点云数据与所述目标地图的重叠率。

9.根据权利要求8所述的方法，其特征在于，确定每组偏移点云数据与所述目标地图的重叠率包括：

对于每组偏移点云数据，确定该组偏移点云数据中落入所述目标地图的各个体素内的点的数量与该组偏移点云数据中的点的总数量之商，作为该组偏移点云数据与所述目标地图的重叠率。

10.根据权利要求8所述的方法，其特征在于，对所述点云数据进行多次的偏移包括：

分别在x轴、y轴、z轴三个方向上进行偏移，并且遍历预设的体素偏移量集合。

11.根据权利要求1所述的方法，其特征在于，所述方法还包括：

如果所述重叠率大于第二阈值，则确定所述目标地图不需要更新；

其中，所述第二阈值大于或等于所述第一阈值。

12.根据权利要求1所述的方法，其特征在于，在确定所述目标地图待更新之后，所述方法还包括：

判断所述重叠率是否小于等于第三阈值，所述第三阈值小于所述第一阈值；如果是，则发出警报提示信号，所述警报提示信号用于指示停车和/或待用户确认所述目标地图待更新。

13.根据权利要求1所述的方法，其特征在于，在确定所述目标地图待更新之后，所述方法还包括：

分别生成所述点云数据的第一色彩标记图像和所述目标地图的第二色彩标记图像；

其中，所述第一色彩标记图像和所述第二色彩标记图像用于人工判断所述目标地图是否能够进行更新。

14.根据权利要求1所述的方法，其特征在于，在确定所述目标地图待更新之后，所述方法还包括：

根据预设时长内所述预设区域的点云数据和/或预设帧数的所述预设区域的点云数据对所述目标地图进行更新。

15.一种地图变化检测装置，其特征在于，包括：

点云数据确定模块，用于确定车辆的当前位置周围预设区域的点云数据，以及确定所述预设区域的目标地图，其中，所述目标地图包含多个体素，每个体素具有预设尺寸且包含一个或多个点；

坐标空间变换模块，用于将所述点云数据映射至所述目标地图的空间坐标系中，以得到映射点云数据；

重叠率确定模块，用于确定所述映射点云数据与所述目标地图的重叠率；

地图更新检测模块，用于在所述重叠率小于等于第一阈值时，确定所述目标地图待更新。

16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1至14任一项所述地图变化检测方法的步骤。

17.一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行权利要求1至14任一项所述地图变化检测方法的步骤。

Images