CN115965756B - 地图构建方法、设备、驾驶设备和介质 - Google Patents

Abstract

本发明提供了一种地图构建方法、设备、驾驶设备和介质，包括对采集的当前场景信息进行识别，得到不同时帧下的至少一个杆状物和每个杆状物的多种识别信息；对每个杆状物的多种识别信息进行融合，得到不同时帧下每个杆状物的观测信息；基于不同时帧下每个杆状物的观测信息对相同的杆状物进行关联，得到每个杆状物的多时帧关联观测信息；基于每个杆状物的多时帧关联观测信息，确定不同时帧下每个杆状物的直线方程；基于每个杆状物的观测信息，从每个直线方程对应的杆状物直线选取第一起始点和第一终止点，构建地图中杆状物的模型。这样能够提取更加全面准确的杆状物的特征，并在计算过程中便于转换、处理，从而便捷准确的构建地图中的杆状物的模型。

Description

地图构建方法、设备、驾驶设备和介质

技术领域

本发明涉及地图构建技术领域，具体提供一种地图构建方法、设备、驾驶设备和介质。

背景技术

高精地图在感知、定位、规控等环节起着重要作用。高精地图的生产主要可分为集中式生产与众包式生产两大类；传统图商多采用前者，该方案存在生产成本高、地图鲜度低等问题，导致高精地图难以大范围覆盖、且无法达到周级别更新。因此，高精行业逐步探索、实践采用更低成本、更广泛覆盖的方式进行高精地图的生产、更新。利用智能网联汽车本身的传感器、算力等基础设施，利用众包的方式进行高精地图构建可以较好地解决上述问题。

在高精地图构建过程中，杆状物如灯杆、标牌杆、红绿灯杆、电线杆、龙门架等是高精地图的重要组成要素，该类要素对定位等环节具有重要作用。

因此，如何便捷准确的构建地图中的杆状物的模型是本领域技术人员亟待解决的技术问题。

发明内容

为了克服上述缺陷，提出了本发明，以提供实现或至少部分地实现便捷准确的构建地图中的杆状物的模型的地图构建方法、设备、驾驶设备和介质。

在第一方面，本发明提供一种地图构建方法，所述地图构建方法包括：

对采集的当前场景信息进行识别，得到不同时帧下的至少一个杆状物和每个杆状物的多种识别信息；

对每个杆状物的多种识别信息进行融合，得到不同时帧下每个杆状物的观测信息；

基于不同时帧下每个杆状物的观测信息对相同的杆状物进行关联，得到每个杆状物的多时帧关联观测信息；

基于每个所述杆状物的多时帧关联观测信息，确定不同时帧下每个所述杆状物的直线方程；

基于每个杆状物的观测信息，从每个所述直线方程对应的杆状物直线选取第一起始点和第一终止点，以构建地图中所述杆状物的模型。

进一步地，上述所述的地图构建方法中，基于每个所述杆状物的多时帧关联观测信息，确定不同时帧下每个所述杆状物的直线方程，包括：

基于每个所述杆状物的多时帧关联观测信息构建每个杆状物的初始直线方程；

对每个所述初始直线方程进行优化求解，得到不同时帧下每个所述杆状物的直线方程。

进一步地，上述所述的地图构建方法中，对每个所述初始直线方程进行优化求解，得到不同时帧下每个所述杆状物的直线方程，包括：

将所述初始直线方程由普吕克坐标表达形式映射为正交坐标表达的直线方程；

基于预设的约束条件，对所述正交坐标表达的直线方程进行优化求解，得到不同时帧下每个所述杆状物的直线方程；

其中，所述预设的约束条件包括如下条件中的至少一种：

杆状物直线的方向与地面法向量平行；

杆状物关联的激光点与杆状物的直线距离小于第二预设距离；

杆状物直线投影到杆状物感知结果对应的空间，杆状物感知结果对应的感知识别点距离直线投影的距离小于第三预设距离。

进一步地，上述所述的地图构建方法中，每个杆状物的多种识别信息包括：杆状物感知结果、杆状物激光点云和杆状物位姿信息；

对每个杆状物的多种识别信息进行融合，得到不同时帧下每个杆状物的观测信息，包括：

基于所述杆状物位姿信息，将所述杆状物感知结果和所述杆状物激光点云转换至同一基准的基础坐标系；

在所述基础坐标系下，将第一时间戳下的杆状物激光点云投影至第二时间戳下的杆状物感知结果，得到第一时间戳下的杆状物激光点云的投影信息；其中，所述第一时间戳与所述第二时间戳之间的差值位于预设误差范围内；

根据所述第一时间戳下的杆状物激光点云的投影信息，确定所述第一时间戳下的杆状物激光点云中每个激光点与所述第二时间戳下的杆状物感知结果之间的距离以及每个激光点的反射率；

选取距离小于第一预设距离，且反射率大于预设反射率的杆状物激光点与所述第二时间戳下的杆状物感知结果进行融合，得到所述每个杆状物的观测信息。

进一步地，上述所述的地图构建方法中，基于不同时帧下每个杆状物的观测信息对相同的杆状物进行关联，得到每个杆状物的多时帧关联观测信息，包括：

按照时帧由先到后的顺序依次构建相邻两个时帧下的两两杆状物之间的代价函数，直到遍历所有时帧后得到两两杆状物的代价矩阵；

基于匈牙利算法对所述代价矩阵求解，得到每个杆状物的多时帧关联观测信息。

进一步地，上述所述的地图构建方法中，基于每个杆状物的观测信息，从每个所述直线方程对应的杆状物直线选取第一起始点和第一终止点，以构建地图中所述杆状物的模型，包括：

基于每个杆状物的观测信息，得到每个杆状物在不同可视范围下的第二起始点和第二终止点；

根据所有所述第二起始点和所有第二终止点，得到所述第一起始点和第一终止点。

进一步地，上述所述的地图构建方法，应用于驾驶设备端，所述方法还包括：

将所述杆状物的模型发送给云端。

第二方面，本发明提供一种地图构建设备，所述地图构建设备包括处理器和存储装置，所述存储装置适于存储多条程序代码，其特征在于，所述程序代码适于由所述处理器加载并运行以执行上述任一项所述的地图构建方法。

在第三方面，提供一种驾驶设备，所述驾驶设备包括如上所述的地图构建设备。

在第四方面，提供一种计算机可读存储介质，所述可读存储介质中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述任一项所述的地图构建方法。

本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：

在实施本发明的技术方案中，通过对采集的当前场景信息进行识别，得到不同时帧下的至少一个杆状物和每个杆状物的多种识别信息后，对每个杆状物的多种识别信息进行融合，得到不同时帧下每个杆状物的观测信息，并基于不同时帧下每个杆状物的观测信息对相同的杆状物进行关联，得到每个杆状物的多时帧关联观测信息，再基于每个所述杆状物的多时帧关联观测信息，得到不同时帧下每个所述杆状物的直线方程，并基于每个杆状物的观测信息，从每个所述直线方程对应的杆状物直线选取第一起始点和第一终止点，以构建地图中所述杆状物的模型。这样，可以对杆状物的多种识别信息进行融合，并采用多时帧联合技术，使得表征杆状物的特征更加全面准确，然后将杆状物建模成线特征，在几何计算过程中便于转换、处理，从而可以便捷准确的构建地图中的杆状物的模型。

附图说明

参照附图，本发明的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于说明的目的，而并非意在对本发明的保护范围组成限制。此外，图中类似的数字用以表示类似的部件，其中：

图1是根据本发明的一个实施例的地图构建方法的主要步骤流程示意图；

图2是某一时帧下某一个杆状物的观测信息的示意图；

图3为在2D与2D空间计算某一杆状物的相邻两个时帧下的两两杆状物之间的代价函数的示意图；

图4为基于杆状物的激光点得到杆状物起始点和终止点的示意图；

图5是根据本发明的一个实施例的地图构建设备的主要结构框图。

具体实施方式

下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。

在本发明的描述中，“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路，各种合适的感应器，通信端口，存储器，也可以包括软件部分，比如程序代码，也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。非暂时性的计算机可读存储介质包括任何合适的可存储程序代码的介质，比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。术语“A和/或B”表示所有可能的A与B的组合，比如只是A、只是B或者A和B。术语“至少一个A或B”或者“A和B中的至少一个”含义与“A和/或B”类似，可以包括只是A、只是B或者A和B。单数形式的术语“一个”、“这个”也可以包含复数形式。

在高精地图构建过程中，杆状物如灯杆、标牌杆、红绿灯杆、电线杆、龙门架等是高精地图的重要组成要素，该类要素对定位等环节具有重要作用。

因此，为了便捷准确的构建地图中的杆状物的模型，本发明提供了以下技术方案：

参阅附图1，图1是根据本发明的一个实施例的地图构建方法的主要步骤流程示意图。如图1所示，本发明实施例中的地图构建方法主要包括下列步骤101-步骤105。

步骤101、对采集的当前场景信息进行识别，得到不同时帧下的至少一个杆状物和每个杆状物的多种识别信息；

在一个具体实现过程中，可以通过摄像头、传感器等采集车辆等驾驶设备周围的图像、点云等作为当前场景信息，并可以对采集的当前场景信息进行识别，得到不同时帧下的至少一个杆状物和每个杆状物的多种识别信息。其中，每个杆状物的多种识别信息可以包括但不限制于杆状物感知结果、杆状物激光点云和杆状物位姿信息。状物感知结果可以包含几何与语义两部分，几何层面可表示成两个点的2D形式，语义层面可以包括杆状物的具体类型，比如灯杆、标牌杆、红绿灯杆、电线杆、龙门架杆等。杆状物激光点云可以包含激光点的三维位置、反射率等信息，杆状物位姿信息可以包含全局定位、相对定位等信息。

步骤102、对每个杆状物的多种识别信息进行融合，得到不同时帧下每个杆状物的观测信息；

在一个具体实现过程中，可以先对整个矢量建图系统进行初始化，并将每个杆状物的多种识别信息作为输入数据添加至矢量建图系统进行观测，在观测过程中，可以选取一种识别信息作为基准时间点，并选取能够与之关联的其他识别信息进行融合，从而得到不同时帧下每个杆状物的观测信息。

具体地，可以按照如下步骤实现步骤102：

（1）基于所述杆状物位姿信息，将所述杆状物感知结果和所述杆状物激光点云转换至同一基准的基础坐标系；

在融合生成观测信息过程中，由于多种识别信息通常来自不同传感器，一般存在非同源非同时等问题，为了将多种识别信息进行关联实现融合，可以利用部分识别信息，对其他识别信息进行时空对准。具体地，可以基于所述杆状物位姿信息，将所述杆状物感知结果和所述杆状物激光点云转换至同一基准的基础坐标系，通常会选择杆状物感知结果的时间点作为基准时间、车体坐标系作为基础坐标系。

（2）在所述基础坐标系下，将第一时间戳下的杆状物激光点云投影至第二时间戳下的杆状物感知结果，得到第一时间戳下的杆状物激光点云的投影信息；

在一个具体实现过程中，可以将第一时间戳下的杆状物激光点云投影至第二时间戳下的杆状物感知结果，得到第一时间戳下的杆状物激光点云的投影信息；其中，所述第一时间戳与所述第二时间戳之间的差值位于预设误差范围内。也就是说，可以将时间戳与杆状物感知结果最近的杆状物激光点云影至杆状物感知结果所在的图像坐标系，得到第一时间戳下的杆状物激光点云的投影信息。

（3）根据所述第一时间戳下的杆状物激光点云的投影信息，确定所述第一时间戳下的杆状物激光点云中每个激光点与所述第二时间戳下的杆状物感知结果之间的距离以及每个激光点的反射率；

在一个具体实现过程中，可以根据所述第一时间戳下的杆状物激光点云的投影信息，确定所述第一时间戳下的杆状物激光点云中每个激光点与所述第二时间戳下的杆状物感知结果之间的距离以及每个激光点的反射率。

（4）选取距离小于第一预设距离，且反射率大于预设反射率的杆状物激光点与所述第二时间戳下的杆状物感知结果进行融合，得到所述每个杆状物的观测信息。

在一个具体实现过程中，在图像空间上选取距离杆状物感知结果足够近且反射率大于一定阈值的激光点、关联至该杆状物感知结果。图2是某一时帧下某一个杆状物的观测信息的示意图。如图2所示，对于杆状物A而言，第一个点a1和第二个点a2是摒弃的激光点，位于杆状物A周围的其他点为关联的激光点，其与杆状物A融合得到杆状物A的观测信息。

步骤103、基于不同时帧下每个杆状物的观测信息对相同的杆状物进行关联，得到每个杆状物的多时帧关联观测信息；

在一个具体实现过程中，当多个杆状物的观测信息被添加到矢量建图系统后，还需要通过数据关联，将时序上不同时帧中属于同一杆状物的观测信息关联起来，以便采用多帧联合技术，使得表征杆状物的特征更加全面准确。其中，可以距离最近、相似度最高等方法将时序上不同时帧中属于同一杆状物的观测信息关联起来。

具体地，可以按照时帧由先到后的顺序依次构建相邻两个时帧下的两两杆状物之间的代价函数，直到遍历所有时帧后得到两两杆状物的代价矩阵；基于匈牙利算法对所述代价矩阵求解，得到每个杆状物的多时帧关联观测信息。基本思路为：假设本帧图像观测数为 i，要素数为 j，计算观测与要素两两间的代价函数并存入代价矩阵，遍历所有的图像后，得到维度为i x j的代价矩阵；对该代价矩阵进行匈牙利算法处理，即可得到最优的每个杆状物的多时帧关联观测信息。

在一个具体实现过程中，可以图像的2D与2D空间、2D与3D空间之间、3D与3D空间之间，得到相邻两个时帧下的两两杆状物之间的代价函数。

图3为在2D与2D空间计算某一杆状物的相邻两个时帧下的两两杆状物之间的代价函数的示意图。在2D与2D空间，可以直接计算某一杆状物对应的最新一帧的观测信息与当前帧的观测信息之间的距离；如图3所示，假设该杆状物对应的最新一帧的观测信息的两个端点的像素坐标分别Platest1和Platest2，并由两个端点在图像空间构成直线Llatest；当前帧的观测信息的两个端点像素坐标分别为Pcurrent1和Pcurrent2，计算得到这两个端点到直线Llatest的距离分别为d1和d2，则代价函数可定义为d1+d2。

在一个具体实现过程中，可以基于类似思路，可以在3D与2D空间之间计算相应代价函数，譬如当已经完成深度恢复，则可以将杆状物对应的 3D 参数化形式即普吕克坐标建模的空间直线投影到感知图像上，计算观测的两个端点到要素投影直线的距离；另外，也可直接在3D空间计算代价函数，直接计算杆状物关联的激光点云之间的重叠比例或平均距离，在此不再详细赘述。

步骤104、基于每个所述杆状物的多时帧关联观测信息，确定不同时帧下每个所述杆状物的直线方程；

在一个具体实现过程中，当得到每个杆状物的多时帧关联观测信息后，便可利用每个杆状物的多时帧关联观测信息优化求解，以得到精度更高的杆状物的模型建图结果。

具体地，可以按照如下步骤实现步骤104。

（11）基于每个所述杆状物的多时帧关联观测信息构建每个杆状物的初始直线方程；

在一个具体实现过程中，可以利用随机采样一致性算法拟合直线方程，拟合的目标为三维空间下的直线方程。其中，该拟合过程可以参照随机采样一致性算法的实现过程，在此不再赘述。

（12）对每个所述初始直线方程进行优化求解，得到不同时帧下每个所述杆状物的直线方程。

在一个具体实现过程中，得到的每个杆状物的初始直线方程以普吕克坐标表达，该表达具有六个参数，属于过拟合表达，因此，为了避免过参数冗余，可以将所述初始直线方程由普吕克坐标表达形式映射为正交坐标表达的直线方程，使其具有4个坐标，从而与空间直线的四个自由度保持一致。在将所述初始直线方程由普吕克坐标表达形式映射为正交坐标表达的直线方程后，可以基于预设的约束条件，对所述正交坐标表达的直线方程进行优化求解，得到不同时帧下每个所述杆状物的直线方程，即对初始直线方程的多个初始参数进行迭代优化，得到最终的直线方程。其中，所述预设的约束条件包括如下条件中的至少一种：杆状物直线的方向与地面法向量平行；杆状物关联的激光点与杆状物的直线距离小于第二预设距离；杆状物直线投影到杆状物感知结果对应的空间，杆状物感知结果对应的感知识别点距离直线投影的距离小于第三预设距离。

步骤105、基于每个杆状物的观测信息，从每个所述直线方程对应的杆状物直线选取第一起始点和第一终止点，以构建地图中所述杆状物的模型。

经过步骤101-步骤104之后得到杆状物为矢量直线，但实际场景中杆状物是线段，因此，在得到杆状物的矢量直线结果后，还需基于每个杆状物的观测信息，从每个所述直线方程对应的杆状物直线选取第一起始点和第一终止点，以构建地图中所述杆状物的模型。具体地，可以基于每个杆状物的多种识别信息，得到每个杆状物在不同可视范围下的第二起始点和第二终止点；根据所有所述第二起始点和所有第二终止点，得到所述第一起始点和第一终止点。

图4为基于杆状物的激光点得到杆状物起始点和终止点的示意图。如图4所示，可以选取不同时帧下杆状物的观测信息中激光点中高度最大的N个点形成的最高点集i和高度最低的j 个点形成的最低点集；分别求得两个点集的均值，将最高点集i对应的均值点pi和最高点集j对应的均值点pj投影至杆状物的矢量直线，截取投影范围内的部分pi1 pj1，即为最终输出的杆状物线段，将该线段作为构建地图中所述杆状物的模型。

在一个具体实现过程中，还可以利用不同时帧下杆状物的观测信息中杆状物感知结果拼接最大并集。具体实践可如下；假定杆状物感知结果在t1时刻识别的杆状物L1、杆状物感知结果在tn时刻识别杆状物Ln,其中，tn大于t1；关联上的杆状物感知结果为Lk......Lm，t1<tk<tm<tn；将关联的这部分杆状物感知结果全部转换到Lm 所在坐标系，在统一坐标系下求解出最大杆状物的多个最上端点形成最上端点集，以及求解出多个最下端点形成最下端点集，然后分别求得两个点集的均值，将均值点投影至杆状物的矢量直线，截取投影范围内的部分，即为最终输出的杆状物线段，将该线段作为构建地图中所述杆状物的模型。

本实施例的地图构建方法，通过对采集的当前场景信息进行识别，得到不同时帧下的至少一个杆状物和每个杆状物的多种识别信息后，对每个杆状物的多种识别信息进行融合，得到不同时帧下每个杆状物的观测信息，并基于不同时帧下每个杆状物的观测信息对相同的杆状物进行关联，得到每个杆状物的多时帧关联观测信息，再基于每个所述杆状物的多时帧关联观测信息，得到不同时帧下每个所述杆状物的直线方程，并基于每个杆状物的观测信息，从每个所述直线方程对应的杆状物直线选取第一起始点和第一终止点，以构建地图中所述杆状物的模型。这样，可以对杆状物的多种识别信息进行融合，并采用多时帧联合技术，使得表征杆状物的特征更加全面准确，然后将杆状物建模成线特征，在几何计算过程中便于转换、处理，从而可以便捷准确的构建地图中的杆状物的模型。

在一个具体实现过程中，若将采集的当前场景信息上传到云端在云端进行离线构建地图，即杆状物感知结果、杆状物激光点云、杆状物位姿信息、后续建图等环节均离线完成，也即通常所说的集中式建图的方式，会降低建图的实时性，且建图成本较高。因此，本实施例的地图构建方法可以应用于驾驶设备端，实现对杆状物轻量级的实时建图，并在得到地图中所述杆状物的模型后，可以将地图中所述杆状物的模型发送给云端，由云端利用对齐、聚合等操作实现多趟杆状物的聚类，从而能够高实时、低成本地完成高精地图中杆状物的生产、更新。

需要指出的是，尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述，但是本领域技术人员可以理解，为了实现本发明的效果，不同的步骤之间并非必须按照这样的顺序执行，其可以同时（并行）执行或以其他顺序执行，这些变化都在本发明的保护范围之内。

本领域技术人员能够理解的是，本发明实现上述一实施例的方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括电载波信号和电信信号。

进一步，本发明还提供了一种地图构建设备。

参阅附图5，图5是根据本发明的一个实施例的地图构建设备的主要结构框图。如图5所示，本发明实施例中的地图构建设备可以包括处理器51和存储装置52。

存储装置52可以被配置成存储执行上述方法实施例的地图构建方法的程序，处理器51可以被配置成用于执行存储装置52中的程序，该程序包括但不限于执行上述方法实施例的地图构建方法的程序。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该地图构建设备可以是包括各种电子设备形成的控制设备。

在一个具体实现过程中，该存储装置52和处理器51的数目均可以为多个。而执行上述方法实施例的地图构建方法的程序可以被分割成多段子程序，每段子程序分别可以由处理器51加载并运行以执行上述方法实施例的地图构建方法的不同步骤。具体地，每段子程序可以分别存储在不同的存储装置52中，每个处理器51可以被配置成用于执行一个或多个存储装置52中的程序，以共同实现上述方法实施例的地图构建方法，即每个处理器51分别执行上述方法实施例的地图构建方法的不同步骤，来共同实现上述方法实施例的地图构建方法。

上述多个处理器51可以是部署于同一个设备上的处理器，例如上述设备可以是由多个处理器组成的高性能设备，上述多个处理器51可以是该高性能设备上配置的处理器。此外，上述多个处理器51也可以是部署于不同设备上的处理器，例如上述设备可以是服务器集群，上述多个处理器51可以是服务器集群中不同服务器上的处理器。

进一步，本发明还提供了一种驾驶设备，该驾驶设备可以包括上述实施例的地图构建设备。该驾驶设备可以为无人驾驶汽车、无人飞机等。

进一步，本发明还提供了一种计算机可读存储介质。在根据本发明的一个计算机可读存储介质实施例中，计算机可读存储介质可以被配置成存储执行上述方法实施例的地图构建方法的程序，该程序可以由处理器加载并运行以实现上述地图构建方法。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备，可选的，本发明实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。

进一步，应该理解的是，由于各个模块的设定仅仅是为了说明本发明的装置的功能单元，这些模块对应的物理器件可以是处理器本身，或者处理器中软件的一部分，硬件的一部分，或者软件和硬件结合的一部分。因此，图中的各个模块的数量仅仅是示意性的。

本领域技术人员能够理解的是，可以对装置中的各个模块进行适应性地拆分或合并。对具体模块的这种拆分或合并并不会导致技术方案偏离本发明的原理，因此，拆分或合并之后的技术方案都将落入本发明的保护范围内。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (9)

1.一种地图构建方法，其特征在于，包括：

对采集的当前场景信息进行识别，得到不同时帧下的至少一个杆状物和每个杆状物的多种识别信息；

对每个杆状物的多种识别信息进行融合，得到不同时帧下每个杆状物的观测信息；

基于不同时帧下每个杆状物的观测信息对相同的杆状物进行关联，得到每个杆状物的多时帧关联观测信息；

基于每个所述杆状物的多时帧关联观测信息，确定不同时帧下每个所述杆状物的直线方程；

基于每个杆状物的观测信息，从每个所述直线方程对应的杆状物直线选取第一起始点和第一终止点，以构建地图中所述杆状物的模型；

其中，基于每个所述杆状物的多时帧关联观测信息，确定不同时帧下每个所述杆状物的直线方程，包括：

基于每个所述杆状物的多时帧关联观测信息构建每个杆状物的初始直线方程；

基于预设的约束条件，对每个所述初始直线方程进行优化求解，得到不同时帧下每个所述杆状物的直线方程；

其中，所述预设的约束条件包括如下条件中的至少一种：

杆状物直线的方向与地面法向量平行；

杆状物关联的激光点与杆状物的直线距离小于第二预设距离；

杆状物直线投影到杆状物感知结果对应的空间，杆状物感知结果对应的感知识别点距离直线投影的距离小于第三预设距离。

2.根据权利要求1所述的地图构建方法，其特征在于，对每个所述初始直线方程进行优化求解，得到不同时帧下每个所述杆状物的直线方程，包括：

将所述初始直线方程由普吕克坐标表达形式映射为正交坐标表达的直线方程；

基于预设的约束条件，对所述正交坐标表达的直线方程进行优化求解，得到不同时帧下每个所述杆状物的直线方程。

3.根据权利要求1所述的地图构建方法，其特征在于，每个杆状物的多种识别信息包括：杆状物感知结果、杆状物激光点云和杆状物位姿信息；

对每个杆状物的多种识别信息进行融合，得到不同时帧下每个杆状物的观测信息，包括：

基于所述杆状物位姿信息，将所述杆状物感知结果和所述杆状物激光点云转换至同一基准的基础坐标系；

在所述基础坐标系下，将第一时间戳下的杆状物激光点云投影至第二时间戳下的杆状物感知结果，得到第一时间戳下的杆状物激光点云的投影信息；其中，所述第一时间戳与所述第二时间戳之间的差值位于预设误差范围内；

根据所述第一时间戳下的杆状物激光点云的投影信息，确定所述第一时间戳下的杆状物激光点云中每个激光点与所述第二时间戳下的杆状物感知结果之间的距离以及每个激光点的反射率；

选取距离小于第一预设距离，且反射率大于预设反射率的杆状物激光点与所述第二时间戳下的杆状物感知结果进行融合，得到所述每个杆状物的观测信息。

4.根据权利要求1所述的地图构建方法，其特征在于，基于不同时帧下每个杆状物的观测信息对相同的杆状物进行关联，得到每个杆状物的多时帧关联观测信息，包括：

按照时帧由先到后的顺序依次构建相邻两个时帧下的两两杆状物之间的代价函数，直到遍历所有时帧后得到两两杆状物的代价矩阵；

基于匈牙利算法对所述代价矩阵求解，得到每个杆状物的多时帧关联观测信息。

5.根据权利要求1所述的地图构建方法，其特征在于，基于每个杆状物的观测信息，从每个所述直线方程对应的杆状物直线选取第一起始点和第一终止点，以构建地图中所述杆状物的模型，包括：

基于每个杆状物的观测信息，得到每个杆状物在不同可视范围下的第二起始点和第二终止点；

根据所有所述第二起始点和所有第二终止点，得到所述第一起始点和第一终止点。

6.根据权利要求1-5任一项中所述的地图构建方法，其特征在于，应用于驾驶设备端，所述方法还包括：

将所述杆状物的模型发送给云端。

7.一种地图构建设备，包括处理器和存储装置，所述存储装置适于存储多条程序代码，其特征在于，所述程序代码适于由所述处理器加载并运行以执行权利要求1至6中任一项所述的地图构建方法。

8.一种驾驶设备，其特征在于，包括如权利要求7所述的地图构建设备。

9.一种计算机可读存储介质，其特征在于，存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行权利要求1至6中任一项所述的地图构建方法。

Images