CN116295463A - 一种导航地图元素的自动标注方法 - Google Patents

一种导航地图元素的自动标注方法 Download PDF

Info

Publication number
CN116295463A
CN116295463A CN202310167602.5A CN202310167602A CN116295463A CN 116295463 A CN116295463 A CN 116295463A CN 202310167602 A CN202310167602 A CN 202310167602A CN 116295463 A CN116295463 A CN 116295463A
Authority
CN
China
Prior art keywords
map
point cloud
elements
data
laser radar
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
CN202310167602.5A
Other languages
English (en)
Inventor
陈志远
李军
魏哲
徐宁仪
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.)
Beijing Huixi Intelligent Technology Co ltd
Original Assignee
Beijing Huixi Intelligent 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 Beijing Huixi Intelligent Technology Co ltd filed Critical Beijing Huixi Intelligent Technology Co ltd
Priority to CN202310167602.5A priority Critical patent/CN116295463A/zh
Publication of CN116295463A publication Critical patent/CN116295463A/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
    • G01C21/26—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
    • 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
    • G01C21/3807—Creation or updating of map data characterised by the type of 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
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road 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
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)

Abstract

一种导航地图元素的自动标注方法，包括对地图上的元素进行三维建模，构建导航地图，所述导航地图包括点云地图和高精地图；通过激光雷达定位，对所述导航地图所在区域采集的数据进行自动标注；检查自动标注的结果，对于环境变化导致的错误结果进行修正，并且更新导航地图，最终形成数据闭环。本发明通过创建HD map，实现更多高精地图语义标签的处理，采用激光雷达和点云地图进行车辆定位，定位结果具有稳健性和准确性，实现数据自标注，无需在待标注数据上运行目标检测算法。

Description

一种导航地图元素的自动标注方法
技术领域
本发明涉及自动驾驶标注技术领域，具体是一种导航地图元素的自动标注方法
背景技术
在当前的自动驾驶领域，很多算法大多是基于深度学习的。而深度学习的效果非常依赖标注数据的质量和数量。而数据标注获取难度大，成本高，制作周期长，成为制约感知算法性能的瓶颈。完全使用人工标注难以规模化。因此，开发低成本、高效率的自动或半自动标注算法是一个关键因素，目标是用算法完全代替或者减少手工标注。
目前的自动标注大多是为实现单一感知目的服务，例如二维目标检测、三维目标检测、点云语义分割等。如专利文献CN115205529A公开了一种基于高精地图地面标志图像语义分割自动标注方法及系统，其借助已有的高精地图，利用标定好的外参快速进行大量地面标志数据的自动采集标注。但是，该文献的标注内容仅包括地面元素。而且该文献采用的高精地图不包含点云，没法通过点云配准对车辆进行六自由度的精准定位，他们直接采用了RTK获取车辆位姿。但是，RTK信号存在容易被遮挡、信号不稳定等情形。本发明申请生成了点云地图。一方面可以支持地面以外的地图元素，例如灯杆、交通标志牌。另一方面，可以实现基于点云地图的精准定位，减少对RTK的依赖，具有更广泛的适用场景。
发明内容
为克服上述现有技术的不足，本发明提出了一种导航地图元素的自动标注方法，借助高精地图，利用激光雷达定位，结合地理位置属性，实现更多高精地图语义标签处理。
本发明的技术解决方案如下：
一种导航地图元素的自动标注方法，其特点在于，包括如下步骤：
S1.对地图上的元素进行三维建模，构建初始导航地图，所述导航地图包括点云地图和高精地图；
S2.通过激光雷达定位，对所述导航地图所在区域采集的数据进行自动标注；
S3.检查自动标注的结果，对于环境变化导致的错误结果进行修正，并且更新导航地图，最终形成数据闭环。
进一步，所述步骤S1.对地图上的元素进行三维建模，构建导航地图，具体是：
S1.1获取建图数据，所述建图数据为利用激光雷达、相机和/或测绘设备按时间对环境进行探测而得的点元数据；
S1.2利用点云目标检测法获得动态目标，并将从所述点元数据中删除；
S1.3计算激光雷达、相机和/或测绘设备的位姿；
S1.4将所述位姿与相应的点云数据叠加，形成点云地图；
S1.5提取所述点云地图的语义元素，并对语义元素矢量化，形成高精地图。
进一步，所述步骤S2.通过激光雷达定位，对所述导航地图所在区域采集的数据进行自动标注，具体是：
S2.1采集路测数据，所述路测数据为当车辆经过地图所在区域时，利用激光雷达、相机或测绘设备按时间对车辆进行探测而得的各帧激光雷达雷达点元数据；
S2.2根据当前帧的激光雷达点云数据，在所述点云地图中进行六自由度的定位；
S2.3根据定位结果和传感器外参，提取所述高精地图的语义元素，并投影到图像上；
S2.4对投影图像进行图像语义分割的自动标注，得到标注好的图像。
进一步，所述步骤S3.检查自动标注的结果，对于环境变化导致的错误结果进行修正，并且更新导航地图，具体是：
S3.1对所述标注好的图像进行人工检查，如果有错误，则进行修正后，进入S3.2，否则结束；
S3.2更新导航地图，包括点云地图和高精地图，更新方式为重新创建该区域的地图，或只更新局部发生变化的区域。
与现有技术相比，本发明的有益效果是：
1)通过创建HD map，实现更多高精地图语义标签的处理，除了地面上的交通标识，还可以包括地面以上的多种静态元素，如交通标志牌、交通灯、灯杆，等。
2)采用激光雷达和点云地图进行车辆定位，定位结果具有稳健性和准确性，对RTK的依赖低，适用范围广；
3)采用激光雷达和点云地图进行车辆定位，实现数据自标注，无需在待标注数据上运行目标检测算法。
附图说明
图1是本发明实施例构建初始导航地图阶段的流程图；
图2是本发明实施例自动标注阶段的流程图。
具体实施方式
下面结合实施例和附图对本发明技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
本发明实施例一种导航地图元素的自动标注方法，包括构建初始导航地图阶段和自动标注阶段，首先，对感兴趣的区域创建环境的高精地图和点云地图，其次，车辆经过地图所在区域时，对车辆进行六自由度定位；最后，根据定位结果，把地图上的语义元素三维坐标投影到图像上，得到语义元素在图像上的区域。综上，通过将语义元素的坐标从地图投影到图像，实现自动标注。
构建初始导航地图阶段本实施例，参见图1，具体包括如下步骤，：
步骤一：获取建图数据，通常包括多相机采集的图像、激光雷达采集的点云、组合导航、RTK、轮速计等。传感器的内参和外参事先完成标定。
步骤二：从点云中删除动态目标。动态目标通常使用专门的点云目标检测算法得到，常见的动态目标有车辆、行人等。
步骤三：计算激光雷达的位姿。位姿的计算有很多选择。例如，用RTK信息结合传感器外参，可以得到激光雷达的位姿。也可以通过优化位姿图(pose graph)得到激光雷达位姿，其中点云配准的结果提供相对位姿约束，RTK提供绝对位姿约束。
步骤四：构建点云地图。根据前面步骤得到的激光雷达位姿，把相应的点云数据叠加到一起，形成点云地图。
步骤五：在点云地图的基础上，提取点云地图的语义元素，并对语义元素矢量化，构建出高精地图。高精地图上包含常见语义元素的三维坐标，常见的语义元素包括：车道线(点链表示的中心线和边缘线)、参考线、路面标识、路沿、交通标志牌、灯杆等。提取地图语义元素方法，包括用深度学习模型自动提取，手工标注，或者自动提取和手工标注结合。
高精地图与点云地图的坐标系是一致的。
自动标注阶段本实施例，参见图2，具体包括如下步骤：
步骤一：采集路测数据，包含硬件时钟同步的多个相机、激光雷达、组合导航、RTK、轮速计等信息。所有的传感器授时要求来自同一个时钟源。各传感器的帧率不要求一致。
步骤二：基于当前帧的激光雷达点云，在点云地图中对车辆做六自由度的定位。实施例为：首先，通过当前时刻的激光雷达点云与点云地图做配准，得到激光雷达在地图坐标系的六自由度定位。然后，结合激光雷达与车辆之间的外参，得到车辆在点云地图中的六自由度定位。
步骤三：根据定位结果和传感器外参，提取高精地图的语义元素往图像上投影。
步骤四：投影结果不一定得到期望的标注内容，根据实际需求要对投影结果进行后处理，完成自动标注。例如，圆形的交通标志牌投影到图像上是一个椭圆形，可以通过后处理得到一个外接矩形。又例如，灯杆的端点投影到图像之后，可以计算灯杆在图像上的参数化直线方程。常见的标注内容包括，车道线的中心线和蒙板、车道线的ID编号、交通标志牌的蒙版和外接矩形、交通灯的中心坐标和外接矩形、灯杆的起点和终点、等。
步骤五：人工质检和修正。人工检查自动标注的结果，对于有错误的结果进行修正。
步骤六：根据人工质检的结果，确定是否更新导航地图。
步骤七：若否，流程结束。若是，更新点云地图和高精地图。更新方法可以是重新创建该区域的全部导航地图，整体替换掉已经陈旧的导航地图。也可以只更新局部的、发生变化的区域。实施例为：首先，根据人工质检的结果，根据地理坐标统计哪些区域的环境发生了改变。其次，根据环境改变区域的地理坐标(例如经纬度)，计算一个或者多个待更新的地图区域，使得它包含所有环境发生变化区域。最后，对待更新的区域利用最新采集的数据创建导航地图，替换相应区域原来的导航地图。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (4)

1.一种导航地图元素的自动标注方法，其特征在于，包括如下步骤：
S1.对地图上的元素进行三维建模，构建初始导航地图，所述导航地图包括点云地图和高精地图；
S2.通过激光雷达定位，对所述导航地图所在区域采集的数据进行自动标注；
S3.检查自动标注的结果，对于环境变化导致的错误结果进行修正，并且更新导航地图，最终形成数据闭环。
2.根据权利要求1所述的地图元素的自动标注方法，其特征在于，所述步骤S1.对地图上的元素进行三维建模，构建导航地图，具体是：
S1.1获取建图数据，所述建图数据为利用激光雷达、相机和/或测绘设备按时间对环境进行探测而得的点元数据；
S1.2利用点云目标检测法获得动态目标，并将从所述点元数据中删除；
S1.3计算激光雷达、相机和/或测绘设备的位姿；
S1.4将所述位姿与相应的点云数据叠加，形成点云地图；
S1.5提取所述点云地图的语义元素，并对语义元素矢量化，形成高精地图。
3.根据权利要求1所述的地图元素的自动标注方法，其特征在于，所述步骤S2.通过激光雷达定位，对所述导航地图所在区域采集的数据进行自动标注，具体是：
S2.1采集路测数据，所述路测数据为当车辆经过地图所在区域时，利用激光雷达、相机或测绘设备按时间对车辆进行探测而得的各帧激光雷达雷达点元数据；
S2.2根据当前帧的激光雷达点云数据，在所述点云地图中进行六自由度的定位；
S2.3根据定位结果和传感器外参，提取所述高精地图的语义元素，并投影到图像上；
S2.4对投影图像进行图像语义分割的自动标注，得到标注好的图像。
4.根据权利要求1所述的地图元素的自动标注方法，其特征在于，所述步骤S3.检查自动标注的结果，对于环境变化导致的错误结果进行修正，并且更新导航地图，具体是：
S3.1对所述标注好的图像进行人工检查，如果有错误，则进行修正后，进入S3.2，否则结束；
S3.2更新导航地图，包括点云地图和高精地图，更新方式为重新创建该区域的地图，或只更新局部发生变化的区域。
CN202310167602.5A 2023-02-27 2023-02-27 一种导航地图元素的自动标注方法 Pending CN116295463A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310167602.5A CN116295463A (zh) 2023-02-27 2023-02-27 一种导航地图元素的自动标注方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310167602.5A CN116295463A (zh) 2023-02-27 2023-02-27 一种导航地图元素的自动标注方法

Publications (1)

Publication Number Publication Date
CN116295463A true CN116295463A (zh) 2023-06-23

Family

ID=86816162

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310167602.5A Pending CN116295463A (zh) 2023-02-27 2023-02-27 一种导航地图元素的自动标注方法

Country Status (1)

Country Link
CN (1) CN116295463A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117253232A (zh) * 2023-11-17 2023-12-19 北京理工大学前沿技术研究院 一种高精地图的标注自动生成方法、存储器及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020248614A1 (zh) * 2019-06-10 2020-12-17 商汤集团有限公司 地图生成方法、驾驶控制方法、装置、电子设备及系统
US20210181745A1 (en) * 2019-12-17 2021-06-17 Motional Ad Llc Automated object annotation using fused camera/lidar data points
CN114076956A (zh) * 2021-11-12 2022-02-22 北京斯年智驾科技有限公司 一种基于激光雷达点云辅助的车道线标定方法
CN114413881A (zh) * 2022-01-07 2022-04-29 中国第一汽车股份有限公司 高精矢量地图的构建方法、装置及存储介质
CN115205529A (zh) * 2022-07-21 2022-10-18 北京斯年智驾科技有限公司 基于高精地图地面标志图像语义分割自动标注方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020248614A1 (zh) * 2019-06-10 2020-12-17 商汤集团有限公司 地图生成方法、驾驶控制方法、装置、电子设备及系统
US20210181745A1 (en) * 2019-12-17 2021-06-17 Motional Ad Llc Automated object annotation using fused camera/lidar data points
CN114076956A (zh) * 2021-11-12 2022-02-22 北京斯年智驾科技有限公司 一种基于激光雷达点云辅助的车道线标定方法
CN114413881A (zh) * 2022-01-07 2022-04-29 中国第一汽车股份有限公司 高精矢量地图的构建方法、装置及存储介质
CN115205529A (zh) * 2022-07-21 2022-10-18 北京斯年智驾科技有限公司 基于高精地图地面标志图像语义分割自动标注方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117253232A (zh) * 2023-11-17 2023-12-19 北京理工大学前沿技术研究院 一种高精地图的标注自动生成方法、存储器及存储介质
CN117253232B (zh) * 2023-11-17 2024-02-09 北京理工大学前沿技术研究院 一种高精地图的标注自动生成方法、存储器及存储介质

Similar Documents

Publication Publication Date Title
US10628671B2 (en) Road modeling from overhead imagery
CN108694882B (zh) 用于标注地图的方法、装置和设备
CN108765487B (zh) 重建三维场景的方法、装置、设备和计算机可读存储介质
US10733720B2 (en) Method and apparatus for testing accuracy of high-precision map
US11250051B2 (en) Method, apparatus, and system for predicting a pose error for a sensor system
US11501104B2 (en) Method, apparatus, and system for providing image labeling for cross view alignment
CN113034566B (zh) 高精度地图构建方法、装置、电子设备及存储介质
CN112667837A (zh) 图像数据自动标注方法及装置
US11590989B2 (en) Training data generation for dynamic objects using high definition map data
US11024054B2 (en) Method, apparatus, and system for estimating the quality of camera pose data using ground control points of known quality
CN111930872A (zh) 一种高精度地图更新方法、服务器及可读存储介质
EP3706072B1 (en) Method, apparatus, and system for detecting degraded ground paint in an image
US11170485B2 (en) Method, apparatus, and system for automatic quality assessment of cross view feature correspondences using bundle adjustment techniques
CN113358125B (zh) 一种基于环境目标检测和环境目标地图的导航方法及系统
CN110135323A (zh) 图像标注方法、装置、系统及存储介质
CN113139031B (zh) 用于自动驾驶的交通标识的生成方法及相关装置
US10949707B2 (en) Method, apparatus, and system for generating feature correspondence from camera geometry
Jeong et al. Hdmi-loc: Exploiting high definition map image for precise localization via bitwise particle filter
CN110018503B (zh) 车辆的定位方法及定位系统
CN116295463A (zh) 一种导航地图元素的自动标注方法
CN115344655A (zh) 地物要素的变化发现方法、装置及存储介质
CN113392170A (zh) 一种高精度地图数据的生成方法、装置及服务器
CN115390088A (zh) 点云地图建立方法、车道标注数据获取方法、设备及介质
US20220343531A1 (en) Systems and methods for synchronizing an image sensor
CN113048988B (zh) 一种导航地图对应场景的变化元素检测方法及装置

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