CN117390323A - 点云地图动态加载方法、装置、电子设备及存储介质 - Google Patents
点云地图动态加载方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117390323A CN117390323A CN202311399489.XA CN202311399489A CN117390323A CN 117390323 A CN117390323 A CN 117390323A CN 202311399489 A CN202311399489 A CN 202311399489A CN 117390323 A CN117390323 A CN 117390323A
- Authority
- CN
- China
- Prior art keywords
- map
- point cloud
- subareas
- acquiring
- sub
- 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
- 238000011068 loading method Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/957—Browsing optimisation, e.g. caching or content distillation
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3667—Display of a road map
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20128—Atlas-based segmentation
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本发明实施例涉及自动驾驶技术领域,具体涉及一种点云地图动态加载方法、装置、电子设备及存储介质。点云地图动态加载方法包括:获取点云地图,并将点云地图根据坐标系进行等距划分,以获取多个地图子区域;基于多个地图子区域获取车辆的位置坐标预设范围的地图子区域;根据预设原则对车辆的位置坐标预设范围的地图子区域进行处理;将处理后的地图子区域进行拼接,以获取组合地图;获取组合地图的目标点云区域,以基于目标点云区域进行地图定位。通过以上方式,缩短了点云地图的加载时间,从而实现了快速定位车辆。
Description
技术领域
本发明属于自动驾驶技术领域,具体涉及一种点云地图动态加载方法、装置、电子设备及存储介质。
背景技术
随着自动驾驶技术的快速发展和不断演进,精确定位已经成为实现安全、高效自动驾驶的核心要素之一。自动驾驶依赖于车辆在实时环境中准确地了解自身位置,周围道路状况等,激光雷达传感器和点云地图是自动驾驶技术中至关重要的元素,它们共同为车辆提供了高精度的定位和环境感知。
本发明实施例的发明人在实现本发明实施例的过程中,发现:当处理大范围点云地图时,由于数据量急剧增加,需要更多的计算资源和时间来处理和分析,因此在自动驾驶时有高内存需求,且会导致点云地图的加载时间长、车辆在地图中的定位时间长。
发明内容
本发明实施方式主要解决的技术问题是如何缩短点云地图的加载时间,从而快速定位车辆。
为解决上述技术问题,本发明实施方式采用的一个技术方案是:提供一种点云地图动态加载方法,所述点云地图动态加载方法包括:获取点云地图,并将所述点云地图根据坐标系进行等距划分,以获取多个地图子区域,基于所述多个地图子区域获取车辆的位置坐标预设范围的地图子区域,根据预设原则对所述车辆的位置坐标预设范围的地图子区域进行处理,将所述处理后的地图子区域进行拼接,以获取组合地图,获取所述组合地图的目标点云区域,以基于所述目标点云区域进行地图定位。
在一些实施例中,所述获取点云地图,并将所述点云地图根据坐标系进行等距划分,以获取多个地图子区域,包括:通过激光雷达获取点云地图,其中,所述点云地图的任意点云包括UTM坐标,确定地图子区域的规格及边界,将所述规格及边界作为等距划分原则,根据所述UTM坐标及所述等距划分原则执行所述点云地图的等距划分,以获取多个地图子区域。
在一些实施例中,所述基于所述多个地图子区域获取车辆的位置坐标预设范围的地图子区域,包括:接收车辆的位置坐标,基于所述位置坐标在所述多个地图子区域中获取预设范围的地图子区域。
在一些实施例中,所述根据预设原则对所述车辆的位置坐标预设范围的地图子区域进行处理,包括:根据所述预设范围的地图子区域及预设规则获取待加载地图子区域及待清除地图子区域,将所述待清除地图子区域进行清除,将所述待加载地图子区域进行加载。
在一些实施例中,所述将所述处理后的地图子区域进行拼接,以获取组合地图,包括:获取所述加载后的地图子区域,其中,所述加载后的地图子区域包括方向信息和坐标信息,基于所述方向信息和坐标信息确定各个加载后的地图子区域之间的连接关系及相对位置,基于所述连接关系及相对位置对所述加载后的地图子区域进行拼接,以获取组合地图。
在一些实施例中,所述获取所述组合地图的目标点云区域,包括:基于激光雷达获取扫描数据,其中,所述扫描数据包括距离信息及车辆的当前位置坐标,基于所述距离信息、所述当前位置坐标及设定的距离阈值对所述组合地图进行裁切,以获取目标点云区域。
在一些实施例中,所述点云地图动态加载方法还包括:接收用户设置的目标位置坐标,基于所述目标位置坐标在所述多个地图子区域中获取预设范围的地图子区域。
根据本发明实施例的另一个方面,提供一种点云地图动态加载装置,所述点云地图动态加载装置包括:区域划分模块,用于获取点云地图,并将所述点云地图根据坐标系进行等距划分,以获取多个地图子区域,第一获取模块,用于基于所述多个地图子区域获取车辆的位置坐标预设范围的地图子区域,数据处理模块,用于根据预设原则对所述车辆的位置坐标预设范围的地图子区域进行处理,地图拼接模块,用于将所述处理后的地图子区域进行拼接,以获取组合地图,第二获取模块,用于获取所述组合地图的目标点云区域,以基于所述目标点云区域进行地图定位。
根据本发明实施例的又一个方面,提供一种电子设备,其特征在于,包括:至少一个处理器、以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器执行以上任一项所述的点云地图动态加载方法的步骤。
根据本发明实施例的再一个方面,提供一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机可执行指令,当所述计算机可执行指令被电子设备执行时,使所述电子设备执行以上任一项所述的点云地图动态加载方法的步骤。
区别于相关技术的情况,本发明实施例提供的点云地图动态加载方法,包括:获取点云地图,并将所述点云地图根据坐标系进行等距划分,以获取多个地图子区域;基于所述多个地图子区域获取车辆的位置坐标预设范围的地图子区域;根据预设原则对所述车辆的位置坐标预设范围的地图子区域进行处理;将所述处理后的地图子区域进行拼接,以获取组合地图;获取所述组合地图的目标点云区域,以基于所述目标点云区域进行地图定位。通过将所述点云地图根据坐标系进行等距划分获取多个地图子区域、以及利用预设原则对地图子区域进行处理等方式,缩短了点云地图的加载时间,从而实现了快速定位车辆。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本发明实施例提供的点云地图动态加载方法的流程图;
图2是本发明实施例提供的点云加载示意图;
图3是本发明实施例提供的图1中获取地图子区域的方法流程图;
图4是本发明实施例提供的图1中获取预设范围的地图子区域的方法流程图;
图5是本发明实施例提供的图1中处理地图子区域的方法流程图;
图6是本发明实施例提供的图1中获取组合地图的方法流程图;
图7是本发明实施例提供的图1中获取目标点云区域的方法流程图;
图8是本申请实施例提供的点云地图动态加载装置的结构示意图;
图9是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
需要说明的是,如果不冲突,本发明实施例中的各个特征可以相互组合,均在本发明的保护范围之内。另外,虽然在装置示意图中进行了功能模块的划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置示意图中的模块划分,或流程图中的顺序执行所示出或描述的步骤。
除非另有定义,本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是用于限制本发明。
请参阅图1,图1是本发明实施例提供的一种点云地图动态加载方法的流程图,该方法包括以下步骤:
S11、获取点云地图,并将所述点云地图根据坐标系进行等距划分,以获取多个地图子区域。
其中,点云地图表示环境中物体和地形的3D模型,通常由大量离散的点组成,坐标系用于描述空间中点的位置,地图子区域表示将整个点云地图分成的较小的区域或网格单元,每个地图子区域包含点云地图数据的一部分。等距划分表示将点云地图划分为具有相同尺寸和形状的子区域,这些子区域之间的边界和间隔是均匀的,可以通过将地图坐标系的范围分成均匀的格子或单元格来实现等距划分。
具体地,技术人员将用于测量物体的距离和位置的传感器安装在车辆上,开车在预定区域内进行扫描和记录,这些扫描会生成高分辨率的点云数据,用于预先生成点云地图,该点云地图包含了环境的三维结构,如道路、建筑物、交通标志、树木等,预定区域表示在自动驾驶或地图建模任务中,事先确定的特定地理区域,车辆上传感器的具体安装位置与车辆类型、自动驾驶的要求等相关。等距划分可用于更有效地管理和处理大型地图,并有助于分析特定区域的数据,地图子区域可以是矩形、正方形或其他形状,具体形状和大小取决于具体的应用需求,可根据实际情况进行选择,本申请对此不作具体限制。
请参阅图3,图3是本发明实施例提供的图1中获取地图子区域的方法流程图,获取点云地图,并将所述点云地图根据坐标系进行等距划分,以获取多个地图子区域,包括:
S111、通过激光雷达获取点云地图,其中,所述点云地图的任意点云包括UTM坐标。
其中,激光雷达(LIDAR,Light Detection and Ranging)是一种用于测量距离和创建高分辨率三维地图的传感器技术,激光雷达的发射器会发射非可见的激光光束,通常是红外激光,沿着一个或多个方向发出短脉冲光束,当激光束照射到物体表面时,它会反射回激光雷达,激光雷达的接收器会记录脉冲的返回时间和强度,通过测量激光脉冲从发射到返回所用的时间,激光雷达可以计算物体与传感器之间的距离,这样可以生成离散点的距离数据,也就是点云,激光雷达通过扫描激光束的方向,可以生成大量的离散点数据,这些数据组成点云地图,在该实施例中,激光雷达可与其他传感器如摄像头、GPS等一起使用,以提供全面的环境感知。在自动驾驶领域,利用车辆上配置的激光雷达获取点云地图为该领域技术人员所熟知,在此不再进行赘述。
通用横向墨卡托投影(UTM,Universal Transverse Mercator)为一种地图投影坐标系统,用于描述地球上不同位置的坐标,UTM坐标系统将地球表面划分成多个分带,每个分带都有一个特定的中央经度,这个坐标系统以米为单位,提供了东向和北向两个坐标值,用于准确表示地球上不同地点的位置。
具体地,在车辆上配置的激光雷达发出激光束并测量其反射以获得点云数据时,同时使用全球定位系统(Global Positioning System,GPS)来获取车辆所在位置的经度、纬度和海拔高度,使用惯性测量单元(Inertial Measurement Unit,IMU)来获取车辆的姿态信息,包括俯仰、横摇和偏航角度。因点云数据中的每个点的相对坐标通常是车辆坐标系下的坐标,所以使用获取的GPS位置及IMU姿态信息,将激光雷达获取的点云数据中的每个点的相对坐标转换为UTM坐标系统下的坐标,使得点云地图的任意点云包括UTM坐标。将激光雷达获取的点云数据中的每个点的相对坐标转换为UTM坐标系统下的坐标为本领域技术人员所熟知,在此不再进行赘述。其中,GPS是一种卫星导航系统,通过在地球轨道上运行的一组卫星向地面接收器提供位置信息,GPS天线是用来接收来自GPS卫星的信号的装置,该GPS天线通常被安装在车辆的车顶或天窗附近,IMU通常被放置在车辆内部,可以安装在车辆的底盘、车厢或其他适合的位置。
S112、确定地图子区域的规格及边界,将所述规格及边界作为等距划分原则。
其中,地图子区域的规格及边界包括但不限于地图子区域的宽度、高度及起始UTM坐标等,等距划分原则是一种将地理区域划分成具有相等大小和距离的子部分的原则。地图子区域的宽度表示每个地图子区域在水平方向上的大小,通常以米为单位,定义了地图子区域从左到右的距离,地图子区域的高度表示每个地图子区域在垂直方向上的大小,通常以米为单位,地图子区域的高度定义了地图子区域从上到下的距离,起始UTM坐标指定了第一个地图子区域的左上角的UTM坐标,这个坐标标志着第一个地图子区域的起始点。在另外一些实施例中,起始UTM坐标可指定第一个地图子区域中其他位置的UTM坐标,如设置第一个地图子区域的左下角、右上角、右下角等位置的UTM坐标为起始UTM坐标。
例如:当地图子区域的规格被设定为100米×100米,起始UTM坐标位于第一个地图子区域的左上角,该起始UTM坐标是(500000,4649776),表示每个地图子区域都是一个正方形,其边长为100米,即地图子区域的宽度和高度均为100米,且从起始UTM坐标(500000,4649776)开始,以规定的规格向右和向下移动,每个地图子区域的宽度和高度都是100米。
地图子区域的规格通常根据使用的激光雷达的性能参数来确定,特别是激光雷达的有效测距范围,不同型号和制造商的激光雷达可能具有不同的测距能力,因此划定地图子区域的规格可能会因激光雷达的性能而异,可根据实际情况进行设置,本申请对此不作具体限制。
S113、根据所述UTM坐标及所述等距划分原则执行所述点云地图的等距划分,以获取多个地图子区域。
具体地,对点云地图中各个点云的点进行逐个访问或检查,计算各个点相对于起始UTM坐标的偏移量,偏移量包括水平偏移量及垂直偏移量,根据水平偏移量和垂直偏移量可确定各个点对于起始UTM坐标的相对位置,可根据相对位置确定该点属于哪个地图子区域,并将该点添加到相应的子区域数据结构中,子区域数据结构可以是数组、列表或其他数据类型,可存储每个地图子区域内的点云数据,重复上述过程,直至处理完点云地图中的所有点,使每个点都被分配至对应的地图子区域。
例如:现有一点云地图,起始UTM坐标设置为(1000,2000),地图子区域的规格为100米×100米,其中的四个点云数据点分别为点A、点B、点C和点D,每个点都有UTM坐标,点A的UTM坐标为(1050,2100),点B的UTM坐标为(1100,2200),点C的UTM坐标为(1075,2050),点D的UTM坐标为(1125,2150)。计算点A相对于起始UTM坐标(1000,2000)的偏移量,水平偏移量为50,垂直偏移量为100,因此可根据点A相对于起始UTM坐标(1000,2000)的相对位置将点A分配至第一个地图子区域。同理,对于点B,计算点B相对于起始UTM坐标的相对位置,对于点C,计算点C相对于起始UTM坐标的相对位置,对于点D,计算点D相对于起始UTM坐标的相对位置,分别根据点B点C、点D相对于起始UTM坐标的相对位置将点B、点C和点D分配至对应的地图子区域。
S12、基于所述多个地图子区域获取车辆的位置坐标预设范围的地图子区域。
其中,位置坐标表示车辆当前的地理位置,通常使用地理坐标来表示,可以为UTM坐标或经纬度,该坐标标识了车辆在地球表面的具体位置,预设范围为事先定义的地理区域,可根据实际的应用场景进行设置,本申请对此不作具体限制,例如:车辆的位置坐标周边500米。基于多个地图子区域获取车辆的位置坐标预设范围的地图子区域,表示根据车辆的当前地理位置坐标,确定多个地图子区域中哪些地图子区域位于预先定义的地理范围内。通过确定车辆所在的位置坐标可以筛选掉不在兴趣范围内的地图子区域,减少不必要的数据处理和分析,可专注于特定地理区域,提高效率。
请参阅图4,图4是本发明实施例提供的图1中获取预设范围的地图子区域的方法流程图,基于所述多个地图子区域获取车辆的位置坐标预设范围的地图子区域,包括:
S121、接收车辆的位置坐标。
车辆配备的GPS或其他定位设备,可以实时获取车辆的地理位置数据。
S122、基于所述位置坐标在所述多个地图子区域中获取预设范围的地图子区域。
对于每个地图子区域,将其地理坐标信息与车辆的位置坐标进行比较,如通过计算两点之间的距离或检查坐标是否在预先定义的范围内来实现,当车辆的位置坐标与地图子区域的坐标进行比较后,确定哪些地图子区域的坐标位于预先定义的地理范围内,根据比较结果,记录或标记哪些地图子区域位于预设范围内。
在一些实施例中,所述点云地图动态加载方法还包括:接收用户设置的目标位置坐标;基于所述目标位置坐标在所述多个地图子区域中获取预设范围的地图子区域。
其中,目标位置坐标表示用户感兴趣的地点,如某个目的地、地标或特定位置,将用户设定的目标位置坐标与每个地图子区域的坐标进行比较,以确定哪些地图子区域位于目标位置坐标预设的地理范围内,将这些地图子区域与用户的目标位置坐标相关联。
S13、根据预设原则对所述车辆的位置坐标预设范围的地图子区域进行处理。
其中,预设原则表示一组预先定义的规则或条件,用于根据车辆的位置坐标和预设范围的地图子区域,确定哪些地图子区域需要加载,哪些需要清除,以实现对地图子区域进行处理,满足特定的应用需求和用户体验。预设原则包括但不限于距离原则、方向原则、时间原则、兴趣点原则、地形或地物原则、用户交互原则等。
请参阅图5,图5是本发明实施例提供的图1中处理地图子区域的方法流程图,根据预设原则对所述车辆的位置坐标预设范围的地图子区域进行处理,包括:
S131、根据所述预设范围的地图子区域及预设规则获取待加载地图子区域及待清除地图子区域。
预设原则中,距离原则定义距离阈值,例如500米,则距离车辆500米以内的地图子区域需加载,其他地图子区域需清除;方向原则定义角度范围,例如正前方的30度,则确定哪些地图子区域与车辆的行驶方向相关,只有这个范围内的地图子区域需要加载,其他地图子区域需要清除;时间原则表示根据当前时间或日期,定义哪些地图子区域在特定时间段内需要加载,例如,白天和晚上的地图数据可能不同;兴趣点原则定义哪些地图子区域与特定兴趣点相关,例如,根据用户的查询或设置,加载与餐馆、加油站或景点相关的地图子区域;地形或地物原则表示根据车辆当前地理环境或地形特征,定义哪些子区域与地理情况相关,例如,在山区行驶时,加载山地地图数据;用户交互原则表示根据用户的交互行为,例如地图缩放或拖动,动态加载或卸载地图子区域,以满足用户当前的地图需求。根据原则确定哪些地图子区域应该被加载,即获取待加载地图子区域,哪些地图子区域应该被清除,即获取待清除地图子区域。
S132、将所述待清除地图子区域进行清除。
清除表示停止加载和显示待清除地图子区域的地图数据。
S133、将所述待加载地图子区域进行加载。
加载表示获取和显示待加载地图子区域的地图数据,以便用户可以查看与其当前位置和需求相关的地图信息。
自动驾驶车辆的计算资源和内存有限,加载和清除地图子区域可以帮助有效管理资源,只将必要的数据加载到内存中,从而减少了内存占用和计算负担,快速加载和清除地图子区域有助于确保系统的实时性,车辆只需处理附近区域的数据,因此能够更快地更新定位和导航信息,以适应不断变化的环境。点云地图的快速加载对于车辆的快速定位和实时性具有重要意义,可以提高导航、定位和路径规划等应用的性能和效果。
S14、将所述处理后的地图子区域进行拼接,以获取组合地图。
其中,处理后的地图子区域表示已加载的、经过处理和筛选的地图数据的部分,拼接表示将多个地图子区域组合成一个统一的地图的过程,组合地图为包含所有加载后的地图子区域信息的完整地图。
请参阅图6,图6是本发明实施例提供的图1中获取组合地图的方法流程图,将所述处理后的地图子区域进行拼接,以获取组合地图,包括:
S141、获取所述加载后的地图子区域,其中,所述加载后的地图子区域包括方向信息和坐标信息。
其中,方向信息表示有关地图元素或地理特征的朝向或方向的信息,包括但不限于指示地图的朝向的地图方向信息及指示道路、街道或路径的朝向的道路方向信息等,请参阅图2,箭头的朝向为车辆的前进方向,坐标信息表示有关地图上各个点或地理特征的位置的信息,包括但不限于表示地球上各点位置的经度、纬度及在地图上描述地点的UTM坐标等。
S142、基于所述方向信息和坐标信息确定各个加载后的地图子区域之间的连接关系及相对位置。
其中,连接关系表示各个地图子区域之间的连接方式,描述了一个地图子区域如何与另一个地图子区域相邻或相接触,连接关系包括相邻、旋转及无连接。相邻表示两个地图子区域共享一个或多个边界,它们彼此相接触,意味着它们在物理空间上直接相连;旋转表示两个地图子区域之间没有直接边界连接,但它们可能存在旋转关系,即一个地图子区域相对于另一个地图子区域有一定的旋转角度,它们在角度上彼此关联,但没有共享边界;无连接表示两个地图子区域之间既没有共享边界,也没有明确的旋转关系,在物理空间上独立存在,没有直接的接触或关联。相对位置描述了地图子区域在组合地图中的位置和相对排列,相对位置包括位置坐标及旋转角度。位置坐标表示每个地图子区域在组合地图中的坐标位置,旋转角度表示如果两个子区域之间存在旋转关系,相对位置还包括了它们之间的旋转角度,这表示一个地图子区域相对于另一个地图子区域的旋转方向和角度,相对位置可确保加载后的地图子区域在组合地图中正确对齐和排列。
具体地,基于坐标信息计算各地图元素之间的距离,以确定哪些地图元素共享边界或接触点及确定哪些地图元素在空间上彼此相邻,即获取了连接关系,根据方向信息确定地图元素的朝向,以确定各地图元素之间的相对方向,即获取了相对位置。将连接关系和相对位置信息存储在适当的数据结构中,以备后续处理和地图拼接。
S143、基于所述连接关系及相对位置对所述加载后的地图子区域进行拼接,以获取组合地图。
具体地,根据相对位置对地图子区域的坐标进行变换,以确保各个地图子区域正确排列,如果有旋转关系,对地图子区域进行旋转调整,以使它们相对于彼此正确定位,将各个地图子区域的坐标合并到组合地图的坐标系中,确保相邻地图子区域的边界正确对齐,将已拼接的地图子区域合并成一个完整的组合地图,对组合地图进行验证和修复,以确保拼接后的组合地图没有错误或重叠,验证和修复包括但不限于检查边界匹配和坐标转换是否正确。
S15、获取所述组合地图的目标点云区域,以基于所述目标点云区域进行地图定位。
其中,目标点云区域是从整个组合地图中提取的、与车辆当前位置相关的特定区域,该区域包含了点云数据,即一组离散的点,每个点代表地图上的一个特定位置,地图定位表示使用目标点云区域与先前生成的地图数据进行比对,以确定车辆在地图上的精确位置和方向。
请参阅图7,图7是本发明实施例提供的图1中获取目标点云区域的方法流程图。其中,获取所述组合地图的目标点云区域,包括:
S151、基于激光雷达获取扫描数据,其中,所述扫描数据包括距离信息及车辆的当前位置坐标。
具体地,当车辆实际行驶时,激光雷达持续扫描周围环境,生成实时的扫描数据,扫描数据中的距离信息通常以米(m)为单位,用于表示车辆周围物体的距离,扫描数据中的当前位置坐标即车辆在组合地图中的实时位置坐标。请参阅图2,五角星的位置坐标即为车辆的当前位置坐标。
S152、基于所述距离信息、所述当前位置坐标及设定的距离阈值对所述组合地图进行裁切,以获取目标点云区域。
距离阈值为预先定义的距离值,用于确定目标点云区域的范围,通常,这个阈值用于确定在车辆周围多远的距离范围内的点云数据应该被包括在目标点云区域中,距离阈值可根据实际情况进行设置,本申请对此不作具体限制,裁切获取目标点云区域后将该目标点云区域发送至车辆的定位器进行精确定位。
组合地图由多个地图子区域组成,区域很大,而精确定位只需从整个组合地图中选择并提取出与车辆当前位置和周围环境相关的地图部分,因此裁切出需要的区域即可,例如当前位置的100米之内的范围,裁切完成后给到定位器进行精确定位,而不是采用完整的组合地图。
通过裁剪出所需目标点云区域,车辆可以降低处理数据的复杂性,只专注于与其当前任务和位置相关的地图部分,从而更高效地执行导航、避障和其他自动驾驶任务。这有助于减少计算资源的需求并提高系统的响应速度。
在本实施例中,通过将所述点云地图根据坐标系进行等距划分获取多个地图子区域、以及利用预设原则对地图子区域进行加载或清除,缩短了点云地图的加载时间,从而实现了快速定位车辆。
请参阅图8,图8为本申请实施例提供的点云地图动态加载装置的结构示意图,点云地图动态加载装置200包括:
区域划分模块21,用于获取点云地图,并将所述点云地图根据坐标系进行等距划分,以获取多个地图子区域。
第一获取模块22,用于基于所述多个地图子区域获取车辆的位置坐标预设范围的地图子区域。
数据处理模块23,用于根据预设原则对所述车辆的位置坐标预设范围的地图子区域进行处理。
地图拼接模块24,用于将所述处理后的地图子区域进行拼接,以获取组合地图。
第二获取模块25,用于获取所述组合地图的目标点云区域,以基于所述目标点云区域进行地图定位。
上述装置可执行本申请实施例所提供的点云地图动态加载方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的点云地图动态加载方法。
如图9所示,所述电子设备300包括:一个或多个处理器31以及存储器32,图9中以一个处理器31为例。
处理器31和存储器32可以通过总线或其他方式连接,图8中以通过总线连接为例。
存储器32作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的点云地图动态加载方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的非易失性软件程序、指令以及模块,从而执行固态硬盘的各种功能应用以及数据处理,即实现上述方法实施例中的点云地图动态加载方法。
存储器32可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序。此外,存储器32可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器32可选包括相对于处理器31远程设置的存储器。
所述一个或者多个模块存储在所述存储器32中,当被所述一个或者多个处理器31执行时,执行上述任意方法实施例中的点云地图动态加载方法,例如,执行以上描述的图1、图3至图7中任一项的方法步骤。
上述产品可执行本申请实施例所提供的点云地图动态加载方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的点云地图动态加载方法。
可以理解的是,以上所描述的装置或设备实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;在本申请的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本申请的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种点云地图动态加载方法,其特征在于,所述点云地图动态加载方法包括:
获取点云地图,并将所述点云地图根据坐标系进行等距划分,以获取多个地图子区域;
基于所述多个地图子区域获取车辆的位置坐标预设范围的地图子区域;
根据预设原则对所述车辆的位置坐标预设范围的地图子区域进行处理;
将所述处理后的地图子区域进行拼接,以获取组合地图;
获取所述组合地图的目标点云区域,以基于所述目标点云区域进行地图定位。
2.根据权利要求1所述的点云地图动态加载方法,其特征在于,所述获取点云地图,并将所述点云地图根据坐标系进行等距划分,以获取多个地图子区域,包括:
通过激光雷达获取点云地图,其中,所述点云地图的任意点云包括UTM坐标;
确定地图子区域的规格及边界,将所述规格及边界作为等距划分原则;
根据所述UTM坐标及所述等距划分原则执行所述点云地图的等距划分,以获取多个地图子区域。
3.根据权利要求1所述的点云地图动态加载方法,其特征在于,所述基于所述多个地图子区域获取车辆的位置坐标预设范围的地图子区域,包括:
接收车辆的位置坐标;
基于所述位置坐标在所述多个地图子区域中获取预设范围的地图子区域。
4.根据权利要求1或3所述的点云地图动态加载方法,其特征在于,所述根据预设原则对所述车辆的位置坐标预设范围的地图子区域进行处理,包括:
根据所述预设范围的地图子区域及预设规则获取待加载地图子区域及待清除地图子区域;
将所述待清除地图子区域进行清除;
将所述待加载地图子区域进行加载。
5.根据权利要求4所述的点云地图动态加载方法,其特征在于,所述将所述处理后的地图子区域进行拼接,以获取组合地图,包括:
获取所述加载后的地图子区域,其中,所述加载后的地图子区域包括方向信息和坐标信息;
基于所述方向信息和坐标信息确定各个加载后的地图子区域之间的连接关系及相对位置;
基于所述连接关系及相对位置对所述加载后的地图子区域进行拼接,以获取组合地图。
6.根据权利要求5所述点云地图动态加载方法,其特征在于,所述获取所述组合地图的目标点云区域,包括:
基于激光雷达获取扫描数据,其中,所述扫描数据包括距离信息及车辆的当前位置坐标;
基于所述距离信息、所述当前位置坐标及设定的距离阈值对所述组合地图进行裁切,以获取目标点云区域。
7.根据权利要求3所述点云地图动态加载方法,其特征在于,所述点云地图动态加载方法还包括:
接收用户设置的目标位置坐标;
基于所述目标位置坐标在所述多个地图子区域中获取预设范围的地图子区域。
8.一种点云地图动态加载装置,其特征在于,所述点云地图动态加载装置包括:
区域划分模块,用于获取点云地图,并将所述点云地图根据坐标系进行等距划分,以获取多个地图子区域;
第一获取模块,用于基于所述多个地图子区域获取车辆的位置坐标预设范围的地图子区域;
数据处理模块,用于根据预设原则对所述车辆的位置坐标预设范围的地图子区域进行处理;
地图拼接模块,用于将所述处理后的地图子区域进行拼接,以获取组合地图;
第二获取模块,用于获取所述组合地图的目标点云区域,以基于所述目标点云区域进行地图定位。
9.一种电子设备,其特征在于,包括:至少一个处理器、以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1至7任一项所述的点云地图动态加载方法的步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机可执行指令,当所述计算机可执行指令被电子设备执行时,使所述电子设备执行权利要求1至7任一项所述的点云地图动态加载方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311399489.XA CN117390323A (zh) | 2023-10-25 | 2023-10-25 | 点云地图动态加载方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311399489.XA CN117390323A (zh) | 2023-10-25 | 2023-10-25 | 点云地图动态加载方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117390323A true CN117390323A (zh) | 2024-01-12 |
Family
ID=89462660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311399489.XA Pending CN117390323A (zh) | 2023-10-25 | 2023-10-25 | 点云地图动态加载方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117390323A (zh) |
-
2023
- 2023-10-25 CN CN202311399489.XA patent/CN117390323A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7297017B2 (ja) | オンボードセンサの外部パラメータを較正する方法及び装置、並びに関連する車両 | |
CN109214248B (zh) | 用于识别无人驾驶车辆的激光点云数据的方法和装置 | |
US10739459B2 (en) | LIDAR localization | |
EP3620823B1 (en) | Method and device for detecting precision of internal parameter of laser radar | |
EP3186685B1 (en) | Three-dimensional elevation modeling for use in operating agricultural vehicles | |
KR20200121274A (ko) | 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체 | |
CN109410735B (zh) | 反射值地图构建方法和装置 | |
US11237269B2 (en) | Localization technique | |
WO2019126950A1 (zh) | 一种定位方法、云端服务器、终端、系统、电子设备及计算机程序产品 | |
CA2923233C (en) | Determination of the position of a vehicle on or above a planet surface | |
CN111402387B (zh) | 从用于导航自主车辆的高清晰度地图的点云中移除短时点 | |
US11668573B2 (en) | Map selection for vehicle pose system | |
CN111339876B (zh) | 用于识别场景中各区域类型的方法和装置 | |
CN112985386B (zh) | 一种自动驾驶多源融合定位方法、装置、设备及存储介质 | |
US20230281866A1 (en) | Autonomous driving with surfel maps | |
CN116399324A (zh) | 建图方法、装置及控制器、无人驾驶车辆 | |
CN116380088B (zh) | 车辆定位方法、装置、车辆及存储介质 | |
CN110794434A (zh) | 一种位姿的确定方法、装置、设备及存储介质 | |
CN117390323A (zh) | 点云地图动态加载方法、装置、电子设备及存储介质 | |
US11473931B2 (en) | Surfel map editing | |
US11676392B2 (en) | Localization using surfel data | |
US20220083073A1 (en) | Detecting environment changes using surfel data | |
CN115014329A (zh) | 一种定位初始化方法及自动驾驶系统 | |
CN114241083A (zh) | 一种车道线生成方法、装置、电子设备及存储介质 | |
CN111928863A (zh) | 一种高精地图数据采集方法、装置及系统 |
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 |