CN117948963A - 地图构建方法、装置、设备及存储介质 - Google Patents
地图构建方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117948963A CN117948963A CN202410070513.3A CN202410070513A CN117948963A CN 117948963 A CN117948963 A CN 117948963A CN 202410070513 A CN202410070513 A CN 202410070513A CN 117948963 A CN117948963 A CN 117948963A
- Authority
- CN
- China
- Prior art keywords
- map
- acquired image
- semantic
- image
- images
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000006243 chemical reaction Methods 0.000 claims description 26
- 230000009466 transformation Effects 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 description 12
- 238000005259 measurement Methods 0.000 description 12
- 230000000007 visual effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Navigation (AREA)
Abstract
本申请涉及一种地图构建方法、装置、设备及存储介质,涉及地图构建技术领域。该方法包括:获取车辆的多个初始位置、与多个初始位置一一对应的多个采集图像、与多个采集图像一一对应的多个语义图像、与多个采集图像一一对应的多个车辆位姿其中,一个语义图像包括与一个语义图像对应的采集图像中,每个像素对应的地图要素类别。一个语义图像为根据一个语义图像对应的采集图像和预设语义模型确定的。之后,根据多个初始位置、多个采集图像、多个语义图像、多个车辆位姿和预设地图,确定车辆的多个目标位置,并根据多个目标位置、多个采集图像、多个语义图像和多个车辆位姿,构建目标地图。本申请可以高效、高精度、低成本的构建目标地图。
Description
技术领域
本申请涉及地图构建技术领域,尤其涉及自动驾驶技术领域,具体涉及一种地图构建方法、装置、设备及存储介质。
背景技术
高精度地图可以为自动驾驶提供厘米级别的道路路网信息、交叉路口、城市主干道等交通信息,有助于提升自动驾驶的安全性。目前,高精度地图的构建方法通常通过以下两种方法:一、基于激光雷达构建高精度地图:使用激光雷达对现实场景进行扫描、分析处理以及三维重建,得到激光三维点云地图。之后,人工对三维点云地图进行标注,得到包含语义信息的高精度地图。但是该方法耗费大量人力,不能高效、准确的构建地图。同时,激光雷达的使用成本高。
二、基于视觉传感器构建高精度地图:使用视觉传感器提取车道线、交通标志等道路要素作为语义信息,使用三角化技术获取道路要素相对车辆的位置。之后,根据惯性导航系统、实时动态(real time kinematic,RTK)载波相位差分技术获取车辆的位置和姿态,结合语义信息和道路要素相对车辆的位置,构建高精度地图。但是RTK的使用成本较高,无法低成本的构建地图。
发明内容
本申请提供一种地图构建方法、装置、设备及存储介质,以至少解决现有技术中不能高精度、高效率、低成本的构建地图的技术问题。本申请的技术方案如下:
根据本申请提供的第一方面,提供一种地图构建方法,该方法包括:获取车辆的多个初始位置、与多个初始位置一一对应的多个采集图像、与多个采集图像一一对应的多个语义图像、与多个采集图像一一对应的多个车辆位姿。一个语义图像包括与一个语义图像对应的采集图像中,每个像素对应的地图要素类别。一个语义图像为根据一个语义图像对应的采集图像和预设语义模型确定的。根据多个初始位置、多个采集图像、多个语义图像、多个车辆位姿和预设地图,确定车辆的多个目标位置。根据多个目标位置、多个采集图像、多个语义图像和多个车辆位姿,构建目标地图。
根据上述技术手段,本申请可以高效的获取采集图像中每个像素对应的地图要素类别,从而可以提高构建目标地图的效率。之后,根据多个初始位置、多个采集图像、多个语义图像、多个车辆位姿和预设地图,确定车辆的多个目标位置。由于通过GPS接收机获取到的车辆的初始位置存在误差,通过预设地图可以对初始位置进行校正,从而得到高精度的车辆位置。进一步的,根据多个目标位置、多个采集图像、多个语义图像和多个车辆位姿,构建目标地图。这样,通过高精度的车辆位置,可以使得根据车辆位置确定到的地图要素的位置更加准确,从而可以构建高精度地图。同时,采用GPS接收机获取初始位置的成本较低。
在一种可能的实施方式中,上述根据多个初始位置、多个采集图像、多个语义图像、多个车辆位姿和预设地图,确定车辆的多个目标位置,包括:针对每个初始位置,将初始位置在预设地图中的位置确定为初始位置对应的第一位置。在第一位置位于预设偏差区域的情况下,获取第一采集图像。第一采集图像为预设地图中,第一位置归属区域的采集图像。获取第一采集图像和第二采集图像的匹配数量。第二采集图像为初始位置对应的采集图像。在匹配数量大于预设数量的情况下,根据初始位置、第二采集图像、第一采集图像的采集位置和第二采集图像对应的车辆位姿,确定目标位置。在匹配数量小于或等于预设数量的情况下,更新第一采集图像,直至匹配数量大于预设数量。在第一位置不位于预设偏差区域的情况下,确定第一位置为目标位置。
根据上述技术手段,本申请可以通过预设地图可以对GPS接收机获取的车辆的初始位置进行校正,从而实现准确且低成本的获取高精度的车辆位置。这样,可以根据车辆的目标位置构建高精度地图。
在一种可能的实施方式中,上述获取第一采集图像和第二采集图像的匹配数量,包括:获取多个第一特征点和多个第二特征点。多个第一特征点为第一采集图像中灰度值满足预设灰度值条件的特征点,多个第二特征点为第二采集图像中灰度值满足预设灰度值条件的特征点。针对每个第一特征点,在第一特征点的地图要素类别与第三特征点的地图要素类别相同、且第一特征点的位置与第三特征点的位置位于预设范围内的情况下,确定第一特征点与第三特征点匹配。第三特征点为多个第二特征点中的任意一个。重复上述步骤,直至遍历多个第一特征点,得到第一采集图像和第二采集图像的匹配数量。
根据上述技术手段,本申请可以将地图要素类别作为匹配筛选条件,可以提高第一采集图像中的特征点和第二采集图像中的特征点的关联匹配准确率和效率。同时,根据特征点的位置可以准确的确定第一采集图像和第二采集图像的匹配数量。这样,可以提高后续根据匹配数量确定车辆的目标位置的效率,进一步提高构建目标地图的效率。
在一种可能的实施方式中,在目标地图包括道路层的情况下,上述根据多个目标位置、多个采集图像、多个语义图像和多个车辆位姿,构建目标地图,包括:针对每个采集图像,根据第二位置、相机位姿、采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定采集图像中每个地图要素在世界坐标系中的位置。第二位置为采集图像对应的目标位置。根据每个地图要素在世界坐标系中的位置,对每个地图要素进行距离变换,得到第一距离图。根据每个地图要素在预设地图中的位置,对每个地图要素进行距离变换,得到第二距离图。将第一距离图与第二距离图进行边缘对齐,并根据每个地图要素在世界坐标系中的位置和每个地图要素在预设地图中的位置,构建目标地图的道路层。
根据上述技术手段,本申请通过预设地图中的地图要素,可以补充可能存在缺失的地图要素。这样,可以更准确的构建目标地图中的道路层。
在一种可能的实施方式中,在目标地图包括车道线层和交通标志层的情况下,上述根据多个目标位置、多个采集图像、多个语义图像和多个车辆位姿,构建目标地图,包括:针对每个采集图像,根据第二位置、相机位姿和采集图像,确定采集图像中每个地图要素在相机坐标系中的位置。第二位置为采集图像对应的目标位置。根据采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定采集图像中每个地图要素在世界坐标系中的位置。根据采集图像中每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图的车道线层。根据采集图像中每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图的交通标志层。
根据上述技术手段,本申请可以通过三角化技术可以将地图要素从像素坐标系转化为相机坐标系。之后,通过相机坐标系和世界坐标系的转换关系,可以将地图要素从相机坐标系转换为世界坐标系。这样,可以高效的构建目标地图中的车道线层和交通标志层。
在一种可能的实施方式中,在根据采集图像中每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图的车道线层之前,上述方法还包括:根据采集图像对应的语义图像,确定采集图像中每个地图要素对应的分割图像。根据每个地图要素对应的分割图像和多个预设标志图像,确定每个地图要素对应的地图要素标志。将每个地图要素对应的地图要素标志的几何结构信息,确定为每个地图要素的几何结构信息。根据采集图像中每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图的车道线层,包括:根据每个地图要素在世界坐标系中的位置、采集图像对应的语义图像和每个地图要素的几何结构信息,构建目标地图的车道线层。
根据上述技术手段,本申请可以获取地图要素的几何结构信息,由于几何结构信息可以更准确的表示地图要素,这样,根据几何结构信息构建得到的车道线层更加准确。
在一种可能的实施方式中,在目标地图包括动态物体层的情况下,上述根据多个目标位置、多个采集图像、多个语义图像和多个车辆位姿,构建目标地图,包括:将多个语义图像输入目标跟踪模型,得到多个第一地图要素中每个第一地图要素在多个语义图像中的预测位置。目标跟踪模型用于识别多个语义图像中的同一地图要素,并预测同一地图要素在下一语义图像中的位置。第一地图要素为多个语义图像中的同一地图要素。根据多个语义图像和多个第一地图要素中每个第一地图要素在多个语义图像中的预测位置,确定每个第一地图要素在多个语义图像中的位置为每个第一地图要素对应的多个第三位置,以得到多个第一地图要素中每个第一地图要素对应的多个第三位置。针对每个采集图像,根据多个第一地图要素中每个第一地图要素对应的多个第三位置、第二位置、相机位姿、采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定采集图像个地图要素在世界坐标系中的位置。第二位置为采集图像对应的目标位置。根据采集图像中每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图中的动态物体层。
根据上述技术手段,本申请结合地图要素的预测位置和地图要素在采集图像中的位置,可以更准确的确定地图要素的位置,进一步提高构建目标地图中的动态物体层的准确性。
根据本申请提供的第二方面,提供一种地图构建装置,该地图构建装置包括获取单元、确定单元和构建单元。获取单元,用于获取车辆的多个初始位置、与多个初始位置一一对应的多个采集图像、与多个采集图像一一对应的多个语义图像、与多个采集图像一一对应的多个车辆位姿。一个语义图像包括与一个语义图像对应的采集图像中,每个像素对应的地图要素类别。一个语义图像为根据一个语义图像对应的采集图像和预设语义模型确定的。确定单元,用于根据多个初始位置、多个采集图像、多个语义图像、多个车辆位姿和预设地图,确定车辆的多个目标位置。构建单元,用于根据多个目标位置、多个采集图像、多个语义图像和多个车辆位姿,构建目标地图。
在一种可能的实施方式中,上述确定单元,具体用于:针对每个初始位置,将初始位置在预设地图中的位置确定为初始位置对应的第一位置。在第一位置位于预设偏差区域的情况下,获取第一采集图像。第一采集图像为预设地图中,第一位置归属区域的采集图像。获取第一采集图像和第二采集图像的匹配数量。第二采集图像为初始位置对应的采集图像。在匹配数量大于预设数量的情况下,根据初始位置、第二采集图像、第一采集图像的采集位置和第二采集图像对应的车辆位姿,确定目标位置。在匹配数量小于或等于预设数量的情况下,更新第一采集图像,直至匹配数量大于预设数量。在第一位置不位于预设偏差区域的情况下,确定第一位置为目标位置。
在一种可能的实施方式中,上述确定单元,具体用于:获取多个第一特征点和多个第二特征点。多个第一特征点为第一采集图像中灰度值满足预设灰度值条件的特征点,多个第二特征点为第二采集图像中灰度值满足预设灰度值条件的特征点。针对每个第一特征点,在第一特征点的地图要素类别与第三特征点的地图要素类别相同、且第一特征点的位置与第三特征点的位置位于预设范围内的情况下,确定第一特征点与第三特征点匹配。第三特征点为多个第二特征点中的任意一个。重复上述步骤,直至遍历多个第一特征点,得到第一采集图像和第二采集图像的匹配数量。
在一种可能的实施方式中,在目标地图包括道路层的情况下,上述构建单元,具体用于:针对每个采集图像,根据第二位置、相机位姿、采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定采集图像中每个地图要素在世界坐标系中的位置。第二位置为采集图像对应的目标位置。根据每个地图要素在世界坐标系中的位置,对每个地图要素进行距离变换,得到第一距离图。根据每个地图要素在预设地图中的位置,对每个地图要素进行距离变换,得到第二距离图。将第一距离图与第二距离图进行边缘对齐,并根据每个地图要素在世界坐标系中的位置和每个地图要素在预设地图中的位置,构建目标地图的道路层。
在一种可能的实施方式中,在目标地图包括车道线层和交通标志层的情况下,上述构建单元,具体用于:针对每个采集图像,根据第二位置、相机位姿和采集图像,确定采集图像中每个地图要素在相机坐标系中的位置。第二位置为采集图像对应的目标位置。根据采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定采集图像中每个地图要素在世界坐标系中的位置。根据采集图像中每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图的车道线层。根据采集图像中每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图的交通标志层。
在一种可能的实施方式中,上述确定单元,还用于,根据采集图像对应的语义图像,确定采集图像中每个地图要素对应的分割图像。确定单元,还用于根据每个地图要素对应的分割图像和多个预设标志图像,确定每个地图要素对应的地图要素标志。确定单元,还用于将每个地图要素对应的地图要素标志的几何结构信息,确定为每个地图要素的几何结构信息。构建单元,具体用于根据每个地图要素在世界坐标系中的位置、采集图像对应的语义图像和每个地图要素的几何结构信息,构建目标地图的车道线层。
在一种可能的实施方式中,在目标地图包括动态物体层的情况下,上述构建单元,具体用于:将多个语义图像输入目标跟踪模型,得到多个第一地图要素中每个第一地图要素在多个语义图像中的预测位置。目标跟踪模型用于识别多个语义图像中的同一地图要素,并预测同一地图要素在下一语义图像中的位置。第一地图要素为多个语义图像中的同一地图要素。根据多个语义图像和多个第一地图要素中每个第一地图要素在多个语义图像中的预测位置,确定每个第一地图要素在多个语义图像中的位置为每个第一地图要素对应的多个第三位置,以得到多个第一地图要素中每个第一地图要素对应的多个第三位置。针对每个采集图像,根据多个第一地图要素中每个第一地图要素对应的多个第三位置、第二位置、相机位姿、采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定采集图像中每个地图要素在世界坐标系中的位置。第二位置为采集图像对应的目标位置。根据采集图像中每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图中的动态物体层。
根据本申请提供的第三方面,提供一种电子设备,包括:处理器。用于存储处理器可执行指令的存储器。其中,处理器被配置为执行指令,以实现上述第一方面及其任一种可能的实施方式的方法。
根据本申请提供的第四方面,提供一种计算机可读存储介质,当计算机可读存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行上述第一方面及其任一种可能的实施方式的方法。
根据本申请提供的第五方面,提供一种计算机程序产品,计算机程序产品包括计算机指令,当计算机指令在电子设备上运行时,使得电子设备执行上述第一方面及其任一种可能的实施方式的方法。
由此,本申请的上述技术特征具有以下有益效果:
(1)通过采集图像和预设语义模型,可以高效的获取采集图像中每个像素对应的地图要素类别,从而可以提高构建目标地图的效率。之后,根据多个初始位置、多个采集图像、多个语义图像、多个车辆位姿和预设地图,确定车辆的多个目标位置。由于通过GPS接收机获取到的车辆的初始位置存在误差,通过预设地图可以对初始位置进行校正,从而得到高精度的车辆位置。进一步的,根据多个目标位置、多个采集图像、多个语义图像和多个车辆位姿,构建目标地图。这样,通过高精度的车辆位置,可以使得根据车辆位置确定到的地图要素的位置更加准确,从而可以构建高精度地图。同时,采用GPS接收机获取初始位置的成本较低。
(2)由于GPS接收机存在定位误差,通过预设地图可以对GPS接收机获取的车辆的初始位置进行校正,从而实现准确且低成本的获取高精度的车辆位置。这样,可以根据车辆的目标位置构建高精度地图。
(3)将地图要素类别作为匹配筛选条件,可以提高第一采集图像中的特征点和第二采集图像中的特征点的关联匹配准确率和效率。同时,根据特征点的位置可以准确的确定第一采集图像和第二采集图像的匹配数量。这样,可以提高后续根据匹配数量确定车辆的目标位置的效率,进一步提高构建目标地图的效率。
(4)由于通过采集图像确定到的道路层中的地图要素可能存在缺失的情况,通过预设地图中的地图要素,可以补充可能存在缺失的地图要素。这样,可以更准确的构建目标地图中的道路层。
(5)通过三角化技术可以将地图要素从像素坐标系转化为相机坐标系。之后,通过相机坐标系和世界坐标系的转换关系,可以将地图要素从相机坐标系转换为世界坐标系。这样,可以高效的构建目标地图中的车道线层和交通标志层。
(6)可以获取地图要素的几何结构信息,由于几何结构信息可以更准确的表示地图要素,这样,根据几何结构信息构建得到的车道线层更加准确。
(7)目标跟踪模型可以跟踪多个语义图像中的同一地图要素,并预测地图要素在多个语义图像中的位置。这样,结合地图要素的预测位置和地图要素在采集图像中的位置,可以更准确的确定地图要素的位置,进一步提高构建目标地图中的动态物体层的准确性。
需要说明的是,第二方面至第五方面中的任一种实现方式所带来的技术效果可参见第一方面中对应实现方式所带来的技术效果,此处不再赘述。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理,并不构成对本申请的不当限定。
图1是根据一示例性实施例示出的一种地图构建系统的结构示意图;
图2是根据一示例性实施例示出的一种地图构建方法的流程图;
图3是根据一示例性实施例示出的又一种地图构建方法的流程图;
图4是根据一示例性实施例示出的一种目标地图的分类示意图;
图5是根据一示例性实施例示出的一种地图构建装置的框图;
图6是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本申请的技术方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在对本申请提供的地图构建方法进行详细介绍之前,先对与本申请相关的现有技术进行简单介绍。
自动驾驶技术是一种依靠感知、决策、规划、控制相互融合的协同工作体系,其技术的实现需要获取车辆更精确的定位信息和更丰富的道路静态、动态环境信息,普通电子导航地图已无法满足自动驾驶的需求。
高精度地图作为实现车辆自动驾驶的关键基础设施,在车辆定位、规划控制等领域发挥重要作用。高精地图能够提供厘米级别道路路网信息,准确展示复杂交叉路口、城市主干道等交通要素密集的场景,为车辆超视距感知和精确定位等方面提供基础保障。
在对本申请提供的地图构建方法进行详细介绍之前,先对本申请涉及的实施环境(实施架构)进行简单介绍。
图1示出了一种地图构建系统的结构示意图。如图1所示,地图构建系统10包括地图构建装置11以及电子设备12。地图构建装置11与电子设备12连接,地图构建装置11与电子设备12之间可以采用有线方式连接,也可以采用无线方式连接,本申请实施例对此不作限定。
地图构建装置11可以用于与电子设备12进行数据交互,例如,从电子设备12中获取车辆的多个初始位置、与多个初始位置一一对应的多个采集图像、与多个采集图像一一对应的多个语义图像、与多个采集图像一一对应的多个车辆位姿,并向电子设备12发送目标地图。
地图构建装置11还可以用于对获取到的车辆的多个初始位置、与多个初始位置一一对应的多个采集图像、与多个采集图像一一对应的多个语义图像、与多个采集图像一一对应的多个车辆位姿进行处理,例如,根据多个初始位置、多个采集图像、多个语义图像、多个车辆位姿和预设地图,确定车辆的多个目标位置。根据多个目标位置、多个采集图像、多个语义图像和多个车辆位姿,构建目标地图。
电子设备12可以用于与地图构建装置11进行数据交互,例如,向地图构建装置11发送目标地图,并接收地图构建装置11发送的车辆的多个初始位置、与多个初始位置一一对应的多个采集图像、与多个采集图像一一对应的多个语义图像、与多个采集图像一一对应的多个车辆位姿。
可选的,该电子设备可以是物理机,例如:台式电脑,又称台式机或桌面机(desktop computer)、手机、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobilepersonal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等终端设备,该电子设备还可以为服务器,也可以为多个服务器组成的服务器群。
可选的,上述地图构建装置11也可以通过部署在物理机上的虚拟机(virtualmachine,VM),实现上述地图构建装置11所要实现的功能。
需要说明的,地图构建装置11和电子设备12可以为相互独立的设备,也可以集成于同一设备中,本申请对此不作具体限定。
当地图构建装置11和电子设备12集成于同一设备时,地图构建装置11和电子设备12之间的通信方式为该设备内部模块之间的通信。这种情况下,二者之间的通信流程与“地图构建装置11和电子设备12之间相互独立的情况下,二者之间的通信流程”相同。
在本申请提供的以下实施例中,本申请以地图构建装置11和电子设备12相互独立设置为例进行说明。
为了便于理解,以下结合附图对本申请提供的地图构建方法进行具体介绍。
图2是根据一示例性实施例示出的一种地图构建方法的流程图。如图2所示,该地图构建方法包括以下步骤:
S201、电子设备获取车辆的多个初始位置、与多个初始位置一一对应的多个采集图像、与多个采集图像一一对应的多个语义图像、与多个采集图像一一对应的多个车辆位姿。
其中,一个语义图像包括与一个语义图像对应的采集图像中,每个像素对应的地图要素类别。一个语义图像为根据一个语义图像对应的采集图像和预设语义模型确定的。
作为一种可能的实现方式,电子设备设置车载摄像机的采集频率为预设频率,设置采集图像的分辨率为预设分辨率。之后,电子设备使用张正友标定法对车载摄像机进行标定,得到车载摄像机的内参矩阵、外参矩阵和畸变系数。接着,电子设备根据内参矩阵,获取车载摄像机从相机坐标系到像素坐标系的投影关系,以及根据外参矩阵,获取相机坐标系与世界坐标系的转换关系。
然后,电子设备获取全球定位系统(global positioning system,GPS)接收机采集的多个初始位置,并获取车载摄像机在初始位置采集到的采集图像,得到与多个初始位置一一对应的多个采集图像。接着,电子设备使用畸变系数和针孔相机模型对多个采集图像进行畸变校正,得到畸变校正后的多个采集图像。进一步的,电子设备将畸变校正后的多个采集图像输入语义分割模型,得到与多个采集图像一一对应的多个语义图像。
进一步的,电子设备使用惯性测量单元工具包对轴偏角误差、尺度因子、温漂、噪声及零偏进行标定。之后,电子设备获取惯性测量单元在初始位置测量到的车辆位姿,得到与多个采集图像一一对应的多个车辆位姿。然后,电子设备通过视觉惯导标定工具箱对车载摄像机和惯性测量单元进行多传感器标定,得到车载摄像机和惯性测量单元的相对位置关系。
示例性的,预设频率可以为25帧/秒,预设分辨率可以为1280*720。针孔相机模型可以为开源的计算机视觉库(open source computer vision library,Opencv)中的针孔相机模型。
示例性的,畸变系数和针孔相机模型满足下述表达式:
其中,x和y为像素坐标系中的像素坐标,像素坐标系的原点为采集图像的左上角,径向畸变系数k1、径向畸变系数k2、径向畸变系数k3分别为主点周围的泰勒级数展开式的前三项系数,切向畸变系数p1、切向畸变系数p2,r为径向距离,xdistorted和ydistorted为畸变校正后的像素坐标。
示例性的,在车载摄像机的坐标点绕X轴旋转α度、绕Y轴旋转β度、绕Z轴旋转γ度的情况下,相机坐标系和世界坐标系的转换关系满足下述表达式:
其中,x、y、z为相机坐标系下的坐标,x′、y′、z′为世界坐标系下的坐标。
示例性的,轴偏角误差、尺度因子、温漂为确定性误差,噪声和零偏为随机性误差。
示例性的,车辆位姿包括:加速度、角速度、方向。惯性测量单元(inertialmeasurement unit,IMU)可以为六轴的惯性测量单元,六轴的惯性测量单元包括三轴加速度计和三轴陀螺仪,加速度计用于获取加速度信号,陀螺仪用于获取角速度信号。
示例性的,电子设备通过视觉惯导标定工具箱对车载摄像机和惯性测量单元进行多传感器标定,得到车载摄像机和惯性测量单元的相对位置关系。
示例性的,车载摄像机采集的采集图像包括路面要素、天空要素、车辆要素。
示例性的,语义分割模型可以对采集图像中的相似像素进行拼接、聚类,得到采集图像中每个地图要素的轮廓。
示例性的,GPS接收机可以通过差分定位技术获取车辆的初始位置。
S202、电子设备根据多个初始位置、多个采集图像、多个语义图像、多个车辆位姿和预设地图,确定车辆的多个目标位置。
作为一种可能的实现方式,电子设备针对每个初始位置,将初始位置在预设地图中的位置确定为初始位置对应的第一位置。之后,电子设备在第一位置位于预设偏差区域的情况下,获取第一采集图像。接着,电子设备获取第一采集图像和第二采集图像的匹配数量。
然后,电子设备在匹配数量大于预设数量的情况下,根据初始位置、第二采集图像、第一采集图像的采集位置和第二采集图像对应的车辆位姿,确定目标位置。进一步的,电子设备在匹配数量小于或等于预设数量的情况下,更新第一采集图像,直至匹配数量大于预设数量。电子设备在第一位置不位于预设偏差区域的情况下,确定第一位置为目标位置。
此步骤的具体实现方式,可以参照本申请实施例的后续描述,此处不再进行赘述。
S203、电子设备根据多个目标位置、多个采集图像、多个语义图像和多个车辆位姿,构建目标地图。
作为一种可能的实现方式,电子设备针对每个采集图像,根据第二位置、相机位姿、采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定采集图像中每个地图要素在世界坐标系中的位置。之后,电子设备根据每个地图要素在世界坐标系中的位置,对每个地图要素进行距离变换,得到第一距离图。接着,电子设备根据每个地图要素在预设地图中的位置,对每个地图要素进行距离变换,得到第二距离图。然后,电子设备将第一距离图与第二距离图进行边缘对齐,并根据每个地图要素在世界坐标系中的位置和每个地图要素在预设地图中的位置,构建目标地图的道路层。
进一步的,电子设备针对每个采集图像,根据第二位置、相机位姿和采集图像,确定采集图像中每个地图要素在相机坐标系中的位置。之后,电子设备根据采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定采集图像中每个地图要素在世界坐标系中的位置。然后,电子设备根据采集图像中每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图中的车道线层。接着,电子设备根据采集图像中每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图中的交通标志层。
进一步的,电子设备将多个语义图像输入目标跟踪模型,得到多个第一地图要素中每个第一地图要素在多个语义图像中的预测位置。之后,电子设备根据多个语义图像和多个第一地图要素中每个第一地图要素在多个语义图像中的预测位置,确定每个第一地图要素在多个语义图像中的位置为多个第三位置。接着,电子设备针对每个采集图像,根据多个第三位置、第二位置、相机位姿、采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定采集图像中每个地图要素在世界坐标系中的位置。
需要说明的是,第二位置为采集图像对应的目标位置。目标跟踪模型用于识别多个语义图像中的同一地图要素,并预测同一地图要素在下一语义图像中的位置。第一地图要素为多个语义图像中的同一地图要素。
此步骤的具体实现方式,可以参照本申请实施例的后续描述,此处不再进行赘述。
可以理解的是,现有技术通过激光雷达构建高精度地图需要人工标注语义信息,效率低且精度差。同时,现有技术通过视觉传感器和RTK构建高精度地图存在高成本的问题。本申请获取车辆的多个初始位置、与多个初始位置一一对应的多个采集图像、与多个采集图像一一对应的多个语义图像、与多个采集图像一一对应的多个车辆位姿。其中,一个语义图像包括与一个语义图像对应的采集图像中,每个像素对应的地图要素类别。一个语义图像为根据一个语义图像对应的采集图像和预设语义模型确定的,这样,通过采集图像和预设语义模型,可以高效的获取采集图像中每个像素对应的地图要素类别,从而可以提高构建目标地图的效率。
之后,根据多个初始位置、多个采集图像、多个语义图像、多个车辆位姿和预设地图,确定车辆的多个目标位置。由于通过GPS接收机获取到的车辆的初始位置存在误差,通过预设地图可以对初始位置进行校正,从而得到高精度的车辆位置。进一步的,根据多个目标位置、多个采集图像、多个语义图像和多个车辆位姿,构建目标地图。这样,通过高精度的车辆位置,可以使得根据车辆位置确定到的地图要素的位置更加准确,从而可以构建高精度地图。同时,采用GPS接收机获取初始位置的成本较低。
在一些实施例中,为了准确确定车辆的目标位置,上述S202可以以如下方式实现:
S301、电子设备针对每个初始位置,将初始位置在预设地图中的位置确定为初始位置对应的第一位置。
示例性的,第一位置包括:经度、纬度和高度。
S302、电子设备在第一位置位于预设偏差区域的情况下,获取第一采集图像。
其中,第一采集图像为预设地图中,第一位置归属区域的采集图像。
示例性的,预设偏差区域可以为预设地图中双黄线、黄线、白实线所在的区域。
示例性的,第一采集图像可以为街景。
示例性的,电子设备在第一位置位于预设地图中的双黄线的情况下,将第一位置在预设地图中归属区域的采集图像确定为第一采集图像。
S303、电子设备获取第一采集图像和第二采集图像的匹配数量。
其中,第二采集图像为初始位置对应的采集图像。
作为一种可能的实现方式,电子设备获取多个第一特征点和多个第二特征点。之后,电子设备针对每个第一特征点,在第一特征点的地图要素类别与第三特征点的地图要素类别相同、且第一特征点的位置与第三特征点的位置位于预设范围内的情况下,确定第一特征点与第三特征点匹配。然后,电子设备重复上述步骤,直至遍历多个第一特征点,得到第一采集图像和第二采集图像的匹配数量。
此步骤的具体实现方式,可以参照本申请实施例的后续描述,此处不再进行赘述。
S304、电子设备在匹配数量大于预设数量的情况下,根据初始位置、第二采集图像、第一采集图像的采集位置和第二采集图像对应的车辆位姿,确定目标位置。
作为一种可能的实现方式,电子设备在匹配数量大于预设数量的情况下,根据初始位置、第二采集图像、第一采集图像、相机位姿、第一采集图像的采集位置、第二采集图像对应的车辆位姿以及相机坐标系和世界坐标系的转换关系,确定目标位置。
示例性的,相机位姿包括车载摄像机拍摄采集图像的高度和角度。
S305、电子设备在匹配数量小于或等于预设数量的情况下,更新第一采集图像,直至匹配数量大于预设数量。
S306、电子设备在第一位置不位于预设偏差区域的情况下,确定第一位置为目标位置。
可以理解的是,由于GPS接收机存在定位误差,通过预设地图可以对GPS接收机获取的车辆的初始位置进行校正,从而实现准确且低成本的获取高精度的车辆位置。这样,可以根据车辆的目标位置构建高精度地图。
在一些实施例中,为了准确获取匹配数量,上述S303可以以如下方式实现:
S401、电子设备获取多个第一特征点和多个第二特征点。
其中,多个第一特征点为第一采集图像中灰度值满足预设灰度值条件的特征点,多个第二特征点为第二采集图像中灰度值满足预设灰度值条件的特征点。
作为一种可能的实现方式,电子设备将第一采集图像输入角点检测算法,得到多个第一特征点。之后,电子设备将第二采集图像输入角点检测算法,得到多个第二特征点。
示例性的,预设灰度条件包括:特征点的灰度值为最大灰度值,或者,特征点的灰度值为最小灰度值,或者,特征点的灰度值为连续七八个像素中灰度值最小值。
示例性的,多个第一特征点可以为第一采集图像的视觉特征,多个第二特征点可以为第二采集图像的视觉特征。
S402、电子设备针对每个第一特征点,在第一特征点的地图要素类别与第三特征点的地图要素类别相同、且第一特征点的位置与第三特征点的位置位于预设范围内的情况下,确定第一特征点与第三特征点匹配。
其中,第三特征点为多个第二特征点中的任意一个。
作为一种可能的实现方式,电子设备将第一采集图像输入语义分割模型,得到第一采集图像对应的语义图像。之后,电子设备根据第一采集图像对应的语义图像,确定多个第一特征点中每个第一特征点的地图要素类别。然后,电子设备根据第二采集图像对应的语义图像,确定多个第二特征点中每个第二特征点的地图要素类别。
接着,电子设备针对每个第一特征点,确定多个第二特征点中任意一个特征点为第三特征点。之后,电子设备判断第一特征点的道路像素类别和第三特征点的道路像素类别是否相同,并在第一特征点的道路像素类别和第三特征点的道路像素类别相同的情况下,根据第二采集图像和车载摄像机采集第二采集图像时的相机位姿,确定第二采集图像中每个像素在相机坐标系中的位置。之后,电子设备根据第二采集图像中每个像素在相机坐标系中的位置,确定第三特征点的位置。
进一步的,电子设备判断第一特征点的位置与第三特征点的位置是否位于预设范围内,并在第一特征点的位置与第三特征点的位置位于预设范围内的情况下,确定第一特征点与第三特征点匹配。电子设备在第一特征点的道路像素类别和第三特征点的道路像素类别不相同,或者,在第一特征点的位置与第三特征点的位置未位于预设范围内的情况下,从剩余的多个第二特征点中确定第三特征点,直至遍历多个第二特征点。
示例性的,地图要素类别包括:交通标志、广告牌。
示例性的,第一特征点的位置为第一特征点在第一采集图像中的像素在相机坐标系中的位置。
示例性的,相机坐标系中的位置可以构成地图要素的矢量数据。
S403、电子设备重复上述步骤,直至遍历多个第一特征点,得到第一采集图像和第二采集图像的匹配数量。
作为一种可能的实现方式,电子设备将第一特征点与第三特征点的匹配数量,确定为第一采集图像和第二采集图像的匹配数量。
作为另一种可能的实现方式,电子设备在第一特征点的地图要素类别为第一地图要素类别的情况下,确定匹配数量的权重为第一权重。之后,电子设备在第三特征点的地图要素类别为第二地图要素类别的情况下,确定匹配数量的权重为第二权重。
接着,电子设备将第一权重与地图要素类别为第一地图要素类别的匹配数量之积,确定为第一数值,将第二权重与地图要素类别为第二地图要素类别的匹配数量之积,确定为第二数值。进一步的,电子设备将第一数值与第二数值之和,确定为第一采集图像和第二采集图像的匹配数量。
示例性的,在第一地图要素类别为固定路标,第二地图要素类别为运动物体的情况下,第一权重大于第二权重。
可以理解的是,将地图要素类别作为匹配筛选条件,可以提高第一采集图像中的特征点和第二采集图像中的特征点的关联匹配准确率和效率。同时,根据特征点的位置可以准确的确定第一采集图像和第二采集图像的匹配数量。这样,可以提高后续根据匹配数量确定车辆的目标位置的效率,进一步提高构建目标地图的效率。
在一些实施例中,为了构建目标地图中的道路层,上述S203可以以如下方式实现:
S501、电子设备针对每个采集图像,根据第二位置、相机位姿、采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定采集图像中每个地图要素在世界坐标系中的位置。
其中,第二位置为采集图像对应的目标位置。
作为一种可能的实现方式,电子设备针对每个采集图像,根据第二位置、相机位姿和采集图像,确定采集图像中每个地图要素在相机坐标系中的位置。之后,电子设备根据采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系、采集图像中每个地图要素在相机坐标系中的位置,确定采集图像中每个地图要素在世界坐标系中的位置。
S502、电子设备根据每个地图要素在世界坐标系中的位置,对每个地图要素进行距离变换,得到第一距离图。
S503、电子设备根据每个地图要素在预设地图中的位置,对每个地图要素进行距离变换,得到第二距离图。
作为一种可能的实现方式,电子设备获取地图供应商提供的道路原始结构数据。之后,电子设备根据每个地图要素在预设地图中的位置和特定数据接口,对每个地图要素进行距离变换,得到第二距离图。
S504、电子设备将第一距离图与第二距离图进行边缘对齐,并根据每个地图要素在世界坐标系中的位置和每个地图要素在预设地图中的位置,构建目标地图的道路层。
作为一种可能的实现方式,电子设备将第一距离图与第二距离图进行边缘对齐,并根据每个地图要素在世界坐标系中的位置、每个地图要素在预设地图中的位置和每个地图要素在预设地图中的方向,构建目标地图的道路层。
示例性的,道路层包括道路边界拓扑信息和路口拓扑信息。
示例性的,道路层的地图要素类别包括:道路边线、道路中心线。
可以理解的是,由于通过采集图像确定到的道路层中的地图要素可能存在缺失的情况,通过预设地图中的地图要素,可以补充可能存在缺失的地图要素。这样,可以更准确的构建目标地图中的道路层。
在一些实施例中,为了构建目标地图中的车道线层和交通标志层,上述S203可以以如下方式实现:
S601、电子设备针对每个采集图像,根据第二位置、相机位姿和采集图像,确定采集图像中每个地图要素在相机坐标系中的位置。
其中,第二位置为采集图像对应的目标位置。
作为一种可能的实现方式,电子设备针对每个采集图像,根据第二位置、相机位姿、采集图像和三角化技术,确定采集图像中每个地图要素在相机坐标系中的位置。
示例性的,三角化技术满足下述表达式:
s2x2=s1Rx1+t
其中,(x1,x2)为采集图像中的像素在像素坐标系中的坐标,s1为第一尺度,s2为第二尺度,R为旋转矩阵,t为平移矩阵,∧为左乘符号。
示例性的,电子设备使用最小二乘法求解s1和s2,并根据确定像素的深度信息。之后,电子设备根据像素的深度信息,确定像素与车辆之间的距离。
S602、电子设备根据采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定采集图像中每个地图要素在世界坐标系中的位置。
示例性的,地图要素在世界坐标系中的位置包括地图要素在世界坐标系中的立体信息,立体信息包括:道路平面信息、空中要素信息。
S603、电子设备根据采集图像中每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图的车道线层。
示例性的,车道线层包括:车道边线、引导线等实际存在的车道数据。
S604、电子设备根据采集图像中每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图的交通标志层。
示例性的,交通标志层包括:地面文字箭头、停止线、交通牌、护栏、人行横道等地面和空中的交通标志。
可以理解的是,通过三角化技术可以将地图要素从像素坐标系转化为相机坐标系。之后,通过相机坐标系和世界坐标系的转换关系,可以将地图要素从相机坐标系转换为世界坐标系。这样,可以高效的构建目标地图中的车道线层和交通标志层。
在一些实施例中,为了构建目标地图中的车道线层,本申请实施例提供的方法还包括:
S701、电子设备根据采集图像对应的语义图像,确定采集图像中每个地图要素对应的分割图像。
作为一种可能的实现方式,电子设备使用分割线分割采集图像对应的语义图像,得到采集图像中每个地图要素对应的分割图像。
S702、电子设备根据每个地图要素对应的分割图像和多个预设标志图像,确定每个地图要素对应的地图要素标志。
作为一种可能的实现方式,电子设备针对每个地图要素,将地图要素对应的分割图像调整至预设尺寸。之后,电子设备根据道路标志数据库获取多个预设标志图像,并根据模板匹配算法确定地图要素对应的分割图像与多个预设标志图像中每个预设标志图像的相似度。之后,电子设备将相似度大于预设相似度的预设标志图像确定为地图要素对应的地图要素标志。
其中,模板匹配算法满足下述表达式:
其中,Si为地图要素对应的分割图像与多个预设标志图像中第i个预设标志图像的相似度,X为地图要素对应的分割图像,Ti为第i个预设标志图像,M*N为预设尺寸。
示例性的,预设尺寸可以为M*N。预设相似度可以为Sy。预设标志图像的尺寸为M*N。
S703、电子设备将每个地图要素对应的地图要素标志的几何结构信息,确定为每个地图要素的几何结构信息。
作为一种可能的实现方式,电子设备根据交通标志数据库和标线数据库,获取每个地图要素对应的地图要素标志的几何结构信息。之后,电子设备将每个地图要素对应的地图要素标志的几何结构信息,确定为每个地图要素的几何结构信息。
示例性的,几何结构信息包括:长度、宽度、高度。
S704、电子设备根据每个地图要素在世界坐标系中的位置、采集图像对应的语义图像和每个地图要素的几何结构信息,构建目标地图的车道线层。
作为一种可能的实现方式,电子设备根据每个地图要素在世界坐标系中的位置、采集图像对应的语义图像和每个地图要素的几何结构信息,构建目标地图的车道线层。
示例性的,地图要素的矢量数据包括:地图要素在相机坐标系中的位置和地图要素的几何结构信息。地图要素的矢量数据包括空间矢量结构。
可以理解的是,几何结构信息可以更准确的表示地图要素,这样,根据几何结构信息构建得到的车道线层更加准确。
在一些实施例中,为了构建目标地图中的动态物体层,上述S203可以以如下方式实现:
S801、电子设备将多个语义图像输入目标跟踪模型,得到多个第一地图要素中每个第一地图要素在多个语义图像中的预测位置。
其中,目标跟踪模型用于识别多个语义图像中的同一地图要素,并预测同一地图要素在下一语义图像中的位置。第一地图要素为多个语义图像中的同一地图要素。
作为一种可能的实现方式,电子设备将多个语义图像按照采集时间进行排序,将排序后的多个语义图像输入目标跟踪模型,得到多个第一地图要素中每个第一地图要素在多个语义图像中的预测位置和多个第一地图要素中每个第一地图要素的运动轨迹。
需要说明的是,由于相邻的两帧采集图像中会存在重叠区域,通过目标跟踪模型可以将相邻两帧采集图像中重叠区域的地图要素使用相同的标识(identity,ID)表示。同时,由于目标跟踪模型具有跨帧的共享查询功能,目标跟踪模型可以对语义图像中的地图要素进行跟踪,使得地图要素的ID在多个语义图像中保持一致。并且,由于目标跟踪模型具有卡尔曼滤波算法,卡尔曼滤波算法可以预测多个语义图像中同一地图要素在多个语义图像中的位置,因此,将多个语义图像输入目标可以得到多个语义图像中同一地图要素在多个语义图像中的预测位置。
示例性的,跨帧的共享查询功能可以由数据关联算法实现。数据关联算法可以对相邻两帧语义图像中的地图要素进行匹配。
S802、电子设备根据多个语义图像和多个第一地图要素中每个第一地图要素在多个语义图像中的预测位置,确定每个第一地图要素在多个语义图像中的位置为每个第一地图要素对应的多个第三位置,以得到多个第一地图要素中每个第一地图要素对应的多个第三位置。
S803、电子设备针对每个采集图像,根据多个第一地图要素中每个第一地图要素对应的多个第三位置、第二位置、相机位姿、采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定采集图像中每个地图要素在世界坐标系中的位置。
其中,第二位置为采集图像对应的目标位置。
作为一种可能的实现方式,电子设备针对每个采集图像,根据多个第一地图要素中每个第一地图要素对应的多个第三位置、第二位置、相机位姿和采集图像,确定采集图像中每个地图要素在相机坐标系中的位置。之后,电子设备根据采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系、采集图像中每个地图要素在相机坐标系中的位置,确定采集图像中每个地图要素在世界坐标系中的位置。
S804、电子设备根据每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图中的动态物体层。
可以理解的是,目标跟踪模型可以跟踪多个语义图像中的同一地图要素,并预测地图要素在多个语义图像中的位置。这样,结合地图要素的预测位置和地图要素在采集图像中的位置,可以更准确的确定地图要素的位置,进一步提高构建目标地图中的动态物体层的准确性。
在一些实施例中,如图3所示,提供了另一种地图构建方法,该地图构建方法包括如下步骤:
S901、电子设备将目标地图划分为道路层、车道网络层、车道线层、交通标志层和动态物体层。
作为一种可能的实现方式,电子设备根据路场景元素层级、物理关系和人工先验知识,将目标地图划分为道路层、车道网络层、车道线层、交通标志层和动态物体层。
示例性的,图4为本申请实施例提供的一种目标地图的分类示意图。如图4所示,目标地图包括:道路层、车道网络层、车道线层、交通标志层和动态物体层。道路层包括:道路边线、道路中心线。车道网络层包括:车道连接线、车道中心线、车道节点。车道线层包括:车道边线、引导线。交通标志层包括:停止线、地面交通标志、交通指示牌、道路设施。动态物体层包括:车辆、行人、其他运动物体。
示例性的,其他运动物体为除车辆、行人之外的运动物体。
示例性的,地面交通标志包括:地面文字标志、人行横道,交通指示牌包括:交通牌,道路设施包括:护栏。
可以理解的是,将目标地图划分为可以更准确的表达道路场景各个特征层。
S902、电子设备对车载传感器进行标定,并对车辆周围的交通环境进行数据采集。
示例性的,车载传感器包括:车载摄像机、惯性测量单元,GPS接收机。
示例性的,惯性测量单元可以为惯性导航系统。
示例性的,车辆根据行驶的距离阈值和时间阈值,确定关键节点。之后,电子设备根据车载摄像机拍摄的采集图像、GPS接收机采集的初始位置、惯性测量单元获取的车辆位姿,以及根据采集图像得到的视觉特征,为每个关键节点配置初始位置、采集图像、视觉特征和车辆位姿。
S903、电子设备对采集图像进行语义分割,得到地图要素的矢量数据。
作为一种可能的实现方式,电子设备将采集图像输入语义分割模型,得到采集图像中每个地图要素的地图要素类别以及每个地图要素的像素坐标。之后,电子设备根据相机位姿、采集图像、确定采集图像中每个地图要素在相机坐标系中的位置。接着,电子设备将地图要素在相机坐标系中的位置,确定为地图要素的矢量数据。
示例性的,电子设备根据地图要素的语义和属性,将地图要素划分为以下三类:一、地面标志对象,如车道线、人行横道、地面文字标志、停止线等。二、分割路面动态对象,如道路车辆、行人、自行车、动物等。三、分割空中标志对象,如交通标志牌、交通灯、路灯、广告牌等。
S904、电子设备构建道路层。
S905、电子设备构建车道网络层。
作为一种可能的实现方式,电子设备根据交通管理机构获取交叉口的地理数据和道路的地理数据。之后,电子设备将交叉口的地理数据和道路的地理数据组成道路节点。进一步的,电子设备为每个道路节点配置一个车辆的目标位置、采集图像、视觉特征和车辆位姿。
示例性的,交叉口的地理数据和道路拓扑结构的地理数据还可以通过地图数据提供商获取。
示例性的,交叉口信息的地理数据包括:位置、交通信号灯、车道数等相关数据,道路的地理数据包括:道路形状、车道标记、限速等信息。
示例性的,道路节点是道路拓扑结构中的关键点,例如交叉口、道路转弯处等。每个道路节点具备唯一的标识符。
示例性的,目标位置包括:经度、纬度和海拔。
示例性的,电子设备以渐进式方式生成可变节点与固定节点,节点之间的距离可变。固定节点是由车道属性决定的,用来描述交叉口和道路(车道)之间的连接节点。
示例性的,交叉口信息如下表达式所示:
Wm=(Cm,Rm)
其中,Cm为车道级交叉口的集合,Rm代表的道路集合。
车道级交叉口的集合如下表达式所示:
Cm=(Pm,Em,Tm)
其中,Pm是进入交叉口的车道级节点集合,Em是离开交叉口的车道级节点集合,Tm是车道级交通矩阵,表示两个车道级节点是否存在拓扑连接关系。
Tm的定义如下表达式所示:
其中,表示车辆是否以及如何从进入节点Pm,i行驶到Em,j。
道路信息如下表达式所示:
rm=(L,cin,cout,Qr)
其中,L是车道集合,cin和cout是根据道路上交通方向的入口和出口交叉口索引,Qr是道路属性。
车道集合的定义为:
L=(Sl,Ql)
其中,Sl是车道中心线上的控制节点,Ql是车道属性集,包括车道宽度、速度限制、车道长度。
S906、电子设备构建车道线层、交通标志层。
S907、电子设备构建动态物体层。
需要说明的是,在本申请实施例中,本申请对S904、S905、S906、S907的执行顺序不作限定。例如,电子设备可以同时执行S904、S905、S906、S907,电子设备也可以依次执行S904、S905、S906、S907,电子设备还可以先同时执行S904、S905,再依次执行S906、S907。
S908、电子设备进行地图多层级融合。
作为一种可能的实现方式,电子设备基于交通标识指引信息对道路路口进行扩展,根据道路矢量数据中的要素数据拟合,形成道路中心线及车道中心线等。之后,电子设备对道路要素数据进行分组处理,按照“图层-要素-属性”的数据逻辑组织模型对数据进行划分。进一步的,电子设备将道路路面矢量数据逐级分为道路层、车道网层和车道线层,将空中矢量数据分布按照其类型、分布位置及属性信息进行分类,整合成交通标志层和动态物体层。接着,电子设备对道路层、车道网络层、交通标志层、车道线层和动态物体层进行逐层关联。
可以理解的是,上述方法利用车辆的位置信息将车载传感器的感知结果和先验导航地图进行融合,实现地图层间数据关联,建立序列数据时空关联约束,构建高精度地图。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能,地图构建装置或电子设备包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法,示例性的对地图构建装置或电子设备进行功能模块的划分,例如,地图构建装置或电子设备可以包括对应各个功能划分的各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
图5是根据一示例性实施例示出的一种地图构建装置的框图。参照图5,该地图构建装置1000包括获取单元1001、确定单元1002和构建单元1003。
获取单元1001,用于获取车辆的多个初始位置、与多个初始位置一一对应的多个采集图像、与多个采集图像一一对应的多个语义图像、与多个采集图像一一对应的多个车辆位姿。一个语义图像包括与一个语义图像对应的采集图像中,每个像素对应的地图要素类别。一个语义图像为根据一个语义图像对应的采集图像和预设语义模型确定的。
确定单元1002,用于根据多个初始位置、多个采集图像、多个语义图像、多个车辆位姿和预设地图,确定车辆的多个目标位置。
构建单元1003,用于根据多个目标位置、多个采集图像、多个语义图像和多个车辆位姿,构建目标地图。
可选的,为了准确确定车辆的目标位置,如图5所示,上述确定单元1002,具体用于:
针对每个初始位置,将初始位置在预设地图中的位置确定为初始位置对应的第一位置。
在第一位置位于预设偏差区域的情况下,获取第一采集图像。第一采集图像为预设地图中,第一位置归属区域的采集图像。
获取第一采集图像和第二采集图像的匹配数量。第二采集图像为初始位置对应的采集图像。
在匹配数量大于预设数量的情况下,根据初始位置、第二采集图像、第一采集图像的采集位置和第二采集图像对应的车辆位姿,确定目标位置。
在匹配数量小于或等于预设数量的情况下,更新第一采集图像,直至匹配数量大于预设数量。
在第一位置不位于预设偏差区域的情况下,确定第一位置为目标位置。
可选的,为了准确获取匹配数量,上述确定单元1002,具体用于:
获取多个第一特征点和多个第二特征点。多个第一特征点为第一采集图像中灰度值满足预设灰度值条件的特征点,多个第二特征点为第二采集图像中灰度值满足预设灰度值条件的特征点。
针对每个第一特征点,在第一特征点的地图要素类别与第三特征点的地图要素类别相同、且第一特征点的位置与第三特征点的位置位于预设范围内的情况下,确定第一特征点与第三特征点匹配。第三特征点为多个第二特征点中的任意一个。
重复上述步骤,直至遍历多个第一特征点,得到第一采集图像和第二采集图像的匹配数量。
可选的,为了构建目标地图中的道路层,如图5所示,上述构建单元1003,具体用于:
针对每个采集图像,根据第二位置、相机位姿、采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定采集图像中每个地图要素在世界坐标系中的位置。第二位置为采集图像对应的目标位置。
根据每个地图要素在世界坐标系中的位置,对每个地图要素进行距离变换,得到第一距离图。
根据每个地图要素在预设地图中的位置,对每个地图要素进行距离变换,得到第二距离图。
将第一距离图与第二距离图进行边缘对齐,并根据每个地图要素在世界坐标系中的位置和每个地图要素在预设地图中的位置,构建目标地图的道路层。
可选的,为了构建目标地图中的车道线层和交通标志层,如图5所示,上述构建单元1003,具体用于:
针对每个采集图像,根据第二位置、相机位姿和采集图像,确定采集图像中每个地图要素在相机坐标系中的位置。第二位置为采集图像对应的目标位置。
根据采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定采集图像中每个地图要素在世界坐标系中的位置。
根据采集图像中每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图的车道线层。
根据采集图像中每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图的交通标志层。
可选的,为了构建目标地图中的车道线层,如图5所示,确定单元1002,还用于,
根据采集图像对应的语义图像,确定采集图像中每个地图要素对应的分割图像。
确定单元1002,还用于根据每个地图要素对应的分割图像和多个预设标志图像,确定每个地图要素对应的地图要素标志。
确定单元1002,还用于将每个地图要素对应的地图要素标志的几何结构信息,确定为每个地图要素的几何结构信息。
构建单元1003,具体用于根据每个地图要素在世界坐标系中的位置、采集图像对应的语义图像和每个地图要素的几何结构信息,构建目标地图的车道线层。
可选的,为了构建目标地图中的动态物体层,如图5所示,上述构建单元1003,具体用于:
将多个语义图像输入目标跟踪模型,得到多个第一地图要素中每个第一地图要素在多个语义图像中的预测位置。目标跟踪模型用于识别多个语义图像中的同一地图要素,并预测同一地图要素在下一语义图像中的位置。第一地图要素为多个语义图像中的同一地图要素。
根据多个语义图像和多个第一地图要素中每个第一地图要素在多个语义图像中的预测位置,确定每个第一地图要素在多个语义图像中的位置为每个第一地图要素对应的多个第三位置,以得到多个第一地图要素中每个第一地图要素对应的多个第三位置。
针对每个采集图像,根据多个第一地图要素中每个第一地图要素对应的多个第三位置、第二位置、相机位姿、采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定采集图像中每个地图要素在世界坐标系中的位置。第二位置为采集图像对应的目标位置。
根据采集图像中每个地图要素在世界坐标系中的位置和采集图像对应的语义图像,构建目标地图中的动态物体层。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图6是根据一示例性实施例示出的一种电子设备的框图。如图6所示,电子设备1100包括但不限于:处理器1101和存储器1102。
其中,上述的存储器1102,用于存储上述处理器1101的可执行指令。可以理解的是,上述处理器1101被配置为执行指令,以实现上述实施例中的地图构建方法。
需要说明的是,本领域技术人员可以理解,图6中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图6所示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
处理器1101是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器1102内的软件程序和/或模块,以及调用存储在存储器1102内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。处理器1101可包括一个或多个处理单元。可选的,处理器1101可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器1101中。
存储器1102可用于存储软件程序以及各种数据。存储器1102可主要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、至少一个功能模块所需的应用程序(比如获取单元、确定单元以及构建单元)等。此外,存储器1102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、或其他易失性固态存储器件。
在示例性实施例中,还提供了一种包括指令的计算机可读存储介质,例如包括指令的存储器1102,上述指令可由电子设备1100的处理器1101执行以实现上述实施例中的地图构建方法。
在实际实现时,图5中的获取单元1001、确定单元1002以及构建单元1003的功能均可以由图6中的处理器1101调用存储器1102中存储的计算机程序实现。其具体的执行过程可参考上实施例中的地图构建方法部分的描述,这里不再赘述。
可选地,计算机可读存储介质可以是非临时性计算机可读存储介质,例如,该非临时性计算机可读存储介质可以是只读存储器(read-only memory,ROM)、随机存储存储器(random access memory,RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,本申请实施例还提供了一种车辆,该车辆包括电子控制单元、继电器、蓄电池以及执行上述第一方面及其任一种可能的实施方式的方法的电子水泵。
在示例性实施例中,本申请实施例还提供了一种包括一条或多条指令的计算机程序产品,该一条或多条指令可以由电子设备的处理器执行以完成上述实施例中的地图构建方法。
需要说明的是,上述计算机可读存储介质中的指令或计算机程序产品中的一条或多条指令被电子设备的处理器执行时实现上述地图构建方法实施例的各个过程,且能达到与上述地图构建方法相同的技术效果,为避免重复,这里不再赘述。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种地图构建方法,其特征在于,所述方法包括:
获取车辆的多个初始位置、与所述多个初始位置一一对应的多个采集图像、与所述多个采集图像一一对应的多个语义图像、与所述多个采集图像一一对应的多个车辆位姿;一个语义图像包括与所述一个语义图像对应的采集图像中,每个像素对应的地图要素类别;所述一个语义图像为根据所述一个语义图像对应的采集图像和预设语义模型确定的;
根据所述多个初始位置、所述多个采集图像、所述多个语义图像、所述多个车辆位姿和预设地图,确定所述车辆的多个目标位置;
根据所述多个目标位置、所述多个采集图像、所述多个语义图像和所述多个车辆位姿,构建目标地图。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个初始位置、所述多个采集图像、所述多个语义图像、所述多个车辆位姿和预设地图,确定所述车辆的多个目标位置,包括:
针对每个初始位置,将所述初始位置在所述预设地图中的位置确定为所述初始位置对应的第一位置;
在所述第一位置位于预设偏差区域的情况下,获取第一采集图像;所述第一采集图像为所述预设地图中,所述第一位置归属区域的采集图像;
获取所述第一采集图像和第二采集图像的匹配数量;所述第二采集图像为所述初始位置对应的采集图像;
在所述匹配数量大于预设数量的情况下,根据所述初始位置、所述第二采集图像、所述第一采集图像的采集位置和所述第二采集图像对应的车辆位姿,确定所述目标位置;
在所述匹配数量小于或等于所述预设数量的情况下,更新所述第一采集图像,直至所述匹配数量大于所述预设数量;
在所述第一位置不位于所述预设偏差区域的情况下,确定所述第一位置为所述目标位置。
3.根据权利要求2所述的方法,其特征在于,所述获取所述第一采集图像和第二采集图像的匹配数量,包括:
获取多个第一特征点和多个第二特征点;所述多个第一特征点为所述第一采集图像中灰度值满足预设灰度值条件的特征点,所述多个第二特征点为所述第二采集图像中灰度值满足所述预设灰度值条件的特征点;
针对每个第一特征点,在所述第一特征点的地图要素类别与第三特征点的地图要素类别相同、且所述第一特征点的位置与所述第三特征点的位置位于预设范围内的情况下,确定所述第一特征点与所述第三特征点匹配;所述第三特征点为所述多个第二特征点中的任意一个;
重复上述步骤,直至遍历所述多个第一特征点,得到所述第一采集图像和所述第二采集图像的匹配数量。
4.根据权利要求1所述的方法,其特征在于,在所述目标地图包括道路层的情况下,所述根据所述多个目标位置、所述多个采集图像、所述多个语义图像和所述多个车辆位姿,构建目标地图,包括:
针对每个采集图像,根据第二位置、相机位姿、所述采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定所述采集图像中每个地图要素在所述世界坐标系中的位置;所述第二位置为所述采集图像对应的目标位置;
根据所述每个地图要素在所述世界坐标系中的位置,对所述每个地图要素进行距离变换,得到第一距离图;
根据所述每个地图要素在所述预设地图中的位置,对所述每个地图要素进行距离变换,得到第二距离图;
将所述第一距离图与所述第二距离图进行边缘对齐,并根据所述每个地图要素在所述世界坐标系中的位置和所述每个地图要素在所述预设地图中的位置,构建所述目标地图的道路层。
5.根据权利要求1所述的方法,其特征在于,在所述目标地图包括车道线层和交通标志层的情况下,所述根据所述多个目标位置、所述多个采集图像、所述多个语义图像和所述多个车辆位姿,构建目标地图,包括:
针对每个采集图像,根据第二位置、相机位姿和所述采集图像,确定所述采集图像中每个地图要素在相机坐标系中的位置;所述第二位置为所述采集图像对应的目标位置;
根据所述采集图像对应的车辆位姿、所述相机坐标系与世界坐标系的转换关系,确定所述采集图像中每个地图要素在所述世界坐标系中的位置;
根据所述采集图像中每个地图要素在所述世界坐标系中的位置和所述采集图像对应的语义图像,构建所述目标地图的车道线层;
根据所述采集图像中每个地图要素在所述世界坐标系中的位置和所述采集图像对应的语义图像,构建所述目标地图的交通标志层。
6.根据权利要求5所述的方法,其特征在于,在所述根据所述采集图像中每个地图要素在所述世界坐标系中的位置和所述采集图像对应的语义图像,构建所述目标地图的车道线层之前,所述方法还包括:
根据所述采集图像对应的语义图像,确定所述采集图像中每个地图要素对应的分割图像;
根据所述每个地图要素对应的分割图像和多个预设标志图像,确定所述每个地图要素对应的地图要素标志;
将所述每个地图要素对应的地图要素标志的几何结构信息,确定为所述每个地图要素的几何结构信息;
所述根据所述采集图像中每个地图要素在所述世界坐标系中的位置和所述采集图像对应的语义图像,构建所述目标地图的车道线层,包括:
根据所述每个地图要素在所述世界坐标系中的位置、所述采集图像对应的语义图像和所述每个地图要素的几何结构信息,构建所述目标地图的车道线层。
7.根据权利要求1所述的方法,其特征在于,在所述目标地图包括动态物体层的情况下,所述根据所述多个目标位置、所述多个采集图像、所述多个语义图像和所述多个车辆位姿,构建目标地图,包括:
将所述多个语义图像输入目标跟踪模型,得到多个第一地图要素中每个第一地图要素在所述多个语义图像中的预测位置;所述目标跟踪模型用于识别所述多个语义图像中的同一地图要素,并预测所述同一地图要素在下一语义图像中的位置;所述第一地图要素为所述多个语义图像中的同一地图要素;
根据所述多个语义图像和所述多个第一地图要素中每个第一地图要素在所述多个语义图像中的预测位置,确定所述每个第一地图要素在所述多个语义图像中的位置为所述每个第一地图要素对应的多个第三位置,以得到所述多个第一地图要素中每个第一地图要素对应的多个第三位置;
针对每个采集图像,根据所述多个第一地图要素中每个第一地图要素对应的多个第三位置、第二位置、相机位姿、所述采集图像对应的车辆位姿、相机坐标系与世界坐标系的转换关系,确定所述采集图像中每个地图要素在所述世界坐标系中的位置;所述第二位置为所述采集图像对应的目标位置;
根据所述采集图像中每个地图要素在所述世界坐标系中的位置和所述采集图像对应的语义图像,构建所述目标地图中的动态物体层。
8.一种地图构建装置,其特征在于,所述装置包括:获取单元、确定单元和构建单元;
所述获取单元,用于获取车辆的多个初始位置、与所述多个初始位置一一对应的多个采集图像、与所述多个采集图像一一对应的多个语义图像、与所述多个采集图像一一对应的多个车辆位姿;一个语义图像包括与所述一个语义图像对应的采集图像中,每个像素对应的地图要素类别;所述一个语义图像为根据所述一个语义图像对应的采集图像和预设语义模型确定的;
所述确定单元,用于根据所述多个初始位置、所述多个采集图像、所述多个语义图像、所述多个车辆位姿和预设地图,确定所述车辆的多个目标位置;
所述构建单元,用于根据所述多个目标位置、所述多个采集图像、所述多个语义图像和所述多个车辆位姿,构建目标地图。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中存储的计算机执行指令由电子设备的处理器执行时,所述电子设备能够执行如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410070513.3A CN117948963A (zh) | 2024-01-16 | 2024-01-16 | 地图构建方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410070513.3A CN117948963A (zh) | 2024-01-16 | 2024-01-16 | 地图构建方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117948963A true CN117948963A (zh) | 2024-04-30 |
Family
ID=90804292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410070513.3A Pending CN117948963A (zh) | 2024-01-16 | 2024-01-16 | 地图构建方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117948963A (zh) |
-
2024
- 2024-01-16 CN CN202410070513.3A patent/CN117948963A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210172756A1 (en) | Lane line creation for high definition maps for autonomous vehicles | |
US11423677B2 (en) | Automatic detection and positioning of pole-like objects in 3D | |
US10296828B2 (en) | Learning a similarity measure for vision-based localization on a high definition (HD) map | |
US11645839B2 (en) | Lane feature detection in aerial images based on road geometry | |
US11590989B2 (en) | Training data generation for dynamic objects using high definition map data | |
US11514682B2 (en) | Determining weights of points of a point cloud based on geometric features | |
US11232582B2 (en) | Visual localization using a three-dimensional model and image segmentation | |
CN113034566B (zh) | 高精度地图构建方法、装置、电子设备及存储介质 | |
US10152635B2 (en) | Unsupervised online learning of overhanging structure detector for map generation | |
US20200132472A1 (en) | Method, apparatus, and system for location correction based on feature point correspondence | |
US20230046926A1 (en) | 3d building generation using topology | |
EP3896394A1 (en) | Method and apparatus for self localization | |
US20230121226A1 (en) | Determining weights of points of a point cloud based on geometric features | |
CN115344655A (zh) | 地物要素的变化发现方法、装置及存储介质 | |
US20230280185A1 (en) | Method and apparatus for generating maps from aligned geospatial observations | |
US20230280184A1 (en) | Method and apparatus for generating maps from aligned geospatial observations | |
CN113227713A (zh) | 生成用于定位的环境模型的方法和系统 | |
CN117948963A (zh) | 地图构建方法、装置、设备及存储介质 | |
US20230280186A1 (en) | Method and apparatus for generating maps from aligned geospatial observations | |
CN113822932B (zh) | 设备定位方法、装置、非易失性存储介质及处理器 | |
US20240013554A1 (en) | Method, apparatus, and system for providing machine learning-based registration of imagery with different perspectives | |
US20230194650A1 (en) | Positioning using locally unique neighbor cell identifiers | |
Zhuy et al. | On the Ecosystem of High-Definition (HD) Maps | |
Tian | Methodologies and Applications of Data Coordinate Conversion for Roadside LiDAR | |
Zang et al. | Lane Boundary Geometry Extraction from Satellite Imagery |
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 |