JP2023002757A - 高精度地図作成方法、装置及び電子機器 - Google Patents
高精度地図作成方法、装置及び電子機器 Download PDFInfo
- Publication number
- JP2023002757A JP2023002757A JP2022171511A JP2022171511A JP2023002757A JP 2023002757 A JP2023002757 A JP 2023002757A JP 2022171511 A JP2022171511 A JP 2022171511A JP 2022171511 A JP2022171511 A JP 2022171511A JP 2023002757 A JP2023002757 A JP 2023002757A
- Authority
- JP
- Japan
- Prior art keywords
- point cloud
- target
- frame
- nodes
- block
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000010586 diagram Methods 0.000 claims abstract description 81
- 238000005457 optimization Methods 0.000 claims description 30
- 238000013507 mapping Methods 0.000 claims description 27
- 230000000875 corresponding effect Effects 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005304 joining Methods 0.000 claims description 9
- 230000002596 correlated effect Effects 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 11
- 230000004927 fusion Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000001902 propagating effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/77—Determining position or orientation of objects or cameras using statistical methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/40—High definition maps
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20072—Graph-based image processing
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/56—Particle system, point based geometry or rendering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
【課題】作成された高精度地図の品質を向上させる高精度地図作成方法、装置及び電子機器を提供する。【解決手段】方法は、目標領域に対して収集された点群データを取得する。前記点群データは、Kフレームの点群と各フレームの点群の初期位置姿勢を含み、Kは1より大きい整数である。方法はさらに、前記初期位置姿勢に基づいて前記Kフレームの点群を相互に関連付けて、前記Kフレームの点群の第一点群関係図を得て、前記第一点群関係図及び前記初期位置姿勢に基づいて、前記Kフレームの点群に対して点群レジストレーションを行って、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を得て、前記目標相対位置姿勢に基づいて前記Kフレームの点群を接合して、前記目標領域の点群地図を得る。【選択図】図1
Description
本開示はデータ処理技術分野に関し、特に自動運転技術分野に関し、具体的には高精度地図作成方法、装置及び電子機器に関する。
高精度地図は精度の高い地図とも呼ばれ、自動運転自動車に用いられる。高精度地図は、正確な車両位置情報と豊富な道路要素データ情報を有し、自動車が路面の複雑な状況、例えば勾配、曲率、方位等を予知することを助けて、潜在的なリスクをよりよく回避することができる。自動運転技術の発展に伴い、高精度地図の規模について都市全体さらに全国範囲を徐々にカバーすることが求められる。高精度地図の再作成を完了するために、一般的には点群データを収集し、収集された点群データに基づいて地理的空間分布でブロック化することにより、ブロック化されたブロックに基づいて高精度地図を作成する必要がある。
現在、高精度地図作成の場合、一般的にはブロック間の一致性を最適化し、その後に最適化されたブロックに基づいて接合するこよにより、高精度地図作成を実現する必要がある。
本開示は高精度地図作成方法、装置及び電子機器を提供する。
本開示の第一態様によれば、高精度地図作成方法を提供し、目標領域に対して収集された点群データを取得することであって、前記点群データが、Kフレームの点群と各フレームの点群の初期位置姿勢を含み、Kは1より大きい整数であることと、前記初期位置姿勢に基づいて前記Kフレームの点群を相互に関連付けて、前記Kフレームの点群の第一点群関係図を得ることと、前記第一点群関係図及び前記初期位置姿勢に基づいて、前記Kフレームの点群に対して点群レジストレーションを行って、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を得ることと、前記目標相対位置姿勢に基づいて前記Kフレームの点群を接合して、前記目標領域の点群地図を得ることとを含む。
本開示の第二態様によれば、高精度地図作成装置を提供し、目標領域に対して収集された点群データを取得するために用いられる第一取得モジュールであって、前記点群データはKフレームの点群と各フレームの点群の初期位置姿勢を含み、Kは1より大きい整数である第一取得モジュールと、前記初期位置姿勢に基づいて前記Kフレームの点群を相互に関連付けて、前記Kフレームの点群の第一点群関係図を得るために用いられる関連付けモジュールと、前記第一点群関係図及び前記初期位置姿勢に基づいて、前記Kフレームの点群に対して点群レジストレーションを行って、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を得るために用いられる点群レジストレーションモジュールと、前記目標相対位置姿勢に基づいて前記Kフレームの点群を接合して、前記目標領域の点群地図を得るために用いられる接合モジュールとを備える。
本開示の第三態様によれば、電子機器を提供し、少なくとも一つのプロセッサと、少なくとも一つのプロセッサと通信接続されるメモリと、を備え、メモリは少なくとも一つのプロセッサが実行可能な指令を記憶し、該指令は少なくとも一つのプロセッサにより実行されることにより、少なくとも一つのプロセッサが第一態様のいずれかの方法を実行することができる。
本開示の第四態様によれば、コンピュータ指令を記憶する非一時的なコンピュータ読み取り可能な記憶媒体を提供し、該コンピュータ指令はコンピュータに第一態様のいずれかの方法を実行させるために用いられる。
本開示の第五態様によれば、コンピュータプログラムを提供し、該コンピュータプログラムはプロセッサにより実行される場合に第一態様のいずれかの方法を実現する。
本開示の技術に基づいて、高精度地図におけるブロック全体の移動による変形という問題を解決し、作成された高精度地図の品質を向上させる。
理解すべきように、本部分に記載された内容は本開示の実施例のキー又は重要な特徴を標識することを意図するものではなく、本開示の範囲を限定するものではない。本開示の他の特徴は以下の説明により容易に理解できる。
図面は本解決手段をよりよく理解するために用いられ、本開示を限定するものではない。
以下に図面を参照しながら本開示の例示的な実施例を説明し、ここで本開示の実施例の様々な詳細を含んで理解に役立ち、それらを例示的なものと考えるべきである。したがって、当業者であれば理解すべきように、本開示の範囲及び精神から逸脱せずに、ここで説明した実施例に対して様々な変更及び修正を行うことができる。同様に、明確かつ簡単に説明するために、以下の説明において公知の機能及び構造に対する説明を省略する。
第一実施例
図1に示すように、本開示は高精度地図作成方法を提供し、以下のステップを含む。
ステップS101:目標領域に対して収集された点群データを取得する。前記点群データはKフレームの点群と各フレームの点群の初期位置姿勢を含む。
図1に示すように、本開示は高精度地図作成方法を提供し、以下のステップを含む。
ステップS101:目標領域に対して収集された点群データを取得する。前記点群データはKフレームの点群と各フレームの点群の初期位置姿勢を含む。
ここで、Kは1より大きい整数である。
本実施例において、高精度地図作成方法はデータ処理技術分野に関し、特に自動運転技術分野に関し、無人運転及び知能運転などのシーンに広く応用することができる。本開示の実施例の高精度地図作成方法は、本開示の実施例の高精度地図作成装置により実行することができる。本開示の実施例の高精度地図作成装置は任意の電子機器に配置されて、本開示の実施例の高精度地図作成方法を実行することができる。該電子機器はサーバであってもよく、端末であってもよく、ここでは具体的な限定をしない。
該ステップにおいて、目標領域とは空間概念の任意の領域を指すことができ、ある国、ある都市、ある市街地又はある団地などであってもよく、ここでは具体的な限定をしない。
点群データとは該目標領域内の点群データを指すことができ、該点群データは高精度地図作成の初期データとして、目標領域の点群地図を作成することができ、該点群地図は三次元3D点で作成された高精度地図を指すことができ、自動運転や知能運転などの応用シーンに用いることができる。
該点群データはKフレームの点群を含むことができ、ここで、点群とは三次元座標システムにおける一組のベクトルの集合を指すことができ、これらのベクトルは一般的にはX、Y及びZの三次元座標の形式で表され、一般的には物体の外表面の形状を示すために用いられる。一フレームの点群と一フレームの画像との相違点として、一フレームの点群は三次元3Dのマルチメディアデータであることに対して、一フレームの画像は2Dのマルチメディアデータであり、視覚Visual LiDARオドメトリ等により物体表面の一定の範囲内の点を走査して、一フレームの点群を得ることができる。目標領域に収集されたKフレームの点群は、一般的には該目標領域の外表面の形状を示すために用いることができ、それにより該Kフレームの点群に基づいて該目標領域の点群地図を作成することができる。
各フレームの点群は一つの初期位置姿勢を有し、それに対応して、該点群データも各フレームの点群の初期位置姿勢を含むことができ、初期位置姿勢とは該フレームの点群の収集時の位置を指すことができ、車両により点群データを収集すれば、車両が一フレームの点群を収集する時の位置は該フレームの点群の初期位置姿勢を示すことができ、該初期位置は3Dであってもよく、例えば、一フレームの点群の初期位置姿勢は経度、緯度及び標高を含むことができる。本実施例の目的は、このKフレームの点群及びこのKフレームの点群の初期位置姿勢で表される各フレームの点群の収集時間の順序及び空間収集距離に基づいて、各フレームの点群の相対位置姿勢、即ち各フレームの点群の接合位置を決定することにより、各フレームの点群の相対位置姿勢に基づいてKフレームの点群を接合することにより該目標領域の点群地図を作成することである。
レーザレーダLiDARによる同期測位と地図作成(Simultaneous Localization And Mapping、SLAM)技術、グローバル測位システム(Global Positioning System、GPS)又は慣性測定ユニット(Inertial Measurement Unit、IMU)により該点群データを取得することができる。
具体的には収集ツール例えば車両に視覚Visual LiDAR、全地球航法衛星システム(Global Navigation Satellite System、GNSS)、GPS又はIMU等を取り付け、車両の目標領域内での走行過程で、各フレームの点群を収集すると同時に、位置測位技術を用いて車両を初期測位し、例えば、GPS+IMUにより、オドメトリOdometry又はSLAMなどの方式を採用して車両を初期測位することにより、点群データを得ることができる。
車両が目標領域内での走行過程で収集されたデータに対して、収集されたデータを目標領域に対して収集された点群データとしてそのまま決定してもよく、Visual LiDARオドメトリ及びGNSS位置処理等の技術により収集されたデータに後処理を行て、時間的に連続的で信頼度推定(Confidence estimation)を有する一組の初期軌跡(該初期軌跡は各フレームの点群の初期位置姿勢を含み)及び動き補償後の各フレームの点群を得て、目標領域に対して収集された点群データを得ることができ、得られた点群データは高精度地図作成の基礎データとすることができる。
前記点群データは目標領域の一本の点群収集軌跡に対して得られてもよく、点群データが目標領域を完全にカバーするために、目標領域の複数本の点群収集軌跡に対して得られてもよく、ここでは具体的な限定をしない。また、点群データが目標領域の複数本の点群収集軌跡に対して得られる場合、各本の点群収集軌跡で収集されたデータをそれぞれダウンサンプリングすることにより、車両が交差点で静止する場合などに収集された不要又は利用不可能なデータを濾過することができ、このように点群収集軌跡の収集バッチに応じて分散並列化を行うことができ、データ処理の効率を向上させ、それにより高精度地図作成の効率を向上させる。
なお、高精度地図作成装置の該点群データに対する取得方式は複数種を含み、例えば、視覚Visual LiDAR、全地球航法衛星システム(Global Navigation Satellite System、GNSS)、GPS又はIMU等を取り付けて、該点群データを収集してもよく、他の電子機器例えば収集車両の車載装置から送信された目標領域に対して収集された点群データを受信してもよく、目標領域に対して収集された予め記憶された点群データを取得してもよく、又はネットワークから目標領域に対して収集された点群データをダウンロードしてもよい。
ステップS102:前記初期位置姿勢に基づいて前記Kフレームの点群を相互に関連付けて、前記Kフレームの点群の第一点群関係図を得る。
該ステップにおいて、該初期位置姿勢に基づいて、時間次元及び/又は空間次元でKフレームの点群を相互に関連付けることにより、Kフレームの点群の関連付け関係を確立して、前記Kフレームの点群の第一点群関係図を得ることができる。第一点群関係図はこのKフレームの点群における各フレームの点群の間の関連付け関係を表すことができ、第一点群関係図の表現形式はk-dimensionalツリー(kd-tree)であってもよく、ノード図であってもよく、ここでは具体的な限定をしない。ここで、kd-treeはk次元空間内の実例点を記憶し、それを迅速に検索するツリーデータ構造である。
例えば、目標領域の同一点群収集軌跡に対して、時間順序で順次収集された各フレームの点群を相互に関連付けることができ、すなわち点群収集軌跡の方向に応じて、該点群収集軌跡に基づいて隣接する時間に収集された各フレームの点群を相互に関連付けることができる。すなわち、目標領域における点群収集軌跡の方向を縦方向とすると、このような関連付け方式は縦方向関連付けと呼ばれてもよい。
一例を挙げると、一本の点群収集軌跡に基づいてデータ収集を行って、3フレームの点群を得て、収集された時間順序は点群A1、点群A2及び点群A3であり、点群A1と点群A2を関連付け、点群A2と点群A3を関連付けて、これらの3フレームの点群の関連付け関係を得ることができる。
また、例えば、各フレームの点群の初期位置姿勢に基づいて各フレームの点群の間の収集距離を決定し、各フレームの点群と各フレームの点群からの距離が所定の範囲内例えば30メートル内の他のフレームの点群とを相互に関連付けることができ、このような関連付け方式は空間距離に基づいて点群関連付けを行う。
一例を挙げると、点群データは3フレームの点群を含むことができ、それぞれ点群B1、点群B2及び点群B3であり、点群B1と点群B2との間の収集距離が15メートルであり、点群B2と点群B3との間の収集距離が18メートルであり、点群B1と点群B3との収集距離が33メートルである場合、点群B1と点群B2とを関連付け、点群B2と点群B3とを関連付けて、これらの3フレームの点群の関連付け関係を得ることができる。
さらに例えば、目標領域における異なる点群収集軌跡に対して、異なる点群収集軌跡で収集された同じ道路区間の各フレームの点群を相互に関連付けることができる。すなわち第一点群収集軌跡に基づいて収集された第一目標フレームの点群と第二点群収集軌跡に基づいて収集された第二目標フレームの点群とを相互に関連付け、第一点群収集軌跡と第二点群収集軌跡は目標領域に対する異なる点群収集軌跡であり、第二目標フレームの点群は第一点群収集軌跡方向の垂直方向に位置し、かつ第二目標フレームの点群の初期位置姿勢は第一目標フレームの点群の初期位置姿勢に隣接する。すなわち、目標領域に対する第一点群収集軌跡の方向の垂直方向を横方向とすれば、横方向の距離抑制、すなわち他の点群収集軌跡に対応する点群データから第一目標フレームの点群に近い他のフレームの点群、例えば直接的又は間接的に隣接する第二目標フレームの点群を検索することにより、同じ道路区間を通る点群の最小集合を検索して得て、かつ検索された第二目標フレームの点群と第一目標フレームの点群をと関連付け、ここで、第一目標フレームの点群は第一点群収集軌跡上のいずれかのフレームの点群であってもよく、このような関連付け方式は横方向関連付けと呼ばれてもよい。
一例を挙げると、目標領域に対する点群収集軌跡は二本の点群収集軌跡を含み、それぞれ点群収集軌跡C1と点群収集軌跡C2であり、点群収集軌跡C1に基づいて目標道路区間に収集された点群データは点群D1、点群D2及び点群D3を含むことができ、点群収集軌跡C2に基づいて目標道路区間に収集された点群データは点群E1、点群E2及び点群E3を含むことができ、点群収集軌跡C1上のいずれかのフレームの点群に対して、点群収集軌跡C2上の該フレームの点群の収集位置から最も近い他のフレームの点群を検索することができる。
点群D1と点群E1との間の距離が近く、点群D2と点群E2との間の距離が近く、点群D3と点群E3との間の距離が近い場合、点群D1と点群E1とを関連付け、点群D2と点群E2とを関連付け、点群D3と点群E3とを関連付けて、この6フレームの点群の間の関連付け関係を得ることができる。
また、分散並列化を実現し、高精度地図作成の効率を向上させるために、まず各フレームの点群の初期位置姿勢に基づいてKフレームの点群をブロックに応じて分割して、M個のブロックを得ることができ、隣接するブロックの間に同一の少なくとも一フレームの点群が存在し、すなわち隣接するブロックにある点群が重畳することにより、各ブロックの間にデータ関連付けが存在することを保証する。各ブロックに対して、時間次元及び/又は空間次元で各ブロックの各フレームの点群を相互に関連付けることにより、該ブロックにおける各フレームの点群の関連付け関係を確立し、その後、各ブロックの間のデータ関連付け及び各ブロック内の各フレームの点群のデータ関連付けに基づいて、Kフレームの点群の関連付け関係を確立して、Kフレームの点群の第一点群関係図を得ることができる。
ステップS103:前記第一点群関係図及び前記初期位置姿勢に基づいて、前記Kフレームの点群に対して点群レジストレーションを行って、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を得る。
該ステップにおいて、点群レジストレーションとは点群融合を指すことができ、すなわち各フレームの点群の位置姿勢を最適化して、各フレームの点群の相対位置姿勢を得ることにより、各フレームの点群の相対位置姿勢に基づいて点群融合を行うことができる。つまり、Kフレームの点群における各フレームの点群の間の相対位置を決定することにより、該相対位置に基づいて各フレームの点群を接合することができ、それにより各フレームの点群を融合して点群地図を得る。
第一点群関係図及び各フレームの点群の初期位置姿勢に基づいて、最大事後推定(Maximum A Posteriori、MAP)又は最尤推定(Maximum Likelihood Estimation、MLE)等の方式を採用して、Kフレームの点群に対して点群レジストレーションを行って、Kフレームの点群における各フレームの点群の目標相対位置姿勢を得ることができる。
MAPを例として、点群レジストレーションすなわち点群融合という融合問題をMAP問題に変換することができ、Kフレームの点群における各フレームの点群の初期位置姿勢をMAP問題の事前検証priorとし、第一点群関係図を点群間のレジストレーション測定条件とし、同時に点群間のレジストレーション最適化をMAP問題の尤度likelihoodとすることができる。
上記MAP問題の最適化過程で、ベイズ(Bayes)構造により、Kフレームの点群中の各フレームの点群を一つのノードとして、Kフレームの点群に一対一に対応するK個のノードを得て、第一点群関係図における各フレームの点群の関連付け関係をK個のノードの辺制約として、初期位置姿勢に基づいてK個のノードの位置姿勢を最適化する。また、該MAP問題を非線形最小二乗問題に変換することができ、同時に非線形最適化ライブラリCeresを用いて該非線形最小二乗問題に対して反復最適化を行って、最終的にはK個のノードにおける各ノードの第一相対位置姿勢を得る。
第一相対位置姿勢を点群の目標相対位置姿勢として決定してもよく、第一相対位置姿勢を決定した後に、第一相対位置姿勢に基づいてK個のノードにおける目標ノードの関連付け関係を決定し、かつそれを目標ノードの辺制約として、目標ノードに対して位置姿勢の最適化を継続し、最適化された目標ノードの相対位置姿勢を各ノードにフィードバックし、最終的には点群の目標相対位置姿勢を得ることができ、その具体的な方式は下記の実施形態で説明され、ここでは具体的な限定をしない。
また、点群レジストレーション過程で、ある測定は該測定の周囲の幾つかの状態のみに影響を与え、すなわち一フレームの点群に対し、周囲の各フレームの点群のみに関連付け、つまり、周囲の他のフレームの点群のみに影響を与え、したがって、点群レジストレーション過程で、Kフレームの点群を複数の部分に分割して分散並列化を行うことにより、高精度地図作成効率が向上することができる。
ステップS104:前記目標相対位置姿勢に基づいて前記Kフレームの点群を接合して、前記目標領域の点群地図を得る。
該ステップにおいて、各フレームの点群の目標相対位置姿勢に基づいて、該フレームの点群の接合位置を決定することができ、各フレームの点群の接合位置に基づいてKフレームの点群を接合し、最終的には目標領域の点群地図を得ることができる。
本実施例において、目標領域に対して収集された点群データを取得し、前記点群データはKフレームの点群と各フレームの点群の初期位置姿勢を含み、前記初期位置姿勢に基づいて前記Kフレームの点群を相互に関連付けて、前記Kフレームの点群の第一点群関係図を得て、前記第一点群関係図及び前記初期位置姿勢に基づいて、前記Kフレームの点群に対して点群レジストレーションを行って、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を得て、前記目標相対位置姿勢に基づいて前記Kフレームの点群を接合して、前記目標領域の点群地図を得る。このように、第一点群関係図及び初期位置姿勢に基づいてKフレームの点群に対して点群レジストレーションを行うことにより、ブロックのエッジ接続という問題によりブロック全体の移動変形を回避することができ、それにより作成された高精度地図の品質が向上する。
選択可能に、前記初期位置姿勢に基づいて前記Kフレームの点群を相互に関連付けて、前記Kフレームの点群の第一点群関係図を得るステップは、前記初期位置姿勢に基づいて前記Kフレームの点群をブロックに応じて分割して、M個のブロックを得ることであって、隣接するブロックの間に同一の少なくとも一フレームの点群が存在し、Mは正の整数であることと、各ブロックに対して、前記ブロック内の各フレームの点群を相互に関連付けて、前記ブロックの第二点群関係図を得ることと、前記同一の少なくとも一フレームの点群に基づいて、前記M個のブロックのM個の前記第二点群関係図を相互に関連付けて、前記第一点群関係図を得ることとを含む。
本実施形態において、まず各フレームの点群の初期位置姿勢に基づいてKフレームの点群をブロックに応じて分割して、M個のブロックを得ることができ、隣接するブロックの間に同一の少なくとも一フレームの点群が存在し、すなわち隣接するブロックにある点群が重畳することにより、各ブロックの間にデータ関連付けが存在することを保証する。
具体的には、ブロックを分割する場合、ブロックは一つの街領域を表すことができ、すなわち該街領域内に収集された各フレームの点群を一つのブロックに割り当てることができる。一般的には1キロメートルの街領域でブロックを分割し、ブロックのサイズ及び収集された現在のフレームの点群の初期位置姿勢に基づいて、現在のフレームの点群どのブロック内にあるかを決定することができる。
隣接するブロックの間のデータ関連付けを保証するために、ブロックのエッジに位置し、かつ同じ道路区間で収集された各フレームの点群をいずれも隣接する各ブロックに割り当てることができ、その隣接するブロックはいずれも該道路区間で収集された同一の少なくとも一フレームの点群を含む。
各ブロックに対して、時間次元及び/又は空間次元上で各ブロックの各フレームの点群を相互に関連付けることにより、該ブロックにおける各フレームの点群の関連付け関係を確立して、前記ブロックに対応する第二点群関係図を得ることができる。
該第二点群関係図は一つのブロック内の各フレームの点群の間の関連付け関係を表すことができ、第二点群関係図の表現形式はk-dimensionalツリー(kd-tree)であってもよく、ノード図であってもよく、ここでは具体的な限定をしない。
その後、各ブロックの間のデータ関連付け及び各ブロック内の各フレームの点群のデータ関連付けに基づいて、Kフレームの点群の関連付け関係を確立して、Kフレームの点群の第一点群関係図を得ることができる。例えば、Kフレームの点群は二つのブロックに分割され、それぞれブロックAとブロックBであり、ブロックAは3フレームの点群を含み、それぞれ点群A1、A2とA3であり、A1はA2と関連付けられ、A2とA3は関連付けられ、ブロックBは3フレームの点群を含み、それぞれ点群A1、B2とB3であり、A1はB2と関連付けられ、B2とB3は関連付けられ、ブロックAとブロックBのデータ関連付け(すなわち点群A1による関連付け)と各ブロック内のデータ関連付けにより、Kフレームの点群の関連付け関係としては、A1とA2が関連付けられ、A2とA3が関連付けられ、A1とB2が関連付けられ、B2とB3が関連付けられることである。
本実施形態において、前記初期位置姿勢に基づいて前記Kフレームの点群をブロックに応じて分割して、M個のブロックを得て、隣接する各ブロックの間に同一の少なくとも一フレームの点群が存在し、各ブロックに対して、前記ブロック内の各フレームの点群を相互に関連付けて、前記ブロックの第二点群関係図を得て、前記同一の少なくとも一フレームの点群に基づいて、前記M個のブロックのM個の前記第二点群関係図を相互に関連付けて、前記第一点群関係図を得る。このように、ブロックに対してデータ関連付けの分散並列化を行うことができ、それにより高精度地図作成の自動化効率及び高精度地図生産の規模が大きくなる。
選択可能に、前記初期位置姿勢に基づいて前記Kフレームの点群をブロックに応じて分割して、M個のブロックを得るステップは、前記初期位置姿勢に基づいて前記Kフレームの点群を目標サブ軌跡に応じて分割して、N個のサブブロックを得ることであって、一つのサブブロックは一本の目標サブ軌跡で収集された各フレームの点群を含み、前記目標サブ軌跡は前記目標領域に対するL本の点群収集軌跡のうちのいずれかの点群収集軌跡上の連続軌跡であり、一本の点群収集軌跡は連続的な少なくとも一本の前記目標サブ軌跡を含み、Lは正の整数であり、Nは1より大きい整数であることと、前記N個のサブブロックを各サブブロックの位置関係に応じて分割して、前記M個のブロックを得ることであって、一つのブロックは所定の大きさの空間内のサブブロックを含み、第一ブロック及び第二ブロック内に少なくとも一部のサブブロックが異なり、前記第一ブロックは前記M個のブロックのうちのいずれかのブロックであり、前記第二ブロックは前記M個のブロックのうちの前記第一ブロックとは異なるブロックであることと、を含む。
本実施形態において、Kフレームの点群は目標サブ軌跡に応じて分割することができ、具体的には、目標領域に対するL本の点群収集軌跡における各点群収集軌跡に対して、該点群収集軌跡を連続的な少なくとも一本の目標サブ軌跡に分割し、各目標サブ軌跡で収集された各フレームの点群を一つのサブブロックに割り当てて、N個のサブブロックを得ることができる。
例えば、目標領域に対する一本の点群収集軌跡に対して、ある距離(例えば10メートル~15メートル)で該点群収集軌跡を複数の目標サブ軌跡に分割し、かつ各連続的な目標サブ軌跡範囲内に収集された幾つかのフレームの点群の集合をサブブロックとすることができる。ここで、該目標サブ軌跡の中心で収集された一フレームの点群をキーフレームの点群と呼ぶことができる。
その後、各サブブロックの位置関係に応じて各サブブロックを分割して、M個のブロックを得ることができ、具体的には空間上に最も近い幾つかのサブブロックの集合をブロックとして決定することができ、例えば、一般的な直線道路のシーンに対して、ブロックは各点群収集軌跡の該位置でのサブブロックを含み、交差点のシーンに対して、ブロックは該交差点近傍のサブブロックを含み、このように作成されたブロックが連通性を保持することができる。
本実施形態において、前記初期位置姿勢に基づいて前記Kフレームの点群を目標サブ軌跡に応じて分割することにより、N個のサブブロックを得て、一つのサブブロックは一本の目標サブ軌跡で収集された各フレームの点群を含み、前記目標サブ軌跡は前記目標領域に対するL本の点群収集軌跡のうちのいずれかの点群収集軌跡上の連続軌跡であり、一本の点群収集軌跡は連続的な少なくとも一本の前記目標サブ軌跡を含み、前記N個のサブブロックを各サブブロックの位置関係に応じて分割して、前記M個のブロックを得て、一つのブロックは所定の大きさの空間内のサブブロックを含み、第一ブロックと第二ブロック内に少なくとも一部のサブブロックが異なり、前記第一ブロックは前記M個のブロックのうちのいずれかのブロックであり、前記第二ブロックは前記M個のブロックのうちの前記第一ブロックとは異なるブロックである。このように、作成されたブロックが連通性を保持することができ、それにより作成された高精度地図の品質を保証することができる。
かつ、点群レジストレーションを行う過程で、点群フレーム、サブブロック及びブロックという三層のデータ構造に応じて階層化の点群位置姿勢最適化を行うことができ、すなわち、まず点群フレームに対して位置姿勢最適化を行い、その後に層ごとに上向きに伝播し、最適化された第三目標フレームの点群(例えばサブブロックのキーフレームの点群)の相対位置姿勢に基づいて各第三目標フレームの点群の関連付け関係を決定し、該関連付け関係をサブブロックの間の辺制約として、第三目標フレームの点群の位置姿勢最適化を継続することにより、一部の点群フレームの相対位置姿勢を補正し、上層伝播過程での各フレームの点群に対する補正量が一定の閾値より小さくなる時、上層で最適化された各フレームの点群の相対位置姿勢を下向きに伝播することにより、下層の各フレームの点群にフィードバックし、最終的にはKフレームの点群における各フレームの点群の目標相対位置姿勢を得て、階層化の位置姿勢最適化を実現し、さらに点群のレジストレーションの正確さが向上し、点群融合の効果が向上する。
選択可能に、前記ブロック内の各フレームの点群を相互に関連付けて、前記ブロックの第二点群関係図を得るステップは、前記ブロック内の各フレームの点群に対して、前記ブロック内の前記点群からの距離が所定の範囲内の他の点群と相互に関連付けられることにより、前記第二点群関係図を得ること、前記目標領域のいずれかの点群収集軌跡に対して、前記点群収集軌跡の方向に応じて、前記ブロック内の前記点群収集軌跡に基づいて隣接する時間に収集された各フレームの点群を相互に関連付けることにより、前記第二点群関係図を得ること、前記ブロック内の第一点群収集軌跡に基づいて収集された第一目標フレームの点群と前記ブロック内の第二点群収集軌跡に基づいて収集された第二目標フレームの点群とを相互に関連付けることにより、第二点群関係図を得ること、のうちの少なくとも一つを含み、前記第一点群収集軌跡及び前記第二点群収集軌跡は、前記目標領域に対する異なる点群収集軌跡であり、前記第二目標フレームの点群が、前記第一点群収集軌跡の方向の垂直方向に位置し、かつ前記第二目標フレームの点群の初期位置姿勢が、前記第一目標フレームの点群の初期位置に隣接する。
本実施形態は、データ関連付けを行う場合にブロックを範囲とし、ブロック内の各フレームの点群を相互に関連付ける。そのほか、時間次元及び/又は空間次元上でブロック内の各フレームの点群を相互に関連付けることにより、ブロック内の各フレームの点群の関連付け関係を確立して、第二点群関係図を得てもよい。
その関連付け方式はKフレームの点群を全体としてデータ関連付けを行う方式と類似し、同様に縦方向関連付け、横方向関連付け及び空間距離に基づいて行われる点群関連付けを含むことができ、ここでは具体的な説明をしない。
本実施形態において、Kフレームの点群をブロックに分割し、ブロックに対して、ブロック内の各フレームの点群に対してデータ関連付けを行うことにより、データ関連付けが分散並列化を行うことができ、それにより高精度地図作成の自動化効率が大幅に向上することができ、かつ高精度地図生産の規模が大きくなり、高精度地図生産の規模化を実現することができる。
選択可能に、前記第一点群関係図及び前記初期位置姿勢に基づいて、前記Kフレームの点群に対して点群レジストレーションを行って、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を得るステップは、前記Kフレームの点群における各フレームの点群を一つのノードとして、前記Kフレームの点群に一対一に対応するK個のノードを得ることと、前記第一点群関係図における各フレームの点群の関連付け関係を前記K個のノードの辺制約とし、前記初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記K個のノードにおける各ノードの第一相対位置姿勢を得ることと、前記K個のノードにおける各ノードの第一相対位置姿勢に基づいて、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を決定することとを含む。
本実施形態において、MAPを用いてKフレームの点群に対して点群レジストレーションを行て、Kフレームの点群における各フレームの点群の目標相対位置姿勢を得ることができる。
具体的には、点群レジストレーションすなわち点群融合という融合問題をMAP問題に変換することができ、Kフレームの点群における各フレームの点群の初期位置姿勢をMAP問題の事前検証priorとし、第一点群関係図を点群間のレジストレーション測定条件とし、同時に点群間のレジストレーション最適化をMAP問題の尤度likelihoodとすることができる。
上記MAP問題の最適化過程で、ベイズ(Bayes)構造により、Kフレームの点群中の各フレームの点群を一つのノードとして、Kフレームの点群に一対一に対応するK個のノードを得て、第一点群関係図における各フレームの点群の関連付け関係をK個のノードの辺制約として、初期位置姿勢に基づいてK個のノードの位置姿勢を最適化することができる。図2に示すように、各フレームの点群に対していずれも一つのノード201を作成して、K個のノードを得ることができ、第一点群関係図における各フレームの点群の関連付け関係に基づいてK個のノードの接続辺202を作成することができ、その後に各フレームの点群の初期位置姿勢に基づいてK個のノードの位置姿勢を最適化して、K個のノードにおける各ノードの第一相対位置姿勢を得ることができる。
また、該MAP問題を非線形最小二乗問題に変換することができ、非線形最適化ライブラリCeresを用いて該非線形最小二乗問題に対して反復最適化を行って、最終的にはK個のノードにおける各ノードの第一相対位置姿勢を得る。
サブブロックを分割した場合、まずサブブロック内のノードの位置姿勢を最適化し、すなわち各サブブロック内に各フレームの点群の位置姿勢最適化を行い、その後にサブブロックの間の関連付け作用を果たすノード(図2に示すノード203)の位置姿勢を最適化し、すなわちサブブロックの間に各フレームの点群の姿勢最適化を行い、最終的にはK個のノードにおける各ノードの第一相対位置姿勢を得ることができる。このように、分散並列化を実現することもできる。
第一相対位置姿勢を点群の目標相対位置姿勢として決定してもよく、第一相対位置姿勢を決定した後に、第一相対位置姿勢に基づいてK個のノードにおける目標ノードの関連付け関係を決定し、かつそれを目標ノードの辺制約として、目標ノードに対して位置姿勢の最適化を継続し、最適化された目標ノードの相対位置姿勢を各ノードにフィードバックし、最終的には点群の目標相対位置姿勢を得ることができ、その具体的な方式は下記の実施形態で説明され、ここでは具体的な限定をしない。
本実施形態において、前記Kフレームの点群における各フレームの点群を一つのノードとすることにより、前記Kフレームの点群に一対一に対応するK個のノードを得て、前記第一点群関係図における各フレームの点群の関連付け関係を前記K個のノードの辺制約とし、前記初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記K個のノードにおける各ノードの第一相対位置姿勢を得て、前記K個のノードにおける各ノードの第一相対位置姿勢に基づいて、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を決定する。それによりKフレームの点群の点群レジストレーションを実現し、地図接合を実現することができる。
選択可能に、前記Kフレームの点群はM個のブロックに分割され、各ブロックはN個のサブブロックを含み、前記K個のノードにおける各ノードの第一相対位置姿勢に基づいて、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を決定するステップは、前記K個のノードにおけるP個の目標ノードを取得することであって、前記目標ノードは前記サブブロックにおける第三目標フレームの点群に対応するノードであり、Pは1より大きい整数であることと、前記P個の目標ノードにおける各ノードの第一相対位置姿勢に基づいて決定されたP個の目標ノードの間の関連付け関係を前記P個の目標ノードの辺制約とし、前記P個の目標ノードの初期位置姿勢に基づいて前記P個の目標ノードの位置姿勢を最適化して、前記P個の目標ノードにおける各目標ノードの第二相対位置姿勢を得ることと、前記P個の目標ノードにおける各目標ノードの第二相対位置姿勢に基づいて、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を決定することとを含む。
本実施形態において、目標ノードはサブブロックにおける第三目標フレームの点群に対応するノードであってもよく、第三目標フレームの点群はサブブロックにおけるいずれかのフレームの点群であってもよく、サブブロックにおけるキーフレームの点群であってもよい。
例えば、K個のノードからサブブロックにおけるキーフレームの点群に対応する目標ノードを選別して、P個の目標ノードを得ることができる。
点群レジストレーション過程で、ある測定は該測定の周囲の幾つかの状態のみに影響を与え、すなわち一フレームの点群に対し、周囲の各フレームの点群のみに関連付け、つまり、周囲の他のフレームの点群のみに影響を与え、したがって、点群レジストレーション過程で、Kフレームの点群を複数の部分に分割して分散並列化を行うことができる。
同時に、階層化の最適化構造を作成することができ、まず下層で位置姿勢最適化を行って、K個のノードにおける各ノードの第一相対位置姿勢を得、すなわちまず点群フレームに対して位置姿勢最適化を行い、その後に層ごとに上向きに伝播し、第一相対位置姿勢の制約は地図における辺の事後チェック部分とされてもよく、すなわち最適化された目標ノードすなわち第三目標フレームの点群(例えばサブブロックのキーフレームの点群)の相対位置姿勢に基づいて各第三目標フレームの点群すなわち各目標ノードの関連付け関係を決定し、それを上層の点群フレームの間の辺制約として、第三目標フレームの点群の位置姿勢最適化を継続することにより、一部の点群フレームの相対位置姿勢を補正して、P個の目標ノードにおける各ノードの第二相対位置姿勢を得て、上層伝播過程での各フレームの点群に対する補正量が一定の閾値より小さくなる時、上向きに伝播することを停止する。
図3に示すように、左図は下層のノード図であり、該ノード図は多くのサブブロック301を含み、サブブロックはキーフレームの点群に対応する目標ノード302(ルートノードと呼ばれてもよい)及び他のフレームの点群に対応するノード303(サブノードと呼ばれてもよい)を含む。右図は下層に対する上層のノード図であり、該ノード図は各サブブロックにおけるルートノードを含み、下層のノードを最適化して各ノードの第一相対位置姿勢を得た後、P個の目標ノードにおける各目標ノードの第一相対位置姿勢に基づいてP個の目標ノードの間の関連付け関係を決定し、それをP個の目標ノードの間の接続辺304とすることができる。
最終的に補正された一部の点群フレームの相対位置姿勢と下層の補正されない点群フレームの第一相対位置姿勢とを重ねて、Kフレームの点群における各点群の目標相対位置姿勢を得てもよい。上層の最適化された各フレームの点群の相対位置姿勢を下向きに伝播することにより、下層の各フレームの点群にフィードバックし、最終的にKフレームの点群における各フレームの点群の目標相対位置姿勢を得てもよい。このように、下層から上層(bottom-to-top)まで、上層から下層(top-to-bottom)までの階層化の反復最適化方式を形成し、このような最適化方式は新たなデータの迅速な添加を実現することができ、新たなデータは地図における関連部分例えば新たに追加された地図部分及びその上層部分のみを更新し、並列化し分散して実行し、データを増分式で増加させやすい。
ここで、階層を分割する場合、サブ領域の小さい順に応じて分割することができ、下層の点群フレームに対応するサブ領域が最小であり、かつ分割された層数が限定されなくてもよく、本実施形態において点群フレーム、サブブロック及びブロックという三層のデータ構造に応じて階層化の点群位置姿勢最適化を行うことができ、それにより階層化の位置姿勢最適化を実現し、さらに点群のレジストレーションの正確さが向上し、点群融合の効果が向上することができる。
選択可能に、前記P個の目標ノードにおける各目標ノードの第二相対位置姿勢に基づいて、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を決定するステップは、目標差分値が所定の閾値より小さい場合、前記P個の目標ノードにおける各目標ノードの第二相対位置姿勢及び前記K個のノードの初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を得ることを含み、前記目標差分値は前記P個の目標ノードのP個の第二相対位置姿勢と前記P個の目標ノードのP個の第一相対位置姿勢との間の差分値である。
本実施形態において、目標差分値は前記P個の目標ノードのP個の第二相対位置姿勢と前記P個の目標ノードのP個の第一相対位置姿勢との間の差分値であってもよく、すなわち上層位置姿勢最適化の下層位置姿勢最適化に対する各ノード間の位置姿勢補正量であり、該目標差分値はP個の差分値の和であってもよく、P個の差分値の平均値であってもよく、一つの目標ノードに対して、該差分値は該目標ノードの第二相対位置姿勢と該目標ノードの第一相対位置姿勢との間の差分値を示してもよく、ここでは具体的な限定をしない。
該所定の閾値は実際の状況に応じて設定することができ、一般的には小さく設定されて、補正の効果を保証する。
補正量が所定の閾値より小さい場合、P個の目標ノードにおける各目標ノードの第二相対位置姿勢及びK個のノードの初期位置姿勢に基づいてK個のノードの位置姿勢を最適化して、Kフレームの点群における各フレームの点群の目標相対位置姿勢を得ることができ、具体的にはP個の目標ノードにおける各目標ノードの第二相対位置姿勢に基づいて下層のノードの辺、例えばサブブロックの間の各フレームの点群の辺を最適化し、その後に最適化された辺を辺制約として、K個のノードの初期位置姿勢に基づいてK個のノードの位置姿勢を最適化する。上層の最適化された各フレームの点群の相対位置姿勢を下向きに伝播することにより、下層の各フレームの点群にフィードバックし、最終的にはKフレームの点群における各フレームの点群の目標相対位置姿勢を得る。
このように、下層から上層(bottom-to-top)まで、上層から下層(top-to-bottom)までの階層化の反復最適化方式を形成し、このような最適化形式は新たなデータの迅速な添加を実現することができ、新たなデータは地図における関連部分例えば新たに追加された地図部分及びその上層部分のみを更新し、並列化し分散して実行し、データを増分式で増加させやすい。このように、大規模な点群再作成シーンに適用でき、かつ分散型クラウドコンピューティングシステムに配置しやすく、かつ様々なシーンに適用され、立体交差橋、高速及び都市道路などのシーンを含む。
選択可能に、前記初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記K個のノードにおける各ノードの第一相対位置姿勢を得るステップの前に、前記目標領域に対するL本の点群収集軌跡の目標標高値を取得することとをさらに含み、前記初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記K個のノードにおける各ノードの第一相対位置姿勢を得るステップは、前記目標標高値を相対位置姿勢における標高平均値の制約とし、前記初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記K個のノードにおける各ノードの第一相対位置姿勢を得ることを含む。
本実施形態において、目標標高値は、目標領域に対するL本の点群収集軌跡の標高値であってもよく、収集された各フレームの点群が位置する位置の標高値を表す。
Lが1である場合、目標領域の点群収集軌跡の標高値は目標標高値である。複数のシーンでは、GPS後処理により探した星が部分的に遮蔽される可能性があるため、初期測位に若干の標高をランダムに生成する可能性があり、一般的に目標領域に対して複数の点群収集軌跡で点群データを収集することにより、収集されたデータは該目標領域を完全にカバーすることができ、したがって複数本の点群収集軌跡の標高値に対して投票選択を行うことにより、点群収集軌跡の最適な高さを決定することができ、該最適な高さは目標標高値であり、それに応じて、収集された各フレームの点群が位置する位置標高値を大まかに決定することができる。
その後、前記目標標高値を相対位置姿勢における標高平均値の制約とすることができ、具体的にはガウス分布を用いて位置姿勢における標高値の事前チェック重みを作成し、最適な高さをガウスの平均値とし、前記初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記K個のノードにおける各ノードの第一相対位置姿勢を得ることができる。このように、位置姿勢ドリフトの場合に位置姿勢標高ドリフトの事前チェック重みを低減し、位置姿勢標高ドリフトの位置姿勢最適化への誤影響を回避することができ、それにより点群の融合効果が顕著に向上することができる。
第二実施形態
図4に示すように、本開示は高精度地図作成装置400を提供し、目標領域に対して収集された点群データを取得するために用いられる第一取得モジュール401であって、前記点群データはKフレームの点群と各フレームの点群の初期位置姿勢を含み、Kは1より大きい整数である第一取得モジュール401と、前記初期位置姿勢に基づいて前記Kフレームの点群を相互に関連付けて、前記Kフレームの点群の第一点群関係図を得るために用いられる関連付けモジュール402と、前記第一点群関係図及び前記初期位置姿勢に基づいて、前記Kフレームの点群に対して点群レジストレーションを行って、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を得るために用いられる点群レジストレーションモジュール403と、前記目標相対位置姿勢に基づいて前記Kフレームの点群を接合して、前記目標領域の点群地図を得るために用いられる接合モジュール404とを備える。
図4に示すように、本開示は高精度地図作成装置400を提供し、目標領域に対して収集された点群データを取得するために用いられる第一取得モジュール401であって、前記点群データはKフレームの点群と各フレームの点群の初期位置姿勢を含み、Kは1より大きい整数である第一取得モジュール401と、前記初期位置姿勢に基づいて前記Kフレームの点群を相互に関連付けて、前記Kフレームの点群の第一点群関係図を得るために用いられる関連付けモジュール402と、前記第一点群関係図及び前記初期位置姿勢に基づいて、前記Kフレームの点群に対して点群レジストレーションを行って、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を得るために用いられる点群レジストレーションモジュール403と、前記目標相対位置姿勢に基づいて前記Kフレームの点群を接合して、前記目標領域の点群地図を得るために用いられる接合モジュール404とを備える。
選択可能に、前記関連付けモジュール402は、前記初期位置姿勢に基づいて前記Kフレームの点群をブロックに応じて分割して、M個のブロックを得るために用いられるブロック分割サブモジュールであって、隣接するブロックの間に同一の少なくとも一フレームの点群が存在し、Mは正の整数であるブロック分割サブモジュールと、各ブロックに対して、前記ブロック内の各フレームの点群を相互に関連付けて、前記ブロックの第二点群関係図を得るために用いられる第一関連付けサブモジュールと、前記同一の少なくとも一フレームの点群に基づいて、前記M個のブロックのM個の前記第二点群関係図を相互に関連付けて、前記第一点群関係図を得るために用いられる第二関連付けサブモジュールとを備える。
選択可能に、前記ブロック分割サブモジュールは、具体的には、前記初期位置姿勢に基づいて前記Kフレームの点群を目標サブ軌跡に応じて分割して、N個のサブブロックを得ることに用いられ、一つのサブブロックは一本の目標サブ軌跡で収集された各フレームの点群を含み、前記目標サブ軌跡は前記目標領域に対するL本の点群収集軌跡のうちのいずれかの点群収集軌跡上の連続軌跡であり、一本の点群収集軌跡は連続的な少なくとも一本の前記目標サブ軌跡を含み、Lは正の整数であり、Nは1より大きい整数であり、前記N個のサブブロックを各サブブロックの位置関係に応じて分割して、前記M個のブロックを得ることに用いられ、一つのブロックは所定の大きさの空間内のサブブロックを含み、第一ブロック及び第二ブロック内に少なくとも一部のサブブロックが異なり、前記第一ブロックは前記M個のブロックのうちのいずれかのブロックであり、前記第二ブロックは前記M個のブロックのうちの前記第一ブロックとは異なるブロックである。
選択可能に、前記第一関連付けサブモジュールは、具体的には、前記ブロック内の各フレームの点群に対して、前記ブロック内の前記点群からの距離が所定の範囲内の他の点群と相互に関連付けられることにより、前記第二点群関係図を得ること、前記目標領域のいずれかの点群収集軌跡に対して、前記点群収集軌跡の方向に応じて、前記ブロック内の前記点群収集軌跡に基づいて隣接する時間に収集された各フレームの点群を相互に関連付けることにより、前記第二点群関係図を得ること、前記ブロック内の第一点群収集軌跡に基づいて収集された第一目標フレームの点群と前記ブロック内の第二点群収集軌跡に基づいて収集された第二目標フレームの点群とを相互に関連付けることにより、第二点群関係図を得ること、のうちの少なくとも一つに用いられ、前記第一点群収集軌跡及び前記第二点群収集軌跡は、前記目標領域に対する異なる点群収集軌跡であり、前記第二目標フレームの点群は、前記第一点群収集軌跡の方向の垂直方向に位置し、かつ前記第二目標フレームの点群の初期位置姿勢は、前記第一目標フレームの点群の初期位置に隣接する。
選択可能に、前記点群レジストレーションモジュール403は、前記Kフレームの点群における各フレームの点群を一つのノードとして、前記Kフレームの点群に一対一に対応するK個のノードを得るために用いられる取得サブモジュールと、前記第一点群関係図における各フレームの点群の関連付け関係を前記K個のノードの辺制約とし、前記初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記K個のノードにおける各ノードの第一相対位置姿勢を得るために用いられる最適化サブモジュールと、前記K個のノードにおける各ノードの第一相対位置姿勢に基づいて、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を決定するために用いられる決定サブモジュールとを備える。
選択可能に、前記Kフレームの点群はM個のブロックに分割され、各ブロックはN個のサブブロックを含み、前記決定サブモジュールは、前記K個のノードにおけるP個の目標ノードを取得するために用いられるノード取得ユニットであって、前記目標ノードは前記サブブロックにおける第三目標フレームの点群に対応するノードであり、Pは1より大きい整数であるノード取得ユニットと、前記P個の目標ノードにおける各ノードの第一相対位置姿勢に基づいて決定されたP個の目標ノードの間の関連付け関係を前記P個の目標ノードの辺制約とし、前記P個の目標ノードの初期位置姿勢に基づいて前記P個の目標ノードの位置姿勢を最適化して、前記P個の目標ノードにおける各目標ノードの第二相対位置姿勢を得るために用いられる位置姿勢最適化ユニットと、前記P個の目標ノードにおける各目標ノードの第二相対位置姿勢に基づいて、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を決定するために用いられる決定ユニットとを備える。
選択可能に、前記決定ユニットは、具体的には、目標差分値が所定の閾値より小さい場合、前記P個の目標ノードにおける各目標ノードの第二相対位置姿勢及び前記K個のノードの初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を得るために用いられ、前記目標差分値は前記P個の目標ノードのP個の第二相対位置姿勢と前記P個の目標ノードのP個の第一相対位置姿勢との間の差分値である。
選択可能に、前記目標領域に対するL本の点群収集軌跡の目標標高値を取得するために用いられる第二取得モジュールとをさらに備え、具体的には、前記最適化サブモジュールは、前記目標標高値を相対位置姿勢における標高平均値の制約とし、前記初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記K個のノードにおける各ノードの第一相対位置姿勢を得るために用いられる。
本開示が提供する高精度地図作成装置400は高精度地図作成方法実施例において実現された各過程を実現することができ、かつ同様の有益な効果を達成することができ、重複を回避するために、ここでは説明を省略する。
本開示の技術的解決手段において、関連するユーザ個人情報の収集、記憶、使用、加工、伝送、提供及び開示等の処理は、いずれも相関法規則の規定に適合し、かつ公序良俗に反するものではない。
本開示の実施例によれば、本開示はさらに電子機器、読み取り可能な記憶媒体及びコンピュータプログラムを提供する。
図5は本開示の実施例の実施に使用できる例示的な電子機器500の概略ブロック図を示す。電子機器は様々な形式のデジタルコンピュータ、例えば、ラップトップ型コンピュータ、デスクトップコンピュータ、作業台、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、大型コンピュータ、及び他の適切なコンピュータを表すことを意図する。電子機器はさらに様々な形式の移動装置、例えば、個人デジタル処理、携帯電話、スマートフォン、ウェアラブル装置及び他の類似の計算装置を表すことができる。本明細書に示された部材、それらの接続と関係、及びそれらの機能は例示するものに過ぎず、本明細書に記載及び/又は要求された本開示の実現を限定するものではない。
図5に示すように、機器500は計算ユニット501を備え、それはリードオンリーメモリ(ROM)502に記憶されたコンピュータプログラム又は記憶ユニット508からランダムアクセスメモリ(RAM)503にロードされたコンピュータプログラムに基づいて、様々な適切な動作及び処理を実行することができる。RAM503には、さらに機器500の操作に必要な様々なプログラム及びデータを記憶することができる。計算ユニット501、ROM502及びRAM503はバス504で相互に接続される。入力/出力(I/O)インタフェース505もバス504に接続される。
機器500の複数の部材はI/Oインタフェース505に接続され、キーボード、マウスなどである入力ユニット506と、様々なタイプのディスプレイ、スピーカなどである出力ユニット507と、磁気ディスク、光ディスクなどである記憶ユニット508と、ネットワークカード、モデム、無線通信トランシーバなどである通信ユニット509とを備える。通信ユニット509は機器500がインターネットなどのコンピュータネットワーク及び/又は様々なの電気通信網を介して他の機器と情報/データを交換することを可能にする。
計算ユニット501は処理及び計算能力を有する様々な汎用及び/又は専用の処理モジュールであってもよい。計算ユニット501のいくつかの例は中央処理ユニット(CPU)、グラフィック処理ユニット(GPU)、様々な専用の人工知能(AI)計算チップ、機械学習モデルアルゴリズムを実行する様々な計算ユニット、デジタル信号プロセッサ(DSP)、任意の適切なプロセッサ、コントローラ、マイクロコントローラなどを含むが、これらに限定されない。計算ユニット501は上記各方法及び処理を実行し、例えば高精度地図作成方法である。例えば、いくつかの実施例において、高精度地図作成方法はコンピュータソフトウェアプログラムとして実現することができ、それは機械読み取り可能な媒体、例えば記憶ユニット508に有形に具体化される。いくつかの実施例において、コンピュータプログラムの一部又は全部はROM502及び/又は通信ユニット509を介して機器500にロード及び/又はインストールすることができる。コンピュータプログラムがRAM503にロードされ、かつ計算ユニット501により実行される場合、上記高精度地図作成方法の一つ以上のステップを実行することができる。代替的に、他の実施例において、計算ユニット501は他の任意の適切な方式(例えば、ファームウェア)により高精度地図作成方法を実行するように構成することができる。
本明細書の上記システム及び技術の様々な実施形態はデジタル電子回路システム、集積回路システム、フィールドプログラマブルゲートアレイ(FPGA)、専用集積回路(ASIC)、専用標準製品(ASSP)、システムオンチップのシステム(SOC)、負荷プログラマブルロジック機器(CPLD)、コンピュータハードウェア、ファームウェア、ソフトウェア、及び/又はそれらの組み合わせにおいて実現することができる。これらの様々な実施形態は以下を含むことができる:一つ以上のコンピュータプログラムにおいて実施され、該一つ以上複数のコンピュータプログラムは少なくとも一つのプログラム可能なプロセッサを備えるプログラム可能なシステムで実行及び/又は解釈することができ、該プログラム可能なプロセッサは専用又は汎用のプログラム可能なプロセッサであってもよく、記憶システム、少なくとも一つの入力装置、及び少なくとも一つの出力装置からデータ及び指令を受信し、かつデータ及び指令を該記憶システム、該少なくとも一つの入力装置、及び該少なくとも一つの出力装置に伝送することができる。
本開示の方法を実施するためのプログラムコードは一種以上のプログラム言語の任意の組み合わせで作成することができる。これらのプログラムコードは汎用コンピュータ、専用コンピュータ又は他のプログラム可能なデータ処理装置のプロセッサ又はコントローラに提供することができ、それによりプログラムコードがプロセッサ又はコントローラにより実行される場合にフローチャート及び/又はブロック図に規定された機能/操作が実施される。プログラムコードは機械に完全に実行され、機械で部分的に実行され、独立したソフトウェアパッケージとして機械で部分的に実行され、かつ遠隔機械で部分的に実行されるか又は遠隔機械或いはサーバで完全に実行されてもよい。
本開示のコンテキストにおいて、機械読み取り可能な媒体は物理的な媒体であってもよく、それは指令実行システム、装置又は機器の使用に供えるか又は指令実行システム、装置又は機器と組み合わせ使用されるプログラムを含むか又は記憶することができる。機械読み取り可能な媒体は機械読み取り可能な信号媒体又は機械読み取り可能な記憶媒体であってもよい。機械読み取り可能な媒体は電子の、磁気的、光学的、電磁的、赤外線の、又は半導体システム、装置或いは機器、又は上記内容の任意の適切な組み合わせを含むが、それらに限定されない。機械読み取り可能な記憶媒体のより具体的な例は一本以上の線に基づく電気的接続、携帯式コンピュータディスク、ハードディスク、ランダムアクセスメモリ(RAM)、リードオンリーメモリ(ROM)、消去可能なプログラマブルリードオンリーメモリ(EPROM又はフラッシュメモリ)、光ファイバ、携帯式コンパクトフラッシュ(登録商標)メモリ(CD-ROM)、光学記憶機器、磁気記憶機器、又は上記内容の任意の適切な組み合わせを含むことができる。
ユーザとの対話を提供するために、コンピュータにここで説明されたシステム及び技術を実施することができ、該コンピュータは、ユーザに情報を表示するための表示装置(例えば、CRT(陰極線管)又はLCD(液晶ディスプレイ)モニタ)と、ユーザがキーボード及びポインティング装置により入力をコンピュータに提供することができる該キーボード及び該ポインティング装置(例えば、マウス又は軌跡ボール)とを備える。他のタイプの装置はさらにユーザとの対話を提供することに用いることができ、例えば、ユーザに提供されるフィードバックは任意の形式のセンシングフィードバック(例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバック)であってもよく、かつ任意の形式(音入力、音声入力又は、触覚入力を含む)でユーザからの入力を受信することができる。
ここで説明されたシステム及び技術をバックグラウンド部材を備える計算システム(例えば、データサーバとして)、又はミドルウェア部材を備える計算システム(例えば、アプリケーションサーバ)、又はフロントエンド部材を備える計算システム(例えば、グラフィカルユーザインタフェース又はウェブブラウザを有するユーザコンピュータであり、ユーザが該グラフィカルユーザインタフェース又は該ウェブブラウザを介してここで説明されたシステム及び技術の実施形態と対話することができ)、又はこのようなバックグラウンド部材、ミドルウェア部材、又はフロントエンド部材の任意の組み合わせを備える計算システムで実施することができる。任意の形式又は媒体のデジタルデータ通信(例えば、通信ネットワーク)によりシステムの部材を互いに接続することができる。通信ネットワークの例は、ローカルエリアネットワーク(LAN)、ワイドエリアネットワーク(WAN)及びインターネットを含む。
コンピュータシステムはクライアント及びサーバを備えることができる。クライアントとサーバとは一般的には互いに離れ、かつ通常は通信ネットワークを介して対話する。対応するコンピュータで実行され、かつ互いにクライアント-サーバの関係を有するコンピュータプログラムによってクライアントとサーバとの関係を生成する。サーバはクラウドサーバであってもよく、分散システムのサーバであってもよく、又はブロックチェーンを組み合わせるサーバであってもよい。
理解すべきように、以上に示した様々な形式のフローを用いて、ステップを改めてソーティングし、追加するか又は削除することができる。例えば、本開示に記載の各ステップは並列的に実行されてもよく順に実行されてもよくさらに異なる順序で実行されてもよく、本開示が開示する技術的解決手段の所望の結果を実現できれば、本明細書では限定しない。
上記具体的な実施形態は、本開示の保護範囲を限定するものではない。当業者であれば理解すべきように、設計要件及び他の要因に基づいて、様々な修正、組み合わせ、サブ組み合わせ及び代替を行うことができる。本開示の趣旨と原則内で行われた任意の修正、均等置換及び改善などは、いずれも本開示の保護範囲内にあるべきである。
Claims (19)
- 目標領域に対して収集された点群データを取得することであって、前記点群データが、Kフレームの点群と各フレームの点群の初期位置姿勢を含み、Kは、1より大きい整数であることと、
前記初期位置姿勢に基づいて前記Kフレームの点群を相互に関連付けて、前記Kフレームの点群の第一点群関係図を得ることと、
前記第一点群関係図及び前記初期位置姿勢に基づいて、前記Kフレームの点群に対して点群レジストレーションを行って、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を得ることと、
前記目標相対位置姿勢に基づいて前記Kフレームの点群を接合して、前記目標領域の点群地図を得ることと、
を含む高精度地図作成方法。 - 前記初期位置姿勢に基づいて前記Kフレームの点群を相互に関連付けて、前記Kフレームの点群の第一点群関係図を得ることが、
前記初期位置姿勢に基づいて前記Kフレームの点群をブロックに応じて分割して、M個のブロックを得ることであって、隣接するブロックの間に同一の少なくとも一フレームの点群が存在し、Mは正の整数であることと、
各ブロックに対して、前記ブロック内の各フレームの点群を相互に関連付けて、前記ブロックの第二点群関係図を得ることと、
前記同一の少なくとも一フレームの点群に基づいて、前記M個のブロックのM個の前記第二点群関係図を相互に関連付けて、前記第一点群関係図を得ることと、
を含む請求項1に記載の高精度地図作成方法。 - 前記初期位置姿勢に基づいて前記Kフレームの点群をブロックに応じて分割して、M個のブロックを得ることが、
前記初期位置姿勢に基づいて前記Kフレームの点群を目標サブ軌跡に応じて分割して、N個のサブブロックを得ることであって、一つのサブブロックが一本の目標サブ軌跡で収集された各フレームの点群を含み、前記目標サブ軌跡は前記目標領域に対するL本の点群収集軌跡のうちのいずれかの点群収集軌跡上の連続軌跡であり、一本の点群収集軌跡が連続的な少なくとも一本の前記目標サブ軌跡を含み、Lは正の整数であり、Nは1より大きい整数であることと、
前記N個のサブブロックを各サブブロックの位置関係に応じて分割して、前記M個のブロックを得ることであって、一つのブロックが所定の大きさの空間内のサブブロックを含み、第一ブロック及び第二ブロック内に少なくとも一部のサブブロックが異なり、前記第一ブロックは前記M個のブロックのうちのいずれかのブロックであり、前記第二ブロックは前記M個のブロックのうちの前記第一ブロックとは異なるブロックであることと、
を含む請求項2に記載の高精度地図作成方法。 - 前記ブロック内の各フレームの点群を相互に関連付けて、前記ブロックの第二点群関係図を得ることが、
前記ブロック内の各フレームの点群に対して、前記ブロック内の前記点群からの距離が所定の範囲内の他の点群と相互に関連付けられることにより、前記第二点群関係図を得ること、
前記目標領域のいずれかの点群収集軌跡に対して、前記点群収集軌跡の方向に応じて、前記ブロック内の前記点群収集軌跡に基づいて隣接する時間に収集された各フレームの点群を相互に関連付けることにより、前記第二点群関係図を得ること、
前記ブロック内の第一点群収集軌跡に基づいて収集された第一目標フレームの点群と前記ブロック内の第二点群収集軌跡に基づいて収集された第二目標フレームの点群とを相互に関連付けることにより、第二点群関係図を得ること、
のうちの少なくとも一つを含み、
前記第一点群収集軌跡及び前記第二点群収集軌跡は、前記目標領域に対する異なる点群収集軌跡であり、前記第二目標フレームの点群が、前記第一点群収集軌跡の方向の垂直方向に位置し、かつ前記第二目標フレームの点群の初期位置姿勢が、前記第一目標フレームの点群の初期位置に隣接する請求項2に記載の高精度地図作成方法。 - 前記第一点群関係図及び前記初期位置姿勢に基づいて、前記Kフレームの点群に対して点群レジストレーションを行って、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を得ることが、
前記Kフレームの点群における各フレームの点群を一つのノードとして、前記Kフレームの点群に一対一に対応するK個のノードを得ることと、
前記第一点群関係図における各フレームの点群の関連付け関係を前記K個のノードの辺制約とし、前記初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記K個のノードにおける各ノードの第一相対位置姿勢を得ることと、
前記K個のノードにおける各ノードの第一相対位置姿勢に基づいて、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を決定することと、
を含む請求項1から4のいずれか一項に記載の高精度地図作成方法。 - 前記Kフレームの点群がM個のブロックに分割され、各ブロックがN個のサブブロックを含み、
前記K個のノードにおける各ノードの第一相対位置姿勢に基づいて、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を決定することが、
前記K個のノードにおけるP個の目標ノードを取得することであって、前記目標ノードは前記サブブロックにおける第三目標フレームの点群に対応するノードであり、Pは1より大きい整数であることと、
前記P個の目標ノードにおける各ノードの第一相対位置姿勢に基づいて決定されたP個の目標ノードの間の関連付け関係を前記P個の目標ノードの辺制約とし、前記P個の目標ノードの初期位置姿勢に基づいて前記P個の目標ノードの位置姿勢を最適化して、前記P個の目標ノードにおける各目標ノードの第二相対位置姿勢を得ることと、
前記P個の目標ノードにおける各目標ノードの第二相対位置姿勢に基づいて、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を決定することと、
を含む請求項5に記載の高精度地図作成方法。 - 前記P個の目標ノードにおける各目標ノードの第二相対位置姿勢に基づいて、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を決定することが、
目標差分値が所定の閾値より小さい場合、前記P個の目標ノードにおける各目標ノードの第二相対位置姿勢及び前記K個のノードの初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を得ることを含み、
前記目標差分値は前記P個の目標ノードのP個の第二相対位置姿勢と前記P個の目標ノードのP個の第一相対位置姿勢との間の差分値である請求項6に記載の高精度地図作成方法。 - 前記初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記K個のノードにおける各ノードの第一相対位置姿勢を得る前に、
前記目標領域に対するL本の点群収集軌跡の目標標高値を取得することを含み、
前記初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記K個のノードにおける各ノードの第一相対位置姿勢を得ることが、
前記目標標高値を相対位置姿勢における標高平均値の制約とし、前記初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記K個のノードにおける各ノードの第一相対位置姿勢を得ることを含む請求項5に記載の高精度地図作成方法。 - 目標領域に対して収集された点群データを取得するために用いられる第一取得モジュールであって、前記点群データはKフレームの点群と各フレームの点群の初期位置姿勢を含み、Kは1より大きい整数である第一取得モジュールと、
前記初期位置姿勢に基づいて前記Kフレームの点群を相互に関連付けて、前記Kフレームの点群の第一点群関係図を得るために用いられる関連付けモジュールと、
前記第一点群関係図及び前記初期位置姿勢に基づいて、前記Kフレームの点群に対して点群レジストレーションを行って、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を得るために用いられる点群レジストレーションモジュールと、
前記目標相対位置姿勢に基づいて前記Kフレームの点群を接合して、前記目標領域の点群地図を得るために用いられる接合モジュールと、
を備える高精度地図作成装置。 - 前記関連付けモジュールが、
前記初期位置姿勢に基づいて前記Kフレームの点群をブロックに応じて分割して、M個のブロックを得るために用いられるブロック分割サブモジュールであって、隣接するブロックの間に同一の少なくとも一フレームの点群が存在し、Mは正の整数であるブロック分割サブモジュールと、
各ブロックに対して、前記ブロック内の各フレームの点群を相互に関連付けて、前記ブロックの第二点群関係図を得るために用いられる第一関連付けサブモジュールと、
前記同一の少なくとも一フレームの点群に基づいて、前記M個のブロックのM個の前記第二点群関係図を相互に関連付けて、前記第一点群関係図を得るために用いられる第二関連付けサブモジュールと、
を備える請求項9に記載の高精度地図作成装置。 - 前記ブロック分割サブモジュールが、
前記初期位置姿勢に基づいて前記Kフレームの点群を目標サブ軌跡に応じて分割して、N個のサブブロックを得ることに用いられ、一つのサブブロックが、一本の目標サブ軌跡で収集された各フレームの点群を含み、前記目標サブ軌跡は、前記目標領域に対するL本の点群収集軌跡のうちのいずれかの点群収集軌跡上の連続軌跡であり、一本の点群収集軌跡が、連続的な少なくとも一本の前記目標サブ軌跡を含み、Lは正の整数であり、Nは1より大きい整数であり、
前記N個のサブブロックを各サブブロックの位置関係に応じて分割して、前記M個のブロックを得ることに用いられ、一つのブロックが、所定の大きさの空間内のサブブロックを含み、第一ブロック及び第二ブロック内に少なくとも一部のサブブロックが異なり、前記第一ブロックは、前記M個のブロックのうちのいずれかのブロックであり、前記第二ブロックは、前記M個のブロックのうちの前記第一ブロックとは異なるブロックである請求項10に記載の高精度地図作成装置。 - 前記第一関連付けサブモジュールが、
前記ブロック内の各フレームの点群に対して、前記ブロック内の前記点群からの距離が所定の範囲内の他の点群と相互に関連付けられることにより、前記第二点群関係図を得ること、
前記目標領域のいずれかの点群収集軌跡に対して、前記点群収集軌跡の方向に応じて、前記ブロック内の前記点群収集軌跡に基づいて隣接する時間に収集された各フレームの点群を相互に関連付けることにより、前記第二点群関係図を得ること、
前記ブロック内の第一点群収集軌跡に基づいて収集された第一目標フレームの点群と前記ブロック内の第二点群収集軌跡に基づいて収集された第二目標フレームの点群とを相互に関連付けることにより、第二点群関係図を得ること、
のうちの少なくとも一つに用いられ、
前記第一点群収集軌跡及び前記第二点群収集軌跡は、前記目標領域に対する異なる点群収集軌跡であり、前記第二目標フレームの点群が、前記第一点群収集軌跡の方向の垂直方向に位置し、かつ、前記第二目標フレームの点群の初期位置姿勢が、前記第一目標フレームの点群の初期位置に隣接する請求項10に記載の高精度地図作成装置。 - 前記点群レジストレーションモジュールが、
前記Kフレームの点群における各フレームの点群を一つのノードとして、前記Kフレームの点群に一対一に対応するK個のノードを得るために用いられる取得サブモジュールと、
前記第一点群関係図における各フレームの点群の関連付け関係を前記K個のノードの辺制約とし、前記初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記K個のノードにおける各ノードの第一相対位置姿勢を得るために用いられる最適化サブモジュールと、
前記K個のノードにおける各ノードの第一相対位置姿勢に基づいて、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を決定するために用いられる決定サブモジュールと、
を備える請求項9から12のいずれか一項に記載の高精度地図作成装置。 - 前記Kフレームの点群がM個のブロックに分割され、各ブロックがN個のサブブロックを含み、
前記決定サブモジュールが、
前記K個のノードにおけるP個の目標ノードを取得するために用いられるノード取得ユニットであって、前記目標ノードは前記サブブロックにおける第三目標フレームの点群に対応するノードであり、Pは1より大きい整数であるノード取得ユニットと、
前記P個の目標ノードにおける各ノードの第一相対位置姿勢に基づいて決定されたP個の目標ノードの間の関連付け関係を前記P個の目標ノードの辺制約とし、前記P個の目標ノードの初期位置姿勢に基づいて前記P個の目標ノードの位置姿勢を最適化して、前記P個の目標ノードにおける各目標ノードの第二相対位置姿勢を得るために用いられる位置姿勢最適化ユニットと、
前記P個の目標ノードにおける各目標ノードの第二相対位置姿勢に基づいて、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を決定するために用いられる決定ユニットと、
を含む請求項13に記載の高精度地図作成装置。 - 前記決定ユニットが、
目標差分値が所定の閾値より小さい場合、前記P個の目標ノードにおける各目標ノードの第二相対位置姿勢及び前記K個のノードの初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記Kフレームの点群における各フレームの点群の目標相対位置姿勢を得るために用いられ、
前記目標差分値は、前記P個の目標ノードのP個の第二相対位置姿勢と前記P個の目標ノードのP個の第一相対位置姿勢との間の差分値である請求項14に記載の高精度地図作成装置。 - 前記目標領域に対するL本の点群収集軌跡の目標標高値を取得するために用いられる第二取得モジュールを備え、
前記最適化サブモジュールが、前記目標標高値を相対位置姿勢における標高平均値の制約とし、前記初期位置姿勢に基づいて前記K個のノードの位置姿勢を最適化して、前記K個のノードにおける各ノードの第一相対位置姿勢を得るために用いられる請求項13に記載の高精度地図作成装置。 - 少なくとも一つのプロセッサと、
該少なくとも一つのプロセッサと通信接続されるメモリと、
を備え、
前記メモリが、前記少なくとも一つのプロセッサが実行可能な指令を記憶し、前記指令が、前記少なくとも一つのプロセッサにより実行されることにより、前記少なくとも一つのプロセッサに請求項1から8のいずれか一項に記載の高精度地図作成方法を実行させる電子機器。 - コンピュータ指令を記憶した非一時的なコンピュータ読み取り可能な記憶媒体であって、前記コンピュータ指令が、コンピュータに請求項1から8のいずれか一項に記載の高精度地図作成方法を実行させるために用いられる記憶媒体。
- プロセッサにより実行される場合に、請求項1から8のいずれか一項に記載の高精度地図作成方法を実現するコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111260229.5A CN113989451B (zh) | 2021-10-28 | 2021-10-28 | 高精地图构建方法、装置及电子设备 |
CN202111260229.5 | 2021-10-28 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023002757A true JP2023002757A (ja) | 2023-01-10 |
Family
ID=79743067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022171511A Pending JP2023002757A (ja) | 2021-10-28 | 2022-10-26 | 高精度地図作成方法、装置及び電子機器 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230042968A1 (ja) |
EP (1) | EP4116935B1 (ja) |
JP (1) | JP2023002757A (ja) |
KR (1) | KR20220150240A (ja) |
CN (1) | CN113989451B (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100740173B1 (ko) * | 2004-11-10 | 2007-07-16 | 가부시키가이샤 니프코 | 부설되어 시각장애자 유도용 돌기를 형성시키는 돌기유닛 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114757980B (zh) * | 2022-05-12 | 2024-03-26 | 苏州轻棹科技有限公司 | 一种连续帧点云数据的离线配准方法 |
CN117409161A (zh) * | 2022-07-06 | 2024-01-16 | 戴尔产品有限公司 | 点云处理方法和电子设备 |
CN115937383B (zh) * | 2022-09-21 | 2023-10-10 | 北京字跳网络技术有限公司 | 渲染图像的方法、装置、电子设备及存储介质 |
CN116934751B (zh) * | 2023-09-15 | 2024-01-12 | 深圳市信润富联数字科技有限公司 | 高精点云的采集方法及装置、存储介质、电子设备 |
CN117739954B (zh) * | 2024-02-07 | 2024-06-04 | 未来机器人(深圳)有限公司 | 地图局部更新方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010276485A (ja) * | 2009-05-28 | 2010-12-09 | Iwate Univ | レーザ計測装置を用いて被計測物を複数方向から同時計測するシステム |
CN109118582A (zh) * | 2018-09-19 | 2019-01-01 | 东北大学 | 一种商品三维重建系统及重建方法 |
CN111524168A (zh) * | 2020-04-24 | 2020-08-11 | 中国科学院深圳先进技术研究院 | 点云数据的配准方法、系统、装置及计算机存储介质 |
US20210004933A1 (en) * | 2019-07-01 | 2021-01-07 | Geomagical Labs, Inc. | Method and system for image generation |
CN112509142A (zh) * | 2020-11-10 | 2021-03-16 | 华南理工大学 | 基于面向表型精确鉴定的豆株快速三维重建方法 |
CN112561975A (zh) * | 2020-12-16 | 2021-03-26 | 武汉大学 | 基于层次化闭合环约束的多视点云全局优化配准方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106910242B (zh) * | 2017-01-23 | 2020-02-28 | 中国科学院自动化研究所 | 基于深度相机进行室内完整场景三维重建的方法及系统 |
CN110940994B (zh) * | 2018-09-25 | 2024-06-18 | 北京京东乾石科技有限公司 | 定位初始化方法及其系统 |
CN109754459B (zh) * | 2018-12-18 | 2021-04-27 | 湖南视觉伟业智能科技有限公司 | 一种用于构建人体三维模型的方法及系统 |
WO2020154964A1 (en) * | 2019-01-30 | 2020-08-06 | Baidu.Com Times Technology (Beijing) Co., Ltd. | A point clouds registration system for autonomous vehicles |
KR102319036B1 (ko) * | 2019-01-30 | 2021-10-28 | 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 | 자율 주행 차량을 위한 포인트 클라우드 고스트 효과 검출 시스템 |
US11521329B2 (en) * | 2019-11-22 | 2022-12-06 | Baidu Usa Llc | Updated point cloud registration pipeline based on ADMM algorithm for autonomous vehicles |
CN111461981B (zh) * | 2020-03-30 | 2023-09-01 | 北京百度网讯科技有限公司 | 点云拼接算法的误差估计方法和装置 |
CN111461980B (zh) * | 2020-03-30 | 2023-08-29 | 北京百度网讯科技有限公司 | 点云拼接算法的性能估计方法和装置 |
CN111968229B (zh) * | 2020-06-28 | 2024-07-16 | 阿波罗智能技术(北京)有限公司 | 高精度地图制图方法及装置 |
CN111784835B (zh) * | 2020-06-28 | 2024-04-12 | 北京百度网讯科技有限公司 | 制图方法、装置、电子设备及可读存储介质 |
-
2021
- 2021-10-28 CN CN202111260229.5A patent/CN113989451B/zh active Active
-
2022
- 2022-10-20 US US17/970,285 patent/US20230042968A1/en active Pending
- 2022-10-21 EP EP22202930.8A patent/EP4116935B1/en active Active
- 2022-10-24 KR KR1020220137344A patent/KR20220150240A/ko unknown
- 2022-10-26 JP JP2022171511A patent/JP2023002757A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010276485A (ja) * | 2009-05-28 | 2010-12-09 | Iwate Univ | レーザ計測装置を用いて被計測物を複数方向から同時計測するシステム |
CN109118582A (zh) * | 2018-09-19 | 2019-01-01 | 东北大学 | 一种商品三维重建系统及重建方法 |
US20210004933A1 (en) * | 2019-07-01 | 2021-01-07 | Geomagical Labs, Inc. | Method and system for image generation |
CN111524168A (zh) * | 2020-04-24 | 2020-08-11 | 中国科学院深圳先进技术研究院 | 点云数据的配准方法、系统、装置及计算机存储介质 |
CN112509142A (zh) * | 2020-11-10 | 2021-03-16 | 华南理工大学 | 基于面向表型精确鉴定的豆株快速三维重建方法 |
CN112561975A (zh) * | 2020-12-16 | 2021-03-26 | 武汉大学 | 基于层次化闭合环约束的多视点云全局优化配准方法 |
Non-Patent Citations (3)
Title |
---|
CLAUDIO DOS SANTOS FERNANDES ET AL.: ""Visual and Inertial Data Fusion for Globally Consistent Point Cloud Registration"", 2013 XXVI CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES, JPN6023037414, 5 August 2013 (2013-08-05), US, pages 210 - 217, XP032524014, ISSN: 0005150683, DOI: 10.1109/SIBGRAPI.2013.37 * |
SIHENG CHEN ET AL.: ""3D Point Cloud Processing and Learning for Autonomous Driving"", ARXIV, JPN7023003435, 1 March 2020 (2020-03-01), US, pages 1 - 27, ISSN: 0005150684 * |
金井 廉、藤田 悟: ""ICPを用いた位置合わせによる3次元点群の動き推定"", 第77回(平成27年)全国大会講演論文集(2), JPN6023037415, 17 March 2015 (2015-03-17), JP, pages 523 - 524, ISSN: 0005150685 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100740173B1 (ko) * | 2004-11-10 | 2007-07-16 | 가부시키가이샤 니프코 | 부설되어 시각장애자 유도용 돌기를 형성시키는 돌기유닛 |
Also Published As
Publication number | Publication date |
---|---|
US20230042968A1 (en) | 2023-02-09 |
EP4116935A2 (en) | 2023-01-11 |
EP4116935B1 (en) | 2024-05-08 |
CN113989451A (zh) | 2022-01-28 |
KR20220150240A (ko) | 2022-11-10 |
EP4116935A3 (en) | 2023-04-26 |
CN113989451B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2023002757A (ja) | 高精度地図作成方法、装置及び電子機器 | |
EP3579188B1 (en) | Method, apparatus, device and computer readable storage medium for reconstructing three-dimensional scene | |
KR20210043518A (ko) | 고정밀도 맵 작성 방법 및 장치 | |
JP7440005B2 (ja) | 高精細地図の作成方法、装置、デバイス及びコンピュータプログラム | |
CN113989450A (zh) | 图像处理方法、装置、电子设备和介质 | |
CN114459471B (zh) | 定位信息确定方法、装置、电子设备及存储介质 | |
CN111008660A (zh) | 语义地图的生成方法、装置、系统、存储介质及电子设备 | |
CN114034295A (zh) | 高精地图生成方法、装置、电子设备、介质及程序产品 | |
EP4194807A1 (en) | High-precision map construction method and apparatus, electronic device, and storage medium | |
CN111683203B (zh) | 栅格地图生成方法、装置及计算机可读存储介质 | |
CN116518960A (zh) | 路网更新方法、装置、电子设备和存储介质 | |
Zhou et al. | Visual mapping and localization system based on compact instance-level road markings with spatial uncertainty | |
Gao et al. | Complementing Onboard Sensors with Satellite Maps: A New Perspective for HD Map Construction | |
CN115638788B (zh) | 语义矢量地图的构建方法、计算机设备及存储介质 | |
CN115239899B (zh) | 位姿图生成方法、高精地图生成方法和装置 | |
Li et al. | RF-LOAM: Robust and Fast LiDAR Odometry and Mapping in Urban Dynamic Environment | |
CN115790621A (zh) | 高精地图更新方法、装置及电子设备 | |
CN115937449A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
CN112365541B (zh) | 一种基于相似变换的大场景相机姿态注册方法 | |
CN117933519B (zh) | 一种路网优化方法和相关装置 | |
CN117422764B (zh) | 空地视角图像协同的车载系统定位方法、终端及存储介质 | |
Zhang et al. | Multi-Source and Multi-Dimensional Data Fusion of Magnetic Levitation Track Transportation Based on Digital Twin | |
Zhuy et al. | On the Ecosystem of High-Definition (HD) Maps | |
CN113932796A (zh) | 高精地图车道线生成方法、装置和电子设备 | |
Chen et al. | MapCVV: On-cloud Map Construction Using Crowdsourcing Visual Vectorized Elements towards Autonomous Driving |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221026 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230912 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240409 |