CN111208530B - 定位图层生成方法、装置、高精度地图及设备 - Google Patents
定位图层生成方法、装置、高精度地图及设备 Download PDFInfo
- Publication number
- CN111208530B CN111208530B CN202010041023.2A CN202010041023A CN111208530B CN 111208530 B CN111208530 B CN 111208530B CN 202010041023 A CN202010041023 A CN 202010041023A CN 111208530 B CN111208530 B CN 111208530B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- target
- pavement
- road surface
- height
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/005—Map projections or methods associated specifically therewith
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种定位图层生成方法、装置、高精度地图及设备,该方法包括:获取点云数据中路面之上物体的高度信息,然后根据路面之上物体的高度信息生成多个几何线条,多个几何线条用于表示路面之上物体的高度相关信息;最后生成定位图层,定位图层中包括多个几何线条。实现了对定位图层的生成,并大大减少了定位图层的数据量。
Description
技术领域
本申请涉及电子地图技术领域,尤其涉及一种定位图层生成方法、装置、高精度地图及设备。
背景技术
自动驾驶车辆依靠车载传感器、定位***、路径规划***、自动化车辆控制等的协同合作,让人工智能自动且安全地操作自动驾驶车辆。其中,车辆定位和路径规划是则是自动驾驶技术中的核心问题,通过判断自动驾驶车辆与真实世界中的各种实体的相对位置,结合先验地图与传感器数据,预知路面及附近的复杂信息,从而更好的规划路径并规避自动驾驶中的潜在风险。现有技术中,常用的定位方式为环境特征匹配方式,该方式依赖于观测到的传感器数据与先验地图中的特征匹配与交叉对比,得到自动驾驶车辆在先验地图中的位置,从而得到自动驾驶车辆在真实世界中当前的位置和姿态。因此,先验地图是自动驾驶技术中的重要组成部分。
现有技术中,用于自动驾驶定位的先验地图通常采用基于激光雷达采集到的点云数据生成的三维占据栅格图来表达道路周围复杂的三维场景,三维占据栅格图是通过多个二维占据栅格图的叠加来表达复杂的三维场景的。二维占据栅格图是将空间中某一高度的平面划分为大小相等,整齐的栅格,通过每个栅格的位置、灰度值,并结合概率来表达该平面中某栅格是否存在真实世界中的实体。
然而,现有技术中,三维占据栅格的数据量甚至接近激光雷达采集的原始点云数据,数据量大。
发明内容
本申请提供一种定位图层生成方法、装置、高精度地图及设备,以实现对定位图层的生成,并大大减少了定位图层的数据量。
第一方面,本申请实施例提供一种定位图层生成方法,包括:
获取点云数据中路面之上物体的高度信息;
根据路面之上物体的高度信息生成多个几何线条,多个几何线条用于表示路面之上物体的高度相关信息;
生成定位图层,定位图层中包括多个几何线条。
本申请实施例中,通过根据路面之上物体的高度信息,生成多个几何线条,并通过多个几何线条来表达道路周围复杂的三维场景;由于通过几何线条的形式替代现有技术中通过密密麻麻的点云来表达实体的几何形态,且几何线条的数据比现有技术中采用点云数据减少很多形状点,因此,本申请实施例提供的定位图层的数据量会比现有技术中三维占据栅格图有大幅度的减少。
在一种可能的实施方式中,获取点云数据中路面之上物体的高度信息,包括:
根据预设兴趣区域确定点云数据中的兴趣区点云;获取兴趣区点云中路面之上物体的高度信息。
本申请实施例中,通过预设兴趣区域,实现了对兴趣区点云中路面之上物体的高度信息的获取,本申请实施例中的预设兴趣区域,可以是道路两侧预设范围内的区域,兴趣区点云是道路两侧预设范围内的电云。
在一种可能的实施方式中,根据路面之上物体的高度信息生成多个几何线条,包括:
根据路面之上物体的高度信息,对兴趣区点云进行分类,得到多个兴趣区点云组;
根据多个兴趣区点云组,提取每个兴趣区点云组中每个目标物体的几何线条,目标物体为路面之上物体中的任意一个。
本申请实施例中,通过根据路面之上物体的高度信息,将兴趣区点云分为多个兴趣区点云组,进而提取每个兴趣区点云组中每个目标物体的几何线条,实现了对每个兴趣区点云组中目标物体的几何线条的提取。
在一种可能的实施方式中,根据路面之上物体的高度信息,对兴趣区点云进行分类,得到多个兴趣区点云组,包括:
根据路面点云的高度信息,确定多个路面栅格,每个路面栅格包括该路面栅格的路面高度;
根据路面之上物体的高度信息与多个路面栅格的路面高度,对兴趣区点云进行分类,得到多个兴趣区点云组。
本申请实施例中,通过路面之上物体的高度信息和路面点云生成的多个路面栅格的高度信息,实现了对兴趣区点云进行分类,得到了多个兴趣区点云组。
在一种可能的实施方式中,根据路面点云的高度信息,确定多个路面栅格,包括:
将路面点云按照分辨率划分为多个路面栅格;
计算每个路面栅格内的点的高度值的均值;
将每个路面栅格各自对应的均值作为每个路面栅格的路面高度,生成多个路面栅格。
本申请实施例中,通过将每个路面栅格内的点的高度值的均值,作为该路面栅格的路面高度,实现了对路面栅格的路面高度的确认,并可以提高路面高度的可靠性。
在一种可能的实施方式中,根据路面之上物体的高度信息与多个路面栅格的路面高度,对兴趣区点云进行分类,得到多个兴趣区点云组,包括:
根据目标点的高度值,确定目标点的目标路面栅格,目标点为路面之上物体的点云中的任意一个,目标路面栅格为多个路面栅格中路面高度与目标点的高度值之间的高度差最小的路面栅格;
确定目标点与目标路面栅格的目标高度差;
将目标高度差在同一预设高度区间的目标点划分为一个兴趣区点云组。
本申请实施例中,根据路面之上物体的点云中的目标点与多个路面栅格的最小高度差,作为目标点的目标高度差,并将目标高度差在同一预设高度区间的目标点划分为一个兴趣区点云组,不仅实现了根据路面之上物体的高度信息与多个路面栅格的路面高度,对兴趣区点云进行分类,而且还可以提高对兴趣区点云进行分类的可靠性。
在一种可能的实施方式中,根据多个兴趣区点云组,提取每个兴趣区点云组中每个目标物体的几何线条,包括:
对每个兴趣区点云组中的点云进行聚类,得到每个目标物体的目标点云组;
连接每个目标点云组中靠近道路方向和朝向车辆行驶方向的点,得到每个兴趣区点云组中每个目标物体的几何线条;
根据每个兴趣区点云组的预设高度区间,确定每个兴趣区点云组中每个目标物体的几何线条的高度信息。
本申请实施例中,通过对每个兴趣区点云组中的点云进行聚类得到每个兴趣区点云组各自对应的多个目标点云组,进而连接每个目标点云组中靠近道路方向和朝向车辆行驶方向的点,得到多个几何线条,实现了对每个预设高度区间内的实体的几何线条进行勾勒,可以得到多个不同高度的几何线条;通过每个兴趣区点云组的预设高度区间,还可以确定多个几何线条的高度信息。
在一种可能的实施方式中,根据每个兴趣区点云组的预设高度区间,确定每个兴趣区点云组中每个目标物体的几何线条的高度信息,包括:
确定每个兴趣区点云组的预设高度区间的中值为每个兴趣区点云组中每个目标物体的几何线条的高度信息。
在一种可能的实施方式中,本申请实施例提供的定位图层生成方法,还可以包括:
根据目标点云组中每个目标点的概率,确定目标点云组提取的几何线条所表达的几何实体在真实世界中存在的概率,目标点云组为对每个兴趣区点云组中的点云进行聚类,得到的点云组;
目标点的概率包括以下至少一种:
目标点为噪声点的概率、目标点存在遮挡的概率以及目标点属于目标点云组的概率。
本申请实施例通过根据目标点云组中每个目标点的概率,实现了对根据该目标点云组提取的几何线条所表达的几何实体在真实世界中存在的概率,提高了定位图层的可靠性。
在一种可能的实施方式中,本申请实施例提供的定位图层生成方法,还可以包括:建立定位图层与高精度地图中的道路模型的关联关系。
本申请实施例通过建立定位图层和高精度地图中的道路模型的关联关系,实现了通过在定位图层中的定位做到在高精度地图中的定位,进而可以使自动驾驶车辆使用高精地图中丰富的语义信息实现路径规划等相关功能。
在一种可能的实施方式中,建立定位图层与高精度地图中的道路模型的关联关系,包括:
获取道路模型中目标道路以及目标道路的道路边界;
确定目标道路的二维平面,目标道路的二维平面包括目标道路以及距离目标道路的道路边界的预设范围;
若定位图层中存在目标几何线条在二维平面内,则目标几何线条与目标道路存在关联关系。
本申请实施例中,通过确定目标道路的二维平面,确定在二维平面内的几何线条与目标道路存在关联关系,实现了对定位图层与高精度地图中的道路模型的关联关系的建立。
下面介绍本申请实施例提供的装置、电子设备、计算机可读存储介质以及计算机程序产品,其内容和效果可参考本申请实施例提供的定位图层生成方法,不再赘述。
第二方面,本申请实施例提供一种定位图层生成装置,包括:
获取模块,用于获取点云数据中路面之上物体的高度信息;
处理模块,用于根据路面之上物体的高度信息生成多个几何线条,多个几何线条用于表示路面之上物体的高度相关信息;
处理模块,还用于生成定位图层,定位图层中包括多个几何线条。
在一种可能的实施方式中,获取模块,具体用于:
根据预设兴趣区域确定点云数据中的兴趣区点云;获取兴趣区点云中路面之上物体的高度信息。
在一种可能的实施方式中,处理模块,包括:
分类子模块,用于根据路面之上物体的高度信息,对兴趣区点云进行分类,得到多个兴趣区点云组;
提取子模块,用于根据多个兴趣区点云组,提取每个兴趣区点云组中每个目标物体的几何线条,目标物体为路面之上物体中的任意一个。
在一种可能的实施方式中,分类子模块,具体用于:
根据路面点云的高度信息,确定多个路面栅格,每个路面栅格包括该路面栅格的路面高度;
根据路面之上物体的高度信息与多个路面栅格的路面高度,对兴趣区点云进行分类,得到多个兴趣区点云组。
在一种可能的实施方式中,分类子模块,还用于:
将路面点云按照分辨率划分为多个路面栅格;
计算每个路面栅格内的点的高度值的均值;
将每个路面栅格各自对应的均值作为每个路面栅格的路面高度,生成多个路面栅格。
在一种可能的实施方式中,分类子模块,具体用于:
根据目标点的高度值,确定目标点的目标路面栅格,目标点为路面之上物体的点云中的任意一个,目标路面栅格为多个路面栅格中路面高度与目标点的高度值之间的高度差最小的路面栅格;
确定目标点与目标路面栅格的目标高度差;
将目标高度差在同一预设高度区间的目标点划分为一个兴趣区点云组。
在一种可能的实施方式中,提取子模块,具体用于:
对每个兴趣区点云组中的点云进行聚类,得到每个目标物体的目标点云组;
连接每个目标点云组中靠近道路方向和朝向车辆行驶方向的点,得到每个兴趣区点云组中每个目标物体的几何线条;
根据每个兴趣区点云组的预设高度区间,确定每个兴趣区点云组中每个目标物体的几何线条的高度信息。
在一种可能的实施方式中,提取子模块,具体用于:
确定每个兴趣区点云组的预设高度区间的中值为每个兴趣区点云组中每个目标物体的几何线条的高度信息。
在一种可能的实施方式中,本申请实施例提供的定位图层生成装置,还可以包括:
确定模块,用于根据目标点云组中每个目标点的概率,确定目标点云组提取的几何线条所表达的几何实体在真实世界中存在的概率,目标点云组为对每个兴趣区点云组中的点云进行聚类,得到的点云组;
目标点的概率包括以下至少一种:
目标点为噪声点的概率、目标点存在遮挡的概率以及目标点属于目标点云组的概率。
在一种可能的实施方式中,本申请实施例提供的定位图层生成装置,还可以包括:
建立模块,用于建立定位图层与高精度地图中的道路模型的关联关系。
在一种可能的实施方式中,建立模块,具体用于:
获取道路模型中目标道路以及目标道路的道路边界;
确定目标道路的二维平面,目标道路的二维平面包括目标道路以及距离目标道路的道路边界的预设范围;
若定位图层中存在目标几何线条在二维平面内,则目标几何线条与目标道路存在关联关系。
第三方面,本申请实施例提供一种高精度地图,高精度地图包括:通过如第一方面或第一方面可选方式提供的定位图层生成方法所生成的定位图层。
第四方面,本申请实施例提供一种设备,该设备包括本申请实施例第三方面提供的高精度地图。
第五方面,本申请实施例提供一种设备,包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面或第一方面可实现方式提供的方法。
第六方面,本申请实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第一方面或第一方面可实现方式提供的方法。
第七方面,本申请实施例提供一种计算机程序产品,包括:可执行指令,可执行指令用于实现如第一方面或第一方面可选方式提供的方法。
本申请提供的定位图层生成方法、装置、高精度地图及设备,通过获取点云数据中路面之上物体的高度信息,然后根据路面之上物体的高度信息生成多个几何线条,多个几何线条用于表示路面之上物体的高度相关信息;最后生成定位图层,定位图层中包括多个几何线条。本申请实施例中,通过根据路面之上物体的高度信息,生成多个几何线条,并通过多个几何线条来表达道路周围复杂的三维场景;由于通过几何线条的形式替代现有技术中通过密密麻麻的点云来表达实体的几何形态,且几何线条的数据比现有技术中采用点云数据减少很多形状点,因此,本申请实施例提供的定位图层的数据量会比现有技术中三维占据栅格图有大幅度的减少。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一示例性应用场景图;
图2是本申请实施例提供的另一示例性应用场景图;
图3是本申请一实施例提供的定位图层生成方法的流程示意图;
图4-图6是本申请实施例提供的又一示例性应用场景图;
图7是本申请另一实施例提供的定位图层生成方法的流程示意图;
图8是本申请又一实施例提供的定位图层生成方法的流程示意图;
图9是本申请一实施例提供的定位图层生成装置的结构示意图;
图10是本申请另一实施例提供的定位图层生成装置的结构示意图;
图11是本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
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”、“第三”、“第四”等(如果存在)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例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
车辆定位和路径规划是则是自动驾驶技术中的核心问题,通过判断自动驾驶车辆与真实世界中的各种实体的相对位置,结合先验地图与传感器数据,预知路面及附近的复杂信息,从而更好的规划路径并规避自动驾驶中的潜在风险。现有技术中,用于自动驾驶定位的先验地图通常采用基于激光雷达采集到的点云数据生成的三维占据栅格图来表达道路周围复杂的三维场景,然而,现有技术中,高分辨率的三维占据栅格的数据量甚至接近激光雷达采集的原始点云数据,数据量大。为了解决上述问题,本申请实施例提供一种定位图层生成方法、装置、高精度地图及设备。
本申请实施例提供的定位图层生成方法可以通过本申请实施例提供的定位图层生成装置执行,本申请实施例提供的定位图层生成装置可以是终端设备的部分或者全部,图1是本申请实施例提供的一示例性应用场景图,如图1所示,本申请实施例提供的定位图层生成方法可以应用于终端设备11中,例如,可以通过终端设备中的应用程序或者网页实现,终端设备11与服务器12存在数据通信,本申请实施例对此不做限制。
本申请实施例提供的定位图层生成方法,通过根据路面之上物体的高度信息,生成多个几何线条,并通过多个几何线条来表达道路周围复杂的三维场景;由于通过几何线条的形式替代现有技术中通过密密麻麻的点云来表达实体的几何形态,且几何线条的数据比现有技术中采用点云数据减少很多形状点,因此,本申请实施例提供的定位图层的数据量会比现有技术中三维占据栅格图有大幅度的减少。
图2是本申请实施例提供的另一示例性应用场景图,如图2所示,对于道路面两侧的护栏、交通牌、杆,或其他有明确定义或没有明确定义的实体,均可以通过不同高度的三维折线来表示,在自动驾驶车辆的车端使用时,可以通过对三维折线按一定规律插值的方式,将三维折线还原成点云,再通过成熟的点云匹配算法与车端激光雷达采集到的点云进行匹配,从而实现自动驾驶的匹配定位功能。
本申请实施例对终端设备的具体类型不做限制,例如,终端设备可以是智能手机、个人电脑、平板电脑、可穿戴设备、车载终端等。下面以终端设备为智能手机为例,对本申请实施例提供的定位图层生成方法的示例性应用场景进行介绍。
图3是本申请一实施例提供的定位图层生成方法的流程示意图,该方法可以由定位图层生成装置执行,该装置可以通过软件和/或硬件的方式实现,例如:该装置可以是客户端或终端设备,终端设备可以是个人电脑、智能手机、用户终端、平板电脑、可穿戴设备等,下面以终端设备为执行主体对定位图层生成方法进行说明,如图3所示,本申请实施例中的方法可以包括:
步骤S101:获取点云数据中路面之上物体的高度信息。
在通过激光雷达获取点云数据之后,可以提取点云数据中路面之上物体的高度信息,本申请实施例对提取点云数据中路面之上物体的高度信息的具体实现方式不做限制。例如,可以通过对点云数据进行分类,将点云数据分为路面点云和路面之上物体的点云,并将路面点云进行提取和剔除,留下路面之上物体的点云,以通过路面之上物体的点云,确定路面之上物体的高度信息,本申请实施例仅以此为例,并不限于此。
在制作定位图层时所使用的激光雷达可能会比用于自动驾驶的车规级别激光雷达具有更高的精度和更远的探测范围,所以制作定位图层时所使用的点云,对于车端实际应用来说,存在大量的冗余数据。冗余的数据不会对车端应用造成功能性影响,但是这些冗余的数据会造成数据处理、传输和存储时不必要的消耗。因此,对于激光雷达采集的点云数据可以按自动驾驶使用时的实际需要制定一些规则,并按照这些规划的兴趣区域来筛选点云数据,得到兴趣区点云,并只对这些筛选出的兴趣区点云进行成图数据处理,有益于减少最终成图结果的数据量。因此,在一种可能的实施方式中,获取点云数据中路面之上物体的高度信息,可以包括:根据预设兴趣区域确定点云数据中的兴趣区点云;获取兴趣区点云中路面之上物体的高度信息。
本申请实施例对预设兴趣区域的选取规则不做限制,在一种可能的实施方式中,可以确定道路两侧预设距离范围内且高度在预设高度内的点云为兴趣区点云,本申请实施例对预设距离范围和预设高度的具体数值不做限制。
由于对激光雷达采集的点云数据往往具有密度不规则、遮挡、数据错误等问题,因此,在一种可能的实施方式中,在获取点云数据中路面之上物体的高度信息之前,本申请实施例提供的定位图层生成方法,还可以包括:对点云数据进行去噪处理。
本申请实施例对点云数据进行去噪处理的具体实现方式不做限制,例如,可以平滑密度不规则的点云数据、去除由遮挡等问题造成的离群点、去除错误数据等,对点云数据进行去噪处理的具体方式可以通过复用双边滤波,高斯滤波,体素滤波和半径滤波等去噪方法来实现。本申请实施例不限于此。
步骤S102:根据路面之上物体的高度信息生成多个几何线条,多个几何线条用于表示路面之上物体的高度相关信息。
高度相关信息可以包括几何线条的高度或几何线条相对于路面的高度、几何线条表达的几何实体在真实世界中正确存在的概率、以及折线与道路的关联关系等,本申请实施例对高度相关信息具体包含的内容和数据形式不做限制。本申请实施例对根据路面之上物体的高度信息生成多个几何线条的具体实现方式不做限制,在一种可能的实施方式中,可以通过根据路面之上物体的高度信息,将路面之上物体的点云分为不同高度区间的点云组,然后将每个点云组中的路面之上物体通过几何线条表示,本申请实施例仅以此为例,并不限于此。其中,几何线条可以通过折线表示,也可以通过样条曲线表示,本申请实施例对此不做限制。
在另一种可能的实施方式中,根据路面之上物体的高度信息生成多个几何线条,包括:根据路面之上物体的高度信息,对兴趣区点云进行分类,得到多个兴趣区点云组;根据多个兴趣区点云组,提取每个兴趣区点云组中每个目标物体的几何线条,目标物体为路面之上物体中的任意一个。
本申请实施例对根据路面之上物体的高度信息,对兴趣区点云进行分类的具体实现方式不做限制,例如,可以将路面之上物体的高度值在同一高度区间的点云分为一个兴趣区点云组;再例如,可以通过确定路面点云中高度值的平均值,然后将兴趣区点云中与该平均值之间的差值在同一范围区间的点云分为一个兴趣区点云组,本申请实施例不限于此。本申请实施例中,将兴趣区点云中具有近似高度差的点云划分为一组,可以用来表达距离路面相近高度的一个水平区域面,不同高度的点云会属于不同的高度分组,且任意一个点都只能属于某一个兴趣区点云组,而不会同时属于多个兴趣区点云组。
在一种可能的实施方式中,根据路面之上物体的高度信息,对兴趣区点云进行分类,包括:
根据路面点云的高度信息,确定多个路面栅格,每个路面栅格包括该路面栅格的路面高度;根据路面之上物体的高度信息与多个路面栅格的路面高度,对兴趣区点云进行分类,得到多个兴趣区点云组。
为了按照相对于路面的高度来提取路面之上物体的几何线条,需要分类提取出路面点云的高度值。由于道路不可能是完全水平的,因此,可以使用具有高度值的二维栅格来表达路面上某片区域的高度值。示例性的,根据路面点云的高度信息确定多个路面栅格,可以通过首先将路面点云划分为多个路面栅格,然后确定每个路面栅格的路面高度,本申请实施例对根据路面点云的高度信息,确定多个路面栅格的实现方式不做限制,例如,可以通过路面点云的位置坐标划分为多个路面栅格,然后根据每个路面栅格内的点云分别确定每个路面栅格的路面高度,本申请实施例对确定每个路面栅格的路面高度的实现方式不做限制。
在一种可能的实施方式中,根据路面点云的高度信息,确定多个路面栅格,包括:将路面点云按照分辨率划分为多个路面栅格;计算每个路面栅格内的点的高度值的均值;将每个路面栅格各自对应的均值作为每个路面栅格的路面高度,生成多个路面栅格。通过将路面点云按照分辨率划分为多个路面栅格,然后计算每个路面栅格内的点的高度值的均值,将每个路面栅格各自对应的均值作为每个路面栅格的路面高度,生成多个路面栅格。本申请实施例中,通过将每个路面栅格内的点的高度值的均值,作为该路面栅格的路面高度,实现了对路面栅格的路面高度的确认,并可以提高路面高度的可靠性。在一种可能的实施方式中,在确定每个路面栅格的路面高度时,还可以确定每个路面栅格内的点的高度值的均值和方差;将每个路面栅格各自对应的均值和方差之和,作为每个路面栅格的路面高度。本申请实施例不限于此。
在确定多个路面栅格的路面高度之后,可以根据路面之上物体的高度信息与多个路面栅格的路面高度,对兴趣区点云进行分类,得到多个兴趣区点云组,本申请实施例对此不做限制,在一种可能的实施方式中,根据路面之上物体的高度信息与多个路面栅格的路面高度,对兴趣区点云进行分类,得到多个兴趣区点云组,包括:
根据目标点的高度值,确定目标点的目标路面栅格,目标点为路面之上物体的点云中的任意一个,目标路面栅格为多个路面栅格中路面高度与目标点的高度值之间的高度差最小的路面栅格;确定目标点与目标路面栅格的目标高度差;将目标高度差在同一预设高度区间的目标点划分为一个兴趣区点云组。
本申请实施例中,根据路面之上物体的点云中目标点与多个路面栅格的最小高度差,作为目标点的目标高度差,并将目标高度差在同一预设高度区间的目标点划分为一个兴趣区点云组,不仅实现了根据兴趣区点云的高度信息与多个路面栅格的路面高度,对兴趣区点云进行分类,而且还可以提高对兴趣区点云进行分类的可靠性。
另外,本申请实施例对预设高度区间的数量以及范围不做限制,在一种可能的实施方式中,可以确定每十厘米作为一个预设高度区间,预设高度区间可以包括(0-10厘米]区间、(10厘米-20厘米]厘米区间、(20厘米-30厘米]区间、(30厘米-40厘米]区间、(40厘米-50厘米]区间等多个预设高度区间,本申请实施例仅以此为例,并不限于此。
在将兴趣区点云划分为多个兴趣区点云组之后,可以根据多个兴趣区点云组,提取每个兴趣区点云组中每个目标物体的几何线条,目标物体为路面之上物体中的任意一个。在一种可能的实施方式中,根据多个兴趣区点云组,提取每个兴趣区点云组中每个目标物体的几何线条,包括:
对每个兴趣区点云组中的点云进行聚类,得到每个目标物体的目标点云组;连接每个目标点云组中靠近道路方向和朝向车辆行驶方向的点,得到每个兴趣区点云组中每个目标物体的几何线条;根据每个兴趣区点云组的预设高度区间,确定每个兴趣区点云组中每个目标物体的几何线条的高度信息。
下面以对一个兴趣区点云组的几何线条提取为例,对提取几何线条的实现方式进行介绍,图4-图6是本申请实施例提供的又一示例性应用场景图,针对同一几何实体在该兴趣区点云的预设高度区间的点云可能是连续的,因此,可以对兴趣区点云组的点云进行聚类,以得到多个目标点云组,以道路一侧的兴趣区点云组为例,如图4所示,通过对兴趣区点云组中的点云进行聚类,得到每个目标物体各自对应的目标点云组,如图4中,目标点云组1、目标点云组2和目标点云组3,其中,在该道路上车辆行驶方向在图4中为向左方向,本申请实施例仅以此为例。
在确定每个目标物体的目标点云组之后,如图5所示,连接每个目标点云组中靠近道路方向和朝向车辆行驶方向的点,得到每个目标物体的几何线条;在确定多个几何线条之后,根据每个兴趣区点云组的预设高度区间,确定每个兴趣区点云组中每个目标物体的几何线条的高度信息,在一种可能的实施方式中,根据每个兴趣区点云组的预设高度区间,确定每个兴趣区点云组中每个目标物体的几何线条的高度信息,包括:确定每个兴趣区点云组的预设高度区间的中值为每个兴趣区点云组中每个目标物体的几何线条的高度信息,例如,兴趣区点云组的预设高度区间为(0-10厘米]区间,则该兴趣区点云组中每个目标物体的几何线条的高度信息为5厘米,本申请实施例仅以此为例,并不限于此。几何线条所表达的几何实体如图6所示,多个几何线条可以分别表示在一定高度下的护栏、交通牌的杆的信息,除此之外,几何线条还可以表示没有明确定义的实体,例如,一个土堆、一块大石头等,进一步提高了定位图层的可靠性。
在一种可能的实施方式中,几何线条可以由端点和形状点组成,为了进一步减少几何线条的数据量,在一种可能的实施方式中,可以通过在正确表达实体几何的基础上,过滤几何线条上的冗余形状点,从而得到最终存储的几何线条。本申请实施例通过对每个兴趣区点云组中的点云进行聚类得到每个兴趣区点云组各自对应的多个目标点云组,进而连接每个目标点云组中靠近道路方向和朝向车辆行驶方向的点,得到多个几何线条,实现了对每个预设高度区间内的实体的几何线条进行勾勒,可以得到多个不同高度的几何线条;通过每个兴趣区点云组的预设高度区间,还可以确定多个几何线条的高度信息。
步骤S103:生成定位图层,定位图层中包括多个几何线条。
定位图层中包括多个几何线条,其中,几何线条可以为折线、样条曲线等,本申请实施例对此不做限制。本申请实施例对生成定位图层的具体实现方式也不做限制。例如,可以通过应用软件实现。
在生成定位图层之后,在一种可能的实施方式中,可以对定位图层进行存储。例如,定位图层可以使用mysql,pysql,sqlite等数据库进行存储,也可以采用.shp,.kml等表达三维形状且可以进行属性存储的数据结构进行存储。依照已知的折线存储方式,该定位图层中每条几何线条也是由一系列按一定顺序排列的形状点组成,几何线条的走向遵循形状点的起终点顺序。由于每条几何线条会包含其相对于路面的高度,所以形状点中不需要存储其高度,即这些形状点都只有二维坐标而不包含高程值,可以有效减少定位图层的数据量。
本申请实施例中,通过根据路面之上物体的高度信息,生成多个几何线条,并通过多个几何线条来表达道路周围复杂的三维场景;由于通过几何线条的形式替代现有技术中通过密密麻麻的点云来表达实体的几何形态,且几何线条的数据比现有技术中采用点云数据减少很多形状点,因此,本申请实施例提供的定位图层的数据量会比现有技术中三维占据栅格图有大幅度的减少。
由于在生成二维占据栅格时,通常采用激光雷达扫描平面,激光撞到并反射的地方所处坐标位置对应一种灰度值,没有撞到的地方所处坐标位置对应另外一种的灰度值。某个占据栅格某一时刻只有两种状态,要么被激光撞到,要么未被激光撞到。但是该占据栅格在整个测量过程中,可能在不同时间多次被撞到或多次没被撞到。因此,某个占据栅格有多大的可能被占用了是可以用概率的方式来表示的。
基于此,为了表示几何线条所表示的几何实体存在的可能性,在一种可能的实施方式中,图7是本申请另一实施例提供的定位图层生成方法的流程示意图,该方法可以由定位图层生成装置执行,该装置可以通过软件和/或硬件的方式实现,例如:该装置可以是客户端或终端设备,终端设备可以是个人电脑、智能手机、用户终端、平板电脑、可穿戴设备等,下面以终端设备为执行主体对定位图层生成方法进行说明,如图7所示,本申请实施例中的方法,在步骤S103之后,还可以包括:
步骤S201:根据目标点云组中每个目标点的概率,确定目标点云组提取的几何线条所表达的几何实体在真实世界中存在的概率。
每个几何线条可以根据每个目标点云组生成,因此,可以通过目标点云组中每个目标点的概率,确定目标点云组对应的几何线条所表达的几何实体在真实世界中存在的概率,其中,目标点云组为对每个兴趣区点云组中的点云进行聚类,得到的点云组。
目标点可以为目标点云组中的所有点,也可以是在目标点云组中选取的部分点,本申请实施例对此不做限制,另外,本申请实施例对目标点的概率的计算方式也不做限制,在一种可能的实施方式中,目标点的概率包括以下至少一种:目标点为噪声点的概率、目标点存在遮挡的概率以及目标点属于目标点云组的概率。
其中,目标点为噪声的的概率以及目标点存在遮挡的概率可以在对点云数据进行去噪处理时确定;目标点属于目标点云组的概率,可以在对每个兴趣区点云组中的点云进行聚类时确定,本申请实施例不限于此。
在确定目标点云组中每个目标点的概率之后,本申请实施例对根据目标点云组中每个目标点的概率,确定目标点云组提取的几何线条所表达的几何实体在真实世界中存在的概率的具体实现方式不做限制。在一种可能的实施方式中,可以将目标点云组中每个目标点的概率的均值作为该目标点云组对应的几何线条的概率;在另一种可能的实施方式中,根据目标点为噪声的概率大于预设阈值的目标点占所有目标点的比例,确定几何线条所表达的几何实体在真实世界中存在的概率等,本申请实施例仅以此为例,并不限于此。
本申请实施例通过根据目标点云组中每个目标点的概率,实现了对根据该目标点云组提取的几何线条所表达的几何实体在真实世界中存在的概率,提高了定位图层的可靠性。
为了实现通过在定位图层中的定位做到在高精度地图中的定位,从而使用高精度地图中丰富的语义信息实现路径规划等相关功能,在一种可能的实施方式中,图8是本申请又一实施例提供的定位图层生成方法的流程示意图,该方法可以由定位图层生成装置执行,该装置可以通过软件和/或硬件的方式实现,例如:该装置可以是客户端或终端设备,终端设备可以是个人电脑、智能手机、用户终端、平板电脑、可穿戴设备等,下面以终端设备为执行主体对定位图层生成方法进行说明,本申请实施例中的方法,在步骤S103之后或者在步骤S201之后,还可以包括步骤S301,图8中以在步骤S103之后还可以包括步骤S301为例进行介绍,如图8所示:
步骤S301:建立定位图层与高精度地图中的道路模型的关联关系。
本申请实施例对建立定位图层与高精度地图中的道路模型的关联关系的具体实现方式不做限制,在一种可能的实施方式中,建立定位图层与高精度地图中的道路模型的关联关系,包括:
获取道路模型中目标道路以及目标道路的道路边界;确定目标道路的二维平面,目标道路的二维平面包括目标道路以及距离目标道路的道路边界的预设范围;若定位图层中存在目标几何线条在二维平面内,则目标几何线条与目标道路存在关联关系。本申请实施例中,通过确定目标道路的二维平面,确定在二维平面内的几何线条与目标道路存在关联关系,实现了对定位图层与高精度地图中的道路模型的关联关系的建立。
本申请实施例通过建立定位图层和高精度地图中的道路模型的关联关系,实现了通过在定位图层中的定位做到在高精度地图中的定位,进而可以使自动驾驶车辆使用高精度地图中丰富的语义信息实现路径规划等相关功能。由于通过几何线条存储三维信息减少了的定位用先验图层的数据量,不仅减少了向车端传输数据时的数据量,大幅减少数据存储量,以及数据传输成本;还可以减少对车端上算力与存储空间的要求,使得车端更多的计算、存储资源可以被运用到自动驾驶的其他感知、决策、控制等模块。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
图9是本申请一实施例提供的定位图层生成装置的结构示意图,该装置可以通过软件和/或硬件的方式实现,例如:该装置可以是客户端或终端设备,终端设备可以是个人电脑、智能手机、用户终端、平板电脑、可穿戴设备等,如图9所示,本申请实施例提供的定位图层生成装置可以包括:
获取模块41,用于获取点云数据中路面之上物体的高度信息;
处理模块42,用于根据路面之上物体的高度信息生成多个几何线条,多个几何线条用于表示路面之上物体的高度相关信息;
处理模块42,还用于生成定位图层,定位图层中包括多个几何线条。
在一种可能的实施方式中,获取模块41,具体用于:
根据预设兴趣区域确定点云数据中的兴趣区点云;获取兴趣区点云中路面之上物体的高度信息。
在一种可能的实施方式中,图10是本申请另一实施例提供的定位图层生成装置的结构示意图,如图10所示,处理模块42,包括:
分类子模块421,用于根据路面之上物体的高度信息,对兴趣区点云进行分类,得到多个兴趣区点云组;
提取子模块422,用于根据多个兴趣区点云组,提取每个兴趣区点云组中每个目标物体的几何线条,目标物体为路面之上物体中的任意一个。
在一种可能的实施方式中,分类子模块421,具体用于:
根据路面点云的高度信息,确定多个路面栅格,每个路面栅格包括该路面栅格的路面高度;根据路面之上物体的高度信息与多个路面栅格的路面高度,对兴趣区点云进行分类,得到多个兴趣区点云组。
在一种可能的实施方式中,分类子模块421,还用于:
将路面点云按照分辨率划分为多个路面栅格;计算每个路面栅格内的点的高度值的均值;将每个路面栅格各自对应的均值作为每个路面栅格的路面高度,生成多个路面栅格。
在一种可能的实施方式中,分类子模块421,具体用于:
根据目标点的高度值,确定目标点的目标路面栅格,目标点为路面之上物体的点云中的任意一个,目标路面栅格为多个路面栅格中路面高度与目标点的高度值之间的高度差最小的路面栅格;确定目标点与目标路面栅格的目标高度差;将目标高度差在同一预设高度区间的目标点划分为一个兴趣区点云组。
在一种可能的实施方式中,提取子模块422,具体用于:
对每个兴趣区点云组中的点云进行聚类,得到每个目标物体的目标点云组;连接每个目标点云组中靠近道路方向和朝向车辆行驶方向的点,得到每个兴趣区点云组中每个目标物体的几何线条;根据每个兴趣区点云组的预设高度区间,确定每个兴趣区点云组中每个目标物体的几何线条的高度信息。
在一种可能的实施方式中,提取子模块422,具体用于:
确定每个兴趣区点云组的预设高度区间的中值为每个兴趣区点云组中每个目标物体的几何线条的高度信息。
在一种可能的实施方式中,本申请实施例提供的定位图层生成装置,还可以包括:
确定模块43,用于根据目标点云组中每个目标点的概率,确定目标点云组提取的几何线条所表达的几何实体在真实世界中存在的概率,目标点云组为对每个兴趣区点云组中的点云进行聚类,得到的点云组;目标点的概率包括以下至少一种:目标点为噪声点的概率、目标点存在遮挡的概率以及目标点属于目标点云组的概率。
在一种可能的实施方式中,本申请实施例提供的定位图层生成装置,还可以包括:
建立模块44,用于建立定位图层与高精度地图中的道路模型的关联关系。
在一种可能的实施方式中,建立模块44,具体用于:
获取道路模型中目标道路以及目标道路的道路边界;确定目标道路的二维平面,目标道路的二维平面包括目标道路以及距离目标道路的道路边界的预设范围;若定位图层中存在目标几何线条在二维平面内,则目标几何线条与目标道路存在关联关系。
本申请所提供的装置实施例仅仅是示意性的,图9和图10中的模块划分仅仅是一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个模块可以结合或者可以集成到另一个***。各个模块相互之间的耦合可以是通过一些接口实现,这些接口通常是电性通信接口,但是也不排除可能是机械接口或其它的形式接口。因此,作为分离部件说明的模块可以是或者也可以不是物理上分开的,既可以位于一个地方,也可以分布到同一个或不同设备的不同位置上。
图11是本申请实施例提供的电子设备的结构示意图,如图11所示,该电子设备包括:
处理器51、存储器52、收发器53以及计算机程序;其中,收发器53实现与其他设备之间的数据传输,计算机程序被存储在存储器52中,并且被配置为由处理器51执行,计算机程序包括用于执行上述定位图层生成方法的指令,其内容及效果请参考方法实施例。
本申请实施例提供一种高精度地图,高精度地图包括本申请上述实施例中提供的定位图层生成方法所生成的定位图层,本申请实施例对定位图层的生成方法不再赘述,具体可参考上述方法实施例中的内容。
本申请实施例提供一种设备,该设备包括本申请实施例提供的高精度地图,本申请实施例对设备的类型不做限制,例如,该设备可以是智能手机、平板电脑、个人电脑、可穿戴设备、车端设备等,只要可以安装高精度地图即可。
此外,本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当用户设备的至少一个处理器执行该计算机执行指令时,用户设备执行上述各种可能的方法。
其中,计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外,该ASIC可以位于用户设备中。当然,处理器和存储介质也可以作为分立组件存在于通信设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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 (11)
1.一种定位图层生成方法,其特征在于,包括:
根据预设兴趣区域确定点云数据中的兴趣区点云;
获取所述兴趣区点云中路面之上物体的高度信息;
根据路面点云的高度信息,确定多个路面栅格,每个路面栅格包括该路面栅格的路面高度;
根据所述路面之上物体的高度信息与所述多个路面栅格的路面高度,对所述兴趣区点云进行分类,得到多个兴趣区点云组;
根据多个所述兴趣区点云组,提取每个兴趣区点云组中每个目标物体的几何线条,所述目标物体为所述路面之上物体中的任意一个;
生成定位图层,所述定位图层中包括多个几何线条。
2.根据权利要求1所述的方法,其特征在于,所述根据路面点云的高度信息,确定多个路面栅格,包括:
将所述路面点云按照分辨率划分为多个路面栅格;
计算每个路面栅格内的点的高度值的均值;
将每个路面栅格各自对应的均值作为每个路面栅格的路面高度,生成所述多个路面栅格。
3.根据权利要求2所述的方法,其特征在于,所述根据所述路面之上物体的高度信息与所述多个路面栅格的路面高度,对所述兴趣区点云进行分类,得到多个兴趣区点云组,包括:
根据目标点的高度值,确定所述目标点的目标路面栅格,所述目标点为所述路面之上物体的点云中的任意一个,所述目标路面栅格为所述多个路面栅格中路面高度与所述目标点的高度值之间的高度差最小的路面栅格;
确定所述目标点与所述目标路面栅格的目标高度差;
将所述目标高度差在同一预设高度区间的目标点划分为一个兴趣区点云组。
4.根据权利要求2或3述的方法,其特征在于,所述根据多个所述兴趣区点云组,提取每个兴趣区点云组中每个目标物体的几何线条,包括:
对每个兴趣区点云组中的点云进行聚类,得到每个目标物体的目标点云组;
连接每个目标点云组中靠近道路方向和朝向车辆行驶方向的点,得到每个兴趣区点云组中每个目标物体的几何线条;
根据每个兴趣区点云组的预设高度区间,确定每个兴趣区点云组中每个目标物体的几何线条的高度信息。
5.根据权利要求4所述的方法,其特征在于,所述根据每个兴趣区点云组的预设高度区间,确定每个兴趣区点云组中每个目标物体的几何线条的高度信息,包括:
确定每个兴趣区点云组的预设高度区间的中值为每个兴趣区点云组中每个目标物体的几何线条的高度信息。
6.根据权利要求5所述的方法,其特征在于,还包括:
根据目标点云组中每个目标点的概率,确定所述目标点云组提取的几何线条所表达的几何实体在真实世界中存在的概率,所述目标点云组为对每个兴趣区点云组中的点云进行聚类,得到的点云组;
所述目标点的概率包括以下至少一种:
所述目标点为噪声点的概率、所述目标点存在遮挡的概率以及所述目标点属于所述目标点云组的概率。
7.根据权利要求1-3、5、6任一项所述的方法,其特征在于,还包括:
建立所述定位图层与高精度地图中的道路模型的关联关系。
8.根据权利要求7所述的方法,其特征在于,所述建立所述定位图层与高精度地图中的道路模型的关联关系,包括:
获取所述道路模型中目标道路以及所述目标道路的道路边界;
确定所述目标道路的二维平面,所述目标道路的二维平面包括所述目标道路以及距离所述目标道路的道路边界的预设范围;
若所述定位图层中存在目标几何线条在所述二维平面内,则所述目标几何线条与所述目标道路存在关联关系。
9.一种定位图层生成装置,其特征在于,包括:
获取模块,用于根据预设兴趣区域确定点云数据中的兴趣区点云;获取所述兴趣区点云中路面之上物体的高度信息;
处理模块,用于根据路面点云的高度信息,确定多个路面栅格,每个路面栅格包括该路面栅格的路面高度;根据所述路面之上物体的高度信息与所述多个路面栅格的路面高度,对所述兴趣区点云进行分类,得到多个兴趣区点云组; 根据多个所述兴趣区点云组,提取每个兴趣区点云组中每个目标物体的几何线条,所述目标物体为所述路面之上物体中的任意一个;
所述处理模块,还用于生成定位图层,所述定位图层中包括多个几何线条。
10.一种高精度地图,其特征在于,所述高精度地图包括:通过如权利要求1-8任一项权利要求所述的定位图层生成方法所生成的定位图层。
11.一种电子设备,其特征在于,包括如权利要求10所述的高精度地图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010041023.2A CN111208530B (zh) | 2020-01-15 | 2020-01-15 | 定位图层生成方法、装置、高精度地图及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010041023.2A CN111208530B (zh) | 2020-01-15 | 2020-01-15 | 定位图层生成方法、装置、高精度地图及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111208530A CN111208530A (zh) | 2020-05-29 |
CN111208530B true CN111208530B (zh) | 2022-06-17 |
Family
ID=70784371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010041023.2A Active CN111208530B (zh) | 2020-01-15 | 2020-01-15 | 定位图层生成方法、装置、高精度地图及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111208530B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733817B (zh) * | 2021-03-30 | 2021-06-04 | 湖北亿咖通科技有限公司 | 一种高精度地图中点云图层精度的测量方法及电子设备 |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091321A (zh) * | 2014-04-14 | 2014-10-08 | 北京师范大学 | 适用于地面激光雷达点云分类的多层次点集特征的提取方法 |
CN104658039A (zh) * | 2015-02-12 | 2015-05-27 | 南京市测绘勘察研究院有限公司 | 一种城市数字地图三维建模制作方法 |
CN104933708A (zh) * | 2015-06-07 | 2015-09-23 | 浙江大学 | 一种基于多谱三维特征融合的植被环境中障碍物检测方法 |
CN106054208A (zh) * | 2016-08-16 | 2016-10-26 | 长春理工大学 | 多线激光雷达车辆目标识别方法和汽车的防撞装置 |
CN106530380A (zh) * | 2016-09-20 | 2017-03-22 | 长安大学 | 一种基于三维激光雷达的地面点云分割方法 |
CN106997049A (zh) * | 2017-03-14 | 2017-08-01 | 奇瑞汽车股份有限公司 | 一种基于激光点云数据的检测障碍物的方法和装置 |
CN107272019A (zh) * | 2017-05-09 | 2017-10-20 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法 |
CN107393004A (zh) * | 2017-07-17 | 2017-11-24 | 北京数字绿土科技有限公司 | 一种获取输电线走廊中建筑物拆迁量的方法及装置 |
CN107917712A (zh) * | 2017-11-16 | 2018-04-17 | 苏州艾吉威机器人有限公司 | 一种同步定位与地图构建方法及设备 |
CN108345822A (zh) * | 2017-01-22 | 2018-07-31 | 腾讯科技(深圳)有限公司 | 一种点云数据处理方法及装置 |
CN108873013A (zh) * | 2018-06-27 | 2018-11-23 | 江苏大学 | 一种采用多线激光雷达的道路可通行区域获取方法 |
CN108919295A (zh) * | 2018-05-15 | 2018-11-30 | 国网通用航空有限公司 | 机载LiDAR点云道路信息提取方法及装置 |
CN108931786A (zh) * | 2018-05-17 | 2018-12-04 | 北京智行者科技有限公司 | 路沿检测装置和方法 |
CN109188448A (zh) * | 2018-09-07 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 点云非地面点过滤方法、装置及存储介质 |
CN109283936A (zh) * | 2018-08-15 | 2019-01-29 | 广州极飞科技有限公司 | 移动装置控制方法、装置及终端 |
CN109858460A (zh) * | 2019-02-20 | 2019-06-07 | 重庆邮电大学 | 一种基于三维激光雷达的车道线检测方法 |
CN110019609A (zh) * | 2017-11-20 | 2019-07-16 | 北京京东尚科信息技术有限公司 | 地图更新方法、装置以及计算机可读存储介质 |
CN110084116A (zh) * | 2019-03-22 | 2019-08-02 | 深圳市速腾聚创科技有限公司 | 路面检测方法、装置、计算机设备和存储介质 |
CN110163880A (zh) * | 2019-06-04 | 2019-08-23 | 奥特酷智能科技(南京)有限公司 | 一种在Unity中获取点云路面高度的方法 |
CN110320504A (zh) * | 2019-07-29 | 2019-10-11 | 浙江大学 | 一种基于激光雷达点云统计几何模型的非结构化道路检测方法 |
CN110378175A (zh) * | 2018-08-16 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 道路边沿的识别方法和装置 |
CN110378173A (zh) * | 2018-07-10 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 一种确定道路边界线的方法和装置 |
CN110415330A (zh) * | 2019-04-29 | 2019-11-05 | 当家移动绿色互联网技术集团有限公司 | 道路生成方法、装置、存储介质及电子设备 |
CN110647835A (zh) * | 2019-09-18 | 2020-01-03 | 合肥中科智驰科技有限公司 | 基于3d点云数据的目标检测与分类方法和*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10438371B2 (en) * | 2017-09-22 | 2019-10-08 | Zoox, Inc. | Three-dimensional bounding box from two-dimensional image and point cloud data |
-
2020
- 2020-01-15 CN CN202010041023.2A patent/CN111208530B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091321A (zh) * | 2014-04-14 | 2014-10-08 | 北京师范大学 | 适用于地面激光雷达点云分类的多层次点集特征的提取方法 |
CN104658039A (zh) * | 2015-02-12 | 2015-05-27 | 南京市测绘勘察研究院有限公司 | 一种城市数字地图三维建模制作方法 |
CN104933708A (zh) * | 2015-06-07 | 2015-09-23 | 浙江大学 | 一种基于多谱三维特征融合的植被环境中障碍物检测方法 |
CN106054208A (zh) * | 2016-08-16 | 2016-10-26 | 长春理工大学 | 多线激光雷达车辆目标识别方法和汽车的防撞装置 |
CN106530380A (zh) * | 2016-09-20 | 2017-03-22 | 长安大学 | 一种基于三维激光雷达的地面点云分割方法 |
CN108345822A (zh) * | 2017-01-22 | 2018-07-31 | 腾讯科技(深圳)有限公司 | 一种点云数据处理方法及装置 |
CN106997049A (zh) * | 2017-03-14 | 2017-08-01 | 奇瑞汽车股份有限公司 | 一种基于激光点云数据的检测障碍物的方法和装置 |
CN107272019A (zh) * | 2017-05-09 | 2017-10-20 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法 |
CN107393004A (zh) * | 2017-07-17 | 2017-11-24 | 北京数字绿土科技有限公司 | 一种获取输电线走廊中建筑物拆迁量的方法及装置 |
CN107917712A (zh) * | 2017-11-16 | 2018-04-17 | 苏州艾吉威机器人有限公司 | 一种同步定位与地图构建方法及设备 |
CN110019609A (zh) * | 2017-11-20 | 2019-07-16 | 北京京东尚科信息技术有限公司 | 地图更新方法、装置以及计算机可读存储介质 |
CN108919295A (zh) * | 2018-05-15 | 2018-11-30 | 国网通用航空有限公司 | 机载LiDAR点云道路信息提取方法及装置 |
CN108931786A (zh) * | 2018-05-17 | 2018-12-04 | 北京智行者科技有限公司 | 路沿检测装置和方法 |
CN108873013A (zh) * | 2018-06-27 | 2018-11-23 | 江苏大学 | 一种采用多线激光雷达的道路可通行区域获取方法 |
CN110378173A (zh) * | 2018-07-10 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 一种确定道路边界线的方法和装置 |
CN109283936A (zh) * | 2018-08-15 | 2019-01-29 | 广州极飞科技有限公司 | 移动装置控制方法、装置及终端 |
CN110378175A (zh) * | 2018-08-16 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 道路边沿的识别方法和装置 |
CN109188448A (zh) * | 2018-09-07 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 点云非地面点过滤方法、装置及存储介质 |
CN109858460A (zh) * | 2019-02-20 | 2019-06-07 | 重庆邮电大学 | 一种基于三维激光雷达的车道线检测方法 |
CN110084116A (zh) * | 2019-03-22 | 2019-08-02 | 深圳市速腾聚创科技有限公司 | 路面检测方法、装置、计算机设备和存储介质 |
CN110415330A (zh) * | 2019-04-29 | 2019-11-05 | 当家移动绿色互联网技术集团有限公司 | 道路生成方法、装置、存储介质及电子设备 |
CN110163880A (zh) * | 2019-06-04 | 2019-08-23 | 奥特酷智能科技(南京)有限公司 | 一种在Unity中获取点云路面高度的方法 |
CN110320504A (zh) * | 2019-07-29 | 2019-10-11 | 浙江大学 | 一种基于激光雷达点云统计几何模型的非结构化道路检测方法 |
CN110647835A (zh) * | 2019-09-18 | 2020-01-03 | 合肥中科智驰科技有限公司 | 基于3d点云数据的目标检测与分类方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN111208530A (zh) | 2020-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113902897B (zh) | 目标检测模型的训练、目标检测方法、装置、设备和介质 | |
CN112581612B (zh) | 基于激光雷达和环视摄像头融合的车载栅格地图生成方法及*** | |
EP2849117B1 (en) | Methods, apparatuses and computer program products for automatic, non-parametric, non-iterative three dimensional geographic modeling | |
CN111582054B (zh) | 点云数据处理方法及装置、障碍物检测方法及装置 | |
CN111308500B (zh) | 基于单线激光雷达的障碍物感知方法、装置和计算机终端 | |
CN115423972A (zh) | 一种基于车载多激光雷达融合的封闭场景三维重建方法 | |
CN111699410A (zh) | 点云的处理方法、设备和计算机可读存储介质 | |
WO2024149060A1 (zh) | 可行驶区域和路沿的检测方法、装置及相关设备 | |
CN115164919B (zh) | 基于双目相机的空间可行驶区域地图构建方法及装置 | |
CN110619299A (zh) | 基于网格的对象识别slam方法和装置 | |
CN116168384A (zh) | 点云目标检测方法、装置、电子设备及存储介质 | |
CN114966651A (zh) | 可行驶区域检测方法、计算机设备、存储介质及车辆 | |
CN114140758A (zh) | 一种目标检测方法、装置及计算机设备 | |
CN110110678B (zh) | 道路边界的确定方法和装置、存储介质及电子装置 | |
CN111208530B (zh) | 定位图层生成方法、装置、高精度地图及设备 | |
CN115147798A (zh) | 可行驶区域预测方法、模型、装置及车辆 | |
CN114663598A (zh) | 三维建模方法、装置和存储介质 | |
CN113807184A (zh) | 障碍物检测方法、装置、电子设备及自动驾驶车辆 | |
CN117671637A (zh) | 物体点云重叠识别方法、装置、设备、机器人和存储介质 | |
CN111813882B (zh) | 一种机器人地图构建方法、设备及存储介质 | |
CN117496477A (zh) | 一种点云目标检测方法及装置 | |
CN115205845A (zh) | 一种目标检测方法、计算机程序产品及电子设备 | |
CN114387293A (zh) | 道路边缘检测方法、装置、电子设备及车辆 | |
CN114549764A (zh) | 基于无人车的障碍物识别方法、装置、设备及存储介质 | |
CN113920446A (zh) | 一种基于原始点云处理的3d目标检测算法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |