CN111337039B - 拥堵路段的地图数据采集方法、装置、***及存储介质 - Google Patents
拥堵路段的地图数据采集方法、装置、***及存储介质 Download PDFInfo
- Publication number
- CN111337039B CN111337039B CN201811549366.9A CN201811549366A CN111337039B CN 111337039 B CN111337039 B CN 111337039B CN 201811549366 A CN201811549366 A CN 201811549366A CN 111337039 B CN111337039 B CN 111337039B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- image
- track
- point
- congested road
- 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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种拥堵路段的地图数据采集方法、装置、***及存储介质,该方法,包括:在第一时间段采集拥堵路段的图像和图像轨迹;在第二时间段采集拥堵路段的点云和点云轨迹;按照预设的规则,从点云轨迹中找到与所述图像相匹配的点云轨迹点作为目标轨迹点;根据目标轨迹点的记录时间,修改所述图像的时间,以及所述图像对应的所述图像轨迹点的时间,得到修改后的图像和修改后的图像轨迹。从而实现了在第一时间段采集拥堵路段的图像和图像轨迹,在第二时间段采集拥堵路段的点云和点云轨迹,并将两部分数据自动匹配融合得到满足精度要求的地图数据,解决了拥堵路段的点云数据遮挡造成的地图数据质量问题,提升了后续高精度地图制作的精度和效率。
Description
技术领域
本发明涉及高精度地图技术领域,尤其涉及一种拥堵路段的地图数据采集方法、装置、***及存储介质。
背景技术
高精度地图是自动驾驶不可或缺的重要支撑技术,而依靠多传感器集成移动采集车的地图数据采集是高精度地图数据获取的核心渠道,也是其地图生产制作的重要环节之一。随着高精度地图的需求越来越高,这就要求地图数据采集能够提供更精准更鲜活的原始数据。
目前,地图数据采集一般是通过多传感器集成移动采集车来进行外业数据采集。例如:在移动采集车上搭载激光扫描仪、全景相机、组合导航(惯导+GPS)、里程计(DMI)等多种测量设备的,在白天采集道路场景图像以及道路点云数据。
但是,这样地图数据采集方式,较易受到外部复杂环境的影响而降低其数据采集的质量与效率,影响后续高精度地图制作。例如:在移动采集车行驶过程中,受到周边车辆、行人的影响,导致图像或者点云数据缺失。在高精度地图制作过程中,需要人工绘制出缺失部分,人工工作量十分庞大。特别是存在一些路段白天长期拥堵,这部分路段的数据缺失更加严重。当残缺区域较大时,即使是手工作业也无法绘制出满足精度要求的缺失的部分地图。
发明内容
本发明提供一种拥堵路段的地图数据采集方法、装置、***及存储介质,可以通过在第一时间段采集拥堵路段的图像和图像轨迹,在第二时间段采集拥堵路段的点云和点云轨迹,并将两部分数据自动匹配融合得到满足精度要求的地图数据,从而解决了拥堵路段的点云数据遮挡造成的地图数据质量问题,提升了后续高精度地图制作的精度和效率。
第一方面,本发明实施例提供一种拥堵路段的地图数据采集方法,包括:
在第一时间段采集拥堵路段的图像和图像轨迹;
在第二时间段采集拥堵路段的点云和点云轨迹;第一时间段和第二时间段为不同时间段;
按照预设的规则,从所述点云轨迹中找到与所述图像相匹配的点云轨迹点作为目标轨迹点;
根据所述目标轨迹点的记录时间,修改所述图像的时间,以及所述图像对应的图像轨迹点的时间,得到修改后的图像和修改后的图像轨迹。
第二方面,本发明实施例提供一种拥堵路段的地图数据采集装置,包括:
第一采集模块,用于在第一时间段采集拥堵路段的图像和图像轨迹;
第二采集模块,用于在第二时间段采集拥堵路段的点云和点云轨迹;第一时间段和第二时间段为不同时间段;
匹配模块,用于按照预设的规则,从所述点云轨迹中找到与所述图像相匹配的点云轨迹点作为目标轨迹点;
修正模块,用于根据所述目标轨迹点的记录时间,修改所述图像的时间,以及所述图像对应的图像轨迹点的时间,得到修改后的图像和修改后的图像轨迹。
第三方面,本发明实施例提供一种拥堵路段的地图数据采集***,包括:包括:如第二方面所述的采集装置,及云平台,所述云平台中加载有程序,当所述程序被执行时,所述云平台用于执行如第一方面中所述的方法,并对采集到的拥堵路段的地图数据进行处理。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面所述的方法。
本发明提供一种拥堵路段的地图数据采集方法、装置、***及存储介质,通过在第一时间段采集拥堵路段的图像和图像轨迹;在第二时间段采集拥堵路段的点云和点云轨迹;第一时间段和第二时间段为不同时间段;按照预设的规则,从所述点云轨迹中找到与所述图像相匹配的点云轨迹点作为目标轨迹点;根据所述目标轨迹点的记录时间,修改所述图像的时间,以及所述图像对应的图像轨迹点的时间,得到修改后的图像和修改后的图像轨迹。从而实现了在第一时间段采集拥堵路段的图像和图像轨迹,在第二时间段采集拥堵路段的点云和点云轨迹,并将两部分数据自动匹配融合得到满足精度要求的地图数据,解决了拥堵路段的点云数据遮挡造成的地图数据质量问题,提升了后续高精度地图制作的精度和效率。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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为本发明一应用场景的结构示意图;
图2为本发明的原理示意图;
图3为本发明实施例一提供的拥堵路段的地图数据采集方法的流程图;
图4为本发明实施例提供的第一时间段采集的地图数据的数据结构示意图;
图5为本发明实施例提供的第二时间段采集的地图数据的数据结构示意图;
图6为本发明实施例提供的拥堵路段中包含匝道的处理示意图;
图7为本发明实施例提供的处理后的地图数据的数据结构示意图;
图8为本发明实施例提供的拥堵路段的地图数据采集方法的效果示意图;
图9为本发明实施例二提供的拥堵路段的地图数据采集方法的流程图;
图10为本发明实施例三提供的拥堵路段的地图数据采集装置的结构示意图;
图11为本发明实施例四提供的拥堵路段的地图数据采集装置的结构示意图;
图12为本发明实施例五提供的拥堵路段的地图数据采集***的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明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,以便这里描述的本发明的实施例,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。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明一应用场景的结构示意图,图2为本发明的原理示意图,参见图1、图2(图2中,标记①为直行本线的上行即第一次采集的路线,标记②为直行本线的下行即第二次采集的路线,标记③为直行本线与右转匝道即第三次采集的路线)。首先,在第一时间段采集拥堵路段的图像和图像轨迹,在第二时间段采集拥堵路段的点云和点云轨迹。然后,按照预设的规则进行匹配处理,找出拥堵路段互相匹配的图像、图像轨迹、点云、点云轨迹。最后,根据预设的规则进行合并处理,得到了修改后的图像、修改后的图像轨迹、点云、点云轨迹,并将数据按照预设的数据规范进行存储,得到拥堵路段的工程文件。这个工程文件可用于制作拥堵路段对应的高精度地图。本应用场景中,第一时间段为拥堵时间段(例如白天的交通高峰期),第二时间段为非拥堵时间段(例如白天的非高峰期,或者夜间)。
应用上述方法可以实现在第一时间段采集拥堵路段的图像和图像轨迹,在第二时间段采集拥堵路段的点云和点云轨迹,并将两部分数据自动匹配融合得到满足精度要求的地图数据,解决了拥堵路段的点云数据遮挡造成的地图数据质量问题,提升了后续高精度地图制作的精度和效率。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
图3为本发明实施例一提供的拥堵路段的地图数据采集方法的流程图,如图3所示,本实施例中的方法可以包括:
S101、在第一时间段采集拥堵路段的图像和图像轨迹。
本实施例中,地图数据采集主要由点云、图像两大部分组成,在采集城市及周边道路时,由于某些路段在第一时间段常年拥堵,由于车辆遮挡问题导致采集的点云数据缺失,难以满足作业要求。而相机在车顶大约80cm处,即使车辆遮挡,在第一时间段也可以拍到质量比较好的照片。因此,对于拥堵路段,移动采集车在第一时间段只采集图像和图像轨迹数据,采集的图像质量能够满足高精度地图的要求。本实施例中,第一时间段为拥堵时间段(例如白天的交通高峰期),第二时间段为非拥堵时间段(例如白天的非高峰期,或者夜间)。
具体地,对于高速本线,即无匝道、岔路的单一直行道路,进行地图数据采集时,只需要按照道路行驶即可。若车道数小于等于5,根据相机的安装位置和参数,建议数据采集车可以沿中间靠右的车道行驶,只需要一次行驶,即可获得满足质量要求的图像和图像轨迹。对于有匝道、岔路的道路,采集地图数据时,需要在与之连接的高速本线上,从匝道与高速本线的连接点起要采集1km的重复路段,采集此重复路段时,沿中间靠右的车道行驶。在地图数据采集时,需要记录行驶路线(先行驶采集本线还是先采集匝道)与实际行驶车道。图4为本发明实施例提供的第一时间段采集的地图数据的数据结构示意图,如图4所示,第一时间段采集的地图数据,包括图像和图像轨迹,图像轨迹文件以txt的格式存储在imgpost文件夹中,图像文件以jpg格式存储在pano文件夹中。
S102、在第二时间段采集拥堵路段的点云和点云轨迹。
本实施例中,对于拥堵路段,第二时间段道路通行状况较好,车辆遮挡较少,而光线强度对点云数据的影响较小,采集到的点云数据质量也比较好。而因为夜晚光线强度的影响,采集的图像数据质量往往又无法达到标准要求。因此,本实施例在第二时间段采集拥堵路段的点云和点云轨迹。具体地,获取第一时间段采集拥堵路段的图像和图像轨迹时的行驶路线;按照行驶路线,在第二时间段采集拥堵路段的点云数据和点云轨迹。
具体地,根据实时路况,等拥堵路段的道路在第二时间段通畅后开始采集地图数据。在数据采集过程中,移动采集车的行驶路线与第一时间段的行驶路线完全一致。例如:第一时间段先采集了高速本线,后采集了匝道,则第二时间段也要按相同的顺序进行采集。移动采集车的行驶车道与第一时间段采集时完全一致,例如:第一时间段行驶在第一车道,则第二时间段进行数据采集时,对应路段也要行驶在第一车道。图5为本发明实施例提供的第二时间段采集的地图数据的数据结构示意图,如图5所示,第二时间段采集的地图数据,包括点云和点云轨迹,点云轨迹文件以txt的格式存储在gps文件夹中,点云数据文件以las格式存储在las文件夹中。
S103、按照预设的规则,从点云轨迹中找到与图像相匹配的点云轨迹点作为目标轨迹点。
本实施例中,第一时间段采集的图像数据与晚上采集的轨迹数据根据位置匹配,在晚上的点云轨迹上寻找与第一时间段图像位置相距在某一个阈值范围内的全部点云轨迹点。若找到多个点云轨迹点,则选择距离最近的点云轨迹点作为目标轨迹点。
在一种可能的设计中,若拥堵路段为单一直行路段,按照预设的规则,从点云轨迹中找到与图像相匹配的点云轨迹点作为目标轨迹点,包括:
按照图像轨迹中的图像顺序,依次选取图像;
获取图像对应图像轨迹点的坐标位置;
确定以坐标位置为圆心,预设阈值为半径的搜索范围;
从点云轨迹中找到位于所述搜索范围内,且点云轨迹点的记录时间在图像的上一图像对应的上一目标轨迹点的记录时间之后的全部点云轨迹点;
若找到的点云轨迹点的数量为1,则将该点云轨迹点作为目标轨迹点。
在一种可能的情况下,若找到的点云轨迹点的数量大于1,且距离坐标位置最近的点云轨迹点的数量为1,则将距离坐标位置最近的点云轨迹点作为目标轨迹点。
在另一种可能的情况下,若找到的点云轨迹点的数量大于1,且距离坐标位置最近的点云轨迹点的数量大于1,则从距离坐标位置最近的点云轨迹点中选取采集时间与上一目标轨迹点的记录时间最近的点云轨迹点作为目标轨迹点。
具体地,在第一时间段采集的图像轨迹文件中读取第一张图像的位置(三维坐标),同时读取夜晚点云轨迹文件中所有点的坐标,在以第一时间段第一张照片的坐标为圆心,以预设的搜索阈值为半径,搜索在范围内的所有夜晚采集的点云轨迹点。由于采集图像数据时,每20m会触发一次拍照动作,也就是说每两张连续照片之间的间隔为20m,故一般将阈值设置为15m。若找到的点云轨迹点的数量为1,则将该点云轨迹点作为目标轨迹点;若找到的点云轨迹点的数量大于1,则将距离坐标位置最近的点云轨迹点作为目标轨迹点。然后,处理第二张图像数据。具体地,以第二张照片的坐标为圆心,以预设的搜索阈值为半径,搜索在范围内的所有夜晚采集的点云轨迹点。需要注意的是,由于一些点云数据即在第一张照片的搜索范围内,也在第二张照片的搜索范围内。因此,对于这部分点云轨迹点,将轨点云迹点的记录时间在第一张图像的目标轨迹点的记录时间之前的全部点云轨迹点作为第一张图像对应的点云轨迹点;将点云轨迹点的记录时间在第一张图像的目标轨迹点的记录时间之后的全部点云轨迹点作为第二张图像对应的点云轨迹点。后续的图像按照上述方法进行处理,此处不再赘述。
在另一种可能的设计中,若拥堵路段中包含匝道,按照预设的规则,从点云轨迹中找到与图像相匹配的点云轨迹点作为目标轨迹点,包括:
若点云轨迹中连续两个点云轨迹点的时间间隔超过预设阈值,则将点云轨迹在两个点云轨迹点之间进行一次分段处理;
按照点云轨迹中点云的时间顺序,对分段后的点云轨迹进行编号。
具体地,对于有匝道、岔路的道路,采集地图数据时,存在一定长度的重复地图数据采集路段。因此,对于重复路段,会出现两组照片的位置与两段点云轨迹相距很近的情况。图6为本发明实施例提供的拥堵路段中包含匝道的处理示意图,如图6所示,粗虚线表示实际道路中的分道线,用以划分车道;粗实线表示实际道路中的分割线,用以划分行驶方向;带箭头实线表示第一时间段地图数据采集时的行驶方向及路线,带箭头虚线表示第二时间段地图数据采集时的行驶方向及路线;①为直行本线的上行即第一次采集的路线,②为直行本线的下行即第二次采集的路线,③为直行本线与右转匝道即第三次采集的路线。从图中可以看出第一时间段和第二时间段的行驶路线完全相同,行驶的车道完全相同,而对于①路线和③路线存在部分重复路段。如果按单一直行路段中的匹配原则进行匹配,当匹配①中的照片时,若③的点云轨迹距离①中的某一张照片较近,由于③的轨迹的时间在①之后,故会将③中点云轨迹中的点匹配至①的这张照片上,又因为后续照片匹配的时间必须在这个点之后,故从该照片开始,①中的照片匹配到的时间均会来自③的点云轨迹。①的照片在匹配到①与③的分歧处后,①中照片的位置还在直行主路上,③中点云轨迹已经在右转匝道上了,两者距离超过搜索阈值时,就会出现照片匹配失败的情况。
为了避免这种情况的发生,在匹配时本专利提出了另外一个方法:分段编号匹配方法。具体原则如下:若点云轨迹中连续两个点云的时间间隔超过1s则分为两段的原则进行分段,并以时间从前向后的顺序进行编号。每一张照片进行匹配时只能与上一张照片匹配到的轨迹点所属的轨迹以及该轨迹编号+1的轨迹中的点进行匹配,并且当搜索阈值内即有上一张照片匹配到的轨迹点所属的轨迹的点,又有下一段轨迹中的点时,优先匹配编号较小的轨迹点。例如:在本次实验中,按照时间顺序保留的点云轨迹点的处理:当只有①号轨迹在搜索阈值内,则保留与1号轨迹匹配的点云轨迹点;当出现③号轨迹与①号轨迹都在搜索阈值内,由于优先匹配编号较小轨迹的原则,则保留与1号轨迹匹配的点云轨迹点;当出现②号轨迹与①号轨迹都在搜索阈值内,由于优先匹配编号较小轨迹的原则,则保留与1号轨迹匹配的点云轨迹点;当只有②号轨迹在搜索阈值内,则保留与2号轨迹匹配的点云轨迹点;当只有③号轨迹在搜索阈值内,则保留与3号轨迹匹配的点云轨迹点。保留点云匹配完成后,若保留的点云轨迹点的数量为1,则将该点云轨迹点作为目标轨迹点;若保留的点云轨迹点的数量大于1,则将距离坐标位置最近的点云轨迹点作为目标轨迹点。
S104、根据目标轨迹点的记录时间,修改图像的时间,以及图像对应的图像轨迹点的时间,得到修改后的图像和修改后的图像轨迹。
本实施例中,根据目标轨迹点的记录时间,对对应的图像和图像轨迹的时间进行修改,得到修改后的图像和修改后的图像轨迹。图7为本发明实施例提供的处理后的地图数据的数据结构示意图,如图7所示,工程文件以夜晚工程名称作为文件名称,包括:点云文件、点云轨迹文件、修改后的图像文件和修改后的图像轨迹文件,修改后的图像轨迹文件以txt的格式存储在imgpost文件夹中,修改后的图像文件以jpg格式存储在pano文件夹中,点云轨迹文件以txt的格式存储在gps文件夹中,点云数据文件以las格式存储在las文件夹中。图8为本发明实施例提供的拥堵路段的地图数据采集方法的效果示意图,如图8所示,对于拥堵路段,本实施例提供的方法能够解决拥堵路段的点云数据遮挡造成的地图数据质量问题,提升了后续高精度地图制作的精度和效率。
本实施例,通过在第一时间段采集拥堵路段的图像和图像轨迹;在第二时间段采集拥堵路段的点云和点云轨迹;第一时间段和第二时间段为不同时间段;按照预设的规则,从所述点云轨迹中找到与所述图像相匹配的点云轨迹点作为目标轨迹点;根据所述目标轨迹点的记录时间,修改所述图像的时间,以及所述图像对应的图像轨迹点的时间,得到修改后的图像和修改后的图像轨迹。从而实现了在第一时间段采集拥堵路段的图像和图像轨迹,在第二时间段采集拥堵路段的点云和点云轨迹,并将两部分数据自动匹配融合得到满足精度要求的地图数据,解决了拥堵路段的点云数据遮挡造成的地图数据质量问题,提升了后续高精度地图制作的精度和效率。
图9为本发明实施例二提供的拥堵路段的地图数据采集方法的流程图,如图9所示,本实施例中的方法可以包括:
S201、在第一时间段采集拥堵路段的图像和图像轨迹。
S202、在第二时间段采集拥堵路段的点云和点云轨迹。
S203、按照预设的规则,从点云轨迹中找到与图像相匹配的点云轨迹点作为目标轨迹点。
S204、根据目标轨迹点的记录时间,修改图像的时间,以及图像对应的图像轨迹点的时间,得到修改后的图像和修改后的图像轨迹。
本实施例中,步骤S201~步骤S204的具体实现过程和技术原理请参见图3所示的方法中步骤S101~步骤S104中的相关描述,此处不再赘述。
S205、将点云、点云轨迹、修改后的图像,以及修改后的图像轨迹,按照预设的数据规范进行存储,得到拥堵路段的工程文件;基于工程文件,制作拥堵路段对应的高精度地图。
本实施例中,图像文件命名规范:**+时间(时分秒毫秒9位数字).jpg,例如:**100911352.jpg。表1为本发明实施例提供的图像轨迹文件的数据结构,如表1所示,包括GPSTime、Pano_name、Beijing Time、Easting、Northing、H-Ell字段,分别表示GPS时间(天秒)、照片名称、北京时间,精确到毫秒、高斯3度带东方向、高斯3度带北方向、高程(WGS84)。
表1.图像轨迹文件的数据结构
NO. | Item | Content | Comment | Size | 是否有值 |
1 | GPS Time | GPS时间(天秒) | 小数点后5位 | 13chars | Y |
2 | Pano_name | 照片名称 | 字符串 | 28chars | Y |
3 | Beijing Time | 北京时间,精确到毫秒 | 小数点后3位 | 12chars | Y |
4 | Easting | 高斯3度带东方向 | 小数点后3位 | 12chars | Y |
5 | Northing | 高斯3度带北方向 | 小数点后3位 | 12chars | Y |
6 | H-Ell | 高程(WGS84) | 小数点后3位 | 9chars | Y |
表2为本发明实施例提供的点云轨迹文件的数据结构,如表2所示,包括GPS Time、Beijing Time、Easting、Northing、H-Ell字段,分别表示GPS时间(天秒)、北京时间,精确到毫秒、高斯3度带东方向、高斯3度带北方向、高程(WGS84)。
表2.点云轨迹文件的数据结构
NO. | Item | Content | Comment | Size | 是否有值 |
1 | GPS Time | GPS时间(天秒) | 小数点后5位 | 13chars | Y |
2 | Beijing Time | 北京时间,精确到毫秒 | 小数点后3位 | 12chars | Y |
3 | Easting | 高斯3度带东方向 | 小数点后3位 | 12chars | Y |
4 | Northing | 高斯3度带北方向 | 小数点后3位 | 12chars | Y |
5 | H-Ell | 高程(WGS84) | 小数点后3位 | 9chars | Y |
本实施例,通过在第一时间段采集拥堵路段的图像和图像轨迹;在第二时间段采集拥堵路段的点云和点云轨迹;第一时间段和第二时间段为不同时间段;按照预设的规则,从所述点云轨迹中找到与所述图像相匹配的点云轨迹点作为目标轨迹点;根据所述目标轨迹点的记录时间,修改所述图像的时间,以及所述图像对应的图像轨迹点的时间,得到修改后的图像和修改后的图像轨迹。从而实现了在第一时间段采集拥堵路段的图像和图像轨迹,在第二时间段采集拥堵路段的点云和点云轨迹,并将两部分数据自动匹配融合得到满足精度要求的地图数据,解决了拥堵路段的点云数据遮挡造成的地图数据质量问题,提升了后续高精度地图制作的精度和效率。
图10为本发明实施例三提供的拥堵路段的地图数据采集装置的结构示意图,如图10所示,本实施例中的装置可以包括:
第一采集模块31,用于在第一时间段采集拥堵路段的图像和图像轨迹;
第二采集模块32,用于在第二时间段采集拥堵路段的点云和点云轨迹;第一时间段和第二时间段为不同时间段;
匹配模块33,用于按照预设的规则,从点云轨迹中找到与图像相匹配的点云轨迹点作为目标轨迹点;
修正模块34,用于根据目标轨迹点的记录时间,修改图像的时间,以及图像对应的图像轨迹点的时间,得到修改后的图像和修改后的图像轨迹。
可选地,第二采集模块32,具体用于:
获取第一时间段采集拥堵路段的图像和图像轨迹时的行驶路线;
按照行驶路线,在第二时间段采集拥堵路段的点云数据和点云轨迹。
可选地,若拥堵路段为单一直行路段,按照预设的规则,匹配模块33,具体用于:
按照图像轨迹中的图像顺序,依次选取图像;
获取所述图像对应图像轨迹点的坐标位置;
确定以所述坐标位置为圆心,预设阈值为半径的搜索范围;
从所述点云轨迹中找到位于所述搜索范围内,且点云轨迹点的记录时间在所述图像的上一图像对应的上一目标轨迹点的记录时间之后的全部点云轨迹点。
可选地,匹配模块33还用于:
若找到的点云轨迹点的数量为1,则将该点云轨迹点作为目标轨迹点;
若找到的点云轨迹点的数量大于1,且距离所述坐标位置最近的点云轨迹点的数量为1,则将距离所述坐标位置最近的点云轨迹点作为目标轨迹点。
可选地,匹配模块33还用于:
若找到的点云轨迹点的数量大于1,且距离所述坐标位置最近的点云轨迹点的数量大于1,则从距离所述坐标位置最近的点云轨迹点中选取采集时间与上一目标轨迹点的记录时间最近的点云轨迹点作为目标轨迹点。
可选地,匹配模块33还用于:在从所述点云轨迹中找到与所述图像相匹配的点云轨迹点作为目标轨迹点之前,若点云轨迹中连续两个点云轨迹点的时间间隔超过预设阈值,则将点云轨迹在两个点云轨迹点之间进行一次分段处理;
按照点云轨迹中点云的时间顺序,对分段后的点云轨迹进行编号。
本实施例,通过在第一时间段采集拥堵路段的图像和图像轨迹;在第二时间段采集拥堵路段的点云和点云轨迹;第一时间段和第二时间段为不同时间段;按照预设的规则,从所述点云轨迹中找到与所述图像相匹配的点云轨迹点作为目标轨迹点;根据所述目标轨迹点的记录时间,修改所述图像的时间,以及所述图像对应的图像轨迹点的时间,得到修改后的图像和修改后的图像轨迹。从而实现了在第一时间段采集拥堵路段的图像和图像轨迹,在第二时间段采集拥堵路段的点云和点云轨迹,并将两部分数据自动匹配融合得到满足精度要求的地图数据,解决了拥堵路段的点云数据遮挡造成的地图数据质量问题,提升了后续高精度地图制作的精度和效率。
本实施例可以执行上述图3所示的方法中的技术方案,其实现过程和技术效果与上述方法类似,此处不再赘述。
图11为本发明实施例四提供的拥堵路段的地图数据采集装置的结构示意图,如图11所示,本实施例的装置在图10所示的装置的基础上还可以包括:
存储模块35,具体用于:将点云、点云轨迹、修改后的图像,以及修改后的图像轨迹按照预设的数据规范进行存储,得到拥堵路段的工程文件;以使得处理器能够基于工程文件,制作拥堵路段对应的高精度地图。
本实施例,通过在第一时间段采集拥堵路段的图像和图像轨迹;在第二时间段采集拥堵路段的点云和点云轨迹;第一时间段和第二时间段为不同时间段;按照预设的规则,从所述点云轨迹中找到与所述图像相匹配的点云轨迹点作为目标轨迹点;根据所述目标轨迹点的记录时间,修改所述图像的时间,以及所述图像对应的图像轨迹点的时间,得到修改后的图像和修改后的图像轨迹。从而实现了在第一时间段采集拥堵路段的图像和图像轨迹,在第二时间段采集拥堵路段的点云和点云轨迹,并将两部分数据自动匹配融合得到满足精度要求的地图数据,解决了拥堵路段的点云数据遮挡造成的地图数据质量问题,提升了后续高精度地图制作的精度和效率。
本实施例可以执行上述图3、图9所示的方法中的技术方案,其实现过程和技术效果与上述方法类似,此处不再赘述。
图12为本发明实施例五提供的拥堵路段的地图数据采集***的结构示意图,如图11所示,本实施例的***40可以包括:处理器41和存储器42。
存储器42,用于存储计算机程序(如实现上述拥堵路段的地图数据采集方法的应用程序、功能模块等)、计算机指令等;
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器42中。并且上述的计算机程序、计算机指令、数据等可以被处理器41调用。
处理器41,用于执行存储器42存储的计算机程序,以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器41和存储器42可以是独立结构,也可以是集成在一起的集成结构。当处理器41和存储器42是独立结构时,存储器42、处理器41可以通过总线43耦合连接。
本实施例的服务器可以执行图3、图9所示方法中的技术方案,其具体实现过程和技术原理参见图3、图9所示方法中的相关描述,此处不再赘述。
本申请实施例还提供一种拥堵路段的地图数据采集***,包括图10或者图11中的采集装置,以及云平台,该云平台中加载有程序,当所述程序被执行时,该云平台用于执行图3、图9所示的方法,并对采集到的拥堵路段的地图数据进行处理。
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。
本申请还提供一种程序产品,程序产品包括计算机程序,计算机程序存储在可读存储介质中,服务器的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得服务器实施上述本发明实施例任一的方法。
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发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,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发明各实施例技术方案的范围。
Claims (10)
1.一种拥堵路段的地图数据采集方法,其特征在于,包括:
在第一时间段采集拥堵路段的图像和图像轨迹;
在第二时间段采集拥堵路段的点云和点云轨迹;第一时间段和第二时间段为不同时间段;
按照预设的规则,从所述点云轨迹中找到与所述图像相匹配的点云轨迹点作为目标轨迹点;
根据所述目标轨迹点的记录时间,修改所述图像的时间,以及所述图像对应的图像轨迹点的时间,得到修改后的图像和修改后的图像轨迹。
2.根据权利要求1所述的方法,其特征在于,在第二时间段采集拥堵路段的点云和点云轨迹,包括:
获取第一时间段采集拥堵路段的图像和图像轨迹时的行驶路线;
按照所述行驶路线,在第二时间段采集拥堵路段的点云和点云轨迹。
3.根据权利要求1所述的方法,其特征在于,从所述点云轨迹中找到与所述图像相匹配的点云轨迹点作为目标轨迹点,包括:
按照图像轨迹中的图像顺序,依次选取图像;
获取所述图像对应图像轨迹点的坐标位置;
确定以所述坐标位置为圆心,预设阈值为半径的搜索范围;
从所述点云轨迹中找到位于所述搜索范围内,且点云轨迹点的记录时间在所述图像的上一图像对应的上一目标轨迹点的记录时间之后的全部点云轨迹点。
4.根据权利要求3所述的方法,其特征在于,还包括:
若找到的点云轨迹点的数量为1,则将该点云轨迹点作为目标轨迹点;
若找到的点云轨迹点的数量大于1,且距离所述坐标位置最近的点云轨迹点的数量为1,则将距离所述坐标位置最近的点云轨迹点作为目标轨迹点。
5.根据权利要求3所述的方法,其特征在于,还包括:
若找到的点云轨迹点的数量大于1,且距离所述坐标位置最近的点云轨迹点的数量大于1,则从距离所述坐标位置最近的点云轨迹点中选取采集时间与上一目标轨迹点的记录时间最近的点云轨迹点作为目标轨迹点。
6.根据权利要求3所述的方法,其特征在于,从所述点云轨迹中找到与所述图像相匹配的点云轨迹点作为目标轨迹点之前,还包括:
若点云轨迹中连续两个点云轨迹点的时间间隔超过预设阈值,则将点云轨迹在两个点云轨迹点之间进行一次分段处理;
按照点云轨迹中点云的时间顺序,对分段后的点云轨迹进行编号。
7.根据权利要求1-5中任一项所述的方法,其特征在于,还包括:
将点云、点云轨迹、修改后的图像以及修改后的图像轨迹,按照预设的数据规范进行存储,得到拥堵路段的工程文件;
基于所述工程文件,制作拥堵路段对应的高精度地图。
8.一种拥堵路段的地图数据采集装置,其特征在于,包括:
第一采集模块,用于在第一时间段采集拥堵路段的图像和图像轨迹;
第二采集模块,用于在第二时间段采集拥堵路段的点云和点云轨迹;第一时间段和第二时间段为不同时间段;
匹配模块,用于按照预设的规则,从所述点云轨迹中找到与所述图像相匹配的点云轨迹点作为目标轨迹点;
修正模块,用于根据所述目标轨迹点的记录时间,修改所述图像的时间,以及所述图像对应的图像轨迹点的时间,得到修改后的图像和修改后的图像轨迹。
9.一种拥堵路段的地图数据采集***,其特征在于,包括:如权利要求8所述的采集装置,及云平台,所述云平台中加载有程序,当所述程序被执行时,所述云平台用于执行如权利要求1-7中任一项所述的方法,并对采集到的拥堵路段的地图数据进行处理。
10.一种计算机可读存储介质,其特征在于,包括:计算机程序,当其在计算机上运行时,使得计算机执行如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811549366.9A CN111337039B (zh) | 2018-12-18 | 2018-12-18 | 拥堵路段的地图数据采集方法、装置、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811549366.9A CN111337039B (zh) | 2018-12-18 | 2018-12-18 | 拥堵路段的地图数据采集方法、装置、***及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111337039A CN111337039A (zh) | 2020-06-26 |
CN111337039B true CN111337039B (zh) | 2021-07-20 |
Family
ID=71179406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811549366.9A Active CN111337039B (zh) | 2018-12-18 | 2018-12-18 | 拥堵路段的地图数据采集方法、装置、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111337039B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112810625B (zh) * | 2021-04-19 | 2021-07-30 | 北京三快在线科技有限公司 | 一种轨迹修正的方法及装置 |
CN113643282A (zh) * | 2021-08-31 | 2021-11-12 | 歌尔光学科技有限公司 | 一种工件涂胶轨迹生成方法、装置、电子设备及存储介质 |
CN113807221A (zh) * | 2021-09-07 | 2021-12-17 | 丰图科技(深圳)有限公司 | 轨迹质量识别方法、装置、电子设备及可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102072725A (zh) * | 2010-12-16 | 2011-05-25 | 唐粮 | 一种基于激光点云和实景影像进行空间三维测量的方法 |
CN104063860A (zh) * | 2014-06-12 | 2014-09-24 | 北京建筑大学 | 一种激光点云边缘精细化的方法 |
CN105075264A (zh) * | 2013-03-25 | 2015-11-18 | 图象公司 | 用精确的运动信息增强运动图片 |
CN105701449A (zh) * | 2015-12-31 | 2016-06-22 | 百度在线网络技术(北京)有限公司 | 路面上的车道线的检测方法和装置 |
CN107111885A (zh) * | 2014-12-30 | 2017-08-29 | 诺基亚技术有限公司 | 用于确定便携式设备的位置的方法 |
JP2018041010A (ja) * | 2016-09-09 | 2018-03-15 | 日本精機株式会社 | 表示装置 |
US9984499B1 (en) * | 2015-11-30 | 2018-05-29 | Snap Inc. | Image and point cloud based tracking and in augmented reality systems |
CN108279428A (zh) * | 2017-01-05 | 2018-07-13 | 武汉四维图新科技有限公司 | 地图数据评测装置及***、数据采集***及采集车和采集基站 |
CN108362294A (zh) * | 2018-03-05 | 2018-08-03 | 中山大学 | 一种应用于自动驾驶的多车协同建图方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI486906B (zh) * | 2012-12-14 | 2015-06-01 | Univ Nat Central | Using Image Classification to Strengthen Image Matching |
US20180136332A1 (en) * | 2016-11-15 | 2018-05-17 | Wheego Electric Cars, Inc. | Method and system to annotate objects and determine distances to objects in an image |
-
2018
- 2018-12-18 CN CN201811549366.9A patent/CN111337039B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102072725A (zh) * | 2010-12-16 | 2011-05-25 | 唐粮 | 一种基于激光点云和实景影像进行空间三维测量的方法 |
CN105075264A (zh) * | 2013-03-25 | 2015-11-18 | 图象公司 | 用精确的运动信息增强运动图片 |
CN104063860A (zh) * | 2014-06-12 | 2014-09-24 | 北京建筑大学 | 一种激光点云边缘精细化的方法 |
CN107111885A (zh) * | 2014-12-30 | 2017-08-29 | 诺基亚技术有限公司 | 用于确定便携式设备的位置的方法 |
US9984499B1 (en) * | 2015-11-30 | 2018-05-29 | Snap Inc. | Image and point cloud based tracking and in augmented reality systems |
CN105701449A (zh) * | 2015-12-31 | 2016-06-22 | 百度在线网络技术(北京)有限公司 | 路面上的车道线的检测方法和装置 |
JP2018041010A (ja) * | 2016-09-09 | 2018-03-15 | 日本精機株式会社 | 表示装置 |
CN108279428A (zh) * | 2017-01-05 | 2018-07-13 | 武汉四维图新科技有限公司 | 地图数据评测装置及***、数据采集***及采集车和采集基站 |
CN108362294A (zh) * | 2018-03-05 | 2018-08-03 | 中山大学 | 一种应用于自动驾驶的多车协同建图方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111337039A (zh) | 2020-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109186617B (zh) | 一种基于视觉众包数据自动生成车道级拓扑关系的方法、***及存储器 | |
CN111462275B (zh) | 一种基于激光点云的地图生产方法和装置 | |
CN111337039B (zh) | 拥堵路段的地图数据采集方法、装置、***及存储介质 | |
CN108416808B (zh) | 车辆重定位的方法及装置 | |
CN110345951B (zh) | 一种adas高精度地图的生成方法及装置 | |
CN108871368A (zh) | 一种高精度地图车道横向拓扑关系的构建方法、***及存储器 | |
CN111261016B (zh) | 道路地图的构建方法、装置和电子设备 | |
CN111930872A (zh) | 一种高精度地图更新方法、服务器及可读存储介质 | |
CN111739323B (zh) | 一种路口信息的采集方法及装置 | |
CN109515439B (zh) | 自动驾驶控制方法、装置、***及存储介质 | |
CN111815742A (zh) | 一种车道线生成方法及*** | |
CN111649752B (zh) | 拥堵路段的地图数据处理方法、装置以及设备 | |
US11255692B2 (en) | System and method for identification of a roadwork zone | |
CN111260549A (zh) | 道路地图的构建方法、装置和电子设备 | |
US10665096B2 (en) | Non-transitory storage medium storing image transmission program, image transmission device, and image transmission method | |
CN110162589B (zh) | 道路限速值的赋值方法、装置、电子设备、计算机可读介质 | |
CN109631873B (zh) | 高精地图的道路生成方法、装置及可读存储介质 | |
CN114234986B (zh) | 一种地图数据的处理方法和装置 | |
CN115344655A (zh) | 地物要素的变化发现方法、装置及存储介质 | |
CN113918666A (zh) | 地图数据的处理方法、装置、***及存储介质 | |
CN113392170A (zh) | 一种高精度地图数据的生成方法、装置及服务器 | |
DE112016007375T5 (de) | Reiseroutenschätzvorrichtung und Verfahren zur Reiseroutenschätzung | |
CN115493603A (zh) | 地图对齐方法、计算机设备及计算机可读存储介质 | |
CN115112125A (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN114359870A (zh) | 一种数据处理的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |