CN112101177A - 地图构建方法、装置及运载工具 - Google Patents
地图构建方法、装置及运载工具 Download PDFInfo
- Publication number
- CN112101177A CN112101177A CN202010944705.4A CN202010944705A CN112101177A CN 112101177 A CN112101177 A CN 112101177A CN 202010944705 A CN202010944705 A CN 202010944705A CN 112101177 A CN112101177 A CN 112101177A
- Authority
- CN
- China
- Prior art keywords
- visual map
- environmental condition
- map
- visual
- target route
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 25
- 230000000007 visual effect Effects 0.000 claims abstract description 188
- 230000007613 environmental effect Effects 0.000 claims abstract description 157
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种地图构建方法、装置及运载工具,涉及无人驾驶领域。该方法包括:确定运载工具行驶的目标路线以及行驶的环境条件;环境条件至少包括第一环境条件和第二环境条件;第一环境条件和第二环境条件至少存在一个不同的环境因素;分别构建目标路线在第一环境条件下的第一视觉地图以及在第二环境条件下的第二视觉地图;最后对第一视觉地图和第二视觉地图进行融合,构建全视觉地图。本发明通过在同一路线下得到多个不同环境条件的视觉地图,并且对不同环境条件下的视觉地图进行融合,构建全视觉地图,该全视觉地图可以在不同的环境条件下使用,提高了地图对环境的适应能力,缓解了不同环境条件的图像特征不匹配的问题。
Description
技术领域
本发明涉及无人驾驶技术领域,尤其是涉及一种地图构建方法、装置及运载工具。
背景技术
随着无人驾驶技术的发展,自动驾驶车辆得到了人们的广泛关注。
自动驾驶车辆是一种通过电脑***实现无人驾驶的智能车辆。并且,自动驾驶车辆依靠人工智能、摄像头、雷达及全球定位***协同合作,使车辆可以在没有任何人类主动干预下自动驾驶。
目前,现有技术中,自动驾驶车辆可以利用视觉地图进行定位,但是由于不同环境下的图像特征不匹配的问题,导致在白天的视觉地图无法在晚上应用。
发明内容
为了解决上述问题,本发明的目的在于提供一种地图构建方法、装置及运载工具。
第一方面,本发明实施例提供一种地图构建方法,所述方法包括:
确定运载工具行驶的目标路线以及行驶的环境条件;所述环境条件至少包括第一环境条件和第二环境条件;其中所述第一环境条件和所述第二环境条件至少存在一个不同的环境因素;
分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图;
对所述第一视觉地图和所述第二视觉地图进行融合,构建全视觉地图。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图的步骤,包括:
应用设置在所述运载工具上的视觉传感器分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第二种可能的实施方式,其中,应用设置在所述运载工具上的视觉传感器分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图的步骤,包括:
在第一环境条件下应用所述视觉传感器获取所述目标路线的第一图像信息;以及在第二环境条件下应用所述视觉传感器获取所述目标路线的第二图像信息;
分别基于所述第一图像信息和所述第二图像信息,构建得到所述第一视觉地图和所述第二视觉地图。
结合第一方面的第二种可能的实施方式,本发明实施例提供了第一方面的第三种可能的实施方式,其中,分别基于所述第一图像信息和所述第二图像信息,构建得到所述第一视觉地图和所述第二视觉地图的步骤,包括:
对所述第一图像信息进行特征点检测和计算,得到所述第一图像信息的特征点以及所述第一图像信息的特征点的描述子;
对所述第二图像信息进行特征点检测和计算,得到所述第二图像信息的特征点以及所述第一图像信息的特征点的描述子。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,对第一视觉地图和第二视觉地图进行融合,构建全视觉地图的步骤,包括:
将所述第二视觉地图中的特征点融合到所述第一视觉地图中,得到全视觉地图;或者将所述第一视觉地图的特征点融合到所述第二视觉地图中,得到全视觉地图。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,所述视觉传感器采用单目摄像头机或双目摄像机。
第二方面,本发明实施例提供一种地图构建装置,所述装置包括:
确定模块,用于确定运载工具行驶的目标路线以及行驶的环境条件;所述环境条件至少包括第一环境条件和第二环境条件;其中所述第一环境条件和所述第二环境条件至少存在一个不同的环境因素;
构建模块,用于分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图;
融合模块,用于对所述第一视觉地图和所述第二视觉地图进行融合,构建全视觉地图。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,所述构建模块在分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图时,用于应用设置在所述运载工具上的视觉传感器分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图。
第三方面,本发明实施例提供一种运载工具,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器执行所述机器可执行指令以实现前述实施方式任一项所述的方法。
第四方面,本发明实施例提供一种机器可读存储介质,所述机器可读存储介质存储有机器可执行指令,所述机器可执行指令在被处理器调用和执行时,所述机器可执行指令促使所述处理器实现前述实施方式任一项所述的方法。
本发明实施例提供的上述地图构建方法、装置及运载工具,通过首先确定运载工具行驶的目标路线以及行驶的环境条件;环境条件至少包括第一环境条件和第二环境条件;其中第一环境条件和第二环境条件至少存在一个不同的环境因素;然后分别构建目标路线在第一环境条件下的第一视觉地图以及目标路线在第二环境条件下的第二视觉地图;最后对第一视觉地图和第二视觉地图进行融合,构建全视觉地图。本发明实施例通过在同一路线下得到多个不同环境条件的视觉地图,并且对不同环境条件下的视觉地图进行融合,构建全视觉地图,该全视觉地图可以在不同的环境条件下使用,提高了地图对环境的适应能力,缓解了不同环境条件的图像特征不匹配的问题,有利于提高识别精度。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种地图构建方法的流程图;
图2为本发明实施例提供的步骤A的第一流程图;
图3为本发明实施例提供的步骤S202的执行流程图;
图4为本发明实施例提供的一种地图构建装置的示意图;
图5为本发明实施例提供的一种运载工具的示意图。
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
目前,现有技术中不同条件的视觉地图不能使用,例如在白天的视觉地图不能应用于晚上定位。基于此,本发明实施例提供的一种地图构建方法、装置及运载工具,将不同环境条件下的视觉地图进行融合,得到可以在不同的环境条件下使用的全视觉地图,提高了地图构建对环境的适应性,缓解了不同环境条件的图像特征不匹配的问题,有利于提高识别精度。
下面结合附图,对本发明的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
图1示出了本发明实施例提供的一种地图构建方法流程图。参照图1,本发明实施例提供的地图构建方法,主要包括以下步骤:
步骤S101,确定运载工具行驶的目标路线以及行驶的环境条件;环境条件至少包括第一环境条件和第二环境条件;其中第一环境条件和第二环境条件至少存在一个不同的环境因素;
本实施例中,上述的运载工具例如可以是无人驾驶汽车、无人驾驶航天器、无人驾驶船舶等。
上述的目标路线可以是运载工具基于外部输入的起始点和终点自主规划生成的路线,也可以是直接由外部发送至运载工具的路线,例如由用户输入至运载工具的路线。
这里的环境条件可以通过设置在运载工具上的传感器测量得到,也可以直接由用户输入给运载工具。上述环境条件包括但不限于光照条件、亮度条件,还可以包括风力条件等气象条件。
需要说明的是,环境条件还可以携带有时间信息,以区分不同的时间段或白天黑夜,例如白天(早6点到晚6点)的亮度条件、黑夜(晚7点至凌晨5点),具体白天和黑夜可以根据地区和季节来确定时间段。
可以理解的是,环境条件可以包括多种不同的环境条件,例如除了第一环境条件、第二环境条件,还可以包括第三环境条件、第四环境条件等等,每种环境条件至少存在一个区别于其他环境条件的环境因素。
第一环境条件和第二环境条件至少存在一个不同的环境因素可以理解为第一环境条件和第二环境条件中存在一个或多个不同的环境因素,例如第一环境条件和第二环境条件的光照不同(例如白天、黑夜),或者第一环境条件和第二环境条件也可以是风力不同,还可以理解为第一环境条件和第二环境条件的光照、风力都不同。
步骤S102,分别构建目标路线在第一环境条件下的第一视觉地图以及所述目标路线在第二环境条件下的第二视觉地图;
具体的,在不同的环境条件下控制运载工具沿目标路线行驶,从而来构建不同的视觉地图。
为了便于理解,这里以运载工具为无人驾驶车辆为例进行说明,控制无人驾驶车辆在第一环境条件下沿目标路线行驶,并通过车辆上设置的视觉传感器构建得到目标路线的第一视觉地图;第一视觉地图包括有多个特征点;同样的,控制无人驾驶车辆在第二环境条件下沿目标路线行驶,并通过车辆上设置的视觉传感器构建得到目标路线的第二视觉地图;第二视觉地图包括有多个特征点。
在可选的实施方式中,无论是第一视觉地图还是第二视觉地图,特征点的选取规则通常设置为选取静止的物体或标识,例如车道线(lane)、交通标志牌和地面标志(Traffic Sign and Road Sign)、交通信号灯(Traffic Light)等。
考虑到采用何种方式构建第一视觉地图和第二视觉地图的问题,在可选的实施方式中,上述步骤S102可以通过以下方式之一实现:
A仅利用摄像机来构建视觉地图。
例如应用设置在运载工具上的视觉传感器分别构建目标路线在第一环境条件下的第一视觉地图以及目标路线在第二环境条件下的第二视觉地图。
在可选的实施方式中,视觉传感器可以采用单目摄像机,也可以采用双目摄像机。
B应用SLAM(Simultaneous Localization and Mapping)技术构建视觉地图
例如,应用基于激光雷达的2D/3D SLAM、基于深度相机的RGBD SLAM、基于视觉传感器的visual SLAM(以下简称vSLAM)、基于视觉传感器和惯性单元的visual inertialodometry(简称VIO)技术构建视觉地图。
在具体实现时,可以通过应用设置在运载工具上的SLAM***或vSLAM***分别构建目标路线在第一环境条件下的第一视觉地图以及目标路线在第二环境条件下的第二视觉地图。
在可选的实施方式中,参照图2,上述步骤A中应用设置在运载工具上的视觉传感器分别构建目标路线在第一环境条件下的第一视觉地图以及目标路线在第二环境条件下的第二视觉地图的步骤,可以包括以下子步骤:
步骤S201,在第一环境条件下应用视觉传感器获取目标路线的第一图像信息;以及在第二环境条件下应用视觉传感器获取目标路线的第二图像信息;
步骤S202,分别基于第一图像信息和第二图像信息,构建得到第一视觉地图和第二视觉地图。
具体的,对上述第一图像信息和第二图像信息进行图像处理,得到第一视觉地图和第二视觉地图,上述的第一视觉地图和第二视觉地图均分别标注有相应的视觉特征点及其描述子。
参照图3,上述步骤S202主要包括以下子步骤:
步骤S301,对第一图像信息进行特征点检测和计算,得到第一图像信息的特征点以及第一图像信息的特征点的描述子;
步骤S302,对第二图像信息进行特征点检测和计算,得到第二图像信息的特征点以及第二图像信息的特征点的描述子。
具体的,可以应用特征提取与匹配算法对上述的图像信息(第一图像信息或第二图像信息)进行特征点检测和计算,来得到图像信息的特征点及其对应的描述子。
例如,应用ORB(OrientedFASTandRotatedBRIEF)算法对第一图像信息进行特征点检测和特征点描述,得到第一图像信息的特征点和第一图像信息的特征点的描述子。
具体的,应用FAST(features from accelerated segment test)算法来检测第一图像信息的特征点;其中,图像的特征点可以简单的理解为图像中比较显著的点,如轮廓点,较暗区域中的亮点,较亮区域中的暗点等;原理是基于特征点周围的图像灰度值,检测候选特征点周围一圈的像素值,如果候选点周围领域内有足够多的像素点与该候选点的灰度值差别够大,则认为该候选点为一个特征点。
得到特征点后,需要描述这些特征点的属性,每个特征点的属性的输出称之为该特征点的描述子(Feature Descritor)。
具体的,采用BRIEF算法来计算一个特征点的描述子。
BRIEF算法的核心思想是在关键点P的周围以一定模式选取N个点对,把这N个点对的比较结果组合起来作为描述子。
本申请通过应用ORB算法中的FAST算法检测特征点,使用BRIEF算法计算描述子,该描述子以特有的2进制字符串的表达,可以节约存储空间,而且能够缩短特征点匹配的时间。
需要指出的是,特征点的选取还可以通过其他方式确定。
步骤S103,对第一视觉地图和第二视觉地图进行融合,构建全视觉地图。
这里的全视觉地图是指不同环境条件下的视觉地图进行融合后的地图,该全视觉地图适用于不同的环境条件,例如在白天和黑夜两种光照条件下构建的全视觉地图就可以应用在白天和黑夜。
本申请通过在同一个路线,不同环境条件下的地图融合构成一个全视觉地图,比如白天和夜晚不同光照条件下进行视觉的特征点的描述子融合在一个地图中,通过对不同时段的图像匹配对应的特征点,使得一个地图可以在不同时段进行使用,解决了不同时间的图像特征不同的问题,提高了地图对环境的适应能力。
在可选的实施方式中,该步骤S103可以通过以下方式之一实现:
方式1,将第二视觉地图中的特征点融合到所述第一视觉地图中,得到全视觉地图;
例如,将第二视觉地图中的特征点的描述子融合到所述第一视觉地图中,得到全视觉地图。
假设第一视觉地图有10个特征点,第二视觉地图有20个特征点,将第二视觉地图的20个特征点及其描述子添加到第一视觉地图中,得到的全视觉地图包括30个特征点。
在可选的实施方式中,可以首先将第二视觉地图与第一视觉地图进行特征点匹配,将匹配的特征点的描述子添加到第一视觉地图中。
为了便于理解,这里举例对特征点的匹配进行简要说明:
例如特征点A、B的描述子如下:
A:10101011;
B:10101010;
设定一个阈值,例如80%。当A和B的描述子的相似度大于阈值(80%)时,判断特征点A,B是匹配的。在例子中A,B仅有最后一位不同,其相似度为87.5%,大于80%,因此特征点A和B是匹配的。
方式2,将所述第一视觉地图的特征点融合到所述第二视觉地图中,得到全视觉地图。
同样的,可以将第一视觉地图中的特征点的描述子添加到第二视觉地图中,得到全视觉地图。
本发明实施例提供的上述地图构建方法,首先通过确定运载工具行驶的目标路线以及行驶的环境条件;环境条件至少包括第一环境条件和第二环境条件;其中第一环境条件和第二环境条件至少存在一个不同的环境因素;然后分别构建目标路线在第一环境条件下的第一视觉地图以及目标路线在第二环境条件下的第二视觉地图;最后对第一视觉地图和所述第二视觉地图进行融合,构建全视觉地图。本发明实施例通过在同一路线下得到多个不同环境条件的视觉地图,并且对不同环境条件下的视觉地图进行融合,构建全视觉地图,该全视觉地图适用于多种不同的环条件,提高了地图对环境的适应性,缓解了不同环境条件的图像特征不匹配的问题,有利于提高识别精度。
在上述实施例的基础上,本发明实施例还提供一种地图构建装置,如图4所示,该装置包括确定模块401,构建模块402以及融合模块403;
其中,确定模块401用于确定运载工具行驶的目标路线以及行驶的环境条件;所述环境条件至少包括第一环境条件和第二环境条件;其中所述第一环境条件和所述第二环境条件至少存在一个不同的环境因素;
构建模块402用于分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图;
融合模块403用于对所述第一视觉地图和所述第二视觉地图进行融合,构建全视觉地图。
在可选的实施方式中,构建模块402在分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图时,用于应用设置在所述运载工具上的视觉传感器分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图。
在可选的实施方式中,构建模块402在应用设置在所述运载工具上的视觉传感器分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图时,用于在第一环境条件下应用所述视觉传感器获取所述目标路线的第一图像信息;以及在第二环境条件下应用所述视觉传感器获取所述目标路线的第二图像信息;分别基于所述第一图像信息和所述第二图像信息,构建得到所述第一视觉地图和所述第二视觉地图。
在可选的实施方式中,构建模块402在分别基于所述第一图像信息和所述第二图像信息,构建得到所述第一视觉地图和所述第二视觉地图时,用于对所述第一图像信息进行特征点检测和计算,得到所述第一图像信息的特征点以及所述第一图像信息的特征点的描述子;对所述第二图像信息进行特征点检测和计算,得到所述第二图像信息的特征点以及所述第二图像信息的特征点的描述子。
在可选的实施方式中,融合模块403在对第一视觉地图和第二视觉地图进行融合,构建全视觉地图时,用于将所述第二视觉地图中的特征点融合到所述第一视觉地图中,得到全视觉地图;或者将所述第一视觉地图的特征点融合到所述第二视觉地图中,得到全视觉地图。
在可选的实施方式中,所述视觉传感器采用单目摄像头机或双目摄像机。
本发明实施例所提供的地图构建装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
参见图5,本发明实施例还提供一种运载工具500,包括:处理器501,存储器502,总线503和通信接口504,处理器501、通信接口504和存储器502通过总线503连接;存储器502用于存储程序;处理器501用于通过总线503调用存储在存储器502中的程序,执行上述实施例的车辆控制方法。
其中,存储器502可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口504(可以是有线或者无线)实现该***网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线503可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器502用于存储程序,处理器501在接收到执行指令后,执行程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器501中,或者由处理器501实现。
处理器501可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器501中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器501可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processor,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器502,处理器501读取存储器502中的信息,结合其硬件完成上述方法的步骤。
本发明实施例还提供了一种机器可读存储介质,机器可读存储介质存储有机器可执行指令,机器可执行指令在被处理器调用和执行时,机器可执行指令促使处理器实现如上的车辆控制方法。
在本发明的描述中,需要说明的是,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、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)
1.一种地图构建方法,其特征在于,包括:
确定运载工具行驶的目标路线以及行驶的环境条件;所述环境条件至少包括第一环境条件和第二环境条件;其中所述第一环境条件和所述第二环境条件至少存在一个不同的环境因素;
分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图;
对所述第一视觉地图和所述第二视觉地图进行融合,构建全视觉地图。
2.根据权利要求1所述的方法,其特征在于,分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图的步骤,包括:
应用设置在所述运载工具上的视觉传感器分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图。
3.根据权利要求2所述的方法,其特征在于,应用设置在所述运载工具上的视觉传感器分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图的步骤,包括:
在第一环境条件下应用所述视觉传感器获取所述目标路线的第一图像信息;以及在第二环境条件下应用所述视觉传感器获取所述目标路线的第二图像信息;
分别基于所述第一图像信息和所述第二图像信息,构建得到所述第一视觉地图和所述第二视觉地图。
4.根据权利要求3所述的方法,其特征在于,分别基于所述第一图像信息和所述第二图像信息,构建得到所述第一视觉地图和所述第二视觉地图的步骤,包括:
对所述第一图像信息进行特征点检测和计算,得到所述第一图像信息的特征点以及所述第一图像信息的特征点的描述子;
对所述第二图像信息进行特征点检测和计算,得到所述第二图像信息的特征点以及所述第二图像信息的特征点的描述子。
5.根据权利要求1所述的方法,其特征在于,对第一视觉地图和第二视觉地图进行融合,构建全视觉地图的步骤,包括:
将所述第二视觉地图中的特征点融合到所述第一视觉地图中,得到全视觉地图;或者将所述第一视觉地图的特征点融合到所述第二视觉地图中,得到全视觉地图。
6.根据权利要求2所述的方法,其特征在于,所述视觉传感器采用单目摄像头机或双目摄像机。
7.一种地图构建装置,其特征在于,所述装置包括:
确定模块,用于确定运载工具行驶的目标路线以及行驶的环境条件;所述环境条件至少包括第一环境条件和第二环境条件;其中所述第一环境条件和所述第二环境条件至少存在一个不同的环境因素;
构建模块,用于分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图;
融合模块,用于对所述第一视觉地图和所述第二视觉地图进行融合,构建全视觉地图。
8.根据权利要求7所述的装置,其特征在于,所述构建模块在分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图时,用于:
应用设置在所述运载工具上的视觉传感器分别构建所述目标路线在所述第一环境条件下的第一视觉地图以及所述目标路线在所述第二环境条件下的第二视觉地图。
9.一种运载工具,其特征在于,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器执行所述机器可执行指令以实现权利要求1-6任一项所述的方法。
10.一种机器可读存储介质,其特征在于,所述机器可读存储介质存储有机器可执行指令,所述机器可执行指令在被处理器调用和执行时,所述机器可执行指令促使所述处理器实现权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010944705.4A CN112101177A (zh) | 2020-09-09 | 2020-09-09 | 地图构建方法、装置及运载工具 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010944705.4A CN112101177A (zh) | 2020-09-09 | 2020-09-09 | 地图构建方法、装置及运载工具 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112101177A true CN112101177A (zh) | 2020-12-18 |
Family
ID=73751261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010944705.4A Pending CN112101177A (zh) | 2020-09-09 | 2020-09-09 | 地图构建方法、装置及运载工具 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112101177A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862881A (zh) * | 2021-02-24 | 2021-05-28 | 清华大学 | 基于众包多车摄像头数据的道路地图构建与融合的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105973265A (zh) * | 2016-05-19 | 2016-09-28 | 杭州申昊科技股份有限公司 | 一种基于激光扫描传感器的里程估计方法 |
CN109461179A (zh) * | 2018-10-17 | 2019-03-12 | 河南科技学院 | 一种排爆子母机器人协作探测*** |
CN110268354A (zh) * | 2019-05-09 | 2019-09-20 | 珊口(深圳)智能科技有限公司 | 更新地图的方法及移动机器人 |
CN110517355A (zh) * | 2018-05-22 | 2019-11-29 | 苹果公司 | 用于照明混合现实对象的环境合成 |
CN111459269A (zh) * | 2020-03-24 | 2020-07-28 | 视辰信息科技(上海)有限公司 | 一种增强现实显示方法、***及计算机可读存储介质 |
US20200240793A1 (en) * | 2019-01-28 | 2020-07-30 | Qfeeltech (Beijing) Co., Ltd. | Methods, apparatus, and systems for localization and mapping |
-
2020
- 2020-09-09 CN CN202010944705.4A patent/CN112101177A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105973265A (zh) * | 2016-05-19 | 2016-09-28 | 杭州申昊科技股份有限公司 | 一种基于激光扫描传感器的里程估计方法 |
CN110517355A (zh) * | 2018-05-22 | 2019-11-29 | 苹果公司 | 用于照明混合现实对象的环境合成 |
CN109461179A (zh) * | 2018-10-17 | 2019-03-12 | 河南科技学院 | 一种排爆子母机器人协作探测*** |
US20200240793A1 (en) * | 2019-01-28 | 2020-07-30 | Qfeeltech (Beijing) Co., Ltd. | Methods, apparatus, and systems for localization and mapping |
CN110268354A (zh) * | 2019-05-09 | 2019-09-20 | 珊口(深圳)智能科技有限公司 | 更新地图的方法及移动机器人 |
CN111459269A (zh) * | 2020-03-24 | 2020-07-28 | 视辰信息科技(上海)有限公司 | 一种增强现实显示方法、***及计算机可读存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862881A (zh) * | 2021-02-24 | 2021-05-28 | 清华大学 | 基于众包多车摄像头数据的道路地图构建与融合的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110146097B (zh) | 自动驾驶导航地图的生成方法、***、车载终端及服务器 | |
US11586856B2 (en) | Object recognition device, object recognition method, and object recognition program | |
EP3078937B1 (en) | Vehicle position estimation system, device, method, and camera device | |
US20180330615A1 (en) | Road obstacle detection device, method, and program | |
US10809723B2 (en) | Method and apparatus for generating information | |
CN111307166A (zh) | 一种构建占据栅格地图的方法及其装置、处理设备 | |
CN111046709B (zh) | 车辆车道级定位方法、***、车辆及存储介质 | |
JP7413543B2 (ja) | データ伝送方法および装置 | |
JP2016156973A (ja) | 地図データ記憶装置、制御方法、プログラム及び記憶媒体 | |
CN110335484B (zh) | 控制车辆行驶的方法及装置 | |
CN110388929B (zh) | 导航地图更新方法、装置及*** | |
EP3673237A1 (en) | Apparatus, method and computer program product for facilitating navigation of a vehicle based upon a quality index of the map data | |
CN111381585B (zh) | 一种构建占据栅格地图的方法及其装置、相关设备 | |
CN110765224A (zh) | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 | |
CN112699711A (zh) | 车道线检测方法、装置、存储介质及电子设备 | |
CN112101177A (zh) | 地图构建方法、装置及运载工具 | |
CN112765302B (zh) | 位置信息的处理方法、装置及计算机可读介质 | |
US20210048819A1 (en) | Apparatus and method for determining junction | |
CN111323038B (zh) | 隧道内无人驾驶车辆的定位方法、***和电子设备 | |
JP2019146012A (ja) | 撮像装置 | |
CN115512336B (zh) | 基于路灯光源的车辆定位方法、装置和电子设备 | |
CN116416588A (zh) | 车道线预测方法、装置、电子设备及存储介质 | |
CN111433779A (zh) | 用于识别道路特征的***和方法 | |
CN115112125A (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
US20220198262A1 (en) | Method, apparatus, and computer program product for surveillance of road environments via deep learning |
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 |