CN115290104A - 仿真地图生成方法、装置、设备及可读存储介质 - Google Patents
仿真地图生成方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN115290104A CN115290104A CN202210833628.4A CN202210833628A CN115290104A CN 115290104 A CN115290104 A CN 115290104A CN 202210833628 A CN202210833628 A CN 202210833628A CN 115290104 A CN115290104 A CN 115290104A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- road
- target object
- simulated
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000003068 static effect Effects 0.000 claims abstract description 133
- 238000000605 extraction Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 description 30
- 238000011161 development Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process 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
- 238000012545 processing Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G01C21/28—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
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3848—Data obtained from both position sensors and additional sensors
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3863—Structures of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- 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
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种仿真地图生成方法、装置、设备及可读存储介质，仿真地图生成方法包括：通过车载摄像头和激光雷达，对待仿真道路进行实时采集，得到待仿真道路的图像数据和点云数据；提取得到各个静态目标物的点云数据；根据相同时刻的图像数据和各个静态目标物的点云数据，得到各个静态目标物的颜色和类型；使用各个静态目标物的类型、颜色和点云数据，构建得到各个静态目标物的数据结构模型；使用车道线的点云数据构建得到路网结构，将各个静态目标物的点云数据加入到路网结构中，生成格式化的仿真地图数据；使用格式化的仿真地图数据和各个静态目标物的数据结构模型，生成仿真地图。通过本发明，实现了高效率高精度的仿真地图的生成。
Description
技术领域
本发明涉及仿真地图技术领域，尤其涉及一种仿真地图生成方法、装置、设备及可读存储介质。
背景技术
自动驾驶汽车在实际运行过程中面临复杂的环境条件，必须经过足够里程的测试后才能证明自动驾驶汽车具备足够的安全性，当前，在自动驾驶开发过程中使用的测试手段包括：仿真测试、封闭场景测试、开放道路测试，行业目前已形成共识，90％的开发问题通过仿真测试解决，9％通过封闭场景测试解决，剩下1％通过开放道路测试来解决，仿真测试在自动驾驶汽车开发中具有举足轻重的作用。
仿真测试具有成本低、测试效率高、测试场景丰富、不受外界环境影响、安全等特点。同时，仿真测试手段能将测试验证工作大大提前，在开发的前期开展仿真测试能够尽早暴露***问题，尽早解决，从而大大降低开发周期和开发成本。前期开发中所使用的仿真测试手段包括：MIL(model in loop，模型在环)、SIL(software in loop，软件在环)、HIL(hardware in loop，硬件在环)、VIL(vehicle in loop，车辆在环)、DIL(diver in loop，驾驶员在环)等，仿真地图是每一种仿真测试手段必备测试资源，是仿真测试的基础资源。
仿真测试相较于封闭场景测试、开放道路测试，其最大弊端在于可信度不高，导致可信度不高原因包括：传感器模型、车辆模型、道路模型、车辆行为模型等建模难度大，难以完全模拟真实交通状况。而传感器模型不准可使用HIL测试方案，车辆模型不准可采用VIL在环，车辆行为不准可采用DIL在环，然而目前尚无解决道路模型不准的测试手段，但是道路模型是每一种仿真测试的必备输入，道路模型不准会影响每一种仿真测试手段的可信度。
现有仿真地图道路模型构建存在的缺陷主要包括：
(1)效率低，主要通过人工手段搭建道路，效率较低；
(2)一致性差，通过人工在仿真软件中手工构建道路模型，难以保证道路的一致性，不同人操作的方式不同，质量也不同；
(3)精度低，无真实道路数据作为输入，主要通过人工主观观测，搭建的道路与真实道路存在较大偏差，导致仿真测试可信度不高；
(4)周期长，人工搭建道路难以满足海量测试场景的测试需求。
发明内容
本发明的主要目的在于提供一种仿真地图生成方法、装置、设备及可读存储介质，旨在解决现有仿真地图道路模型构建存在的效率低、一致性差、精度低和周期长的技术问题。
第一方面，本发明提供一种仿真地图生成方法，所述仿真地图生成方法包括：
通过车载摄像头和激光雷达，对待仿真道路进行实时采集，得到待仿真道路的图像数据和点云数据；
从待仿真道路的点云数据中，提取得到各个静态目标物的点云数据；
根据相同时刻的图像数据和各个静态目标物的点云数据，得到各个静态目标物的颜色和类型，所述类型包括车道线；
使用各个静态目标物的类型、颜色和点云数据，构建得到各个静态目标物的数据结构模型；
使用车道线的点云数据构建得到路网结构，将各个静态目标物的点云数据加入到路网结构中，生成格式化的仿真地图数据；
使用格式化的仿真地图数据和各个静态目标物的数据结构模型，生成仿真地图。
可选的，所述通过车载摄像头和激光雷达，对待仿真道路进行实时采集，得到待仿真道路的图像数据和点云数据包括：
通过车载摄像头，对待仿真道路进行实时采集，得到待仿真道路的图像数据；
通过车载激光雷达，对待仿真道路进行实时采集，对采集到的多个时间点的点云数据进行组合，得到待仿真道路的点云数据。
可选的，所述从待仿真道路的点云数据中，提取得到各个静态目标物的点云数据包括：
通过采集获得车辆的实时速度；
从待仿真道路的点云数据中，提取得到各个目标物的点云数据；
根据各个目标物的点云数据，计算得到各个目标物相对车辆的速度；
将各个目标物相对车辆的速度和车辆的实时速度进行对比，确定静态目标物，得到各个静态目标物的点云数据。
可选的，所述根据相同时刻的图像数据和各个静态目标物的点云数据，得到各个静态目标物的颜色和类型包括：
在相同时刻，将各个静态目标物的点云数据投影到图像数据中，通过图像识别得到各个静态目标物的类型，通过颜色提取得到各个静态目标物的颜色。
可选的，所述车道线包括双黄线，所述使用车道线的点云数据构建得到路网结构，将各个静态目标物的点云数据加入到路网结构中，生成格式化的仿真地图数据包括：
使用车道线的点云数据构建得到路网结构；
根据双黄线的中心点和起始点确定原点，以双黄线的方向为横轴，以双黄线的垂直方向为纵轴，建立坐标系；
将各个静态目标物加入到所述坐标系中；
基于所述坐标系，使用路网结构和各个静态目标物的点云数据，生成格式化的仿真地图数据。
第二方面，本发明还提供一种仿真地图生成装置，所述仿真地图生成装置包括：
采集模块，用于通过车载摄像头和激光雷达，对待仿真道路进行实时采集，得到待仿真道路的图像数据和点云数据；
提取模块，用于从待仿真道路的点云数据中，提取得到各个静态目标物的点云数据；
得到模块，用于根据相同时刻的图像数据和各个静态目标物的点云数据，得到各个静态目标物的颜色和类型，所述类型包括车道线；
构建模块，用于使用各个静态目标物的类型、颜色和点云数据，构建得到各个静态目标物的数据结构模型；
第一生成模块，用于使用车道线的点云数据构建得到路网结构，将各个静态目标物的点云数据加入到路网结构中，生成格式化的仿真地图数据；
第二生成模块，用于使用格式化的仿真地图数据和各个静态目标物的数据结构模型，生成仿真地图。
可选的，所述采集模块，用于：
通过车载摄像头，对待仿真道路进行实时采集，得到待仿真道路的图像数据；
通过车载激光雷达，对待仿真道路进行实时采集，对采集到的多个时间点的点云数据进行组合，得到待仿真道路的点云数据。
可选的，所述提取模块，用于：
通过采集获得车辆的实时速度；
从待仿真道路的点云数据中，提取得到各个目标物的点云数据；
根据各个目标物的点云数据，计算得到各个目标物相对车辆的速度；
将各个目标物相对车辆的速度和车辆的实时速度进行对比，确定静态目标物，得到各个静态目标物的点云数据。
第三方面，本发明还提供一种仿真地图生成设备，所述仿真地图生成设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的仿真地图生成程序，其中所述仿真地图生成程序被所述处理器执行时，实现如上述所述的仿真地图生成方法的步骤。
第四方面，本发明还提供一种可读存储介质，所述可读存储介质上存储有仿真地图生成程序，其中所述仿真地图生成程序被处理器执行时，实现如上述所述的仿真地图生成方法的步骤。
本发明中，通过车载摄像头和激光雷达，对待仿真道路进行实时采集，得到待仿真道路的图像数据和点云数据；从待仿真道路的点云数据中，提取得到各个静态目标物的点云数据；根据相同时刻的图像数据和各个静态目标物的点云数据，得到各个静态目标物的颜色和类型，所述类型包括车道线；使用各个静态目标物的类型、颜色和点云数据，构建得到各个静态目标物的数据结构模型；使用车道线的点云数据构建得到路网结构，将各个静态目标物的点云数据加入到路网结构中，生成格式化的仿真地图数据；使用格式化的仿真地图数据和各个静态目标物的数据结构模型，生成仿真地图。本发明通过，首先通过车载摄像头和激光雷达采集得到待仿真道路的图像数据和点云数据，然后提取各个静态目标物的点云数据，结合相同时刻的图像数据和各个静态目标物的点云数据，得到各个静态目标物的颜色和类型，使用各个静态目标物的类型、颜色和点云数据，构建得到各个静态目标物的三维的数据结构模型，使用车道线的点云数据通过拟合构建得到路网结构，根据各个静态目标物相对车道线的相对位置关系，将各个静态目标物的点云数据加入到路网结构中，生成格式化的仿真地图数据，其主要描述路网结构和各个静态目标物及相应的位置关系，最后使用格式化的仿真地图数据和各个静态目标物的数据结构模型，生成仿真地图，从而实现了高效率高精度的仿真地图的生成。
附图说明
图1为本发明仿真地图生成设备一实施例的硬件结构示意图；
图2为本发明仿真地图生成方法一实施例的流程示意图；
图3为图2中步骤S20的细化流程示意图；
图4为图2中步骤S50的细化流程示意图；
图5为本发明仿真地图生成装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
第一方面，本发明实施例提供一种仿真地图生成设备。
参照图1，图1为本发明仿真地图生成设备一实施例的硬件结构示意图。本发明实施例中，仿真地图生成设备可以包括处理器1001(例如中央处理器Central ProcessingUnit，CPU)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)；网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity，WI-FI接口)；存储器1005可以是高速随机存取存储器(random accessmemory，RAM)，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本发明的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
继续参照图1，图1中作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及仿真地图生成程序。其中，处理器1001可以调用存储器1005中存储的仿真地图生成程序，并执行本发明实施例提供的仿真地图生成方法。
第二方面，本发明实施例提供了一种仿真地图生成方法。
为了更清楚地展示本申请实施例提供的仿真地图生成方法，首先介绍一下本申请实施例提供的仿真地图生成方法的应用场景。
本申请实施例提供的仿真地图生成方法应用在智能驾驶车辆在出厂前对其安全性能进行仿真测试，而在各种仿真测试方法中均需要用到高精度的道路模型，因此需要构建高精度的道路模型仿真地图，以模拟真实的交通路况。
一实施例中，参照图2，图2为本发明仿真地图生成方法一实施例的流程示意图，如图2所示，所述仿真地图生成方法包括：
步骤S10，通过车载摄像头和激光雷达，对待仿真道路进行实时采集，得到待仿真道路的图像数据和点云数据。
本实施例中，点云数据指在一个三维坐标***中的一组向量的集合，通过车载激光雷达，对待仿真道路进行进行扫描，以点的形式进行记录形成点云数据，每一个点除包含有三维坐标信息外，还可以包括颜色等其他信息。
步骤S20，从待仿真道路的点云数据中，提取得到各个静态目标物的点云数据。
本实施例中，构建生成仿真地图，只关注静态目标物，把动态目标物剔除掉。
步骤S30，根据相同时刻的图像数据和各个静态目标物的点云数据，得到各个静态目标物的颜色和类型，所述类型包括车道线。
本实施例中，通过图像数据获取得到各个静态目标物的类型和颜色，类型指语义，即识别出各个静态目标物是什么，静态目标物的类型包括车道线、标志、标线、路面及标牌等，通过点云数据主要是获取得到各个静态目标物的三维轮廓结构。
步骤S40，使用各个静态目标物的类型、颜色和点云数据，构建得到各个静态目标物的数据结构模型。
本实施例中，各个静态目标物的数据结构模型可采用fit格式的3D物体数据结构模型，从而便于软件识别，例如通过3Dmax(3D Studio Max，常简称为3d Max或3ds MAX，最初是由Discreet公司开发的基于个人计算机***的3D建模渲染和制作软件)建图工具画的三维建筑，可以导出fit格式文件，这里的目标为通过采集的点云数据生成精准的各个静态目标物的3D模型。
步骤S50，使用车道线的点云数据构建得到路网结构，将各个静态目标物的点云数据加入到路网结构中，生成格式化的仿真地图数据。
本实施例中，格式化的仿真地图数据采用OpenDRIVE格式，OpenDRIVE是一种通用的道路信息描述格式，其语法采用的是XML(Extensible Markup Language，扩展标记语言)，OpenDRIVE地图数据可以通过在仿真软件中手动搭建道路场景或者根据采集的真实道路数据自动生成，因此，通过解析OpenDRIVE地图数据，可以获得用于描述道路、交叉路口、道路中车道信息等道路相关的路网描述性数据。使用车道线的点云数据通过拟合构建得到路网结构，再根据各个静态目标物相对车道线的相对位置关系，将各个静态目标物的点云数据加入到路网结构中，然后生成OpenDRIVE格式的仿真地图数据。
步骤S60，使用格式化的仿真地图数据和各个静态目标物的数据结构模型，生成仿真地图。
本实施例中，将OpenDRIVE格式的仿真地图数据和各个静态目标物的fit格式的数据结构模型，导入到VTD(Virtual Test Drive，是德国VIRES公司开发的一套用于驾驶辅助***、主动安全和自动驾驶的完整模块化仿真工具，其运行于Linux平台，功能覆盖了道路环境建模、交通场景建模、天气和环境模拟、简单和物理真实的传感器仿真以及高精度的实时画面渲染等)等仿真软件，即可以生成得到高精度的仿真地图。
本实施例中，首先通过车载摄像头和激光雷达采集得到待仿真道路的图像数据和点云数据，然后提取各个静态目标物的点云数据，结合相同时刻的图像数据和各个静态目标物的点云数据，得到各个静态目标物的颜色和类型，使用各个静态目标物的类型、颜色和点云数据，构建得到各个静态目标物fit格式的三维的数据结构模型，使用车道线的点云数据通过拟合构建得到路网结构，根据各个静态目标物相对车道线的相对位置关系，将各个静态目标物的点云数据加入到路网结构中，生成OpenDRIVE格式的仿真地图数据，其主要描述路网结构和各个静态目标物及相应的位置关系，最后使用OpenDRIVE格式的仿真地图数据和各个静态目标物的fit格式的数据结构模型，导入到VTD等仿真软件中，生成仿真地图，从而实现了高效率高精度的仿真地图的生成。
进一步地，一实施例中，步骤S10包括：
通过车载摄像头，对待仿真道路进行实时采集，得到待仿真道路的图像数据；
通过车载激光雷达，对待仿真道路进行实时采集，对采集到的多个时间点的点云数据进行组合，得到待仿真道路的点云数据。
本实施例中，通常激光雷达通过扫描可采集到距离200米处目标物体的点云数据，采集车辆在行驶过程中进行实时的采集，得到各个时间点的目标物体的点云数据，选取多个时间点的激光雷达的点云数据进行拼接组合，直至得到完整的待仿真道路的点云数据。
进一步地，一实施例中，参照图3，图3为图2中步骤S20的细化流程示意图，如图3所示，步骤S20包括：
步骤S201，通过采集获得车辆的实时速度；
步骤S202，从待仿真道路的点云数据中，提取得到各个目标物的点云数据；
步骤S203，根据各个目标物的点云数据，计算得到各个目标物相对车辆的速度；
步骤S204，将各个目标物相对车辆的速度和车辆的实时速度进行对比，确定静态目标物，得到各个静态目标物的点云数据。
本实施例中，在采集车辆的行驶过程中实时采集获得车辆的车速，从待仿真道路的点云数据中，提取得到各个目标物的点云数据，各个目标物的点云数据中的位置信息为相对于采集车辆激光雷达的位置信息，可选取各个目标物的相邻较近的两个时间点的点云数据，通过计算得到各个目标物相对车辆的速度，将各个目标物相对车辆的速度和车辆的实时速度进行对比，即可以确定是否为静态目标物，从而得到各个静态目标物的点云数据。
进一步地，一实施例中，步骤S30包括：
在相同时刻，将各个静态目标物的点云数据投影到图像数据中，通过图像识别得到各个静态目标物的类型，通过颜色提取得到各个静态目标物的颜色。
本实施例中，点云数据主要用于获得各个静态目标物的三维轮廓结构，而通过车载摄像头采集得到图像数据包含着各个静态目标物的类型及颜色等信息，将各个静态目标物的点云投影到相同时刻对应的图像中，通过图像识别算法可以得到各个静态目标物的类型，再通过颜色提取得到各个静态目标物的颜色，图像识别算法为现有技术，在本实施例中不作详述。
进一步地，一实施例中，参照图4，图4为图2中步骤S50的细化流程示意图，如图5所示，所述车道线包括双黄线，步骤S50包括：
步骤S501，使用车道线的点云数据构建得到路网结构；
步骤S502，根据双黄线的中心点和起始点确定原点，以双黄线的方向为横轴，以双黄线的垂直方向为纵轴，建立坐标系；
步骤S503，将各个静态目标物加入到所述坐标系中；
步骤S504，基于所述坐标系，使用路网结构和各个静态目标物的点云数据，生成格式化的仿真地图数据。
本实施例中，OpenDRIVE格式的仿真地图数据主要用于描述道路、交叉路口、道路中车道信息等道路相关的路网描述性数据，因此需要建立统一的坐标系，将各个静态目标物加入到统一的坐标系中，建立对应的位置结构关系，使用路网结构和各个静态目标物的点云数据，生成OpenDRIVE格式的仿真地图数据。
第三方面，本发明实施例还提供一种仿真地图生成装置。
参照图5，图5为本发明仿真地图生成装置一实施例的功能模块示意图。
本实施例中，所述仿真地图生成装置包括：
采集模块10，用于通过车载摄像头和激光雷达，对待仿真道路进行实时采集，得到待仿真道路的图像数据和点云数据；
提取模块20，用于从待仿真道路的点云数据中，提取得到各个静态目标物的点云数据；
得到模块30，用于根据相同时刻的图像数据和各个静态目标物的点云数据，得到各个静态目标物的颜色和类型，所述类型包括车道线；
构建模块40，用于使用各个静态目标物的类型、颜色和点云数据，构建得到各个静态目标物的数据结构模型；
第一生成模块50，用于使用车道线的点云数据构建得到路网结构，将各个静态目标物的点云数据加入到路网结构中，生成格式化的仿真地图数据；
第二生成模块60，用于使用格式化的仿真地图数据和各个静态目标物的数据结构模型，生成仿真地图。
进一步地，一实施例中，采集模块10，用于：
通过车载摄像头，对待仿真道路进行实时采集，得到待仿真道路的图像数据；
通过车载激光雷达，对待仿真道路进行实时采集，对采集到的多个时间点的点云数据进行组合，得到待仿真道路的点云数据。
进一步地，一实施例中，提取模块20，用于：
通过采集获得车辆的实时速度；
从待仿真道路的点云数据中，提取得到各个目标物的点云数据；
根据各个目标物的点云数据，计算得到各个目标物相对车辆的速度；
将各个目标物相对车辆的速度和车辆的实时速度进行对比，确定静态目标物，得到各个静态目标物的点云数据。
进一步地，一实施例中，得到模块30，用于：
在相同时刻，将各个静态目标物的点云数据投影到图像数据中，通过图像识别得到各个静态目标物的类型，通过颜色提取得到各个静态目标物的颜色。
进一步地，一实施例中，第一生成模块50，用于：
使用车道线的点云数据构建得到路网结构；
根据双黄线的中心点和起始点确定原点，以双黄线的方向为横轴，以双黄线的垂直方向为纵轴，建立坐标系；
将各个静态目标物加入到所述坐标系中；
基于所述坐标系，使用路网结构和各个静态目标物的点云数据，生成格式化的仿真地图数据。
其中，上述仿真地图生成装置中各个模块的功能实现与上述仿真地图生成方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
第四方面，本发明实施例还提供一种可读存储介质。
本发明可读存储介质上存储有仿真地图生成程序，其中所述仿真地图生成程序被处理器执行时，实现如上述的仿真地图生成方法的步骤。
其中，仿真地图生成程序被执行时所实现的方法可参照本发明仿真地图生成方法的各个实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种仿真地图生成方法，其特征在于，所述仿真地图生成方法包括：
通过车载摄像头和激光雷达，对待仿真道路进行实时采集，得到待仿真道路的图像数据和点云数据；
从待仿真道路的点云数据中，提取得到各个静态目标物的点云数据；
根据相同时刻的图像数据和各个静态目标物的点云数据，得到各个静态目标物的颜色和类型，所述类型包括车道线；
使用各个静态目标物的类型、颜色和点云数据，构建得到各个静态目标物的数据结构模型；
使用车道线的点云数据构建得到路网结构，将各个静态目标物的点云数据加入到路网结构中，生成格式化的仿真地图数据；
使用格式化的仿真地图数据和各个静态目标物的数据结构模型，生成仿真地图。
2.如权利要求1所述的仿真地图生成方法，其特征在于，所述通过车载摄像头和激光雷达，对待仿真道路进行实时采集，得到待仿真道路的图像数据和点云数据包括：
通过车载摄像头，对待仿真道路进行实时采集，得到待仿真道路的图像数据；
通过车载激光雷达，对待仿真道路进行实时采集，对采集到的多个时间点的点云数据进行组合，得到待仿真道路的点云数据。
3.如权利要求1所述的仿真地图生成方法，其特征在于，所述从待仿真道路的点云数据中，提取得到各个静态目标物的点云数据包括：
通过采集获得车辆的实时速度；
从待仿真道路的点云数据中，提取得到各个目标物的点云数据；
根据各个目标物的点云数据，计算得到各个目标物相对车辆的速度；
将各个目标物相对车辆的速度和车辆的实时速度进行对比，确定静态目标物，得到各个静态目标物的点云数据。
4.如权利要求1所述的仿真地图生成方法，其特征在于，所述根据相同时刻的图像数据和各个静态目标物的点云数据，得到各个静态目标物的颜色和类型包括：
在相同时刻，将各个静态目标物的点云数据投影到图像数据中，通过图像识别得到各个静态目标物的类型，通过颜色提取得到各个静态目标物的颜色。
5.如权利要求1所述的仿真地图生成方法，其特征在于，所述车道线包括双黄线，所述使用车道线的点云数据构建得到路网结构，将各个静态目标物的点云数据加入到路网结构中，生成格式化的仿真地图数据包括：
使用车道线的点云数据构建得到路网结构；
根据双黄线的中心点和起始点确定原点，以双黄线的方向为横轴，以双黄线的垂直方向为纵轴，建立坐标系；
将各个静态目标物加入到所述坐标系中；
基于所述坐标系，使用路网结构和各个静态目标物的点云数据，生成格式化的仿真地图数据。
6.一种仿真地图生成装置，其特征在于，所述仿真地图生成装置包括：
采集模块，用于通过车载摄像头和激光雷达，对待仿真道路进行实时采集，得到待仿真道路的图像数据和点云数据；
提取模块，用于从待仿真道路的点云数据中，提取得到各个静态目标物的点云数据；
得到模块，用于根据相同时刻的图像数据和各个静态目标物的点云数据，得到各个静态目标物的颜色和类型，所述类型包括车道线；
构建模块，用于使用各个静态目标物的类型、颜色和点云数据，构建得到各个静态目标物的数据结构模型；
第一生成模块，用于使用车道线的点云数据构建得到路网结构，将各个静态目标物的点云数据加入到路网结构中，生成格式化的仿真地图数据；
第二生成模块，用于使用格式化的仿真地图数据和各个静态目标物的数据结构模型，生成仿真地图。
7.如权利要求6所述的仿真地图生成装置，其特征在于，所述采集模块，用于：
通过车载摄像头，对待仿真道路进行实时采集，得到待仿真道路的图像数据；
通过车载激光雷达，对待仿真道路进行实时采集，对采集到的多个时间点的点云数据进行组合，得到待仿真道路的点云数据。
8.如权利要求6所述的仿真地图生成装置，其特征在于，所述提取模块，用于：
通过采集获得车辆的实时速度；
从待仿真道路的点云数据中，提取得到各个目标物的点云数据；
根据各个目标物的点云数据，计算得到各个目标物相对车辆的速度；
将各个目标物相对车辆的速度和车辆的实时速度进行对比，确定静态目标物，得到各个静态目标物的点云数据。
9.一种仿真地图生成设备，其特征在于，所述仿真地图生成设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的仿真地图生成程序，其中所述仿真地图生成程序被所述处理器执行时，实现如权利要求1至5中任一项所述的仿真地图生成方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有仿真地图生成程序，其中所述仿真地图生成程序被处理器执行时，实现如权利要求1至5中任一项所述的仿真地图生成方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210833628.4A CN115290104A (zh) | 2022-07-14 | 2022-07-14 | 仿真地图生成方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210833628.4A CN115290104A (zh) | 2022-07-14 | 2022-07-14 | 仿真地图生成方法、装置、设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115290104A true CN115290104A (zh) | 2022-11-04 |
Family
ID=83822025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210833628.4A Pending CN115290104A (zh) | 2022-07-14 | 2022-07-14 | 仿真地图生成方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115290104A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115438517A (zh) * | 2022-11-07 | 2022-12-06 | 阿里巴巴达摩院(杭州)科技有限公司 | 仿真地图生成方法、电子设备及计算机存储介质 |
| CN116013100A (zh) * | 2023-01-05 | 2023-04-25 | 中国第一汽车股份有限公司 | 道路状态预警方法、装置、车辆及存储介质 |
| CN116030211A (zh) * | 2023-02-20 | 2023-04-28 | 之江实验室 | 一种构建仿真地图的方法、装置、存储介质及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108664841A (zh) * | 2017-03-27 | 2018-10-16 | 郑州宇通客车股份有限公司 | 一种基于激光点云的动静态目标物识别方法及装置 |
| WO2020248614A1 (zh) * | 2019-06-10 | 2020-12-17 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及*** |
| CN112528477A (zh) * | 2020-12-03 | 2021-03-19 | 安徽江淮汽车集团股份有限公司 | 道路场景仿真方法、设备、存储介质及装置 |
| CN114067062A (zh) * | 2022-01-17 | 2022-02-18 | 深圳慧拓无限科技有限公司 | 一种真实驾驶场景仿真方法、***、电子设备和存储介质 |
| CN114442101A (zh) * | 2022-01-28 | 2022-05-06 | 南京慧尔视智能科技有限公司 | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 |
| WO2022096558A2 (de) * | 2020-11-05 | 2022-05-12 | Dspace Gmbh | Verfahren und system zur augmentierung von lidar-daten |
-
2022
- 2022-07-14 CN CN202210833628.4A patent/CN115290104A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108664841A (zh) * | 2017-03-27 | 2018-10-16 | 郑州宇通客车股份有限公司 | 一种基于激光点云的动静态目标物识别方法及装置 |
| WO2020248614A1 (zh) * | 2019-06-10 | 2020-12-17 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及*** |
| WO2022096558A2 (de) * | 2020-11-05 | 2022-05-12 | Dspace Gmbh | Verfahren und system zur augmentierung von lidar-daten |
| CN112528477A (zh) * | 2020-12-03 | 2021-03-19 | 安徽江淮汽车集团股份有限公司 | 道路场景仿真方法、设备、存储介质及装置 |
| CN114067062A (zh) * | 2022-01-17 | 2022-02-18 | 深圳慧拓无限科技有限公司 | 一种真实驾驶场景仿真方法、***、电子设备和存储介质 |
| CN114442101A (zh) * | 2022-01-28 | 2022-05-06 | 南京慧尔视智能科技有限公司 | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 赵坤;王留召;鲁勇;: "车载激光点云与面阵CCD影像数据融合技术研究", 中州煤炭, no. 07, 25 July 2012 (2012-07-25) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115438517A (zh) * | 2022-11-07 | 2022-12-06 | 阿里巴巴达摩院(杭州)科技有限公司 | 仿真地图生成方法、电子设备及计算机存储介质 |
| CN115438517B (zh) * | 2022-11-07 | 2023-03-24 | 阿里巴巴达摩院(杭州)科技有限公司 | 仿真地图生成方法、电子设备及计算机存储介质 |
| CN116013100A (zh) * | 2023-01-05 | 2023-04-25 | 中国第一汽车股份有限公司 | 道路状态预警方法、装置、车辆及存储介质 |
| CN116030211A (zh) * | 2023-02-20 | 2023-04-28 | 之江实验室 | 一种构建仿真地图的方法、装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112069856B (zh) | 地图生成方法、驾驶控制方法、装置、电子设备及*** | |
| CN115290104A (zh) | 仿真地图生成方法、装置、设备及可读存储介质 | |
| KR101932623B1 (ko) | 3차원 도로 모델의 모델링 방법, 장치 및 저장 매체 | |
| EP3582146A1 (en) | Method, apparatus, device and medium for classifying driving scenario data | |
| CN111123920A (zh) | 一种自动驾驶仿真测试场景生成方法和装置 | |
| CN113033029A (zh) | 自动驾驶仿真方法、装置、电子设备及存储介质 | |
| US8046204B2 (en) | Collecting and modeling object simulation data | |
| CN111221808A (zh) | 一种无人值守的高精度地图质检方法和装置 | |
| CN110807219B (zh) | 道路网络的三维仿真建模方法、装置、终端及存储介质 | |
| CN109726426A (zh) | 一种车辆自动驾驶虚拟环境构建方法 | |
| CN114930401A (zh) | 基于点云的三维重建方法、装置和计算机设备 | |
| CN114067062A (zh) | 一种真实驾驶场景仿真方法、***、电子设备和存储介质 | |
| CN115984486A (zh) | 一种融合激光雷达与深度相机的桥梁模型生成方法及装置 | |
| CN109634867B (zh) | 基于数据模拟***下的软件测试方法、装置及存储介质 | |
| CN112432650B (zh) | 高精地图数据的获取方法、车辆控制方法以及设备 | |
| CN110793548A (zh) | 基于gnss接收机硬件在环的虚实结合的导航仿真测试*** | |
| CN112419512A (zh) | 一种基于语义信息的空中三维模型修复***及方法 | |
| CN114494274A (zh) | 建筑施工评估方法、装置、电子设备及存储介质 | |
| CN115185205A (zh) | 智能驾驶仿真方法、***、终端设备和可读存储介质 | |
| CN112507891A (zh) | 自动化识别高速路口并构建路口向量的方法及装置 | |
| CN112097784A (zh) | 一种地图传感器地图匹配结果的验证方法及装置 | |
| CN109520513B (zh) | 一种三维地图绘制方法及装置 | |
| CN117079238A (zh) | 道路边沿检测方法、装置、设备及存储介质 | |
| CN112906241B (zh) | 矿区自动驾驶仿真模型构建方法、装置、介质及电子设备 | |
| Wagener et al. | Automated scenario generation for testing advanced driver assistance systems based on post-processed reference laser scanner data |
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 |