CN115930954B - 一种矿区高精度地图构建和更新方法 - Google Patents
一种矿区高精度地图构建和更新方法 Download PDFInfo
- Publication number
- CN115930954B CN115930954B CN202310219106.XA CN202310219106A CN115930954B CN 115930954 B CN115930954 B CN 115930954B CN 202310219106 A CN202310219106 A CN 202310219106A CN 115930954 B CN115930954 B CN 115930954B
- Authority
- CN
- China
- Prior art keywords
- mining area
- area
- precision map
- mining
- target
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Instructional Devices (AREA)
Abstract
本发明提供一种矿区高精度地图构建和更新方法,包含:采集目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息;基于目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息,确定目标矿区内结构化道路以及非结构化作业区域的可行驶域边界,以生成目标矿区的矿区高精度地图;针对矿区高精度地图,当触发增量更新条件时,对目标矿区内的非结构化作业区域进行可行驶域边界更新;以整体拓扑性为原则,对矿区高精度地图进行质量检查,当矿区高精度地图存在拓扑不连通问题时,对矿区高精度地图进行更新。本发明解决了矿区作业场景下高精度地图高频率、高效率更新的技术瓶颈。
Description
技术领域
本发明涉及矿区地图构建与更新技术领域,具体地说,涉及一种矿区高精度地图构建和更新方法。
背景技术
随着人工智能的不断发展,智慧矿山、无人矿山成为了矿区作业的未来发展趋势。高精度地图为矿车实现自动化导航规划提供了必要的数据基础。然而,如果制作和维护矿区的高精度地图还没有成熟的解决方案。矿区高精度地图不同于城市环境下的高精度地图。城市场景下的道路环境变化周期相对较短,采用人工绘制的方式虽然耗时长、成本高,但也是可以解决制图问题的一个方案;相比之下,矿区地形变化非常快,尤其是在非结构化区域,每一次装卸载任务都会引起地形的变动,人工绘制维护的方法已经难以满足地图使用的实时性要求。
由于矿区在不间断地进行采掘作业,矿区场景地形变化相对快速,这就要求高精度地图要保证鲜度和构建维护效率。相应地,一个是地形数据采集更新频率要高,二是保证制图出图部分生产效率高。高频的数据采集主要使用作业的无人矿车上配备的传感器采集实现;然而,如何高效的处理大量批次采集数据来维护高精度地图数据是一个巨大挑战。面向无人驾驶的高精度地图是一个准确描述行车路面环境和行车辅助信息的矢量地图,可参考的主流地图格式有OpenDrive、Lanelet2等。现有的制图方案有两种,人工绘制和自动化构建。人工绘制需要标注人员对标注的地图逻辑拓扑和现场实地环境都有一定的知识储备,依照无人机或卫星影像凭借个人经验绘制矢量地图,每一次地图数据更新后再依照新数据修改标注地图;但是,人工绘制效率低且容易出现错误,尤其是进行三维标注时由于视角受限问题很容易需要将地图维护结果返工再加工,使得制图效率降低,难以满足矿区实时制图的需求;人工绘制的方式还需要对标注人员进行基本的业务培训,才能使其具体标注地图的能力,这无疑带来了更高的人力成本。
自动化构建的方式通常采用矿卡采集的数据,提取道路边界和拓扑结构后自动生成一定地图逻辑的矢量地图。如现有技术(CN109143259A)依据车辆采集的GPS/IMU定位轨迹信息,自动生成OpenDrive格式的高精度地图。然而其并未对计算结果进行验证,可能会因为算法失效导致无人驾驶***出现异常情况。
因此,本发明提供了一种矿区高精度地图构建和更新方法。
发明内容
针对现有技术的缺陷,本发明提供了一种矿区高精度地图构建和更新方法,所述方法包含:
S1、采集目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息;
S2、基于目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息,确定目标矿区内结构化道路以及非结构化作业区域的可行驶域边界,以生成目标矿区的矿区高精度地图;
S3、针对所述矿区高精度地图,当触发增量更新条件时,对目标矿区内的非结构化作业区域进行可行驶域边界更新;
S4、以整体拓扑性为原则,对所述矿区高精度地图进行质量检查,当所述矿区高精度地图存在拓扑不连通问题时,对所述矿区高精度地图进行更新。
根据本发明的一个实施例,步骤S1包含:
在数据采集矿用车辆上安装用于采集激光点云数据的激光雷达和用于采集车辆实时位姿信息的组合导航GPS/IMU传感器;
对所述激光雷达以及所述组合导航GPS/IMU传感器进行外参数标定以及数据硬同步。
根据本发明的一个实施例,步骤S1包含:
以目标矿区内的主干道路作为结构化道路,以目标矿区内的装载区作为非结构化作业区域,在进行数据采集时,所述数据采集矿用车辆在主干道路启动,由主干道路行驶进入装载区,绕装载区行驶若干圈,直到行驶轨迹覆盖全部装载区后结束数据采集过程。
根据本发明的一个实施例,在步骤S2中,通过以下步骤得到目标矿区内结构化道路的可行驶域边界:
基于矿区内行驶车辆的实时位姿信息,利用车辆行驶轨迹的三维位姿点作为虚拟车道中心线;
以矿区内行驶车辆的车型宽度为基准,确定虚拟车道宽度,结合所述虚拟车道中心线方向生成虚拟车道边界线,作为目标矿区内结构化道路的可行驶域边界。
根据本发明的一个实施例,在步骤S2中,通过以下步骤得到目标矿区内非结构化作业区域的可行驶域边界:
对目标矿区的激光点云数据中的每帧点云数据进行语义分割处理,使用神经网络模型推断得到包含可行驶路面点和不可行驶区域点的语义分割结果;
将目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息转换到同一坐标系下,通过点云拼接得到拼接点云数据;
对于非结构化作业区域,根据所述语义分割结果剔除所述拼接点云数据中的不可行驶区域点;
将剔除后的拼接点云数据投影到分辨率固定且带三维高度信息的栅格地图,利用边界检测算法得到目标矿区内非结构化作业区域的可行驶域边界。
根据本发明的一个实施例,在步骤S3中,对于目标矿区内的结构化道路,当没有出现新开辟作业区域或废弃作业区域时,工作区域连通的道路边界不会发生变化,不触发所述增量更新条件。
根据本发明的一个实施例,在步骤S3中,对于目标矿区内的非结构化作业区域,当出现采掘作业或拉运作业时,触发所述增量更新条件,通过以下步骤对目标矿区内的非结构化作业区域进行可行驶域边界更新:
采集由于采掘作业或拉运作业导致地形变动区域的激光点云数据以及地形变动区域内行驶车辆的实时位姿信息;
获取采掘作业或拉运作业前非结构化作业区域的可行域闭合边界线,记录为第一可行域闭合边界线;
基于地形变动区域的激光点云数据以及地形变动区域内行驶车辆的实时位姿信息,获取采掘作业或拉运作业后地形变动区域的可行域闭合边界线,记录为第二可行域闭合边界线;
将所述第一可行域闭合边界线以及所述第二可行域闭合边界线上所有三维点的高度值统一,分别转换为第一平面多边形以及第二平面多边形;
若所述第一平面多边形与所述第二平面多边形不相交,则放弃此次更新;
若所述第一平面多边形与所述第二平面多边形相交,则将所述第一平面多边形与所述第二平面多边形合并,得到合并平面多边形;
依据所述第一可行域闭合边界线以及所述第二可行域闭合边界线,将所述合并平面多边形中所有的二维点附上高度值,得到更新后非结构化作业区域的可行驶域边界。
根据本发明的一个实施例,步骤S4包含:
提取所述矿区高精度地图中所有虚拟车道中心线的起点以及终点,作为起终点集合;
将所述起终点集合内的所有三维点进行二维化,得到二维化集合;
对于所述二维化集合中的任意一点,若其不处于任何非结构化作业区域二维可行域边界构成的多边形内,则所述矿区高精度地图存在拓扑不连通问题,否则不存在拓扑不连通问题;
若所述矿区高精度地图存在拓扑不连通问题,则重新采集目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息,对所述矿区高精度地图进行更新。
根据本发明的另一个方面,还提供了一种存储介质,其包含用于执行如上任一项所述的方法步骤的一系列指令。
根据本发明的另一个方面,还提供了一种矿区高精度地图构建和更新装置,执行如上任一项所述的方法,所述装置包含:
数据采集模块,其用于采集目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息;
可行驶域边界提取模块,其用于基于目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息,确定目标矿区内结构化道路以及非结构化作业区域的可行驶域边界,以生成目标矿区的矿区高精度地图;
增量更新模块,其用于针对所述矿区高精度地图,当触发增量更新条件时,对目标矿区内的非结构化作业区域进行可行驶域边界更新;
质量检查模块,其用于以整体拓扑性为原则,对所述矿区高精度地图进行质量检查,当所述矿区高精度地图存在拓扑不连通问题时,对所述矿区高精度地图进行更新。
本发明提供的一种矿区高精度地图构建和更新方法,相比较于现有技术,具备以下优势:
1)完整的矿区高精度地图构建和更新方案:本发明提出了从数据采集、地图构建、地图更新到地图审查的一套完整的高精度地图构建和更新方案,解决了矿区作业场景下高精度地图高频率、高效率更新的技术瓶颈;
2)针对性强的可行驶域边界检测:本发明梳理出矿区的结构化道路和非结构化作业区域两种可行驶域边界检测场景,对两种场景分别提出了针对性强、鲁棒性高的边界检测算法,解决了矿区没有实际参考车道边界和作业区域边界的瓶颈;
3)实现更加高效的地图构建、更新:相较于人工绘制,本发明提出的方法自动化程度高、无需人工参与,在减少人工成本的前提下,提升了矿区高精度地图构建和更新的效率。相对于现有自动化标注方法,本发明提出的方法鲁棒性强,地图质量检查从全局角度审查自动化构建地图的结果,综上所述,本发明给出了一种通用性强、精准度高、可靠性强的高精度地图构建更新方法。
本发明的其它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。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。
图1显示了根据本发明的一个实施例的一种矿区高精度地图构建和更新方法流程图。
图2显示了根据本发明的一个实施例的数据采集流程图。
图3显示了根据本发明的一个实施例的得到目标矿区内结构化道路的可行驶域边界流程图。
图4显示了根据本发明的一个实施例的得到目标矿区内非结构化作业区域的可行驶域边界流程图。
图5显示了根据本发明的一个实施例的判断目标矿区内的结构化道路是否触发增量更新条件流程图。
图6显示了根据本发明的一个实施例的对目标矿区内的非结构化作业区域进行可行驶域边界更新流程图。
图7显示了根据本发明的一个实施例的质量检查流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下结合附图对本发明实施例作进一步地详细。
面向无人驾驶的高精度地图是一个准确描述行车路面环境和行车辅助信息的矢量地图,可参考的主流地图格式有OpenDrive、Lanelet2等。现有的制图方案有两种,人工绘制和自动化构建。人工绘制需要标注人员对标注的地图逻辑拓扑和现场实地环境都有一定的知识储备,依照无人机或卫星影像凭借个人经验绘制矢量地图,每一次地图数据更新后再依照新数据修改标注地图;但是,人工绘制效率低且容易出现错误,尤其是进行三维标注时由于视角受限问题很容易需要将地图维护结果返工再加工,使得制图效率降低,难以满足矿区实时制图的需求;人工绘制的方式还需要对标注人员进行基本的业务培训,才能使其具体标注地图的能力,这无疑带来了更高的人力成本。
自动化构建的方式通常采用矿卡采集的数据,提取道路边界和拓扑结构后自动生成一定地图逻辑的矢量地图。如现有技术(CN109143259A)依据车辆采集的GPS/IMU定位轨迹信息,自动生成OpenDrive格式的高精度地图。然而其并未对计算结果进行验证,可能会因为算法失效导致无人驾驶***出现异常情况。
并且,现有的自动化构建方法缺少对地图的质量检查。自动化构建方法往往为某些单一场景设计的,这就在实际生产时难以避免出现构建算法失效或出现异常值的情况。
针对现有技术的上述缺陷,本发明针对矿区场景,提供一种快速高效、可靠性强的高精度地图构建和更新方法,并且,本发明带有审查机制,能够监查自动化构建出的地图是否符合地图结构逻辑,提升地图数据的可靠性。
图1显示了根据本发明的一个实施例的一种矿区高精度地图构建和更新方法流程图。
如图1所示,在步骤S1中,采集目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息。
在一个实施例中,如图2所示,步骤S1包含步骤S201,在数据采集矿用车辆上安装用于采集激光点云数据的激光雷达和用于采集车辆实时位姿信息的组合导航GPS/IMU传感器。具体来说,矿用车辆包含但不限于矿用卡车,在矿用卡车上安装激光雷达和组合导航GPS/IMU传感器,作为数据采集矿用车辆。组合导航GPS/IMU传感器包含GPS(GlobalPositioning System,全球定位***)传感器以及IMU(Inertial Measurement Unit,惯性测量单元)传感器。
在一个实施例中,如图2所示,步骤S1包含步骤S202,对激光雷达以及组合导航GPS/IMU传感器进行外参数标定以及数据硬同步。具体来说,在矿用卡车上安装激光雷达和组合导航GPS/IMU传感器,并对两种设备进行外参数标定及数据硬同步,数据采集矿用车辆沿正常作业路径行驶,行驶过程中,激光雷达采集激光点云数据,组合导航GPS/IMU传感器采集数据采集矿用车辆的实时位姿信息。
在一个实施例中,如图2所示,步骤S1包含步骤S203,以目标矿区内的主干道路作为结构化道路,以目标矿区内的装载区作为非结构化作业区域,在进行数据采集时,数据采集矿用车辆在主干道路启动,由主干道路行驶进入装载区,绕装载区行驶若干圈,直到行驶轨迹覆盖全部装载区后结束数据采集过程。具体来说,主干道路连接各个装载区,数据采集矿用车辆在主干道路上启动,由主干道路行驶进入装载区,绕装载区若干圈行驶,直到轨迹覆盖全部装载区域后结束采集,此过程中数据采集矿用车辆的工控机持续采集激光雷达产生的激光点云数据及组合导航GPS/IMU传感器产生的定位数据。
如图1所示,在步骤S2中,基于目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息,确定目标矿区内结构化道路以及非结构化作业区域的可行驶域边界,以生成目标矿区的矿区高精度地图。具体来说,矿区的可行驶域可以大致分为两类:结构化道路和非结构化作业区域。
在一个实施例中,通过图3所示的步骤得到目标矿区内结构化道路的可行驶域边界,在步骤S301中,基于矿区内行驶车辆的实时位姿信息,利用车辆行驶轨迹的三维位姿点作为虚拟车道中心线。具体来说,对于结构化道路边界,由于实际矿区道路环境并不存在如城市道路般的车道线标识,因此需要利用车辆行驶轨迹的三维位姿点作为虚拟车道中心线。
在一个实施例中,如图3所示,在步骤S302中,以矿区内行驶车辆的车型宽度为基准,确定虚拟车道宽度,结合虚拟车道中心线方向生成虚拟车道边界线,作为目标矿区内结构化道路的可行驶域边界。具体来说,挑选出矿区道路上较频繁行驶的车辆种类中车宽最宽的车型,使用该车型宽度的1.5倍长度当作虚拟车道宽度,依据虚拟车道中心线方向生成虚拟车道边界线。
在一个实施例中,对于非结构化作业区域,此种区域是一个在可行驶域边界内自由行驶的区域,其内部不存在逻辑上定义的“道路”。此类型区域的边界可通过点云语义分割、点云拼接、边界检测几个算步骤得出。
进一步地,通过图4所示的步骤得到目标矿区内非结构化作业区域的可行驶域边界,在步骤S401中,对目标矿区的激光点云数据中的每帧点云数据进行语义分割处理,使用神经网络模型推断得到包含可行驶路面点和不可行驶区域点的语义分割结果。具体来说,对每帧点云进行语义分割处理,使用rangenet++神经网络模型推断得到可行驶路面点和不可行驶区域点两种分类点。rangenet++神经网络模型将激光点云通过球面投影转换为距离图像(Range Images),然后在距离图像上用二维卷积神经网络提取特征进行语义分割。为了获得精确的分割效果,可以采用后处理算法处理由于投影变换带来的离散化误差或者卷积神经网络模糊的输出结果。
在一个实施例中,如图4所示,在步骤S402中,将目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息转换到同一坐标系下,通过点云拼接得到拼接点云数据。具体来说,对于硬同步的组合导航GPS/IMU传感器和激光雷达传感器,激光点云数据可由两传感器的外参和GPS/IMU定位数据从激光雷达坐标系转换到统一的UTM(UNIVERSALTRANSVERSE MERCARTOR GRID SYSTEM,通用横墨卡托格网***)坐标系下,基于这个统一的坐标系,实现点云拼接。
在一个实施例中,如图4所示,在步骤S403中,对于非结构化作业区域,根据语义分割结果剔除拼接点云数据中的不可行驶区域点。具体来说,拼接后的局部点云覆盖了整个非结构化作业区域,根据语义分割的结果剔除局部点云的不可行驶区域点。
在一个实施例中,如图4所示,在步骤S404中,将剔除后的拼接点云数据投影到分辨率固定且带三维高度信息的栅格地图,利用边界检测算法得到目标矿区内非结构化作业区域的可行驶域边界。具体来说,将剔除后的拼接点云数据投影到分辨率固定的且带三维高度信息的栅格地图,利用基于canny算子(canny边缘检测算子)的边界检测算法得出可行驶区域点云边界。
如图1所示,在步骤S3中,针对矿区高精度地图,当触发增量更新条件时,对目标矿区内的非结构化作业区域进行可行驶域边界更新。
实际矿区作业时,在步骤S3中,若没有出现新开辟作业区域或废弃作业区域时,非结构化作业区域间连通的道路边界不会有变化,故无需增量更新结构化道路边界。
在一个实施例中,如图5所示,在步骤501以及步骤502中,对于目标矿区内的结构化道路,当没有出现新开辟作业区域或废弃作业区域时,工作区域连通的道路边界不会发生变化,不触发增量更新条件。
对于目标矿区内的结构化道路,道路结构不会频繁发生变动,故道路边界不会发生变化,不触发增量更新条件。进一步地,若出现新开辟作业区域或废弃作业区域,道路结构发生变化时,则应触发地图重新构建,参考步骤S301-S302,不触发增量更新条件。即当出现新开辟作业区域时,由司机驾驶数据采集矿用车辆进行数据采集,以在矿区高精度地图中增加连通新开辟作业区域的道路。
对于非结构化作业区域,每一次采掘和拉运作业都会使可行驶域边界发生变动。因此,对于目标矿区内的非结构化作业区域,当出现采掘作业或拉运作业时,触发增量更新条件,通过图6所示的步骤对目标矿区内的非结构化作业区域进行可行驶域边界更新,在步骤S601中,采集由于采掘作业或拉运作业导致地形变动区域的激光点云数据以及地形变动区域内行驶车辆的实时位姿信息。具体来说,通过图2和/或图3所示的步骤采集由于采掘作业或拉运作业导致地形变动区域的激光点云数据以及地形变动区域内行驶车辆的实时位姿信息。进一步地,装载区进行采掘和拉运作业工作一段时间后,利用数据采集矿用车辆采集装载区仅发生地形变动的地形数据,直到轨迹覆盖全部变动部分后结束数据采集,此过程中工控机持续采集激光雷达产生的激光点云数据及组合导航GPS/IMU传感器产生的定位数据。
在一个实施例中,如图6所示,在步骤S602中,获取采掘作业或拉运作业前非结构化作业区域的可行域闭合边界线,记录为第一可行域闭合边界线。具体来说,利用可行域边界提取算法,获取采掘作业或拉运作业前非结构化作业区域的可行域闭合边界线,记录为第一可行域闭合边界线E1。
在一个实施例中,如图6所示,在步骤S603中,基于地形变动区域的激光点云数据以及地形变动区域内行驶车辆的实时位姿信息,获取采掘作业或拉运作业后地形变动区域的可行域闭合边界线,记录为第二可行域闭合边界线。具体来说,基于地形变动区域的激光点云数据以及地形变动区域内行驶车辆的实时位姿信息,通过图5所示的步骤得到采掘作业或拉运作业后地形变动区域的可行驶域边界,利用可行域边界提取算法,获取采掘作业或拉运作业后地形变动区域的可行域闭合边界线,记录为第二可行域闭合边界线ΔE。
在一个实施例中,如图6所示,在步骤S604中,将第一可行域闭合边界线以及第二可行域闭合边界线上所有三维点的高度值统一,分别转换为第一平面多边形以及第二平面多边形。具体来说,将E1和ΔE上所有三维点的高度值统一,分别转换为第一平面多边形S1和第二平面多边形ΔS。
在一个实施例中,如图6所示,在步骤S605中,若第一平面多边形与第二平面多边形不相交,则放弃此次更新。具体来说,利用计算几何方法,判断S1和ΔS是否相交,若S1和ΔS不相交,则放弃此次更新。
在一个实施例中,如图6所示,在步骤S606中,若第一平面多边形与第二平面多边形相交,则将第一平面多边形与第二平面多边形合并,得到合并平面多边形。具体来说,利用计算几何方法,判断S1和ΔS是否相交,若S1和ΔS相交,则合并平面多边形S2 = S1∪ΔS。
在一个实施例中,如图6所示,在步骤S607中,依据第一可行域闭合边界线以及第二可行域闭合边界线,将合并平面多边形中所有的二维点附上高度值,得到更新后非结构化作业区域的可行驶域边界。具体来说,将S2中的所有的二维点依据E1和ΔE附上高度值,得到更新后非结构化作业区域的可行驶域边界E2。
如图1所示,在步骤S4中,以整体拓扑性为原则,对矿区高精度地图进行质量检查,当矿区高精度地图存在拓扑不连通问题时,对矿区高精度地图进行更新。
由于步骤S1-S3是将矿区高精度地图分为结构化道路和非结构化作业区域两类数据分开讨论,缺少了对高精度地图整体拓扑性方面的考察。每一次的地图更新都应通过拓扑检查,地图数据才有资格发布到无人驾驶各个终端进行应用,否则需要“回炉重造”,需重新采集更新数据对地图进行正确地、合法地修改。本发明提供的步骤S4保证了地图中的元素从结构逻辑上是合法的,提升了地图数据的可靠性。
在一个实施例中,通过图7所示的步骤对矿区高精度地图进行质量检查,在步骤S701中,提取矿区高精度地图中所有虚拟车道中心线的起点以及终点,作为起终点集合。具体来说,令集合P 为所有车道的虚拟车道中心线的起点和终点三维点的集合。
在一个实施例中,如图7所示,在步骤S702中,将起终点集合内的所有三维点进行二维化,得到二维化集合。具体来说,将集合P中所有点二维化,得到二维化集合P’。进一步地,将集合P内所有三维点的高度值统一,得到二维化集合P’。
在一个实施例中,如图7所示,在步骤S703中,对于二维化集合中的任意一点,若其不处于任何非结构化作业区域二维可行域边界构成的多边形内,则矿区高精度地图存在拓扑不连通问题,否则不存在拓扑不连通问题。具体来说,对P’中任意一点p’,若其不在任何非结构化作业区域二维可行域边界构成的多边形S内,则地图拓扑存在不连通问题,否则不存在拓扑不连通问题。
在一个实施例中,如图7所示,在步骤S704中,若矿区高精度地图存在拓扑不连通问题,则重新采集目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息,对矿区高精度地图进行更新。具体来说,基于重新采集得到的目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息,通过图4以及图5所示的步骤分别得到目标矿区内结构化道路以及非结构化作业区域的可行驶域边界,对矿区高精度地图进行更新。若矿区高精度地图不存在拓扑不连通问题,则直接发布经过步骤S3增量更新后的新版地图数据,或者,直接发布步骤S2生成的目标矿区的矿区高精度地图。
本发明提供的一种矿区高精度地图构建和更新方法还可以配合一种计算机可读取的存储介质,存储介质上存储有计算机程序,执行计算机程序以运行一种矿区高精度地图构建和更新方法。计算机程序能够运行计算机指令,计算机指令包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。
计算机可读取的存储介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。
根据本发明的另一个方面,还提供了一种矿区高精度地图构建和更新装置,执行一种矿区高精度地图构建和更新方法,装置包含:数据采集模块、可行驶域边界提取模块、增量更新模块以及质量检查模块。
数据采集模块用于采集目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息;可行驶域边界提取模块用于基于目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息,确定目标矿区内结构化道路以及非结构化作业区域的可行驶域边界,以生成目标矿区的矿区高精度地图;增量更新模块用于针对矿区高精度地图,当触发增量更新条件时,对目标矿区内的非结构化作业区域进行可行驶域边界更新;质量检查模块用于以整体拓扑性为原则,对矿区高精度地图进行质量检查,当矿区高精度地图存在拓扑不连通问题时,对矿区高精度地图进行更新。
综上,本发明提供的一种矿区高精度地图构建和更新方法,相比较于现有技术,具备以下优势:
1)完整的矿区高精度地图构建和更新方案:本发明提出了从数据采集、地图构建、地图更新到地图审查的一套完整的高精度地图构建和更新方案,解决了矿区作业场景下高精度地图高频率、高效率更新的技术瓶颈;
2)针对性强的可行驶域边界检测:本发明梳理出矿区的结构化道路和非结构化作业区域两种可行驶域边界检测场景,对两种场景分别提出了针对性强、鲁棒性高的边界检测算法,解决了矿区没有实际参考车道边界和作业区域边界的瓶颈;
3)实现更加高效的地图构建、更新:相较于人工绘制,本发明提出的方法自动化程度高、无需人工参与,在减少人工成本的前提下,提升了矿区高精度地图构建和更新的效率。相对于现有自动化标注方法,本发明提出的方法鲁棒性强,地图质量检查从全局角度审查自动化构建地图的结果,综上所述,本发明给出了一种通用性强、精准度高、可靠性强的高精度地图构建更新方法。
Claims (9)
1.一种矿区高精度地图构建和更新方法,其特征在于,所述方法包含:
S1、采集目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息;
S2、基于目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息,确定目标矿区内结构化道路以及非结构化作业区域的可行驶域边界,以生成目标矿区的矿区高精度地图;
S3、针对所述矿区高精度地图,当触发增量更新条件时,对目标矿区内的非结构化作业区域进行可行驶域边界更新;
S4、以整体拓扑性为原则,对所述矿区高精度地图进行质量检查,当所述矿区高精度地图存在拓扑不连通问题时,对所述矿区高精度地图进行更新;
在步骤S3中,对于目标矿区内的非结构化作业区域,当出现采掘作业或拉运作业时,触发所述增量更新条件,通过以下步骤对目标矿区内的非结构化作业区域进行可行驶域边界更新:
采集由于采掘作业或拉运作业导致地形变动区域的激光点云数据以及地形变动区域内行驶车辆的实时位姿信息;
获取采掘作业或拉运作业前非结构化作业区域的可行域闭合边界线,记录为第一可行域闭合边界线;
基于地形变动区域的激光点云数据以及地形变动区域内行驶车辆的实时位姿信息,获取采掘作业或拉运作业后地形变动区域的可行域闭合边界线,记录为第二可行域闭合边界线;
将所述第一可行域闭合边界线以及所述第二可行域闭合边界线上所有三维点的高度值统一,分别转换为第一平面多边形以及第二平面多边形;
若所述第一平面多边形与所述第二平面多边形不相交,则放弃此次更新;
若所述第一平面多边形与所述第二平面多边形相交,则将所述第一平面多边形与所述第二平面多边形合并,得到合并平面多边形;
依据所述第一可行域闭合边界线以及所述第二可行域闭合边界线,将所述合并平面多边形中所有的二维点附上高度值,得到更新后非结构化作业区域的可行驶域边界。
2.如权利要求1所述的一种矿区高精度地图构建和更新方法,其特征在于,步骤S1包含:
在数据采集矿用车辆上安装用于采集激光点云数据的激光雷达和用于采集车辆实时位姿信息的组合导航GPS/IMU传感器;
对所述激光雷达以及所述组合导航GPS/IMU传感器进行外参数标定以及数据硬同步。
3.如权利要求2所述的一种矿区高精度地图构建和更新方法,其特征在于,步骤S1包含:
以目标矿区内的主干道路作为结构化道路,以目标矿区内的装载区作为非结构化作业区域,在进行数据采集时,所述数据采集矿用车辆在主干道路启动,由主干道路行驶进入装载区,绕装载区行驶若干圈,直到行驶轨迹覆盖全部装载区后结束数据采集过程。
4.如权利要求1所述的一种矿区高精度地图构建和更新方法,其特征在于,在步骤S2中,通过以下步骤得到目标矿区内结构化道路的可行驶域边界:
基于矿区内行驶车辆的实时位姿信息,利用车辆行驶轨迹的三维位姿点作为虚拟车道中心线;
以矿区内行驶车辆的车型宽度为基准,确定虚拟车道宽度,结合所述虚拟车道中心线方向生成虚拟车道边界线,作为目标矿区内结构化道路的可行驶域边界。
5.如权利要求1所述的一种矿区高精度地图构建和更新方法,其特征在于,在步骤S2中,通过以下步骤得到目标矿区内非结构化作业区域的可行驶域边界:
对目标矿区的激光点云数据中的每帧点云数据进行语义分割处理,使用神经网络模型推断得到包含可行驶路面点和不可行驶区域点的语义分割结果;
将目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息转换到同一坐标系下,通过点云拼接得到拼接点云数据;
对于非结构化作业区域,根据所述语义分割结果剔除所述拼接点云数据中的不可行驶区域点;
将剔除后的拼接点云数据投影到分辨率固定且带三维高度信息的栅格地图,利用边界检测算法得到目标矿区内非结构化作业区域的可行驶域边界。
6.如权利要求1所述的一种矿区高精度地图构建和更新方法,其特征在于,在步骤S3中,对于目标矿区内的结构化道路,当没有出现新开辟作业区域或废弃作业区域时,工作区域连通的道路边界不会发生变化,不触发所述增量更新条件。
7.如权利要求1-6中任一项所述的一种矿区高精度地图构建和更新方法,其特征在于,步骤S4包含:
提取所述矿区高精度地图中所有虚拟车道中心线的起点以及终点,作为起终点集合;
将所述起终点集合内的所有三维点进行二维化,得到二维化集合;
对于所述二维化集合中的任意一点,若其不处于任何非结构化作业区域二维可行域边界构成的多边形内,则所述矿区高精度地图存在拓扑不连通问题,否则不存在拓扑不连通问题;
若所述矿区高精度地图存在拓扑不连通问题,则重新采集目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息,对所述矿区高精度地图进行更新。
8.一种存储介质,其特征在于,其包含用于执行如权利要求1-7中任一项所述的方法步骤的一系列指令。
9.一种矿区高精度地图构建和更新装置,其特征在于,执行如权利要求1-7中任一项所述的方法,所述装置包含:
数据采集模块,其用于采集目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息;
可行驶域边界提取模块,其用于基于目标矿区的激光点云数据以及矿区内行驶车辆的实时位姿信息,确定目标矿区内结构化道路以及非结构化作业区域的可行驶域边界,以生成目标矿区的矿区高精度地图;
增量更新模块,其用于针对所述矿区高精度地图,当触发增量更新条件时,对目标矿区内的非结构化作业区域进行可行驶域边界更新;
质量检查模块,其用于以整体拓扑性为原则,对所述矿区高精度地图进行质量检查,当所述矿区高精度地图存在拓扑不连通问题时,对所述矿区高精度地图进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310219106.XA CN115930954B (zh) | 2023-03-09 | 2023-03-09 | 一种矿区高精度地图构建和更新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310219106.XA CN115930954B (zh) | 2023-03-09 | 2023-03-09 | 一种矿区高精度地图构建和更新方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115930954A CN115930954A (zh) | 2023-04-07 |
CN115930954B true CN115930954B (zh) | 2023-06-30 |
Family
ID=86650982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310219106.XA Active CN115930954B (zh) | 2023-03-09 | 2023-03-09 | 一种矿区高精度地图构建和更新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115930954B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116753942B (zh) * | 2023-08-16 | 2023-11-24 | 北京路凯智行科技有限公司 | 分级更新的矿区高精地图制作方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021171560A1 (ja) * | 2020-02-28 | 2021-09-02 | 三菱電機株式会社 | 高精度地図データベース生成装置および高精度地図データベース生成方法 |
WO2022000260A1 (zh) * | 2020-06-30 | 2022-01-06 | 深圳市大疆创新科技有限公司 | 地图的更新方法、装置、可移动平台及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6969962B2 (ja) * | 2017-10-05 | 2021-11-24 | トヨタ自動車株式会社 | 車両の運転支援及び/又は走行制御のための地図情報提供システム |
CN111125135B (zh) * | 2019-12-19 | 2023-12-29 | 北京易控智驾科技有限公司 | 地图更新方法、地图融合更新方法、终端及服务器 |
JP7272302B2 (ja) * | 2020-03-09 | 2023-05-12 | トヨタ自動車株式会社 | 地図データ記憶装置及び地図データ更新用コンピュータプログラム |
CN111551958B (zh) * | 2020-04-28 | 2022-04-01 | 北京踏歌智行科技有限公司 | 一种面向矿区无人驾驶的高精地图制作方法 |
CN111780768B (zh) * | 2020-07-20 | 2022-03-04 | 北京易控智驾科技有限公司 | 应用于露天矿山自动驾驶的装载位区域地图更新方法 |
CN115423958A (zh) * | 2022-09-01 | 2022-12-02 | 北京踏歌智行科技有限公司 | 一种基于视觉三维重建的矿区可行驶区域边界更新方法 |
-
2023
- 2023-03-09 CN CN202310219106.XA patent/CN115930954B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021171560A1 (ja) * | 2020-02-28 | 2021-09-02 | 三菱電機株式会社 | 高精度地図データベース生成装置および高精度地図データベース生成方法 |
WO2022000260A1 (zh) * | 2020-06-30 | 2022-01-06 | 深圳市大疆创新科技有限公司 | 地图的更新方法、装置、可移动平台及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115930954A (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11691648B2 (en) | Drivable surface identification techniques | |
CN109470254B (zh) | 地图车道线的生成方法、装置、***及存储介质 | |
Pannen et al. | How to keep HD maps for automated driving up to date | |
CN112380317B (zh) | 高精地图更新方法、装置、电子设备和存储介质 | |
CN112069856A (zh) | 地图生成方法、驾驶控制方法、装置、电子设备及*** | |
KR20210111180A (ko) | 위치 추적 방법, 장치, 컴퓨팅 기기 및 컴퓨터 판독 가능한 저장 매체 | |
US20210001891A1 (en) | Training data generation for dynamic objects using high definition map data | |
CN114930401A (zh) | 基于点云的三维重建方法、装置和计算机设备 | |
CN115930954B (zh) | 一种矿区高精度地图构建和更新方法 | |
CN112432650B (zh) | 高精地图数据的获取方法、车辆控制方法以及设备 | |
EP4170581A1 (en) | Method, device and system for cooperatively constructing point cloud map | |
CN112633812B (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
CN115439621A (zh) | 一种煤矿井下巡检机器人三维地图重建及目标检测方法 | |
EP2405383A1 (en) | Assisting with guiding a vehicle over terrain | |
CN112406965A (zh) | 一种提高列车定位安全性的方法及*** | |
Farrell et al. | Best practices for surveying and mapping roadways and intersections for connected vehicle applications | |
Guo et al. | Road environment perception for safe and comfortable driving | |
CN111912418A (zh) | 删除移动载体不可行驶区域内障碍物的方法、装置及介质 | |
CN115375861A (zh) | 无人矿区的三维建图方法、装置和存储介质 | |
US20230025579A1 (en) | High-definition mapping | |
CN117612127B (zh) | 场景生成方法、装置和存储介质及电子设备 | |
CN117593892B (zh) | 真值数据的获取方法和装置、存储介质及电子设备 | |
CN117710919A (zh) | 基于无人巡检车的路面病害巡检***及路面病害检测方法 | |
CN117975396A (zh) | 一种交通标志线定位方法、***、设备及介质 | |
Mao et al. | Bird’s Eye View Map for End-to-end Autonomous Driving Using Reinforcement 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |