CN116546424A - 激光建图方法及其装置、激光定位方法及其装置 - Google Patents

Abstract

本申请公开了一种激光建图方法及其装置、激光定位方法及其装置，该激光建图方法包括：获取第一车辆在预设运营区域采集的第一图像数据和第一激光点云数据，并利用预设融合算法对二者进行融合，得到第一融合结果；根据第一融合结果确定第一激光点云数据中的目标及对应的目标类型；根据目标对应的目标类型，利用预设预处理策略对第一激光点云数据中的目标进行预处理，得到预处理后的第一激光点云数据；根据预处理后的第一激光点云数据及对应的后处理定位数据构建预设运营区域的点云地图。本申请将图像数据和激光点云数据融合进行目标识别，提高了目标识别精度，针对不同的目标类型对激光点云数据采取不同的预处理操作，提高了激光建图和定位精度。

Description

激光建图方法及其装置、激光定位方法及其装置

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种激光建图方法及其装置、激光定位方法及其装置。

背景技术

随着自动驾驶技术的成熟度越来越高，Robotaxi(自动驾驶出租车)和Robobus(自动驾驶巴士)的运营区域也越来越多样化，而由于城市中存在多种会影响传统组合导航定位效果的场景，例如城市峡谷、盘桥等，多传感器融合(Multi-sensor Fusion，简称MSF)的技术也被更多的应用在自动驾驶车辆的定位方案中。

多传感器融合定位技术主要包括视觉建图与定位技术和激光建图与定位技术。相对于单目或者双目视觉定位技术，激光建图与定位技术有更好的工程化框架以及更高的精度和稳定性，因此在实际应用中被更多地作为首选方案，作为GNSS(Global NavigationSatellite System，全球导航卫星***)/RTK(Real-time kinematic，实时动态差分)失效时的辅助观测，以保障运营区域全时、全气候的厘米级定位精度。

理想情况下，点云匹配定位的精度可以达到厘米级别(10cm以内)，但是如果建图时的场景与定位时的场景变化大，例如，在建图时停车场附近的车辆多，而定位时车辆少，通过ICP(Iterative Closest Point，迭代最近点)或NDT(Normal DistributionTransform，正态分布变换)匹配算法无法计算出有效变换，定位精度会受到影响，误差会扩大到分米级，甚至无法输出正确的、置信度高的定位结果，进而影响自动驾驶车辆的正常行驶。

发明内容

本申请实施例提供了一种激光建图方法及其装置、激光定位方法及其装置，以提高激光建图精度和定位精度。

本申请实施例采用下述技术方案：

第一方面，本申请实施例提供一种激光建图方法，其中，所述激光建图方法包括：

获取第一车辆在预设运营区域采集的第一图像数据和第一激光点云数据，并利用预设融合算法对所述第一图像数据和所述第一激光点云数据进行融合，得到第一融合结果；

根据所述第一融合结果确定所述第一激光点云数据中的目标及对应的目标类型；

根据所述第一激光点云数据中的目标对应的目标类型，利用预设预处理策略对所述第一激光点云数据中的目标进行预处理，得到预处理后的第一激光点云数据；

根据所述预处理后的第一激光点云数据以及所述第一激光点云数据对应的后处理定位数据构建所述预设运营区域的点云地图。

可选地，所述目标包括前景目标和背景目标，所述背景目标包括可变化背景目标和不可变化背景目标，所述根据所述第一激光点云数据中的目标对应的目标类型，利用预设预处理策略对所述第一激光点云数据中的目标进行预处理，得到预处理后的第一激光点云数据包括：

将所述前景目标从所述第一激光点云数据中剔除，并分别设置所述第一激光点云数据中的可变化背景目标和不可变化背景目标的点云权重，其中设置后的可变化背景目标的点云权重小于设置后的不可变化背景目标的点云权重，得到所述预处理后的第一激光点云数据。

可选地，在根据所述预处理后的第一激光点云数据以及所述第一激光点云数据对应的后处理定位数据构建所述预设运营区域的点云地图之后，所述方法还包括：

获取第二车辆在所述预设运营区域的激光定位结果以及获取所述预设运营区域的点云缺失位置集合；

根据所述第二车辆在所述预设运营区域的激光定位结果以及所述预设运营区域的点云缺失位置集合，确定是否对所述预设运营区域的点云地图进行更新。

可选地，所述获取所述预设运营区域的点云缺失位置集合包括：

确定所述第一车辆当前所处的场景区域，所述场景区域位于所述预设运营区域内；

根据所述第一激光点云数据中的目标及对应的目标类型，确定所述第一激光点云数据中的前景目标的相对数量；

根据所述第一车辆当前所处的场景区域和所述前景目标的相对数量构建所述预设运营区域的点云缺失位置集合。

可选地，所述根据所述第一车辆当前所处的场景区域和所述前景目标的相对数量构建所述预设运营区域的点云缺失位置集合包括：

基于高精地图数据获取所述第一车辆当前所处的场景区域的数据，所述场景区域的数据包括场景区域类型和场景区域位置；

根据所述前景目标的相对数量确定点云地图更新标识，所述点云地图更新标识包括可更新标识和不可更新标识；

根据所述第一车辆当前所处的场景区域的数据和所述点云地图更新标识构建所述预设运营区域的点云缺失位置集合。

可选地，所述根据所述前景目标的相对数量确定点云地图更新标识包括：

若所述前景目标的相对数量大于预设相对数量阈值，则确定所述点云地图更新标识为所述不可更新标识；

若所述前景目标的相对数量不大于预设相对数量阈值，则确定所述点云地图更新标识为所述可更新标识。

可选地，所述第二车辆在所述预设运营区域的激光定位结果包括激光定位位置和激光定位置信度，所述点云缺失位置集合包括点云地图更新标识，所述根据所述第二车辆在所述预设运营区域的激光定位结果以及所述预设运营区域的点云缺失位置集合，确定是否对所述预设运营区域的点云地图进行更新包括：

若所述激光定位置信度大于预设地图更新阈值，所述激光定位位置位于所述点云缺失位置集合内且对应的点云地图更新标识为可更新标识，则确定对所述预设运营区域的点云地图进行更新，并根据所述第二车辆在所述预设运营区域的激光定位结果对所述预设运营区域的点云地图进行更新；

否则，则确定不对所述预设运营区域的点云地图进行更新。

第二方面，本申请实施例还提供一种激光定位方法，其中，所述激光定位方法包括：

获取第三车辆在预设运营区域采集的第三图像数据和第三激光点云数据，并利用预设融合算法对所述第三图像数据和所述第三激光点云数据进行融合，得到第三融合结果；

根据所述第三融合结果确定所述第三激光点云数据中的目标及对应的目标类型；

根据所述第三激光点云数据中的目标对应的目标类型，利用预设预处理策略对所述第三激光点云数据中的目标进行预处理，得到预处理后的第二激光点云数据；

根据所述预处理后的第二激光点云数据和所述预设运营区域的点云地图确定所述第三车辆在所述预设运营区域的激光定位结果；

其中，所述预设运营区域的点云地图基于前述之任一所述激光建图方法得到。

可选地，在获取第三车辆在预设运营区域采集的第三图像数据和第三激光点云数据之后，所述方法还包括：

获取所述预设运营区域的点云缺失位置集合，所述点云缺失位置集合包括点云地图更新标识，所述点云地图更新标识包括不可更新标识；

根据所述预设运营区域的点云缺失位置集合以及所述第三激光点云数据对应的后处理定位数据，确定所述第三车辆是否进入不可更新标识对应的场景区域；

若是，则根据所述第三激光点云数据，利用激光SLAM算法确定所述第三车辆在所述预设运营区域的激光定位结果。

第三方面，本申请实施例还提供一种激光建图装置，其中，所述激光建图装置包括：

第一融合单元，用于获取第一车辆在预设运营区域采集的第一图像数据和第一激光点云数据，并利用预设融合算法对所述第一图像数据和所述第一激光点云数据进行融合，得到第一融合结果；

第一确定单元，用于根据所述第一融合结果确定所述第一激光点云数据中的目标及对应的目标类型；

第一预处理单元，用于根据所述第一激光点云数据中的目标对应的目标类型，利用预设预处理策略对所述第一激光点云数据中的目标进行预处理，得到预处理后的第一激光点云数据；

构建单元，用于根据所述预处理后的第一激光点云数据以及所述第一激光点云数据对应的后处理定位数据构建所述预设运营区域的点云地图。

第四方面，本申请实施例还提供一种激光定位装置，其中，所述激光定位装置包括：

第二融合单元，用于获取第三车辆在预设运营区域采集的第三图像数据和第三激光点云数据，并利用预设融合算法对所述第三图像数据和所述第三激光点云数据进行融合，得到第三融合结果；

第二确定单元，用于根据所述第三融合结果确定所述第三激光点云数据中的目标及对应的目标类型；

第二预处理单元，用于根据所述第三激光点云数据中的目标对应的目标类型，利用预设预处理策略对所述第三激光点云数据中的目标进行预处理，得到预处理后的第二激光点云数据；

第一定位单元，用于根据所述预处理后的第二激光点云数据和所述预设运营区域的点云地图确定所述第三车辆在所述预设运营区域的激光定位结果；

其中，所述预设运营区域的点云地图基于前述激光建图装置得到。

第五方面，本申请实施例还提供一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述方法。

第六方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述之任一所述方法。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例的激光建图方法，先获取第一车辆在预设运营区域采集的第一图像数据和第一激光点云数据，并利用预设融合算法对第一图像数据和第一激光点云数据进行融合，得到第一融合结果；然后根据第一融合结果确定第一激光点云数据中的目标及对应的目标类型；之后根据第一激光点云数据中的目标对应的目标类型，利用预设预处理策略对第一激光点云数据中的目标进行预处理，得到预处理后的第一激光点云数据；最后根据预处理后的第一激光点云数据以及第一激光点云数据对应的后处理定位数据构建预设运营区域的点云地图。本申请实施例的激光建图方法将图像数据和激光点云数据融合进行目标识别，提高了仅依靠激光点云数据的目标识别精度，进一步根据融合结果确定目标类型，并针对不同的目标类型对激光点云数据采取不同的预处理操作，提高了点云地图的精度。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例中一种激光建图方法的流程示意图；

图2为本申请实施例中一种激光建图装置的结构示意图；

图3为本申请实施例中一种激光定位方法的流程示意图；

图4为本申请实施例中一种激光定位装置的结构示意图；

图5为本申请实施例中一种电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅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。

以下结合附图，详细说明本申请各实施例提供的技术方案。

本申请实施例提供了一种激光建图方法，如图1所示，提供了本申请实施例中一种激光建图方法的流程示意图，所述激光建图方法至少包括如下的步骤S110至步骤S140：

步骤S110，获取第一车辆在预设运营区域采集的第一图像数据和第一激光点云数据，并利用预设融合算法对所述第一图像数据和所述第一激光点云数据进行融合，得到第一融合结果。

本申请实施例在构建点云地图时，需要先获取第一车辆在预设运营区域采集的第一图像数据和第一激光点云数据，第一车辆可以是部署有真值设备、摄像头和激光雷达等传感器的数据采集车辆，且各个传感器均已事先标定好。预设运营区域可以根据实际应用场景灵活确定，例如可以根据Robotaxi或者Robobus的运营服务范围来确定。

第一图像数据由数据采集车辆上的摄像头采集得到，第一激光点云数据由数据采集车辆上的激光雷达采集得到，由于摄像头和激光雷达的数据输出频率不同，因此可以对摄像头采集的图像数据与激光雷达采集的激光点云数据进行时间同步处理，以保证后续数据处理的准确性，也即这里的第一图像数据和第一激光点云数据可以看作是时间同步处理后的数据。

之后利用预设融合算法对第一图像数据和第一激光点云数据进行融合，得到第一融合结果，预设融合算法可以根据现有的图像-激光点云融合算法灵活选择，例如基于深度学习算法实现的目标检测和识别。由于基于激光点云数据实现的目标识别算法，特别对于小目标如行人、自行车等的识别精度不高，因此通过图像数据与激光点云数据的融合结果进行目标检测和识别，可以提高仅使用激光点云数据的识别精度，进一步提高建图与定位的精度。

步骤S120，根据所述第一融合结果确定所述第一激光点云数据中的目标及对应的目标类型。

基于图像数据与对应的激光点云数据的融合结果可以识别出第一激光点云数据中的目标以及对应的目标类型，这里的目标类型可以包括前景目标和背景目标。

步骤S130，根据所述第一激光点云数据中的目标对应的目标类型，利用预设预处理策略对所述第一激光点云数据中的目标进行预处理，得到预处理后的第一激光点云数据。

理想情况下，基于点云地图实现的定位精度可以达到厘米级别，但如果建图时的场景与定位时的场景差异较大，那么就会对定位结果和定位精度造成影响，而场景变化差异的大小与场景中的存在的目标以及目标类型相关，例如，如果背景目标较多，动态的前景目标较少，那么场景变化就相对较小，反之，如果背景目标较少，动态的前景目标较多，场景变化就相对较大。

基于此，本申请实施例可以根据第一激光点云数据中包含的不同的目标类型，采取一定的预处理策略对第一激光点云数据中的目标进行预处理，得到预处理后的第一激光点云数据，预处理的原则是尽可能降低场景差异对于激光点云建图与定位精度的影响。

步骤S140，根据所述预处理后的第一激光点云数据以及所述第一激光点云数据对应的后处理定位数据构建所述预设运营区域的点云地图。

在得到预处理后的第一激光点云数据后，还需要通过后处理算法获得对应的定位真值，基于定位真值对预处理后的第一激光点云数据进行建图，由于后处理的定位真值的定位精度一般在1cm以内，因此可以直接使用此定位真值进行点云投影、匹配等操作，从而生成预设运营区域的点云地图。

在本申请的一些实施例中，所述目标包括前景目标和背景目标，所述背景目标包括可变化背景目标和不可变化背景目标，所述根据所述第一激光点云数据中的目标对应的目标类型，利用预设预处理策略对所述第一激光点云数据中的目标进行预处理，得到预处理后的第一激光点云数据包括：将所述前景目标从所述第一激光点云数据中剔除，并分别设置所述第一激光点云数据中的可变化背景目标和不可变化背景目标的点云权重，其中设置后的可变化背景目标的点云权重小于设置后的不可变化背景目标的点云权重，得到所述预处理后的第一激光点云数据。

本申请实施例的目标主要分为前景目标和背景目标，前景目标例如是车辆和行人等动态目标，背景目标例如是道路两侧的标志牌、树木以及高楼大厦等，因此背景目标进一步可以分为可变化背景目标和不可变化背景目标，可变化背景目标例如可以是道路两侧的树木，其一般随季节变化而变化，但相比于前景目标来说变化频率较低，不可变化背景目标例如可以是道路两侧高楼大厦等，一般不会随时间发生变化，或者可以看作是变化频率相对最低的目标，因此不同目标在相应场景下的变化频率不同。

基于此，为了能够尽可能降低场景变化差异对激光建图和定位精度的影响，在构建点云地图时，可以更多依赖不可变化背景目标的激光点云数据，降低对前景目标以及可变化背景目标的依赖。例如，可以直接剔除第一激光点云数据中的前景目标，仅依靠背景目标的激光点云数据构建点云地图，以避免动态的前景目标对于建图和定位精度的影响。此外，还可以将第一激光点云数据中的可变化背景目标的点云权重减小，如设置为0.5，将不可变化背景目标的点云权重增大，如设置为1，从而适当降低可变化背景目标的激光点云数据的影响，充分利用不可变化的背景目标的激光点云数据，以提高激光建图和定位精度。

在本申请的一些实施例中，在根据所述预处理后的第一激光点云数据以及所述第一激光点云数据对应的后处理定位数据构建所述预设运营区域的点云地图之后，所述方法还包括：获取第二车辆在所述预设运营区域的激光定位结果以及获取所述预设运营区域的点云缺失位置集合；根据所述第二车辆在所述预设运营区域的激光定位结果以及所述预设运营区域的点云缺失位置集合，确定是否对所述预设运营区域的点云地图进行更新。

由于实际场景中的前景目标的数量或多或少，例如停车场附近、地铁出入口附近等前景目标会相对较多，而行驶路段区域的前景目标会相对较少，因此不同场景区域的前景目标会对背景造成不同程度的遮挡，在剔除掉前景目标的激光点云数据后，就会出现不同程度的背景点云的缺失，因此可以根据不同的目标识别结果建立预设运营区域的点云缺失位置集合，从而可以根据点云缺失位置集合以及后续第二车辆在预设运营区域的实际的激光定位结果对点云地图进行更新。第二车辆可以是指在运营区域实际运营的车辆，由于运营车辆较多，因此可以通过运营车辆的实际定位结果不断补偿和完善背景点云数据，从而提高点云地图的完整性和定位精度。

在本申请的一些实施例中，所述获取所述预设运营区域的点云缺失位置集合包括：确定所述第一车辆当前所处的场景区域，所述场景区域位于所述预设运营区域内；根据所述第一激光点云数据中的目标及对应的目标类型，确定所述第一激光点云数据中的前景目标的相对数量；根据所述第一车辆当前所处的场景区域和所述前景目标的相对数量构建所述预设运营区域的点云缺失位置集合。

如前所述，不同场景区域的前景目标的相对数量不同，例如停车场附近、地铁出入口附近等前景目标会相对较多，而行驶路段区域的前景目标会相对较少，进而导致不同场景区域的前景目标会对背景造成不同程度的遮挡，因此本申请实施例在构建预设运营区域的点云缺失位置集合时，可以先确定第一车辆当前所处的场景区域，例如是停车场区域、地铁出入口区域还是正常的行驶路段区域，具体可以根据后处理得到的当前的定位真值以及高精地图数据确定第一车辆当前所处的场景区域。

基于第一激光点云数据中的目标及对应的目标类型可以确定出第一激光点云数据中的前景目标的相对数量，例如可以统计前景目标的激光点云数据占整个激光点云数据的百分比，如果前景目标的占比越高，说明前景目标的相对数量越多，背景目标相对数量越少，反之，则说明前景目标的相对数量越少，背景目标相对数量越多，进而可以以此构建预设运营区域的点云缺失位置集合，例如可以包括场景区域类型、缺失的绝对位置等信息。

在本申请的一些实施例中，所述根据所述第一车辆当前所处的场景区域和所述前景目标的相对数量构建所述预设运营区域的点云缺失位置集合包括：基于高精地图数据获取所述第一车辆当前所处的场景区域的数据，所述场景区域的数据包括场景区域类型和场景区域位置；根据所述前景目标的相对数量确定点云地图更新标识，所述点云地图更新标识包括可更新标识和不可更新标识；根据所述第一车辆当前所处的场景区域的数据和所述点云地图更新标识构建所述预设运营区域的点云缺失位置集合。

高精地图数据中可以提供不同路段、不同场景区域的绝对位置信息，因此可以从高精地图数据获取第一车辆当前所处的场景区域的数据，包括场景区域类型和场景区域位置，场景区域类型可以用场景区域标识来表征和区分，场景区域位置是指场景区域对应的绝对位置集合。

此外，前景目标的相对数量的多少反映了其对于场景中的背景区域的遮挡程度，这里可以综合考虑整个场景区域的前景目标的相对数量，根据整个场景区域的前景目标的相对数量情况来确定该场景区域的点云地图是否可更新，最后结合场景区域类型和场景区域位置生成预设运营区域的点云缺失位置集合。

在本申请的一些实施例中，所述根据所述前景目标的相对数量确定点云地图更新标识包括：若所述前景目标的相对数量大于预设相对数量阈值，则确定所述点云地图更新标识为所述不可更新标识；若所述前景目标的相对数量不大于预设相对数量阈值，则确定所述点云地图更新标识为所述可更新标识。

前景目标的相对数量越多，那么背景目标的相对数量就越少，例如停车场区域附近、地铁出入口附近等，均是前景目标较多的场景区域，对于此种区域，采用事先构建好的点云地图进行定位的意义不大，因为该区域难以通过背景点云的不断补充和完善来保证匹配定位的精度，因此可以定义这些区域的点云地图更新标识为不可更新标识。当车辆行驶到该区域时，可以不进行点云地图的更新并切换为其他定位策略，例如激光SLAM(Simultaneous Localization And Mapping，同步定位与建图)的策略。

相反，如果前景目标的相对数量越少，那么背景目标的相对数量就越多，例如正常的行驶路段，这些区域的激光建图和定位虽然也会受到前景目标的影响，但可以通过不断补充和完善背景点云数据来持续更新点云地图，进而保证匹配定位的精度，因此可以定义这些区域的点云地图更新标识为可更新标识。当车辆行驶到该区域时，可以结合定位结果进行点云地图的更新。

在本申请的一些实施例中，所述第二车辆在所述预设运营区域的激光定位结果包括激光定位位置和激光定位置信度，所述点云缺失位置集合包括点云地图更新标识，所述根据所述第二车辆在所述预设运营区域的激光定位结果以及所述预设运营区域的点云缺失位置集合，确定是否对所述预设运营区域的点云地图进行更新包括：若所述激光定位置信度大于预设地图更新阈值，所述激光定位位置位于所述点云缺失位置集合内且对应的点云地图更新标识为可更新标识，则确定对所述预设运营区域的点云地图进行更新，并根据所述第二车辆在所述预设运营区域的激光定位结果对所述预设运营区域的点云地图进行更新；否则，则确定不对所述预设运营区域的点云地图进行更新。

对于点云地图的更新，除了可以考虑上述实施例构建的预设运营区域的点云缺失位置集合，还可以考虑车辆当前实际的激光定位结果。由于不同车辆在运行到同一个位置时检测到的前景目标并不完全一致，因此可以根据激光定位结果实时对点云地图进行更新，例如在建图阶段前景目标遮挡住某个背景区域，但是定位阶段该背景区域没有被遮挡，此时可以根据该位置的点云数据对点云地图进行更新，例如对缺失的背景点云数据进行补偿。

激光定位结果主要包括激光定位位置和激光定位置信度，激光定位位置即可以基于现有的点云匹配算法如ICP或者NDT算法将当前的激光点云数据与点云地图进行匹配得到，激光定位置信度则可以基于现有的置信度评价算法如Autoware的NDT匹配概率分值来评价激光定位位置的可靠程度，激光定位置信度大于预设定位有效阈值，说明当前的定位结果满足定位精度要求，即为有效的定位结果。

如果激光定位置信度大于预设定位有效阈值，还可以进一步判断其是否达到预设地图更新阈值，预设定位有效阈值与预设地图更新阈值可以设置为不同值，二者都可以通过离线统计计算得出，预设地图更新阈值可高于预设定位有效阈值，因为点云地图更新时，需要保证更高的稳定性和精度，同时，运营车辆数量多，并不需要过高的地图更新频率。

如果激光定位置信度大于预设地图更新阈值，并且激光定位位置位于点云缺失位置集合内，对应的点云地图更新标识为可更新标识，则可以利用当前的激光定位结果对预设运营区域的点云地图进行更新。如果激光定位置信度不大于预设地图更新阈值，或者激光定位位置没有位于点云缺失位置集合内，或者对应的点云地图更新标识为不可更新标识，则不进行点云地图的更新。

本申请实施例通过运营车辆基于点云地图实际定位成功后返回的数据，可以对点云地图进行实时更新，保证了点云地图的实时性，不需要采集车辆周期性的采集和建立点云地图，提高了建图效率，降低了建图成本。

本申请实施例还提供了一种激光建图装置200，如图2所示，提供了本申请实施例中一种激光建图装置的结构示意图，所述激光建图装置200包括：第一融合单元210、第一确定单元220、第一预处理单元230以及构建单元240，其中：

第一融合单元210，用于获取第一车辆在预设运营区域采集的第一图像数据和第一激光点云数据，并利用预设融合算法对所述第一图像数据和所述第一激光点云数据进行融合，得到第一融合结果；

第一确定单元220，用于根据所述第一融合结果确定所述第一激光点云数据中的目标及对应的目标类型；

第一预处理单元230，用于根据所述第一激光点云数据中的目标对应的目标类型，利用预设预处理策略对所述第一激光点云数据中的目标进行预处理，得到预处理后的第一激光点云数据；

构建单元240，用于根据所述预处理后的第一激光点云数据以及所述第一激光点云数据对应的后处理定位数据构建所述预设运营区域的点云地图。

在本申请的一些实施例中，所述目标包括前景目标和背景目标，所述背景目标包括可变化背景目标和不可变化背景目标，所述第一预处理单元230具体用于：将所述前景目标从所述第一激光点云数据中剔除，并分别设置所述第一激光点云数据中的可变化背景目标和不可变化背景目标的点云权重，其中设置后的可变化背景目标的点云权重小于设置后的不可变化背景目标的点云权重，得到所述预处理后的第一激光点云数据。

在本申请的一些实施例中，所述激光定位装置还包括：第一获取单元，用于获取第二车辆在所述预设运营区域的激光定位结果以及获取所述预设运营区域的点云缺失位置集合；第三确定单元，用于根据所述第二车辆在所述预设运营区域的激光定位结果以及所述预设运营区域的点云缺失位置集合，确定是否对所述预设运营区域的点云地图进行更新。

在本申请的一些实施例中，所述第一获取单元具体用于：确定所述第一车辆当前所处的场景区域，所述场景区域位于所述预设运营区域内；根据所述第一激光点云数据中的目标及对应的目标类型，确定所述第一激光点云数据中的前景目标的相对数量；根据所述第一车辆当前所处的场景区域和所述前景目标的相对数量构建所述预设运营区域的点云缺失位置集合。

在本申请的一些实施例中，所述第一获取单元具体用于：基于高精地图数据获取所述第一车辆当前所处的场景区域的数据，所述场景区域的数据包括场景区域类型和场景区域位置；根据所述前景目标的相对数量确定点云地图更新标识，所述点云地图更新标识包括可更新标识和不可更新标识；根据所述第一车辆当前所处的场景区域的数据和所述点云地图更新标识构建所述预设运营区域的点云缺失位置集合。

在本申请的一些实施例中，所述第一获取单元具体用于：若所述前景目标的相对数量大于预设相对数量阈值，则确定所述点云地图更新标识为所述不可更新标识；若所述前景目标的相对数量不大于预设相对数量阈值，则确定所述点云地图更新标识为所述可更新标识。

在本申请的一些实施例中，所述第二车辆在所述预设运营区域的激光定位结果包括激光定位位置和激光定位置信度，所述点云缺失位置集合包括点云地图更新标识，所述第三确定单元具体用于：若所述激光定位置信度大于预设地图更新阈值，所述激光定位位置位于所述点云缺失位置集合内且对应的点云地图更新标识为可更新标识，则确定对所述预设运营区域的点云地图进行更新，并根据所述第二车辆在所述预设运营区域的激光定位结果对所述预设运营区域的点云地图进行更新；否则，则确定不对所述预设运营区域的点云地图进行更新。

能够理解，上述激光建图装置，能够实现前述实施例中提供的激光建图方法的各个步骤，关于激光建图方法的相关阐释均适用于激光建图装置，此处不再赘述。

本申请实施例还提供了一种激光定位方法，如图3所示，提供了本申请实施例中一种激光定位方法的流程示意图，所述激光定位方法至少包括如下的步骤S310至步骤S340：

S310，获取第三车辆在预设运营区域采集的第三图像数据和第三激光点云数据，并利用预设融合算法对所述第三图像数据和所述第三激光点云数据进行融合，得到第三融合结果。

S320，根据所述第三融合结果确定所述第三激光点云数据中的目标及对应的目标类型。

S330，根据所述第三激光点云数据中的目标对应的目标类型，利用预设预处理策略对所述第三激光点云数据中的目标进行预处理，得到预处理后的第二激光点云数据。

S340，根据所述预处理后的第二激光点云数据和所述预设运营区域的点云地图确定所述第三车辆在所述预设运营区域的激光定位结果；其中，所述预设运营区域的点云地图基于前述激光建图方法得到。

步骤S310-S330与前述实施例中的步骤S110-S130基本相同，只不过在定位阶段的原始数据来源于实际运营的第三车辆。在激光定位阶段，在得到预处理后的第二激光点云数据后，需要利用一定的点云匹配算法将预处理后的第二激光点云数据与事先建立好的预设运营区域的点云地图进行匹配，从而得到第三车辆在预设运营区域的激光定位结果，这里的点云地图即基于前述实施例的激光建图方法构建得到。

同理，上述得到的第三车辆在预设运营区域的激光定位结果也可以在满足预设地图更新阈值的情况下用于点云地图的更新，具体可以将第三车辆实时产生的第三激光点云数据进一步筛选，仅保留第三激光点云数据中与点云地图匹配后剩余的背景点云数据，也即之前建图时缺失的背景点云数据，并将这些背景点云进行一定处理后返回给云端，例如点云权重设置以及坐标转换等处理，云端在运营结束时段，即可依据这些数据更新点云地图并在下次运营开始时，部署新的点云地图。

在本申请的一些实施例中，在获取第三车辆在预设运营区域采集的第三图像数据和第三激光点云数据之后，所述方法还包括：获取所述预设运营区域的点云缺失位置集合，所述点云缺失位置集合包括点云地图更新标识，所述点云地图更新标识包括不可更新标识；根据所述预设运营区域的点云缺失位置集合以及所述第三激光点云数据对应的后处理定位数据，确定所述第三车辆是否进入不可更新标识对应的场景区域；若是，则根据所述第三激光点云数据，利用激光SLAM算法确定所述第三车辆在所述预设运营区域的激光定位结果。

激光SLAM算法是一种同步定位与建图的方案，与激光SLAM算法不同，本申请实施例的激光定位方案与激光建图方案可以看作是两个独立的阶段，即先构建好整个预设运营区域的点云地图，再利用构建好的预设运营区域的点云地图进行实时定位，定位结果在满足条件的的情况下还可以用来对点云地图进行更新。

而在一些特殊的场景区域，例如停车场附近、地铁出入口等区域，大多是前景目标较多、背景较空旷的情况，这些位置区域更适合采取激光SLAM算法进行定位，因此本申请实施例在实际定位时，可以先基于本申请实施例的基于先验的点云地图进行定位的策略进行定位，同时可以结合当前通过后处理计算出的定位真值以及建图阶段构建的预设运营区域的点云缺失位置集合来确定当前是否需要切换定位策略，例如切换为基于激光SLAM算法的定位策略，从而保证整体的定位精度。

由于点云缺失位置集合中包含有点云缺失位置以及对应的点云地图更新标识，进而可以确定当前的定位真值对应的位置是否是可进行或者需要进行点云地图更新的位置，如果该位置对应的点云地图更新标识是不可更新标识，那么不需要更新点云地图，此时可以将车辆的定位策略切换为激光SLAM算法。

本申请实施例还提供了一种激光定位装置400，如图4所示，提供了本申请实施例中一种激光定位装置的结构示意图，所述激光定位装置400包括：第二融合单元410、第二确定单元420、第二预处理单元430以及第一定位单元440，其中：

第二融合单元410，用于获取第三车辆在预设运营区域采集的第三图像数据和第三激光点云数据，并利用预设融合算法对所述第三图像数据和所述第三激光点云数据进行融合，得到第三融合结果；

第二确定单元420，用于根据所述第三融合结果确定所述第三激光点云数据中的目标及对应的目标类型；

第二预处理单元430，用于根据所述第三激光点云数据中的目标对应的目标类型，利用预设预处理策略对所述第三激光点云数据中的目标进行预处理，得到预处理后的第二激光点云数据；

第一定位单元440，用于根据所述预处理后的第二激光点云数据和所述预设运营区域的点云地图确定所述第三车辆在所述预设运营区域的激光定位结果；

其中，所述预设运营区域的点云地图基于前述激光建图装置得到。

在本申请的一些实施例中，所述装置还包括：第二获取单元，用于获取所述预设运营区域的点云缺失位置集合，所述点云缺失位置集合包括点云地图更新标识，所述点云地图更新标识包括不可更新标识；第四确定单元，用于根据所述预设运营区域的点云缺失位置集合以及所述第三激光点云数据对应的后处理定位数据，确定所述第三车辆是否进入不可更新标识对应的场景区域；第二定位单元，用于若是，则根据所述第三激光点云数据，利用激光SLAM算法确定所述第三车辆在所述预设运营区域的激光定位结果。

能够理解，上述激光定位装置，能够实现前述实施例中提供的激光定位方法的各个步骤，关于激光定位方法的相关阐释均适用于激光定位装置，此处不再赘述。

图5是本申请的一个实施例电子设备的结构示意图。请参考图5，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述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。

存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成激光建图装置和激光定位装置。处理器，执行存储器所存放的程序，并具体用于执行本申请图1所示实施例揭示的激光建图装置执行的方法和图3所示实施例揭示的激光定位装置执行的方法。

上述如本申请图1所示实施例揭示的激光建图装置执行的方法和图3所示实施例揭示的激光定位装置执行的方法可以应用于处理器中，或者由处理器实现。处理器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。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，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申请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。结合本申请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，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中激光建图装置执行的方法和图3所示实施例揭示的激光定位装置执行的方法。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、***或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (13)

1.一种激光建图方法，其中，所述激光建图方法包括：

获取第一车辆在预设运营区域采集的第一图像数据和第一激光点云数据，并利用预设融合算法对所述第一图像数据和所述第一激光点云数据进行融合，得到第一融合结果；

根据所述第一融合结果确定所述第一激光点云数据中的目标及对应的目标类型；

根据所述第一激光点云数据中的目标对应的目标类型，利用预设预处理策略对所述第一激光点云数据中的目标进行预处理，得到预处理后的第一激光点云数据；

根据所述预处理后的第一激光点云数据以及所述第一激光点云数据对应的后处理定位数据构建所述预设运营区域的点云地图。

2.如权利要求1所述激光建图方法，其中，所述目标包括前景目标和背景目标，所述背景目标包括可变化背景目标和不可变化背景目标，所述根据所述第一激光点云数据中的目标对应的目标类型，利用预设预处理策略对所述第一激光点云数据中的目标进行预处理，得到预处理后的第一激光点云数据包括：

将所述前景目标从所述第一激光点云数据中剔除，并分别设置所述第一激光点云数据中的可变化背景目标和不可变化背景目标的点云权重，其中设置后的可变化背景目标的点云权重小于设置后的不可变化背景目标的点云权重，得到所述预处理后的第一激光点云数据。

3.如权利要求1所述激光建图方法，其中，在根据所述预处理后的第一激光点云数据以及所述第一激光点云数据对应的后处理定位数据构建所述预设运营区域的点云地图之后，所述方法还包括：

获取第二车辆在所述预设运营区域的激光定位结果以及获取所述预设运营区域的点云缺失位置集合；

根据所述第二车辆在所述预设运营区域的激光定位结果以及所述预设运营区域的点云缺失位置集合，确定是否对所述预设运营区域的点云地图进行更新。

4.如权利要求3所述激光建图方法，其中，所述获取所述预设运营区域的点云缺失位置集合包括：

确定所述第一车辆当前所处的场景区域，所述场景区域位于所述预设运营区域内；

根据所述第一激光点云数据中的目标及对应的目标类型，确定所述第一激光点云数据中的前景目标的相对数量；

根据所述第一车辆当前所处的场景区域和所述前景目标的相对数量构建所述预设运营区域的点云缺失位置集合。

5.如权利要求4所述激光建图方法，其中，所述根据所述第一车辆当前所处的场景区域和所述前景目标的相对数量构建所述预设运营区域的点云缺失位置集合包括：

基于高精地图数据获取所述第一车辆当前所处的场景区域的数据，所述场景区域的数据包括场景区域类型和场景区域位置；

根据所述前景目标的相对数量确定点云地图更新标识，所述点云地图更新标识包括可更新标识和不可更新标识；

根据所述第一车辆当前所处的场景区域的数据和所述点云地图更新标识构建所述预设运营区域的点云缺失位置集合。

6.如权利要求5所述激光建图方法，其中，所述根据所述前景目标的相对数量确定点云地图更新标识包括：

若所述前景目标的相对数量大于预设相对数量阈值，则确定所述点云地图更新标识为所述不可更新标识；

若所述前景目标的相对数量不大于预设相对数量阈值，则确定所述点云地图更新标识为所述可更新标识。

7.如权利要求3所述激光建图方法，其中，所述第二车辆在所述预设运营区域的激光定位结果包括激光定位位置和激光定位置信度，所述点云缺失位置集合包括点云地图更新标识，所述根据所述第二车辆在所述预设运营区域的激光定位结果以及所述预设运营区域的点云缺失位置集合，确定是否对所述预设运营区域的点云地图进行更新包括：

若所述激光定位置信度大于预设地图更新阈值，所述激光定位位置位于所述点云缺失位置集合内且对应的点云地图更新标识为可更新标识，则确定对所述预设运营区域的点云地图进行更新，并根据所述第二车辆在所述预设运营区域的激光定位结果对所述预设运营区域的点云地图进行更新；

否则，则确定不对所述预设运营区域的点云地图进行更新。

8.一种激光定位方法，其中，所述激光定位方法包括：

获取第三车辆在预设运营区域采集的第三图像数据和第三激光点云数据，并利用预设融合算法对所述第三图像数据和所述第三激光点云数据进行融合，得到第三融合结果；

根据所述第三融合结果确定所述第三激光点云数据中的目标及对应的目标类型；

根据所述第三激光点云数据中的目标对应的目标类型，利用预设预处理策略对所述第三激光点云数据中的目标进行预处理，得到预处理后的第二激光点云数据；

根据所述预处理后的第二激光点云数据和所述预设运营区域的点云地图确定所述第三车辆在所述预设运营区域的激光定位结果；

其中，所述预设运营区域的点云地图基于权利要求1～7之任一所述激光建图方法得到。

9.如权利要求8所述激光定位方法，其中，在获取第三车辆在预设运营区域采集的第三图像数据和第三激光点云数据之后，所述方法还包括：

获取所述预设运营区域的点云缺失位置集合，所述点云缺失位置集合包括点云地图更新标识，所述点云地图更新标识包括不可更新标识；

根据所述预设运营区域的点云缺失位置集合以及所述第三激光点云数据对应的后处理定位数据，确定所述第三车辆是否进入不可更新标识对应的场景区域；

若是，则根据所述第三激光点云数据，利用激光SLAM算法确定所述第三车辆在所述预设运营区域的激光定位结果。

10.一种激光建图装置，其中，所述激光建图装置包括：

第一融合单元，用于获取第一车辆在预设运营区域采集的第一图像数据和第一激光点云数据，并利用预设融合算法对所述第一图像数据和所述第一激光点云数据进行融合，得到第一融合结果；

第一确定单元，用于根据所述第一融合结果确定所述第一激光点云数据中的目标及对应的目标类型；

第一预处理单元，用于根据所述第一激光点云数据中的目标对应的目标类型，利用预设预处理策略对所述第一激光点云数据中的目标进行预处理，得到预处理后的第一激光点云数据；

构建单元，用于根据所述预处理后的第一激光点云数据以及所述第一激光点云数据对应的后处理定位数据构建所述预设运营区域的点云地图。

11.一种激光定位装置，其中，所述激光定位装置包括：

第二融合单元，用于获取第三车辆在预设运营区域采集的第三图像数据和第三激光点云数据，并利用预设融合算法对所述第三图像数据和所述第三激光点云数据进行融合，得到第三融合结果；

第二确定单元，用于根据所述第三融合结果确定所述第三激光点云数据中的目标及对应的目标类型；

第二预处理单元，用于根据所述第三激光点云数据中的目标对应的目标类型，利用预设预处理策略对所述第三激光点云数据中的目标进行预处理，得到预处理后的第二激光点云数据；

第一定位单元，用于根据所述预处理后的第二激光点云数据和所述预设运营区域的点云地图确定所述第三车辆在所述预设运营区域的激光定位结果；

其中，所述预设运营区域的点云地图基于权利要求10所述激光建图装置得到。

12.一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行权利要求1～7之任一所述激光建图方法，或者执行权利要求8～9之任一所述激光定位方法。

13.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行权利要求1～7之任一所述激光建图方法，或者执行权利要求8～9之任一所述激光定位方法。