[发明专利]支持高精度地图车道线实时融合更新的方法和系统

说明书

本发明涉及地图领域，涉及支持高精度地图车道线实时融合更新的方法，包括：采集视频图像数据和各个轨迹点的行驶数据；通过深度学习对视频图像数据进行场景分割，提取物体和物体类别；根据分割结果把车道线中心投影到俯视图，再对车道线进行视觉跟踪处理，将跟踪成功的车道线的俯视图坐标转化到原图坐标；利用单目测距方法结合车道线的原图坐标和行驶数据对车道线重建；对车道线进行融合更新。本发明还提出支持高精度地图车道线实时融合更新的系统。本发明采用人工智能识别视频图像中的车道线，并根据视频帧间图像场景变化小的特性，对车道线数据跟踪，提高车道线的检测精度；采用网格结构存储地图数据，并行处理与更新地图数据，提高建图效率。

技术领域

本发明涉及地图领域，特别涉及一种支持高精度地图车道线实时融合更新的方法和系统。

背景技术

高精度地图应用于自动驾驶，无人机等场景，提供非常精确且重要的先验知识。不同于传统导航地图，高精度地图要求对覆盖范围内的道路元素的变化能够迅速且精确反馈更新。为了能对全国的道路信息进行实时的采集与更新，比较好的高精度地图采集方式是通过车辆对主要的道路进行快速覆盖，将数据回传，通过对采集到的视频图像进行分析，结合定位数据，对道路上的目标元素进行后台融合处理，通过各个局部的信息构建出全局的信息。

当前的高精度地图采集系统，主要存在以下特点：

(1)利用外部图像、惯性测量单元和无线测量技术GNSS和其他非无线测量传感器测量的数据融合结果，确定用户在全球坐标中的回路轨迹，并结合此轨迹和应用了vSLAM技术的图像特征点，获取平面结构和(或)立体结构地图。

(2)利用图像拍摄模块、水平激光雷达、GPS处理模块、惯性导航模块、旋转编码器以及图像预处理模块以及地理信息处理模块来生成地图。

(3)利用卫星照片、车载传感器(激光雷达和相机)、组合定位系统(卫星定位系统和惯性导航系统)来获取原始道路数据融合生成地图。

当时这样的高精度地图采集系统，使用了比较多的传感器来提高地图的精度，而多传感器带来的明显问题是成本上的提高，如激光雷达的成本从数数万到数十万不等，这使得卫星照片获取成本昂贵。

发明内容

本发明的实施方式旨在至少解决现有技术中存在的技术问题之一。为此，本发明的实施方式需要提供一种支持高精度地图车道线实时融合更新的方法和系统。

本发明实施方式的支持高精度地图车道线实时融合更新的方法，其特征在于，包括：

步骤1，采集车辆前方道路场景的视频图像数据和车辆行驶轨迹上各个轨迹点的行驶数据；

步骤2，通过深度学习对视频图像数据进行场景分割，提取场景中的物体和物体类别；

步骤3，根据分割结果，定位车道线在图像中的区域，把车道线中心投影到俯视图中，再对车道线进行视觉跟踪处理，将跟踪成功的车道线的俯视图坐标转化到原图坐标；

步骤4，利用单目测距方法结合车道线的原图坐标和行驶数据对车道线进行重建；

步骤5，对车道线进行融合更新。

一种实施方式中，步骤2包括：

步骤21，预先设置全卷积网络作为深度学习网络对视频图像数据进行场景分割；

步骤22，依据预设的高精度地图要素需求，根据包括不同类型的车道线、交通灯、交通标志、车道两旁护栏和限高在内的元素生成深度学习样本；

步骤23，搭建全卷积网络生成分割模型；

步骤24，利用分割模型提取场景中的物体和物体类别。

一种实施方式中，步骤3包括：