[发明专利]一种三维高精度地图生成方法及装置

说明书

本发明公开了一种三维高精度地图生成方法及装置，用以解决现有的三维高精度地图生成方法成本高、效率低的问题。所述三维高精度地图生成方法，包括：实时采集车辆在移动过程中车身周围的环境信息，所述环境信息包括环境点云数据；针对每一帧的环境点云数据，执行如下操作：根据预设的神经网络模型对所述环境点云数据进行物体检测和语义分割，确定可移动障碍物点云数据，并将所述可移动障碍物点云数据从所述环境点云数据中去除；根据预设算法将该去除了可移动障碍物点云数据的环境点云数据和存储的上一帧的去除了可移动障碍物点云数据的环境点云数据进行点云配准；根据进行了点云配准后的环境点云数据完成三维高精度地图的一次增量更新。

技术领域

本发明涉及地图构建技术领域，尤其涉及一种三维高精度地图生成方法及装置。

背景技术

在无人驾驶技术的相关领域中，三维高精度地图扮演着重要的角色，它包含了大量的语义信息和行车辅助信息，通过车载定位传感器、摄像头和激光雷达等传感器提供的实时数据，能够帮助无人驾驶车辆快速准确地识别行人、车辆等障碍物，给无人驾驶车辆提供精确的当前位置。

三维高精度地图的研究涉及到大量点云数据的采集、处理和保存，涉及到语义信息的自动提取。现有技术中，常见的三维高精度地图的生成采用离线方式，需要成本高昂的数据采集车，通过机器加人工半自动化的方式识别采集的点云数据中的元素，制成三维高精度地图。

然而，这种离线生成三维高精度地图的方式存在设备与人力成本高、工作量大的问题，它将地图制作和使用的过程分割开来，制作周期长、效率低。且现有的三维即时定位与地图构建(SLAM)技术通常融合了多种传感器的数据，包括摄像头、激光雷达、轮速传感器以及惯性导航等等，信息来源多，处理复杂，增加了生成三维高精度地图的难度。

发明内容

为了解决现有的三维高精度地图生成方法成本高、效率低的问题，本发明实施例提供了一种三维高精度地图生成方法及装置。

第一方面，本发明实施例提供了一种三维高精度地图生成方法，包括：

实时采集车辆在移动过程中车身周围的环境信息，所述环境信息包括环境点云数据；

针对每一帧的环境点云数据，执行如下操作：

根据预设的神经网络模型对所述环境点云数据进行物体检测和语义分割，确定可移动障碍物点云数据，并将所述可移动障碍物点云数据从所述环境点云数据中去除；

根据预设算法将该去除了可移动障碍物点云数据的环境点云数据和存储的上一帧的去除了可移动障碍物点云数据的环境点云数据进行点云配准；

根据进行了点云配准后的环境点云数据完成三维高精度地图的一次增量更新。

本发明实施例提供的三维高精度地图生成方法，车载系统实时采集车辆在移动过程中车身周围的环境信息，所述环境信息包括环境点云数据，针对每一帧的环境点云数据，均执行如下操作：根据预先训练好的神经网络模型对所述环境点云数据进行物体检测和语义分割，确定可移动障碍物点云数据，并将所述可移动障碍物点云数据从所述环境点云数据中去除，根据预设算法将该去除了可移动障碍物点云数据的环境点云数据和存储的上一帧的去除了可移动障碍物点云数据的环境点云数据进行点云配准，根据进行了点云配准后的环境点云数据完成三维高精度地图的一次增量更新，直至车辆行驶完一段设定路程停止时为止。相比于现有技术，本发明实施例在构建三维高精度地图时，在线检测并过滤可移动障碍物，在满足无人驾驶车辆移动过程中对检测实时性需求的情况下，避免了可移动障碍物对生成地图的干扰，有效降低了生成三维高精度地图的成本，提高了生成效率。并且，通过基于深度学习的物体检测和语义分割过程，算法运行速度快，生成的三维高精度地图更加稳定可靠，能够适应动态环境的变化，满足无人驾驶车辆在园区等室外小规模环境中的导航和定位需求。

可选地，针对每一帧的环境点云数据，在根据预设的神经网络模型对所述环境点云数据进行物体检测和语义分割之前，还包括：