[发明专利]一种高精度三维点云地图构建方法

说明书

本发明公开了一种高精度三维点云地图构建方法，首选确定测绘车辆在高精度矢量地图中的当前位置和行驶方向。然后根据在高精度矢量地图中的当前位置和朝向，旋转并且平移激光雷达扫描得到的当前点云帧到高精度矢量地图坐标系下。利用高精度矢量地图中提取的当前可行驶道路区域，在当前点云数据帧和毫米波雷达数据帧中划出相应的可行驶道路区域。根据毫米波雷达采集的周围车辆速度和位置信息，剔除当前帧中可行驶道路范围内被判定遮挡的点云。最后筛选关键帧拼接并且优化，得到高精度点云地图。本发明缩短了绘制高精度三维点云地图的时间，降低了人工成本；降低了泄露关键地理信息的风险；同时，不会出现人工剔除车辆点云后造成的地面点云空洞现象。

技术领域

本发明属于自动驾驶领域，涉及地图数据的构造，特别涉及一种高精度三维点云地图构建方法。

背景技术

在自动驾驶领域，车辆需要时刻获得自身的位置和姿态，并以此为基础对接下来的行为作出决策（加、减速，转向）。当前车辆主要通过两种方法获取当前位置。

第一种，通过三点定位法利用导航卫星的信号计算出车辆当前的经纬度，然后在包含经纬度信息的二维地图中匹配出当前的位置，同时，根据相邻位置信息计算出车身姿态。这种方法出现的时间早，经过多年的改进，可将定位精度提高到cm级。但是该方法对导航卫星的信号依赖性较强，在信号易被遮挡的高楼区，林荫道，地下车库，立体停车场，定位精度往往会大大下降，造成定位错误。

第二种，通过高频激光雷达扫描出车辆周围的三维点云，然后使用扫描得到的点云在预先制作好的三维点云地图中匹配出车辆的当前位置和朝向。这种方法使用三维空间中数量庞大的点进行匹配，匹配精度可以轻易达到cm级。同时，由于点云的三维特性，车身的姿态信息可以直接由当前扫描得到的点云与地图点云匹配得出，不需要利用相邻扫描进行运算得出，姿态精度高于方法一。

现有的高精度三维点云地图构建方法大多使用专用的车载或以人为载体的传感器平台采集激光点云（同时采集imu和高精度RTK数据），然后使用专业计算平台配合离线建图算法计算出点云地图。在自动驾驶技术研究的初级阶段，自动驾驶车辆大多在封闭的道路或特定的道路环境下进行试验，在这种环境中采集激光点云生成高精度点云时，场景中的路面环境一般空旷，无遮挡，生成的点云地图具有清晰准确的道路可行驶区域信息。近年来，随着自动驾驶技术走向公共道路的脚步逐渐加快，具有清晰准确的可行驶区域信息的高精度公共道路点云地图成为了自动驾驶研发企业和科研单位急需的地图资源。

不同于封闭道路这种特定的自动驾驶测试环境，开放道路很少出现没有社会车辆遮挡路面的情况（封路进行建图将会消耗大量的社会资源）。由于道路上车辆的出现，得到的点云地图中往往包含车辆的拖影点云（点云地图的采集车辆和社会车辆之间的相对运动，造成采集激光点云帧中连续数十帧包含车辆的车身点云，拼接这些点云帧构成点云地图的过程中即会产生车身在点云地图中拉伸）。包含了社会车辆点云的高精度点云地图包含了非静态环境信息（运动的车辆形成的点云），将大大降低自动驾驶车辆使用其进行定位的精度。同时，由于点云地图中道路可行使区域被社会车辆遮挡，自动驾驶车辆无法根据点云地图在被遮挡区域规划出可行驶路线。

目前，针对以上问题当前高精度地图测绘公司的解决办法是由专业的修图人员结合道路交通部门给出的高精度道路测绘信息，手工剔除高精度点云地图中的车辆拖影点。这种方法，不仅要消耗大量的人力物力，大大延长了绘制高精度点云地图的时间。同时，还会留下道路地面点云“空洞”的后遗症，损失了一定的可用路面点云信息。从国家安全的层面考虑，提供高精度的道路测绘信息给地图供应商作为剔除高精度点云地图中的车辆拖影点的参考，还存在泄露关键地理信息的风险。

发明内容

发明目的：本发明针对现有技术存在的问题，提出了一种使用轻量级先验测绘数据，且在生成点云地图的同时即可无需人工干预得剔除高精度点云地图中的运动车辆拖影的高精度三维点云地图构建方法。

技术方案：为实现上述目的，本发明提供了一种高精度三维点云地图构建方法，包括以下步骤：