[发明专利]矿区自动驾驶仿真模型构建方法、装置、介质及电子设备

说明书

本申请提供了一种矿区自动驾驶仿真模型构建方法、装置、计算机可读存储介质和电子设备，通过获取目标矿区的三维图像数据得到第一三维模型，然后对第一三维模型进行精简处理，以得到与第一三维模型的相似度大于预设值且数据量小于第一三维模型的第二三维模型，最后将第二三维模型导入自动驾驶仿真模型，得到矿区自动驾驶仿真模型；利用实际的目标矿区建立仿真模型的场景模型，可以更加贴合实际的对自动驾驶的矿车进行仿真调试，从而提高仿真的准确性，并且通过对获取的原始的矿区图像进行精简，在保证矿区图像的视觉逼真度的前提下大量减少了原始的矿区图像的数据量，从而可以满足仿真引擎的计算能力，保证了仿真模型的仿真效率。

技术领域

本申请涉及矿车自动驾驶技术领域，具体涉及一种矿区自动驾驶仿真模型构建方法、装置、计算机可读存储介质和电子设备。

背景技术

随着自动驾驶技术的不断发展，针对特殊封闭场景的露天矿区自动驾驶技术作为自动驾驶落地化最具潜力的商业开发领域备受国内外厂商的关注。矿区自动驾驶仿真技术可以极大地削减开发测试成本，缩短自动驾驶开发周期，并做到零安全事故。为了在日趋激烈的技术开发竞争中获得领先优势，各大厂商纷纷对该领域的自动驾驶仿真系统开发加大投入。然而，不同于乘用车自动驾驶开发，矿区自动驾驶面临着一大难题：所行驶的矿山道路环境恶劣，路面没有标识线，没有红绿灯交通规则，路面坑洼颠簸，道路崎岖弯道曲率过大，道路宽度变化幅度大，路侧边坡造成行车高危险性等等。因此，要进行高精度、有效的自动驾驶仿真测试，就必须首先解决高精度的矿山场景仿真建模问题。然而，露天矿山范围广阔，可达数平方公里至数十平方公里，要对其进行大范围的高精度场景建模无疑是困难的。

但是，目前自动驾驶仿真技术中常用的仿真场景多为单一颜色材质模型，自动驾驶仿真领域内常见的仿真引擎PanoSim、PreScan、CarSim/TruckSim、CarMaker/TruckMaker等也都仅支持该种格式的场景模型，这样就很难适应实际复杂环境的矿场，导致仿真结果不准确。究其原因为自动驾驶仿真中需要支撑大量的各类车辆及算法计算，故应该尽量减低仿真场景的复杂度，以节省软/硬件资源。而矿山三维模型往往规模庞大，动辄上千万渲染面单位，一般的仿真引擎可以承载的场景模型在数十万乃至数百万面程度，如此大规模的仿真场景是无法使用的。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种矿区自动驾驶仿真模型构建方法、装置、计算机可读存储介质和电子设备，解决了上述场景模型失真导致的仿真结果不准确的问题。

根据本申请的一个方面，提供了一种矿区自动驾驶仿真模型的构建方法，包括：获取目标矿区的三维图像数据，得到表征所述目标矿区的场景信息的第一三维模型；对所述第一三维模型进行精简处理，得到第二三维模型；其中，所述第二三维模型所展示的场景图像与所述第一三维模型所展示的场景图像的相似度大于预设值，且所述第二三维模型的数据量小于所述第一三维模型的数据量；以及将所述第二三维模型导入自动驾驶仿真模型，得到矿区自动驾驶仿真模型。

在一实施例中，所述对所述第一三维模型进行精简处理包括：对所述第一三维模型进行降面处理，得到降面后的三维模型；其中所述降面后的三维模型的贴图数据与所述第一三维模型的贴图数据相同；对所述降面后的三维模型进行贴图数据分离处理，得到分离后的三维模型；以及将所述第一三维模型的颜色数据和材质数据导入所述分离后的三维模型。

在一实施例中，所述对所述第一三维模型进行降面处理包括：删除所述第一三维模型中的冗余线条、错乱线条和多余多边形面。

在一实施例中，所述对所述降面后的三维模型进行贴图数据分离处理包括：获取未分离处理的贴图数量；当所述未分离处理的贴图数量大于零时，提取一个未分离处理的贴图；对提取的未分离处理的贴图进行分离处理，得到分离后的贴图模型；以及当所述未分离处理的贴图数量等于零时，结束贴图数据分离处理。

在一实施例中，所述对提取的未分离处理的贴图进行分离处理包括：将所述提取的未分离处理的贴图中的每个元素分离，得到分别对应所述每个元素的多个所述贴图模型。