[发明专利]一种面向智能汽车的交通场景语义建模装置、建模方法以及定位方法

说明书

本发明公开了一种面向智能汽车的交通场景语义建模装置、建模方法以及定位方法，本发明为实现高建模精度，将交通场景进行多尺度多层级的精细化表征，包括：道路位置层，场景特征层以及交通语义层。其中，交通语义层采用深度学习的方式对交通元素进行语义识别，并将场景中的行人、车辆等动态目标剔除，解决了动态目标干扰问题；道路位置层描述了场景间的位置关系；场景特征层是在最大限度减少数据存储的基础上对交通场景进行充分的描述。上述三者解决了高精度地图对交通场景精细描述的问题。

技术领域

本发明属于智能汽车技术，具体涉及一种面向智能汽车的交通场景语义建模装置、建模方法以及定位方法。

背景技术

随着科技的进步，智能汽车已逐渐成为了国内外研究的热门问题。该领域中的高精度地图是实现汽车智能化的最关键问题之一。高精度地图构建是实现高精度定位、环境感知、决策规划以及执行控制的基础。该地图的构建与普通地图不同，普通地图仅需要提供高精度的经纬度信息，然而仅提供经纬度信息并不能满足智能汽车的驾驶需求，需在普通地图的基础上对交通场景进行描述，而描述的充分与否直接决定了地图构建的精度。因此，对智能汽车的交通场景建模，是高精度地图构建的核心技术。在交通场景建模过程中，不可避免的会出现行人、车辆，上述动态目标会直接影响地图构建精度。

发明内容

针对上述问题，本发明提供了一种面向智能汽车的交通场景语义建模装置及方法、以及利用该建模装置的定位方法。为保证建模精度，将交通场景进行多尺度多层级的精细化表征，包括：道路位置层，场景特征层以及交通语义层。其中，交通语义层采用深度学习的方式对交通元素进行语义识别，并将场景中的行人、车辆等动态目标剔除，解决了动态目标干扰问题；道路位置层描述了场景间的位置关系；场景特征层是在最大限度减少数据存储的基础上对交通场景进行充分的描述。上述三者解决了高精度地图对交通场景精细描述的问题。

技术方案如下：

本发明的一种面向智能汽车的交通场景语义建模装置，包括多源异构数据采集系统，多源异构传感器标定与融合系统，特征处理系统。所述多源异构数据采集系统，主要负责对交通场景语义的数据采集，包括三个激光测距仪、一个北斗系统、一个差分北斗基站和一个惯性导航系统，激光测距仪安装在智能汽车外部的任意位置，北斗系统安装于车顶的任意位置，差分北斗基站安装于被测道路场景附近无被遮挡的高处，惯性导航系统安装于智能汽车内的任意位置；所述多源异构传感器标定与融合系统，主要作用为融合交通场景模型中的多语义特征，主要包括平整的带有反射功能的平面标定板；特征处理系统主要作用为将所采集的数据进行语义特征提取，主要为车载工控机，安装于智能汽车中的任意位置。

本发明还公开了一种面向智能汽车的交通场景语义建模方法，包括多个尺度不同层级建模，包括以下步骤：

(1)数据采集：(1.1)多传感器标定；(1.2)多源数据采集与融合；

(2)多尺度交通场景语义建模：(2.1)构建道路位置层；(2.2)构建场景特征层；(2.3)构建交通语义层。

进一步的，所述步骤(1.1)中多传感器标定方法为：a.将平整的带有反射功能的标定板在三个激光雷达前放置，三个激光雷达同时射向标定板并获取数据，获取次数为三次。b.对标定板的数据进行平面拟合，计算标定板的平面方程，三个激光雷达的平面方程分别为下式所示：

a″₁x+b″₁y+c″₁z+d″₁＝0

式中，n为第n次获取的平面，n＝1，2，3，α_m，b_m，c_m，d_m(m＝1，2，3)分别为4个平面方程的系数。c.以标定板为基准平面，计算三个激光雷达的位置关系，通过R_j和t_j表示，如下式所示：