[发明专利]一种高精地图要素自动化提取的方法

说明书

本发明公开了一种高精地图要素自动化提取的方法，步骤为：S1模型训练：对采集的点云数据进行预处理，将处理后的点云数据作为基于深度学习的语义点云自动化提取模型训练的输入，进行语义点云自动化提取模型训练；S2语义化点云：对增强处理后的点云数据采用步骤S1中的语义点云自动化提取模型进行语义化分割处理，获得语义点云数据；S3单体化点云：对语义点云数据进行单体化处理，获得单体化点云数据；S4自动化提取：对单体化点云数据进行点要素、线要素和面要素的几何信息的自动化提取，获得高精地图的三维矢量要素。该方法可以有效自动化提取高精地图要素信息，提高了高精地图的生产效率，减少了生产成本。

技术领域

本发明涉及高精地图数据生产技术领域，具体涉及一种基于深度学习技术与点云处理算法相结合的高精地图要素自动化提取的方法。

背景技术

随着自动驾驶技术的蓬勃发展，对高精地图的需求日趋庞大。行业对高精地图的解读丰富，对应的高精地图标准也有所不同。以往基于传统人工制图方式的高精地图生产已经不能满足目前高精地图数据量和快速更新的需求。

而现有高精地图数据生产过程中，要素种类繁杂多样，自动分类精度不高，人工绘制工作量大等问题，且存在大量的数据需要内业人员花费大量时间进行人工判读，语义信息提取，属性录入等非自动化步骤。

中国专利文献CN 115147609 A公开了一种地图要素特征提取方法、装置、电子设备、存储介质及产品，涉及自动驾驶和智能交通技术领域，尤其涉及用于自动驾驶的高精地图的要素特征的技术领域。具体实现方案为：获取地图的线性要素特征，并获取所述自动驾驶车辆行驶的路径轨迹线；基于所述线性要素特征与所述路径轨迹线之间的距离，对所述线性要素特征进行聚类，确定至少一个线性要素特征簇；确定每个所述线性要素特征簇中缺失的线性要素特征，并生成与所述缺失的线性要素特征对应虚拟线性要素特征；提取所述虚拟线性要素特征。通过本公开可以提高高精地图的作业生成效率。该方法主要解决问题是提取线性要素中因遮挡存在缺失的问题。

中国专利文献CN 109215487 A公开了一种基于深度学习的高精地图制作方法，涉及高精地图制作技术领域，所述高精地图制作方法包括：利用视觉系统和定位系统采集图像信息和位置信息；对图像信息中的高精地图要素和场景进行分类标注；采用深度学习算法根据图像标注成果训练图像识别模型；根据图像识别模型的训练成果和采集的位置信息对高精地图的要素进行精准测量；人工审核图像识别模型训练成果中的错误，并迭代优化图像模型，进而提示高精地图测量精度和自动化程度；根据优化的图像识别模型自动化合成高精地图。该方法中只是采用的深度学习技术，并未解决高精地图要素的识别分类和语义信息自动提取等问题。

因此，如何解决以激光点云语义分割技术为基础，在高精地图要素生产过程中点云数据的高精地图要素的识别分类、语义信息的自动提取等问题。

发明内容

本发明要解决的技术问题是提出一种基于深度学习与点云算法相结合的高精地图要素自动化提取的方法作为高精地图一体化生产流程的解决方案，其采用深度学习技术结合一系列点云处理算法，提高高精地图要素几何信息提取的自动化水平以及精度，改变传统制图方式的作业流程，极大提高自动化程度，降低内业人员的劳动强度，缩减高精地图成本、提高高精地图更新效率。

为了解决上述技术问题，本发明采用的技术方案是：该高精地图要素自动化提取的方法，具体包括以下步骤：

S1模型训练：对采集的点云数据进行预处理，将处理后的点云数据作为基于深度学习的语义点云自动化提取模型训练的输入，进行语义点云自动化提取模型训练，并输出语义点云自动化提取模型；

S2语义化点云：对增强处理后的点云数据采用步骤S1中得到的语义点云自动化提取模型进行语义化分割处理，获得语义点云数据；

S3单体化点云：对步骤S2中获得的语义点云数据进行单体化处理，获得单体化点云数据；