[发明专利]一种基于多源数据的高精地图生成方法及系统

说明书

本发明公开一种基于多源数据的高精地图生成方法及系统。所述方法包括：设置多种传感器，采集生成高精地图所需的数据；提取无人机倾斜摄影影像与专业采集车拍摄影像的影像特征点，对影像特征点进行融合，得到像点稀疏点云；从像点稀疏点云中提取特征要素，对稀疏点云的特征要素进行立体匹配，重建密集点云；将专业采集车激光雷达点云与重建的密集点云进行精度点云重定向配准，确定各高精地图元素的实际位置信息；使用高精地图元素构建高精地图。本发明解决了目前高精地图生产中构建成本高、作业效率低、地图精度与地图鲜度无法均衡的问题，提高地图精度和构建效率。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于多源数据的高精地图生成方法。

背景技术

在自动驾驶技术方案中，单纯依靠车载传感器无法实现全天候超视距的感知能力，如弯道、匝道以及摄像头视线被障碍物遮挡而限制了感知边界，天气原因给传感器可靠性造成的干扰，都会使车辆无法感知超视距外的路况信息，无法提前做出加速、减速或者提前变道等操作。高精地图可以作为一种行车基础设施提供全天候超视距的感知，解决传感器感知边界和使用条件受限的问题，增强自动驾驶系统的稳健性。

目前，高精地图的构建主要通过载有各种传感器(如激光雷达、GPS、惯性测量单元、以及摄像机等)的采集车采集原始道路数据，通过多种数据融合生成点云地图，然后通过人工标注以及自动化的语义分割算法提取出车道线以及交通标志牌的信息，最后经过人工验证完成高精地图的制作。

然而基于激光雷达等多传感器采集点云地图并通过人工和自动化算法标注的方式制作高精地图存在以下问题：

1、激光雷达造价较高，各类传感器的使用会使地图采集车成本增高，即使使用非常好的激光雷达也需要采集多次才能得到较好的效果，硬件成本和人力成本都很高昂。

2、道路要素提取效率低，激光雷达采集的点云数据一般只包含强度信息，无法像照片一样能够很清楚的分辨各类要素，即使人工标注也存在一定难度。自动化的识别算法也不能解决所有问题，比如车道线污损、模糊等不能被正确识别，后期的人工检查成本也比较高。

3、高精地图采用专业集中制图制作成本高，效率低，导致地图不能及时更新，而众包制图虽然能够快速更新，但是精度较低。高精地图的制作无法兼顾数据精度与数据鲜度。

发明内容

本发明提供了一种基于多源数据的高精地图生成方法，包括：

设置多种传感器，采集生成高精地图所需的数据，包括：无人机倾斜摄影影像、专业采集车拍摄影像和专业采集车激光雷达点云；

提取无人机倾斜摄影影像与专业采集车拍摄影像的影像特征点，对影像特征点进行融合，得到像点稀疏点云；

从像点稀疏点云中提取特征要素，对稀疏点云的特征要素进行立体匹配，重建密集点云；

将专业采集车激光雷达点云与重建的密集点云进行精度点云重定向配准，确定各高精地图元素的实际位置信息；

使用高精地图元素构建高精地图。

如上所述的一种基于多源数据的高精地图生成方法，其中，搭建立体采集环境采集生成高精地图所需的数据，具体包括：

下视立体采集：将立体采集环境的视角调整为向下视角，采集基于地面或者倾斜于地面的高精地图元素；

前视立体采集：将立体采集环境的视角调整为地面向前视角，采集垂直于地面或者倾斜于地面的高精地图元素。

如上所述的一种基于多源数据的高精地图生成方法，其中，进行数据融合处理，具体包括：

通过图像处理算法提取影像特征点；