[发明专利]地图要素提取方法、装置及服务器有效
申请号: | 201811186664.6 | 申请日: | 2018-10-12 |
公开(公告)号: | CN110160502B | 公开(公告)日: | 2022-04-01 |
发明(设计)人: | 舒茂;陈偲 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G01C11/04 | 分类号: | G01C11/04;G01C11/02;G06T7/593;G06T7/10;G06T7/33;G06T17/05 |
代理公司: | 深圳市隆天联鼎知识产权代理有限公司 44232 | 代理人: | 刘抗美;胡明 |
地址: | 518000 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 地图 要素 提取 方法 装置 服务器 | ||
1.一种地图要素提取方法,其特征在于,包括:
获取目标场景的激光点云和图像,所述目标场景包括至少一要素实体对应于地图要素;
构建所述激光点云与所述图像之间的投影变换函数;
针对所述激光点云中边界清晰显示、棱角分明的采样点,对应提取所述图像中的像素点作为特征点,并根据所述特征点估计所述投影变换函数的参数;
根据完成参数估计的投影变换函数,计算得到所述图像中像素点对应的深度信息;
根据所述图像中像素点对应的深度信息,为所述图像构建所述图像的深度图;
对所述图像的深度图进行图像分割,将所述地图要素与非地图要素在所述深度图中区分开,得到所述地图要素在所述深度图中的分割图像;
根据所述投影变换函数,将所述分割图像在所述深度图中的二维位置,转换为所述地图要素在所述目标场景中的三维位置。
2.如权利要求1所述的方法,其特征在于,所述根据所述投影变换函数,将所述分割图像在所述深度图中的二维位置,转换为所述地图要素在所述目标场景中的三维位置,包括:
将所述分割图像在所述深度图中的二维位置、以及所述图像中像素点对应的深度信息,输入完成参数估计的投影变换函数,计算得到所述地图要素在所述目标场景中的三维位置。
3.如权利要求1所述的方法,其特征在于,所述对所述图像的深度图进行图像分割,得到所述地图要素在所述深度图中的分割图像,包括:
对所述图像的深度图进行特征提取,得到所述图像对应的特征图;
对所述特征图中的像素点进行类别预测,得到所述特征图中像素点的类别;
将所述特征图中同一类别的像素点,拟合形成对应地图要素在所述深度图中的分割图像,每一类别对应一种地图要素。
4.如权利要求3所述的方法,其特征在于,所述对所述图像的深度图进行特征提取,得到所述图像对应的特征图,包括:
采用残差神经网络中的高层网络提取得到所述深度图的全局特征,并采用所述残差神经网络中的低层网络提取得到所述深度图的局部特征;
进行提取得到的全局特征与局部特征的融合,得到中间特征图;
对所述中间特征图进行线性插值,得到所述图像对应的特征图。
5.如权利要求4所述的方法,其特征在于,所述进行提取得到的全局特征与局部特征的融合,得到中间特征图,包括:
对最高一层网络对应的全局特征进行反卷积上采样处理,得到融合特征图;
对次高一层网络对应的全局特征进行反卷积处理,并通过与所述融合特征图的融合,更新所述融合特征图;
进行所述融合特征图的上采样处理,二次更新所述融合特征图;
按照所述残差神经网络中网络由高至低的顺序,对其余高层网络对应的全局特征和低层网络对应的局部特征进行遍历,根据遍历到的全局特征或者局部特征对所述融合特征图进行更新;
待完成所述遍历,以更新的所述融合特征图作为所述中间特征图。
6.如权利要求4所述的方法,其特征在于,所述方法还包括:
获取图像样本,所述图像样本进行了像素点类别标注;
根据获取到的图像样本引导指定数学模型进行模型训练;
由完成模型训练的指定数学模型构建得到所述残差神经网络。
7.如权利要求1至6任一项所述的方法,其特征在于,所述方法还包括:
根据所述地图要素在所述目标场景中的三维位置,在目标场景地图中显示所述地图要素;
获取针对所述目标场景地图中地图要素的控制指令并响应,生成所述目标场景的高精度地图。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811186664.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种矿用巷道成型测定仪
- 下一篇:一种顾及高程的无人机景观匹配定位方法