[發明專利]一種基于深度學習的高精地圖制作方法

在審

• 申請號: 201810975320.7
• 申請日: 2018-08-24
• 公開（公告）號: CN109215487A
• 公開（公告）日: 2019-01-15
• 發明（設計）人: 孫旭;高三元;鞠偉平;焦潔;鄒洋
• 申請（專利權）人: 寬凳（北京）科技有限公司
• 主分類號: G09B29/00
• 分類號: G09B29/00
• 代理公司: 北京知呱呱知識產權代理有限公司 11577
• 代理人: 孫進華;吳林

本發明公開了一種基于深度學習的高精地圖制作方法，涉及高精地圖制作技術領域，所述高精地圖制作方法包括：利用視覺系統和定位系統采集圖像信息和位置信息；對圖像信息中的高精地圖要素和場景進行分類標注；采用深度學習算法根據圖像標注成果訓練圖像識別模型；根據圖像識別模型的訓練成果和采集的位置信息對高精地圖的要素進行精準測量；人工審核圖像識別模型訓練成果中的錯誤，并迭代優化圖像模型，進而提示高精地圖測量精度和自動化程度；根據優化的圖像識別模型自動化合成高精地圖。本發明能夠解決現有高精地圖的原始信息采集難度大以及制作工藝復雜，自動化程度低，人工投入成本大的問題。

技術領域

本發明涉及高精地圖制作技術領域，具體涉及一種基于深度學習的高精地圖制作方法。

背景技術

高精地圖是自動駕駛技術領域的核心技術之一。高精地圖的發展直接影響自動駕駛的安全性和精準度，是自動駕駛落地的關鍵技術節點。高精地圖的核心特質是其厘米級要素精度和要素的豐富度，為了能精準的保證自動駕駛的安全性，高精地圖以厘米級的精度表達了道路及其附屬設施的全部要素，成為自動駕駛汽車的“眼睛”。也正是這樣的高精度，高豐富度要求，使高精地圖的制作工藝成為業內的一大技術難題。

高精地圖的制作工藝和高精地圖的原始資料采集方式密切相關，現有高精地圖的原始資料采集大多采用激光雷達，高分辨率視覺相機，高精度慣導設備相結合的多傳感器采集模式。復雜的采集設備之間需要嚴格對準和成果融合，使地圖制作工藝增加了處理環節和難度。對準和融合的誤差會影響不同傳感器成果的聯合使用精準度。

現有的高精地圖制作工藝的自動化程度還都停留在普通導航電子地圖制作工藝階段，即通過對激光雷達和視覺圖片的模式識別及提取，配合人工分類和語義識別制作地圖的基本要素的形狀和屬性。由于要素豐富度要求的增加，現有模式識別的成果很難在各類復雜場景下都有優秀的表現，不同城市的道路特征，道路上各類要素的豐富程度，給現有工藝的自動化程度帶來了巨大的挑戰。

發明內容

本發明的目的在于提供一種基于深度學習的高精地圖制作方法，用以解決現有高精地圖的原始信息采集難度大以及制作工藝復雜，自動化程度低，人工成本高的問題。

為實現上述目的，本發明實施例提供一種基于深度學習的高精地圖制作方法，所述高精地圖制作方法包括：利用視覺系統和定位系統采集圖像信息和位置信息；對圖像信息中的高精地圖要素和場景進行標注；采用深度學習算法根據圖像標注成果訓練圖像識別模型；根據圖像識別模型的訓練成果和位置信息對高精地圖的要素進行測量；人工審核圖像識別模型訓練成果中的錯誤，并進行迭代優化；根據優化的圖像識別模型自動化合成高精地圖。

作為優選的技術方案，所述采集圖像信息的方法包括：視覺系統采集圖像信息，所述定位系統采集位置信息和姿態信息，再將圖像信息、位置信息和姿態信息通過時間同步達成匹配，形成要素全面的高精地圖原始圖像信息。

作為優選的技術方案，所述高精地圖要素包括道路上的車道模型和定位目標模型，所述車道模型包括車道線、紅綠燈、導流帶、人行橫道線、停止線、車道的交通規制信息和拓撲信息，所述定位目標模型包括護欄、路緣石、路燈、路牌、過街天橋、地面上的標志、符號和數字。

作為優選的技術方案，所述對圖像信息中的高精地圖要素和場景進行標注的方法包括：通過在線圖像標注系統對采集的高精地圖原始圖像做像素級的分類標注，并對圖像的要素和場景做標簽分類，形成機器學習的基礎訓練資料。

作為優選的技術方案，所述訓練圖像識別模型的方法包括：根據不同等級道路的車道線、地面標志、季節、城市和道路屬性設置不同的場景，機器通過對不同場景的學習生成不同的圖像識別模型，最終形成具有自動化識別場景能力的高精地圖。