[發(fā)明專利]基于點(diǎn)線特征融合激光的語義高精地圖構(gòu)建與定位方法

在審

• 申請?zhí)枺?/td>: 202010545062.6
• 申請日: 2020-06-15
• 公開（公告）號: CN111652179A
• 公開（公告）日: 2020-09-11
• 發(fā)明（設(shè)計(jì)）人: 郭啟翔;付智俊;吳明瞭;尹思維;謝斌;何薇;成少波;曾天靈;張正祺;胡博倫
• 申請（專利權(quán)）人: 東風(fēng)汽車股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06F16/29;G01S17/89;G01S17/86
• 代理公司: 武漢開元知識產(chǎn)權(quán)代理有限公司 42104
• 代理人: 樊戎;舒景景

本發(fā)明公開了一種基于點(diǎn)線特征融合激光的語義高精地圖構(gòu)建方法，包括如下步驟：1)對攝像頭采集的視覺圖像進(jìn)行語義分割和特征提取，得到含語義類別和點(diǎn)線特征的視覺圖像，隨后獲取運(yùn)動(dòng)目標(biāo)的前景及背景；2)將激光雷達(dá)采集的激光三維點(diǎn)云投影到視覺圖像平面上，擬合得到深度圖，并為激光三維點(diǎn)云賦予語義類別和點(diǎn)線特征；3)對運(yùn)動(dòng)目標(biāo)進(jìn)行超像素分割，計(jì)算超像素塊之間的距離，構(gòu)建圖模型，進(jìn)行圖像分割，準(zhǔn)確提取運(yùn)動(dòng)目標(biāo)邊界；4)將屬于運(yùn)動(dòng)目標(biāo)的視覺特征點(diǎn)和激光三維點(diǎn)剔除，從而構(gòu)建靜態(tài)高精度語義三維地圖。本發(fā)明同時(shí)公開了采用前述方法構(gòu)建的語義高精地圖的定位方法。本發(fā)明通過準(zhǔn)確剔除運(yùn)動(dòng)目標(biāo)，使得建圖更加精確、可靠。

技術(shù)領(lǐng)域

本發(fā)明涉及一種語義高精地圖，特別是指一種基于點(diǎn)線特征融合激光的語義高精地圖構(gòu)建與定位方法。

背景技術(shù)

高精度定位是實(shí)現(xiàn)無人車自動(dòng)駕駛的基礎(chǔ)，為無人車路徑規(guī)劃、運(yùn)動(dòng)控制提供了基礎(chǔ)的保障。而要實(shí)現(xiàn)無人車高精度定位，高精度地圖是必不可少的一環(huán)。

高精度地圖通常包含高精度點(diǎn)云地圖和車道線、信號燈和路沿等語義信息。傳統(tǒng)高精度三維地圖的車道線、路沿、交通指示牌、信號燈等語義元素是通過在構(gòu)建后的三維點(diǎn)云地圖上進(jìn)行人為編輯、添加的，需要耗費(fèi)大量人力物力。同時(shí)由于周圍環(huán)境總是處在動(dòng)態(tài)變化中，即使同一場景在不同季節(jié)視覺上也存在較大差異；環(huán)境中以前存在物體也可能隨著時(shí)間的變化而發(fā)生位置上的變化，因此傳統(tǒng)的高精度地圖需要經(jīng)常進(jìn)行更新。

無人車高精度定位是指無人車通過安裝在車上的傳感器(激光、毫米波、攝像頭、慣性傳感器、GNSS等)來進(jìn)行相對于高精度地圖的相對定位或者絕對坐標(biāo)系下的絕對定位。相比于傳統(tǒng)基于GPS等定位，基于高精度地圖的匹配定位不受GPS信號的影響，在隧道、高架等環(huán)境下依然能運(yùn)行；然而基于激光匹配的定位方法對三維高精度地圖依賴較大，因而當(dāng)場景發(fā)生變化時(shí)，高精度地圖容易出現(xiàn)誤匹配或者匹配不成功的情況，需要不斷更新地圖，運(yùn)營成本高。

如何生成魯棒的、不受動(dòng)態(tài)環(huán)境影響的三維點(diǎn)云地圖是亟待解決的關(guān)鍵問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種魯棒性好、不受動(dòng)態(tài)環(huán)境影響的基于點(diǎn)線特征融合激光的語義高精地圖構(gòu)建與定位方法。

為實(shí)現(xiàn)上述目的，本發(fā)明所設(shè)計(jì)的基于點(diǎn)線特征融合激光的語義高精地圖構(gòu)建方法，包括運(yùn)動(dòng)目標(biāo)的提取與剔除步驟；

所述運(yùn)動(dòng)目標(biāo)的提取與剔除步驟包括如下步驟：

1)對攝像頭采集的視覺圖像進(jìn)行語義分割和特征提取，得到含語義類別和點(diǎn)線特征的視覺圖像，隨后獲取運(yùn)動(dòng)目標(biāo)(含潛在運(yùn)動(dòng)目標(biāo)，例如人、車等)的前景及背景；

2)將激光雷達(dá)采集的激光三維點(diǎn)云投影到步驟1)處理后的視覺圖像平面上，將投影到運(yùn)動(dòng)目標(biāo)上的激光點(diǎn)云進(jìn)行三角網(wǎng)化，再進(jìn)行深度擬合得到深度圖，并為激光三維點(diǎn)云賦予語義類別和點(diǎn)線特征；

3)按下述步驟提取運(yùn)動(dòng)目標(biāo)邊界：

3.1)在深度圖中，加入深度信息對運(yùn)動(dòng)目標(biāo)進(jìn)行超像素(super-pixel)分割，并融合語義分割的結(jié)果，得到運(yùn)動(dòng)目標(biāo)的前景與背景的超像素塊；

3.2)計(jì)算超像素塊之間的距離，構(gòu)建圖模型，并進(jìn)行圖像分割，準(zhǔn)確提取運(yùn)動(dòng)目標(biāo)邊界；

4)將屬于運(yùn)動(dòng)目標(biāo)的視覺特征點(diǎn)和激光三維點(diǎn)剔除，從而構(gòu)建靜態(tài)高精度語義三維地圖。

優(yōu)選地，所述步驟3.1)中，進(jìn)行超像素分割時(shí)，按公式(1)～(4)計(jì)算像素間的距離D’：