[發明專利]一種高精地圖要素自動化提取的方法

有效

• 申請號: 202211587117.5
• 申請日: 2022-12-12
• 公開（公告）號: CN115588178B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 白慧鵬;馮建亮;朱必亮;錢志奇;李俊
• 申請（專利權）人: 速度時空信息科技股份有限公司
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/26;G06V10/75;G06V10/762;G06V10/764;G06V10/77;G06V10/774
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 王素琴

本發明公開了一種高精地圖要素自動化提取的方法，步驟為：S1模型訓練：對采集的點云數據進行預處理，將處理后的點云數據作為基于深度學習的語義點云自動化提取模型訓練的輸入，進行語義點云自動化提取模型訓練；S2語義化點云：對增強處理后的點云數據采用步驟S1中的語義點云自動化提取模型進行語義化分割處理，獲得語義點云數據；S3單體化點云：對語義點云數據進行單體化處理，獲得單體化點云數據；S4自動化提取：對單體化點云數據進行點要素、線要素和面要素的幾何信息的自動化提取，獲得高精地圖的三維矢量要素。該方法可以有效自動化提取高精地圖要素信息，提高了高精地圖的生產效率，減少了生產成本。

技術領域

本發明涉及高精地圖數據生產技術領域，具體涉及一種基于深度學習技術與點云處理算法相結合的高精地圖要素自動化提取的方法。

背景技術

隨著自動駕駛技術的蓬勃發展，對高精地圖的需求日趨龐大。行業對高精地圖的解讀豐富，對應的高精地圖標準也有所不同。以往基于傳統人工制圖方式的高精地圖生產已經不能滿足目前高精地圖數據量和快速更新的需求。

而現有高精地圖數據生產過程中，要素種類繁雜多樣，自動分類精度不高，人工繪制工作量大等問題，且存在大量的數據需要內業人員花費大量時間進行人工判讀，語義信息提取，屬性錄入等非自動化步驟。

中國專利文獻CN?115147609?A公開了一種地圖要素特征提取方法、裝置、電子設備、存儲介質及產品，涉及自動駕駛和智能交通技術領域，尤其涉及用于自動駕駛的高精地圖的要素特征的技術領域。具體實現方案為：獲取地圖的線性要素特征，并獲取所述自動駕駛車輛行駛的路徑軌跡線；基于所述線性要素特征與所述路徑軌跡線之間的距離，對所述線性要素特征進行聚類，確定至少一個線性要素特征簇；確定每個所述線性要素特征簇中缺失的線性要素特征，并生成與所述缺失的線性要素特征對應虛擬線性要素特征；提取所述虛擬線性要素特征。通過本公開可以提高高精地圖的作業生成效率。該方法主要解決問題是提取線性要素中因遮擋存在缺失的問題。

中國專利文獻CN?109215487?A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。該方法中只是采用的深度學習技術，并未解決高精地圖要素的識別分類和語義信息自動提取等問題。

因此，如何解決以激光點云語義分割技術為基礎，在高精地圖要素生產過程中點云數據的高精地圖要素的識別分類、語義信息的自動提取等問題。

發明內容

本發明要解決的技術問題是提出一種基于深度學習與點云算法相結合的高精地圖要素自動化提取的方法作為高精地圖一體化生產流程的解決方案，其采用深度學習技術結合一系列點云處理算法，提高高精地圖要素幾何信息提取的自動化水平以及精度，改變傳統制圖方式的作業流程，極大提高自動化程度，降低內業人員的勞動強度，縮減高精地圖成本、提高高精地圖更新效率。

為了解決上述技術問題，本發明采用的技術方案是：該高精地圖要素自動化提取的方法，具體包括以下步驟：

S1模型訓練：對采集的點云數據進行預處理，將處理后的點云數據作為基于深度學習的語義點云自動化提取模型訓練的輸入，進行語義點云自動化提取模型訓練，并輸出語義點云自動化提取模型；

S2語義化點云：對增強處理后的點云數據采用步驟S1中得到的語義點云自動化提取模型進行語義化分割處理，獲得語義點云數據；

S3單體化點云：對步驟S2中獲得的語義點云數據進行單體化處理，獲得單體化點云數據；