[发明专利]构建高精度地图的方法和装置

说明书

公开了一种构建高精度地图的方法和装置，该方法包括：基于深度学习算法对来自车辆的车载相机的一个或多个图像进行语义感知；根据车辆的姿态数据和语义感知的结果对关注路标进行三维重建；对三维重建的结果进行参数化；以及将参数化的结果添加到高精度地图数据库。所公开的方法和装置能够极大地降低高精度地图的制作成本，便于采用众包方式采集数据并有利于提高高精度地图的更新频率。

技术领域

本公开总体上涉及自动驾驶的技术领域，并且具体地涉及一种以低成本的方式构建高精度地图的方法和装置。

背景技术

自动驾驶通常要求使用高精度地图。这样的高精度地图可以达到厘米级别的精度，并且包含比数字地图更丰富的细节信息(例如，道路坡度、曲率等)，这对于车辆的导航、定位、控制和安全性至关重要。

对于高精度地图，通常需要使用价格昂贵的激光雷达和高精度定位传感器来采集点云数据，然后由专业技术人员对点云数据进行数据清洗、拼接、对齐、数据矢量化、索引等一系列操作，因此设备成本和对专业人员的技能水平的要求都非常高，使得高精度地图难以大规模部署，并极大地限制了高精度地图的更新频率。另外，通常的高精度地图的制作过程的每个环节都需要人工参与，这也极大地限制了高精度地图的制作效率。

另外，在通常的高精度地图的制作过程中，为了同时获得场景的结构和颜色信息，往往需要同时使用相机和激光雷达传感器，这必然引入了相机与激光雷达的标定和同步等处理，极大地增加了系统和制作过程的复杂度。

另外，控制通常方式制作出来的高精度地图中可能包括大量的冗余信息或者当前处于静止状态但实际上可移动的潜在动态对象，因此增大了高精度地图的存储和传输的压力，从而极大地限制了高精度地图的更新效率。

因此，期望能够提供一种成本低、自动化程度高并有利于地图更新的高精度地图的制作方法。

发明内容

一方面，本公开提供了一种构建高精度地图的方法，该方法包括：基于深度学习算法对来自车辆的车载相机的一个或多个图像进行语义感知；根据车辆的姿态数据和语义感知的结果对关注路标进行三维重建；对三维重建的结果进行参数化；以及将参数化的结果添加到高精度地图数据库。

另一方面，本公开还提供了一种计算机可读的非临时性存储介质，在其上存储有在被执行时执行上述方法的程序指令。

另一方面，本公开还提供了一种构建高精度地图的装置，该装置可以包括：一个或多个处理器，被配置为在启用时接收来自车辆的车载相机的一个或多个图像并且至少执行上述方法。

另一方面，本公开还提供了一种构建高精度地图的装置，该装置可以包括：感知器，被配置为接收来自车辆的车载相机的一个或多个图像，并且基于深度学习算法对所接收的一个或多个图像进行语义感知；定位器，被配置为获得车辆的姿态数据；重建器，被配置为根据来自感知器和定位器的输出对关注路标进行三维重建；以及参数化处理器，被配置为对来自重建器的输出进行参数化，并且将参数化的结果提供给高精度地图数据库。

通过根据本公开的实施例的方法和装置，能够使用通过车辆的车载相机(例如，单目相机)采集的常规图像/图片制作高精度地图，而不必使用昂贵的激光雷达和/或其他高精度定位传感器，极大地降低了制作高精度地图的硬件成本。

另外，根据本公开的实施例的方法和装置通过采用基于深度学习算法或模型来对所采集的图像进行语义感知，降低甚至消除了对专业人员的技能水平的依赖，能够支持通过众包的方式采集和更新数据，并且能够实现高精度地图的自动化，从而能够极大地提高高精度地图的制作效率和更新频率。

另外，在根据本公开的实施例的方法和装置中，由于不必使用昂贵的激光雷达，所以可以不涉及相机与激光雷达的标定和同步等处理，从而能够极大地降低方法的复杂度并提高地图的制作效率。