[发明专利]一种基于激光点云的地图生产方法和装置

说明书

本发明公开了一种基于激光点云的地图生产方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：采集目标区域的激光点云，对激光点云进行语义解析，以确定激光点云中每个点云点的类别属性和所属实例的编号；对同一个实例编号下类别属性相同的点云点进行组合，得到点云簇，根据类别属性与形状的对应关系，确定点云簇的形状；确定与形状相应的矢量化规则，以对点云簇进行矢量化处理，得到目标区域的矢量化地图。该实施方式所采集的激光点云具有多角度、多位置的优点，相比透视图能够较好保持物体完整性和一致性，同时可避免细小部分被遮挡的情况；针对不同形状的点云分别进行三维矢量化，可以丰富元素种类，完成三维高精地图的生成。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于激光点云的地图生产方法和装置。

背景技术

高精地图是一种用于引导无人车和机器人自动驾驶的地图，相比普通电子导航地图，高精地图可提供更精准(厘米级)的位置，包括更丰富(道路线、马路牙、隔离栏等)的道路因子信息，是自动驾驶技术中不可或缺的部分。

三维高精地图是在三维空间下绘制的地图，对比二维高精地图，其优势在于：

1)丰富的三维信息提高自动驾驶决策的准确性，例如在立交桥区域引导不同方向行驶的车辆导航；

2)应用更广泛，除了辅助车辆导航，还可用于仿真环境构建，将虚拟场景融合到真实环境下，以增强现实中的虚实混合。

目前三维高精地图的生产方法主要有：

1)基于图像数据源的半自动制作方法：以全景图为数据源，在全景图上提取道路线、马路牙等元素，然后用运动结构重建算法将因子顶点投影到三维空间中，从而得到道路、马路牙在三维空间下的投影模型；

2)结合图像和激光点云的半自动制作方法：同样以全景图像为数据源提取道路线、马路牙、车牌等元素，然后根据点云和图像匹配关系将元素位置投影到点云上，从而得到三维空间下的投影模型。

理想的三维高精地图生产方法应具有准确性好、鲁棒性强和提取因子种类丰富的优点，对比这三个指标，发明人发现现有技术至少存在如下问题：

1)道路元素都是在透视图(全景相机或者普通相机)下提取，由于透视图具有近大远小的特点，远处的道路线/马路牙等区域分辨率较低，误测物理距差可达到几十厘米，因此这两种方式难于较准确检测定位远处位置；

2)透视视图下道路元素往往被车辆、行人、树木等遮挡，甚至一叶障目不见泰山，因此难以在这些受遮挡区域中提取道路元素，因此这两种方式都存在鲁棒性不足的问题；

3)这两种方法都是仅提取道路线、马路牙等线性元素，没有处理道路指示、隔离墩等面型或体型元素，所提取的元素种类过于单一；

4)对于第二种方式，自动化算法可能存在鲁棒性和精度不高的问题，且高精地图制作需要有较高的精度指标，后续依赖于交互编辑平台或者手工进行修复，工作量较大。

发明内容

有鉴于此，本发明实施例提供一种基于激光点云的地图生产方法和装置，至少能够解决现有技术中三维高精地图生产准确性低、鲁棒性弱以及提取元素种类单一的缺点。

为实现上述目的，根据本发明实施例的一个方面，提供了一种基于激光点云的地图生产方法，包括：

采集目标区域的激光点云，对所述激光点云进行语义解析，以确定所述激光点云中每个点云点的类别属性和所属实例的编号；

对同一个实例编号下类别属性相同的点云点进行组合，得到点云簇，根据类别属性与形状的对应关系，确定所述点云簇的形状；

确定与所述形状相应的矢量化规则，以对所述点云簇进行矢量化处理，得到所述目标区域的矢量化地图。