[发明专利]基于全局与局部栅格图多传感器融合道路提取与索引方法

权利要求书

1.一种基于全局与局部栅格图多传感器融合道路提取与索引方法，其特征在于，包括如下步骤：

步骤1、建立全局与局部栅格图，并根据车辆定位信息，建立局部栅格图与全局栅格图的关联；所述步骤1进一步包括：

步骤a、建立全局栅格图：以预定位置为坐标原点，向北为y轴方向，向东为x轴方向；每个栅格大小为d_g*d_g,其中d_g为预定尺寸；全局栅格图位置不变，每个栅格存储的数据由局部栅格图的相应栅格获取；

步骤b、建立局部栅格图；根据车辆定位系统获取的车辆位置，构建预定X*Y范围内的局部栅格图，局部栅格图的绝对位置是动态变化的；且每接收到激光雷达数据，各栅格存储的传感器信息动态刷新；

步骤c、局部栅格图对全局栅格图的数据更新：每个局部栅格根据车辆位置获取其全局坐标，从而在全局栅格图中找到唯一对应的栅格，并将该栅格设置为激活状态；全局栅格图中处于激活状态的栅格，其数据将被局部栅格图对应的栅格更新；处于非激活状态的栅格，其数据将保持不变；其中全局与局部栅格图的各栅格储存的数据包括：投影至该栅格的激光点云全局坐标(x,y,z)及其统计参数；所述统计参数包括激光点云高度均值、方差以及各激光点云反射强度均值、方差；

步骤2、基于全局与局部栅格图提取平均反射强度大于自适应阈值的激光点云栅格作为路面元素栅格，将其聚类处理后投影至同步图像中进行语义识别，最后将其参数化信息保存至数据库；所述的路面元素是指车道线与路面标志；所述步骤2进一步包括：

步骤a、基于车辆定位系统获取当前车辆位置、航向，基于激光雷达获取当前时刻的激光雷达数据，并进行数据同步；

步骤b、对激光雷达数据进行路面与非路面分割，获得路面点云局部栅格图，并更新全局栅格图；在全局栅格图中对于反射强度大于自适应阈值且方差小于设定阈值的栅格，标记为车道线或路面标志，并提取该栅格；通过该设定方差阈值排除因传感器数据波动或路面其他动态干扰造成的误检；完成上述步骤后，对点云栅格进行聚类；

步骤c、基于激光雷达与单目相机的标定信息，将步骤b中车道线与路面标志经过聚类后的各个栅格集所包含的点云集合投影到单目相机图像的相应位置；

步骤d、基于深度学习方法对相机实时获取的图像进行车道线与道路标识语义识别，并根据该图像与点云位置对应关系，将语义标签赋予步骤c中投影的各个点云集合；

步骤e、对于每个车道线及路面标志对象，将其转化为参数化对象；参数包括：对象的方向、该方向上均匀采样的若干点坐标、语义标签；最后将各个参数化后的对象保存至数据库

步骤3、基于全局栅格图和车辆轨迹，在轨迹法线上搜索疑似边界点栅格，筛选后进行拟合，实现道路边界提取，最后将其参数化信息保存至数据库；所述步骤3进一步包括：

步骤a、对于每一个车辆轨迹点，构建其轨迹在该轨迹点的法线，在法线方向构建栅格窗口搜索疑似边界点；窗口的长、宽分别为M、N，其中M,N为预定值；

步骤b、在疑似边界点栅格中筛选候选边界点栅格；筛选候选边界点栅格的依据具体包括：(1)该栅格被设定为在疑似边界点栅格的次数大于设定值；(2)该疑似边界点栅格相对同一法线上相同侧的其他疑似栅格点，与车辆轨迹点距离最短；

步骤c、对于车辆轨迹两侧的候选边界点栅格分别剔除离群点，得到最终边界栅格点，假定边界曲线方程为y＝ax^3+bx^2+cx+d，使用非线性最小二乘的方法拟合边界栅格点后，得到参数化的两侧边界线，并保存至数据库；其中，a、b、c、d为待定参数；

步骤4、针对步骤2与步骤3中的参数化路面元素及道路边界，建立基于道路全局区段的地图索引方案；所述步骤4进一步包括：

步骤a、将已保保存至数据库中的参数化路面元素与道路边界划分到地图的各全局区段；每个预定矩形面积为一个全局区段；则在预定原点的全局坐标系下，路面元素与道路边界点所属区段编号由公式(1)(2)确定：

其中，编号e_x代表全局坐标系下各区段的东方向下标，n_y代表全局坐标系下各区段的北方向下标；

x_map和y_map为路面元素与道路边界点的全局坐标系下的x、y坐标；

W、H为所述区段预定的宽度与高度；

[]表示向下取整运算;

步骤b、构建车道线与路面标志集合；为了实现道路边界和车道线、道路标志的高效查询，将车道数量、线型相同的连续道路视为一个“道路集”；每个“道路集”由参考线中心线、车道线和路面标志组成；

步骤c、矢量地图索引方式：

为了便于检索，将上述二维的区段编号索引转化为一维索引，由公式(3)完成：

index＝1000*n_y+e_x (3)

由此二维索引便与一维索引一一对应。