[发明专利]一种地图三维道路特征识别方法和系统

说明书

本发明属于地图数据处理技术领域，涉及一种地图三维道路特征识别方法和系统，包括以下步骤：S1.通过激光点云数据生成道路的二维强度特征图；S2.建立二维空间和三维空间的转换关系，将二维强度特征图转换为三维强度虚拟特征图；S3.基于深度学习算法，在三维强度虚拟特征图中获取二维标线要素的位置和形状；S4.将二维标线要素的位置和形状，基于动态模板匹配方法，转换关系转换成三维标线要素，生成带有标线要素的三维强度特征图。其与目前已有的二维强度特征图像相比具备了三维虚拟几何特征，包含了三维强度特征图像与三维激光点的对应关系，从而使标线要素在地图中更加明显，更易识别。

技术领域

本发明是关于一种地图三维道路特征识别方法和系统，属于地图数据处理技术领域。

背景技术

自动驾驶高精度地图作为高级别自动驾驶即无人驾驶实现的核心技术之一，在无人驾驶定位、控制、导航、决策等功能中发挥着重要作用，并在无人驾驶安全性中提供重要保障。中国道路建设快，更新需求大，高精度地图的快速更新是目前面临的巨大挑战，而道路要素信息作为高精度地图中核心关键组成部分，道路标线的准确、高效、快速识别是自动驾驶地图构图及动态更新的关键。

目前已有研究中多数基于图像与视频对道路标线特征要素进行提取与分类，但由于这种方法受光照、阴影、天气与表面材料的影响，导致道路要素提取精度与几何精度均会受损。也有少数基于激光雷达数据进行道路标线提取与识别，这种方法主要分为两类，第一类是将激光点云转换为二维特征图像，然后基于二维图像采用传统图像处理或者深度学习方法进行二维道路标线提取与识别，目前已有这类提取方法仅限二维道路标线提取，缺乏三维矢量特征。第二类是直接用三维激光点云进行三维标线提取与识别，但是这种方法受强度特征值的影响较大，尤其是地面标线在长期暴晒与碾压等条件下，强度特征值表较弱，严重影响了道路标线的提取的准确度，而且直接基于三维点云计算得到标识了标线的图像的方法，计算量较大，提取标线种类单一，难以满足实际应用需求。

发明内容

针对上述现有技术的不足，本发明的目的是提供了一种地图三维道路特征识别方法和系统，其与目前已有的二维强度特征图像相比具备了三维虚拟几何特征，包含了三维强度特征图像与三维激光点的对应关系，从而使标线要素在地图中更加明显，更易识别。

为实现上述目的，本发明提供了一种地图三维道路特征识别方法，包括以下步骤：S1.将激光雷达三维点云数据生成道路的二维强度特征图；S2.建立二维空间和三维空间的转换关系，将二维强度特征图转换为三维强度虚拟特征图；S3.基于深度学习相关算法在三维强度虚拟特征图中获取二维标线要素的位置和形状；S4.通过动态模板匹配方法，将二维标线要素的位置和形状依据转换关系转换成三维标线要素，生成带有标线要素的三维强度特征图。

进一步，生成二维强度特征图的方法为：S1.1将车载激光雷达检测器获取的激光点进行滤波处理获取地面激光点；S1.2根据地面激光点，获取待处理区域三维地面激光点的空间范围，并对空间范围进行栅格化处理；S1.3计算每个栅格的属性值；S1.4将每个栅格的属性值归一化，生成二维强度特征图。

进一步，每个栅格的属性值F_ij的计算公式为：

其中，w_ijk为在栅格(i,j)中第k个激光点的权重值；I_ijk为在栅格(i,j)中第k个激光点的强度特征值；n_ij为(i,j)中的激光点总数；GSD是地面激光点距离；为(i,j)中第k个激光点距离中心的的距离，为栅格(i,j)中激光点的最大高程差，为栅格(i,j)中激光点的最小高程差；z_max和z_min分别是三维地面空间范围竖直方向的最大值和最小值；为在栅格(i,j)中第k个激光点的竖直方向的值；α与β分别为水平方向与高程方向的权重系数，两者和为1。