[发明专利]大型分布式高精地图数据处理系统

权利要求书

1.大型分布式高精地图数据处理系统，其特征在于：包括以下步骤：

S1.原始数据采集：原始数据的采集之前需要对各个传感器进行标定，主要涉及的标定有：激光雷达到采集车，激光雷达到GPS/IMU，同时，传感器的时间要进行同步，原始数据上传之后会被解析、切割、压缩，生成数据处理流程能用的以帧为单位的压缩格式；

S2.点云对齐：路径数据进入数据处理系统之后会经过一个对齐的过程，对齐流程能生成每一帧点云数据的姿态矩阵，点云对齐的过程中需要使用运动补偿，把每一帧点云中的点恢复到所在的实际位置，然后利用所处的GPS位置为先验位置，同时把邻近帧的点云使用点云匹配算法进行6个维度的对齐；

S3.生成点云姿态：每一条路径会生成一个姿态文件。生成的点云姿态文件中每一条记录对应一帧点云，把点云中的点根据姿态矩阵做转换就能得到对齐的点云；

S4.点云对齐质检：质检的方法能通过融合地面部分的点云检查地面的厚度来完成，地面厚度根据蓝-绿-黄-红颜色渐变，地图工程师能根据颜色判断对齐有问题的区域进行人工修复；

S5.点云坐标转换：使用点云对齐生成的姿态，把每一帧点云解压缩之后进行坐标转换，得到每一个点的真实世界坐标，然后根据每个点所处的位置进行点云处理；

S6.点云处理：在每个计算节点进行处理的时候，为了去除冗余计算，需要读取正在处理的瓦片以前处理之后所存储的指纹数据；

S7.点颜色获取：对于落在指纹发生变化的瓦片中的点，需要利用激光雷达到摄像头的标定数据以及对应点云周围的图像来获取点的真实颜色；

S8.体素中加入点：为了让系统能处理同一个位置多次数据采集，点云是被加入到体素化之后的三维方格中，多个点同时落在同一个体素内时，只有第一个点会被采用，其余后来加入的点则被拒绝；

S9.光线跟踪：由于数据采集过程中会有其他车辆在路面行驶，所以点云中的点很多来自于动态障碍物，所以正确的点云地图只应该包含静态物体的点，而删除动态物体的点，需要采用光线跟踪的算法本项目采用了一种创新的光线跟踪的算法对动态物体点进行自动删除；

S10.更新体素占据状态：点云光线跟踪算法标记的体素需要被删除掉，部分体素来自于动态障碍物返回的点；

S11.生成融合体素文件：每个计算节点处理的瓦片会生成融合体素文件，这些融合体素文件会经过压缩存入数据库，由于瓦片的数量是巨大的，存储的数据库不能使用关系型数据库，需要使用非关系型数据库；

S12.生成点云图：融合体素文件能直接生成三维点云地图，有两种方式能生成：第一种是采用体素中心的点做为生成点云的输出，第二种是记录落在体素中的点的真实坐标，做为生成点云的输出；

S13.生成瓦片鸟瞰图像：体素文件是三维的数据结构，把三维数据结构按照鸟瞰的方式投影到二维平面，同时利用体素中的颜色信息能生成鸟瞰图像；

S14.生成矢量地物地图：矢量地物地图是基于瓦片鸟瞰图绘制的，地图工程师使用工具能加载工作区域的鸟瞰图像，最终点云地图和矢量地物地图能转换成各种对应的格式给不同的无人驾驶系统使用。

2.根据权利要求1所述的大型分布式高精地图数据处理系统，其特征在于：所述在S1中，传感器的时间要进行同步，因为GPS的工作原理是根据卫星信号传输所用的时间，所以GPS接收的时间是极其准确的，传感器的时间能同步到GPS时间。

3.根据权利要求1所述的大型分布式高精地图数据处理系统，其特征在于：所述在S1中，连续的帧组成一条路径，一个路径包含4800帧的数据，这一步的并行计算是以路径为计算单元，多条路径能覆盖一个区域的所有道路，所以数据处理系统的输入会有多条路径数据。

4.根据权利要求1所述的大型分布式高精地图数据处理系统，其特征在于：所述在S2中，GPS的精度高时，GPS先验位置的权重就会加大，从而让生成的点云姿态更贴近GPS所在的位置，GPS的精度不高时，权重降低，点云匹配算法会更多依赖周围环境的地物进行6个维度的对齐。

5.根据权利要求1所述的大型分布式高精地图数据处理系统，其特征在于：所述在S6中，指纹数据在没有处理过时，那么指纹数据为空，指纹数据发生变化说明该瓦片需要处理，指纹数据是一样时，该瓦片能略过不做处理，落在该瓦片的所有点也都略过。