[发明专利]一种基于异构数据融合的高精度地图生产装置

说明书

本发明涉及一种基于异构数据融合的高精度地图生产装置，包括：自动化检测与处理模块、点云与图像配准模块和融合数据自动化制作平台；自动化检测与处理模块用于对图像和点云数据的原始数据进行清洗与预处理后送入点云与图像配准模块；点云与图像配准模块根据图像和点云数据的特征进行图像和点云数据的配准和融合，使图像中的目标数据拥有绝对坐标信息，使点云数据拥有目标的属性信息；融合数据自动化制作平台融合机器学习中不同种方法的特征概率模型，提取出组成高精度地图的交通元素，结合交通元素与其周围的等效关系以及相关属性，完成高精度地图生产过程；融合机器学习中不同种方法的特征概率模型，可自动完成构图过程。

技术领域

本发明涉及高精度地图制作生成领域，尤其涉及一种基于异构数据融合的高精度地图生产装置。

背景技术

高精度地图，通俗来讲就是精度更高、数据维度更多的电子地图。精度更高体现在精确到厘米级别，数据维度更多体现在其包括了除道路信息之外的与交通相对的周围静态信息。高精度地图将大量的行车辅助信息存储为结构化数据，比如车道周边的固定对象信息，比如交通标志、交通信号灯等指示信息。

由于高精度地图的精度为厘米级别，而生产高精度地图的点云数据为无序的，点云数据中点与点的距离一般在5cm-15cm之间，所以在点云中高精度提取交通要素，存在很多难点。传统的点云处理方法在对交通要素进行检测的精度比较低，漏检比较高，并不能完整的对整个点云数据中的交通要素进行全量提取，所以国内外有很多学者，研究利用AI技术来对点云进行处理，并提取相关的对象，在对点云进行分类的研究中，AI提出了pointNet++网络可实现对点云对象的分类，在对点云进行语义分割方面，提出了Minet网络，可实现对网络中的点云点进行分类，并形成语义级别的分割。

然而点云数据没有交通要素的属性信息，只有几何精度信息，因此基于AI技术进行点云数据的提取的信息难以保证其完整性。

发明内容

本发明针对现有技术中存在的技术问题，提供一种基于异构数据融合的高精度地图生产装置，解决现有技术中问题。

本发明解决上述技术问题的技术方案如下：一种基于异构数据融合的高精度地图生产装置，包括：自动化检测与处理模块、点云与图像配准模块和融合数据自动化制作平台；

所述自动化检测与处理模块用于对图像和点云数据的原始数据进行清洗与预处理后送入所述点云与图像配准模块；

所述点云与图像配准模块根据图像和点云数据的特征进行所述图像和所述点云数据的配准和融合，使所述图像中的目标数据拥有绝对坐标信息，使所述点云数据拥有目标的属性信息；

所述融合数据自动化制作平台融合机器学习中不同种方法的特征概率模型，提取出组成高精度地图的交通元素，结合所述交通元素与其周围的等效关系以及相关属性，完成高精度地图生产过程。。

本发明的有益效果是：充分利用了机器学习对高维数据特征的丰富表达方式，结合自适应的逻辑结构，推导出点云数据和图像数据的最佳匹配模式，同时自动选择最佳的融合特征，并完成配准；融合机器学习中不同种方法的特征概率模型，准确的提取出组成高精度地图的基础元素，结合基础元素与其周围的等效关系以及相关属性，可自动完成构图过程。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述自动化检测与处理模块包括点云数据检测模块和点云数据处理模块；

所述点云数据检测模块对所述点云数据的原始数据的检测包括：点云噪点检测、点云反射强度检测、点云空洞检测、点云上下行精度检测和点云接边位置精度检测；

所述点云数据处理模块对所述点云数据的原始数据的处理包括：点云数据噪点处理、点云数据弯道识别、点云数据植被识别、点云数据动态目标识别、点云数据路面提取和点云数据路口识别。