[发明专利]一种基于人工智能的地图融合方法及系统

说明书

本发明公开了一种基于人工智能的地图融合方法，涉及地图生成领域，包括：获取多区段的三维点云数据和IMU的测量数据；构建的目标场景的稀疏点云地图；提取地图特征点；根据描述子距离与颜色信息进行地图特征点匹配和对应点查找，设定法向量夹角阈值对不同区段地图特征点进行点云匹配；对匹配后的地图处理得到初始融合的地图；在初始融合的地图的原始位姿图中增加新区段的地图的图像帧和路标点信息，构成位姿图新的顶点和边，优化整个位姿图，迭代调整所有的路标点位姿及相机位姿，关闭检测到的回环，融合重叠的路标点，对地图进行视觉惯性联合优化，得到多区段地图融合结果。方法对大场景的多区段子地图进行融合，保证融合后的地图的一致性高。

技术领域

本发明涉及地图生成技术领域，具体涉及一种基于人工智能的地图融合方法及系统。

背景技术

传统的地图测绘往往是通过搭载高精度多传感器(GPS，IMU，Lidar 等)的测绘车或其他交通工具获取道路环境信息，初步处理后再进行人工标注以获得相对高精度的对应于外部环境的地图数据。但这种方法普适性极低，一是由于高精度传感器的成本很高，其次是能参与测绘的车辆和人员往往十分有限，不利于大规模目标场景的测绘，导致地图测绘的效率低下。同时每一次针对同一场景的测量数据由于多源噪声的影响也不可能完全相同，那么如何将这些地图数据融合保持全局一致性也是一个需要解决的重要问题。

发明内容

针对现有技术中的缺陷，本发明提供的一种基于人工智能的地图融合方法及系统，能对大场景的多区段子地图进行融合，保证融合后的地图的一致性高。

第一方面，本发明实施例提供的一种基于人工智能的地图融合方法，包括：

获取多区段的三维点云数据和惯性测量器件的测量数据；

构建的目标场景的稀疏点云地图；

提取每个区段的地图特征点；

根据描述子距离与颜色信息进行地图特征点匹配和对应点查找，设定法向量夹角阈值对不同区段地图特征点进行点云匹配，得到匹配后的地图；

对每个区段匹配后的地图进行坐标系变换，并将对应的地图点云映射变换到同一坐标系，得到初始融合的地图；

在初始融合的地图的原始位姿图中增加新区段的地图的图像帧和路标点信息，构成位姿图新的顶点和边，根据闭环检测的匹配结果构造新的重投影误差函数作为优化目标函数，使用集束调整和非线性优化算法优化整个位姿图，迭代调整所有的路标点位姿及相机位姿，关闭检测到的回环，融合重叠的路标点，使用通用图优化算法对地图进行视觉惯性联合优化，得到多区段地图融合结果。

第二方面，本发明实施例提供的一种基于人工智能的地图融合系统，包括：数据获取模块、构建模块、提取模块、匹配模块、第一融合模块和第二融合模块，

所述数据获取模块用于获取多区段的三维点云数据和惯性测量器件的测量数据；

所述构建模块用于构建的目标场景的稀疏点云地图；

所述提取模块用于提取每个区段的地图特征点；

所述匹配模块用于根据描述子距离与颜色信息进行地图特征点匹配和对应点查找，设定法向量夹角阈值对不同区段地图特征点进行点云匹配，得到匹配后的地图；

所述第一融合模块用于对每个区段匹配后的地图进行坐标系变换，并将对应的地图点云映射变换到同一坐标系，得到初始融合的地图；

所述第二融合模块用于在初始融合的地图的原始位姿图中增加新区段的地图的图像帧和路标点信息，构成位姿图新的顶点和边，根据闭环检测的匹配结果构造新的重投影误差函数作为优化目标函数，使用集束调整和非线性优化算法优化整个位姿图，迭代调整所有的路标点位姿及相机位姿，关闭检测到的回环，融合重叠的路标点，使用通用图优化算法对地图进行视觉惯性联合优化，得到多区段地图融合结果。