CN112988922A - 感知地图构建方法、装置、计算机设备和存储介质 - Google Patents
感知地图构建方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112988922A CN112988922A CN201911291831.8A CN201911291831A CN112988922A CN 112988922 A CN112988922 A CN 112988922A CN 201911291831 A CN201911291831 A CN 201911291831A CN 112988922 A CN112988922 A CN 112988922A
- Authority
- CN
- China
- Prior art keywords
- region
- area
- map
- coded
- road
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000008447 perception Effects 0.000 title claims abstract description 92
- 238000010276 construction Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000004590 computer program Methods 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 abstract description 32
- 239000000470 constituent Substances 0.000 abstract description 6
- 238000013507 mapping Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 241000283070 Equus zebra Species 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Navigation (AREA)
- Instructional Devices (AREA)
Abstract
本申请涉及一种感知地图构建方法、装置、计算机设备和存储介质。方法包括：获取待建图区域对应的背景地图，获取背景地图中的道路信息，确定道路信息对应的感兴趣区域，获取感兴趣区域中待编码区域，待编码区域包括高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类，对待编码区域进行编码处理，得到感知地图。简化了地图构成元素，只保留了在自动驾驶过程中需要感知的区域的信息，极大程度上减小了数据量，在应用过程中便于感知地图的快速读取，实现了对感兴趣区域中的高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类的有效区分标记，以简化感知信息获取时的数据处理过程。
Description
技术领域
本申请涉及自动驾驶感知技术领域，特别是涉及一种感知地图构建方法、装置、计算机设备和存储介质。
背景技术
随着自动驾驶技术的发展，感知系统在自动驾驶过程中起着越来越重要的作用，在自动驾驶感知系统中，双目和激光雷达、毫米波雷达等传感器需要一个先决的感兴趣区域(region of interest，简称ROI)来减少对道路外障碍物的误检，同时需要对红绿灯、斑马线等区域进行提前预警。
然而，传统方式上，要获取的准确的先决信息如感兴趣区域等，一般需要预先构建高精度地图，而高精度地图一般主要面向车辆的定位服务，其利用车辆检测信息与定位信息结合生成，由于地图中包含三维信息，地图数据较大，通过实时读取这类数据较大的高精度地图来获取感知信息，存在处理过程复杂，计算开销较大等问题。
发明内容
基于此，有必要针对感知信息获取处理过程复杂、计算开销大等技术问题，提供一种能够简化感知信息获取过程的感知地图构建方法、装置、计算机设备和存储介质。
一种感知地图构建方法，方法包括：
获取待建图区域对应的背景地图；
获取背景地图中的道路信息，确定道路信息对应的感兴趣区域；
获取感兴趣区域中待编码区域，待编码区域包括高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类；
对待编码区域进行编码处理，得到感知地图。
在其中一个实施例中，待编码区域包括由携带有第一高程信息的第一路段和携带有第二高程信息的第二路段构成的高程差路段区域；
对待编码区域进行编码处理包括：
识别第一路段与第二路段的重叠区域；
确定重叠区域对应的第一待编码区域，并根据重叠区域，确定第一路段中剔除重叠区域对应的第二待编码区域以及第二路段中剔除重叠区域对应的第三待编码区域；
分别对第一待编码区域、第二待编码区域以及第三待编码区域进行编码处理。
在其中一个实施例中，道路信息包括车道线；获取背景地图中的道路信息，确定道路信息对应的感兴趣区域包括：
基于车道线检测算法，识别背景地图中的车道线；
根据车道线间的位置关系，确定多条车道线中的边缘车道线；
根据边缘车道线，确定感兴趣区域。
在其中一个实施例中，获取背景地图中的道路信息，确定道路信息对应的感兴趣区域包括：
获取背景地图中的路沿数据；
根据路沿数据构成的可通行区域，确定感兴趣区域。
在其中一个实施例中，获取待建图区域对应的背景地图包括：
获取待建图区域的点云数据以及点云数据的定位信息；
根据定位信息，将点云数据投影至待建图区域，得到背景地图。
在其中一个实施例中，根据定位信息，将点云数据投影至待建图区域，得到背景地图包括：
获取待建图区域对应的栅格图；
根据定位信息，将点云数据投影至栅格图中的对应栅格；
根据点云数据对应的反射强度值，计算每一栅格的平均反射强度值；
根据平均反射强度值，构建背景地图。
在其中一个实施例中，获取待建图区域对应的栅格图包括：
获取待建图区域在世界坐标系中对应的水平坐标区间；
根据预设的栅格参数，将水平坐标区间进行栅格化处理，得到待建图区域对应的栅格图。
在其中一个实施例中，根据平均反射强度值，构建背景地图包括：
根据平均反射强度值，确定各栅格的灰度值，其中，各栅格灰度值对应的第一取值范围为灰度值取值范围的真子集；
根据各栅格的灰度值，构建背景地图；
对感兴趣区域进行编码处理，得到感知地图包括：
确定感兴趣区域的灰度值，其中，感兴趣区域的灰度值对应的第二取值范围与第一取值范围的交集为空；
根据背景地图中各灰度值所属的取值范围，对各灰度值进二值化处理，得到初始感知地图，其中，取值范围包括第一取值范围和第二取值范围；
对初始感知地图中的感兴趣区域进行编码处理，得到感知地图。
一种感知地图构建装置，装置包括：
背景地图获取模块，用于获取待建图区域对应的背景地图；
感兴趣区域确定模块，用于获取背景地图中的道路信息，确定道路信息对应的感兴趣区域；
待编码区域获取模块，用于获取感兴趣区域中待编码区域，待编码区域包括高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类；
编码处理模块，用于对待编码区域进行编码处理，得到感知地图。
一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
获取待建图区域对应的背景地图；
获取背景地图中的道路信息，确定道路信息对应的，确定感兴趣区域；
获取感兴趣区域中待编码区域，待编码区域包括高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类；
对待编码区域进行编码处理，得到感知地图。
一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取待建图区域对应的背景地图；
获取背景地图中的道路信息，确定道路信息对应的感兴趣区域；
获取感兴趣区域中待编码区域，待编码区域包括高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类；
对待编码区域进行编码处理，得到感知地图。
上述感知地图构建方法、装置、计算机设备和存储介质，通过获取待建图区域对应的背景地图，再通过检测背景地图中的车道线来确定背景地图中的感兴趣区域，去除了其他非必要区域的数据，然后通过对感兴趣区域获取感兴趣区域中的待编码区域，对待编码区域进行编码处理，以得到可以基于编码信息进行感知应用的感知地图，准确区分出感知地图中的高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域。一方面，采用上述的构建处理过程得到的感知地图简化了地图构成元素，只保留了在自动驾驶过程中需要感知的区域的信息，极大程度上减小了地图的数据量，在应用过程中便于感知地图的快速读取，另一方面，通过对感知区域进行编码处理，实现了对感兴趣区域中的高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类的有效标记，以简化感知信息获取时的数据处理过程。
附图说明
图1为一个实施例中感知地图构建方法的应用场景图；
图2为一个实施例中感知地图构建方法的流程示意图；
图3为一个实施例中感知地图构建方法中高程差路段区域编码步骤的流程示意图；
图4为另一个实施例中感知地图构建方法的流程示意图；
图5为一个实施例中感知地图构建方法中的感兴趣区域的示意图；
图6为再一个实施例中感知地图构建方法的流程示意图；
图7为又一个实施例中感知地图构建方法的流程示意图；
图8为一个实施例中感知地图构建方法得到的感知地图的示意图；
图9为一个实施例中感知地图构建装置的结构框图；
图10为一个实施例中计算机设备的内部结建图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的感知地图构建方法，可以应用于如图1所示的应用环境中。其中，车载终端102通过网络与服务器104进行通信。车载终端102中的车载惯导定位系统和激光雷达在待建图区域来回扫描，确保所有需要感知的区域被扫描到，然后将扫描得到的激光雷达点云数据发送至服务器104，惯导定位系统将采集到的惯导定位数据发送至服务器104，服务器104根据惯导定位数据确定该待建图区域的范围大小，将激光雷达点云数据投影至该待建图区域的对应位置上，得到背景地图，然后获取背景地图中的道路信息，确定道路信息对应的感兴趣区域，获取感兴趣区域中待编码区域，待编码区域包括高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类，对待编码区域进行编码处理，得到感知地图。其中，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种感知地图构建方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤S210至S240。
S210，获取待建图区域对应的背景地图。
待建图区域是指根据车辆的自动驾驶范围，预先确定的需要构建感知地图的区域。背景地图是指基于采集的点云数据构建得到的地图。可以理解，背景地图可以是预先构建好的地图，也可以是实时构建的地图。背景地图的构建可以通过车载惯导定位系统和激光雷达来实现，车载惯导定位系统可以是安装于车辆上的惯性定向定位导航系统，通过车载惯导定位系统，可以通过车辆的移动采集到车辆在世界坐标系下的定位数据位置，包括6个自由度的姿态信息：X、Y、Z，横滚角，航向角和俯仰角。根据定位数据信息可以将激光雷达采集到的点云数据投影到对应的待建图区域中。激光雷达是用激光器作为发射光源，采用光电探测技术手段的激光雷达动遥感设备，激光雷达可以用于采集包括反射强度值的点云数据。车载的激光雷达主要用于采集路面上的车道线、斑马线等路面点云数据以及路面周边的其他点云数据。在一个实施例中，激光雷达的扫描距离满足车辆当前采集道路的点云数据采集范围要求，例如激光雷达的扫描距离为90米。根据车载惯导定位系统采集的惯导定位数据可以确定该待建图区域的范围大小，并利用惯导定位数据，将激光雷达采集的点云数据投影至待建图区域的对应位置上，从而得到背景地图。
S220，获取背景地图中的道路信息，确定道路信息对应的感兴趣区域。
感兴趣区域是指车辆在自动驾驶过程中，需要进行障碍物分析的区域，具体可以是路面的车道范围。道路信息可以包括车道线和路沿数据中的一种或是两种，路沿数据是指在路面上区分车行道、人行道、绿地、隔离带和道路其他部分的界线。在实施例中，背景地图中的路沿数据可以通过手动标注的方式实现，适用于车道线不明显或是没有车道线的区域。车道线是指路面上用于划分车道用的分界线，通过划分车道线以确保车辆在驾驶时处于车道限制之内，避免因越过车道而与其他车辆发生碰撞。背景地图中的车道线可以基于车道线检测算法来实现，具体来说，车道线检测可以采用例如SCNN算法，VPGNET算法，Lanenet算法等车道线检测算法来实现。在一个实施例中，车道线检测的数据处理过程可以包括：依次对背景地图进行高斯去噪处理、cany轮廓检测以及hough变换处理，从而检测出背景地图中的车道线，并对检测出的车道线进行标记，然后根据车道线之间的位置关系，确定车道线中的边缘车道线，最后根据边缘车道线和路沿数据，确定感兴趣区域。
S230，获取感兴趣区域中待编码区域，待编码区域包括高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类。
高程差路段区域是指两个或两个以上的路段从平面地图上看存在交叉，但由于各路段之间存在高度差，并无实际交汇情况的路段。例如桥上的路段和桥下的路段构成的区域即为高程差路段。交通信号灯包括机动车信号灯、非机动车信号灯、人行横道信号灯、方向指示指示灯(箭头信号灯)、车道信号灯、闪光警告信号灯，具体来说，交通信号灯指示区域包括需要对交通信号灯做出相应反应的区域，例如距离人行横道20米至人行横道的距离。人行横道区域包括道路上的斑马线构成的区域。导流区域是指由导流线构成的区域。导流线的形式主要为一个或几个根据路口地形设置的白色V形线或斜纹线区域。可以理解，待编码区域可以包括高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的一个，也可以包括其中的多个，具体可以根据识别结果进行确定。在其他实施例中，待编码区域还可以包括其他在自动驾驶过程中需要注意的区域，在此不做限定。
S240，对待编码区域进行编码处理，得到感知地图。
编码处理是指对不同类型的待编码区域进行编号的处理过程。其中，不同类型的待编码区域的编码处理过程可以不同，例如可以对高程差路段区域可以根据重叠区域和非重叠区域进行分别编码，再例如，可以对待编码区域中的所有人行横道区域进行统一编码等。通过对待编码区域进行编码处理，可以得到携带有编码信息的感知地图。
在车辆的自动驾驶过程中，可以快速读取到感知地图，基于感知地图以及感知地图中的编码信息，快速确定需要进行障碍物感知的区域。例如，桥上路段与桥下路段的重叠区域编码为3，桥上其余路段编码为2，桥下其余路段编码为1。车辆在桥上行驶时，此时只对对应编码为2和3的障碍物信息进行感知，其他的障碍物信息滤掉。桥下时就对编码为1和3的障碍物信息进行感知。
上述感知地图构建方法，通过获取待建图区域对应的背景地图，再通过检测背景地图中的车道线来确定背景地图中的感兴趣区域，去除了其他非必要区域的数据，然后通过对感兴趣区域获取感兴趣区域中的待编码区域，对待编码区域进行编码处理，以得到可以基于编码信息进行感知应用的感知地图，准确区分出感知地图中的高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域。一方面，采用上述的构建处理过程得到的感知地图简化了地图构成元素，只保留了在自动驾驶过程中需要感知的区域的信息，极大程度上减小了地图的数据量，在应用过程中便于感知地图的快速读取，另一方面，通过对感知区域进行编码处理，实现了对感兴趣区域中的高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类的有效标记，以简化感知信息获取时的数据处理过程。
在一个实施例中，如图3所示，待编码区域包括由携带有第一高程信息的第一路段和携带有第二高程信息的第二路段构成的高程差路段区域。对待编码区域进行编码处理包括步骤S310至S330。
S310，识别第一路段与第二路段的重叠区域。
S320，确定重叠区域对应的第一待编码区域，并根据重叠区域，确定第一路段中剔除重叠区域对应的第二待编码区域以及第二路段中剔除重叠区域对应的第三待编码区域。
S330，分别对第一待编码区域、第二待编码区域以及第三待编码区域进行编码处理。
高程是指某点沿铅垂线方向到绝对基面的距离。在一个实施例中，以高架桥为例，携带有第一高程信息的第一路段可以是指桥上路段，携带有第二高程信息的第二路段可以是指桥下路段。桥上路段和桥下路段具有部分水平位置相同，但高程数据不同的重叠区域，由于地图为平面图，如车辆在桥梁下方时，上面桥梁的路面不在其感知区域内，但在地图中无法区分桥上桥下的范围。为解决这一问题，首先根据第一路段的水平位置信息和第二路段中的水平位置信息，确定出水平位置信息相同的第一路段与第二路段的重叠区域，根据重叠区域的范围，确定第一路段中除重叠区域以外的第二待编码区域，以及第二路段中除重叠区域以外的第三待编码区域。其中，第二待编码区域和第三待编码区域可以是以重叠区域为中心的预设范围。例如，将第一路段中以重叠区域为边界，沿第一路段的两个不同延伸方向的50米范围标记为第二待编码区域。可以理解，这里的50米范围仅用于解释说明本实施例，在其他实施例中，延伸范围也可以是其他数据，在此不作限定。再例如，当桥上具有两个分离的双向车道，桥下具有一个未分离车道时，桥上双车道与桥下单车道具有两个重叠区域，则桥下的第三待编码区域处理沿第二路段的两个不同延伸方向的区域，还有两个重叠区域之间的区域也需要标记为第三待编码区域，以使得高程差路段区域中的所有路段均被标记，避免遗漏。通过对具有高程差路段的区域进行编码，可以在应用过程中，可以根据车辆的当前高程数据，确定对应的感兴趣区域，避免了重叠区域的数据干扰。
在一个实施例中，道路信息包括车道线；获取背景地图中的道路信息，确定道路信息对应的感兴趣区域包括：步骤S410至S430。
S410，基于车道线检测算法，识别背景地图中的车道线。
S420，根据车道线间的位置关系，确定多条车道线中的边缘车道线。
S430，根据边缘车道线，确定感兴趣区域。
车道检测算法是指通过对背景地图进行识别处理，确定背景地图中的车道线的算法，具体可以是SCNN算法，VPGNET算法，Lanenet算法等车道线检测算法中的一种。通过车道检测算法，可以识别出同一路面上各车道线，由于同一路面上可能具有多条车道，例如，四车道或是六车道等。对于大部分路段，同一路面上的各车道的位置关系为平行的，根据各车道之间的位置关系，可以确定出处于边缘位置的车道线，即最左侧或是最后侧的车道线，由边缘车道线构成的可通行范围，即为感兴趣区域。
在其中一个实施例中，获取背景地图中的道路信息，确定道路信息对应的感兴趣区域包括：获取背景地图中的路沿数据；根据路沿数据构成的可通行区域，确定感兴趣区域。
由于道路修建和维护过程中，并非所有的道路均具有车道线，通过获取背景地图中的路沿信息，同样可以确定该道路的可通行范围，由路沿数据构成的范围即为感兴趣区域。在实施例中，路沿数据可以是基于背景地图手动标注的数据，还可以是基于识别路沿石等参考物得到的数据。
在一个实施例中，车道信息包含车道线和路沿数据，获取背景地图中的道路信息，确定道路信息对应的感兴趣区域包括：基于车道线检测算法，识别背景地图中的车道线。根据车道线间的位置关系，确定多条车道线中的边缘车道线。确定未包含边缘车道线的道路位置，获取该道路位置的路沿信息，根据边缘车道线和路沿数据，确定感兴趣区域。
对于没有边缘车道线或是边缘车道线不明显的区域，可以用路沿数据来代替边缘车道线。在确定出边缘车道线之后，确定背景地图未包含边缘车道线的道路位置或是路段，对于该道路位置或路段，可以通过手动标记路沿或识别路沿石等参照物的方式获取到该道路位置的路沿数据，然后基于识别出的两条边缘车道线以及获取的路沿数据构成的范围即为感兴趣区域。基于感兴趣区域，可以构建得到基于背景地图的ROI(region of interest，感兴趣区域)地图。在其他实施例中，对于车道模糊等不明显的区域，可以利用路沿等信息手动标定的方式将感兴趣区域标定出来。
在其中一个实施例中，在背景地图中首先利用车道线检测算法将明显的车道线检测出来，边缘车道线之间的范围即为ROI区域，在车道线不明显的区域则手动标记其ROI区域，其中，ROI区域对应的象素的灰度值为255，得到基于背景地图的ROI地图，如图5所示，白色区域即为ROI区域。
在一个实施例中，如图6所示，获取待建图区域对应的背景地图包括步骤S610至S620。
S610，获取待建图区域的点云数据以及点云数据的定位信息。
S620，根据定位信息，将点云数据投影至待建图区域，得到背景地图。
点云数据可以通过车载的激光雷达扫描得到，定位信息可以根据设置与同一车辆的车载惯导定位系统得到。待建图区域是车辆的车载惯导定位系统扫描范围构成的区域。首先利用惯导定位信息计算该区域在水平面上的最大值和最小值，即X轴和Y轴的最大最小值Xmax，Xmin，Ymax，Ymin。点云数据包括反射强度值Pintensity，点云数据的定位信息包括Px，Py，Pz，将激光雷达采集的点云数据结合车载惯导定位系统的定位信息投影到世界坐标系，得到每个点云在世界坐标系下的数据信息P(Px，Py，Pz，Pintensity)，从而得到背景地图，通过点云数据和定位信息，可以获得待建图区域中的扫描数据，从而构建得到准确的背景地图。在其他实施例中，定位信息包括X轴、Y轴、Z轴，横滚角，航向角和俯仰角6个自由度的姿态数据。
在一个实施例中，如图7所示，根据定位信息，将点云数据投影至待建图区域，得到背景地图包括步骤S710至步骤S740。
S710，获取待建图区域对应的栅格图。
S720，根据定位信息，将点云数据投影至栅格图中的对应栅格。
S730，根据点云数据对应的反射强度值，计算每一栅格的平均反射强度值。
S740，根据平均反射强度值，构建背景地图。
在一个实施例中，根据X轴和Y轴的最大最小值Xmax，Xmin，Ymax，Ymin，确定待建图区域水平面上X轴和Y轴的范围Dx＝Xmax-Xmin，Dy＝Ymax-Ymin，进而对该水平区域进行栅格化，根据预设的栅格参数，如栅格间隔大小Ds确定X轴和Y轴方向上的栅格数m＝Dx/Ds，n＝Dy/Ds。然后将激光雷达点云数据结合定位信息投影到世界坐标系，得到每个点云在世界坐标系下的信息P(Px，Py，Pz，Pintensity)，进而根据定位信息确定该点云在栅格图中对应的栅格位置i＝(Px-Xmin)/Ds,j＝(Py-Ymin)/Ds)，将该栅格对应的反射强度值记为Intensity(i,j)＝Pintensity,点云数量记为number(i，j)＝1，对所有的点云进行投影处理，累计同一栅格中的各点云的总反射强度值和点云数量，最后用总反射强度值除以点云数量，计算该栅格的平均反射强度值。通过对待建图区域进行栅格化处理，并计算每个栅格平均反射强度值，可以减小背景地图中的参数数量，减小对背景地图进行后续处理的计算量，以提高处理效率。
在其中一个实施例中，获取待建图区域对应的栅格图包括：获取待建图区域在世界坐标系中对应的水平坐标区间。根据预设的栅格参数，将水平坐标区间进行栅格化处理，得到待建图区域对应的栅格图。
世界坐标系是一种绝对坐标系，在没有建立用户坐标系之前画面上所有点的坐标都是以该坐标系的原点来确定各自的位置的。基于世界坐标系，可以将所有的点云数据和定位数据都投影到同一个坐标系中，待建图区域在世界坐标系中的水平坐标区间是指扫描的区域边界在世界坐标系中的X轴和Y轴对应最大值和最小值Xmax，Xmin，Ymax，Ymin。预设的栅格参数可以是指栅格的间隔大小，例如10cm、20cm或是其它距离参数，也可以是栅格的数量等。基于预设的栅格参数，将水平坐标区间进行栅格化处理，将待建图区域划分为多个栅格，得到待建图区域对应的栅格图。通过对待建图区域进行栅格化处理，可以实现数据的集中处理，减小后续的计算处理量，提高处理效率。
在其中一个实施例中，根据平均反射强度值，构建背景地图包括：根据平均反射强度值，确定各栅格的灰度值，其中，各栅格灰度值对应的第一取值范围为灰度值取值范围的真子集。根据各栅格的灰度值，构建背景地图。对感兴趣区域进行编码处理，得到感知地图包括：确定感兴趣区域的灰度值，其中，感兴趣区域的灰度值对应的第二取值范围与第一取值范围的交集为空。根据背景地图中各灰度值所属的取值范围，对各灰度值进二值化处理，得到初始感知地图，其中，取值范围包括第一取值范围和第二取值范围，对初始感知地图中的感兴趣区域进行编码处理，得到感知地图。
在实施例中，以第一取值范围为[0，250]为例，若其中某个栅格的平均反射强度值对应的灰度值大于250，则将该栅格的灰度值标记为等于250，确保灰度值的最大值不超过250，每个栅格的平均反射强度值对应一个灰度值，得到由灰度值构成的背景地图。第一取值范围与第二取值范围构成灰度值的完整取值范围，灰度值的完整取值范围为[0,255]。若第一取值范围为[0，250]，则第二取值范围为(250，255]，由于构建的背景地图中的各区域的灰度值对应的取值范围为第一取值范围，在确定出背景地图中的感兴趣区域之后，将感兴趣区域的灰度值标记为从第二取值范围中选取的一个灰度值，例如从第二取值范围中选取的灰度值为255，将感兴趣区域对应范围的灰度值标记为255，灰度值255对应的显示结果为白色，通过灰度值处理可以得到基于背景地图的ROI地图，ROI地图中的白色区域即为ROI区域。然后，基于ROI地图得到二值图，二值图是指仅有两个不同数据构成的图像，例如黑白地图。具体来说，首先将ROI地图中各区域的灰度值进行二值化处理，例如，根据灰度值处于第一取值范围或是处于第二取值范围中进行二值化处理，举例来说灰度值大于250即为1，否则为0，从而得到基于ROI的二值图，该二值图为初始感知地图，初始感知地图中的1表示即为感兴趣区域即ROI区域，0为非感兴趣区域。
在一个应用实例中，车载惯导定位系统和激光雷达在待建图区域来回扫描，确保所有需要感知的区域被扫描到，此时得到车辆在待建图区域的定位信息和激光雷达对该待建图区域的扫面点云。具体来说，首先利用惯导定位信息计算该待建图区域在水平面上的最大值和最小值，定位信息包括车辆在世界坐标系下的位置信息，确定该区域水平面上在X轴和Y轴的对应范围构成的水平区域，进而对该水平区域进行栅格化，根据预设的栅格间隔大小Ds确定X轴和Y轴方向上的栅格数。然后将激光雷达点云数据结合定位信息投影到世界坐标系，得到每个点云在世界坐标系下的数据信息P(Px，Py，Pz，Pintensity)，进而根据位置信息确定该点在栅格图中对应的栅格位置，确定该栅格中的该点云对应的反射强度值，将所有的点云进行该处理，最后对每个栅格求反射强度均值，如该反射强度均值大于250，则将该栅格的反射强度均值标记为等于250，确保最大值不超过250，然后根据每个栅格对应的灰度值，构建得到背景地图。
在背景地图中，首先利用车道线检测算法将明显的车道线检测出来，对于车道线不明显或没有车道线的的区域则通过标记路沿数据来进行处理，根据检测出的车道线之间的位置关系，确定出边缘车道线，根据边缘车道线和路沿数据确定ROI区域。此时背景地图中的各区域的灰度值均为[0,250]然后，将ROI区域对应范围的灰度值标记为255，得到基于背景地图的ROI地图。
基于ROI地图进行二值化处理，首先根据ROI地图中灰度值的取值是否大于250，对各个灰度值进行二值化处理，像素值大于250即为1，否则为0，得到基于ROI的二值图。该二值图即为初始感知地图，1表示即为ROI区域，0表示非感兴趣区域，对于有高程差的位置如桥上桥下位置，桥下高程为h1，桥上高程为h2，此时如车辆在桥梁下方时，上面桥梁的路面不在其感知区域内，但二值图的ROI无法区分桥上桥下的范围，由此引入编码机制，如图8所示，桥上桥下的ROI分为3个编码区域，分别为1，2，3，每个编码区对应的灰度值不一样，编码为3的区域为公共区域，即无论此时车辆高度是多少都是需要注意的ROI区域，编码为1的区域为高程为h1的位置所需注意的ROI区域，编码为2的区域为高程为h2的位置所需注意的ROI区域。同时如果需要对红绿灯等区域进行标记，可在感知地图内需要感知红绿灯的路口做编码，将该路口区域编码为红绿等对应的编码号，再例如，对斑马线，导流区域等也可以进行相应的编码，最终对所有待编码区域进行编码得到感知地图。
应该理解的是，虽然图2-4、6-7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4、6-7中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图9所示，提供了一种感知地图构建装置，包括：背景地图获取模块910、感兴趣区域确定模块920、待编码区域获取模块930和编码处理模块940。其中：
背景地图获取模块910，用于获取待建图区域对应的背景地图。
感兴趣区域确定模块920，用于获取背景地图中的道路信息，确定道路信息对应的感兴趣区域。
待编码区域获取模块930，用于获取感兴趣区域中待编码区域，待编码区域包括高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类。
编码处理模块940，用于对待编码区域进行编码处理，得到感知地图。
在一个实施例中，待编码区域包括由携带有第一高程信息的第一路段和携带有第二高程信息的第二路段构成的高程差路段区域。编码处理模块还用于识别第一路段与第二路段的重叠区域。确定重叠区域对应的第一待编码区域，并根据重叠区域，确定第一路段中剔除重叠区域对应的第二待编码区域以及第二路段中剔除重叠区域对应的第三待编码区域。分别对第一待编码区域、第二待编码区域以及第三待编码区域进行编码处理。
在一个实施例中，道路信息包括车道线；感兴趣区域确定模块，还用于基于车道线检测算法，识别背景地图中的车道线；根据车道线间的位置关系，确定多条车道线中的边缘车道线；根据边缘车道线，确定感兴趣区域。
在一个实施例中，感兴趣区域确定模块，还用于获取背景地图中的路沿数据；根据路沿数据构成的可通行区域，确定感兴趣区域。。
在一个实施例中，背景地图获取模块，还用于获取待建图区域的点云数据以及点云数据的定位信息。根据定位信息，将点云数据投影至待建图区域，得到背景地图。
在一个实施例中，背景地图获取模块，还用于获取待建图区域对应的栅格图。根据定位信息，将点云数据投影至栅格图中的对应栅格。根据点云数据对应的反射强度值，计算每一栅格的平均反射强度值。根据平均反射强度值，构建背景地图。
在一个实施例中，背景地图获取模块，还用于获取待建图区域在世界坐标系中对应的水平坐标区间。根据预设的栅格参数，将水平坐标区间进行栅格化处理，得到待建图区域对应的栅格图。
在一个实施例中，背景地图获取模块，还用于根据平均反射强度值，构建背景地图包括：根据平均反射强度值，确定各栅格的灰度值，其中，各栅格灰度值对应的第一取值范围为灰度值取值范围的真子集。根据各栅格的灰度值，构建背景地图。
感知地图构建装置还用于确定感兴趣区域的灰度值，其中，感兴趣区域的灰度值对应的第二取值范围与第一取值范围的交集为空。根据背景地图中各灰度值所属的取值范围，对各灰度值进二值化处理，得到初始感知地图，其中，取值范围包括第一取值范围和第二取值范围，对初始感知地图中的感兴趣区域进行编码处理，得到感知地图。
上述感知地图构建装置，通过获取待建图区域对应的背景地图，再通过检测背景地图中的车道线来确定背景地图中的感兴趣区域，去除了其他非必要区域的数据，然后通过对感兴趣区域获取感兴趣区域中的待编码区域，对待编码区域进行编码处理，以得到可以基于编码信息进行感知应用的感知地图，准确区分出感知地图中的高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域。一方面，采用上述的构建处理过程得到的感知地图简化了地图构成元素，只保留了在自动驾驶过程中需要感知的区域的信息，极大程度上减小了地图的数据量，在应用过程中便于感知地图的快速读取，另一方面，通过对感知区域进行编码处理，实现了对感兴趣区域中的高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类的有效标记，以简化感知信息获取时的数据处理过程。
关于感知地图构建装置的具体限定可以参见上文中对于感知地图构建方法的限定，在此不再赘述。上述感知地图构建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结建图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储感知地图构建数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种感知地图构建方法。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取待建图区域对应的背景地图；
获取背景地图中的道路信息，确定道路信息对应的感兴趣区域；
获取感兴趣区域中待编码区域，待编码区域包括高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类；
对待编码区域进行编码处理，得到感知地图。
在一个实施例中，待编码区域包括由携带有第一高程信息的第一路段和携带有第二高程信息的第二路段构成的高程差路段区域。处理器执行计算机程序时还实现以下步骤：
识别第一路段与第二路段的重叠区域；
确定重叠区域对应的第一待编码区域，并根据重叠区域，确定第一路段中剔除重叠区域对应的第二待编码区域以及第二路段中剔除重叠区域对应的第三待编码区域；
分别对第一待编码区域、第二待编码区域以及第三待编码区域进行编码处理。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
基于车道线检测算法，识别背景地图中的车道线；
根据车道线间的位置关系，确定多条车道线中的边缘车道线；
根据边缘车道线，确定感兴趣区域。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取背景地图中的路沿数据；
根据路沿数据构成的可通行区域，确定感兴趣区域。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取待建图区域的点云数据以及点云数据的定位信息；
根据定位信息，将点云数据投影至待建图区域，得到背景地图。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取待建图区域对应的栅格图；
根据定位信息，将点云数据投影至栅格图中的对应栅格；
根据点云数据对应的反射强度值，计算每一栅格的平均反射强度值；
根据平均反射强度值，构建背景地图。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取待建图区域在世界坐标系中对应的水平坐标区间；
根据预设的栅格参数，将水平坐标区间进行栅格化处理，得到待建图区域对应的栅格图。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据平均反射强度值，确定各栅格的灰度值，其中，各栅格灰度值对应的第一取值范围为灰度值取值范围的真子集；
根据各栅格的灰度值，构建背景地图；
确定感兴趣区域的灰度值，其中，感兴趣区域的灰度值对应的第二取值范围与第一取值范围的交集为空；
根据背景地图中各灰度值所属的取值范围，对各灰度值进二值化处理，得到初始感知地图，其中，取值范围包括第一取值范围和第二取值范围；
对初始感知地图中的感兴趣区域进行编码处理，得到感知地图。
上述用于实现感知地图构建方法的计算机设备，通过获取待建图区域对应的背景地图，再通过检测背景地图中的车道线来确定背景地图中的感兴趣区域，去除了其他非必要区域的数据，然后通过对感兴趣区域获取感兴趣区域中的待编码区域，对待编码区域进行编码处理，以得到可以基于编码信息进行感知应用的感知地图，准确区分出感知地图中的高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域。一方面，采用上述的构建处理过程得到的感知地图简化了地图构成元素，只保留了在自动驾驶过程中需要感知的区域的信息，极大程度上减小了地图的数据量，在应用过程中便于感知地图的快速读取，另一方面，通过对感知区域进行编码处理，实现了对感兴趣区域中的高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类的有效标记，以简化感知信息获取时的数据处理过程。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取待建图区域对应的背景地图；
获取背景地图中的道路信息，确定道路信息对应的感兴趣区域；
获取感兴趣区域中待编码区域，待编码区域包括高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类；
对待编码区域进行编码处理，得到感知地图。
在一个实施例中，待编码区域包括由携带有第一高程信息的第一路段和携带有第二高程信息的第二路段构成的高程差路段区域。计算机程序被处理器执行时还实现以下步骤：
识别第一路段与第二路段的重叠区域；
确定重叠区域对应的第一待编码区域，并根据重叠区域，确定第一路段中剔除重叠区域对应的第二待编码区域以及第二路段中剔除重叠区域对应的第三待编码区域；
分别对第一待编码区域、第二待编码区域以及第三待编码区域进行编码处理。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取背景地图中的路沿数据；
根据路沿数据构成的可通行区域，确定感兴趣区域。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取待建图区域的点云数据以及点云数据的定位信息；
根据定位信息，将点云数据投影至待建图区域，得到背景地图。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取待建图区域对应的栅格图；
根据定位信息，将点云数据投影至栅格图中的对应栅格；
根据点云数据对应的反射强度值，计算每一栅格的平均反射强度值；
根据平均反射强度值，构建背景地图。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取待建图区域在世界坐标系中对应的水平坐标区间；
根据预设的栅格参数，将水平坐标区间进行栅格化处理，得到待建图区域对应的栅格图。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据平均反射强度值，确定各栅格的灰度值，其中，各栅格灰度值对应的第一取值范围为灰度值取值范围的真子集；
根据各栅格的灰度值，构建背景地图；
确定感兴趣区域的灰度值，其中，感兴趣区域的灰度值对应的第二取值范围与第一取值范围的交集为空；
根据背景地图中各灰度值所属的取值范围，对各灰度值进二值化处理，得到初始感知地图，其中，取值范围包括第一取值范围和第二取值范围；
对初始感知地图中的感兴趣区域进行编码处理，得到感知地图。
上述用于实现感知地图构建方法的计算机可读存储介质，通过获取待建图区域对应的背景地图，再通过检测背景地图中的车道线来确定背景地图中的感兴趣区域，去除了其他非必要区域的数据，然后通过对感兴趣区域获取感兴趣区域中的待编码区域，对待编码区域进行编码处理，以得到可以基于编码信息进行感知应用的感知地图，准确区分出感知地图中的高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域。一方面，采用上述的构建处理过程得到的感知地图简化了地图构成元素，只保留了在自动驾驶过程中需要感知的区域的信息，极大程度上减小了地图的数据量，在应用过程中便于感知地图的快速读取，另一方面，通过对感知区域进行编码处理，实现了对感兴趣区域中的高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类的有效标记，以简化感知信息获取时的数据处理过程。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种感知地图构建方法，其特征在于，所述方法包括：
获取待建图区域对应的背景地图；
获取所述背景地图中的道路信息，确定所述道路信息对应的感兴趣区域；
获取所述感兴趣区域中待编码区域，所述待编码区域包括高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类；
对所述待编码区域进行编码处理，得到感知地图。
2.根据权利要求1所述的方法，其特征在于，所述待编码区域包括由携带有第一高程信息的第一路段和携带有第二高程信息的第二路段构成的高程差路段区域；
所述对所述待编码区域进行编码处理包括：
识别所述第一路段与所述第二路段的重叠区域；
确定所述重叠区域对应的第一待编码区域，并根据所述重叠区域，确定所述第一路段中剔除所述重叠区域对应的第二待编码区域以及所述第二路段中剔除所述重叠区域对应的第三待编码区域；
分别对所述第一待编码区域、所述第二待编码区域以及所述第三待编码区域进行编码处理。
3.根据权利要求1所述的方法，其特征在于，所述道路信息包括车道线；所述获取所述背景地图中的道路信息，确定所述道路信息对应的感兴趣区域包括：
基于车道线检测算法，识别所述背景地图中的车道线；
根据车道线间的位置关系，确定多条车道线中的边缘车道线；
根据所述边缘车道线，确定感兴趣区域。
4.根据权利要求1所述的方法，其特征在于，所述获取所述背景地图中的道路信息，确定所述道路信息对应的感兴趣区域包括：
获取所述背景地图中的路沿数据；
根据所述路沿数据构成的可通行区域，确定感兴趣区域。
5.根据权利要求1所述的方法，其特征在于，所述获取待建图区域对应的背景地图包括：
获取待建图区域的点云数据以及所述点云数据的定位信息；
根据所述定位信息，将所述点云数据投影至所述待建图区域，得到背景地图。
6.根据权利要求5所述的方法，其特征在于，所述根据所述定位信息，将所述点云数据投影至所述待建图区域，得到背景地图包括：
获取所述待建图区域对应的栅格图；
根据所述定位信息，将所述点云数据投影至所述栅格图中的对应栅格；
根据所述点云数据对应的反射强度值，计算每一栅格的平均反射强度值；
根据所述平均反射强度值，构建背景地图。
7.根据权利要求6所述的方法，其特征在于，所述获取所述待建图区域对应的栅格图包括：
获取所述待建图区域在世界坐标系中对应的水平坐标区间；
根据预设的栅格参数，将所述水平坐标区间进行栅格化处理，得到所述待建图区域对应的栅格图。
8.根据权利要求6所述的方法，其特征在于，所述根据所述平均反射强度值，构建背景地图包括：
根据所述平均反射强度值，确定各栅格的灰度值，其中，各所述栅格灰度值对应的第一取值范围为灰度值取值范围的真子集；
根据各所述栅格的灰度值，构建背景地图；
所述对所述感兴趣区域进行编码处理，得到感知地图包括：
确定所述感兴趣区域的灰度值，其中，所述感兴趣区域的灰度值对应的第二取值范围与所述第一取值范围的交集为空；
根据所述背景地图中各灰度值所属的取值范围，对各所述灰度值进二值化处理，得到初始感知地图，其中，所述取值范围包括所述第一取值范围和所述第二取值范围；
对所述初始感知地图中的所述感兴趣区域进行编码处理，得到感知地图。
9.一种感知地图构建装置，其特征在于，所述装置包括：
背景地图获取模块，用于获取待建图区域对应的背景地图；
感兴趣区域确定模块，用于获取所述背景地图中的车道线和路沿数据，根据所述车道线和所述路沿数据，确定感兴趣区域；
待编码区域获取模块，用于获取所述感兴趣区域中待编码区域，所述待编码区域包括高程差路段区域、交通信号灯指示区域、人行横道区域以及导流区域中的至少一类；
编码处理模块，用于对所述待编码区域进行编码处理，得到感知地图。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911291831.8A CN112988922A (zh) | 2019-12-16 | 2019-12-16 | 感知地图构建方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911291831.8A CN112988922A (zh) | 2019-12-16 | 2019-12-16 | 感知地图构建方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112988922A true CN112988922A (zh) | 2021-06-18 |
Family
ID=76343093
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911291831.8A Pending CN112988922A (zh) | 2019-12-16 | 2019-12-16 | 感知地图构建方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112988922A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113587937A (zh) * | 2021-06-29 | 2021-11-02 | 阿波罗智联(北京)科技有限公司 | 车辆的定位方法、装置、电子设备和存储介质 |
| CN114228714A (zh) * | 2022-02-28 | 2022-03-25 | 北京清研宏达信息科技有限公司 | 一种brt的公交纵向自动驾驶控制方法及控制系统 |
| WO2023040437A1 (zh) * | 2021-09-18 | 2023-03-23 | 北京京东乾石科技有限公司 | 路牙确定方法、装置、设备以及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008115175A1 (en) * | 2007-03-19 | 2008-09-25 | Richard Alan Altes | Beam design for synthetic aperture position/velocity estimation |
| CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆车道级导航地图的生成系统及方法 |
| CN108985230A (zh) * | 2018-07-17 | 2018-12-11 | 深圳市易成自动驾驶技术有限公司 | 车道线检测方法、装置及计算机可读存储介质 |
| CN108981726A (zh) * | 2018-06-09 | 2018-12-11 | 安徽宇锋智能科技有限公司 | 基于感知定位监测的无人车语义地图建模及构建应用方法 |
| CN110470311A (zh) * | 2019-07-08 | 2019-11-19 | 浙江吉利汽车研究院有限公司 | 一种地图生成方法、装置及计算机存储介质 |
| CN110502973A (zh) * | 2019-07-05 | 2019-11-26 | 同济大学 | 一种基于车载激光点云的道路标线自动化提取和识别方法 |
-
2019
- 2019-12-16 CN CN201911291831.8A patent/CN112988922A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008115175A1 (en) * | 2007-03-19 | 2008-09-25 | Richard Alan Altes | Beam design for synthetic aperture position/velocity estimation |
| CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆车道级导航地图的生成系统及方法 |
| CN108981726A (zh) * | 2018-06-09 | 2018-12-11 | 安徽宇锋智能科技有限公司 | 基于感知定位监测的无人车语义地图建模及构建应用方法 |
| CN108985230A (zh) * | 2018-07-17 | 2018-12-11 | 深圳市易成自动驾驶技术有限公司 | 车道线检测方法、装置及计算机可读存储介质 |
| CN110502973A (zh) * | 2019-07-05 | 2019-11-26 | 同济大学 | 一种基于车载激光点云的道路标线自动化提取和识别方法 |
| CN110470311A (zh) * | 2019-07-08 | 2019-11-19 | 浙江吉利汽车研究院有限公司 | 一种地图生成方法、装置及计算机存储介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113587937A (zh) * | 2021-06-29 | 2021-11-02 | 阿波罗智联(北京)科技有限公司 | 车辆的定位方法、装置、电子设备和存储介质 |
| WO2023040437A1 (zh) * | 2021-09-18 | 2023-03-23 | 北京京东乾石科技有限公司 | 路牙确定方法、装置、设备以及存储介质 |
| CN114228714A (zh) * | 2022-02-28 | 2022-03-25 | 北京清研宏达信息科技有限公司 | 一种brt的公交纵向自动驾驶控制方法及控制系统 |
| CN114228714B (zh) * | 2022-02-28 | 2022-05-27 | 北京清研宏达信息科技有限公司 | 一种brt的公交纵向自动驾驶控制方法及控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109470254B (zh) | 地图车道线的生成方法、装置、系统及存储介质 | |
| CN111291676B (zh) | 一种基于激光雷达点云和相机图像融合的车道线检测方法及装置和芯片 | |
| CN108960183B (zh) | 一种基于多传感器融合的弯道目标识别系统及方法 | |
| CN108303721B (zh) | 一种车辆定位方法及系统 | |
| US8751154B2 (en) | Enhanced clear path detection in the presence of traffic infrastructure indicator | |
| CN109791052B (zh) | 使用数字地图对点云的数据点进行分类的方法和系统 | |
| US8611585B2 (en) | Clear path detection using patch approach | |
| CN110210280B (zh) | 一种超视距感知方法、系统、终端和存储介质 | |
| US8699754B2 (en) | Clear path detection through road modeling | |
| RU2571871C2 (ru) | Способ определения границ дороги, формы и положения объектов, находящихся на дороге, и устройство для его выполнения | |
| US10836356B2 (en) | Sensor dirtiness detection | |
| CN112740225B (zh) | 一种路面要素确定方法及装置 | |
| JPWO2007083494A1 (ja) | 図形認識装置、図形認識方法および図形認識プログラム | |
| CN112988922A (zh) | 感知地图构建方法、装置、计算机设备和存储介质 | |
| CN111091037A (zh) | 用于确定驾驶信息的方法和设备 | |
| US20110019922A1 (en) | System and method for defining a search window | |
| US11555928B2 (en) | Three-dimensional object detection with ground removal intelligence | |
| CN117292358A (zh) | 目标识别方法、装置、电子设备及计算机可读存储介质 | |
| CN116935344A (zh) | 道路边界多边形轮廓构建方法及系统 | |
| US20230266469A1 (en) | System and method for detecting road intersection on point cloud height map | |
| CN117315024A (zh) | 远距离目标的定位方法、装置和电子设备 | |
| Tarel et al. | 3d road environment modeling applied to visibility mapping: an experimental comparison | |
| CN118057124A (zh) | 一种自动驾驶路口路径规划方法及装置、非暂时性计算机可读存储介质 | |
| Eckelmann et al. | Empirical Evaluation of a Novel Lane Marking Type for Camera and LiDAR Lane Detection. | |
| JP2022121579A (ja) | 地図データのデータ構造 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210618 |