1.本发明属于自动驾驶技术领域,具体涉及一种高精地图生成方法及系统。
背景技术:
2.导航路径规划是自动驾驶研究中的一项重要技术。随着自动驾驶技术的快速发展,导航路径的规划越来越依赖于高精地图,高精地图的精度越高,导航路径规划越精细。因此,高精地图已成为实现无人驾驶和智慧交通不可或缺的重要一环。
3.目前,现有的高精地图数据采集方法通常需要通过人工驾驶数据采集车辆按照同一路线反复行驶多次,然后得到高精地图采集数据,最终绘制出高精地图,使用者加载地图后结合定位装置进行导航。
4.然而,现有的车辆采集方式比较耗费人力物力,地图数据采集到实现地图更新的周期较长,并且存在勘测盲区,从而导致生成的地图不够准确。此外,当路面出现突发状况,比如出现动物入侵、物品抛洒、泥石流、道路塌方等情况,造成部分车道无法正常通行时,现有的方法生成的地图不能及时响应,提前告知即将经过该路段的车辆,同时针对道路拥堵、排队的情况也不能快速反馈给用户。而自动驾驶车辆对道路状态信息要求精度高,如果反馈不及时,则不能提前预警,这将对道路行车安全造成极大的威胁。
技术实现要素:
5.为了解决现有技术中存在的上述问题,本发明提供了一种高精地图生成方法及系统。
6.本发明要解决的技术问题通过以下技术方案实现:
7.一种高精地图生成方法,包括:
8.通过设置于待测道路上的装置采集待测道路各个路段的状态信息;
9.对每个路段的状态信息进行融合处理,得到若干局部高精地图数据;
10.对所述若干局部高精地图数据进行拼接处理,得到全局高精地图数据。
11.在本发明的一个实施例中,还包括:
12.根据所述全局高精地图数据对预先存储的原有全局高精地图进行更新。
13.在本发明的一个实施例中,所述路段的状态信息包括道路标志信息、交通状态信息、异常路面信息、气候信息以及道路交通异常事件信息。
14.在本发明的一个实施例中,根据所述全局高精地图数据对预先存储的原有全局高精地图进行更新,包括:
15.将所述当前时刻全局高精地图数据与预先存储的原有全局高精地图进行对比分析,得到两者的不同点;
16.将上述不同点在原有全局高精地图上进行叠加修正,以实现对原有全局高精地图的更新。
17.在本发明的一个实施例中,还包括:在进行全局高精地图更新时,在得到的全局高
精地图上标记危险信息。
18.本发明的另一个实施例还提供了一种高精地图生成系统,包括:
19.路侧感知模块,设置于待测道路上,用于采集待测道路各个路段的状态信息;
20.数据融合模块,连接所述路侧感知模块,用于对每个路段的状态信息进行融合处理,得到若干局部高精地图数据;
21.地图生成模块,连接所述数据融合模块,用于对所述若干局部高精地图数据进行拼接处理,得到全局高精地图数据。
22.在本发明的一个实施例中,该系统还包括:
23.地图更新模块,连接所述地图生成模块,用于根据所述全局高精地图数据对预先存储的原有全局高精地图进行更新。
24.在本发明的一个实施例中,所述路侧感知模块包括摄像头和雷达,所述摄像头和雷达分别从不同维度采集各个路段的状态信息。
25.在本发明的一个实施例中,所述地图更新模块包括:
26.比较单元,将所述当前时刻全局高精地图数据与预先存储的原有全局高精地图进行对比分析,得到两者的不同点;
27.更新单元,用于将上述不同之处在原有全局高精地图上进行叠加修正,以实现对原有全局高精地图的更新。
28.在本发明的一个实施例中,所述地图更新模块还包括:
29.标记单元,用于在进行全局高精地图更新时,在得到的全局高精地图上标记危险信息。
30.本发明的有益效果:
31.1、本发明提供的高精地图生成方法通过设置于待测道路上的装置实时采集道路状态信息数据,并对采集的数据进行融合,最终形成高精地图数据,相较于传统的车辆采集方式,极大的降低了采集数据所需要的时间,为自动驾驶车辆提供更加及时、可靠、准确的高精地图信息,保障了行驶安全;
32.2、本发明提供的高精地图生成方法通过对生成的高精地图进行实时更新,并及时标记危险信息,有效避免了由于高精地图数据更新不及时、数据信息不准确而造成的,交通事故发生或出行不便利的问题,减少或避免了使用专用的高精地图测量车以及人工二次处理生成的高精地图的成本费用;
33.3、本发明提供的高精地图生成方法可根据实际需要将用于采集路段状态信息的装置任意设置在所需的路段,极大地避免甚至消除了勘测盲区,进一步提升了生成地图的准确度。
34.以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
35.图1是本发明实施例提供的一种高精地图生成方法的流程示意图;
36.图2是本发明实施例提供的一种高精地图生成系统的结构框图。
具体实施方式
37.下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
38.实施例一
39.请参见图1,图1是本发明实施例提供的一种高精地图生成方法的流程示意图,具体包括:
40.s1:通过设置于待测道路上的装置采集待测道路各个路段的状态信息。
41.具体地,本实施例可以根据实际情况分别对某一待测道路的多个路段进行状态信息采集。例如,对地形复杂或者人流量多的路段设置多个采集装置进行密集采集,对道路平坦,周围环境简单的路段进行简单采集。此外,还可以根据需要设置采集周期,例如,在行车高峰期进行密集采集等。
42.本实施例提供的高精地图的生成方法可根据实际需要将用于采集路段状态信息的装置任意设置在所需的路段,极大地避免甚至消除了勘测盲区,进一步提升了生成地图的准确度。
43.进一步地,为了增加样本,以尽可能地反应真实的道路状态信息,还可以从不同维度进行采样,例如可以使用摄像头进行图像信息采集,同时使用雷达系统进行三维点云数据采集,或者采用其他传感器进行诸如温度、湿度等信息的采集。
44.在本实施例中,路段的状态信息包括道路标志信息、交通状态信息、异常路面信息、气候信息以及道路交通异常事件信息。其中,道路标志信息至少包括:交通标志信息、交通信号灯信息、车道线数据信息;交通状态信息包括:畅通、轻度拥堵、中度拥堵、重度拥堵信息;异常路面信息至少包括:路面结冰、路面塌陷、路面污染;道路交通异常事件信息包括:有无群体性事件、有无危险动物、有无抛洒物、有无临时性交通管制、有无道路养护施工或其它影响正常道路通行的危险情况出现,群体性事件包括:集会、游行、示威、恐怖暴力活动等,生成包含当前道路段的道路标志信息、交通状态信息、异常路面信息、气候信息以及道路交通异常事件信息的雷达数据和视频数据两个维度的原始数据信息。
45.s2:对每个路段的状态信息进行融合处理,得到若干局部高精地图数据。
46.在步骤1得到若干不同路段的状态信息后,需要实时的对每个路段的状态信息进行融合处理,得到当前路段的高精地图数据,又称局部高精地图数据。
47.进一步地,本实施例通过智能算法将不同维度得到的数据进行融合,生成一个包含当前路段的道路标志信息、交通状态信息、异常路面信息、气候信息以及道路交通异常事件信息的初始高精地图数据。
48.下面以融合雷达系统和摄像头系统采集的数据为例,对步骤s2进行详细说明。
49.首先雷达系统和摄像头系统分别针对观测路段收集数据,然后对各传感器的输出数据进行特征提取与模式识别处理,并将目标按类别进行准确关联,最后利用融合算法将同一目标的所有传感器数据进行整合。
50.具体地,采取图像融合策略,即以视觉为主体,将雷达系统输出的整体信息进行图像特征转化,然后与摄像头系统的图像输出进行融合。具体涉及空间融合与时间融合。建立雷达坐标系、三维世界坐标系、摄像头坐标系、图像坐标系和像素坐标系之间的坐标转换关系,将雷达坐标系下的测量点通过坐标系转换到摄像头对应的像素坐标系下即可实现两者
的空间融合;两者在时间上同步采集数据,可实现时间的融合,以摄像头采样速率为基准,摄像头每采一帧图像,选取毫米波雷达上一帧缓存的数据,即完成共同采样一帧雷达与视觉融合的数据,从而保证了雷达数据和摄像头数据时间上的同步。
51.s3:对若干局部高精地图数据进行拼接处理,得到全局高精地图数据。
52.具体地,对得到的若干局部高精地图数据进行整合分析,得到一个反应当前时刻完整道路信息的全局高精地图数据。
53.更具体地,首先对多个局部高精地图的重合部分使用sift特征点匹配算法进行特征点的提取和匹配,得到若干匹配点对,并移除错误匹配。然后使用ransac算法和匹配的特征来拟合图像变换矩阵,通过图像变换矩阵来对图像进行仿射变换。最后图像拼接,将重叠部分融合,由此得到全局高精地图。
54.本实施例提供的高精地图的生成方法通过设置于待测道路上的装置实时采集道路状态信息数据,并对采集的数据进行融合,最终形成高精地图数据,相较于传统的车辆采集方式,极大的降低了采集数据所需要的时间,为自动驾驶车辆提供更加及时、可靠、准确的高精地图信息,保障了行驶安全。
55.进一步地,在步骤s3之后,还包括:
56.s4:根据全局高精地图数据对预先存储的原有全局高精地图进行更新。
57.由于待测道路的环境是随时变化的,因此,需要定期的采集各个路段的状态信息,并据此进行全局高精地图的更新,具体的更新周期可由数据采集周期确定
58.具体地,步骤s4包括:
59.s41:将当前时刻全局高精地图数据与预先存储的原有全局高精地图进行对比分析,找出两者不同点。
60.s42:将上述不同点在原有全局高精地图上进行叠加修正,以实现对原有全局高精地图的更新。
61.分别从当前时刻全局高精地图和预先存储的原有全局高精地图中提取多个目标元素的位置信息,对两者的位置信息进行差分对比,获得每个目标元素位置对应的偏差,若该位置偏差数值大于预设比例阈值,则根据位置偏差数值确定待更新的目标元素位置,进而基于新的位置信息对原有全局高精地图数据进行更新。
62.需要说明的是,在进行全局高精地图更新时,还需要在得到的全局高精地图上标记危险信息。
63.例如,在进行对比更新的过程中,标记单元通过对多个待更新的目标元素进行图像识别分析,发现有道路坍塌或者突发车祸这种严重影响后续车辆通行的危险事件,标记单元就会生成危险预警,并在地图上进行危险标记。
64.至此,得到最新的全局高精地图。将该带有危险标记的最新的高精地图上传至云平台,再由云平台转发到各个自动驾驶汽车供其调用,从而有效避免了由于高精地图数据更新不及时、数据信息不准确而造成的,交通事故发生或出行不便利的问题,提高了自动驾驶的行车安全性;此外,还减少或避免了使用专用的高精地图测量车以及人工二次处理生成的高精地图的成本费用。
65.在本发明的另一个实施例中,还可以直接在每次拼接处理后得到的全局高精地图上标注危险信息并上传上传至云平台,再由云平台转发到各个自动驾驶汽车供其调用。
66.此外,还可以将更新后得到的最新的高精地图存入到系统数据库中替换原来的高精地图,并用于系统不断地自我更新与完善,及时调整当前道路段发生的变化,使生成的全新高精地图的数据更加准确,精度更高,更加适合自动驾驶车辆使用。
67.实施例二
68.在上述实施例一的基础上,本实施例提供了一种高精地图生成系统,其可用于实现上述实施例一提供的方法步骤。
69.具体地,请参见图2,图2是本发明实施例提供的一种高精地图生成系统的结构框图,其包括:
70.路侧感知模块1,设置于待测道路上,用于采集待测道路各个路段的状态信息;
71.数据融合模块2,连接路侧感知模块1,用于对每个路段的状态信息进行融合处理,得到若干局部高精地图数据;
72.地图生成模块3,连接数据融合模块2,用于对若干局部高精地图数据进行拼接处理,得到全局高精地图数据。
73.地图更新模块4,连接地图生成模块3,用于根据全局高精地图数据对预先存储的原有全局高精地图进行更新。
74.在本实施例中,路侧感知模块1包括摄像头11和雷达12,摄像头11和雷达12分别从不同维度采集各个路段的状态信息。
75.进一步地,地图更新模块4包括:
76.比较单元41,用于将所述当前时刻全局高精地图数据与预先存储的原有全局高精地图进行对比分析,得到两者的不同点;
77.更新单元42,用于将上述不同点在原有全局高精地图上进行叠加修正,以实现对原有全局高精地图的更新。
78.本实施例提供的高精地图生成系统工作过程如下:
79.密集部署在道路旁的路侧感知模块,实时采集当前道路段的所有道路标志信息、交通状态信息、异常路面信息、气候信息以及道路交通异常事件信息。路侧感知模块将采集到的数据传送至数据融合模块,数据融合模块将雷达数据和视频数据进行融合后生成局部高精地图数据,并将其传输到地图生成模块,地图生成模块首先将接收到的所有局部高精地图进行融合,生成一个反应当前时刻完整道路信息的高精地图数据,再将这个反应当前时刻完整道路信息的高精地图数据与系统内存储的此条道路原有高精地图进行对比分析,将变化之处在此条道路原有高精地图上叠加修正,生成全新的高精地图。
80.进一步地,地图更新模块4还包括:
81.标记单元43,用于在进行全局高精地图更新时,在得到的全局高精地图上标记危险信息。
82.具体地,当某一道路段突然发生车祸或者其他危险事件影响到正常道路通行时,路侧感知模块会快速采集到危险信息数据,经过数据融合模块进行融合后发送至地图生成模块,并在新的高精地图上对危险信息进行标记,将带有标记的高精地图上传至云平台,再由云平台转发到各个自动驾驶汽车供其调用,从而使得即将经过此路段的自动驾驶汽车进行路径重规划,避免造成交通拥堵或者新的车祸发生。
83.以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定
本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
转载请注明原文地址:https://win.8miu.com/read-250369.html