本发明专利技术实施例公开了一种高精地图数据的处理方法和装置,该方法包括:沿目标轨迹对地图数据进行至少两次采集,以分别获取至少两次原始地图数据;分别识别所述原始地图数据中的物体,并提取物体特征;将各所述原始地图数据中的物体特征进行匹配;将匹配物体特征的物体作为参照物,将各所述原始地图数据进行融合处理。本发明专利技术实施例通过识别原始地图数据中的物体,并提取物体特征,进而将各原始地图数据中的物体特征进行匹配并将匹配后得到的物体作为参照物,利用该参照物对原始地图数据进行融合处理,解决了地图图像中的物体出现错位的问题,去除了地图图像的重影问题,提高了地图图像的清晰度。
【技术实现步骤摘要】
本专利技术实施例涉及地图数据处理技术,尤其涉及一种高精地图数据的处理方法和装置。
技术介绍
随着自驾出行探亲、探险和旅游的用户越来越多,当用户去往自己不熟悉的目的地时,便会依赖于利用智能终端进行地图查询,用户可以在智能终端中通过输入目的地对出行路线进行查看和选择,地图的使用在很大程度上方便了人们的生活。目前,形成地图图像之前,对地图图像数据的采集一般利用惯性测量单元(IntertialMeasurementUint,IMU)、全球定位系统(GlobalPositioningSystem,GPS)或者光探测与测量(LightDetectionAndRanging,LIDAR)等多种工具来完成,再将数据进行融合处理,形成地图数据。IMU主要包括陀螺仪和加速度计两部分,该两部分直接影响IMU的测量图像数据的精度。其中陀螺仪主要测量运动物体的角速度信息,加速度计主要测量运动物体的加速度信息,IMU根据所测信息计算得到运动物体的运动形态。GPS主要包括空间星座、地面监控和用户设备三部分,该三部分直接影响GPS获得的图像数据的精度。其中,空间星座一般由24颗卫星组成,用于实时测量地面物体的图像数据,地面监控接收空间星座的卫星发送的该卫星测量得到的物体的地图数据,用户设备对该物体的地图数据进行计算并得到物体的位置信息等。LIDAR主要利用IMU和GPS进行激光扫描,其所测得的数据为点云数据,即所测得的数据为物体表面模型的一系列离散点,该点云数据中包括物体的空间三维信息和激光强度信息。LIDAR中的传感器将激光束发射到地面或者物体表面,激光束遇到障碍物发生发射,激光束反射的能量被该传感器记录并作为激光强度信息,并且利用该激光强度信息可以计算得到激光束的反射率。通常为了保证测量得到的地图数据的多样性和全面性,利用上述工具对获得地图数据的采集轨迹进行多次采集。地图数据采集结束后,利用GPS或IMU对采集得到的多次相应地图数据进行关联,最终得到高精地图。然而,现有技术存在以下缺陷,在利用GPS或IMU对采集得到的多次相应的地图数据进行关联时,由于工具本身的测量和计算精度的限制,使得关联后得到的地图图像中的物体出现错位,导致用户看到的地图图像中的物体有重影,严重影响用户的使用体验。
技术实现思路
有鉴于此,本专利技术实施例提供一种高精地图数据的处理方法和装置,以实现解决对多次采集的图像数据进行关联时出现的地图图像中的物体错位和重影的问题。一方面,本专利技术实施例提供了一种高精地图数据的处理方法,该方法包括:沿目标轨迹对地图数据进行至少两次采集,以分别获取至少两次原始地图数据;分别识别所述原始地图数据中的物体,并提取物体特征;将各所述原始地图数据中的物体特征进行匹配;将匹配物体特征的物体作为参照物,将各所述原始地图数据进行融合处理。另一方面,本专利技术实施例还提供了一种高精地图数据的处理装置,该装置包括:采集模块,用于沿目标轨迹对地图数据进行至少两次采集,以分别获取至少两次原始地图数据;识别模块,用于分别识别所述原始地图数据中的物体,并提取物体特征;匹配模块,用于将各所述原始地图数据中的物体特征进行匹配;融合处理模块,用于将匹配物体特征的物体作为参照物,将各所述原始地图数据进行融合处理。本专利技术实施例提供的技术方案,通过识别原始地图数据中的物体,并提取物体特征,进而将各原始地图数据中的物体特征进行匹配并将匹配后得到的物体作为参照物,利用该参照物对原始地图数据进行融合处理,解决了地图图像中的物体出现错位的问题,去除了地图图像的重影问题,提高了地图图像的清晰度。附图说明图1为本专利技术实施例一提供的一种高精地图数据的处理方法的流程图;图2为本专利技术实施例二提供的最小外包盒的三位坐标系示意图;图3为本专利技术实施例三提供的一种高精地图数据的处理装置的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本专利技术,而非对本专利技术的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的一种高精地图数据的处理方法的流程图。该方法可以由高精地图数据的处理装置执行,其中该装置可由软件和/或硬件实现,并一般可集成在具有图像数据处理能力的服务器中。参见图1,该方法具体包括如下:S101、沿目标轨迹对地图数据进行至少两次采集,以分别获取至少两次原始地图数据。在上述操作中,所述目标轨迹可以指的是进行地图数据采集的采集车、采集航模或者采集机器人等采集工具的采集路线,该路线可以是人为预先设定并存储在上述采集工具中的,也可以是采集工具根据人为输入的采集起始点和终止点自行确定的较佳的采集路线。通常,采集工具在对目标轨迹周围物体的地图数据进行采集时,不能保证一次完成所有物体的地图数据的完整采集,为了保证采集得到的目标轨迹周围物体的地图数据的多样性和全面性,一般情况下,采集工具可以对同一采集轨迹周围物体的地图数据进行至少两次采集。这样设置的好处是,通过对多次采集中得到的同一物体的地图数据进行融合处理,可以使得该物体尽可能多的信息呈现在地图中,提升用户的使用体验。在此,需要进一步说明的是,采集工具中至少包括IMU、GPS或LIDAR采集方式中的一种。采集工具沿目标轨迹对周围物体的地图数据进行采集,得到相应物体的点云数据和图像数据。S102、分别识别所述原始地图数据中的物体,并提取物体特征。上述操作中,在地图数据采集完毕之后,利用采集工具对地图数据进行处理,首先利用采集工具识别各次采集得到的原始地图数据中的动态物体或静态物体,例如根据采集得到的原始地图数据,IMU可以计算出动态物体的运动形态,LIDAR可以计算出静态物体的形貌特征或者结构特征。识别到原始地图数据中的物体后,提取不同物体的特征。优选的,对于动态物体而言,可以提取其单位时间内移动的速度和/或加速度等特征;对于静态物体而言,可以提取其结构特征、重心特征和/或形貌特征等。优选是采集静态物体的物体特征,以便于作为参照特征。在此,需要说明的是,对各次原始地图数据中的物体进行识别时,可以选择性地对具有标志性的物体进行识别,也可以对全部物体均进行识别。在本实施例中,优选的,对各次原始地图数据中具有标志性的物体进行识别,例如,
...
【技术保护点】
一种高精地图数据的处理方法,其特征在于,包括:沿目标轨迹对地图数据进行至少两次采集,以分别获取至少两次原始地图数据;分别识别所述原始地图数据中的物体,并提取物体特征;将各所述原始地图数据中的物体特征进行匹配;将匹配物体特征的物体作为参照物,将各所述原始地图数据进行融合处理。
【技术特征摘要】
1.一种高精地图数据的处理方法,其特征在于,包括:
沿目标轨迹对地图数据进行至少两次采集,以分别获取至少两次原始地图
数据;
分别识别所述原始地图数据中的物体,并提取物体特征;
将各所述原始地图数据中的物体特征进行匹配;
将匹配物体特征的物体作为参照物,将各所述原始地图数据进行融合处理。
2.根据权利要求1所述的方法,其特征在于,分别识别所述原始地图数据
中的物体,并提取物体特征包括:
采用所述原始地图数据中的点云数据进行静态物体识别,并提取所述静态
物体的结构特征。
3.根据权利要求2所述的方法,其特征在于,采用所述原始地图数据中的
点云数据进行静态物体识别,并提取所述静态物体的结构特征包括:
根据所述原始地图数据中的点云数据中的反射率,识别车道线,并通过所
述车道线拟合道路平面,提取所述道路平面的平面特征。
4.根据权利要求2所述的方法,其特征在于,采用所述原始地图数据中的
点云数据进行静态物体识别,并提取所述静态物体的结构特征包括:
根据所述点云数据,对超出道路平面的物体进行最小外包盒识别,根据所
述最小外包盒的特征分别识别车辆和路灯杆,提取所述静止车辆的车顶部平面
特征,且提取所述路灯杆的重心特征。
5.根据权利要求2所述的方法,其特征在于,采用所述原始地图数据中的
点云数据进行静态物体识别,并提取所述静态物体的结构特征包括:
根据所述原始地图数据中的点云数据中的反射率,将反射率达到高反射率
条件的点云数据进行聚类,将聚类后的点云数据进行平面拟合,并从拟合的平
面中识别路牌,提取所述路牌的平面特征。
6.根据权利要求1-5任一所述的方法,其特征在于,分别识别所述原始地
\t图数据中的物体,并提取物体特征之前,还包括:
分别对所述原始地图数据按照采集轨迹进行分析和切分;
将切分后的原始地图数据段落进行关联,作为后续识别物体的关联原始地
图数据。
7.根据权利要求1-5任一所述的方法,其特征在于,将匹配物体特征的物
体作为参照物,将各所述原始地图数据进行融合处理包括:
将匹配物体特征的物体作为参照物,计算各所述原始地图数据的偏移旋转
角度和偏移量;
根据各原始地图数...
【专利技术属性】
技术研发人员:蒋昭炎,关书伟,宋良,晏阳,
申请(专利权)人:百度在线网络技术北京有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。