本发明专利技术涉及一种高精度地图要素的提取方法及装置，其方法包括：获取一一对应的双目图像与激光点云；对所述双目图像进行匹配和深度估计，得到双目图像对应的深度图；根据双目图像及其对应的深度图和激光点云，获取所述双目图像的图像特征以及对应的激光点云三维特征；根据所述激光点云三维特征确定激光点云中独立要素的3D包围框信息；根据所述3D包围框和其框内的激光点云信息提取独立要素。本发明专利技术融合了基于深度学习的激光点云与双目的要素提取方法，通过多尺度特征融合提高提取的精度，通过过滤非要素点云降低计算复杂度，提高提取速度。度。度。
【技术实现步骤摘要】
一种高精度地图要素的提取方法及装置
[0001]本专利技术涉及高精度地图制作领域，尤其涉及一种基于双目估计与点云的高精度地图提取方法及装置。
技术介绍
[0002]在高精度地图要素提取中，基于半自动要素制作方法耗时长、人工交互多且效率低下。传统的纯激光点云方法提取可提供的信息较少且计算复杂度高。
技术实现思路
[0003]本专利技术针对传统利用激光点云制作高精度地图的方法人工成本高、计算复杂度高、准确率低的问题，在本专利技术的第一方面提供了一种高精度地图要素的提取方法，包括如下步骤：获取一一对应的双目图像与激光点云；对所述双目图像进行匹配和深度估计，得到双目图像对应的深度图；根据双目图像及其对应的深度图和激光点云，获取所述双目图像的图像特征以及对应的激光点云三维特征；根据所述激光点云三维特征确定激光点云中独立要素的3D包围框信息；根据所述3D包围框和其框内的激光点云信息提取独立要素。
[0004]在本专利技术的一些实施例中，所述对所述双目图像进行匹配和深度估计，得到双目图像对应的深度图包括如下步骤：提取双目图像的图像特征，将所述图像特征将其划分为左特征图、右特征图；根据左特征图与其对应的右特征图的相关性，计算并存储对应的匹配代价值；根据所述匹配代价值对所述双目图像在视差维度和空间维度聚合特征上进行全局优化；计算并优化所述双目图像的视差，得到所述双目图像的深度估计。
[0005]在本专利技术的一些实施例中，所述根据双目图像及其对应的深度图和激光点云，获取所述双目图像的图像特征以及对应的激光点云三维特征包括如下步骤：根据所述深度图确定所述激光点云的三维特征的重要程度并对其进行筛选；将双目图像的图像特征与激光点云的三维特征串联并进行多尺度的特征金字塔融合，构建骨架网络特征层。
[0006]在本专利技术的一些实施例中，所述根据所述激光点云三维特征确定激光点云中独立要素的3D包围框信息包括如下步骤：通过二阶段提取方法自底而上地生成第一3D提案；将3D点云转换为规范坐标；利用语义特征、局部空间特征和所述规范坐标对3D提案进行优化，得到第二3D提案；根据所述第二3D提案获得高精度地图激光点云中独立要素的3D包围框信息。
[0007]在本专利技术的一些实施例中，所述根据所述3D包围框和其框内的激光点云信息提取独立要素包括如下步骤：对同一路段的激光点云中的重复提取的要素进行去重操作；依据非极大值抑制方法对所述3D包围框进行去重；对提取的错误目标要素或者非完整目标要素进行过滤；根据点云的物理属性和空间尺度对3D包围框内的点云进行边缘、特征点提取。
[0008]进一步的，所述点云的物理属性包括几何域、强度域。
[0009]在本专利技术的第二方面，提供了一种高精度地图要素的提取装置，其特征在于，包括第一获取模块、估计模块、第二获取模块、确定模块、第一提取模块，所述第一获取模块，用
于获取一一对应的双目图像与激光点云；所述估计模块，用于对所述双目图像进行匹配和深度估计，得到双目图像对应的深度图；所述第二获取模块，根据双目图像及其对应的深度图和激光点云，获取所述双目图像的图像特征以及对应的激光点云三维特征；所述确定模块，根据所述激光点云三维特征确定激光点云中独立要素的3D包围框信息；所述第一提取模块，根据所述3D包围框和其框内的激光点云信息提取独立要素。
[0010]进一步的，所述第一提取模块包括去重模块、过滤模块、第二提取模块，所述去重模块，用于对同一路段的激光点云中的重复提取的要素进行去重操作以及依据非极大值抑制方法对所述3D包围框进行去重；所述过滤模块，用于对提取的错误目标要素或者非完整目标要素进行过滤；所述第二提取模块，用于根据点云的物理属性和空间尺度对3D包围框内的点云进行边缘、特征点提取。
[0011]本专利技术的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术第一方面提供的高精度地图制作中道路的让行线自动化提取方法。
[0012]本专利技术的第四方面提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本专利技术第一方面提供的高精度地图制作中道路的让行线自动化提取方法。
[0013]本专利技术的有益效果是：
[0014]1.将激光点云与双目图像进行融合，能够获取更全面的独立要素的要素特征信息，有效地提取要素的几何信息。同时，将激光点云特征和图像深度估计特征进行多个尺度的特征融合，能够丰富独立要素的特征，使目标提取的更准确。
[0015]2.将道路采集的大块点云根据左右目图像切成多个一一对应的小块点云，并对图像可视范围外的点云进行检测，有效的排除了道路外的建筑树木等非地图要素的点云，能够有效的降低点云的计算量，加快提取的速度。
[0016]3.提取3D包围框后通过后续的传统方法操作，能够有效的过滤错误的目标要素并提高独立要素提取的几何精度。
附图说明
[0017]图1为本专利技术的一些实施例中的高精度地图要素的提取方法的基本流程图；
[0018]图2为本专利技术的一些实施例中的高精度地图要素的提取方法的具体流程图；
[0019]图3为本专利技术的一些实施例中的高精度地图要素提取的地面箭头轮廓信息结果图；
[0020]图4为本专利技术的一些实施例中的高精度地图要素的提取装置的结构框图；
[0021]图5为本专利技术的一些实施例中的电子设备结构框图。
具体实施方式
[0022]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0023]参考图1与图3，在本专利技术的第一方面提供了一种高精度地图要素的提取方法，其
特征在于，包括如下步骤：S101.获取一一对应的双目图像与激光点云；S102.对所述双目图像进行匹配和深度估计，得到双目图像对应的深度图；S103.根据双目图像及其对应的深度图和激光点云，获取所述双目图像的图像特征以及对应的激光点云三维特征；S104.根据所述激光点云三维特征确定激光点云中独立要素的3D包围框信息；S105.根据所述3D包围框和其框内的激光点云信息提取独立要素。具体地，在步骤S101中，将道路扫描的激光点云沿着道路方向以一定的横向纵向距离切成图像对应的3D点云块，使得点云块包含当前车道。
[0024]参考图2，在本专利技术的一些实施例中的步骤S102中，所述对所述双目图像进行匹配和深度估计，得到双目图像对应的深度图包括如下步骤：提取双目图像的图像特征，将所述图像特征将其划分为左特征图、右特征图；根据左特征图与其对应的右特征图的相关性，计算并存储对应的匹配代价值；根据所述匹配代价值对所述双目图像在视差维度和空间维度聚合特征上进行全局优化；计算并优化所述双目图像的视差，得到所述双目图像的深度估计。具体地：(1)通过权重共享的神经网络提取高精度地图采集车采集到的左右目图像的特征；(2)匹配代价计算，使用距离测定方法本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种高精度地图要素的提取方法，其特征在于，包括如下步骤：获取一一对应的双目图像与激光点云；对所述双目图像进行匹配和深度估计，得到双目图像对应的深度图；根据双目图像及其对应的深度图和激光点云，获取所述双目图像的图像特征以及对应的激光点云三维特征；根据所述激光点云三维特征确定激光点云中独立要素的3D包围框信息；根据所述3D包围框和其框内的激光点云信息提取独立要素。2.根据权利要求1所述的高精度地图要素的提取方法，其特征在于，所述对所述双目图像进行匹配和深度估计，得到双目图像对应的深度图包括如下步骤：提取双目图像的图像特征，将所述图像特征将其划分为左特征图、右特征图；根据左特征图与其对应的右特征图的相关性，计算并存储对应的匹配代价值；根据所述匹配代价值对所述双目图像在视差维度和空间维度聚合特征上进行全局优化；计算并优化所述双目图像的视差，得到所述双目图像的深度估计。3.根据权利要求1所述的高精度地图要素的提取方法，其特征在于，所述根据双目图像及其对应的深度图和激光点云，获取所述双目图像的图像特征以及对应的激光点云三维特征包括如下步骤：根据所述深度图确定所述激光点云的三维特征的重要程度并对其进行筛选；将双目图像的图像特征与激光点云的三维特征串联并进行多尺度的特征金字塔融合，构建骨架网络特征层。4.根据权利要求1所述的高精度地图要素的提取方法，其特征在于，所述根据所述激光点云三维特征确定激光点云中独立要素的3D包围框信息包括如下步骤：通过二阶段提取方法自底而上地生成第一3D提案；将3D点云转换为规范坐标；利用语义特征、局部空间特征和所述规范坐标对3D提案进行优化，得到第二3D提案；根据所述第二3D提案获得高精度地图激光点云中独立要素的3D包围框信息。5.根据权利要求1所述的高精度地图要素的提取方法，其特征在于，所述根据所述3D包围框和其框内的激光点云信息...
【专利技术属性】
技术研发人员：何豪杰，肖圣，熊迹，罗跃军，
申请(专利权)人：武汉中海庭数据技术有限公司，
类型：发明
国别省市：
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。