面向无人驾驶汽车的高精度语义地图制作方法技术

本发明专利技术实施例公开了一种面向无人驾驶汽车的高精度语义地图制作方法，所述无人驾驶汽车搭载激光雷达设备，所述制作方法包括：步骤1：利用激光雷达设备采集各传感器数据；步骤2：对采集数据依次进行标定、融合、拼接，生成地面点云数据；步骤3：在点云数据中绘制车辆沿道路行驶的轨迹数据和包含道路信息的矢量数据，并为绘制的数据编辑字段属性；步骤4：导出指定格式的高精度语义地图。本发明专利技术实施例制作出的高精度语义地图包含丰富的语义信息，如车道线、道路边缘和行驶轨迹等，与传统矢量地图相比，提供了车道级别的道路信息，为无人驾驶汽车的局部路径规划提供了数据基础，进而有助于保障无人驾驶汽车行驶的安全性。

A High Precision Semantic Mapping Method for Unmanned Vehicles

The embodiment of the present invention discloses a method for making high-precision semantic map for an unmanned vehicle, which is equipped with a lidar device. The method includes: step 1: collecting sensor data by using a lidar device; step 2: calibrating, fusing and splicing the collected data sequentially to generate point cloud data on the ground; step 3: generating point cloud data in the number of point clouds; According to the data, the vehicle trajectory data along the road and the vector data containing road information are drawn, and the field attributes are edited for the drawn data. Step 4: The high-precision semantic map in the specified format is derived. The high-precision semantic map produced by the embodiment of the present invention contains abundant semantic information, such as lane line, road edge and trajectory. Compared with the traditional vector map, the high-precision semantic map provides lane-level road information, provides data basis for the local path planning of the driverless vehicle, and helps to ensure the safety of the driverless vehicle.

【技术实现步骤摘要】
面向无人驾驶汽车的高精度语义地图制作方法
本专利技术涉及高精度地图制作
，尤其涉及一种面向无人驾驶汽车的高精度语义地图制作方法。
技术介绍
传统电子地图主要依靠卫星影像产生，再由GPS定位，这种方法可以达到米级精度。而面向无人驾驶需要精细化定义的精度达到厘米级的高精度地图，仅靠卫星与GPS是不能够保证无人驾驶汽车行驶安全的。车载移动测量系统作为一种先进的测量手段，具有快速、动态、主动和高精度等特点，能够采集大面积的三维道路信息。所谓精细化定义是需要格式化存储交通场景中的各种交通要素，包括车道线、道路边缘和路面标志等。高精度地图的主要服务对象不是人类驾驶员，而是无人驾驶系统。它能够扩展车辆的静态环境感知能力，在精确定位、障碍物检测与避让、智能调速、转向及引导等方面发挥着重要作用，是无人驾驶中必不可少的一项关键技术。高精度地图包含大量的行车辅助语义信息，包括路面的几何结构、标示线位置、周边道路环境的点云模型等。基于这些高精度的三维表征，无人驾驶系统可通过比对车载GPS、IMU、LiDAR和摄像头等数据来精确定位自己当前的位置，并进行实时导航。与传统地图相比，高精度地图具有更高的定时性，路网每天都在变化，通过与云端通信，无人驾驶汽车可实时得知路网更新信息。现有的矢量地图制作方法限制了无人驾驶汽车的发展，无法应用于智能交通管理、高级驾驶辅助系统(ADAS)等领域。
技术实现思路
本专利技术实施例所要解决的技术问题在于，提供一种面向无人驾驶汽车的高精度语义地图制作方法，以使保障无人驾驶汽车行驶的安全性。为了解决上述技术问题，本专利技术实施例提出了一种面向无人驾驶汽车的高精度语义地图制作方法，所述无人驾驶汽车搭载激光雷达设备，所述制作方法包括：步骤1：利用激光雷达设备采集各传感器数据；步骤2：对采集数据依次进行标定、融合、拼接，生成地面点云数据；步骤3：在地面点云数据中绘制车辆沿道路行驶的轨迹数据和包含道路信息的矢量数据，并为绘制的数据编辑属性；步骤4：对编辑后数据进行符号化处理、图面整饰、晕渲，导出指定格式的高精度语义地图。本专利技术实施例通过提出一种面向无人驾驶汽车的高精度语义地图制作方法，包括步骤1～步骤4，利用无人驾驶汽车搭载的三维激光雷达系统采集车道数据，拼接生成点云数据后在点云数据中绘制轨迹数据和矢量数据，并为矢量数据编辑字段属性，最终导出预设格式的高精度语义地图，本专利技术实施例制作出的高精度语义地图包含丰富的语义信息，如车道线、道路边缘和行驶轨迹等，与传统矢量地图相比，提供了车道级别的道路信息，为无人驾驶汽车的局部路径规划提供了数据基础，进而有助于保障无人驾驶汽车行驶的安全性。附图说明图1是本专利技术实施例的面向无人驾驶汽车的高精度语义地图制作方法的流程图。具体实施方式需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合，下面结合附图和具体实施例对本专利技术作进一步详细说明。本专利技术实施例中若有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。另外，在本专利技术中若涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。请参照图1，本专利技术实施例的面向无人驾驶汽车的高精度语义地图制作方法包括步骤1～步骤4。无人驾驶汽车搭载激光雷达设备。在外业过程中，激光雷达设备中的核心控制模块采用多传感器集成机器智能平台Aurora-I。Aurora-I是全球首款无人驾驶标准机器智能平台，完全面向量产化，具备完全感知和决策功能，集成GNSS模块、惯性测量单元和三维激光雷达等多种异构传感器。步骤1：利用激光雷达设备采集各传感器数据。在外业过程中，选取数据采集路线后，利用无人驾驶汽车搭载激光雷达设备(包括三维激光雷达、GNSS、IMU等)采集各传感器数据，技术人员在负责控制采集设备的电脑系统上实时监控采集情况，确认采集设备处于正常工作状态。步骤2：对采集数据依次进行标定、融合、拼接，生成地面点云数据。为将激光雷达、IMU、摄像头等统一到一个坐标系下，在采集完数据后先进行多传感器标定，通过内业处理把各传感器数据融合到一起，随后利用无人驾驶汽车姿态数据和激光雷达数据拼接生成地面点云数据。步骤3：在地面点云数据中绘制车辆沿道路行驶的轨迹数据和包含道路信息的矢量数据，并为绘制的数据编辑字段属性。在自主研发的高精度地图编辑软件中加载地面点云数据，利用编辑软件提供的绘图工具，依据点云的强度、颜色信息，沿车辆行驶方向人工绘制连续的轨迹，轨迹由间隔为一米的轨迹点组成，多段轨迹之间通过轨迹点相连；同时，依据道路的真实情况绘制如道路边沿、车道分离线和斑马线等矢量数据，每个矢量数据对象均由连续的线段组成，作为静态的底图对地图内容进行补充；最后，对绘制的数据进行编辑，可以为各个对象手动添加自定义的字段属性，作为为静态的底图对语义地图内容进行补充。步骤4：对编辑后数据进行符号化处理、图面整饰、晕渲，导出预设格式的高精度语义地图。本专利技术实施例可通过预设对比算法或者人工验证的方式与对应位置图像信息作比对，找出错误并进行更正；再经过符号化处理、图面整饰、晕渲后，导出绘制的高精度语义地图，保存为指定格式(如*.csv)的文件，以满足L4级别无人驾驶的要求。作为一种实施方式，激光雷达设备包括激光雷达、GNSS模块、IMU等传感器。采集数据包括GPS数据、无人驾驶汽车姿态数据和激光雷达数据等。作为一种实施方式，所述步骤2包括标定子步骤、融合子步骤及拼接子步骤。标定子步骤：通过内业处理对GPS数据、无人驾驶汽车姿态数据和激光雷达数据进行多传感器标定。融合子步骤：通过内业处理将GPS数据、无人驾驶汽车姿态数据和激光雷达数据融合到一起。拼接子步骤：通过内业处理利用无人驾驶汽车姿态数据和激光雷达数据拼接生成地面点云数据。作为一种实施方式，所述步骤3包括轨迹数据绘制子步骤及矢量数据绘制子步骤。轨迹数据绘制子步骤：在所述点云数据中，根据点云强度沿道路直行方向绘制直线轨迹，沿路口转向轨迹绘制曲线轨迹。优选地，以米为间隔绘制前行的轨迹。其中，所述直线轨迹和曲线轨迹的每段轨迹均由首尾两个轨迹点和前后两段轨迹线组成。轨迹点记录了当前位置和车辆在当前位置行驶时应有的速度、朝向信息。轨迹线除了首尾轨迹点的信息外，还记录了前后轨迹线的信息，当不止一种行驶方向(如路口转弯开始)时，会记录多条相邻的轨迹线。本专利技术实施例自动在轨迹点中记录了轨迹点序号、车辆行驶的位置、方向等信息，在轨迹线L(id,fpid,bpid,flid,blid...)中记录了当前轨迹线的编号，首尾轨迹点的编号，相邻的轨迹线的编号等信息。假设轨迹点集为{p0,p1,p2...pn},轨迹线集为{l0,l1,l2...ln}。在为无人驾驶汽车规划路径时，假设起点为从所有轨迹点中选择点使最小，则pi为起点，它的序号为idi，类似地，假设终点为Q,也可以找到与之对应pj作为终点。从轨迹线集中选择线lj(idj,fpidj,bpidj,flidj,blidj本文档来自技高网...

【技术保护点】
1.一种面向无人驾驶汽车的高精度语义地图制作方法，所述无人驾驶汽车搭载激光雷达设备，其特征在于，所述制作方法包括：步骤1：利用车载激光雷达设备采集各传感器数据；步骤2 ：对采集数据依次进行标定、融合、拼接，生成地面点云数据；步骤3： 在地面点云数据中绘制车辆沿道路行驶的轨迹数据和包含道路信息的矢量数据，并为绘制的数据编辑属性；步骤4：对编辑后数据进行符号化处理、图面整饰、晕渲，导出指定格式的高精度语义地图。

【技术特征摘要】
1.一种面向无人驾驶汽车的高精度语义地图制作方法，所述无人驾驶汽车搭载激光雷达设备，其特征在于，所述制作方法包括：步骤1：利用车载激光雷达设备采集各传感器数据；步骤2：对采集数据依次进行标定、融合、拼接，生成地面点云数据；步骤3：在地面点云数据中绘制车辆沿道路行驶的轨迹数据和包含道路信息的矢量数据，并为绘制的数据编辑属性；步骤4：对编辑后数据进行符号化处理、图面整饰、晕渲，导出指定格式的高精度语义地图。2.如权利要求1所述的面向无人驾驶汽车的高精度语义地图制作方法，其特征在于，所述激光雷达设备包括三维激光雷达、GNSS模块、IMU，所述采集数据包括GPS数据、无人驾驶汽车姿态数据和激光雷达数据。3.如权利要求2所述的面向无人驾驶汽车的高精度语义地图制作方法，其特征在于，所述步骤2包括：标定子步骤：通过内业处理对GPS数据、无人驾驶汽车姿态数据和激光雷达数据进行多传感器标定；融合子...

【专利技术属性】
技术研发人员：张亮，伍坤，熊伟成，
申请(专利权)人：张亮，
类型：发明
国别省市：广东,44