高精度地图制作中地下车库停车位提取方法及系统技术方案

本发明专利技术涉及一种高精度地图制作中地下车库停车位提取方法及系统，其包括如下步骤：S1、将包含停车位的3D激光点云投影为2D鸟瞰模式图像；S2、计算图像对比度估计指标，根据对比度估计使用不同的图像预处理方法得到二值图像；S3、使用概率霍夫变换检测二值图像的直线段，根据检测直线段计算得到停车线旋转角度估计；S4、根据旋转角并以图像中心点为圆心旋转图像；S5、统计旋转图像每行、列包含停车线像素点个数，得到图像在水平与垂直方法的积分投影；S6、根据图像在水平与垂直方向的积分投影搜索得到停车位四个内角点坐标；S7、停车位内角点坐标逆变换到点云数据，从而提取出停车位。

【技术实现步骤摘要】
高精度地图制作中地下车库停车位提取方法及系统
本专利技术涉及高精度地图制作
，特别涉及一种高精度地图制作中地下车库停车位提取方法及系统。
技术介绍
高精地图是无人驾驶核心技术之一，精准的地图对无人车定位、导航与控制，以及安全至关重要，如何生成高精度地图也是无人驾驶的领域亟待解决的问题。地下车库停车位表示建筑在地下并可供机动车长期或长期或临时停放的区域，由停车线按一定大小划分了每辆车了每辆车的停车区域。地下停车场与不同等级的城市道路相配合，满足不同规模的停车需要，对城市中心区的交通起到非常重要的调节和控制作用。高精度的地下车库停车位数据，作为高精度地图的重要一部分尤为重要。现有的停车位提取方法，往往是基于原始图像数据的提取方法，采用边缘检测方法进行边缘检测得到停车线的边缘点集，然后对边缘点集进行霍夫变换与直线提取，通过对停车线的提取得到最终的停车位。但是该方法对光照敏感，在不同光照条件下，停车位在图像中的梯度差异较大，容易导致错提取和漏提取。与此同时，由于实际应用中边缘检测方法得到的边缘点集中存在噪声不全是停车线的边缘，单一使用霍夫变换与直线提取容易造成误差，从而导致提取精度不高，无法满足高精度地图的精度需求。
技术实现思路
有鉴于此，本专利技术提出一种高精度地图制作中地下车库停车位提取方法及系统。一种高精度地图制作中地下车库停车位提取方法，其包括如下步骤：S1、将包含停车位的3D激光点云投影为2D鸟瞰模式图像；S2、计算图像对比度估计指标，根据对比度估计使用不同的图像预处理方法得到二值图像；S3、使用概率霍夫变换检测二值图像的直线段，根据检测直线段计算得到停车线旋转角度估计；S4、根据旋转角并以图像中心点为圆心旋转图像；S5、统计旋转图像每行、列包含停车线像素点个数，得到图像在水平与垂直方法的积分投影；S6、根据图像在水平与垂直方向的积分投影搜索得到停车位四个内角点坐标；S7、停车位内角点坐标逆变换到点云数据，从而提取出停车位。在本专利技术所述的高精度地图制作中地下车库停车位提取方法中，所述步骤S2包括：使用图像标准差估计图像I的对比度e＝std(I)；当e小于给定阈值te时，对图像I依次进行中值滤波、高斯自适应二值化、形态学闭处理得到二值化图像Ib，当e大于等于给定阈值te时，对图像I依次进行形态学闭处理、局部拉普拉斯滤波、高斯自适应二值化得到二值化图像Ib：其中，中值滤波操作medianBlur()表示，高斯自适应二值化gB()表示，形态学闭处理close()表示，局部拉普拉斯滤波localLaplacian()表示。在本专利技术所述的高精度地图制作中地下车库停车位提取方法中，由概率霍夫变换检测出图像Ib具有停车线方向性的直线集合，遍历直线集合保留直线线段大于t且夹角为θ容忍度为tθ最多的直线集合lk，计算lk线段长度dk和倾斜角ak，计算权重可以计算出停车位倾斜角θ＝wkak即为停车线旋转角。在本专利技术所述的高精度地图制作中地下车库停车位提取方法中，所述步骤S4包括：以停车线旋转角θ作为旋转角，并以图像Ib中心点(xc，yc)为圆心旋转二值化图像Ib，得到的旋转图像Ir中停车线与图像x方向平行或垂直。在本专利技术所述的高精度地图制作中地下车库停车位提取方法中，所述步骤S5包括：分别计算旋转图像每列、行包含停车线像素点的个数，得到计算图像的水平和垂直积分投影一维向量分别为vv和vh。在本专利技术所述的高精度地图制作中地下车库停车位提取方法中，所述步骤S6包括：由向量vv和vh中心索引处向正负方向搜索大于设定阈值t的第一个元素分别得到vv[i]、vv[j]、vh[m]、vh[n]，并由元素索引i、j、m、n的得到停车线在图像Ir中的四个交点坐标(xi，ym)、(xj，ym)、(xj，yn)、(xi，yn)，即为四个内角点。在本专利技术所述的高精度地图制作中地下车库停车位提取方法中，所述步骤S7包括：根据夹角θ，以图像Ir中心点(xc’,yc’)为圆心逆旋转变换上四个内角点的坐标，再经过逆变换投影到输入点云中，从而提取出停车位。本专利技术还提供一种高精度地图制作中地下车库停车位提取系统，其包括如下单元：投影单元，用于将包含停车位的3D激光点云投影为2D鸟瞰模式图像；对比度估计单元，用于计算图像对比度估计指标，根据对比度估计使用不同的图像预处理方法得到二值图像；角度估计单元，用于使用概率霍夫变换检测二值图像的直线段，根据检测直线段计算得到停车线旋转角度估计；旋转单元，用于根据旋转角并以图像中心点为圆心旋转图像；统计单元，用于统计旋转图像每行、列包含停车线像素点个数，得到图像在水平与垂直方法的积分投影；坐标搜索单元，用于根据图像在水平与垂直方向的积分投影搜索得到停车位四个内角点坐标；车位提取单元，用于对停车位内角点坐标逆变换到点云数据，从而提取出停车位。实施本专利技术提供的高精度地图制作中地下车库停车位提取方法及系统与现有技术相比具有以下有益效果：在于使用三维点云数据作为输入，该数据由激光扫描仪得到，激光扫描仪为一种主动光源，不受光照影响；根据图像质量评价使用不同的图像预处理方法提高了算法鲁棒性；改进概率霍夫变换检测图像倾斜角，提高检测与检测对象的一致性；使用旋转投影图像的方法求取停车线交点坐标进行停车位提取，能够有效保证提取的停车位数据的精度，满足高精度地图的制作精度需求。附图说明图1是高精度地图制作中地下车库停车位提取方法流程图。具体实施方式如图1、一种高精度地图制作中地下车库停车位提取方法，其包括如下步骤：S1、将包含停车位的3D激光点云投影为2D鸟瞰模式图像；S2、计算图像对比度估计指标，根据对比度估计使用不同的图像预处理方法得到二值图像；S3、使用概率霍夫变换检测二值图像的直线段，根据检测直线段计算得到停车线旋转角度估计；S4、根据旋转角并以图像中心点为圆心旋转图像；S5、统计旋转图像每行、列包含停车线像素点个数，得到图像在水平与垂直方法的积分投影；S6、根据图像在水平与垂直方向的积分投影搜索得到停车位四个内角点坐标；S7、停车位内角点坐标逆变换到点云数据，从而提取出停车位。高精度地图表示基于Lane的拓扑网元素组成的地图，相较于传统地图地理信息更精确。在本专利技术所述的高精度地图制作中地下车库停车位提取方法中，所述步骤S2包括：使用图像标准差估计图像I的对比度e＝std(I)；当e小于给定阈值te时，对图像I依次进行中值滤波、高斯自适应二值化、形态学闭处理得到二值化图像Ib，当e大于等于给定阈值te时，对图像I依次进行形态学闭处理、局部拉普拉斯滤波、高斯自适应二值化得到二值化图像Ib：其中，中值滤波操作medianBlur()表示，高斯自适应二值化gB()表示，形态学闭处理close()表示，局部拉普拉斯滤波localLaplacian()表示。其中在本专利技术所述的高精度地图制作中地下车库停车位提取方法中，由概率霍夫变换检测出图像Ib具有停车线方向性的直线集合，遍历直线集合保留直线线段大于t且夹角为θ容忍度为tθ最多的直线集合lk，计算lk线段长度dk和倾斜角ak，计算权重可以计算出停车位倾斜角θ＝wkak即为停车线旋转角。l表示直线集合，k表示索引。在本专利技术所述的高精度地图制作中地下车库停车位提取方法中，所述步骤S4包本文档来自技高网...

【技术保护点】
1.一种高精度地图制作中地下车库停车位提取方法，其特征在于，其包括如下步骤：S1、将包含停车位的3D激光点云投影为2D鸟瞰模式图像；S2、计算图像对比度估计指标，根据对比度估计使用不同的图像预处理方法得到二值图像；S3、使用概率霍夫变换检测二值图像的直线段，根据检测直线段计算得到停车线旋转角度估计；S4、根据旋转角并以图像中心点为圆心旋转图像；S5、统计旋转图像每行、列包含停车线像素点个数，得到图像在水平与垂直方法的积分投影；S6、根据图像在水平与垂直方向的积分投影搜索得到停车位四个内角点坐标；S7、停车位内角点坐标逆变换到点云数据，从而提取出停车位。

【技术特征摘要】
1.一种高精度地图制作中地下车库停车位提取方法，其特征在于，其包括如下步骤：S1、将包含停车位的3D激光点云投影为2D鸟瞰模式图像；S2、计算图像对比度估计指标，根据对比度估计使用不同的图像预处理方法得到二值图像；S3、使用概率霍夫变换检测二值图像的直线段，根据检测直线段计算得到停车线旋转角度估计；S4、根据旋转角并以图像中心点为圆心旋转图像；S5、统计旋转图像每行、列包含停车线像素点个数，得到图像在水平与垂直方法的积分投影；S6、根据图像在水平与垂直方向的积分投影搜索得到停车位四个内角点坐标；S7、停车位内角点坐标逆变换到点云数据，从而提取出停车位。2.如权利要求1所述的高精度地图制作中地下车库停车位提取方法，其特征在于，所述步骤S2包括：使用图像标准差估计图像I的对比度e＝std(I)；当e小于给定阈值te时，对图像I依次进行中值滤波、高斯自适应二值化、形态学闭处理得到二值化图像Ib，当e大于等于给定阈值te时，对图像I依次进行形态学闭处理、局部拉普拉斯滤波、高斯自适应二值化得到二值化图像Ib：其中，中值滤波操作medianBlur()表示，高斯自适应二值化gB()表示，形态学闭处理close()表示，局部拉普拉斯滤波localLaplacian()表示。3.如权利要求2所述的高精度地图制作中地下车库停车位提取方法，其特征在于，由概率霍夫变换检测出图像Ib具有停车线方向性的直线集合，遍历直线集合保留直线线段大于t且夹角为θ容忍度为tθ最多的直线集合lk，计算lk线段长度dk和倾斜角ak，计算权重可以计算出停车位倾斜角θ＝wkak即为停车线旋转角。4.如权利要求3所述的高精度地图制作中地下车库停车位提取方法，其特征在于，所述步骤S4包括：以停车线旋转角θ作为旋转角，并以图像...

【专利技术属性】
技术研发人员：李叶伟，
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：湖北,42