一种自动建图机器人的地图要素提取方法技术

本发明专利技术提出了一种自动建图机器人的地图要素提取方法，属于导航技术领域。该方法获取待测环境的第一地图要素信息，构建所述待测环境的点云轮廓地图；检测待测环境设定位置上的视觉标记，读取所获取的视觉标记所包含的第二地图要素信息；将第二地图要素信息标记到所述点云轮廓地图中，得到包含具体语义信息的地图；其中，第一地图要素信息包含所述待测环境所在位置的点云信息；第二地图要素信息包括对应视觉标记所在位置的地图要素的具体语义信息。该方法能够全自动地完成点云建图和语义标注，得到高精度的语义地图，同时成本较低，容易实施，可扩展性好。

【技术实现步骤摘要】
一种自动建图机器人的地图要素提取方法
本专利技术属于导航
，涉及一种地图要素提取方法，尤其是自动建图机器人的地图要素提取方法。
技术介绍
近年来，随着自动驾驶汽车在一些领域的逐步应用，针对自动驾驶汽车所使用的高精度地图的巨大需求与目前高精度语义地图的高昂采集成本、较繁琐的采集流程都产生了较大的矛盾，对其大规模实际应用带来了相当的难度。目前在地图采集过程中，局部地图可以采用激光雷达建立点云地图的形式进行构建，并通过自动算法进行点云局部地图的拼接与提取轮廓，最终可以生成全局的轮廓地图。但是，受制于目前自动化算法对于地图要素本身语义信息(如类型、尺寸、位置)等的分割与识别，准确率与计算速度仍较难达到人工标注的水平，故在高精地图的后处理阶段，目前仍然需要依靠大量人力与时间，对程序采集得到的全局轮廓地图进行手工的地图要素语义标注。在此过程中，将会带来大量的人力、时间成本，对自动驾驶汽车上高精度地图的更大规模应用造成了不小的阻碍。
技术实现思路
本专利技术的目的在于提供一种全自动完成点云建图和语义标注，得到高精度语义地图的方法。为了达到上述目的，本专利技术的解决方案是：一种自动建图机器人的地图要素提取方法，获取待测环境的第一地图要素信息，构建所述待测环境的点云轮廓地图；检测待测环境设定位置上的视觉标记，读取所获取的视觉标记所包含的第二地图要素信息；将第二地图要素信息标记到所述点云轮廓地图中，得到包含具体语义信息的地图；其中，第一地图要素信息包含所述待测环境所在位置的点云信息；第二地图要素信息包括对应视觉标记所在位置的地图要素的具体语义信息。所述视觉标记为二维码。第一地图要素信息包括地图要素的轮廓、距离、高差信息，不包含地图要素的语义信息。采用激光雷达，获取待测环境的第一地图要素信息；优选地，所述激光雷达为多线激光雷达。第二地图要素信息包含对应视觉标记所在位置的地图要素的位置、类型、大小的编码信息。采用视觉传感器，检测待测环境设定位置上的视觉标记；优选地，所述视觉传感器为前视单目相机。通过激光雷达获取待测环境中的第一地图要素信息，并通过SLAM(simultaneouslocalizationandmapping，即同步定位与建图)算法进行点云数据预处理，生成基于激光雷达点云的场景地图，进而建立不包含地图要素语义信息的点云轮廓地图。所述视觉标记为二维码；采用前视单目相机，获取自动建图机器人前方地面上的图像信息；从所述图像信息中识别并提取二维码标识的类型和二维码的四个角点，利用二维码的平面假设计算自动建图机器人与二维码之间的相对位置关系；读取并记录二维码对应的第二地图要素信息，通过扩展卡尔曼滤波器优化融合基于二维码求解出的自动建图机器人相对位置信息，以及惯性导航观测得到的自动建图机器人相对位移信息，实现地图要素语义标记点建图，并根据二维码中所记录的信息，对一个或多个相近的二维码标记点形成连线、网格或区域的语义轮廓，得到待测环境的语义轮廓地图。所述将第二地图要素信息标记到所述点云轮廓地图中，得到包含具体语义信息的地图包括：将所述语义轮廓地图与所述点云轮廓地图融合，识别所述点云轮廓地图，将所述语义轮廓地图中的第二地图要素信息标记到所述点云轮廓地图中，得到包含完整语义的地图。所述视觉标记的不同编码信息被预先定义在表格各行中，通过增加表格的行数，来适应增量式的地图要素种类扩充；预定义表格扩充后，已采集的地图，已有的视觉标记和未扩充的表格三者仍然兼容。由于采用上述方案，本专利技术的有益效果是：本专利技术自动建图机器人高精度地图要素快速提取方法为一种完全自动地完成激光雷达点云建图、生成全局轮廓地图、并自动通过读取人工视觉标记在轮廓地图上进行实时语义标注的方法。该方法所采用的视觉传感器价格低廉、使用方便；其所涉及的人工视觉标记布置简单，算法成熟，通过Apriltag的二维码识别耗时短、准确率高，实施简单，快速可靠；直接通过视觉读取二维码信息(识别率接近100％)，相较于基于视觉的深度学习识别(识别率往往在80-90％)，具有识别精确度高的优点；该方法无需以传统方式人工对地图上的各个元素进行手工标注，省去了大量人力成本以及标注软件的授权费用，取而代之的是张贴二维码后，即可在激光建图的同时自动采集到标注的地图要素语义信息点，成本低。从而，本专利技术以低成本、方便快速的方式实现了得到包含完整语义信息的高精度地图，尤其适用于自动驾驶车辆的高精度语义地图的自动采集，能够有效地促进高精度地图在自动驾驶汽车上的大规模应用。该方法可应用于自动泊车停车场等使用场景。附图说明图1为本专利技术一实施例的自动建图机器人的地图要素提取方法的流程图；图2是该实施例中某一单一道路中的二维码布置效果图；图3是该实施例中某一分支道路中的二维码布置效果图；图4是该实施例中某一开放区域中的二维码布置效果图；图5是该实施例中对某一二维码角点识别、定位的结果示意图。附图中：1、直路起点二维码；2、直路终点二维码；3、交叉路口转向点二维码；4、开放区域边界点二维码；5、开放区域出口点二维码；6、开放区域入口点二维码。具体实施方式以下结合附图所示实施例对本专利技术作进一步的说明。本专利技术提出了一种自动建图机器人的地图要素提取方法，该方法基于视觉传感器和激光雷达，面向自动建图机器人提取高精度地图的地图要素。其待测环境的第一地图要素信息，构建所述待测环境的点云轮廓地图；检测待测环境设定位置上的视觉标记，读取所获取的视觉标记所包含的第二地图要素信息；将第二地图要素信息标记到所述点云轮廓地图中，得到包含具体语义信息的地图；其中，第一地图要素信息包含所述待测环境所在位置的点云信息；第二地图要素信息包括对应视觉标记所在位置的地图要素的具体语义信息。也就是说，该方法中，建图机器人的建图过程主要包括两部分：建图机器人的激光建图和建图机器人的地图要素信息自动标记，其中：自动建图机器人的激光建图包括：利用多线激光雷达，获取周边局部环境的地图要素轮廓、距离、高差等信息，结合自动建图机器人自身组合定位传感器信息，完成对建图机器人周边局部环境的不含地图要素语义信息的点云高精地图的构建；地图要素信息自动标准包括：在建图机器人的激光建图的基础上，利用视觉传感器，获取目标地图要素上或周围特定位置上所定义的人工视觉标记，如二维码等，通过读取人工视觉标记，可直接读取到此地图要素的位置、类型、大小等具体信息。通过之前建立好的机器人周边局部环境的不含地图要素语义信息点云高精地图结合标记的地图要素信息，实现精准对点云地图要素轮廓的识别与标注，并记录到地图中相应点云轮廓位置，完成包含具体语义信息的地图要素信息自动标注。图1为本实施例中自动建图机器人的地图要素提取方法的流程图。在本实施例中，该方法的具体实现过程为：采用经过改装的电动车辆作为采集平台，本实施例中其为短轴距自动行驶车，其上安装了GPS定位模块、激光雷达、前视单目相机、轨迹规划模块、控制模块等组件，能够自行驾驶，构成自动建图机器人。在本专利技术中，上述组件也可以更换安装到其他经过改装的车辆或其他可移动平台上，构成自动建图机器人。前视单目相机布置于车辆前方正中倾斜向下位置，分辨率为1080p或以上，帧率为25Hz，延迟小于5ms，通过棋盘格内参标定法对前视单目相机的内参数进行标定。激本文档来自技高网...

【技术保护点】
1.一种自动建图机器人的地图要素提取方法，其特征在于：获取待测环境的第一地图要素信息，构建所述待测环境的点云轮廓地图；检测待测环境设定位置上的视觉标记，读取所获取的视觉标记所包含的第二地图要素信息；将第二地图要素信息标记到所述点云轮廓地图中，得到包含具体语义信息的地图；其中，第一地图要素信息包含所述待测环境所在位置的点云信息；第二地图要素信息包括对应视觉标记所在位置的地图要素的具体语义信息。

【技术特征摘要】
1.一种自动建图机器人的地图要素提取方法，其特征在于：获取待测环境的第一地图要素信息，构建所述待测环境的点云轮廓地图；检测待测环境设定位置上的视觉标记，读取所获取的视觉标记所包含的第二地图要素信息；将第二地图要素信息标记到所述点云轮廓地图中，得到包含具体语义信息的地图；其中，第一地图要素信息包含所述待测环境所在位置的点云信息；第二地图要素信息包括对应视觉标记所在位置的地图要素的具体语义信息。2.根据权利要求1所述的自动建图机器人的地图要素提取方法，其特征在于：所述视觉标记为二维码。3.根据权利要求1所述的自动建图机器人的地图要素提取方法，其特征在于：第一地图要素信息包括地图要素的轮廓、距离、高差信息，不包含地图要素的语义信息。4.根据权利要求1所述的自动建图机器人的地图要素提取方法，其特征在于：采用激光雷达，获取待测环境的第一地图要素信息；优选地，所述激光雷达为多线激光雷达。5.根据权利要求1所述的自动建图机器人的地图要素提取方法，其特征在于：第二地图要素信息包含对应视觉标记所在位置的地图要素的位置、类型、大小的编码信息。6.根据权利要求1所述的自动建图机器人的地图要素提取方法，其特征在于：采用视觉传感器，检测待测环境设定位置上的视觉标记；优选地，所述视觉传感器为前视单目相机。7.根据权利要求1所述的自动建图机器人的地图要素提取方法，其特征在于：通过激光雷达获取待测环境中的第一地图要素信息，并通过SLAM算法进行...

【专利技术属性】
技术研发人员：陈广，王法，陈凯，余卓平，卢凡，瞿三清，杜嘉彤，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31