地图要素提取方法、装置及服务器制造方法及图纸

本发明专利技术公开了一种地图要素提取方法、装置及服务器，所述地图要素提取方法包括：获取目标场景的激光点云和图像，所述目标场景包括至少一要素实体对应于地图要素；进行所述激光点云与所述图像之间的配准，得到所述图像的深度图；对所述图像的深度图进行图像分割，得到所述地图要素在所述深度图中的分割图像；根据所述激光点云与所述图像之间的配准关系，将所述分割图像在所述深度图中的二维位置，转换为所述地图要素在所述目标场景中的三维位置。采用本发明专利技术所提供的地图要素提取方法、装置及服务器解决了现有技术中高精度地图的生产效率不高的问题。

Map Element Extraction Method, Device and Server

【技术实现步骤摘要】
地图要素提取方法、装置及服务器
本专利技术涉及计算机
，尤其涉及一种地图要素提取方法、装置及服务器。
技术介绍
高精度地图，是用于辅助驾驶、半自动驾驶或者无人驾驶的地图，由一系列地图要素构成，此地图要素包括：车道线、地面标志、路牙、栅栏、交通标志牌等要素。通常，高精度地图的生成过程中，首先从激光点云中提取地图要素，再通过人工方式对提取得到的地图要素进行手动编辑，以生成高精度地图。可以理解，如果地图要素提取的准确性不高，将导致人工手动编辑地图要素的耗时长、工序复杂、效率低，并最终影响高精度地图的生产效率。因此，如何提高高精度地图的生产效率仍亟待解决。
技术实现思路
为了解决相关技术中存在的高精度地图的生产效率不高的问题，本专利技术各实施例提供一种地图要素提取方法、装置及服务器。其中，本专利技术所采用的技术方案为：第一方面，一种地图要素提取方法，包括：获取目标场景的激光点云和图像，所述目标场景包括至少一要素实体对应于地图要素；进行所述激光点云与所述图像之间的配准，得到所述图像的深度图；对所述图像的深度图进行图像分割，得到所述地图要素在所述深度图中的分割图像；根据所述激光点云与所述图像之间的配准关系，将所述分割图像在所述深度图中的二维位置，转换为所述地图要素在所述目标场景中的三维。第二方面，一种地图要素提取装置，包括：图像获取模块，用于获取目标场景的激光点云和图像，所述目标场景包括至少一要素实体对应于地图要素；深度图构建模块，用于进行所述激光点云与所述图像之间的配准，得到所述图像的深度图；图像分割模块，用于对所述图像的深度图进行图像分割，得到所述地图要素在所述深度图中的分割图像；位置转换模块，用于根据所述激光点云与所述图像之间的配准关系，将所述分割图像在所述深度图中的二维位置，转换为所述地图要素在所述目标场景中的三维。第三方面，一种服务器，包括处理器及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如上所述的地图要素提取方法。第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的地图要素提取方法。在上述技术方案中，对所获取的目标场景的激光点云与图像进行配准，构建图像的深度图，以对该深度图进行图像分割，得到地图要素在深度图的分割图像，进而根据激光点云与图像之间的配准关系，将分割图像在深度图中的二维位置，转换为地图要素在目标场景中的三维位置，由于深度图反映了激光点云和图像之间的配准关系，也即是，深度图不仅描述了地图要素的色彩纹理轮廓，而且描述了地图要素的空间结构，进而使得地图要素在深度图中的图像分割更加地准确，从而保证了地图要素提取的准确性，有利于提高人工手动编辑地图要素的效率，以此解决了现有技术中存在的高精度地图生产效率不高的问题。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并于说明书一起用于解释本专利技术的原理。图1是根据本专利技术所涉及的实施环境的示意图。图2是根据一示例性实施例示出的一种服务器的硬件结构框图。图3是根据一示例性实施例示出的一种地图要素提取方法的流程图。图4是图3对应实施例所涉及的配准前目标场景的激光点云与图像的示意图。图5是图3对应实施例所涉及的配准后目标场景的激光点云与图像的示意图。图6是根据一示例性实施例示出的对所述激光点云与所述图像进行配准，得到所述图像中像素点对应的深度信息步骤的流程图。图7是图3对应实施例中步骤350在一个实施例的流程图。图8是根据一示例性实施例示出的语义分割网络的构建过程的流程图。图9是图7对应实施例所涉及的地图要素在深度图中的分割图像的示意图。图10是图7对应实施例中步骤351在一个实施例的流程图。图11是图10对应实施例所涉及的残差神经网络的结构示意图。图12是根据一示例性实施例示出的另一种地图要素提取方法的流程图。图13是图12对应实施例所涉及的目标场景匹配地图中显示车道线要素的示意图。图14是图12对应实施例所涉及的目标场景匹配地图中显示地面标志要素的示意图。图15是根据一示例性实施例示出的一种地图要素提取装置的框图。图16是根据一示例性实施例示出的一种服务器的框图。通过上述附图，已示出本专利技术明确的实施例，后文中将有更详细的描述，这些附图和文字描述并不是为了通过任何方式限制本专利技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本专利技术的概念。具体实施方式这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。图1为一种地图要素提取方法所涉及的实施环境的示意图。该实施环境包括用户端110和服务器端130。其中，用户端110部署于车辆、飞机、机器人中，可以是台式电脑、笔记本电脑、平板电脑、智能手机、掌上电脑、个人数字助理、导航仪、智能计算机等，在此不进行限定。用户端110与服务器端130通过无线或者有线网络等方式预先建立网络连接，并通过此网络连接实现用户端110与服务器端130之间的数据传输。例如，传输的数据包括：目标场景的高精度地图等。在此说明的是，服务器端130可以是一台服务器，也可以是由多台服务器构成的服务器集群，如图1所示，还可以是由多台服务器构成的云计算中心。其中，服务器是为用户提供后台服务的电子设备，例如，后台服务包括：地图要素提取服务、高精度地图生成服务等。服务器端130在获取到目标场景的激光点云和图像之后，便可通过目标场景的激光点云和图像进行地图要素提取，以获取地图要素在目标场景中的三维位置。在获得地图要素在目标场景中的三维位置之后，便可通过服务器端130所配置的显示屏幕，按照此三维位置在目标场景地图中显示地图要素，以在编辑人员的控制下生成目标场景的高精度地图。当然，根据实际营运的需要，地图要素提取和地图要素编辑既可以部署于同一服务器中，也可以分别部署于不同服务器中，例如，地图要素提取部署于服务器131、132，地图要素编辑部署于服务器133、134。然后，目标场景的高精度地图，便可作进一步存储，例如，存储至服务器端130，也可以存储至其他缓存空间，在此并未加以限定。那么，对于使用高精度地图的用户端110而言，例如，当无人驾驶车辆欲经过目标场景时，其所承载的用户端110将相应地获得目标场景的高精度地图，以便于辅助无人驾驶车辆安全经过目标场景。值得一提的是，关于目标场景的激光点云和图像，可以是由另外的采集设备预先采集并存储至服务器端130，也可以是在承载用户端110的车辆、飞机、机器人经过目标场景时，由用户端110实时采集并上传至服务器端130，在此并未加以限定。图2是根据一示例性实施例示出的一种服务器的硬件结构框图。该种服务器适用于图1所示实施环境中的服务器。需要说明的是，该种服务器只是一个适配于本专利技术的示例，不能认为是提供了对本专利技术的使用范围的任何限制。该种服务器也不能解释为需要依赖于或者必须具有图2中示出的示本文档来自技高网...

【技术保护点】
1.一种地图要素提取方法，其特征在于，包括：获取目标场景的激光点云和图像，所述目标场景包括至少一要素实体对应于地图要素；进行所述激光点云与所述图像之间的配准，得到所述图像的深度图；对所述图像的深度图进行图像分割，得到所述地图要素在所述深度图中的分割图像；根据所述激光点云与所述图像之间的配准关系，将所述分割图像在所述深度图中的二维位置，转换为所述地图要素在所述目标场景中的三维位置。

【技术特征摘要】
1.一种地图要素提取方法，其特征在于，包括：获取目标场景的激光点云和图像，所述目标场景包括至少一要素实体对应于地图要素；进行所述激光点云与所述图像之间的配准，得到所述图像的深度图；对所述图像的深度图进行图像分割，得到所述地图要素在所述深度图中的分割图像；根据所述激光点云与所述图像之间的配准关系，将所述分割图像在所述深度图中的二维位置，转换为所述地图要素在所述目标场景中的三维位置。2.如权利要求1所述的方法，其特征在于，所述进行所述激光点云与所述图像之间的配准，得到所述图像的深度图，包括：对所述激光点云与所述图像进行配准，得到所述图像中像素点对应的深度信息；根据所述图像中像素点对应的深度信息，为所述图像构建所述深度图。3.如权利要求2所述的方法，其特征在于，所述对所述激光点云与所述图像进行配准，得到所述图像中像素点对应的深度信息，包括：构建所述激光点云与所述图像之间的投影变换函数；提取所述激光点云与所述图像中相对应的特征点，并根据提取到的特征点估计所述投影变换函数的参数；根据完成参数估计的投影变换函数，计算得到所述图像中像素点对应的深度信息。4.如权利要求3所述的方法，其特征在于，所述根据所述激光点云与所述图像之间的配准关系，将所述分割图像在所述深度图中的二维位置，转换为所述地图要素在所述目标场景中的三维位置，包括：将所述分割图像在所述深度图中的二维位置、以及所述图像中像素点对应的深度信息，输入完成参数估计的投影变换函数，计算得到所述地图要素在所述目标场景中的三维位置。5.如权利要求1所述的方法，其特征在于，所述对所述图像的深度图进行图像分割，得到所述地图要素在所述深度图中的分割图像，包括：对所述图像的深度图进行特征提取，得到所述图像对应的特征图；对所述特征图中的像素点进行类别预测，得到所述特征图中像素点的类别；将所述特征图中同一类别的像素点，拟合形成对应地图要素在所述深度图中的分割图像，每一类别对应一种地图要素。6.如权利要求5所述的方法，其特征在于，所述对所述图像的深度图进行特征提取，得到所述图像对应的特征图，包括：采用残差神经网络中的高层网络提取得到所述深度图的全局特征，并采用所述残差神经网络中的低层网络提取得到所述深度图的局部特征；进行提取得到的全局特征与局部特征的融合，得到中间特征图；对所述中间特征图进行线性插值，得到所述图像对应的特征图。7.如权利要求6所述的方法，其特征在于，所述进行提取得到的全局特征与局部特征的融合，得到中间特征图，包括：对最高一层网络对应的全局特征进行反卷积上采样处理，得到融合特征图；对次高一层网络对应的全局特征进行反卷积处理，并通过与所述融合特征图的融合，更新所述融合特征图；进行所述融合特征图的上采样处理，二次更新所述融合特征图；按照所述残差神...

【专利技术属性】
技术研发人员：舒茂，陈偲，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44