点云地图量化方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种点云地图量化方法、装置、计算机设备和存储介质。所述方法包括：获取点云地图中各点云数据对应的几何特征；根据各几何特征对各点云数据进行筛选，得到点云地图中的车道线点云数据以及点云地图中的路沿点云数据；根据车道线点云数据和路沿点云数据生成二维线段；获取预设的测绘点到二维线段的关系，并根据关系对点云地图进行量化。采用本方法能够提高根据点云地图对应的测绘点到得到的二维线段的距离对点云地图进行量化的效率。

【技术实现步骤摘要】
点云地图量化方法、装置、计算机设备和存储介质
本申请涉及机器视觉
，特别是涉及一种点云地图量化方法、装置、计算机设备和存储介质。
技术介绍
随着自动驾驶技术的发展，高精度点云地图在自动驾驶技术中起着重要的作用，由此，对高精度点云地图的准确度评估显得尤为重要。传统技术中，主要是通过人工检查的方式，获取高精度点云地图中特征物体相对测绘点的误差，根据高精度点云地图中特征物体相对测绘点的误差对高精度点云地图的准确度进行评估。然而，传统的高精度点云地图的评估方法，存在评估效率较低的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高对高精度点云地图的评估效率的点云地图量化方法、装置、计算机设备和存储介质。一种点云地图量化方法，所述方法包括：获取点云地图中各点云数据对应的几何特征；根据各所述几何特征对各所述点云数据进行筛选，得到所述点云地图中的车道线点云数据以及所述点云地图中的路沿点云数据；根据所述车道线点云数据和所述路沿点云数据生成二维线段；<br>获取预设的测绘本文档来自技高网...

【技术保护点】
1.一种点云地图量化方法，其特征在于，所述方法包括：/n获取点云地图中各点云数据对应的几何特征；/n根据各所述几何特征对各所述点云数据进行筛选，得到所述点云地图中的车道线点云数据以及所述点云地图中的路沿点云数据；/n根据所述车道线点云数据和所述路沿点云数据生成二维线段；/n获取预设的测绘点与所述二维线段的关系，并根据所述关系对所述点云地图进行量化。/n

【技术特征摘要】
1.一种点云地图量化方法，其特征在于，所述方法包括：
获取点云地图中各点云数据对应的几何特征；
根据各所述几何特征对各所述点云数据进行筛选，得到所述点云地图中的车道线点云数据以及所述点云地图中的路沿点云数据；
根据所述车道线点云数据和所述路沿点云数据生成二维线段；
获取预设的测绘点与所述二维线段的关系，并根据所述关系对所述点云地图进行量化。


2.根据权利要求1所述的方法，其特征在于，所述根据各所述几何特征对各所述点云数据进行筛选，得到所述点云地图中的车道线点云数据以及所述点云地图中的路沿点云数据，包括：
将各所述几何特征对应的特征向量，确定为各所述点云数据的表面法向量；
根据各所述点云数据对应的姿态角数据，获取各所述点云数据对应的第一路面法向量；
计算各所述点云数据对应的表面法向量和各所述点云数据对应的第一路面法向量之间的第一夹角值；
将所述第一夹角值在预设的第一夹角阈值范围内的点云数据确定为初始路面点云数据；
根据所述初始路面点云数据，得到所述车道线点云数据以及所述路沿点云数据。


3.根据权利要求2所述的方法，其特征在于，所述根据所述初始路面点云数据，得到所述车道线点云数据以及所述路沿点云数据，包括：
对所述初始路面点云数据进行三维拟合，得到所述初始路面点云数据对应的拟合路面，并获取所述拟合路面对应的第二路面法向量；
根据所述第二路面法向量，从各所述点云数据中确定所述车道线点云数据以及所述路沿点云数据。


4.根据权利要求3所述的方法，其特征在于，所述根据所述第二路面法向量，从各所述点云数据中确定所述车道线点云数据，包括：
计算所述第二路面法向量和各所述点云数据对应的表面法向量之间的第二夹角值；
将所述第二夹角值在预设的第二夹角阈值范围内的点云数据确定为路面点云数据；
根据所述路面点云数据中的反射强度，生成所述路面点云数据的反射强度直方图；
根据所述反射强度直方图的均值和方差，确定车道线点云数据的筛选条件；
将满足所述筛选条件的路面点云数据，确定为所述车道线点云数据。


5.根据权利要求3所述的方法，其特征在于，所述根据所述第二路面法向量，从各所述点云数据中确定所述路沿点云数据，包括：
获取各所述点云数据到所述第二路面法向量方向的投射高度以及所述表面法...

【专利技术属性】
技术研发人员：唐治，徐逢亮，王钟绪，韩旭，
申请(专利权)人：广州文远知行科技有限公司，
类型：发明
国别省市：广东;44