一种构建地图的方法及计算设备技术

本申请实施例公开了一种构建地图的方法及计算设备，构建好的地图可应用于自动驾驶领域中的激光处理领域，具体可应用在智能行驶的智能体(如智能汽车、智能网联汽车、自动驾驶汽车)上，该方法包括：对获取到的每帧激光点云都进行两种操作，一种是目标特征提取，构建拟合每个目标特征的函数，并得到每个函数对应的限制条件，这些函数和函数对应的限制条件构成主地图，另一种是根据每帧激光点云构建子地图(由每帧激光点云对应的占据栅格子地图拼接得到)，该构建的子地图就是占据栅格地图(OGM)，之后通过在主地图上建立OGM的索引，构建主地图和OGM的复合激光地图，该复合激光地图存储容量要求低，同时保留更多的特征信息用于匹配定位。定位。定位。

【技术实现步骤摘要】
一种构建地图的方法及计算设备


[0001]本申请涉及激光处理领域，尤其涉及一种构建地图的方法及计算设备。

技术介绍

[0002]定位技术作为自动驾驶的关键技术之一，是通过各种定位手段与多种传感器数据融合实现自动驾驶汽车的精确定位，让自动驾驶汽车获得自身确切位置。精确定位是自动驾驶汽车必不可少的功能，其中，由于激光雷达、三维激光扫描仪等激光传感器具有较高的测量精度，因此通过这些激光传感器获得的激光点云被广泛应用于精确定位中。
[0003]通过激光传感器实现精确定位的前提是要先获得一张基于激光点云构建的地图(可简称为激光地图)，再根据激光传感器实时获取的激光点云同激光地图进行匹配实现定位。目前，在已实现的方案中，构建激光地图的方式主要有两种：一种是将原始的激光点云直接构建成激光地图，在后续定位时直接将激光传感器实时获取的激光点云和激光地图进行匹配；另一种是将三维的激光点云压缩为二维信息，并根据压缩的二维信息构建二维的占据栅格地图(occupancy grid map，OGM)，该二维的OGM就构成激光地图。
[0004]然而上述两种方式都存在缺陷，第一种方式得到的激光地图所需的存储容量过大，难以工程复用，第二种方式将三维的激光点云压缩为二维信息损失了很多特征，从而影响后续的定位精度。

技术实现思路

[0005]本申请实施例提供了一种构建地图的方法及计算设备，通过在主地图上建立占据栅格地图的索引，构建主地图和占据栅格地图的复合激光地图，降低了该复合激光地图的存储容量，同时保留更多的特征信息用于后续的匹配定位。
[0006]基于此，本申请实施例提供以下技术方案：
[0007]第一方面，本申请实施例提供了一种构建地图的方法，该地图可应用于自动驾驶领域中的激光处理领域，例如，可应用在智能行驶的智能体(如，智能汽车、智能网联汽车)上，该方法包括：计算设备会先获取构建地图所需的激光点云数据(也可简称为激光点云)，并对获取到的激光点云进行特征提取，得到目标特征，该目标特征为从激光点云数据中提取到的符合预设条件的激光点，该激光点包括激光点的坐标和激光点的反射强度。例如，可以是处于标准位姿的激光传感器在不同地理位置处分别获取一帧激光点云，共得到n帧激光点云后，再由计算设备对这n帧激光点云进行特征提取，得到目标特征；也可以是处于标准位姿的激光传感器在不同地理位置每获取到一帧激光点云，就发送给计算设备进行特征提取，直至处理完所有的n帧激光点云，具体此处对计算设备处理激光点云的方式不做限定。针对激光点云提取到对应的目标特征后，就可构建拟合每个目标特征的函数，并得到该函数的限制条件，例如，假设从第一帧激光点云中提取到了3个目标特征，其中2个是线特征，1个是面特征，那么就可以分别构建拟合这3个目标特征的函数(共3个函数)，并且还将得到每个函数的限制条件(共3个限制条件)，类似地，可以针对每帧激光点云都进行所述处
理，就可得到所有n帧激光点云的目标特征对应的函数和限制条件，得到的这些函数和限制条件就构成主地图。例如，假设共有100帧激光点云，从中共提取到800个目标特征，那么对应就可以得到800个函数，以及800个函数对应的限制条件，这800个目标特征和800个限制条件就构成主地图，这里需要注意的是，共提取到的这800个目标特征是已经经过筛选合并后的目标特征，例如，不同的2帧激光点云中分别提取到10个目标特征和8个目标特征，其中可能会有部分目标特征表征的同一个事物(如，是同一个路灯、路障等)，那么就需要先对这相同的目标特征合并为一个目标特征，假设从前一帧激光点云提取到10个目标特征中有2个目标特征是与从后一帧激光点云提取到的8个目标特征中的2个目标特征是同一个事物，那么就只需保留其中一份中的2个目标特征，后续提取到的目标特征均是如此处理，此处不予赘述。计算设备还将对获取到的每帧激光点云构建子地图，该构建的子地图就是占据栅格子地图(OGM)。针对每帧激光点云进行上述处理后，就得到了一个主地图和一个OGM，那么此时就需要将得到的主地图和OGM联系起来，组成复合激光地图，具体地，计算设备可以是在主地图上建立OGM的索引以组合得到复合激光地图。
[0008]在本申请上述实施方式中，计算设备对获取到的激光点云都进行两种操作，一种操作是目标特征提取，构建拟合每个目标特征的函数，并得到每个函数对应的限制条件，这些函数和函数对应的限制条件就构成主地图，另一种操作是根据激光点云构建子地图OGM，之后，通过在主地图上建立OGM的索引，构建主地图和OGM的复合激光地图，降低了该复合激光地图的存储容量，同时保留更多的特征信息用于后续的匹配定位。
[0009]在第一方面的一种可能的设计中，计算设备根据激光点云构建OGM可以是：计算设备针对每帧获取到的激光点云，都先构建一个对应的占据栅格子地图，或者是，针对几帧连续的激光点云，构建一个对应的占据栅格子地图，例如，假设共有100帧激光点云，那么就可构建得到100个占据栅格子地图(可以一对一构建，也可以多对一构建，不做限定，此处仅为示意)，构建每个占据栅格子地图的过程如下：在设置好占据栅格子地图的长和宽(即设置占据栅格子地图尺寸)以及栅格分辨率后，计算设备将得到的激光坐标系中的每帧激光点云投影到对应的占据栅格子地图中，若某个栅格中没有激光点就认为是空，有至少一个激光点就认为该栅格对应存在障碍物。因此，对于一个栅格把它是空的概率表示为p(s＝1)，有障碍物表示为p(s＝0)，两者的概率和为1，之后，计算设备对投影至占据栅格子地图的每帧激光点云经过一系列数学变换，根据各个栅格是否被占据的概率把这个栅格定位为占据状态或者空闲状态，其中，占据栅格子地图的中心位置就是该占据栅格子地图的原点O。类似地，针对每一帧激光点云，都进行上述处理，这样所有的n帧激光点云就分别对应有一个占据栅格子地图(共n个)，之后，将这n帧激光点云对应的占据栅格子地图进行拼接，从而得到一张完整的OGM。
[0010]在本申请上述实施方式中，具体阐述了如何由激光点云构建对应的占据栅格子地图，并将这些占据栅格子地图拼接成一张完整的OGM，具备可实现性。
[0011]在第一方面的一种可能的设计中，计算设备在主地图上建立OGM的索引可以是：首先，计算设备将各个激光点云对应的占据栅格子地图的中心位置(即原点)转换为横墨卡托格网系统(universal transverse mercator grid system，UTM)坐标系下的坐标值，然后，再在主地图上添加每个原点坐标值作为每帧激光点云对应的占据栅格子地图的索引标签。
[0012]在本申请上述实施方式中，阐述了如何将主地图与OGM建立联系的一种具体实现
方式，即在主地图上添加各个占据栅格子地图的索引标签，这种实现方式易于实现，操作简便。
[0013]在第一方面的一种可能的设计中，计算设备得到函数的限制条件可以是：得到该函数对应自变量的取值区间；或，得到该函数中目标自变量的取值，该目标自变量包括目标激光点的坐标，该目标激光点属于上述目标特征。...

【技术保护点】

【技术特征摘要】
1.一种构建地图的方法，其特征在于，包括：基于激光点云数据，提取目标特征，所述目标特征为从所述激光点云数据中提取到的符合预设条件的激光点，所述激光点包括激光点的坐标和激光点的反射强度；构建拟合所述目标特征的函数，并得到所述函数的限制条件，所述函数和所述限制条件构成主地图；根据所述激光点云数据构建占据栅格地图；在所述主地图上建立所述占据栅格地图的索引。2.根据权利要求1所述的方法，其特征在于，所述根据所述激光点云数据构建占据栅格地图包括：根据第一激光点云数据构建第一占据栅格子地图，所述第一激光点云数据属于所述激光点云数据中的任意一帧或多帧；将构建的第一占据栅格子地图进行拼接，得到所述占据栅格地图。3.根据权利要求2所述的方法，其特征在于，所述在所述主地图上建立所述占据栅格地图的索引包括：将构建的第一占据栅格子地图的中心位置转换为在通用横墨卡托格网系统(UTM)坐标系下的坐标值；在所述主地图上添加所述坐标值作为构建的第一占据栅格子地图的索引标签。4.根据权利要求1-3中任一项所述的方法，其特征在于，所述得到所述函数的限制条件包括：得到所述函数对应自变量的取值区间；或，得到所述函数中目标自变量的取值，所述目标自变量包括目标激光点的坐标，所述目标激光点属于所述目标特征。5.根据权利要求1-4中任一项所述的方法，其特征在于，所述占据栅格地图包括：第一栅格中障碍物的高度和落入所述第一栅格中激光点的反射强度的平均值，所述第一栅格为所述占据栅格地图内任意一个被占据的栅格。6.根据权利要求5所述的方法，其特征在于，所述第一栅格中障碍物的高度存储为整形数据；和/或，落入所述第一栅格中激光点的反射强度的平均值存储为整形数据。7.根据权利要求5-6中任一项所述的方法，其特征在于，当所述第一栅格中障碍物为悬空障碍物，所述障碍物的高度包括：所述障碍物的下边缘距离地面的第一高度和所述障碍物的上边缘距离地面的第二高度。8.根据权利要求1-7中任意一项所述的方法，其特征在于，所述目标特征包括：线特征，所述线特征用于表示从所述激光点云数据提取的所述激光点位于同一直线上；和/或，面特征，所述面特征用于表示从所述激光点云数据提取的所述激光点位于同一平面
上。9.一种计算设备，其特征在于，包括：提取模块，基于激光点云数据，提取目标特征，所述目标特征为从所述激光点云数据中提取到的符合预设条件的激光点，所述激光点包括激光点的坐标和激光点的反射强度；第一构建模块，用于构建拟合所述目标特征的函数，并得到所述函数的限制...

【专利技术属性】
技术研发人员：王舜垚，胡伟龙，陈超越，潘杨杰，李旭鹏，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：