一种基于地图车采集的地库激光点云中车辆自动提取方法技术

本发明专利技术涉及一种基于地图车采集的地库激光点云中车辆自动提取方法，包括：在地图采集车上配置激光雷达和鱼眼相机，分别进行点云数据和图像数据的采集；获取点云数据和图像数据的位置匹配参数；对点云数据和图像数据进行特征融合后得到特征融合数据，基于特征融合数据训练得到车辆的3D目标检测网络模型，将待检测的点云数据和图像数据的特征融合数据输入训练好的3D目标检测网络模型，3D目标检测网络模型输出点云数据中的车辆位置信息；为行驶车辆提高其他车辆的位置信息辅助地图制作人员对地库地图的制作。地库地图的制作。地库地图的制作。

【技术实现步骤摘要】
一种基于地图车采集的地库激光点云中车辆自动提取方法


[0001]本专利技术涉及高精度地图生产领域，尤其涉及一种基于地图车采集的地库激光点云中车辆自动提取方法。

技术介绍

[0002]在高精度地图制作中，需要对采集的激光点云和图像中的车辆进行自动识别，以便及时获取其他车辆的位置信息，以便辅助车辆进行安全行驶避障、合理规划选择行驶方向等。用人工进行制作，无法保证信息的实效性。所以需要对当前地库车辆情况进行实时监测，以便及时辅助车辆获知当前车辆周围地库中的其他车辆信息。能够辅助驾驶员便捷的做出车辆行驶应对措施。

技术实现思路

[0003]本专利技术针对现有技术中存在的技术问题，提供一种基于地图车采集的地库激光点云中车辆自动提取方法，为行驶车辆提高其他车辆的位置信息辅助地图制作人员对地库地图的制作。
[0004]根据本专利技术的第一方面，提供了一种基于地图车采集的地库激光点云中车辆自动提取方法，包括：步骤1，在地图采集车上配置激光雷达和鱼眼相机，分别进行点云数据和图像数据的采集；
[0005]步骤2，获取所述点云数据和图像数据的位置匹配参数；
[0006]步骤3，对所述点云数据和图像数据进行特征融合后得到特征融合数据，基于所述特征融合数据训练得到车辆的3D目标检测网络模型，将待检测的所述点云数据和图像数据的特征融合数据输入训练好的所述3D目标检测网络模型，所述3D目标检测网络模型输出点云数据中的车辆位置信息。
[0007]在上述技术方案的基础上，本专利技术还可以作出如下改进。<br/>[0008]可选的，所述鱼眼相机数量为四个，分别设置在车辆的前后左右四个方向上。
[0009]可选的，所述步骤2包括：获取鱼眼相机图像坐标系到相机坐标系的转换关系；获取相机坐标系到激光点云坐标系之间的转换关系；根据多组的转换关系通过参数拟合分别获取所述点云数据和各个鱼眼相机采集的图像数据直接的位置匹配参数信息。
[0010]可选的，所述鱼眼相机图像坐标系到相机坐标系的转换关系采用鱼眼相机模型，所述鱼眼相机模型中透镜组的映射关系r＝f*d(θ)；
[0011]d(θ)＝θ+k1θ3+k2θ5+k3θ7+k4θ9；参数k1、k2、k3、k4的值以及鱼眼相机内参通过标定得到；获取所述相机坐标系到激光点云坐标系之间的转换关系的过程包括：通过激光雷达对标定板进行扫描，根据传感器的原点到标定板的距离对应性，求得激光雷达点云数据与各个所述鱼眼相机获取的图像数据的映射关系。
[0012]可选的，所述步骤3中对所述点云数据和图像数据进行特征融合包括：
[0013]沿着车辆行驶方向，将单帧雷达激光点云和其对应时刻的四个鱼眼相机的图像数
据特征进行特征融合。
[0014]可选的，所述步骤3之后还包括：
[0015]步骤4，获取车辆周围小范围内的点云数据，根据其点云强度信息、实际车辆的大小比例以及地面高度，对提取的信息进行局部修正并对非车辆目标进行过滤筛选。
[0016]可选的，所述步骤3之后还包括：
[0017]步骤5，根据雷达激光点云和对应摄像机的标定参数信息，获取各个鱼眼相机中的车辆坐标信息；将提取的车辆的三维激光点云中的位置信息以及鱼眼相机图像中的位置信息反馈给高精度地图制作系统中。
[0018]根据本专利技术的第二方面，提供一种基于地图车采集的地库激光点云中车辆自动提取系统，包括：数据采集模块、参数匹配模块和提取模块；
[0019]所述数据采集模块，用于在地图采集车上配置激光雷达和鱼眼相机，分别进行点云数据和图像数据的采集；
[0020]所述参数匹配模块，用于获取所述点云数据和图像数据的位置匹配参数；
[0021]所述提取模块，用于对所述点云数据和图像数据进行特征融合后得到特征融合数据，基于所述特征融合数据训练得到车辆的3D目标检测网络模型，将待检测的所述点云数据和图像数据的特征融合数据输入训练好的所述3D目标检测网络模型，所述3D目标检测网络模型输出点云数据中的车辆位置信息。
[0022]根据本专利技术的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现基于地图车采集的地库激光点云中车辆自动提取方法的步骤。
[0023]根据本专利技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现基于地图车采集的地库激光点云中车辆自动提取方法的步骤。
[0024]本专利技术提供的一种基于地图车采集的地库激光点云中车辆自动提取方法、系统、电子设备及存储介质，提取的车辆较全，对鱼眼相机和雷达激光点云进行标定后，融合激光点云特征和前后左右四个方向的图片特征进行提取，对周围的车辆信息提取更加全面；同时，采用深度学习网络，提高了泛化能力，加快了提取速度，具有更高的时效性；符合高精度地图的精度需求，通过传统方法的阈值设置以及对应特征的提取修正过滤，使得提取的精度较高，符合高精度地图制作的高精度需求。
附图说明
[0025]图1为本专利技术提供的一种基于地图车采集的地库激光点云中车辆自动提取的流程图；
[0026]图2(a)为本专利技术实施例提供的单帧的激光点云图；
[0027]图2(b)为本专利技术实施例提供的前置鱼眼相机图像；
[0028]图2(c)为本专利技术实施例提供的激光点云与前置鱼眼相机图像经过鱼眼相机的标定以及激光雷达与相机标定后的点的映射关系示意图；
[0029]图3(a)为专利技术实施例提供的单帧激光点云经过网络推理以及处理后得到的目标框信息示意图；
[0030]图3(b)为本专利技术实施例提供的该点云提取中的目标在前鱼眼相机中对应的图像中的目标包围框二维点坐标信息的示意图；
[0031]图3(c)为本专利技术实施例提供的该点云提取中的目标在后鱼眼相机中对应的图像中的目标包围框二维点坐标信息的示意图；
[0032]图4为本专利技术提供的一种基于地图车采集的地库激光点云中车辆自动提取系统的结构框图；
[0033]图5为本专利技术提供的一种可能的电子设备的硬件结构示意图；
[0034]图6为本专利技术提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
[0035]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0036]图1为本专利技术提供的一种基于地图车采集的地库激光点云中车辆自动提取方法的流程图，如图1所示，车辆自动提取方法包括：
[0037]步骤1，在地图采集车上配置激光雷达和鱼眼相机，分别进行点云数据和图像数据的采集。
[0038]步骤2，获取点云数据和图像数据的位置匹配参数。
[0039]步骤3，对点云数据和图像数据进行特征融合后得到特征融合数据，基于特征融合数据训练得到车辆的3D目标检测网络模型，将待检测的点云数据和图像数据的特征融合数据输入训练好的3D目标检测网络模型，3D本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于地图车采集的地库激光点云中车辆自动提取方法，其特征在于，所述车辆自动提取方法包括：步骤1，在地图采集车上配置激光雷达和鱼眼相机，分别进行点云数据和图像数据的采集；步骤2，获取所述点云数据和图像数据的位置匹配参数；步骤3，对所述点云数据和图像数据进行特征融合后得到特征融合数据，基于所述特征融合数据训练得到车辆的3D目标检测网络模型，将待检测的所述点云数据和图像数据的特征融合数据输入训练好的所述3D目标检测网络模型，所述3D目标检测网络模型输出点云数据中的车辆位置信息。2.根据权利要求1所述的车辆自动提取方法，其特征在于，所述鱼眼相机数量为四个，分别设置在车辆的前后左右四个方向上。3.根据权利要求1所述的车辆自动提取方法，其特征在于，所述步骤2包括：获取鱼眼相机图像坐标系到相机坐标系的转换关系；获取相机坐标系到激光点云坐标系之间的转换关系；根据多组的转换关系通过参数拟合分别获取所述点云数据和各个鱼眼相机采集的图像数据直接的位置匹配参数信息。4.根据权利要求3所述的车辆自动提取方法，其特征在于，所述鱼眼相机图像坐标系到相机坐标系的转换关系采用鱼眼相机模型，所述鱼眼相机模型中透镜组的映射关系r＝f*d(θ)；d(θ)＝θ+k1θ3+k2θ5+k3θ7+k4θ9；参数k1、k2、k3、k4的值以及鱼眼相机内参通过标定得到；获取所述相机坐标系到激光点云坐标系之间的转换关系的过程包括：通过激光雷达对标定板进行扫描，根据传感器的原点到标定板的距离对应性，求得激光雷达点云数据与各个所述鱼眼相机获取的图像数据的映射关系。5.根据权利要求2所述的车辆自动提取方法，其特征在于，所述步骤3中对所述点云数据和图像数据进行特征融合包括：沿着车辆行驶方向，将单帧雷达激光点云和其对应时刻的四个鱼眼相机的图像数据特征进行特...

【专利技术属性】
技术研发人员：何豪杰，万齐斌，王畅，何云，刘奋，
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：