一种适用于非结构化道路场景下高精度地图的构建方法技术

本发明专利技术提供一种适用于非结构化道路场景下高精度地图的构建方法，涉及自动驾驶技术领域。该方法使用联合标定过相机和激光雷达的数据采集车采集非结构化道路数据，并生成深度图像，根据采集回来的道路数据制作点云地图，根据道路环境选择对应算法进行道路区域提取，对生成的点云地图标注道路边界，判断道路宽度，并根据交通规则生成带有速度和方向的虚拟车道，人工校正步骤4标注的车道线，手动标注红绿灯和路牌位置，并将地图保存为所需的格式。本发明专利技术以道路边界为基础，对于在封闭园区和乡镇乡村等环境下的非结构化道路的高精度地图构建提出一种有效的方法，确保其在现自动驾驶软件框架中能够正确辅助无人车感知、定位以及规划等。划等。划等。

【技术实现步骤摘要】
一种适用于非结构化道路场景下高精度地图的构建方法


[0001]本专利技术涉及自动驾驶
，尤其涉及一种适用于非结构化道路场景下高精度地图的构建方法。

技术介绍

[0002]高精度地图作为自动驾驶领域中的核心角色之一，可以帮助汽车预先感知路面复杂信息，如坡度、曲率、航向等，结合智能路径规划，让汽车做出正确决策。高精度地图是相比传统电子地图精度更高、数据维度更多的一种数字地图，其中精度更高体现在地图精确到厘米级别，数据维度体现在其除了道路信息之外，还包括与交通相关的道路周围的其他信息。目前普遍认为实现L3级别以上的自动驾驶商业化落地必须要引入高精度地图。其主要服务对象是自动驾驶系统，即车载主机。相比人类驾驶员，车载主机没有人类的逻辑分析能力，借助高精度地图可以为无人车提供传感器不具备的全局视野，包括传感器监测范围之外的道路和交通设施信息，帮助无人车提前预判并规避已知障碍物，提高整体控制的效率。但是由于高精度地图要求精度高，包含信息多的特点，高精度地图的制作要比普通电子地图更加困难。
[0003]自动驾驶发展至今，实现了针对特定场景的商业化落地，距离最高等级的在任何可行驶条件下可自动驾驶还有不小的差距。目前的自动驾驶发展方向主要集中在城市道路和高速公路这种具有清晰车道线和交通标志的结构化较好的道路，在没有车道线或明显道路边界的非结构化道路下没有好的解决方案。在结构化道路下，地图厂商、车企和互联网大厂使用激光雷达、相机、GPS和IMU等多传感器融合的静态高精度地图生产方案，通过识别车道线、道路标志以及路牌、红绿灯等静态交通设施位置来保证其厘米级别的精度。结构化道路中有车道概念，且车道为单向，所以可以直接在高精度地图上标注车道行驶方向和速度信息。但在非结构化道路中，车道概念不明确或没有车道，结构化道路的解决方案就不可以直接应用到非结构化道路场景。综上所述，构建非结构化道路场景下下适用于自动驾驶的高精度地图是未来自动驾驶向高等级发展的一个方向。
[0004]在非结构化道路场景下制作高精度地图，目前存在以下问题需要解决：(1)车道概念不明确，一条道路双向皆可行驶，无法像结构化道路那样标注行驶方向的车道；(2)非结构化道路场景相比结构化道路来说，感知整体要更简单些，要感知的东西变少了，所以结构化道路下的地图采集车的多传感器融合的方案在非结构化道路场景下数据冗余过多，并且结构化道路下的传感器昂贵，数据处理难度大，成本较高；(3)现有深度学习的高精度地图制作方式自动化程度高，但是依赖前期的道路特征图像进行模型训练，在非结构化道路场景中，不规则的道路边界、缺乏道路标示的特点使得制作标注图像困难，很难训练出识别率高的非结构化道路识别模型。并且深度学习需要数据量较大，数据计算量较大，地图制作成本较高。

技术实现思路

[0005]本专利技术要解决的技术问题是针对上述现有技术的不足，提供一种适用于非结构化道路场景下高精度地图的构建方法，以道路边界为基础，确保其在现自动驾驶软件框架中能够正确辅助无人车感知、定位以及规划等。
[0006]为解决上述技术问题，本专利技术所采取的技术方案是：
[0007]一种适用于非结构化道路场景下高精度地图的构建方法，包括以下步骤：
[0008]步骤1：使用联合标定过相机和激光雷达的数据采集车采集非结构化道路数据，并使用激光雷达数据图像数据生成深度图像；
[0009]步骤2：根据采集回来的道路数据制作点云地图，根据道路环境选择对应算法进行道路区域提取；
[0010]步骤3：对步骤2生成的点云地图标注道路边界；
[0011]步骤4：判断道路宽度，并根据交通规则生成带有速度和方向的虚拟车道；
[0012]步骤5：人工校正步骤4标注的车道线，手动标注红绿灯和路牌位置，并将地图保存为所需的格式。
[0013]所述步骤1包括：
[0014]步骤1.1：标定相机，获得相机内参矩阵K；在确定相机和激光雷达在车体上的安装位置后，对相机和激光雷达进行联合标定，获得外参矩阵，包括相机到激光雷达的旋转矩阵R和平移向量t；
[0015]步骤1.2：将数据采集车在目标道路上靠右匀速行驶，采集车配备有计算机设备，将采集的数据保存为.bag文件的数据包；
[0016]步骤1.3：读取数据包中的图像数据和激光雷达数据，将激光雷达数据投影到时间戳对应的图像上，生成深度图像。
[0017]所述步骤2包括：
[0018]步骤2.1：将采集车采集回来的数据回放，选择对应算法生成点云地图，根据道路周围环境确定生成点云地图的算法；
[0019]步骤2.2：将采集回来的图像数据采样，通过基于纹理的道路消失点检测找到图像的消失点，并根据消失点位置裁减图像，提取感兴趣区域；
[0020]步骤2.3：将上一步骤提取到的道路感兴趣区域进行分割，切割出道路区域和非道路区域，并提取道路区域的边界点；
[0021]步骤2.4：通过公式(5)将检测到的道路边界通过坐标变换到激光雷达三维坐标系，其中z
c
是道路边界线在相机坐标系下的z轴坐标值，(u,v)是二维图像道路边界点的坐标，(x
L
,y
L
,z
L
)为激光雷达坐标系下的道路边界点坐标；
[0022][0023]步骤2.5：根据激光雷达和车体安装位置，将激光雷达坐标系下的道路边界点转换到车体坐标系，再将车体坐标系下的道路边界点转换到世界坐标系，此处为与点云地图对应，使用数据采集车出发点为原点；
[0024]步骤2.6：将基于世界坐标系的道路边界点坐标保存并输出；
[0025]步骤2.7：重复上述步骤2.2～步骤2.6，直到本次数据处理结束。
[0026]所述步骤3包括：
[0027]步骤3.1：遍历步骤2得到的世界坐标系的道路边界点，将道路边界点的z轴坐标置零，将各道路边界点投影到xoy平面；
[0028]步骤3.2：遍历道路边界点坐标点集，对道路边界点的坐标点集进行优化，若后续更新的坐标点与现有坐标点之间距离相差小于0.05m，则将时间戳靠前的点删除，保留后更新的道路边界点，然后将得到的道路边界点拟合出左右两条道路边界曲线；
[0029]步骤3.3：分别对拟合出的左右两条道路边界曲线采样，得到点的坐标保存为csv表格格式；
[0030]步骤3.4：将道路边界保存为Autoware自动驾驶平台下的vector map格式。
[0031]所述步骤4包括：
[0032]步骤4.1：对步骤3得到的两条道路边界曲线对应的坐标做差求道路宽度；
[0033]步骤4.2：若道路宽度大于两倍城市车道宽度，则根据靠右行驶的交通规则，将距离左右道路边界线1/4处分别生成左右两条车道线lane，保存为vector map格式，跳至步骤4.4继续；否则执行步骤4.3；
[0034]步骤4.3：道路宽度小于两倍城市车道宽度时，以道路边界为基准，分别生成距离左右两条道路边本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于非结构化道路场景下高精度地图的构建方法，其特征在于：该方法包括以下步骤：步骤1：使用联合标定过相机和激光雷达的数据采集车采集非结构化道路数据，并使用激光雷达数据图像数据生成深度图像；步骤2：根据采集回来的道路数据制作点云地图，根据道路环境选择算法进行道路区域提取；步骤3：对步骤2生成的点云地图标注道路边界；步骤4：判断道路宽度，并根据交通规则生成带有速度和方向的虚拟车道；步骤5：人工校正步骤4标注的车道线，手动标注红绿灯和路牌位置，并将地图保存为所需的格式。2.根据权利要求1所述的适用于非结构化道路场景下高精度地图的构建方法，其特征在于：所述步骤1包括：步骤1.1：标定相机，获得相机内参矩阵K；在确定相机和激光雷达在车体上的安装位置后，对相机和激光雷达进行联合标定，获得外参矩阵，包括相机到激光雷达的旋转矩阵R和平移矩阵t；步骤1.2：将数据采集车在目标道路上靠右匀速行驶，采集车配备有计算机设备，将采集的数据保存为.bag文件的数据包；步骤1.3：读取数据包中的图像数据和激光雷达数据，将激光雷达数据投影到时间戳对应的图像上，生成深度图像。3.根据权利要求2所述的适用于非结构化道路场景下高精度地图的构建方法，其特征在于：所述步骤2包括：步骤2.1：将采集车采集回来的数据回放，选择对应算法生成点云地图，根据道路周围环境确定生成点云地图的算法；步骤2.2：将采集回来的图像数据采样，通过基于纹理的道路消失点检测找到图像的消失点，并根据消失点位置裁减图像，提取感兴趣区域；步骤2.3：将上一步骤提取到的道路感兴趣区域进行分割，切割出道路区域和非道路区域，并提取道路区域的边界点；步骤2.4：通过公式(5)将检测到的道路边界通过坐标变换到激光雷达三维坐标系，其中z
c
是道路边界线在相机坐标系下的z轴坐标值，(u,v)是二维图像道路边界点的坐标，(x
L
,y
L
,z
L
)为激光雷达坐标系下的道路边界点坐标；步骤2.5：根据激光雷达和车体安装位置，将激光雷达坐标系下的道路边界点转换到车体坐标系，再将车体坐标系下的道路边界点转换到世界坐标系，此处为与点云地图对应，使用数据采集车出发点为原点；步骤2.6：将基于世界坐标系的道路边界点坐标保存并输出；步骤2.7：重复上述步骤2.2～步骤2.6，直到本次数据处理结束。
4.根据权利要求3所述的适用于非结构化道路场景下高精度地图的构建方法，其特征在于：所述步骤2.3中使用二维OTSU阈值分割算法进行分割，获得道路区域和非道路区域，提取最大连通区域作为道路区域，并将其中的较小面积的...

【专利技术属性】
技术研发人员：张磊，屈煜，罗小川，
申请(专利权)人：东北大学，
类型：发明
国别省市：