一种众包地图地面标志聚合方法及装置制造方法及图纸

本方案请求保护一种基于角点特征的众包地图地面标志聚合方法及装置，该方法首先提取每个对象的角点特征，确定每个角点的角度和方向；随后按照一定条件对特征角点进行过滤；然后基于角点特征和距离度量将角点进行聚类，以确定多边形顶点；最终按照点序顺序连接各个顶点，实现不规则道路要素的拟合，同时利用深度学习实现高精度地图实时迭代更新，确保可靠信度。本发明专利技术能够在众包测绘数据下，低成本、高精度的实现道路要素聚合，从而构建车道级道路拓扑，为构建高精地图、辅助自动驾驶提供保障。辅助自动驾驶提供保障。辅助自动驾驶提供保障。

【技术实现步骤摘要】
一种众包地图地面标志聚合方法及装置


[0001]本专利技术涉及智能交通
，用于辅助自动驾驶，更具体涉及一种众包地图地面标志聚合方法及装置。

技术介绍

[0002]高精度地图作为辅助自动驾驶不可或缺的模块，如何低成本、高精度地实现道路网的拓扑构建一直以来是研究者们关注的重点。而众包更新是实现实时更新的低成本和可量产化的方案，具有一些非常显著的优势。在众包高精地图领域，车端在经过GNSS、SLAM视觉和IMU技术采集道路图像信息并对静态地物进行语义识别后，云端获得众包数据再构建车道级道路拓扑。
[0003]在这过程中经常需要对道路要素进行聚合，针对那些不规则的道路要素图形如地面标志，现有的聚合方法存在一定的局限性。例如，在CN202111265071.0)中公开了一种箭头角点自动化检测方法，该方案通过输出矢量结果使准确率更高，其次实现简单、二值化后算力降低，但是该方法只局限于直行箭头、左转箭头和右转箭头的检测，对于其他箭头类型或不规则图形并不适配，其次该方法强依赖于标准模型，拟合结果无法贴近于实际采集数据；在CN201510328541.1中公开了一种基于多边形广义霍夫变换的图像匹配方法，该专利技术通过匹配模板与目标图像的相似度，来确定模板图像与目标图像之间发生平移、旋转和缩放的参数，该方法也依赖于标准模型，若遇到无标准模板道路要素的拟合情况如导流带、紧急停车带等场景无法适配，且它采用了四维的投票参数空间导致时间复杂度很高、内存占用量大。因此，需要设计一种高效、低成本、低内存占用率的方法实现众包数据中不规则地面标志图形的聚合，良好的聚合方法才能保证在高精度地图生产中进行空间分析，为自动驾驶辅助决策。

技术实现思路

[0004]本专利技术旨在解决现有技术在不规则道路要素聚合过程中存在的算力大、依赖标准模型、耗时长的问题，提出了一种实时更新的、低成本、可量产化的众包地图地面标志聚合方法及装置。
[0005]本专利技术的技术方案如下：
[0006]本专利技术提供了一种众包地图地面标志聚合方法，包括：
[0007]S1,获取各众包车辆上传的数据包，一个数据包中包含一个众包车辆对其采集的多帧图像分别处理后的多条数据，一条数据包含对一帧图像按道路要素进行静态地物语义识别后得到的至少一个道路要素结果；
[0008]S2,基于道路要素类型对所有数据包中的全部数据进行分类，得到多个数据簇，一个数据簇包含同一道路要素类型的至少一条数据；
[0009]S3,判断每个数据簇所对应的道路要素形状是否为不规则多边形；
[0010]S4,若为，则将这一数据簇确定为目标数据簇；
[0011]S5,对每一目标数据簇均执行：
[0012]S51,确定目标数据簇的各多边形对象的全部角点坐标，再确定各多边形对象的每个角点的角度大小和角方向；
[0013]S52,对角点的角度大小不满足预设要求的部分角点坐标进行剔除；
[0014]S53,基于角点剔除后的目标数据簇，将全部多边形对象中具有相同特征的角点聚合为一个角点簇，得到多个角点簇；
[0015]S54,分别基于各角点簇对应的多个角点坐标确定一个目标角点坐标；
[0016]S55,将最终确定的全部目标角点沿同一方向依次相连形成的多边形确定为目标数据簇中的多边形对象的最终形状。
[0017]优选地，S51中，确定各多边形对象的每个角点的角度大小和角方向的步骤包括：
[0018]S511，以每个角点为基点，确定连接每个角点的两条矢量；
[0019]S512,将两条矢量的角平分线方向作为角点的角方向，再计算出各角点的角方向与坐标系x轴的顺时针旋转度数；
[0020]S513,将两条矢量之间的角度作为角点的角度大小。
[0021]优选地，S53中，基于角点剔除后的目标数据簇，将全部多边形对象中具有相同特征的角点聚合为一个角点簇，得到多个角点簇的步骤包括：
[0022]S531，将目标数据簇的任一多边形对象的任一角点标识为角点E，以目标数据簇中的剩余多边形对象的任一角点标识为F；
[0023]S532，计算角点E和角点F之间的欧拉距离；
[0024]S533，以角点E为基点，基于角点E的角度大小、角点F的角度大小、角点E的角平分线与X轴的顺时针旋转角度、角点F的角平分线与X轴的顺时针旋转角度、角点E和角点F之间的欧拉距离，计算角点E和角点F之间的特征差；
[0025]S534，若角点E和角点F之间的特征差小于预设半径阈值，则将角点E和角点F划分为一个角点簇；
[0026]S535，以角点F作为基点，对角点F和除角点E和角点F各自所在的多边形对象之外的剩余角点，均重复执行步骤S532
‑
S534，确定基于角点E聚合的角点簇；
[0027]S536，以角点E所在的多边形对象中除角点E之外的其它角点作为基点，重复执行步骤S531
‑
S535，确定所有角点均被划分到角点簇；
[0028]S537，对各角点簇执行：将角点数量小于预设角点数量的角点簇剔除，并保留剩余的角点簇。
[0029]优选地，S55中,分别基于各角点簇对应的多个角点坐标确定一个目标角点坐标的步骤包括：
[0030]将各角点簇对应的全部角点的坐标均值分别确定为一个目标角点坐标。
[0031]优选地，S533中,
[0032]通过公式：
[0033][0034]计算角点E和角点F之间的特征差Result，其中，Angle
E
表示角点E的角度大小，Angle
F
表示角点F的角度大小，Bisector
E
表示角点E的角平分线与坐标系x轴的顺时针旋转
度数，Bisector
F
表示角点F的角平分线与坐标系x轴的顺时针旋转度数，eps
Angle
表示预设角度阈值，eps
Bisector
表示预设角平分线与x轴的顺时针旋转度数阈值，|dist(E)
‑
dist(F)|表示角点E和角点F之间的欧拉距离；α为所占的权重值，β为所占的权重值，γ为|dist(E)
‑
dist(F)|所占的权重值，α、β和γ的值根据层次分析法确定。
[0035]优选地，S512中，
[0036]通过公式：
[0037][0038]计算各角点的角方向与坐标系x轴的顺时针旋转度数Bisector_A，其中，(x
a
，y
a
)为角点A的坐标，(x
b
，y
b
)为与角点A一侧相邻的角点B的坐标，(z
c
，y
c
)为与角点A另一侧相邻的角点C的坐标。
[0039]优选地，S513中，
[0040]通过公式：
[0041][0042]计算各角点的角度大小θ
A<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种众包地图地面标志聚合方法，其特征在于，包括：S1,获取各众包车辆上传的数据包，一个数据包中包含一个众包车辆对其采集的多帧图像分别处理后的多条数据，一条数据包含对一帧图像按道路要素进行静态地物语义识别后得到的至少一个道路要素结果；S2,基于道路要素类型对所有数据包中的全部数据进行分类，得到多个数据簇，一个数据簇包含同一道路要素类型的至少一条数据；S3,判断每个数据簇所对应的道路要素形状是否为不规则多边形；S4,若为，则将这一数据簇确定为目标数据簇；S5,对每一目标数据簇均执行：S51,确定目标数据簇的各多边形对象的全部角点坐标，再确定各多边形对象的每个角点的角度大小和角方向；S52,对角点的角度大小不满足预设要求的部分角点坐标进行剔除；S53,基于角点剔除后的目标数据簇，将全部多边形对象中具有相同特征的角点聚合为一个角点簇，得到多个角点簇；S54,分别基于各角点簇对应的多个角点坐标确定一个目标角点坐标；S55,将最终确定的全部目标角点沿同一方向依次相连形成的多边形确定为目标数据簇中的多边形对象的最终形状。2.根据权利要求1所述的众包地图地面标志聚合方法，其特征在于，S51中，确定各多边形对象的每个角点的角度大小和角方向的步骤包括：S511，以每个角点为基点，确定连接每个角点的两条矢量；S512,将两条矢量的角平分线方向作为角点的角方向，再计算出各角点的角方向与坐标系x轴的顺时针旋转度数；S513,将两条矢量之间的角度作为角点的角度大小。3.根据权利要求1所述的众包地图地面标志聚合方法，其特征在于，S53中，基于角点剔除后的目标数据簇，将全部多边形对象中具有相同特征的角点聚合为一个角点簇，得到多个角点簇的步骤包括：S531，将目标数据簇的任一多边形对象的任一角点标识为角点E，以目标数据簇中的剩余多边形对象的任一角点标识为F；S532，计算角点E和角点F之间的欧拉距离；S533，以角点E为基点，基于角点E的角度大小、角点F的角度大小、角点E的角平分线与X轴的顺时针旋转角度、角点F的角平分线与X轴的顺时针旋转角度、角点E和角点F之间的欧拉距离，计算角点E和角点F之间的特征差；S534，若角点E和角点F之间的特征差小于预设半径阈值，则将角点E和角点F划分为一个角点簇；S535，以角点F作为基点，对角点F和除角点E和角点F各自所在的多边形对象之外的剩余角点，均重复执行步骤S532
‑
S534，确定基于角点E聚合的角点簇；S536，以角点E所在的多边形对象中除角点E之外的其它角点作为基点，重复执行步骤S531
‑
S535，确定所有角点均被划分到角点簇；S537，对各角点簇执行：将角点数量小于预设角点数量的角点簇剔除，并保留剩余的角
点簇。4.根据权利要求1所述的众包地图地面标志聚合方法，其特征在于，S55中,分别基于各角点簇对应的多个角点坐标确定一个目标角点坐标的步骤包括：将各角点簇对应的全部角点的坐标均值分别确定为一个目标角点坐标。5.根据权利要求3所述的众包地图地面标志聚合方法，其特征在于，S533中,通过公式：计...

【专利技术属性】
技术研发人员：尹彦丹，周晓勇，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：