【技术实现步骤摘要】
语义矢量地图的构建方法、计算机设备及存储介质
[0001]本专利技术涉及自动驾驶
，具体涉及一种语义矢量地图的构建方法、计算机设备及存储介质。
技术介绍
[0002]在利用相机或激光雷达等设备采集到数据建立得到点云地图之后，需要对点云地图上的车道线和车位等要素进行矢量化标注并生成要素之间的拓扑信息，才能够得到语义矢量地图。而为了提高矢量化标注和拓扑信息生成的准确性，目前常规的语义矢量地图构建方法主要是由人工在点云地图上以矢量的方式手动标注各个要素并手动生成要素之间的拓扑信息。由于这种方法严重依赖人工建图，因而会带来较大的人工建图成本，同时也会影响语义矢量地图的构建效率。
[0003]相应地，本领域需要一种新的技术方案来解决上述问题。
技术实现思路
[0004]为了克服上述缺陷，提出了本专利技术，以提供解决或至少部分地解决如何提高语义矢量地图的建图效率并降低建图成本的技术问题的语义矢量地图的构建方法、计算机设备及存储介质。
[0005]在第一方面，提供一种语义矢量地图的构建方法，所述方法包...
【技术保护点】
【技术特征摘要】
1.一种语义矢量地图的构建方法，其特征在于，所述方法包括：根据车辆上传感器采集到的传感器数据帧，建立点云地图；通过第一语义矢量感知模型对所述传感器数据帧进行地图要素的语义矢量感知，以获取地图要素的第一语义矢量信息；通过第二语义矢量感知模型对所述点云地图进行地图要素的语义矢量感知，以获取地图要素的第二语义矢量信息；基于所述点云地图并根据所述第一语义矢量信息和/或所述第二语义矢量信息，建立语义矢量地图。2.根据权利要求1所述的语义矢量地图的构建方法，其特征在于，“基于所述点云地图并根据所述第一语义矢量信息和/或所述第二语义矢量信息，建立语义矢量地图”的步骤具体包括：基于所述点云地图并根据所述第一语义矢量信息和/或所述第二语义矢量信息，生成符合预设地图母库规格的地图母库数据；获取待建立的语义矢量地图的地图产品规格；将所述地图母库数据转换成符合所述地图产品规格的地图产品数据；根据所述地图产品数据，建立语义矢量地图。3.根据权利要求1所述的语义矢量地图的构建方法，其特征在于，在“基于所述点云地图并根据所述第一语义矢量信息和/或所述第二语义矢量信息，建立语义矢量地图”的步骤之后，所述方法还包括：对所述语义矢量地图进行质检，以获取质检合格的语义矢量地图。4.根据权利要求3所述的语义矢量地图的构建方法，其特征在于，在“对所述语义矢量地图进行质检，以获取质检合格的语义矢量地图”的步骤之后，所述方法还包括：根据质检合格的语义矢量地图，分别获取所述第一语义矢量感知模型与所述第二语义矢量感知模型的模型训练数据；采用所述模型训练数据，分别对所述第一语义矢量感知模型与所述第二语义矢量感知模型进行模型训练，以优化所述第一语义矢量感知模型与所述第二语义矢量感知模型。5.根据权利要求4所述的语义矢量地图的构建方法，其特征在于，“根据质检合格的语义矢量地图，分别获取所述第一语义矢量感知模型与所述第二语义矢量感知模型的模型训练数据”的步骤具体包括：根据质检合格的语义矢量地图，生成符合预设地图母库规格的地图母库训练数据；根据所述地图母库训练数据，分别获取所述第一语义矢量感知模型与所述第二语义矢量感知模型的模型训练数据。6.根据权利要求5所述的语义矢量地图的构建方法，其特征在于，所述地图母库训练数据的数据坐标系是全局坐标系，“根据所述地图母库训练数据，分别获取所述第一语义矢量感知模型与所述第二语义矢量感知模型的模型训练数据”的步骤具体包括通过下列方式获取所述第一语义矢量感知模型的模型训练数据：将所述地图母库训练数据由所述全局坐标系转换至所述传感器的传感器坐标系，以获取在传感器坐标系的地图母库训练数据；根据在传感器坐标系的地图母库训练数据，获取所述第一语义矢量感知模型的模型训
练数据。7.根据权利要求6所述的语义矢量地图的构建方法，其特征在于，“将所述地图母库训练数据由所述全局坐标系转换至所述传感器的传感器坐标系，以获取在传感器坐标系的地图母库训练数据”的步骤包括：获取每个地图母库训练数据各自对应的传感器数据帧的采集时刻；获取车辆在每个传感器数据帧的采集时刻的位姿，所述位姿是车辆由车体坐标系向全局坐标系转换的位姿；根据所述位姿，分别将每个地图母库训练数据由全局坐标系转换至车体坐标系，再由...
【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：安徽蔚来智驾科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。