一种地图生成方法技术

本发明专利技术公开了一种地图生成方法

【技术实现步骤摘要】
一种地图生成方法、装置及计算机存储介质


[0001]本专利技术涉及自动驾驶领域，特别是涉及一种地图生成方法
、
装置及计算机存储介质
。

技术介绍

[0002]汽车领域正在发生新的变革，正在向电气化和智能化时代发展，而自动驾驶领域的快速发展和应用则引领人们的出行方式朝更加舒适化
、
多样化
、
智能化的方向前进
。
自动驾驶车辆要求使用高精度地图作为其重要的输入数据源之一，其不仅用于自身车辆的路径和运动学规划，还用于预测其他车辆或障碍物未来的运动趋势
。
高精度地图，在自动驾驶领域也被称为
HD Map,
它有着厘米级的精度，同时也能够表述复杂的道路拓扑关系
。
相关技术中，生产高精度地图的方法包括人工标注方法以及在线地图预测方法
。
人工标注方法，需要事先具备传感器
(
通常包括
Lidar、IMU、GPS)
的采集车辆在一定区域内采集真实的道路数据，多种传感器数据进行融合，构成点云数据地图，后续需要手工对地图进行一一标注，尽管准确性很高，但是需要耗费极长的时间和极大的人力资源
。
在线地图预测方法，使用多个摄像头数据或者点云数据作为输入，利用深度学习网络技术，推理出当前的地图结构，在线地图预测的效果受到传感器的影响较大，如果自动驾驶车辆被遮挡或者在阴雨天气下，其预测的地图经常是残缺不完整的，在实际使用中缺乏稳定性
。
>其次，当摄像头数据超出一定范围，或者遇到阴雨天气，或者受到旁侧车辆的遮挡时，可视范围就会变小，输出的地图数据范围会急剧降低
。

技术实现思路

[0003]本专利技术的目的在于提供一种地图生成方法
、
装置及计算机存储介质，使得传感器即使获取不到很远的地图信息，也可以预测出范围更广的地图信息，在阴雨天气以及存在大量障碍物的情况下，依旧可以生成自动驾驶所需要的高精度地图信息，能够使地图预测结果获得更多的地图要素，丰富输出结构，且不需要人工进行大量标注，节约人力资源与时间资源
。
[0004]为达到上述目的，本专利技术的技术方案是这样实现的：
[0005]第一方面，本专利技术实施例提供了一种地图生成方法，所述地图生成方法包括：
[0006]获取车辆定位信息；
[0007]根据所述车辆定位信息，获取先验地图信息以及自动驾驶视觉信息；
[0008]对所述先验地图信息以及所述自动驾驶视觉信息进行融合，以获得融合后的地图特征信息；
[0009]根据所述融合后的地图特征信息生成预测地图
。
[0010]作为其中一种实施方式，所述获取车辆定位信息，包括：
[0011]获取车辆俯仰角信息以及车辆位置信息
。
[0012]作为其中一种实施方式，所述根据所述车辆定位信息，获取先验地图信息以及自
动驾驶视觉信息，包括：
[0013]根据所述车辆定位信息，获取标准地图信息以及自动驾驶视觉信息
。
[0014]作为其中一种实施方式，所述根据所述车辆定位信息，获取先验地图信息以及自动驾驶视觉信息，还包括：
[0015]根据所述车辆定位信息，获取标准地图信息
、
高精地图信息以及自动驾驶视觉信息
。
[0016]作为其中一种实施方式，所述将根据所述车辆定位信息，获取先验地图信息以及自动驾驶视觉信息之后，包括：
[0017]对所述先验地图信息以及自动驾驶视觉信息进行预处理，以获得初始地图特征矩阵以及初始图片数据
。
[0018]作为其中一种实施方式，所述根据所述车辆定位信息，获取先验地图信息以及自动驾驶视觉信息之后，还包括：
[0019]将所述自动驾驶视觉信息中的图片特征信息转换为俯视角特征信息
。
[0020]作为其中一种实施方式，所述根据所述融合后的地图特征信息生成预测地图之前，包括：
[0021]根据所述先验地图信息对所述融合后的地图特征信息进行校正
。
[0022]作为其中一种实施方式，所述根据所述融合后的地图特征信息生成预测地图之后，包括：
[0023]将所述预测地图上传到云端服务器，以对所述云端服务器中的地图进行检查和更新
。
[0024]第二方面，本专利技术实施例提供了一种地图生成装置，包括存储器
、
处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述地图生成方法的步骤
。
[0025]第三方面，本专利技术实施例提供了一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述地图生成方法的步骤
。
[0026]本专利技术实施例提供的一种地图生成方法
、
装置及计算机存储介质，所述地图生成方法包括：获取车辆定位信息；根据所述车辆定位信息，获取先验地图信息以及自动驾驶视觉信息；对所述先验地图信息以及所述自动驾驶视觉信息进行融合，以获得融合后的地图特征信息；根据所述融合后的地图特征信息生成预测地图
。
如此，首先获取车辆定位信息，根据车辆定位信息，获取先验地图信息以及自动驾驶视觉信息，然后对先验地图信息以及自动驾驶视觉信息进行融合，以获得融合后的地图特征信息，最后根据融合后的地图特征信息生成预测地图，不仅考虑了在线的视觉传感器数据的输入，还考虑了离线的先验地图信息的输入，使得传感器即使获取不到很远的地图信息，也可以预测出范围更广的地图信息，在阴雨天气以及存在大量障碍物的情况下，依旧可以生成自动驾驶所需要的高精度地图信息，能够使地图预测结果获得更多的地图要素，丰富输出结构，且不需要人工进行大量标注，大大节约了人力资源与时间资源
。
附图说明
[0027]图1为本专利技术实施例提供的一种地图生成方法的流程示意图；
[0028]图2为本专利技术实施例提供的一种地图生成装置的结构示意图
。
具体实施方式
[0029]需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程
、
方法
、
物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程
、
方法
、
物品或者装置所固有的要素
。
在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程
、
方法
、
物品或者装置中还存在另外的相同要素，此外，本专利技术不同实施例中具有同样命名的部件
、
特征
、
要素可能具有相同含义，也可能具有不同含义，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种地图生成方法，其特征在于，所述地图生成方法包括：获取车辆定位信息；根据所述车辆定位信息，获取先验地图信息以及自动驾驶视觉信息；对所述先验地图信息以及所述自动驾驶视觉信息进行融合，以获得融合后的地图特征信息；根据所述融合后的地图特征信息生成预测地图
。2.
根据权利要求1所述的地图生成方法，其特征在于，所述获取车辆定位信息，包括：获取车辆俯仰角信息以及车辆位置信息
。3.
根据权利要求1所述的地图生成方法，其特征在于，所述根据所述车辆定位信息，获取先验地图信息以及自动驾驶视觉信息，包括：根据所述车辆定位信息，获取标准地图信息以及自动驾驶视觉信息
。4.
根据权利要求1所述的地图生成方法，其特征在于，所述根据所述车辆定位信息，获取先验地图信息以及自动驾驶视觉信息，还包括：根据所述车辆定位信息，获取标准地图信息
、
高精地图信息以及自动驾驶视觉信息
。5.
根据权利要求1所述的地图生成方法，其特征在于，所述将根据所述车辆定位信息，获取先验地图信息以及自动驾驶视觉信息之后，包括：对所述先验地图信息以及自动驾驶视觉信息进行预处理，以获得初始地图特...

【专利技术属性】
技术研发人员：田向远，万烨星，宋永康，邓捷，
申请(专利权)人：宁波路特斯机器人有限公司，
类型：发明
国别省市：