【技术实现步骤摘要】
一种局部动态地图生成方法及系统
[0001]本专利技术涉及智能交通管理领域，特别涉及一种局部动态地图生成方法及系统
。
技术介绍
[0002]近年来，得益于人工智能技术
、
传感器技术
、5G
通信
、
大数据技术的发展和应用落地，智能路网
、
无人驾驶技术取得了飞速发展
。
高精地图是无人驾驶
、
车路协同和智能网联交叉口等相关应用领域的重要软件基础设施
。
在智能交通系统中，局部动态地图是核心关键技术之一
。
地图可以分为弱地图和强地图两种模式，前者只是用来做导航和定位，驾驶时依赖车身传感器来做环境感知；后者可以理解为一个道路传感器的容器，更精细的道路信息和道路传感器感知到的信息都融合到地图中
。
高精地图是一种强地图构建模式，其特点是要包含道路细节信息，如车道线
、
车道中心线
、
虚线
、
实线
、
禁行
【技术保护点】
【技术特征摘要】
1.
一种局部动态地图生成方法，其特征在于，所述方法包括：根据从雷达传感器采集的点云数据中抽取的特征点位置与预置初始位置获取相对位移量，并根据所述相对位移量对云端点云全集中对应区域进行三维点云的增量更新；对摄像头按照第一采集频率采集的道路图像进行语义分割，得到静态道路语义信息；对摄像头按照第二采集频率采集的道路图像进行目标检测，获取道路上的动态目标信息；根据摄像头的配置参数信息
、
静态道路语义信息
、
动态目标信息，获取语义像素点的空间坐标；根据增量更新后的三维点云数据和语义像素点的空间坐标构建所述局部动态地图
。2.
根据权利要求1所述的一种局部动态地图生成方法，其特征在于，所述根据从雷达传感器采集的点云数据中抽取的特征点位置与预置初始位置获取相对位移量的步骤包括：按照预设时间将各个雷达传感器采集的路段点云数据分别进行点云数据累积；对累积的点云数据进行特征点抽取，并根据抽取的特征点位置与预置初始特征位置获取相对位移量；根据所述相对位移量对所述各个雷达传感器采集的路段点云数据进行补偿
。3.
根据权利要求1或2所述的一种局部动态地图生成方法，其特征在于，所述根据所述相对位移量对云端点云全集中对应区域进行三维点云的增量更新的步骤包括：将各个雷达传感器采集的路段点云数据进行点云拼接；通过预置运动检测算法将所述拼接后的数据进行运动物体过滤；根据所述相对位移量对过滤后的路段点云数据中对应区域进行三维点云的增量更新
。4.
根据权利要求1所述的一种局部动态地图生成方法，其特征在于，所述对摄像头按照第一采集频率采集的道路图像进行语义分割，得到静态道路语义信息的步骤包括：通过预置
SAM
模型对对摄像头按照第一采集频率采集的道路图像进行语义分割，得到静态道路语义信息
。5.
根据权利要求1所述的一种局部动态地图生成方法，其特征在于，所述对摄像头按照第二采集频率采集的道路图像进行目标检测，获取道路上的动态目标信息的步骤包括：通过预置
YOLOv5
模型对摄像头按照第二采集...
【专利技术属性】
技术研发人员：闫军，曾富涔，王伟，
申请(专利权)人：智慧互通科技股份有限公司，
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。