【技术实现步骤摘要】
本专利技术涉及自动驾驶，尤其涉及一种实时点云地图的共享方法、系统及存储介质。
技术介绍
1、随着汽车产业的发展，自动驾驶近年来成为汽车产业的制高点。其中，高精度的地图信息约束着自动驾驶的路径规划，现有的自动驾驶车辆结合gps、北斗卫星等卫星导航系统实现高精度定位，使用多种传感器来获取相应的地理信息，进而自动驾驶车辆根据收集到的数据，借助信息处理设备以通过机器学习等技术进行数据处理和地图生成，以构建自动驾驶车辆所需的点云地图。
2、然而现有点云地图的生成方法，需要每辆自动驾驶车辆都配备一套相应的信息处理设备，造成大量资源的浪费，且面对诸如隧道、涵洞等卫星信号接收信号差的道路状况，卫星导航系统难以发挥其作用。
技术实现思路
1、本专利技术提供了一种实时点云地图的共享方法、系统及存储介质，解决了现有自动驾驶车辆的点云地图的生成方法会造成资源的浪费，且难以适应各种道路状况的技术问题。
2、本专利技术提供的一种实时点云地图的共享方法，方法包括：
3、获取车辆内相机的实时相机图像并进行分割处理，生成静态环境图像和非静态环境图像；
4、将所述静态环境图像与预设静态地图图像进行匹配处理，生成所述相机在世界坐标系的位姿信息；
5、根据相机模型对非静态环境图像进行转化处理，生成非静态环境图像内非静态环境物体在相机坐标系的第一点云信息；
6、基于所述位姿信息和各所述非静态环境物体在相机坐标系的第一点云信息，计算各所述非静态环境物体在
7、将所有所述第二点云信息与预设点云地图进行数据融合得到实时点云地图，对所述实时点云地图进行切割，生成目标点云地图并上传至所述车辆。
8、可选的，所述将所述静态环境图像与静态地图图像进行匹配处理，生成所述相机在世界坐标系的位姿信息的步骤，包括：
9、通过所述静态环境图像进行图像处理，生成多个目标特征点的特征描述子；
10、基于所有所述特征描述子，从所述预设静态地图图像内选取目标关键帧；
11、基于所述目标关键帧，计算所述相机在世界坐标系的位姿信息。
12、可选的，所述通过所述静态环境图像进行图像处理，生成多个目标特征点的特征描述子的步骤，包括：
13、将所述静态环境图像进行灰度处理，得到静态环境灰度图；
14、根据预设选取条件选取出所述静态环境灰度图内的初始特征点，并筛选所述初始特征点，得到多个目标特征点；
15、描述所有所述目标特征点，生成所述目标特征点的特征描述子。
16、可选的，所述基于所有所述特征描述子，从所述预设静态地图图像内选取目标关键帧的步骤，包括：
17、基于所有所述特征描述子计算第一匹配值，基于所述预设静态地图图像内各关键帧对应的特征描述子计算各关键帧的第二匹配值；
18、选取与所述第一匹配值匹配程度最高的第二匹配值对应的关键帧作为目标关键帧。
19、可选的，所述相机模型为第一相机模型或第二相机模型；所述根据相机模型对非静态环境图像进行转化处理，生成非静态环境图像内非静态环境物体在相机坐标系的第一点云信息的步骤，包括：
20、通过第一相机模型依照左右目生成非静态环境图像对应的视差图，根据所述视差图得到非静态环境物体上所有物体点在相机坐标系的三维坐标，以构成非静态环境物体在相机坐标系的第一点云信息；
21、或
22、通过第二相机模型生成非静态环境图像对应的深度图，根据深度图与非静态环境图像之间的匹配数据，得到非静态环境物体上所有物体点在相机坐标系的三维坐标，以构成非静态环境物体在相机坐标系的第一点云信息。
23、可选的，所述通过第一相机模型依照左右目生成非静态环境图像对应的视差图，根据所述视差图得到非静态环境物体上所有物体点在相机坐标系的三维坐标，以构成非静态环境物体在相机坐标系的第一点云信息的步骤，包括：
24、通过第一相机模型依照左右目生成非静态环境图像对应的视差图；
25、根据所述视差图内各像素点对应的视差值，计算出各像素点的深度值；
26、将各像素点的深度值转换为各像素点对应的物体点在相机坐标系中的三维坐标；
27、整合所有物体点在相机坐标系中的三维坐标，构成关联的非静态环境物体在相机坐标系的第一点云信息。
28、可选的，所述通过第二相机模型生成非静态环境图像对应的深度图，根据深度图与非静态环境图像之间的匹配数据，得到非静态环境物体上所有物体点在相机坐标系的三维坐标，以构成非静态环境物体在相机坐标系的第一点云信息的步骤，包括：
29、通过第二相机模型生成非静态环境图像对应的深度图；
30、结合深度图与非静态环境图像进行像素点配对处理，输出非静态环境图像的色彩数据和距离数据；
31、基于所述色彩数据和距离数据，计算非静态环境图像内各像素点在相机坐标系中的三维坐标；
32、整合所有物体点在相机坐标系中的三维坐标，构成关联的非静态环境物体在相机坐标系的第一点云信息。
33、可选的，所述将所有所述第二点云信息与预设点云地图进行数据融合得到实时点云地图，对所述实时点云地图进行切割，生成目标点云地图并上传至所述车辆的步骤，包括：
34、将所有所述第二点云信息与预设点云地图进行数据融合得到实时点云地图；
35、按照道路状况和所述车辆内相机对应的位姿信息切割实时点云地图，生成目标点云地图并上传至所述车辆。
36、本专利技术还提供的一种实时点云地图的共享系统，系统包括：
37、获取单元，用于获取车辆内相机的实时相机图像并进行分割处理，生成静态环境图像和非静态环境图像；
38、位姿信息生成单元，用于将所述静态环境图像与预设静态地图图像进行匹配处理，生成所述相机在世界坐标系的位姿信息；
39、第一点云信息生成单元，用于根据相机模型对非静态环境图像进行转化处理，生成非静态环境图像内非静态环境物体在相机坐标系的第一点云信息；
40、第二点云信息生成单元，用于基于所述位姿信息和各所述非静态环境物体在相机坐标系的第一点云信息，计算各所述非静态环境物体在世界坐标系的第二点云信息；
41、目标点云地图生成单元，用于将所有所述第二点云信息与预设点云地图进行数据融合得到实时点云地图，对所述实时点云地图进行切割，生成目标点云地图并上传至所述车辆。
42、本专利技术还提供的一种存储介质，其上存储有计算机程序，所述计算机程序本处理器执行时运行如上任一所述的方法。
43、从以上技术方案可以看出，本专利技术具有以下优点：
44、本申请提供了一种实时点云地图的共享方法，方法包括：获取车辆内相机的实时相机图像并进行分割处理，生成静态环境图像和非静态环境图像；将静态环境图像与预设静态地图图像进行匹配处理，生成相本文档来自技高网...
【技术保护点】
1.一种实时点云地图的共享方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述静态环境图像与静态地图图像进行匹配处理，生成所述相机在世界坐标系的位姿信息的步骤，包括：
3.根据权利要求2所述的方法，其特征在于，所述通过所述静态环境图像进行图像处理，生成多个目标特征点的特征描述子的步骤，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所有所述特征描述子，从所述预设静态地图图像内选取目标关键帧的步骤，包括：
5.根据权利要求1所述的方法，其特征在于，所述相机模型为第一相机模型或第二相机模型；所述根据相机模型对非静态环境图像进行转化处理，生成非静态环境图像内非静态环境物体在相机坐标系的第一点云信息的步骤，包括：
6.根据权利要求5所述的方法，其特征在于，所述通过第一相机模型依照左右目生成非静态环境图像对应的视差图，根据所述视差图得到非静态环境物体上所有物体点在相机坐标系的三维坐标，以构成非静态环境物体在相机坐标系的第一点云信息的步骤，包括：
7.根据权利要求5所述的方法，
8.根据权利要求1所述的方法，其特征在于，所述将所有所述第二点云信息与预设点云地图进行数据融合得到实时点云地图，对所述实时点云地图进行切割，生成目标点云地图并上传至所述车辆的步骤，包括：
9.一种实时点云地图的共享系统，其特征在于，所述系统包括：
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序本处理器执行时运行如权利要求1-8任一项所述的方法。
...【技术特征摘要】
1.一种实时点云地图的共享方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述静态环境图像与静态地图图像进行匹配处理，生成所述相机在世界坐标系的位姿信息的步骤，包括：
3.根据权利要求2所述的方法，其特征在于，所述通过所述静态环境图像进行图像处理，生成多个目标特征点的特征描述子的步骤，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所有所述特征描述子，从所述预设静态地图图像内选取目标关键帧的步骤，包括：
5.根据权利要求1所述的方法，其特征在于，所述相机模型为第一相机模型或第二相机模型；所述根据相机模型对非静态环境图像进行转化处理，生成非静态环境图像内非静态环境物体在相机坐标系的第一点云信息的步骤，包括：
6.根据权利要求5所述的方法，其特征在于，所述通过第一相机模型依照左右目生成非静态环境图像对...
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。