System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及自动驾驶,特别是涉及一种矢量地图生成方法、装置、计算机设备、存储介质。
技术介绍
1、随着视觉传感器(如激光雷达和摄像头)等设备的不断研发进步,自动驾驶技术也随之不断发展,并且,在自动驾驶领域中需要制备大量的矢量地图,以保证自动驾驶技术的研发与发展。
2、现有技术中,矢量地图均为人工通过现有的道路信息进行地图绘制,从而得到道路信息对应的矢量地图,但是,上述方法制备矢量地图的效率较低,难以保证自动驾驶技术的研发与发展需求。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提高矢量地图制备效率的矢量地图生成方法、装置、计算机设备、存储介质。
2、第一方面,本申请提供了一种矢量地图生成方法。该方法包括:
3、获取目标区域对应的至少一组原始点云数据,以及每组原始点云数据关联的目标图像数据;
4、提取各目标图像数据中包含的地图要素,以及各地图要素对应的要素信息;
5、将各目标图像数据、各目标图像数据中的地图要素,以及各地图要素对应的要素信息,融合到各目标图像数据关联的原始点云数据中,得到语义化点云数据;
6、基于各地图要素,对语义化点云数据进行矢量化处理,得到目标区域对应的矢量地图。
7、在其中一个实施例中,基于各地图要素,对语义化点云数据进行矢量化处理,得到目标区域对应的矢量地图,包括:
8、从语义化点云数据中提取各地图要素对应的待矢量点云数据;
9、基于各地
10、根据各地图要素的目标矢量化结果,生成目标区域对应的矢量地图。
11、在其中一个实施例中,基于各地图要素的边界特征,对各地图要素对应的待矢量点云数据进行矢量化处理,得到各地图要素的目标矢量化结果,包括:
12、对于边界特征为无边界的地图要素,则根据地图要素对应的待矢量点云数据,确定地图要素的语义图和高程图;
13、根据语义图,提取地图要素对应的无边界序列点;
14、根据地图要素的连接属性,对无边界序列点进行连接,得到地图要素的二维矢量化结果;
15、基于高程图,对地图要素的二维矢量化结果进行三维转换处理,得到地图要素的目标矢量化结果。
16、在其中一个实施例中,基于各地图要素的边界特征,对各地图要素对应的待矢量点云数据进行矢量化处理,得到各地图要素的目标矢量化结果,包括:
17、对于边界特征为有边界的地图要素,根据地图要素对应的要素类别,确定地图要素的矢量化策略;
18、采用地图要素的矢量化策略,对地图要素的待矢量点云数据进行矢量化处理,得到各地图要素的目标矢量化结果。
19、在其中一个实施例中,提取各目标图像数据中包含的地图要素,以及各地图要素对应的要素信息,包括:
20、基于要素识别模型,对各目标图像数据进行要素识别处理,得到各目标图像数据中包含的地图要素;
21、对各目标图像数据中包含的地图要素进行信息提取,得到各地图要素对应的要素信息。
22、在其中一个实施例中,对各目标图像数据中包含的地图要素进行信息提取,得到各地图要素对应的要素信息,包括:
23、根据每一目标图像数据中包含的地图要素的要素类别,确定每一目标图像数据中包含的地图要素的信息提取种类;
24、基于每一目标图像数据中包含的地图要素的信息提取种类,对每一目标图像中包含的地图要素进行信息提取,得到各地图要素对应的要素信息。
25、在其中一个实施例中,获取目标区域对应的至少一组原始点云数据,以及每组原始点云数据关联的目标图像数据,包括:
26、获取目标区域的点云数据集和图像数据集;
27、基于目标区域的道路信息,对点云数据集进行分段处理,得到目标区域对应的至少一组原始点云数据;
28、从图像数据集中确定各组原始点云数据关联的目标图像数据。
29、在其中一个实施例中,从图像数据集中确定各组原始点云数据关联的目标图像数据,包括:
30、根据每组原始点云数据对应的采集时段和图像数据集中各候选图像数据的采集时间,对各候选图像数据进行筛选,确定各组原始点云数据关联的目标图像数据。
31、第二方面,本申请还提供了一种矢量地图生成装置。该装置包括:
32、获取模块,用于获取目标区域对应的至少一组原始点云数据,以及每组原始点云数据关联的目标图像数据;
33、提取模块,用于提取各目标图像数据中包含的地图要素,以及各地图要素对应的要素信息;
34、融合模块,用于将各目标图像数据、各目标图像数据中的地图要素,以及各地图要素对应的要素信息,融合到各目标图像数据关联的原始点云数据中,得到语义化点云数据;
35、处理模块,用于基于各地图要素,对语义化点云数据进行矢量化处理,得到目标区域对应的矢量地图。
36、第三方面,本申请还提供了一种计算机设备。计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现如上述第一方面任一实施例的矢量地图生成方法。
37、第四方面,本申请还提供了一种计算机可读存储介质。计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述第一方面任一实施例的矢量地图生成方法。
38、上述矢量地图生成方法、装置、计算机设备、存储介质,通过提取各目标图像数据中包含的地图要素,以及各地图要素对应的要素信息,实现根据各图像数据、各目标图像数据中的地图要素、各地图要素对应的要素信息对原始点云数据进行语义化处理,得到语义化点云数据;进而,通过对语义化点云数据进行矢量化处理,得到目标区域对应的矢量地图。上述过程中,通过将各图像数据、各目标图像数据中的地图要素,以及各地图要素对应的要素信息,融合到各目标图像数据关联的原始点云数据,实现了对原始点云数据的语义化处理,使得语义化点云数据中包含各目标图像数据中包含的地图要素,以及各地图要素对应的要素信息,因此,当对语义化点云数据进行矢量化处理后,可得到,各目标图像数据中包含的地图要素,以及各地图要素对应的要素信息对应的矢量地图,此过程无需人工针对每一地图要素,以及各地图要素对应的要素信息进行单独矢量处理,提高了制备矢量地图的效率,满足和保证了自动驾驶技术的研发与发展需求。
本文档来自技高网...【技术保护点】
1.一种矢量地图生成方法,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,所述基于各地图要素,对所述语义化点云数据进行矢量化处理,得到所述目标区域对应的矢量地图,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于各地图要素的边界特征,对各地图要素对应的待矢量点云数据进行矢量化处理,得到各地图要素的目标矢量化结果,包括:
4.根据权利要求2所述的方法,其特征在于,所述基于各地图要素的边界特征,对各地图要素对应的待矢量点云数据进行矢量化处理,得到各地图要素的目标矢量化结果,包括:
5.根据权利要求1所述的方法,其特征在于,所述提取各目标图像数据中包含的地图要素,以及各地图要素对应的要素信息,包括:
6.根据权利要求5所述的方法,其特征在于,所述对各目标图像数据中包含的地图要素进行信息提取,得到各地图要素对应的要素信息,包括:
7.根据权利要求1所述的方法,其特征在于,所述获取目标区域对应的至少一组原始点云数据,以及每组原始点云数据关联的目标图像数据,包括:
8.根据权利要
9.一种矢量地图生成装置,其特征在于,所述装置包括:
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种矢量地图生成方法,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,所述基于各地图要素,对所述语义化点云数据进行矢量化处理,得到所述目标区域对应的矢量地图,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于各地图要素的边界特征,对各地图要素对应的待矢量点云数据进行矢量化处理,得到各地图要素的目标矢量化结果,包括:
4.根据权利要求2所述的方法,其特征在于,所述基于各地图要素的边界特征,对各地图要素对应的待矢量点云数据进行矢量化处理,得到各地图要素的目标矢量化结果,包括:
5.根据权利要求1所述的方法,其特征在于,所述提取各目标图像数据中包含的地图要素,以及各地图要素对应的要素信息,包括:
6.根据权利要求5所述的方法,其特征在于,所...
【专利技术属性】
技术研发人员:蔡香玉,周江涛,季博文,鱼苗苗,林茜,甄明,温四林,龚小鹏,胡帅朋,崔登吉,陈胤子,张振林,
申请(专利权)人:中汽创智科技有限公司,
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。