【技术实现步骤摘要】
本专利技术属于自动驾驶，涉及到高精度地图的构建，具体涉及到一种地面纹理视觉建图方法、系统及车辆。
技术介绍
1、高精度地图中的各类车道线、其他地面道路标识(如箭头、停止线等)等地面道路标识是一类重要的几何要素，其位置精度及完备性对高等级自动驾驶中的定位、规划控制等模块是重要的数据源。现有的车道线、道路标识制作方法一般依赖于高精激光点云地图，通过基于深度学习的点云分割或人工参与的方式，利用点云反射率的差异绘制矢量化的地面道路标识，然而此方法存在一些问题：
2、1.不同场景由于地面道路标识的粉刷时间差异、路况不同，存在不同程度的磨损，部分区域点云反射率对比度差，为地面道路标识的制作带来了困难；
3、2.激光点云本身的稀疏性使得一些地面道路标识边界不清晰，引入误差。
技术实现思路
1、针对上述问题，本专利技术的主要目的在于设计一种地面纹理视觉建图方法、系统及车辆，利用高精点云地图获取的地面信息，结合高分辨率图像利用投影的方式制作地面纹理地图，为地面道路标识的制作提供有效的参考信息，解决地面道路标识边界不清晰，和部分区域点云反射率对比度差的技术问题。
2、为了实现上述目的本专利技术采用如下技术方案：
3、一种地面纹理视觉建图方法，该方法包括以下步骤：
4、步骤1：获取激光雷达的点云数据，将点云数据建图得到激光点云地图，将激光点云地图、关键帧序列、标定参数、图像序列作为输入信息；
5、步骤2：将步骤1的激光点云地图与关键
6、步骤3：通过地面点云的后处理得到模拟地面点云；
7、步骤4：将步骤1的关键帧序列与图像序列作为输入信息，进行关键帧图像搜索；
8、步骤5：将步骤1的标定参数、步骤3得到的模拟地面点云与关键帧图像序列作为输入信息，通过地图拼接并基于点云投影和冗余点滤除，得到纹理地图。
9、作为本专利技术的进一步描述，所述步骤1中，关键帧序列kl＝{kl1，kl2，...kln}为利用激光雷达点云数据建图过程中的关键帧信息，第i个关键帧kli中包含当前帧的位姿矩阵和时间戳tbi，其中，表示i时刻车体坐标系到世界坐标系的转换矩阵；
10、所述标定参数包括相机畸变模型及参数d、相机内参k、相机到车体系的外参转换矩阵
11、所述图像序列为激光雷达采集的图像数据，每帧图像的时间戳已知。
12、作为本专利技术的进一步描述，所述步骤2中，鲁棒的地面提取方法，包括步骤如下：
13、s201：构建车体系下的二维包围框，记为bbox1，bbox1二维包围框的框选区域为车辆正前方的矩形框；
14、s202：读取输入的激光点云地图，初始化地面点云g；
15、s203：针对每个关键帧kli，基于bbox1二维包围框进行地面点云提取并处理，再将处理后的地面点云加入g中；
16、s204：将g进行下采样，获得激光点云地图对应的地面点云。
17、作为本专利技术的进一步描述，所述步骤s203中，基于二维包围框进行地面点云提取并处理，包括步骤如下：
18、s2031：利用将激光点云地图从世界坐标系转换到当前车体系下，根据bbox1提取点云，再将提取的点云转换到世界坐标系记为t1；
19、s2032：利用将初始化的地面点云转换到当前车体系下，根据bbox1提取点云，再将提取的点云转换到世界坐标系记为t2；
20、s2033：对t1进行下采样，并使用随机采样一致与特征值分解的方法估计地面方程，提取满足点到平面距离小于阈值的点云记为t3；
21、s2034：对t2进行下采样，与t3叠加记为t4；
22、s2035：使用特征值分解的方法，对t4进行地面方程估计，提取满足点到平面距离小于阈值的点云记为t5；
23、s2036：将t5加入g中。
24、作为本专利技术的进一步描述，所述步骤3中，地面点云的后处理为：将地面点云按照设定规格划分为栅格，每个栅格内的点云用特征值分解的方法估计地面方程，并根据地面方程与设定的分辨率生成栅格内的模拟地面点云，记为点云s。
25、作为本专利技术的进一步描述，所述步骤4中，利用输入的关键帧序列与图像序列，找到每个关键帧kli对应的最近邻图像ii，ii对应的时间戳tci为所有图像序列中离关键帧时间戳tbi最近的；
26、搜索到的关键帧图像序列记作kc＝{kc1，kc2，...kcn}，第i个关键帧kci中包括图像ii以及当前帧的位姿矩阵从关键帧序列kl中获取或者结合组合车辆导航系统输出的位姿进行插值，获取关键帧的精确位姿。
27、作为本专利技术的进一步描述，所述步骤5中，得到纹理地图的步骤包括如下：
28、s501：构建车体系下的二维包围框，记为bbox2，bbox2二维包围框的框选区域为车辆正前方的矩形框且bbox2的区域小于bbox1的区域；
29、s502：初始化纹理点云，记为w；
30、s503：针对每个关键帧kci，基于bbox2二维包围框进行地面点云提取并处理，再将处理后的地面点云加入w中；
31、s504：将s中的点云投影到w中，并将w经过冗余点滤波后获得最终的纹理点云地图。
32、作为本专利技术的进一步描述，所述步骤s503中，基于bbox2二维包围框进行地面点云提取并处理，包括步骤如下：
33、s5031：利用将s中的点云转换到当前车体系下，并根据bbox2提取点云，再将提取的点云转回到世界坐标系下，记为点云li；
34、s5032：根据标定参数将li投影到当前图像ii上，表达式为：
35、
36、pi＝kf(pc，d)
37、其中，pw为点云li中的任意一点，pc为pw转换到相机坐标系下的坐标，pi为转换到像素坐标系下的坐标，f为相机畸变模型；
38、s5033：pi的坐标值在当前图像内，则获取对应像素坐标处的rgb值，构造在世界坐标系下的带颜色点pw_rgb，该点的坐标值等于pw，rgb值为pi处的像素值，将li中满足条件的点记为点云ri；
39、s5034：将ri加入w中。
40、一种地面纹理视觉建图系统，该系统包括数据获取模块、数据建图模块、地面模拟模块、地图拼接模块；
41、数据获取模块，用于获取激光雷达的点云数据和图像数据；
42、数据建图模块，用于将点云数据建图得到激光点云地图，并将激光点云地图、关键帧序列、标定参数、图像序列作为地面模拟模块与地图拼接模块的输入信息；
43、地面模拟模块，用于将激光点云地图与关键帧序列作为输入信息，基于鲁棒的地面提取方法并通过地面模拟，获取模拟地面点云；
44、地图拼接模块，用于将标定参数、模拟地面点云与本文档来自技高网...
【技术保护点】
1.一种地面纹理视觉建图方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种地面纹理视觉建图方法，其特征在于：所述步骤1中，关键帧序列KL＝{kl1，kl2，...kln}为利用激光雷达点云数据建图过程中的关键帧信息，第i个关键帧kli中包含当前帧的位姿矩阵和时间戳tbi，其中，表示i时刻车体坐标系到世界坐标系的转换矩阵；
3.根据权利要求2所述的一种地面纹理视觉建图方法，其特征在于：所述步骤2中，鲁棒的地面提取方法，包括步骤如下：
4.根据权利要求3所述的一种地面纹理视觉建图方法，其特征在于：所述步骤S203中，基于二维包围框进行地面点云提取并处理，包括步骤如下：
5.根据权利要求2所述的一种地面纹理视觉建图方法，其特征在于：所述步骤3中，地面点云的后处理为：将地面点云按照设定规格划分为栅格，每个栅格内的点云用特征值分解的方法估计地面方程，并根据地面方程与设定的分辨率生成栅格内的模拟地面点云，记为点云S。
6.根据权利要求5所述的一种地面纹理视觉建图方法，其特征在于：所述步骤4中，利用输入的关键帧序列与
7.根据权利要求6所述的一种地面纹理视觉建图方法，其特征在于：所述步骤5中，得到纹理地图的步骤包括如下：
8.根据权利要求7所述的一种地面纹理视觉建图方法，其特征在于：所述步骤S503中，基于BBox2二维包围框进行地面点云提取并处理，包括步骤如下：
9.一种地面纹理视觉建图系统，其特征在于：该系统包括数据获取模块、数据建图模块、地面模拟模块、地图拼接模块；
10.一种车辆，其特征在于：该车辆包括权利要求9的建图系统，并通过建图系统执行上述权利要求1-8任一项所述的建图方法。
...【技术特征摘要】
1.一种地面纹理视觉建图方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种地面纹理视觉建图方法，其特征在于：所述步骤1中，关键帧序列kl＝{kl1，kl2，...kln}为利用激光雷达点云数据建图过程中的关键帧信息，第i个关键帧kli中包含当前帧的位姿矩阵和时间戳tbi，其中，表示i时刻车体坐标系到世界坐标系的转换矩阵；
3.根据权利要求2所述的一种地面纹理视觉建图方法，其特征在于：所述步骤2中，鲁棒的地面提取方法，包括步骤如下：
4.根据权利要求3所述的一种地面纹理视觉建图方法，其特征在于：所述步骤s203中，基于二维包围框进行地面点云提取并处理，包括步骤如下：
5.根据权利要求2所述的一种地面纹理视觉建图方法，其特征在于：所述步骤3中，地面点云的后处理为：将地面点云按照设定规格划分为栅格，每个栅格内的点云用特征值分解的方法估计地面方程，并根据...
【专利技术属性】
技术研发人员：罗玮，江灿森，潘志琛，周勇，衡量，
申请(专利权)人：上海友道智途科技有限公司，
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。