【技术实现步骤摘要】
本申请涉及自动驾驶，具体而言，涉及一种地图更新方法及装置。
技术介绍
1、在自动驾驶领域中，高精地图是车辆在定位和路径规划阶段不可或缺的数据。传统的高精地图的更新，主要是通过专业采集车使用激光雷达和相机同时采集环境中目标的几何信息和纹理信息，配合车载的高精度gnss(global navigation satellite system，全球卫星导航系统)将车辆在地球上的全局位姿记录下来。然而，由于专业采集车的成本较高，其数量较少，底图更新的数据量较少，无法满足全国大规模高频次的地图更新。
2、众包数据采集由于其较低的价格和较大规模的数据量，逐渐被应用于辅助高精地图数据的生产和更新。众包采集车使用消费级的gnss和摄像头，没有主动式激光雷达，需要依赖视觉信息在时间上的融合，计算得到目标的几何信息；通过深度学习感知算法可以将图像中的纹理信息转化为语义信息，配合车辆行驶中计算得到的局部定位，可以解算出局部三维语义地图，然后由云端将局部地图和之前构建的高精地图进行数据融合。然而，由于其设备精度有限，往往会存在局部位姿漂移和局部地图的尺度误差，使用传统的迭代最近点配准算法无法获得理想的结果，很容易产生地图融合的误差，噪声逐渐累积之后，就会导致高精地图逐渐退化。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种地图更新方法及装置，以至少解决相关技术中将众包采集的地图数据与高精地图进行配准融合时误差较大，效果不佳的技术问题。>
2、根据本申请实施例的一个方面，提供了一种地图更新方法，包括：获取待更新地图中的第一矢量化语义信息以及众包采集的第一数量组地图数据中的第二矢量化语义信息；分别对第一矢量化语义信息和第一数量组第二矢量化语义信息进行预处理，得到多组语义点云；将多组语义点云两两进行组对，得到多个语义点云对，并对每个语义点云对进行非刚性配准，得到配准结果；基于配准结果建立多组语义点云之间的第一位姿图，并基于预设算法对第一位姿图进行优化处理，得到第二位姿图；基于第二位姿图确定更新后的地图。
3、可选地，对第一矢量化语义信息进行离散化处理，得到一组语义点云；分别对第一数量组第二矢量化语义信息进行离散化处理，得到第一数量组语义点云；其中，语义点云中至少包括以下之一：以曲线形式描述的线形语义点云，以三维共面多边形形式描述的面形语义点云。
4、可选地，对于每个语义点云对，分别对语义点云对中的两组语义点云进行有重叠区域的固定间隔分割，得到两个局部语义点云集合，其中，每个局部语义点云集合中包括多组有重叠区域的局部语义点云；对每组局部语义点云使用体素滤波进行预设数量层级的下采样，得到多尺度的点云金字塔；基于两个局部语义点云集合中相对应的局部语义点云所对应的点云金字塔，建立两组语义点云之间的多维度关联图；基于预设的配准损失函数对多维度关联图进行配准，得到语义点云对中的两组语义点云的配准结果，其中，配准结果中至少包括两组语义点云间的第一相对位姿。
5、可选地，对于两组语义点云中用于表示地面元素的线形语义点云，使用第一配准损失函数进行配准；对于两组语义点云中用于表示非地面元素的线形语义点云，使用第一配准损失函数和第二配准损失函数进行配准；对于两组语义点云中的面形语义点云，使用第三配准损失函数和第四配准损失函数进行配准；其中，第一配准损失函数为点到线的距离函数，第二配准损失函数为点到点的距离函数，第三配准损失函数为点到面的距离函数，第四配准损失函数为面到面的距离函数。
6、可选地，将所有的局部语义点云作为第一位姿图中的节点；对于每组语义点云，基于语义点云对应的轨迹信息确定语义点云中各组局部语义点云之间的第二相对位姿；基于待更新地图对应的各组局部语义点云之间的第二相对位姿建立第一位姿图中的一级主干；基于每组地图数据对应的各组局部语义点云之间的第二相对位姿分别建立第一位姿图中的第一数量条二级主干；基于各个语义点云对中的两组语义点云间的第一相对位姿，建立第一位姿图中一级主干和第一数量条二级主干间的连接分支，以及第一数量条二级主干之间的连接分支。
7、可选地，对第一位姿图进行增量式一致性滤波，仅保留第一位姿图中符合局部回环一致性的节点、一级主干、二级主干和连接分支，得到第二位姿图。
8、可选地，对第二位姿图中各个节点对应的局部语义点云按照实例进行聚类，得到实例化的语义点云；将实例化的语义点云转化为矢量化的语义信息，得到更新后的地图。
9、根据本申请实施例的另一方面，还提供了一种地图更新装置，包括：获取模块，用于获取待更新地图中的第一矢量化语义信息以及众包采集的第一数量组地图数据中的第二矢量化语义信息；预处理模块，用于分别对第一矢量化语义信息和第一数量组第二矢量化语义信息进行预处理，得到多组语义点云；配准模块，用于将多组语义点云两两进行组对，得到多个语义点云对，并对每个语义点云对进行非刚性配准，得到配准结果；优化模块，用于基于配准结果建立多组语义点云之间的第一位姿图，并基于预设算法对第一位姿图进行优化处理，得到第二位姿图；更新模块，用于基于第二位姿图确定更新后的地图。
10、根据本申请实施例的另一方面，还提供了一种非易失性存储介质，该非易失性存储介质包括存储的程序，其中，非易失性存储介质所在设备通过运行该程序执行执行上述的地图更新方法。
11、根据本申请实施例的另一方面，还提供了一种电子设备，该电子设备包括：存储器和处理器，其中，存储器中存储有计算机程序，处理器被配置为通过计算机程序执行上述的地图更新方法。
12、在本申请实施例中，首先获取待更新地图中的第一矢量化语义信息以及众包采集的第一数量组地图数据中的第二矢量化语义信息；分别对第一矢量化语义信息和第一数量组第二矢量化语义信息进行预处理，得到多组语义点云；将多组语义点云两两进行组对，得到多个语义点云对，并对每个语义点云对进行非刚性配准，得到配准结果；基于配准结果建立多组语义点云之间的第一位姿图，并基于预设算法对第一位姿图进行优化处理，得到第二位姿图；基于第二位姿图确定更新后的地图。其中，配合非刚性的语义配准算法，仅使用低精度的gnss即可实现高精地图的局部配准；同时，对于配准后的连接关系图采用基于主干的位姿图优化算法，即可将采集到的语义信息和配准好的高精地图完美融合；本申请有效解决了相关技术中将众包采集的地图数据与高精地图进行配准融合时误差较大，效果不佳的技术问题。
本文档来自技高网...【技术保护点】
1.一种地图更新方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，分别对所述第一矢量化语义信息和所述第一数量组第二矢量化语义信息进行预处理，得到多组语义点云，包括：
3.根据权利要求2所述的方法，其特征在于，对每个语义点云对进行非刚性配准，得到配准结果，包括：
4.根据权利要求3所述的方法，其特征在于，基于预设的配准损失函数对所述多维度关联图进行配准，包括：
5.根据权利要求3所述的方法，其特征在于，基于所述配准结果建立所述多组语义点云之间的第一位姿图，包括：
6.根据权利要求5所述的方法，其特征在于，基于预设算法对所述第一位姿图进行优化处理，得到第二位姿图，包括：
7.根据权利要求5所述的方法，其特征在于，基于所述第二位姿图确定更新后的地图，包括：
8.一种地图更新装置，其特征在于，包括：
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，所述非易失性存储介质所在设备通过运行所述程序执行权利要求1至7中任意一项所述的地图更新方法。>
10.一种电子设备，其特征在于，包括：存储器和处理器，其中，所述存储器中存储有计算机程序，所述处理器被配置为通过所述计算机程序执行权利要求1至7中任意一项所述的地图更新方法。
...【技术特征摘要】
1.一种地图更新方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，分别对所述第一矢量化语义信息和所述第一数量组第二矢量化语义信息进行预处理，得到多组语义点云，包括：
3.根据权利要求2所述的方法，其特征在于，对每个语义点云对进行非刚性配准，得到配准结果，包括：
4.根据权利要求3所述的方法，其特征在于，基于预设的配准损失函数对所述多维度关联图进行配准，包括：
5.根据权利要求3所述的方法，其特征在于，基于所述配准结果建立所述多组语义点云之间的第一位姿图，包括：
6.根据权利要求5所述的方法，其特征在于，基...
【专利技术属性】
技术研发人员：吴旷，李正宁，
申请(专利权)人：亿咖通湖北技术有限公司，
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。