【技术实现步骤摘要】
本专利技术涉及辅助驾驶，具体涉及一种基于隐式特征的路面三维重建方法、装置、设备及介质。
技术介绍
1、路面三维重建是辅助驾驶技术中重要的研究内容，主要是利用图像处理和计算机视觉技术并结合深度学习算法，在二维路面图像的基础上重建出路面的三维结构。
2、在进行三维重建的过程中，往往需要将路面表面离散化为一系列小的网格，以进行进一步的处理和分析，而目前的路面三维重建技术，为了提高重建精度，往往会增加网格的密度，但是网格密度越大，对电脑显存要求就越高，同时也会增加计算和存储的负担。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于隐式特征的路面三维重建方法、装置、设备及存储介质，以解决现有技术中在提高路面重建精度的同时对电脑显存要求较高的问题。
2、第一方面，本专利技术提供了一种基于隐式特征的路面三维重建方法，方法包括：
3、根据目标车辆在目标路面上行驶的目标轨迹，确定待三维重建的路面重建范围；其中，目标轨迹由目标车辆在目标路面行驶过程中拍摄的路面图像确定，目标轨迹包括多个轨迹点以及与轨迹点一一对应的路面高度；
4、将路面重建范围按照预设网格分辨率进行网格化，获得路面重建范围对应的多个路面网格；
5、基于目标轨迹，确定交点一一对应的交点高度，其中，交点为路面图像中的像素点映射到路面网格上的点；
6、确定交点一一对应的隐式特征，隐式特征为交点包括的属性或特征；
7、获取路面图像上每个像素对应的真实颜色值；
8、基于每个交点一一对应的交点高度、隐式特征、真实颜色值训练预设预测模型，获得训练完成后的目标预测模型，目标预测模型用于根据采集的待重建网格点对应的隐式特征，输出对应的目标颜色和目标高度，目标颜色与目标高度用于路面三维重建。
9、具体地，通过对局部隐式特征的学习，对路面重建进行稀疏的离散化，通过对重新采集的待重建网格点对应的隐式特征进行解码，可以获得超高精度的稠密的带颜色的3d地图。本实施例中采用稀疏的网格，学习路面局部的隐式特征，即可以实现任意精度的重建，且对计算机设备显存的要求不高。
10、在一种可选的实施方式中，基于每个交点一一对应的交点高度、隐式特征、真实颜色值训练预设预测模型，包括：
11、确定当前训练交点，以及与当前训练交点对应的隐式特征、交点高度以及真实颜色值；
12、将当前训练交点对应的隐式特征输入预设预测模型，获得当前训练交点对应的预测高度以及预测颜色值；
13、基于当前训练交点对应的预测颜色值以及真实颜色值，计算颜色损失误差值；
14、基于当前训练交点对应的预测高度以及交点高度，计算高度损失误差值；
15、基于颜色损失误差值、高度损失误差值、预设损失函数，调整损失权重以计算损失函数值；
16、当损失函数值未满足预设损失值时，重新确定下一个交点，将下一个交点作为当前训练交点，继续计算损失函数值；
17、当损失函数值满足预设损失值时，停止迭代。
18、具体地，通过对局部隐式特征的学习，只需根据需要重建的精度，增加待重建网格点的数量，然后对重新采集的待重建网格点对应的隐式特征进行解码，即可获得对应的目标颜色与目标高度，从而可以获得超高精度的稠密的重建路面，无需基于稠密的网格进行建图，从而降低了对计算机设备显存的要求。
19、在一种可选的实施方式中，预设损失函数为：
20、l=loss_rgb + w×loss_z
21、其中，l为损失函数值、loss_rgb为颜色损失误差值、loss_z为高度损失误差值、w为损失权重。
22、在一种可选的实施方式中，交点通过以下步骤确定：
23、获取路面图像对应的相机位姿和相机配置信息；
24、基于相机位姿、相机配置信息，确定路面图像中每个像素在相机坐标系下的第一方位向量；
25、将在相机坐标系下的第一方位向量转换至在参考坐标系下的第二方位向量，参考坐标系为目标轨迹对应的坐标系；
26、基于路面图像中每个像素在参考坐标系下的第二方位向量，计算每个第二方位向量与路面网格的交点。
27、通过网格与图像像素映射的交点，可以将路面图像中的像素点对应到三维空间中的网格上，从而获取了三维空间中的信息，使得后续分析更加全面和准确。
28、在一种可选的实施方式中，目标轨迹还包括与轨迹点一一对应的轨迹坐标，根据目标车辆在目标路面上行驶的目标轨迹，确定待三维重建的路面重建范围，包括：
29、获取目标路面的预设路面宽度；
30、基于预设路面宽度和目标轨迹中每个轨迹点的轨迹坐标，得到目标路面对应的轨迹点云，以及轨迹点云中每个轨迹点的轨迹坐标；
31、基于轨迹点云中每个轨迹点的轨迹坐标，确定路面重建范围。
32、计算机设备可以根据每个轨迹点的坐标，确定出目标路面对应的轨迹点云的轨迹坐标，从而根据轨迹点云中边界的轨迹坐标确定出路面重建范围。这样可以有效优化路面重建范围，提高路面重建的精度。
33、在一种可选的实施方式中，基于目标轨迹，确定交点一一对应的交点高度，包括：
34、根据轨迹点云中每个轨迹点的轨迹坐标，确定路面重建范围对应的多个路面网格一一对应的路面网格顶点坐标；
35、基于目标轨迹中每个轨迹点对应的轨迹坐标，确定相邻的两个轨迹点之间的局部路面范围；
36、在路面重建范围对应的多个路面网格中选取局部路面范围所涵盖的多个局部网格；
37、将相邻的两个轨迹点中的目标轨迹点对应的路面高度，确定为该相邻的两个轨迹点对应的多个局部网格的网格高度；其中，目标轨迹点为相邻的两个轨迹点中的第一个轨迹点；
38、获取交点在路面网格上的交点坐标；
39、根据交点坐标，确定多个用于三角插值算法的待计算网格顶点坐标，待计算网格顶点坐标从路面网格顶点坐标中选取；
40、基于待计算网格顶点坐标以及与待计算网格顶点坐标一一对应的网格高度，确定交点的高度。
41、采用三角插值计算出的交点高度，不仅精度高，稳健性高，而且简单高效。
42、在一种可选的实施方式中，在确定待计算网格顶点坐标之后，确定交点一一对应的隐式特征，包括：
43、基于待计算网格顶点坐标以及与待计算网格顶点坐标一一对应的隐式特征，确定交点的隐式特征。
44、也即是，不仅可以采用三角插值来计算交点高度，还可以用来计算交点的隐式特征，能够提供准确、全面的隐式特征描述，进而可以有效提高路面重建的精度。
45、第二方面，本专利技术提供了一种基于隐式特征的路面三维重建装置，装置包括：
46、路面重建范围确定模块，用于根据目标车辆在目标路面上行驶的目标轨迹，确定待三维重建的路面重建范围；其中，目标轨迹由目标车辆在目标路面行驶过程中拍摄的路本文档来自技高网...
【技术保护点】
1.一种基于隐式特征的路面三维重建方法，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，所述基于每个所述交点一一对应的所述交点高度、所述隐式特征、所述真实颜色值训练预设预测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述预设损失函数为：
4.根据权利要求1所述的方法，其特征在于，所述交点通过以下步骤确定：
5.根据权利要求1所述的方法，其特征在于，所述目标轨迹还包括与所述轨迹点一一对应的轨迹坐标，所述根据目标车辆在目标路面上行驶的目标轨迹，确定待三维重建的路面重建范围，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述目标轨迹，确定交点一一对应的交点高度，包括：
7.根据权利要求6所述的方法，其特征在于，在确定待计算网格顶点坐标之后，所述确定所述交点一一对应的隐式特征，包括：
8.一种基于隐式特征的路面三维重建装置，其特征在于，所述装置包括：
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述
...【技术特征摘要】
1.一种基于隐式特征的路面三维重建方法，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，所述基于每个所述交点一一对应的所述交点高度、所述隐式特征、所述真实颜色值训练预设预测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述预设损失函数为：
4.根据权利要求1所述的方法，其特征在于，所述交点通过以下步骤确定：
5.根据权利要求1所述的方法，其特征在于，所述目标轨迹还包括与所述轨迹点一一对应的轨迹坐标，所述根据目标车辆在目标路面上行驶的目标轨迹，确定待三维重建的路面重建范围，包括：...
【专利技术属性】
技术研发人员：胡兰，张如高，虞正华，
申请(专利权)人：苏州魔视智能科技有限公司，
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。