【技术实现步骤摘要】
本申请属于数据处理，尤其涉及一种语义地图的生成方法、装置、车载终端及计算机存储介质。
技术介绍
1、语义地图中的语义信息包括环境中各种对象的位置、方向、颜色、纹理、形状等属性，这些信息可以帮助无人驾驶车辆更好地理解周围环境。此外，这些信息还包括更多的路面语义信息和交通环境信息，如交通信号灯状态、道路标识线特征、车道特征、路标等要素。例如，语义地图可以提供精确的道路向量化表示、道路类型(如车道、自行车道或公交车道)、速度限制、车道线类型等丰富的标注信息。
2、slam(simultaneous localization and mapping，同时定位与地图构建)技术可用于构建高度精确的语义地图。然而，该技术高度依赖图片信息，对轨迹信息依赖度不高。由于需要处理大量的语义信息，涉及大量像素点提取及描述，计算资源大，对多元数据的泛化能力一般。
技术实现思路
1、针对上述技术问题，本申请提供一种语义地图的生成方法、装置、车载终端及计算机存储介质，能够在有限计算资源下提升语义地图的建图精度。
2、第一方面，本申请提供了一种语义地图的生成方法，包括：
3、基于车载相机获取路面图像序列，所述路面图像序列包括在车辆行驶过程中采集的多帧路面图像；
4、提取所述路面图像序列中各帧路面图像的二维语义要素，以生成二维语义图像；
5、根据多帧所述二维语义图像生成全局三维点云；
6、在全局三维点云中对相邻帧的三维语义要素建立匹配关系；p>
7、根据匹配结果对所述全局三维点云进行优化处理，得到语义地图。
8、在一实施方式中，所述提取所述路面图像序列中各帧路面图像的二维语义要素，以生成二维语义图像，包括：
9、对路面图像进行语义感知处理，以提取所述路面图像中的二维语义要素；
10、生成包括所述二维语义要素的二维语义图像；
11、对所述二维语义图像中的不同二维语义要素进行区别标注。
12、在一实施方式中，所述根据多帧所述二维语义图像生成全局三维点云，包括：
13、根据所述车载相机的定位参数和所述二维语义图像，得到所述路面图像序列中各帧路面图像对应的局部三维点云；
14、堆叠相邻帧的局部三维点云，得到全局三维点云。
15、在一实施方式中，所述根据所述车载相机的定位参数和所述二维语义图像，得到所述路面图像序列中各帧路面图像对应的局部三维点云，包括：
16、通过逆投影变换处理将所述二维语义图像转换至相机坐标系下的三维空间，得到局部三维点云；
17、根据所述车载相机的定位参数，将相机坐标系下的局部三维点云转换至世界坐标系下的局部三维点云。
18、在一实施方式中，所述在全局三维点云中对相邻帧的三维语义要素建立匹配关系，包括：
19、对全局三维点云以第一粒度进行三维语义要素关联，得到第一匹配结果；
20、对所述第一匹配结果以第二粒度进行三维语义要素关联，得到第二匹配结果，其中，第一粒度大于第二粒度。
21、在一实施方式中，所述对全局三维点云以第一粒度进行三维语义要素关联，得到第一匹配结果之后，所述方法，还包括：
22、基于相邻帧的几何一致性，去除匹配错误的实例匹配结果。
23、在一实施方式中，所述根据匹配结果对所述全局三维点云进行优化处理，包括：
24、根据相对位姿约束、绝对位姿约束、像素语义约束、体素语义约束和语义结构约束中的至少一项对所述全局三维点云进行优化处理。
25、第二方面，本申请还提供了语义地图的生成装置，包括：至少一个存储器和至少一个处理器，所述存储器存储一条或多条计算机可执行指令，所述处理器调用所述一条或多条计算机可执行指令，以执行如第一方面所述的语义地图的生成方法。
26、第三方面，本申请还提供了一种车载终端，包括：至少一个存储器和至少一个处理器，所述存储器存储一条或多条计算机可执行指令，所述处理器调用所述一条或多条计算机可执行指令，以执行如第一方面所述的语义地图的生成方法。
27、第三方面，本申请还提供了一种计算机存储介质，所述存储介质存储一条或多条计算机可执行指令，所述一条或多条计算机可执行指令被执行时实现如第一方面所述的语义地图的生成方法。
28、本申请提供的一种语义地图的生成方法、装置、车载终端及计算机存储介质语义地图的生成方法，包括：基于车载相机获取路面图像序列，路面图像序列包括在车辆行驶过程中采集的多帧路面图像；提取路面图像序列中各帧路面图像的二维语义要素，以生成二维语义图像；根据多帧二维语义图像融合生成全局三维点云；在全局三维点云中对相邻帧的三维语义要素建立匹配关系；根据匹配结果对全局三维点云进行优化处理，得到语义地图。本申请通过将二维图像中的语义要素转换至三维空间，然后进行语义要素的匹配关联，能够在有限计算资源下提升语义地图的建图精度。
本文档来自技高网...【技术保护点】
1.一种语义地图的生成方法，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，所述提取所述路面图像序列中各帧路面图像的二维语义要素，以生成二维语义图像，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据多帧所述二维语义图像生成全局三维点云，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述车载相机的定位参数和所述二维语义图像，得到所述路面图像序列中各帧路面图像对应的局部三维点云，包括：
5.根据权利要求1所述的方法，其特征在于，所述在全局三维点云中对相邻帧的三维语义要素建立匹配关系，包括：
6.根据权利要求5所述的方法，其特征在于，所述对全局三维点云以第一粒度进行三维语义要素关联，得到第一匹配结果之后，所述方法，还包括：
7.根据权利要求1所述的方法，其特征在于，所述根据匹配结果对所述全局三维点云进行优化处理，包括：
8.一种语义地图的生成装置，其特征在于，包括：至少一个存储器和至少一个处理器，所述存储器存储一条或多条计算机可执行指令，所述处理器调用所述一条或多条计
9.一种车载终端，其特征在于，包括：至少一个存储器和至少一个处理器，所述存储器存储一条或多条计算机可执行指令，所述处理器调用所述一条或多条计算机可执行指令，以执行如权利要求1至7任一项所述的语义地图的生成方法。
10.一种计算机存储介质，其特征在于，所述存储介质存储一条或多条计算机可执行指令，所述一条或多条计算机可执行指令被执行时实现如权利要求1至7任一项所述的语义地图的生成方法。
...【技术特征摘要】
1.一种语义地图的生成方法，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，所述提取所述路面图像序列中各帧路面图像的二维语义要素，以生成二维语义图像，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据多帧所述二维语义图像生成全局三维点云，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述车载相机的定位参数和所述二维语义图像，得到所述路面图像序列中各帧路面图像对应的局部三维点云，包括：
5.根据权利要求1所述的方法，其特征在于，所述在全局三维点云中对相邻帧的三维语义要素建立匹配关系，包括：
6.根据权利要求5所述的方法，其特征在于，所述对全局三维点云以第一粒度进行三维语义要素关联，得到第一匹配结果之后，所述方法，还包括：
7....
【专利技术属性】
技术研发人员：金砺耀，杨川，
申请(专利权)人：浙江吉利控股集团有限公司，
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。