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;
...【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。