技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种车辆建图方法、电子设备、车辆和存储介质与流程  >  正文

一种车辆建图方法、电子设备、车辆和存储介质与流程

  • 国知局
  • 2024-07-31 23:10:38

本申请涉及车辆建图与定位的,更具体地涉及一种车辆建图方法、电子设备、车辆和存储介质。

背景技术:

1、高精度定位和建图是实现自动泊车功能的关键技术之一,目前自动驾驶定位的方法大都基于车辆轮速计和惯性测量单元(inertial measurement unit,简称imu)等车辆自身装置进行定位,或者结合地图构建(simultaneous localizationand mapping,简称slam)进行车辆的定位,其中slam会依据传感器的不同分为激光雷达的激光地图构建(lidar slam)和基于相机的视觉地图构建(visual slam)。激光地图构建受到激光雷达成本的制约,短期内难以在车机端实现量产。相比于激光雷达,相机的价格低廉,采集到的图像信息更丰富。

2、相关技术中,视觉地图构建多是基于像素层级的特征点,仅使用角点或边缘来提取路标,受其成像范围的限制,道路两边的车位不能被完整获取导致建图后的车位信息丢失严重。

技术实现思路

1、为了解决上述问题而提出了本申请。根据本申请一方面提供了一种车辆建图方法,所述方法包括以下步骤:获取车辆周边的图像;对所述图像进行语义分割得到语义分割结果;基于所述语义分割结果提取车位特征,以得到车位的车位线信息和角点信息;根据预设的车位尺寸信息、所述车位线信息和所述角点信息得到车位信息;基于所述车位信息更新语义地图。

2、在本申请的一个实施例中,所述基于所述语义分割结果提取车位特征,以得到车位的车位线信息和角点信息,包括:基于所述语义分割结果中的车位线语义图像进行直线检测,以识别车位角的直线段;获取所述直线段的线段长度以及端点坐标而得到所述车位线信息和角点信息,其中所述直线段的两个端点为相邻的两个车位角点;基于所述车位线信息和所述角点信息得到所有车位角点的坐标,以得到完整的所述车位信息。

3、在本申请的一个实施例中,所述预设的车位尺寸信息包括预设车位长宽比例;所述根据预设的车位尺寸信息、所述车位线信息和所述角点信息得到车位信息,包括:将所述直线段的长度作为第一距离,所述第一距离为车位第一边的长度;根据所述第一距离以及预设车位长宽比例计算与所述直线段相交的车位第二边的长度作为第二距离;根据所述第一距离、所述第二距离以及所述相邻的两个车位角点的坐标,计算得到车位剩余两个车位角点的坐标,以得到所有车位角点的坐标作为所述车位信息。

4、在本申请的一个实施例中,所述根据所述第一距离以及预设车位长宽比例计算与所述直线段相交的车位第二边的长度,包括:将所述第一距离与预设阈值进行比较;当所述第一距离大于所述预设阈值,根据所述第一距离以及第一预设车位长宽比例计算与所述直线段相交的车位第二边的长度;当所述第一距离小于或等于所述预设阈值,根据所述第一距离以及第二预设车位长宽比例计算与所述直线段相交的车位第二边的长度,其中所述第一预设车位长宽比例大于所述第二预设车位长宽比例。

5、在本申请的一个实施例中,所述第一预设车位长宽比例为平行车位的长宽比例,所述第二预设车位长宽比例为垂直车位的长宽比例。

6、在本申请的一个实施例中,在基于所述车位信息更新语义地图后,所述方法还包括:获取所述车辆的里程计信息,基于所述里程计信息计算所述车辆在所述语义地图中的第一位姿;对所述图像进行回环检测,对所述语义地图进行非线性优化,得到所述车辆在所述语义地图中的经优化的第二位姿以及经优化的语义地图。

7、在本申请的一个实施例中,所述对所述图像进行回环检测,对所述语义地图进行非线性优化,得到所述车辆在所述语义地图中的经优化的第二位姿以及经优化的语义地图包括:在所述图像上检测得到视觉特征描述子和语义类别描述子,其中所述语义类别描述子用于描述所述图像的语义类别信息;基于所述视觉特征描述子和所述语义类别描述子对所述图像进行回环检测,对所述语义地图进行非线性优化,得到所述车辆在所述语义地图中的经优化的第二位姿以及经优化的语义地图。

8、在本申请的一个实施例中,所述图像包括当前帧和历史帧,所述基于所述视觉特征描述子和所述语义类别描述子对所述图像进行回环检测,对所述语义地图进行非线性优化,得到所述车辆在所述语义地图中的经优化的第二位姿以及经优化的语义地图包括:计算所述图像的当前帧的视觉特征描述子与历史帧中每一帧的视觉特征描述子的第一相似度得分;计算所述图像的当前帧的语义类别描述子与历史帧中每一帧的语义类别描述子的第二相似度得分;将所述第一相似度得分与所述第二相似度得分之和作为回环检测得分;基于所述回环检测得分从所述历史帧中确定出最佳闭环帧;计算所述车辆在所述当前帧与所述最佳闭环帧之间的相对位姿;基于所述相对位姿对所述语义地图进行优化,得到所述车辆在所述语义地图中的经优化的第二位姿以及经优化的语义地图。

9、在本申请的一个实施例中,所述方法还包括,基于更新后的语义地图得到所述车辆的定位结果,具体包括:将所述图像的当前帧的像素转化为当前点云数据;将所述当前点云数据与所述更新后的语义地图所对应的点云数据进行匹配,以得到所述车辆在所述语义地图中的位姿。

10、根据本申请的另一方面,提供了一种电子设备,所述设备包括存储器和处理器,所述存储器上存储有由所述处理器运行的计算机程序,所述计算机程序在被所述处理器运行时,使得所述处理器执行如上述的车辆建图方法。

11、根据本申请的又一方面,提供了一种车辆,所述车辆配置有上述的电子设备。

12、根据本申请的再一方面,提供了一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序在运行时,执行上述的车辆建图方法。

13、本申请的车辆建图方法,将车辆周边的图像进行语义分割得到了语义分割结果并生成语义地图,在生成语义地图时通过提取特征得到了车位线信息和角点信息,再根据预设车位尺寸信息、车位线信息和角点信息得到完整的车位信息,以用于进行语义地图的更新,本方法中依据部分车位线信息和车位的角点信息对车位进行补全得到了完整的车位信息,解决了建图过程中信息丢失严重的问题,可以更加准确地进行车辆建图。

技术特征:

1.一种车辆建图方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,所述基于所述语义分割结果提取车位特征,以得到车位的车位线信息和角点信息,包括:

3.根据权利要求2所述的方法,其特征在于,所述预设的车位尺寸信息包括预设车位长宽比例;所述根据预设的车位尺寸信息、所述车位线信息和所述角点信息得到车位信息,包括:

4.根据权利要求3所述的方法,其特征在于,所述根据所述第一距离以及预设车位长宽比例计算与所述直线段相交的车位第二边的长度,包括:

5.根据权利要求4所述的方法,其特征在于,所述第一预设车位长宽比例为平行车位的长宽比例,所述第二预设车位长宽比例为垂直车位的长宽比例。

6.根据权利要求1-5中的任一项所述的方法,其特征在于,在基于所述车位信息更新语义地图后,所述方法还包括:

7.根据权利要求6所述的方法,其特征在于,所述对所述图像进行回环检测,对所述语义地图进行非线性优化,得到所述车辆在所述语义地图中的经优化的第二位姿以及经优化的语义地图包括:

8.根据权利要求7所述的方法,其特征在于,所述图像包括当前帧和历史帧,所述基于所述视觉特征描述子和所述语义类别描述子对所述图像进行回环检测,对所述语义地图进行非线性优化,得到所述车辆在所述语义地图中的经优化的第二位姿以及经优化的语义地图,包括:

9.根据权利要求1-5中的任一项所述的方法,其特征在于,所述方法还包括,基于更新后的语义地图得到所述车辆的定位结果,具体包括:

10.一种电子设备,其特征在于,所述设备包括存储器和处理器,所述存储器上存储有由所述处理器运行的计算机程序,所述计算机程序在被所述处理器运行时,使得所述处理器执行如权利要求1-9中的任一项所述的车辆建图方法。

11.一种车辆,其特征在于,所述车辆配置有如权利要求10所述的电子设备。

12.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序在运行时,执行如权利要求1-9中的任一项所述的车辆建图方法。

技术总结本申请涉及一种车辆建图方法、电子设备、车辆和存储介质,所述方法获取车辆周边的图像;对所述图像进行语义分割得到语义分割结果;基于所述语义分割结果提取车位特征,以得到车位的车位线信息和角点信息;根据预设的车位尺寸信息、所述车位线信息和所述角点信息得到车位信息;基于所述车位信息更新语义地图。本申请解决了建图过程中信息丢失严重的问题,可以更加准确地进行车辆建图。技术研发人员:许洁,杨冬生,刘柯,王欢,苏琪受保护的技术使用者:比亚迪股份有限公司技术研发日:技术公布日:2024/7/29

本文地址:https://www.jishuxx.com/zhuanli/20240730/196240.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。