[发明专利]利用激光雷达和视觉传感器融合在线构建语义地图的方法

说明书

本发明涉及一种利用激光雷达和视觉传感器融合在线构建语义地图的方法，包括：获取当前车辆的初始化栅格地图，获取激光雷达对应的测距数据、视觉传感器对应的图像数据；对激光雷达的测距数据进行目标检测处理，获取多个第一类检测目标的多属性信息；对视觉传感器的图像数据进行特征提取和匹配，获取多个第二类检测目标的多属性信息；融合第一类检测目标和第二类检测目标的多属性信息，并将融合后的检测目标的多属性信息均导入到Redis数据库中，生成作为语义地图的高维栅格地图，高维栅格地图中的各检测目标的多属性信息以动态数据库表的方式存储。本发明的方法可以实时在线表示车辆周围的动静态环境多维语义信息。

技术领域

本发明涉及地图构建技术领域，尤其涉及一种利用激光雷达和视觉传感器融合在线构建语义地图的方法。

背景技术

目前对于无人驾驶道路环境的描述，大致可以分为高精地图、占用栅格地图、代价地图、拓扑地图、语义地图。高精地图可以对道路网进行精确三维表征，可视化效果好，可达了厘米级的定位精度，为无人驾驶提供大量的(如交叉路口布局和路标位置等)辅助信息。但是高精地图需要离线采用大量的人工标注工作才能实现，且只能包含道路的静态信息，数据采集和更新成本高、效率低。

代价地图是由多层不同含义的占用栅格地图组成，但是由于不同图层信息相互独立不能融合在一起，对于动态障碍物，无法被及时的清除，通常会留下影子一样的轨迹。

语义地图可以将激光雷达和视觉传感器检测和分割的语义信息投影到栅格地图中，包括信号灯颜色定义、道路限速信息、车辆转弯开始位置，障碍物的方位、速度等。通过在3D地图中引入少量语义标签等先验信息，无需大量的人工标注即可实现无人驾驶汽车局部路径规划、避障、安全预测等的基本技术。

然而，现有语义地图大多都是在部分人工干预下构建的带标记点云或物体的离线地图，且需要采集的数据量巨大(通常为TB级)，如何在线实时存储和维护地图中的海量语义信息、基于海量语义信息的实时检索和更新还存在技术瓶颈，成为语义地图广泛应用的一种障碍。

发明内容

(一)要解决的技术问题

鉴于现有技术的上述缺点、不足，本发明提供一种利用激光雷达和视觉传感器融合在线构建语义地图的方法。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

第一方面，本发明实施例提供一种利用激光雷达和视觉传感器融合在线构建语义地图的方法，包括：

101、获取当前车辆的栅格地图，所述栅格地图包括多个用于存放检测目标的栅格/网格，且每一栅格/网格具有唯一的与方位关联的一维字符串标识；

102、依据预先标定方位关系的激光雷达和视觉传感器，获取激光雷达对应的测距数据，视觉传感器对应的图像数据；

103、对激光雷达的测距数据进行目标检测处理，获取转换至栅格地图对应的大地坐标系下的多个第一类检测目标的多属性信息；

104、对视觉传感器的图像数据进行特征提取、匹配及重建，获取转换至栅格地图对应的大地坐标系下的多个第二类检测目标的多属性信息；

105、融合第一类检测目标和第二类检测目标的多属性信息，并将融合后的检测目标的多属性信息均导入到Redis数据库中，在线生成作为语义地图的高维栅格地图，所述高维栅格地图中的各检测目标的多属性信息以动态数据库表的方式存储。

可选地，所述101包括：

借助于GPS-RTK获取当前车辆的位置信息；

根据当前车辆的位置信息，建立指定尺寸的包括多个栅格的网格地图作为初始栅格地图；