[发明专利]停车库环境中语义建图方法、装置、电子设备及存储介质

说明书

本申请涉及一种停车库环境中语义建图方法、装置、电子设备及存储介质，方法包括：根据传感器数据得到车辆位姿信息；拼接多张环视图片，通过语义分割算法检测出车道线语义信息和库位线语义信息，标记对应的图片像素，提取车道线中心线和库位线中心线图片；根据车辆位姿信息和环视图片的时间计算环视图片的车辆位姿信息，基于环视图片的车辆位姿信息、车道线中心线和库位线中心线图片得到不同时刻的车道线点云和库位线点云，拼接得到初始语义点云地图；降采样创建三维体素栅格，三维体素栅格内的所有点云的重心作为新的语义点，根据新的语义点得到停车库环境中语义点云地图。解决了相关技术中建图方法计算量大、处理器的算力要求高且成本高的问题。

技术领域

本申请涉及自主泊车技术领域，特别涉及一种停车库环境中语义建图方法、装置、电子设备及存储介质。

背景技术

自主泊车技术作为辅助驾驶功能的一部分被集成到越来越多的汽车上，帮助驾驶员把车泊入目标位置，降低了对驾驶员的技术要求，提升了驾驶员的驾车体验。在停车库尤其是地下停车库环境中，由于缺少高精地图等信息，需要驾驶员先驾驶汽车采集停车库环境信息，创建环境地图，供后续自主泊车使用。

相关技术中，创建地图的方法主要是直接使用图像得到的特征点地图或者使用语义矢量得到的语义矢量地图。

然而，直接使用图像得到的特征点地图得到的语义矢量地图计算量较大，同时直接使用语义图片得到的点云数据量大，对处理器的算力要求较高，使用语义矢量得到的语义矢量地图的方法，传感器硬件成本较高，而且计量算较大。

发明内容

本申请提供一种停车库环境中语义建图方法、装置、电子设备及存储介质，解决了相关技术中建图方法计算量大、处理器的算力要求高且成本高的问题，提高了处理的速度，降低了出现错误的语义检测结果以及对深度学习检测语义特征的要求。

本申请第一方面实施例提供一种停车库环境中语义建图方法，包括以下步骤：获取车辆的传感器数据，并根据所述传感器数据计算得到所述车辆相对于起始点的位姿信息；获取所述车辆周围的多张环视图片，并拼接所述多张环视图片后，通过预设的语义分割算法从拼接图片中检测出车道线语义信息和库位线语义信息，并分别对所述车道线语义信息和所述库位线语义信息标记对应的图片像素后，提取车道线中心线和库位线中心线图片；根据所述车辆相对于起始点的位姿信息和所述多张环视图片的时间计算出所述多张环视图片对应的车辆位姿信息，并基于所述多张环视图片对应的车辆位姿信息、所述车道线中心线和库位线中心线图片得到不同时刻的车道线点云和库位线点云，并将所述不同时刻的车道线和库位线点云拼接得到初始语义点云地图；对所述初始语义点云地图中的点云分别按照车道线和库位线进行降采样，并创建三维体素栅格，并所述三维体素栅格内的所有点云的重心作为新的语义点，根据所述新的语义点得到停车库环境中语义点云地图。

根据上述技术手段，解决了相关技术中建图方法计算量大、处理器的算力要求高且成本高的问题，提高了处理的速度，降低了出现错误的语义检测结果以及对深度学习检测语义特征的要求。

进一步地，所述基于所述多张环视图片对应的车辆位姿信息、所述车道线中心线和库位线中心线图片得到不同时刻的车道线点云和库位线点云，包括：基于所述多张环视图片对应的车辆位姿信息、所述车道线中心线和库位线中心线图片选取车道线的像素点和库位线的像素点；根据所述车道线的像素点和所述库位线的像素点与空间位置之间的对应关系计算车体坐标系下不同时刻的车道线坐标和库位线的坐标；根据所述车道线坐标和所述库位线的坐标得到所述不同时刻的车道线点云和库位线点云。

根据上述技术手段，仅使用环视拼接图中的车道线和库位线信息，降低了对深度学习检测语义特征的要求。