[发明专利]高精度地图的构建方法、装置、存储介质及设备

说明书

本申请公开了一种高精度地图的构建方法、装置、存储介质及设备，属于图像处理技术领域。所述方法包括：获取当前帧和前一帧激光雷达数据的点云集合，所述点云集合包括地面点、角点和面点；获取点云距离模型，根据所述点云距离模型计算所述当前帧与所述前一帧中同类点云之间的距离；根据所述距离创建误差函数，根据所述误差函数计算所述当前帧相对于所述前一帧的位姿；根据所述位姿创建高精度地图。本申请既可以增加特征的多样性，也可以通过对地面点的单独处理来增加z轴的约束，缓解z轴发散过快的问题，还能够解耦6自由度位姿的估计，实现在较大累计误差下的匹配成功率和精度，并缩短了计算的时间。

技术领域

本申请涉及图像处理技术领域，特别涉及一种高精度地图的构建方法、装置、存储介质及设备。

背景技术

在依托高精度地图的自动驾驶方案中，高精度地图为定位、感知、PnC(Planningand Control，规划与控制)提供精确的先验环境信息，其具有高精度、多元素、高“新鲜”度等优势，是车辆进行安全决策和判断的重要前提，也是无人车能够安全、高效的完成各项任务的重要保障，因此，构建高精度地图是自动驾驶方案的重要基础和重要环节。

高精度地图的构建方法一般有两种：一种是通过传统的测绘方法创建高精度地图，具体通过高精度的惯导设备对车辆的位姿进行采集，并将车载的激光雷达数据进行投影生成高精度地图。另外一种是通过SLAM(Simultaneous Localization and Mapping，同时定位与地图构建)技术创建高精度地图，具体是采用配准的方法估计车载的每帧激光雷达数据对应的位姿，通过回环检测和全局优化对误差进行消除，最终生成高精度地图。

传统的测绘方法虽然可以快速地测量车载的位姿，但是其易受到环境的干扰，特别是在楼宇之间和茂密的树下，其位姿的误差往往过大而无法满足高精度地图的需求。在无法通过高精度的惯导设备采集位姿的情况，我们可以采用SLAM技术对位姿进行精确的估计。其中，SLAM技术包括前端里程计。前端里程计可以采用ICP(Iterative Closest Point，迭代最近点)、GICP(Generalized Iterative Closest Point，广义迭代最近点)、NDT(Normal Distribution Transform，正态分布变换)等方法，但是其计算量比较大，且随着地图的范围增加，计算效率大大降低；因而，采用基于特征的方法逐渐成为了前端里程计的主流方法，例如LOAM(Lidar Odometry and Mapping，激光里程计与制图)，但是其只提取了环境中的角点和面点作为特征进行位姿的估计，在z轴的约束比较少，累计误差会随着移动的距离越远而越大，导致在z轴上迅速发散。

发明内容

本申请提供了一种高精度地图的构建方法、装置、存储介质及设备，用于解决在高精度建图过程中，z轴发散过快的问题。所述技术方案如下：

一方面，提供了一种高精度地图的构建方法，所述方法包括：

获取当前帧和前一帧激光雷达数据的点云集合，所述点云集合包括地面点、角点和面点；

获取点云距离模型，根据所述点云距离模型计算所述当前帧与所述前一帧中同类点云之间的距离；

根据所述距离创建误差函数，根据所述误差函数计算所述当前帧相对于所述前一帧的位姿；

根据所述位姿创建高精度地图。

在一种可能的实现方式中，所述获取点云距离模型，根据所述点云距离模型计算所述当前帧与所述前一帧中同类点云之间的距离，包括：

当所述点云距离模型为地面点距离模型时，计算所述当前帧的点云集合中的每个地面点到所述前一帧中地面的平面距离，所述地面由所述前一帧的点云集合中的地面点构成。

在一种可能的实现方式中，所述获取点云距离模型，根据所述点云距离模型计算所述当前帧与所述前一帧中同类点云之间的距离，包括：