旅程地图生成方法、车辆和计算机可读存储介质与流程
本技术涉及地图生成,特别涉及一种旅程地图生成方法、车辆和计算机可读存储介质。
背景技术:
1、相关技术中,车载多传感器数据主要应用于高精地图构建与自动驾驶感知,生成的地图以机器识别与决策为目标,侧重道路拓扑关系与几何位置精度,服务场景集中于车辆行驶控制与仿真测试,而无法形成具备行程叙事能力的个性化记录载体,难以满足个人用户对行程进行回顾展示与留存的使用需求。
技术实现思路
1、本技术提供了一种旅程地图生成方法、车辆和计算机可读存储介质。
2、本技术实施方式提供一种旅程地图生成方法,包括:
3、在车辆行驶过程中,同步采集车载多模态传感器的原始数据,所述原始数据包括激光雷达点云数据、图像数据和/或车辆位姿数据;
4、响应于用户触发的旅程地图生成指令,读取目标时段对应的目标原始数据;
5、基于所述目标原始数据生成车辆轨迹线并构建三维点云场景;
6、基于所述车辆轨迹线,建立所述三维点云场景与所述图像数据的时空对应关系,以生成包含时空同步的轨迹、点云及图像信息的所述旅程地图。
7、如此,本技术实施方式适配配置有智能座舱的车辆,将车载传感器数据的应用场景从自动驾驶决策拓展至个人行程记录,形成面向用户体验的旅程地图。以轨迹为基础的时空关联机制,能够将环境几何信息与视觉信息进行统一绑定,使生成的地图具备行程回放与场景浏览的能力,满足用户对旅程进行回顾展示与个性化留存的需求。此外,本技术实施方式无需依赖云端服务,数据处理可在本地完成,能够保障用户行程数据的安全性与私密性,数据采集与数据处理相分离,能够降低行车过程中的计算负载。
8、在某些实施方式中,所述车载多模态传感器包括激光雷达、摄像头和/或定位单元;
9、其中,所述激光雷达被配置为采集所述激光雷达点云数据,所述激光雷达点云数据包含点的坐标和反射强度;和/或
10、所述摄像头被配置为采集所述图像数据,所述图像数据包括rgb图像数据;和/或
11、所述定位单元被配置为采集所述车辆位姿数据,所述车辆位姿数据包括经度、纬度、海拔、横滚角、俯仰角、航向角和/或速度信息。
12、如此,多类传感器的信息互为补充,能够同时满足三维点云场景构建与图像信息关联的需求,保障旅程地图的空间完整性与视觉表现力。传感器配置方案可复用车辆量产配置的现有器件,无需额外加装专用采集设备,节省成本。
13、在某些实施方式中,所述在车辆行驶过程中,同步采集车载多模态传感器的原始数据,包括:
14、以预设打包周期为间隔,在每个所述预设打包周期所对应的采集时刻,以全局协调时间为基准创建对应的全局时间戳,并在所述全局时间戳时刻同步触发各传感器采集对应的原始数据,封装为结构化数据包;
15、采用异步存储机制,将所述结构化数据包通过写缓冲队列暂存,并经由后台存储线程以追加写入模式存储至车载本地存储介质;
16、构建滚动存储策略,依据所述车载本地存储介质的容量自动覆盖预设时长前的历史数据包;
17、所述响应于用户触发的旅程地图生成指令,读取目标时段对应的目标原始数据,包括:
18、根据用户框选的目标回放时段,从所述车载本地存储介质中检索并加载对应的所述结构化数据包。
19、如此,统一时间基准的打包方式可保证多源传感器数据的时间一致性,降低后续数据处理中的对齐成本,减少时间匹配误差。异步存储机制将写入操作与主采集流程解耦,可避免高频数据写入引发的系统阻塞,提升行车过程中数据采集的稳定性与可靠性。滚动存储策略可自动完成存储容量的生命周期管理,保证系统在有限存储条件下长期持续运行,无需人工运维。按时间组织的结构化数据包可支持按时段快速检索与加载,提升用户触发生成指令后的响应速度。整个采集存储阶段,不涉及复杂的运算处理,行车过程中算力占用较低。
20、在某些实施方式中,所述基于所述目标原始数据生成车辆轨迹线并构建三维点云场景,包括:
21、对所述激光雷达点云数据进行语义分割,获取所述激光雷达点云数据中每个点的语义标签;
22、根据所述语义标签,剔除标记为动态目标的点云,保留标记为静态目标的当前帧静态点云。
23、如此,通过语义分割与动态点云剔除的处理,可有效消除移动物体对点云场景拼接造成的干扰,保证构建出的三维点云场景仅包含固定环境要素,提升场景的空间一致性与视觉整洁度。去除动态目标后的数据量有所减少,可降低后续点云配准与渲染处理的计算负担,提升处理效率。保留静态环境点云符合旅程地图记录行程环境的使用需求,使生成的地图能够真实反映途经区域的固定环境面貌,避免临时性动态物体对场景展示造成干扰。
24、在某些实施方式中,所述基于所述目标原始数据生成车辆轨迹线并构建三维点云场景,还包括:
25、利用所述车辆位姿数据作为初始变换矩阵,将所述当前帧静态点云变换至统一的世界大地坐标系下;
26、将所述当前帧静态点云与前一帧静态点云进行迭代最近点帧间配准处理;
27、根据相机标定参数和所述车辆位姿数据,将所述图像数据投影至所述配准处理后的点云,生成彩色三维静态点云场景。
28、如此,通过初始变换与配准优化相结合的拼接方式,既利用位姿数据提供了可靠的初始空间基准,又通过配准算法补偿了定位误差,保证了三维场景的空间拼接精度。图像色彩信息的融入使点云场景从单一的几何形态扩展为兼具色彩纹理的可视化模型,提升了场景的视觉表现力与信息丰富度,便于用户直观识别环境中的各类地物要素。多模态数据的空间融合充分发挥了不同传感器的互补优势,为后续的矢量地图要素提取与旅程地图可视化展示提供了较高质量的三维数据基础。
29、在某些实施方式中,所述基于所述目标原始数据生成车辆轨迹线并构建三维点云场景,还包括:
30、从所述彩色三维静态点云场景中提取目标类别的静态点云进行矢量化及渲染处理,其中,所述目标类别包括道路类、人行道类、建筑类、围栏类、交通标志类和/或植被类;和/或
31、将道路类和人行道类点云投影至地面,通过三角剖分及凹包算法提取边界生成多边形要素;和/或
32、将建筑类点云通过随机抽样一致算法拟合墙面并提取轮廓生成多边形要素;和/或
33、将围栏类点云聚类拟合并生成折线要素;和/或
34、将交通标志类点云聚类生成点要素,并将所述图像数据中对应位置的裁切图作为属性关联至所述点要素;和/或
35、将植被类点云转换为点集图层,并渲染为预设样式圆点,其中,若所述植被类点云的数量小于预设阈值,将所述植被类点云的坐标序列化为geojson的multipoint要素,若所述植被类点云的数量大于或等于预设阈值,将所述植被类点云转换为3d tiles格式文件并存储,且在geojson中保留所述3d tiles格式文件的访问链接。
36、如此,通过分类矢量化的处理方式,可将数据量较大的离散点云转换为轻量化的结构化矢量要素,降低前端渲染的计算负载,提升地图在各类终端设备上的浏览流畅度。针对不同类别地物采用适配的矢量化算法,能够充分兼顾各类地物的形态特点,使生成的矢量要素与实际地物形态高度贴合,保证地图的几何表达质量。分类渲染的样式设计使各类地物具备清晰的视觉区分度,提升了地图的可读性与信息传递效率,便于用户快速识别行程途经的环境要素。
37、在某些实施方式中,所述基于所述车辆轨迹线,建立所述三维点云场景与所述图像数据的时空对应关系,以生成包含时空同步的轨迹、点云及图像信息的所述旅程地图,包括:
38、建立时空关联数据库,将所述车辆轨迹线作为时间主线,将所述矢量地图要素及所述三维点云场景与对应的轨迹时间区间相关联;
39、扫描与所述车辆绑定的个人终端在目标时段内拍摄的多媒体数据,读取所述多媒体数据的位置坐标和时间戳,将所述多媒体数据作为特殊点要素匹配至所述车辆轨迹线上。
40、如此,通过时空关联数据库的统一组织,可使轨迹矢量要素与三维场景形成联动的时空整体,支持按时间或位置进行多维度的联动浏览,提升旅程地图的交互体验与叙事能力。个人终端多媒体数据的自动匹配融入,能够将用户个人视角的记录内容整合至旅程地图中,丰富地图的内容层次与个性化属性,使旅程地图不仅是环境信息的记录,也成为承载个人行程记忆的完整载体。多源数据的自动关联无需用户手动整理,降低了使用门槛,提升了用户生成旅程地图的便捷性。
41、在某些实施方式中,所述基于所述车辆轨迹线,建立所述三维点云场景与所述图像数据的时空对应关系,以生成包含时空同步的轨迹、点云及图像信息的所述旅程地图,包括:
42、将所述车辆轨迹线、所述矢量地图要素和所述特殊点要素封装为地理空间数据交换标准geojson格式文件;
43、将所述三维点云场景转换为流式3d tiles格式文件并存储,并在所述geojson格式文件中保留所述3d tiles格式文件的访问链接。
44、如此,通过采用标准化的geojson格式存储矢量与轨迹数据,可保证数据的跨平台兼容性与解析效率,便于各类前端地图引擎直接加载渲染,降低了终端适配的开发成本。三维点云场景采用流式3d tiles格式存储,支持按需分级加载,可有效控制前端运行时的内存占用,显著提升大规模三维场景在消费级终端上的浏览流畅度,使用户能够流畅查看行程全程的三维环境。两类数据分离存储关联访问的设计,既兼顾了不同类型数据各自的优选存储与加载方式,又通过访问链接维持了数据之间的关联关系,前端可实现二维矢量与三维场景的同步加载与空间对齐,保证旅程地图的整体展示效果。标准化的输出格式也便于旅程地图的分享与传播,提升了数据的可复用性与应用范围。
45、本技术实施方式还提供一种车辆,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,实现如上所述的方法。
46、本技术实施方式还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,当所述计算机程序被一个或多个处理器执行时,实现如上所述的方法。
47、本技术的实施方式的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本技术的实施方式的实践了解到。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com