一种点云地图构建方法、装置以及电子设备与流程

1.本发明实施例涉及点云地图构建技术领域，尤其涉及一种点云地图构建方法、装置以及电子设备。


背景技术：

2.在无人车驾驶领域中，通常使用点云地图表达场景信息。点云地图通常包括多个具有语义信息的点云点，以及每个点云点在世界坐标系下的三维位置信息；这些点云点能够构指示某个场景下不同对象在空间中的具体分布情况。
3.在实际应用过程中，无人驾驶车根据先前采集的环境点云信息建立点云地图，利用当前采集的点云信息的特征与点云地图进行匹配从而实现定位的目的。然而，这种定位方式存在一个问题，无人驾驶车建立点云地图时由于周围环境是动态的，如存在动态目标时，会导致后续定位过程中定位精度低。


技术实现要素：

4.本技术实施例的目的是提供一种点云地图构建方法、装置和电子设备，能够解决现有技术中存在的无人驾驶车建立的点云地图在后续定位过程中定位精度低的问题。
5.为了解决上述技术问题，本技术是这样实现的：
6.第一方面，本技术实施例提供了一种点云地图构建方法，包括：
7.在无人驾驶车按照预设路线移动过程中，采集环境点云信息生成第一局部点云地图；
8.滤除所述第一局部点云地图中的预设静态目标，得到第二局部点云地图；
9.滤除所述第二局部点云地图中的动态目标，得到第三局部点云地图；
10.基于所述无人驾驶车按照所述预设路线移动过程中产生的各所述第三局部点云地图，构建目标点云地图。
11.可选地，所述在无人驾驶车按照预设路线移动过程中，采集环境点云信息生成第一局部点云地图的步骤，包括：
12.在所述无人驾驶车按照预设路线移动过程中，所述无人驾驶车上安装的激光雷达基于发射、接收的脉冲信号的时间间隔，确定与周围环境中各对象之间的距离，作为采集的环境点云信息；
13.基于所采集的各环境点云信息生成第一局部点云地图，其中，所述第一局部点云地图用于表征在某一时刻所述无人驾驶车周围的环境信息。
14.可选地，滤除所述第一局部点云地图中的预设静态目标，得到第二局部点云地图的步骤，包括：
15.对所述第一局部点云地图进行目标分割处理，得到第一局部点云地图中包含的各对象，然后对各所述对象进行标色处理，其中，每个所述对象对应多个点云信息，每个点云信息对应一个距离值，在进行标色时基于预先设定的颜色与距离之间的对应关系，对所述
第一局部点云地图中包含的各所述对象进行标色；
16.滤除标色后的各所述对象中的预设静态目标，得到所述第二局部点云地图。
17.可选地，滤除所述第二局部点云地图中的动态目标，得到第三局部点云地图的步骤，包括：
18.基于先后两次采集的第一局部点云地图中的点云信息，确定动态目标；
19.滤除所述第二局部点云地图中的动态目标，得到第三局部点云地图。
20.可选地，基于先后两次采集的第一局部点云地图中的点云信息，确定动态目标的步骤，包括：
21.间隔预设时长后，再次采集环境点云信息生成第一局部点云地图，并滤除第一局部点云地图中的静态目标，得到第四局部点云地图；
22.确定先后两次采集第一局部点云地图时，所述无人驾驶车的位置变化信息；
23.根据所述位置变化信息对所述第四局部点云地图中包含的各对象的点云信息进行更新，得到第五局部点云地图；
24.比对所述第五局部点云地图和所述第二局部点云地图，将点云信息变化量处于预设范围外的对象，确定为动态目标。
25.第二方面，本技术实施例提供了一种点云地图构建装置，包括：
26.采集模块，用于在无人驾驶车按照预设路线移动过程中，采集环境点云信息生成第一局部点云地图；
27.第一滤除模块，用于滤除所述第一局部点云地图中的预设静态目标，得到第二局部点云地图；
28.第二滤除模块，用于滤除所述第二局部点云地图中的动态目标，得到第三局部点云地图；
29.构建模块，用于基于所述无人驾驶车按照所述预设路线移动过程中产生的各所述第三局部点云地图，构建目标点云地图。
30.可选地，所述采集模块包括：
31.第一子模块，用于在所述无人驾驶车按照预设路线移动过程中，所述无人驾驶车上安装的激光雷达基于发射、接收的脉冲信号的时间间隔，确定与周围环境中各对象之间的距离，作为采集的环境点云信息；
32.第二子模块，用于基于所采集的各环境点云信息生成第一局部点云地图，其中，所述第一局部点云地图用于表征在某一时刻所述无人驾驶车周围的环境信息。
33.可选地，所述第一滤除模块包括：
34.第三子模块，用于对所述第一局部点云地图进行目标分割处理，得到第一局部点云地图中包含的各对象，然后对各所述对象进行标色处理，其中，每个所述对象对应一个点云信息，每个点云信息对应一个距离值，在进行标色时基于预先设定的颜色与距离之间的对应关系，对所述第一局部点云地图中包含的各所述对象进行标色；
35.第四子模块，用于滤除标色后的各所述对象中的预设静态目标，得到所述第二局部点云地图。
36.可选地，所述第二滤除模块包括：
37.第五子模块，用于基于先后两次采集的第一局部点云地图中的点云信息，确定动
态目标；
38.第六子模块，用于滤除所述第二局部点云地图中的动态目标，得到第三局部点云地图。
39.可选地，所述第五子模块包括：
40.采集单元，用于间隔预设时长后，再次采集环境点云信息生成第一局部点云地图，并滤除第一局部点云地图中的静态目标，得到第四局部点云地图；
41.位置变化信息确定单元，用于确定先后两次采集第一局部点云地图时，所述无人驾驶车的位置变化信息；
42.更新单元，用于根据所述位置变化信息对所述第四局部点云地图中包含的各对象的点云信息进行更新，得到第五局部点云地图；
43.比对单元，用于比对所述第五局部点云地图和所述第二局部点云地图，将点云信息变化量处于预设范围外的对象，确定为动态目标。
44.第三方面，本技术实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
45.第四方面，本技术实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
46.采用上述技术方案，相比于现有技术，本技术的技术效果有：
47.本技术实施例提供的点云地图构建方法，在无人驾驶车按照预设路线移动过程中，采集环境点云信息生成第一局部点云地图；滤除第一局部点云地图中的预设静态目标，得到第二局部点云地图；滤除第二局部点云地图中的动态目标，得到第三局部点云地图；基于无人驾驶车按照预设路线移动过程中产生的各第三局部点云地图，构建目标点云地图。该方案能够滤除点云地图中的动态目标和参考价值较小的静态目标，得到高质量的点云地图，使得后续定位时得到更精准的位置信息。具体地，一方面，避免动态目标干扰定位，从而提升定位结果的准确性，另一方面，避免参考价值较小的静态目标增大计算量，有利于提升定位速度。
附图说明
48.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
49.图1是表示本技术实施例的一种点云地图构建方法的步骤流程图；
50.图2是表示本技术实施例的距离与颜色对应关系示意图；
51.图3是表示本技术实施例的一种点云地图构建装置的结构框图；
52.图4是表示本技术实施例的一种电子设备的结构框图；
53.图5是表示本技术实施例的又一种电子设备的结构框图。
具体实施方式
54.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
55.下面结合附图，通过具体的实施例及其应用场景对本技术实施例提供的设备检测方法进行详细地说明。
56.参照图1，示出了本技术实施例的一种点云地图构建方法的步骤流程图。
57.本技术实施例的点云地图构建方法包括以下步骤：
58.步骤101：在无人驾驶车按照预设路线移动过程中，采集环境点云信息生成第一局部点云地图。
59.在实际实现过程中，可在无人驾驶车上设置激光雷达，通过激光雷达进行点云地图构建过程中信息的采集。具体地采集方式可以为：在无人驾驶车按照预设路线移动过程中，无人驾驶车上安装的激光雷达基于发射、接收的脉冲信号的时间间隔，确定与周围环境中各对象之间的距离，作为采集的环境点云信息；基于所采集的各环境点云信息生成第一局部点云地图，其中，第一局部点云地图用于表征在某一时刻无人驾驶车周围的环境信息。通过第一局部点云地图中的点云信息，可确定无人驾驶车在采集时，周围环境中包含的各对象，以及各对象与激光雷达之间的距离。
60.预设时间间隔可由本领域技术人员灵活设置，本技术中对次不做具体限制。其中，激光雷达依据发射器发射的脉冲信号和接收器接受到的反射脉冲信号的时间间隔，与激光雷达与目标物体之间的距离成正比关系。
61.本技术实施例中，之所以选择在无人驾驶车上设置的激光雷达进行点云地图构建过程中信息的采集，是由于激光雷达成本低，能够降低无人驾驶车的成本，并且激光雷达所采集的数据准确度高。
62.步骤102：滤除第一局部点云地图中的预设静态目标，得到第二局部点云地图。
63.即本技术实施例提供的点云地图构建方法，针对当无人驾驶车建立点云地图时周围环境是动态的，如存在动态目标时，会导致后续定位过程中定位精度低的问题，经过创造性的劳动、综合多方面因素，确定出解决方案，在构建点云地图排除环境中的动态目标，以保证定位准确性。不仅如此，除了动态目标之外，点云地图中还存在一部分静态目标，例如地面，这部分静态目标为定位过程提供的有效信息较少，且会导致定位过程计算量较大，影响定位过程的实时性。因此，本技术实施例中，在构建点云地图时会排除环境中参考价值较小的静态目标，即前述预设静态目标，从而降低定位所消耗的计算量。
64.滤除第一局部点云地图中的预设静态目标滤除后，对点云地图中的动态目标进行识别，并滤除识别到的动态目标。一种可行性的方式可以为：基于先后两次采集的第一局部点云地图中的点云信息，确定动态目标；滤除第二局部点云地图中的动态目标，得到第三局部点云地图。
65.在实际实现过程中，无人驾驶车上安装的激光雷达间隔预设时长进行一次点云信息，处理器基于激光雷达所采集的点云信息，生成第一局部点云地图。也即，无人驾驶车在预设路线上移动的整体过程中，采集n次点云信息则处理器会生成n个第一局部点云地图。
66.在确定一个局部点云地图中包含的动态目标时，均需结合紧接在后生成的第一局部点云地图，将二者进行比对来确定。
67.步骤103：滤除第二局部点云地图中的动态目标，得到第三局部点云地图。
68.在构建点云地图过程中，针对各第二局部点云地图，排除环境中的动态目标，可有效避免动态目标干扰定位，可提升后续基于构建的点云地图进行定位时，所得定位结果的准确性。
69.需要说明的是，步骤101至步骤103为对单个第一局部点云地图进行动态目标、静态目标滤除的流程，滤除后得到第三局部点云地图。在实际实现过程中，需要重复执行上述流程对无人驾驶车按照预设路线行驶过程中产生的各第一局部点云地图进行处理，得到对应的第三局部点云地图。
70.步骤104：基于无人驾驶车按照预设路线移动过程中产生的各第三局部点云地图，构建目标点云地图。
71.基于各第三局部点云地图构建目标点云地图时，可采用任意适当的地图合成方式实现，本技术实施例中队此不做具体限制。例如：可采用简单拼接方式、相同点云信息排查后整合的方式等。
72.本技术实施例提供的点云地图构建方法，在无人驾驶车按照预设路线移动过程中，采集环境点云信息生成第一局部点云地图；滤除第一局部点云地图中的预设静态目标，得到第二局部点云地图；滤除第二局部点云地图中的动态目标，得到第三局部点云地图；基于无人驾驶车按照预设路线移动过程中产生的各第三局部点云地图，构建目标点云地图。该方案能够滤除点云地图中的动态目标和参考价值较小的静态目标即预设静态目标，得到高质量的点云地图，使得后续定位时会得到更精准的位置信息。具体地，一方面，避免动态目标干扰定位，从而提升定位结果的准确性，另一方面，避免参考价值较小的静态目标增大计算量，有利于提升定位速度。
73.在一种可选地实施例中，滤除第一局部点云地图中的预设静态目标，得到第二局部点云地图的方式包括如下步骤：
74.步骤一：对第一局部点云地图进行目标分割处理，得到第一局部点云地图中包含的各对象，然后对各对象进行标色处理；
75.其中，第一局部点云地图中的各对象又可称为环境对象，包括静态目标和动态目标。第一局部点云地图中的各对象可以包括但不限于：车辆、行人、自行车、标识标牌、灯杆以及地面等。
76.每个对象对应多个点云信息，每个点云信息对应一个距离值，在进行标色时基于预先设定的颜色与距离之间的对应关系，对第一局部点云地图中包含的各对象进行标色。如所采集的第一局部点云地图中，每个车可视为一个对象，该车对应有成百上千个激光点，每个点有一个距离值，这成百上千个激光点组成激光簇表征该车。
77.距离与颜色对应关系示意图如图2所示，不同距离范围对应不同的颜色。距离与颜色对应关系又可视为距离与颜色对照信息矩阵。本技术中，预先定义距离和颜色的对应关系，用于对局部点云地图中包含的对象进行标色。需要说明的是，距离与颜色的具体对应关系，可由本领域技术人员灵活设置，本技术实施例中对此不做具体限制。如：定于2cm对应深红色，4cm对应浅红色，6cm对应蓝色等。
78.步骤二：滤除标色后的各对象中的预设静态目标，得到第二局部点云地图。
79.其中，预设静态目标为定位参考价值较小的静态对象，例如：地面点。由于预设静态目标在定位时参考价值较小，因此将预设静态目标滤除。
80.该种可选地将对象进行标色后滤除预设静态目标的方式，计算量小且滤除结果准确。
81.在一种可选地实施例中，基于先后两次采集的第一局部点云地图中的点云信息，确定动态目标的方式包括以下步骤：
82.步骤一：间隔预设时长后，再次采集环境点云信息生成第一局部点云地图，并滤除第一局部点云地图中的静态目标，得到第四局部点云地图；
83.预设时长可由本领域技术人员灵活设置，本技术实施例中对此不做具体限制。
84.例如：步骤101中采集的环境点云信息生成的第一局部点云地图为a，则本步骤中的该第一局部点云地图b的环境点云信息采集时间点1，与a的环境点云信息采集时间点2间隔预设时长，且时间点1、时间点2之间未采集环境点云信息。
85.步骤二：确定先后两次采集第一局部点云地图时，无人驾驶车的位置变化信息；
86.步骤三：根据位置变化信息对第四局部点云地图中包含的各对象的点云信息进行更新，得到第五局部点云地图；
87.根据位置变化信息对第四局部点云地图中包含的各对象的点云信息进行更新时，针对每个点云信息可将该点云信息对应的坐标值与位置变化信息指示的坐标值求差。
88.步骤四：比对第五局部点云地图和第二局部点云地图，将点云信息变化量处于预设范围外的对象，确定为动态目标。
89.在预设范围之内，表示对象为静态目标，在预设范围之外，表示对象为动态目标。
90.第二局部点云地图是t1时刻采集到的且经过预处理的点云信息；第四局部点云地图是t2时刻采集到的且经过预处理的点云信息；预设时长即t2-t1，位置变化信息表征的是该预设时长内无人驾驶车的位置变化情况。
91.若目标对象为静态目标，则该目标对象在t1时刻和t2时刻的位置信息固定不变，点云信息反应的是无人驾驶车与目标对象之间的距离，所以理论上，第二局部点云地图＝第四局部点云地图-位置变换信息，但考虑到误差的存在，只要“第二局部点云地图”与“第四局部点云地图-位置变换信息”之间的误差在预设范围内，则认为对象为静态目标，否则为动态目标。
92.更为优选地，还可以根据第五局部点云地图和第二局部点云地图，确定动态目标的移动方向和移动速度，作为后续局部点云地图中动态目标确定时的一个参考因素。
93.该种可选地结合无人驾驶车位置变换信息，识别动态目标的方式，识别结果准确度高。
94.图3为实现本技术实施例的一种点云地图构建装置的结构框图。
95.本技术实施例的点云地图构建装置包括如下模块：
96.采集模块301，用于在无人驾驶车按照预设路线移动过程中，采集环境点云信息生成第一局部点云地图；
97.第一滤除模块302，用于滤除第一局部点云地图中的预设静态目标，得到第二局部点云地图；
98.第二滤除模块303，用于滤除第二局部点云地图中的动态目标，得到第三局部点云地图；
99.构建模块304，用于基于无人驾驶车按照预设路线移动过程中产生的各第三局部点云地图，构建目标点云地图。
100.可选地，采集模块包括：
101.第一子模块，用于在无人驾驶车按照预设路线移动过程中，无人驾驶车上按照的激光雷达基于发射、接收的脉冲信号的时间间隔，确定与周围环境中各对象之间的距离，作为采集的环境点云信息；
102.第二子模块，用于基于所采集的各环境点云信息生成第一局部点云地图，其中，第一局部点云地图用于表征在某一时刻无人驾驶车周围的环境信息。
103.可选地，第一滤除模块包括：
104.第三子模块，用于对第一局部点云地图进行目标分割处理，得到第一局部点云地图中包含的各对象，然后对各所述对象进行标色处理，其中，每个对象对应多个点云信息，每个点云信息对应一个距离值，在进行标色时基于预先设定的颜色与距离之间的对应关系，对第一局部点云地图中包含的各所述对象进行标色；
105.第四子模块，用于滤除标色后的各所述对象中的预设静态目标，得到第二局部点云地图。
106.可选地，第二滤除模块包括：
107.第五子模块，用于基于先后两次采集的第一局部点云地图中的点云信息，确定动态目标；
108.第六子模块，用于滤除第二局部点云地图中的动态目标，得到第三局部点云地图。
109.可选地，第五子模块包括：
110.采集单元，用于间隔预设时长后，再次采集环境点云信息生成第一局部点云地图，并滤除第一局部点云地图中的静态目标，得到第四局部点云地图；
111.位置变化信息确定单元，用于确定先后两次采集第一局部点云地图时，无人驾驶车的位置变化信息；
112.更新单元，用于根据位置变化信息对第四局部点云地图中包含的各对象的点云信息进行更新，得到第五局部点云地图；
113.比对单元，用于比对第五局部点云地图和第二局部点云地图，将点云信息变化量处于预设范围外的对象，确定为动态目标。
114.本技术实施例提供的点云地图构建装置，能够滤除点云地图中的动态目标和参考价值较小的静态目标即预设静态目标，得到高质量的点云地图，使得后续定位时会得到更精准的位置信息。具体地，一方面，避免动态目标干扰定位，从而提升定位结果的准确性，另一方面，避免参考价值较小的静态目标增大计算量，有利于提升定位速度。
115.本技术实施例中图2所示的点云地图构建装置可以是装置，也可以是服务器中的部件、集成电路、或芯片。本技术实施例中的图2所示的点云地图构建装置可以为具有操作系统的装置。该操作系统可以为安卓(android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本技术实施例不作具体限定。
116.本技术实施例提供的图3所示的点云地图构建装置能够实现图1的方法实施例实
现的各个过程，为避免重复，这里不再赘述。
117.可选地，如图4所示，本技术实施例还提供一种电子设备400，包括处理器401，存储器402，存储在存储器402上并可在所述处理器401上运行的程序或指令，该程序或指令被处理器401执行时实现上述点云地图构建方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
118.需要注意的是，本技术实施例中的电子设备包括上述所述的服务器。
119.图5为实现本技术实施例的一种电子设备的硬件结构示意图。
120.该电子设备500包括但不限于：射频单元501、网络模块502、音频输出单元503、输入单元504、传感器505、显示单元506、用户输入单元507、接口单元508、存储器509、以及处理器510等部件。本领域技术人员可以理解，电子设备500还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器510逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图5中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
121.其中，处理器510用于执行上述点云地图构建方法的流程。
122.应理解的是，本技术实施例中，输入单元504可以包括图形处理器(graphics processing unit，gpu)5041和麦克风5042，图形处理器5041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元506可包括显示面板5061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板5061。用户输入单元507包括触控面板5071以及其他输入设备5072。触控面板5071，也称为触摸屏。触控面板5071可包括触摸检测装置和触摸控制器两个部分。其他输入设备5072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。存储器509可用于存储软件程序以及各种数据，包括但不限于应用程序和操作系统。处理器510可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器510中。
123.本技术实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述点云地图构建方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
124.其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等。
125.本技术实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述点云地图构建方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
126.应理解，本技术实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
127.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而
且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本技术实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
128.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例所述的方法。
129.上面结合附图对本技术的实施例进行了描述，但是本技术并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本技术的启示下，在不脱离本技术宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本技术的保护之内。