地图构建方法、装置和车辆与流程

1.本发明涉及图像识别领域，具体而言，涉及一种地图构建方法、装置和车辆。


背景技术：

2.在无人驾驶汽车行驶的过程中，准确的定位功能是保证无人驾驶汽车安全稳定的重要条件，而无人驾驶汽车的定位是否准确很大程度上取决于其所在区域的地图的精度，精度越高，无人驾驶汽车的定位也就越准确。但是在一些卫星信号较差的区域，传统的地图构建方法并不能很好的构建出这些区域的真实环境情况，导致构建出的地图的精度较低。
3.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

4.本发明实施例提供了一种地图构建方法、装置和车辆，以至少解决现有技术中由于车辆在地下车库中定位不准确，导致构建出的地图精度低的技术问题。
5.根据本发明实施例的一个方面，提供了一种地图构建方法，包括：获取目标车辆在不同时刻采集到的多张图像帧，其中，图像帧用于表征目标车辆周围环境；确定目标车辆在不同时刻的目标预测位姿；基于多张图像帧和目标预测位姿，确定每张图像帧与地图帧的目标配准得分，其中，地图帧用于表征目标车辆在不同时刻获取到的预设地图模型对应的图像帧；基于目标配准得分，确定多张图像帧中的目标关键帧；利用预设地图模型对目标关键帧进行处理，得到目标地图。
6.可选地，基于目标配准得分，确定多张图像帧中的目标关键帧，包括：对每张图像帧进行语义分割，得到每张图像的分割元素，其中，分割元素用于表征每张图像帧包括的识别对象；获取目标车辆的目标速度和惯性测量值，其中，目标速度用于表征目标车辆在不同时刻的行驶速度，惯性测量值用于表征目标车辆在不同时刻的角速率和加速度；响应于目标速度和惯性测量值小于第一预设阈值，确定目标车辆静止，将目标车辆静止时对应的目标图像帧存储至后处理帧集合，其中，后处理帧集合用于目标车辆静止时连续获取到的图像帧组成的集合；基于后处理帧集合中任意目标图像帧对应的分割元素所属不同类型的个数、第一点云数据和目标配准得分，确定后处理帧集合中每张目标图像帧的第一综合得分；响应于第一综合得分满足第一预设条件，确定第一综合得分对应的目标图像帧为目标关键帧。
7.可选地，基于多张图像帧和目标预测位姿，确定每张图像帧与地图帧的目标配准得分，包括：获取每张图像帧的第二点云数据，和地图帧的第三点云数据；基于第二点云数据、第三点云数据和目标预测位姿，利用第一预设算法确定每张图像帧与地图帧的目标配准得分。
8.可选地，基于第二点云数据、第三点云数据和目标预测位姿，利用第一预设算法确定每张图像帧与地图帧的目标配准得分，包括：基于目标预测位姿对第三点云数据进行更新，得到第四点云数据；利用预设转换算法，将第四点云数据划分为多个第一划分点云数
据；利用预设转换矩阵，将第二点云数据转换为与第一划分点云数据对应的第二划分点云数据；利用第一预设算法，将第一划分点云数据和第二划分点云数据进行点云配准，确定目标配准得分。
9.可选地，获取目标车辆在不同时刻采集到的多张图像帧，包括：基于预设时间间隔，获取不同时刻对应的多张目标图像，其中，预设时间间隔用于表征不同时刻之间的时间差值，多张目标图像分别用于表征目标车辆基于的多个传感器获取到的图像；基于第二预设算法将多张目标图像进行拼接，得到不同时刻采集到的图像帧。
10.可选地，确定目标车辆在不同时刻的目标预测位姿，包括：响应于图像帧中存在目标对象，确定目标对象的第一标定结果，其中，第一标定结果用于表征目标对象在预设地图模型中的坐标位置，目标对象用于表征影响拼接图像质量的对象；获取目标车辆的第二标定结果，其中，第二标定结果用于表征目标车辆在预设地图模型中的坐标位置；响应于第二标定结果与第一标定结果不同，确定目标车辆在当前时刻正常，基于位姿变换算法和上一帧的第二实际位姿，确定当前时刻的目标预测位姿，其中，上一帧用于表征与当前帧相邻且在当前帧之前获取到的图像帧；响应于第二标定结果与第一标定结果相同，确定目标车辆在当前时刻异常，不确定当前时刻的目标预测位姿。
11.可选地，在基于目标配准得分，确定多张图像帧中的目标关键帧后，方法还包括：基于惯性测量值、第一点云数据和目标预测位姿，利用预设耦合算法确定目标关键帧的第一实际位姿；基于第一实际位姿和目标配准得分，构建语义匹配因子，其中，语义匹配因子用于表征更新目标地图的因子；判断目标关键帧与其他关键帧是否构成检测回环，其中，检测回环用于表征目标关键帧与其他关键帧存在依赖关系；响应于目标关键帧与其他关键帧构成检测回环，基于目标关键帧和地图帧构建回环检测因子；基于语义匹配因子和回环检测因子，更新目标地图。
12.可选地，判定目标关键帧与其他关键帧是否构成检测回环，包括：获取目标关键帧的第三实际位姿与其他关键帧的第四实际位姿的变化值；判断变化值是否小于第二预设阈值；响应于变化值小于第二预设阈值，判断目标关键帧与其他关键帧的时间间隔是否大于第三预设阈值；响应于时间间隔大于第三预设阈值，判断目标关键帧的第二综合得分和其他关键帧的第三综合得分的差值是否小于第四预设阈值；响应于差值小于第四预设阈值，确定目标关键帧与其他关键帧构成检测回环。
13.根据本发明实施例的另一方面，还提供了一种地图构建装置，包括：第一获取模块，用于获取目标车辆在不同时刻采集到的多张图像帧，其中，图像帧用于表征目标车辆周围环境；第一确定模块，用于确定目标车辆在不同时刻的目标预测位姿；第二确定模块，用于基于多张图像帧和目标预测位姿，确定每张图像帧与地图帧的目标配准得分，其中，地图帧用于表征目标车辆在不同时刻获取到的预设地图模型对应的图像帧；第三确定模块，用于基于目标配准得分，确定多张图像帧中的目标关键帧；地图更新模块，用于利用预设地图模型对目标关键帧进行处理，得到目标地图。
14.可选地，第三确定模块包括：分割元素确定单元，用于对每张图像帧进行语义分割，得到每张图像的分割元素，其中，分割元素用于表征每张图像帧包括的识别对象；第一获取单元，用于获取目标车辆的目标速度和惯性测量值，其中，目标速度用于表征目标车辆在不同时刻的行驶速度，惯性测量值用于表征目标车辆在不同时刻的角速率和加速度；第
一存储单元，用于响应于目标速度和惯性测量值小于第一预设阈值，确定目标车辆静止，将目标车辆静止时对应的目标图像帧存储至后处理帧集合，其中，后处理帧集合用于目标车辆静止时连续获取到的图像帧组成的集合；综合得分确定单元，用于基于后处理帧集合中任意目标图像帧对应的分割元素所属不同类型的个数、第一点云数据和目标配准得分，确定后处理帧集合中每张目标图像帧的第一综合得分；目标关键帧确定单元，用于响应于第一综合得分满足第一预设条件，确定第一综合得分对应的目标图像帧为目标关键帧。
15.可选地，第二确定单元包括：第二获取单元，用于获取每张图像帧的第二点云数据，和地图帧的第三点云数据；配准得分确定单元，用于基于第二点云数据、第三点云数据和目标预测位姿，利用第一预设算法确定每张图像帧与地图帧的目标配准得分。
16.可选地，配准得分确定单元包括：第一确定子单元，用于基于目标预测位姿对第三点云数据进行更新，得到第四点云数据；第一划分子单元，用于利用预设转换算法，将第四点云数据划分为多个第一划分点云数据；第一转换子单元，用于利用预设转换矩阵，将第二点云数据转换为与第一划分点云数据对应的第二划分点云数据；第一配准子单元，用于利用第一预设算法，将第一划分点云数据和第二划分点云数据进行点云配准，确定目标配准得分。
17.可选地，第一获取模块包括：目标图像获取单元，用于基于预设时间间隔，获取不同时刻对应的多张目标图像，其中，预设时间间隔用于表征不同时刻之间的时间差值，多张目标图像分别用于表征目标车辆基于的多个传感器获取到的图像；图像拼接单元，用于基于第二预设算法将多张目标图像进行拼接，得到不同时刻采集到的图像帧。
18.可选地，第一确定模块包括：第一标定确定单元，用于响应于图像帧中存在目标对象，确定目标对象的第一标定结果，其中，第一标定结果用于表征目标对象在预设地图模型中的坐标位置，目标对象用于表征影响拼接图像质量的对象；第二标定获取单元，用于获取目标车辆的第二标定结果，其中，第二标定结果用于表征目标车辆在预设地图模型中的坐标位置；目标预测位姿确定单元，用于响应于第二标定结果与第一标定结果不同，确定目标车辆在当前时刻正常，基于位姿变换算法和上一帧的第二实际位姿，确定当前时刻的目标预测位姿，其中，上一帧用于表征与当前帧相邻且在当前帧之前获取到的图像帧；响应于第二标定结果与第一标定结果相同，确定目标车辆在当前时刻异常，不确定当前时刻的目标预测位姿。
19.可选地，该装置还包括：实际位姿确定模块，用于基于惯性测量值、第一点云数据和目标预测位姿，利用预设耦合算法确定目标关键帧的第一实际位姿；匹配因子构建模块，用于基于第一实际位姿和目标配准得分，构建语义匹配因子，其中，语义匹配因子用于表征更新目标地图的因子；回环检测判断模块，用于判断目标关键帧与其他关键帧是否构成检测回环，其中，检测回环用于表征目标关键帧与其他关键帧存在依赖关系；检测因子构建模块，用于响应于目标关键帧与其他关键帧构成检测回环，基于目标关键帧和地图帧构建回环检测因子；目标地图更新模块，用于基于语义匹配因子和回环检测因子，更新目标地图。
20.可选地，回环检测判断模块包括：第三获取单元，用于获取目标关键帧的第三实际位姿与其他关键帧的第四实际位姿的变化值；第一判断单元，用于判断变化值是否小于第二预设阈值；第二判断单元，用于响应于变化值小于第二预设阈值，判断目标关键帧与其他关键帧的时间间隔是否大于第三预设阈值；第三判断单元，用于响应于时间间隔大于第三
预设阈值，判断目标关键帧的第二综合得分和其他关键帧的第三综合得分的差值是否小于第四预设阈值；回环确定单元，用于响应于差值小于第四预设阈值，确定目标关键帧与其他关键帧构成检测回环。
21.根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行上述任意一项的地图构建方法。
22.根据本发明实施例的另一方面，还提供了一种处理器，其中，处理器的程序运行时执行上述任意一项的地图构建方法。
23.根据本发明实施例的另一方面，还提供了一种目标车辆，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器执行上述任意一项的地图构建方法。
24.在本发明实施例中，采用获取目标车辆在不同时刻采集到的多张图像帧；确定目标车辆在不同时刻的目标预测位姿；基于多张图像帧和目标预测位姿，确定每张图像帧与地图帧的目标配准得分；基于目标配准得分，确定多张图像帧中的目标关键帧；利用预设地图模型对目标关键帧进行处理，得到目标地图的方式，直接对目标车辆周围环境进行识别检测，提高了地图构建时对场景变化的鲁棒性，同时通过利用计算各图像帧的目标配准得分，来确定出质量较高的目标关键帧，利用目标关键帧来对预设的初始地图模型进行构建优化，很大程度上提高了构建出的目标地图的质量，解决了现有技术中由于车辆在地下车库中定位不准确，导致构建出的地图精度低的技术问题。
附图说明
25.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
26.图1是根据本发明实施例示出的一种地图构建方法的步骤流程图；
27.图2是根据本发明实施例示出的一种地图构建系统的模块示意图；
28.图3是根据本发明实施例示出的一种目标关键帧确定方法的步骤流程图；
29.图4是根据本发明实施例示出的一种语义特征预处理的流程示意图；
30.图5是根据本发明实施例示出的一种局部地图构建的流程示意图；
31.图6是根据本发明实施例示出的一种地图构建装置的结构框图。
具体实施方式
32.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
33.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或
描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
34.目前常见的地图构建方法一般分为两类：一种是针对图像进行点云识别，从而构建地图，这种方法是直接对车辆周围的环境进行点云识别，使构建出的地图精度高，但是每次识别都伴随着大量的点云数据，难以存储，并且很容易会受到环境变化的影响；另一种是对图像进行语义分割检测，降低环境变化和光线带来的检测干扰，但是利用这种方法构建出的地图很大程度上受到了检测结果的影响，如果检测时发生误检测或露检测，很容易就会导致最中构建出的地图不完整或不准确。
35.实施例1
36.为了提高对通信质量差的区域构建出的地图的准确性，根据本发明实施例，提供了一种地图构建的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
37.图1是根据本发明实施例示出的一种地图构建方法的步骤流程图，如图1所示，该方法包括如下步骤：
38.步骤s102，获取目标车辆在不同时刻采集到的多张图像帧。
39.其中，图像帧用于表征目标车辆周围环境。
40.一般对如地下车库、隧道等通信信号质量差，甚至无法接收信息的区域进行目标地图构建时，往往需要利用借助勘测设备进行区域性的自主目标地图构建，利用车辆进行目标地图构建是最常见的方法之一。上述目标车辆可以是指用于进行目标地图构建的车辆，上述图像帧便可以是指车辆在地下车库、隧道等通信信号差的区域行驶时，利用摄像设备，如摄像机，获取到的不同时刻的环境图像。
41.可选地，可以每隔一段时间采集一张图像帧，例如每隔0.5s采集一次，以保证在进行目标地图构建时不会因待处理图像帧过多而导致系统过压。
42.步骤s104，确定目标车辆在不同时刻的目标预测位姿。
43.上述目标预测位姿可以是指勘测设备的位姿，这里指用于目标地图构建的目标车辆的位姿，在目标地图构建的过程中，上述目标预测位姿可以是指将目标车辆从上述区域的世界坐标系中的位置，转换为上述摄像设备的相机坐标系中的位置的转换矩阵，可以通过映射、平移或旋转的方式得到，具体技术可以参考相关文献，在此不再赘述。
44.在采集到一张图像帧以后，便可以根据该图像帧确定出目标车辆的位置，进而确定出目标车辆的目标预测位姿。
45.步骤s106，基于多张图像帧和目标预测位姿，确定每张图像帧与地图帧的目标配准得分。
46.其中，地图帧用于表征目标车辆在不同时刻获取到的预设目标地图模型对应的图像帧。
47.一般的，在进行目标地图构建时，可以在目标地图构建系统中预设一个初始的地图模型，当目标车辆采集到多张图像帧以后，系统可以利用采集到的图乡镇对该初始地图
模型进行塑形，最终形成完整的实际目标地图。上述地图帧可以是指根据目标车辆的在初始地图模型的位置，模拟出的目标车辆可以采集到的图像帧。
48.上述目标配准得分可以用于表示采集到的图像帧的质量，目标配准得分越高，代表其对应的图像帧的质量越高。
49.步骤s108，基于目标配准得分，确定多张图像帧中的目标关键帧。
50.上述目标关键帧可以是指用于进行目标地图构建的图像帧，在采集到多张图像帧以后，可以利用每张图像帧的目标配准得分，确定出质量较高的图像帧作为目标关键帧来构建目标地图，从而提高构建出的目标地图的准确性。
51.步骤s110，利用预设地图模型对目标关键帧进行处理，得到目标地图。
52.在确定出目标关键帧以后，便可以将这些目标关键帧的信息映射到预设的初始地图模型中，对初始地图模型进行塑形，确定出最终的目标地图。
53.在本发明实施例中，采用获取目标车辆在不同时刻采集到的多张图像帧；确定目标车辆在不同时刻的目标预测位姿；基于多张图像帧和目标预测位姿，确定每张图像帧与地图帧的目标配准得分；基于目标配准得分，确定多张图像帧中的目标关键帧；利用预设地图模型对目标关键帧进行处理，得到目标地图的方式，直接对目标车辆周围环境进行识别检测，提高了地图构建时对场景变化的鲁棒性，同时通过利用计算各图像帧的目标配准得分，来确定出质量较高的目标关键帧，利用目标关键帧来对预设的初始地图模型进行构建优化，很大程度上提高了构建出的目标地图的质量，解决了现有技术中由于车辆在地下车库中定位不准确，导致构建出的地图精度低的技术问题。
54.图2是根据本发明实施例示出的一种地图构建系统的模块示意图，如图2所示，该系统可以包括5个模块，首先是传感器信息预处理模块，可以对用于构建目标地图的环境信息进行预处理；其次是语义特征预处理模块，可以对预处理后的环境信息进行二次预处理，进一步提高获取到的环境信息的质量；接着是局部地图构建模块，可以根据二次预处理后的环境信息，初步构建出目标地图；然后是回环检测模块，可以根据二次预处理后的环境信息，判断构建出的目标地图是否能够进行优化；最后是联合优化模块，可以提取构建目标地图的环境信息的一些环境因子，来对构建出的目标地图进行优化更新。具体的各模块作用可以参考下文。
55.可选地，基于目标配准得分，确定多张图像帧中的目标关键帧，包括：对每张图像帧进行语义分割，得到每张图像的分割元素，其中，分割元素用于表征每张图像帧包括的识别对象；获取目标车辆的目标速度和惯性测量值，其中，目标速度用于表征目标车辆在不同时刻的行驶速度，惯性测量值用于表征目标车辆在不同时刻的角速率和加速度；响应于目标速度和惯性测量值小于第一预设阈值，确定目标车辆静止，将目标车辆静止时对应的目标图像帧存储至后处理帧集合，其中，后处理帧集合用于目标车辆静止时连续获取到的图像帧组成的集合；基于后处理帧集合中任意目标图像帧对应的分割元素所属不同类型的个数、第一点云数据和目标配准得分，确定后处理帧集合中每张目标图像帧的第一综合得分；响应于第一综合得分满足第一预设条件，确定第一综合得分对应的目标图像帧为目标关键帧。
56.关于从采集到的多个图像帧确定出目标关键帧的方法如图3所示，图3是根据本发明实施例示出的一种目标关键帧确定方法的步骤流程图，具体步骤如下：
57.步骤s302，对每张图像帧进行语义分割，得到每张图像的分割元素。
58.其中，分割元素用于表征每张图像帧包括的识别对象。
59.在地库场景中，一般可以利用车道线，库位，路面标识等元素特征来确定出除了的位置，所以在采集到一张图像帧以后，为了提高构建出的目标地图的准确性，可以对该图像帧进行语义分割以识别出这些元素特征，并根据这些元素特征来确定出目标车辆当前的位置，避免因为通信质量差导致目标车辆的定位不准确。
60.步骤s304，获取目标车辆的目标速度和惯性测量值。
61.其中，目标速度用于表征目标车辆在不同时刻的行驶速度，惯性测量值用于表征目标车辆在不同时刻的角速率和加速度。
62.在采集图像帧的过程中，可以利用目标车辆上的imu(inertial measurement unit惯性测量单元)实时获取除了当前的行驶速度和惯性测量值，并根据行驶速度和惯性测量值确定出目标车辆当前是否处于运动状态。具体的，可以设置一个第一预设阈值0，若目标车辆的当前行驶速度和惯性测量值均为0，则可以确定目标车辆当前没有运动。
63.在本实施例的一种可选方案中，还可以对上述行驶速度和惯性测量值设置不同的阈值，以根据实际情况判断目标车辆当前是否处于运动状态，例如对行驶速度设置对应的阈值为0.2m/s，对角速率设置对应的阈值为0.02rad/s，对加速度设置对应的阈值为0.03m/s2等。
64.步骤s306，响应于目标速度和惯性测量值小于第一预设阈值，确定目标车辆静止，将目标车辆静止时对应的目标图像帧存储至后处理帧集合。
65.其中，后处理帧集合用于目标车辆静止时连续获取到的图像帧组成的集合。
66.若目标车辆没有静止，即位处于运动状态，车辆周围的环境不会发生改变，此时采集到的多张图像帧中会有很多重复的环境信息，考虑到系统在构建目标地图时的计算压力，同时为了提高构建出的目标地图的鲁棒性和精度，可以将目标车辆在静止时连续采集到的图像帧存储至后处理集合中，然后从这些连续采集到的图像帧中确定出质量最高的图像帧作为目标关键帧，来构建目标地图。
67.步骤s308，基于后处理帧集合中任意目标图像帧对应的分割元素所属不同类型的个数、第一点云数据和目标配准得分，确定后处理帧集合中每张目标图像帧的第一综合得分。
68.具体的，可以根据上述多张连续图像帧的各自对应的元素特征所属种类的个数、第一点云数据和目标配准得分，确定出每张连续图像帧的第一综合得分，然后基于第一综合得分来确定出其中质量最高的图像帧。
69.一张图像帧中的元素特征所属种类的个数越多，对应的点云个数越多，目标配准得分越高，其对应的第一综合得分也就越高，对应的图像质量也就越高。
70.确定图像点云数据的方法可以包括但不限于：利用激光扫描仪、利用深度相机等，不做具体限定。
71.步骤s310，响应于第一综合得分满足第一预设条件，确定第一综合得分对应的目标图像帧为目标关键帧。
72.上述第一预设条件可以是指一个综合得分阈值，或者可以是指第一综合得分最高。也就是说，在确定出上述连续图像帧中每张图像帧的第一综合得分后，可以直接选取其
中综合得分最高的图像帧作为目标关键帧，以提高目标地图构建的效率；还可以选取综合得分较高的多张图像帧作为目标关键帧，以提高目标地图构建的准确率。
73.在本实施例的一种可选方案中，系统还可以检测车辆静止的时间，若静止的时间过长，则可以选取上述综合得分较高的多张图像帧作为目标关键帧，对车辆静止点对应的初始地图模型进行反复构建，从而提高构建出的目标地图的准确率。
74.可选地，基于多张图像帧和目标预测位姿，确定每张图像帧与地图帧的目标配准得分，包括：获取每张图像帧的第二点云数据，和地图帧的第三点云数据；基于第二点云数据、第三点云数据和目标预测位姿，利用第一预设算法确定每张图像帧与地图帧的目标配准得分。
75.一张图像帧的目标配准得分可以基于该图像帧的第二点云数据，以及与其对应的地图帧的第三点云数据利用相关算法确定出，为了提高确定出的目标配准得分的准确性，还可以利用该图像帧对应的目标预测位姿，对地图帧对应的第三点云数据进行优化更新。
76.在本实施例的一种可选方案中，上述相关算法可以包括但不限于：ndt算法(normal distributions transform正态变换分布算法)和icp(iterative closest point迭代最近点算法)，优选的，选取ndt算法计算上述图像帧的目标配准得分。
77.可选地，基于第二点云数据、第三点云数据和目标预测位姿，利用第一预设算法确定每张图像帧与地图帧的目标配准得分，包括：基于目标预测位姿对第三点云数据进行更新，得到第四点云数据；利用预设转换算法，将第四点云数据划分为多个第一划分点云数据；利用预设转换矩阵，将第二点云数据转换为与第一划分点云数据对应的第二划分点云数据；利用第一预设算法，将第一划分点云数据和第二划分点云数据进行点云配准，确定目标配准得分。
78.以利用ndt算法计算上述目标配准得分为例，具体的，首先，为了提高计算出的图像帧的目标配准得分质量，可以先利用该图像帧对应的目标预测位姿，对该图像帧对应的地图帧进行优化更新，获取更新后的地图帧对应的第四点云数据。
79.接着，在获取到第四点云数据以后，可以利用预设转换算法，将第四点云数据对应的点云空间按照预设的划分条件，划分为多个指定区域大小的子点云数据，即上述第一划分点云数据。
80.然后，根据划分对第四点云数据的划分条件，将上述图像帧也划分为多个指定区域大小的子点云数据，即上述第二划分点云数据。
81.最后，对上述多个第一划分点云数据和多个第二划分点云数据进行点云匹配，计算各指定区域的匹配概率密度，从而确定出该图像帧的目标配准得分。具体的计算方法可以参考相关文献，在此不再赘述。
82.可选地，获取目标车辆在不同时刻采集到的多张图像帧，包括：基于预设时间间隔，获取不同时刻对应的多张目标图像，其中，预设时间间隔用于表征不同时刻之间的时间差值，多张目标图像分别用于表征目标车辆基于的多个传感器获取到的图像；基于第二预设算法将多张目标图像进行拼接，得到不同时刻采集到的图像帧。
83.为了更准确的获取到目标车辆周围的环境信息，可以在目标车辆上安装多个摄像设备，即上述多个传感器，每个摄像设备每隔一段时间采集一次包含目标车辆周围环境信息的多个图像，然后利用上述第二预设算法将多个图像进行拼接形成图像帧。
84.具体的，可以利用四个环视鱼眼相机采集上述环境信息，然后利用畸变参数对获取到的四张图像进行畸变矫正，得到正常的图像，上述畸变参数可以包括但不限于：相机内标参数、外标参数、时间轴参数等，保证四个环视鱼眼相机能够采集到同一时刻的，在同一个世界坐标系中的不同图像。
85.在采集到上述图像后，采用单应性逆透视变换将这些图像变换为多张俯视图像，对转换后的俯视图像进行拼接成上述图像帧。
86.可选地，确定目标车辆在不同时刻的目标预测位姿，包括：响应于图像帧中存在目标对象，确定目标对象的第一标定结果，其中，第一标定结果用于表征目标对象在预设地图模型中的坐标位置，目标对象用于表征影响拼接图像质量的对象；获取目标车辆的第二标定结果，其中，第二标定结果用于表征目标车辆在预设地图模型中的坐标位置；响应于第二标定结果与第一标定结果不同，确定目标车辆在当前时刻正常，基于位姿变换算法和上一帧的第二实际位姿，确定当前时刻的目标预测位姿，其中，上一帧用于表征与当前帧相邻且在当前帧之前获取到的图像帧；响应于第二标定结果与第一标定结果相同，确定目标车辆在当前时刻异常，不确定当前时刻的目标预测位姿。
87.在确定图像帧时，系统可以基于摄像设备采集到的图像，判断目标车辆周围是否存在会影响图像质量的目标对象，例如减速带、石块等会影响目标车辆水平行驶的障碍物。
88.若检测出存在上述障碍物，则首先可以确定出上述障碍物在预设的初始地图模型中的坐标位置，即上述第一标定结果。同时获取目标车辆的在预设的初始地图模型中的坐标位置，即上述第二标定结果。
89.若上述第二标定结果与上述第一标定结果相同，则代表目标车辆当前行驶至障碍物所在的地方，若目标车辆从障碍物上行驶过去，会导致目标车辆发生颠簸，进而可能会导致摄像设备采集到图像出现虚影，若利用该图像进行目标地图构建，很大程度上会影响构建出的目标地图的准确率，所以为了提高构建出的目标地图的准确率，不确定此时采集到的图像帧为目标关键帧。
90.若上述第二标定结果与上述第一标定结果相同，则可以获取当前图像帧的上一帧对应的目标预测位姿，然后结合imu确定出惯性测量值确定出当前图像帧对应的目标预测位姿，若目标车辆当前处于运动状态，则可以直接将该图像帧确定为目标关键帧。
91.图4是根据本发明实施例示出的一种语义特征预处理的流程示意图，如图4所示，在构建目标地图的过程中，对图像帧进行语义分割出的分割元素一般可以分为两类，一类是用于定位目标车辆位置的，如前述的车道线、路面标识等，一类是用于确定图像帧质量的，如前述的减速带、石块等障碍物。系统可以检测目标车辆是否与上述障碍物针接触，若接触，则确定该图像帧异常；若未接触，则确定该图像帧正常，并确定出用于构建目标地图的分割元素，以提高构建出的目标地图的准确率。
92.可选地，在基于目标配准得分，确定多张图像帧中的目标关键帧后，方法还包括：基于惯性测量值、第一点云数据和目标预测位姿，利用预设耦合算法确定目标关键帧的第一实际位姿；基于第一实际位姿和目标配准得分，构建语义匹配因子，其中，语义匹配因子用于表征更新目标地图的因子；判断目标关键帧与其他关键帧是否构成检测回环，其中，检测回环用于表征目标关键帧与其他关键帧存在依赖关系；响应于目标关键帧与其他关键帧构成检测回环，基于目标关键帧和地图帧构建回环检测因子；基于语义匹配因子和回环检
测因子，更新目标地图。
93.在确定出多个目标关键帧以后，便可以基于确定出的目标关键帧对预设的初始地图模型进行初步塑形，为了进一步的提高构建出的目标地图准确性，可以在目标地图构建的同时，利用上述语义匹配因子和回环检测因子对初步塑形后的地图进行优化更新。
94.关于上述语义匹配因子，可以首先根据上述惯性测量值，即目标车辆在采集到上述目标关键帧时的角速率、加速度等参数，以及该目标关键帧对应的第一点云数据，利用预设的耦合算法对该目标关键帧对应的目标预测位姿进行耦合修正，获取到该目标关键帧对应的第一实际位姿。然后再利用该目标关键帧的第一实际位姿和目标配准得分，构建该目标关键帧对应的语义匹配因子。
95.关于上述回环检测因子，可以首先判断当前确定出的目标关键帧是否与其他关键帧构成检测回环，即当前的目标关键帧是否与其他关键帧相似，若存在其他关键帧与当前的目标关键帧构成检测回环，则代表当前关键帧可以在其他关键帧的基础上对目标地图进行构建，从而降低构建目标地图的不同区域时累积的误差，提高构建出的目标地图的精度；若不存在其他关键帧与当前的目标关键帧构成检测回环，则继续根据上一个关键帧，构建当前目标关键帧对应的地图区域。
96.在确定目标关键帧会与其他关键帧构成检测回环后，则可以进一步的根据当前的目标关键帧和该目标关键帧对应的地图帧，构建回环检测因子。
97.通过利用语义匹配因子和回环检测因子对目标地图进行优化更新，能够保证构建出的目标地图完整平滑，更接近真实的目标地图情况，能够有效的提高构建出的目标地图的准确率。
98.可选地，判定目标关键帧与其他关键帧是否构成检测回环，包括：获取目标关键帧的第三实际位姿与其他关键帧的第四实际位姿的变化值；判断变化值是否小于第二预设阈值；响应于变化值小于第二预设阈值，判断目标关键帧与其他关键帧的时间间隔是否大于第三预设阈值；响应于时间间隔大于第三预设阈值，判断目标关键帧的第二综合得分和其他关键帧的第三综合得分的差值是否小于第四预设阈值；响应于差值小于第四预设阈值，确定目标关键帧与其他关键帧构成检测回环。
99.判断当前的目标关键帧是否与其他关键帧构成回环检测的方法如下所示：
100.首先，可以获取到目标关键帧与其他关键帧的实际位姿变化值，判断该变化之是否小于预设位姿阈值，即上述第二预设阈值，若小于，则代表目标关键帧与其他关键帧相似，可能构成检测回环；若不小于，则代表目标关键帧与其他关键帧不同，不构成检测回环。
101.接着，若上述实际位姿变化值较小，则进一步判断当前的目标关键帧与上述其他关键帧的时间间隔是否大于预设时间阈值，即上述第三时间阈值，若大于，则代表目标关键帧与其他关键帧的采集时间相差很久，可能会构成检测回环；若不大于，则代表目标关键帧与其他关键帧的采集时间过近，可能是由于目标车辆当前的行驶速度过慢、或角速率过小导致采集到目标关键帧与其他关键帧是同一个环境场景的图像。
102.然后，若上述时间间隔较大，则进一步当前的目标关键帧与上述其他关键帧的综合得分是否大于预设得分阈值，即上述第四预设阈值，若大于，则确定目标关键帧与其他关键帧构成检测回环；若不大于，则确定目标关键帧与其他关键帧不构成检测回环。
103.为了清晰的表现出上述地图构建的方法，图5是根据本发明实施例示出的一种局
部地图构建的流程示意图，如图5所示，在获取到图像帧的分割元素信息，即分割元素所属种类的个数，对应的点云数据后，可以同时利用目标车辆的imu数据，即惯性测量值，以及上一图像帧的位姿，确定出当前图像帧的目标预测位姿；接着根据上述分割元素所属种类的个数、图像帧的点云数据以及目标预测位姿，利用ndt算法确定出该图像帧的当前实际位姿和目标配准得分；然后根据上述惯性测量值和目标车辆的行驶速度，判断目标车辆是否处于运动状态，若处于，则可以直接将该图像帧确定为目标关键帧；若不处于，则将该图像帧存储值后处理集合中，等目标车辆重新处于运动状态时，根据集合中各图像帧的目标配准得分、分割元素所属种类的个数和点云数据进行综合打分，将综合得分最高的确定为该集合中的目标关键帧；最后在确定出目标关键帧后，便可以基于这些目标关键帧构建目标地图。
104.实施例2
105.根据本发明实施例的另一方面，与上述充电设备的故障诊断的实施例相对应，本说明书还提供了一种充电设备的故障诊断装置，请参考图6，图6是根据本发明实施例示出的一种地图构建装置的结构框图，该装置包括：第一获取模块602，用于获取目标车辆在不同时刻采集到的多张图像帧，其中，图像帧用于表征目标车辆周围环境；第一确定模块604，用于确定目标车辆在不同时刻的目标预测位姿；第二确定模块606，用于基于多张图像帧和目标预测位姿，确定每张图像帧与地图帧的目标配准得分，其中，地图帧用于表征目标车辆在不同时刻获取到的预设地图模型对应的图像帧；第三确定模块608，用于基于目标配准得分，确定多张图像帧中的目标关键帧；地图更新模块610，用于利用预设地图模型对目标关键帧进行处理，得到目标地图。
106.可选地，第三确定模块608包括：分割元素确定单元，用于对每张图像帧进行语义分割，得到每张图像的分割元素，其中，分割元素用于表征每张图像帧包括的识别对象；第一获取单元，用于获取目标车辆的目标速度和惯性测量值，其中，目标速度用于表征目标车辆在不同时刻的行驶速度，惯性测量值用于表征目标车辆在不同时刻的角速率和加速度；第一存储单元，用于响应于目标速度和惯性测量值小于第一预设阈值，确定目标车辆静止，将目标车辆静止时对应的目标图像帧存储至后处理帧集合，其中，后处理帧集合用于目标车辆静止时连续获取到的图像帧组成的集合；综合得分确定单元，用于基于后处理帧集合中任意目标图像帧对应的分割元素所属不同类型的个数、第一点云数据和目标配准得分，确定后处理帧集合中每张目标图像帧的第一综合得分；目标关键帧确定单元，用于响应于第一综合得分满足第一预设条件，确定第一综合得分对应的目标图像帧为目标关键帧。
107.可选地，第二确定单元包括：第二获取单元，用于获取每张图像帧的第二点云数据，和地图帧的第三点云数据；配准得分确定单元，用于基于第二点云数据、第三点云数据和目标预测位姿，利用第一预设算法确定每张图像帧与地图帧的目标配准得分。
108.可选地，配准得分确定单元包括：第一确定子单元，用于基于目标预测位姿对第三点云数据进行更新，得到第四点云数据；第一划分子单元，用于利用预设转换算法，将第四点云数据划分为多个第一划分点云数据；第一转换子单元，用于利用预设转换矩阵，将第二点云数据转换为与第一划分点云数据对应的第二划分点云数据；第一配准子单元，用于利用第一预设算法，将第一划分点云数据和第二划分点云数据进行点云配准，确定目标配准得分。
109.可选地，第一获取模块602包括：目标图像获取单元，用于基于预设时间间隔，获取不同时刻对应的多张目标图像，其中，预设时间间隔用于表征不同时刻之间的时间差值，多张目标图像分别用于表征目标车辆基于的多个传感器获取到的图像；图像拼接单元，用于基于第二预设算法将多张目标图像进行拼接，得到不同时刻采集到的图像帧。
110.可选地，第一确定模块604包括：第一标定确定单元，用于响应于图像帧中存在目标对象，确定目标对象的第一标定结果，其中，第一标定结果用于表征目标对象在预设地图模型中的坐标位置，目标对象用于表征影响拼接图像质量的对象；第二标定获取单元，用于获取目标车辆的第二标定结果，其中，第二标定结果用于表征目标车辆在预设地图模型中的坐标位置；目标预测位姿确定单元，用于响应于第二标定结果与第一标定结果不同，确定目标车辆在当前时刻正常，基于位姿变换算法和上一帧的第二实际位姿，确定当前时刻的目标预测位姿，其中，上一帧用于表征与当前帧相邻且在当前帧之前获取到的图像帧；响应于第二标定结果与第一标定结果相同，确定目标车辆在当前时刻异常，不确定当前时刻的目标预测位姿。
111.可选地，该装置还包括：实际位姿确定模块，用于基于惯性测量值、第一点云数据和目标预测位姿，利用预设耦合算法确定目标关键帧的第一实际位姿；匹配因子构建模块，用于基于第一实际位姿和目标配准得分，构建语义匹配因子，其中，语义匹配因子用于表征更新目标地图的因子；回环检测判断模块，用于判断目标关键帧与其他关键帧是否构成检测回环，其中，检测回环用于表征目标关键帧与其他关键帧存在依赖关系；检测因子构建模块，用于响应于目标关键帧与其他关键帧构成检测回环，基于目标关键帧和地图帧构建回环检测因子；目标地图更新模块610，用于基于语义匹配因子和回环检测因子，更新目标地图。
112.可选地，回环检测判断模块包括：第三获取单元，用于获取目标关键帧的第三实际位姿与其他关键帧的第四实际位姿的变化值；第一判断单元，用于判断变化值是否小于第二预设阈值；第二判断单元，用于响应于变化值小于第二预设阈值，判断目标关键帧与其他关键帧的时间间隔是否大于第三预设阈值；第三判断单元，用于响应于时间间隔大于第三预设阈值，判断目标关键帧的第二综合得分和其他关键帧的第三综合得分的差值是否小于第四预设阈值；回环确定单元，用于响应于差值小于第四预设阈值，确定目标关键帧与其他关键帧构成检测回环。
113.实施例3
114.根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行上述方法实施例的地图构建方法。
115.实施例4
116.根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述方法实施例的地图构建方法。
117.实施例5
118.根据本发明实施例的另一方面，还提供了一种目标车辆，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器执行任意一项的地图构建方法。
119.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
120.在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
121.在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
122.作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
123.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
124.集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以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中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
125.以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。