特開 2024-37182 ポイントクラウドデータのパラメータ化及び地図構築方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024037182

(43)【公開日】2024-03-18

(54)【発明の名称】ポイントクラウドデータのパラメータ化及び地図構築方法

(51)【国際特許分類】

   G06T 7/00 20170101AFI20240311BHJP

   G06T 7/11 20170101ALI20240311BHJP

【ＦＩ】

G06T7/00 C

G06T7/11

G06T7/00 650A

【審査請求】未請求

【請求項の数】24

【出願形態】ＯＬ

(21)【出願番号】P 2023144382

(22)【出願日】2023-09-06

(31)【優先権主張番号】202211085064.7

(32)【優先日】2022-09-06

(33)【優先権主張国・地域又は機関】CN

(71)【出願人】

【識別番号】521254764

【氏名又は名称】北京図森智途科技有限公司

(74)【代理人】

【識別番号】110001139

【氏名又は名称】ＳＫ弁理士法人

(74)【代理人】

【識別番号】100130328

【弁理士】

【氏名又は名称】奥野 彰彦

(74)【代理人】

【識別番号】100130672

【弁理士】

【氏名又は名称】伊藤 寛之

(72)【発明者】

【氏名】劉光偉

(72)【発明者】

【氏名】周▲ヘ▼男

(72)【発明者】

【氏名】王乃岩

【テーマコード（参考）】

5L096

【Ｆターム（参考）】

5L096AA09

5L096BA04

5L096CA02

5L096CA18

5L096FA02

5L096FA12

5L096FA64

5L096FA66

5L096FA77

(57)【要約】      （修正有）

【課題】ポイントクラウドデータに基づく意味地図の構築の自動化を実現し、高精度意味地図（Ｈｉｇｈ Ｄｅｆｉｎｉｔｉｏｎ Ｓｅｍａｎｔｉｃ Ｍａｐ）の構築効率を向上すさせるポイントクラウドデータのパラメータ化方法、機器及び記憶媒体を提供する。
【解決手段】方法は、ポイントクラウドデータのパラメータ化方法は、ポイントクラウドデータの空間座標系における複数の３次元データ点に対してセマンティックセグメンテーションを行い、セマンティックオブジェクトを得る。セマンティックオブジェクトは、複数のセマンティック３次元データ点に対応する。方法はまた、複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、複数のセマンティック３次元データ点に対応することを表すセマンティックオブジェクトの空間座標系における空間幾何学的パラメータを得る。
【選択図】図１

【特許請求の範囲】

【請求項1】

ポイントクラウドデータの空間座標系における複数の３次元データ点に対してセマンティックセグメンテーションを行い、少なくとも１つのセマンティックオブジェクトを得て、ここで、セマンティックオブジェクトが複数のセマンティック３次元データ点に対応することと、
前記複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、前記複数のセマンティック３次元データ点に対応する前記セマンティックオブジェクトを表す前記空間座標系における空間幾何学的パラメータを得ることと、
を含むことを特徴とするポイントクラウドデータのパラメータ化方法。

【請求項2】

前記少なくとも１つのセマンティックオブジェクトが地面を含み、前記複数のセマンティック３次元データ点が前記地面に対応して、複数の地面セマンティックデータ点を含み、前記の前記複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、前記複数のセマンティック３次元データ点に対応する前記セマンティックオブジェクトを表す前記空間座標系における空間幾何学的パラメータを得ることは、
前記空間座標系において平面を定義することと、
複数の２次元格子を前記平面に確立し、ここで、前記複数の２次元格子が複数の格子領域を定義し、前記複数の格子領域が前記平面に垂直な方向での空間を含むことと、
格子領域に入った複数の地面セマンティックデータ点によって前記２次元格子の複数の頂点の複数の高度値を定義し、ここで、前記地面の前記空間幾何学的パラメータが前記複数の２次元格子の複数の頂点を含み、前記複数の高度値が前記複数の頂点の前記平面に垂直な方向での複数の値であることと、
ことを特徴とする請求項１に記載の方法。

【請求項3】

前記の格子領域に入った複数の地面セマンティックデータ点によって前記２次元格子の複数の頂点の複数の高度値を定義することは、
前記格子領域に入った前記複数の地面セマンティックデータ点に対して平面フィッティングを行い、前記２次元格子のフィッティング平面を得ることと、
前記フィッティング平面によって前記複数の頂点の前記複数の高度値を決定することと、
を含むことを特徴とする請求項２に記載の方法。

【請求項4】

前記の前記複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、前記複数のセマンティック３次元データ点に対応する前記セマンティックオブジェクトを表す前記空間座標系における空間幾何学的パラメータを得ることは、
各２次元格子を複数の２次元小格子に区画し、ここで、前記複数の２次元小格子が前記平面に垂直な方向に複数の小格子領域を定義することと、
各小格子領域に入った複数の地面セマンティックデータ点によって各２次元小格子を表す地面セマンティックデータ点を定義し、前記複数の小格子領域の複数のサンプリング地面セマンティックデータ点を得ることと、
前記格子領域に入った前記複数のサンプリング地面セマンティックデータ点によって、前記２次元格子の前記複数の頂点の前記複数の高度値を拘束することと、
を更に含むことを特徴とする請求項２に記載の方法。

【請求項5】

各サンプリング地面セマンティックデータ点は、距離重みにより前記２次元格子における各頂点の高度値を拘束し、ここで、前記格子領域における前記各サンプリング地面セマンティックデータ点と頂点との間の距離は前記距離重みに負の相関があり、前記距離は前記平面に平行な方向に定義される、ことを特徴とする請求項４に記載の方法。

【請求項6】

１つの２次元格子には、１つの頂点に隣接する他の頂点が第１の隣接頂点と定義され、且つ前記頂点に隣接する他の２次元格子における他の頂点が第２の隣接頂点と定義され、ここで、前記頂点の高度値は前記第１の隣接頂点及び前記第２の隣接頂点を拘束する、ことを特徴とする請求項２に記載の方法。

【請求項7】

前記少なくとも１つのセマンティックオブジェクトが車線境界線を更に含み、前記複数のセマンティック３次元データ点が前記車線境界線に対応して、複数の車線境界線セマンティックデータ点を更に含み、前記の前記複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、前記複数のセマンティック３次元データ点に対応する前記セマンティックオブジェクトを表す前記空間座標系における空間幾何学的パラメータを得ることは、
前記複数の２次元格子から複数の車線境界線投影２次元格子を決定し、ここで、前記車線境界線投影２次元格子が、前記複数の車線境界線セマンティックデータ点の前記平面における投影を包含することと、
前記複数の車線境界線投影２次元格子の複数の頂点をフィッティングし、車線境界線投影フィッティング平面を得ることと、
前記車線境界線投影フィッティング平面及び前記複数の車線境界線セマンティックデータ点によって、前記車線境界線の前記空間幾何学的パラメータを決定し、ここで、前記車線境界線の前記空間幾何学的パラメータが、車線境界線矩形の中心点、前記車線境界線矩形の法線ベクトル、前記車線境界線矩形の長辺ベクトル、前記車線境界線矩形の前記長辺ベクトルにおける長さ、及び前記車線境界線矩形の短辺ベクトルにおける長さを含むことと、
を更に含むことを特徴とする請求項２に記載の方法。

【請求項8】

前記の前記車線境界線投影フィッティング平面及び前記複数の車線境界線セマンティックデータ点によって、前記車線境界線の前記空間幾何学的パラメータを決定することは、
前記車線境界線投影フィッティング平面の法線ベクトルを前記車線境界線矩形の法線ベクトルとして算出することと、
前記複数の車線境界線セマンティックデータ点の特征ベクトルを前記長辺ベクトルとして算出し、ここで、前記短辺ベクトルが前記車線境界線矩形の法線ベクトルに垂直であり、前記長辺ベクトルにも垂直であることと、
を含むことを特徴とする請求項７に記載の方法。

【請求項9】

前記車線境界線投影フィッティング平面及び前記複数の車線境界線セマンティックデータ点によって、前記車線境界線の前記空間幾何学的パラメータを決定することは、
前記複数の車線境界線セマンティックデータ点の予測中心点を前記車線境界線矩形の前記中心点として算出することと、
前記車線境界線矩形の前記中心点を通る第１の空間方程式及び第２の空間方程式を算出し、ここで、前記第１の空間方程式が前記長辺ベクトルに平行であり、且つ前記第２の空間方程式が前記短辺ベクトルに平行であることと、
前記複数の車線境界線セマンティックデータ点から前記第１の空間方程式までの距離によって、前記車線境界線矩形の前記短辺ベクトルにおける長さを算出することと、
前記複数の車線境界線セマンティックデータ点から前記第２の空間方程式までの距離によって、前記車線境界線矩形の前記長辺ベクトルにおける長さを算出することと、
を更に含むことを特徴とする請求項８に記載の方法。

【請求項10】

前記少なくとも１つのセマンティックオブジェクトが道標を更に含み、前記複数のセマンティック３次元データ点が前記道標に対応して、複数の道標セマンティックデータ点を更に含み、前記の前記複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、前記複数のセマンティック３次元データ点に対応する前記セマンティックオブジェクトを表す前記空間座標系における空間幾何学的パラメータを得ることは、
前記複数の２次元格子から複数の道標投影２次元格子を決定し、ここで、前記道標投影２次元格子が前記複数の道標セマンティックデータ点の前記平面における投影を包含することと、
前記複数の道標投影２次元格子の複数の頂点をフィッティングし、道標投影フィッティング平面を得ることと、
前記道標投影フィッティング平面及び前記複数の道標セマンティックデータ点によって、前記道標の前記空間幾何学的パラメータを決定し、ここで、前記道標の前記空間幾何学的パラメータが道標矩形の中心点、前記道標矩形の法線ベクトル、前記道標矩形の第１のベクトル、前記道標矩形の前記第１のベクトルにおける長さ、及び前記道標矩形の第２のベクトルにおける長さを含むことと、
を更に含むことを特徴とする請求項２に記載の方法。

【請求項11】

前記の前記道標投影フィッティング平面及び前記複数の道標セマンティックデータ点によって、前記道標の前記空間幾何学的パラメータを決定することは、
前記複数の道標セマンティックデータ点の特徴ベクトルを前記道標矩形の法線ベクトルとして算出することと、
前記第１のベクトルを算出し、ここで、前記第１のベクトルが前記道標投影フィッティング平面に平行であり、前記第１のベクトルが前記道標矩形の法線ベクトルに垂直であり、ここで、前記第２のベクトルが前記第１のベクトルに垂直であり、前記道標矩形の法線ベクトルにも垂直であることと、
を含むことを特徴とする請求項１０に記載の方法。

【請求項12】

前記の前記道標投影フィッティング平面及び前記複数の道標セマンティックデータ点によって、前記道標の前記空間幾何学的パラメータを決定することは、
前記複数の道標セマンティックデータ点の予測中心点を前記道標矩形の前記中心点として算出することと、
前記道標矩形の前記中心点を通る第３の空間方程式及び第４の空間方程式を算出し、ここで、前記第３の空間方程式が前記第１のベクトルに平行であり、且つ前記第４の空間方程式が前記第２のベクトルに平行であることと、
前記複数の道標セマンティックデータ点から前記第３の空間方程式までの距離によって、前記道標矩形の前記第２のベクトルにおける長さを算出することと、
前記複数の道標セマンティックデータ点から前記第４の空間方程式までの距離によって、前記道標矩形の前記第１のベクトルにおける長さを算出することと、
を更に含むことを特徴とする請求項１１に記載の方法。

【請求項13】

前記少なくとも１つのセマンティックオブジェクトが灯柱を含み、前記複数のセマンティック３次元データ点が前記灯柱に対応して、複数の灯柱セマンティックデータ点を含み、前記の前記複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、前記複数のセマンティック３次元データ点に対応する前記セマンティックオブジェクトを表す前記空間座標系における空間幾何学的パラメータを得ることは、
前記複数の灯柱セマンティックデータ点によって、前記灯柱の前記空間幾何学的パラメータを決定し、ここで、前記灯柱の前記空間幾何学的パラメータが灯柱シリンダの開始点、終了点及び半径を含むこと、
を含むことを特徴とする請求項１に記載の方法。

【請求項14】

前記の前記複数の灯柱セマンティックデータ点によって、前記灯柱の前記空間幾何学的パラメータを決定することは、
前記複数の灯柱セマンティックデータ点の特徴ベクトルを前記灯柱シリンダの軸性ベクトルとして算出することと、
前記複数の灯柱セマンティックデータ点の予測中心点を前記灯柱シリンダの中心点として算出することと、
前記灯柱シリンダの前記中心点を通る第５の空間方程式を算出することと、
前記複数の灯柱セマンティックデータ点から前記第５の空間方程式までの距離によって、前記灯柱シリンダの前記半径を算出することと、
を含むことを特徴とする請求項１３に記載の方法。

【請求項15】

前記の前記複数の灯柱セマンティックデータ点によって、前記灯柱の前記空間幾何学的パラメータを決定することは、
前記複数の灯柱セマンティックデータ点から前記灯柱シリンダの前記中心点までの複数の求心ベクトルを定義することと、
前記複数の求心ベクトルによって、前記灯柱シリンダの前記開始点及び前記終了点を算出することと、
を更に含むことを特徴とする請求項１４に記載の方法。

【請求項16】

センサデータによってポイントクラウド地図を構築し、ここで、前記ポイントクラウド地図が空間座標系におけるポイントクラウドデータを含むことと、
前記ポイントクラウドデータの前記空間座標系における複数の３次元データ点に対してセマンティックセグメンテーションを行い、少なくとも１つのセマンティックオブジェクトを得て、ここで、セマンティックオブジェクトが複数のセマンティック３次元データ点に対応することと、
前記複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、前記複数のセマンティック３次元データ点に対応する前記セマンティックオブジェクトを表す前記空間座標系における空間幾何学的パラメータを得ることと、
前記少なくとも１つのセマンティックオブジェクトの前記空間幾何学的パラメータによって意味地図を構築することと、
を含むことを特徴とする地図構築方法。

【請求項17】

前記のセンサデータによって、空間座標系におけるポイントクラウドデータを含むポイントクラウド地図を得ることは、
前記センサデータによって複数のフレームのポイントクラウドを融合し、グローバルポイントクラウド地図を得ることと、
前記グローバルポイントクラウド地図を複数のサブマップに区画し、ここで、隣接する２つのサブマップには重複領域があり、且つ各サブマップが前記ポイントクラウド地図であることと、
を含むことを特徴とする請求項１６に記載の方法。

【請求項18】

前記センサデータは、配置されたセンサ及び車線に沿って走行されている車両により収集され、且つ前記複数のサブマップは前記車線の走行方向に沿って区画され、ここで、前記隣接する２つのサブマップが第１のサブマップ及び第２のサブマップを含み、前記第２のサブマップは、前記重複領域以外の領域に、前記車両が前記第１のサブマップの前記車線を走行している時に収集したポイントクラウドデータがある、ことを特徴とする請求項１７に記載の方法。

【請求項19】

前記各サブマップは、深度情報が８０メートルを超えるポイントクラウドデータを含む、ことを特徴とする請求項１７に記載の方法。

【請求項20】

前記センサデータは、複数のセンサが配置された車両により収集され、前記複数のセンサは、レーザレーダ、及び１つ又は複数の以下のセンサ、即ち、全地球航法衛星システム（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ、ＧＮＳＳ）、慣性計測ユニット（Ｉｎｅｒｔｉａｌ Ｍｅａｓｕｒｅｍｅｎｔ Ｕｎｉｔ、ＩＭＵ）、車輪回転計と画像取得装置を含む、ことを特徴とする請求項１７に記載の方法。

【請求項21】

空間幾何学的パラメータによって前記隣接する２つのサブマップにある前記重複領域におけるセマンティックオブジェクトを融合することと、
前記隣接する２つのサブマップが接続されるように、前記重複領域を取り除くことと、
を更に含むことを特徴とする請求項１７に記載の方法。

【請求項22】

前記少なくとも１つのセマンティックオブジェクトが複数の車線境界線を含み、且つ前記の前記少なくとも１つのセマンティックオブジェクトの前記空間幾何学的パラメータによって意味地図を構築することは、
前記センサのタイミング情報及び前記複数の車線境界線の前記空間幾何学的パラメータによって前記複数の車線境界線間のトポロジー接続を構築すること、
を含むことを特徴とする請求項１６に記載の方法。

【請求項23】

メモリと、プロセッサと、メモリに記憶されるとともにプロセッサで動作可能なコンピュータプログラムとを含むコンピュータ機器であって、前記プロセッサによって前記コンピュータプログラムを実行する時に請求項１～２２の何れか一項に記載の方法を実現する、ことを特徴とするコンピュータ機器。

【請求項24】

コンピュータプログラムが記憶されているコンピュータ読み取り可能な記憶媒体であって、当該プログラムはプロセッサにより実行されると、請求項１～２２の何れか一項に記載の方法を実現する、ことを特徴とするコンピュータ読み取り可能な記憶媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、地図構築方法に関し、特に、ポイントクラウドデータのパラメータ化及びポイントクラウドデータに基づく地図構築方法に関する。

【背景技術】

【0002】

自動運転分野において、高精度地図（Ｈｉｇｈ Ｄｅｆｉｎｉｔｉｏｎ Ｍａｐ）はセマンティック情報を含むことができる。地図データに対してセマンティックセグメンテーション処理を行うことで生成された高精度意味地図（Ｈｉｇｈ Ｄｅｆｉｎｉｔｉｏｎ Ｓｅｍａｎｔｉｃ Ｍａｐ）は、例えば、車線境界線や灯柱などの道路情報を含み、自動運転車両の測位及び経路計画に適用可能である。従って、自動運転技術の発展には、高精度意味地図を大規模に構築する技術が非常に重要である。

【0003】

一般的に、自動運転の要求を満たすために意味地図を構築する方法は、主に２つある。その１つ目はレーザレーダに基づく方法であり、即ち、センサ融合によりポイントクラウド地図を得た後、ポイントクラウド地図における各種の意味元素の幾何構造及び反射強度に基づき、手動で意味地図を標識する。２つ目はカメラに基づく方法であり、即ち、セマンティックセグメンテーションにより、カメラにより取得された画像データから意味元素を検出する。その後、カメラの取り付け高さなどの情報を利用して各フレームの意味元素の３次元情報を見積もり、そして多重センサ融合で得られたカメラ姿勢情報を利用して各フレームのセマンティック観測を融合することで、グローバルな意味地図を構築する。上記方法では、レーザレーダにより取得されたポイントクラウドデータを手動で標識することで、高精度のニーズを満たすことができるが、手動方式は非効率的且つ高コストで、大規模な地図構築に不利である。また、カメラにより取得された画像データに対してセマンティックセグメンテーションを行うことで、意味地図の自動構築を実現することができるが、画像データや姿勢情報からいろいろ見積もって得られた意味地図は、誤差が大きく、高精度の要求に応えられない。

【0004】

従って、高精度と高効率の構築の要求を同時に満たすために、いかに高精度意味地図を自動的に構築するかは、当業者の早急に解決すべき技術的課題となる。

【発明の概要】

【0005】

本発明の実施例は、地図構築過程において、ポイントクラウドデータに基づく意味地図の構築自動化を実現し、高精度意味地図の構築効率を向上させることができるポイントクラウドデータのパラメータ化方法、装置、機器及び記憶媒体を提供する。

【0006】

本発明の実施例は、ポイントクラウドデータに基づく意味地図の構築自動化を実現し、高精度意味地図の構築効率を向上させることができる地図構築方法、装置、機器及び記憶媒体を提供する。

【0007】

第１の態様において、本発明の実施例は、
ポイントクラウドデータの空間座標系における複数の３次元データ点に対してセマンティックセグメンテーションを行い、少なくとも１つのセマンティックオブジェクトを得て、ここで、セマンティックオブジェクトが複数のセマンティック３次元データ点に対応することと、
複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、複数のセマンティック３次元データ点に対応することを表すセマンティックオブジェクトの空間座標系における空間幾何学的パラメータを得ることと、
を含むポイントクラウドデータのパラメータ化方法を提供する。

【0008】

第２の態様において、本発明の実施例は、
ポイントクラウドデータの空間座標系における複数の３次元データ点に対してセマンティックセグメンテーションを行い、少なくとも１つのセマンティックオブジェクトを得るためであり、ここで、セマンティックオブジェクトが複数のセマンティック３次元データ点に対応する、セマンティックセグメンテーションモジュールと、
複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、複数のセマンティック３次元データ点に対応することを表すセマンティックオブジェクトの空間座標系における空間幾何学的パラメータを得るためのパラメータ化フィッティングモジュールと、
を含むポイントクラウドデータのパラメータ化装置を提供する。

【0009】

第３の態様において、本発明の実施例は、
センサデータによってポイントクラウド地図を構築し、ここで、ポイントクラウド地図が空間座標系におけるポイントクラウドデータを含むことと、
ポイントクラウドデータの空間座標系における複数の３次元データ点に対してセマンティックセグメンテーションを行い、少なくとも１つのセマンティックオブジェクトを得て、ここで、セマンティックオブジェクトが複数のセマンティック３次元データ点に対応することと、
複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、複数のセマンティック３次元データ点に対応することを表すセマンティックオブジェクトの空間座標系における空間幾何学的パラメータを得ることと、
少なくとも１つのセマンティックオブジェクトの空間幾何学的パラメータによって意味地図を構築することと、
を含む地図構築方法を提供する。

【0010】

第４の態様において、本発明の実施例は、
センサデータによってポイントクラウド地図を構築するためであり、ここで、ポイントクラウド地図が空間座標系におけるポイントクラウドデータを含む、ポイントクラウド地図構築モジュールと、
ポイントクラウドデータの空間座標系における複数の３次元データ点に対してセマンティックセグメンテーションを行い、少なくとも１つのセマンティックオブジェクトを得るためであり、ここで、セマンティックオブジェクトが複数のセマンティック３次元データ点に対応する、セマンティックセグメンテーションモジュールと、
複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、複数のセマンティック３次元データ点に対応することを表すセマンティックオブジェクトの空間座標系における空間幾何学的パラメータを得るためのパラメータ化フィッティングモジュールと、
少なくとも１つのセマンティックオブジェクトの空間幾何学的パラメータによって意味地図を構築するための意味地図構築モジュールと、
を含む地図構築装置を提供する。

【0011】

第５の態様において、本発明の実施例は、メモリと、プロセッサと、メモリに記憶されるとともにプロセッサで動作可能なコンピュータプログラムとを含み、プロセッサによってコンピュータプログラムを実行する時に本発明の実施例によって提供されるポイントクラウドデータのパラメータ化方法を実現する、コンピュータ機器を提供する。

【0012】

第６の態様において、本発明は、メモリと、プロセッサと、メモリに記憶されるとともにプロセッサで動作可能なコンピュータプログラムとを含み、プロセッサはコンピュータプログラムを実行すると、本発明の実施例によって提供される地図構築方法を実現する、コンピュータ機器を提供する。

【0013】

第７の態様において、本発明の実施例は、コンピュータプログラムが記憶されており、当該プログラムはプロセッサにより実行されると、本発明の実施例によって提供されるポイントクラウドデータのパラメータ化方法を実現する、コンピュータ読み取り可能な記憶媒体を提供する。

【0014】

第８の態様において、本発明の実施例は、コンピュータプログラムが記憶されており、当該プログラムはプロセッサにより実行されると、本発明の実施例によって提供される地図構築方法を実現する、コンピュータ読み取り可能な記憶媒体を提供する。

【0015】

上記開示によれば、ポイントクラウドデータの複数の３次元データ点に対してセマンティックセグメンテーションを行うことで、少なくとも１つのセマンティックオブジェクトに対応する複数のセマンティック３次元データ点が得られる。更に、これらのセマンティック３次元データ点にパラメータ化フィッティングを行うことで、これらのセマンティック３次元データ点に対応するセマンティックオブジェクトの空間座標系における空間幾何学的パラメータが得られ、セマンティックオブジェクトのパラメータ化フィッティングが実現される。これらの空間幾何学的パラメータは、セマンティックベクトル地図の構築、更に意味地図の構築に利用可能である。従って、ポイントクラウドデータのパラメータ化方案及び地図構築方案は、地図構築過程において、ポイントクラウドデータに基づく意味地図を自動的に構築し、高精度意味地図の構築効率を向上させることができる。

【図面の簡単な説明】

【0016】

図面は、例示的に実施例を示して明細書の一部を構成しており、明細書の文字記載とともに実施例の例示的な実施形態を説明する。無論、以下に説明される図面は、本発明の幾つかの実施例に過ぎず、当業者にとっては、創造的な労働をすることなく、これらの図面に基づいて他の図面を得ることもできる。全ての図面において、同じ符号は類似しているが同じとは限らない要素を示している。

【0017】

【図1】本発明の実施例におけるポイントクラウドデータのパラメータ化方法の工程模式図である。

【図2】本発明の実施例におけるポイントクラウドデータのパラメータ化方法の詳細な工程模式図である。

【図3】本発明の実施例における地図構築方法の工程模式図である。

【図4】本発明の実施例における地図構築流れのフローチャートである。

【図5】本発明の実施例における地図構築方法のマッピングシナリオの写真である。

【図6】本発明の実施例にかかる地図構築過程における１つのサブマップに含まれるポイントクラウドデータの模式図である。

【図7】本発明の実施例における地面の空間幾何学的パラメータを決定する模式図である。

【図8】図７の２次元格子２２０の拡大模式図である。

【図9】本発明の実施例における車線境界線の空間幾何学的パラメータを決定する模式図である。

【図10】本発明の実施例における道標の空間幾何学的パラメータを決定する模式図である。

【図11】本発明の実施例における灯柱の空間幾何学的パラメータを決定する模式図である。

【図12】本発明の実施例における地図構築方法により構築されたセマンティックベクトル地図である。

【図13】本発明の実施例における複数の車線境界線に対応する空間幾何学的パラメータ間のトポロジー接続の構築である。

【図14】本発明の実施例におけるポイントクラウドデータのパラメータ化装置の構成ブロック図である。

【図15】本発明の実施例における地図構築装置の構成ブロック図である。

【図16】本発明の実施例におけるコンピュータ機器の構成ブロック図である。

【発明を実施するための形態】

【0018】

当業者が本発明中の技術的解決手段をよりよく理解できるように、次に、本発明の実施例中の図面を参照して、本発明の実施例中の技術的解決手段を明確且つ完全に説明するが、無論、説明される実施例は本発明の一部の実施例に過ぎず、全ての実施例ではない。当業者が本発明の実施例に基づいて創造的な労働をすることなく得られた他の実施例の全ては、本発明の請求範囲に属すべきである。

【0019】

本開示において、「複数」という用語は、特に説明のない限り、２つ以上を指す。本開示において、特に説明がない限り、「第１」、「第２」などの用語は、その位置関係、タイミング関係又は重要度関係を制限するためではなく、類似のオブジェクトを区別するために使用される。このように使用される用語は、ここで説明される本発明の実施例が、ここで図示又は説明されたもの以外の形態で実施できるように、適当な場合に互いに交換してもよいと理解すべきである。また、「含む」及び「有する」という用語及びそれらの任意の変形は、非排他的な包含をカバーすることを意図し、例えば、一連の工程やユニットを含むプロセス、方法、システム、製品又は機器は、必ずしも明らかに挙げられたような工程やユニットに限定されず、明らかに挙げられていない、又は、これらのプロセス、方法、製品や機器に固有の他の工程やユニットを含むことができる。

【0020】

当業者が本願をより良く理解できるように、以下、まず本願の実施例に現れる一部の技術用語について、次のように解釈する。

【0021】

高精度セマンティックベクトル地図（Ｈｉｇｈ Ｄｅｆｉｎｉｔｉｏｎ Ｓｅｍａｎｔｉｃ Ｍａｐ）：環境における車線境界線、灯柱、道標などの道路セマンティック情報をセンチメートルオーダーの精度で記載する地図であり、自動運転自動車のリアルタイム測位、経路計画、感知などの機能のために事前環境情報を提供することができる。

【0022】

サブマップ（Ｓｕｂｍａｐ）：大規模なグローバル地図を一定の規則に従って多くのローカルサブマップに区画し、簡易なデータ処理を可能にする。

【0023】

フレーム（Ｆｒａｍｅ）：センサが１回の観測を完了して受信した計測データであり、例えば、カメラの１フレームのデータは１枚の画像であり、レーザレーダの１フレームのデータは１群のレーザポイントクラウドである。

【0024】

キーフレーム（Ｋｅｙｆｒａｍｅ）：非線形最適化手法を用いて多重センサ融合を行う時に、システム計算量を削減するために、通常、距離変化量又は姿勢変化量が一定の閾値を超えた場合に１つのキーフレームを作成し、最適化時にはキーフレームのみを最適化する。

【0025】

道路網（Ｒｏａｄ Ｎｅｔｗｏｒｋ）：一定の領域において、各種道路からなる相互に絡み合い、網目状に織りなされた道路システムである。

【0026】

ＧＮＳＳ：Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ、全地球航法衛星システムであり、ＧＰＳや北斗衛星測位システムなどを含むことができる。

【0027】

ＧＰＳ：Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ、全地球測位システムである。

【0028】

ＩＭＵ：Ｉｎｅｒｔｉａｌ Ｍｅａｓｕｒｅｍｅｎｔ Ｕｎｉｔ、慣性計測ユニットであり、物体の３軸の姿勢角（又は角速度）及び加速度を計測する装置である。

【0029】

複合型航法機器：例えば、ＧＮＳＳ及びＩＭＵを含む複合型航法機器である。

【0030】

本願の幾つかの実施例において、「車両」という用語は、任意の可動物体を含むと広義的に解釈され、例えば、飛行機、船、宇宙船、自動車、トラック、バン型トラック、セミトレーラ、自動二輪車、ゴルフカート、オフロード車、倉庫輸送車両又は農業車両、並びに電車や列車などのレールで走行する輸送ツール、及び他の鉄道車両を含む。本願における「車両」は、通常、動力システム、センサシステム、制御システム、周辺機器及びコンピュータシステムを含んでもよい。幾つかの実施例において、車両は、より多い、より少ない、又は異なるシステムを含んでもよい。

【0031】

図４は、本発明の実施例における地図構築流れのフローチャートであるが、図５は、本発明の実施例における地図構築方法のマッピングシナリオの写真である。以下、図５のマッピングシナリオを例にして、地図構築の流れを説明する。図５のマッピングシナリオは、例えば、路面Ｇ、車線境界線ＲＭ、道標ＲＳ及び灯柱ＬＰを含む１つの車線のシナリオである。マッピングシナリオは、上記形状に類似するか又は類似しない他の物体を含んでもよい。

【0032】

地図構築の過程において、本発明の実施例にかかる地図構築方法及び/又はポイントクラウドデータのパラメータ化方法は、採用されることができる。

【0033】

図４を参照すると、地図構築方法は、センサデータからポイントクラウド地図を構築することを含む。ポイントクラウド地図は、空間座標系におけるポイントクラウドデータを含む。センサデータは、複数のセンサが配置された車両によって収集される。複数のセンサは、レーザレーダ、及び１つ又は複数の以下のセンサ、即ち、全地球航法衛星システム、慣性計測ユニット、車輪回転計と画像取得装置を含む。複数のセンサはまた、複合型航法機器、慣性航法システム（Ｉｎｅｒｔｉａｌ Ｎａｖｉｇａｔｉｏｎ Ｓｙｓｔｅｍ、ＩＮＳ）、加速度計、ジャイロスコープ、ミリ波レーダ、超音波レーダのうちの１つ又は複数を含んでもよく、且つセンサの一部はまた、一体に集積されてもよい。画像取得装置としては、例えば、カメラは、画像データを収集することができるが、レーザレーダは、ポイントクラウドデータを収集することができる。本実施例において、車両は車線境界線に沿って走行しながら、沿道でセンサデータを収集する。センサの較正及びセンサデータの融合により、各フレームにおけるポイントクラウドデータの３次元空間座標系における位置を決定することができる。

【0034】

図６は本発明の実施例にかかる地図構築過程における１つのサブマップに含まれるポイントクラウドデータの模式図である。地図構築方法は、まず、センサデータによって複数のフレームのポイントクラウドを融合し、グローバルポイントクラウド地図を得ることを含む。その後、グローバルポイントクラウド地図を複数のサブマップに区画する。各サブマップは、例えば空間座標系を構築する。ポイントクラウドデータＰＣはこの空間座標系に位置し、また、ポイントクラウドデータＰＣは複数の３次元データ点ＤＰを含む。

【0035】

隣接する２つのサブマップには重複領域があり、且つ各サブマップは、上述したセンサデータによって構築されたポイントクラウド地図である。本実施例において、例えば、マッピングシナリオは例えば１本の道路であり、１つのサブマップの長さは６０メートルであってもよいが、隣接する２つのサブマップの重複領域の長さは１０メートルであってもよい。サブマップの長さ及び隣接する２つのサブマップの重複領域の長さは、実際のニーズに応じて設定することができる。本実施例において、重複領域を保留することで、後でセマンティックオブジェクトを得るためにセマンティックセグメンテーションを行う際に、同一のセマンティックオブジェクトのセマンティック３次元データ点ＤＰが隣接する２つのサブマップに分布して、地図構築の精度に影響を与えることを避けることができる。

【0036】

本実施例において、複数のサブマップは、車線の走行方向に沿って区画される。隣接する２つのサブマップは、例えば、第１のサブマップと第２のサブマップを含む。第２のサブマップは、重複領域以外の領域に、車両が第１のサブマップの車線を走行している時に収集されたポイントクラウドデータがある。各サブマップは、例えば、深度情報が８０メートルを超えるポイントクラウドデータを含む。サブマップの長さが６０メートルであることを例にすると、車両が第１のサブマップの車線を走行している場合に取得された遠いポイントクラウドデータは、８０メートルを超える深度情報を有する可能性があり、且つこのポイントクラウドデータは第２のサブマップに入る。具体的には、各フレームのポイントクラウドデータの取得中に、遠いポイントクラウドデータも削除されずに残っている。各フレームのポイントクラウドデータが重畳されると、各サブマップ、例えば第２サブマップは、深度情報が遠いポイントクラウドデータを有するようになる。つまり、各サブマップは、深度情報が近い及び遠いポイントクラウドデータを同時に備えるので、比較的稠密なポイントクラウドを有する。稠密なポイントクラウドは、後でセマンティックセグメンテーションを行う際に、セマンティックセグメンテーションの精度を効果的に高めることができる。

【0037】

更に、灯柱ＬＰのような幾つかの高い物体は、比較的遠くでサンプリングしなければならない。各サブマップは、深度情報の遠いポイントクラウドデータを有するため、これらの高い物体に関するポイントクラウドデータが保留され、灯柱ＬＰの比較的上方の部分がサンプリングできないか、又は情報が欠落してしまうという問題を回避することができる。

【0038】

引き続き図４を参照すると、サブマップの区画を完成させてから、各サブマップのポイントクラウドデータのセマンティックセグメンテーションを行う。本実施例において、地図構築方法及び/又はポイントクラウドデータのパラメータ化方法は、ポイントクラウドデータＰＣの空間座標系における複数の３次元データ点ＤＰに対してセマンティックセグメンテーション（Ｓｅｍａｎｔｉｃ Ｓｅｇｍｅｎｔａｔｉｏｎ）を行い、少なくとも１つのセマンティックオブジェクトを得ることを含む。セマンティックオブジェクトは、複数のセマンティック３次元データ点に対応する。具体的には、セマンティックセグメンテーションの後に、各３次元データ点ＤＰのセマンティックラベルを得て、セマンティック３次元データ点を形成する。セマンティックラベルにおける同じ３次元データ点ＤＰをクラスタリングすることにより、少なくとも１つの集合を得ることができ、それぞれの集合は１つのセマンティックオブジェクトに対応する。クラスタリング方法は、例えば、クラスタリングアルゴリズムであり、例えば、ノイズを有する密度に基づくクラスタリング方法（Ｄｅｎｓｉｔｙ－Ｂａｓｅｄ Ｓｐａｔｉａｌ Ｃｌｕｓｔｅｒｉｎｇ ｏｆ Ａｐｐｌｉｃａｔｉｏｎｓ ｗｉｔｈ Ｎｏｉｓｅ、ＤＢＳＣＡＮ）又は他の方法であり、本発明はそれを制限しない。具体的には、少なくとも１つのセマンティックオブジェクトは、例えば、図５中の地面Ｇ、車線境界線ＲＭ、道標ＲＳ及び灯柱ＬＰを含む。

【0039】

図７は本発明の実施例における地面の空間幾何学的パラメータを決定する模式図であり、引き続き図４を参照し、且つ図７を参照されたい。本実施例において、ポイントクラウドデータのセマンティックセグメンテーションを完成させてから、セマンティック３次元データ点のパラメータ化フィッティングを行う。地図構築方法及び/又はポイントクラウドデータのパラメータ化方法は、複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、複数のセマンティック３次元データ点に対応することを表すセマンティックオブジェクトの空間座標系における空間幾何学的パラメータを得ることを含む。空間座標系は、例えば、互いに直交している第１軸、第２軸及び第３軸から構築される。第１の軸は第１の方向Ｘに延在し、第２の軸は第２の方向Ｙに延在し、第３の軸は第３の方向Ｚに延在する。つまり、第１方向Ｘ、第２方向Ｙ及び第３方向Ｚは、互いに直交している。

【0040】

具体的には、図５及び図７を参照すると、複数のセマンティック３次元データ点は地面Ｇに対応して、複数の地面セマンティックデータ点２１０を含む。上記の複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、複数のセマンティック３次元データ点に対応することを表すセマンティックオブジェクトの空間座標系における空間幾何学的パラメータを得る工程は、空間座標系において平面ＰＬ（平面ＰＬは、例えば、第１方向Ｘと第２方向Ｙとが形成する平面に平行である）を定義することと、複数の２次元格子２２０を平面ＰＬに確立し、ここで、複数の２次元格子２２０が複数の格子領域（図示せず）を定義し、複数の格子領域が平面ＰＬに垂直な方向（例えば、第３方向Ｚ）における空間を含むことと、格子領域に入った複数の地面セマンティックデータ点２１０によって２次元格子２２０の複数の頂点２３０の複数の高度値を定義することと、を含む。具体的には、地面Ｇの空間幾何学的パラメータは、複数の２次元格子２２０の複数の頂点２３０を含み、且つ複数の高度値は、複数の頂点２３０の平面ＰＬに垂直な方向での複数の数値である。

【0041】

図８は、図７の２次元格子２２０の拡大模式図である。図７及び図８を参照すると、具体的に、上記格子領域に入った複数の地面セマンティックデータ点２１０によって２次元格子２２０の複数の頂点の複数の高度値を定義することは、格子領域に入った複数の地面セマンティックデータ点２１０に対して平面フィッティングを行い、２次元格子２２０のフィッティング平面を得ることと、フィッティング平面によって複数の頂点２３０の複数の高度値を決定することと、を含む。上記の複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、複数のセマンティック３次元データ点に対応することを表すセマンティックオブジェクトの空間座標系における空間幾何学的パラメータを得ることは、各２次元格子２２０を複数の２次元小格子２２２に区画し、ここで、複数の２次元小格子２２２が、平面ＰＬに垂直な方向に複数の小格子領域（図示せず）を定義することと、各小格子領域に入った複数の地面セマンティックデータ点２１０によって、各２次元小格子２２２を表す地面セマンティックデータ点２１０を定義し、複数の小格子領域の複数のサンプリング地面セマンティックデータ点２１２を得ることと、格子領域に入った複数のサンプリング地面セマンティックデータ点２１２によって、２次元格子２２０の複数の頂点の複数の高度値を拘束することと、を更に含む。

【0042】

本実施例において、上記平面フィッティングの方法は、例えば、例えば、ランダムサンプルコンセンサス（Ｒａｎｄｏｍ Ｓａｍｐｌｅ Ｃｏｎｓｅｎｓｕｓ、ＲＡＮＳＡＣ）アルゴリズム、又は他のフィッティング方法である。また、上記各サンプリング地面セマンティックデータ点２１２は、各２次元小格子２２２からランダムで選択された１つの地面セマンティックデータ点２１０に由来してもよい。ところが、幾つかの実施例において、特定のアルゴリズムに従って、各２次元小格子２２２から１つの地面セマンティックデータ点２１０をサンプリング地面セマンティックデータ点２１２として選択してもよい。本発明はそれを制限しない。具体的に、図８の２次元格子２２０は、頂点２３１、頂点２３２、頂点２３３及び頂点２３４という４つの頂点を含む。２次元格子２２０は９個の２次元小格子２２２に区画され、且つ９個のサンプリング地面セマンティックデータ点２１２を選び出す。この９個のサンプリング地面セマンティックデータ点２１２は、２次元格子２２０の頂点２３１の高度値、頂点２３２の高度値（図８に示すような高度値ｈ）、頂点２３３の高度値及び頂点２３４の高度値を拘束する。

【0043】

具体的に、各サンプリング地面セマンティックデータ点２１２は、距離重みによって２次元格子２２０における各頂点の高度値を拘束する。格子領域における各サンプリング地面セマンティックデータ点２１２と頂点との間の距離は、距離重みに負の相関がある。この距離は、平面ＰＬと平行な方向に定義される。２次元格子２２０における９個の２次元小格子２２２は、距離重みによって頂点２３１、頂点２３２、頂点２３３及び頂点２３４を拘束する。例えば、中央に位置する２次元小格子２２２のサンプリング地面セマンティックデータ点２１２は、頂点２３１から距離ｄ１、頂点２３２から距離ｄ２、頂点２３３から距離ｄ３、且つ頂点２３４から距離ｄ４を有する。サンプリング地面セマンティックデータ点２１２は頂点からの距離が小さい場合、サンプリング地面セマンティックデータ点２１２の当該頂点への拘束力が大きいので、当該頂点の高度値に影響を与える可能性が高くなる。例えば、距離ｄ２は距離ｄ３よりも小さいことで、中央に位置するサンプリング地面セマンティックデータ点２１２は、頂点２３２の高度値ｈに対する影響力が頂点２３３の高度値に対する影響力よりも大きい。

【0044】

図７を参照すると、本実施例において、１つの２次元格子には、１つの頂点に隣接する他の頂点が第１の隣接頂点と定義され、この頂点に隣接する他の２次元格子における他の頂点が第２の隣接頂点と定義される。この頂点の高度値は、第１の隣接頂点及び第２の隣接頂点を拘束する。例えば、２次元格子２２０において、頂点２３４に隣接する他の頂点は頂点２３２及び２３３を含むが、頂点２３４に隣接する他の２次元格子における他の頂点は頂点２３５及び２３６を含む。頂点２３２及び頂点２３３は頂点２３４の第１の隣接頂点であり、且つ頂点２３５及び頂点２３６は頂点２３４の第２の隣接頂点である。頂点２３４の高度値は、頂点２３２の高度値、頂点２３３の高度値、頂点２３５の高度値及び頂点２３６の高度値を拘束する。具体的に、各２次元格子における頂点２３０同士は互いに拘束する。複数の配列された２次元格子から見ると、各頂点２３０の高度値は、それに隣接する４つの頂点の高度値を拘束する。つまり、各頂点２３０の高度値は、他の隣接する４つの頂点の高度値によっても拘束される。上記に基づき、複数の２次元格子の複数の頂点２３０の複数の高度値を決定又は調整するために、様々な方法が単独で、又は重ねて使用されてもよく、地面Ｇの空間幾何学的パラメータはこれらの頂点２３０によって表記することができる。

【0045】

図９は本発明の実施例における車線境界線を決定する空間幾何学的パラメータの模式図であり、図９を参照されたい。複数のセマンティック３次元データ点は車線境界線ＲＭに対応して、複数の車線境界線セマンティックデータ点３１０を更に含む。上記の複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、複数のセマンティック３次元データ点に対応することを表すセマンティックオブジェクトの空間座標系における空間幾何学的パラメータを得る工程は、複数の２次元格子２２０から複数の車線境界線投影２次元格子３２０を決定し、ここで、車線境界線投影２次元格子３２０が複数の車線境界線セマンティックデータ点３１０の平面ＰＬにおける投影を包含することと、複数の車線境界線投影２次元格子３２０の複数の頂点２３０をフィッティングし、車線境界線投影フィッティング平面（図面せず）を得ることと、車線境界線投影フィッティング平面及び複数の車線境界線セマンティックデータ点３１０によって、車線境界線ＲＭの空間幾何学的パラメータを決定し、ここで、車線境界線ＲＭの空間幾何学的パラメータが車線境界線矩形３００の中心点ｃ１、車線境界線矩形３００の法線ベクトル（図面せず）、車線境界線矩形３００の長辺ベクトル３０２、車線境界線矩形３００の長辺ベクトル３０２における長さＬ１、及び車線境界線矩形３００の短辺ベクトル３０４における長さＬ２を含むことと、を更に含む。具体的には、複数の頂点２３０の高度値が既に知られており、ここで、複数の車線境界線セマンティックデータ点３１０を包含可能な複数の２次元格子２２０を複数の車線境界線投影２次元格子３２０として選択し、且つこれらの車線境界線投影２次元格子３２０のこれらの頂点２３０に基づき、関連する車線境界線ＲＭの空間幾何学的パラメータを算出する。そうすると、地面Ｇの領域の起伏変化も車線境界線ＲＭに反映されることになる。

【0046】

本実施例において、上記の車線境界線投影フィッティング平面及び複数の車線境界線セマンティックデータ点３１０によって、車線境界線ＲＭの空間幾何学的パラメータを決定する工程は、車線境界線投影フィッティング平面の法線ベクトルを車線境界線矩形３００の法線ベクトルとして算出することと、複数の車線境界線セマンティックデータ点３１０の特徴ベクトルを長辺ベクトル３０２として算出し、ここで、短辺ベクトル３０４が車線境界線矩形の法線ベクトルに垂直であり、長辺ベクトル３０２にも垂直であることと、を含む。一般的に、真の道路には車線境界線の縦横比が通常大きく、例えば比率が１０よりも大きいので、複数の車線境界線セマンティックデータ点３１０の中心点ｃ１及び共分散行列を算出し、その最大特徴値に対応する特徴ベクトルは長辺ベクトル３０２、即ち、車線境界線ＲＭの方向ベクトルとされてもよい。

【0047】

本実施例において、上記の車線境界線投影フィッティング平面及び複数の車線境界線セマンティックデータ点３１０によって、車線境界線ＲＭの空間幾何学的パラメータを決定する工程は、複数の車線境界線セマンティックデータ点３１０の予測中心点を車線境界線矩形３００の中心点ｃ１として算出することと、車線境界線矩形３００の中心点ｃ１を通る第１の空間方程式３０６及び第２の空間方程式３０８を算出し、ここで、第１の空間方程式３０６が長辺ベクトル３０２に平行であり、且つ第２の空間方程式３０８が短辺ベクトル３０４に平行することと、複数の車線境界線セマンティックデータ点３１０から第１の空間方程式３０６までの距離ｄ５によって、車線境界線矩形３００の短辺ベクトル３０４における長さＬ２を算出することと、複数の車線境界線セマンティックデータ点３１０から第２の空間方程式３０８までの距離ｄ６によって、車線境界線矩形３００の長辺ベクトル３０２における長さＬ１を算出することと、を更に含む。車線境界線矩形３００の長辺ベクトル３０２における長さＬ１及び短辺ベクトル３０４における長さＬ２を見積もるために、データ処理のニーズに応じて異なるやり方を採用することができる。具体的には、各車線境界線セマンティックデータ点３１０に対して距離ｄ５及び距離ｄ６を取り、これらの距離ｄ５の平均値及びこれら距離ｄ６の平均値をそれぞれ算出することができる。長さＬ１は、これらの距離ｄ６の平均値の４倍に設定されてもよく、長さＬ２は、これらの距離ｄ５の平均値の４倍に設定されてもよい。これにより、外れ値によるノイズを除外し、真の車線境界線矩形３００に更に近い範囲を得ることができる。

【0048】

以上、破線形である車線境界線ＲＭにより、車線境界線矩形３００に関するパラメータを空間幾何学的パラメータとして算出することができることを説明した。幾つかの実施例において、記憶を簡略化するとともに、各自動運転モジュールの使用をより容易にするために、長い実線形態の車線境界線は、順序付けられた離散点を選択して表現することができる。車線境界線矩形パラメータが既に知られているため、矩形中心点を基準として、両側に複数の点を等間隔にサンプリングし、これらの点を長い実線形態の車線境界線の表現（空間幾何学的パラメータ）として用いることができる。

【0049】

図１０は、本発明の実施例における道標の空間幾何学的パラメータを決定するための模式図であり、図１０を参照されたい。複数のセマンティック３次元データ点は、道標ＲＳに対応して、複数の道標セマンティックデータ点４１０を更に含む。上記の複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、複数のセマンティック３次元データ点に対応することを表すセマンティックオブジェクトの空間座標系における空間幾何学的パラメータを得る工程は、複数の２次元格子２２０から複数の道標投影２次元格子４２０を決定し、ここで、道標投影２次元格子４２０が複数の道標セマンティックデータ点４１０の平面ＰＬにおける投影４３０を包含することと、複数の道標投影２次元格子４２０の複数の頂点２３０をフィッティングし、道標投影フィッティング平面（図面せず）を得ることと、道標投影フィッティング平面及び複数の道標セマンティックデータ点４１０によって、道標ＲＳの空間幾何学的パラメータを決定し、ここで、道標ＲＳの空間幾何学的パラメータが道標矩形４００の中心点ｃ２、道標矩形４００の法線ベクトル（図面せず）、道標矩形４００の第１のベクトル４０２、道標矩形４００の第１のベクトル４０２における長さＬ３、及び道標矩形４００の第２のベクトル４０４における長さＬ４を含むことと、を更に含む。

【0050】

本実施例において、上記の道標投影フィッティング平面及び複数の道標セマンティックデータ点４１０によって、道標ＲＳの空間幾何学的パラメータを決定する工程は、複数の道標セマンティックデータ点４１０の特徴ベクトルを道標矩形４００の法線ベクトルとして算出することと、第１のベクトル４０２を算出し、ここで、第１のベクトル４０２が道標投影フィッティング平面に平行であり、第１のベクトル４０２は道標矩形４００の法線ベクトルに垂直であり、ここで、第２のベクトル４０４が第１のベクトル４０２に垂直であり、道標矩形４００の法線ベクトルにも垂直であることと、を含む。具体的には、複数の道標セマンティックデータ点４１０の中心点ｃ２及び共分散行列を算出することによることができ、その最小特徴値に対応する特徴ベクトルは道標矩形４００の法線ベクトルとされてもよい。また、一般的に、真の道標の縦横は比較的近いため、最大特徴値を算出することにより道標矩形４００の縦横を知ることは困難である。従って、本実施例において、第１ベクトル４０２が道標投影フィッティング平面に平行であると仮定する。即ち、道標ＲＳの一辺は、道標ＲＳの下方地面と平行であると仮定する。これにより、第１のベクトル４０２及び第２のベクトル４０４を決定することができる。

【0051】

本実施例において、上記の道標投影フィッティング平面及び複数の道標セマンティックデータ点４１０によって、道標ＲＳの空間幾何学的パラメータを決定する工程は、複数の道標セマンティックデータ点４１０の予測中心点を道標矩形４００の中心点ｃ２として算出することと、道標矩形４００の中心点ｃ２を通る第３の空間方程式４０６及び第４の空間方程式４０８を算出し、ここで、第３の空間方程式４０６が第１のベクトル４０２に平行であり、且つ第４の空間方程式４０８は第２のベクトル４０４に平行であることと、複数の道標セマンティックデータ点４１０から第３の空間方程式４０６までの距離ｄ７によって、道標矩形４００の第２のベクトル４０４における長さＬ４を算出することと、複数の道標セマンティックデータ点４１０から第４の空間方程式４０８までの距離ｄ８によって、道標矩形４００の第１のベクトル４０２における長さＬ３を算出することと、を更に含む。具体的には、各道標セマンティックデータ点４１０に対して距離ｄ７及び距離ｄ８を取り、これらの距離ｄ７の平均値及びこれらの距離ｄ８の平均値をそれぞれ算出することができる。長さＬ３は、これらの距離ｄ８の平均値の４倍に設定されてもよく、長さＬ４は、これらの距離ｄ７の平均値の４倍に設定されてもよい。これにより、外れ値によるノイズを除外し、真の道標矩形３００に更に近い範囲を得ることができる。

【0052】

図１１は、本発明の実施例における灯柱の空間幾何学的パラメータを決定する模式図であり、図１１を参照されたい。複数のセマンティック３次元データ点は、灯柱ＬＰに対応して、複数の灯柱セマンティックデータ点５１０を含み、上記の複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、複数のセマンティック３次元データ点に対応することを表すセマンティックオブジェクトの空間座標系における空間幾何学的パラメータを得る工程は、複数の灯柱セマンティックデータ点５１０によって、灯柱シリンダ５００の開始点５０２、終了点５０４及び半径ｒを含む灯柱ＬＰの空間幾何学的パラメータを決定することを含む。

【0053】

本実施例において、上記の複数の灯柱セマンティックデータ点５１０によって、灯柱ＬＰの空間幾何学的パラメータを決定する工程は、複数の灯柱セマンティックデータ点５１０の特徴ベクトルを灯柱シリンダ５００の軸性ベクトル５０６として算出することと、複数の灯柱セマンティックデータ点５１０の予測中心点を灯柱シリンダ５００の中心点ｃ３として算出することと、灯柱シリンダ５００の中心点ｃ３を通る第５の空間方程式５０８を算出することと、複数の灯柱セマンティックデータ点５１０から第５の空間方程式５０８までの距離によって、灯柱シリンダ５００の半径ｒを算出することと、を含む。一般的に、真の灯柱の高さがその直径より遥かに大きいため、複数の灯柱セマンティックデータ点５１０の中心点ｃ３及び共分散行列を算出し、その最大特徴値に対応する特徴ベクトルは軸性ベクトル５０６とされてもよい。更に、各灯柱セマンティックデータ点５１０に対してその第５の空間方程式５０８までの距離を算出することで、これらの距離の平均値を算出することができる。半径ｒは、この平均値に設定されてもよい。これにより、外れ値によるノイズを除外し、真の灯柱シリンダ５００に更に近い範囲を得ることができる。

【0054】

本実施例において、上記の複数の灯柱セマンティックデータ点５１０によって、灯柱ＬＰの空間幾何学的パラメータを決定する工程は、複数の灯柱セマンティックデータ点５１０から灯柱シリンダ５００の中心点ｃ３までの複数の求心ベクトルを定義することと、複数の求心ベクトルによって、灯柱シリンダ５００の開始点５０２及び終了点５０４を算出することと、を更に含む。具体的には、各灯柱セマンティックデータ点５１０に対して中心点ｃ３までの求心ベクトル、例えば図１１に示される求心ベクトル５２２及び求心ベクトル５２４を生成することができる。これらの求心ベクトルを第５の空間方程式５０８に投影した最大距離を算出することにより、開始点５０２及び終了点５０４を見積もることができる。

【0055】

図１２は、本発明の実施例における地図構築方法により構築されたセマンティックベクトル地図であり、図５及び図１２を参照されたい。図１２は、空間幾何学的パラメータの視覚化を示す。地面Ｇの空間座標系における空間幾何学的パラメータ６０１、車線境界線ＲＭの空間座標系における空間幾何学的パラメータ６０２、道標ＲＳの空間座標系における空間幾何学的パラメータ６０３及び灯柱ＬＰの空間座標系における空間幾何学的パラメータ６０４は、効果的に抽出されたことが明らかに見られる。

【0056】

図４を参照すると、本実施例において、セマンティック３次元データ点のパラメータ化フィッティングを完成させてから、セマンティックオブジェクトの統合を行う。地図構築方法は、空間幾何学的パラメータによって、隣接する２つのサブマップの重複領域にあるセマンティックオブジェクトを融合することと、隣接する２つのサブマップが接続されるように、重複領域を取り除くことと、を含む。具体的には、隣接するサブマップ同士に重複領域があるので、隣接するサブマップのセマンティックオブジェクトのパラメータ化結果を融合することで、重複したセマンティックオブジェクトを取り除く必要がある。同様に、閉ループ関係にあるサブマップについても、融合を行うことで、異なる時点での観測間のズレを解消する必要がある。各サブマップのタイムスタンプ、姿勢、及びセマンティックオブジェクトのパラメータ化結果はすべて既知のものであるので、サブマップにおける各セマンティックオブジェクトについては、何れも幾何学的情報に基づき、隣接する又は閉ループサブマップ間に融合を必要とするセマンティックオブジェクトのパラメータ化結果が存在するか否かを判断することができる。

【0057】

具体的に、融合すべき地面Ｇの複数の頂点２３０については、ユークリッド距離によって、関連する頂点２３０について平均値を直接算出すればよい。車線境界線ＲＭ、道標ＲＳ、灯柱ＬＰという明確な幾何学的構造を備える３種類のセマンティックオブジェクトについては、パラメータ化結果における明らかな異常値が認識されるように、実世界中の道路要素の建設基準に応じて、真理値表として一連のパラメータ範囲を定義することができる。同一のセマンティックオブジェクトの２つのサブマップにおけるパラメータ化結果がすべて正常範囲にある場合、両方の結果に対してフィッティングを行い、新しいパラメータを得る。例えば、高速道路上の破線形の車線境界線ＲＭは、長さが約６メートルであり、幅が約０.１５メートルである。灯柱ＬＰ、道標ＲＳは何れも路面上にあり、その高さがゼロよりも大きい。道標ＲＳの縦横は、通常３メートル未満である。異なる実施形態において、適切なパラメータ範囲を作成し、セマンティックオブジェクトの統合を行うことができ、本発明はそれを制限しない。

【0058】

図４を参照すると、本実施例において、セマンティックオブジェクトの統合を完成させてから、グローバル意味地図が得られるように、複数の車線境界線間のトポロジー接続を行う。地図構築方法は、少なくとも１つのセマンティックオブジェクトの空間幾何学的パラメータによって意味地図を構築する工程を含み、且つこの工程は、センサのタイミング情報及び複数の車線境界線の空間幾何学的パラメータによって、複数の車線境界線間のトポロジー接続を構築する工程を含む。具体的に、計画、感知などの自動運転モジュールは、車線境界線のトポロジー関係に高度に依存する。灯柱や道標などの要素については、主にその位置情報に着目する。トポロジー関係、即ち、車線境界線要素間の有向接続関係は、一有向接続図と見なすことができる。本実施例において、破線形の車線境界線ＲＭは矩形にパラメータ化され、実線形の車線境界線は点にパラメータ化されている。従って、トポロジー関係を構築するプロセスは、これらの矩形とこれらの点との間の接続関係を算出することである。

【0059】

真の道路の車線境界線が明確な幾何学的規則を有し、且つデータ収集時に各車線境界線のタイミング情報が保存されているので、幾何学的関係及びタイミング情報によって車線境界線間のトポロジー関係を構築することができる。例えば、サブマップ単位で逐次構築することができる。マッピングシステムは、車線境界線ごとに１つのグローバル状態変数を維持し、サブマップにおけるパラメータ化結果によって状態変数をリアルタイムで更新する。車線境界線状態変数は、車線境界線番号、車線境界線の向き、車線境界線の位置などの情報を含む。各サブマップにおける車線境界線について、まず、縦方向座標によって各車線境界線要素のサブマップにおける前後関係を決定する。その後、サブマップにおける車線境界線要素のすべてを調べ、各車線境界線要素と状態変数との方向角、状態変数までの横方向距離に基づき、どの車線境界線に属するかを確定し、サブマップにおける車線境界線の観測に基づき、リアルタイムで状態変数を更新する。現在状態変数において関連性が見つけられない車線境界線要素については、当該観測に基づいて１つのグローバル状態変数を新たに作成することができるとともに、閾値時間と距離を超えた未更新の状態変数を削除することができる。本実施例において、すべてのサブマップを順次に調べれば、グローバルな車線境界線の接続関係を構築することができる。

【0060】

図１３は、本発明の実施例における複数の車線境界線に対応する空間幾何学的パラメータ間のトポロジー接続を構築することである。図１３を参照すると、空間幾何学的パラメータ６０５は、破線形の車線境界線の接続関係を示している。空間幾何学的パラメータ６０６は、実線形の車線境界線の接続関係を示している。図１３において、矢印は、各車線境界線要素の向きと接続関係を示す。可視化により、各車線境界線要素が何れも正確に接続されていることが見られる。

【0061】

本実施例において、ポイントクラウドデータの複数の３次元データ点をセマンティックセグメンテーションすることにより、少なくとも１つのセマンティックオブジェクトに対応する複数のセマンティック３次元データ点が取得される。更に、これらのセマンティック３次元データ点にパラメータ化フィッティングを行うことで、これらのセマンティック３次元データ点に対応するセマンティックオブジェクトの空間座標系における空間幾何学的パラメータが得られ、セマンティックオブジェクトのパラメータ化フィッティングが実現される。これらの空間幾何学的パラメータは、セマンティックベクトル地図の構築、更に意味地図の構築に利用可能である。従って、本実施例のポイントクラウドデータのパラメータ化方法及び地図構築方法は、地図構築の過程において、ポイントクラウドデータに基づく意味地図を自動的に構築し、高精度意味地図の構築効率を向上させることができる。

【0062】

図１は、本発明の他の実施例におけるポイントクラウドデータのパラメータ化方法のフローチャートであり、当該方法は、高精度又は非高精度地図構築のアプリケーションシナリオに適用可能であり、ポイントクラウドデータのパラメータ化装置により実行することができる。ここで、当該装置は、ソフトウェア及び/又はハードウェアにより実現可能であり、一般的にコンピュータ機器に集積されてもよい。ここでのコンピュータ機器は、可動物体に集積されてもよく、可動物体に外部から接続されたり、可動物体と通信したりしてもよい。図１の各工程の詳細な説明又は拡張方案は、上述した本発明の実施例についての説明を参照することができる。図１を参照すると、本発明の実施例にかかるポイントクラウドデータのパラメータ化方法は、下記の工程を含む。

【0063】

工程Ｓ１０１：ポイントクラウドデータの空間座標系における複数の３次元データ点に対してセマンティックセグメンテーションを行い、少なくとも１つのセマンティックオブジェクトを得て、ここで、セマンティックオブジェクトが複数のセマンティック３次元データ点に対応する；
工程Ｓ１０１が完了した後、工程Ｓ１０２へ進む。工程Ｓ１０２：複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、複数のセマンティック３次元データ点に対応することを表すセマンティックオブジェクトの空間座標系における空間幾何学的パラメータを得る。

【0064】

本実施例に説明されるポイントクラウドデータのパラメータ化方法は、少なくとも上述したポイントクラウドデータのパラメータ化方法にかかる技術的効果を得ることができ、地図構築の過程において、ポイントクラウドデータに基づく意味地図を自動的に構築し、高精度意味地図の構築効率を向上させることができる。

【0065】

図２は本発明の他の実施例におけるポイントクラウドデータのパラメータ化方法の詳細な工程の模式図であり、当該方法は、高精度又は非高精度地図構築のアプリケーションシナリオに適用可能であり、ポイントクラウドデータのパラメータ化装置により実行することができる。ここで、当該装置は、ソフトウェア及び/又はハードウェアにより実現可能であり、一般的にコンピュータ機器に集積されてもよい。ここでのコンピュータ機器は、可動物体に集積されてもよく、可動物体に外部から接続されたり、可動物体と通信したりしてもよい。図２の各工程の詳細な説明又は拡張方案は、上述した本発明の実施例についての説明を参照することができる。図２を参照すると、本発明の実施例にかかるポイントクラウドデータのパラメータ化方法は、下記の工程を含む。

【0066】

工程Ｓ２０１：ポイントクラウドデータの空間座標系における複数の３次元データ点に対してセマンティックセグメンテーションを行い、少なくとも１つのセマンティックオブジェクトを得て、ここで、セマンティックオブジェクトが複数のセマンティック３次元データ点に対応する；
工程Ｓ２０１が完了した後、工程Ｓ２０２へ進める。工程Ｓ２０２：少なくとも１つのセマンティックオブジェクトが地面を含み、複数のセマンティック３次元データ点が地面に対応して、複数の地面セマンティックデータ点を含み、空間座標系において平面を定義する；
工程Ｓ２０２が完了した後、工程Ｓ２０３へ進める。工程Ｓ２０３：複数の２次元格子を平面に確立し、ここで、複数の２次元格子が複数の格子領域を定義し、複数の格子領域が平面に垂直な方向での空間を含む；
工程Ｓ２０３が完了した後、工程Ｓ２０４へ進める。工程Ｓ２０４：格子領域に入った複数の地面セマンティックデータ点によって、２次元格子の複数の頂点の複数の高度値を定義し、ここで、地面の空間幾何学的パラメータが複数の２次元格子の複数の頂点を含み、複数の高度値が複数の頂点の平面に垂直な方向での複数の値である；
工程Ｓ２０４が完了した後、工程Ｓ２０５へ進める。工程Ｓ２０５：少なくとも１つのセマンティックオブジェクトが車線境界線を更に含み、複数のセマンティック３次元データ点が車線境界線に対応して、複数の車線境界線セマンティックデータ点を更に含み、複数の２次元格子から複数の車線境界線投影２次元格子を決定し、ここで、車線境界線投影２次元格子が複数の車線境界線セマンティックデータ点の平面における投影を包含する；
工程Ｓ２０５が完了した後、工程Ｓ２０６へ進める。工程Ｓ２０６：複数の車線境界線投影２次元格子の複数の頂点をフィッティングし、車線境界線投影フィッティング平面を得る；
工程Ｓ２０６が完了した後、工程Ｓ２０７へ進める。工程Ｓ２０７：車線境界線投影フィッティング平面及び複数の車線境界線セマンティックデータ点によって、車線境界線の空間幾何学的パラメータを決定し、ここで、車線境界線の空間幾何学的パラメータが、車線境界線矩形の中心点、車線境界線矩形の法線ベクトル、車線境界線矩形の長辺ベクトルにおける長さ、及び車線境界線矩形の短辺ベクトルにおける長さを含む；
更に、工程Ｓ２０４が完了した後、工程Ｓ２０８へ進んでもよい。工程Ｓ２０８：少なくとも１つのセマンティックオブジェクトが道標を更に含み、複数のセマンティック３次元データ点が道標に対応して、複数の道標セマンティックデータ点を更に含み、複数の２次元格子から、複数の道標投影２次元格子を決定し、ここで、道標投影２次元格子が、複数の道標セマンティックデータ点の平面における投影を包含する；
工程Ｓ２０８が完了した後、工程Ｓ２０９へ進める。工程Ｓ２０９：複数の道標投影２次元格子の複数の頂点をフィッティングし、道標投影フィッティング平面を得る；
工程Ｓ２０９が完了した後、工程Ｓ２１０へ進める。工程Ｓ２１０：道標投影フィッティング平面及び複数の道標セマンティックデータ点によって、道標の空間幾何学的パラメータを決定し、ここで、道標の空間幾何学的パラメータが、道標矩形の中心点、道標矩形の法線ベクトル、道標矩形の第１のベクトル、道標矩形の第１のベクトルにおける長さ、及び道標矩形の第２のベクトルにおける長さを含む；
更に、工程Ｓ２０１が完了した後、工程Ｓ２１１へ進んでもよい。工程Ｓ２１１：少なくとも１つのセマンティックオブジェクトが灯柱を含み、複数のセマンティック３次元データ点が灯柱に対応して、複数の灯柱セマンティックデータ点を含み、複数の灯柱セマンティックデータ点によって、灯柱の空間幾何学的パラメータを決定し、ここで、灯柱の空間幾何学的パラメータが、灯柱シリンダの開始点、終了点及び半径を含む。

【0067】

本実施例に説明されるポイントクラウドデータのパラメータ化方法は、少なくとも上述したポイントクラウドデータのパラメータ化方法にかかる技術的効果を得ることができ、地図構築の過程において、ポイントクラウドデータに基づく意味地図を自動的に構築し、高精度意味地図の構築効率を向上させることができる。

【0068】

図３は本発明の実施例における他の地図構築方法の工程模式図であり、当該方法は、高精度又は非高精度地図構築のアプリケーションシナリオに適用可能であり、地図構築装置により実行することができる。ここで、当該装置は、ソフトウェア及び/又はハードウェアにより実現可能であり、一般的にコンピュータ機器に集積されてもよい。ここでのコンピュータ機器は、可動物体に集積されてもよく、可動物体に外部から接続されたり、可動物体と通信したりしてもよい。図３の各工程の詳細な説明又は拡張方案は、上述した本発明の実施例についての説明を参照することができる。図３を参照すると、本発明の実施例にかかる地図構築方法は、下記の工程を含む。

【0069】

工程Ｓ３０１：センサデータによってポイントクラウド地図を構築し、ここで、ポイントクラウド地図が空間座標系におけるポイントクラウドデータを含む；
工程Ｓ３０１が完了した後、工程Ｓ３０２へ進める。工程Ｓ３０２：ポイントクラウドデータの空間座標系における複数の３次元データ点に対してセマンティックセグメンテーションを行い、少なくとも１つのセマンティックオブジェクトを得て、ここで、セマンティックオブジェクトが複数のセマンティック３次元データ点に対応する；
工程Ｓ３０２が完了した後、工程Ｓ３０３へ進める。工程Ｓ３０３：複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、複数のセマンティック３次元データ点に対応することを表すセマンティックオブジェクトの空間座標系における空間幾何学的パラメータを得る；
工程Ｓ３０３が完了した後、工程Ｓ３０４へ進める。工程Ｓ３０４：少なくとも１つのセマンティックオブジェクトの空間幾何学的パラメータによって意味地図を構築する。

【0070】

本実施例に説明される地図構築方法は、少なくとも上述した地図構築方法にかかる技術的効果を得ることができ、地図構築の過程において、ポイントクラウドデータに基づく意味地図を自動的に構築し、高精度意味地図の構築効率を向上させることができる。

【0071】

図１４は、本発明の実施例におけるポイントクラウドデータのパラメータ化装置の構成ブロック図である。当該装置は、ソフトウェア及び/又はハードウェアにより実現可能であり、一般的にコンピュータ機器に集積されてもよく、ポイントクラウドデータのパラメータ化方法を実行することによりポイントクラウドデータのパラメータ化を行うことができる。図１４に示すように、当該装置は、
ポイントクラウドデータの空間座標系における複数の３次元データ点に対してセマンティックセグメンテーションを行い、少なくとも１つのセマンティックオブジェクトを得るためであり、ここで、セマンティックオブジェクトが複数のセマンティック３次元データ点に対応する、セマンティックセグメンテーションモジュール７０１と、
複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、複数のセマンティック３次元データ点に対応することを表すセマンティックオブジェクトの空間座標系における空間幾何学的パラメータを得るためのパラメータ化フィッティングモジュール７０２と、
を含む。

【0072】

本発明の実施例によって提供されるポイントクラウドデータのパラメータ化装置は、ポイントクラウドデータのパラメータ化方法を実行することによりポイントクラウドデータのパラメータ化を行うことができ、少なくとも上述したポイントクラウドデータのパラメータ化方法にかかる技術的効果を得ることができ、地図構築の過程において、ポイントクラウドデータに基づく意味地図を自動的に構築し、高精度意味地図の構築効率を向上させることができる。

【0073】

図１５は、本発明の実施例における地図構築装置の構成ブロック図である。当該装置は、ソフトウェア及び/又はハードウェアにより実現可能であり、一般的にコンピュータ機器に集積されてもよく、地図構築方法を実行することにより地図構築を行うことができる。図１５に示すように、当該装置は、
センサデータによってポイントクラウド地図を構築するためであり、ここで、ポイントクラウド地図が空間座標系におけるポイントクラウドデータを含む、ポイントクラウド地図構築モジュール８０１と、
ポイントクラウドデータの空間座標系における複数の３次元データ点に対してセマンティックセグメンテーションを行い、少なくとも１つのセマンティックオブジェクトを得るためであり、ここで、セマンティックオブジェクトが複数のセマンティック３次元データ点に対応する、セマンティックセグメンテーションモジュール８０２と、
複数のセマンティック３次元データ点に対してパラメータ化フィッティングを行い、複数のセマンティック３次元データ点に対応することを表すセマンティックオブジェクトの空間座標系における空間幾何学的パラメータを得るためのパラメータ化フィッティングモジュール８０３と、
少なくとも１つのセマンティックオブジェクトの空間幾何学的パラメータによって意味地図を構築するための意味地図構築モジュール８０４と、
を含む。

【0074】

本発明の実施例によって提供される地図構築装置は、地図構築方法を実行することにより地図構築を行うことができ、少なくとも上述した地図構築方法にかかる技術的効果を得ることができ、地図構築の過程において、ポイントクラウドデータに基づく意味地図を自動的に構築し、高精度意味地図の構築効率を向上させることができる。

【0075】

選択的に、ポイントクラウド地図構築モジュール８０１は、センサデータによって複数のフレームのポイントクラウドを融合し、グローバルポイントクラウド地図を得ることと、グローバルポイントクラウド地図を複数のサブマップに区画することとに利用可能である。隣接する２つのサブマップには重複領域があり、且つそれぞれのサブマップはポイントクラウド地図である。

【0076】

選択的に、センサデータは、配置されたセンサ及び車線に沿って走行されている車両により収集され、且つ複数のサブマップは車線の走行方向に沿って区画され、ここで、隣接する２つのサブマップは第１のサブマップ及び第２のサブマップを含む。第２のサブマップは、重複領域以外の領域に、車両が第１のサブマップの車線を走行している時に収集されたポイントクラウドデータがある。

【0077】

選択的に、各サブマップは、深度情報が８０メートルを超えるポイントクラウドデータを含む。

【0078】

選択的に、センサデータは、複数のセンサが配置された車両によって収集される。複数のセンサは、レーザレーダ、及び１つ又は複数の以下のセンサ、即ち、全地球航法衛星システム、慣性計測ユニット、車輪回転計と画像取得装置を含む。

【0079】

選択的に、意味地図構築モジュール８０４は、以下のことができる：空間幾何学的パラメータによって、隣接する２つのサブマップの重複領域にあるセマンティックオブジェクトを融合すること、及び隣接する２つのサブマップが接続されるように、重複領域を取り除くこと。

【0080】

選択的に、少なくとも１つのセマンティックオブジェクトは、複数の車線境界線を含む。意味地図構築モジュール８０４は、センサのタイミング情報及び複数の車線境界線の空間幾何学的パラメータによって、複数の車線境界線間のトポロジー接続を構築することができる。

【0081】

選択的に、少なくとも１つのセマンティックオブジェクトは、地面を含む。複数のセマンティック３次元データ点は地面に対応して、複数の地面セマンティックデータ点を含む。パラメータ化フィッティングモジュール７０２及び/又はパラメータ化フィッティングモジュール８０３は、以下のことができる：空間座標系において平面を定義すること、複数の２次元格子を平面に確立し、ここで、複数の２次元格子が複数の格子領域を定義し、複数の格子領域が平面に垂直な方向での空間を含むこと、及び格子領域に入った複数の地面セマンティックデータ点によって、２次元格子の複数の頂点の複数の高度値を定義し、ここで、地面の空間幾何学的パラメータが複数の２次元格子の複数の頂点を含み、複数の高度値が複数の頂点の平面に垂直な方向での複数の値であること。

【0082】

選択的に、パラメータ化フィッティングモジュール７０２及び/又はパラメータ化フィッティングモジュール８０３は、以下のことができる：格子領域に入った複数の地面セマンティックデータ点に対して平面フィッティングを行い、２次元格子のフィッティング平面を得ること、及びフィッティング平面によって複数の頂点の複数の高度値を決定すること。

【0083】

選択的に、パラメータ化フィッティングモジュール７０２及び/又はパラメータ化フィッティングモジュール８０３は、以下のことができる：各２次元格子を複数の２次元小格子に区画し、ここで、複数の２次元小格子が平面に垂直な方向に複数の小格子領域を定義すること、各小格子領域に入った複数の地面セマンティックデータ点によって、各２次元小格子を表す地面セマンティックデータ点を定義し、複数の小格子領域の複数のサンプリング地面セマンティックデータ点を得ること、及び格子領域に入った複数のサンプリング地面セマンティックデータ点によって、２次元格子の複数の頂点の複数の高度値を拘束すること。

【0084】

選択的に、各サンプリング地面セマンティックデータ点は、距離重みによって２次元格子における各頂点の高度値を拘束し、ここで、格子領域における各サンプリング地面セマンティックデータ点と頂点との間の距離は距離重みに負の相関があり、距離は平面に平行な方向に定義される。

【0085】

選択的に、１つの２次元格子において、１つの頂点に隣接する他の頂点は第１の隣接頂点と定義され、且つ頂点に隣接する他の２次元格子における他の頂点は第２の隣接頂点と定義され、ここで、頂点の高度値は、第１の隣接頂点及び第２の隣接頂点を拘束する。

【0086】

選択的に、少なくとも１つのセマンティックオブジェクトは車線境界線を更に含み、複数のセマンティック３次元データ点は車線境界線に対応して、複数の車線境界線セマンティックデータ点を更に含む。パラメータ化フィッティングモジュール７０２及び/又はパラメータ化フィッティングモジュール８０３は、以下のことができる：複数の２次元格子から複数の車線境界線投影２次元格子を決定し、ここで、車線境界線投影２次元格子が複数の車線境界線セマンティックデータ点の平面における投影を包含すること、複数の車線境界線投影２次元格子の複数の頂点をフィッティングし、車線境界線投影フィッティング平面を得ること、並びに車線境界線投影フィッティング平面及び複数の車線境界線セマンティックデータ点によって、車線境界線の空間幾何学的パラメータを決定し、ここで、車線境界線の空間幾何学的パラメータが、車線境界線矩形の中心点、車線境界線矩形の法線ベクトル、車線境界線矩形の長辺ベクトル、車線境界線矩形の長辺ベクトルにおける長さ及び車線境界線矩形の短辺ベクトルにおける長さを含むこと。

【0087】

選択的に、パラメータ化フィッティングモジュール７０２及び/又はパラメータ化フィッティングモジュール８０３は、以下のことができる：車線境界線投影フィッティング平面の法線ベクトルを車線境界線矩形の法線ベクトルとして算出すること、及び複数の車線境界線セマンティックデータ点の特徴ベクトルをと長辺ベクトルとして算出し、ここで、短辺ベクトルが車線境界線矩形の法線ベクトルに垂直であり、長辺ベクトルにも垂直であること。

【0088】

選択的に、パラメータ化フィッティングモジュール７０２及び/又はパラメータ化フィッティングモジュール８０３は、以下のことができる：複数の車線境界線セマンティックデータ点の予測中心点を車線境界線矩形の中心点として算出すること、車線境界線矩形の中心点を通る第１の空間方程式及び第２の空間方程式を算出し、ここで、第１の空間方程式が長辺ベクトルに平行であり、且つ第２の空間方程式が短辺ベクトルに平行であること、複数の車線境界線セマンティックデータ点から第１の空間方程式までの距離によって、車線境界線矩形の短辺ベクトルにおける長さを算出すること、及び複数の車線境界線セマンティックデータ点から第２の空間方程式までの距離によって、車線境界線矩形の長辺ベクトルにおける長さを算出すること。

【0089】

選択的に、少なくとも１つのセマンティックオブジェクトは道標を更に含み、複数のセマンティック３次元データ点は道標に対応して、複数の道標セマンティックデータ点を更に含む。パラメータ化フィッティングモジュール７０２及び/又はパラメータ化フィッティングモジュール８０３は、以下のことができる：複数の２次元格子から複数の道標投影２次元格子を決定し、ここで、道標投影２次元格子が複数の道標セマンティックデータ点の平面における投影を包含すること、複数の道標投影２次元格子の複数の頂点をフィッティングし、道標投影フィッティング平面を得ること、並びに道標投影フィッティング平面及び複数の道標セマンティックデータ点によって、道標の空間幾何学的パラメータを決定し、ここで、道標の空間幾何学的パラメータが道標矩形の中心点、道標矩形の法線ベクトル、道標矩形の第１のベクトル、道標矩形の第１のベクトルにおける長さ、及び道標矩形の第２のベクトルにおける長さを含むこと。

【0090】

選択的に、パラメータ化フィッティングモジュール７０２及び/又はパラメータフィッティングモジュール８０３は、以下のことができる：複数の道標セマンティックデータ点の特徴ベクトルを道標矩形の法線ベクトルとして算出すること、及び第１のベクトルを算出し、ここで、第１のベクトルが道標投影フィッティング平面に平行であり、第１のベクトルが道標矩形の法線ベクトルに垂直であり、ここで、第２のベクトルが第１のベクトルに垂直であり、道標矩形の法線ベクトルにも垂直であること。

【0091】

選択的に、パラメータ化フィッティングモジュール７０２及び/又はパラメータ化フィッティングモジュール８０３は、以下のことができる：複数の道標セマンティックデータ点の予測中心点を道標矩形の中心点として算出すること、道標矩形の中心点を通る第３の空間方程式及び第４の空間方程式を算出し、ここで、第３の空間方程式が第１のベクトルに平行であり、且つ第４の空間方程式が第２のベクトルに平行であること、複数の道標セマンティックデータ点から第３の空間方程式までの距離によって、道標矩形の第２のベクトルにおける長さを算出すること、並びに複数の道標セマンティックデータ点から第４の空間方程式までの距離によって、道標矩形の第１のベクトルにおける長さを算出すること。

【0092】

選択的に、少なくとも１つのセマンティックオブジェクトは灯柱を含み、複数のセマンティック３次元データ点は灯柱に対応して、複数の灯柱セマンティックデータ点を含む。パラメータ化フィッティングモジュール７０２及び/又はパラメータ化フィッティングモジュール８０３は、複数の灯柱セマンティックデータ点によって灯柱の空間幾何学的パラメータを決定することができ、ここで、灯柱の空間幾何学的パラメータは、灯柱シリンダの開始点、終了点及び半径を含む。

【0093】

選択的に、パラメータ化フィッティングモジュール７０２及び/又はパラメータ化フィッティングモジュール８０３は、以下のことができる：複数の灯柱セマンティックデータ点の特徴ベクトルを灯柱シリンダの軸性ベクトルとして算出すること、複数の灯柱セマンティックデータ点の予測中心点を灯柱シリンダの中心点として算出すること、灯柱シリンダの中心点を通る第５の空間方程式を算出すること、及び複数の灯柱セマンティックデータ点から第５の空間方程式までの距離によって、灯柱シリンダの半径を算出すること。

【0094】

選択的に、パラメータ化フィッティングモジュール７０２及び/又はパラメータ化フィッティングモジュール８０３は、以下のことができる：複数の灯柱セマンティックデータから灯柱シリンダの中心点までの複数の求心ベクトルを定義すること、及び複数の求心ベクトルによって、灯柱シリンダの開始点及び終了点を算出すること。

【0095】

本発明の実施例は、本発明の実施例によって提供されるポイントクラウドデータのパラメータ化装置及び/又は地図構築装置を集積することができるコンピュータ機器を提供する。図１６は、本発明の実施例によって提供されるコンピュータ機器の構成ブロック図である。コンピュータ機器９００は、メモリ９０１と、プロセッサ９０２と、メモリ９０１に記憶されるとともにプロセッサで動作可能なコンピュータプログラムとを含め、プロセッサ９０２はコンピュータプログラムを実行すると、本発明の実施例に記載されるようなポイントクラウドデータのパラメータ化方法及び/又は地図構築方法を実現する。ここで、コンピュータ機器は、可動物体に集積可能であり、この場合、コンピュータ機器は可動物体自体、例えば車両と見なされてもよく、コンピュータ機器は、可動物体に外部から接続されたり、可動物体と通信したりすることもできる。

【0096】

本発明の実施例によって提供されるコンピュータ機器は、本発明の実施例に記載されるポイントクラウドデータのパラメータ化方法及び/又は地図構築方法を実現することができ、少なくとも上述したポイントクラウドデータのパラメータ化方法及び/又は地図構築方法にかかる技術的効果を得ることができ、地図構築の過程において、ポイントクラウドデータに基づく意味地図を自動的に構築し、高精度意味地図の構築効率を向上させることができる。

【0097】

本発明の実施例は、コンピュータ実行可能命令を含む記憶媒体を更に提供し、上記コンピュータ実行可能命令はコンピュータプロセッサにより実行されると、本発明の実施例によって提供されるようなポイントクラウドデータのパラメータ化方法及び/又は地図構築方法を実現する。

【0098】

記憶媒体－任意の様々なタイプのメモリ機器又は記憶機器。「記憶媒体」という用語は、ＣＤ-ＲＯＭ、フロッピーディスクや磁気テープ装置などのインストール媒体、ＤＲＡＭ、ＤＤＲＲＡＭ、ＳＲＡＭ、ＥＤＯＲＡＭ、ラムバス（Ｒａｍｂｕｓ）ＲＡＭなどのコンピュータシステムメモリ又はランダムアクセスメモリ、フラッシュメモリ、磁気媒体（例えば、ハードディスク又は光学記憶装置）などの不揮発性メモリ、レジスタ又は他の同様のタイプのメモリ素子などを含もうとする。記憶媒体は、他のタイプのメモリ又はその組合せを更に含んでもよい。また、記憶媒体は、プログラムが実行される第１のコンピュータシステムに位置してもよく、又は、異なる第２のコンピュータシステムに位置してもよく、第２のコンピュータシステムはネットワーク（例えば、インターネット）を介して第１のコンピュータシステムに接続される。第２のコンピュータシステムは、実行のために第１のコンピュータにプログラム命令を提供することができる。「記憶媒体」という用語は、異なる位置に（例えば、ネットワークを介して接続された異なるコンピュータシステムに）存在し得る２つ以上の記憶媒体を含んでもよい。記憶媒体は、１つ又は複数のプロセッサにより実行可能な（例えば、コンピュータプログラムとして具現化された）プログラム命令を記憶することができる。

【0099】

上記実施例に提供されるポイントクラウドデータのパラメータ化装置、機器及び記憶媒体は、本発明の任意の実施例に提供されるポイントクラウドデータのパラメータ化方法を実行することができ、当該方法の実行に対応する機能モジュール及び有益な効果を備える。上記実施例に詳しく記載されていない技術的詳細は、本発明の何れかの実施例によって提供されるポイントクラウドデータのパラメータ化方法を参照することができる。

【0100】

上記実施例に提供される地図構築装置、機器及び記憶媒体は、本発明の何れかの実施例によって提供される地図構築方法を実行することができ、当該方法の実行に対応する機能モジュール及び有益な効果を備える。上記実施例に詳しく記載されていない技術的詳細は、本発明の何れかの実施例によって提供される地図構築方法を参照することができる。

【0101】

図面を参照して本開示の例示的な実施例又は例を記載したが、上記の例示的な記載は、網羅的であること、又は、本発明を開示された具体的な形態に制限することを意図しないと理解すべきである。上記の教示された内容に基づいて、多くの修正と変形が可能である。従って、開示された主旨は、本明細書に記載される何れか１つの実施例又は例に限定すべきではなく、添付される特許請求の範囲の幅と範囲によって解釈すべきである。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】