一种地理信息采集系统的制作方法

1.本发明涉及高精度地图测绘技术领域，具体涉及一种地理信息采集系统。


背景技术：

2.在地图测绘和更新上，移动测量采集车起到了越来越重要的作用。基于移动载体的影像和激光点云数据采集系统，在移动载体行进过程中获取精确的地理编码影像和激光点云数据，安全高效，数据精度高，其中工业相机获取作业环境的可视化影像(包括全景或者航空相机)，激光传感器获取点云坐标值和强度值，由gnss、imu组成的pos系统提供精确的位置和姿态，处理软件同步融合所有传感器数据。由于采集车集成了大量核心零部件，如激光系统、惯导系统、影像系统都是非常昂贵；且为了保障精度，往往会使用高精尖的装备，这些全部依赖于进口。一台高精度设备集成下来，往往是几百万的成本。这对图商来说，具有很大的压力。
3.因此，一台运用国产设备，将成本大幅降低、提高生产效率；并且将目前专包更新车与数据质检平台、动静态采集车、研发测试车、高精度测绘车的需求做了资源整合，形成了一套完整具备了多样化功能的最小量级的测试车，就显得尤为必要。


技术实现要素：

4.本发明针对现有技术中存在的技术问题，提供一种地理信息采集系统，该系统低成本、高效率、质量能够达到量产采集能力的需求，适用于高速公路、城区道路和地下停车场等不同应用场景，并考虑长隧道无gnss信号且组合惯导失效场景的精度保证的可行性。
5.本发明解决上述技术问题的技术方案如下：一种地理信息采集系统，包括视觉采集系统，用于采集道路要素并进行感知构图；所述视觉采集系统包括高精度相机、中精度相机和低精度相机；
6.所述高精度相机，用于采集基准地物要素；
7.所述中精度相机，用于采集特定地物要素；
8.所述低精度相机，用于进行全要素众包数据采集；
9.高精度相机、中精度相机和低精度相机采集数据后分别独立进行感知构图；以高精度相机的输出结果为基准，将高精度相机和低精度相机的输出结果进行纠偏融合，再通过中精度相机的输出结果对纠偏融合后的结果进行校核，并输出地图信息。
10.进一步的，所述地理信息采集系统还包括激光系统，所述激光系统包括主激光雷达和辅激光雷达；所述主激光雷达水平安装于车顶，用于采集道路关键地物要素的点云数据，并进行激光slam；所述辅激光雷达倾斜安装于车尾，用于进行专包数据采集成图；
11.激光系统对主激光雷达采集的点云数据和辅激光雷达采集的专包数据进行融合，获取道路全要素激光点云数据。
12.进一步的，所述视觉系统利用视觉里程计以高频率估计位姿变换，利用激光里程计以低频率优化运动估计并校准漂移。
13.进一步的，所述地理信息采集系统还包括数据处理单元，用于对所述视觉系统和所述激光系统的输出数据进行融合。
14.进一步的，所述数据处理单元包括：运动估计模块、特征跟踪模块和深度图配准模块；
15.所述运动估计模块，用于按图像的帧率利用图像和激光点云估计系统的运动；
16.所述特征跟踪模块，用于在连续的图像帧中检测和匹配视觉特征点；
17.所述深度图配准模块，用于把局部的深度图和点云对齐并得到视觉特征点的深度；
18.所述运动估计模块，用于利用视觉特征点计算机体运动。
19.进一步的，所述基准地物要素包括车道线、箭头。
20.进一步的，所述特定地物要素包括车道线、箭头、红绿灯、杆件。
21.进一步的，还包括组合惯导模块、can网关、数据转换及传输模块。
22.本发明的有益效果是：本发明以动态目标为例，由于车端感知面向自动驾驶系统仿真，因此对于物体的检测需要得到精确的三维空间位置、物体的长宽高和物体的朝向信息、还要另外提供速度信息。因此需要采用3d特性的传感器和2d传感器融合的方式。主要通过相机、激光雷达、毫米波雷达融合来完成对周围环境的感知。
23.本专利创造性提出三种adas相机组合方案，取长补短，弥补单一传感器感知缺陷。
24.研究使用低成本传感器代替昂贵的高精度传感器集成车载移动测量系统，降低车载移动测量系统的成本，使用多个低成本传感器以弥补低成本传感器扫描频率低、导致数据稀疏等问题，在保障测量精度的前提下，降低整个系统装配成本。
附图说明
25.图1为本发明实施例提供的一种地理信息采集系统结构框图。
具体实施方式
26.以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
27.图1为本发明实施例提供的一种地理信息采集系统结构框图。如图1所示，所述地理信息采集系统，包括视觉采集系统，用于采集道路要素并进行感知构图；所述视觉采集系统包括高精度相机、中精度相机和低精度相机。
28.所述高精度相机，用于采集基准地物要素，以满足采集视频用于逆向投影的需求，其输出主要为车道标线，如车道线、箭头等等。
29.所述中精度相机，用于采集特定地物要素，进行视觉感知，其输出为众包地图数据，包括车道线、箭头、红绿灯以及杆状地物。
30.所述低精度相机，用于进行全要素众包数据采集，即进行全视野动态场景目标识别，主要涉及交通看板识别、相机视野覆盖范围内的交通标识识别以及红绿灯识别。
31.高精度相机的感知成图精度高，但是其只能识别车道和箭头等少量第五要素。中精度相机的感知成图精度中等，其能够识别车道线、箭头、红绿灯、杆件等部分地物要素。低精度相机的感知成图精度低，能够识别大量地物要素，进行全要素众包地图采集，因此高精
度相机、中精度相机和低精度相机采集数据后分别独立进行感知构图后；以高精度相机的输出结果为基准，将高精度相机和低精度相机的输出结果进行纠偏融合，再通过中精度相机的输出结果对纠偏融合后的结果进行校核，并输出地图信息，保障了整个视觉系统的精度。
32.进一步的，在上述实施例的基础上，所述地理信息采集系统还包括激光系统，所述激光系统包括主激光雷达和辅激光雷达；所述主激光雷达水平安装于车顶，用于采集道路关键地物要素的点云数据，并进行激光slam；所述辅激光雷达倾斜45
°
安装于车尾，用于进行专包数据采集成图。这里的关键地物要素是指杆状地物。
33.在此基础上，所述地理信息采集系统还包括组合惯导模块、can网关、数据转换及传输模块。组合惯导模块包括车规级gnss和imu，输出经度、纬度、高程、roll、pitch、yaw，用于计算传感器的位姿。can网关用于采集输出车辆的转角、轮速、驾驶员行为数据，系统通过can网关采集输出的数据来提高组合惯导的精度。数据转换及传输模块包括dtu、交换机、路由器等，用于4g网络接入以及数据传输，其输出数据主要包括差分信号以及矢量数据等等。
34.主激光雷达采集杆状地物，同时进行激光slam，可以提成组合惯导的导航精度。
35.激光系统对主激光雷达采集的点云数据和辅激光雷达采集的专包数据进行融合，进行精度和准确度的提升，获取道路全要素激光点云数据。
36.进一步的，所述视觉系统利用视觉里程计以高频率估计位姿变换，利用激光里程计以低频率优化运动估计并校准漂移。
37.视觉结合3d激光雷达实时建图的v-loam方案。利用视觉里程计以高频率估计位姿变换，激光里程计以低频率优化运动估计，并校准漂移。在公开的kitti数据集上，v-loam算法精度排名第一，而且当传感器高速运动并受到明显的光照变化时，该方法的鲁棒性较好。
38.进一步的，所述地理信息采集系统还包括数据处理单元，用于对所述视觉系统和所述激光系统的输出数据进行融合。
39.所述数据处理单元包括：运动估计模块、特征跟踪模块和深度图配准模块；
40.所述运动估计模块，用于按图像的帧率利用图像和激光点云估计系统的运动；
41.所述特征跟踪模块，用于在连续的图像帧中检测和匹配视觉特征点；
42.所述深度图配准模块，用于把局部的深度图和点云对齐并得到视觉特征点的深度；
43.所述运动估计模块，用于利用视觉特征点计算机体运动。
44.多传感器融合，视觉会提供高精度的里程计以及信息量丰富的地图信息，激光雷达为视觉特征提供准确的深度信息。slam算法的鲁棒性与实时性有待进一步提高。在提高slam算法鲁棒性方面，需要考虑里程计的标定、激光雷达的外参与时间戳标定、激光雷达运动畸变的去除等数据处理过程，同时针对退化环境、全局定位、动态环境定位等问题有一定改善。
45.尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
46.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围
之内，则本发明也意图包括这些改动和变型在内。