一种获取导航数据的方法及系统与流程

本发明涉及获取导航数据技术领域，特别是涉及一种获取导航数据的方法及系统。

背景技术：

高端导航数据主要用于自动驾驶。国外部分城市正在测试自动驾驶，国内大的导航公司，如四维图新、高德等，也都正在采集高端导航数据(据悉某导航公司2016年有5万公里的高端导航数据采集任务)。目前，为了获取高端导航数据，常采用的方案是利用移动测量系统(MMS)(如高德公司采用进口的VMX-450移动扫描系统或四维图新公司采用国产的SSW-IV移动建模测量系统)进行数据采集，采集的数据为激光点云和全景影像。其中，点云提供目标的空间位置，全景影像主要提供标牌的纹理，并根据采集的数据，进行手动或半自动的导航数据生成。

但是上述方案存在很多不足，例如，一移动测量系统(MMS)系统造价昂贵，此系统的成本(不含车)在200万左右，其中激光器占100万左右；二激光点云数据处理复杂度大，自动生成标线和标牌的成果正确率不高；三后期交互处理复杂。综合上述方案的不足，急需提供一种新的导航数据获取方法。

技术实现要素：

本发明的目的是提供一种获取导航数据的方法及系统，该方法颠覆目前的高端激光器采集和处理的方案，改为以相机拍照及照片处理为主，低端激光扫描为辅的技术方案，具有低成本、轻量化、后处理简单、精度可满足要求的优点。

为实现上述目的，本发明提供了如下方案：

一种获取导航数据的方法，所述方法包括：

获取高速公路的全景照片和激光点云；

解算所述全景照片的空间姿态信息；

根据所述空间姿态信息，生成路面正射影像；

根据所述路面正射影像，确定所述路面标志标线在高速公路上的空间位置信息；

根据所述全景照片，获取标牌的像素坐标；

根据所述标牌的像素坐标和所述激光点云，确定所述标牌在高速公路上的空间位置信息。

可选的，所述获取高速公路的全景照片和激光点云，具体包括：

采用移动测量装置，获取高速公路的全景照片和激光点云；所述移动测量装置包括激光器，惯性测量装置、里程计、相机以及定位设备。

可选的，所述生成路面正射影像，具体包括：

构造虚拟路面；

根据所述虚拟路面和所述空间姿态信息，计算所述虚拟路面上任意位置在所述全景照片中相应的像素值；

根据所述像素值，生成路面正射影像。

可选的，所述确定所述路面标志标线在高速公路上的空间位置信息，具体包括：

提取所述路面正射影像上的标志标线，再根据所述路面正射影像的分辨率和空间变换关系，确定所述路面标志标线在高速公路上的空间位置信息；

或者，将所述路面正射影像旋转到车行方向，然后采用模板匹配方式，确定所述路面标志标线在高速公路上的空间位置信息。

可选的，所述方法还包括：

根据所述虚拟路面和所述路面正射影像，建立路面三维模型；

根据所述路面三维模型，校正所述路面标志标线在高速公路上的空间位置信息。

可选的，所述确定所述标牌在高速公路上的空间位置信息，具体包括：

根据所述标牌的像素坐标，计算所述标牌的球面坐标；

根据从相机中心到所述球面坐标的射线与所述激光点云的交点，确定所述标牌在高速公路上的空间位置信息。

本发明还提供一种获取导航数据的系统，所述系统包括：

全景照片和激光点云获取模块，用于获取高速公路的全景照片和激光点云；

空间姿态信息解算模块，用于解算所述全景照片的空间姿态信息；

路面正射影像生成模块，用于根据所述空间姿态信息，生成路面正射影像；

路面标志标线空间位置信息确定模块，用于根据所述路面正射影像，确定所述路面标志标线在高速公路上的空间位置信息；

标牌像素坐标获取模块，用于根据所述全景照片，获取标牌的像素坐标；

标牌空间位置信息确定模块，根据所述标牌的像素坐标和所述激光点云，确定所述标牌在高速公路上的空间位置信息。

可选的，所述路面正射影像生成模块，具体包括：

虚拟路面构造单元，用于构造虚拟路面；

像素值计算单元，用于根据所述虚拟路面和所述空间姿态信息，计算所述虚拟路面上任意位置在所述全景照片中相应的像素值；

路面正射影像生成单元，用于根据所述像素值，生成路面正射影像。

可选的，所述路面标志标线空间位置信息确定模块，具体包括：

路面标志标线空间位置信息第一确定单元，提取所述路面正射影像上的标志标线，再根据所述路面正射影像的分辨率和空间变换关系，确定所述路面标志标线在高速公路上的空间位置信息；

路面标志标线空间位置信息第二确定单元，用于将所述路面正射影像旋转到车行方向，然后采用模板匹配方式，确定所述路面标志标线在高速公路上的空间位置信息。

可选的，所述标牌空间位置信息确定模块，具体包括：

球面坐标计算单元，用于根据所述标牌的像素坐标，计算所述标牌的球面坐标；

标牌空间位置信息确定单元，根据从相机中心到所述球面坐标的射线与所述激光点云的交点，确定所述标牌在高速公路上的空间位置信息。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明公开了一种获取导航数据的方法及系统，该方法和系统首先获取高速公路的全景照片和激光点云，然后解算算全景照片的空间姿态信息，生成路面正射影像，确定路面标志标线在高速公路上的空间位置信息；根据全景照片，获取标牌的像素坐标；并结合激光点云，确定标牌在高速公路上的空间位置信息，实现了以相机拍照及照片处理为主，以低端激光器扫描为辅，也能够获取高端的导航数据。

由于本发明提供的技术方案是以相机拍照及照片处理为主，以低端激光器扫描为辅，因此本发明提供的技术方案的具有低成本、轻量化的优点；且后续照片处理并没有依赖大量的激光点云数据，因此本发明提供的技术方案还具有数据处理简单、精度可满足要求的优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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。

图1为本发明实施例的获取导航数据方法流程图；

图2为本发明实施例的虚拟路面；

图3为本发明实施例的虚拟路面误差示意图；

图4为本发明实施例的虚拟路面误差修正示意图；

图5为本发明实施例的路面正射影像的预处理示意图；

图6为本发明实施例的路面正射影像的变换示意图

图7为本发明实施例的路面三维模型示意图；

图8为本发明实施例的获取标牌的空间位置信息示意图；

图9为本发明实施例的获取导航数据系统结构图。

具体实施方式

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，都属于本发明保护的范围。

本发明的目的是提供了一种获取导航数据的方法及系统，实现了通过以相机拍照及照片处理为主，以低端激光器扫描为辅，也能够获取高端的导航数据，同时采用本发明的方法，在获取高端导航数据时，所采用的设备具有成本低，轻量化的优点，且后续数据处理并没有依赖大量的激光点云数据，因此，本发明还具有数据处理简单、精度可满足要求的优点。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例一

图1为本发明实施例的获取导航数据方法流程图，如图1所示，所述方法包括：

步骤101：获取高速公路的全景照片和激光点云；

其中，获取高速公路的全景照片和激光点云，具体包括：采用移动测量装置，获取高速公路的全景照片和激光点云；移动测量装置包括激光器，惯性测量单元装置(以下简称IMU)、里程计、相机以及定位设备。

所述激光点云，也称为点云，是利用激光在同一空间参考系下获取物体表面每个采样点的空间坐标，得到的是一系列表达目标空间分布和目标表面特性的海量点的集合，这个点集合就称之为“点云”(Point Cloud)。点云的属性包括：点位精度，点位灰度值(强度值)等。

本实施例中，采用的激光器的型号为VLP-16，其主要参数有：重量830g，射程100米，采集速度每秒30万个点。激光器的价格在6万元左右，且本发明采用的激光器还具有是价格低，体积小，安放相机更为灵活等优点。

本发明中采用的相机可以用面阵相机，如佳能5D2或者商用全景相机，如LadyBug-5；不同型号的相机后处理基本一致，本实施例以型号为LadyBug-5的商用全景相机为例进行照片的拍摄，采集效率为：车速60公里/小时，每5米拍摄一张全景照片，每张照片像素为3000万。

所述定位设备采用的是GPS全球定位设备。

另外，在获取高速公路的全景照片和激光点云之前，首先要对移动测量装置进行检校与标定。

检校主要是确定相机焦距真值和畸变改正七参数；并将相机设为定距曝光方式；定距曝光方式一般设为5～10米左右，由车轮里程计向控制单元发出曝光指令。

标定是确定相机与IMU的相对位置姿态关系，即外方位元素。

步骤102：解算所述全景照片的空间姿态信息；

其中，解算所述全景照片的空间姿态信息，具体包括

采用移动测量系统MMS的数据解算方法，解算所述全景照片的空间姿态信息；具体地，根据基站坐标、GPS信息、照片里程信息、IMU数据进行全景相机坐标的事后解算，再根据全景相机与IMU的相对位置姿态关系，反算每张照片的空间姿态信息；其中，全景相机姿态信息包括：与笛卡尔坐标系下的绝对的坐标(X、Y、Z)，与三个坐标轴的旋转角度(航向角κ、俯仰角翻滚角ω)及里程信息。

步骤103：根据所述空间姿态信息，生成路面正射影像；

其中，所述生成路面正射影像，具体包括：

首先，构造虚拟路面；

每张全景照片具有精确的空间位置(X、Y、Z)，其中Z坐标减去全景相机中心到路面的高度(直接测量得到，准确到厘米)得到全景照片在路面的投影坐标(简称投影坐标)。投影坐标向两侧扩充一定的宽度形成虚拟路面(宽度需交互设定，保证全部覆盖目标路面)，如图2所示。

其中，构造的虚拟路面可能存在误差，如图3所示。因为排水需要，公路路面内、外侧车道的高程并不相等，根据国家相关标准，路面横截面的坡度一般为1.5％～3.0％。高速公路最宽为单向4车道，按标准车道3.75米宽、紧急停车带2.5米宽计算，4车道路面总宽度为：3.75(米)×4+2.5(米)×1＝17.5(米)。

如果采集车行走在中间车道，则相机到两侧路边水平距离约为17.5(米)/2＝8.75(米)，按照2.0％的坡度，高程误差将达到8.75(米)×2.0％＝17.5(公分)，因为高程误差导致的平面误差为17.5×atan(α)>17.5(α为相机与路边连线与路面的夹角，一般大于45°)，难以保证限差20公分的要求。

因此需要对虚拟路面进行改正，如图4所示，抬高虚拟路面左边线高度、降低虚拟路面的右边线高度。其中，D1、D2为人工输入的行车轨迹线的左右拓宽值，2％是路面坡度；其中，路面坡度自动计算方法是通过取所述全景照片投影坐标左右一段点云，计算左右端点间的距离和高差，即可以计算路面坡度。

其次，根据虚拟路面，生成路面正射影像；

全景照片有绝对的空间坐标与姿态，虚拟路面也有真实的空间坐标，因此可以计算虚拟路面上任意位置在全景照片中相应的像素值。

按照一定分辨率，如1cm，把单块虚拟路面进行网格划分(形成一个“路面画布”)，形成路面网格，每个网格点(物点)可以计算得到空间坐标，该网格点与全景相机中心的连线与“空间照片”有交点(像点)，把该交点处的像素(RBG颜色)填写到路面网格点上；按这个方法，遍历路面所有网格点，把得到的像素填写到路面画布上，就得到了路面正射影像。

具体算法如下：

设：相机的姿态角分别为航向角κ、俯仰角φ、翻滚角ω，相机的焦距为f，相机位置为(x、y、z)，设照片像素大小为(w，h)，分辨率为p(全景照片没有分辨率)。

全景相机：a)安置初始球形：在笛卡尔坐标系下的(0,0,0)位置，按照任意半径绘制球面；b)求初始照片的变换矩阵：先进行三轴旋转(绕y轴旋转ω/绕x轴旋转φ/绕z轴旋转κ)，再平移到相机位置(x、y、z)；c)把初始球面按变换矩阵计算，形成“空间球面”；d)连接虚拟路面网格点与相机坐标，该线段与“空间球面”必有交点，从全景照片中交点处取出的颜色值即为所求。以此方法计算所有虚拟路面网格点对应照片的颜色值，即得正射影像。

本发明还可以采用面阵相机。

面阵相机：a)安置初始矩形：在笛卡尔坐标系下的(0,0,-f)位置，按照片长宽(w，h)绘制一个水平的初始照片；b)求初始照片的变换矩阵：先进行三轴旋转(绕y轴旋转ω/绕x轴旋转φ/绕z轴旋转κ)，再平移到相机位置(x、y、z)；c)把初始照片按变换矩阵计算，形成“空间照片”；d)连接虚拟路面网格点与相机坐标，该线段与“空间照片”必有交点，从照片中交点处取出的颜色值即为所求。以此方法计算所有虚拟路面网格点对应照片的颜色值，即得路面正射影像。

步骤104：根据所述路面正射影像，确定所述路面标志标线在高速公路上的空间位置信息；

其中，确定所述路面标志标线在高速公路上的空间位置信息，具体包括：

第一种方法，根据机器视觉自动提取相关方法，提取所述路面正射影像上的标志标线，再根据所述路面正射影像的分辨率和空间变换关系，确定所述路面标志标线在高速公路上的空间位置信息；具体包括，如图5所示：对路面正射影像进行预处理，包括滤波、均衡化、二值化等，然后设定阈值，凸显出标线，然后再用“穿行算法”(所述穿行算法具体包括：把标线打碎、求中点、连线等操作)提取虚分道线、实分道线。因为正射影像的“可量测性”，所以很容易区分粗线、细线、双线、车道、箭头等。

第二种方法：把每块正射影像旋转到车行方向，然后用机器视觉中的模板匹配的方式进行自动提取。具体做法是：a)连接相邻两张全景照片的投影坐标形成空间矢量，据此把当次的正射影像旋转到车行方向，使得正射影像上路面标志标线的方向与笛卡尔坐标的Y轴基本平行；b)制作正样本和负样本，采用模板匹配的方式进行自动提取；c)把提取成果按照a)中旋转矩阵的逆矩阵变换到正确位置。

上述两种自动确定方案，其提取成果都是图像的像素坐标，此像素坐标根据照片的分辨率(在生成正射影像时，人工设定的值)转为局部几何坐标，然后根据虚拟路面块的变换矩阵转换到空间坐标，如图6所示，形成最终的数据成果。这个变换矩阵在生成路面正射影像的时候已经获得：包括路面块的法线及旋转至车行的旋转角两部分组成。

一般来说，形状和大小固定的标线，如箭头、虚分道线、菱形符号等，推荐用第二种方案提取；其它形状和大小不固定的实线、导流带等推荐用第一种方案提取。也可以混合使用，然后再去除重复。

经实际项目验证，基于正射影像自动确定的路面标志标线成功率可以到达80％以上。

当自动确定路面标志标线失败时，本实施例可以自动建立路面三维模型，基于此进行交互式的采集和编辑，具体包括：

根据所述虚拟路面和所述路面正射影像，构造路面三维模型；所述路面三维模型如图7所示；

根据所述路面三维模型，人工交互式采集和编辑路面标志标线。

根据所述路面三维模型，检查自动提取的路面标志标线。

步骤105：根据所述全景照片，获取标牌的像素坐标；

其中，获取标牌的像素坐标，具体包括：

根据全景照片，采用机器视觉自动提取相关方法，自动搜索提取标牌；

提取到标牌后，获取标牌的像素坐标。

步骤106：根据所述标牌的像素坐标和所述激光点云，确定所述标牌在高速公路上的空间位置信息；

其中，确定标牌在高速公路上的空间位置信息，具体包括：

如图8所示，根据标牌的像素坐标，计算标牌的球面坐标；

根据从相机中心到球面坐标的射线与激光点云的交点，确定标牌在高速公路上的空间位置信息；

可以先用点云强度阈值过滤非标牌点再进行求交计算，以减少计算量、提高准确性。

另外，本实施例，还提供了校正标牌的空间位置信息的方法，包括：

设定标牌法线为车行反方向；

确定球面标牌的四个角点在空间标牌面上的投影坐标(几何数据)，然后再反过来计算对应的“正射影像”。

本实施例提供的技术方案与现有技术相比，具有以下优点：

一是，全景照片比高密度激光点云提供的信息更丰富，可以识别标线的颜色，可以识别老化的路面标志标线，对此，最高端的激光器也难以做到；

二是全景照片可以生成路面正射影像，分辨率可达1cm以上，经过自动坡度改正，可达5cm的水平精度(除去系统误差)；

三是基于全景照片的提取(包括地面标志标线和标牌)，比基于激光点云的提取有更高的成功率，并提供了更方便的编辑方式，如在路面三维模型上编辑标线、在全景影像上编辑标牌。

激光点云在本实施例的作用：在地面标志标线提取时，利用激光点云数据进行道路横截面坡度的自动提取和计算，用于提高虚拟路面的精度；在路牌提取时，需要激光点云确定标牌和相机间的距离。因此，在获取高端导航数据中，激光点云数据都处于辅助作用，点频(每秒发出的激光点)和线频(每秒旋转周数)、射程的要求都不高，采用低端的激光器完全可以满足要求。理论上，对精度要求不太高的项目(如平面精度20cm以上)甚至不需要激光器，但根据实际项目经验，激光器还可以起到数据检核的作用，因此建议保留。

实施例二

本发明还提供了一种获取导航数据的系统，能够获取高速公路导航数据。

图9为本发明实施例的获取导航数据系统结构图，如图9所示，所述系统包括：全景照片和激光点云获取模块901、空间姿态信息解算模块902、路面正射影像生成模块903、路面标志标线空间位置信息确定模块904、标牌像素坐标获取模块905以及标牌空间位置信息确定模块906。

全景照片和激光点云获取模块901，用于获取高速公路的全景照片和激光点云；

空间姿态信息解算模块902，用于解算所述全景照片的空间姿态信息；

路面正射影像生成模块903，用于根据所述空间姿态信息，生成路面正射影像；

其中，路面正射影像生成模块，具体包括：

虚拟路面构造单元，用于构造虚拟路面；

像素值计算单元，用于根据所述虚拟路面和所述空间姿态信息，计算所述虚拟路面上任意位置在所述全景照片中相应的像素值；

路面正射影像生成单元，用于根据所述像素值，生成路面正射影像。

路面标志标线空间位置信息确定模块904，用于根据所述路面正射影像，确定所述路面标志标线在高速公路上的空间位置信息；

其中，路面标志标线空间位置信息确定模块，具体包括：

路面标志标线空间位置信息第一确定单元，提取所述路面正射影像上的标志标线，再根据所述路面正射影像的分辨率和空间变换关系，确定所述路面标志标线在高速公路上的空间位置信息；

路面标志标线空间位置信息第二确定单元，用于将所述路面正射影像旋转到车行方向，然后采用模板匹配方式，确定所述路面标志标线在高速公路上的空间位置信息。

标牌像素坐标获取模块905，用于根据所述全景照片，获取标牌的像素坐标；

标牌空间位置信息确定模块906，根据所述标牌的像素坐标和所述激光点云，确定所述标牌在高速公路上的空间位置信息。

其中，标牌空间位置信息确定模块，具体包括：

球面坐标计算单元，用于根据所述标牌的像素坐标，计算所述标牌的球面坐标；

标牌空间位置信息确定单元，根据从相机中心到所述球面坐标的射线与所述激光点云的交点，确定所述标牌在高速公路上的空间位置信息。

本实施例提供了一种获取导航数据的系统，该系统首先获取高速公路的全景照片和激光点云，解算全景照片的空间姿态信息，生成路面正射影像，确定路面标志标线在高速公路上的空间位置信息；根据全景照片，获取标牌的像素坐标，并结合激光点云，确定标牌在高速公路上的空间位置信息，实现了以相机拍照及照片处理为主，以低端激光扫描为辅，也能获取高端的导航数据。

由于实施例提供的技术方案是以相机拍照及照片处理为主，以低端激光扫描为辅，因此本发明提供的技术方案的具有低成本、轻量化的优点；且后续照片处理并依赖大量的激光点云数据，因此本发明提供的技术方案也具有数据处理简单、精度可满足要求的优点。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。