本发明涉及无人驾驶领域，特别涉及一种高精度地图生成方法及装置。
背景技术
随着科技的不断发展和进步，计算机技术、现代传感技术和人工智能技术等逐渐应用到了汽车领域中，具有环境感知、路径规划、辅助驾驶等功能的智能车辆应运而生。通过对智能车辆进行控制，可以使智能车辆自动按照预先制定的行驶路径安全行驶，实现无人驾驶。其中，生成车辆行驶环境的高精度地图是无人驾驶技术中的一个重要内容。高精度地图可以提供传统地图提供不了的精确数据，比如，车道级别、弯道曲率半径等道路信息。
相关技术中，主要是采用视觉传感器生成车辆行驶环境的高精度地图，视觉传感器获取车辆周边物体在不同视角下的图像，然后基于三角测量原理计算图像像素间的位置偏差获得物体的三维信息，之后，再根据物体的三维信息确定该物体与视觉传感器之间的实际距离，进而生成高精度地图。然而这种生成方式需要执行多次图像处理操作，工作量较大，操作较繁琐。
技术实现要素：
本发明实施例提供了一种高精度地图生成方法及装置，可以解决相关技术中生成高精度地图需要执行多次图像处理操作，工作量较大，操作较繁琐的问题。所述技术方案如下：
根据本发明实施例的第一方面，提供一种高精度地图生成方法，所述方法包括：
获取激光雷达采集的车辆周边物体的三维点云数据；
获取组合导航系统采集的所述车辆的惯性测量单元imu数据和全球定位系统gps数据，所述imu数据和所述gps数据用于指示所述车辆的位姿信息；
当检测到所述gps数据为正常数据时，根据所述imu数据和所述gps数据对所述三维点云数据进行处理，生成高精度地图。
可选的，在所述获取组合导航系统采集的所述车辆的惯性测量单元imu数据和全球定位系统gps数据之后，所述方法还包括：
当检测到所述gps数据不为正常数据时，获取所述车辆的车速数据；
根据所述车辆的车速数据和所述imu数据确定所述车辆的目标gps数据；
根据所述imu数据和所述目标gps数据对所述三维点云数据进行处理，生成高精度地图。
可选的，所述三维点云数据包括所述激光雷达的设备标识，所述imu数据和所述gps数据均包括所述组合导航系统的设备标识。
可选的，所述imu数据和所述gps数据均包括时间戳，所述根据所述imu数据和所述gps数据对所述三维点云数据进行处理，生成高精度地图，包括：
根据所述imu数据和所述gps数据中的时间戳，确定所述imu数据和所述gps数据对应的三维点云数据；
基于所述imu数据和所述gps数据对应的三维点云数据，生成所述高精度地图。
根据本发明实施例的第二方面，提供一种高精度地图生成装置，所述装置包括：
第一获取模块，用于获取激光雷达采集的车辆周边物体的三维点云数据；
第二获取模块，用于获取组合导航系统采集的所述车辆的惯性测量单元imu数据和全球定位系统gps数据，所述imu数据和所述gps数据用于指示所述车辆的位姿信息；
第一处理模块，用于在检测到所述gps数据为正常数据时，根据所述imu数据和所述gps数据对所述三维点云数据进行处理，生成高精度地图。
可选的，所述装置还包括：
第三获取模块，用于在检测到所述gps数据不为正常数据时，获取所述车辆的车速数据；
确定模块，用于根据所述车辆的车速数据和所述imu数据确定所述车辆的目标gps数据；
第二处理模块，用于根据所述imu数据和所述目标gps数据对所述三维点云数据进行处理，生成高精度地图。
可选的，所述三维点云数据包括所述激光雷达的设备标识，所述imu数据和所述gps数据均包括所述组合导航系统的设备标识。
可选的，所述imu数据和所述gps数据均包括时间戳，所述第一处理模块，用于：
根据所述imu数据和所述gps数据中的时间戳，确定所述imu数据和所述gps数据对应的三维点云数据；
基于所述imu数据和所述gps数据对应的三维点云数据，生成所述高精度地图。
根据本发明实施例的第三方面，提供一种高精度地图生成装置，包括：存储器，处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的高精度地图生成方法。
根据本发明实施例的第四方面，提供一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的高精度地图生成方法。
根据本发明实施例的第五方面，提供一种包含指令的计算机程序产品，当所述计算机程序产品在计算机上运行时，使得计算机执行第一方面所述的高精度地图生成方法。
本发明实施例提供的技术方案至少包括以下有益效果：
可以在组合导航系统采集的车辆的gps数据为正常数据时，根据imu数据和gps数据对激光雷达采集的车辆周边物体的三维点云数据进行处理，生成高精度地图，该过程无需执行多次图像处理操作，相较于相关技术，减小了工作量，操作更加简单。
附图说明
为了更清楚地说明本发明的实施例，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例所涉及的实施环境示意图；
图2是本发明实施例提供的一种高精度地图生成方法的流程图；
图3是本发明实施例提供的另一种高精度地图生成方法的流程图；
图4是本发明实施例提供的一种根据imu数据和gps数据生成高精度地图的流程图；
图5是本发明实施例提供的一种高精度地图生成装置的结构示意图；
图6是本发明实施例提供的另一种高精度地图生成装置的结构示意图；
图7是本发明实施例提供的再一种高精度地图生成装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，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它实施例，都属于本发明保护的范围。
相关技术中，用于车辆行驶的传统地图仅提供道路中心线和道路名称等道路信息，这些道路信息无法高精度地反映道路的详细情况。相较于传统地图，高精度地图能够提供车道级别，弯道曲率半径，准确的道路形状，车道线，高精度的坐标，交通标志，坡度，高程，侧倾等详细的道路信息和丰富的地理要素，能够为无人驾驶提供坚实的基础。
图1示出了本发明实施例所涉及的实施环境示意图，该实施环境可以包括车辆01，车辆01行驶在道路上，该车辆01设置有激光雷达和组合导航系统，其中，组合导航系统是将惯性测量单元(inertialmeasurementunit，imu)和全球定位系统(globalpositioningsystem，gps)组合后得到的导航系统。组合导航系统结合imu和gps的特点来提高导航精度。比如，imu具有完全独立自主的提供多种较高精度的导航数据(包括位置、速度、姿态)的特点，同时具有短时精度高，输出频率高，自主性强，动态范围大等特点。gps可以提供位置，速度等数据，且精度高，误差不累积，但无法提供姿态信息，因此，组合导航系统利用gps误差与时间无关，能够长时间、全天候获取高精度位置和速度的优势，来弥补imu的缺点，进而提高导航精度。本发明实施例对图1中的车辆的数量不做限定。
相关技术中主要是采用视觉传感器生成高精度地图，该过程需要执行多次图像处理操作，工作量较大，操作繁琐。而在本发明实施例中，可以根据车辆周边物体的三维点云数据，车辆的imu数据和gps数据，生成高精度地图，该过程无需执行多次图像处理操作，工作量较小，操作较简单。
图2示出了本发明实施例提供的一种高精度地图生成方法的流程图，可以用于车辆上的工控机，该方法包括：
步骤201、获取激光雷达采集的车辆周边物体的三维点云数据。
激光雷达可以基于激光雷达的激光发射点与发射出的激光在物体上的反射点的距离，以及激光发射点的激光的发射方向，确定物体的三维坐标。车辆周边物体的三维点云数据包括物体与车辆的距离，物体与车辆的角度，以及物体的三维坐标等数据。
步骤202、获取组合导航系统采集的车辆的imu数据和gps数据，imu数据和gps数据用于指示车辆的位姿信息。
其中，车辆的位姿信息包括车辆的位置信息和姿态信息，比如，imu数据用于指示车辆的三轴姿态角或角速率，加速度，以及方位角等数据。gps数据包括车辆的地理位置坐标。
步骤203、当检测到gps数据为正常数据时，根据imu数据和gps数据对三维点云数据进行处理，生成高精度地图。
其中，可以根据gps数据的数据格式检测gps数据是否为正常数据。当gps数据的数据格式为预设数据格式时，可以确定gps数据为正常数据；当gps数据的数据格式不为预设数据格式时，可以确定gps数据不为正常数据，即gps数据为异常数据。关于预设数据格式可以参考相关技术中gps数据的数据格式进行说明，比如数据的开头字符为“$”，接着是信息类型，之后是数据，数据之间以逗号分隔开。
示例的，当车辆位于有卫星信号的环境(比如户外道路)时，组合导航系统采集的车辆的gps数据的数据格式为预设数据格式，gps数据为正常数据。当gps数据为正常数据时，工控机可以直接根据imu数据和gps数据对三维点云数据进行处理，生成高精度地图。
综上所述，本发明实施例提供的高精度地图生成方法，可以在组合导航系统采集的车辆的gps数据为正常数据时，根据imu数据和gps数据对激光雷达采集的车辆周边物体的三维点云数据进行处理，生成高精度地图，该过程无需执行多次图像处理操作，相较于相关技术，减小了工作量，操作更加简单。
在本发明实施例中，当gps数据为正常数据时，工控机可以直接根据imu数据和gps数据对三维点云数据进行处理，生成高精度地图；当gps数据不为正常数据时，gps数据不可用，在这种情况下，工控机可以根据车辆的车速数据和imu数据估计车辆的gps数据，相应的，该高精度地图生成方法可以如图3所示，包括：
步骤301、获取激光雷达采集的车辆周边物体的三维点云数据。
车辆周边物体的三维点云数据包括物体与车辆的距离，物体与车辆的角度，以及物体的三维坐标等数据。
在执行本发明实施例提供的高精度地图生成方法之前，可以先执行一些预操作，比如，给激光雷达上电，在工控机上设置激光雷达的设备标识和对应的第一存储区域，该第一存储区域用于存储激光雷达采集的数据，在工控机上设置用于接收激光雷达采集的数据的网口；给组合导航系统上电，在工控机上设置用于接收组合导航系统采集的数据的端口，以及数据传输速率，并在工控机上设置组合导航系统的设备标识和对应的第二存储区域和第三存储区域，第二存储区域用于存储imu数据，第三存储区域用于存储gps数据。
步骤302、获取组合导航系统采集的车辆的imu数据和gps数据。
高精度地图的生成过程需要以高精度的定位为基础。为了得到高精度的定位数据，在本发明实施例中，组合导航系统采集车辆的imu数据和gps数据，工控机将imu数据和gps数据作为高精度的定位数据。imu数据和gps数据用于指示车辆的位姿信息。其中，车辆的位姿信息包括车辆的位置信息和姿态信息，比如，imu数据用于指示车辆的三轴姿态角或角速率，加速度，以及方位角等数据。gps数据包括车辆的地理位置坐标。
在本发明实施例中，组合导航系统实时采集车辆的imu数据和gps数据，工控机实时获取组合导航系统采集的车辆的imu数据和gps数据。
工控机获取到组合导航系统采集的车辆的gps数据时，可以先检测gps数据是否为正常数据，比如，当gps数据的数据格式为预设数据格式时，可以确定gps数据为正常数据；当gps数据的数据格式不为预设数据格式时，可以确定gps数据不为正常数据。当gps数据为正常数据时，执行步骤303；当gps数据不为正常数据时，执行步骤304。
步骤303、当检测到gps数据为正常数据时，根据imu数据和gps数据对三维点云数据进行处理，生成高精度地图。
示例的，当车辆位于有卫星信号的环境(比如户外道路)时，组合导航系统采集的车辆的gps数据为正常数据。工控机可以直接根据imu数据和gps数据对三维点云数据进行处理，生成高精度地图。
其中，imu数据和gps数据均包括时间戳，相应的，步骤303中根据imu数据和gps数据对三维点云数据进行处理，生成高精度地图的过程，如图4所示，可以包括如下步骤：
步骤3031、根据imu数据和gps数据中的时间戳，确定imu数据和gps数据对应的三维点云数据。
在生成高精度地图之前，工控机先根据imu数据和gps数据中的时间戳，确定imu数据和gps数据对应的三维点云数据。比如，在t1时刻，车辆行驶至位置a，对应的三维点云数据为xx；在t2时刻，车辆行驶至位置b，对应的三维点云数据为yy；在t3时刻，车辆行驶至位置c，对应的三维点云数据为zz。工控机根据每个时间戳对激光雷达采集的所有三维点云数据进行整理。
步骤3032、基于imu数据和gps数据对应的三维点云数据，生成高精度地图。
工控机在确定imu数据和gps数据对应的三维点云数据之后，还可以进一步对确定的三维点云数据进行处理，筛选出三维点云数据中的有用数据，该有用数据为能够反映地图特征的数据，比如，车辆周边静止的楼宇的三维点云数据为有用数据，而车辆周边移动的人或者车辆的三维点云数据不为有用数据，需要被过滤掉。之后，工控机再基于筛选出的有用数据，生成高精度地图。
其中，基于有用数据生成高精度地图的过程可以包括如下步骤：
1、获取组合导航系统确定的整车坐标系，并将有用数据映射至整车坐标系。
2、对映射至整车坐标系的三维点云数据进行滤波处理，去除噪点，以提高三维点云数据的准确性。示例的，可以采用双边滤波算法、拉普拉斯滤波算法等对三维点云数据进行滤波处理。
3、采用基于高斯回归过程的地面分割算法，对滤波处理后的三维点云数据进行分类，得到不同类别的三维点云数据，比如分类后得到地面数据和非地面数据。
4、确定不同类别的三维点云数据对应的物体，采用不同颜色将不同类别的三维点云数据对应的物体呈现出来，提高了高精度地图的显示效果，丰富了地图信息。
步骤304、当检测到gps数据不为正常数据时，获取车辆的车速数据。执行步骤305。
当工控机检测到gps数据不为正常数据时，为了生成高精度地图，工控机获取车辆的车速数据，然后根据车辆的车速数据和imu数据估计车辆的gps数据。
示例的，当车辆从有卫星信号的环境行驶至无卫星信号的环境时，比如车辆从户外道路行驶至地下停车场或隧道时，组合导航系统采集的车辆的gps数据会出错，gps数据不为正常数据，gps数据无法用于生成高精度地图。
所以本发明实施例提供的高精度地图生成方法，能够在组合导航系统采集的车辆的gps数据不为正常数据时，根据车辆的车速数据和imu数据估计车辆的gps数据，并生成高精度地图。该方法在车辆从有卫星信号的环境行驶至无卫星信号的环境时，仍能为车辆生成高精度地图，给驾驶员提供丰富的环境信息，保证车辆在无卫星信号的环境下平稳安全行驶。
其中，工控机可以通过控制器局域网络(controllerareanetwork，can)卡从can总线获取车辆的车速数据。
步骤305、根据车辆的车速数据和imu数据确定车辆的目标gps数据。执行步骤306。
工控机根据车辆的车速数据和imu数据确定用于生成高精度地图的目标gps数据，以便于根据该目标gps数据和imu数据生成高精度地图。其中，根据车速数据和imu数据确定目标gps数据的过程可以参考相关技术，在此不再赘述。
步骤306、根据imu数据和目标gps数据对三维点云数据进行处理，生成高精度地图。
其中，工控机可以先根据imu数据和目标gps数据中的时间戳，确定imu数据和目标gps数据对应的三维点云数据；再基于imu数据和目标gps数据对应的三维点云数据，生成高精度地图。同样的，工控机可以先对确定的三维点云数据进行处理，筛选出三维点云数据中能够反映地图特征的有用数据，然后，工控机将有用数据映射至整车坐标系，接着，对映射至整车坐标系的三维点云数据进行滤波处理，去除噪点，再对滤波处理后的三维点云数据进行分类，之后，采用不同颜色将不同类别的三维点云数据对应的物体呈现出来。
综上所述，本发明实施例提供的高精度地图生成方法，可以在组合导航系统采集的车辆的gps数据为正常数据时，根据imu数据和gps数据对激光雷达采集的车辆周边物体的三维点云数据进行处理，生成高精度地图，该过程无需执行多次图像处理操作，相较于相关技术，减小了工作量，操作更加简单。
需要说明的是，本发明实施例提供的高精度地图生成方法的步骤的先后顺序可以进行适当调整，高精度地图生成的步骤也可以根据情况进行相应增减。任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化的方法，都应涵盖在本发明的保护范围之内，因此不再赘述。
图5是本发明实施例提供的一种高精度地图生成装置400的结构示意图，该装置400可以包括：
第一获取模块410，用于获取激光雷达采集的车辆周边物体的三维点云数据。
第二获取模块420，用于获取组合导航系统采集的车辆的惯性测量单元imu数据和全球定位系统gps数据，imu数据和gps数据用于指示车辆的位姿信息。
第一处理模块430，用于当检测到gps数据为正常数据时，根据imu数据和gps数据对三维点云数据进行处理，生成高精度地图。
可选的，如图6所示，该装置400还可以包括：
第三获取模块440，用于在检测到gps数据不为正常数据时，获取车辆的车速数据。
确定模块450，用于根据车辆的车速数据和imu数据确定车辆的目标gps数据。
第二处理模块460，用于根据imu数据和目标gps数据对三维点云数据进行处理，生成高精度地图。
可选的，三维点云数据包括激光雷达的设备标识，imu数据和gps数据均包括组合导航系统的设备标识。
可选的，imu数据和gps数据均包括时间戳，第一处理模块430，用于：
根据imu数据和gps数据中的时间戳，确定imu数据和gps数据对应的三维点云数据；
基于imu数据和gps数据对应的三维点云数据，生成高精度地图。
综上所述，本发明实施例提供的高精度地图生成装置，可以在组合导航系统采集的车辆的gps数据为正常数据时，根据imu数据和gps数据对激光雷达采集的车辆周边物体的三维点云数据进行处理，生成高精度地图，该过程无需执行多次图像处理操作，相较于相关技术，减小了工作量，操作更加简单。
本发明实施例还提供一种高精度地图生成装置600，如图7所示，该在装置600包括：存储器610，处理器620及存储在存储器610上并可在处理器620上运行的计算机程序611，处理器620执行计算机程序611时实现上述方法实施例提供的高精度地图生成方法，该方法可以如图2或图3所示。
本发明实施例还提供一种计算机可读存储介质，该存储介质为非易失性可读存储介质，该存储介质内存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例提供的高精度地图生成方法。
本发明实施例还提供一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行上述方法实施例提供的高精度地图生成方法。
本发明实施例还提供一种芯片，所述芯片包括可编程逻辑电路和/或程序指令，当所述芯片运行时用于实现如上述方法实施例提供的高精度地图生成方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中各步骤的具体工作过程，在此不再赘述。
在本发明中，术语“第一”，“第二”和“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。