用于生成地图的方法、装置和设备与流程

本申请涉及计算机技术领域，具体涉及电子地图技术领域，尤其涉及用于生成地图的方法、装置和设备。

背景技术

随着科技的发展，地图的应用领域越来越广泛。例如在自动驾驶领域，车辆可以利用高精度地图进行定位和路线规划。静态地图是对车辆行驶环境中固定不变的物体的位置、内容等属性进行描述的一种方式，是车辆感知行驶环境的基础，一般由三维激光点云生成。

静态地图生成的一种现有方法是首先由用于采集数据的车辆采集三维激光点云，之后对三维激光点云中的动态目标(例如行人、车辆)进行识别并剔除动态目标对应的数据点。然而目前的静态地图生成方法中动态目标的识别精度较低、使得生成的静态地图的准确性较差，无法为车辆提供良好的环境感知基础。

技术实现要素：

本申请的目的在于提出一种改进的用于生成地图的方法、装置及设备，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种用于生成地图的方法，包括：获取车载激光雷达采集的三维激光点云数据，三维激光点云数据包括多个数据点的位置信息；将各数据点映射至包括在三维空间坐标系中构建的多个网格的网格地图中；根据各网格包含的数据点的数量确定各网格的初始状态概率；基于各数据点的位置信息更新对应的各路径网格的状态概率，其中，路径网格包括位于扫描到对应的数据点的光束的路径上的网格；将状态概率低于预设阈值的网格中的数据点从网格地图中滤除。

在一些实施例中，上述网格包括三维网格，将各数据点映射至包括在三维空间坐标系中构建的多个网格的网格地图中，包括：将三维空间坐标系划分为多个三维网格，并根据数据点的位置信息将各数据点映射至三维网格中；将三维空间坐标系的其中两个坐标轴所在的平面划分为多个二维网格，并创建二维网格的属性信息表；将各三维网格及其中的数据点关联地存储在对应的二维网格的属性信息表中；其中，各三维网格向平面的正投影与对应的二维网格相重合。

在一些实施例中，基于各数据点的位置信息更新对应的各路径网格的状态概率，包括：依次将每个数据点作为目标数据点，根据目标数据点的位置信息计算目标数据点对应的路径网格的状态概率；根据目标数据点的位置信息计算目标数据点对应的路径网格的状态概率，包括：根据目标数据点的位置信息确定对应的各路径网格的位置信息；根据各数据点的位置信息统计各路径网格中的数据点的数量；对目标数据点对应的各路径网格，将初始状态概率作为初始的当前状态概率，根据路径网格的位置信息、路径网格中的数据点的数量以及路径网格的当前状态概率，确定路径网格基于目标数据点的状态概率，并将路径网格基于目标数据点的状态概率设置为路径网格的当前状态概率。

在一些实施例中，网格地图包括每个网格的坐标参数；根据目标数据点的位置信息确定对应的各路径网格的位置信息，包括：以车载激光雷达的测量中心为光束的起始点，目标数据点为光束的终点，根据预先获取的车载激光雷达的测量中心的位置信息和目标数据点的位置信息计算光束的方向向量；根据方向向量计算由起始点到与沿光束方向与起始点之间的距离为一个网格宽度的点的第一向量；以车载激光雷达的测量中心所在的网格为初始的当前路径网格，执行光束追踪步骤，光束追踪步骤包括：根据当前路径网格的坐标参数和第一向量计算光束从当前路径网格到位于光束的路径上且与当前路径网格相邻的路径网格的第二向量，根据第二向量确定位于光束的路径上且与当前路径网格相邻的路径网格的坐标参数，并将位于光束的路径上且与当前路径网格相邻的路径网格设置为当前路径网格，判断当前路径网格与目标数据点所在的网格是否重合；若当前路径网格与目标数据点所在的网格不重合，则继续执行光束追踪步骤。

在一些实施例中，车载激光雷达的测量中心的位置信息包括车载激光雷达在车载惯导系统坐标系中的坐标参数，目标数据点的位置信息包括目标数据点在三维空间坐标系中的坐标参数；根据预先获取的车载激光雷达的测量中心的位置信息和目标数据点的位置信息计算光束的方向向量，包括：利用已标定的车载惯导系统坐标系与三维空间坐标系的坐标转换参数，将车载激光雷达的测量中心的坐标参数转换至三维空间坐标系中；根据车载激光雷达的测量中心在三维空间坐标系中的坐标参数和目标数据点的坐标参数计算方向向量。

在一些实施例中，根据路径网格的位置信息、路径网格中的数据点的数量以及路径网格的当前状态概率，确定路径网格基于目标数据点的状态概率，包括：位于扫描到目标数据点pi的光束的路径上的路径网格cj基于目标数据点pi的状态概率βcj，pi为：

其中，βcj，pi-1为路径网格cj的当前状态概率，βm，pi为依据由路径网格cj的位置信息确定出的目标数据点pi与路径网格的相对位置关系设定的参数，weight为根据路径网格cj的位置信息、路径网格cj中的数据点的数量确定的权重参数。

在一些实施例中，权重参数weight按照如下方式确定：

其中，ncj为路径网格cj中的数据点的数量，scj,pi-1为由路径网格cj的位置信息判断数据点pi-1是否位于路径网格cj内的结果确定的参数，当scj,pi-1＝1时表示数据点pi-1位于路径网格cj内，scj,pi-1＝0时表示数据点pi-1不位于路径网格cj内，nthr为预设的状态稳定阈值。

第二方面，本申请实施例提供了一种用于生成地图的装置，包括：获取单元，配置用于获取车载激光雷达采集的三维激光点云数据，三维激光点云数据包括多个数据点的位置信息；映射单元，配置用于将各数据点映射至包括在三维空间坐标系中构建的多个网格的网格地图中；确定单元，配置用于根据各网格包含的数据点的数量确定各网格的初始状态概率；更新单元，配置用于基于各数据点的位置信息更新对应的各路径网格的状态概率，其中，路径网格包括位于扫描到对应的数据点的光束的路径上的网格；滤除单元，配置用于将状态概率低于预设阈值的网格中的数据点从网格地图中滤除。

在一些实施例中，上述网格包括三维网格，映射单元进一步配置用于按照如下方式将各数据点映射至包括多个网格的网格地图中：将三维空间坐标系划分为多个三维网格，并根据数据点的位置信息将各数据点映射至三维网格中；将三维空间坐标系的其中两个坐标轴所在的平面划分为多个二维网格，并创建二维网格的属性信息表；将各三维网格及其中的数据点关联地存储在对应的二维网格的属性信息表中；其中，各三维网格向平面的正投影与对应的二维网格相重合。

在一些实施例中，更新单元包括计算模块，计算模块配置用于依次将每个数据点作为目标数据点，根据目标数据点的位置信息计算目标数据点对应的路径网格的状态概率；计算模块进一步配置用于按照如下方式计算目标数据点对应的路径网格的状态概率：根据目标数据点的位置信息确定对应的各路径网格的位置信息；根据各数据点的位置信息统计各路径网格中的数据点的数量；对目标数据点对应的各路径网格，将初始状态概率作为初始的当前状态概率，根据路径网格的位置信息、路径网格中的数据点的数量以及路径网格的当前状态概率，确定路径网格基于目标数据点的状态概率，并将路径网格基于目标数据点的状态概率设置为路径网格的当前状态概率。

在一些实施例中，网格地图包括每个网格的坐标参数；计算模块进一步配置用于按照如下方式确定对应的各路径网格的位置信息：以车载激光雷达的测量中心为光束的起始点，目标数据点为光束的终点，根据预先获取的车载激光雷达的测量中心的位置信息和目标数据点的位置信息计算光束的方向向量；根据方向向量计算由起始点到与沿光束方向与起始点之间的距离为一个网格宽度的点的第一向量；以车载激光雷达的测量中心所在的网格为初始的当前路径网格，执行光束追踪步骤，光束追踪步骤包括：根据当前路径网格的坐标参数和第一向量计算光束从当前路径网格到位于光束的路径上且与当前路径网格相邻的路径网格的第二向量，根据第二向量确定位于光束的路径上且与当前路径网格相邻的路径网格的坐标参数，并将位于光束的路径上且与当前路径网格相邻的路径网格设置为当前路径网格，判断当前路径网格与目标数据点所在的网格是否重合；若当前路径网格与目标数据点所在的网格不重合，则继续执行光束追踪步骤。

在一些实施例中，车载激光雷达的测量中心的位置信息包括车载激光雷达在车载惯导系统坐标系中的坐标参数，目标数据点的位置信息包括目标数据点在三维空间坐标系中的坐标参数；计算模块进一步配置用于按照如下方式计算光束的方向向量：利用已标定的车载惯导系统坐标系与三维空间坐标系的坐标转换参数，将车载激光雷达的测量中心的坐标参数转换至三维空间坐标系中；根据车载激光雷达的测量中心在三维空间坐标系中的坐标参数和目标数据点的坐标参数计算方向向量。

在一些实施例中，计算模块进一步配置用于按照如下方式确定路径网格基于目标数据点的状态概率：位于扫描到目标数据点pi的光束的路径上的路径网格cj基于目标数据点pi的状态概率βcj，pi为：

其中，βcj，pi-1为路径网格cj的当前状态概率，βm，pi为依据由路径网格cj的位置信息确定出的目标数据点pi与路径网格的相对位置关系设定的参数，weight为根据路径网格cj的位置信息、路径网格cj中的数据点的数量确定的权重参数。

在一些实施例中，计算模块进一步配置用于按照如下方式确定权重参数weight：

其中，ncj为路径网格cj中的数据点的数量，scj,pi-1为由路径网格cj的位置信息判断数据点pi-1是否位于路径网格cj内的结果确定的参数，当scj,pi-1＝1时表示数据点pi-1位于路径网格cj内，scj,pi-1＝0时表示数据点pi-1不位于路径网格cj内，nthr为预设的状态稳定阈值。

第三方面，本申请实施例提供了一种设备，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实现上述用于生成地图的方法。

本申请实施例提供的用于生成地图的方法、装置和设备，首先获取车载激光雷达采集的三维激光点云数据，而后将各数据点映射至包括在三维空间坐标系中构建的多个网格的网格地图中，然后根据各网格包含的数据点的数量确定各网格的初始状态概率，之后基于各数据点的位置信息更新对应的各路径网格的状态概率，最后将状态概率低于预设阈值的网格中的数据点从网格地图中滤除，可以利用预先构建的网格地图获取网格的先验信息，并基于先验信息对网格的状态概率进行更新，提升了包含动态目标的网格的识别准确率，进而提升了三维地图的精度。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于生成地图的方法的一个实施例的流程图；

图3是根据本申请实施例的根据目标数据点的位置信息计算所述目标数据点对应的路径网格的状态概率的一个流程示意图；

图4是根据本申请实施例的更新各路径网格的状态概率的实际场景的流程示意图；

图5是根据本申请的用于生成地图的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于生成地图的方法或用于生成地图的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括设备101、数据采集车辆102以及无人驾驶车辆104。数据采集车辆102上可以安装有车载激光雷达103，无人驾驶车辆104上可以有车载控制单元105。车载激光雷达103可以采集数据采集车辆行驶环境的激光点云数据，所采集的激光点云数据包括道路信息、建筑物信息等。

设备101可以是具有数据处理能力的各种电子设备，可以为终端设备或服务器。设备101可以通过网络与数据采集车辆102和无人驾驶车辆104进行通信。具体地，设备101可以获取数据采集车辆102所采集的激光点云数据，并对获取的激光点云数据进行处理，例如可以根据激光点云数据生成高精度的地图，并将地图发送给无人驾驶车辆104。无人驾驶车辆104上的车载控制单元105可以根据地图进行驾驶决策。

需要说明的是，本申请实施例所提供的用于生成地图的方法一般由设备101执行，相应地，用于生成地图的装置一般设置于设备101中。

应该理解，图1中的设备、数据采集车辆和无人驾驶车辆的数目仅仅是示意性的。根据实现需要，可以具有任意数目的设备、数据采集车辆和无人驾驶车辆。

继续参考图2，示出了根据本申请的用于生成地图的方法的一个实施例的流程200。该用于生成地图的方法，包括以下步骤：

步骤201，获取车载激光雷达采集的三维激光点云数据。

在本实施例中，用于生成地图的方法运行于其上的电子设备(例如图1所示的设备101)可以通过有线或无线连接方式从数据采集车辆或其他设备获取由车载激光雷达采集的三维激光点云数据。具体地，上述电子设备可以直接与数据采集车辆的控制单元建立连接，并接收由车载激光雷达采集的三维激光点云数据，或者可以向其他已存储车载激光雷达采集的三维激光点云数据的设备发出数据获取请求，并接收该设备基于数据获取请求而发送的三维激光点云数据。

上述三维激光点云数据包括多个数据点的位置信息。该位置信息可以是数据点在激光雷达坐标系或世界坐标系中的三维位置坐标。进一步地，车载激光雷达所采集的三维激光点云数据可以包括每个数据点的反射值，反射值由该数据点对应的空间物体的材料决定。车载激光雷达发出的光束在传播至障碍物表面时发生反射，数据点即为发生反射的点，不同材料的障碍物的反射值不相同，利用车载激光雷达发出的多个光束进行扫描可以构建出行驶环境中障碍物的轮廓。

步骤202，将各数据点映射至包括在三维空间坐标系中构建的多个网格的网格地图中。

在本实施例中，可以在将三维空间坐标系划分为多个网格，并将上述激光点云数据中的各数据点映射至各个网格中，以形成包括多个网格的网格地图。该三维空间坐标系可以为utm(universaltransversemercartor，通用横墨卡托)坐标系。每个网格可以为三维网格，例如每个三维网格覆盖一个立方体的空间，各三维网格的尺寸相同，并且，各三维网格在空间以固定的规则排列，例如沿三维空间坐标系的三个坐标轴方向顺序排列。

可选地，上述电子设备可以设定各三维网格的位置参数，具体地可以按照各三维网格的中心位置与三维空间坐标系的原点之间的距离来设定对应的位置参数，例如将距离三维空间坐标系的原点最近的三维网格的位置参数设置为三维坐标(1，1，1)，或者编号1；或者也可以根据三维网格的顶点在三维坐标系中的坐标来设定三维网格的位置参数，举例来说，可以将一个三维网格的位置参数设置为该三维网格的八个顶点的坐标。

上述电子设备可以根据各数据点的位置信息将数据点映射至各网格中。换言之，可以将上述各数据点划分至对应位置的网格中，形成网格地图。该网格地图中包含了每个数据点的位置信息，还可以包括每个数据点的反射值。可选地，上述电子设备可以将网格的位置参数和落入该网格内的数据点的位置信息和反射值对应地存储。

数据采集车辆行驶过程中采集到的三维激光点云数据中包括静态目标的点云数据和动态目标的点云数据，其中静态目标为空间内形状、结构、位置不发生变化的目标，例如路面、车道线、建筑物、标志牌等，动态目标为形状、结构或位置发生变化的目标，例如行人、车辆等。可以从网格地图中滤除动态目标，生成仅包含静态目标的地图，以使无人驾驶车辆或其他设备根据仅包含静态目标的地图进行正确的分析和决策。

在一些可选的实现方式中，则可以按照如下方式将各数据点映射至包括多个网格的网格地图中：首先将三维空间坐标系划分为多个三维网格，并根据数据点的位置信息将各数据点映射至三维网格中；之后将三维空间坐标系的其中两个坐标轴所在的平面划分为多个二维网格，并创建二维网格的属性信息表；最后将各三维网格及其中的数据点关联地存储在对应的二维网格的属性信息表中。其中，每个二维网格对应多个三维网格，各三维网格向三维空间坐标系的其中两个坐标轴所在的平面的正投影与对应的二维网格相重合。每个二维网格的属性信息表可以包括多个三维网格以及三维网格内的数据点。可选地，在存储三维网格和对应的数据点时，可以将三维网格的位置参数和其中数据点的位置信息以及反射值对应地存储。这样，上述网格地图中的各三维网格可以以二维网格及其对应的属性信息表的方式进行存储，在后续对三维网格和其中的数据点进行处理时可以节约内存。

在进一步的实现方式中，上述二维网格所在平面可以是与激光点云数据所在空间中的地面平行的平面。在创建网格地图时，可以将各数据点投影至二维网格中，并根据各数据点在垂直于二维网格的坐标轴的坐标确定其对应的三维网格，将数据点与对应的三维网格关联地存储至二维网格的属性信息表中。可选地，每个进一步地，可以采用哈希表的方式组织上述二维网格的属性信息表，以提升数据读取效率。

进一步地，在上述平面中构建二维网格之前，可以先将平面划分为多个块，然后将每个块划分为多个二维网格，例如每个块可以包含256×256个二维网格。在存储网格地图时，可以按照所划分的块进行存储。

上述二维网格还可以包括其在上述平面内的坐标参数。可选地，二维网格的坐标参数也可以存储在其属性信息表中。上述网格地图可以包括各二维网格及其属性信息表。在一些可选的实现方式中，若二维网格对应的其中一个三维网格中不包含数据点，则可以将该三维网格删除。

步骤203，根据各网格包含的数据点的数量确定各网格的初始状态概率。

在本实施例中，上述网格地图中的网格可以根据其包含的数据点对应的目标为静态目标或动态目标划分为静态网格或动态网格。在这里，网格的状态概率可以是该网格为静态网格的概率，可以基于落入该网格的数据点的数量来确定状态概率的初始值，作为初始状态概率。落入该网格的数据点的数量越多，则初始状态概率越高。

在一些可选的实现方式中，可以预先设定数据点数量区间与状态概率的初始值的对应关系，则可以根据上述步骤202构建的网格地图中的各网格中的数据点的数量所在的区间确定其对应的初始状态概率。

步骤204，基于各数据点的位置信息更新对应的各路径网格的状态概率。

在这里，路径网格包括位于扫描到对应的数据点的光束的路径上的网格，扫描到某一数据点的光束为由车载激光雷达发出、并在该数据点处发生反射的光束。

由于光束在发生反射之前不会经过空间内的障碍物，并且车载激光雷达在不同时刻发出的光束在同一物体表面发生反射且该物体表面在三维坐标系中的位置未发生改变时，该物体可以视为静态目标，则光束在该物体表面发生反射所产生的数据点所在的网格为静态网格的概率较高。上述三维激光点云数据包括车载激光雷达在不同时刻发出的多束激光被反射所采集到的数据点，可以利用各数据点的位置信息确定出对应的路径网格。例如可以将车载激光雷达的测量中心与数据点的连线所经过的各网格确定为该数据点对应的路径网格。

对于每个路径网格，可以根据其中的各数据点的位置信息更新其状态概率。例如可以根据路径网格中的数据点的位置信息对多个数据点所形成的物体的轮廓进行拟合，并基于拟合出的轮廓进行目标识别，若识别出的目标为行人、车辆等动态目标，则可以将该路径网格的状态概率减小预设的值，若识别出的目标为地面、标志牌等静态目标，则可以将该路径网格的状态概率增加预设的值。

在本实施例的一些可选的实现方式中，可以基于数据点的位置信息对扫描到各数据点的激光光束通过各网格时的状态进行判断，并基于判断结果和网格中的数据点的数量等相关信息来对该网格的状态概率进行更新。其中激光光束通过网格时的状态可以包括穿过状态和终止状态，穿过状态即该激光光束发生反射点不在该网格内；终止状态即激光光束在该网格内发生反射。若某一数据点对应的激光光束通过网格时的状态为穿过状态，则可以减小该网格的状态概率，若某一数据点对应的激光光束通过网格时的状态为终止状态，则可以增大该网格的状态概率。每个网格可以包括多个数据点，则可以根据发出不同数据点的多个激光光束通过该网格时的状态对该网格的状态概率进行多次增大或减小运算(即进行多次更新)，得到该网格的最终的状态概率。

步骤205，将状态概率低于预设阈值的网格中的数据点从网格地图中滤除。

在本实施例中，网格的状态概率表示网格为静态网格的状态概率，也即表示网格中不包含动态目标的概率。在对所有的数据点计算完毕之后，上述电子设备可以将各网格的状态概率与预设的阈值相比较，当网格的状态概率低于预设的阈值时，可以确定网格为动态网格，或者可以确定网格中包含动态目标，进而可以将动态网格或包含动态目标的网格中的数据点从网格地图中滤除，以生成仅包含静态目标的地图。可选地，上述预设阈值可以是根据经验设定的阈值，或者利用机器学习算法计算得出的。

本申请上述实施例提供的用于生成地图的方法200，通过首先基于三维激光点云数据构建网格地图，并计算每个网格的初始状态概率，并基于各数据点的位置信息对各网格的状态概率进行更新，最后将状态概率低于预设阈值的网格中网格地图中滤除，这样可以利用网格中的数据点的数量作为先验信息对网格的状态概率进行更新，从而保证状态概率已经达到稳定值的网格中的数据点不会被滤除，而状态概率不稳定的网格中的状态概率可以利用先验信息以及各数据点的位置信息进行更新，进而能够提升计算出的网格的状态概率的准确度；并且在确定路径网格时将光束离散化至各路径网格，利用上述先验信息可以减小将光束离散化所带来的误差对网格状态判断所造成的影响，从而提升了所生成的地图的精度。

在本实施例的一些可选的实现方式中，可以按照如下方式更新各路径网格的状态概率：依次将各数据点作为目标数据点，根据目标数据点的位置信息计算目标数据点对应的路径网格的状态概率。其中，目标数据点对应的路径网格为位于扫描到目标数据点的激光光束的路径上的网格。

具体地，请参考图3，其示出了本申请实施例的根据目标数据点的位置信息计算目标数据点对应的路径网格的状态概率的一个流程示意图。

如图3所示，根据目标数据点的位置信息计算目标数据点对应的路径网格的状态概率的流程300，包括以下步骤：

步骤301，根据目标数据点的位置信息确定对应的各路径网格的位置信息。

在本实施例中，上述电子设备可以根据目标数据点的位置信息确定在该数据点处发生反射的激光光束所经过的各网格的位置信息。在这里，数据点的位置信息可以为其在三维空间坐标系中的坐标参数。可以将车载激光雷达的测量中心作为光束的起始点，目标数据点作为光束的终点，将位于由起始点到终点的直线连线上的各网格作为该目标数据点对应的路径网格，其中车载激光雷达的测量中心的坐标参数可以预先获取，则可以根据起始点的坐标参数和终点的坐标参数确定出各路径网格在三维坐标系中的位置信息。

在进一步的实现方式中，上述网格地图包括各网格的坐标参数。则可以通过如下方式确定目标数据点对应的各路径网格的位置信息：首先，以车载激光雷达的测量中心为光束的起始点，目标数据点为光束的终点，根据预先获取的车载激光雷达的测量中心的位置信息和目标数据点的位置信息计算光束的方向向量；之后，根据方向向量计算由起始点到与沿光束方向与起始点之间的距离为一个网格宽度的点的第一向量；而后以车载激光雷达的测量中心所在的网格为初始的当前网格，执行如下光束追踪步骤：根据当前路径网格的坐标参数和第一向量计算光束从当前路径网格到位于光束的路径上且与当前路径网格相邻的路径网格的第二向量，根据第二向量确定位于光束的路径上且与当前路径网格相邻的路径网格的坐标参数，并将位于光束的路径上且与当前路径网格相邻的路径网格设置为当前路径网格，判断当前路径网格与数据点所在的网格是否重合；若当前网格与数据点所在的网格不重合，则继续执行光束追踪步骤。

具体来说，上述确定路径网格的位置参数的方式可以通过如下流程实现：

首先初始化光束的起始点位置的三维数组pointo[3]和终点位置的三维数组pointe[3]，该起始点位置的三维数组pointo[3]可以对应起始点所在网格的在三维坐标系的三个坐标轴方向的三个坐标参数。

然后，根据起始点位置和终点位置计算光束的方向向量direction，并根据该方向向量确定状态向量step[3]，状态向量step[3]表示方向向量在三个坐标轴方向的状态，包括递增、递减和不变三种状态，如果方向向量direction在某一坐标轴方向的状态为递增，则对应的向量step[3]在该坐标轴方向的分量为1；如果方向向量direction在某一坐标轴方向的状态为递减，则对应的向量step[3]在该坐标轴方向的分量为-1；如果方向向量direction在某一坐标轴方向的状态为不变，则对应的向量step[3]在该坐标轴方向的分量为0。这样，可以利用状态向量step[3]来描述光束的传播方向的状态。

之后，可以根据方向向量direction计算由起始点pointo[3]到与沿光束方向与起始点pointo[3]之间的距离为一个网格宽度的点的第一向量tdelta[3]。第一向量tdelta[3]中沿坐标轴x的分量表示沿光束方向移动一个网格宽度的长度时，起始点需要沿坐标轴x的方向移动的距离，第一向量tdelta[3]中沿坐标轴y的分量表示沿光束方向移动一个网格宽度的长度时，起始点需要沿坐标轴y的方向移动的距离，第一向量tdelta[3]中沿坐标轴z的分量表示沿光束方向移动一个网格宽度的长度时，起始点需要沿坐标轴z的方向移动的距离。

而后，将起始点所在的路径网格作为初始的当前路径网格，计算光束从初始的当前路径网格到位于光束的路径上且与初始的当前路径网格相邻的路径网格的第二向量tmax[3]。这里的tmax[3]中沿坐标轴x、y、z的分量分别表示从当前的点沿坐标轴x、y、z的方向上到达另一个网格的最近距离。

之后，可以循环执行如下光束追踪操作并记录每一个循环中的得出的当前路径网格的坐标参数，直至当前路径网格与目标数据点所在的网格重合：根据当前路径网格的坐标参数和第一向量计算光束从当前路径网格到位于光束的路径上且与当前路径网格相邻的路径网格的第二向量，根据第二向量确定根据第二向量确定位于光束的路径上且与当前路径网格相邻的路径网格的坐标参数，并将位于光束的路径上且与当前路径网格相邻的路径网格设置为当前路径网格。

具体地，在根据第二向量确定位于光束的路径上且与当前路径网格相邻的路径网格的坐标参数时，可以首先确定出第二向量在三个坐标轴x、y、z方向的分量中的最小分量对应的方向，例如为坐标轴x的方向，若当前路径网格pointlast[3]的坐标参数为(x0，y0，z0)则位于光束的路径上且与当前路径网格相邻的路径网格pointnext[3]的坐标参数为pointnext[dim]＝pointlast[dim]+step[dim]，这里dim可以表示沿坐标轴x的分量(若第二向量在三个坐标轴x、y、z方向的分量中的最小分量对应的方向为坐标轴y或z的方向，则对应的dim表示沿坐标轴y或z的分量)，例如step[3]＝(1，-1，-1)时，位于光束的路径上且与当前路径网格相邻的路径网格的坐标参数为(x0+1，y0，z0)，之后将tmax[3]中沿坐标轴x的分量增加第一向量tdelta[3]中沿坐标轴x的分量。

进一步地，车载激光雷达的测量中心的位置信息可以包括车载激光雷达在车载惯导系统坐标系中的坐标参数，目标数据点的位置信息包括目标数据点在三维空间坐标系中的坐标参数；则在计算方向向量时，可以利用已标定的车载惯导系统坐标系与三维空间坐标系的坐标转换参数，将车载激光雷达的测量中心的坐标参数转换至三维空间坐标系中，并根据车载激光雷达的测量中心在三维空间坐标系中的坐标参数和目标数据点的坐标参数计算方向向量。

步骤302，根据各数据点的位置信息统计各路径网格中的数据点的数量。

在确定出目标数据点对应的路径网格之后，可以统计激光点云数据中落入各路径网格内的数据点的数量。当落入路径网格中的数据点的数量较多时，路径网格为静态网格的概率较高，反之当落入路径网格中的数据点的数量较少时，路径网格为静态网格的概率较低。本实施例中对各路径网格的中的数据点的数量进行统计，可以作为路径网格的状态概率计算的其中一个计算因子。

步骤303，对目标数据点对应的各路径网格，将初始状态概率作为初始的当前状态概率，根据路径网格的位置信息、路径网格中的数据点的数量以及路径网格的当前状态概率，确定路径网格基于目标数据点的状态概率，并将路径网格基于目标数据点的状态概率设置为路径网格的当前状态概率。

在本实施例中，可以基于各目标数据点更新对应的路径网格的状态概率。如果一个网格为与多个目标数据点对应的路径网格，则该网格的状态概率可以被多次更新。

具体来说，对于目标数据点对应的路径网格，可以根据路径网格的位置信息确定该路径网格是否为扫描到目标数据点的光束的终点，或者说根据路径网格的位置信息确定该路径网格是否为目标数据点所在的网格，若是，则可以在初始状态概率的基础上增大该路径网格的状态概率；或者路径网格中的数据点的数量大于设定的数量阈值时，可以增大该路径网格的状态概率，反之则减小该路径网格的状态概率。

在一些可选的实现方式中，可以按照式(1)计算位于扫描到目标数据点pi的光束的路径上的路径网格cj基于目标数据点pi的状态概率βcj，pi为：

其中，βcj，pi-1为路径网格cj的当前状态概率，也即为路径网格cj基于目标数据点pi-1的状态概率，βm，pi为由依据路径网格cj的位置信息确定出的目标数据点pi与路径网格的相对位置关系设定的参数，可以是预先设定的值，weight为根据路径网格cj的位置信息、路径网格cj中的数据点的数量确定的权重参数。进一步地，权重参数weight可以利用式(2)计算得出：

其中，ncj为路径网格cj中的数据点的数量，scj,pi-1为由路径网格cj的位置信息判断数据点pi-1是否位于路径网格cj内的判断结果确定的参数，当scj,pi-1＝1时表示数据点pi-1位于路径网格cj内，scj,pi-1＝0时表示数据点pi-1不位于路径网格cj内，nthr为预设的状态稳定阈值。

这样，在路径网格的状态概率更新过程中，利用各路径网格中数据点的数量以及光束通过网格时的状态设定权重参数，当路径网格中的数据点的数量较多且路径网格为对应的目标数据点所在的网格，其权重参数较大；当路径网格中的数据点数量较少且路径网格不是对应的目标数据点所在的网格权重参数较小；并且当路径网格中的数据点的数量达到状态稳定阈值之后权重参数weight＝0，则代入式(1)可知，βcj，pi＝βcj，pi-1，即路径网格cj的状态概率已经达到稳定值，不再进行更新。这样，可以保证包含动态目标的网格可以被准确地滤除，并且缩小了激光光束被离散化至各路径网格之后所产生的误差对网格状态概率更新的影响。

请参考图4，其示出了根据本申请实施例的更新各路径网格的状态概率的实际场景的流程示意图。

如图4所示，首先，如步骤401，可以从激光点云数据中确定出第一个目标数据点，然后在步骤402中根据目标数据点进行光束追踪，得到光束经过的包含多个路径网格的路径网格集合，之后在步骤403中选择一个路径网格，基于目标数据点的位置信息以及选择的路径网格中的数据点的数量对该路径网格的状态概率进行更新，之后在步骤404中判断目标数据点对应的路径网格是否均更新完毕(即判断是否为目标数据点对应的最后一个路径网格)，若否，则返回步骤403选择下一个路径网格进行状态概率的更新；若是则在步骤405中判断激光点云数据中的数据点是否全部计算完毕(即判断是否为最后一个数据点)，若否，则返回步骤401确定出下一个目标数据点进行计算。在对目标数据点计算完毕后，得到各网格的状态概率。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于生成地图的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于生成地图的装置500包括获取单元501、映射单元502、确定单元503、更新单元504以及滤除单元505。获取单元501配置用于获取车载激光雷达采集的三维激光点云数据，三维激光点云数据包括多个数据点的位置信息；映射单元502配置用于将各数据点映射至包括在三维空间坐标系中构建的多个网格的网格地图中；确定单元503配置用于根据各网格包含的数据点的数量确定各网格的初始状态概率；更新单元504配置用于基于各数据点的位置信息更新对应的各路径网格的状态概率，其中，路径网格包括位于扫描到对应的数据点的光束的路径上的网格；滤除单元505配置用于将状态概率低于预设阈值的网格中的数据点从网格地图中滤除。

在本实施例中，获取单元501可以通过有线或无线连接方式从数据采集车辆或其他设备获取由车载激光雷达采集的三维激光点云数据。三维激光点云数据可以包括多个数据点，以及各数据点的位置信息和反射值。

映射单元502可以在三维空间坐标系中构建多个三维网格，并根据数据点的位置信息将获取单元501获取到的三维激光点云映射至三维网格中。该三维空间坐标系可以为utm坐标系。

在一些实施例中，上述网格包括三维网格，映射单元502进一步配置用于按照如下方式将各数据点映射至包括多个网格的网格地图中：将三维空间坐标系划分为多个三维网格，并根据数据点的位置信息将各数据点映射至三维网格中；将三维空间坐标系的其中两个坐标轴所在的平面划分为多个二维网格，并创建二维网格的属性信息表；将各三维网格及其中的数据点关联地存储在对应的二维网格的属性信息表中；其中，各三维网格向平面的正投影与对应的二维网格相重合。

确定单元503可以基于落入各网格的数据点的数量来确定各网格的状态概率的初始值，作为初始状态概率。落入网格的数据点的数量越多，则网格的初始状态概率越高。

更新单元504可以将车载激光雷达的测量中心与数据点的连线所经过的各网格确定为该数据点对应的路径网格，利用数据点的位置信息确定出对应的路径网格的位置信息，并每个路径网格，基于数据点的位置信息及路径网格的位置信息计算其状态概率。不同数据点对应的路径网格可能有交叉，即同一个路径网格可以对应多个数据点，则更新单元可以利用多个数据点对同一个路径网格的状态概率进行多次更新。

在一些实施例中，更新单元504可以包括计算模块，计算模块配置用于依次将每个数据点作为目标数据点，根据目标数据点的位置信息计算目标数据点对应的路径网格的状态概率。进一步地，计算模块进一步配置用于按照如下方式计算目标数据点对应的路径网格的状态概率：根据目标数据点的位置信息确定对应的各路径网格的位置信息；根据各数据点的位置信息统计各路径网格中的数据点的数量；对目标数据点对应的各路径网格，将初始状态概率作为初始的当前状态概率，根据路径网格的位置信息、路径网格中的数据点的数量以及路径网格的当前状态概率，确定路径网格基于目标数据点的状态概率，并将路径网格基于目标数据点的状态概率设置为路径网格的当前状态概率。

在一些实施例中，网格地图包括每个网格的坐标参数；上述计算模块可以进一步配置用于按照如下方式确定对应的各路径网格的位置信息：以车载激光雷达的测量中心为光束的起始点，目标数据点为光束的终点，根据预先获取的车载激光雷达的测量中心的位置信息和目标数据点的位置信息计算光束的方向向量；根据方向向量计算由起始点到与沿光束方向与起始点之间的距离为一个网格宽度的点的第一向量；以车载激光雷达的测量中心所在的网格为初始的当前路径网格，执行光束追踪步骤，光束追踪步骤包括：根据当前路径网格的坐标参数和第一向量计算光束从当前路径网格到位于光束的路径上且与当前路径网格相邻的路径网格的第二向量，根据第二向量确定位于光束的路径上且与当前路径网格相邻的路径网格的坐标参数，并将位于光束的路径上且与当前路径网格相邻的路径网格设置为当前路径网格，判断当前路径网格与目标数据点所在的网格是否重合；若当前路径网格与目标数据点所在的网格不重合，则继续执行光束追踪步骤。

在进一步的实施例中，车载激光雷达的测量中心的位置信息包括车载激光雷达在车载惯导系统坐标系中的坐标参数，目标数据点的位置信息包括目标数据点在三维空间坐标系中的坐标参数。这时，上述计算模块可以进一步配置用于按照如下方式计算光束的方向向量：利用已标定的车载惯导系统坐标系与三维空间坐标系的坐标转换参数，将车载激光雷达的测量中心的坐标参数转换至三维空间坐标系中；根据车载激光雷达的测量中心在三维空间坐标系中的坐标参数和目标数据点的坐标参数计算方向向量。

在一些实施例中，上述计算模块进一步配置用于按照如下方式确定路径网格基于目标数据点的状态概率：位于扫描到目标数据点pi的光束的路径上的路径网格cj基于目标数据点pi的状态概率βcj，pi为：

其中，βcj，pi-1为路径网格cj的当前状态概率，βm，pi为依据由路径网格cj的位置信息确定出的目标数据点pi与路径网格的相对位置关系设定的参数，weight为根据路径网格cj的位置信息、路径网格cj中的数据点的数量确定的权重参数。

在一些实施例中，上述计算模块进一步配置用于按照如下方式确定权重参数weight：

其中，ncj为路径网格cj中的数据点的数量，scj,pi-1为由路径网格cj的位置信息判断数据点pi-1是否位于路径网格cj内的结果确定的参数，当scj,pi-1＝1时表示数据点pi-1位于路径网格cj内，scj,pi-1＝0时表示数据点pi-1不位于路径网格cj内，nthr为预设的状态稳定阈值。

在更新单元对所有的数据点计算完毕之后，滤除单元505可以将各网格的状态概率与预设的阈值相比较，当网格的状态概率低于预设的阈值时，可以确定网格为动态网格，或者可以确定网格中包含动态目标，进而可以将动态网格或包含动态目标的网格中的数据点从网格地图中滤除，以生成仅包含静态目标的地图。

应当理解，装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。

本申请上述实施例提供的用于生成地图的装置500，利用获取的激光点云数据构建网格地图并基于网格地图中各网格内的数据点数量确定各网格的初始状态概率，之后更新每个数据点的路径网格的状态概率，最后将状态概率低于预设的阈值的网格中的数据点从网格地图中滤除，利用了网格中的数据点数量的先验信息，保证状态概率已经达到稳定值的网格中的数据点不会被滤除，而状态概率不稳定的网格中的状态概率可以利用先验信息以及各数据点的位置信息进行更新，提升了网格地图的精度。

下面参考图6，其示出了适于用来实现本申请实施例的设备的计算机系统600的结构示意图。图6示出的设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、映射单元、确定单元、更新单元和滤除单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取车载激光雷达采集的三维激光点云数据的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取车载激光雷达采集的三维激光点云数据，所述三维激光点云数据包括多个数据点的位置信息；将各所述数据点映射至包括在三维空间坐标系中构建的多个网格的网格地图中；根据各所述网格包含的数据点的数量确定各所述网格的初始状态概率；基于各所述数据点的位置信息更新对应的各路径网格的状态概率，其中，所述路径网格包括位于扫描到对应的数据点的光束的路径上的网格；将所述状态概率低于预设阈值的网格中的数据点从所述网格地图中滤除。。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。