本发明涉及图像识别及处理技术领域,具体涉及一种基于高精轨迹数据测量绘制高精地图数据方法。
背景技术:
激光点云图是通过激光雷达获取数据生成图像,激光雷达成像图受周边环境、天气等因素影响会对成像有较大误差,不能满足高精度数据生成。最主要激光雷达检测不了车道线;识别不了交通标识,从而人无法从激光点云图上绘制识取车道线,交通标识牌等重要地图数据信息,而且激光设备价格比较高昂。相机图像不会存在激光成像的问题,相机成像图涵盖了人眼可以看到的所人三维地图信息,在人工数据制作只需要根据图像绘制就可以,而且相对激光设备相机的成本要低的多。
技术实现要素:
本发明的目的在于提供一种基于高精轨迹数据测量绘制高精地图数据方法,用以解决现有激光点云图成本价格比较高昂的问题。
为实现上述目的,本发明的技术方案为
一种基于高精轨迹数据测量绘制高精地图数据方法,包括以下步骤:
步骤s1、基于图像采集设备采集图像信息及图像采集点的gps信息,对图像信息进行相机标定,得到相机参数与畸变参数;
步骤s2、根据图像采集点的gps信息与相机参数,生成采集点坐标于世界坐标的旋转矩阵r;
步骤s3、根据相机参数与畸变参数对图像信息进行去畸变处理,得到无畸变图像;
步骤s4、在无畸变图像上标记物体轮廓的几何形状标记点,获取几何形状标记点所对应无畸变图像上的像素坐标;
步骤s5、根据gps信息与像素坐标生成高精地图数据。
进一步的实施例,所述相机标定为张氏标定法。
进一步的实施例,所述步骤s2中生成采集点坐标于世界坐标的旋转矩阵r的方法为根据gps信息与相机参数,生成图像采集设备坐标于世界坐标(x,y,z)的旋转矩阵r,公式如下;
其中,x,y,z分别代表世界坐标轴,ψ,φ,θ均代表相对应坐标轴的旋转角度。
进一步的实施例,所述去畸变处理的方法为
a、将图像信息的像素坐标系通过相机参数中的内参矩阵转换到相机坐标系:
y=(u-u0)/fy;
x=(v-v0)/fx;
b、在相机坐标系下进行去畸变操作;
r=x2+y2;
x'=x*(1+k1*r+k2*r2+k3*r3)+2*p1*x*y+p2*(r+2*x2);
y′=y*(1+k1*r+k2*r2+k3*r3)+2*p2*x*y+p1*(r+2*y2);
c、去畸变操作结束后,将相机坐标系重新转换到图像像素坐标系;
x″=x′*fx+u0;
y″=y′*fy+v0;
d、并用图像信息的像素值对去畸变图像的像素点进行插值;
h=x″;
w=y″;
i2(u,v)=([w+1]-w)*([h+1]-h)*i1([h],[w])
+((w+1)-w)*(h-[h])*i1([h+1],[w])
+(w-[w])*([h+1]-h)*i1([h],[w+1])
+(w-[w])*(h-[h])*i1([h+1],[w+1])
其中,[]是取整,i2是去畸变图像,i1是源图像。
进一步的实施例,所述步骤s5中使用像素坐标计算得到经纬度坐标,根据经纬度坐标匹配gps位置,调取对应gps位置的高程值,生成包含经纬度坐标及高程值的高精地图数据。
本发明具有如下优点:
所述基于高精轨迹数据测量绘制高精地图数据方法于现有高精地图数据绘制优势在于不在依赖于激光点云图,可以直接根据高精轨迹相机相片直接进行绘制和数据提取,不在需要激光点云图和相机图片辅助绘制提取数据。
附图说明
图1是本发明实施例所述的基于高精轨迹数据测量绘制高精地图数据方法的外部结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面将参照附图和具体实施例对本发明作进一步的说明。
如图1所示,本发明实施例的一种基于高精轨迹数据测量绘制高精地图数据方法,包括以下步骤:
步骤s1、基于图像采集设备采集图像信息及图像采集点的gps信息,对图像信息进行相机标定,得到相机参数与畸变参数;
步骤s2、根据图像采集点的gps信息与相机参数,生成采集点坐标于世界坐标的旋转矩阵r;
步骤s3、根据相机参数与畸变参数对图像信息进行去畸变处理,得到无畸变图像;
步骤s4、在无畸变图像上标记物体轮廓的几何形状标记点,获取几何形状标记点所对应无畸变图像上的像素坐标;
步骤s5、根据gps信息与像素坐标生成高精地图数据。
下面分别对上述各个步骤中的方法展开阐述其具体原理方法:
步骤s1、基于图像采集设备采集图像信息及图像采集点的gps信息,对图像信息进行相机标定,得到相机参数与畸变参数;本实施例中的图像采集设备优选为单目相机或双目相机,其中相机为工业相机;所述相机标定为张氏标定法,张氏标定法为现有技术,这里不在赘述。
步骤s2、根据图像采集点的gps信息与相机参数,生成采集点坐标于世界坐标的旋转矩阵r,其中生成旋转矩阵r的方法为:
根据gps信息与相机参数,生成图像采集设备坐标于世界坐标(x,y,z)的旋转矩阵r,公式如下;
其中,x,y,z分别代表世界坐标轴,ψ,φ,θ均代表相对应坐标轴的旋转角度。
步骤s3、根据相机参数与畸变参数对图像信息进行去畸变处理,得到无畸变图像,其中所述去畸变处理的具体方法为:
前述通过相机标定获取了相机的内参矩阵和畸变系数分别为
内参矩阵
畸变系数
d=[k1k2k3p1p2]
=[-0.37848723359140.00411334402276-0.00079763894420-0.00187350951780]
则各参数如下:
fx=a(1,1);%fx和fy分别是f/dx,f/dy;
fx=a(2,2);%
u0=a(1,3);%cx和cy光心位置,而光心位置cx,cy与分辨率有关;
v0=a(2,3);%
k1=d(1);%1阶径向畸变系数;
k2=d(2);%2阶径向畸变系数;
k3=d(3);%3阶径向畸变系数;
p1=d(4);%1阶径向畸变系数;
p2=d(5);%2阶径向畸变系数;
去畸变处理如下:
a、将图像信息的像素坐标系通过相机参数中的内参矩阵转换到相机
坐标系:
y=(u-u0)/fy;
x=(v-v0)/fx;
b、在相机坐标系下进行去畸变操作;
r=x2+y2;
x'=x*(1+k1*r+k2*r2+k3*r3)+2*p1*x*y+p2*(r+2*x2);
y'=y*(1+k1*r+k2*r2+k3*r3)+2*p2*x*y+p1*(r+2*y2);
c、去畸变操作结束后,将相机坐标系重新转换到图像像素坐标系;
x″=x′*fx+u0;
y″=y′*fy+v0;
d、并用图像信息的像素值对去畸变图像的像素点进行插值;
h=x″;
w=y″;
i2(u,v)=([w+1]-w)*([h+1]-h)*i1([h],[w])
+((w+1)-w)*(h-[h])*几([h+1],[w])
+(w-[w])*([h+1]-h)*i1([h],[w+1])
+(w-[w])*(h-[h])*i1([h+1],[w+1])
其中,[]是取整,i2是去畸变图像,i1是源图像。
步骤s4、在无畸变图像上标记物体轮廓的几何形状标记点,获取几何形状标记点所对应无畸变图像上的像素坐标。物体轮廓含有指示标线、禁止标线、警告标线以及地面上的文字或者数字标识。
步骤s5、根据gps信息与像素坐标生成高精地图数据。更具体的,所述步骤s5中使用像素坐标计算得到经纬度坐标,根据经纬度坐标匹配gps位置,调取对应gps位置的高程值,生成包含经纬度坐标及高程值的高精地图数据。
最后应说明的是:以上所述的各实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。