一种车辆三维地图道路的高程匹配方法及系统与流程

本发明涉及图形数据处理，尤其涉及一种车辆三维地图道路的高程匹配方法及系统。

背景技术：

1、初始阶段的高程匹配方法主要依赖于车载传感器（如gps、激光雷达）获取道路高程数据，并通过单点匹配的方式将车辆位置与地图道路进行匹配。然而，该方法存在高程数据稀疏、噪声干扰和定位误差问题，导致匹配准确性不高。为了提高匹配精度，发展出了基于特征点的局部匹配方法。该方法通过提取车辆传感器数据和地图数据中的特征点，如边缘、角点，进行匹配。然而，该方法在处理复杂道路拓扑结构和非线性高程变化时仍存在一定困难。随着滤波算法的发展，出现了基于滤波的全局匹配方法，如粒子滤波、卡尔曼滤波。这些方法通过建立状态估计模型，将车辆状态与地图道路进行优化匹配。然而，由于道路的非线性特征和复杂性，该方法在处理道路拓扑结构和动态环境时仍存在一定困难。

技术实现思路

1、基于此，有必要提供一种车辆三维地图道路的高程匹配方法及系统，以解决至少一个上述技术问题。

2、为实现上述目的，一种车辆三维地图道路的高程匹配方法，包括以下步骤：

3、步骤s1：获取车辆环境点云数据；对车辆环境点云数据进行栅格状态分析，得到道路路况数据；获取车载图像；对车载图像进行盲去卷积修复，生成去模糊车载图像；

4、步骤s2：对去模糊车载图像进行三维建模，生成车路场景模型；基于车路场景模型对去模糊车载图像进行车辆横向偏移定位，生成车辆横向位置数据；

5、步骤s3：对去模糊车载图像进行车道变化分析，生成车道变化幅度数据；对去模糊车载图像进行路面坡度分析，生成车道坡度变化数据；对车道变化幅度数据和车道坡度变化数据进行车道拓扑地貌分析，得到车道地貌特征数据；

6、步骤s4：对去模糊车载图像和车道地貌特征数据进行三维地图构建，生成静态物理三维地图；基于道路路况数据和车辆横向位置数据对静态物理三维地图进行动态修正，得到车辆三维地图；获取卫星高程数据；基于车辆三维地图对卫星高程数据进行高程修正，得到修正高程三维地图。

7、本发明通过栅格状态分析，从车辆环境点云数据中提取道路路况数据。这些数据可以提供关于道路表面状况、障碍物和交通标志信息，为地图构建提供重要的参考，通过盲去卷积修复车载图像，去除模糊效果，得到清晰的车载图像。这可以提高图像的质量和可用性，使得后续的三维建模和分析步骤更加准确和可靠。基于去模糊车载图像，进行三维建模，生成车路场景模型。这样的建模可以提供车辆周围环境的几何信息，包括道路、建筑物和其他物体的三维表示，为后续的车辆定位和地貌分析提供基础。利用车路场景模型，对去模糊车载图像进行横向偏移定位，得到车辆在道路中的横向位置数据。这可以在车辆三维地图的构建中提供准确的车辆位置信息，帮助生成与车辆位置对应的地图特征。通过对去模糊车载图像进行车道变化分析和路面坡度分析，得到车道变化幅度数据和车道坡度变化数据。结合车道地貌分析，可以提取车道地貌特征数据，进一步丰富车辆三维地图的信息内容。基于静态物理三维地图，结合道路路况数据和车辆横向位置数据，对地图进行动态修正，生成车辆三维地图。这可以保持地图的实时性和准确性，反映出道路的变化和车辆的位置信息。利用卫星高程数据，对车辆三维地图进行高程修正，得到修正高程三维地图。这可以提供更准确的地面高程信息，对车辆定位和路径规划应用具有重要意义。因此，本发明通过综合利用多种数据源和分析方法，实现了对静态物理三维地图和车辆三维地图的增量建图和修正，为车辆导航、自动驾驶应用提供了更准确和实时的地图信息。

8、在本说明书中，提供了一种车辆三维地图道路的高程匹配系统，用于执行如上所述的车辆三维地图道路的高程匹配方法，该车辆三维地图道路的高程匹配系统包括：

9、车载图像获取模块，用于获取车辆环境点云数据；对车辆环境点云数据进行栅格状态分析，得到道路路况数据；获取车载图像；对车载图像进行盲去卷积修复，生成去模糊车载图像；

10、车辆位置定位模块，用于对去模糊车载图像进行三维建模，生成车路场景模型；基于车路场景模型对去模糊车载图像进行车辆横向偏移定位，生成车辆横向位置数据；

11、车道地貌分析模块，用于对去模糊车载图像进行车道变化分析，生成车道变化幅度数据；对去模糊车载图像进行路面坡度分析，生成车道坡度变化数据；对车道变化幅度数据和车道坡度变化数据进行车道拓扑地貌分析，得到车道地貌特征数据；

12、地图高程匹配模块，用于对去模糊车载图像和车道地貌特征数据进行三维地图构建，生成静态物理三维地图；基于道路路况数据和车辆横向位置数据对静态物理三维地图进行动态修正，得到车辆三维地图；获取卫星高程数据；基于车辆三维地图对卫星高程数据进行高程修正，得到修正高程三维地图。

13、本发明的有益之处在于获取车辆环境点云数据和车载图像，为后续三维地图构建提供了必要的原始数据，通过栅格状态分析和盲去卷积修复，得到准确的道路路况数据和清晰的车载图像，为地图构建提供了可靠的基础数据。利用去模糊车载图像进行三维建模，生成车路场景模型，能够准确地表征车辆周围的环境，基于车路场景模型进行车辆横向偏移定位，可以精确定位车辆的横向位置，为后续地图修正提供准确的参考。对车道变化幅度和路面坡度进行分析，可以捕捉到道路的变化情况和地貌特征，车道拓扑地貌分析得到的特征数据，有助于更精确地描述车辆行驶路线和道路环境。利用车载图像和地貌特征数据进行三维地图构建，生成静态物理三维地图，提供了精确的道路信息和地形特征，基于道路路况数据和车辆横向位置数据对静态物理三维地图进行动态修正，保持地图信息的实时性和准确性。利用卫星高程数据进行高程修正，得到的修正高程三维地图能够更好地反映实际地形，提高了地图的精度和可用性，有助于在车辆三维地图道路的高程匹配方法背景下，提供精确、实时的三维地图数据，为车辆导航和自动驾驶应用提供了可靠的支持。因此，本发明通过综合利用多种数据源和分析方法，实现了对静态物理三维地图和车辆三维地图的增量建图和修正，为车辆导航、自动驾驶应用提供了更准确和实时的地图信息。

技术特征：

1.一种车辆三维地图道路的高程匹配方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的车辆三维地图道路的高程匹配方法，其特征在于，步骤s1包括以下步骤：

3.根据权利要求1所述的车辆三维地图道路的高程匹配方法，其特征在于，步骤s2包括以下步骤：

4.根据权利要求3所述的车辆三维地图道路的高程匹配方法，其特征在于，步骤s23包括以下步骤：

5.根据权利要求1所述的车辆三维地图道路的高程匹配方法，其特征在于，步骤s3包括以下步骤：

6.根据权利要求5所述的车辆三维地图道路的高程匹配方法，其特征在于，步骤s32包括以下步骤：

7.根据权利要求5所述的车辆三维地图道路的高程匹配方法，其特征在于，步骤s34包括以下步骤：

8.根据权利要求1所述的车辆三维地图道路的高程匹配方法，其特征在于，步骤s4包括以下步骤：

9.根据权利要求8所述的车辆三维地图道路的高程匹配方法，其特征在于，步骤s43包括以下步骤：

10.一种车辆三维地图道路的高程匹配系统，其特征在于，用于执行如权利要求1所述的车辆三维地图道路的高程匹配方法，该车辆三维地图道路的高程匹配系统包括：

技术总结
本发明涉及图形数据处理技术领域，尤其涉及一种车辆三维地图道路的高程匹配方法及系统。所述方法包括以下步骤：获取车辆环境点云和车载图像，分析得到道路路况数据。修复车载图像生成清晰图像。进行三维建模和车辆横向定位，生成车路场景模型和横向位置数据。分析车道变化和路面坡度，得到变化数据和地貌特征。构建静态物理三维地图，通过动态修正和高程数据得到车辆三维地图。本发明通过综合利用多种数据源和分析方法，实现了对静态物理三维地图和车辆三维地图的增量建图和修正，为车辆导航、自动驾驶应用提供了更准确和实时的地图信息。

技术研发人员：张德,王荣玖
受保护的技术使用者：万联易达物流科技有限公司
技术研发日：
技术公布日：2024/8/16