摘要
本发明提出了一种面向自动代客泊车(AVP)场景设计的轻量化语义点云建图方法。该方法仅依赖于相机和IMU采集的信息降低了系统的成本。首先,使用已标注的停车场数据训练语义分割模型,并将其转换为ONNX格式以增强兼容性。通过前向推理,语义分割节点实时处理图像,提取语义信息并传递给建图节点。在建图过程中,引入大坡度检测算法平滑图像帧,对语义信息执行逆透视变换,生成连通区域信息。通过计算各语义特征,识别适合拟合曲线的点集,将这些点映射到世界坐标系中,构建点云地图。闭环修正模块校正位姿估计误差和优化点云地图质量,最终输出全局点云地图。
技术关键词
点云地图
相机
泊车
坐标系
矩阵
滑动窗口
语义特征
特征值
车道
场景
图像
估计误差
停车场环境
停车场数据
元素
语义分割模型
曲线
线性
系统为您推荐了相关专利信息
三维环境重建
多传感器融合
深度相机
像素点
三维地图数据库
机柜U位
融合方法
计算机视觉识别
矫正
计算机视觉技术
深度检测网络
特征提取网络
噪声事件
点云
事件相机
深度图像生成方法
位置映射关系
计算机可读程序
图像生成装置
像素
电力负荷预测模型
短期负荷预测方法
层级
短期负荷预测系统
短期电力负荷预测