点云地图的矢量化、矢量地图转化点云地图的方法和装置

摘要

本发明实施例公开了一种点云地图的矢量化、矢量地图转化点云地图的方法和装置，其中，点云地图的矢量化方法包括：对点云地图中的每个地图点进行局部几何结构估计，得到每个地图点对应的局部平面和局部曲面；将各地图点的局部平面和局部曲面进行聚类融合，得到属于同一类的地图点对应的融合局部平面和融合局部曲面；将属于同一类的地图点投影到所属类对应的融合局部平面，得到投影图像，并从所述投影图像中提取投影位置对应的二维多边形，以形成矢量地图；其中，属于同一类的地图点对应的融合局部平面和融合局部曲面用于将矢量地图转换为点云地图。通过采用上述技术方案，提升了矢量地图的压缩比，使得压缩后的矢量地图仅占用很小的存储。

说明书

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种点云地图的矢量化、矢量地图转化点云地图的方法和装置。

背景技术

三维语义点云是高精度地图的常用表现形式，它由大量的三维点组成，每个点包含准确的三维位置信息和语义类别信息，可直接通过进行点云匹配或图像匹配进行高精度的车身姿态定位。然而，点云地图的表达形式数据量巨大，不利于地图数据的高效存储和传输，严重影响地图大规模量产产品的可行性。

目前，三维点云地图的矢量化方案主要在地图产品的生产线上进行应用，通过人工手段或者矢量化算法，使用三维的多点折线(polyline)、曲线或多边形来表示具有语义的地面标线、地上牌杆等地图元素及他们之间的拓扑关系。

现有的矢量化算法对地图元素抽象后丢失了点云的原始信息，无法恢复原始点云，从而难以为定位层直接法匹配所使用。并且，现有的矢量化算法主要关注元素间拓扑关系的正确性，而非关注元素本身三维几何信息的准确度，尤其是手工生成矢量图的方法，其几何准确度较差，不适用于地下车库等定位场景对地图高精度的要求。

发明内容

本发明实施例公开一种点云地图的矢量化、矢量地图转化点云地图的方法和装置，实现了高精度、高压缩比的点云地图与矢量地图的相互转化，使得压缩后的矢量地图仅占用很小的存储。

第一方面，本发明实施例公开了一种点云地图的矢量化方法，该方法包括：

对点云地图中的每个地图点进行局部几何结构估计，得到每个地图点对应的局部平面和局部曲面；

将各地图点的局部平面和局部曲面进行聚类融合，得到属于同一类的地图点对应的融合局部平面和融合局部曲面；

将属于同一类的地图点投影到所属类对应的融合局部平面，得到投影图像，并从所述投影图像中提取投影位置对应的二维多边形，以形成矢量地图；

其中，属于同一类的地图点对应的融合局部平面和融合局部曲面作为所述矢量地图的要素，用于将所述矢量地图转换为点云地图。

可选的，将各地图点的局部平面和局部曲面进行聚类融合，得到属于同一类的地图点对应的融合局部平面和融合局部曲面，包括：

将任意一个地图点作为起始点，并将所有未聚类的地图点按照与所述起始点从近到远的距离进行排序，并依次将排序后的地图点添加到所述起始点的集合中；

将所述起始点对应的局部平面和局部曲面作为初始平面和初始曲面，并在每次添加未聚类的地图点之后，采用移动最小二乘法MLS对所述集合中的所有地图点进行局部几何结构估计，得到新的融合局部平面和融合局部曲面；

判断所述新的融合局部曲面与所述集合内各个地图点距离的最大值是否超过预设阈值；

如果未超过所述预设阈值，则将集合内的地图点作为同一类地图点，并将所述新的融合局部平面和融合局面曲面分别作为该类地图点对应的融合局部平面和融合局部曲面；

如果超过所述预设阈值，则将当前添加的地图点之前所添加的所有地图点作为同一类地图点，并将添加当前地图点之前所得到的融合局部平面和融合局部曲面分别作为该类地图点对应的局部曲面。

可选的，将属于同一类的地图点投影到所属类对应的融合局部平面，得到投影图像，包括：

将属于同一类的地图点投影到所属类对应的融合局部平面上，并将投影位置的像素值设置为255，其他位置的像素值设置为0，得到投影图像；

相应的，在得到所述投影图像之后，所述方法还包括：

对所述投影图像进行闭运算的形态学操作，得到二值图像；

相应的，从所述投影图像中提取投影位置对应的二维多边形之后，所述方法还包括：

提取所述二值图像上白色区域的边界，得到二维多边形；

基于拉默-道格拉斯-普克ramer-douglas-peucker算法，对所述二维多边形进行简化，得到顶点个数简化后的简化二维多边形，以形成矢量地图。

可选的，在得到顶点个数简化后的简化二维多边形之后，所述方法还包括：

在所述简化二维多边形的各个边上进行等间距地采样，得到多个采样点；

基于非线性优化算法，对所述简化二维多边形的顶点的位置进行优化，使得各采样点实际位置上的像素值与预设像素值差的平方和最小，以得到优化后的二维多边形。

可选的，将优化后的二维多边形的顶点通过所属融合局部平面和融合局部曲面进行反投影，得到三维位置；

根据所述三维位置确定优化后的二维多边形所对应的三维多边形，以使得所述矢量地图以三维的形式存在。

可选的，在形成矢量地图之后，所述方法还包括：

将所述矢量地图的相关信息进行存储；

其中，所述相关信息包括：每个地图点对应的局部平面和局部曲面、聚类后各类地图点分别对应的融合局部曲面、融合局部平面、建立在融合局部平面上的二维坐标系信息、所有二维多边形基于对应二维坐标系信息的二维坐标位置，二维多边形中各孔洞的二维顶点坐标以及各二维多边形分别对应的融合局部平面和融合局部曲面的序号。

可选的，在得到每个地图点对应的局部曲面之后，所述方法还包括：

将各地图点的位置投影到对应的局部曲面上，得到各地图点投影后的三维位置；

相应的，将属于同一类的地图点投影到所属类对应的融合局部平面，得到投影图像，包括：

将属于同一类的地图点对应的所述三维位置投影到所属类对应的融合局部平面，得到投影图像。

第二方面，本发明实施例还提供了一种点云地图矢量化的装置，应用于自动驾驶，该装置包括：

局部几何结构估计模块，被配置为对点云地图中的每个地图点进行局部几何结构估计，得到每个地图点对应的局部平面和局部曲面；

聚类融合模块，被配置为将各地图点的局部平面和局部曲面进行聚类融合，得到属于同一类的地图点对应的融合局部平面和融合局部曲面；

矢量地图形成模块，被配置为将属于同一类的地图点投影到所属类对应的融合局部平面，得到投影图像，并从所述投影图像中提取投影位置对应的二维多边形，以形成矢量地图；

其中，属于同一类的地图点对应的融合局部平面和融合局部曲面作为所述矢量地图的要素，用于将所述矢量地图转换为点云地图。

可选的，在形成矢量地图之后，所述装置还包括：

存储模块，被配置为将所述矢量地图的相关信息进行存储；

其中，所述相关信息包括：每个地图点对应的局部平面和局部曲面、聚类后各类地图点分别对应的融合局部曲面、融合局部平面、建立在融合局部平面上的二维坐标系信息、所有二维多边形基于对应二维坐标系信息的二维坐标位置，二维多边形中各孔洞的二维顶点坐标以及各二维多边形分别对应的融合局部平面和融合局部曲面的序号。

可选的，所述聚类融合模块，具体被配置为：

将任意一个地图点作为起始点，并将所有未聚类的地图点按照与所述起始点从近到远的距离进行排序，并依次将排序后的地图点添加到所述起始点的集合中；

将所述起始点对应的局部平面和局部曲面作为初始平面和初始曲面，并在每次添加未聚类的地图点之后，采用移动最小二乘法MLS对所述集合中的所有地图点进行局部几何结构估计，得到新的融合局部平面和融合局部曲面；

判断所述新的融合局部曲面与所述集合内各个地图点距离的最大值是否超过预设阈值；

如果未超过所述预设阈值，则将集合内的地图点作为同一类地图点，并将所述新的融合局部平面和融合局面曲面分别作为该类地图点对应的融合局部平面和融合局部曲面；

如果超过所述预设阈值，则将当前添加的地图点之前所添加的所有地图点作为同一类地图点，并将添加当前地图点之前所得到的融合局部平面和融合局部曲面分别作为该类地图点对应的局部曲面。

可选的，所述矢量地图形成模块，包括：投影单元、二值化单元和二维多边形提取单元；

其中，所述投影单元，被配置为将属于同一类的地图点投影到所属类对应的融合局部平面上，并将投影位置的像素值设置为255，其他位置的像素值设置为0，得到投影图像；

所述二值化单元，被配置为对所述投影图像进行闭运算的形态学操作，得到二值图像；

所述二维多边形提取单元，被配置为提取所述二值图像上白色区域的边界，得到二维多边形；

基于拉默-道格拉斯-普克ramer-douglas-peucker算法，对所述二维多边形进行简化，得到顶点个数简化后的简化二维多边形，以形成矢量地图。

可选的，所述装置还包括：

等间距采样模块，被配置为在所述简化二维多边形的各个边上进行等间距地采样，得到多个采样点；

二维多边形优化模块，被配置为基于非线性优化算法，对所述简化二维多边形的顶点的位置进行优化，使得各采样点实际位置上的像素值与预设像素值差的平方和最小，以得到优化后的二维多边形。

可选的，所述装置还包括：

反投影模块，被配置为将优化后的二维多边形的顶点通过所属融合局部平面和融合局部曲面进行反投影，得到三维位置；

三维矢量地图形成模块，被配置为根据所述三维位置确定优化后的二维多边形所对应的三维多边形，以使得所述矢量地图以三维的形式存在。

可选的，所述装置还包括：

三维位置确定模块，被配置为在得到每个地图点对应的局部曲面之后，将各地图点的位置投影到对应的局部曲面上，得到各地图点投影后的三维位置；

相应的，所述矢量地图形成模块，具体被配置为：

将属于同一类的地图点对应的所述三维位置投影到所属类对应的融合局部平面，得到投影图像，并从所述投影图像中提取投影位置对应的二维多边形，以形成矢量地图。

第三方面，本发明实施例还公开了一种矢量地图转化点云地图的方法，应用于自动驾驶，该方法包括：

对于矢量地图中的任意一个二维多边形，在其所属融合局部平面上，截取纵坐标从最小值到最大值之间，以设定步长形成的平行于横坐标的直线；

对于任意一条直线，在其所属二维多边形内部的线段上，以所述设定步长为间隔进行采样，得到多个二维点；

将所述多个二维点通过所属融合局部平面和融合局部曲面进行反投影，得到三维点云以形成点云地图；

其中，所述融合局部平面和融合局部曲面是在形成矢量地图的过程中，将各地图点的局部平面和局部曲面进行聚类融合得到的。

可选的，如果矢量地图以三维的形式存在，则将所述矢量地图中的每个三维多边形的各个顶点向其所属类的融合局部平面投影，得到二维多边形。

第四方面，本发明实施例还公开了一种矢量地图转化点云地图的装置，应用于自动驾驶，该装置包括：

直线截取模块，被配置为对于矢量地图中的任意一个二维多边形，在其所属融合局部平面上，截取纵坐标从最小值到最大值之间，以设定步长形成的平行于横坐标的直线；

采样模块，被配置为对于任意一条直线，在其所属二维多边形内部的线段上，以所述设定步长为间隔进行采样，得到多个二维点；

点云形成模块，被配置为将所述多个二维点通过所属融合局部平面和融合局部曲面进行反投影，得到三维点云以形成点云地图；

其中，所述融合局部平面和融合局部曲面是在形成矢量地图的过程中，将各地图点的局部平面和局部曲面进行聚类融合得到的。

可选的，如果矢量地图以三维的形式存在，则将所述矢量地图中的每个三维多边形的各个顶点向其所属类的融合局部平面投影，得到二维多边形。

第五方面，本发明实施例还提供了一种车载终端，包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明任意实施例所提供的点云地图的矢量化方法的部分或全部步骤。

第六方面，本发明实时还提供了一种车载终端，包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明任意实施例所提供的矢量地图转化点云地图的方法的部分或全部步骤。

第七方面，本发明实施例还提供了一种计算机可读存储介质，其存储计算机程序，所述计算机程序包括用于执行本发明任意实施例所提供的点云地图的矢量化方法的部分或全部步骤的指令。

第八方面，本发明实施例还提供了一种计算机可读存储介质，其存储计算机程序，所述计算机程序包括用于执行本发明任意实施例所提供的矢量地图转化点云地图的方法的部分或全部步骤的指令。

第九方面，本发明实施例还提供了一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行本发明任意实施例所提供的点云地图的矢量化方法的部分或全部步骤。

第十方面，本发明实施例还提供了一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行本发明任意实施例所提供的矢量地图转化点云地图的方法的部分或全部步骤。

本发明实施例提供的技术方案，通过将点云地图中的每个地图点估计出的局部平面和曲面进行聚类，可使得很多点对应一个多边形，这样可将属于同一类的三维地图点投影到所属融合局部平面上，以在融合局部平面上转化为二维图像。通过从二维图像中提取投影后位置对应的二维多边形，可得到矢量地图。在此过程中，通过对局部平面和局部曲面进行聚类，可提高该矢量地图的压缩比，节省存储量。此外，通过利用上述局部平面和局部曲面等信息，可将矢量地图以高准确度还原回点云地图。通过采用上述技术方案，实现了高精度、高压缩比的点云地图与矢量地图的相互转化，使得压缩后的矢量地图仅占用很小的存储空间，并且还可以很好地还原生成点云地图，从而不影响定位层对点云地图的使用。

本发明的发明点包括：

1、将点云地图中的每个地图点估计出的局部平面和曲面进行聚类，可使得很多点对应一个多边形，这样可将属于同一类的三维地图点投影到融合局部平面上，以在融合局部平面上转化为二维图像。通过从二维图像中提取投影后位置对应的多边形，可得到高精度、高压缩比的矢量地图，解决了现有技术中点云地图矢量化精度较差的问题，是本发明的发明点之一。

2、在形成矢量地图后，通过将矢量地图中的二维多边形离散采样，并在其所属融合局部曲面上进行反投影，可将矢量地图以高准确度还原为点云地图，实现了点云地图与矢量地图之间的相互转换，解决了现有技术中矢量地图无法恢复为原始点云的问题，是本发明的发明点之一。

3、在得到每个地图点对应的局部曲面之后，通过将各地图点的位置信息投影到对应的局部曲面上，以将投影到的三维位置取代原来的三维位置信息，从而可对含有噪声的点云进行去噪处理，得到平滑、干净的点云地图，是本发明的发明点之一。

4、通过采用ramer-douglas-peucker算法对矢量地图中的二维多边形进行简化，可得到顶点个数简化后的简化二维多边形，从而进一步提高矢量地图的压缩比，解决了在矢量地图存储的过程中存储量较大的问题，是本发明的发明点之一。

5、在对二维多边形进行简化后，通过采用非线性优化算法对简化二维多边形的顶点的位置进行优化，进一步提高了点云地图转换为矢量地图的准确度，是本发明的发明点之一。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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是本发明实施例提供的点云地图与矢量地图相互转换的总体流程图；

图2是本发明实施例提供的一种点云地图的矢量化方法的流程示意图；

图3是本发明实施例提供的一种点云地图的矢量化方法的流程示意图；

图4是本发明实施例提供的一种矢量地图转化为点云地图的方法的流程示意图；

图5是本发明实施例提供的一种点云地图矢量化的装置的结构示意图；

图6是本发明实施例提供的一种矢量地图转化为点云地图的装置的结构示意图；

图7是本发明实施例提供的一种车载终端的结构示意图。

具体实施方式

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，所描述的实施例仅是本发明一部分实施例，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他实施例，都属于本发明保护的范围。

需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

为了更加清楚、明白地解释各实施例的内容，下面先对本发明实施例提供的技术方案的工作原理进行简单介绍：

图1是本发明实施例提供的点云地图与矢量地图相互转换的总体流程图，如图1所示，本发明实施例的内容包括局部几何估计、矢量化和栅格化三部分。下面分别对各个部分进行简单介绍：

1、局部几何估计，目的是为点云地图中的每个地图点估计出局部的二维平面和局部曲面，从而可以将三维的地图点投影到局部二维平面上转化为二维图像，并可以将局部二维平面上的点反投影到三维空间中，得到三维点。

(1)初始估计。对于每一个地图的点，可通过MLS(Moving Least Squares，移动最小二乘)算法进行局部平面估计，得到对应于该点局部几何结构的局部平面以及局部曲面。

(2)曲面化处理。将每个地图的点的位置投影到估计出来的局部曲面上，以投影到的三维位置取代原来的三维位置信息。

(3)聚类处理。将邻近的地图点对应的局部平面和局部曲面进行聚类融合，得到属于同一类地图点对应的融合局部平面和融合局部曲面。

2、矢量化，目的是将点云地图转换为矢量地图。

(1)投影。将属于同一聚类的点投影到该聚类所属的融合局部平面上，投影到的像素值设为255，其余位置设为0，得到投影图像，并对该图像进行闭运算的形态学操作，得到黑白二值图像。

(2)二维多边形提取。在图像上确定白色部分(像素值为255)区域的边界，以二维多边形表示。

(3)二维多边形简化。使用Ramer-Douglas-Peucker(拉默-道格拉斯-普克)算法将二维多边形进行简化，得到顶点数更少的简化后二维多边形。

(4)二维多边形优化。在简化后的二维多边形各个边上等间距地采样若干点，认为这些点的像素值应为127.5，使用非线性优化算法，优化多边形各个顶点的二维位置，使得采样点实际位置上的像素值与理想值127.5的差的平方和最小。利用优化后的二维多边形可形成矢量地图。

进一步的，在得到矢量地图后，可以最小存储空间保存所有的矢量信息。

另外，可将所有优化后的二维多边形的顶点通过其所属的融合局部平面和融合曲面信息进行反投影，可得到三维位置，从而可得到三维矢量地图，用于可视化显示和质量检查等。

3、栅格化：将矢量地图还原为点云地图。

(1)投影。如果矢量地图以三维形式存在，则需要将矢量地图的每个三维多边形的各个顶点向其所属类的融合局部平面投影，得到二维多边形；如已经以二维形式存储则无需此步。

(2)采样。根据预告设定的采样密度值r，从平面上y取最小值到y取最大值之间以r为步长形成数条平行于x轴的直线。在每条直线上属于多边形内部的线段上，以r为间隔进行采点。从而得到多个二维点。

(3)反投影。将所有二维点通过其所属的融合局部平面和融合局部曲面信息进行反投影，得到三维位置，从而得到三维点云。

下面，分别对上述各个步骤的具体执行过程进行详细介绍。

实施例一

请参阅图2，图2是本发明实施例提供的一种点云地图的矢量化方法的流程示意图。该方法应用于自动驾驶中，可由点云地图的矢量化装置来执行，该装置可通过软件和/或硬件的方式实现，一般可集成在车载电脑、车载工业控制计算机(Industrial personalComputer，IPC)等车载终端中，本发明实施例不做限定。如图2所示，本实施例提供的方法具体包括：

110、对点云地图中的每个地图点进行局部几何结构估计，得到每个地图点对应的局部平面和局部曲面。

示例性的，可采用MLS算法对每个地图点进行局部几何结构估计，得到每个地图点对应的局部平面和局部曲面。

120、将各地图点的局部平面和局部曲面进行聚类融合，得到属于同一类的地图点对应的融合局部平面和融合局部曲面。

示例性的，聚类算法有多种，本实施例采用的聚类算法如下：

将任意一个地图点作为起始点，并将所有未聚类的地图点按照与该起始点从近到远的距离进行排序，并依次将排序后的地图点添加到该起始点的集合中；

将该起始点对应的局部平面和局部曲面作为初始平面和初始曲面，并在每次添加未聚类的地图点之后，采用移动最小二乘法对起始点集合中的所有地图点进行局部几何结构估计，得到新的融合局部平面和融合局部曲面；

判断新的融合局部曲面与起始点集合内的各个地图点距离的最大值是否超过预设阈值；

如果未超过该预设阈值，则将起始点集合内的地图点作为同一类地图点，并将得到的新的融合局部平面和融合局面曲面分别作为该类地图点对应的融合局部平面和融合局部曲面；

如果超过该预设阈值，则将当前添加的地图点之前所添加的所有地图点作为同一类地图点，并将添加当前地图点之前所得到的融合局部平面和融合局部曲面分别作为该类地图点对应的局部曲面。

本实施例中，通过采用聚类算法，可使得多个点云地图点可对应一个融合局部曲面和融合局部平面。相对于为每个地图点估计其局部曲面和局部平面的方式，本实施例通过聚类融合算法，可提高矢量地图的压缩比，以降低存储量。

此外，相对于现有技术而言，本实施例中，属于同一类的地图点对应的融合局部平面和融合局部曲面作为矢量地图的要素，用于将矢量地图以高准确度还原为点云地图，以不影响定位层对点云地图的使用。具体的还原过程可以为：

从矢量地图中提取二维多边形，通过该二维多边形所属的融合局部平面和融合局部曲面进行反投影，可得到三维位置，从而形成三维点云。

130、将属于同一类的地图点投影到所属类对应的融合局部平面，得到投影图像，并从该投影图像中提取投影位置对应的二维多边形，以形成矢量地图。

其中，矢量地图的各地图点之间存在一定的拓扑关系。该拓扑关系可通过矢量地图中的二维多边形来反映。本实施例中，通过将属于同一类的地图点投影到所属类对应的融合局部平面，可使地图点的三维位置转换为在所属融合局部平面上的二维位置。通过从投影图像中提取投影位置对应的二维多边形，可利用该二维多边形形成矢量地图。由于在形成该矢量地图的过程中，各地图点的局部平面和局部曲面进行了聚类融合，因此，可使得矢量地图的压缩比提高，存储量减小，即可以最小存储空间保存所有的矢量信息。利用这些矢量信息，可以将矢量地图以高准确度还原为三维点云地图。

具体的，在对矢量地图的相关信息进行存储时，需要存储的相关信息包括：每个地图点对应的局部平面和局部曲面、聚类后各类地图点分别对应的融合局部曲面、融合局部平面、建立在融合局部平面上的二维坐标系信息、所有二维多边形基于对应二维坐标系信息的二维坐标位置，二维多边形中各孔洞的二维顶点坐标以及各二维多边形分别对应的融合局部平面和融合局部曲面的序号。此外，还需存储如地图元素的语义类别等其他信息。

本发明实施例提供的技术方案，通过将点云地图中的每个地图点估计出的局部平面和曲面进行聚类，可使得很多点对应一个多边形，这样可将属于同一类的三维地图点投影到所属融合局部平面上，以在融合局部平面上转化为二维图像。通过从二维图像中提取投影后位置对应的二维多边形，可得到矢量地图。在此过程中，通过对局部平面和局部曲面进行聚类，可提高该矢量地图的压缩比，节省存储量。此外，通过利用上述局部平面和局部曲面等信息，可将矢量地图以高准确度还原回点云地图。通过采用上述技术方案，实现了高精度、高压缩比的点云地图与矢量地图的相互转化，使得压缩后的矢量地图仅占用很小的存储空间，并且还可以很好地还原生成点云地图，从而不影响定位层对点云地图的使用。

实施例二

请参阅图3，图3是本发明实施例提供的一种点云地图的矢量化方法的流程示意图。本实施例在上述实施例的基础上进行了优化，如图3所示，该方法包括：

201、对点云地图中的每个地图点进行局部几何结构估计，得到每个地图点对应的局部平面和局部曲面。

202、将各地图点的位置投影到对应的局部曲面上，得到各地图点投影后的三维位置。

本实施例中，将各地图点的位置投影到对应的局部曲面上，是为了对含有噪声的点云进行去噪处理，以得到平滑、干净的点云地图。

203、将各地图点的局部平面和局部曲面进行聚类融合，得到属于同一类的地图点对应的融合局部平面和融合局部曲面。

204、将属于同一类的地图点对应的三维位置投影到所属类对应的融合局部平面，并将投影到所属类对应的融合局部平面上的像素值设置为255，其他位置的像素值设置为0，得到投影图像。

205、对投影图像进行闭运算的形态学操作，得到二值图像。

206、提取二值图像上白色区域的边界，得到二维多边形。

207、基于拉默-道格拉斯-普克算法，对二维多边形进行简化，得到顶点个数简化后的简化二维多边形。

本实施例中，通过对二维多边形的顶点个数进行简化，可进一步提高最后形成的矢量地图的压缩比，以占用更小的存储空间。

208、在简化二维多边形的各个边上进行等间距地采样，得到多个采样点。

209、基于非线性优化算法，对简化二维多边形的顶点的位置进行优化，使得各采样点实际位置上的像素值与预设像素值差的平方和最小，以得到优化后的二维多边形以形成矢量地图。

其中，预设像素值为127.5，用于表示二值图像中黑色和白色的交界位置。采样点实际位置可使用浮点数表示，该采样点的实际像素值可通过在图像上的顶点位置进行双线性插值得到。通过采用非线性优化算法，对简化二维多边形的顶点位置进行优化，可使得优化后的二维多边形尽可能多的覆盖白色区域，以在点云地图转换为矢量地图的过程中，提高了点云地图转换为矢量地图的准确度，满足了地下车库等定位场景对地图高精度的要求。

进一步的，如果利用优化后的二维多边形形成矢量地图，在对矢量地图进行存储时，存储的二维多边形的相关信息均为优化后的二维多边形的相关信息。该相关信息可参见上述实施例的内容，本实施例不再赘述。

进一步的，为了将得到的矢量地图可视化显示和用于质量检查，本实施例可将上述有二维多边形形成的矢量地图进行三维化，得到以三维形式存在的三维矢量地图。具体的三维矢量地图的形成过程如下：

将优化后的二维多边形的顶点通过所属融合局部平面和融合局部曲面进行反投影，得到三维位置；根据该三维位置确定优化后的二维多边形所对应的三维多边形，以使得矢量地图以三维的形式存在。

本实施例在上述实施例的基础，在得到每个地图点对应的局部曲面之后，通过将各地图点的位置信息投影到对应的局部曲面上，以将投影到的三维位置取代原来的三维位置信息，从而可对含有噪声的点云进行去噪处理，得到平滑、干净的点云地图。通过采用ramer-douglas-peucker算法对二维多边形进行简化，得到顶点个数简化后的简化二维多边形，可进一步提高矢量地图的压缩比，节省存储量。通过采用非线性优化算法对简化二维多边形的顶点的位置进行优化，提高了点云地图转换为矢量地图的准确度。

实施例三

请参阅图4，图4是本发明实施例提供的一种矢量地图转化为点云地图的方法的流程示意图。该方法应用于自动驾驶中，可由矢量地图转化为点云地图的装置来执行，该装置可通过软件和/或硬件的方式实现，一般可集成于车载电脑、车载工业控制计算机(Industrial personal Computer，IPC)等车载终端中，本发明实施例不做限定。如图4所示，本实施例提供的方法具体包括：

310、对于矢量地图中的任意一个二维多边形，在其所属融合局部平面上，截取纵坐标从最小值到最大值之间，以设定步长形成的平行于横坐标的直线。

示例性的，如果矢量地图以三维的形式存在，则将矢量地图中的每个三维多边形的各个顶点向其所属类的融合局部平面投影，得到二维多边形。

320、对于任意一条直线，在其所属二维多边形内部的线段上，以设定步长为间隔进行采样，得到多个二维点。

330、将多个二维点通过所属融合局部平面和融合局部曲面进行反投影，得到三维点云以形成点云地图。

其中，融合局部平面和融合局部曲面是在形成矢量地图的过程中，将各地图点的局部平面和局部曲面进行聚类融合得到的。具体的聚类过程可参见上述实施例，本实施例在此不做赘述。

本实施例在上述实施例的基础上，将矢量地图中的二维多边形离散采样生成点云地图，实现了点云地图与矢量地图之间的相互转换。通过点云地图与矢量地图之间的相互转换，可以方便地实现点云地图上采样或者下采样，从而任意改变点云密度。

实施例四

请参阅图5，图5是本发明实施例提供的一种点云地图矢量化的装置的结构示意图。如图5所示，该装置包括：局部几何结构估计模块410、聚类融合模块420和矢量地图形成模块430；其中，

局部几何结构估计模块410，被配置为对点云地图中的每个地图点进行局部几何结构估计，得到每个地图点对应的局部平面和局部曲面；

聚类融合模块420，被配置为将各地图点的局部平面和局部曲面进行聚类融合，得到属于同一类的地图点对应的融合局部平面和融合局部曲面；

矢量地图形成模块430，被配置为将属于同一类的地图点投影到所属类对应的融合局部平面，得到投影图像，并从所述投影图像中提取投影位置对应的二维多边形，以形成矢量地图；

其中，属于同一类的地图点对应的融合局部平面和融合局部曲面作为所述矢量地图的要素，用于将所述矢量地图转换为点云地图。

可选的，所述聚类融合模块，具体被配置为：

将任意一个地图点作为起始点，并将所有未聚类的地图点按照与所述起始点从近到远的距离进行排序，并依次将排序后的地图点添加到所述起始点的集合中；

将所述起始点对应的局部平面和局部曲面作为初始平面和初始曲面，并在每次添加未聚类的地图点之后，采用移动最小二乘法MLS对所述集合中的所有地图点进行局部几何结构估计，得到新的融合局部平面和融合局部曲面；

判断所述新的融合局部曲面与所述集合内各个地图点距离的最大值是否超过预设阈值；

如果未超过所述预设阈值，则将集合内的地图点作为同一类地图点，并将所述新的融合局部平面和融合局面曲面分别作为该类地图点对应的融合局部平面和融合局部曲面；

如果超过所述预设阈值，则将当前添加的地图点之前所添加的所有地图点作为同一类地图点，并将添加当前地图点之前所得到的融合局部平面和融合局部曲面分别作为该类地图点对应的局部曲面。

可选的，所述矢量地图形成模块，包括：投影单元、二值化单元和二维多边形提取单元；

其中，所述投影单元，被配置为将属于同一类的地图点投影到所属类对应的融合局部平面上，并将投影位置的像素值设置为255，其他位置的像素值设置为0，得到投影图像；

所述二值化单元，被配置为对所述投影图像进行闭运算的形态学操作，得到二值图像；

所述二维多边形提取单元，被配置为提取所述二值图像上白色区域的边界，得到二维多边形；

基于拉默-道格拉斯-普克ramer-douglas-peucker算法，对所述二维多边形进行简化，得到顶点个数简化后的简化二维多边形，以形成矢量地图。

可选的，所述装置还包括：

等间距采样模块，被配置为在所述简化二维多边形的各个边上进行等间距地采样，得到多个采样点；

二维多边形优化模块，被配置为基于非线性优化算法，对所述简化二维多边形的顶点的位置进行优化，使得各采样点实际位置上的像素值与预设像素值差的平方和最小，以得到优化后的二维多边形。

可选的，所述装置还包括：

反投影模块，被配置为将优化后的二维多边形的顶点通过所属融合局部平面和融合局部曲面进行反投影，得到三维位置；

三维矢量地图形成模块，被配置为根据所述三维位置确定优化后的二维多边形所对应的三维多边形，以使得所述矢量地图以三维的形式存在。

可选的，所述装置还包括：

三维位置确定模块，被配置为在得到每个地图点对应的局部曲面之后，将各地图点的位置投影到对应的局部曲面上，得到各地图点投影后的三维位置；

相应的，所述矢量地图形成模块，具体被配置为：

将属于同一类的地图点对应的所述三维位置投影到所属类对应的融合局部平面，得到投影图像，并从所述投影图像中提取投影位置对应的二维多边形，以形成矢量地图。

本发明实施例所提供的点云地图矢量化装置可执行本发明任意实施例所提供的点云地图矢量化方法，具备执行方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的点云地图矢量化方法。

实施例五

请参阅图6，图6是本发明实施例提供的一种矢量地图转化为点云地图的装置的结构示意图，如图6所示，该装置包括：直线截取模块510、采样模块520和点云形成模块530；

其中，直线截取模块510，被配置为对于矢量地图中的任意一个二维多边形，在其所属融合局部平面上，截取纵坐标从最小值到最大值之间，以设定步长形成的平行于横坐标的直线；

采样模块520，被配置为对于任意一条直线，在其所属二维多边形内部的线段上，以所述设定步长为间隔进行采样，得到多个二维点；

点云形成模块530，被配置为将所述多个二维点通过所属融合局部平面和融合局部曲面进行反投影，得到三维点云以形成点云地图；

其中，所述融合局部平面和融合局部曲面是在形成矢量地图的过程中，将各地图点的局部平面和局部曲面进行聚类融合得到的。

可选的，如果矢量地图以三维的形式存在，则将所述矢量地图中的每个三维多边形的各个顶点向其所属类的融合局部平面投影，得到二维多边形。

本发明实施例所提供的矢量地图转化为点云地图的装置可执行本发明任意实施例所提供的矢量地图转化点云地图的方法，具备执行方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的矢量地图转化点云地图的方法。

实施例六

请参阅图7，图7是本发明实施例提供的一种车载终端的结构示意图。如图7所示，该车载终端可以包括：

存储有可执行程序代码的存储器701；

与存储器701耦合的处理器702；

其中，处理器702调用存储器701中存储的可执行程序代码，执行本发明任意实施例所提供的点云地图的矢量化方法。

本发明实施例还提供了另外一种车载终端，包括存储有可执行程序代码的存储器；与存储器耦合的处理器；其中，处理器调用存储器中存储的可执行程序代码，执行本发明任意实施例所提供的矢量地图转化点云地图的方法。

本发明实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行本发明任意实施例所提供的点云地图的矢量化方法。

本发明实施例还公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行本发明任意实施例所提供的矢量地图转化点云地图的方法。

本发明实施例公开一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行本发明任意实施例所提供的点云地图的矢量化方法的部分或全部步骤。

本发明实施例还公开一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行本发明任意实施例所提供的矢量地图转化点云地图的方法的部分或全部步骤。

在本发明的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在本发明所提供的实施例中，应理解，“与A相应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。

另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可获取的存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分，可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

以上对本发明实施例公开的一种点云地图的矢量化、矢量地图转化点云地图的方法和装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。