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。

本发明的高精地图制作原理：首先通过搜索引擎与云端高精地图进行联网，通过多种方式检索采集设定范围内的地图要素并提取，同时利用地图数据采集车具有的激光雷达采集重新建图的原始点云数据并上传云端服务器。根据上传的点云数据，对其中采集的地图要素，如：矿区地面、周边山体以及碎石堆等。进行分割提取并存储为具有语义信息的相应图层。通过利用预设的仿真软件工具和调度软件，配合云端高精地图。进行高精地图、调度地图以及仿真地图的实时更新，达到三图联动的效果。同时后期进行地图维护，只需根据设置于无人驾驶矿车的激光雷达进行点云数据更新，就可以实现矿区多变环境的地图要素实时更新。

请参考图1，本发明实施例中，一种用于矿山无人驾驶场景的高精地图制作方法，具体步骤包括：

S1、通过车载高精地图引擎检索云端高精地图，并提取对应范围内的高精地图要素；

具体实施方式，利用无人驾驶矿卡上设置有的车载高精地图引擎对联网中的云端高精地图进行检索，所述引擎检索通过ID检索或者空间位置检索高精地图要素。同时，将相应范围内的所有高精地图的要素提取出来，作为无人驾驶矿车的自动驾驶模块的备用数据。

S2、利用激光雷达实时采集矿区的原始点云数据，并上传至云端服务器；

具体实施方式，利用专业地图数据采集车，此处可选用设置有激光雷达的无人驾驶矿卡，对矿区环境信息进行采集，采集建图所需要的原始点云数据，同时将原始点云数据上传至云端服务器。通过此种设计能够在采集的云端高精地图加上矿区实际环境的要素。是制作完成的地图更适用于矿区。

S3、根据原始点云数据分割提取原始点云数据中的地图要素，并赋予语义信息进行存储，具体步骤包括：

S31、通过点云滤波提取矿区地面点，并根据时间戳分离扫描线，恢复点云局部空间结构，同时将计算从三维减少到一维，能够加快算法运行速度，再基于轨迹数据选择初始点，并使用提前停止的策略避免其他相似边界的混淆，从而提高算法的鲁棒性；

S32、在提取出矿区地面的基础上，通过分析车载激光点云的高程阶跃，利用图像处理算子检测道路边界位置，再使用alpha-shape算法提取周边山体的轮廓以精简结构储存；

S33、通过对聚类后的各点云块分别进行主成分分析，分析各个数据块的维度属性来确定是否是碎石堆，再依据高程、投影点密度以及法向量对装料区的碎石堆识别和碎石堆宽度的提取；

S34、通过云端服务器依次接收相应的任务成果并对应的更新任务状态，直至任务流程全部完成，得到更新后的高精地图，最终的高精地图制作完成。

高精度地图具有数据量大等特点，如果直接将全部高精地图数据导入无人矿车中，将会占用大量资源且费时，为了灵活调度高精地图资源，通过提供“地图引擎”提供读写高精度地图数据的应用程序编程接口API，从而保持车端地图的鲜度为无人矿车提供高精度地图服务，同时“地图引警”基干车端数据互传机制，采集车端状杰和道路数据通过地图更新数据回传形成云端到车端的数据闭环，持续优化高精度地图。

上述步骤中，通过采集矿区各类环境要素的点云数据并进行分割提取流程，从而能够得到更为准确的道路要素，具有较好的准确性和鲁棒性。使得地图更适用于没有具体道路标志的露天矿区。相比较于传统地图导航，也能够更加适用于露天矿区。

S4、对云端高精地图实时同步更新至仿真地图和调度地图，具体步骤包括：

S41、高精地图生成OpenDRIVE格式的道路文件，仿真软件导入道路文件，作为仿真系统的最底层的基础结构，经过渲染得到虚拟矿山场景；

S42、调度软件导入高精地图的部分道路文件，并结合各类传感设备的实时定位信息，对各类矿山设备信息通过数字地图显示。具体的，所述各类矿山设备信息包括车、挖机、卸料站，同时对车辆、设备和视频进行定位、查询和统计。

在上述方案中，通过将云端高精地图的信息更新至其他不同类型的地图中，从而能够避免数据烟囱、信息孤岛和碎片化的现象。实现三图联动，更加有利于无人驾驶矿车的自动驾驶。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定，均应包含在本发明的保护范围之内。