本技术涉及地图制作领域，特别涉及一种基于用户自定义制图工具的矿区地图制作方法。
背景技术：
1、随着无人驾驶技术的快速发展，矿区逐渐成为无人驾驶应用的重点场景之一。作为无人驾驶系统的核心组件，高精度地图在矿区环境感知、定位导航中发挥着关键作用。为满足无人驾驶对矿区地图的需求，各类矿区高精地图制作工具不断涌现。
2、现有的矿区高精地图制作工具大多采用定制化开发的方式，针对井工矿或露天矿的特定地图要素设计对应的绘制和编辑功能。这种定制化设计一方面使得制图工具能够紧密契合具体应用场景，界面布局和功能按钮直观易用，操作简单高效；另一方面，随着矿区无人驾驶场景日益多样化，地图要素不断变更扩充，定制化的制图工具难以灵活适应要素更新，每新增一类要素都需要从底层升级工具的绘制功能，开发成本高、周期长，影响了地图数据的生产效率和实时性，进而给无人驾驶系统带来安全隐患。
3、此外，现有矿区制图工具大部分采用关系型数据库定义数据模型，按照具体业务场景下对应的地图要素实体来分表设计，每个要素实体对应一张表，每张表里存放各自的几何和属性信息。这种数据组织方式虽然逻辑清晰，但缺乏对要素共性的抽象和聚类，导致同类要素属性字段出现冗余，数据冗余又进一步加剧了制图工具的重复开发问题。
4、根据矿区地图标准和规范，矿区地图要素通常包括poi点、车道中心线、停止线、装载区、卸载区、停车场、路权关系等。针对每一类要素单独开发对应的绘制和编辑功能，不可避免地出现同类要素共用功能的重复开发，增大了开发工作量和维护成本。且地图要素的频繁升级还会带来制图工具、地图sdk、云端、车端适配更新的连锁反应，影响范围大、流程长，制约了地图数据的生产效率和时效性。
技术实现思路
1、针对现有技术中存在的矿区地图制作适应性差的问题，本技术提供了一种基于用户自定义制图工具的矿区地图制作方法，首先获取矿区地形和车辆规格参数，生成矿区路网模型；然后利用车载传感器采集车辆行驶轨迹、坡度信息和点云数据，并进行数据预处理；接着根据采集数据制定包含矿区地图要素类型、表达方式和使用场景的制图标准；最后基于制图标准，通过自定义制图工具提取矿区地图要素，生成适应无人驾驶车辆使用需求的矿区地图。
2、本技术的目的通过以下技术方案实现。
3、本技术提供一种基于用户自定义制图工具的矿区地图制作方法，包括：获取矿区地形和车辆规格参数，并根据矿区地形和车辆规格参数生成矿区路网；利用惯性测量单元imu和动态定位系统rtk采集车辆在矿区路网上的行驶轨迹和坡度信息，并将采集的坡度信息转换为车辆正向行驶状态下的坡度信息，正向行驶是指车辆前进方向与车道方向一致的行驶状态；利用车载激光雷达采集矿区的三维点云数据，并对采集的点云数据进行去噪和裁剪预处理；根据车辆行驶轨迹数据、转换后的坡度信息和预处理后的点云数据，制定包含矿区地图要素类型及对应表达方式和使用场景的矿区地图制作标准；根据设置的矿区地图制作标准，从预处理后的点云数据中提取矿区地图要素；矿区地图要素包含兴趣点poi点、车道中心线、停止线、装载区、卸载区、停车场和路权关系；其中，路权关系指各车道之间的通行和锁定关系；将提取的矿区地图要素按照点、线、面和关系进行几何和属性特征分类，并根据设置的矿区地图制作标准，设置每类矿区地图要素的几何表达方式和属性信息；在制图工具中预先设置点、线、面和关系的基础地图要素绘制功能；基于分类后的矿区地图要素，通过计算机编程，复制和移植基础地图要素绘制功能，构建与每类矿区地图要素的几何表达方式和属性信息相适应的矿区地图要素绘制模块；其中，基础地图要素绘制功能包含几何绘制、几何编辑、属性编辑、渲染显示和要素图层管理；将构建的矿区地图要素绘制模块集成到制图工具中；针对不同矿区项目，如果相同矿区地图要素的定义不同，则按照项目对相应的矿区地图要素绘制模块进行标签设置，并通过用户权限管理控制不同项目用户对矿区地图要素绘制模块的访问权限；利用集成后的制图工具，根据项目的矿区地图需求，调用对应项目标签下的矿区地图要素绘制模块，绘制矿区地图要素，生成矿区地图。
4、进一步的，获取矿区地形和车辆规格参数，并根据矿区地形和车辆规格参数生成矿区路网，包括：获取矿区地形数据，矿区地形数据包含矿区道路的几何参数和矿区地物的分布信息；获取矿区车辆规格参数，车辆规格参数包含车辆的尺寸、载重和动力性能；基于获取的矿区地形数据构建矿区三维地形模型，并在矿区三维地形模型中标识包含道路和地物的图元；基于获取的矿区车辆规格参数，在矿区三维地形模型中利用车辆动力学仿真模拟车辆的运动特性，获得车辆在矿区道路上的行驶能力参数；根据行驶能力参数对矿区道路的宽度、坡度和转弯半径进行约束，生成满足车辆通行要求的矿区路网模型。
5、进一步的，利用惯性测量单元imu和动态定位系统rtk采集车辆在矿区路网上的行驶轨迹和坡度信息，并将采集的坡度信息转换为车辆正向行驶状态下的坡度信息，包括：利用惯性测量单元imu采集车辆在矿区路网上的姿态信息，并利用动态定位系统rtk采集车辆在矿区路网上的位置信息，根据采集的姿态信息和位置信息，计算车辆在矿区路网上的行驶轨迹；其中，姿态信息包括车辆横摆角、俯仰角和横滚角，位置信息包括车辆经纬度坐标和高程；利用惯性测量单元imu采集车辆在行驶过程中的加速度信息，根据采集的加速度信息，利用加速度矢量分解方法，计算车辆相对于水平面的坡度信息；获取车辆的航向角信息和车道的方向信息，计算车辆航向角与车道方向的夹角，当夹角的绝对值小于或等于预设阈值时，判断车辆处于正向行驶状态，将计算的坡度信息保持不变；当夹角的绝对值大于预设阈值时，判断车辆处于非正向行驶状态，将计算的坡度信息乘以-1，得到车辆正向行驶状态下对应的坡度信息；其中，车辆航向角信息通过车载惯性导航系统或车载电子罗盘获取，车道方向信息从计算的车辆行驶轨迹中提取。
6、进一步的，利用惯性测量单元imu采集车辆在矿区路网上的姿态信息，并利用动态定位系统rtk采集车辆在矿区路网上的位置信息，根据采集的姿态信息和位置信息，计算车辆在矿区路网上的行驶轨迹，包括：利用惯性测量单元imu以预设采样频率连续采集车辆的角速度和加速度信息，并利用动态定位系统rtk以预设采样频率连续采集车辆的位置信息，同步获得车辆姿态和位置的时序信息；其中，imu的采样频率高于rtk的采样频率，通过时间戳对齐两种传感器采集的信息；利用零速修正算法和静态对准算法，对采集的角速度和加速度信息进行修正和对准，以消除imu的零偏误差和安装误差，得到校正后的角速度和加速度信息；利用卡尔曼滤波算法，将校正后的角速度和加速度信息与rtk采集的位置信息进行融合，估计车辆的姿态和位置状态，得到车辆的姿态信息和位置信息；根据车辆的姿态信息，利用欧拉角转换公式，将车辆坐标系下的速度信息转换到矿区路网坐标系下，得到车辆在矿区路网坐标系下的速度信息；根据车辆的位置信息，利用坐标转换公式，将车辆的经纬度坐标和高程转换到矿区路网坐标系下，得到车辆在矿区路网坐标系下的位置信息；利用龙格-库塔积分算法，将得到的速度信息对时间积分，并与得到的位置信息叠加，得到车辆在矿区路网坐标系下的行驶轨迹。
7、进一步的，利用龙格-库塔积分算法，将得到的速度信息对时间积分，并与得到的位置信息叠加，得到车辆在矿区路网坐标系下的行驶轨迹，包括：将车辆在矿区路网坐标系下的速度信息记为，位置信息记为；根据龙格-库塔积分算法，将时间t离散为，时间步长为h，则；并将速度和位置在时间处的值分别记为和；利用四阶龙格-库塔积分公式，计算速度在时间步长h内的积分增量：；；；；；其中，表示在时间、位置处的速度值；表示在时间、位置处的速度值；以此类推；通过插值方式从相邻时刻的速度信息计算得到；利用位置与速度积分增量，迭代计算下一时刻的位置：；重复迭代直至计算出末时刻处的位置，得到由至构成的车辆行驶轨迹；其中，为初始时刻的位置，表示在时间区间内对速度进行定积分。
8、进一步的，利用车载激光雷达采集矿区的三维点云数据，并对采集的点云数据进行去噪和裁剪预处理，包括：利用车载激光雷达以预设扫描频率和扫描角度采集矿区的三维点云数据，获得反映矿区地形地貌特征的原始点云数据；对原始点云数据进行去噪处理：计算原始点云数据中每个点的密度，将密度小于阈值的点标记为噪声点，利用统计滤波方法剔除噪声点，得到密度均匀的点云数据；利用八叉树算法对密度均匀的点云数据进行体素化处理，合并每个体素内的点，并用体素中心点代替原有的点，得到密度降低的点云数据；利用拉普拉斯算子计算密度降低的点云数据中的每个点的曲率，将曲率大于阈值的点进行拉普拉斯平滑处理，得到曲面平滑的点云数据，作为去噪后的点云数据；对去噪后的点云数据进行裁剪处理，得到预处理后的点云数据。
9、进一步的，对去噪后的点云数据进行裁剪处理，包括：将去噪后的点云数据和得到的车辆行驶轨迹进行空间配准，并以车辆行驶轨迹为中心，设置预设空间范围，利用空间范围对点云数据进行空间裁剪，提取与车辆行驶路径相关的局部点云数据；以得到的车辆正向行驶状态下的坡度信息为基准，设置预设角度范围，利用角度范围对提取的局部点云数据进行角度裁剪，得到与车辆行驶坡度相关的局部点云数据，作为矿区地图制作的预处理点云数据。
10、进一步的，根据车辆行驶轨迹数据、转换后的坡度信息和预处理后的点云数据，制定包含矿区地图要素类型及对应表达方式和使用场景的矿区地图制作标准，包括：根据得到的车辆行驶轨迹数据、得到的车辆坡度信息和得到的预处理点云数据，确定包含道路、坡度和地形地物的待表达的矿区地图要素类型，并根据矿区无人驾驶车辆的使用需求，确定各要素类型的使用场景；根据各要素类型，制定相应的要素表达标准：对于道路要素，利用车辆行驶轨迹提取道路中心线，并以道路中心线为骨架，利用预处理点云数据提取道路边界，表达为一组有向线段，并标注道路宽度和长度属性；对于坡度要素，利用车辆坡度信息和预处理点云数据计算道路纵向和横向的坡度值，将坡度值划分为不同的等级，并用不同颜色或符号表示不同等级的坡度，叠加在道路要素上；对于地形地物要素，利用预处理点云数据提取道路预设范围内的地形起伏信息和地物分布信息，并根据地形和地物的特征表达为不同的几何图元；将设置的要素表达标准与确定的要素类型及对应的使用场景相关联，作为矿区地图制作标准。
11、进一步的，根据设置的矿区地图制作标准，从预处理后的点云数据中提取矿区地图要素，包括：根据制定的矿区地图制作标准，从得到的预处理点云数据中提取矿区地图要素：利用基于深度学习的点云语义分割方法对预处理点云数据进行分类，提取出道路、停止线、装载区、卸载区和停车场不同类别的点云子集；对提取的道路点云子集进行欧拉聚类，得到道路中心线点云，并利用最小二乘法拟合道路中心线点云，提取车道中心线要素；对装载区、卸载区和停车场功能区域的点云子集进行平面拟合，提取平面边界线，得到各个功能区域要素的矢量化表示；利用基于关键点检测的方法从点云数据中提取特征点，并将特征点作为兴趣点poi要素；根据提取的车道线，构建拓扑连通图，并通过分析拓扑连通图确定各车道之间的路权关系。
12、进一步的，构建矿区地图要素绘制模块，包括：对于点类型的矿区地图要素，复制点要素的几何绘制和属性编辑功能，构建兴趣点poi绘制模块，将兴趣点poi的位置信息输入到绘制功能中实现兴趣点poi的几何绘制，并将兴趣点poi的名称、类型等属性信息关联到绘制的点要素上；对于线类型的矿区地图要素，复制线要素的几何绘制和属性编辑功能，构建车道中心线和停止线绘制模块，将车道中心线和停止线的位置和走向信息输入到绘制功能中实现其几何绘制，并将车道中心线的宽度、长度和行驶方向等属性信息，以及停止线的类型信息关联到绘制的线要素上；对于面类型的矿区地图要素，复制面要素的几何绘制和属性编辑功能，构建装载区、卸载区和停车场绘制模块，将各功能区域的边界线信息输入到绘制功能中实现其几何绘制，并将装载区、卸载区的材料类型和停车场的车位数、出入口位置等属性信息关联到绘制的面要素上；对于路权关系类型的矿区地图要素，复制关系要素的属性编辑功能，构建路权关系绘制模块，将路权关系通过有向线段进行几何表达，并将通行方向、转向类型和优先级等属性信息关联到绘制的关系线段上；移植渲染显示和要素图层管理功能到各个矿区地图要素绘制模块中，实现矿区地图要素的可视化展示和图层化管理。
13、进一步的，利用集成后的制图工具，创建或选择与待制作矿区地图对应的项目标签；在所选项目标签下，根据矿区地图的需求，从制图工具界面调用对应的矿区地图要素绘制模块；具体地，若需要绘制兴趣点poi，则调用兴趣点poi绘制模块；若需要绘制车道中心线或停止线，则调用车道中心线绘制模块或停止线绘制模块；若需要绘制装载区、卸载区或停车场，则调用装载区绘制模块、卸载区绘制模块或停车场绘制模块；若需要编辑路权关系，则调用路权关系绘制模块。在调用的矿区地图要素绘制模块中，通过人机交互的方式，利用鼠标或其他输入设备在地图上绘制矿区地图要素的几何形状；绘制完成后，在绘制模块中录入所绘制矿区地图要素的属性信息，包括名称、类型、描述等；对绘制的矿区地图要素进行渲染显示，并将其以图层的形式添加到地图中，可通过绘制模块中的要素图层管理功能控制要素图层的显示和隐藏；重复执行直至绘制完所有需要的矿区地图要素；根据绘制的矿区地图要素，自动生成完整的矿区地图。
14、相比于现有技术，本技术的优点在于：
15、通过获取矿区地形、车辆规格参数以及车辆行驶轨迹、坡度和点云等数据，并根据无人驾驶车辆的使用需求制定矿区地图制作标准，使得生成的矿区地图能够更好地反映矿区道路和环境的真实状况，满足无人驾驶车辆对高精度地图的使用要求。将矿区实际地形和车辆参数引入地图制作过程，可以提高地图对矿区环境的适配性，将车辆行驶数据和制图需求相结合，则保证了地图内容与无人驾驶应用场景的契合度，从而显著提升矿区地图的实用性和有效性。
16、通过将道路、坡度、地物等矿区地图要素抽象为几何和属性特征，并设计统一的表达标准和绘制方式，规范了不同地图要素的呈现形式。统一的要素表达有利于无人驾驶系统准确识别和提取地图信息，对道路中心线、功能区域边界的矢量化表示以及关键点poi的定义，提高了地图要素的几何描述精度，增强了地图的语义特征。采用颜色、符号等直观的视觉元素区分不同坡度等级，则优化了地图要素的视觉呈现效果，使得复杂的环境信息更加清晰易读。地图要素表示的规范化和精细化，保证了矿区地图在不同项目和场景下的一致性，提升了地图质量。
17、将道路、坡度、地物等矿区地图要素的表达方式，利用计算机编程自动转换为绘制模块，并集成到用户自定义的制图工具中。相比手工绘制，自动化的要素提取和符号化绘制极大地缩短了制图时间。通过编程实现制图知识到制图工具的转化，使得制图人员无需手动修改绘图指令，只需调用相应的功能模块即可快速完成地图要素的提取和制作。同时，基于传感器数据提取地图要素，减少了对人工标注的依赖，数据驱动的制图方式可以灵活适应不同矿区的地图更新和再制作需求。
18、引入项目管理机制，针对不同矿区定制地图要素绘制模块，通过项目标签设置，实现图层配置和符号化参数的灵活组合，从而满足不同项目的个性化制图需求。共享制图资源的同时，还通过用户权限控制避免了无关人员的误操作。将新的制图需求转化为代码层面的更新，无需从底层修改制图流程，大大提高了制图工具的可扩展性和可维护性。
19、综合利用gps/imu/rtk定位设备采集的车辆轨迹和姿态数据，激光雷达扫描的三维点云数据，全方位反映矿区环境；通过轨迹与点云配准、坡度变换、点云滤波等数据预处理和融合方法，优化了车载传感器数据的空间一致性和信噪比，并结合车辆和道路特征提取了精细化的矿区地图要素。多源数据的融合扩展了地图信息的维度，弥补了单一传感器在获取全局环境信息上的不足，将车辆与环境的关系量化为可度量的地图参数，使得最终构建的矿区地图不仅描述了矿区环境的宏观特性，还呈现了车辆驾驶视角下的局部路况，大幅提升了地图的精细程度。
1.一种基于用户自定义制图工具的矿区地图制作方法，包括：
2.根据权利要求1所述的基于用户自定义制图工具的矿区地图制作方法，其特征在于：
3.根据权利要求2所述的基于用户自定义制图工具的矿区地图制作方法，其特征在于：
4.根据权利要求3所述的基于用户自定义制图工具的矿区地图制作方法，其特征在于：
5.根据权利要求4所述的基于用户自定义制图工具的矿区地图制作方法，其特征在于：
6.根据权利要求5所述的基于用户自定义制图工具的矿区地图制作方法，其特征在于：
7.根据权利要求4所述的基于用户自定义制图工具的矿区地图制作方法，其特征在于：
8.根据权利要求7所述的基于用户自定义制图工具的矿区地图制作方法，其特征在于：
9.根据权利要求7所述的基于用户自定义制图工具的矿区地图制作方法，其特征在于：
10.根据权利要求9所述的基于用户自定义制图工具的矿区地图制作方法，其特征在于：
