CN105702152A - 地图生成方法和装置 - Google Patents
地图生成方法和装置 Download PDFInfo
- Publication number
- CN105702152A CN105702152A CN201610274794.XA CN201610274794A CN105702152A CN 105702152 A CN105702152 A CN 105702152A CN 201610274794 A CN201610274794 A CN 201610274794A CN 105702152 A CN105702152 A CN 105702152A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- mark board
- traffic mark
- information
- road circuit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/005—Map projections or methods associated specifically therewith
Abstract
本申请公开了地图生成方法和装置。所述方法的一具体实施方式包括:接收至少一辆车辆在行驶过程中的GPS数据和行驶状况信息;将各车辆的GPS数据进行分析处理,得到道路线路;对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息;根据各条道路线路和各条道路线路的线路信息生成地图。该实施方式在扩大了数据采集范围的同时减少了数据采集的投入,简化了电子地图制作过程,提高了电子地图的精度和准确度。
Description
技术领域
本申请涉及交通及通信技术领域,具体涉及电子地图领域,尤其涉及地图生成方法和装置。
背景技术
随着网络技术、通信技术以及地理信息系统技术的快速发展,电子地图已经成为人们日常出行不可或缺的重要部分。现有的电子地图制作过程往往需要通过专业的电子地图数据采集团队和车辆进行数据采集,然后将采集的数据进行整理和编辑,最后生成和更新电子地图,因此,整个制作过程需要投入大量的人力和物力,且数据采集范围仅限于电子地图数据采集团队和车辆到达的地理范围。此外,由于数据采集过程中受测量成本、测量遗漏等因素的影响,因此道路测量点往往比较稀疏,因此严重影响生成的电子地图的精度和准确性。
发明内容
本申请的目的在于提出一种改进的地图生成方法和装置,来解决以上背景技术部分提到的技术问题。
第一方面,本申请提供了一种地图生成方法,所述方法包括:接收至少一辆车辆在行驶过程中的GPS数据和行驶状况信息;将各车辆的GPS数据进行分析处理,得到道路线路;对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息;根据各条道路线路和各条道路线路的线路信息生成地图。
在一些实施例中,所述行驶状况信息包括车辆行驶速度、车辆行驶加速度、车辆启停位置和车辆停止时间;以及所述对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息,包括:对各车辆的车辆行驶速度、车辆行驶加速度、车辆启停位置和车辆停止时长进行统计分析,根据分析结果确定各条道路线路上的红绿灯信息。
在一些实施例中,所述行驶状况信息包括车辆的绕行曲线半径;以及所述对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息,包括:对各条道路线路上行驶车辆的车辆绕行位置和绕行曲线半径进行统计分析,根据分析结果确定各条道路线路上的障碍物位置和障碍物大小。
在一些实施例中,所述行驶状况信息包括行车记录仪拍摄的视频信息;以及所述对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息,包括:根据各车辆的车辆型号获取各车辆的车身宽度;基于各车辆的行车记录仪拍摄的视频信息和车身宽度分析各车辆所在道路线路的车道线宽度和线路宽度。
在一些实施例中,所述对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息,包括:从各车辆的行车记录仪拍摄的视频信息中获取道路线路上的交通标志牌图像;将获取的交通标志牌图像转化为交通标志牌数据信息,并将数据信息导入预先训练的交通标志牌识别模型进行匹配得到交通标志牌描述信息,其中,所述交通标志牌识别模型用于表征交通标志牌图像的数据信息与交通标志牌描述信息的对应关系。
在一些实施例中,所述交通标志牌识别模型通过以下方法获得:根据包含交通标志牌图像和与交通标志牌图像对应的交通标志牌描述信息的数据样本得到样本交通标志牌数据信息;将所述样本交通标志牌数据信息作为输入,所述数据样本中的交通标志牌描述信息作为输出,用数据样本集通过深度神经网络训练交通标志牌识别模型。
在一些实施例中,在对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息之前,所述方法还包括:对接收到的行驶状况信息中包括的数据进行统计,并根据统计结果去除不满足预设条件的数据。
第二方面,本申请提供了一种地图生成装置,所述装置包括:接收单元,用于接收至少一辆车辆在行驶过程中的GPS数据和行驶状况信息;第一分析单元,用于将各车辆的GPS数据进行分析处理,得到道路线路;第二分析单元,用于对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息;生成单元,用于根据各条道路线路和各条道路线路的线路信息生成地图。
在一些实施例中,所述行驶状况信息包括车辆行驶速度、车辆行驶加速度、车辆启停位置和车辆停止时间;以及所述第二分析单元进一步用于:对各车辆的车辆行驶速度、车辆行驶加速度、车辆启停位置和车辆停止时长进行统计分析,根据分析结果确定各条道路线路上的红绿灯信息。
在一些实施例中,所述行驶状况信息包括车辆的绕行曲线半径;以及所述第二分析单元进一步用于:对各条道路线路上行驶车辆的车辆绕行位置和绕行曲线半径进行统计分析,根据分析结果确定各条道路线路上的障碍物位置和障碍物大小。
在一些实施例中,所述行驶状况信息包括行车记录仪拍摄的视频信息;以及所述第二分析单元进一步用于:根据各车辆的车辆型号获取各车辆的车身宽度;基于各车辆的行车记录仪拍摄的视频信息和车身宽度分析各车辆所在道路线路的车道线宽度和线路宽度。
在一些实施例中,所述第二分析单元进一步用于:从各车辆的行车记录仪拍摄的视频信息中获取道路线路上的交通标志牌图像;将获取的交通标志牌图像转化为交通标志牌数据信息,并将数据信息导入预先训练的交通标志牌识别模型进行匹配得到交通标志牌描述信息,其中,所述交通标志牌识别模型用于表征交通标志牌图像的数据信息与交通标志牌描述信息的对应关系。
在一些实施例中,所述交通标志牌识别模型通过以下方法获得:根据包含交通标志牌图像和与交通标志牌图像对应的交通标志牌描述信息的数据样本得到样本交通标志牌数据信息;将所述样本交通标志牌数据信息作为输入,所述数据样本中的交通标志牌描述信息作为输出,用数据样本集通过深度神经网络训练交通标志牌识别模型。
在一些实施例中,所述方法还包括去除单元,所述去除单元用于:对接收到的行驶状况信息中包括的数据进行统计,并根据统计结果去除不满足预设条件的数据。
本申请提供的地图生成方法和装置,通过对多辆车辆在行驶过程中采集的GPS数据进行分析以便得到道路线路,通过对多辆车辆在行驶过程中的行驶状况信息进行分析以便得到各条道路线路的线路信息,最后基于各条道路线路和各条道路线路的线路信息生成电子地图,从而在扩大了数据采集范围的同时减少了数据采集的投入,简化了电子地图制作过程,提高了电子地图的精度和准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的地图生成方法的一个实施例的流程图;
图3是根据本申请的地图生成方法的又一个实施例的流程图;
图4是根据本申请的地图生成装置的一个实施例的结构示意图;
图5是适于用来实现本申请实施例的云中心包括的云服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的地图生成方法或地图生成装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括车辆101、102、103以及云中心104。车辆101、102、103可以是道路上行驶的各种机动车辆,例如私家车、公交车、出租车等等。车辆101、102、103上可以设置有各种用于采集日常行驶数据的采集设备,包括但不限于GPS(GlobalPositioningSystem,全球定位系统),行车记录仪等等。车辆101、102、103可以通过有线、无线通信链路或者光电缆将信息采集设备采集的信息发送给云中心104。
云中心104可以包括多个云服务器,其中,云服务器可以是提供各种服务的服务器,例如,云服务器可以对车辆101、102、103采集的日常行驶数据进行分析等处理,并根据处理结果生成电子地图。
需要说明的是,本申请实施例所提供的地图生成方法一般由云中心104执行,相应地,地图生成装置一般设置于云中心104中。
应该理解,图1中的车辆和云中心的数目仅仅是示意性的。根据实现需要,可以具有任意数目的车辆和云中心。
继续参考图2,示出了根据本申请的地图生成方法的一个实施例的流程200。所述的地图生成方法,包括以下步骤:
步骤201,接收至少一辆车辆在行驶过程中的GPS数据和行驶状况信息。
在本实施例中,地图生成方法运行于其上的电子设备(例如图1所示的云中心104)可以通过有线连接方式或者无线连接方式从至少一辆车辆上接收车辆行驶过程中的GPS数据和行驶状况信息,上述车辆可以是在道路上行驶的、且安装有用于采集日常行驶数据的采集设备的任意车辆,包括但不限于私家车、公交车、出租车等等。上述日常行驶数据可以是与车辆行驶有关的各种数据,例如车辆行驶速度和加速度,车辆行驶的起点和终点,车辆行驶的行车线路等等。
步骤202,将各车辆的GPS数据进行分析处理,得到道路线路。
在本实施例中,基于步骤201接收到GPS数据,上述电子设备可以对各车辆的GPS数据进行分析处理,从而得到电子地图的道路线路,例如,上述电子设备可以将车辆采集的一系列离散的GPS数据转化为该车辆的行驶线路,而通过对大量车辆的行驶线路的统计分析可以得到电子地图的道路线路。
步骤203,对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息。
在本实施例中,上述电子设备可以对各车辆的行驶状况信息进行各种分析(例如统计分析)处理,从而得到各条道路线路的线路信息,例如,上述电子设备可以通过分析各条道路线路上行驶的车辆的加减速度、启停地点、停留时长等信息可以得到各条道路线路上的红绿灯信息。
在本实施例的一些可选的实现方式中,上述行驶状况信息可以包括车辆行驶速度、车辆行驶加速度、车辆启停位置和车辆停止时间;以及上述电子设备可以对各车辆的车辆行驶速度、车辆行驶加速度、车辆启停位置和车辆停止时长进行统计分析,根据分析结果可以确定各条道路线路上的红绿灯信息,其中,上述红绿灯信息包括但不限于红绿灯的位置、红灯和绿灯的亮灯时长等等。例如,上述电子设备通过统计得出多辆车或同一辆车多次在某一特定地点减速、停车,且停车时长不超过预设时长,则可以确定该特定地点有红绿灯,其中上述预设时长可以根据已知的最长红灯亮灯时间进行设定,例如,如果已知最长红灯亮灯时长为300秒,则可以将上述预定时长设定为300秒,当车辆在该特定地点停车时长不超过300秒时,可以确定该特定地点有红绿灯,当超过300秒时可能是车辆出现其他情况(例如车辆出现了故障不能正常行驶,或车辆停止在了停车场等等)。上述电子设备还可以通过统计大量车辆在该特定地点的停车时长确定该地点的红灯和绿灯的亮灯时长等信息。
在本实施例的一些可选的实现方式中,上述行驶状况信息可以包括车辆的绕行曲线半径;以及上述电子设备可以对各条道路线路上行驶车辆的车辆绕行位置和绕行曲线半径进行统计分析,并根据分析结果确定各条道路线路上的障碍物位置和障碍物大小。在这里,上述障碍物泛指车辆不能越过该区域行驶的区域,例如,道路中央出现的大的塌陷坑。
步骤204,根据各条道路线路和各条道路线路的线路信息生成地图。
在本实施例中,上述电子设备可以根据得到的道路线路和各条道路线路的线路信息生成电子地图。例如,上述电子设备可以根据道路线路以及道路线路上的红绿灯位置、障碍物位置和大小、交通标志牌位置和描述信息、道路两侧的建筑名称等线路信息生成电子地图。在生成电子地图之后,上述电子设备还可以根据实时接收的车辆采集的GPS数据和行驶状况信息更新、完善电子地图,保证电子地图的实时性。
在本实施例的一些可选的实现方式中,在对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息之前,上述电子设备还可以对接收到行驶状况信息中包括的数据进行统计,并根据统计结果去除不满足预设条件的数据,例如上述电子设备可以计算行驶状况信息中包括的各种数据的平均值,并去除与平均值的差值大于预设阈值的数据。
本申请的上述实施例提供的方法通过对行驶的各车辆采集的GPS数据和行驶状况信息进行分析得到道路线路和各道路线路的线路信息,由于用于采集数据和信息的车辆可以为道路上行驶的各种机动车辆,因此采集范围为车辆能够到达的任何地理位置,且可以获得大量的采集数据和信息,测量点密集,从而可以减少数据采集的投入,简化电子地图制作过程,提高电子地图的精度和准确度。
进一步参考图3,其示出了地图生成方法的又一个实施例的流程300。该地图生成方法的流程300,包括以下步骤:
步骤301,接收至少一辆车辆在行驶过程中的GPS数据和行驶状况信息。
在本实施例中,地图生成方法运行于其上的电子设备(例如图1所示的云中心104)可以通过有线连接方式或者无线连接方式从至少一辆车辆上接收车辆行驶过程中的GPS数据和行驶状况信息,上述车辆可以是在道路上行驶的、且安装有用于采集日常行驶数据的采集设备的任意车辆,包括但不限于私家车、公交车、出租车等等。其中,上述行驶状况信息可以包括各车辆上安装的行车记录仪拍摄的视频信息。
步骤302,将各车辆的GPS数据进行分析处理,得到道路线路。
在本实施例中,步骤302的具体处理过程可以参考图2对应实施例的步骤202,这里不再赘述。
步骤303,从各车辆的行车记录仪拍摄的视频信息中获取道路线路上的交通标志牌图像。
在本实施例中,地图生成方法运行于其上的电子设备(例如图1所示的云中心104)可以从各车辆的行车记录仪拍摄的视频信息中获取各道路线路上的交通标志牌图像,上述交通标志牌图像可以是从视频信息中截取的包含交通标志牌的图像,上述交通标志牌可以是用于管理交通、指示行车方向、显示交通法规及道路信息等的各种道路交通标志牌。
步骤304,将获取的交通标志牌图像转化为交通标志牌数据信息,并将数据信息导入预先训练的交通标志牌识别模型进行匹配得到交通标志牌描述信息。
在本实施例中,上述电子设备可以通过各种方式将步骤303获取的交通标志牌图像转化为交通标志牌数据信息,例如,上述电子设备可以通过数字化处理计算交通标志牌图像的像素灰度值,从而得到交通标志牌图像的像素值矩阵,即交通标志牌数据信息。之后,上述电子设备可以将得到的交通标志牌数据信息导入预先训练的交通标志牌识别模型进行匹配得到交通标志牌描述信息,从而得到各道路线路上的交通标志牌描述信息,其中,上述交通标志牌识别模型可以用于表征交通标志牌图像的数据信息与交通标志牌描述信息的对应关系。
在本实施例的一些可选的实现方式中,上述交通标志牌识别模型可以通过以下方法获得:首先,上述电子设备或者其他用于训练上述交通标志牌识别模型的电子设备,可以根据包含交通标志牌图像和与交通标志牌图像对应的交通标志牌描述信息的数据样本得到样本交通标志牌数据信息,例如,某个数据样本中包括用于警示禁止大货车通行的交通标志牌图像和该图像的交通标志牌描述信息“禁止大货车通行”,电子设备可以将该交通标志牌图像转化为与其对应的交通标志牌数据信息;之后,用于训练上述交通标志牌识别模型的电子设备可以将上述样本交通标志牌数据信息作为输入,上述数据样本中的交通标志牌描述信息作为输出,用数据样本集通过深度神经网络(例如卷积神经网络)训练交通标志牌识别模型。
在本实施例的一些可选的实现方式中,上述行驶状况信息可以包括各车辆上安装的行车记录仪拍摄的视频信息;以及上述电子设备可以首先根据各车辆的车辆型号获取各车辆的车身宽度;然后,基于各车辆的行车记录仪拍摄的视频信息和车身宽度分析各车辆所在道路线路的车道线宽度和线路宽度等线路信息,例如,上述电子设备可以根据车身宽度和行车记录仪拍摄的视频信息中的车身宽度和车道线宽度计算车道线宽度以及线路宽度。
步骤305,根据各条道路线路和各条道路线路的线路信息生成地图。
在本实施例中,步骤305的具体处理过程可以参考图2对应实施例的步骤204,这里不再赘述。
从图3中可以看出,与图2对应的实施例相比,本实施例中的地图生成方法的流程300突出了对道路线路上的交通标志牌图像的识别。由此,本实施例描述的方案可以识别出道路线路上的交通标志牌图像,从而使生成的电子地图更加精细。
进一步参考图4,作为对上述各图所示方法的实现,本申请提供了一种地图生成装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例所述的地图生成装置400包括:接收单元401、第一分析单元402、第二分析单元403和生成单元404。其中,接收单元401用于接收至少一辆车辆在行驶过程中的GPS数据和行驶状况信息;第一分析单元402用于将各车辆的GPS数据进行分析处理,得到道路线路;第二分析单元403用于对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息;生成单元404用于根据各条道路线路和各条道路线路的线路信息生成地图。
在本实施例中,接收单元401、第一分析单元402、第二分析单元403和生成单元404的具体处理可以参考图2对应实施例步骤201、步骤202、步骤203和步骤204的详细描述,在此不再赘述。
在本实施例的一些可选的实现方式中,所述行驶状况信息包括车辆行驶速度、车辆行驶加速度、车辆启停位置和车辆停止时间;以及所述第二分析单元403进一步用于:对各车辆的车辆行驶速度、车辆行驶加速度、车辆启停位置和车辆停止时长进行统计分析,根据分析结果确定各条道路线路上的红绿灯信息。该实现方式可参考上述图2对应实施例中相应实现方式的详细描述,在此不再赘述。
在本实施例的一些可选的实现方式中,所述行驶状况信息包括车辆的绕行曲线半径;以及所述第二分析单元403进一步用于:对各条道路线路上行驶车辆的车辆绕行位置和绕行曲线半径进行统计分析,根据分析结果确定各条道路线路上的障碍物位置和障碍物大小。该实现方式可参考上述图2对应实施例中相应实现方式的详细描述,在此不再赘述。
在本实施例的一些可选的实现方式中,所述行驶状况信息包括行车记录仪拍摄的视频信息;以及所述第二分析单元403进一步用于:根据各车辆的车辆型号获取各车辆的车身宽度;基于各车辆的行车记录仪拍摄的视频信息和车身宽度分析各车辆所在道路线路的车道线宽度和线路宽度。该实现方式可参考上述图3对应实施例中相应实现方式的详细描述,在此不再赘述。
在本实施例的一些可选的实现方式中,所述第二分析单元403进一步用于:从各车辆的行车记录仪拍摄的视频信息中获取道路线路上的交通标志牌图像;将获取的交通标志牌图像转化为交通标志牌数据信息,并将数据信息导入预先训练的交通标志牌识别模型进行匹配得到交通标志牌描述信息,其中,所述交通标志牌识别模型用于表征交通标志牌图像的数据信息与交通标志牌描述信息的对应关系。该实现方式可以参考图3对应实施例步骤303、304的详细描述,在此不再赘述。
在本实施例的一些可选的实现方式中,所述交通标志牌识别模型通过以下方法获得:根据包含交通标志牌图像和与交通标志牌图像对应的交通标志牌描述信息的数据样本得到样本交通标志牌数据信息;将所述样本交通标志牌数据信息作为输入,所述数据样本中的交通标志牌描述信息作为输出,用数据样本集通过深度神经网络训练交通标志牌识别模型。该实现方式可参考上述图3对应实施例中相应实现方式的详细描述,在此不再赘述。
在本实施例的一些可选的实现方式中,所述方法还包括去除单元(未示出),所述去除单元用于:对接收到的行驶状况信息中包括的数据进行统计,并根据统计结果去除不满足预设条件的数据。该实现方式可参考上述图2对应实施例中相应实现方式的详细描述,在此不再赘述。
下面参考图5,其示出了适于用来实现本申请实施例的云中心包括的云服务器的计算机系统500的结构示意图。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中,还存储有系统500操作所需的各种程序和数据。CPU501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的方法中限定的上述功能。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括接收单元、第一分析单元、第二分析单元和生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,接收单元还可以被描述为“接收至少一辆车辆在行驶过程中的GPS数据和行驶状况信息的单元”。
作为另一方面,本申请还提供了一种非易失性计算机存储介质,该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质;也可以是单独存在,未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序,当所述一个或者多个程序被一个设备执行时,使得所述设备:接收至少一辆车辆在行驶过程中的GPS数据和行驶状况信息;将各车辆的GPS数据进行分析处理,得到道路线路;对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息;根据各条道路线路和各条道路线路的线路信息生成地图。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种地图生成方法,其特征在于,所述方法包括:
接收至少一辆车辆在行驶过程中的GPS数据和行驶状况信息;
将各车辆的GPS数据进行分析处理,得到道路线路;
对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息;
根据各条道路线路和各条道路线路的线路信息生成地图。
2.根据权利要求1所述的方法,其特征在于,所述行驶状况信息包括车辆行驶速度、车辆行驶加速度、车辆启停位置和车辆停止时间;以及
所述对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息,包括:
对各车辆的车辆行驶速度、车辆行驶加速度、车辆启停位置和车辆停止时长进行统计分析,根据分析结果确定各条道路线路上的红绿灯信息。
3.根据权利要求1所述的方法,其特征在于,所述行驶状况信息包括车辆的绕行曲线半径;以及
所述对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息,包括:
对各条道路线路上行驶车辆的车辆绕行位置和绕行曲线半径进行统计分析,根据分析结果确定各条道路线路上的障碍物位置和障碍物大小。
4.根据权利要求1所述的方法,其特征在于,所述行驶状况信息包括行车记录仪拍摄的视频信息;以及
所述对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息,包括:
根据各车辆的车辆型号获取各车辆的车身宽度;
基于各车辆的行车记录仪拍摄的视频信息和车身宽度分析各车辆所在道路线路的车道线宽度和线路宽度。
5.根据权利要求4所述的方法,其特征在于,所述对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息,包括:
从各车辆的行车记录仪拍摄的视频信息中获取道路线路上的交通标志牌图像;
将获取的交通标志牌图像转化为交通标志牌数据信息,并将数据信息导入预先训练的交通标志牌识别模型进行匹配得到交通标志牌描述信息,其中,所述交通标志牌识别模型用于表征交通标志牌图像的数据信息与交通标志牌描述信息的对应关系。
6.根据权利要求5所述的方法,其特征在于,所述交通标志牌识别模型通过以下方法获得:
根据包含交通标志牌图像和与交通标志牌图像对应的交通标志牌描述信息的数据样本得到样本交通标志牌数据信息;
将所述样本交通标志牌数据信息作为输入,所述数据样本中的交通标志牌描述信息作为输出,用数据样本集通过深度神经网络训练交通标志牌识别模型。
7.根据权利要求1-6之一所述的方法,其特征在于,在对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息之前,所述方法还包括:
对接收到的行驶状况信息中包括的数据进行统计,并根据统计结果去除不满足预设条件的数据。
8.一种地图生成装置,其特征在于,所述装置包括:
接收单元,用于接收至少一辆车辆在行驶过程中的GPS数据和行驶状况信息;
第一分析单元,用于将各车辆的GPS数据进行分析处理,得到道路线路;
第二分析单元,用于对各车辆的行驶状况信息进行分析得到各条道路线路的线路信息;
生成单元,用于根据各条道路线路和各条道路线路的线路信息生成地图。
9.根据权利要求8所述的装置,其特征在于,所述行驶状况信息包括车辆行驶速度、车辆行驶加速度、车辆启停位置和车辆停止时间;以及所述第二分析单元进一步用于:
对各车辆的车辆行驶速度、车辆行驶加速度、车辆启停位置和车辆停止时长进行统计分析,根据分析结果确定各条道路线路上的红绿灯信息。
10.根据权利要求8所述的装置,其特征在于,所述行驶状况信息包括车辆的绕行曲线半径;以及所述第二分析单元进一步用于:
对各条道路线路上行驶车辆的车辆绕行位置和绕行曲线半径进行统计分析,根据分析结果确定各条道路线路上的障碍物位置和障碍物大小。
11.根据权利要求8所述的装置,其特征在于,所述行驶状况信息包括行车记录仪拍摄的视频信息;以及所述第二分析单元进一步用于:
根据各车辆的车辆型号获取各车辆的车身宽度;
基于各车辆的行车记录仪拍摄的视频信息和车身宽度分析各车辆所在道路线路的车道线宽度和线路宽度。
12.根据权利要求11所述的装置,其特征在于,所述第二分析单元进一步用于:
从各车辆的行车记录仪拍摄的视频信息中获取道路线路上的交通标志牌图像;
将获取的交通标志牌图像转化为交通标志牌数据信息,并将数据信息导入预先训练的交通标志牌识别模型进行匹配得到交通标志牌描述信息,其中,所述交通标志牌识别模型用于表征交通标志牌图像的数据信息与交通标志牌描述信息的对应关系。
13.根据权利要求12所述的装置,其特征在于,所述交通标志牌识别模型通过以下方法获得:
根据包含交通标志牌图像和与交通标志牌图像对应的交通标志牌描述信息的数据样本得到样本交通标志牌数据信息;
将所述样本交通标志牌数据信息作为输入,所述数据样本中的交通标志牌描述信息作为输出,用数据样本集通过深度神经网络训练交通标志牌识别模型。
14.根据权利要求8-13之一所述的装置,其特征在于,所述方法还包括去除单元,所述去除单元用于:
对接收到的行驶状况信息中包括的数据进行统计,并根据统计结果去除不满足预设条件的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610274794.XA CN105702152A (zh) | 2016-04-28 | 2016-04-28 | 地图生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610274794.XA CN105702152A (zh) | 2016-04-28 | 2016-04-28 | 地图生成方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105702152A true CN105702152A (zh) | 2016-06-22 |
Family
ID=56216728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610274794.XA Pending CN105702152A (zh) | 2016-04-28 | 2016-04-28 | 地图生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105702152A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106980855A (zh) * | 2017-04-01 | 2017-07-25 | 公安部交通管理科学研究所 | 交通标志快速识别定位系统及方法 |
CN107664502A (zh) * | 2016-07-28 | 2018-02-06 | 奥迪股份公司 | 动态规划路径的方法、设备和系统 |
CN109472844A (zh) * | 2018-11-01 | 2019-03-15 | 百度在线网络技术(北京)有限公司 | 路口内车道线标注方法、装置及存储介质 |
CN109839922A (zh) * | 2017-11-28 | 2019-06-04 | 百度在线网络技术(北京)有限公司 | 用于控制无人驾驶车辆的方法及装置 |
CN110647789A (zh) * | 2018-12-29 | 2020-01-03 | 北京奇虎科技有限公司 | 交通信号灯位置的识别方法和装置 |
CN110675644A (zh) * | 2019-09-27 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 道路红绿灯的识别方法、装置、电子设备及存储介质 |
CN110853382A (zh) * | 2019-11-20 | 2020-02-28 | 上海博泰悦臻网络技术服务有限公司 | 一种红绿灯数据的处理方法及装置 |
CN110941979A (zh) * | 2018-09-24 | 2020-03-31 | 通用汽车有限责任公司 | 视频和/或图像地图绘制系统 |
CN111192341A (zh) * | 2019-12-31 | 2020-05-22 | 北京三快在线科技有限公司 | 生成高精地图的方法、装置、自动驾驶设备及存储介质 |
CN111260549A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 道路地图的构建方法、装置和电子设备 |
CN111261016A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 道路地图的构建方法、装置和电子设备 |
CN111275787A (zh) * | 2018-12-04 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 一种利用行车记录仪绘制地图的方法及系统 |
CN111881231A (zh) * | 2020-06-19 | 2020-11-03 | 汉海信息技术(上海)有限公司 | 地图道路的绘制方法和电子设备 |
CN111982115A (zh) * | 2020-08-12 | 2020-11-24 | 北京汽车研究总院有限公司 | 基于惯性导航系统的特征点地图构建方法、装置以及介质 |
CN112016714A (zh) * | 2019-05-29 | 2020-12-01 | 丰田自动车株式会社 | 服务提供系统、车辆以及用于提供服务的方法 |
CN114072864A (zh) * | 2019-07-03 | 2022-02-18 | 株式会社电装 | 地图数据生成装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003004472A (ja) * | 2001-06-21 | 2003-01-08 | Hitachi Ltd | 案内情報提供システム及び案内地図の生成方法 |
CN101210825A (zh) * | 2006-12-27 | 2008-07-02 | 爱信艾达株式会社 | 地图信息生成系统 |
JP5038566B2 (ja) * | 2001-09-25 | 2012-10-03 | 株式会社ゼンリン | 管理装置および情報提供装置 |
CN103453914A (zh) * | 2012-05-28 | 2013-12-18 | 哈尔滨工业大学深圳研究生院 | 智能更新地图的云导航系统及方法 |
CN104210439A (zh) * | 2013-06-03 | 2014-12-17 | 现代自动车株式会社 | 使用车辆位置传感器数据生成道路地图的方法和系统 |
CN104573733A (zh) * | 2014-12-26 | 2015-04-29 | 上海交通大学 | 一种基于高清正射影像图的高精细地图生成系统及方法 |
CN104851295A (zh) * | 2015-05-22 | 2015-08-19 | 北京嘀嘀无限科技发展有限公司 | 获取路况信息的方法和系统 |
CN104952123A (zh) * | 2015-05-27 | 2015-09-30 | 关晓芙 | 安装在车辆中的车载设备及相关设备与方法 |
CN105444770A (zh) * | 2015-12-18 | 2016-03-30 | 上海交通大学 | 基于智能手机的车道级别地图生成和定位系统及方法 |
-
2016
- 2016-04-28 CN CN201610274794.XA patent/CN105702152A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003004472A (ja) * | 2001-06-21 | 2003-01-08 | Hitachi Ltd | 案内情報提供システム及び案内地図の生成方法 |
JP5038566B2 (ja) * | 2001-09-25 | 2012-10-03 | 株式会社ゼンリン | 管理装置および情報提供装置 |
CN101210825A (zh) * | 2006-12-27 | 2008-07-02 | 爱信艾达株式会社 | 地图信息生成系统 |
CN103453914A (zh) * | 2012-05-28 | 2013-12-18 | 哈尔滨工业大学深圳研究生院 | 智能更新地图的云导航系统及方法 |
CN104210439A (zh) * | 2013-06-03 | 2014-12-17 | 现代自动车株式会社 | 使用车辆位置传感器数据生成道路地图的方法和系统 |
CN104573733A (zh) * | 2014-12-26 | 2015-04-29 | 上海交通大学 | 一种基于高清正射影像图的高精细地图生成系统及方法 |
CN104851295A (zh) * | 2015-05-22 | 2015-08-19 | 北京嘀嘀无限科技发展有限公司 | 获取路况信息的方法和系统 |
CN104952123A (zh) * | 2015-05-27 | 2015-09-30 | 关晓芙 | 安装在车辆中的车载设备及相关设备与方法 |
CN105444770A (zh) * | 2015-12-18 | 2016-03-30 | 上海交通大学 | 基于智能手机的车道级别地图生成和定位系统及方法 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107664502A (zh) * | 2016-07-28 | 2018-02-06 | 奥迪股份公司 | 动态规划路径的方法、设备和系统 |
CN106980855A (zh) * | 2017-04-01 | 2017-07-25 | 公安部交通管理科学研究所 | 交通标志快速识别定位系统及方法 |
CN109839922A (zh) * | 2017-11-28 | 2019-06-04 | 百度在线网络技术(北京)有限公司 | 用于控制无人驾驶车辆的方法及装置 |
CN109839922B (zh) * | 2017-11-28 | 2020-11-10 | 百度在线网络技术(北京)有限公司 | 用于控制无人驾驶车辆的方法及装置 |
CN110941979A (zh) * | 2018-09-24 | 2020-03-31 | 通用汽车有限责任公司 | 视频和/或图像地图绘制系统 |
CN109472844A (zh) * | 2018-11-01 | 2019-03-15 | 百度在线网络技术(北京)有限公司 | 路口内车道线标注方法、装置及存储介质 |
CN111261016B (zh) * | 2018-11-30 | 2022-04-26 | 北京嘀嘀无限科技发展有限公司 | 道路地图的构建方法、装置和电子设备 |
CN111260549A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 道路地图的构建方法、装置和电子设备 |
CN111261016A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 道路地图的构建方法、装置和电子设备 |
CN111275787A (zh) * | 2018-12-04 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 一种利用行车记录仪绘制地图的方法及系统 |
CN110647789A (zh) * | 2018-12-29 | 2020-01-03 | 北京奇虎科技有限公司 | 交通信号灯位置的识别方法和装置 |
CN112016714A (zh) * | 2019-05-29 | 2020-12-01 | 丰田自动车株式会社 | 服务提供系统、车辆以及用于提供服务的方法 |
EP3745748A1 (en) * | 2019-05-29 | 2020-12-02 | Toyota Jidosha Kabushiki Kaisha | Service providing system, vehicle and method for providing service |
CN114072864A (zh) * | 2019-07-03 | 2022-02-18 | 株式会社电装 | 地图数据生成装置 |
US11815362B2 (en) | 2019-07-03 | 2023-11-14 | Denso Corporation | Map data generation apparatus |
CN114072864B (zh) * | 2019-07-03 | 2024-03-12 | 株式会社电装 | 地图数据生成装置 |
CN110675644A (zh) * | 2019-09-27 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 道路红绿灯的识别方法、装置、电子设备及存储介质 |
CN110853382A (zh) * | 2019-11-20 | 2020-02-28 | 上海博泰悦臻网络技术服务有限公司 | 一种红绿灯数据的处理方法及装置 |
CN111192341A (zh) * | 2019-12-31 | 2020-05-22 | 北京三快在线科技有限公司 | 生成高精地图的方法、装置、自动驾驶设备及存储介质 |
CN111881231A (zh) * | 2020-06-19 | 2020-11-03 | 汉海信息技术(上海)有限公司 | 地图道路的绘制方法和电子设备 |
CN111982115A (zh) * | 2020-08-12 | 2020-11-24 | 北京汽车研究总院有限公司 | 基于惯性导航系统的特征点地图构建方法、装置以及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105702152A (zh) | 地图生成方法和装置 | |
CN111179585B (zh) | 自动驾驶车辆的场地测试方法及装置 | |
CN109657355B (zh) | 一种车辆道路虚拟场景的仿真方法及系统 | |
CN107782564B (zh) | 一种自动驾驶车辆测评系统及方法 | |
CN112789619B (zh) | 一种仿真场景的构建方法、仿真方法以及设备 | |
US10417509B2 (en) | Variable speed sign value prediction and confidence modeling | |
JP7371157B2 (ja) | 車両監視方法、装置、電子機器、記憶媒体、コンピュータプログラム、クラウド制御プラットフォームおよび車路連携システム | |
US20220299324A1 (en) | Accident fault detection based on multiple sensor devices | |
CN112216097A (zh) | 一种检测车辆的盲区的方法及装置 | |
EP3789733A1 (en) | Turn lane configuration | |
CN108074396A (zh) | 安全行驶评价方法及系统 | |
CN109839922B (zh) | 用于控制无人驾驶车辆的方法及装置 | |
DE102016100428A1 (de) | In virtuellen Umgebungen verfeinertes autonomes Fahren | |
DE102016123887A1 (de) | Virtuelle sensordatenerzeugung zur radanschlagdetektion | |
CN104851295A (zh) | 获取路况信息的方法和系统 | |
CN111489588A (zh) | 车辆驾驶风险预警方法及装置、设备、存储介质 | |
DE102016100492A1 (de) | Virtueller autonomer Antwortprüfstand | |
CN108460968A (zh) | 一种基于车联网获取交通路况信息的方法及装置 | |
CN109782364B (zh) | 基于机器视觉的交通标志牌缺失检测方法 | |
CN111811828B (zh) | 一种无人车驾驶测试方法、装置、系统及存储介质 | |
CN105424051A (zh) | 一种确定车辆行驶路径的方法和设备 | |
CN111765904B (zh) | 自动驾驶车辆的测试方法、装置、电子设备和介质 | |
CN115547084A (zh) | 道路通行状况预测方法、装置、电子设备及计算机程序产品 | |
CN113808414B (zh) | 道路荷载确定方法、装置及存储介质 | |
CN114463986A (zh) | 一种车联网车路协同方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160622 |
|
RJ01 | Rejection of invention patent application after publication |