CN108268481B - 云端地图更新方法及电子设备 - Google Patents

Abstract

本发明实施例提供一种云端地图地图更新方法及电子设备，属于计算机领域。所述云端地图更新方法包括：在一给定时间段内接收针对同一位置的多个点云信息；根据之前存储的针对该位置的点云信息以及所接收的多个点云信息，确定该多个点云信息各自的有效概率；根据所述多个点云信息各自的递交时间戳，确定该多个点云信息各自的时间可靠度；根据所述多个点云信息各自的有效概率及时间可靠度，对所述多个点云信息进行排列处理；以及确定排名靠前的点云信息，并利用该点云信息对之前存储的针对该位置的点云信息进行更新。通过上述技术方案，可实现很好的地图融合。

Description

云端地图更新方法及电子设备

技术领域

本发明涉及计算机领域，具体地，涉及一种云端地图更新方法及电子设备。

背景技术

随着自动驾驶技术的不断发展，越来越多的自动驾驶服务开始进入人们的生活圈。无人车定位是自动驾驶的关键技术之一，精确的定位对于无人驾驶的环境感知和路径规划等任务至关重要。但是在城市环境下，受遮挡的GPS信号为基于全球卫星的定位方法提出了新的挑战。另外有研究人员提出采用激光里程计或者视觉里程计的方法进行位姿估计的方法，但是复杂的交通环境，繁多的动态/静态障碍物使得这一类方法的稳定性大大降低。高精度地图的提出为无人车在城市环境下的定位方式提出了新的策略，通过局部点云(由无人车激光获取)和高精度地图进行实时匹配实现高精度的定位结果，根据Google的技术报告，采用这种定位方法的精度可以达到厘米级别。高精度地图的使用一方面可以使得无人车系统摆脱对高分辨率激光设备的依赖，另一方面也可以获得稳定有效的定位、环境感知的结果。

目前，在对云端地图进行更新时，经常会接收到针对同一位置在同一时段的多个局部地图数据时，现有技术往往是对这些局部地图数据进行平均处理以更新至云端地图。本申请发明人在实现本发明的过程中发现，采用信息平均处理的方法无法获得稳定的地图更新效果，因为针对同一位置在同一时段的多个局部地图数据中各个局部地图数据的质量有可能有差异。

发明内容

本发明实施例的目的是提供一种云端地图更新方法及电子设备，其可针对上述背景技术中所提及的一个或多个问题，给出解决方案，实现云端地图更新。

为了实现上述目的，本发明一实施例提供一种云端地图更新方法，该方法包括：在一给定时间段内接收针对同一位置的多个点云信息；根据之前存储的针对该位置的点云信息以及所接收的多个点云信息，确定该多个点云信息各自的有效概率；根据所述多个点云信息各自的递交时间戳，确定该多个点云信息各自的时间可靠度；根据所述多个点云信息各自的有效概率及时间可靠度，对所述多个点云信息进行排列处理；以及确定排名靠前的点云信息，并利用该点云信息对之前存储的针对该位置的点云信息进行更新。

可选的，所述点云信息采用八叉树存储结构。

可选的，所述根据之前存储的针对该位置的点云信息以及所接收的多个点云信息确定该多个点云信息各自的有效概率包括：根据以下等式计算多个点云信息各自的有效概率：

I_j＝exp(1/D_j)

其中，

M₀为之前存储的针对该位置的点云信息；

M_j为在一给定时间段内接收针对同一位置的第j个点云信息；

p_i表示之前存储的针对该位置的点云信息M₀的第i个节点；

q_i表示p_i在Mj中的最近节点；

M表示之前存储的针对该位置的点云信息内的节点总数；

D_j表示M_j与M₀的L1范数误差；

I_j表示M_j与M₀的相似度；

表示所述给定时间段内接收针对同一位置的多个点云信息的I之和；

P(j)表示M_j的有效概率。

可选的，根据所述多个点云信息各自的递交时间戳确定该多个点云信息各自的时间可靠度包括：根据以下等式确定该多个点云信息各自的时间可靠度：

其中，

T为所述给定时间段的长度；

t_j及t_k分别为在所述给定时间段内接收针对同一位置的第j个点云信息和第k个点云信息的递交时间；以及

Q(j)表示所述多个点云信息各自的时间可靠度。

可选的，，根据所述多个点云信息各自的有效概率及时间可靠度对所述多个点云信息进行排列处理包括：按照以下等式对所述多个点云信息分别进行投票估计，并以估计值对所述多个点云信息进行排列：

V(j)＝α·P(j)+(1-α)·Q(j)

其中，α为常数系数，用于调节对时间因素及有效因素的依赖性。

可选的，所述确定排名靠前的点云信息并利用该点云信息对之前存储的针对该位置的点云信息进行更新包括：确定所述多个点云信息内排名靠前的30％的点云信息，并利用该30％的点云信息对所述之前存储的针对该位置的点云信息进行概率更新。

可选的，所述针对同一位置的多个点云信息接收自多个可移动设备。

相应地，本发明一实施例提供一种云端地图更新设备，该设备包括：接收单元，用于在一给定时间段内接收针对同一位置的多个点云信息；有效概率确定单元，用于根据之前存储的针对该位置的点云信息以及所接收的多个点云信息，确定该多个点云信息各自的有效概率；时间可靠度确定单元，用于根据所述多个点云信息各自的递交时间戳，确定该多个点云信息各自的时间可靠度；排列处理单元，用于根据所述多个点云信息各自的有效概率及时间可靠度，对所述多个点云信息进行排列处理；以及更新单元，用于确定排名靠前的点云信息，并利用该点云信息对之前存储的针对该位置的点云信息进行更新。

可选的，所述点云信息采用八叉树存储结构。

可选的，所述根据之前存储的针对该位置的点云信息以及所接收的多个点云信息确定该多个点云信息各自的有效概率包括：根据以下等式计算多个点云信息各自的有效概率：

I_j＝exp(1/D_j)

其中，

M₀为之前存储的针对该位置的点云信息；

M_j为在一给定时间段内接收针对同一位置的第j个点云信息；

p_i表示之前存储的针对该位置的点云信息M₀的第i个节点；

q_i表示p_i在Mj中的最近节点；

M表示之前存储的针对该位置的点云信息内的节点总数；

D_j表示M_j与M₀的L1范数误差；

I_j表示M_j与M₀的相似度；

表示所述给定时间段内接收针对同一位置的多个点云信息的I之和；

P(j)表示M_j的有效概率。

可选的，根据所述多个点云信息各自的递交时间戳确定该多个点云信息各自的时间可靠度包括：根据以下等式确定该多个点云信息各自的时间可靠度：

其中，

T为所述给定时间段的长度；

t_j及t_k分别为在所述给定时间段内接收针对同一位置的第j个点云信息和第k个点云信息的递交时间；以及

Q(j)表示所述多个点云信息各自的时间可靠度。

可选的，根据所述多个点云信息各自的有效概率及时间可靠度对所述多个点云信息进行排列处理包括：按照以下等式对所述多个点云信息分别进行投票估计，并以估计值对所述多个点云信息进行排列：

V(j)＝α·P(j)+(1-α)·Q(j)

其中，α为常数系数，用于调节对时间因素及有效因素的依赖性。

可选的，所述确定排名靠前的点云信息并利用该点云信息对之前存储的针对该位置的点云信息进行更新包括：确定所述多个点云信息内排名靠前的30％的点云信息，并利用该30％的点云信息对所述之前存储的针对该位置的点云信息进行概率更新。

可选的，所述针对同一位置的多个点云信息接收自多个可移动设备。

相应的，本发明一实施例还提供一种电子设备，该电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行上述云端地图更新方法。

通过上述技术方案，可考虑给定时间段内接收的针对同一位置的多个点云信息的有效概率及时间可靠度，并对这些多个点云信息进行排名，取排名靠前的数个点云信息来对之前存储的针对该位置的点云信息进行更新，进而可实现很好的地图融合。

本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：

图1为本发明一实施例提供的云端地图更新系统的结构示意图；

图2为本发明一实施例提供的云端地图更新方法的流程图；

图3为八叉树与空间划分区域的对应关系；

图4A为云端地图更新方法所所涉及的平面空间示意图；

图4B为在进行基于八叉树的云端地图更新方法所涉及的节点示意图；

图5为本发明一实施例提供的云端地图更新设备的结构示意图；

图6是本发明一实施例提供的执行云端地图更新方法的电子设备的硬件结构示意图。

具体实施方式

以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。

图1为本发明一实施例提供的云端地图更新系统的结构示意图。如图1所示，该云端提供更新系统可包含可移动设备100A-100C及云端服务器200，该可移动设备100A-100C可为车辆，云端服务器200内存储有云端地图，每一车辆可向所述云端服务器200请求云端地图，进而依据该云端地图进行导航或其他操作，例如观看当前的路况信息(例如，哪条路处于堵车，哪条路畅通等等)。所述可移动设备100A-100C与云端服务器200可经由各种通信网络进行通信，诸如IEEE 802.16(即全球微波互联接入(WiMAX))、CDMA2000、CDMA2000 1x、CDMA2000EV-DO、临时标准2000(IS-2000)、临时标准95(IS-95)、临时标准856(IS-856)、全球移动通信系统(GSM)、增强型数据速率GSM演进(EDGE)、GSM EDGE(GERAN)等。

其中所述可移动设备100A-100C中的每一者可获取其自身的当前位置，例如其当前位置坐标，并将该当前位置及与该当前位置相对应的局部地图点云请求发送至所述云端服务器200，该云端服务器200可响应于该局部地图点云请求，从其存储的云端地图内获取与所述当前位置相对应的局部地图点云，并将该点云发送回所述可移动设备100A-100C，以便该可移动设备100A-100C利用该局部地图点云进行导航。本发明以下实施例所提供的云端地图更新方法可在该图1所示的云端地图更新系统的云端服务器内执行，当然，并本发明以下实施例也不仅仅限于在图1所示的云端地图更新系统的云端服务器内执行，其还可以执行于现有的离线地图更新系统的服务器内。

图2为本发明一实施例提供的云端地图更新方法的流程图。如图2所示，发明一实施例提供的云端地图更新方法包括：

步骤S210，在一给定时间段内接收针对同一位置的多个点云信息。

该多个点云信息可来自图1所述的可移动设备，所述位置可为该可移动设备的经纬度信息，亦可为表征其在某一参考坐标系内的位置的其他位置信息。所述可移动设备内可配备GPS定位系统，其可获取该可移动设备的GPS信息以作为当前位置，当然其他可位置定位方式亦是可行的，该可移动设备还可通过空中接口从基站接收位置信息，和/或基于从两个或更多个相邻基站接收到的信号的定时来确定其位置。需要理解的是，在与实施方式一致的同时，该可移动设备可以通过任何合适的位置确定方法来获取位置信息。

所述点云信息可由所述可移动设备上的捕获设备来获取，例如该捕获设备可为摄像头、高分辨率激光设备、红外摄像仪等可感知周围环境的设备，所述可移动设备可借助该捕获设备来感知获取其所处位置的环境信息，例如哪个方位存在障碍物、存在何种障碍物等等，并将其作为当前位置的点云信息。可移动设备可经由上述所列举的其与云端服务器之间的通信网络来传送该当前位置及捕获设备在该当前位置所感知的点云信息。

需要说明的是，所述在一给定时间段内接收针对同一位置的多个点云信息并不限于来自上述可移动设备，也可以是其他设备所捕获的点云信息以用于云端地图更新。

步骤S220，根据之前存储的针对该位置的点云信息以及所接收的多个点云信息，确定该多个点云信息各自的有效概率。

例如，可通过将之前存储的针对该位置的点云信息以及所接收的多个点云信息进行比较，进而确定所接收的多个点云信息中与之前存储的针对该位置的点云信息差异较大的点云信息有效的概率较高。所接收的多个点云信息中点云信息与之前存储的针对该位置的点云信息差异越大，越能表明该点云信息值得被更新，若差异较小，可能就没有更新的必要了。

步骤S230，根据所述多个点云信息各自的递交时间戳，确定该多个点云信息各自的时间可靠度。

例如，所述多个点云信息中的点云信息的递交时间戳离当前时间越近，则表明该点云信息所反映的信息越新，时间可靠度越高。例如，如果云端服务器分别在2016年3月1日13:01以及13:02接收到针对同一位置的点云信息，显然13:02接收到针对该同一位置的点云信息要比13:01接收到针对该同一位置的点云信息的时间可靠度高。

步骤S240，根据所述多个点云信息各自的有效概率及时间可靠度，对所述多个点云信息进行排列处理。

此处，可考虑有效概率及时间可靠度这两者在云端地图更新中的权重，如果更加侧重于反映云端地图的最新信息的情况下，可给时间可靠度分配较高的权重，如果更加侧重于云端地图的内容变更而不过多的考虑更新次数的情况下，可给有效概率分配较高的权重。

步骤S250，确定排名靠前的点云信息，并利用该点云信息对之前存储的针对该位置的点云信息进行更新。

其中，云端服务器可直接排名靠前的点云信息覆盖其所存储的针对该当前位置的局部地图点云信息，当然，其他更新方式也是可以的，例如其可基于Generalized-ICP方法进行更新。

通过上述技术方案，可考虑给定时间段内接收的针对同一位置的多个点云信息的有效概率及时间可靠度，并对这些多个点云信息进行排名，取排名靠前的数个点云信息来对之前存储的针对该位置的点云信息进行更新，进而可实现很好的地图融合。

其中，所述点云信息可采用八叉树存储结构。八叉树(octree)是一种用于描述三维空间的树状数据结构。八叉树的每个节点表示一个正方体的体积元素，每个节点有八个子节点，这八个子节点所表示的体积元素加在一起就等于父节点的体积。一般中心点作为节点的分叉中心。图3为八叉树与空间划分区域的对应关系。如图3所示，可把一空间视为一个长方体(优选为立方体)，对应八叉树的根节点；再将该长方体划分成八个一级区域，每个一级区域对应根节点的一级子节点；更进一步地，将每个一级区域再划分成八个二级区域，每个二级区域对应该一级区域所对应的一级子节点的子节点，即二级子节点……通过上述方法将空间层层划分，对应的八叉树各节点存储对应的空间划分区域的环境信息，例如该空间划分区域内是否有障碍物。最后，可根据八叉树存储结构中所存储的各个划分区域中所存储的环境信息建立空间地图。本发明实施例即为采用八叉树的数据结构对于给定空间大小的区域进行八叉树建模，一般空间的大小可选取100mx100mx3m的空间，如果以0.1m为空间的分辨率，则对应的3D栅格大小为1000x1000x30，通过基于八叉树的空间压缩方法，此空间的地图存储大小可以压缩到10mb空间大小以内。

可利用八叉树数据存储结构对所述点云信息进行解析，并将解析结果更新至该云端服务器内之前存储的对应于所述位置的八叉树结构内。所述云端服务器内之前可存储有一对应于某一空间范围的八叉树存储结构，可将该空间范围划分为多个具有预设大小的平面空间(例如，100mx100mx3m)，该八叉树存储结构内含有针对该多个预设大小平面空间中每一预设大小平面空间的八叉树，这些八叉树相互之间存在节点交叉。

需要补充说明的是，上述八叉树存储结构仅仅是树形存储结构的一种，该树形存储结构中的父节点还可以包含其他数量的子节点，例如父节点包含6、18、27、64个子节点等，对应地为六叉树、十八叉树、二十七叉树、六十四叉树。树形存储结构包括这些，但不限于这些。

图4A为云端地图更新方法所所涉及的平面空间示意图。如图4A所示，图中示出了两种灰度的区块，其中每块灰度较深的区域可代表100m*100m的平面空间所构成的八叉树，而每块灰度交浅的区域可代表上述灰度较深的区域之间的交叉区域的八叉树。对于对应于A位置的点云信息而言，仅需要对A位置所处的区域的八叉树信息进行环境建模与动态地图更新。对于对应于B位置的点云信息而言，仅需要对B位置所处的交叉区域的八叉树信息进行环境建模与动态地图更新。

图4B为在进行基于八叉树的云端地图更新方法所涉及的节点示意图。当所接收的点云信息对应于A位置时，可根据该A位置所处的区域的八叉树的节点进行更新。

对于给定时间长度内T，可接收到针对图4A所示的A位置的不同可移动设备提交的八叉树点云信息为M₁,M₂,M₃,…,M_n，将每一个八叉树点云信息与数据库里现有的历史八叉树点云信息M₀进行比对，根据以下等式计算多个点云信息各自的有效概率：

I_j＝exp(1/D_j)

其中，

M₀为之前存储的针对该位置的点云信息；

M_j为在一给定时间段内接收针对同一位置的第j个点云信息；

p_i表示之前存储的针对该位置的点云信息M₀的第i个节点；

q_i表示p_i在Mj中的最近节点；

M表示之前存储的针对该位置的点云信息内的节点总数；

D_j表示M_j与M₀的L1范数误差；

I_j表示M_j与M₀的相似度；

表示所述给定时间段内接收针对同一位置的多个点云信息的I之和；

P(j)表示M_j的有效概率。

之后，可根据以下等式确定该多个点云信息各自的时间可靠度：

其中，

T为所述给定时间段的长度；

t_j及t_k分别为在所述给定时间段内接收针对同一位置的第j个点云信息和第k个点云信息的递交时间；以及

Q(j)表示所述多个点云信息各自的时间可靠度。

之后，可按照以下等式对所述多个点云信息分别进行投票估计，并以估计值对所述多个点云信息进行排列：

V(j)＝α·P(j)+(1-α)·Q(j)

其中，α为常数系数，用于调节对时间因素及有效概率因素的依赖性。

可确定所述多个点云信息内排名靠前的例如30％的点云信息，并利用该30％的点云信息对所述之前存储的针对该位置的点云信息进行概率更新。该概率更新的方法可参阅Hornung,A.；Wurm,K.M.；Bennewitz,M.；Stachniss,C.；Burgard,W.OctoMap:An efficientprobabilistic 3D mapping framework based on octrees.Auton.Robots 2013,34,189–206.

图5为本发明一实施例提供的云端地图更新设备的结构示意图。如图5所示，本发明一实施例提供一种云端地图更新设备，该设备包括：接收单元210，用于在一给定时间段内接收针对同一位置的多个点云信息；有效概率确定单元220，用于根据之前存储的针对该位置的点云信息以及所接收的多个点云信息，确定该多个点云信息各自的有效概率；时间可靠度确定单元230，用于根据所述多个点云信息各自的递交时间戳，确定该多个点云信息各自的时间可靠度；排列处理单元240，用于根据所述多个点云信息各自的有效概率及时间可靠度，对所述多个点云信息进行排列处理；以及更新单元250，用于确定排名靠前的点云信息，并利用该点云信息对之前存储的针对该位置的点云信息进行更新。

可选的，所述点云信息采用八叉树存储结构。

可选的，所述根据之前存储的针对该位置的点云信息以及所接收的多个点云信息确定该多个点云信息各自的有效概率包括：根据以下等式计算多个点云信息各自的有效概率：

I_j＝exp(1/D_j)

其中，

M₀为之前存储的针对该位置的点云信息；

M_j为在一给定时间段内接收针对同一位置的第j个点云信息；

p_i表示之前存储的针对该位置的点云信息M₀的第i个节点；

q_i表示p_i在Mj中的最近节点；

M表示之前存储的针对该位置的点云信息内的节点总数；

D_j表示M_j与M₀的L1范数误差；

I_j表示M_j与M₀的相似度；

表示所述给定时间段内接收针对同一位置的多个点云信息的I之和；

P(j)表示M_j的有效概率。

可选的，根据所述多个点云信息各自的递交时间戳确定该多个点云信息各自的时间可靠度包括：根据以下等式确定该多个点云信息各自的时间可靠度：

其中，

T为所述给定时间段的长度；

t_j及t_k分别为在所述给定时间段内接收针对同一位置的第j个点云信息和第k个点云信息的递交时间；以及

Q(j)表示所述多个点云信息各自的时间可靠度。

可选的，根据所述多个点云信息各自的有效概率及时间可靠度对所述多个点云信息进行排列处理包括：按照以下等式对所述多个点云信息分别进行投票估计，并以估计值对所述多个点云信息进行排列：

V(j)＝α·P(j)+(1-α)·Q(j)

其中，α为常数系数，用于调节对时间因素及有效因素的依赖性。

可选的，所述确定排名靠前的点云信息并利用该点云信息对之前存储的针对该位置的点云信息进行更新包括：确定所述多个点云信息内排名靠前的30％的点云信息，并利用该30％的点云信息对所述之前存储的针对该位置的点云信息进行概率更新。

可选的，所述针对同一位置的多个点云信息接收自多个可移动设备。

有关本发明该实施例提供的云端地图更新设备的具体细节及益处，可参与上述针对云端地图更新方法的描述，于此不再赘述。

图6是本发明实施例提供的执行云端地图更新方法的电子设备的硬件结构示意图，如图6所示，该设备包括一个或多个处理器610以及存储器620，图6中以一个处理器610为例。

执行云端地图更新方法的电子设备还可以包括：输入装置630和输出装置640。

处理器610、存储器620、输入装置630和输出装置640可以通过总线或者其他方式连接，图6中以通过总线连接为例。

处理器610可以为中央处理器(Central Processing Unit，CPU)。处理器610还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器620作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中的可移动设备的环境感知建模方法对应的程序指令/模块(例如，附图5所示的接收单元210、有效概率确定单元220、时间可靠度确定单元230、排列处理单元240、更新单元250)。处理器610通过运行存储在存储器620中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例可移动设备的环境感知建模方法。

存储器620可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据云端地图更新设备的使用所创建的数据等。此外，存储器620可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器620可选包括相对于处理器610远程设置的存储器，这些远程存储器可以通过网络连接至可移动设备的环境感知建模装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置630可接收输入的数字或字符信息，以及产生与云端地图更新设备用户设置以及功能控制有关的键信号输入。输出装置640可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器620中，当被所述一个或者多个处理器610执行时，执行如图2所示的方法。

上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施例中详尽描述的技术细节，具体可参见如图2-5所示的实施例中的相关描述。

本发明实施例还提供了一种非暂态计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的可移动设备的环境感知建模方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (8)

1.一种云端地图更新方法，其特征在于，该方法包括：

在一给定时间段内接收针对同一位置的多个点云信息；

根据之前存储的针对该位置的点云信息以及所接收的多个点云信息，确定该多个点云信息各自的有效概率；

根据所述多个点云信息各自的递交时间戳，确定该多个点云信息各自的时间可靠度；

根据所述多个点云信息各自的有效概率及时间可靠度，对所述多个点云信息进行排列处理；以及

确定排名靠前的点云信息，并利用该点云信息对之前存储的针对该位置的点云信息进行更新。

2.根据权利要求1所述的云端地图更新方法，其特征在于，所述点云信息采用八叉树存储结构。

3.根据权利要求2所述的云端地图更新方法，其特征在于，所述根据之前存储的针对该位置的点云信息以及所接收的多个点云信息确定该多个点云信息各自的有效概率包括：

根据以下等式计算多个点云信息各自的有效概率：

I_j＝exp(1/D_j)

其中，

M₀为之前存储的针对该位置的点云信息；

M_j为在一给定时间段内接收针对同一位置的第j个点云信息；

p_i表示之前存储的针对该位置的点云信息M₀的第i个节点；

q_i表示p_i在M_j中的最近节点；

M表示之前存储的针对该位置的点云信息内的节点总数；

D_j表示M_j与M₀的L1范数误差；

I_j表示M_j与M₀的相似度；

表示所述给定时间段内接收针对同一位置的多个点云信息的I之和；

P(j)表示M_j的有效概率。

4.根据权利要求1或2所述的云端地图更新方法，其特征在于，根据所述多个点云信息各自的递交时间戳确定该多个点云信息各自的时间可靠度包括：

根据以下等式确定该多个点云信息各自的时间可靠度：

其中，

T为所述给定时间段的长度；

t_j及t_k分别为在所述给定时间段内接收针对同一位置的第j个点云信息和第k个点云信息的递交时间的长度；以及

Q(j)表示所述多个点云信息各自的时间可靠度。

5.根据权利要求1或2所述的云端地图更新方法，其特征在于，根据所述多个点云信息各自的有效概率及时间可靠度对所述多个点云信息进行排列处理包括：

按照以下等式对所述多个点云信息分别进行投票估计，并以估计值对所述多个点云信息进行排列：

V(j)＝α·P(j)+(1-α)·Q(j)

其中，α为常数系数，用于调节对时间因素及有效因素的依赖性。

6.根据权利要求1或2所述的云端地图更新方法，其特征在于，所述确定排名靠前的点云信息并利用该点云信息对之前存储的针对该位置的点云信息进行更新包括：

确定所述多个点云信息内排名靠前的30％的点云信息，并利用该30％的点云信息对所述之前存储的针对该位置的点云信息进行概率更新。

7.根据权利要求1所述的云端地图更新方法，其特征在于，所述针对同一位置的多个点云信息接收自多个可移动设备。

8.一种电子设备，其特征在于，该电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-7中任一项所述的云端地图更新方法。

Images