CN108413975A - 地图获取方法、系统、云处理器及车辆 - Google Patents
地图获取方法、系统、云处理器及车辆 Download PDFInfo
- Publication number
- CN108413975A CN108413975A CN201810213040.2A CN201810213040A CN108413975A CN 108413975 A CN108413975 A CN 108413975A CN 201810213040 A CN201810213040 A CN 201810213040A CN 108413975 A CN108413975 A CN 108413975A
- Authority
- CN
- China
- Prior art keywords
- map
- vehicle
- data
- target area
- source data
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Instructional Devices (AREA)
- Processing Or Creating Images (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种地图获取方法、系统、云处理器及车辆，所述方法包括：向各车辆发送采集指令，所述采集指令用于指示各所述车辆对所述目标区域进行采集，获得所述目标区域的各地图源数据；接收各所述车辆发送的地图中间数据，所述地图中间数据为所述地图源数据对应的数据；根据各所述地图中间数据，生成所述目标区域的地图，进而降低了地图采集的成本，提高了地图的更新速度和准确性。
Description
技术领域
本发明实施例涉及地图采集技术领域，尤其涉及一种地图获取方法、系统、云处理器及车辆。
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。
现阶段的地图构建一般通过专门的地图采集车进行采集，该地图采集车上装载有高精度的激光雷达和GPS(Global Positioning System，全球卫星定位系统)，使用激光雷达和GPS对地图数据进行采集，再统一生成可供导航的地图。
但是，现有的地图采集车需要专人进行驾驶，会造成地图采集成本高，且地图更新慢的问题。
发明内容
本发明实施例提供一种地图获取方法、系统、云处理器及车辆，以解决现有的地图采集车需要专人进行驾驶，会造成地图采集成本高，且地图更新慢题的问题。
第一方面，本发明实施例提供一种地图获取方法，所述方法应用于云处理器，包括：
向各车辆发送采集指令，所述采集指令用于指示各所述车辆对所述目标区域进行采集，获得所述目标区域的各地图源数据，其中，所述车辆为签订众包协议的车辆；
接收各所述车辆发送的地图中间数据，所述地图中间数据为所述地图源数据对应的数据；
根据各所述地图中间数据，生成所述目标区域的地图。
第二方面，本发明实施例提供一种地图获取方法，所述方法应用于签订众包协议的车辆，包括：
接收云处理器发送的采集指令；
根据所述采集指令，对目标区域进行采集，获得所述目标区域的地图源数据；
将地图中间数据发送给所述云处理器，以使所述云处理器根据所述地图中间数据，生成所述目标区域的地图，所述地图中间数据为所述地图源数据对应的数据。
第三方面，本发明实施例提供一种云处理器，包括：
发送模块，用于向各车辆发送采集指令，所述采集指令用于指示各所述车辆对所述目标区域进行采集，获得所述目标区域的各地图源数据，其中，所述车辆为签订众包协议的车辆；
接收模块，用于接收各所述车辆发送的地图中间数据，所述地图中间数据为所述地图源数据对应的数据；
处理模块，用于根据各所述地图中间数据，生成所述目标区域的地图。
第四方面，本发明实施例提供一种车辆，所述车辆为签到众包协议的车辆，所述车辆包括：
接收模块，用于接收云处理器发送的采集指令；
采集模块，用于根据所述采集指令，对目标区域进行采集，获得所述目标区域的地图源数据；
发送模块，用于将地图中间数据发送给所述云处理器，以使所述云处理器根据所述地图中间数据，生成所述目标区域的地图，所述地图中间数据为所述地图源数据对应的数据。
第五方面，本发明实施例提供一种云处理器，包括：
发射器，用于向各车辆发送采集指令，所述采集指令用于指示各所述车辆对所述目标区域进行采集，获得所述目标区域的各地图源数据，其中，所述车辆为签订众包协议的车辆；
接收器，用于接收各所述车辆发送的地图中间数据，所述地图中间数据为所述地图源数据对应的数据；
处理器，用于根据各所述地图中间数据，生成所述目标区域的地图。
第六方面，本发明实施例提供一种车辆，所述车辆为签到众包协议的车辆，所述车辆包括：
车辆本体，设置在所述车辆本体上的接收器、处理器和发射器；
所述接收器，用于接收云处理器发送的采集指令；
所述处理器，用于根据所述采集指令，使用自身的采集设备对目标区域进行采集，获得所述目标区域的地图源数据；
所述发射器，用于将地图中间数据发送给所述云处理器，以使所述云处理器根据所述地图中间数据，生成所述目标区域的地图，所述地图中间数据为所述地图源数据对应的数据。
第七方面，本发明实施例提供一种地图获取系统，包括：通信连接的车辆和云处理器，所述车辆用于执行第一方面所述的地图获取方法，所述云处理器用于执行第二方面所述的地图获取方法。
第八方面，本发明实施例提供一种计算机存储介质，所述存储介质中存储计算机程序，所述计算机程序在执行时实现上述第一方面和第二方面所述的地图获取方法。
本发明实施例的有益效果如下：
云处理器向各车辆发送采集指令，各车辆接收云处理器发送的采集指令，根据该采集指令，使用自身的采集设备对目标区域进行采集，获得目标区域的地图源数据，接着，对该地图源数据进行处理，生成地图中间数据，并将地图中间数据发送给云处理器。云处理器接收各车辆发送的地图中间数据，并根据各地图中间数据，生成目标区域的地图。即本实施例，使用签订众包协议的普通车辆来采集地图数据，进而降低了地图数据采集的成本。同时，本实施例基于多个车辆采集的地图数据来生成目标区域的地图，进而提高了地图获取的准确性。进一步的，本实施例可以指示车辆随时对目标区域进行地图采集，进而提高了地图更新速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的地图获取方法的流程图；
图2为本发明实施例涉及的地图获取系统的架构图；
图3为本发明实施例二提供的地图获取方法的流程图；
图4为本发明实施例涉及的回环路径示意图；
图5为本发明实施例二提供的地图获取方法的另一流程图；
图6为本发明实施例二提供的地图获取方法的又一流程图；
图7为本发明实施例涉及的第一地图片段和第二地图片段的示意图；
图8为第一地图片段和第二地图片段形成的合并地图的示意图；
图9为本发明实施例三提供的地图获取方法的流程图；
图10为本发明实施例涉及的未知路段的示意图；
图11为本发明实施例四提供的地图获取方法的流程图；
图12为本发明实施例涉及的失效路段的示意图；
图13为本发明实施例一提供的云处理器的结构示意图；
图14为本发明实施例二提供的云处理器的结构示意图；
图15为本发明实施例三提供的云处理器的结构示意图；
图16为本发明实施例四提供的云处理器的结构示意图；
图17为本发明实施例提供的车辆的结构示意图；
图18为本发明实施例提供的云处理器的结构示意图；
图19为本发明实施例提供的车辆的结构示意图；
图20为本发明实施例提供的地图获取系统的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
本发明实施例的车辆为签订众包协议的普通车辆，例如签订众包协议的私家车、出租车、网约车等。可选的，本实施例的车辆还可以使用机器人替换，例如使用签订众包协议的运输机器人、环保机器人等替换车辆。
本实施例以车辆为例进行说明，本实施例中的各车辆自身安装有采集设备，例如安装有摄像头(例如单目摄像头或双目摄像头)和传感器(例如惯性导航器件、里程计)等。
本实施例的技术方案，使用普通车辆代替地图采集车来采集地图，进而降低了地图采集成本。同时，本实施例可以随时指示多个车辆对目标区域进行此采集，进而实现地图的及时更新。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明实施例一提供的地图获取方法的流程图，图2为本发明实施例涉及的地图获取系统的架构图。
如图1和图2所示，本实施例的方法可以包括：
S101、云处理器向各车辆发送采集指令。
所述采集指令用于指示各所述车辆对所述目标区域进行采集，获得所述目标区域的各地图源数据。
如图2所示，本实施例的地图采集系统包括通信连接的车辆和云处理器，云处理器用于指示车辆进行地图数据采集，并对采集的地图数据进行处理，生成地图。
需要说明的是，本实施例的车辆包括处理器，例如包括CPU(Central ProcessingUnit，中央处理器)、MCU(Micro Control Unit，微控制单元)等处理器，用于对数据进行预处理，同时，包括无线通讯模块，用于与云处理器进行无线交互，例如通过3G/4G蜂窝通信、WIFI(Wireless Fidelity，无线保真)设备、或蓝牙设备等无线通讯方式通信。
S102、车辆接收云处理器发送的采集指令。
S103、车辆根据所述采集指令，对所述目标区域进行采集，生成所述目标区域的地图源数据。
其中，车辆的采集设备包括安装在车辆或机器人上的摄像头和传感器等，其中传感器主要包括惯性导航器件，里程计等，摄像头可以为单目摄像头、双目摄像头、或多目摄像头。
本实施例的车辆为签订众包协议的车辆或机器人，该众包协议具有奖励机制，当车辆完成采集任务时，可以获得相应的报酬。这样可以激励更多的采集设备加入到采集任务中。在同一个目标区域，可以支配多个车辆进行地图采集，并对采集后的多个数据进行处理，进而提高了生成地图的准确性。
同时，本实施例可以根据需要实时指示车辆对目标区域进行地图采集，进而提高了地图更新的速度。
可选的，车辆还可以申请采集顺路区域的地图数据，进而降低了地图采集的成本。
本实施例的采集指令包括有目标区域的标识，例如目标区域的位置信息，这样车辆可以根据采集指令，获知目标区域的位置，并行驶到目标区域，使用自身的采集设备对目标区域进行地图数据采集，生成目标区域的地图源数据。
本实施例的地图源数据包括车辆所采集的视频数据和车辆的运动数据。
在实际采集过程中，车辆使用自身安装的摄像头对目标区域进行拍摄，生成目标区域的视频数据，使用自身安装的速度传感器和惯性导航传感器对车辆的运动数据进行采集。其中，运动数据包含车辆的里程信息、车辆的速度信息和转向信息等，可选的，运动数据还包含由惯性导航器件所提供的加速度信息、角速度信息和罗盘信息等。
其中，上述视频数据和运动数据使用相同的时间戳，或者使用硬件触发机制保证视频数据和运动数据的时间同步。
需要说明的是，本实施例的一个地图源数据为一个车辆在某一次任务中采集的某一个目标区域的地图数据包。
S104、车辆将地图中间数据发送给所述云处理器，所述地图中间数据为所述地图源数据对应的数据。
本实施例，根据车辆的数据处理能力和当前网络的情况，车辆生成上述地图源数据对应的地图中间数据。
上述地图中间数据可以为地图源数据、地图源数据的压缩数据、或地图片段，其中，地图片段为所述地图源数据对应的三维地图。
为了便于阐述，本实施例将车辆中的处理器称为本地处理器，本实施例的车辆还可以包括交互设备，例如车载装置。
在实际应用中，本地处理器收到云处理器发送的采集指令，则在交互设备上显示目标区域的位置，以引导车辆进入目标区域，采集目标区域的地图源数据。同时，本地处理器实时保存所采集的地图源数据至本地存储设备，或对地图源数据进行必要的预处理(例如压缩或生成地图片段)后再保存至本地存储设备。当目标区域的地图源数据采集完成后，则将保存在本地存储设备的地图中间数据上传至云处理器进行处理。
在一种示例中，当本地处理器的数据处理能力较差时，则本地处理器将上述地图源数据直接发送给云处理器，而不进行预处理。
在另一种示例中，当本地网络较差，而地图源数据的数据量较大时，为了快速将地图源数据发送给云处理器，则本地处理器将上述地图源数据进行压缩，生成地图源数据的压缩数据。
其中，可以采用下列压缩方式对地图源数据进行压缩，生成地图源数据的压缩数据：1)使用已有的视频压缩技术，如MJPEG(Motion JointPhotographic Experts Group，技术即运动静止图像(或逐帧)压缩技术)；2)以一定时间间隔采样的图像数据，图像格式可以是JPEG(Joint
Photographic Experts Group，联合图像专家小组)；3)以较小的图像分辨率上传，例如320x240；4)以较少的颜色通道上传，比如彩色图像转为灰度图像。可选的，还可以是以上几种方式的随机组合。
在另一种示例中，当本地处理器的数据处理能力较强，则本地处理器将上述地图源数据进行预处理，生成地图片段。
具体是，根据SLAM(Simultaneous Location And Mapping，即时定位与地图构建)、SfM(Structure from Motion，从运动信息中恢复三维场景结构)方法或多传感器融合技术，对某一地图源数据进行处理，生成视觉3d(即三维)地图，将该3d地图作为该地图源数据的地图片段。其中，根据SLAM、SfM方法或多传感器融合技术，生成地图源数据的地图片段为本领域技术人员的公知常识，在此不再赘述。
可选的，本实施例的地图中间数据还包括车辆的行驶轨迹上关键位置的视觉特征信息以及关键位置附近的路标信息，还可以包括更丰富的视觉信息，比如场景缩略图，语义信息等。
根据上述方法，各车辆可以生成各自对应的地图中间数据。
S105、云处理器接收各所述车辆发送的地图中间数据。
S106、云处理器根据各所述地图中间数据，生成所述目标区域的地图。
具体的，各车辆生成地图中间数据后，将各地图中间数据发送给云处理器，这样，云处理器可以根据各地图中间数据，生成目标区域的地图。
在一种示例中，当各地图中间数据为地图源数据，则云处理器根据已有的地图构建方法(例如SLAM、SfM或多长安器融合技术等)对地图源数据进行处理，生成目标区域的地图。
在另一种示例中，当各地图中间数据为地图源数据，则云处理器还可以首先选择某一个车辆在某一时间段上传的一个地图源数据为研究对象，使用已有的地图构建方式，生成该地图源数据对应的第一地图。接着，以该第一地图为基础，将剩余的地图源数据与该第一地图进行逐帧匹配，判断剩余的某一地图源数据是否与该第一地图在某处能够重定位上。若可以重定位上，则以重定位点为起始位置，使用已有的地图构建方式，对该能够重定位上的地图源数据进行地图构建，进而生成目标区域的地图。
在另一种示例中，当各地图中间数据为地图片段时，则直接将各地图片段进行拼接，生成目标区域的地图。
可选的，本实施例还可以使用其他的方式，根据各所述地图中间数据，生成所述目标区域的地图，本实施例对此不做限制。
本实施例生成的地图为可供车辆或机器人导航的视觉3D地图，其包含目标区域的所有路段的关键位置的视觉特征信息，以及关键位置附近的路标信息，可选的，根据需要还可以包含一些更丰富的信息，例如语义信息等。
本实施例的方法，生成的地图精度高，且在GPS信号不能到达的地方，依然可以实现地图的采集。
同时，本实施例根据多个车辆采集的地图中间数据来生成目标区域的地图，可以提高了地图获取的准确性。
本发明实施例提供的地图获取方法，云处理器向各车辆发送采集指令，各车辆接收云处理器发送的采集指令，根据该采集指令，对目标区域进行采集，获得目标区域的地图源数据，接着，对该地图源数据进行处理，生成地图中间数据，并将地图中间数据发送给云处理器。云处理器接收各车辆发送的地图中间数据，并根据各地图中间数据，生成目标区域的地图。即本实施例，使用签到众包协议的普通车辆来采集地图数据，进而降低了地图数据采集的成本。同时，本实施例基于多个车辆采集的地图数据来生成目标区域的地图，进而提高了地图获取的准确性。进一步的，本实施例可以指示车辆随时对目标区域进行地图采集，进而提高了地图更新速度。
图3为本发明实施例二提供的地图获取方法的流程图。在上述实施例的基础上，如图3所示，若目标区域为完全未知区域，则本实施例可以包括：
S201、云处理器向各车辆发送采集指令，所述采集指令用于指示各所述车辆对所述目标区域进行全局采集。
S202、车辆根据所述采集指令，对所述目标区域进行全局采集，获得所述目标区域的地图源数据。
具体的，当目标区域为完全未知区域，则云处理器向车辆发送诸如“该目标区域尚未建立地图，请全局采集”之类的采集指令，以指示车辆对目标区域进行全局采集。当车辆接收该采集指令后，则对目标区域的所有未知路段进行探索，生成目标区域的地图源数据。
为了考虑本地处理器的处理速度，存储空间限制以及生成的地图片段的鲁棒性，采集指令中还携带有车辆的采集速度，以使车辆在该采集速度(例如不高于20km/h)下进行采集。这样可以避免车速太快采集的地图源数据的数据量超过本例处理器的处理速度，同时，也可以避免车速太快，造成视频数据中每两帧图像之间的运动太大，导致在生成地图时，出现图像跟踪失败，使生成的地图不准确的问题。
进一步的，为了提高云处理器生成地图的准确性，采集指令还指示车辆在地图采集的过程中，如图4所示，尽量保证形成一些回环(即在行驶过程中，有至少两次以相同方向通过同一路段)。
进一步的，车辆的行驶轨迹最好与已有的地图轨迹或与其他车辆的行驶轨迹有一部分重合(例如某段重合路段长度不小于5米)。此时，则要求云处理器在生成采集任务时，选择合适的地图源数据采集开始点。
优选的，云处理器向位于目标区域或靠近目标区域的车辆发送采集指令，可以降低地图采集的成本。
S203、车辆将所述地图源数据对应的地图中间数据发送给云处理器。
S204、云处理器接收各所述车辆发送的地图中间数据。
S205、若所述地图中间数据为所述地图源数据或所述地图源数据的压缩数据，则云处理器根据各所述地图源数据或各所述地图源数据的压缩数据，以及预设的地图构建方法，生成所述目标区域的全局地图。
由上述实施例可知，本实施例的地图中间数据可以为地图源数据、地图源数据的压缩数据、或地图片段。
本实施例中，当地图中间数据为目标区域全局的地图源数据或地图源数据的压缩数据时，则上述S106可以使用S205替换。
具体是，当地图中间数据为目标区域全局的地图源数据，则使用预设的构建方法，例如SLAM、SfM方法或多传感器融合技术，对全局的地图源数据进出处理，生成目标区域的全局地图。
以SLAM方法为例，首先将相邻两帧图中的各特征点(例如路标点、沿路景物)进行匹配，再利用三角化原理，获得各特征点的三维坐标。这样，逐个匹配相邻帧图像，可以获得目标区域沿路的各特征点的三维坐标，将各特征点的三维坐标依次连接，生成目标区域的全局地图。
本实施例中，当地图中间数据为目标区域全局的地图源数据的压缩数据时，则云处理器接收到该压缩数据后，首选对该压缩数据进行解压，获得全局的地图源数据，接着，根据上述的预设的地图构建方法，生成目标区域的全局地图。
本实施例使用预设的地图构建方法，对地图源数据进行处理，生成目标区域的全局地图，其过程简单。
在本实施例的一种可能的实现方式中，如图5所示，若所述地图中间数据为地图源数据或地图源数据的压缩数据，上述S106不仅可以被上述的S205替换，还可以被S301至S306替换。
S301、云处理器从各所述地图源数据或各所述地图源数据的压缩数据中，获取第一地图中间数据。
具体的，根据上述S201至S204之后，云处理器获得各地图中间数据，此时，当各地图中间数据为地图源数据，或为地图源数据的压缩数据时，云处理器从各地图源数据，或地图源数据的压缩数据中选择某一数据记为第一地图中间数据。
可选的，本实施例的第一地图中间数据为各地图源数据中、或各地图源数据的压缩数据中的任一数据。
可选的，本实施例的第一地图中间数据为地图源数据中、或各地图源数据的压缩数据中时长最长的数据。
S302、云处理器根据所述第一地图中间数据和预设的地图构建方法，生成第一地图。
使用预设的地图构建方法，对第一地图中间数据进行处理，生成第一地图中间数据对应的第一地图，其具体过程可以参照上述实施例的描述，在此不再赘述。
S303、云处理器将第二地图中间数据与所述第一地图进行匹配，获得所述第二地图中间数据与所述第一地图的重合区域，其中，所述第二地图中间数据为各所述地图源数据或各所述地图源数据的压缩数据中除所述第一地图中间数据之外的任一数据。
将各地图中间数据中除第一地图中间数据之外各数据均与上述形成的第一地图逐一进行匹配，对第一地图进行完善，形成目标区域的全局地图。
具体是，从各地图中间数据中获取除第一地图中间数据之外的任一数据作为第二地图中间数据，将第二地图中间数据与第一地图进行匹配，即将第二地图中间数据与第一地图中间数据进行逐帧匹配，具体是将两者的特征点(例如路标点)进行匹配，获得第二地图中间数据与第一地图之间的重合区域，其具体的匹配过程为已有技术，在此不再赘述。
S304、云处理器以所述重合区域为起始点，根据所述第二地图中间数据和预设的地图构建方法，生成新的第一地图。
具体的，以上述获得重合区域为路径轨迹的起点，根据S302的方法，使用预设的地图构建方法对第二地图中间数据进行处理，生成新的第一地图。
S305、云处理器重复执行上述S303和S304，直到各所述第二地图中间数据均与所述第一地图进行匹配为止。
S306、云处理器将所述新的第一地图作为所述目标区域的全局地图。
接着，从各地图中间数据中，获取新的第二地图中间数据，即从各地图中间数据中获取除第一地图中间数据和上述已进行匹配的第二地图中间数据之外的任一数据。
根据上述S303的方法，将该新的第二地图中间数据与新的第一地图进行匹配，获得两者的重合区域。
根据上述S304的方法，以两者的重合区域为起始点，使用预设的地图构建方法，生成新的第一地图。
接着，判断此时各地图中间数据中的第二地图中间数据是否均与第一地图进行匹配，若否，则继续执行上述S303和S304的步骤，直到各地图中间数据中的第二地图中间数据均与第一地图进行匹配为止。将此时形成的新的第一地图作为目标区域的全局地图。
即本实施例的方法，使用逐渐匹配的方法来生成目标区域的全局地图，该全局地图准确性高，且该方法逐步进行，每次计算的计算量小，对云处理器的处理能力要求低。
在本实施例的一种可能的实现方式中，如图6所示，若所述地图中间数据为地图片段，则上述S106可以被S401至S405替换。
S401、云处理器从各所述地图片段中，获取第一地图片段。
具体的，根据上述S201至S204之后，云处理器获得各地图中间数据，此时，当各地图中间数据为地图片段时，云处理器从各地图片段中选择某一地图片段作为第一地图片段。
可选的，本实施例的第一地图片段为各地图片段中的任一地图片段。
可选的，本实施例的第一地图片段为与各地图片段匹配最多的地图片段。
S402、云处理器将第二地图片段与所述第一地图片段进行匹配，获得所述第二地图片段与所述第一地图片段的重合区域，所述第二地图片段为各所述地图片段中除所述第一地图片段之外的任一地图片段。
将各地图片段中除第一地图片段之外的各地图片段均与上述第一地图片段逐一进行匹配，对第一地图片段进行完善，形成目标区域的全局地图。
具体是，从各地图片段中获取除第一地图片段之外的任一地图片段作为第二地图片段，将第二地图片段与第一地图片段进行匹配，获得第二地图片段与第一地图片段之间的重合区域。
例如，如图7所示，第一地图片段和第二地图片段的重合区域为虚线框所示。
S403、云处理器对所述第一地图片段和第二地图片段上的所述重合区域进行相似变换，生成所述第一地图片段和所述第二地图片段的合并地图，将所述合并地图作为新的第一地图片段。
具体的，对第一地图片段和第二地图片段的重合区域进行相似变换，例如，图7中第一地图片段中的虚线框中的区域与第二地图片段重合，为重合区域，这样，第一地图片段中虚线框中的区域与第二地图片段进行相似变换。在相似变换的过程中，将第一地图片段和第二地图片段的尺度转换成一致，形成如图8所示的合并地图。其中，相似变换的具体过程为已有技术，在此不再赘述。
将上述合并地图作为新的第一地图片段。
S404、云处理器重复执行上述S402至S403，直到各所述第二地图片段均与所述第一地图片段进行匹配为止。
S405、云处理器将所述新的第一地图片段作为所述目标区域的全局地图。
接着，从各地图片段中，获取新的第二地图片段，即从各地图片段中获取除第一地图片段和上述已经与第一地图匹配过的第二地图片段之外的任一地图片段。
根据上述S402的方法，将该新的第二地图片段与新的第一地图片段进行匹配，获得两者的重合区域。
根据上述S405的方法，对新的第二地图片段与新的第一地图片段的重合区域进行相似变换，将该新的第二地图片段与新的第一地图片段进行合并，形成合并地图，使用该合并地图更新上述新的第一地图片段。
接着，判断此时各地图片段中的所有第二地图片段是否均与第一地图片段进行匹配，若否，则继续执行上述S402和S403的步骤，直到各地图片段中的所有第二地图片段均与第一地图片段进行匹配为止。将此时形成的新的第一地图片段作为目标区域的全局地图。
即本实施例的方法，对已有的地图片段进行相似变换，合并生成目标区域的全局地图，其整个过程简单，处理速度快。
可选的，在本实施例中，为了进一步提高全局地图的准确性，则使用下述S4051替换上述S405。
S54051、去除所述新的第一地图片段中的重复路标点，且使用光束平差法对所述新的第一地图片段进行调整，生成所述目标区域的全局地图。
具体的，在上述相似变换的过程中，将新的第一地图片段中的重复路标点去除，同时，使用光束平差法(Bundle Ajustment)对新的第一地图片段进行调整，形成更加精确的全局地图。
本发明实施例提供的地图获取方法，若云处理器确定目标区域为完全未知区域，则指示车辆对目标区域进行全局采集，生成全局的地图源数据，并将地图源数据对应的地图中间数据发送给云处理器。若地图中间数据为地图源数据或地图源数据的压缩数据，则云处理器使用预设的地图构建方法对地图中间数据进行处理，生成目标区域的全局地图。可选的，若地图中间数据为地图源数据或地图源数据的压缩数据，则云处理器还可以先生成第一地图中间数据的第一地图，以该第一地图为基准，将剩余的各地图中间数据与该第一地图进行匹配，生成目标区域的全局地图。可选的，若地图中间数据为地图片段，对地图片段进行相似变换，形成目标区域的全局地图，进而丰富了获得全局地图的方法。
图9为本发明实施例三提供的地图获取方法的流程图，在上述实施例的基础上，本实施例的方法还用于检测未知路段，具体的，如图9所示，可以包括：
S501、云处理器判断目标区域的各路口的目标方向是否为未知路段。
具体的，对目标区域的各路口的各方向进行判断，如图10所示，若判断目标区域的路口A，包括ab方向、bd方向和dc方向，其中实线为已知路段，虚线为未知路段，这样，先以bd方向和dc方向为目标方向，判断bd方向和dc方向均为未知路段，即现有地图中未显示bd方向和dc方向的道路。
S502、若是，则云处理器向各所述车辆发送采集指令，所述采集指令用于指示所述车辆沿着所述目标方向进行采集，获得所述未知路段的地图源数据。
S503、车辆根据所述采集指令，沿着所述目标方向进行采集，获得所述未知路段的地图源数据。
具体的，根据上述步骤，云处理器确定bd方向和dc方向均为未知路段，这样，云处理器向各车辆发送采集指令，该采集指令中携带有bd方向和dc方向的标识。这样，车辆接收到该采集指令后，使用自身的采集设备沿着bd方向和dc方向进行地图采集，获得bd方向的地图源数据和dc方向的地图源数据。
S504、若所述未知路段为不通道路，则车辆向所述云处理器发送通知消息，所述通知消息携带不通道路的目标方向信息。
S505、云处理器接收预设数目个车辆发送的通知消息，并根据所述通知消息确定所述目标方向为不通道路。
具体的，当目标方向的未知道路为道路连通区域，如图10中的bd的方向，则车辆采集获得未知道路的地图源数据，并将地图源数据发送给云处理器，云处理器根据上述方法，可以确定出未知道路的地图。
当目标方向的未知道路为道路未连通区域，则车辆向云处理器发送通知消息，该通知消息中携带不通道路的目标方向信息，例如图10所示，携带dc方向信息。这样，当云处理器接收到预设数目个车辆发送的通知消息后，即可以确定该目标方向(例如dc方向)的未知道路为不通道路。
可选的，当多次派往目标方向(例如dc方向)的车辆未有地图源数据上报，则云端则可判断dc方向实际为道路未通区域，而将dc方向从采集任务列表中删除。
本发明实施例提供的地图获取方法，可以实现对未知路段的检查和采集，生成未知路段的地图，进而使得目标区域的地图更加全面。
图11为本发明实施例四提供的地图获取方法的流程图，在上述实施例的基础上，本实施例的方法还用于检验失效路段，具体的，如图11所示，可以包括：
S601、车辆对所述目标区域的目标路段进行定位和跟踪，并根据定位和跟踪结果，生成所述目标路段的评估值。
其中目标路段为目标区域中的任一路段。
S602、车辆将所述评估值发送给所述云处理器。
S603、云处理器接收各所述车辆发送的评估值。
S604、若各所述评估值的平均值低于预设值，则云处理器确定所述目标路段为失效路段。
S604、云处理器向各车辆发送采集指令，所述采集指令用于指示各所述车辆对所述失效路段进行采集，获得所述失效路段的地图源数据。
S605、车辆根据所述采集指令，对所述失效路段进行采集，获得所述失效路段的地图源数据。
在实际使用时，当车辆使用目标区域的全局地图导航时，将实际路标与地图上的路标进行匹配，以实现定位的和跟踪。当某路段发生较大变化，则说明目标区域原始的全局地图的路标已失效，则该路段需要重新建立地图。
具体是，当车辆通过目标区域的目标路段(即目标区域的任一路段)时，根据其定位和跟踪成功的次数来给该目标路段进行评估，例如，该目标路段的原始地图包括200个关键帧，其中160个关键帧能被定位并跟踪上，则此时，可以确定该目标路段的评估值为80分。接着，将该评估值上传至云处理器。
这样，云处理器可以收到多个车辆发送的关于目标路段的评估值。接着，对这些评估值进行处理，例如排除超速等异常情况引起的异常评估值，得出一个平均值。当目标路段的平均值低于与预设值(例如60分)，则云处理器确定该目标路段为失效路段。如图12所示，确定目标道路AB为失效路段。
接着，云处理器向各车辆发送采集指令，所述采集指令携带该失效路段的信息，这样，车辆可以根据该采集指令，使用自身的采集设备对该失效路段进行重新采集，生成该失效路段的地图源数据。
本发明实施例提供的地图获取方法，可以实现对失效路段进行检查和采集，生成失效路段的新地图，进而保证了地图的准确性。
图13为本发明实施例一提供的云处理器的结构示意图，如图13所示，本实施例的云处理器100可以包括：
发送模块110，用于向各车辆发送采集指令，所述采集指令用于指示各所述车辆对所述目标区域进行采集，获得所述目标区域的各地图源数据；
接收模块120，用于接收各所述车辆发送的地图中间数据，所述地图中间数据为所述地图源数据对应的数据，其中，所述车辆为签订众包协议的车辆；
处理模块130，用于根据各所述地图中间数据，生成所述目标区域的地图。
在本实施例的一种可能的实现方式中，所述地图中间数据为所述地图源数据、所述地图源数据的压缩数据、或地图片段，所述地图片段为所述地图源数据对应的三维地图。
在本实施例的另一种可能的实现方式中，若所述处理模块130确定所述目标区域为完全未知区域，则所述采集指令用于指示所述车辆对所述目标区域进行全局采集，生成所述目标区域的地图源数据。
在本实施例的另一种可能的实现方式中，若所述地图中间数据为所述地图源数据或所述地图源数据的压缩数据，则所述处理模块130，具体用于根据各所述地图源数据或各所述地图源数据的压缩数据，以及预设的地图构建方法，生成所述目标区域的全局地图。
图14为本发明实施例二提供的云处理器的结构示意图，在上述实施例的基础上，若所述地图中间数据为所述地图源数据或所述地图源数据的压缩数据，则所述处理模块130包括：
获取单元131，用于从各所述地图源数据或各所述地图源数据的压缩数据中，获取第一地图中间数据；
生成单元132，用于根据所述第一地图中间数据和预设的地图构建方法，生成第一地图；
匹配单元133，用于将第二地图中间数据与所述第一地图进行匹配，获得所述第二地图中间数据与所述第一地图的重合区域，其中，所述第二地图中间数据为各所述地图源数据或各所述地图源数据的压缩数据中除所述第一地图中间数据之外的任一数据；
所述生成单元132，还用于以所述重合区域为起始点，根据所述第二地图中间数据和预设的地图构建方法，生成新的第一地图；
循环单元134，用于重复执行上述匹配单元133和生成单元132的动作，直到各所述第二地图中间数据均与所述第一地图进行匹配为止；
确定单元135，用于将所述新的第一地图作为所述目标区域的全局地图。
在本实施例的一种可能的实现方式中，所述第一地图中间数据为各所述地图源数据或各所述地图源数据的压缩数据中时长最长的数据。
图15为本发明实施例三提供的云处理器的结构示意图，在上述实施例的基础上，若所述地图中间数据为地图片段，如图15所示，则所述处理模块130包括：
获取单元131，用于从各所述地图片段中，获取第一地图片段；
匹配单元133，用于将第二地图片段与所述第一地图片段进行匹配，获得所述第二地图片段与所述第一地图片段的重合区域，所述第二地图片段为各所述地图片段中除所述第一地图片段之外的任一地图片段；
变换单元136，用于对所述第一地图片段和第二地图片段上的所述重合区域进行相似变换，生成所述第一地图片段和所述第二地图片段的合并地图，将所述合并地图作为新的第一地图片段；
循环单元134，用于重复执行上述匹配单元133和变换单元136的动作，直到各所述第二地图片段均与所述第一地图片段进行匹配为止；
确定单元135，用于将所述新的第一地图片段作为所述目标区域的全局地图。
在本实施例的一种可能的实现方式中，所述第一地图片段为各所述地图片段中路径最长的地图片段。
在本实施例的另一种可能的实现方式中，所述确定单元135，具体用于去除所述新的第一地图片段中的重复路标点，且使用光束平差法对所述新的第一地图片段进行调整，生成所述目标区域的全局地图。
在本实施例的另一种可能的实现方式中，所述地图源数据包括所述车辆所采集的视频数据和所述车辆的运动数据。
图16为本发明实施例四提供的云处理器的结构示意图，在上述实施例的基础上，如图16所示，本实施例的装置还可以包括：
判断模块140，用于判断所述目标区域的各路口的目标方向是否为未知路段；
所述发送模块110，还用于若所述判断模块140判断所述目标方向为未知路段，则向各所述车辆发送采集指令，所述采集指令用于指示所述车辆沿着所述目标方向进行采集，获得所述未知路段的地图源数据。
在本实施例的一种可能的实现方式中，所述处理模块130，还用于若在预设的时间内，未接收到所述车辆发送所述目标方向的地图源数据，则确定所述目标方向的未知道路为不通道路；
或者，所述接收模块120，用于接收预设数目个车辆发送的通知消息，所述通知消息携带不通道路的目标方向；
所述处理模块130，还用于根据所述通知消息确定所述目标方向的未知道路为不通道路。
在本实施例的另一种可能的实现方式中，若所述处理模块130确定所述目标区域包括失效路段，则所述采集指令用于指示各所述车辆对所述失效路段进行采集，获得所述失效路段的地图源数据。
在本实施例的另一种可能的实现方式中，所述接收模块120，还用于接收各所述车辆发送的评估值，所述评估值为所述车辆对所述目标区域的目标路段进行定位和跟踪，生成所述目标路段的评估值；
所述处理模块130，还用于若各所述评估值的平均值低于预设值，则确定所述目标路段为失效路段。
需要说明的是：上述实施例提供的云处理器在进行地图采集处理时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的云处理器与上述地图获取方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图17为本发明实施例提供的车辆的结构示意图，所述车辆为签到众包协议的车辆，如图17所述，车辆200包括：
接收模块210，用于接收云处理器发送的采集指令；
采集模块220，用于根据所述采集指令，对目标区域进行采集，获得所述目标区域的地图源数据；
发送模块230，用于将地图中间数据发送给所述云处理器，以使所述云处理器根据所述地图中间数据，生成所述目标区域的地图，所述地图中间数据为所述地图源数据对应的数据。
在本实施例一种可能的实现方式中，所述地图中间数据为所述地图源数据、所述地图源数据的压缩数据、或地图片段，所述地图片段为所述地图源数据对应的三维地图。
在本实施例另一种可能的实现方式中，若所述目标区域为完全未知区域，则所述采集模块220，用于根据所述采集指令，对所述目标区域进行全局采集，获得所述目标区域的地图源数据。
在本实施例另一种可能的实现方式中，所述地图源数据包括所述车辆所采集的视频数据和所述车辆的运动数据。
在本实施例另一种可能的实现方式中，若所述云处理器确定所述目标区域的各路口的目标方向为未知路段，则所述采集模块220，还用于根据所述采集指令，沿着所述目标方向进行采集，获得所述未知路段的地图源数据。
在本实施例另一种可能的实现方式中，所述发送模块110，还用于若所述目标方向的未知路段为不通道路，则向所述云处理器发送通知消息，所述通知消息携带所述目标方向。
在本实施例另一种可能的实现方式中，若确定所述目标区域为包括失效路段，则所述采集模块220，还用于根据所述采集指令，使用自身的采集设备对所述失效路段进行采集，获得所述失效路段的地图源数据。
在本实施例另一种可能的实现方式中，处理模块130，用于对所述目标区域的目标路段进行定位和跟踪，并根据定位和跟踪结果，生成所述目标路段的评估值；
所述发送模块110，还用于将所述评估值发送给所述云处理器。
需要说明的是：上述实施例提供的车辆在进行地图采集处理时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的车辆与上述地图获取方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图18为本发明实施例提供的云处理器的结构示意图，如图18所示，该云处理器300包括：
发射器310，用于向各车辆发送采集指令，所述采集指令用于指示各所述车辆对所述目标区域进行采集，获得所述目标区域的各地图源数据，其中，所述车辆为签订众包协议的车辆；
接收器320，用于接收各所述车辆发送的地图中间数据，所述地图中间数据为所述地图源数据对应的数据；
处理器330，用于根据各所述地图中间数据，生成所述目标区域的地图。
在本实施例的一种可能的实现方式中，所述地图中间数据为所述地图源数据、所述地图源数据的压缩数据、或地图片段，所述地图片段为所述地图源数据对应的三维地图。
在本实施例的另一种可能的实现方式中，若处理器330确定所述目标区域为完全未知区域，则所述采集指令用于指示所述车辆对所述目标区域进行全局采集，生成所述目标区域的地图源数据。
在本实施例的另一种可能的实现方式中，若所述地图中间数据为所述地图源数据或所述地图源数据的压缩数据，则处理器330，具体用于根据各所述地图源数据或各所述地图源数据的压缩数据，以及预设的地图构建方法，生成所述目标区域的全局地图。
在本实施例的另一种可能的实现方式中，若所述地图中间数据为所述地图源数据或所述地图源数据的压缩数据，则处理器330，具体用于从各所述地图源数据或各所述地图源数据的压缩数据中，获取第一地图中间数据；根据所述第一地图中间数据和预设的地图构建方法，生成第一地图；将第二地图中间数据与所述第一地图进行匹配，获得所述第二地图中间数据与所述第一地图的重合区域，以所述重合区域为起始点，根据所述第二地图中间数据和预设的地图构建方法，生成新的第一地图；重复执行上述步骤，直到各所述第二地图中间数据均与所述第一地图进行匹配为止；将所述新的第一地图作为所述目标区域的全局地图，其中，所述第二地图中间数据为各所述地图源数据或各所述地图源数据的压缩数据中除所述第一地图中间数据之外的任一数据。
在本实施例的另一种可能的实现方式中，所述第一地图中间数据为各所述地图源数据或各所述地图源数据的压缩数据中时长最长的数据。
在本实施例的另一种可能的实现方式中，若所述地图中间数据为地图片段，则处理器330，还具体用于从各所述地图片段中，获取第一地图片段；将第二地图片段与所述第一地图片段进行匹配，获得所述第二地图片段与所述第一地图片段的重合区域，所述第二地图片段为各所述地图片段中除所述第一地图片段之外的任一地图片段；对所述第一地图片段和第二地图片段上的所述重合区域进行相似变换，生成所述第一地图片段和所述第二地图片段的合并地图，将所述第一地图片段与第二地图片段的进行合并作为新的第一地图片段；重复上述步骤，直到各所述第二地图片段均与所述第一地图片段进行匹配为止；将所述新的第一地图片段作为所述目标区域的全局地图，其中，所述第二地图片段为各所述地图片段中除所述第一地图片段之外的任一地图片段。
在本实施例的另一种可能的实现方式中，所述处理器330，还具体用于去除所述新的第一地图片段中的重复路标点，且使用光束平差法对所述新的第一地图片段进行调整，生成所述目标区域的全局地图。
在本实施例的另一种可能的实现方式中，所述地图源数据包括所述车辆所采集的视频数据和所述车辆的运动数据。
在本实施例的另一种可能的实现方式中，所述处理器330，还具体用于判断所述目标区域的各路口的目标方向是否为未知路段；若是，则向各所述车辆发送采集指令，所述采集指令用于指示所述车辆沿着所述目标方向进行采集，获得所述未知路段的地图源数据。
在本实施例的另一种可能的实现方式中，所述处理器330，还用于若在预设的时间内，未接收到所述车辆发送所述目标方向的地图源数据，则确定所述目标方向的未知道路为不通道路；
或者，所述接收器320，用于接收预设数目个车辆发送的通知消息，所述通知消息携带不通道路的目标方向；
所述处理器330，还用于根据所述通知消息确定所述目标方向的未知道路为不通道路。
在本实施例的另一种可能的实现方式中，所述接收器320，用于若确定所述目标区域包括失效路段，则所述采集指令用于指示各所述车辆对所述失效路段进行采集，获得所述失效路段的地图源数据。
在本实施例的另一种可能的实现方式中，所述接收器320，还用于接收各所述车辆发送的评估值，所述评估值为所述车辆对所述目标区域的目标路段进行定位和跟踪，生成所述目标路段的评估值；
所述处理器330，还用于若各所述评估值的平均值低于预设值，则确定所述目标路段为失效路段。
图19为本发明实施例提供的车辆的结构示意图，所述车辆为签到众包协议的车辆，如图19所示，该车辆400包括：
车辆本体(图中未示出)，设置在所述车辆本体上的接收器410、处理器420和发射器430；
接收器410，用于接收云处理器发送的采集指令；
处理器420，用于根据所述采集指令，对目标区域进行采集，获得所述目标区域的地图源数据；
发射器430，用于将地图中间数据发送给所述云处理器，以使所述云处理器根据所述地图中间数据，生成所述目标区域的地图，所述地图中间数据为所述地图源数据对应的数据。
在本实施例的一种可能的实现方式中，所述地图中间数据为所述地图源数据、所述地图源数据的压缩数据、或地图片段，所述地图片段为所述地图源数据对应的三维地图。
在本实施例的一种可能的实现方式中，若所述目标区域为完全未知区域，则处理器420，用于根据所述采集指令，对所述目标区域进行全局采集，获得所述目标区域的地图源数据。
在本实施例的一种可能的实现方式中，所述地图源数据包括所述车辆所采集的视频数据和所述车辆的运动数据。
在本实施例的一种可能的实现方式中，若所述云处理器确定所述目标区域的各路口的目标方向为未知路段，则所述处理器420，还具体用于根据所述采集指令，沿着所述目标方向进行采集，获得所述未知路段的地图源数据。
在本实施例的一种可能的实现方式中，若所述目标方向的未知路段为不通道路，则所述发射器430，还用于向所述云处理器发送通知消息，所述通知消息携带所述目标方向。
在本实施例的一种可能的实现方式中，若确定所述目标区域为包括失效路段，则所述处理器420，还具体用于根据所述采集指令，对所述失效路段进行采集，获得所述失效路段的地图源数据。
在本实施例的一种可能的实现方式中，所述处理器420，还具体用于对所述目标区域的目标路段进行定位和跟踪，并根据定位和跟踪结果，生成所述目标路段的评估值；
所述发射器430，还用于将所述评估值发送给所述云处理器。
图20为本发明实施例提供的地图获取系统的示意图，如图20所示，本实施例的地图获取系统500包括：通信连接的车辆400和云处理器300，所述车辆400用于执行上述所述的地图获取方法，所述云处理器300用于执行上述所述的地图获取方法。
进一步的，当本发明实施例中地图获取方法的至少一部分功能通过软件实现时，本发明实施例还提供一种计算机存储介质，计算机存储介质用于储存为上述对地图获取的计算机软件指令，当其在计算机上运行时，使得计算机可以执行上述方法实施例中各种可能的地图获取方法。在计算机上加载和执行所述计算机执行指令时，可全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机指令可以存储在计算机存储介质中，或者从一个计算机存储介质向另一个计算机存储介质传输，所述传输可以通过无线(例如蜂窝通信、红外、短距离无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如SSD)等。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (27)
1.一种地图获取方法，其特征在于，所述方法应用于云处理器，所述方法包括：
向各车辆发送采集指令，所述采集指令用于指示各所述车辆对所述目标区域进行采集，获得所述目标区域的各地图源数据，其中，所述车辆为签订众包协议的车辆；
接收各所述车辆发送的地图中间数据，所述地图中间数据为所述地图源数据对应的数据；
根据各所述地图中间数据，生成所述目标区域的地图。
2.根据权利要求1所述的方法，其特征在于，所述地图中间数据为所述地图源数据、所述地图源数据的压缩数据、或地图片段，所述地图片段为所述地图源数据对应的三维地图。
3.根据权利要求2所述的方法，其特征在于，若确定所述目标区域为完全未知区域，则所述采集指令用于指示所述车辆对所述目标区域进行全局采集，生成所述目标区域的地图源数据。
4.根据权利要求3所述的方法，其特征在于，若所述地图中间数据为所述地图源数据或所述地图源数据的压缩数据，则所述根据各所述地图中间数据，生成所述目标区域的地图，具体包括：
根据各所述地图源数据或各所述地图源数据的压缩数据，以及预设的地图构建方法，生成所述目标区域的全局地图。
5.根据权利要求3所述的方法，其特征在于，若所述地图中间数据为所述地图源数据或所述地图源数据的压缩数据，则所述根据各所述地图中间数据，生成所述目标区域的地图，具体包括：
A1、从各所述地图源数据或各所述地图源数据的压缩数据中，获取第一地图中间数据；
A2、根据所述第一地图中间数据和预设的地图构建方法，生成第一地图；
A3、将第二地图中间数据与所述第一地图进行匹配，获得所述第二地图中间数据与所述第一地图的重合区域，其中，所述第二地图中间数据为各所述地图源数据或各所述地图源数据的压缩数据中除所述第一地图中间数据之外的任一数据；
A4、以所述重合区域为起始点，根据所述第二地图中间数据和预设的地图构建方法，生成新的第一地图；
A5、重复执行上述A3和A4，直到各所述第二地图中间数据均与所述第一地图进行匹配为止；
A6、将所述新的第一地图作为所述目标区域的全局地图。
6.根据权利要求5所述的方法，其特征在于，所述第一地图中间数据为各所述地图源数据或各所述地图源数据的压缩数据中时长最长的数据。
7.根据权利要求3所述的方法，其特征在于，若所述地图中间数据为地图片段，则所述根据各所述地图中间数据，生成所述目标区域的地图，具体包括：
B1、从各所述地图片段中，获取第一地图片段；
B2、将第二地图片段与所述第一地图片段进行匹配，获得所述第二地图片段与所述第一地图片段的重合区域，所述第二地图片段为各所述地图片段中除所述第一地图片段之外的任一地图片段；
B3、对所述第一地图片段和第二地图片段上的所述重合区域进行相似变换，生成所述第一地图片段和所述第二地图片段的合并地图，将所述合并地图作为新的第一地图片段；
B4、重复执行上述B2和B3，直到各所述第二地图片段均与所述第一地图片段进行匹配为止；
B5、将所述新的第一地图片段作为所述目标区域的全局地图。
8.根据权利要求7所述的方法，其特征在于，所述将所述新的第一地图片段作为所述目标区域的全局地图，具体包括：
去除所述新的第一地图片段中的重复路标点，且使用光束平差法对所述新的第一地图片段进行调整，生成所述目标区域的全局地图。
9.根据权利要求1所述的方法，其特征在于，所述地图源数据包括所述车辆所采集的视频数据和所述车辆的运动数据。
10.根据权利要求2所述的方法，其特征在于，还包括：
判断所述目标区域的各路口的目标方向是否为未知路段；
若是，则向各所述车辆发送采集指令，所述采集指令用于指示所述车辆沿着所述目标方向进行采集，获得所述未知路段的地图源数据。
11.根据权利要求10所述的方法，其特征在于，向各所述车辆发送采集指令之后，所述方法还包括：
若在预设的时间内，未接收到所述车辆发送所述目标方向的地图源数据，则确定所述目标方向的未知道路为不通道路；
或者，接收预设数目个车辆发送的通知消息，所述通知消息携带不通道路的目标方向，并根据所述通知消息确定所述目标方向的未知道路为不通道路。
12.根据权利要求2所述的方法，其特征在于，若确定所述目标区域包括失效路段，则所述采集指令用于指示各所述车辆对所述失效路段进行采集，获得所述失效路段的地图源数据。
13.根据权利要求12所述的方法，其特征在于，确定所述目标区域为失效路段，具体包括：
接收各所述车辆发送的评估值，所述评估值为所述车辆对所述目标区域的目标路段进行定位和跟踪，生成所述目标路段的评估值；
若各所述评估值的平均值低于预设值，则确定所述目标路段为失效路段。
14.一种地图获取方法，其特征在于，所述方法应用于签订众包协议的车辆，所述方法包括：
接收云处理器发送的采集指令；
根据所述采集指令，对目标区域进行采集，获得所述目标区域的地图源数据；
将地图中间数据发送给所述云处理器，以使所述云处理器根据所述地图中间数据，生成所述目标区域的地图，所述地图中间数据为所述地图源数据对应的数据。
15.根据权利要求14所述的方法，其特征在于，所述地图中间数据为所述地图源数据、所述地图源数据的压缩数据、或地图片段，所述地图片段为所述地图源数据对应的三维地图。
16.根据权利要求15所述的方法，其特征在于，若所述目标区域为完全未知区域，则根据所述采集指令对所述目标区域进行采集，获得所述目标区域的地图源数据，具体包括：
根据所述采集指令对所述目标区域进行全局采集，获得所述目标区域的地图源数据。
17.根据权利要求14至16任一项所述的方法，其特征在于，所述地图源数据包括所述车辆所采集的视频数据和所述车辆的运动数据。
18.根据权利要求15所述的方法，其特征在于，若所述云处理器确定所述目标区域的各路口的目标方向为未知路段，则所述根据所述采集指令对所述目标区域进行采集，获得所述目标区域的地图源数据，具体包括：
根据所述采集指令，沿着所述目标方向进行采集，获得所述未知路段的地图源数据。
19.根据权利要求18所述的方法，其特征在于，所述方法还包括：
若所述目标方向的未知路段为不通道路，则向所述云处理器发送通知消息，所述通知消息携带所述目标方向。
20.根据权利要求15所述的方法，其特征在于，若确定所述目标区域为包括失效路段，则根据所述采集指令对所述目标区域进行采集，获得所述目标区域的地图源数据，具体包括：
根据所述采集指令，对所述失效路段进行采集，获得所述失效路段的地图源数据。
21.根据权利要求20所述的方法，其特征在于，所述方法还包括：
对所述目标区域的目标路段进行定位和跟踪，并根据定位和跟踪结果，生成所述目标路段的评估值；
将所述评估值发送给所述云处理器。
22.一种云处理器，其特征在于，包括：
发送模块，用于向各车辆发送采集指令，所述采集指令用于指示各所述车辆对所述目标区域进行采集，获得所述目标区域的各地图源数据；
接收模块，用于接收各所述车辆发送的地图中间数据，所述地图中间数据为所述地图源数据对应的数据，其中，所述车辆为签订众包协议的车辆；
处理模块，用于根据各所述地图中间数据，生成所述目标区域的地图。
23.一种车辆，其特征在于，所述车辆为签到众包协议的车辆，所述车辆包括：
接收模块，用于接收云处理器发送的采集指令；
采集模块，用于根据所述采集指令，对目标区域进行采集，获得所述目标区域的地图源数据；
发送模块，用于将地图中间数据发送给所述云处理器，以使所述云处理器根据所述地图中间数据，生成所述目标区域的地图，所述地图中间数据为所述地图源数据对应的数据。
24.一种云处理器，其特征在于，包括：
发射器，用于向各车辆发送采集指令，所述采集指令用于指示各所述车辆对所述目标区域进行采集，获得所述目标区域的各地图源数据，其中，所述车辆为签订众包协议的车辆；
接收器，用于接收各所述车辆发送的地图中间数据，所述地图中间数据为所述地图源数据对应的数据；
处理器，用于根据各所述地图中间数据，生成所述目标区域的地图。
25.一种车辆，其特征在于，所述车辆为签到众包协议的车辆，所述车辆包括：
车辆本体，设置在所述车辆本体上的接收器、处理器和发射器；
所述接收器，用于接收云处理器发送的采集指令；
所述处理器，用于根据所述采集指令，对目标区域进行采集，获得所述目标区域的地图源数据；
所述发射器，用于将地图中间数据发送给所述云处理器，以使所述云处理器根据所述地图中间数据，生成所述目标区域的地图，所述地图中间数据为所述地图源数据对应的数据。
26.一种地图获取系统，其特征在于，包括：通信连接的车辆和云处理器，所述车辆用于执行如权利要求1至13任一项所述的地图获取方法，所述云处理器用于执行如权利要求14至21任一项所述的地图获取方法。
27.一种计算机存储介质，其特征在于，所述存储介质中存储计算机程序，所述计算机程序在执行时实现权利要求1-21中任一所述地图获取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810213040.2A CN108413975B (zh) | 2018-03-15 | 2018-03-15 | 地图获取方法、系统、云处理器及车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810213040.2A CN108413975B (zh) | 2018-03-15 | 2018-03-15 | 地图获取方法、系统、云处理器及车辆 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108413975A true CN108413975A (zh) | 2018-08-17 |
| CN108413975B CN108413975B (zh) | 2021-11-09 |
Family
ID=63131497
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810213040.2A Active CN108413975B (zh) | 2018-03-15 | 2018-03-15 | 地图获取方法、系统、云处理器及车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108413975B (zh) |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109241373A (zh) * | 2018-11-09 | 2019-01-18 | 百度在线网络技术（北京）有限公司 | 用于采集数据的方法和装置 |
| CN109460484A (zh) * | 2018-11-08 | 2019-03-12 | 广州市增城区城乡规划与测绘地理信息研究院 | 一种基于微信的地理信息数据众包采集系统及方法 |
| CN109523499A (zh) * | 2018-11-16 | 2019-03-26 | 济南浪潮高新科技投资发展有限公司 | 一种基于众包的多源融合全景建模方法 |
| CN109522375A (zh) * | 2018-09-21 | 2019-03-26 | 北京卡路里信息技术有限公司 | 运动轨迹地图的生成方法及装置 |
| CN109862084A (zh) * | 2019-01-16 | 2019-06-07 | 北京百度网讯科技有限公司 | 地图数据更新方法、装置、系统及存储介质 |
| CN109859611A (zh) * | 2019-01-16 | 2019-06-07 | 北京百度网讯科技有限公司 | 地图数据的采集方法、装置、设备和存储介质 |
| CN110000786A (zh) * | 2019-04-12 | 2019-07-12 | 珠海市一微半导体有限公司 | 一种基于视觉机器人的历史地图利用方法 |
| CN110060343A (zh) * | 2019-04-24 | 2019-07-26 | 百度在线网络技术（北京）有限公司 | 地图构建方法及系统、服务器、计算机可读介质 |
| WO2020042348A1 (zh) * | 2018-08-28 | 2020-03-05 | 初速度（苏州）科技有限公司 | 自动驾驶导航地图的生成方法、系统、车载终端及服务器 |
| 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 |
| CN111220148A (zh) * | 2020-01-21 | 2020-06-02 | 珊口（深圳）智能科技有限公司 | 移动机器人的定位方法、系统、装置及移动机器人 |
| CN111561939A (zh) * | 2019-02-14 | 2020-08-21 | 赫尔环球有限公司 | 使用活动管理平台以发现地图数据的方法、装置和系统 |
| CN111623787A (zh) * | 2020-03-16 | 2020-09-04 | 蘑菇车联信息科技有限公司 | 一种基于互联网车机的分布式数据采集方法及装置 |
| CN111656138A (zh) * | 2020-04-16 | 2020-09-11 | 珊口（上海）智能科技有限公司 | 构建地图及定位方法、客户端、移动机器人及存储介质 |
| CN111739323A (zh) * | 2020-03-19 | 2020-10-02 | 腾讯科技（深圳）有限公司 | 一种路口信息的采集方法及装置 |
| CN111797103A (zh) * | 2019-04-08 | 2020-10-20 | 合肥四维图新科技有限公司 | 地图更新方法、装置和存储介质 |
| CN111811524A (zh) * | 2020-07-14 | 2020-10-23 | 华普通用技术研究（广州）有限公司 | 一种基于大数据的地图实时更新装置和方法 |
| CN112004196A (zh) * | 2020-08-24 | 2020-11-27 | 唯羲科技有限公司 | 定位方法、装置、终端及计算机存储介质 |
| CN112565387A (zh) * | 2020-12-01 | 2021-03-26 | 北京罗克维尔斯科技有限公司 | 更新高精地图的方法及装置 |
| CN114252087A (zh) * | 2021-12-22 | 2022-03-29 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据的处理方法及装置、车辆和存储介质 |
| CN114608592A (zh) * | 2022-02-10 | 2022-06-10 | 上海追势科技有限公司 | 一种地图的众包方法、系统、设备和存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101893443A (zh) * | 2010-07-08 | 2010-11-24 | 上海交通大学 | 道路数字正射影像地图的制作系统 |
| CN102306159A (zh) * | 2011-07-13 | 2012-01-04 | 北京世纪高通科技有限公司 | 交通流地图的处理方法及装置 |
| CN103198751A (zh) * | 2013-03-06 | 2013-07-10 | 南京邮电大学 | 一种移动机器人基于激光测距仪的线特征地图创建方法 |
| CN104736968A (zh) * | 2012-08-15 | 2015-06-24 | 谷歌公司 | 众包室内定位 |
| CN104764457A (zh) * | 2015-04-21 | 2015-07-08 | 北京理工大学 | 一种用于无人车的城市环境构图方法 |
| CN106017476A (zh) * | 2016-07-12 | 2016-10-12 | 中国地质大学（武汉） | 一种生成室内定位导航图模型的方法 |
| CN106574975A (zh) * | 2014-04-25 | 2017-04-19 | 三星电子株式会社 | 使用外围信号的轨迹匹配 |
| CN106792465A (zh) * | 2016-12-26 | 2017-05-31 | 华中科技大学 | 一种基于众包指纹的室内指纹地图构建方法 |
| CN107451526A (zh) * | 2017-06-09 | 2017-12-08 | 蔚来汽车有限公司 | 地图的构建及其应用 |
| US20180025235A1 (en) * | 2016-07-21 | 2018-01-25 | Mobileye Vision Technologies Ltd. | Crowdsourcing the collection of road surface information |
| CN107688665A (zh) * | 2017-09-27 | 2018-02-13 | 深圳大学 | 一种室内地图自动构建方法、装置及存储介质 |
-
2018
- 2018-03-15 CN CN201810213040.2A patent/CN108413975B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101893443A (zh) * | 2010-07-08 | 2010-11-24 | 上海交通大学 | 道路数字正射影像地图的制作系统 |
| CN102306159A (zh) * | 2011-07-13 | 2012-01-04 | 北京世纪高通科技有限公司 | 交通流地图的处理方法及装置 |
| CN104736968A (zh) * | 2012-08-15 | 2015-06-24 | 谷歌公司 | 众包室内定位 |
| CN103198751A (zh) * | 2013-03-06 | 2013-07-10 | 南京邮电大学 | 一种移动机器人基于激光测距仪的线特征地图创建方法 |
| CN106574975A (zh) * | 2014-04-25 | 2017-04-19 | 三星电子株式会社 | 使用外围信号的轨迹匹配 |
| CN104764457A (zh) * | 2015-04-21 | 2015-07-08 | 北京理工大学 | 一种用于无人车的城市环境构图方法 |
| CN106017476A (zh) * | 2016-07-12 | 2016-10-12 | 中国地质大学（武汉） | 一种生成室内定位导航图模型的方法 |
| US20180025235A1 (en) * | 2016-07-21 | 2018-01-25 | Mobileye Vision Technologies Ltd. | Crowdsourcing the collection of road surface information |
| CN106792465A (zh) * | 2016-12-26 | 2017-05-31 | 华中科技大学 | 一种基于众包指纹的室内指纹地图构建方法 |
| CN107451526A (zh) * | 2017-06-09 | 2017-12-08 | 蔚来汽车有限公司 | 地图的构建及其应用 |
| CN107688665A (zh) * | 2017-09-27 | 2018-02-13 | 深圳大学 | 一种室内地图自动构建方法、装置及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 唐宏伟等: "基于SURF特征的多机器人栅格地图拼接方法", 《电子测量与仪器学报》 * |
| 罗磊: "基于众包的室内地图自动构建方法研究与实现", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
Cited By (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020042348A1 (zh) * | 2018-08-28 | 2020-03-05 | 初速度（苏州）科技有限公司 | 自动驾驶导航地图的生成方法、系统、车载终端及服务器 |
| CN109522375A (zh) * | 2018-09-21 | 2019-03-26 | 北京卡路里信息技术有限公司 | 运动轨迹地图的生成方法及装置 |
| 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 |
| CN109460484A (zh) * | 2018-11-08 | 2019-03-12 | 广州市增城区城乡规划与测绘地理信息研究院 | 一种基于微信的地理信息数据众包采集系统及方法 |
| CN109241373A (zh) * | 2018-11-09 | 2019-01-18 | 百度在线网络技术（北京）有限公司 | 用于采集数据的方法和装置 |
| CN109241373B (zh) * | 2018-11-09 | 2020-06-02 | 百度在线网络技术（北京）有限公司 | 用于采集数据的方法和装置 |
| CN109523499A (zh) * | 2018-11-16 | 2019-03-26 | 济南浪潮高新科技投资发展有限公司 | 一种基于众包的多源融合全景建模方法 |
| CN113838359A (zh) * | 2019-01-16 | 2021-12-24 | 北京百度网讯科技有限公司 | 地图数据的采集方法、装置、设备和存储介质 |
| CN113793550A (zh) * | 2019-01-16 | 2021-12-14 | 北京百度网讯科技有限公司 | 地图数据的采集方法、装置、设备和存储介质 |
| CN109859611B (zh) * | 2019-01-16 | 2021-10-29 | 北京百度网讯科技有限公司 | 地图数据的采集方法、装置、设备和存储介质 |
| CN109862084A (zh) * | 2019-01-16 | 2019-06-07 | 北京百度网讯科技有限公司 | 地图数据更新方法、装置、系统及存储介质 |
| CN109859611A (zh) * | 2019-01-16 | 2019-06-07 | 北京百度网讯科技有限公司 | 地图数据的采集方法、装置、设备和存储介质 |
| CN113838360A (zh) * | 2019-01-16 | 2021-12-24 | 北京百度网讯科技有限公司 | 地图数据的采集方法、装置、设备和存储介质 |
| EP3696510A3 (en) * | 2019-02-14 | 2020-12-23 | HERE Global B.V. | Method, apparatus, and system for providing a campaign management platform to discover map data |
| CN111561939A (zh) * | 2019-02-14 | 2020-08-21 | 赫尔环球有限公司 | 使用活动管理平台以发现地图数据的方法、装置和系统 |
| US11118916B2 (en) | 2019-02-14 | 2021-09-14 | Here Global B.V. | Method, apparatus, and system for providing a campaign management platform to discover map data |
| CN111797103A (zh) * | 2019-04-08 | 2020-10-20 | 合肥四维图新科技有限公司 | 地图更新方法、装置和存储介质 |
| US11928869B2 (en) | 2019-04-12 | 2024-03-12 | Amicro Semiconductor Co., Ltd. | Historical map utilization method based on vision robot |
| CN110000786B (zh) * | 2019-04-12 | 2020-09-01 | 珠海市一微半导体有限公司 | 一种基于视觉机器人的历史地图利用方法 |
| CN110000786A (zh) * | 2019-04-12 | 2019-07-12 | 珠海市一微半导体有限公司 | 一种基于视觉机器人的历史地图利用方法 |
| CN110060343A (zh) * | 2019-04-24 | 2019-07-26 | 百度在线网络技术（北京）有限公司 | 地图构建方法及系统、服务器、计算机可读介质 |
| CN110060343B (zh) * | 2019-04-24 | 2023-06-20 | 阿波罗智能技术(北京)有限公司 | 地图构建方法及系统、服务器、计算机可读介质 |
| CN111220148A (zh) * | 2020-01-21 | 2020-06-02 | 珊口（深圳）智能科技有限公司 | 移动机器人的定位方法、系统、装置及移动机器人 |
| CN111623787A (zh) * | 2020-03-16 | 2020-09-04 | 蘑菇车联信息科技有限公司 | 一种基于互联网车机的分布式数据采集方法及装置 |
| CN111739323A (zh) * | 2020-03-19 | 2020-10-02 | 腾讯科技（深圳）有限公司 | 一种路口信息的采集方法及装置 |
| CN111656138A (zh) * | 2020-04-16 | 2020-09-11 | 珊口（上海）智能科技有限公司 | 构建地图及定位方法、客户端、移动机器人及存储介质 |
| WO2021208015A1 (zh) * | 2020-04-16 | 2021-10-21 | 珊口（上海）智能科技有限公司 | 构建地图及定位方法、客户端、移动机器人及存储介质 |
| CN111811524B (zh) * | 2020-07-14 | 2022-04-12 | 上海广境规划设计有限公司 | 一种基于大数据的地图实时更新装置和方法 |
| CN111811524A (zh) * | 2020-07-14 | 2020-10-23 | 华普通用技术研究（广州）有限公司 | 一种基于大数据的地图实时更新装置和方法 |
| CN112004196B (zh) * | 2020-08-24 | 2021-10-29 | 唯羲科技有限公司 | 定位方法、装置、终端及计算机存储介质 |
| CN112004196A (zh) * | 2020-08-24 | 2020-11-27 | 唯羲科技有限公司 | 定位方法、装置、终端及计算机存储介质 |
| CN112565387A (zh) * | 2020-12-01 | 2021-03-26 | 北京罗克维尔斯科技有限公司 | 更新高精地图的方法及装置 |
| CN112565387B (zh) * | 2020-12-01 | 2023-07-07 | 北京罗克维尔斯科技有限公司 | 更新高精地图的方法及装置 |
| CN114252087A (zh) * | 2021-12-22 | 2022-03-29 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据的处理方法及装置、车辆和存储介质 |
| CN114252087B (zh) * | 2021-12-22 | 2022-07-01 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据的处理方法及装置、车辆和存储介质 |
| CN114608592A (zh) * | 2022-02-10 | 2022-06-10 | 上海追势科技有限公司 | 一种地图的众包方法、系统、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108413975B (zh) | 2021-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108413975A (zh) | 地图获取方法、系统、云处理器及车辆 | |
| US20240005167A1 (en) | Annotating high definition map data with semantic labels | |
| US11727272B2 (en) | LIDAR-based detection of traffic signs for navigation of autonomous vehicles | |
| US10816346B2 (en) | Occupancy map updates based on sensor data collected by autonomous vehicles | |
| JP6644742B2 (ja) | 頑健で効率的な車両測位用のアルゴリズム及びインフラ | |
| US20200410702A1 (en) | Image-based keypoint generation | |
| CN110377025A (zh) | 用于自动驾驶车辆的传感器聚合框架 | |
| WO2019099802A1 (en) | Iterative closest point process based on lidar with integrated motion estimation for high definitions maps | |
| WO2018126228A1 (en) | Sign and lane creation for high definition maps used for autonomous vehicles | |
| CN109725634A (zh) | 用于自动驾驶车辆的使用分色镜的3d lidar系统 | |
| US20210001891A1 (en) | Training data generation for dynamic objects using high definition map data | |
| CN109086277A (zh) | 一种重叠区构建地图方法、系统、移动终端及存储介质 | |
| JP2017181870A (ja) | 情報処理装置及び情報処理サーバ | |
| US20200408887A1 (en) | Calibration of multiple lidars mounted on a vehicle using localization based on a high definition map | |
| US20100245561A1 (en) | Navigation device | |
| CN104956404A (zh) | 具有功率有效深度传感器使用的实时三维重建 | |
| CN111121815B (zh) | 一种基于ar-hud导航的路径显示方法、系统及计算机存储介质 | |
| US20160223344A1 (en) | Travel information recording system, method, and program | |
| CN111829535B (zh) | 生成离线地图的方法、装置、电子设备和存储介质 | |
| US20230121226A1 (en) | Determining weights of points of a point cloud based on geometric features | |
| CN114518122A (zh) | 行车导航方法、装置、计算机设备、存储介质和计算机程序产品 | |
| CN108416045A (zh) | 交通设施的位置获取方法、装置、终端设备及服务器 | |
| CN113763504B (zh) | 地图更新方法、系统、车载终端、服务器及存储介质 | |
| JP2019087969A (ja) | 走行現調支援装置 | |
| JPWO2010032282A1 (ja) | サーバ装置、移動端末装置、交差点案内システム及び交差点案内方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |