CN110174115A - 一种基于感知数据自动生成高精度定位地图的方法及装置 - Google Patents
一种基于感知数据自动生成高精度定位地图的方法及装置 Download PDFInfo
- Publication number
- CN110174115A CN110174115A CN201910487893.XA CN201910487893A CN110174115A CN 110174115 A CN110174115 A CN 110174115A CN 201910487893 A CN201910487893 A CN 201910487893A CN 110174115 A CN110174115 A CN 110174115A
- Authority
- CN
- China
- Prior art keywords
- data
- precision
- perception data
- road
- perception
- 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
- 230000008447 perception Effects 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000009432 framing Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Instructional Devices (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种基于感知数据自动生成高精度定位地图的方法及装置，所述方法包括获取感知数据以及所述感知数据对应的高精度轨迹数据；根据所述高精度轨迹数据与高精度路网的匹配关系，生成所述感知数据与所述高精度路网的关联关系；根据所述关联关系生成定位地图。本方法能实现生成的定位地图数据精度可控、处理周期短、更新频率高且能完全实现自动化作业，另外对高精度采集车感知数据及众包感知数据都能兼容处理。
Description
技术领域
本发明涉及高精度电子地图制作领域，具体涉及一种基于感知数据自动生成高精度定位地图的方法及装置。
背景技术
高精度电子地图主要包含道路网、车道网、交通设施、关联关系、交通规则和安全驾驶，而目前高精度地图定位使用时主要用到交通设施数据，这些数据在高精度地图制作中需要大量人工参与，制作工作量大成本高、周期长，导致整体地图数据更新周期长，难以满足自动驾驶对数据更新频率要求。
发明内容
本发明针对现有技术中存在的技术问题，提供一种基于感知数据自动生成高精度定位地图的方法及装置，具体技术方案如下：
作为第一方面，本发明提供一种基于感知数据自动生成高精度定位地图的方法，包括：
获取感知数据以及所述感知数据对应的高精度轨迹数据；
根据所述高精度轨迹数据与高精度路网的匹配关系，生成所述感知数据与所述高精度路网的关联关系；
根据所述关联关系生成定位地图。
进一步的，所述的获取感知数据以及所述感知数据对应的高精度轨迹数据，还包括：
基于自定义规则对所述高精度轨迹数据和所述感知数据进行分段，然后按NDS 13级Tile范围对数据进行切割。
具体的，所述的基于自定义规则对所述高精度轨迹数据和所述感知数据进行分段，然后按NDS 13级Tile范围对数据进行切割，包括：
步骤101，基于自定义规则对所述高精度轨迹数据进行分段；
步骤102，根据NDS level13层Tile划分标准进行分幅处理；
步骤103，根据所述感知数据与所述高精度轨迹数据对应关系，结合所述高精度轨迹数据的分段规则以及分幅标准，依次对所述感知数据进行分段、分幅处理；
步骤104，对分幅处理后的高精度轨迹数据和感知数据按Tile归集后存储。
优选的，在所述的获取感知数据以及所述感知数据对应的高精度轨迹数据之后，还包括：
判断感知数据坐标系统与高精度路网坐标系统是否一致，若不一致，则需要将感知数据坐标系转换成与路网坐标系统一致。一般转换步骤为传感器坐标系变换到车身坐标系，车身坐标系下进行偏移换算后再变换到WGS84坐标系统。
进一步的，所述的根据所述高精度轨迹数据与高精度路网的匹配关系，生成所述感知数据与所述高精度路网的关联关系，包括：
步骤201，加载高精度路网数据，基于空间位置判断，若所述高精度轨迹数据的轨迹点部分或全部位于所述高精度路面内，则表示所述高精度轨迹数据与高精度路网匹配，获取所述高精度轨迹数据匹配到的道路编号集合；
步骤202，根据所述感知数据与所述高精度轨迹数据的对应关系，结合所述高精度轨迹数据与高精度路网的匹配关系，生成所述感知数据与所述高精度路网的关联关系。
进一步的，所述在生成所述感知数据与所述高精度路网的关联关系之后还包括：
根据所述感知数据与所述高精度路网的关联关系，按道路归集所述感知数据，并进行融合分块处理。
具体的，所述的根据所述感知数据与所述高精度路网的关联关系，按道路归集所述感知数据，并进行融合分块处理，包括：
步骤301，按高精度道路对象对感知数据进行归集；
步骤302，沿道路始点到终点方向，按自定义长度对道路对象形点进行路段分割，分段后，沿道路始点到终点方向从0开始依次对分割出来的路段进行编号管理。
步骤303，根据自定义距离阈值grid_d，依次求取各分割的路段周围距离grid_d范围内的感知数据点集合。
步骤304，获取每个路段上道路的形点和关联的感知数据点组成的点集合的外接矩形，该外接矩形作为该段道路的感知数据Grid分块范围，通过左下点和右上点坐标表达具体空间范围。
对感知数据按道路范围分块，仅保留道路周边一定范围数据，减少定位地图容量；沿道路方向对分块进行编号，便于定位功能根据需要更小范围加载定位地图数据。
优选的，在按高精度道路对象对感知数据进行归集后，还包括：
如果待处理感知数据为多次采集或是来至多个传感器的数据，需要对按道路对象归集后的感知数据进行数据去噪、融合处理。
进一步的，所述的根据所述关联关系生成定位地图，包括：
步骤401，根据自定义精度阈值cell_d,对Grid分块范围矩阵进行栅格处理，划分生成n行m列，共num＝n*m个格子；
步骤402，获取每个格子内感知数据点集合，根据格子内感知数据点属性值按自定义规则生成该格子填充值；
步骤403，生成定位地图数据结构，包含关联的高精度地图的道路id信息、Grid分块范围外接矩形的左下点坐标和右上点坐标、Grid块内格子行列数和每个格子的填充值。
根据定位精度需求，对原始感知数据进行栅格化处理，在满足精度和数据含义需求的同时减少地图容量。
本发明基于感知数据记录，结合高精度行车轨迹数据实现感知数据与高精度地图路网关联，感知数据按道路矢量化方向一定长度进行分块和编号，减少生成定位地图容量且分块及编号有利于定位模块快速加载和使用定位地图数据，数据分块后可以根据定位精度需求自定义生成的定位地图精度。该方法生成定位地图能够完全自动化，且能根据不同感知数据源配置生成的定位地图精度，能很好的平衡地图精度与数据容量，节省高精度定位地图制作成本，缩短制作周期。
本方法能实现生成的定位地图数据精度可控、处理周期短、更新频率高且能完全实现自动化作业，另外对高精度采集车感知数据及众包感知数据都能兼容处理。
作为第二方面，本发明还提供一种基于感知数据自动生成高精度定位地图的装置，包括，
数据获取模块，用于获取感知数据以及所述感知数据对应的高精度轨迹数据；
关联关系生成模块，用于根据所述高精度轨迹数据与高精度路网的匹配关系，生成所述感知数据与所述高精度路网的关联关系；
定位地图生成模块，用于根据所述关联关系生成定位地图。
作为第三方面，本发明还提供一种基于感知数据自动生成高精度定位地图的装置，包括：处理器和存储器；
所述存储器，用于存储计算机软件程序；
所述处理器，用于读取并执行所述存储器内存储的计算机软件程序，实现上述的一种基于感知数据自动生成高精度定位地图的方法。
作为第四方面，本发明还提供一种计算机可读存储介质，所述存储介质中存储有用于实现上述的一种基于感知数据自动生成高精度定位地图的方法的计算机软件程序。
附图说明
图1为一种基于感知数据自动生成高精度定位地图的方法流程图。
图2为本发明实施例提供的系统结构图。
图3为本发明实施例提供的Grid划分图。
图4为本发明实施例提供的Cell划分图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
实施例1
本发明实施例涉及到的一些概念说明如下:
感知数据：环境感知传感器(如激光雷达、超声波雷达等)生成的数据。
本发明需要满足以下条件：
1)感知数据对应的轨迹是高精度轨迹。
2)感知数据与轨迹数据有关联关系。
如图1所示，这里以超声波雷达数据为例，包括以下步骤：
1.感知数据加载分段、分幅管理。
1.1)加载雷达数据和轨迹数据，按1000个轨迹点对轨迹进行分段，最后一段不足500个点时与前一段合并成一段，不在单独分段。
1.2)根据分段轨迹对轨迹关联的雷达数据通过关联字段进行感知数据分段。
1.3)对分段后轨迹进行NDS level13Tile分幅处理，根据分幅后的轨迹对关联的雷达数据进行分幅处理。
2.雷达数据坐标系变换处理，本例中路网坐标系为WGS84经纬度坐标系。
2.1)获取雷达数据点在雷达坐标系中的坐标。
2.2)根据雷达相对车头方向的安装角度，计算出雷达数据点在车身坐标系中的坐标。
2.3)车身坐标系下雷达数据点坐标分别加上车身坐标系原点与GPS安装位置x方向偏移，y方向上偏移(车身坐标系原点与GPS安装位置相同时，这里x方向和y方向偏数值都为零)，然后转换成WGS84经纬度坐标。
3.雷达数据与高精度路网匹配,并按道路进行融合处理
3.1)基于平面位置关系，获取分段后雷达数据轨迹相交的高精度道路面id集合，即雷达数据关联的高精度道路集合。
3.2)按道路对关联的雷达数据进行归集，获取道路上关联的全部雷达数据。
3.3)对道路上关联的雷达数据按基于密度的聚类算法进行聚类处理，本例中邻域为1m，样本个数阀值设置为100，数据量不同时参数需要根据情况做调整配置。
4.按道路归集雷达数据然后进行Grid和cell划分生成定位图层
4.1)对道路按一定长度进行分段，本例中按阈值4m进行分段，将一条道路分成多个路段。
4.2)本例中超声波雷达最远探测距离5m，我们按距离阈值5m来获取每段道路周围5m范围内雷到数据点集合，然后求取该路段关联雷达点集合和路段形点集合的并集，求取这些点的最大外接矩形，即为一个定位地图Grid块范围，同一道路上Grid按从起点到终点顺序编号，如图3所示
4.3)对Grid块进行Cell划分，本例中以50cm*50cm为一个Cell大小进行划分，Cell集合存储按从下到上，从左到右顺序进行，划分图如图4所示。
4.4)根据位置关系求取Grid内每个Cell中雷达数据，按雷达数据组成面的面积与Cell面的面积比作为该Cell的填充值，填充值范围0～1.
实施例2
一种基于感知数据自动生成高精度定位地图的装置，如图2所示，包括，
数据获取模块，用于获取感知数据以及所述感知数据对应的高精度轨迹数据；
关联关系生成模块，用于根据所述高精度轨迹数据与高精度路网的匹配关系，生成所述感知数据与所述高精度路网的关联关系；
定位地图生成模块，用于根据所述关联关系生成定位地图。
优选的，该装置还包括：
坐标变换模块，用于对输入源数据进行坐标变换，达到与高精度地图坐标系统一致目的。
数据融合模块，用于对多次获多传感器获取的感知数据进行去噪、融合处理。
优选的，所述定位地图生成模块包括：
定位地图Grid划分模块，用于对感知数据按道路范围分块，仅保留道路周边一定范围数据，减少定位地图容量；沿道路方向对分块进行编号，便于定位功能根据需要更小范围加载定位地图数据。
定位地图Cell格子生成模块，用与根据定位精度需求，对原始感知数据进行栅格化处理，在满足精度和数据含义需求的同时减少地图容量。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于感知数据自动生成高精度定位地图的方法，其特征在于，包括：
获取感知数据以及所述感知数据对应的高精度轨迹数据；
根据所述高精度轨迹数据与高精度路网的匹配关系，生成所述感知数据与所述高精度路网的关联关系；
根据所述关联关系生成定位地图。
2.根据权利要求1所述的方法，其特征在于，所述的获取感知数据以及所述感知数据对应的高精度轨迹数据，还包括：
基于自定义规则对所述高精度轨迹数据和所述感知数据进行分段，然后按NDS13级Tile范围对数据进行切割。
3.根据权利要求1所述的方法，其特征在于，所述的基于自定义规则对所述高精度轨迹数据和所述感知数据进行分段，然后按NDS13级Tile范围对数据进行切割，包括：
步骤101，基于自定义规则对所述高精度轨迹数据进行分段；
步骤102，根据NDSlevel13层Tile划分标准进行分幅处理；
步骤103，根据所述感知数据与所述高精度轨迹数据对应关系，结合所述高精度轨迹数据的分段规则以及分幅标准，依次对所述感知数据进行分段、分幅处理；
步骤104，对分幅处理后的高精度轨迹数据和感知数据按Tile归集后存储。
4.根据权利要求1所述的方法，其特征在于，所述的根据所述高精度轨迹数据与高精度路网的匹配关系，生成所述感知数据与所述高精度路网的关联关系，包括：
步骤201，加载高精度路网数据，基于空间位置判断，若所述高精度轨迹数据的轨迹点部分或全部位于所述高精度路面内，则表示所述高精度轨迹数据与高精度路网匹配，获取所述高精度轨迹数据匹配到的道路编号集合；
步骤202，根据所述感知数据与所述高精度轨迹数据的对应关系，结合所述高精度轨迹数据与高精度路网的匹配关系，生成所述感知数据与所述高精度路网的关联关系。
5.根据权利要求4所述的方法，其特征在于，所述在生成所述感知数据与所述高精度路网的关联关系之后还包括：
根据所述感知数据与所述高精度路网的关联关系，按道路归集所述感知数据，并进行融合分块处理。
6.根据权利要求5所述的方法，其特征在于，所述的根据所述感知数据与所述高精度路网的关联关系，按道路归集所述感知数据，并进行融合分块处理，包括：
步骤301，按高精度道路对象对感知数据进行归集；
步骤302，沿道路始点到终点方向，按自定义长度对道路对象形点进行路段分割，分段后，沿道路始点到终点方向从0开始依次对分割出来的路段进行编号管理。
步骤303，根据自定义距离阈值grid_d，依次求取各分割的路段周围距离grid_d范围内的感知数据点集合。
步骤304，获取每个路段上道路的形点和关联的感知数据点组成的点集合的外接矩形，该外接矩形作为该段道路的感知数据Grid分块范围，通过左下点和右上点坐标表达具体空间范围。
7.根据权利要求6所述的方法，其特征在于，所述的根据所述关联关系生成定位地图，包括：
步骤401，根据自定义精度阈值cell_d,对Grid分块范围矩阵进行栅格处理，划分生成n行m列，共num＝n*m个格子；
步骤402，获取每个格子内感知数据点集合，根据格子内感知数据点属性值按自定义规则生成该格子填充值；
步骤403，生成定位地图数据结构，包含关联的高精度地图的道路id信息、Grid分块范围外接矩形的左下点坐标和右上点坐标、Grid块内格子行列数和每个格子的填充值。
8.一种基于感知数据自动生成高精度定位地图的装置，其特征在于，包括，
数据获取模块，用于获取感知数据以及所述感知数据对应的高精度轨迹数据；
关联关系生成模块，用于根据所述高精度轨迹数据与高精度路网的匹配关系，生成所述感知数据与所述高精度路网的关联关系；
定位地图生成模块，用于根据所述关联关系生成定位地图。
9.一种基于感知数据自动生成高精度定位地图的装置，其特征在于，包括：处理器和存储器；
所述存储器，用于存储计算机软件程序；
所述处理器，用于读取并执行所述存储器内存储的计算机软件程序，实现权利要求1至7所述的一种基于感知数据自动生成高精度定位地图的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有用于实现权利要求1至7所述的一种基于感知数据自动生成高精度定位地图的方法的计算机软件程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910487893.XA CN110174115B (zh) | 2019-06-05 | 2019-06-05 | 一种基于感知数据自动生成高精度定位地图的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910487893.XA CN110174115B (zh) | 2019-06-05 | 2019-06-05 | 一种基于感知数据自动生成高精度定位地图的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110174115A true CN110174115A (zh) | 2019-08-27 |
| CN110174115B CN110174115B (zh) | 2021-03-16 |
Family
ID=67697035
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910487893.XA Active CN110174115B (zh) | 2019-06-05 | 2019-06-05 | 一种基于感知数据自动生成高精度定位地图的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110174115B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112257762A (zh) * | 2020-10-12 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种异源高精度地图间的路网匹配方法及系统 |
| CN114783214A (zh) * | 2020-04-28 | 2022-07-22 | 上海波若智能科技有限公司 | 路网动态数据采集方法及路网动态数据采集系统 |
Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101210825A (zh) * | 2006-12-27 | 2008-07-02 | 爱信艾达株式会社 | 地图信息生成系统 |
| CN102016507A (zh) * | 2008-04-30 | 2011-04-13 | 大陆-特韦斯贸易合伙股份公司及两合公司 | 基于环境传感器的自学习地图 |
| CN103745018A (zh) * | 2014-02-11 | 2014-04-23 | 天津市星际空间地理信息工程有限公司 | 一种多平台点云数据融合方法 |
| CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆车道级导航地图的生成系统及方法 |
| CN106525057A (zh) * | 2016-10-26 | 2017-03-22 | 陈曦 | 高精度道路地图的生成系统 |
| CN106776996A (zh) * | 2016-12-02 | 2017-05-31 | 百度在线网络技术（北京）有限公司 | 用于测试高精度地图的准确性的方法和装置 |
| CN107270916A (zh) * | 2016-04-08 | 2017-10-20 | 星克跃尔株式会社 | 道路面生成方法及装置以及点云数据处理方法及装置 |
| CN107301254A (zh) * | 2017-08-24 | 2017-10-27 | 电子科技大学 | 一种路网热点区域挖掘方法 |
| CN107491495A (zh) * | 2017-07-25 | 2017-12-19 | 南京师范大学 | 空间属性优先的时空轨迹数据文件在辅助存储设备中的存储方法 |
| CN107505644A (zh) * | 2017-07-28 | 2017-12-22 | 武汉理工大学 | 基于车载多传感器融合的三维高精度地图生成系统及方法 |
| CN107577646A (zh) * | 2017-08-23 | 2018-01-12 | 上海莫斐信息技术有限公司 | 一种高精度轨迹运算方法及系统 |
| CN108205566A (zh) * | 2016-12-19 | 2018-06-26 | 北京四维图新科技股份有限公司 | 一种基于轨迹对点云进行管理的方法及装置、导航设备 |
| CN108254758A (zh) * | 2017-12-25 | 2018-07-06 | 清华大学苏州汽车研究院（吴江） | 基于多线激光雷达和gps的三维道路构建方法 |
| CN108398705A (zh) * | 2018-03-06 | 2018-08-14 | 广州小马智行科技有限公司 | 地图生成方法、装置及车辆定位方法、装置 |
| CN108801276A (zh) * | 2018-07-23 | 2018-11-13 | 奇瑞汽车股份有限公司 | 高精度地图生成方法及装置 |
| CN108955677A (zh) * | 2018-08-02 | 2018-12-07 | 苏州中德睿博智能科技有限公司 | 一种基于激光雷达与gps的拓扑地图创建方法及建图装置 |
| CN108981726A (zh) * | 2018-06-09 | 2018-12-11 | 安徽宇锋智能科技有限公司 | 基于感知定位监测的无人车语义地图建模及构建应用方法 |
| CN109033238A (zh) * | 2018-07-04 | 2018-12-18 | 北京星球时空科技有限公司 | 电子地图集系统的数据生产、组织、存储及访问方法 |
| CN109084786A (zh) * | 2018-08-09 | 2018-12-25 | 北京智行者科技有限公司 | 一种地图数据的处理方法 |
| CN109271858A (zh) * | 2018-08-13 | 2019-01-25 | 武汉中海庭数据技术有限公司 | 一种基于行车轨迹和视觉车道边线数据的路口识别方法及系统 |
| CN109345471A (zh) * | 2018-09-07 | 2019-02-15 | 贵州宽凳智云科技有限公司北京分公司 | 基于高精轨迹数据测量绘制高精地图数据方法 |
| CN109410301A (zh) * | 2018-10-16 | 2019-03-01 | 张亮 | 面向无人驾驶汽车的高精度语义地图制作方法 |
| CN109556615A (zh) * | 2018-10-10 | 2019-04-02 | 吉林大学 | 基于自动驾驶的多传感器融合认知的驾驶地图生成方法 |
| CN109597862A (zh) * | 2018-10-31 | 2019-04-09 | 百度在线网络技术（北京）有限公司 | 基于拼图式的地图生成方法、装置及计算机可读存储介质 |
| CN109724610A (zh) * | 2018-12-29 | 2019-05-07 | 河北德冠隆电子科技有限公司 | 一种全信息实景导航的方法及装置 |
-
2019
- 2019-06-05 CN CN201910487893.XA patent/CN110174115B/zh active Active
Patent Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101210825A (zh) * | 2006-12-27 | 2008-07-02 | 爱信艾达株式会社 | 地图信息生成系统 |
| CN102016507A (zh) * | 2008-04-30 | 2011-04-13 | 大陆-特韦斯贸易合伙股份公司及两合公司 | 基于环境传感器的自学习地图 |
| CN103745018A (zh) * | 2014-02-11 | 2014-04-23 | 天津市星际空间地理信息工程有限公司 | 一种多平台点云数据融合方法 |
| CN107270916A (zh) * | 2016-04-08 | 2017-10-20 | 星克跃尔株式会社 | 道路面生成方法及装置以及点云数据处理方法及装置 |
| CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆车道级导航地图的生成系统及方法 |
| CN106525057A (zh) * | 2016-10-26 | 2017-03-22 | 陈曦 | 高精度道路地图的生成系统 |
| CN106776996A (zh) * | 2016-12-02 | 2017-05-31 | 百度在线网络技术（北京）有限公司 | 用于测试高精度地图的准确性的方法和装置 |
| CN108205566A (zh) * | 2016-12-19 | 2018-06-26 | 北京四维图新科技股份有限公司 | 一种基于轨迹对点云进行管理的方法及装置、导航设备 |
| CN107491495A (zh) * | 2017-07-25 | 2017-12-19 | 南京师范大学 | 空间属性优先的时空轨迹数据文件在辅助存储设备中的存储方法 |
| CN107505644A (zh) * | 2017-07-28 | 2017-12-22 | 武汉理工大学 | 基于车载多传感器融合的三维高精度地图生成系统及方法 |
| CN107577646A (zh) * | 2017-08-23 | 2018-01-12 | 上海莫斐信息技术有限公司 | 一种高精度轨迹运算方法及系统 |
| CN107301254A (zh) * | 2017-08-24 | 2017-10-27 | 电子科技大学 | 一种路网热点区域挖掘方法 |
| CN108254758A (zh) * | 2017-12-25 | 2018-07-06 | 清华大学苏州汽车研究院（吴江） | 基于多线激光雷达和gps的三维道路构建方法 |
| CN108398705A (zh) * | 2018-03-06 | 2018-08-14 | 广州小马智行科技有限公司 | 地图生成方法、装置及车辆定位方法、装置 |
| CN108981726A (zh) * | 2018-06-09 | 2018-12-11 | 安徽宇锋智能科技有限公司 | 基于感知定位监测的无人车语义地图建模及构建应用方法 |
| CN109033238A (zh) * | 2018-07-04 | 2018-12-18 | 北京星球时空科技有限公司 | 电子地图集系统的数据生产、组织、存储及访问方法 |
| CN108801276A (zh) * | 2018-07-23 | 2018-11-13 | 奇瑞汽车股份有限公司 | 高精度地图生成方法及装置 |
| CN108955677A (zh) * | 2018-08-02 | 2018-12-07 | 苏州中德睿博智能科技有限公司 | 一种基于激光雷达与gps的拓扑地图创建方法及建图装置 |
| CN109084786A (zh) * | 2018-08-09 | 2018-12-25 | 北京智行者科技有限公司 | 一种地图数据的处理方法 |
| CN109271858A (zh) * | 2018-08-13 | 2019-01-25 | 武汉中海庭数据技术有限公司 | 一种基于行车轨迹和视觉车道边线数据的路口识别方法及系统 |
| CN109345471A (zh) * | 2018-09-07 | 2019-02-15 | 贵州宽凳智云科技有限公司北京分公司 | 基于高精轨迹数据测量绘制高精地图数据方法 |
| CN109556615A (zh) * | 2018-10-10 | 2019-04-02 | 吉林大学 | 基于自动驾驶的多传感器融合认知的驾驶地图生成方法 |
| CN109410301A (zh) * | 2018-10-16 | 2019-03-01 | 张亮 | 面向无人驾驶汽车的高精度语义地图制作方法 |
| CN109597862A (zh) * | 2018-10-31 | 2019-04-09 | 百度在线网络技术（北京）有限公司 | 基于拼图式的地图生成方法、装置及计算机可读存储介质 |
| CN109724610A (zh) * | 2018-12-29 | 2019-05-07 | 河北德冠隆电子科技有限公司 | 一种全信息实景导航的方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114783214A (zh) * | 2020-04-28 | 2022-07-22 | 上海波若智能科技有限公司 | 路网动态数据采集方法及路网动态数据采集系统 |
| CN112257762A (zh) * | 2020-10-12 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种异源高精度地图间的路网匹配方法及系统 |
| CN112257762B (zh) * | 2020-10-12 | 2022-08-19 | 武汉中海庭数据技术有限公司 | 一种异源高精度地图间的路网匹配方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110174115B (zh) | 2021-03-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102235827B1 (ko) | 격자 지도를 생성하는 방법 및 장치 | |
| CN108763287B (zh) | 大规模可通行区域驾驶地图的构建方法及其无人驾驶应用方法 | |
| CN109541634B (zh) | 一种路径规划方法、装置和移动设备 | |
| Fowler et al. | Automatic extraction of irregular network digital terrain models | |
| CN103743383B (zh) | 一种基于点云的道路信息自动提取方法 | |
| KR20200109260A (ko) | 지도 구축 방법, 장치, 기기 및 판독가능 저장 매체 | |
| CN105204510B (zh) | 一种用于精确定位的概率地图的生成方法及装置 | |
| CN102708587A (zh) | 一种快速获取三维建筑信息的方法及系统 | |
| CN110880200A (zh) | 基于三维重建技术的gim模型工程智能验收方法 | |
| CN114930401A (zh) | 基于点云的三维重建方法、装置和计算机设备 | |
| CN103162664B (zh) | 高程数据获取方法与装置、导航设备 | |
| CN103278115A (zh) | 一种基于dem计算淤地坝淤积量的方法及系统 | |
| CN114463932B (zh) | 非接触式施工安全距离主动动态识别预警系统及方法 | |
| CN106643494A (zh) | 一种矿山堆料体积测量方法及系统 | |
| CN110174115A (zh) | 一种基于感知数据自动生成高精度定位地图的方法及装置 | |
| CN109961510A (zh) | 一种基于三维点云重构技术的高切坡地质快速编录方法 | |
| CN115752474A (zh) | 非平坦地面环境下的机器人导航规划方法、装置及机器人 | |
| CN109470203A (zh) | 一种基于无人机的像控点信息采集方法及系统 | |
| CN110095108B (zh) | 一种基于bim无人机测绘装置及测绘方法 | |
| CN114493549A (zh) | 一种基于大数据分析的建筑工程造价评估管理系统 | |
| CN117789066A (zh) | 基于深度学习的无人机多视角影像钢轨线自动提取方法 | |
| KR102408981B1 (ko) | Nd 맵 생성방법 및 그를 활용한 맵 업데이트 방법 | |
| CN104614729A (zh) | 一种激光雷达航带高程匹配质量分析方法 | |
| KR101331938B1 (ko) | 이동체의 지도 작성 장치 및 그 방법 | |
| CN106650595A (zh) | 地块边界识别的方法及边界识别装置 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method and device for automatically generating high-precision positioning maps based on perceptual data Granted publication date: 20210316 Pledgee: Productivity Promotion Center of Wuhan East Lake New Technology Development Zone Pledgor: WUHHAN KOTEL BIG DATE Corp. Registration number: Y2024980005100 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |