CN110345951B - 一种adas高精度地图的生成方法及装置 - Google Patents
一种adas高精度地图的生成方法及装置 Download PDFInfo
- Publication number
- CN110345951B CN110345951B CN201910611756.2A CN201910611756A CN110345951B CN 110345951 B CN110345951 B CN 110345951B CN 201910611756 A CN201910611756 A CN 201910611756A CN 110345951 B CN110345951 B CN 110345951B
- Authority
- CN
- China
- Prior art keywords
- adas
- road
- data
- target road
- lane
- 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.)
- Active
Links
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Instructional Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种ADAS高精度地图的生成方法及装置,该方法包括在导航电子地图数据中获取目标路段对应的车道信息;根据目标路段对应的车道信息进行处理,获得目标路段的ADAS车线数据;获取目标路段在预设时段内经过车辆的轨迹信息,通过机器学习算法对轨迹信息进行处理,生成目标道路的道路矢量数据;基于目标路段的道路矢量数据,对目标路段的ADAS车线数据进行修正。本发明基于导航电子地图数据,自动化生成车线级别ADAS高精度地图。降低ADAS高精度地图的制作成本,提高了ADAS高精度地图的制作效率。本发明通过机器学习算法对获取的车辆轨迹信息进行处理,对ADAS车线数据进行修正,使ADAS高精度地图数据更精确。
Description
技术领域
本发明涉及车载地图导航技术领域,尤其涉及一种ADAS高精度地图的生成方法及装置。
背景技术
目前,制作高精度地图的方式主要有“集中制图”和“众包制图”两种方式。
集中制图进行高精地图数据采集是通过专业采集车,采集设备有几个比较核心的部件,包括激光镭达、IMU(惯导系统)、GNSS、高精度轮速仪以及相机等。只有专业的、高性能、高精度的采集设备,才能保证最终高精地图数据的精度。
众包制图一般是采用视觉模式(相机、摄像头)替代专业采集车的激光雷达,优点是成本低,数据来源广,但数据乱、精度差,静态数据精度和依靠专业设备采集的地图尚不能同日而语,更多是作为高精地图动态数据部分的补充。高精地图也需要为自动驾驶提供动态、实时的数据服务,比如动态交通信息、智慧红绿灯等交通设施信息、施工等临时或突发信息等,这部分动态数据更适合由众包制图模式来实现。
然而,集中制图虽然精度高,但是制作成本高、周期长,数据更新周期无法满足实时更新的需求,不利于自动驾驶应用体验。众包制图数据来源广、采集成本低,但数据杂乱、精度差,更适合作为高精地图动态数据的补充。
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ADAS高精度地图的生成方法及装置,解决传统高精地图制作方法成本高、精度较低的问题,实现对ADAS车线数据的修正或补充,提高了ADAS高精度地图的制作效率。
本发明解决上述技术问题的技术方案如下:
第一方面,本发明提供一种ADAS高精度地图的生成方法,包括:
在导航电子地图数据中获取目标路段对应的车道信息;其中,所述车道信息至少包括道路中心线、车道数和车道宽度;
对目标路段对应的车道信息进行处理,获得目标路段的ADAS车线数据。
获取目标路段在预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的道路矢量数据;
基于所述目标路段的道路矢量数据,对目标路段的ADAS车线数据进行修正;
基于修正后的ADAS车线数据进行目标格式转换,生成目标路段的ADAS高精度地图数据。
本发明的有益效果是:本发明基于导航电子地图数据,自动化生成车线级别ADAS高精度地图。并通过机器学习算法对获取的车辆轨迹信息进行处理,对ADAS车线数据进行修正或补充,使后续生成的ADAS高精度地图数据更精确。
进一步,所述根据目标路段对应的车道信息进行处理,获得目标路段的ADAS车线数据具体包括:
根据车道数确定车线数量,根据车道宽度和道路中心线确定车线间的距离,生成布置于道路中心线两侧且平行于道路中心线的若干车线;
获取目标路段对应的道路ADAS属性,根据所述道路ADAS属性,将道路的高度值赋予所述若干车线。
进一步,所述基于修正后的ADAS车线数据进行目标格式转换,获得目标路段的ADAS高精度地图具体包括:
根据导航电子地图数据获取道路层数据和地物层数据;
根据修正后的ADAS车线数据、道路层数据和地物层数据进行目标格式转换,获得目标路段的ADAS高精度地图。
进一步,所述方法还包括:
实时获取目标路段在当前时刻之前预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的实时道路矢量数据,基于所述实时道路矢量数据对目标路段的ADAS高精度地图数据进行实时更新。
第二方面,本发明提供一种ADAS高精度地图的生成装置,包括:
第一获取模块,用于在导航电子地图数据中获取目标路段对应的车道信息;其中,所述车道信息至少包括道路中心线、车道数和车道宽度;
处理模块,用于对目标路段对应的车道信息进行处理,获得目标路段的ADAS车线数据。
第二获取模块,用于获取目标路段在预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的道路矢量数据;
修正模块,用于基于所述目标路段的道路矢量数据,对目标路段的ADAS车线数据进行修正。
生成模块,用于基于修正后的ADAS车线数据进行目标格式转换,生成目标路段的ADAS高精度地图数据。
进一步,所述处理模块具体用于:
根据车道数确定车线数量,根据车道宽度和道路中心线确定车线间的距离,生成布置于道路中心线两侧且平行于道路中心线的若干车线;
获取目标路段对应的道路ADAS属性,根据所述道路ADAS属性,将道路的高度值赋予所述若干车线。
进一步,所述生成模块具体用于:
根据导航电子地图数据获取道路层数据和地物层数据;
根据修正后的ADAS车线数据、道路层数据和地物层数据进行目标格式转换,获得目标路段的ADAS高精度地图。
进一步,所述装置还包括:
更新模块,用于实时获取目标路段在当前时刻之前预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的实时道路矢量数据,基于所述实时道路矢量数据对目标路段的ADAS高精度地图数据进行实时更新。
第三方面,本发明提供一种电子设备,包括处理器、通信接口、存储器和总线,其中,处理器,通信接口,存储器通过总线完成相互间的通信,处理器可以调用存储器中的逻辑指令,以执行如第一方面所提供的方法的步骤。
第四方面,本发明提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
采用上述进一步方案的有益效果是:(1)基于现有的导航电子地图数据,自动化生成车线级别ADAS高精度地图,降低ADAS高精度地图的制作成本;
(2)通过实时获取最近时段的车辆轨迹信息,对目标路段的ADAS高精度地图数据进行实时更新。实现数据实时更新功能,相对于高精度数据编译平台,本发明生成ADAS高精度地图的转换效率更高。
(3)与众包制图的方式相比,本发明通过导航电子地图数据生成ADAS地图数据的车线网络拓扑关系,提高了地图数据的接续性和连通性。通过实时获取最近时段的车辆轨迹信息,对目标路段的ADAS高精度地图数据进行实时更新。
附图说明
图1为本发明实施例提供的ADAS高精度地图的生成方法流程示意图;
图2(a)为本发明实施例提供的目标路段的实际道路图像;
图2(b)为本发明实施例提供的目标路段道路中心线的示意图;
图2(c)为本发明实施例提供的目标路段的ADAS车线数据;
图2(d)为本发明实施例提供的目标道路的道路矢量数据;
图2(e)为本发明实施例提供的修正后的ADAS车线数据;
图3为本发明实施例提供的ADAS高精度地图的生成装置的框图;
图4为本发明实施例提供的电子设备的实体结构示意图。
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。
图1为本发明实施例提供的ADAS高精度地图的生成方法的结构示意图,如图1所示,本发明提供一种ADAS高精度地图的生成方法,包括:
S1,在导航电子地图数据中获取目标路段对应的车道信息;其中,所述车道信息至少包括道路中心线、车道数和车道宽度。
本实施例中,目标路段是指制作ADAS高精度地图的一个研究路段。导航电子地图数据是指从传统的导航电子地图中获取的数据。本实施例在导航电子地图数据中获取目标路段对应的车道信息。其中,车道信息至少包括道路中心线、车道数和车道宽度。
车道信息还包括道路ADAS属性。ADAS(Advanced Driving AssistantSystem,高级驾驶辅助系统)是利用安装在车上的各式各样传感器(毫米波雷达、激光雷达、单\双目摄像头以及卫星导航),在车辆行驶过程中随时来感应周围的环境,收集数据,进行静态、动态物体的辨识、侦测与追踪,并结合导航仪地图数据,进行系统的运算与分析,从而预先让驾驶者察觉到可能发生的危险,有效增加汽车驾驶的舒适性和安全性。本实施例中,道路ADAS属性包括道路的高度、曲率和坡度。
S2,对目标路段对应的车道信息进行处理,获得目标路段的ADAS车线数据。
S3,获取目标路段在预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的道路矢量数据。其中,预设时段可以是1小时或10分钟,根据实际情况而定。矢量数据主要是指城市大比例尺地形图。矢量数据一般通过记录坐标的方式来尽可能将地理实体的空间位置表现的准确无误,显示的图形一般分为矢量图和位图。矢量数据是利用欧几里德几何学中点、线、面及其组合体来表示地理实体空间分布的一种数据组织方式。
S4,基于所述目标路段的道路矢量数据,对目标路段的ADAS车线数据进行修正。
S5,基于修正后的ADAS车线数据进行目标格式转换,生成目标路段的ADAS高精度地图数据。
具体地,在步骤S4对目标路段的ADAS车线数据进行修正之后,基于修正后的ADAS车线数据进行目标格式转换,生成目标路段的ADAS高精度地图数据。进一步地,本实施例能够采用S1~S4的方法获取各个路段各自对应的ADAS车线数据,将各个路段的ADAS车线数据拼接,并根据道路矢量数据进行数据修正和/或补充,进而生成完整的ADAS高精度地图。
与众包制图的方式相比,本发明实施例通过导航电子地图数据生成ADAS地图数据的车线网络拓扑关系,提高了地图数据的接续性和连通性。通过实时获取最近时段的车辆轨迹信息,对目标路段的ADAS高精度地图数据进行实时更新。
以下对ADAS车线数据的生成和修改过程进行举例说明。图2(a)为本发明实施例提供的目标路段的实际道路图像,图2(b)为本发明实施例提供的目标路段道路中心线的示意图。在导航电子地图数据中获取目标路段对应的车道信息,车道信息至少包括道路中心线、车道数和车道宽度。
进一步,根据车道数确定车线数量,根据车道宽度和道路中心线确定车线间的距离,生成布置于道路中心线两侧且平行于道路中心线的若干车线,从而获得目标路段的ADAS车线数据。图2(c)为本发明实施例提供的目标路段的ADAS车线数据,参照图2(c),两条车线平行于图2(b)中的道路中心线。
获取目标路段在预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的道路矢量数据。如图2(d)所示,图2(d)为本发明实施例提供的目标道路的道路矢量数据。基于目标路段的道路矢量数据,对目标路段的ADAS车线数据进行修正,参照图2(e),图2(e)为本发明实施例提供的修正后的ADAS车线数据。
可以理解的是,传统的集中制图方式需采用激光镭达、IMU(惯导系统)、GNSS、高精度轮速仪以及相机等进行数据采集。只有专业的、高性能、高精度的采集设备,才能保证最终高精地图数据的精度。传统的集中制图方式虽然精度高,但是制作成本高、周期长,数据更新周期无法满足实时更新的需求,不利于自动驾驶应用体验。而本发明实施例基于现有的导航电子地图数据,自动化生成车线级别ADAS高精度地图,与传统集中制图方式制作成本高、周期长相比,本发明降低了ADAS高精度地图的制作成本,并且提高了ADAS高精度地图的制作效率。
本发明实施例基于导航电子地图数据,自动化生成车线级别ADAS高精度地图。并通过机器学习算法对获取的车辆轨迹信息进行处理,对ADAS车线数据进行修正或补充,使ADAS高精度地图数据更精确。
基于上述实施例的内容,作为一种可选实施例,在执行步骤S4之后,所述方法还包括:
基于上述实施例的内容,作为一种可选实施例,步骤S2中,根据目标路段对应的车道信息进行处理,获得目标路段的ADAS车线数据具体包括:
根据车道数确定车线数量,根据车道宽度和道路中心线确定车线间的距离,生成布置于道路中心线两侧且平行于道路中心线的若干车线;
从导航电子地图数据中获取目标路段对应的道路ADAS属性,根据所述道路ADAS属性,将道路的高度值赋予所述若干车线。本实施例中,道路ADAS属性包括道路的高度、曲率和坡度。
本发明实施例基于现有的导航电子地图数据,自动化生成车线级别ADAS高精度地图,降低了ADAS高精度地图的制作成本。
基于上述实施例的内容,作为一种可选实施例,所述基于修正后的ADAS车线数据进行目标格式转换,获得目标路段的ADAS高精度地图具体包括:
根据导航电子地图数据获取道路层数据和地物层数据;
根据修正后的ADAS车线数据、道路层数据和地物层数据进行目标格式转换,获得目标路段的ADAS高精度地图。
具体地,本实施例根据导航电子地图的道路形点信息能够直接获取道路层数据。接着推算获得地物层数据,地物层数据包括但不限于红绿灯、停车线、地面印刷物和路面指示牌。根据修正后的ADAS车线数据、道路层数据和地物层数据进行目标格式转换,能够获得目标路段的ADAS高精度地图。
基于上述实施例的内容,作为一种可选实施例,所述方法还包括:
实时获取目标路段在当前时刻之前预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的实时道路矢量数据,基于所述实时道路矢量数据对目标路段的ADAS高精度地图数据进行实时更新。
具体地,本实施例中,预设时段可以是1小时或10分钟,可以根据实际情况而定。本发明实施例通过实时获取最近时段的车辆轨迹信息,对目标路段的ADAS高精度地图数据进行实时更新。实现数据实时更新功能,相对于高精度数据编译平台,本发明生成ADAS高精度地图的转换效率更高。
图3为本发明实施例提供的ADAS高精度地图的生成装置的框图,参照图3,本发明提供一种ADAS高精度地图的生成装置,包括:
第一获取模301,用于在导航电子地图数据中获取目标路段对应的车道信息;其中,所述车道信息至少包括道路中心线、车道数和车道宽度。
处理模块302,用于对目标路段对应的车道信息进行处理,获得目标路段的ADAS车线数据。
第二获取模块303,用于获取目标路段在预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的道路矢量数据;
修正模块304,用于基于所述目标路段的道路矢量数据,对目标路段的ADAS车线数据进行修正。
生成模块305,用于基于修正后的ADAS车线数据进行目标格式转换,生成目标路段的ADAS高精度地图数据。
具体的,本实施例中,目标路段是指制作ADAS高精度地图的一个研究路段。导航电子地图数据是指从传统的导航电子地图中获取的数据。本实施例在导航电子地图数据中获取目标路段对应的车道信息。其中,车道信息至少包括道路中心线、车道数和车道宽度。
以下对ADAS车线数据的生成和修改过程进行举例说明。图2(a)为本发明实施例提供的目标路段的实际道路图像,图2(b)为本发明实施例提供的目标路段道路中心线的示意图。在导航电子地图数据中获取目标路段对应的车道信息,车道信息至少包括道路中心线、车道数和车道宽度。
进一步,根据车道数确定车线数量,根据车道宽度和道路中心线确定车线间的距离,生成布置于道路中心线两侧且平行于道路中心线的若干车线,从而获得目标路段的ADAS车线数据。图2(c)为本发明实施例提供的目标路段的ADAS车线数据,参照图2(c),两条车线平行于图2(b)中的道路中心线。
获取目标路段在预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的道路矢量数据。如图2(d)所示,图2(d)为本发明实施例提供的目标道路的道路矢量数据。基于目标路段的道路矢量数据,对目标路段的ADAS车线数据进行修正,参照图2(e),图2(e)为本发明实施例提供的修正后的ADAS车线数据。
可以理解的是,传统的集中制图方式需采用激光镭达、IMU(惯导系统)、GNSS、高精度轮速仪以及相机等进行数据采集。只有专业的、高性能、高精度的采集设备,才能保证最终高精地图数据的精度。传统的集中制图方式虽然精度高,但是制作成本高、周期长,数据更新周期无法满足实时更新的需求,不利于自动驾驶应用体验。而本发明实施例基于现有的导航电子地图数据,自动化生成车线级别ADAS高精度地图,与传统集中制图方式相比,降低了ADAS高精度地图的制作成本,并且提高了ADAS高精度地图的制作效率。
本发明实施例基于导航电子地图数据,自动化生成车线级别ADAS高精度地图。并通过机器学习算法对获取的车辆轨迹信息进行处理,对ADAS车线数据进行修正或补充,使ADAS高精度地图数据更精确。
基于上述实施例的内容,作为一种可选实施例,处理模块302具体用于:
根据车道数确定车线数量,根据车道宽度和道路中心线确定车线间的距离,生成布置于道路中心线两侧且平行于道路中心线的若干车线;
从导航电子地图数据中获取目标路段对应的道路ADAS属性,根据所述道路ADAS属性,将道路的高度值赋予所述若干车线。
本发明实施例基于现有的导航电子地图数据,自动化生成车线级别ADAS高精度地图,降低了ADAS高精度地图的制作成本。
基于上述实施例的内容,作为一种可选实施例,生成模块305具体用于:
根据导航电子地图数据获取道路层数据和地物层数据;
根据修正后的ADAS车线数据、道路层数据和地物层数据进行目标格式转换,获得目标路段的ADAS高精度地图。
具体地,本实施例根据导航电子地图的道路形点信息能够直接获取道路层数据。接着推算获得地物层数据,地物层数据包括但不限于红绿灯、停车线、地面印刷物和路面指示牌。根据修正后的ADAS车线数据、道路层数据和地物层数据进行目标格式转换,能够获得目标路段的ADAS高精度地图。
基于上述实施例的内容,作为一种可选实施例,所述装置还包括:
更新模块,用于实时获取目标路段在当前时刻之前预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的实时道路矢量数据,基于所述实时道路矢量数据对目标路段的ADAS高精度地图数据进行实时更新。
具体地,本实施例中,预设时段可以是1小时或10分钟,可以根据实际情况而定。本发明实施例通过实时获取最近时段的车辆轨迹信息,对目标路段的ADAS高精度地图数据进行实时更新。实现数据实时更新功能,相对于高精度数据编译平台,本发明生成ADAS高精度地图的转换效率更高。
图4为本发明实施例提供的电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储在存储器403上并可在处理器401上运行的计算机程序,以执行上述各实施例提供的ADAS高精度地图的生成方法,例如包括:在导航电子地图数据中获取目标路段对应的车道信息;其中,所述车道信息至少包括道路中心线、车道数和车道宽度;根据目标路段对应的车道信息进行处理,获得目标路段的ADAS车线数据;获取目标路段在预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的道路矢量数据;基于所述目标路段的道路矢量数据,对目标路段的ADAS车线数据进行修正。基于修正后的ADAS车线数据进行目标格式转换,生成目标路段的ADAS高精度地图数据。
此外,上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的ADAS高精度地图的生成方法,例如包括:在导航电子地图数据中获取目标路段对应的车道信息;其中,所述车道信息至少包括道路中心线、车道数和车道宽度;根据目标路段对应的车道信息进行处理,获得目标路段的ADAS车线数据;获取目标路段在预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的道路矢量数据;基于所述目标路段的道路矢量数据,对目标路段的ADAS车线数据进行修正。基于修正后的ADAS车线数据进行目标格式转换,生成目标路段的ADAS高精度地图数据。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
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 (8)
1.一种ADAS高精度地图的生成方法,其特征在于,包括:
在导航电子地图数据中获取目标路段对应的车道信息;其中,所述车道信息至少包括道路中心线、车道数、车道宽度和道路ADAS属性,道路ADAS属性包括道路的高度、曲率和坡度;
对目标路段对应的车道信息进行处理,获得目标路段的ADAS车线数据;
获取目标路段在预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的道路矢量数据;
基于所述目标路段的道路矢量数据,对目标路段的ADAS车线数据进行修正;
根据导航电子地图数据获取道路层数据和地物层数据;根据修正后的ADAS车线数据、道路层数据和地物层数据进行目标格式转换,获得目标路段的ADAS高精度地图。
2.根据权利要求1所述的ADAS高精度地图的生成方法,其特征在于,所述根据目标路段对应的车道信息进行处理,获得目标路段的ADAS车线数据具体包括:
根据车道数确定车线数量,根据车道宽度和道路中心线确定车线间的距离,生成布置于道路中心线两侧且平行于道路中心线的若干车线;
获取目标路段对应的道路ADAS属性,根据所述道路ADAS属性,将道路的高度值赋予所述若干车线。
3.根据权利要求1所述的ADAS高精度地图的生成方法,其特征在于,所述方法还包括:
实时获取目标路段在当前时刻之前预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的实时道路矢量数据,基于所述实时道路矢量数据对目标路段的ADAS高精度地图数据进行实时更新。
4.一种ADAS高精度地图的生成装置,其特征在于,包括:
第一获取模块,用于在导航电子地图数据中获取目标路段对应的车道信息;其中,所述车道信息至少包括道路中心线、车道数、车道宽度和道路ADAS属性,道路ADAS属性包括道路的高度、曲率和坡度;
处理模块,用于对目标路段对应的车道信息进行处理,获得目标路段的ADAS车线数据;
第二获取模块,用于获取目标路段在预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的道路矢量数据;
修正模块,用于基于所述目标路段的道路矢量数据,对目标路段的ADAS车线数据进行修正;
生成模块,用于根据导航电子地图数据获取道路层数据和地物层数据;根据修正后的ADAS车线数据、道路层数据和地物层数据进行目标格式转换,获得目标路段的ADAS高精度地图。
5.根据权利要求4所述的ADAS高精度地图的生成装置,其特征在于,所述处理模块具体用于:
根据车道数确定车线数量,根据车道宽度和道路中心线确定车线间的距离,生成布置于道路中心线两侧且平行于道路中心线的若干车线;
获取目标路段对应的道路ADAS属性,根据所述道路ADAS属性,将道路的高度值赋予所述若干车线。
6.根据权利要求4所述的ADAS高精度地图的生成装置,其特征在于,所述装置还包括:
更新模块,用于实时获取目标路段在当前时刻之前预设时段内经过车辆的轨迹信息,通过机器学习算法对所述轨迹信息进行处理,生成目标道路的实时道路矢量数据,基于所述实时道路矢量数据对目标路段的ADAS高精度地图数据进行实时更新。
7.一种电子设备,其特征在于,包括处理器、通信接口、存储器和总线,其中,处理器,通信接口,存储器通过总线完成相互间的通信,处理器可以调用存储器中的逻辑指令,以执行如权利要求1至3任一所述的方法。
8.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至3任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910611756.2A CN110345951B (zh) | 2019-07-08 | 2019-07-08 | 一种adas高精度地图的生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910611756.2A CN110345951B (zh) | 2019-07-08 | 2019-07-08 | 一种adas高精度地图的生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110345951A CN110345951A (zh) | 2019-10-18 |
CN110345951B true CN110345951B (zh) | 2021-09-14 |
Family
ID=68178411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910611756.2A Active CN110345951B (zh) | 2019-07-08 | 2019-07-08 | 一种adas高精度地图的生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110345951B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111210490B (zh) * | 2020-01-06 | 2023-09-19 | 北京百度网讯科技有限公司 | 电子地图构建方法、装置、设备和介质 |
CN113449051B (zh) * | 2020-03-25 | 2024-04-30 | 北京四维图新科技股份有限公司 | 地图精度转换方法、装置及存储介质 |
CN111696170B (zh) * | 2020-06-05 | 2023-07-04 | 百度在线网络技术(北京)有限公司 | 地图绘制方法、装置、设备和介质 |
CN112380489B (zh) * | 2020-11-03 | 2024-04-16 | 武汉光庭信息技术股份有限公司 | 数据处理时间计算方法、数据处理平台评价方法及系统 |
CN112595332B (zh) * | 2020-11-17 | 2022-04-08 | 武汉光庭信息技术股份有限公司 | 中精度地图交叉路口处理方法及系统 |
CN114518120A (zh) * | 2020-11-18 | 2022-05-20 | 阿里巴巴集团控股有限公司 | 导航引导方法、路形数据的生成方法、装置、设备及介质 |
CN112683284B (zh) * | 2020-12-01 | 2024-01-02 | 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 |
CN114187412B (zh) * | 2021-11-11 | 2024-03-22 | 北京百度网讯科技有限公司 | 高精地图生成方法、装置、电子设备及存储介质 |
CN114485681B (zh) * | 2021-12-30 | 2023-10-10 | 武汉光庭信息技术股份有限公司 | 一种利用dr轨迹评价中精度地图数据一致率的方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102538800A (zh) * | 2010-12-14 | 2012-07-04 | 蔡显强 | 一种gps导航中自动更新地图的系统 |
CN104677363B (zh) * | 2013-12-03 | 2017-04-12 | 高德软件有限公司 | 一种道路生成方法和装置 |
CN106441319B (zh) * | 2016-09-23 | 2019-07-16 | 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 |
CN106777811B (zh) * | 2017-01-16 | 2020-09-25 | 昆明理工大学 | 一种交通渠化地图设计开发方法 |
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 |
US10895460B2 (en) * | 2017-11-06 | 2021-01-19 | Cybernet Systems Corporation | System and method for generating precise road lane map data |
CN108036794A (zh) * | 2017-11-24 | 2018-05-15 | 华域汽车系统股份有限公司 | 一种高精度地图生成系统及生成方法 |
CN109927721B (zh) * | 2017-12-18 | 2020-10-27 | 华创车电技术中心股份有限公司 | 车道维持追随系统 |
CN109059954B (zh) * | 2018-06-29 | 2020-09-11 | 广东星舆科技有限公司 | 支持高精度地图车道线实时融合更新的方法和系统 |
CN109470254B (zh) * | 2018-10-31 | 2020-09-08 | 百度在线网络技术(北京)有限公司 | 地图车道线的生成方法、装置、系统及存储介质 |
CN109579857B (zh) * | 2018-12-06 | 2022-09-20 | 驭势(上海)汽车科技有限公司 | 一种用于更新地图的方法与设备 |
-
2019
- 2019-07-08 CN CN201910611756.2A patent/CN110345951B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110345951A (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110345951B (zh) | 一种adas高精度地图的生成方法及装置 | |
JP6595182B2 (ja) | マッピング、位置特定、及び姿勢補正のためのシステム及び方法 | |
CN107328410B (zh) | 用于定位自动驾驶车辆的方法和汽车电脑 | |
CN111380543B (zh) | 地图数据生成方法及装置 | |
CN110146910B (zh) | 一种基于gps与激光雷达数据融合的定位方法及装置 | |
CN112729316B (zh) | 自动驾驶车辆的定位方法、装置、车载设备、系统及车辆 | |
CN108036794A (zh) | 一种高精度地图生成系统及生成方法 | |
EP3018448A1 (en) | Methods and systems for enabling improved positioning of a vehicle | |
KR101921429B1 (ko) | 정밀지도 제작 방법 및 정밀지도 제작 시스템 | |
CN112162297B (zh) | 一种剔除激光点云地图中动态障碍伪迹的方法 | |
JP2008267875A (ja) | デジタル道路地図の生成方法及び地図生成システム | |
CN111260549A (zh) | 道路地图的构建方法、装置和电子设备 | |
CN110645996B (zh) | 一种感知数据的提取方法及系统 | |
CN110782774A (zh) | 一种众包道路数据的分布式处理方法及装置 | |
CN114485698A (zh) | 一种交叉路口引导线生成方法及系统 | |
CN114397685A (zh) | 弱gnss信号区域的车辆导航方法、装置、设备及存储介质 | |
CN115546551A (zh) | 一种基于深度学习的地理信息提取方法及系统 | |
CN114993324B (zh) | 一种车辆定位方法、装置及设备 | |
US20230082106A1 (en) | Vehicle Localization to Map Data | |
CN111457936A (zh) | 辅助驾驶方法、辅助驾驶系统、计算设备及存储介质 | |
CN116147605A (zh) | 一种车辆自动驾驶地图生成方法、装置、设备及存储介质 | |
KR20200036404A (ko) | 정밀 지도 구축 장치 및 방법 | |
CN110736474B (zh) | 一种车辆的地图信息获取方法及装置 | |
CN114283397A (zh) | 全局重定位方法、装置、设备及存储介质 | |
CN112362070A (zh) | 一种车辆导航方法及装置 |
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 |