CN110634291A - 基于众包大数据的高精度地图拓扑自动构建方法及系统 - Google Patents
基于众包大数据的高精度地图拓扑自动构建方法及系统 Download PDFInfo
- Publication number
- CN110634291A CN110634291A CN201910877727.0A CN201910877727A CN110634291A CN 110634291 A CN110634291 A CN 110634291A CN 201910877727 A CN201910877727 A CN 201910877727A CN 110634291 A CN110634291 A CN 110634291A
- Authority
- CN
- China
- Prior art keywords
- information
- intersection
- road
- lane
- line
- 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
- 238000010276 construction Methods 0.000 title claims description 21
- 239000013598 vector Substances 0.000 claims abstract description 86
- 238000004891 communication Methods 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000000265 homogenisation Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 6
- 238000012946 outsourcing Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000149 penetrating effect Effects 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 5
- 230000035515 penetration Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
Abstract
本发明实施例提供一种地图拓扑自动构建方法及系统,该方法包括:对GPS轨迹点信息进行均匀化处理,生成轨迹线;并利用区域复杂度进行路口检测,生成路口信息;根据路口信息获取路口之间的连通关系;并通过路口之间的连通关系,生成相邻路口之间的轨迹点或线簇的道路向量及其引导线信息;基于路口之间的连通关系和道路向量,生成道路级拓扑信息;删除冗余路口信息后,根据引导线信息及聚类所得的车道线,进行车道线组结构化,获得车道线组结构化的信息;根据车道线组结构化的信息调整路口范围后,根据车道线组结构化的结果以及道路的引导线信息,生成车道向量及其拓扑关系。本发明实施例具有成本低、全自动生产和信息准确度高的优点。
Description
技术领域
本发明涉及驾驶技术领域,更具体地,涉及一种基于众包大数据的高精度地图拓扑自动构建方法及系统。
背景技术
为了提供自动驾驶所需的高精度地图中的拓扑信息,期望达到低成本,全自动生产,信息准确度高的目的,目前亟需一种基于众包大数据的利用大量的车辆行驶过程中时间片段的道路信息,进行高精度地图拓扑图层自动构建的方法。
发明内容
为了解决上述问题,本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的基于众包大数据的高精度地图拓扑自动构建方法及系统。
根据本发明实施例的第一方面,提供一种地图拓扑自动构建方法,该方法包括:对GPS轨迹点信息进行均匀化处理,生成轨迹线;并利用区域复杂度进行路口检测,生成路口信息;根据路口信息获取路口之间的连通关系;并通过路口之间的连通关系,生成相邻路口之间的轨迹点或线簇的道路向量及其引导线信息;基于路口之间的连通关系和道路向量,生成道路级拓扑信息;删除冗余路口信息后,根据引导线信息及聚类所得的车道线,进行车道线组结构化,获得车道线组结构化的信息;根据车道线组结构化的信息调整路口范围后,根据车道线组结构化的结果以及道路的引导线信息,生成车道向量及其拓扑关系。
其中,利用区域复杂度进行路口检测,生成路口信息,包括:利用轨迹点的朝向,计算一定区域内驾驶行为的复杂度,并将复杂度超过设定阈值的区域识别为路口;对识别的路口点信息进行聚类,标记获取点簇信息,并计算每个点簇的外包形状;生成一定置信值的路口信息。
其中,根据路口信息获取路口之间的连通关系,包括:利用轨迹线的贯穿信息,获取路口之间的连通关系;将轨迹线的首尾点信息作为虚拟路口;判断虚拟路口之间的相似性,对虚拟路口进行聚类。
其中,删除冗余路口信息,包括:将仅有一对进入和脱出道路向量的路口作为冗余路口,并删除冗余路口;将冗余路口处的进入和拓扑道路向量进行合并,并更新其连通关系。
其中,根据引导线信息及聚类所得的车道线,进行车道线组结构化,获得车道线组结构化的信息,包括:以每条道路向量为单位,计算道路参考线;通过道路参考线构建缓冲区,获取道路内的所有车道线;通过轨迹的方向信息,过滤对向的车道;通过滑动窗口法,将窗口内车道线与道路参考线之间的距离聚类,获取车道线的数量;并将车道线数量发生变化的位置进行打断,生成道路区间,并沿道路参考线的方向顺序编号;利用聚类算法将道路区间内距离接近的车道线,纵向归为一组,并进行曲线拟合;将道路区间内的车道线沿道路的通行方向,从左往右编号,获得车道线组结构化的信息。
其中,根据车道线组结构化的信息调整路口范围,包括:获取路口相关的道路向量,相关的道路向量包括进入的道路向量和脱出的道路向量;获取进入路口车道线和脱出路口车道线,其中,进入路口车道线为进入路口道路向量的最后一个道路区间的车道线,脱出路口车道线为脱出路口的道路向量的第一个道路区间的车道线;将进入路口车道线的尾点和脱出路口车道线的起点,顺时针连接构成新的路口形状。
其中,根据车道线组结构化的结果以及道路的引导线信息,生成车道向量及其拓扑关系,包括:根据道路引导线中的轨迹点信息,生成车道向量;根据车道线组结构化的结果对轨迹点未覆盖的车道,生成虚拟的车道向量;根据道路区间的连通关系,对道路内各车道向量进行纵向连通;根据道路之间的连通关系,获取路口处的车道向量的前后继关系。
根据本发明实施例第二方面,提供了一种地图拓扑自动构建系统,该系统包括:检测模块,用于对GPS轨迹点信息进行均匀化处理,生成轨迹线;并利用区域复杂度进行路口检测,生成路口信息;获取模块,用于根据路口信息获取路口之间的连通关系;并通过路口之间的连通关系,生成相邻路口之间的轨迹点或线簇的道路向量及其引导线信息;结构化模块,用于基于路口之间的连通关系和道路向量,生成道路级拓扑信息;删除冗余路口信息后,根据引导线信息及聚类所得的车道线,进行车道线组结构化,获得车道线组结构化的信息;生成模块,用于根据车道线组结构化的信息调整路口范围后,根据车道线组结构化的结果以及道路的引导线信息,生成车道向量及其拓扑关系。
根据本发明实施例的第三方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的地图拓扑自动构建方法。
根据本发明实施例的第四方面,提供了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的各种可能的实现方式中任一种可能的实现方式所提供的地图拓扑自动构建方法。
本发明实施例提供的基于众包大数据的高精度地图拓扑自动构建方法及系统具有如下有益效果:
1、成本低:本发明实施例输入源为众包大数据处理后的车道线和车辆行驶时的GPS轨迹信息,相对于传统测绘中高昂的激光雷达和高清晰度的相机,以及大量的人工成本来说,地图生产成本较低;
2、全自动生产:本发明实施例中各环节的检测算法稳定,并辅以业务逻辑自动判断,可自动适应多种现实场景的拓扑信息构建;
3、信息准确度高:本发明实施例中添加了概率容错机制,大大提升了算法对现实的还原度,客观准确的反映现实驾驶行为。
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简单地介绍。显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些图获得其他的附图。
图1为本发明实施例提供的地图拓扑自动构建方法的流程示意图;
图2为本发明实施例提供的路口检测效果示意图;
图3为本发明实施例提供的道路向量示意图;
图4为本发明实施例提供的车道线组结构化示意图;
图5为本发明实施例提供的车道向量示意图;
图6为本发明实施例提供的高精度地图整体路网;
图7为本发明实施例提供的地图拓扑自动构建系统的结构示意图;
图8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
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做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。
本发明实施例提供一种地图拓扑自动构建方法,参见图1至图6,包括但不限于如下步骤:
步骤101、对GPS轨迹点信息进行均匀化处理,生成轨迹线;并利用区域复杂度进行路口检测,生成路口信息。
步骤102、根据路口信息获取路口之间的连通关系;并通过路口之间的连通关系,生成相邻路口之间的轨迹点或线簇的道路向量及其引导线信息。
步骤103、基于路口之间的连通关系和道路向量,生成道路级拓扑信息;删除冗余路口信息后,根据引导线信息及聚类所得的车道线,进行车道线组结构化,获得车道线组结构化的信息。
步骤104、根据车道线组结构化的信息调整路口范围后,根据车道线组结构化的结果以及道路的引导线信息,生成车道向量及其拓扑关系。
基于上述实施例的内容,作为一种可选实施例,利用区域复杂度进行路口检测,生成路口信息,包括:
利用轨迹点的朝向,计算一定区域内驾驶行为的复杂度,并将复杂度超过设定阈值的区域识别为路口;
对识别的路口点信息进行聚类,标记获取点簇信息,并计算每个点簇的外包形状;
生成一定置信值的路口信息。
基于上述实施例的内容,作为一种可选实施例,根据路口信息获取路口之间的连通关系,包括:
利用轨迹线的贯穿信息,获取路口之间的连通关系;
将轨迹线的首尾点信息作为虚拟路口;
判断虚拟路口之间的相似性,对虚拟路口进行聚类。
基于上述实施例的内容,作为一种可选实施例,删除冗余路口信息,包括:
将仅有一对进入和脱出道路向量的路口作为冗余路口,并删除冗余路口;
将冗余路口处的进入和拓扑道路向量进行合并,并更新其连通关系。
基于上述实施例的内容,作为一种可选实施例,根据引导线信息及聚类所得的车道线,进行车道线组结构化,获得车道线组结构化的信息,包括:
以每条道路向量为单位,计算道路参考线;
通过道路参考线构建缓冲区,获取道路内的所有车道线;
通过轨迹的方向信息,过滤对向的车道;
通过滑动窗口法,将窗口内车道线与道路参考线之间的距离聚类,获取车道线的数量;并将车道线数量发生变化的位置进行打断,生成道路区间,并沿道路参考线的方向顺序编号;
利用聚类算法将道路区间内距离接近的车道线,纵向归为一组,并进行曲线拟合;
将道路区间内的车道线沿道路的通行方向,从左往右编号,获得车道线组结构化的信息。
基于上述实施例的内容,作为一种可选实施例,根据车道线组结构化的信息调整路口范围,包括:
获取路口相关的道路向量,相关的道路向量包括进入的道路向量和脱出的道路向量;
获取进入路口车道线和脱出路口车道线,其中,进入路口车道线为进入路口道路向量的最后一个道路区间的车道线,脱出路口车道线为脱出路口的道路向量的第一个道路区间的车道线;
将进入路口车道线的尾点和脱出路口车道线的起点,顺时针连接构成新的路口形状。
基于上述实施例的内容,作为一种可选实施例,根据车道线组结构化的结果以及道路的引导线信息,生成车道向量及其拓扑关系,包括:
根据道路引导线中的轨迹点信息,生成车道向量;
根据车道线组结构化的结果对轨迹点未覆盖的车道,生成虚拟的车道向量;
根据道路区间的连通关系,对道路内各车道向量进行纵向连通;
根据道路之间的连通关系,获取路口处的车道向量的前后继关系。
为了对上述实施例的内容进行说明,本发明另一实施例提供一种地图拓扑自动构建方法,包括但不限于如下步骤:
1.数据预处理,将GPS轨迹点信息均匀化处理并生成轨迹线;
2.利用区域复杂度进行路口检测,生成路口信息;
①利用轨迹点的朝向,计算一定区域内驾驶行为的复杂度,并定义超过一定阈值时为路口;
②对识别的路口点信息进行聚类,标记获取的点簇信息,并计算每个点簇的外包形状;
③至此生成一定置信值的路口信息;
3.获取路口与路口之间的连通关系;
①利用轨迹线的贯穿信息,获取路口之间的连通关系;
②将轨迹线的首尾点信息作为虚拟路口;
③判断虚拟路口之间的相似性,对虚拟路口进行聚类;
4.利用路口之间的连通关系,对相邻路口之间的轨迹点/线簇,生成道路向量及其引导线信息;
5.基于路口间的连通关系与道路向量,生成道路级拓扑信息;
6.删除冗余路口信息;
①对于仅有一对进入和脱出道路向量的路口,我们视为冗余路口,将被删除;
②将冗余路口处的进入和拓扑道路向量进行合并,并更新其连通关系;
7.根据道路引导线信息及聚类所得的车道线,进行车道线组结构化;
①以每条道路向量为单位,计算道路参考线,一般以道路向量为道路参考线;
②利用道路参考线构建缓冲区,获取道路内的所有车道线;
③利用轨迹的方向信息,过滤对向的车道;
④利用滑动窗口法,将窗口内车道线与道路参考线之间的距离(区分左右)聚类,判断车道线的数量,并将车道线数量发生变化的位置进行打断,生成道路区间,并沿道路参考线的方向顺序编号;
⑤利用聚类算法将道路区间内,距离接近的车道线,纵向归为一组,并进行曲线拟合;
⑥将道路区间内的车道线沿道路的通行方向,从左往右编号;
⑦至此完成道路内的车道线组结构化的工作;
8.根据车道线组结构化的信息调整路口范围;
①获取路口相关的道路向量:进入/脱出的道路向量;
②获取进入路口道路向量的最后一个道路区间的车道线(简称:进入路口车道线),以及脱出路口的道路向量的第一个道路区间的车道线(简称:脱出路口车道线);
③将进入路口车道线的尾点和脱出路口车道线的起点,顺时针连接构成新的路口形状;
9.根据车道线组结构化的结果以及道路引导线的信息,生成车道向量及其拓扑关系;
①根据道路引导线中的轨迹点信息,生成车道向量;
②根据车道线组结构化的成果对轨迹点未覆盖的车道,生成虚拟的车道向量;
③根据道路区间的连通关系,对道路内各车道向量进行纵向连通;
10.根据道路之间的连通关系,获取路口处的车道向量的前后继关系。
基于上述实施例的内容,本发明实施例提供了一种地图拓扑自动构建系统,该地图拓扑自动构建系统用于执行上述方法实施例中的地图拓扑自动构建方法。参见图7,该系统包括:检测模块201,用于对GPS轨迹点信息进行均匀化处理,生成轨迹线;并利用区域复杂度进行路口检测,生成路口信息;获取模块202,用于根据路口信息获取路口之间的连通关系;并通过路口之间的连通关系,生成相邻路口之间的轨迹点或线簇的道路向量及其引导线信息;结构化模块203,用于基于路口之间的连通关系和道路向量,生成道路级拓扑信息;删除冗余路口信息后,根据引导线信息及聚类所得的车道线,进行车道线组结构化,获得车道线组结构化的信息;生成模块204,用于根据车道线组结构化的信息调整路口范围后,根据车道线组结构化的结果以及道路的引导线信息,生成车道向量及其拓扑关系。
本发明实施例提供了一种电子设备,如图8所示,该设备包括:处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503上并可在处理器501上运行的计算机程序,以执行上述各实施例提供的地图拓扑自动构建方法,例如包括:对GPS轨迹点信息进行均匀化处理,生成轨迹线;并利用区域复杂度进行路口检测,生成路口信息;根据路口信息获取路口之间的连通关系;并通过路口之间的连通关系,生成相邻路口之间的轨迹点或线簇的道路向量及其引导线信息;基于路口之间的连通关系和道路向量,生成道路级拓扑信息;删除冗余路口信息后,根据引导线信息及聚类所得的车道线,进行车道线组结构化,获得车道线组结构化的信息;根据车道线组结构化的信息调整路口范围后,根据车道线组结构化的结果以及道路的引导线信息,生成车道向量及其拓扑关系。
此外,上述的存储器503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地图拓扑自动构建方法,例如包括:对GPS轨迹点信息进行均匀化处理,生成轨迹线;并利用区域复杂度进行路口检测,生成路口信息;根据路口信息获取路口之间的连通关系;并通过路口之间的连通关系,生成相邻路口之间的轨迹点或线簇的道路向量及其引导线信息;基于路口之间的连通关系和道路向量,生成道路级拓扑信息;删除冗余路口信息后,根据引导线信息及聚类所得的车道线,进行车道线组结构化,获得车道线组结构化的信息;根据车道线组结构化的信息调整路口范围后,根据车道线组结构化的结果以及道路的引导线信息,生成车道向量及其拓扑关系。
以上所描述的电子设备等实施例仅仅是示意性的,其中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。
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方法。
最后应说明的是:以上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精神和范围。
Claims (10)
1.一种地图拓扑自动构建方法,其特征在于,包括:
对GPS轨迹点信息进行均匀化处理,生成轨迹线;并利用区域复杂度进行路口检测,生成路口信息;
根据所述路口信息获取路口之间的连通关系;并通过所述路口之间的连通关系,生成相邻路口之间的轨迹点或线簇的道路向量及其引导线信息;
基于所述路口之间的连通关系和所述道路向量,生成道路级拓扑信息;删除冗余路口信息后,根据所述引导线信息及聚类所得的车道线,进行车道线组结构化,获得车道线组结构化的信息;
根据所述车道线组结构化的信息调整路口范围后,根据车道线组结构化的结果以及道路的所述引导线信息,生成车道向量及其拓扑关系。
2.根据权利要求1所述的方法,其特征在于,所述利用区域复杂度进行路口检测,生成路口信息,包括:
利用轨迹点的朝向,计算一定区域内驾驶行为的复杂度,并将所述复杂度超过设定阈值的区域识别为路口;
对识别的路口点信息进行聚类,标记获取点簇信息,并计算每个所述点簇的外包形状;
生成一定置信值的路口信息。
3.根据权利要求1所述的方法,其特征在于,根据所述路口信息获取路口之间的连通关系,包括:
利用所述轨迹线的贯穿信息,获取所述路口之间的连通关系;
将所述轨迹线的首尾点信息作为虚拟路口;
判断所述虚拟路口之间的相似性,对虚拟路口进行聚类。
4.根据权利要求1所述的方法,其特征在于,所述删除冗余路口信息,包括:
将仅有一对进入和脱出道路向量的路口作为冗余路口,并删除所述冗余路口;
将所述冗余路口处的进入和拓扑道路向量进行合并,并更新其连通关系。
5.根据权利要求1所述的方法,其特征在于,根据所述引导线信息及聚类所得的车道线,进行车道线组结构化,获得车道线组结构化的信息,包括:
以每条所述道路向量为单位,计算道路参考线;
通过所述道路参考线构建缓冲区,获取道路内的所有车道线;
通过轨迹的方向信息,过滤对向的车道;
通过滑动窗口法,将窗口内车道线与道路参考线之间的距离聚类,获取车道线的数量;并将车道线数量发生变化的位置进行打断,生成道路区间,并沿所述道路参考线的方向顺序编号;
利用聚类算法将道路区间内距离接近的车道线,纵向归为一组,并进行曲线拟合;
将道路区间内的车道线沿道路的通行方向,从左往右编号,获得车道线组结构化的信息。
6.根据权利要求1所述的方法,其特征在于,根据所述车道线组结构化的信息调整路口范围,包括:
获取路口相关的道路向量,所述相关的道路向量包括进入的道路向量和脱出的道路向量;
获取进入路口车道线和脱出路口车道线,其中,所述进入路口车道线为进入路口道路向量的最后一个道路区间的车道线,所述脱出路口车道线为脱出路口的道路向量的第一个道路区间的车道线;
将进入路口车道线的尾点和脱出路口车道线的起点,顺时针连接构成新的路口形状。
7.根据权利要求1所述的方法,其特征在于,根据车道线组结构化的结果以及道路的所述引导线信息,生成车道向量及其拓扑关系,包括:
根据所述道路引导线中的轨迹点信息,生成车道向量;
根据所述车道线组结构化的结果对轨迹点未覆盖的车道,生成虚拟的车道向量;
根据道路区间的连通关系,对道路内各车道向量进行纵向连通;
根据道路之间的连通关系,获取路口处的车道向量的前后继关系。
8.一种地图拓扑自动构建系统,其特征在于,包括:
检测模块,用于对GPS轨迹点信息进行均匀化处理,生成轨迹线;并利用区域复杂度进行路口检测,生成路口信息;
获取模块,用于根据所述路口信息获取路口之间的连通关系;并通过所述路口之间的连通关系,生成相邻路口之间的轨迹点或线簇的道路向量及其引导线信息;
结构化模块,用于基于所述路口之间的连通关系和所述道路向量,生成道路级拓扑信息;删除冗余路口信息后,根据所述引导线信息及聚类所得的车道线,进行车道线组结构化,获得车道线组结构化的信息;
生成模块,用于根据所述车道线组结构化的信息调整路口范围后,根据车道线组结构化的结果以及道路的所述引导线信息,生成车道向量及其拓扑关系。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述地图拓扑自动构建方法的步骤。
10.一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7任一项所述地图拓扑自动构建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910877727.0A CN110634291B (zh) | 2019-09-17 | 2019-09-17 | 基于众包大数据的高精度地图拓扑自动构建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910877727.0A CN110634291B (zh) | 2019-09-17 | 2019-09-17 | 基于众包大数据的高精度地图拓扑自动构建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110634291A true CN110634291A (zh) | 2019-12-31 |
CN110634291B CN110634291B (zh) | 2020-12-29 |
Family
ID=68971553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910877727.0A Active CN110634291B (zh) | 2019-09-17 | 2019-09-17 | 基于众包大数据的高精度地图拓扑自动构建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110634291B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462488A (zh) * | 2020-04-01 | 2020-07-28 | 北京工业大学 | 一种基于深度卷积神经网络和交叉口行为特征模型的交叉口安全风险评估方法 |
CN111599178A (zh) * | 2020-05-21 | 2020-08-28 | 知行汽车科技(苏州)有限公司 | 路口识别方法、装置及存储介质 |
CN111767360A (zh) * | 2020-07-02 | 2020-10-13 | 北京百度网讯科技有限公司 | 路口虚拟车道标注的方法及装置 |
CN112327337A (zh) * | 2020-11-02 | 2021-02-05 | 北京嘀嘀无限科技发展有限公司 | 路口重建方法、装置、设备及存储介质 |
CN112560236A (zh) * | 2020-12-03 | 2021-03-26 | 腾讯科技(深圳)有限公司 | 一种生成路口连接道路的方法及相关装置 |
CN112611388A (zh) * | 2020-12-16 | 2021-04-06 | 北京五一视界数字孪生科技股份有限公司 | 路口生成方法、装置、存储介质及电子设备 |
CN112683286A (zh) * | 2021-03-16 | 2021-04-20 | 季华实验室 | 拓扑路网地图的建立方法、系统、存储介质及电子设备 |
CN112710317A (zh) * | 2020-12-14 | 2021-04-27 | 北京四维图新科技股份有限公司 | 自动驾驶地图的生成方法、自动驾驶方法及相关产品 |
CN113177993A (zh) * | 2021-03-22 | 2021-07-27 | 中国人民解放军32801部队 | 一种仿真环境中高精地图的生成方法及系统 |
CN113269964A (zh) * | 2021-05-24 | 2021-08-17 | 哈尔滨翼成科技有限公司 | 一种车道动态划定方法及设备 |
WO2021169993A1 (zh) * | 2020-02-29 | 2021-09-02 | 华为技术有限公司 | 自动驾驶地图的构建方法及相关装置 |
WO2021233165A1 (zh) * | 2020-05-22 | 2021-11-25 | 上海商汤临港智能科技有限公司 | 获取道路语义信息的方法、装置、设备及介质 |
CN114116949A (zh) * | 2022-01-24 | 2022-03-01 | 深圳依时货拉拉科技有限公司 | 路口拟合图、路口拟合引导图编制方法、装置及存储介质 |
CN114485698A (zh) * | 2021-12-28 | 2022-05-13 | 武汉中海庭数据技术有限公司 | 一种交叉路口引导线生成方法及系统 |
CN114526753A (zh) * | 2022-04-24 | 2022-05-24 | 深圳依时货拉拉科技有限公司 | 跨路口交规的关联方法及装置、计算机设备及可读存储介质 |
CN114543825A (zh) * | 2022-01-12 | 2022-05-27 | 华为技术有限公司 | 引导车辆行驶的方法、地图生成方法及相关系统 |
CN115311853A (zh) * | 2022-07-21 | 2022-11-08 | 重庆长安汽车股份有限公司 | 一种基于众包地图的轨迹数据识别道路标志的方法及系统 |
CN115376318A (zh) * | 2022-08-22 | 2022-11-22 | 重庆邮电大学 | 一种基于多属性融合神经网络的交通数据补偿方法 |
CN117435684A (zh) * | 2023-12-18 | 2024-01-23 | 高德软件有限公司 | 车道线编号方法、装置、地图生成方法、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010026326A (ja) * | 2008-07-22 | 2010-02-04 | Asahi Koyo Kk | 道路網データ生成装置及び車両誘導路生成装置、並びにこれらの方法及びプログラム |
CN105957342A (zh) * | 2016-05-30 | 2016-09-21 | 武汉大学 | 基于众包时空大数据的车道级道路测图方法及系统 |
CN106996783A (zh) * | 2016-01-25 | 2017-08-01 | 北京四维图新科技股份有限公司 | 一种行驶轨迹与路网底图的智能匹配方法及装置 |
US20170301232A1 (en) * | 2016-04-13 | 2017-10-19 | Here Global B.V. | Intersection Map Message Creation for Vehicle Communication |
CN109186617A (zh) * | 2018-08-13 | 2019-01-11 | 武汉中海庭数据技术有限公司 | 一种基于视觉众包数据自动生成车道级拓扑关系的方法、系统及存储器 |
CN109270927A (zh) * | 2017-07-17 | 2019-01-25 | 高德软件有限公司 | 道路数据的生成方法及装置 |
CN109871016A (zh) * | 2019-02-20 | 2019-06-11 | 百度在线网络技术(北京)有限公司 | 一种驾驶参考线生成方法、装置、车辆及服务器 |
CN110118564A (zh) * | 2019-03-22 | 2019-08-13 | 纵目科技(上海)股份有限公司 | 一种高精度地图的数据管理系统、管理方法、终端和存储介质 |
CN110220521A (zh) * | 2019-05-24 | 2019-09-10 | 上海蔚来汽车有限公司 | 一种高精地图的生成方法和装置 |
-
2019
- 2019-09-17 CN CN201910877727.0A patent/CN110634291B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010026326A (ja) * | 2008-07-22 | 2010-02-04 | Asahi Koyo Kk | 道路網データ生成装置及び車両誘導路生成装置、並びにこれらの方法及びプログラム |
CN106996783A (zh) * | 2016-01-25 | 2017-08-01 | 北京四维图新科技股份有限公司 | 一种行驶轨迹与路网底图的智能匹配方法及装置 |
US20170301232A1 (en) * | 2016-04-13 | 2017-10-19 | Here Global B.V. | Intersection Map Message Creation for Vehicle Communication |
CN105957342A (zh) * | 2016-05-30 | 2016-09-21 | 武汉大学 | 基于众包时空大数据的车道级道路测图方法及系统 |
CN109270927A (zh) * | 2017-07-17 | 2019-01-25 | 高德软件有限公司 | 道路数据的生成方法及装置 |
CN109186617A (zh) * | 2018-08-13 | 2019-01-11 | 武汉中海庭数据技术有限公司 | 一种基于视觉众包数据自动生成车道级拓扑关系的方法、系统及存储器 |
CN109871016A (zh) * | 2019-02-20 | 2019-06-11 | 百度在线网络技术(北京)有限公司 | 一种驾驶参考线生成方法、装置、车辆及服务器 |
CN110118564A (zh) * | 2019-03-22 | 2019-08-13 | 纵目科技(上海)股份有限公司 | 一种高精度地图的数据管理系统、管理方法、终端和存储介质 |
CN110220521A (zh) * | 2019-05-24 | 2019-09-10 | 上海蔚来汽车有限公司 | 一种高精地图的生成方法和装置 |
Non-Patent Citations (1)
Title |
---|
孔庆杰: "基于GPS轨迹的矢量路网地图自动生成方法", 《第三十一届中国控制会议论文集D卷》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113405558B (zh) * | 2020-02-29 | 2024-04-09 | 华为技术有限公司 | 自动驾驶地图的构建方法及相关装置 |
CN113405558A (zh) * | 2020-02-29 | 2021-09-17 | 华为技术有限公司 | 自动驾驶地图的构建方法及相关装置 |
WO2021169993A1 (zh) * | 2020-02-29 | 2021-09-02 | 华为技术有限公司 | 自动驾驶地图的构建方法及相关装置 |
EP4102186A4 (en) * | 2020-02-29 | 2023-11-22 | Huawei Technologies Co., Ltd. | METHOD FOR DEVELOPING A SELF-DRIVING CARD AND ASSOCIATED DEVICE |
CN111462488B (zh) * | 2020-04-01 | 2021-09-10 | 北京工业大学 | 一种基于深度卷积神经网络和交叉口行为特征模型的交叉口安全风险评估方法 |
CN111462488A (zh) * | 2020-04-01 | 2020-07-28 | 北京工业大学 | 一种基于深度卷积神经网络和交叉口行为特征模型的交叉口安全风险评估方法 |
CN111599178B (zh) * | 2020-05-21 | 2022-04-15 | 知行汽车科技(苏州)有限公司 | 路口识别方法、装置及存储介质 |
CN111599178A (zh) * | 2020-05-21 | 2020-08-28 | 知行汽车科技(苏州)有限公司 | 路口识别方法、装置及存储介质 |
WO2021233165A1 (zh) * | 2020-05-22 | 2021-11-25 | 上海商汤临港智能科技有限公司 | 获取道路语义信息的方法、装置、设备及介质 |
CN111767360A (zh) * | 2020-07-02 | 2020-10-13 | 北京百度网讯科技有限公司 | 路口虚拟车道标注的方法及装置 |
CN112327337B (zh) * | 2020-11-02 | 2024-04-19 | 北京嘀嘀无限科技发展有限公司 | 路口重建方法、装置、设备及存储介质 |
CN112327337A (zh) * | 2020-11-02 | 2021-02-05 | 北京嘀嘀无限科技发展有限公司 | 路口重建方法、装置、设备及存储介质 |
CN112560236A (zh) * | 2020-12-03 | 2021-03-26 | 腾讯科技(深圳)有限公司 | 一种生成路口连接道路的方法及相关装置 |
CN112710317A (zh) * | 2020-12-14 | 2021-04-27 | 北京四维图新科技股份有限公司 | 自动驾驶地图的生成方法、自动驾驶方法及相关产品 |
CN112611388A (zh) * | 2020-12-16 | 2021-04-06 | 北京五一视界数字孪生科技股份有限公司 | 路口生成方法、装置、存储介质及电子设备 |
CN112683286A (zh) * | 2021-03-16 | 2021-04-20 | 季华实验室 | 拓扑路网地图的建立方法、系统、存储介质及电子设备 |
CN113177993B (zh) * | 2021-03-22 | 2024-03-01 | 中国人民解放军32801部队 | 一种仿真环境中高精地图的生成方法及系统 |
CN113177993A (zh) * | 2021-03-22 | 2021-07-27 | 中国人民解放军32801部队 | 一种仿真环境中高精地图的生成方法及系统 |
CN113269964A (zh) * | 2021-05-24 | 2021-08-17 | 哈尔滨翼成科技有限公司 | 一种车道动态划定方法及设备 |
CN114485698A (zh) * | 2021-12-28 | 2022-05-13 | 武汉中海庭数据技术有限公司 | 一种交叉路口引导线生成方法及系统 |
CN114485698B (zh) * | 2021-12-28 | 2023-11-28 | 武汉中海庭数据技术有限公司 | 一种交叉路口引导线生成方法及系统 |
CN114543825A (zh) * | 2022-01-12 | 2022-05-27 | 华为技术有限公司 | 引导车辆行驶的方法、地图生成方法及相关系统 |
CN114116949A (zh) * | 2022-01-24 | 2022-03-01 | 深圳依时货拉拉科技有限公司 | 路口拟合图、路口拟合引导图编制方法、装置及存储介质 |
CN114526753A (zh) * | 2022-04-24 | 2022-05-24 | 深圳依时货拉拉科技有限公司 | 跨路口交规的关联方法及装置、计算机设备及可读存储介质 |
CN115311853A (zh) * | 2022-07-21 | 2022-11-08 | 重庆长安汽车股份有限公司 | 一种基于众包地图的轨迹数据识别道路标志的方法及系统 |
CN115376318A (zh) * | 2022-08-22 | 2022-11-22 | 重庆邮电大学 | 一种基于多属性融合神经网络的交通数据补偿方法 |
CN115376318B (zh) * | 2022-08-22 | 2023-12-29 | 中交投资(湖北)运营管理有限公司 | 一种基于多属性融合神经网络的交通数据补偿方法 |
CN117435684B (zh) * | 2023-12-18 | 2024-04-02 | 高德软件有限公司 | 车道线编号方法、装置、地图生成方法、设备及存储介质 |
CN117435684A (zh) * | 2023-12-18 | 2024-01-23 | 高德软件有限公司 | 车道线编号方法、装置、地图生成方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110634291B (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110634291B (zh) | 基于众包大数据的高精度地图拓扑自动构建方法及系统 | |
CN109270927B (zh) | 道路数据的生成方法及装置 | |
CN110633342B (zh) | 车道拓扑网络生成方法 | |
CN110749329B (zh) | 一种基于结构化道路的车道级拓扑构建方法及装置 | |
CN110705577A (zh) | 一种激光点云车道线提取方法 | |
US10984588B2 (en) | Obstacle distribution simulation method and device based on multiple models, and storage medium | |
CN110796066B (zh) | 一种车道线组构建方法及装置 | |
CN114120289B (zh) | 一种行车区域与车道线识别方法及系统 | |
CN110728735A (zh) | 道路级拓扑图层构建方法及系统 | |
CN114443794A (zh) | 数据处理和地图更新方法、装置、设备以及存储介质 | |
CN111627204B (zh) | 路径确定方法、装置、电子设备及存储介质 | |
CN111414903B (zh) | 一种指示牌内容识别方法、装置和设备 | |
CN111695389B (zh) | 一种车道线聚类方法及装置 | |
CN112562419A (zh) | 一种基于离线多目标跟踪的天气规避区划设方法 | |
CN114495049A (zh) | 识别车道线的方法和装置 | |
CN112801012B (zh) | 交通元素的处理方法、装置、电子设备及存储介质 | |
CN115063765A (zh) | 一种道路边界线确定方法、装置、设备及存储介质 | |
CN114689061A (zh) | 自动驾驶设备的导航路线处理方法、装置及电子设备 | |
CN112686904A (zh) | 车道划分方法、装置、电子设备和存储介质 | |
CN114136333A (zh) | 基于分层特征的高精地图道路数据生成方法、装置、设备 | |
CN113724383A (zh) | 机器人拓扑地图生成系统、方法、计算机设备及存储介质 | |
CN113918666A (zh) | 地图数据的处理方法、装置、系统及存储介质 | |
CN114677570B (zh) | 道路信息更新方法、装置、电子设备以及存储介质 | |
CN114118188A (zh) | 针对待检测图像中移动对象的处理系统、方法和存储介质 | |
CN108629238A (zh) | 一种识别汉字标记的方法和装置 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A high-precision map topology automatic construction method and system based on crowdsourcing big data Granted publication date: 20201229 Pledgee: Productivity Promotion Center of Wuhan East Lake New Technology Development Zone Pledgor: WUHHAN KOTEL BIG DATE Corp. Registration number: Y2024980005100 |