CN110795994A - 路口图像选择方法及装置 - Google Patents

路口图像选择方法及装置 Download PDF

Info

Publication number
CN110795994A
CN110795994A CN201910871567.9A CN201910871567A CN110795994A CN 110795994 A CN110795994 A CN 110795994A CN 201910871567 A CN201910871567 A CN 201910871567A CN 110795994 A CN110795994 A CN 110795994A
Authority
CN
China
Prior art keywords
intersection
image
images
elements
road
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
Application number
CN201910871567.9A
Other languages
English (en)
Other versions
CN110795994B (zh
Inventor
何文浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201910871567.9A priority Critical patent/CN110795994B/zh
Publication of CN110795994A publication Critical patent/CN110795994A/zh
Application granted granted Critical
Publication of CN110795994B publication Critical patent/CN110795994B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Astronomy & Astrophysics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例公开了一种路口图像选择方法及装置，该方法在获取路口的路口图像候选集后，先基于简单的神经网络对路口图像候选集中的路口图像进行识别，得到各路口图像中的路口要素，然后根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点，最后根据预设留图条件以及各路口图像对应的路口物理点，对路口图像候选集中的路口图像进行筛选，得到路口的路口图像集；这样本申请先基于路口物理点对路口图像进行筛选，仅保留与路口物理点相关的路口图像，大大减少了路口图像的数量，与当前技术相比，在保证路口数据准确性的同时，减少了地图更新时的数据处理量。

Description

路口图像选择方法及装置
技术领域
本申请涉及图像识别领域，具体涉及一种路口图像选择方法及装置。
背景技术
地图等应用为了给用户提供准确的导航服务，需要保证各路口数据的准确性。当前，在需要更新地图时，应用服务器通过各种方式获取到路口图像，然后对这些路口图像进行路口要素识别，确定路口要素以更新路口数据。
当前是将获取到的路口图像都作为路口数据更新的参考图像，针对这些参考图像都进行识别，数据处理量大。
发明内容
本申请实施例提供一种路口图像选择方法及装置，以减少地图更新时的数据处理量。
为解决上述技术问题，本申请实施例提供以下技术方案：
一方面，本申请实施例提供了一种路口图像选择方法，其包括：
获取路口的路口图像候选集，路口图像候选集包括多个路口图像；
对路口图像候选集中的路口图像进行识别，得到各路口图像中的路口要素；
根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；
根据预设留图条件以及各路口图像对应的路口物理点，对路口图像候选集中的路口图像进行筛选，得到路口的路口图像集。
一方面，本申请实施例提供了一种路口图像选择装置，其包括：
获取模块，用于获取路口的路口图像候选集，路口图像候选集包括多个路口图像；
识别模块，用于对路口图像候选集中的路口图像进行识别，得到各路口图像中的路口要素；
确定模块，用于根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；
选择模块，用于根据预设留图条件以及各路口图像对应的路口物理点，对路口图像候选集中的路口图像进行筛选，得到路口的路口图像集。
在一实施例中，获取模块用于获取道路图像以及各道路图像的位置信息；根据各道路图像的位置信息，确定各道路图像与路口的相对位置；将与路口的相对位置满足位置范围的道路图像作为路口图像，添加至路口图像候选集。
在一实施例中，识别模块用于使用神经识别网络或语义分割网络中的至少一种，对路口图像中的图像内容进行识别，以得到各路口图像中的路口要素。
在一实施例中，识别模块用于判断路口图像是否包括相同路口物理点对应的路口要素；在路口图像中的路口要素包括相同路口物理点对应的路口要素时，则根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；在路口图像中的路口要素不包括相同路口物理点对应的路口要素时，则将路口图像候选集中的所有路口图像，全部添加至路口的路口图像集。
在一实施例中，识别模块用于判断连续路口图像是否包括相同路口物理点对应的路口要素；若存在连续路口图像包括相同路口物理点对应的路口要素，则路口图像中的路口要素包括相同路口物理点对应的路口要素；若不存在连续路口图像包括相同路口物理点对应的路口要素，则路口图像中的路口要素不包括相同路口物理点对应的路口要素。
在一实施例中，识别模块用于获取路网数据中路口的路口要素真值；匹配路口要素真值与各路口图像中的路口要素；在路口要素真值与各路口图像中的路口要素不匹配时，根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；在路口要素真值与各路口图像中的路口要素匹配时，删除路口图像候选集中的所有路口图像。
在一实施例中，识别模块用于获取路口的位置信息；根据位置信息在路网数据查找目标路口；将目标路口的路口要素真值作为路网数据中路口的路口要素真值。
在一实施例中，识别模块用于若根据位置信息在路网数据没有查找到目标路口，将路网数据中路口的路口要素真值设置为空。
在一实施例中，识别模块用于删除没有包括路口要素的路口图像。
一方面，本申请实施例提供了一种计算机设备，其包括处理器和存储器，存储器存储有多条指令，指令适于处理器进行加载，以执行上述方法中的步骤。
一方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有多条指令，指令适于处理器进行加载，以执行上述方法中的步骤。
本申请实施例提供了一种路口图像选择方法及装置，该方法在获取路口的路口图像候选集后，先基于简单的神经网络对路口图像候选集中的路口图像进行识别，得到各路口图像中的路口要素，然后根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点，最后根据预设留图条件以及各路口图像对应的路口物理点，对路口图像候选集中的路口图像进行筛选，得到路口的路口图像集；这样本申请先基于路口物理点对路口图像进行筛选，仅保留与路口物理点相关的路口图像，大大减少了路口图像的数量，与当前技术相比，在保证路口数据准确性的同时，减少了地图更新时的数据处理量。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1a是本申请实施例提供的路口图像选择系统的场景示意图；
图1b是本申请实施例提供的路口图像选择系统的组网示意图；
图2是本申请实施例提供的路口图像选择方法的第一种流程示意图；
图3是本申请实施例提供的路口图像选择方法的第二种流程示意图；
图4是本申请实施例提供的路口图像选择方法的第三种流程示意图；
图5是本申请实施例提供的路口图像选择装置的结构示意图；
图6是本申请实施例提供的终端的结构示意图；
图7是本申请实施例提供的服务器的结构示意图；
图8是本申请实施例提供的路口图像的示意图；
图9是本申请实施例提供的路口图像的第一种识别示意图；
图10是本申请实施例提供的路口图像的第二种识别示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
为了便于下文描述，现将本申请涉及到的术语进行说明。
在本申请实施例中，地图上每条道路被视作一条线，道路与道路之间用点连接，如果一个点连接了三条或者三条以上的道路，则该点被称为路口。
在本申请实施例中，路口要素是用来制作道路挂接与道路交限的要素，道路挂接的制作需要识别隔离带以及路面，道路交限的制作需要识别障碍物、大门、车道线等。道路挂接用于描述两条道路是否相连，如果两条道路相连，则两条道路为挂接状态，否则为不挂接状态。道路交限用于描述两条挂接的道路是否可以通行，如果两条道路为挂接状态，但是不可以互相通行，则两条道路存在道路交限，否则不存在道路交限。
在本申请实施例中，物理点对于真实世界中的一个对象，如斑马线、红绿灯等，如果出现在不同的路口图像中，则该对象相对于这些路口图像是同一个物理点。
本申请实施例提供一种路口图像选择方法及装置、计算机设备和计算机可读存储介质。其中，该路口图像选择装置可以集成在计算机设备中，该计算机设备可以是服务器，也可以是终端等设备。
本申请实施例提供的路口图像选择方案涉及人工智能的计算机视觉技术(Computer Vision,CV)，可以通过人工智能的计算机视觉技术实现眼底图像识别，得到图像中的路口要素。
其中，计算机视觉技术(Computer Vision,CV)是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像分割、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。
本申请实施例中，所谓路口要素指的是路口图像中与路口物理点对应的图像区域，同一个路口物理点在不同路口图像内对应路口要素的参数可能不同，例如角度、大小等，但是这些路口要素被记为同一路口物理点对应的路口要素。
例如，参见图1a，以该路口图像选择装置集成在计算机设备中为例，该计算机可以在获取路口的路口图像候选集后，先基于简单的神经网络对路口图像候选集中的路口图像进行识别，得到各路口图像中的路口要素，然后根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点，最后根据预设留图条件以及各路口图像对应的路口物理点，对路口图像候选集中的路口图像进行筛选，得到路口的路口图像集。
请参阅图1b，图1b为本申请实施例所提供的路口图像选择系统的场景示意图，该系统可以包括终端以及服务器，终端之间、服务器之间、以及终端与服务器之间通过各种网关组成的互联网等方式连接通信，不再赘述，其中，终端包括用户终端11等，服务器包括数据服务器12以及通信服务器13等；其中：
用户终端11包括但不局限于平板电脑、笔记本电脑、个人计算(PC，PersonalComputer)、微型处理盒子、或者其他设备等；主要提供表情搜索功能、表情展示功能等；
服务器包括本地服务器和/或远程服务器等。数据服务器12以及通信服务器13都可以部署在本地服务器，也可以部分或者全部部署在远程服务器上。
需要说明的是，图1b所示的系统场景示意图仅仅是一个示例，本申请实施例描述的服务器以及场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着系统的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。
以下针对本申请提供的路口图像选择方法进行详细说明。
图2是本申请实施例提供的路口图像选择方法的第一种流程示意图，请参阅图2，该路口图像选择方法包括以下步骤：
201：获取路口的路口图像候选集。
在一种实施例中，路口图像候选集包括多个路口图像。
在一种实施例中，本步骤包括：数据服务器从车载用户终端获取多个路口图像；或者车载用户终端通过摄像头获取多个路口图像。
在一种实施例中，可以基于图像的位置信息对道路图像进行初步筛选得到路口图像候选集，此时本步骤包括：获取道路图像以及各道路图像的位置信息；根据各道路图像的位置信息，确定各道路图像与路口的相对位置；将与路口的相对位置满足位置范围的道路图像作为路口图像，添加至路口图像候选集。例如根据道路图像的位置信息，确定该道路图像的图像拍摄时的位置在到达某路口之前，且距离该路口点距离在25m范围内，则保留作为路口图像，或者图像拍摄时的位置在到达该路口之后，且距离该路口点距离在10m范围内，则保留作为路口图像。
202：对路口图像候选集中的路口图像进行识别，得到各路口图像中的路口要素。
路口要素是路口物理点在路口图像内的体现，可以通过各种方法对路口图像进行识别得到，例如本步骤包括：使用神经识别网络或语义分割网络中的至少一种，对路口图像中的图像内容进行识别，以得到各路口图像中的路口要素。
203：根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点。
在一种实施例中，一个路口图像可以包括多个路口物理点的体现，即可以路口图像对应一个或者多个路口物理点；而同样的，一个路口图像也可以没有包括路口物理点的体现，即路口图像对应0个路口物理点。
204：根据预设留图条件以及各路口图像对应的路口物理点，对路口图像候选集中的路口图像进行筛选，得到路口的路口图像集。
在一种实施例中，可以基于留图数量最小的规则进行留图，此时预设留图条件可以包括路口图像数量最小，本步骤包括：根据各路口图像对应的路口物理点，对路口图像候选集中的路口图像进行组合，得到至少一个路口图像集合；路口图像集合中的路口图像覆盖所有路口物理点；将路口图像数量最小的路口图像集合，作为路口的路口图像集。
在一种实施例中，可以基于某路口的路口要素与现有路网数据中该路口的路口要素真值是否相同来确定该路口是否需要留图，此时，本实施例在步骤203之前，还包括：获取路网数据中路口的路口要素真值；匹配路口要素真值与各路口图像中的路口要素；在路口要素真值与各路口图像中的路口要素不匹配时，根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；在路口要素真值与各路口图像中的路口要素匹配时，删除路口图像候选集中的所有路口图像；本实施例可以进一步减少地图更新所需要的图像数量。路口要素真值包括该路口包括哪些路口要素，不同位置或者作用的标记、或者不同位置的斑马线是不同的路口要素。
在一种实施例中，可以基于路口的经纬度和海拔等位置信息唯一确定路口、此时，获取路网数据中路口的路口要素真值的步骤包括：获取路口的位置信息，根据位置信息在路网数据查找目标路口，将目标路口的路口要素真值作为路网数据中路口的路口要素真值。
在一种实施例中，还包括：若根据位置信息在路网数据没有查找到目标路口，将路网数据中路口的路口要素真值设置为空。例如在某路口为新增路口等场景下，根据位置信息在路网数据是查找不到目标路口的，此时将路网数据中路口的路口要素真值设置为空即可，那么路口要素真值与各路口图像中的路口要素必然不匹配。
在一种实施例中，可以设置根据物理点留图的触发条件，此时，本实施例在步骤203之前，还包括：判断路口图像是否包括相同路口物理点对应的路口要素；在路口图像中的路口要素包括相同路口物理点对应的路口要素时，则根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；在路口图像中的路口要素不包括相同路口物理点对应的路口要素时，则将路口图像候选集中的所有路口图像，全部添加至路口的路口图像集。在路口图像中的路口要素包括相同路口物理点对应的路口要素时，代表着同一个路口物理点在多个(至少两个)路口图像中出现，对这多个路口图像进行处理所得到的路网数据是一样的，因此需要进行筛选，若所有路口图像中的路口要素不包括相同路口物理点对应的路口要素，则表示同一个路口物理点没有在多个(至少两个)路口图像中出现，不会出现对多个路口图像进行处理所得到的路网数据是一样的场景，此时将路口图像候选集中的所有路口图像，全部添加至路口的路口图像集。
在一种实施例中，同一个物理点出现在多个路口图像的场景往往是在连续路口图像下出现，此时可以先判断连续路口图像是否包括相同路口物理点对应的路口要素，若存在连续路口图像包括相同路口物理点对应的路口要素的场景，则路口图像中的路口要素包括相同路口物理点对应的路口要素，此时需要进行筛选，若不存在连续路口图像包括相同路口物理点对应的路口要素的场景，则路口图像中的路口要素不包括相同路口物理点对应的路口要素，代表表示同一个路口物理点没有在多个(至少两个)路口图像中出现，不会出现对多个路口图像进行处理所得到的路网数据是一样的场景，此时将路口图像候选集中的所有路口图像，全部添加至路口的路口图像集。
在一种实施例中，可以基于路口图像是否包括路口要素对图像进行筛选，此时，本实施例在步骤203之前，还包括：判断路口图像是否包括路口要素，若某路口图像没有包括路口要素，则直接删除该路口图像，若某路口图像包括路口要素，则保留在路口图像候选集中。
本实施例提供了一种路口图像选择方法，该方法先基于路口物理点对路口图像进行筛选，仅保留与路口物理点相关的路口图像，大大减少了路口图像的数量，与当前技术相比，在保证路口数据准确性的同时，减少了地图更新时的数据处理量。
图3是本申请实施例提供的路口图像选择方法的第二种流程示意图，请参阅图3，该路口图像选择方法包括以下步骤：
301：数据服务器生成任务包。
在本实施例中，数据服务器需要对原地图进行数据更新，此时，本步骤包括：根据预设的选取规则从原地图中获取多个任务包，任务包中包含任务道路路段。
在本实施例中，原地图为需要进行数据更新的地图，该原地图的路线数据可以存储在路线数据库中，具体的，路线数据库中的路线数据可以采用路段(1ink)来表示，一条路线可以由多个路段集合而成。
在本实施例中，根据预设的选取规则从原地图中获取多个任务包的步骤可以包括：
根据原地图获取骨干路网。
在本实施例中，原地图的路线数据中记录有各个道路的道路等级信息以及功能重要性，例如，可以将道路分为高等级道路(如高速路、城市快速路等)和低等级道路(如非车行道路等)，那么，在获取骨干路网时，可以根据各个道路的等级和/或道路的功能重要性，抽取出重要道路的路线数据，例如抽取出高等级道路的路线数据，并依据该高等级道路的路线数据形成路网，即为骨干路网。
将骨干路网划分为多个具有第一道路里程数的第一区域，第一道路里程数为各第一区域内所包含的骨干路网中的道路里程总和。
在本实施例中，可以以城市为单位，将骨干路网划分为多个具有第一道路里程数的第一区域，其中第一道路里程数用于衡量第一区域的大小。例如，第一道路里程数可以为150-300km，那么，当某一区域内所包含的骨干路网中的道路里程之和达到150-300km时，即将该区域划分为第一区域。
将原地图与划分后的骨干路网相比对，确定原地图中与多个第一区域相对应的多个第二区域。
在本实施例中，对骨干路网划分之后，可以将骨干路网与原地图相比对，从而可以根据骨干路网上的区域划分来对原地图进行对应的区域划分。具体的，可以将原地图中落在第一区域范围内的区域划分为第二区域，如此可以将原地图划分为包含多个第二区域，且该第二区域的数量与骨干路网上的第一区域数量相对应。
从各第二区域中分别获取相对应的道路路段集合。
在本实施例中，从每个第二区域所对应的路线数据中分别获取对应的道路路段，并形成与每个第二区域相对应的道路路段集合。
根据每个道路路段集合分别生成包含对应任务道路路段的任务包。
在本实施例中，在获取到与每个第二区域相对应的道路路段集合后，可以根据道路等级、属性等，筛选出需要更新数据的任务道路路段，各个第二区域内的任务道路路段形成与该第二区域相对应的任务包。
具体的，在筛选任务道路路段时可以剔除区域内部路，如公园景区内部路、小区内部路、停车场内部路等；还可以剔除非车行道路和步行道路，如人行道路、步行街等；还可以剔除非公共道路，如私有道路(一般港澳地区存在)等；此外，由于高速、城市快速路自成封闭，不适宜与普通道路混合采集，因此，还可以剔除高等级路，如高速、城市快速路等。
任务包中可以只包含任务道路路段，也可以同时包含任务道路路段和非任务道路路段，此处的非任务道路路段即为上述剔除的道路，只是此时不将这部分非任务道路路段从道路路段集合中删除，而是将其在任务包中标记出来，例如，可以将非任务道路路段和任务道路路段分别渲染出不同的视觉效果，以使得用户终端用户以及系统在获取到任务包时，能够明确哪些是任务道路路段，哪些是非任务道路路段。
在本实施例中，任务包中的道路路段以路网的形式表示，即用户终端打开任务包后，可以以地图的形式将任务道路路段进行呈现。
302：数据服务器将多个任务包分发给多个用户终端。
303：用户终端对任务包中的任务道路路段进行道路数据信息采集。
用户终端在接收任务包之后，可以打开任务包，以显示出任务包中的道路路网，用户终端用户可以根据接收的任务包，对该任务包中的任务道路路段进行道路数据信息采集。
在本说明书实施例中，道路数据信息可以包括用户终端的轨迹点信息以及与轨迹点相对应的道路图像，其中，轨迹点信息可以包括轨迹点的位置信息和速度方向信息，道路图像可以为通过图像采集器采集的相关图片信息或者视频信息。
用户终端接收任务包，对任务包中的任务道路路段进行道路数据信息采集的方法包括:
获取轨迹点的定位数据。
在本实施例中，用户终端获取的轨迹点的定位数据可以包括轨迹点的位置坐标以及轨迹点的速度方向。
根据轨迹点的定位数据，确定关联的任务道路路段。
在本实施例中，用户终端获取到轨迹点的定位数据后，可以根据各个轨迹点的定位数据来确定与当前轨迹点相关联的任务道路路段。
获取采集的轨迹点道路图像。
在本说明书实施例中，用户终端上可以设置有自动图像采集器，如摄像头，当打开任务包后，可以通过自动图像采集器来采集轨迹点视图信息，例如，可以自动拍摄与各个轨迹点相对应的场景图片或者视频作为道路图像，并进行存储。
根据轨迹点以及轨迹点视图信息生成与关联的任务道路路段相对应的道路数据信息。
304：数据服务器接收用户终端返回的道路数据信息。
305：数据服务器对道路数据信息进行筛选。
以针对某路口的数据信息进行筛选为例，本步骤包括图2所示实施例的所有步骤。
首先，数据服务器获取道路图像以及各道路图像的位置信息；根据各道路图像的位置信息，确定各道路图像与某路口的相对位置；将与路口的相对位置满足位置范围的道路图像作为路口图像，添加至路口图像候选集。
然后，使用神经识别网络或语义分割网络中的至少一种，对路口图像中的图像内容进行识别，以得到各路口图像中的路口要素；并删除没有包括路口要素的路口图像。
之后，获取该路口的位置信息；根据位置信息在路网数据查找目标路口；将目标路口的路口要素真值作为路网数据中路口的路口要素真值；匹配路口要素真值与各路口图像中的路口要素；在路口要素真值与各路口图像中的路口要素不匹配时，根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；在路口要素真值与各路口图像中的路口要素匹配时，删除路口图像候选集中的所有路口图像。
在之后，判断路口图像是否包括相同路口物理点对应的路口要素；在路口图像中的路口要素包括相同路口物理点对应的路口要素时，则根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；在路口图像中的路口要素不包括相同路口物理点对应的路口要素时，则将路口图像候选集中的所有路口图像，全部添加至路口的路口图像集。
最后，根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；根据预设留图条件以及各路口图像对应的路口物理点，对路口图像候选集中的路口图像进行筛选，得到路口的路口图像集。
在一种实施例中，如图8至图10所示，以某新增路口包括2个路口物理点为例，该路口包括路口物理点a(人行斑马线)和路口物理点b(停车让行标记)，该路口的路口图像候选集内包括10个路口图像，依次为路口图像1至路口图像10，其中路口图像5如图8所示。
针对图8所示的路口图像5，若采用神经识别网络进行识别可以得到如图9所示的各路口要素的轮廓。
针对图8所示的路口图像5，若采用语义分割网络进行语义分割可以得到如图10所示的各路口要素的轮廓。
在此场景下：
执行步骤201之后，得到该路口的路口图像候选集，路口图像候选集包括路口图像1至路口图像10。
执行步骤202之后，得到路口图像1至路口图像10各自的路口要素，例如：路口图像1没有包括路口要素，路口图像2没有包括路口要素，路口图像3包括路口要素a(对应路口物理点a)，路口图像4包括路口要素a(对应路口物理点a)，路口图像5包括路口要素a(对应路口物理点a)和路口要素b(对应路口物理点b)，路口图像6包括路口要素b(对应路口物理点b)，路口图像7包括路口要素b，路口图像8没有包括路口要素，路口图像9没有包括路口要素，路口图像10没有包括路口要素。
此时，删除路口图像1、路口图像2、路口图像8、路口图像9和路口图像10。
又因为该路口在路网数据中的路口要素真值为空，需要执行步骤203。
又因为路口图像3和路口图像4以及路口图像5都包括路口要素a，路口图像5和路口图像6以及路口图像7都包括路口要素b，需要执行步骤203。
执行步骤203之后，得到路口图像3和路口图像4对应路口物理点a，路口图像5对应路口物理点a和路口物理点b，路口图像6以及路口图像7对应路口物理点b。
执行步骤204之后，根据各路口图像对应的路口物理点，对所述路口图像候选集中的路口图像进行组合，得到至少一个路口图像集合；所述路口图像集合中的路口图像覆盖所有路口物理点，在本实施例中，根据各路口图像对应的路口物理点，对所述路口图像候选集中的路口图像进行组合，得到以下路口图像集合：
{路口图像3、路口图像4、路口图像5、路口图像6、路口图像7}，该路口图像集合包括5个路口图像；
{路口图像3、路口图像4、路口图像6、路口图像7}，该路口图像集合包括4个路口图像；
{路口图像3、路口图像4、路口图像5、路口图像6}，该路口图像集合包括4个路口图像；
{路口图像3、路口图像4、路口图像5、路口图像7}，该路口图像集合包括4个路口图像；
{路口图像4、路口图像5、路口图像6、路口图像7}，该路口图像集合包括4个路口图像；
{路口图像3、路口图像5、路口图像6、路口图像7}，该路口图像集合包括4个路口图像；
{路口图像3、路口图像6、路口图像7}，该路口图像集合包括3个路口图像；
{路口图像4、路口图像6、路口图像7}，该路口图像集合包括3个路口图像；
{路口图像5、路口图像6、路口图像7}，该路口图像集合包括3个路口图像；
{路口图像3、路口图像4、路口图像5}，该路口图像集合包括3个路口图像；
{路口图像3、路口图像4、路口图像6}，该路口图像集合包括3个路口图像；
{路口图像3、路口图像4、路口图像7}，该路口图像集合包括3个路口图像；
{路口图像3、路口图像5、路口图像6}，该路口图像集合包括3个路口图像；
{路口图像3、路口图像5、路口图像7}，该路口图像集合包括3个路口图像；
{路口图像4、路口图像5、路口图像6}，该路口图像集合包括3个路口图像；
{路口图像4、路口图像5、路口图像7}，该路口图像集合包括3个路口图像；
{路口图像3、路口图像5}，该路口图像集合包括2个路口图像；
{路口图像3、路口图像6}，该路口图像集合包括2个路口图像；
{路口图像3、路口图像7}，该路口图像集合包括2个路口图像；
{路口图像4、路口图像5}，该路口图像集合包括2个路口图像；
{路口图像4、路口图像6}，该路口图像集合包括2个路口图像；
{路口图像4、路口图像7}，该路口图像集合包括2个路口图像；
{路口图像5、路口图像6}，该路口图像集合包括2个路口图像；
{路口图像5、路口图像7}，该路口图像集合包括2个路口图像；
{路口图像5}，该路口图像集合包括1个路口图像；
将路口图像数量最小的路口图像集合，即路口图像集合{路口图像5}作为路口的路口图像集，也即基于最少留图量的原则，仅保留路口图像5，得到该路口的路口图像集。
306：数据服务器道路数据信息对任务包中的任务道路路段进行数据更新。
例如新增加该路口，并根据路口图像5确定该路口的路网信息：包括人行斑马线和停车让行标记等路口物理点，以及各路口物理点对应的位置等。与当前需要根据路口图像1至路口图像10确定该路口的路网信息的方式相比，大大减少了数据处理量。
本实施例以地图更新为场景，详细说明了本申请如何更新地图，降低了数据处理量。
图4是本申请实施例提供的路口图像选择方法的第三种流程示意图，请参阅图4，该路口图像选择方法包括以下步骤：
401：数据服务器获取新路径。
在本实施例，本步骤包括：
获取用户的位置信息。
用户的位置信息可以是通过全球定位系统(GPS)定位得到的用户的位置信息，或其他可以表征用户地理位置的信息。
在本实施例中，在用户通过手机等用户终端应用电子地图、导航以及打车或约车等与用户位置信息或与定位服务有关的应用软件的过程中，用户的用户终端需实时或周期地向这些应用软件的应用服务器上报用户自身的位置信息，例如上报用户终端的GPS信息。在这种情况下，可以在应用服务器上设置位置信息收集装置，收集用户终端上报的用户的位置信息。
根据获取的用户的位置信息生成用户的移动轨迹。
在本步骤中，可以根据用户终端在一段时间内上报的用户的在各个时间点上的位置信息得到该用户在这段时间内的移动轨迹。此外，也可以在用户的一次行程完成并确认之后，例如一次导航结束或者一次乘车经历完成之后再执行根据获取的用户的位置信息生成用户的移动轨迹的步骤，根据用户终端在本次行程内各个时间点上上报的位置信息获得本次行程内用户的完整移动轨迹。
将用户的移动轨迹与现有路网信息进行比较，确定用户的移动轨迹中包含的现有路网信息中没有的新路径。
在本步骤中，可以将用户的移动轨迹与现有路网信息中的路径进行路线比较，即可发现用户的移动轨迹中是否包含路网信息中没有的新的路径。而且，在本步骤中，如果通过上述将用户的移动轨迹与现有路网信息的比较没有发现新路径，也即，用户的移动轨迹在路网信息中都己存在，则可以结束。
将上述新路径的信息写入路网信息。
在本步骤中，数据服务器在发现新路径之后可以直接将新路径写入路网信息中。
402：数据服务器生成任务包。
在本实施例中，数据服务器需要对新路径进行数据更新，此时，本步骤包括：根据新路径生成任务包，任务包中包含新路径。
在本实施例中，任务包中的道路路段以路网的形式表示，即用户终端打开任务包后，可以以地图的形式将任务道路路段进行呈现。
403：数据服务器将任务包分发给用户终端。
404：用户终端对任务包中的任务道路路段进行道路数据信息采集。
用户终端在接收任务包之后，可以打开任务包，以显示出任务包中的道路路网，用户终端用户可以根据接收的任务包，对该任务包中的任务道路路段进行道路数据信息采集。
在本说明书实施例中，道路数据信息可以包括用户终端的轨迹点信息以及与轨迹点相对应的道路图像，其中，轨迹点信息可以包括轨迹点的位置信息和速度方向信息，道路图像可以为通过图像采集器采集的相关图片信息或者视频信息。
405：数据服务器接收用户终端返回的道路数据信息。
406：数据服务器对道路数据信息进行筛选。
以针对该新路径的路口的数据信息进行筛选为例，本步骤包括图2所示实施例的所有步骤。
首先，数据服务器获取道路图像以及各道路图像的位置信息；根据各道路图像的位置信息，确定各道路图像与某路口的相对位置；将与路口的相对位置满足位置范围的道路图像作为路口图像，添加至路口图像候选集。
然后，使用神经识别网络或语义分割网络中的至少一种，对路口图像中的图像内容进行识别，以得到各路口图像中的路口要素；并删除没有包括路口要素的路口图像。
之后，获取该路口的位置信息；根据位置信息在路网数据查找目标路口；将目标路口的路口要素真值作为路网数据中路口的路口要素真值；匹配路口要素真值与各路口图像中的路口要素；在路口要素真值与各路口图像中的路口要素不匹配时，根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；在路口要素真值与各路口图像中的路口要素匹配时，删除路口图像候选集中的所有路口图像。
在之后，判断路口图像是否包括相同路口物理点对应的路口要素；在路口图像中的路口要素包括相同路口物理点对应的路口要素时，则根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；在路口图像中的路口要素不包括相同路口物理点对应的路口要素时，则将路口图像候选集中的所有路口图像，全部添加至路口的路口图像集。
最后，根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；根据预设留图条件以及各路口图像对应的路口物理点，对路口图像候选集中的路口图像进行筛选，得到路口的路口图像集。
在一种实施例中，如图8至图10所示，以某新增路口包括2个路口物理点为例，该路口包括路口物理点a(人行斑马线)和路口物理点b(停车让行标记)，该路口的路口图像候选集内包括10个路口图像，依次为路口图像1至路口图像10，其中路口图像5如图8所示。
针对图8所示的路口图像5，若采用神经识别网络进行识别可以得到如图9所示的各路口要素的轮廓。
针对图8所示的路口图像5，若采用语义分割网络进行语义分割可以得到如图10所示的各路口要素的轮廓。
在此场景下：
执行步骤201之后，得到该路口的路口图像候选集，路口图像候选集包括路口图像1至路口图像10。
执行步骤202之后，得到路口图像1至路口图像10各自的路口要素，例如：路口图像1没有包括路口要素，路口图像2没有包括路口要素，路口图像3包括路口要素a(对应路口物理点a)，路口图像4包括路口要素a(对应路口物理点a)，路口图像5包括路口要素a(对应路口物理点a)和路口要素b(对应路口物理点b)，路口图像6包括路口要素b(对应路口物理点b)，路口图像7包括路口要素b，路口图像8没有包括路口要素，路口图像9没有包括路口要素，路口图像10没有包括路口要素。
此时，删除路口图像1、路口图像2、路口图像8、路口图像9和路口图像10。
又因为该路口在路网数据中的路口要素真值为空，需要执行步骤203。
又因为路口图像3和路口图像4以及路口图像5都包括路口要素a，路口图像5和路口图像6以及路口图像7都包括路口要素b，需要执行步骤203。
执行步骤203之后，得到路口图像3和路口图像4对应路口物理点a，路口图像5对应路口物理点a和路口物理点b，路口图像6以及路口图像7对应路口物理点b。
执行步骤204之后，基于最少留图量的原则，仅保留路口图像5，得到该路口的路口图像集。
407：数据服务器道路数据信息对任务包中的任务道路路段进行数据更新。
例如新增加包括该路口的新路径，并根据路口图像5确定该路口的路网信息：包括人行斑马线和停车让行标记等路口物理点，以及各路口物理点对应的位置等。与当前需要根据路口图像1至路口图像10确定该路口的路网信息的方式相比，大大减少了数据处理量。
本实施例以新路径的数据更新为场景，详细说明了本申请如何更新地图，降低了数据处理量。
相应的，图5是本申请实施例提供的路口图像选择装置的结构示意图，请参阅图5，该路口图像选择装置包括以下模块：
获取模块51，用于获取路口的路口图像候选集，路口图像候选集包括多个路口图像；
识别模块52，用于对路口图像候选集中的路口图像进行识别，得到各路口图像中的路口要素；
确定模块53，用于根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；
选择模块54，用于根据预设留图条件以及各路口图像对应的路口物理点，对路口图像候选集中的路口图像进行筛选，得到路口的路口图像集。
在一种实施例中，获取模块51用于获取道路图像以及各道路图像的位置信息；根据各道路图像的位置信息，确定各道路图像与路口的相对位置；将与路口的相对位置满足位置范围的道路图像作为路口图像，添加至路口图像候选集。
在一种实施例中，识别模块52用于使用神经识别网络或语义分割网络中的至少一种，对路口图像中的图像内容进行识别，以得到各路口图像中的路口要素。
在一种实施例中，识别模块52用于判断路口图像是否包括相同路口物理点对应的路口要素；在路口图像中的路口要素包括相同路口物理点对应的路口要素时，则根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；在路口图像中的路口要素不包括相同路口物理点对应的路口要素时，则将路口图像候选集中的所有路口图像，全部添加至路口的路口图像集。
在一种实施例中，识别模块52用于判断连续路口图像是否包括相同路口物理点对应的路口要素；若存在连续路口图像包括相同路口物理点对应的路口要素，则路口图像中的路口要素包括相同路口物理点对应的路口要素；若不存在连续路口图像包括相同路口物理点对应的路口要素，则路口图像中的路口要素不包括相同路口物理点对应的路口要素。
在一种实施例中，识别模块52用于获取路网数据中路口的路口要素真值；匹配路口要素真值与各路口图像中的路口要素；在路口要素真值与各路口图像中的路口要素不匹配时，根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；在路口要素真值与各路口图像中的路口要素匹配时，删除路口图像候选集中的所有路口图像。
在一种实施例中，识别模块52用于获取路口的位置信息；根据位置信息在路网数据查找目标路口；将目标路口的路口要素真值作为路网数据中路口的路口要素真值。
在一种实施例中，识别模块52用于若根据位置信息在路网数据没有查找到目标路口，将路网数据中路口的路口要素真值设置为空。
在一种实施例中，识别模块52用于删除没有包括路口要素的路口图像。
在一种实施例中，如图5所示，选择模块54包括：
组合子模块541，用于根据各路口图像对应的路口物理点，对路口图像候选集中的路口图像进行组合，得到至少一个路口图像集合；路口图像集合中的路口图像覆盖所有路口物理点；
选择子模块542，用于将路口图像数量最小的路口图像集合，作为路口的路口图像集。
在一种实施例中，本申请实施例提供的计算机设备包括终端和服务器等，现分别进行说明。
本申请实施例还提供一种终端，如图6所示，该终端可以包括射频(RF，RadioFrequency)电路601、包括有一个或一个以上计算机可读存储介质的存储器602、输入单元603、显示单元604、传感器605、音频电路606、无线保真(WiFi，Wireless Fidelity)模块607、包括有一个或者一个以上处理核心的处理器608、以及电源609等部件。本领域技术人员可以理解，图6中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
RF电路601可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器608处理；另外，将涉及上行的数据发送给基站。通常，RF电路601包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM，Subscriber Identity Module)卡、收发信机、耦合器、低噪声放大器(LNA，Low Noise Amplifier)、双工器等。此外，RF电路601还可以通过无线通信与网络和其他设备通信。无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(GSM，Global System of Mobile communication)、通用分组无线服务(GPRS，GeneralPacket Radio Service)、码分多址(CDMA，Code Division Multiple Access)、宽带码分多址(WCDMA，Wideband Code Division Multiple Access)、长期演进(LTE，Long TermEvolution)、电子邮件、短消息服务(SMS，ShortMessaging Service)等。
存储器602可用于存储软件程序以及模块，处理器608通过运行存储在存储器602的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器602可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器602还可以包括存储器控制器，以提供处理器608和输入单元603对存储器602的访问。
输入单元603可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，在一个具体的实施例中，输入单元603可包括触敏表面以及其他输入设备。触敏表面，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作)，并根据预先设定的程式驱动相应的连接装置。在一实施例中，触敏表面可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器608，并能接收处理器608发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面，输入单元603还可以包括其他输入设备。具体地，其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元604可用于显示由用户输入的信息或提供给用户的信息以及终端的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元604可包括显示面板，在一实施例中，可以采用液晶显示器(LCD，Liquid CrystalDisplay)、有机发光二极管(OLED，Organic Light-Emitting Diode)等形式来配置显示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在其上或附近的触摸操作后，传送给处理器608以确定触摸事件的类型，随后处理器608根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图6中，触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面与显示面板集成而实现输入和输出功能。
终端还可包括至少一种传感器605，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板的亮度，接近传感器可在终端移动到耳边时，关闭显示面板和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于终端还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路606包括扬声器，传声器可提供用户与终端之间的音频接口。音频电路606可将接收到的音频数据转换后的电信号，传输到扬声器，由扬声器转换为声音信号输出；另一方面，传声器将收集的声音信号转换为电信号，由音频电路606接收后转换为音频数据，再将音频数据输出处理器608处理后，经RF电路601以发送给比如另一终端，或者将音频数据输出至存储器602以便进一步处理。音频电路606还可能包括耳塞插孔，以提供外设耳机与终端的通信。
WiFi属于短距离无线传输技术，终端通过WiFi模块607可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图6示出了WiFi模块607，但是可以理解的是，其并不属于终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器608是终端的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器602内的软件程序和/或模块，以及调用存储在存储器602内的数据，执行终端的各种功能和处理数据，从而对手机进行整体监控。在一实施例中，处理器608可包括一个或多个处理核心；优选的，处理器608可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器608中。
终端还包括给各个部件供电的电源609(比如电池)，优选的，电源可以通过电源管理系统与处理器608逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源609还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出，终端还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，终端中的处理器608会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器602中，并由处理器608来运行存储在存储器602中的应用程序，从而实现上述任一路口图像选择方法中的步骤。
本申请实施例还提供一种服务器，如图7所示，其示出了本申请实施例所涉及的服务器的结构示意图，具体来讲：
该服务器可以包括一个或者一个以上处理核心的处理器701、一个或一个以上计算机可读存储介质的存储器702、电源703和输入单元704等部件。本领域技术人员可以理解，图6中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
其中：
处理器701是该服务器的控制中心，利用各种接口和线路连接整个服务器的各个部分，通过运行或执行存储在存储器702内的软件程序和/或模块，以及调用存储在存储器702内的数据，执行服务器的各种功能和处理数据，从而对服务器进行整体监控。可选的，处理器701可包括一个或多个处理核心；优选的，处理器701可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器701中。
存储器702可用于存储软件程序以及模块，处理器701通过运行存储在存储器702的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器702可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器702还可以包括存储器控制器，以提供处理器701对存储器702的访问。
服务器还包括给各个部件供电的电源703，优选的，电源703可以通过电源管理系统与处理器701逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源703还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该服务器还可包括输入单元704，该输入单元704可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，服务器还可以包括显示单元等，在此不再赘述。具体在本实施例中，服务器中的处理器701会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器702中，并由处理器701来运行存储在存储器702中的应用程序，从而实现上述任一路口图像选择方法中的步骤。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对路口图像选择方法的详细描述，此处不再赘述。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种方法中的步骤。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种方法中的步骤，因此，可以实现本申请实施例所提供的任一种方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上对本申请实施例所提供的一种路口图像选择方法及装置、服务器及存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种路口图像选择方法，其特征在于，包括：
获取路口的路口图像候选集，所述路口图像候选集包括多个路口图像；
对所述路口图像候选集中的路口图像进行识别，得到各路口图像中的路口要素；
根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；
根据预设留图条件以及所述各路口图像对应的路口物理点，对所述路口图像候选集中的路口图像进行筛选，得到所述路口的路口图像集。
2.根据权利要求1所述的路口图像选择方法，其特征在于，所述获取路口的路口图像候选集的步骤，包括：
获取道路图像以及各道路图像的位置信息；
根据各道路图像的位置信息，确定各道路图像与路口的相对位置；
将与路口的相对位置满足位置范围的道路图像作为路口图像，添加至所述路口图像候选集。
3.根据权利要求1所述的路口图像选择方法，其特征在于，所述对所述路口图像候选集中的路口图像进行识别，得到各路口图像中的路口要素的步骤，包括：
使用神经识别网络或语义分割网络中的至少一种，对所述路口图像中的图像内容进行识别，以得到各路口图像中的路口要素。
4.根据权利要求1所述的路口图像选择方法，其特征在于，在得到各路口图像中的路口要素的步骤之后，还包括：
判断路口图像是否包括相同路口物理点对应的路口要素；
在路口图像中的路口要素包括相同路口物理点对应的路口要素时，则根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；
在路口图像中的路口要素不包括相同路口物理点对应的路口要素时，则将所述路口图像候选集中的所有路口图像，全部添加至所述路口的路口图像集。
5.根据权利要求4所述的路口图像选择方法，其特征在于，所述判断路口图像是否包括相同路口物理点对应的路口要素的步骤，包括：
判断连续路口图像是否包括相同路口物理点对应的路口要素；
若存在连续路口图像包括相同路口物理点对应的路口要素，则路口图像中的路口要素包括相同路口物理点对应的路口要素；
若不存在连续路口图像包括相同路口物理点对应的路口要素，则路口图像中的路口要素不包括相同路口物理点对应的路口要素。
6.根据权利要求1所述的路口图像选择方法，其特征在于，在得到各路口图像中的路口要素的步骤之后，还包括：
获取路网数据中所述路口的路口要素真值；
匹配所述路口要素真值与所述各路口图像中的路口要素；
在所述路口要素真值与所述各路口图像中的路口要素不匹配时，根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；
在所述路口要素真值与所述各路口图像中的路口要素匹配时，删除所述路口图像候选集中的所有路口图像。
7.根据权利要求6所述的路口图像选择方法，其特征在于，所述获取路网数据中所述路口的路口要素真值的步骤，包括：
获取所述路口的位置信息；
根据所述位置信息在所述路网数据查找目标路口；
将所述目标路口的路口要素真值作为路网数据中所述路口的路口要素真值。
8.根据权利要求7所述的路口图像选择方法，其特征在于，所述获取路网数据中所述路口的路口要素真值的步骤，还包括：
若根据所述位置信息在所述路网数据没有查找到目标路口，将路网数据中所述路口的路口要素真值设置为空。
9.根据权利要求1至8任一项所述的路口图像选择方法，其特征在于，所述预设留图条件包括路口图像数量最小；所述根据预设留图条件以及各路口图像对应的路口物理点，对所述路口图像候选集中的路口图像进行筛选，得到所述路口的路口图像集的步骤，包括：
根据各路口图像对应的路口物理点，对所述路口图像候选集中的路口图像进行组合，得到至少一个路口图像集合；所述路口图像集合中的路口图像覆盖所有路口物理点；
将路口图像数量最小的路口图像集合，作为所述路口的路口图像集。
10.一种路口图像选择装置，其特征在于，包括：
获取模块，用于获取路口的路口图像候选集，所述路口图像候选集包括多个路口图像；
识别模块，用于对所述路口图像候选集中的路口图像进行识别，得到各路口图像中的路口要素；
确定模块，用于根据路口物理点与路口要素的对应关系，确定各路口图像对应的路口物理点；
选择模块，用于根据预设留图条件以及所述各路口图像对应的路口物理点，对所述路口图像候选集中的路口图像进行筛选，得到所述路口的路口图像集。
CN201910871567.9A 2019-09-16 2019-09-16 路口图像选择方法及装置 Active CN110795994B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910871567.9A CN110795994B (zh) 2019-09-16 2019-09-16 路口图像选择方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910871567.9A CN110795994B (zh) 2019-09-16 2019-09-16 路口图像选择方法及装置

Publications (2)

Publication Number Publication Date
CN110795994A true CN110795994A (zh) 2020-02-14
CN110795994B CN110795994B (zh) 2022-05-10

Family

ID=69427173

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910871567.9A Active CN110795994B (zh) 2019-09-16 2019-09-16 路口图像选择方法及装置

Country Status (1)

Country Link
CN (1) CN110795994B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111351496A (zh) * 2020-02-27 2020-06-30 歌尔股份有限公司 虚拟地图建模方法、装置、设备及存储介质

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3836259A (en) * 1971-04-08 1974-09-17 Department Of Civil Aviat Apparatus for tracking a luminous object
CN101290230A (zh) * 2008-04-14 2008-10-22 凯立德欣技术（深圳）有限公司 一种交叉路口的导航方法及使用了此导航方法的导航系统
US20090125235A1 (en) * 2007-11-09 2009-05-14 Altek Corporation Method of updating navigation map data
CN101924930A (zh) * 2010-02-09 2010-12-22 清华大学 一种利用dsm-cc协议传输数据的方法
CN102012230A (zh) * 2010-08-27 2011-04-13 杭州妙影微电子有限公司 一种道路实景导航方法
CN102368265A (zh) * 2011-10-19 2012-03-07 北京世纪高通科技有限公司 地图数据更新方法及装置
CN103034863A (zh) * 2012-12-24 2013-04-10 重庆市勘测院 一种结合核Fisher与多尺度提取的遥感影像道路获取方法
CN103400150A (zh) * 2013-08-14 2013-11-20 浙江大学 一种基于移动平台进行道路边缘识别的方法及装置
CN104776855A (zh) * 2015-03-17 2015-07-15 腾讯科技（深圳）有限公司 一种交叉路口的导航方法和装置
CN105628044A (zh) * 2015-12-28 2016-06-01 中兴软创科技股份有限公司 基于位置实时更新与路段属性的车载导航装置与导航方法
CN106372255A (zh) * 2016-09-29 2017-02-01 北京百度网讯科技有限公司 一种街景图像的识别方法及装置
CN106997466A (zh) * 2017-04-12 2017-08-01 百度在线网络技术（北京）有限公司 用于检测道路的方法和装置
CN107515006A (zh) * 2016-06-15 2017-12-26 华为终端（东莞）有限公司 一种地图更新方法和车载终端
CN108460815A (zh) * 2017-02-22 2018-08-28 腾讯科技（深圳）有限公司 地图道路要素编辑方法和装置
US20180317864A1 (en) * 2017-05-02 2018-11-08 Apn Health, Llc Determining and displaying the 3d location and orientation of a cardiac-ablation balloon
CN109059955A (zh) * 2018-07-05 2018-12-21 腾讯大地通途（北京）科技有限公司 电子地图导航中绘制指示标识的方法及装置
CN109583329A (zh) * 2018-11-13 2019-04-05 杭州电子科技大学 基于道路语义路标筛选的回环检测方法
CN109710705A (zh) * 2018-12-04 2019-05-03 百度在线网络技术（北京）有限公司 地图兴趣点处理方法和装置

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3836259A (en) * 1971-04-08 1974-09-17 Department Of Civil Aviat Apparatus for tracking a luminous object
US20090125235A1 (en) * 2007-11-09 2009-05-14 Altek Corporation Method of updating navigation map data
CN101290230A (zh) * 2008-04-14 2008-10-22 凯立德欣技术（深圳）有限公司 一种交叉路口的导航方法及使用了此导航方法的导航系统
CN101924930A (zh) * 2010-02-09 2010-12-22 清华大学 一种利用dsm-cc协议传输数据的方法
CN102012230A (zh) * 2010-08-27 2011-04-13 杭州妙影微电子有限公司 一种道路实景导航方法
CN102368265A (zh) * 2011-10-19 2012-03-07 北京世纪高通科技有限公司 地图数据更新方法及装置
CN103034863A (zh) * 2012-12-24 2013-04-10 重庆市勘测院 一种结合核Fisher与多尺度提取的遥感影像道路获取方法
CN103400150A (zh) * 2013-08-14 2013-11-20 浙江大学 一种基于移动平台进行道路边缘识别的方法及装置
CN104776855A (zh) * 2015-03-17 2015-07-15 腾讯科技（深圳）有限公司 一种交叉路口的导航方法和装置
CN105628044A (zh) * 2015-12-28 2016-06-01 中兴软创科技股份有限公司 基于位置实时更新与路段属性的车载导航装置与导航方法
CN107515006A (zh) * 2016-06-15 2017-12-26 华为终端（东莞）有限公司 一种地图更新方法和车载终端
CN106372255A (zh) * 2016-09-29 2017-02-01 北京百度网讯科技有限公司 一种街景图像的识别方法及装置
CN108460815A (zh) * 2017-02-22 2018-08-28 腾讯科技（深圳）有限公司 地图道路要素编辑方法和装置
CN106997466A (zh) * 2017-04-12 2017-08-01 百度在线网络技术（北京）有限公司 用于检测道路的方法和装置
US20180317864A1 (en) * 2017-05-02 2018-11-08 Apn Health, Llc Determining and displaying the 3d location and orientation of a cardiac-ablation balloon
CN109059955A (zh) * 2018-07-05 2018-12-21 腾讯大地通途（北京）科技有限公司 电子地图导航中绘制指示标识的方法及装置
CN109583329A (zh) * 2018-11-13 2019-04-05 杭州电子科技大学 基于道路语义路标筛选的回环检测方法
CN109710705A (zh) * 2018-12-04 2019-05-03 百度在线网络技术（北京）有限公司 地图兴趣点处理方法和装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
LIN LI 等: ""Extraction of Road Intersections from GPS Traces Based on the Dominant Orientations of Roads"", 《GEO-INF》 *
WANG Y 等: ""CrowdAtlas: self-updating maps for cloud and personal use"", 《THE 11TH ANNUAL INTERNATIONAL CONFERENCE ON MOBILE SYSTEMS》 *
李祎承 等: ""面向智能车定位的道路环境视觉地图构建"", 《中国公路学报》 *
王钊: ""车辆导航电子地图的自增量更新"", 《中国博士学位论文全文数据库 (基础科学辑)》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111351496A (zh) * 2020-02-27 2020-06-30 歌尔股份有限公司 虚拟地图建模方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN110795994B (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
CN110147705B (zh) 一种基于视觉感知的车辆定位方法及电子设备
CN108932331B (zh) 一种地图数据更新方法、装置及系统
CN111182453B (zh) 定位方法、装置、电子设备及存储介质
CN110795523B (zh) 车辆定位方法、装置以及智能车辆
CN109556612B (zh) 一种导航信息处理方法、装置、服务器、终端及存储介质
CN110095128B (zh) 获取缺失道路情报的方法、装置、设备及存储介质
CN112686197B (zh) 一种数据处理方法和相关装置
CN111192341A (zh) 生成高精地图的方法、装置、自动驾驶设备及存储介质
CN112052778B (zh) 一种交通标志识别方法以及相关装置
CN113701743B (zh) 地图数据处理方法、装置、计算机设备及存储介质
CN109040968A (zh) 路况提醒方法、移动终端及计算机可读存储介质
CN114155497A (zh) 一种对象识别方法、装置及存储介质
CN113923775B (zh) 一种定位信息质量评估的方法、装置、设备和存储介质
CN112435333B (zh) 一种道路场景的生成方法以及相关装置
CN112269939B (zh) 自动驾驶的场景搜索方法、装置、终端、服务器及介质
CN110795994B (zh) 路口图像选择方法及装置
CN113822263A (zh) 图像标注方法、装置、计算机设备及存储介质
CN117109623A (zh) 一种智能穿戴式导航交互方法、系统及介质
CN116668580B (zh) 场景识别的方法、电子设备及可读存储介质
CN116071614A (zh) 样本数据处理方法、相关设备及存储介质
CN115471495A (zh) 模型鲁棒性检测方法、相关装置及存储介质
CN112798005B (zh) 一种道路数据的处理方法以及相关装置
CN110399688B (zh) 自动驾驶的环境工况确定方法、装置及存储介质
CN113819913A (zh) 一种路径规划方法及装置、计算机设备和存储介质
CN111738282A (zh) 一种基于人工智能的图像识别方法和相关设备

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