CN111209291A - 一种利用众包感知地图更新高精度地图的方法及系统 - Google Patents
一种利用众包感知地图更新高精度地图的方法及系统 Download PDFInfo
- Publication number
- CN111209291A CN111209291A CN201911401192.6A CN201911401192A CN111209291A CN 111209291 A CN111209291 A CN 111209291A CN 201911401192 A CN201911401192 A CN 201911401192A CN 111209291 A CN111209291 A CN 111209291A
- Authority
- CN
- China
- Prior art keywords
- precision
- lane
- crowdsourcing
- map
- relation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000008447 perception Effects 0.000 title claims abstract description 10
- 230000009466 transformation Effects 0.000 claims abstract description 38
- 230000008859 change Effects 0.000 claims abstract description 29
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000012216 screening Methods 0.000 claims abstract description 8
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 29
- 230000000875 corresponding effect Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 8
- 238000013075 data extraction Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/02—Affine transformations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
- Instructional Devices (AREA)
Abstract
本发明涉及一种利用众包感知地图更新高精度地图的方法及系统，基于众包地图车道路网位置及拓扑关系与高精度车道路网建立关联关系，传统地图与众包高精度车道路网的关联方法，通过预处理筛选减少匹配量，提高匹配效率，通过路网匹配关联到车道匹配关联，进一步缩小计算量较大的车道匹配过程计算量，在根据车道特征变化点关联关系及地物点位信息关联关系获取众包数据与高精度数据坐标变换关系，提高众包数据精度，达到保证精度限制下的众包地图高效更新高精度地图目的。
Description
技术领域
本发明涉及高精度电子地图制作技术领域，具体涉及一种利用众包感知地图更新高精度地图的方法及系统。
背景技术
高精度电子地图主要服务于自动驾驶车辆，为自动驾驶车辆提供路段内车道级别规划和自车定位辅助，这就要求高精度电子地图不仅要精度高而且更新频率远高于传统电子地图且更新成本尽量降低，目前高精度地图制作主要采用高成本专业测绘车采集、内业人工制作手段生成，该过程周期长成本高，人工依赖度高，很难提升更新频率，而直接使用众包地图数据又保证不了精度满足自动驾驶需求。
发明内容
本发明针对现有技术中存在的技术问题，提供一种利用众包感知地图更新高精度地图的方法及系统，用于实现高精度电子地图基于众包地图自动化更新且基于待更新数据保证更新数据精度，减少人工作业依赖，提高更新效率，降低高精度地图更新成本。
本发明解决上述技术问题的技术方案如下：
第一方面，本发明提供一种利用众包感知地图更新高精度地图的方法，包括以下步骤：
步骤1，基于众包地图车道路网位置及拓扑关系与高精度车道路网建立关联关系，根据空间位置获取众包道路周边一定阈值范围高精度道路路网，预处理过滤获取可能相关联的高精度道路线集合L2，减少后续匹配计算数据量；
步骤2，按道路通行方向及空间位置关系获取路口间众包道路与路口间高精度道路的关联关系，通过拓扑关系在现实世界一致性原则，构建路口内道路关联关系，没有构建到关联关系的众包道路标记为新增道路；
步骤3，对已经建立关联关系的众包道路和高精度地图道路进行匹配，构建车道级关联关系；
步骤4，根据车道与地物数据关联关系、地物空间位置关系及所述车道级关联关系综合构建众包地图地物与高精度地图地物之间关联关系；
步骤5，收集关联地物空间位置点及关联车道特征变化点坐标，根据所述特征班变化点构建仿射变换关系；
步骤6、通过已生成仿射变换关系对众包数据中的车道、地物空间坐标进行仿射变换，生成变换后车道数据和地物数据，提升众包地图精度；
步骤7，对比众包数据与高精度数据，识别提取车道级差异数据；
步骤8，利用所述差异数据，更新高精度地图数据。
进一步的，所述步骤1，包括：
步骤101，以众包地图路口间道路为主体，构建外接正方形区域；
步骤102，判断高精度道路线是否与所述正方形区域有交集。
步骤103，过滤归集出所有有交集的高精度道路线集合L1。
步骤104，通过众包道路通行方向筛选删除集合L1中方向不一致高精度道路线，得到集合L2。
进一步的，所述步骤2，包括：
步骤201，对所述高精度道路线集合L2做进一步处理，通过众包道路数据两端点做垂线与高精度道路交点及高精度道路两端做垂线与众包道路交点，获取两条道路最小近似部分；
步骤202，以道路通行方向为正方向，计算最小近似部分两条道路之间的夹角
步骤203，获取角度范围在最小阈值min_angle及最大阈值max_angle之间的高精度道路集合L3,即
的高精度道路集合；
步骤204，计算传统link与所述集合L3中每一条众包link的形点平均距离，取距离最近且距离小于阈值dis_threshold的众包link为该传统link关联的众包高精度link；
步骤205，对于未找到关联的高精度道路及路口内道路，通过众包路网拓扑关系及高精度道路网拓扑关系结合已经建立成功的关联关系进行路网探索，获取完整众包路网link与高精度路网link关联关系，没有关联关系的众包道路标记为新增道路。
进一步的，所述步骤3包括：
步骤301，在道路匹配范围内，众包车道与高精度车道进行面积匹配，当面积匹配大于匹配阈值则表示匹配成功；
步骤302，根据同一道路上的车道接续关系，构建面积匹配失败记录的关联关系，该阶段仍未关联成功的众包记录标记为新增记录，没匹配成功的高精度记录标记为删除记录。
进一步的，所述步骤4包括：
步骤401，根据车道关联关系提取，众包车道和高精度车道分别关联的地物数据；
步骤402，地物与车道相对位置关系一致的地物记录，即同在车道左侧或同在地物右侧，相对车道距离一致，延车道通行方向上顺序一致，在进行空间距离最近做最后筛选，匹配出地物关联关系。
进一步的，所述步骤5包括：
步骤501，根据地物关联关系收集地物形点对应关系集合D1；
步骤502，根据车道关联关系，收集车道特征变化点，基于现实一致性，验证众包车道特征变化点之间距离与高精度车道特征变化点之间距离，收集距离一致车道特征变化点形点对应集合D2；
步骤503，通过D1和D2中形点对应关系，构建仿射变换关系，生成该版数据坐标对应仿射变换关系。
进一步的，所述步骤7包括：
步骤701，对坐标变换后车道数据在步骤3车道关联关系限制下，进行车道形状对比，超出连续长度阈值范围外的形状偏移记录为车道形状变更，记录变更路段编号、相对长度、关联高精度车道上的相对长度，关联高精度车道编号信息；
步骤702，对坐标变换后地物数据，根据属性和位置关系做空间位置关系比较，识别出种别一致记录的匹配、增加及删除信息记录。
第二方面，本发明提供一种利用众包感知地图更新高精度地图的系统，包括：
路网关联及预处理模块，用于基于众包地图车道路网位置及拓扑关系与高精度车道路网建立关联关系，根据空间位置获取众包道路周边一定阈值范围高精度道路路网，预处理过滤获取可能相关联的高精度道路线集合L2，减少后续匹配计算数据量；
路口道路关联关系建立模块，用于按道路通行方向及空间位置关系获取路口间众包道路与路口间高精度道路的关联关系，通过拓扑关系在现实世界一致性原则，构建路口内道路关联关系，没有构建到关联关系的众包道路标记为新增道路；
车道级关联关系建立模块，用于对已经建立关联关系的众包道路和高精度地图道路进行匹配，构建车道级关联关系；
地物关联关系建立模块，用于根据车道与地物数据关联关系、地物空间位置关系及车道级关联关系综合构建众包地图地物与高精度地图地物之间关联关系；
仿射变换关系建立模块，用于收集关联地物空间位置点及关联车道特征变化点坐标，根据所述特征变化点构建仿射变换关系；
仿射变换模块，用于通过已生成仿射变换关系对众包数据中的车道、地物空间坐标进行仿射变换，生成变换后车道数据和地物数据，提升众包地图精度；
差异数据提取模块，用于对比众包数据与高精度数据，识别车道级差异数据；
地图更新模块，利用所述差异数据，更新高精度地图数据。
第三方面，本发明提供一种电子设备，包括：
存储器，用于存储计算机软件程序；
处理器，用于读取并执行所述存储器存储的计算机软件程序，用于实现本发明第一方面所述的一种利用众包感知地图更新高精度地图的方法。
第四方面，本发明提供一种非暂态计算机可读存储介质，所述存储介质内存储有用于实现本发明第一方面所述的一种利用众包感知地图更新高精度地图的方法的计算机软件程序。
本发明的有益效果是：本发明中传统地图与众包高精度车道路网关联方法通过预处理筛选减少匹配量，提高匹配效率，通过路网匹配关联到车道匹配关联，进一步缩小计算量较大的车道匹配过程计算量，在根据车道特征变化点关联关系及地物点位信息关联关系获取众包数据与高精度数据坐标变换关系，提高众包数据精度，达到保证精度限制下的众包地图高效更新高精度地图目的。
附图说明
图1为一种众包感知地图与高精度地图匹配、更新方法及系统的流程图。
图2为本发明实施例提供的道路外接正方形示意图。
图3为本发明实施例提供的最小近似道路段示意图。
图4为本发明实施例提供的近似路段道路夹角范围说明图。
图5为本发明实施例提供的系统结构图。
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。
实施例一
本发明实施例提供一种利用众包感知地图更新高精度地图的方法，基于众包地图车道路网位置及拓扑关系与高精度车道路网建立关联关系，根据路网关联关系构建车道级关联关系，在结合地物与车道关联关系进一步生成众包地物数据与高精度地物数据关联关系，有关联关系的地物及车道特征变化点作为特征点可以生成众包地图与高精度地图位空间置仿射变换关系，基于该变换关系将众包地图数据进行精度提升然后进一步寻找差异最后更新高精度地图数据。该方法在实施之前需要满足以下条件：
1)众包地图数据与高精度地图数据加密操作一致或均未加密。
2)众包地图和高精度地图路网拓扑关系已经构建完毕。
具体实施过程如图1所示，该方法包括以下步骤：
1.众包地图数据及待更新高精度数据获取。
1.1)加载已经构建完整拓扑关系的众包地图数据和待更新高精度数据。
1.2)以众包地图数据路口间道路线首尾点连线为中线，连线长度为边长构建众包道路线外接正方形，如图2所示。
1.3)以1.2)中外接正方形空间范围过滤获取高精度地图道路线集合L1，通过众包地图数据道路等级及道路属性一致性原则筛选删除L1中道路等级及属性与待更新高精度地图数据不一致的道路，得到高精度地图道路线集合L2。
2、道路级关联关系建立
2.1)通过众包地图道路线两端点做垂线与高精度地图道路线交点及高精度地图道路线两端点做垂线与众包地图道路线交点，获取两条道路线最小近似部分，如图3所示。
2.2)以众包地图数据道路通行方向为正方向，计算两条道路线之间的夹角
如图4所示。获取角度范围在阈值范围内的高精度地图道路线集合，即获取
在0到90度之间的高精度地图道路线集合L3。
2.3)计算众包地图道路线与L3中每条高精度地图道路线的距离，获取最小距离min_dis及该高精度地图道路线，如果min_dis小于最大距离阈值20m，即min_dis<20则众包地图道路线与该高精度地图道路线建立关联关系。
2.4)对于未找到关联的众包地图道路线及路口内道路线，通过众包地图路网拓扑关系及高精度地图路网拓扑关系并结合已经建立关联的路网关系进行探索，进而将缺少关联信息的众包地图道路与高精度地图道路建立关联，完成完整众包地图路网与高精度地图道路网关联关系建立，没有构建到关联关系的众包道路记录新增道路，没有关联的高精度地图数据记录为待删除数据。
3、车道级关联关系建立
3.1)通过道路关联关系提取道路关联的车道数据。
3.2)通过车道边线构建计算车道面形状及面积。
3.3)在道路关联范围内计算众包车道与高精度车道面积重叠度，重叠度关联阈值50％，大于该值表示关联成功。
3.4)根据统一道路上车道纵向和横向排序关系，构建面积构建没能建立关联关系的车道记录，该阶段后仍未能关联的众包车道数据记录为新增车道、关联成功的高精度车道标记为删除车道。
4、地物及关联关系建立
1)根据车道关联关系提取，众包车道和高精度车道分别关联的地物数据。
2)地物与车道相对位置关系一致的地物记录，即同在车道左侧或同在地物右侧，相对车道距离一致，延车道通行方向上顺序一致，再进行空间距离最近条件做最后筛选，获取地物匹配关联关系。
5、众包地图数据精度提升
1)根据地物关联关系收集地物形点对应关系集合D1。
2)根据车道关联关系，收集车道特征变化(虚实、单双、颜色)变化特征点，基于现实一致性，验证众包车道特征变化点之间距离与高精度车道特征变化点之间距离，收集距离一致车道特征变化点形点对应集合D2。
3)通过D1和D2中形点对应关系，构建仿射变换关系，生成该版数据坐标对应仿射变换关系。
4)对车道、地物空间坐标进行仿射变换，生成变换后车道数据和地物数据。
6.基于空间位置进行差异提取
1)对坐标变换后车道数据结合车道关联关系限制，进行车道形状对比，超出连续长度阈值范围外的形状偏移记录为车道形状变更，记录变更路段编号、相对长度、关联高精度车道上的相对长度，关联高精度车道编号信息。
2)对坐标变换后地物数据，根据属性和位置关系做空间位置关系比较，识别出种别一致记录的匹配、增加及删除信息记录。
7.差分数据替换更新
1)利用识别差异数据及增删数据信息删除、修改、增加高精度地图道路网、车道和地物数据。
实施例二
为实现本发明实施例一提供的一种利用众包感知地图更新高精度地图的方法，本发明实施例二提供一种利用众包感知地图更新高精度地图的系统，包括：
路网关联及预处理模块，用于基于众包地图车道路网位置及拓扑关系与高精度车道路网建立关联关系，根据空间位置获取众包道路周边一定阈值范围高精度道路路网，预处理过滤获取可能相关联的高精度道路线集合L2，减少后续匹配计算数据量；
路口道路关联关系建立模块，用于按道路通行方向及空间位置关系获取路口间众包道路与路口间高精度道路的关联关系，通过拓扑关系在现实世界一致性原则，构建路口内道路关联关系，没有构建到关联关系的众包道路标记为新增道路；
车道级关联关系建立模块，用于对已经建立关联关系的众包道路和高精度地图道路进行匹配，构建车道级关联关系；
地物关联关系建立模块，用于根据车道与地物数据关联关系、地物空间位置关系及车道级关联关系综合构建众包地图地物与高精度地图地物之间关联关系；
仿射变换关系建立模块，用于收集关联地物空间位置点及关联车道特征变化点坐标，根据所述特征变化点构建仿射变换关系；
仿射变换模块，用于通过已生成仿射变换关系对众包数据中的车道、地物空间坐标进行仿射变换，生成变换后车道数据和地物数据，提升众包地图精度；
差异数据提取模块，用于对比众包数据与高精度数据，识别车道级差异数据；
地图更新模块，利用所述差异数据，更新高精度地图数据。
需要说明的是，实施例一中所述的方法可以通过计算机软件程序实现，基于此，本发明实施例还提供一种电子设备，包括：
存储器，用于存储计算机软件程序；
处理器，用于读取并执行所述存储器存储的计算机软件程序，用于实现实施例一提供的一种利用众包感知地图更新高精度地图的方法。
同时还需说明的是，计算机软件程序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。
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)
1.一种利用众包感知地图更新高精度地图的方法，其特征在于，包括以下步骤：
步骤1，基于众包地图车道路网位置及拓扑关系与高精度车道路网建立关联关系，根据空间位置获取众包道路周边一定阈值范围高精度道路路网，预处理过滤获取可能相关联的高精度道路线集合L2，减少后续匹配计算数据量；
步骤2，按道路通行方向及空间位置关系获取路口间众包道路与路口间高精度道路的关联关系，通过拓扑关系在现实世界一致性原则，构建路口内道路关联关系，没有构建到关联关系的众包道路标记为新增道路；
步骤3，对已经建立关联关系的众包道路和高精度地图道路进行匹配，构建车道级关联关系；
步骤4，根据车道与地物数据关联关系、地物空间位置关系及所述车道级关联关系综合构建众包地图地物与高精度地图地物之间关联关系；
步骤5，收集关联地物空间位置点及关联车道特征变化点坐标，根据所述特征班变化点构建仿射变换关系；
步骤6、通过已生成仿射变换关系对众包数据中的车道、地物空间坐标进行仿射变换，生成变换后车道数据和地物数据，提升众包地图精度；
步骤7，对比众包数据与高精度数据，识别提取车道级差异数据；
步骤8，利用所述差异数据，更新高精度地图数据。
2.根据权利要求1所述的方法，其特征在于，所述步骤1，包括：
步骤101，以众包地图路口间道路为主体，构建外接正方形区域；
步骤102，判断高精度道路线是否与所述正方形区域有交集。
步骤103，过滤归集出所有有交集的高精度道路线集合L1。
步骤104，通过众包道路通行方向筛选删除集合L1中方向不一致高精度道路线，得到集合L2。
3.根据权利要求1所述的方法，其特征在于，所述步骤2，包括：
步骤201，对所述高精度道路线集合L2做进一步处理，通过众包道路数据两端点做垂线与高精度道路交点及高精度道路两端做垂线与众包道路交点，获取两条道路最小近似部分；
步骤202，以道路通行方向为正方向，计算最小近似部分两条道路之间的夹角
步骤203，获取角度范围在最小阈值min_angle及最大阈值max_angle之间的高精度道路集合L3,即
的高精度道路集合；
步骤204，计算传统link与所述集合L3中每一条众包link的形点平均距离，取距离最近且距离小于阈值dis_threshold的众包link为该传统link关联的众包高精度link；
步骤205，对于未找到关联的高精度道路及路口内道路，通过众包路网拓扑关系及高精度道路网拓扑关系结合已经建立成功的关联关系进行路网探索，获取完整众包路网link与高精度路网link关联关系，没有关联关系的众包道路标记为新增道路。
4.根据权利要求1所述的方法，其特征在于，所述步骤3包括：
步骤301，在道路匹配范围内，众包车道与高精度车道进行面积匹配，当面积匹配大于匹配阈值则表示匹配成功；
步骤302，根据同一道路上的车道接续关系，构建面积匹配失败记录的关联关系，该阶段仍未关联成功的众包记录标记为新增记录，没匹配成功的高精度记录标记为删除记录。
5.根据权利要求1所述的方法，其特征在于，所述步骤4包括：
步骤401，根据车道关联关系提取，众包车道和高精度车道分别关联的地物数据；
步骤402，地物与车道相对位置关系一致的地物记录，即同在车道左侧或同在地物右侧，相对车道距离一致，延车道通行方向上顺序一致，在进行空间距离最近做最后筛选，匹配出地物关联关系。
6.根据权利要求1所述的方法，其特征在于，所述步骤5包括：
步骤501，根据地物关联关系收集地物形点对应关系集合D1；
步骤502，根据车道关联关系，收集车道特征变化点，基于现实一致性，验证众包车道特征变化点之间距离与高精度车道特征变化点之间距离，收集距离一致车道特征变化点形点对应集合D2；
步骤503，通过D1和D2中形点对应关系，构建仿射变换关系，生成该版数据坐标对应仿射变换关系。
7.根据权利要求1所述的方法，其特征在于，所述步骤7包括：
步骤701，对坐标变换后车道数据在步骤3车道关联关系限制下，进行车道形状对比，超出连续长度阈值范围外的形状偏移记录为车道形状变更，记录变更路段编号、相对长度、关联高精度车道上的相对长度，关联高精度车道编号信息；
步骤702，对坐标变换后地物数据，根据属性和位置关系做空间位置关系比较，识别出种别一致记录的匹配、增加及删除信息记录。
8.一种利用众包感知地图更新高精度地图的系统，其特征在于，包括：
路网关联及预处理模块，用于基于众包地图车道路网位置及拓扑关系与高精度车道路网建立关联关系，根据空间位置获取众包道路周边一定阈值范围高精度道路路网，预处理过滤获取可能相关联的高精度道路线集合L2，减少后续匹配计算数据量；
路口道路关联关系建立模块，用于按道路通行方向及空间位置关系获取路口间众包道路与路口间高精度道路的关联关系，通过拓扑关系在现实世界一致性原则，构建路口内道路关联关系，没有构建到关联关系的众包道路标记为新增道路；
车道级关联关系建立模块，用于对已经建立关联关系的众包道路和高精度地图道路进行匹配，构建车道级关联关系；
地物关联关系建立模块，用于根据车道与地物数据关联关系、地物空间位置关系及车道级关联关系综合构建众包地图地物与高精度地图地物之间关联关系；
仿射变换关系建立模块，用于收集关联地物空间位置点及关联车道特征变化点坐标，根据所述特征变化点构建仿射变换关系；
仿射变换模块，用于通过已生成仿射变换关系对众包数据中的车道、地物空间坐标进行仿射变换，生成变换后车道数据和地物数据，提升众包地图精度；
差异数据提取模块，用于对比众包数据与高精度数据，识别车道级差异数据；
地图更新模块，利用所述差异数据，更新高精度地图数据。
9.一种电子设备，其特征在于，包括：
存储器，用于存储计算机软件程序；
处理器，用于读取并执行所述存储器存储的计算机软件程序，用于实现权利要求1-7任一项所述的一种利用众包感知地图更新高精度地图的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述存储介质内存储有用于实现权利要求1-7任一项所述的一种利用众包感知地图更新高精度地图的方法的计算机软件程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911401192.6A CN111209291B (zh) | 2019-12-31 | 2019-12-31 | 一种利用众包感知地图更新高精度地图的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911401192.6A CN111209291B (zh) | 2019-12-31 | 2019-12-31 | 一种利用众包感知地图更新高精度地图的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111209291A true CN111209291A (zh) | 2020-05-29 |
| CN111209291B CN111209291B (zh) | 2022-09-20 |
Family
ID=70784129
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911401192.6A Active CN111209291B (zh) | 2019-12-31 | 2019-12-31 | 一种利用众包感知地图更新高精度地图的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111209291B (zh) |
Cited By (7)
| 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 |
| CN112833891A (zh) * | 2020-12-31 | 2021-05-25 | 武汉光庭信息技术股份有限公司 | 基于卫片识别的道路数据与车道级地图数据的融合方法 |
| CN113029185A (zh) * | 2021-03-04 | 2021-06-25 | 清华大学 | 众包式高精度地图更新中道路标线变化检测方法及系统 |
| CN113407559A (zh) * | 2021-07-15 | 2021-09-17 | 广州小鹏自动驾驶科技有限公司 | 更新方法、装置及计算机存储介质 |
| CN114396959A (zh) * | 2022-03-25 | 2022-04-26 | 华砺智行(武汉)科技有限公司 | 基于高精度地图的车道匹配定位方法、装置、设备及介质 |
| CN115962787A (zh) * | 2023-03-16 | 2023-04-14 | 安徽蔚来智驾科技有限公司 | 地图更新、自动驾驶控制方法、设备、介质及车辆 |
| CN117870651A (zh) * | 2024-03-11 | 2024-04-12 | 北京理工大学前沿技术研究院 | 基于rtk-slam技术的地图高精度采集方法、存储器及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140278055A1 (en) * | 2013-03-15 | 2014-09-18 | Hewlett-Packard Development Company, L.P. | Updating road maps |
| CN105279181A (zh) * | 2014-07-04 | 2016-01-27 | 北京市测绘设计研究院 | 一种房屋电子地图快速更新方法和系统 |
| CN110287276A (zh) * | 2019-05-27 | 2019-09-27 | 百度在线网络技术（北京）有限公司 | 高精地图更新方法、装置及存储介质 |
-
2019
- 2019-12-31 CN CN201911401192.6A patent/CN111209291B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140278055A1 (en) * | 2013-03-15 | 2014-09-18 | Hewlett-Packard Development Company, L.P. | Updating road maps |
| CN105279181A (zh) * | 2014-07-04 | 2016-01-27 | 北京市测绘设计研究院 | 一种房屋电子地图快速更新方法和系统 |
| CN110287276A (zh) * | 2019-05-27 | 2019-09-27 | 百度在线网络技术（北京）有限公司 | 高精地图更新方法、装置及存储介质 |
Cited By (10)
| 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 |
| 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 |
| CN112833891A (zh) * | 2020-12-31 | 2021-05-25 | 武汉光庭信息技术股份有限公司 | 基于卫片识别的道路数据与车道级地图数据的融合方法 |
| CN113029185A (zh) * | 2021-03-04 | 2021-06-25 | 清华大学 | 众包式高精度地图更新中道路标线变化检测方法及系统 |
| CN113029185B (zh) * | 2021-03-04 | 2023-01-03 | 清华大学 | 众包式高精度地图更新中道路标线变化检测方法及系统 |
| CN113407559A (zh) * | 2021-07-15 | 2021-09-17 | 广州小鹏自动驾驶科技有限公司 | 更新方法、装置及计算机存储介质 |
| CN114396959A (zh) * | 2022-03-25 | 2022-04-26 | 华砺智行(武汉)科技有限公司 | 基于高精度地图的车道匹配定位方法、装置、设备及介质 |
| CN115962787A (zh) * | 2023-03-16 | 2023-04-14 | 安徽蔚来智驾科技有限公司 | 地图更新、自动驾驶控制方法、设备、介质及车辆 |
| CN117870651A (zh) * | 2024-03-11 | 2024-04-12 | 北京理工大学前沿技术研究院 | 基于rtk-slam技术的地图高精度采集方法、存储器及存储介质 |
| CN117870651B (zh) * | 2024-03-11 | 2024-05-07 | 北京理工大学前沿技术研究院 | 基于rtk-slam技术的地图高精度采集方法、存储器及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111209291B (zh) | 2022-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111209291B (zh) | 一种利用众包感知地图更新高精度地图的方法及系统 | |
| WO2024077812A1 (zh) | 基于点云语义分割与结构拟合的单体建筑三维重建方法 | |
| CN108088448B (zh) | 一种高精度车道组与传统道路的匹配方法及装置 | |
| CN108564874B (zh) | 地面标志提取的方法、模型训练的方法、设备及存储介质 | |
| CN111179152B (zh) | 一种道路标识识别方法及装置、介质、终端 | |
| CN110363771B (zh) | 一种基于三维点云数据的隔离护栏形点提取方法及装置 | |
| CN109214314B (zh) | 一种车道线自动融合匹配算法 | |
| EP4120123A1 (en) | Scan line-based road point cloud extraction method | |
| CN111221808A (zh) | 一种无人值守的高精度地图质检方法和装置 | |
| CN115294293B (zh) | 基于低空航摄成果自动化编译高精地图道路参考线的方法 | |
| CN110659058A (zh) | 一种众包地图数据增量更新方法及装置 | |
| CN112419505A (zh) | 一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法 | |
| CN114758086A (zh) | 一种城市道路信息模型的构建方法及装置 | |
| CN112733781A (zh) | 结合poi数据的城市功能区识别方法、存储介质和电子设备 | |
| CN112435336B (zh) | 一种弯道类型识别方法、装置、电子设备及存储介质 | |
| CN115423968A (zh) | 基于点云数据和实景三维模型的输电通道优化方法 | |
| CN113742437B (zh) | 地图更新方法、装置、电子设备和存储介质 | |
| CN110033459B (zh) | 顾及地物完整性的大规模点云快速分块方法 | |
| CN110544201A (zh) | 一种车载激光扫描点云的大范围拼接方法及装置 | |
| CN114705180A (zh) | 高精地图的数据修正方法、装置、设备及存储介质 | |
| CN111209826B (zh) | 一种高精度地图护栏的半自动点云提取方法及装置 | |
| JP2006023958A (ja) | 道路領域決定可能プログラム及び道路領域決定方法 | |
| CN110287244B (zh) | 一种基于多次聚类的交通灯定位方法 | |
| CN115792958A (zh) | 一种基于3d激光雷达的无人矿车障碍物检测方法 | |
| CN113378800A (zh) | 基于车载三维点云的道路标志线自动分类与矢量化方法 |
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 |