CN111667545B - 高精度地图生成方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种高精度地图生成方法、装置、电子设备及存储介质，所述方法包括：获取道路的图像数据以及激光点云数据；基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类；基于所述像素坐标确定所述各点的地图坐标；基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图。本发明可以实现基于道路中各点的像素坐标确定对应的地图坐标，进而可以结合道路名称和点的种类快速、准确的生成高精度地图，可以为后续在各种环境中控制自动驾驶车辆进行行驶提供准确的地图依据。

Description

高精度地图生成方法、装置、电子设备及存储介质

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种高精度地图生成方法、装置、电子设备及存储介质。

背景技术

随着自动驾驶技术的发展，高精度地图也在其中发挥着越来越重要的作用，基于高精度地图才能知道自动驾驶车辆在哪里以及要去哪里，因而如何生成高精度地图是自动驾驶领域的核心问题。

现有技术中的高精度地图通常依赖于具有RTK(Real-Time Kinematic，实时动态定位)的高精度GPS和惯性测量单元(IMU)组合导航系统，但其成本过于昂贵，同时在高楼大厦、隧道、地下车库等信号微弱甚至没有信号的环境，或者在车辆急速转弯、抖动、天气恶劣的情况下，误差都会变大到远远无法达到高精度厘米(cm)级别的要求，并且，采用上述高精地图生成方案需要耗费较多时间，无法满足用户对于快速、高效的生成高精度地图的需求。

发明内容

有鉴于此，本发明提出一种高精度地图生成方法、装置、电子设备及存储介质以解决上述技术问题。

为了达到上述目的，本发明所采用的技术方案为：

根据本发明实施例的第一方面，提出了一种高精度地图生成方法，包括：

获取道路的图像数据以及激光点云数据；

基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类；

基于所述像素坐标确定所述各点的地图坐标；

基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图。

在一实施例中，所述获取道路的图像数据以及激光点云数据，包括：

获取分别通过车载摄像装置采集和激光雷达采集的道路的图像数据以及所述激光点云数据，所述图像数据和所述激光点云数据由车辆携带所述车载摄像装置和所述激光雷达行驶在所述道路上进行采集。

在一实施例中，所述基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类，包括：

从所述图像数据中识别道路关键点，得到像素坐标系下所述道路中各关键点和非关键点的像素坐标；

标定所述各关键点的设定种类和所属的道路名称，以及所述非关键点所属的道路名称。

在一实施例中，所述所属设定种类包括道路起始点、道路终点以及交叉路口中的至少一种。

在一实施例中，所述基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图，包括：

对所属的道路名称相同的各关键点和非关键点进行拟合，得到相应的车道线；

将所述车道线和所述道路名称进行关联，得到高精度地图。

在一实施例中，所述基于所述像素坐标确定所述各点的地图坐标，包括：

获取所述激光点云数据与所述图像数据的对应关系；

基于所述对应关系将所述各点的像素坐标转换至地图坐标系，得到所述各点的地图坐标。

根据本发明实施例的第二方面，提出了一种高精度地图生成装置，包括：

图像点云获取模块，用于获取道路的图像数据以及激光点云数据；

坐标种类确定模块，用于基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类；

地图坐标确定模块，用于基于所述像素坐标确定所述各点的地图坐标；

高精地图生成模块，用于基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图。

在一实施例中，所述图像点云获取模块，还用于获取分别通过车载摄像装置采集和激光雷达采集的道路的图像数据以及所述激光点云数据，所述图像数据和所述激光点云数据由车辆携带所述车载摄像装置和所述激光雷达行驶在所述道路上进行采集。

在一实施例中，所述坐标种类确定模块，包括：

像素坐标获取单元，用于从所述图像数据中识别道路关键点，得到像素坐标系下所述道路中各关键点和非关键点的像素坐标；

种类名称标定单元，用于标定所述各关键点的设定种类和所属的道路名称，以及所述非关键点所属的道路名称。

在一实施例中，所述所属设定种类包括道路起始点、道路终点以及交叉路口中的至少一种。

在一实施例中，所述高精地图生成模块，包括：

车道线获取单元，用于对所属的道路名称相同的各关键点和非关键点进行拟合，得到相应的车道线；

高精地图生成单元，用于将所述车道线和所述道路名称进行关联，得到高精度地图。

在一实施例中，所述地图坐标确定模块，包括：

对应关系获取单元，用于获取所述激光点云数据与所述图像数据的对应关系；

地图坐标确定单元，用于基于所述对应关系将所述各点的像素坐标转换至地图坐标系，得到所述各点的地图坐标。

根据本发明实施例的第三方面，提出了一种电子设备，所述电子设备包括：

处理器；

被配置为存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取道路的图像数据以及激光点云数据；

基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类；

基于所述像素坐标确定所述各点的地图坐标；

基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图。

根据本发明实施例的第四方面，提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器处理时实现：

获取道路的图像数据以及激光点云数据；

基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类；

基于所述像素坐标确定所述各点的地图坐标；

基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图。

与现有技术相比较，本发明通过获取道路的图像数据以及激光点云数据，并基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类，以及基于所述像素坐标确定所述各点的地图坐标，进而基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图，由于基于获取的道路的图像数据和激光点云数据确定像素坐标系下道路中各点的像素坐标、道路名称和点的种类，因而可以基于道路中各点的像素坐标确定对应的地图坐标，进而可以结合道路名称和点的种类快速、准确的生成高精度地图，可以为后续在各种环境中控制自动驾驶车辆进行行驶提供准确的地图依据。

附图说明

图1示出了根据本发明的一示例性实施例的高精度地图生成方法的流程图；

图2示出了根据本发明的一示例性实施例的如何基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类的流程图；

图3示出了根据本发明的一示例性实施例的如何基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图的流程图；

图4示出了根据本发明的一示例性实施例的如何基于所述像素坐标确定所述各点的地图坐标的流程图；

图5示出了根据本发明的一示例性实施例的高精度地图生成装置的结构框图；

图6示出了根据本发明的另一示例性实施例的高精度地图生成装置的结构框图；

图7示出了根据本发明的一示例性实施例的电子设备的结构框图。

具体实施方式

以下将结合附图所示的具体实施例对本发明进行详细描述。但这些实施例并不限制本发明，本领域的普通技术人员根据这些实施例所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。

在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本发明可能采用术语实际、预测等来描述各种结构，但这些结构不应限于这些术语。这些术语仅用来将同一类型的结构彼此区分开。

图1示出了根据本发明的一示例性实施例的高精度地图生成方法的流程图。本实施例的方法可以应用于终端设备(如，车载终端、智能手机、平板电脑或笔记本电脑等)，或者，可以应用于服务端(如，一台服务器或多台服务器组成的服务器集群等)。如图1所示，该方法包括以下步骤S101-S103：

在步骤S101中，获取道路的图像数据以及激光点云数据。

本实施例中，为了绘制目标环境的高精度地图，可以先获取该目标环境内各条道路的图像数据以及激光点云数据。

值得说明的是，上述目标环境可以由开发人员基于实际业务需要进行设置，如设置为国家、城市、行政区或自定义区域等，本实施例对此不进行限定。

在一可选的实施例中，可以获取分别通过车载摄像装置采集和激光雷达采集的道路的图像数据以及所述激光点云数据。

其中，上述图像数据和激光点云数据可以由车辆携带车载摄像装置和激光雷达行驶在各条道路上进行采集。

在步骤S102中，基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类。

本实施例中，当获取道路的图像数据以及激光点云数据后，可以基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类。

举例来说，当获取道路的图像数据以及激光点云数据后，可以从基于图像识别方法从图像数据中获取位于道路上的各点的像素坐标，并为道路上的各点匹配相应的道路名称以及各点所属设定种类。

值得说明的是，上述设定种类可以由开发人员基于实际应用场景进行设置，如设置为道路起始点、道路终点以及交叉路口等，本实施例对此不进行限定。

在另一可选的实施例中，上述基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类的方式还可以参见下述图2所示实施例，在此先不进行详述。

在步骤S103中，基于所述像素坐标确定所述各点的地图坐标。

本实施例中，在基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标后，可以基于所述像素坐标确定所述各点的地图坐标。

举例来说，当确定像素坐标系下所述道路中各点的像素坐标后，可以基于预先确定的图像坐标系与地图坐标系的对应关系，对像素坐标系下所述道路中各点的像素坐标进行坐标系转换，从而得到各点的地图坐标。

值得说明的是，上述图像坐标系与地图坐标系的对应关系可以由开发人员基于相关技术中的方案进行确定，所得的结果都适用于本实施例的后续步骤，本实施例对此不进行限定。

在另一可选的实施例中，上述基于所述像素坐标确定所述各点的地图坐标的方式还可以参见下述图4所示实施例，在此先不进行详述。

在步骤S104中，基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图。

本实施例中，当基于所述像素坐标确定所述各点的地图坐标后，可以基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图。

举例来说，当基于像素坐标确定上述道路中各点的地图坐标后，可以基于各点的地图坐标以及各点所属设定种类确定相应的道路边线(如，车道线等)，并将得到的道路边线与各点所属的道路名称进行匹配，从而生成高精度地图。

在另一可选的实施例中，上述基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图的方式还可以参见下述图3所示实施例，在此先不进行详述。

由上述描述可知，本实施例通过获取道路的图像数据以及激光点云数据，并基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类，以及基于所述像素坐标确定所述各点的地图坐标，进而基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图，由于基于获取的道路的图像数据和激光点云数据确定像素坐标系下道路中各点的像素坐标、道路名称和点的种类，因而可以基于道路中各点的像素坐标确定对应的地图坐标，进而可以结合道路名称和点的种类快速、准确的生成高精度地图，可以为后续在各种环境中控制自动驾驶车辆进行行驶提供准确的地图依据。

图2示出了根据本发明的一示例性实施例的如何基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类的流程图；本实施例在上述实施例的基础上以如何基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类为例进行示例性说明。如图2所示，上述步骤S102中基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类，可以包括以下步骤S201-S202：

在步骤S201中，从所述图像数据中识别道路关键点，得到像素坐标系下所述道路中各关键点和非关键点的像素坐标。

本实施例中，当获取道路的图像数据以及激光点云数据后，可以从所述图像数据中识别道路关键点，得到像素坐标系下所述道路中各关键点和非关键点的像素坐标。

举例来说，当获取道路的图像数据后，可以从该图像数据中识别道路关键点，并将道路中除关键点之外的点确定为非关键点，进而可以各关键点和非关键点在像素坐标系下的像素坐标。

值得说明的是，上述关键点可以包括道路上的起点以及终点。

在步骤S202中，标定所述各关键点的设定种类和所属的道路名称，以及所述非关键点所属的道路名称。

本实施例中，当从所述图像数据中识别道路关键点，得到像素坐标系下所述道路中各关键点和非关键点的像素坐标后，可以标定所述各关键点的设定种类和所属的道路名称，以及所述非关键点所属的道路名称。

举例来说，当得到像素坐标系下所述道路中各关键点和非关键点的像素坐标后，可以采用人工或非人工的方式标定各关键点的设定种类以及所属的道路名称，并且标定非关键点所属的道路名称。

在一可选的实施例中，上述所属设定种类可以包括道路起始点、道路终点以及交叉路口中的至少一种。

由上述描述可知，本实施例通过从所述图像数据中识别道路关键点，得到像素坐标系下所述道路中各关键点和非关键点的像素坐标，并标定所述各关键点的设定种类和所属的道路名称，以及所述非关键点所属的道路名称，可以实现基于图像数据准确的确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类，进而可以实现后续基于所述像素坐标确定所述各点的地图坐标以及基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图，可以实现快速、准确的生成高精度地图，有利于后续在各种环境中控制自动驾驶车辆进行行驶。

图3示出了根据本发明的一示例性实施例的如何基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图的流程图；本实施例在上述实施例的基础上以如何基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图为例进行示例性说明。如图3所示，上述步骤S104中基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图，可以包括以下步骤S301-S302：

在步骤S301中，对所属的道路名称相同的各关键点和非关键点进行拟合，得到相应的车道线。

本实施例中，当基于所述像素坐标确定所述各点的地图坐标后，可以对所属的道路名称相同的各关键点和非关键点进行拟合，得到相应的车道线。

举例来说，可以通过相关技术中的插值及平滑等算法，将属于同一道路的各关键点和非关键点进行拟合，以得到相应的车道线。

值得说明的是，上述插值及平滑等算法的具体内容可以参见相关技术中的解释和说明，本实施例对此不进行限定。

在步骤S302中，将所述车道线和所述道路名称进行关联，得到高精度地图。

本实施例中，当对所属的道路名称相同的各关键点和非关键点进行拟合，得到相应的车道线后，可以将所述车道线和所述道路名称进行关联，得到高精度地图。

举例来说，当对所属的道路名称相同(即，属于相同道路)的各关键点和非关键点进行拟合，得到相应的车道线后，可以将先前确定的道路名称与拟合得到的车道线进行关联，即可得到高精度地图。

由上述描述可知，本实施例通过对所属的道路名称相同的各关键点和非关键点进行拟合，得到相应的车道线，并将所述车道线和所述道路名称进行关联，得到高精度地图，可以实现基于各点的地图坐标、各点所属的道路名称和各点所属设定种类快速、准确的生成高精度地图，进而可以实现后续在各种环境中控制自动驾驶车辆进行行驶。

图4示出了根据本发明的一示例性实施例的如何基于所述像素坐标确定所述各点的地图坐标的流程图；本实施例在上述实施例的基础上以如何基于所述像素坐标确定所述各点的地图坐标为例进行示例性说明。如图4所示，上述步骤S103中基于所述像素坐标确定所述各点的地图坐标，可以包括以下步骤S401-S402：

在步骤S401中，获取所述激光点云数据与所述图像数据的对应关系。

本实施例中，当基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标后，可以获取所述激光点云数据与所述图像数据的对应关系。

举例来说，可以预先基于摄像头和雷达的标定结果确定激光点云数据与所述图像数据的对应关系之间的对应关系。

值得说明的是，除了上述基于摄像头和雷达的标定方式确定激光点云数据与图像数据的对应关系外，还可以基于实际需求采用相关技术中的其他方式，所得结果同样适用于本实施例的后续步骤，本实施例对此不进行限定。

在步骤S402中，基于所述对应关系将所述各点的像素坐标转换至地图坐标系，得到所述各点的地图坐标。

本实施例中，当获取所述激光点云数据与所述图像数据的对应关系后，可以基于所述对应关系将所述各点的像素坐标转换至地图坐标系，得到所述各点的地图坐标。

其中，上述坐标系的转发方式可以参见相关技术中的解释和说明，如可以利用像素坐标与坐标转换矩阵的乘积得到相应的地图坐标系等，本实施例对此不进行限定。

由上述描述可知，本实施例通过获取所述激光点云数据与所述图像数据的对应关系，并基于所述对应关系将所述各点的像素坐标转换至地图坐标系，得到所述各点的地图坐标，可实现基于像素坐标准确地确定各点的地图坐标，进而可以实现后续基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图，可以为后续在各种环境中控制自动驾驶车辆进行行驶提供地图依据。

图5示出了根据本发明的一示例性实施例的高精度地图生成装置的结构框图；本实施例的装置可以应用于终端设备(如，车载终端、智能手机、平板电脑或笔记本电脑等)，或者，可以应用于服务端(如，一台服务器或多台服务器组成的服务器集群等)。如图5所示，该装置包括：图像点云获取模块110、坐标种类确定模块120、地图坐标确定模块130以及高精地图生成模块140，其中：

图像点云获取模块110，用于获取道路的图像数据以及激光点云数据。

坐标种类确定模块120，用于基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类。

地图坐标确定模块130，用于基于所述像素坐标确定所述各点的地图坐标。

高精地图生成模块140，用于基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图。

在一实施例中，上述图像点云获取模块110，还可以用于获取分别通过车载摄像装置采集和激光雷达采集的道路的图像数据以及所述激光点云数据，所述图像数据和所述激光点云数据由车辆携带所述车载摄像装置和所述激光雷达行驶在所述道路上进行采集。

图6示出了根据本发明的另一示例性实施例的高精度地图生成装置的结构框图；本实施例的装置可以应用于终端设备(如，车载终端、智能手机、平板电脑或笔记本电脑等)，或者，可以应用于服务端(如，一台服务器或多台服务器组成的服务器集群等)。其中，图像点云获取模块210、坐标种类确定模块220、地图坐标确定模块230以及高精地图生成模块240与前述图5所示实施例中的图像点云获取模块110、坐标种类确定模块120、地图坐标确定模块130以及高精地图生成模块140的功能相同，在此不进行赘述。如图6所示，坐标种类确定模块220，可以包括：

像素坐标获取单元221，用于从所述图像数据中识别道路关键点，得到像素坐标系下所述道路中各关键点和非关键点的像素坐标；

种类名称标定单元222，用于标定所述各关键点的设定种类和所属的道路名称，以及所述非关键点所属的道路名称。

在一实施例中，上述所属设定种类可以包括道路起始点、道路终点以及交叉路口中的至少一种。

在一实施例中，高精地图生成模块240，可以包括：

车道线获取单元241，用于对所属的道路名称相同的各关键点和非关键点进行拟合，得到相应的车道线；

高精地图生成单元242，用于将所述车道线和所述道路名称进行关联，得到高精度地图。

在一实施例中，地图坐标确定模块230，可以包括：

对应关系获取单元231，用于获取所述激光点云数据与所述图像数据的对应关系；

地图坐标确定单元232，用于基于所述对应关系将所述各点的像素坐标转换至地图坐标系，得到所述各点的地图坐标。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。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发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本发明高精度地图生成装置的实施例可以应用在网络设备上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图7所示，为本发明的高精度地图生成装置所在电子设备的一种硬件结构图，除了图7所示的处理器、网络接口、内存以及非易失性存储器之外，实施例中装置所在的设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等；从硬件结构上来讲该设备还可能是分布式的设备，可能包括多个接口卡，以便在硬件层面进行报文处理的扩展。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器处理时实现以下任务处理方法：

获取道路的图像数据以及激光点云数据；

基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类；

基于所述像素坐标确定所述各点的地图坐标；

基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由本发明的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.一种高精度地图生成方法，其特征在于，包括：

获取道路的图像数据以及激光点云数据；

基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类；

基于所述像素坐标确定所述各点的地图坐标；

基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图；

所述基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类，包括：

从所述图像数据中识别道路关键点，得到像素坐标系下所述道路中各关键点和非关键点的像素坐标；

标定所述各关键点的设定种类和所属的道路名称，以及所述非关键点所属的道路名称；

所述基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图，包括：

对所属的道路名称相同的各关键点和非关键点进行拟合，得到相应的车道线；

将所述车道线和所述道路名称进行关联，得到高精度地图。

2.根据权利要求1所述的方法，其特征在于，所述获取道路的图像数据以及激光点云数据，包括：

获取分别通过车载摄像装置采集和激光雷达采集的道路的图像数据以及所述激光点云数据，所述图像数据和所述激光点云数据由车辆携带所述车载摄像装置和所述激光雷达行驶在所述道路上进行采集。

3.根据权利要求1所述的方法，其特征在于，所述所属设定种类包括道路起始点、道路终点以及交叉路口中的至少一种。

4.根据权利要求1所述的方法，其特征在于，所述基于所述像素坐标确定所述各点的地图坐标，包括：

获取所述激光点云数据与所述图像数据的对应关系；

基于所述对应关系将所述各点的像素坐标转换至地图坐标系，得到所述各点的地图坐标。

5.一种高精度地图生成装置，其特征在于，包括：

图像点云获取模块，用于获取道路的图像数据以及激光点云数据；

坐标种类确定模块，用于基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类；

地图坐标确定模块，用于基于所述像素坐标确定所述各点的地图坐标；

高精地图生成模块，用于基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图；

所述坐标种类确定模块，包括：

像素坐标获取单元，用于从所述图像数据中识别道路关键点，得到像素坐标系下所述道路中各关键点和非关键点的像素坐标；

种类名称标定单元，用于标定所述各关键点的设定种类和所属的道路名称，以及所述非关键点所属的道路名称；

所述高精地图生成模块，包括：

车道线获取单元，用于对所属的道路名称相同的各关键点和非关键点进行拟合，得到相应的车道线；

高精地图生成单元，用于将所述车道线和所述道路名称进行关联，得到高精度地图。

6.根据权利要求5所述的装置，其特征在于，所述图像点云获取模块，还用于获取分别通过车载摄像装置采集和激光雷达采集的道路的图像数据以及所述激光点云数据，所述图像数据和所述激光点云数据由车辆携带所述车载摄像装置和所述激光雷达行驶在所述道路上进行采集。

7.根据权利要求5所述的装置，其特征在于，所述所属设定种类包括道路起始点、道路终点以及交叉路口中的至少一种。

8.根据权利要求5所述的装置，其特征在于，所述地图坐标确定模块，包括：

对应关系获取单元，用于获取所述激光点云数据与所述图像数据的对应关系；

地图坐标确定单元，用于基于所述对应关系将所述各点的像素坐标转换至地图坐标系，得到所述各点的地图坐标。

9.一种电子设备，其特征在于，所述电子设备包括：

处理器；

被配置为存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取道路的图像数据以及激光点云数据；

基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类；

基于所述像素坐标确定所述各点的地图坐标；

基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图；

所述基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类，包括：

从所述图像数据中识别道路关键点，得到像素坐标系下所述道路中各关键点和非关键点的像素坐标；

标定所述各关键点的设定种类和所属的道路名称，以及所述非关键点所属的道路名称；

所述基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图，包括：

对所属的道路名称相同的各关键点和非关键点进行拟合，得到相应的车道线；

将所述车道线和所述道路名称进行关联，得到高精度地图。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器处理时实现：

获取道路的图像数据以及激光点云数据；

基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类；

基于所述像素坐标确定所述各点的地图坐标；

基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图；

所述基于所述图像数据确定像素坐标系下所述道路中各点的像素坐标、各点所属的道路名称和各点所属设定种类，包括：

从所述图像数据中识别道路关键点，得到像素坐标系下所述道路中各关键点和非关键点的像素坐标；

标定所述各关键点的设定种类和所属的道路名称，以及所述非关键点所属的道路名称；

所述基于所述各点的地图坐标、所述各点所属的道路名称和所述各点所属设定种类生成高精度地图，包括：

对所属的道路名称相同的各关键点和非关键点进行拟合，得到相应的车道线；

将所述车道线和所述道路名称进行关联，得到高精度地图。