CN111737508B - 地图矢量的提取方法、装置、设备及存储介质 - Google Patents
地图矢量的提取方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111737508B CN111737508B CN202010580804.9A CN202010580804A CN111737508B CN 111737508 B CN111737508 B CN 111737508B CN 202010580804 A CN202010580804 A CN 202010580804A CN 111737508 B CN111737508 B CN 111737508B
- Authority
- CN
- China
- Prior art keywords
- vector
- target
- precision map
- target vector
- preset
- 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
- 239000013598 vector Substances 0.000 title claims abstract description 739
- 238000000605 extraction Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 239000000284 extract Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241001464837 Viridiplantae Species 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- -1 for example Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/56—Information retrieval; Database structures therefor; File system structures therefor of still image data having vectorial format
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Traffic Control Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提供一种地图矢量的提取方法、装置、设备及存储介质,通过接收高精度地图矢量的提取指令,根据提取指令获取目标矢量的目标交通要素类型;若为预设交通要素类型,则根据目标矢量、以及高精度地图中目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断目标矢量是否为重复提取的矢量;若不为重复提取的矢量,则将目标矢量提取至高精度地图中作为高精度地图矢量。本实施例在将自动化参考矢量提取至高精度地图的过程中对自动化参考矢量进行重复性判断,避免重复提取自动化参考矢量,从源头上避免高精度地图数据冗余,提高高精度地图数据质量,不需要后续对高精度地图数据进行数据检查来删除由于重复提取导致的冗余数据,降低成本。
Description
技术领域
本公开涉及地图构建技术,尤其涉及一种地图矢量的提取方法、装置、设备及存储介质,属于地图数据处理领域。
背景技术
高度自动驾驶地图(Highly Automated Driving map,HAD map),也可称之为高精度地图,在制作高精度地图时,通常会通过地图车在路面采集点云数据和/或全景图像,然后通过一定算法从点云数据和/或全景图像中自动提取出自动化参考矢量(IntelligentReference Data,IRD),例如可提取出交通牌、杆状物、护栏、路牙等类型的自动化参考矢量,再将自动化参考矢量提取至高精度地图中,作为高精度地图矢量。
现有技术中通常通过作业员人工的将自动化参考矢量提取至高精度地图中,作为高精度地图矢量,这个过程中会由作业员人工记录和判断某一个自动化参考矢量是否已经被提取。由于人工记录存在误差,或者在多个作业员共同作业的情况下,会存在同一自动化参考矢量被重复提取到高精度地图中,造成高精度地图数据冗余。
发明内容
本公开提供一种地图矢量的提取方法、装置、设备及存储介质,以避免在将自动化参考矢量提取至高精度地图中作为高精度地图矢量的过程中出现重复提取的问题。
本公开的第一个方面是提供一种地图矢量的提取方法,包括:
接收高精度地图矢量的提取指令,所述提取指令用于指示将待提取的目标矢量提取为高精度地图矢量,其中所述目标矢量为从点云数据和/或全景图像中提取的自动化参考矢量;
根据所述提取指令,获取所述目标矢量的目标交通要素类型;
若所述目标交通要素类型为预设交通要素类型,则根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量;
若确定所述目标矢量不为重复提取的矢量,则将所述目标矢量提取至高精度地图中作为高精度地图矢量。
本公开的第二个方面是提供一种地图矢量的提取装置,包括:
获取模块,用于接收高精度地图矢量的提取指令,所述提取指令用于指示将待提取的目标矢量提取为高精度地图矢量,其中所述目标矢量为从点云数据和/或全景图像中提取的自动化参考矢量;
处理模块,用于根据所述提取指令,获取所述目标矢量的目标交通要素类型;若所述目标交通要素类型为预设交通要素类型,则根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量;若确定所述目标矢量不为重复提取的矢量,则将所述目标矢量提取至高精度地图中作为高精度地图矢量。
本公开的第三个方面是提供一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于运行所述存储器中存储的计算机程序以实现如第一方面所述的方法。
本公开的第四个方面是提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法
本公开提供的地图矢量的提取方法、装置、设备及存储介质,通过接收高精度地图矢量的提取指令,其中提取指令用于指示将待提取的目标矢量提取为高精度地图矢量,目标矢量为从点云数据和/或全景图像中提取的自动化参考矢量;根据提取指令,获取目标矢量的目标交通要素类型;若目标交通要素类型为预设交通要素类型,则根据目标矢量、以及高精度地图中目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断目标矢量是否为重复提取的矢量;若确定目标矢量不为重复提取的矢量,则将目标矢量提取至高精度地图中作为高精度地图矢量。本公开在将自动化参考矢量提取至高精度地图的过程中对自动化参考矢量进行重复性判断,在确定不重复时才将其提取至高精度地图中作为高精度地图矢量,避免了自动化参考矢量的重复提取,从源头上避免高精度地图数据冗余,提高了高精度地图数据质量,不需要后续再对高精度地图数据进行数据检查来删除由于重复提取导致的冗余数据,降低了人工成本和时间成本。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本公开一实施例示出的系统架构图;
图2为本公开一实施例示出的地图矢量的提取方法的流程图;
图3为本公开另一实施例示出的地图矢量的提取方法的流程图;
图4A为本公开一实施例示出的高精度地图矢量的预设几何空间领域的示意图;
图4B为本公开另一实施例示出的高精度地图矢量的预设几何空间领域的示意图;
图4C为本公开另一实施例示出的基于图4B的高精度地图矢量的预设几何空间领域判断目标矢量是否为重复提取的矢量的示意图;
图5A为本公开另一实施例示出的高精度地图矢量的预设几何空间领域的示意图;
图5B为本公开另一实施例示出的基于图5A的高精度地图矢量的预设几何空间领域判断目标矢量是否为重复提取的矢量的示意图;
图6A为本公开另一实施例示出的高精度地图矢量的预设几何空间领域的示意图;
图6B为本公开另一实施例示出的基于图6A的高精度地图矢量的预设几何空间领域判断目标矢量是否为重复提取的矢量的示意图;
图7为本公开另一实施例示出的地图矢量的提取方法的流程图;
图8为本公开一示例性实施例示出的地图矢量的提取装置的结构图;
图9为本公开一示例性实施例示出的用于执行地图矢量的提取方法的电子设备的结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在现有技术中,通常通过作业员人工的将自动化参考矢量提取至高精度地图中,作为高精度地图矢量,这个过程中会由作业员人工记录和判断某一个自动化参考矢量是否已经被提取。由于人工记录存在误差,或者在多个作业员共同作业的情况下,每一作业员人工记录文件不随高精度地图流转和共享、或者作业员人工记录文件丢失,均会导致存在同一自动化参考矢量被重复提取到高精度地图中,造成高精度地图数据冗余。为了避免高精度地图数据冗余,通常在得到高精度地图后对高精度地图数据进行额外的检查,删除高精度地图中的冗余数据,需要消耗大量的人工成本和时间成本。
为了解决上述问题,本公开在将自动化参考矢量提取至高精度地图的过程中对自动化参考矢量进行重复性判断,在确定不重复时才将其提取至高精度地图中作为高精度地图矢量,避免了自动化参考矢量的重复提取,从源头上避免高精度地图数据冗余,提高了高精度地图数据质量,不需要后续再对高精度地图数据进行数据检查来删除由于重复提取导致的冗余数据,降低了人工成本和时间成本。
具体的,在对自动化参考矢量进行重复性判断时,首先根据接收到的高精度地图矢量的提取指令,从多个自动化参考矢量中确定待提取的目标矢量,然后获取目标矢量的目标交通要素类型;若目标交通要素类型为预设交通要素类型,如交通牌、杆状物、路牙、护栏等,则根据目标矢量、以及高精度地图中目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断目标矢量是否为重复提取的矢量;若确定目标矢量不为重复提取的矢量,则将目标矢量提取至高精度地图中作为高精度地图矢量。其中,可选的,预设几何空间领域可以为高精度地图矢量周围的几何空间领域、且该高精度地图矢量处于该几何空间领域内。
本公开实施例的地图矢量的提取方法应用于如图1所示的系统中,该系统包括采集设备11和地图构建设备12,其中采集设备11可以为地图车,用于采集点云数据和/或全景图像,地图构建设备12可以从点云数据和/或全景图像中提取的自动化参考矢量,也可以执行上述的地图矢量的提取方法,也即对自动化参考矢量进行重复性判断,在确定不为重复时提取至高精度地图中作为高精度地图矢量。
下面以具体地实施例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本公开的实施例进行描述。
图2为本公开另一示例性实施例示出的地图矢量的提取方法的流程图。如图2所示,本实施例提供的地图矢量的提取方法,具体步骤如下:
S201、接收高精度地图矢量的提取指令,所述提取指令用于指示将待提取的目标矢量提取为高精度地图矢量,其中所述目标矢量为从点云数据和/或全景图像中提取的自动化参考矢量。
在本实施例中,对于从点云数据和/或全景图像中提取的自动化参考矢量,当用户需要将其中一个或多个自动化参考矢量提取为高精度地图矢量时,用户可以从自动化参考矢量中选择一个或多个作为待提取的目标矢量,或者用户也可以将所有的自动化参考矢量作为待提取的目标矢量,触发高精度地图矢量的提取指令。
考虑到待提取的目标矢量可能被重复提取为高精度地图矢量,导致高精度地图矢量冗余,因此本实施例中可通过本实施例后续的步骤,在将目标矢量提取为高精度地图矢量前进行重复性判断。
需要说明的是,在执行S201前需要预先采集点云数据和/或全景图像,然后通过自动化算法对点云数据和/或全景图像中的区域进行分类,例如识别出交通牌、杆状物、路牙、护栏等交通要素,并形成自动化参考矢量,例如构成这些交通要素的矢量点、线等,本实施例中并不限定从点云数据和/或全景图像中提取自动化参考矢量的方法。
S202、根据所述提取指令,获取所述目标矢量的目标交通要素类型。
在本实施例中,在将自动化参考矢量提取为高精度地图矢量时,通常只是对某些预设交通要素类型的自动化参考矢量提取为高精度地图矢量,或者某些预设交通要素类型的自动化参考矢量被重复提取时会导致高精度地图矢量出现极大的冗余,因此,在接受到用户触发的提取指令后,可以对目标矢量进行交通要素类型的判断,也即获取目标矢量的目标交通要素类型,例如交通牌、路牙、绿植等等,然后再判断目标交通要素类型是否属于预设交通要素类型。可选的,预设交通要素类型可以包括以下至少一项:交通牌、杆状物、路牙、护栏。
具体的,在从某一图幅的点云数据和/或全景图像中提取的自动化参考矢量时,通常会将提出到的自动化参考矢量的交通要素类型记录于交通要素类型表中,本实施例中在获取所述目标矢量的目标交通要素类型时,可从交通要素类型表中查询目标矢量对应的目标交通要素类型。
S203、若所述目标交通要素类型为预设交通要素类型,则根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量。
在本实施例中,在确定目标矢量的目标交通要素类型为预设交通要素类型后,可基于几何空间领域的判断方式,判断目标矢量是否为重复提取的矢量,也即目标矢量是否与高精度地图中已有矢量重复。
可选的,所述预设几何空间领域可以为高精度地图矢量周围的几何空间领域、且高精度地图矢量处于该几何空间领域内。
具体的,可先获取高精度地图中与目标矢量同类型的高精度地图矢量的预设几何空间领域,例如若目标矢量的目标交通要素类型为杆状物,则获取所有交通要素类型为杆状物的高精度地图矢量的预设几何空间领域,其中对于某一杆状物的高精度地图矢量,其预设几何空间领域为该杆状物周围的一个几何空间领域,该杆状物的高精度地图矢量处于该几何空间领域中,举例来讲,该几何空间领域可以为以杆状物为中心轴的柱状空间领域、或者棱台状或圆台状空间领域,该杆状物的上顶点位于该柱状空间领域、棱台状或圆台状空间领域的上顶面,该杆状物的下顶点位于该柱状空间领域、棱台状或圆台状空间领域的下顶面。当然,对于不同交通要素类型的高精度地图矢量的预设几何空间领域可以不同,此处不一一赘述。
在本实施例中,在根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量时,具体的,可以判断目标矢量的任意形状点和/或中心点是否处于所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域内,若是,则确定所述目标矢量为重复提取的矢量;或者,也可判断所述目标矢量是否与所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域相交,若是,则确定所述目标矢量为重复提取的矢量;或者,也可判断所述目标矢量的几何空间领域是否与所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域相交;若是,则确定所述目标矢量为重复提取的矢量。
通过上述任意一种判断方式,可确定目标矢量是否与高精度地图中同类型的某一高精度地图矢量位置相近、或重叠、或重合,从而确定目标矢量是否为重复提取的矢量。需要说明的是,对于不同类型的目标矢量,可以采用不同的判断方式,可根据实际需要进行选择。当然本实施例中也可采用其他的判断方式,此处不再一一赘述。
S204、若确定所述目标矢量不为重复提取的矢量,则将所述目标矢量提取至高精度地图中作为高精度地图矢量。
在本实施例中,若确定目标矢量不是重复提取的矢量,也即目标矢量不与高精度地图中已有矢量重复,可将目标矢量提取至高精度地图中作为高精度地图矢量。
当然,若确定所述目标矢量为重复提取的矢量,则可停止将所述目标矢量提取至高精度地图中作为高精度地图矢量,从而可避免再次提取该目标矢量导致重复提取。
此外,可选的,若目标矢量的目标交通要素类型不为预设交通要素类型,则可认为目标矢量未重复提取,或者及时重复提取对高精度地图无影响,可以直接将该目标矢量提取为高精度地图矢量。
本实施例提供的地图矢量的提取方法,通过接收高精度地图矢量的提取指令,其中提取指令用于指示将待提取的目标矢量提取为高精度地图矢量,目标矢量为从点云数据和/或全景图像中提取的自动化参考矢量;根据提取指令,获取目标矢量的目标交通要素类型;若目标交通要素类型为预设交通要素类型,则根据目标矢量、以及高精度地图中目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断目标矢量是否为重复提取的矢量;若确定目标矢量不为重复提取的矢量,则将目标矢量提取至高精度地图中作为高精度地图矢量。本实施例在将自动化参考矢量提取至高精度地图的过程中对自动化参考矢量进行重复性判断,在确定不重复时才将其提取至高精度地图中作为高精度地图矢量,避免了自动化参考矢量的重复提取,从源头上避免高精度地图数据冗余,提高了高精度地图数据质量,不需要后续再对高精度地图数据进行数据检查来删除由于重复提取导致的冗余数据,降低了人工成本和时间成本。
在上述任一实施例的基础上,如图3所示,在S203所述的根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量之前,还可包括:
S301、根据所述目标矢量中预定形状点的坐标信息,获取所述目标矢量的矢量标识。
在本实施例中,可以首先获取目标矢量中至少一个预定形状点的坐标信息,其中预定形状点例如可以包括目标矢量的第一个形状点和最后一个形状点作为代表,对于类型为交通牌的目标矢量可采用第一个形状点和第三个形状点,当然也可采用其他的形状点,需要说明的是,对于每一目标矢量需要采用相同的预定形状点才具有可比性。
进一步的,根据目标矢量中预定形状点的坐标信息,构建目标矢量的矢量标识,用于唯一标识该目标矢量,如果两个目标矢量的矢量标识相同,则说明这两个目标矢量中预定形状点的坐标信息相同,进而这两个目标矢量相同。
可选的,本实施例中以预定形状点的三维坐标的小数部分的预定位数组成,具体的,可获取所述目标矢量中至少两个预定形状点的三维坐标,取三维坐标中各坐标数据的预定位数的小数部分;按照预定顺序对所述三维坐标中各坐标数据的预定位数的小数部分进行排序,得到所述目标矢量的矢量标识。例如预定形状点为目标矢量的第一个形状点和最后一个形状点,且三维坐标的精度为小数点后6位,则目标矢量的矢量标识为一个36位的字符串,当然小数部分位数不足6位的情况用0部位。
举例来说,交通牌的目标矢量的形状点坐标为:
POLYGON Z((424118.251773 2777484.54321 133.086339,424117.0657952777484.110976 133.019132,424118.251773 2777484.54321 133.086339))
取其中第一个形状点和最后一个形状点三维坐标的小数部分,构成的目标矢量的矢量标识为251773543210086339282111560140019132。
此外,可选的,也可选择预定位数的小数部分,例如上述举例中虽然三维坐标的精度为小数点后6位,可以仅选择小数部分的前几位,而不是选择全部位数。当然位数越多越能更准确的判断两个目标矢量是否相同。
本实施例中,采用三维坐标的小数部分构建目标矢量的矢量标识,而未采用整数部分,是考虑到有些目标矢量位置比较接近,预定形状点的整数部分可能相同,以整数部分构建目标矢量的矢量标识可能无法区分位置接近的目标矢量;此外,本实施例为采用整数部分加上小数部分共同来构建目标矢量的矢量标识,而仅采用小数部分,可以缩标识的长度,同时也能保证重复性判断的准确性。
S302、根据所述目标矢量的矢量标识以及所述高精度地图中已有的高精度地图矢量的矢量标识,判断所述目标矢量是否为重复提取的矢量。
在本实施例中,记录已经成功提取为高精度地图矢量的目标矢量的矢量标识;当需要提取某一目标矢量时,根据该目标矢量的矢量标识与高精度地图中已有的高精度地图矢量的矢量标识进行比较,如果存在相同的矢量标识,则确定该目标矢量为重复提取的矢量;如果不存在相同的矢量标识,则无法确定该目标矢量为重复提取的矢量,需要进一步的根据几何空间领域来判断目标矢量是否为重复提取的矢量。
也即,S203中所述根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量,包括:
若根据所述目标矢量的矢量标识以及所述高精度地图中已有的高精度地图矢量的矢量标识未确定所述目标矢量为重复提取的矢量时,根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量。
本实施例中,由于几何空间领域判断过程的计算量较大、耗时较长,因此在根据几何空间领域来判断目标矢量是否为重复提取的矢量之前,通过目标矢量的矢量标识进行一次预判断,可以筛选出一些明显重复提取的目标矢量,不需要再次经过几何空间领域判断过程,减少几何空间领域判断过程的计算量,大大节省了几何空间领域判断过程的时间,提高了重复性判断效率。
在上述任一实施例的基础上,S203所述根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量,可以包括以下几种可选方式:
方式一:判断所述目标矢量的任意形状点和/或中心点是否处于所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域内;若是,则确定所述目标矢量为重复提取的矢量。
在本方式中,当目标矢量的任意形状点和/或中心点处于目标交通要素类型对应的某一个高精度地图矢量的预设几何空间领域内时,则认为目标矢量与该高精度地图矢量的预设几何空间领域相交,进而认为目标矢量与该高精度地图矢量为同一交通要素,也即目标矢量与该高精度地图矢量重复,不需要再提取该目标矢量。本方式优选应用于对交通要素类型为交通牌类别的目标矢量的重复性判断。
方式二:判断所述目标矢量是否与所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域相交;若是,则确定所述目标矢量为重复提取的矢量。
在本方式中,若目标矢量与目标交通要素类型对应的某一个高精度地图矢量的预设几何空间领域相交,则认为目标矢量与该高精度地图矢量为同一交通要素,也即目标矢量与该高精度地图矢量重复,不需要再提取该目标矢量。本方式优选应用于对交通要素类型为路牙、护栏等线状物类别的目标矢量的重复性判断。
方式三:判断所述目标矢量的几何空间领域是否与所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域相交;若是,则确定所述目标矢量为重复提取的矢量。
在本方式中,首先获取目标矢量的几何空间领域,然后判断目标矢量的几何空间领域是否与目标交通要素类型对应的某一个高精度地图矢量的预设几何空间领域相交,若相交,则认为目标矢量与该高精度地图矢量为同一交通要素,也即目标矢量与该高精度地图矢量重复,不需要再提取该目标矢量。本方式中判断目标矢量的几何空间领域是否与目标交通要素类型对应的高精度地图矢量的预设几何空间领域相交时,若目标矢量的几何空间领域的某些形状点,例如顶点、脚点、线段几何终点落入高精度地图矢量的预设几何空间领域中,则认为相交。本方式优选应用于对交通要素类型为杆状物类别的目标矢量的重复性判断。
在上述实施例的基础上,由于交通牌、杆状物、路牙、护栏等不同的交通要素的几何特征存在差异,因此对于不同交通要素类型的目标矢量可采用不同的几何领域判断原则,包括采用不同的几何空间领域以及采用不同的判断方式。下面进行详细举例。
对于交通要素类型为交通牌的目标矢量,由于交通牌的形状目前有矩形、正方形、圆形、三角形、倒三角型、八角形、菱形、不规则形状八类,并且交通牌可能具有一定的厚度,因此本实施例中先获取高精度地图中交通要素类型为交通牌的高精度地图矢量的预设几何空间领域,其预设几何空间领域为以交通牌的外接矩形或外接圆为中位面的柱状空间领域,具体的,如图4A和4B所示,在获取该类高精度地图矢量的预设几何空间领域时,首先取高精度地图矢量的外接矩形,如图4A中高精度地图矢量410的外接矩形,然后沿其法向量正负方向各平移预定距离,例如20cm,从而形成一个立方体(四棱柱)作为高精度地图矢量410的预设几何空间领域411,同理,图4B中高精度地图矢量420的外接矩形沿其法向量正负方向各平移预定距离,从而形成一个立方体(四棱柱)作为高精度地图矢量420的预设几何空间领域421,此时高精度地图矢量的外接矩形处于立方体的中位面。当然也可取高精度地图矢量的外接圆或者其他的外接多边形,沿其法向量正负方向各平移预定距离形成柱状空间领域。需要说明的是,采用立方体的柱状空间领域时在判断目标矢量与立方体相交的过程更方便,算法不复杂,判断效率更高。进一步的,以图4B和图4C为例,在获取到高精度地图中交通要素类型为交通牌的高精度地图矢量的预设几何空间领域后,判断目标矢量430的形状点及中心点是否在任意交通牌的高精度地图矢量420的预设几何空间领域421中,若目标矢量430的形状点及中心点在某一交通牌的高精度地图矢量420的预设几何空间领域421中,则认为目标矢量430与该高精度地图矢量420的预设几何空间领域421相交,进而认为目标矢量430与该高精度地图矢量420为同一交通牌,也即目标矢量430与该高精度地图矢量420重复,不需要再提取该目标矢量430。
对于交通要素类型为例如电线杆、路灯等杆状物的目标矢量,本实施例中先获取高精度地图中交通要素类型为杆状物的高精度地图矢量的预设几何空间领域,其预设几何空间领域为以杆状物为中心轴的柱状空间领域、或者棱台状或圆台状空间领域,具体的,如图5A所示,在获取该类高精度地图矢量510的预设几何空间领域511时,首先取杆状物的上下顶点,以上下顶点分别构建上下顶面,上下顶面保持水平,根据上下顶面构建预设几何空间领域511,其中若上下顶面为大小相同的矩形、圆或其他多边形,则预设几何空间领域为柱状空间领域,此时该高精度地图矢量510处于预设几何空间领域511的中心轴处,若上下顶面为大小不同的矩形、圆或其他多边形,则预设几何空间领域511为棱台状或圆台状空间领域,此时该高精度地图矢量510同样处于预设几何空间领域的中心轴处。同样的,采用四棱柱状空间领域时在判断目标矢量与四棱柱状空间领域相交的过程更方便,算法不复杂,判断效率更高。进一步的,如图5B所示,本实施例中还需要获取目标矢量520的几何空间领域521,由于目标矢量520的交通要素类型也为杆状物,因此其几何空间领域521同上。进一步的,在获取到高精度地图中交通要素类型为杆状物的高精度地图矢量510的预设几何空间领域511以及目标矢量520的几何空间领域521后,判断目标矢量520的几何空间领域521是否与任意杆状物的高精度地图矢量510的预设几何空间领域511相交,例如对于四棱柱状空间领域,若目标矢量520的几何空间领域521的脚点、目标矢量520的上下顶点、及线段几何中点是否落入任意杆状物的高精度地图矢量510的预设几何空间领域511内,则确定相交,进而认为目标矢量520与该高精度地图矢量510为同一杆状物,也即目标矢量520与该高精度地图矢量510重复,不需要再提取该目标矢量520。
对于交通要素类型为路牙或护栏的目标矢量,本实施例中先获取高精度地图中交通要素类型为路牙或护栏的高精度地图矢量的预设几何空间领域,其预设几何空间领域为将路牙或护栏分段后以每一段首尾点连线为中心线的柱状构成的空间领域,具体的,如图6A所示,在获取该类高精度地图矢量的预设几何空间领域时,首先对路牙或护栏类的高精度地图矢量610进行分段,例如每三个形状点612为一段,每一段中以首尾形状点连线为中心线构建一个柱状空间,当然可以为圆柱(如半径为5cm或10cm,图6B中以10cm为例),或者也可以为棱柱,进而各段的柱状空间连接在一起形成预设几何空间领域611。进一步的,如图6B所示,在获取到高精度地图中交通要素类型为路牙或护栏的高精度地图矢量610的预设几何空间领域611后,判断目标矢量620是否与任意路牙或护栏的高精度地图矢量610的预设几何空间领域611相交,若目标矢量620的任意形状点落入某一路牙或护栏的高精度地图矢量610的预设几何空间领域611的某一段的柱状空间内,或者相邻形状点连线与某一段的柱状空间相交,则确定目标矢量620与该高精度地图矢量610的预设几何空间领域611相交,进而认为目标矢量620与该高精度地图矢量610为同一路牙或护栏,也即目标矢量620与该高精度地图矢量610重复,不需要再提取该目标矢量620。需要说明的是,路牙或护栏类的高精度地图矢量可允许首尾点相同,例如可能存在首尾点位置相同、但中间不相交的路牙或护栏,举例来讲,两根不同的护栏可以在首尾点挂接在一起,因此上述的判断过程中可排除路牙或护栏类的目标矢量的首尾点,判断除首尾点外的形状点是否落入某一路牙或护栏的高精度地图矢量的预设几何空间领域的某一段的柱状空间内,或者相邻形状点连线与某一段的柱状空间相交。
在上述任一实施例的基础上,在S205所述的将所述目标矢量提取至高精度地图中作为高精度地图矢量之后,还可包括:
针对所述目标矢量,在所述高精度地图矢量的属性信息中记录所述目标矢量的矢量标识、以及用于表示所述目标矢量来源于自动化参考矢量的来源标识。
在本实施例中,在将目标矢量提取至高精度地图中后,在高精度地图的数据来源表中记录该目标矢量的矢量标识,以及通过一个矢量来源(DATA SOURCE)标识标记该矢量是来源于自动化参考矢量。例如,可选的,DATA SOURCE标识记录为1表示用户使用对象工具箱绘制的矢量(也即由编辑器生成的矢量),而DATA SOURCE标识记录为2表示用户通过一键提取或点选提取从自动化参考矢量中成功提取的矢量,通过矢量来源标识可以表示高精度地图中每一矢量的来源。
在一种可选实施例中,对于高精度地图中的某一DATA SOURCE标识为2的矢量(来源于自动化参考矢量),用户可以对其进行任意的几何和/或属性的更改操作,例如对某一矢量中错误几何部分或属性进行修改,错误几何部分例如对交通牌多提取了不属于交通牌的矢量,错误属性例如对交通牌上的限速信息识别错误,此时可将更改后的矢量的DATASOURCE标识修改为3,用于表示该矢量经过人工修改,而更改后的矢量的矢量标识继承原矢量的矢量标识。
在一种可选实施例中,对于高精度地图中的某一DATA SOURCE标识为2的矢量(来源于自动化参考矢量),用户可以对该矢量进行打断,例如将一条矢量线分成两段,则将该矢量的DATA SOURCE标识修改为3,用于表示该矢量经过人工修改,同时新生成矢量的矢量标识继承原矢量的矢量标识。
在一种可选实施例中,对于高精度地图中的多个DATA SOURCE标识为2的矢量(来源于自动化参考矢量),用户可以对该些矢量进行合并,例如多段护栏的矢量连接合并为一段护栏矢量,对于合并后的新矢量,记录其DATA SOURCE标识修改为3,而如果矢量标识采用一个字段来记录,则合并后的新矢量的矢量标识可以继承任意一个组成矢量的矢量标识,例如将两个自动化参考矢量合并,合并后的新矢量的矢量标识继承第一个自动化参考矢量的矢量标识,如果后续又提取两个自动化参考矢量进行重复性判断时,对于第一个自动化参考矢量可通过矢量标识判断为重复,而对于第二个自动化参考矢量通过矢量标识无法判断为重复,需要经过几何空间领域的判断才能确定为重复。当然可选的,也可将新矢量的矢量标识采用多个字段来记录每一个组成矢量的矢量标识,以避免再次从自动化参考矢量中提取某一组成矢量时还需要进行几何空间领域的判断。
上述实施例中通过在高精度地图中记录高精度地图矢量的矢量标识以及来源标识,可随高精度地图流转,可以便于进行重复性判断,也便于后期进行追溯和数据分析。可选的,可根据矢量标识和/或来源标识统计高精度地图矢量中来源自动化参考矢量的比例,以用于数据分析。
在上述实施例的基础上,如图7所示,本实施例提供一种地图矢量的提取方法,具体步骤如下:
S701、接收高精度地图矢量的提取指令;
S702、根据所述提取指令,获取所述目标矢量的目标交通要素类型;
S703、判断目标交通要素类型是否为预设交通要素类型;
若所述目标交通要素类型是预设交通要素类型执行S704,否则执行S707;
S704、若所述目标交通要素类型为预设交通要素类型,根据所述目标矢量中预定形状点的坐标信息,获取所述目标矢量的矢量标识;
S705、根据目标矢量的矢量标识以及高精度地图中已有的高精度地图矢量的矢量标识,判断目标矢量是否为重复提取的矢量;
若根据所述目标矢量的矢量标识以及所述高精度地图中已有的高精度地图矢量的矢量标识无法确定所述目标矢量为重复提取的矢量,则执行S706,若确定目标矢量是重复提取的矢量,则执行S709。
S706、根据目标矢量、以及高精度地图中目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断目标矢量是否为重复提取的矢量;
若确定所述目标矢量不为重复提取的矢量,则执行S707,若确定目标矢量为重复提取的矢量执行S709。
S707、将所述目标矢量提取至高精度地图中作为高精度地图矢量;
S708、在所述高精度地图矢量的属性信息中记录所述目标矢量的矢量标识、以及用于表示所述目标矢量来源于自动化参考矢量的来源标识;
S709、结束。
本实施例提供的方法的原理、实现方式和技术效果可参见上述实施例,此处不再赘述。
图8为本公开一示例性实施例示出的地图矢量的提取装置的结构图。如图8所示,本实施例提供的地图矢量的提取装置800,包括:获取模块801以及处理模块802。
获取模块801,用于接收高精度地图矢量的提取指令,所述提取指令用于指示将待提取的目标矢量提取为高精度地图矢量,其中所述目标矢量为从点云数据和/或全景图像中提取的自动化参考矢量;
处理模块802,用于根据所述提取指令,获取所述目标矢量的目标交通要素类型;若所述目标交通要素类型为预设交通要素类型,则根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量;若确定所述目标矢量不为重复提取的矢量,则将所述目标矢量提取至高精度地图中作为高精度地图矢量。
上述任一实施例的基础上,所述处理模块802在根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量之前,还用于:
根据所述目标矢量中预定形状点的坐标信息,获取所述目标矢量的矢量标识;
根据所述目标矢量的矢量标识以及所述高精度地图中已有的高精度地图矢量的矢量标识,判断所述目标矢量是否为重复提取的矢量;
相应的,所述根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量,包括:
若根据所述目标矢量的矢量标识以及所述高精度地图中已有的高精度地图矢量的矢量标识未确定所述目标矢量为重复提取的矢量时,根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量。
上述任一实施例的基础上,所述预设几何空间领域为高精度地图矢量周围的几何空间领域、且该高精度地图矢量处于该几何空间领域内。
上述任一实施例的基础上,所述处理模块802在根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量时,用于:
判断所述目标矢量的任意形状点和/或中心点是否处于所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域内;若是,则确定所述目标矢量为重复提取的矢量;或者
判断所述目标矢量是否与所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域相交;若是,则确定所述目标矢量为重复提取的矢量;或者
判断所述目标矢量的几何空间领域是否与所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域相交;若是,则确定所述目标矢量为重复提取的矢量。
上述任一实施例的基础上,所述预设交通要素类型包括以下至少一项:交通牌、杆状物、路牙、护栏。
上述任一实施例的基础上,所述处理模块802用于:
获取所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域;
其中,对于交通要素类型为交通牌的高精地图矢量,所述预设几何空间领域为以交通牌的外接矩形或外接圆为中位面的柱状空间领域;
对于交通要素类型为杆状物的高精地图矢量,所述预设几何空间领域为以杆状物为中心轴的柱状空间领域、或者棱台状或圆台状空间领域;
对于交通要素类型为路牙或护栏的高精地图矢量,所述预设几何空间领域为,将路牙或护栏分段后以每一段首尾点连线为中心线的柱状构成的空间领域。
上述任一实施例的基础上,所述处理模块802在根据所述目标矢量中预定形状点的坐标信息,获取所述目标矢量的矢量标识时,用于:
获取所述目标矢量中至少两个预定形状点的三维坐标,取三维坐标中各坐标数据的预定位数的小数部分;
按照预定顺序对所述三维坐标中各坐标数据的预定位数的小数部分进行排序,得到所述目标矢量的矢量标识。
上述任一实施例的基础上,所述处理模块802在将所述目标矢量提取至高精度地图中作为高精度地图矢量之后,还用于:
针对所述目标矢量,在所述高精度地图矢量的属性信息中记录所述目标矢量的矢量标识、以及用于表示所述目标矢量来源于自动化参考矢量的来源标识。
上述任一实施例的基础上,所述处理模块802还用于:
若所述目标交通要素类型不为预设交通要素类型,则直接将所述目标矢量提取至高精度地图中作为高精度地图矢量。
上述任一实施例的基础上,所述处理模块802还用于:
若确定所述目标矢量为重复提取的矢量,则停止将所述目标矢量提取至高精度地图中作为高精度地图矢量。
本实施例提供的地图矢量的提取装置的具体原理和实现方式、技术效果均与图2-3、7所示的实施例类似,此处不再赘述。
本实施例提供的地图矢量的提取装置,通过接收高精度地图矢量的提取指令,其中提取指令用于指示将待提取的目标矢量提取为高精度地图矢量,目标矢量为从点云数据和/或全景图像中提取的自动化参考矢量;根据提取指令,获取目标矢量的目标交通要素类型;若目标交通要素类型为预设交通要素类型,则根据目标矢量、以及高精度地图中目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断目标矢量是否为重复提取的矢量;若确定目标矢量不为重复提取的矢量,则将目标矢量提取至高精度地图中作为高精度地图矢量。本实施例在将自动化参考矢量提取至高精度地图的过程中对自动化参考矢量进行重复性判断,在确定不重复时才将其提取至高精度地图中作为高精度地图矢量,避免了自动化参考矢量的重复提取,从源头上避免高精度地图数据冗余,提高了高精度地图数据质量,不需要后续再对高精度地图数据进行数据检查来删除由于重复提取导致的冗余数据,降低了人工成本和时间成本。
根据本公开实施例的另一个方面,本公开实施例还提供了一种电子设备,包括:存储器,以及处理器;
存储器用于存储处理器可执行指令的存储器;
其中,当执行存储器中的指令时,处理器被配置为实现如上任一实施例所述的方法。
请参阅图9,图9为本公开实施例的电子设备的结构示意图。
如图9所示,该电子设备包括存储器和处理器,该电子设备还可以包括通信接口和总线,其中,处理器、通信接口和存储器通过总线连接;处理器用于执行存储器中存储的可执行模块,例如计算机程序。
其中,存储器可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。
其中,存储器用于存储程序,处理器在接收到执行指令后,执行程序,前述本公开实施例任一实施例揭示的方法可以应用于处理器中,或者由处理器实现。
处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
根据本公开实施例的另一个方面,本公开实施例还提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如上任一实施例所述的方法。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本公开所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
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单元来实现本公开实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以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,本公开的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或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)执行本公开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。
还应理解,在本公开各实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
以上,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种地图矢量的提取方法,其特征在于,包括:
接收高精度地图矢量的提取指令,其中所述提取指令用于指示将待提取的目标矢量提取为高精度地图矢量,所述目标矢量为从点云数据和/或全景图像中提取的自动化参考矢量;
根据所述提取指令,获取所述目标矢量的目标交通要素类型;
若所述目标交通要素类型为预设交通要素类型,则根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量;
若确定所述目标矢量不为重复提取的矢量,则将所述目标矢量提取至高精度地图中作为高精度地图矢量。
2.根据权利要求1所述的方法,其特征在于,在所述根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量之前,还包括:
根据所述目标矢量中预定形状点的坐标信息,获取所述目标矢量的矢量标识;
根据所述目标矢量的矢量标识以及所述高精度地图中已有的高精度地图矢量的矢量标识,判断所述目标矢量是否为重复提取的矢量。
3.根据权利要求1或2所述的方法,其特征在于,所述预设几何空间领域为高精度地图矢量周围的几何空间领域、且该高精度地图矢量处于该几何空间领域内;
所述根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量,包括:
判断所述目标矢量的任意形状点和/或中心点是否处于所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域内;若是,则确定所述目标矢量为重复提取的矢量;或者
判断所述目标矢量是否与所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域相交;若是,则确定所述目标矢量为重复提取的矢量;或者
判断所述目标矢量的几何空间领域是否与所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域相交;若是,则确定所述目标矢量为重复提取的矢量。
4.根据权利要求3所述的方法,其特征在于,还包括:
获取所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域;
其中,对于交通要素类型为交通牌的高精地图矢量,所述预设几何空间领域为以交通牌的外接矩形或外接圆为中位面的柱状空间领域;
对于交通要素类型为杆状物的高精地图矢量,所述预设几何空间领域为以杆状物为中心轴的柱状空间领域、或者棱台状或圆台状空间领域;
对于交通要素类型为路牙或护栏的高精地图矢量,所述预设几何空间领域为,将路牙或护栏分段后以每一段首尾点连线为中心线的柱状构成的空间领域。
5.根据权利要求2所述的方法,其特征在于,所述根据所述目标矢量中预定形状点的坐标信息,获取所述目标矢量的矢量标识,包括:
获取所述目标矢量中至少两个预定形状点的三维坐标,取三维坐标中各坐标数据的预定位数的小数部分;
按照预定顺序对所述三维坐标中各坐标数据的预定位数的小数部分进行排序,得到所述目标矢量的矢量标识。
6.根据权利要求2或5所述的方法,其特征在于,在所述将所述目标矢量提取至高精度地图中作为高精度地图矢量之后,还包括:
针对所述目标矢量,在所述高精度地图矢量的属性信息中记录所述目标矢量的矢量标识、以及用于表示所述目标矢量来源于自动化参考矢量的来源标识。
7.一种地图矢量的提取装置,其特征在于,包括:
获取模块,用于接收高精度地图矢量的提取指令,所述提取指令用于指示将待提取的目标矢量提取为高精度地图矢量,其中所述目标矢量为从点云数据和/或全景图像中提取的自动化参考矢量;
处理模块,用于根据所述提取指令,获取所述目标矢量的目标交通要素类型;若所述目标交通要素类型为预设交通要素类型,则根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量;若确定所述目标矢量不为重复提取的矢量,则将所述目标矢量提取至高精度地图中作为高精度地图矢量。
8.根据权利要求7所述的装置,其特征在于,所述处理模块在所述根据所述目标矢量、以及高精度地图中所述目标交通要素类型对应的高精度地图矢量的预设几何空间领域,判断所述目标矢量是否为重复提取的矢量之前,还用于:
根据所述目标矢量中预定形状点的坐标信息,获取所述目标矢量的矢量标识;
根据所述目标矢量的矢量标识以及所述高精度地图中已有的高精度地图矢量的矢量标识,判断所述目标矢量是否为重复提取的矢量。
9.一种电子设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于运行所述存储器中存储的计算机程序以实现如权利要求1-6中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010580804.9A CN111737508B (zh) | 2020-06-23 | 2020-06-23 | 地图矢量的提取方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010580804.9A CN111737508B (zh) | 2020-06-23 | 2020-06-23 | 地图矢量的提取方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111737508A CN111737508A (zh) | 2020-10-02 |
CN111737508B true CN111737508B (zh) | 2024-01-19 |
Family
ID=72650585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010580804.9A Active CN111737508B (zh) | 2020-06-23 | 2020-06-23 | 地图矢量的提取方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111737508B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102938899A (zh) * | 2012-04-19 | 2013-02-20 | 中通服网优技术有限公司 | 轨道交通站点无线网络通信的优化系统 |
CN108365771A (zh) * | 2018-06-26 | 2018-08-03 | 新誉轨道交通科技有限公司 | 参考矢量的区域判断方法、装置及电子设备 |
US10460495B1 (en) * | 2018-05-23 | 2019-10-29 | Mapbox, Inc. | Efficient label insertion and collision handling |
US10489954B1 (en) * | 2018-05-23 | 2019-11-26 | Mapbox, Inc. | Efficient duplicate label handling |
-
2020
- 2020-06-23 CN CN202010580804.9A patent/CN111737508B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102938899A (zh) * | 2012-04-19 | 2013-02-20 | 中通服网优技术有限公司 | 轨道交通站点无线网络通信的优化系统 |
US10460495B1 (en) * | 2018-05-23 | 2019-10-29 | Mapbox, Inc. | Efficient label insertion and collision handling |
US10489954B1 (en) * | 2018-05-23 | 2019-11-26 | Mapbox, Inc. | Efficient duplicate label handling |
CN108365771A (zh) * | 2018-06-26 | 2018-08-03 | 新誉轨道交通科技有限公司 | 参考矢量的区域判断方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111737508A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111897906A (zh) | 处理地图数据的方法、装置、设备和存储介质 | |
CN111311710A (zh) | 一种高精地图的制作方法和装置、电子设备、存储介质 | |
CN104422451A (zh) | 一种道路识别方法及装置 | |
CN110647886A (zh) | 兴趣点标注方法、装置、计算机设备和存储介质 | |
EP3633551A1 (en) | Obstacle distribution simulation method, device and terminal based on a probability graph | |
CN112149572A (zh) | 路沿检测方法、装置和存储介质 | |
CN111126211B (zh) | 标牌识别方法和装置、电子设备 | |
CN110033482A (zh) | 一种基于激光点云的路沿识别方法和装置 | |
CN110659058A (zh) | 一种众包地图数据增量更新方法及装置 | |
JP7121454B2 (ja) | 統計に基づく障害物位置シミュレーション方法、装置及び端末 | |
CN113709006B (zh) | 一种流量确定方法、装置、存储介质及电子装置 | |
CN111737508B (zh) | 地图矢量的提取方法、装置、设备及存储介质 | |
CN116069889B (zh) | 一种线状要素单线拓扑状态的判断方法和装置 | |
CN115841558B (zh) | 城市道路建模的方法、装置、电子设备和存储介质 | |
CN116383282A (zh) | 一种快速统计围栏覆盖区域面积的方法和装置 | |
CN111768373A (zh) | 基于深度学习的层级式路面标记破损检测方法 | |
CN114485684B (zh) | 一种基于地面要素拓扑关系的地图道路匹配方法和系统 | |
CN116126982A (zh) | 一种高精度地图车道线更新方法及系统 | |
CN111382220A (zh) | 一种poi数据划分方法和装置 | |
CN115410168A (zh) | 车道线数据处理方法、设备和计算机可读存储介质 | |
CN114444185A (zh) | 原位标注的识别方法、装置及电子设备 | |
US10467467B2 (en) | Method, system and computer program for automatically detecting traffic circles on digital maps | |
CN113496145B (zh) | 标牌角点获取方法、装置及设备 | |
CN115546704B (zh) | 一种车辆抛洒物识别方法、装置及应用 | |
CN112101369B (zh) | 图像分割方法和装置 |
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 |