CN111797189B - 数据源质量评价方法与装置、设备、计算机可读存储介质 - Google Patents

数据源质量评价方法与装置、设备、计算机可读存储介质 Download PDF

Info

Publication number
CN111797189B
CN111797189B CN202010630821.9A CN202010630821A CN111797189B CN 111797189 B CN111797189 B CN 111797189B CN 202010630821 A CN202010630821 A CN 202010630821A CN 111797189 B CN111797189 B CN 111797189B
Authority
CN
China
Prior art keywords
map
data source
elements
point
scene
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
Application number
CN202010630821.9A
Other languages
English (en)
Other versions
CN111797189A (zh
Inventor
付兵杰
刘正林
李鹏航
王辉
宋向勃
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.)
Wuhan Navinfo Technology Co ltd
Original Assignee
Wuhan Navinfo Technology 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 Wuhan Navinfo Technology Co ltd filed Critical Wuhan Navinfo Technology Co ltd
Priority to CN202010630821.9A priority Critical patent/CN111797189B/zh
Publication of CN111797189A publication Critical patent/CN111797189A/zh
Application granted granted Critical
Publication of CN111797189B publication Critical patent/CN111797189B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Instructional Devices (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供一种数据源质量评价方法与装置、设备、计算机可读存储介质。该方法中，通过在高精度地图中抽样获取场景地图，场景地图包括至少一个第一点要素与至少一个第一线要素，从而，可以基于点要素的匹配情况，在待评价数据源中匹配得到与场景地图相对应的数据源地图，再对场景地图与数据源地图中的地图要素进行匹配，进而，基于地图要素的匹配结果，就可以实现对待评价数据源的质量评价。本发明实施例所提供的技术方案弥补了现有技术中缺乏对高精度地图数据源的质量评价方法，进而提了高精度地图的匹配效率与更新效率。

Description

数据源质量评价方法与装置、设备、计算机可读存储介质
技术领域
本发明涉及计算机技术，尤其涉及一种数据源质量评价方法与装置、设备、计算机可读存储介质。
背景技术
高精度地图是自动驾驶过程中必不可少的一环，这在行业内已经成为共识。高精度地图服务于智能汽车的自动驾驶系统，提供车道、坡度、曲率、航向等方面的信息，提前对道路和周边环境进行预判。相对于传统导航电子地图，高精度地图的绝对坐标精度更高，包含的道路交通信息元素更丰富和细致，在工艺、品质、更新周期等方面都对地图服务商提出了很多新的挑战。
众包数据源是对高精度地图进行更新的一种重要数据来源。在利用众包数据源对地图进行更新时，对数据源的质量进行评价是必不可少的一个过程。众包数据源具有上报频率高、数据量大、数据来源广泛等特点，对计算性能的要求较高，而且，众包数据源涉及现实世界的地物要素非常复杂，特别是立交桥、匝道、收费站等场景，针对众包数据源的评价较为困难。
现有技术中一般集中于高精度地图的评价，缺乏对众包数据源的质量评价方案。
发明内容
本发明提供一种数据源质量评价方法与装置、设备、计算机可读存储介质，用以弥补现有技术中缺乏对高精度地图数据源的质量评价方法，进而提高精度地图的匹配效率与更新效率。
第一方面，本发明提供一种数据源质量评价方法，包括：
在高精度地图中进行场景抽样得到场景地图；所述场景地图包括至少一个第一点要素与至少一个第一线要素；
基于所述第一点要素与第二点要素，在待评价数据源中确定所述场景地图对应的数据源地图；所述待评价数据源为所述高精度地图的众包数据源；所述数据源地图包括：至少一个所述第二点要素与至少一个第二线要素；
获取所述场景地图与所述数据源地图中的地图要素的匹配结果，所述匹配结果包括：所述第一线要素与所述第二线要素之间的匹配结果；
根据所述匹配结果，获取所述待评价数据源的质量评价结果。
第二方面，本发明提供一种数据源质量评价装置，包括：
获取模块，用于在高精度地图中进行场景抽样得到场景地图；所述场景地图包括至少一个第一点要素与至少一个第一线要素；
第一匹配模块，用于基于所述第一点要素与第二点要素，在待评价数据源中确定所述场景地图对应的数据源地图；所述待评价数据源为所述高精度地图的众包数据源；所述数据源地图包括：至少一个所述第二点要素与至少一个第二线要素；
第二匹配模块，还用于获取所述场景地图与所述数据源地图中的地图要素的匹配结果，所述匹配结果包括：所述第一线要素与所述第二线要素之间的匹配结果；
评价模块，用于根据所述匹配结果，获取所述待评价数据源的质量评价结果。
第三方面，本发明提供一种数据源质量评价设备，包括：
存储器；
处理器；以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面任一项所述的方法。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面所述的方法。
本发明提供的数据源质量评价方法与装置、设备、计算机可读存储介质。本方案中，可以在高精度地图中抽样获取场景地图，场景地图包括至少一个第一点要素与至少一个第一线要素，从而，可以基于点要素的匹配情况，在待评价数据源中匹配得到与场景地图相对应的数据源地图，再对场景地图与数据源地图中的地图要素进行匹配，进而，基于地图要素的匹配结果，就可以实现对待评价数据源的质量评价。如此，本发明实施例通过场景抽样缩小了数据源的评价范围，进而，基于场景地图与场景数据源的要素匹配，能够有效提升质量评价过程的效率和质量评价精度，并有利于降低要素匹配误差，实现了对高精度地图的众包数据源的质量评价，弥补了现有技术中缺乏对高精度地图数据源的质量评价方法，进而，也有效提高了精度地图的匹配效率与更新效率。
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为本发明实施例所提供的一种数据源质量评价方法的流程示意图；
图2为本发明实施例所提供的一种抽样场景的示意图；
图3为本发明实施例所提供的另一种数据源质量评价方法的流程示意图；
图4为本发明实施例所提供的另一种数据源质量评价方法的流程示意图；
图5为本发明实施例所提供的一种地图要素匹配场景的示意图；
图6为本发明实施例所提供的一种数据源质量评价装置的功能方块图；
图7为本发明实施例所提供的一种数据源质量评价设备的实体结构示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
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。
本发明实施例所提供的数据源质量评价方法，应用于任意电子设备，该电子设备可以是服务器，也可以是终端。
该电子设备可以与其他电子设备进行通信。例如，当该数据源质量评价方法执行于终端设备时，该终端设备可以与服务器基站进行通信，也可以与其他终端设备进行通信。具体而言，终端设备与服务器之间的通信方式可以适用于不同的网络制式，例如，可以适用于全球移动通讯(Global System of Mobile communication，简称GSM)、码分多址(CodeDivision Multiple Access，简称CDMA)、宽带码分多址(Wideband Code DivisionMultiple Access，简称WCDMA)、时分同步码分多址(Time Division-Synchronous CodeDivision Multiple Access，简称TD-SCDMA)、长期演进(Long Term Evolution，简称LTE)系统及未来的5G等网络制式。可选的，上述通信系统可以为5G通信系统中高可靠低时延通信(Ultra-Reliable and Low Latency Communications，URLLC)传输的场景中的系统。
此外，本发明实施例中，执行该数据源质量评价方法的服务器可以是GSM或CDMA中的基站(Base Transceiver Station，简称BTS)和/或基站控制器，也可以是WCDMA中的基站(NodeB，简称NB)和/或无线网络控制器(Radio Network Controller，简称RNC)，还可以是LTE中的演进型基站(Evolutional Node B，简称eNB或eNodeB)，或者中继站或接入点，或者未来5G网络中的基站(gNB)等，本发明在此并不限定。
执行该数据源质量评价方法的终端设备可以是无线终端也可以是有线终端。无线终端可以是指向用户提供语音和/或其他业务数据连通性的设备，具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备。无线终端可以经无线接入网(RadioAccess Network，简称RAN)与一个或多个核心网设备进行通信，无线终端可以是移动终端，如移动电话(或称为“蜂窝”电话)和具有移动终端的计算机，例如，可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置，它们与无线接入网交换语言和/或数据。再例如，无线终端还可以是个人通信业务(Personal Communication Service，简称PCS)电话、无绳电话、会话发起协议(Session Initiation Protocol，简称SIP)话机、无线本地环路(Wireless Local Loop，简称WLL)站、个人数字助理(Personal Digital Assistant，简称PDA)等设备。无线终端也可以称为系统、订户单元(Subscriber Unit)、订户站(SubscriberStation)，移动站(Mobile Station)、移动台(Mobile)、远程站(Remote Station)、远程终端(Remote Terminal)、接入终端(Access Terminal)、用户终端(User Terminal)、用户代理(User Agent)、用户设备(User Device or User Equipment)，在此不作限定。可选的，上述终端设备还可以是智能手表、平板电脑等设备。
本发明实施例可所提供的技术方案可以应用于针对高精度地图的更新数据源质量评价场景。
示例性的一种实施例中，本发明实施例可以应用于对高精度地图的更新场景。在进行更新时，当存在有多个更新数据源，则可以利用本方案对每个更新数据源进行质量评价，进而，基于各更新数据源的质量评价结果，来确定利用哪一个更新数据源来对高精度地图进行更新。
示例性的另一种实施例中，本发明实施例可以应用于更新数据源的采集场景。在采集到高精度地图的更新数据源后，即可对更新数据源进行质量评价，从而，将采集到的质量较差的更新数据进行过滤，从而，得到满足一定质量要求的更新数据源。在该场景中，还可以将满足一定质量要求的更新数据源存储下来。
本发明实施例中，高精度地图的更新数据源可以包括但不限于：众包数据源。需要说明的是，本发明实施例所涉及到的数据源可以具体为地图和/或地图数据。其中，地图数据可以表现为任意的数据形式，例如，点云形式、地图形式、文本数据形式等，本发明实施例对此无特别限制。
如背景技术，现有技术中，是利用更新数据源更新高精度地图之后，再利用参考地图，对更新后的高精度地图进行质量评价。但是缺乏对高精度地图的更新数据源的质量评价方案。那么，在对高精度地图进行更新时，也就无法确定更新数据源的质量，影响高精度地图的更新效率与更新效果。
本发明提供的技术方案，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本发明的技术方案以及本申请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，对本发明的实施例进行描述。
实施例一
本发明实施例提供了一种数据源质量评价方法。请参考图1，该方法包括如下步骤：
S102，在高精度地图中进行场景抽样得到场景地图；场景地图包括至少一个第一点要素与至少一个第一线要素。
本发明实施例在对更新数据源进行质量评价时，以高精度地图为评价的参考对象。
如前，更新数据源的数据量较大、数据来源广等特点，因此，在对其进行评价时，本方案以场景抽样的方式，来降低数据量。基于此，在该步骤中，可以首先对高精度地图进行场景抽样，得到场景地图。换言之，场景地图是在高精度地图中抽样得到的局部地图或者局部地图数据。
应当理解，本发明实施例对于该步骤抽取出来的场景地图的数目无特别限定，后续为便于说明，可以抽取N个场景地图。实际场景中，N可以为2或2以上的任意数字，除此之外的部分场景中，N的数值也可以为1。在实际实施例中，抽取出来的场景地图的数目越多，得到的针对更新数据源的质量评价结果的精确度越高。
本发明实施例对于高精度地图的数据来源不作限制。后续详述。
S104，基于第一点要素与第二点要素，在待评价数据源中确定场景地图对应的数据源地图，待评价数据源为高精度地图的众包数据源，数据源地图包括：至少一个第二点要素与至少一个第二线要素。
本发明实施例中，后续说明时，更新数据源即为待评价数据源，待评价数据源可用于对高精度地图进行更新，待评价数据源可以表现为地图或地图数据，不再对此进行重复说明。
本发明实施例中，将场景地图中的点要素称为第一点要素，将场景地图中的线要素称为第一线要素；将数据源地图中的点要素称为第二点要素，将数据源地图中的线要素称为第二线要素。可以理解，第一、第二仅用于区分不同地图中的要素，并无其他限制意义。
该步骤中，可以基于场景地图中的第一点要素与待评价数据源(数据源地图属于待评价数据源)中的各个第二点要素，来对待评价数据源进行场景匹配，在待评价数据源中获取与各场景地图对应的数据源地图。经该步骤处理结束之后，可以得到N个数据源地图。也就是，得到一一对应的场景地图与数据源地图，场景地图来源于高精度地图，数据源地图来源于待评价数据源。
S106，获取场景地图与数据源地图中的地图要素的匹配结果，匹配结果包括：第一线要素与第二线要素之间的匹配结果。
该步骤用以在场景匹配之后，对每个场景地图及其对应的数据源地图进行要素匹配。其目的在于，获取数据源地图中各地图要素与场景地图中各地图要素之间的匹配结果。
地图要素之间的匹配结果可以具体表现为：地图要素之间的对应关系。
具体实现时，可以对其中的所有地图元素都进行匹配，如此，可以得到各第一点要素与各第二点要素之间的点要素对应关系，以及，各第一线要素与各第二线要素之前的线要素对应关系；或者，也可以仅对其中的线要素进行匹配，如此，至少可以得到各第一线要素与各第二线要素之前的线要素对应关系。综上，匹配结果至少包括：第一线要素与第二线要素之间的匹配结果。后续详述元素匹配方式。
S108，根据匹配结果，获取待评价数据源的质量评价结果。
本发明实施例中，针对待评价数据源的质量评价结果可以包括但不限于如下三个方面：位置精度评价、属性精度评价或完整性评价中的一种或多种方式。其中，位置精度评价用于对待评价数据源中的地图要素的位置精度进行评价，可以包括但不限于：绝对位置精度或相对位置精度中的一种或多种。属性精度评价用于对待评价数据源的地图元素的属性进行评价，后续详述。完整性评价则可以包括但不限于：上报率、漏报率或误报率中的一种或多种。后续对质量评价结果及其获取方式进行详述。
基于前述处理，本方案中，可以在高精度地图中抽样获取场景地图，场景地图包括至少一个第一点要素与第一线要素，从而，可以基于点要素的匹配情况，在待评价数据源中匹配得到与场景地图相对应的数据源地图，再对场景地图与数据源地图中的地图要素进行匹配，进而，基于地图要素的匹配结果，就可以实现对待评价数据源的质量评价。如此，本发明实施例通过场景抽样缩小了数据源的评价范围，进而，基于场景地图与场景数据源的要素匹配，能够有效提升质量评价过程的效率和质量评价精度，并有利于降低要素匹配误差，实现了对高精度地图的众包数据源的质量评价，弥补了现有技术中缺乏对高精度地图数据源的质量评价方法，进而，也有效提高了精度地图的匹配效率与更新效率。
现以图1所示实施例为基础，对本方案的具体实现方式进行说明。
本发明实施例中，在执行S102步骤时，可以按照预设的规则对高精度地图进行场景抽样。在对高精度地图进行抽样时，可以通过在高精度地图中抽取封闭区域的方式来实现。示例性的，可以在高精度地区中抽样四变形的平面封闭区域，得到抽样地图。
具体而言，在进行抽样时，可以按照预设的距离周期或距离间隔，在高精度地图中抽样获取封闭区域，进而，在封闭区域中筛选得到场景地图。示例性的，针对一个预设的位置和预设方向，可以每隔2km进行一次抽样，得到多个封闭区域。为便于区分，也可以将这些封闭区域记作：抽样地图。
如前，在S102中，场景地图中可以包括但不限于：至少一个第一点要素与至少一个第一线要素。其中，第一点要素可以用于S104的场景匹配步骤，而第一线要素与第一点要素还需要进一步应用于后续S106的元素匹配步骤。
基于此，在实际实现S102时，还需要判断或检测各封闭区域中是否包含至少一个第一点要素与至少一个第一线要素。也就是，还需要在抽取到的多个封闭区域中筛选出场景地图，使得场景地图中包含至少一个第一点要素与至少一个第一线要素。也就是，在多个封闭区域中筛选出具备至少一个点要素(也即第一点要素)与至少一个线要素(也即第一线要素)的全部或部分区域的地图数据，得到场景地图。
因此，在一个可能的实施例中，当执行S102时，可以按照预设的距离周期或距离间隔，在高精度地图中获取多个封闭区域的抽样地图；在抽样地图中筛选得到场景地图，以使得筛选出的场景地图中包括至少一个点要素与至少一个线要素。
本发明实施例中，点要素为在地图中呈点状的地图元素，不具备长度属性；而线要素则为地图中呈线状，切具备长度值的地图元素。示例性的，限速标牌即为点要素，而限速标牌附近的车道线(或称为车道标线)则为线要素。
据此，在另一种可能的实施例中，在执行S102时，抽取场景地图时，可以抽取覆盖有单边车道的地图区域。如此，场景地图可覆盖单边车道，此时，该场景地图中的第一线要素至少包括但不限于车道线，以及，该场景地图中的第一点要素至少包括但不限于车道线附近的标牌和/或指示牌。
示例性的，图2示出了一种可能的抽样场景。图2中黑色线表示车道线，黑色点表示限速标牌，白色四边形表示场景轮廓，黑色箭头表示车辆行驶方向。如图2所示，靠右侧行驶的车辆传感器才可以识别到限速标牌的正面，所以，在抽取场景地图时，可以选取限速标牌和它左侧车道内的6条标线所在的封闭区域，得到如图2所示的场景地图。
需要说明的是，在实际进行场景地图的抽取时，考虑到高精度地图容易受到精度的影响，导致地图要素在地图上可能存在偏移。因此，在前述S102中抽取抽样地图(或场景地图)的步骤中，还可以将场景轮廓在车道两侧作横向延伸，避免地图元素偏移对后续处理结果的不利影响。
基于前述处理，可以得到N个场景地图，N为正整数。之后，即需要基于第一点要素，在待评价数据源中进行场景匹配，得到N个数据源地图。
示例性的，图3示出了另一种可能的数据源质量评价方法。图3中，S104可以包括但不限于如下步骤：
S1042，获取各第一点要素的要素位置与各第二点要素的要素位置。
为便于说明，可以将N个场景地图作为一个抽样场景地图的集合M。高精度地图的更新数据源一般为众包数据源，其携带的数据一般为某次上报的(第二)点要素与(第二)线要素的集合，为便于说明，将更新数据源记为集合S。
如此，在该步骤中，可以获取场景地图中各第一点要素的坐标，记为Mi(xi1，yi1)；以及，获取待评价数据源中各第二点要素的坐标，记为Sj(xj1，yi1)。其中，i的取值范围为1～I，I为场景地图中第一点要素的总数；j的取值范围为1～J，J为数据源地图中第二点要素的总数。I与J的取值可能相同，也可能不同，这取决于高精度地图与待评价数据源，对此无特别限制。地图要素的坐标可以从高精度地图、待评价数据源中读取得到，对此不作详述。
S1044，根据各第一点要素的要素位置与各第二点要素的要素位置，分别获取各第一点要素与各第二点要素之间的第一空间距离。
本发明实施例中，第一点要素与第二点要素之间的空间距离记为第一空间距离，后续还可能涉及到第二空间距离、第三空间距离等，“第一”、“第二”、“第三”等仅用于区分不同数据之间的空间距离，无特别限定作用。
本发明实施例中所涉及到的空间距离可以包括但不限于：平面几何距离、欧式距离、绝对值距离、切比雪夫距离中的一种或多种。
示例性的，第一空间距离即可为平面几何距离、欧式距离、绝对值距离、切比雪夫距离中的一种或多种。
以第一空间距离为二者之间的平面几何距离为例。任意一个第一点要素Mi(xi1，yi1)与任意一个第二点要素Sj(xj1，yj1)之间的第一空间距离，可以满足如下公式：
在执行该步骤时，可以对集合S中的任意一个第二点要素Sj，然后，分别计算该第二点要素分别与I个第一点要素之间的第一空间距离，得到I个第一空间距离。之后，重复J次，分别计算出每个第二点要素与各第一点要素之间的I个第一空间距离。之后，即可得到I×J个第一空间距离。
S1046，根据各第一空间距离，在第一点要素中，确定与第二点要素相匹配的目标点要素。
在执行该步骤时，可以在第一空间距离小于或等于预设距离阈值的第一点要素中，获取第一空间距离最小的一个第一点要素，得到目标点要素。
在具体实现时，可以有两种方式：
一种方式中，针对任意一个第二点要素Sj，需要在其对应的I个第一空间距离中，获取第一空间距离小于或等于预设距离阈值的第一点要素，然后，比较这些在阈值范围内的第一点要素的第一空间距离的大小，得到第一空间距离最小的一个第一点要素，作为目标点要素。
另一种方式中，针对任意一个第二点要素Sj，需要在其对应的I个第一空间距离中，比较得到一个最小的第一空间距离，然后，若该最小的第一空间距离在预设距离阈值范围内，则将该最小的第一空间距离对应的第一点要素，作为目标点要素。
在前述任意实现方式中，若最小的第一空间距离大于预设距离阈值，则未匹配到第二点要素的目标点要素，该第二点要素匹配失败。反之，若满足前述条件，匹配到第二点要素对应的目标点要素，则该第二点要素匹配成功。
预设距离阈值需要考虑实际场景中点要素间的距离、GPS误差等因素，本发明实施例对预设距离阈值的取值无特别限定。示例性的一种可能的实施例中，预设距离阈值的取值可以但不限于20m。
需要说明的是，在该步骤实现时，还可以基于第一空间距离，在各第二点要素中，确定与第一点要素相匹配的目标(第二)点要素。具体实现方式同上，不作赘述。
S1048，在待评价数据源中，根据目标点要素获取相匹配的第二点要素所在的封闭区域地图，得到数据源地图。
具体而言，该步骤是对前述S1046中匹配成功的第二点要素(也即，具备相匹配的目标点要素的第二点要素)所在的封闭区域进行地图或地图数据的提取，得到数据源地图的。可以理解，针对匹配失败的第二点要素，相当于未确定与之对应的场景地图，不再进行后续处理。
该步骤中，可以按照抽取场景地图类似的方式，在待评价数据源中，抽取包含有第二点要素的封闭区域。不做赘述。
具体而言，经该步骤处理之后，即可得到多个数据源地图，这些数据源地图均具备一个对应的场景地图。
基于场景匹配结果，在执行S106时，主要用于对每个数据源地图与场景地图中的地图要素进行匹配。如前，一种可能的实现方式中，可以仅针对其中的线要素进行匹配。也就是说，可以对场景地图与数据源地图中的线要素进行匹配，得到第一线要素与第二线要素之间的匹配结果。
示例性的，图4示出了该实施例的一种处理方式，以及，图5示出了该场景中的地图要素匹配的示意图。现结合图4和图5对S106进行说明。如图4所示，S106可以包括如下步骤：
S1062，在场景地图中，获取各第一线要素分别与第一基准要素之间的第二空间距离，其中，第一基准要素为场景地图中的一个第一点要素。
在图5中，地图510为高精度地图中的一个场景地图；地图520为待评价数据源中的一个数据源地图。地图510和地图520相匹配，其中，第一点要素511和第二点要素521相匹配。
为便于处理，可以将第一点要素511作为第一基准要素，将第二点要素521作为第二基准要素。
除此之外，地图510中还包括4个第一线要素，分别记为512～515；地图520中还包括4个第二线要素，分别记为522～525。
由此，在执行该步骤时，需要分别获取这四个第一线要素512～515各自与第一点要素511之间的空间距离，记为第二空间距离。
S1064，在数据源地图中，获取各第二线要素分别与第二基准要素之间的第三空间距离，其中，第二基准要素为数据源地图中的一个第二点要素；第一基准要素与第二基准要素相匹配。
需要说明的是，本发明实施例对于基准要素无特别限制。当数据源地图中包括多个第二点要素时，可以将多个第二点要素中的任意一个第二点要素确定为第二基准要素，并将与该第二点要素相匹配的一个第一点要素确定为第一基准要素，进行后续处理。
该步骤中，需要分别获取这四个第二线要素522～525各自与第二点要素521之间的空间距离，记为第三空间距离。
本发明实施例中，第二空间距离可以为为平面几何距离、欧式距离、绝对值距离、切比雪夫距离中的一种或多种。第三空间距离可以为为平面几何距离、欧式距离、绝对值距离、切比雪夫距离中的一种或多种。
需要说明的是，实际运算过程中，第二空间距离与第三空间为同一种类型的空间距离；第一空间距离与第二空间距离(或第三空间距离)可以为不同类型的空间距离，也可以为相同类型的空间距离。
示例性的，第一空间距离可以为平面几何距离，第二空间距离与第三空间距离为切比雪夫距离。或者，示例性的，第一空间距离、第二空间距离与第三空间距离均为欧式距离。
S1066，基于第二空间距离与第三空间距离，在第二线要素中，分别确定与各第一线要素相匹配的第二线要素，以作为匹配结果。
在该步骤中，基于第二空间距离与第三空间距离进行匹配时，也可以采取与S1046类似的方式实现。也就是，针对任意一个第一线要素，分别获取第二空间距离与各第三空间距离之差的绝对值，得到差值距离，从而，在差值距离小于或等于预设差值阈值的第三空间距离中，获取差值距离最小的一个第三空间距离，则该第三空间距离对应的一个第二线要素，与该第一线要素相匹配。
具体实现场景中，预设差值阈值受到线要素间的距离、GPS误差等因素的影响，本发明实施例对预设差值阈值的取值无特别限定。示例性的一种可能的实施例中，预设距离阈值的取值可以但不限于3m。也就是，允许的匹配误差在±3m范围内。
以图5所示的第一线要素513为例，第一线要素513与第一点要素511之间的第二空间距离为8；而第二线要素522～525与第二点要素521之间的第三空间距离依次为：5、9、11、13。那么，可以获取该第二空间距离与各第三空间距离之差，依次为：3、-1、-3、-4；其差值距离(差值的绝对值)依次为：3、1、3、4；那么，1的差值距最小，且在预设的差值阈值范围之内，则可以确定1对应的第二线要素523与第一线要素513相匹配。
如此，针对任意一个第一线要素，都进行前述处理，得到与之对应的目标(第二)线要素。
类似的，在执行该步骤时，也可以在各第一线要素中，分别获取每个第二线要素对应的目标(第一)线要素。实现方式同前，不作赘述。
在实际实现场景中，也可采用图3或图4的任意一种方式，来计算各点要素之间的匹配结果。此处不作赘述。
基于前述处理，可以据此得到质量评价结果。如前，质量评价结果包括：绝对位置精度、相对位置精度、属性精度、上报率、漏报率或误报率中的一种或多种。
具体而言，绝对位置精度，用于评价待评价数据源中地图元素的位置精确程度。示例性的，绝对位置精度可以通过计算已匹配的地图要素之间的空间距离来进行评价。例如，如图5所示的实施例中可以计算第一线要素512与第二线要素522之间的欧式距离，来评价第二线要素522的绝对位置精度。又例如，图5所示实施例中，可以计算第一点要素511与第二点要素521之间的平面几何距离，来评价第二点要素521的绝对位置精度。
相对位置精度，用于评价待评价数据源中相邻地图元素之间的距离精确程度。以车道宽为示例，可以比较待评价数据源中车道宽度与高精度地图中与之对应的车道宽(具体可以为相邻车道线之间的空间距离)之间的差异情况，来评价待评价数据中两条线要素之间的相对位置精度。例如，在图5所示实施例中，可以计算第一线要素513和第一线要素514之间的欧式距离，得到二者之间的第一车道宽；以及，可以计算第二线要素523和第二线要素524之间的欧式距离，得到二者之间的第二车道宽；由于第一线要素513与第二线要素523相匹配、第一线要素514与第二线要素524相匹配，第一车道宽与第二车道宽相对应。此时，可以获取第一车道宽与第二车道宽之间的差值，来对第二线要素523和第二线要素524之间的相对位置精度进行评价。
元素属性精度，用于评价待评价数据源中地图元素的元素属性的准确程度。基于地图元素是否为数值型属性，该步骤可以有不同的处理方式。
示例性的，若地图元素为枚举型属性(非数值型)，则可以将待评价数据源中地图元素的属性(简称为上报属性)与高精度地图中相匹配的地图元素的属性(简称为地图属性)进行比对；当二者一致时，则待评价数据源中的该枚举型属性的属性正确；若二者不一致，则待评价数据源中的该枚举型属性的属性错误。以图5所示为例，第一点要素511的属性为点要素中的指示标牌；而第二点要素521的属性也为点要素中的指示标牌，二者一致，则第二点要素521的属性正确。
示例性的，若待评价数据源中的地图元素为数值型属性，则可以预设相应的阈值(绝对阈值或相对阈值)，从而，若上报属性在预设的阈值范围内，则待评价数据源的属性正确，否则属性错误。示例性的，针对相邻两个线要素(车道线)之间的宽度(Width)属性，可以预设宽度属性对应的绝对阈值可以但不限于为±100mm，相对阈值可以但不限于为±10％。以图5所示为例，前述相对位置精度的举例中，第一车道宽和第二车道宽为一种宽度属性，则可以判断第一车道宽与第二车道宽是否在绝对阈值(例如，但不限于±100mm)的范围内，若是，则待评价数据源的宽度属性正确；反之，则宽度属性错误。
上报率、漏报率与误报率，可以是对待评价数据源中的多个数据源地图(对应场景地图)进行要素匹配后，基于要素匹配的结果来统计得到的。
其中，上报率，用于评价待评价数据源中成功匹配的地图元素在所有地图元素中所占的比例。示例性的，可以在整个待评价数据源的每个数据源地图中，获取具备已匹配成功的所有第二线要素的线条长度，在该数据源地图中所有线要素的总长度之间的比例，以作为该数据源地图的上报率。示例性的，还可以在整个待评价数据源的所有数据源地图中，获取已匹配成功的线要素长度占所有线要素总长度之间的比例，得到该待评价数据源的上报率。示例性的另一种实施例中，还可以将已匹配成功的地图要素(包括点要素与线要素)的个数在数据源地图(或待评价数据源中)所有地图要素的总个数中所占的比例，得到上报率。综上，可以针对每个数据源地图分别计算上报率，也可以将多个数据源地图的数据会和在一起计算上报率；以及，除利用线要素长度计算上报率之外，还可以利用地图要素的个数来计算上报率。
漏报率，用于评价待评价数据源中未上报的地图元素在所有地图元素中所占的比例。示例性的，可以获取数据源地图中漏报的线要素长度，占该数据源地图内线要素总长度的比例，得到漏报率。与上报率类似，可以针对每个数据源地图分别计算漏报率，也可以将多个数据源地图的数据会和在一起计算漏报率；以及，除利用线要素长度计算漏报率之外，还可以利用地图要素的个数来计算漏报率，不再赘述。
误报率，用于评价待评价数据源中上报错误的地图元素在所有地图元素中所占的比例。示例性的，可以获取数据源地图中错误上报的线要素长度，占数据源地图中线要素总长度的比例，得到误报率。与上报率类似，可以针对每个数据源地图分别计算误报率，也可以将多个数据源地图的数据会和在一起计算误报率；以及，除利用线要素长度计算误报率之外，还可以利用地图要素的个数来计算误报率，不再赘述。
基于前述处理，本发明实施例提供的技术方案，能够实现对高精度地图的更新数据源的质量评价，为高精度地图的更新打下了良好的基础。
可以理解的是，上述实施例中的部分或全部步骤或操作仅是示例，本申请实施例还可以执行其它操作或者各种操作的变形。此外，各个步骤可以按照上述实施例呈现的不同的顺序来执行，并且有可能并非要执行上述实施例中的全部操作。
当用于本申请中时，虽然术语“第一”、“第二”等可能会在本申请中使用以描述各点要素，但这些点要素不应受到这些术语的限制。这些术语仅用于将一个点要素与另一个点要素区别开。比如，在不改变描述的含义的情况下，第一点要素可以叫做第二点要素，并且同样第，第二点要素可以叫做第一点要素，只要所有出现的“第一点要素”一致重命名并且所有出现的“第二点要素”一致重命名即可。第一点要素和第二点要素都是点要素，但可以不是相同的点要素。
本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“”(the)旨在同样包括复数形式。类似地，如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本申请中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。
实施例二
基于上述实施例一所提供的数据源质量评价方法，本发明实施例进一步给出实现上述方法实施例中各步骤及方法的装置实施例。
本发明实施例提供了一种数据源质量评价装置，请参考图6，该数据源质量评价装置600，包括：
获取模块62，用于在高精度地图中进行场景抽样得到场景地图；场景地图包括至少一个第一点要素与至少一个第一线要素；
第一匹配模块64，用于基于第一点要素与第二点要素，在待评价数据源中确定场景地图对应的数据源地图；待评价数据源为高精度地图的众包数据源；数据源地图包括：至少一个第二点要素与至少一个第二线要素；
第二匹配模块66，还用于获取场景地图与数据源地图中的地图要素的匹配结果，匹配结果包括：第一线要素与第二线要素之间的匹配结果；
评价模块68，用于根据匹配结果，获取待评价数据源的质量评价结果。
在一种具体的实施例中，获取模块62，具体用于：
按照预设的距离周期或距离间隔，在高精度地图中抽样获取封闭区域；
在封闭区域中筛选得到场景地图。
在另一种具体的实施例中，场景地图覆盖单边车道，场景地图中的第一线要素包括单边车道的车道线，场景地图中的第一点要素包括车道线附近的标牌和/或指示牌。
在另一种具体的实施例中，第一匹配模块64，具体用于：
获取各第一点要素的要素位置与各第二点要素的要素位置；
根据各第一点要素的要素位置与各第二点要素的要素位置，分别获取各第一点要素与各第二点要素之间的第一空间距离；
根据各第一空间距离，在第一点要素中，确定与第二点要素相匹配的目标点要素；
在待评价数据源中，根据目标点要素获取相匹配的第二点要素所在的封闭区域地图，得到数据源地图。
在另一种具体的实施例中，第一匹配模块64，具体用于：
在第一空间距离小于或等于预设距离阈值的第一点要素中，获取第一空间距离最小的一个第一点要素，得到目标点要素。
在另一种具体的实施例中，第一空间距离为平面几何距离、欧式距离、绝对值距离、切比雪夫距离中的一种或多种。
在另一种具体的实施例中，第二匹配模块66，具体用于：
对场景地图与数据源地图中的线要素进行匹配，得到第一线要素与第二线要素之间的匹配结果。
在另一种具体的实施例中，第二匹配模块66，具体用于：
在场景地图中，获取各第一线要素分别与第一基准要素之间的第二空间距离，其中，第一基准要素为场景地图中的一个第一点要素；
在数据源地图中，获取各第二线要素分别与第二基准要素之间的第三空间距离，其中，第二基准要素为数据源地图中的一个第二点要素；第一基准要素与第二基准要素相匹配；
基于第二空间距离与第三空间距离，在第二线要素中，分别确定与各第一线要素相匹配的第二线要素，以作为匹配结果。
在另一种具体的实施例中，质量评价结果包括以下的一个或多个：
绝对位置精度，用于评价待评价数据源中地图元素的位置精确程度；
相对位置精度，用于评价待评价数据源中相邻地图元素之间的距离精确程度；
元素属性精度，用于评价待评价数据源中地图元素的元素属性的准确程度；
上报率，用于评价待评价数据源中成功匹配的地图元素在所有地图元素中所占的比例；
漏报率，用于评价待评价数据源中未上报的地图元素在所有地图元素中所占的比例；
误报率，用于评价待评价数据源中上报错误的地图元素在所有地图元素中所占的比例。
图6所示实施例的数据源质量评价装置600可用于执行上述方法实施例的技术方案，其实现原理和技术效果可以进一步参考方法实施例中的相关描述，可选的，该数据源质量评价装置600可以服务器或终端。
应理解以上图6所示数据源质量评价装置600的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块以软件通过处理元件调用的形式实现，部分模块通过硬件的形式实现。例如，第一匹配模块64可以为单独设立的处理元件，也可以集成在数据源质量评价装置600中，例如终端的某一个芯片中实现，此外，也可以以程序的形式存储于数据源质量评价装置600的存储器中，由数据源质量评价装置600的某一个处理元件调用并执行以上各个模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，ASIC)，或，一个或多个微处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(FieldProgrammable Gate Array，FPGA)等。再如，当以上某个模块通过处理元件调度程序的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central ProcessingUnit，CPU)或其它可以调用程序的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。
并且，本发明实施例提供了一种数据源质量评价设备，请参考图7，该数据源质量评价设备700，包括：
存储器710；
处理器720；以及
计算机程序；
其中，计算机程序存储在存储器710中，并被配置为由处理器720执行以实现如上述实施例的方法。
其中，数据源质量评价设备700中处理器720的数目可以为一个或多个，处理器720也可以称为处理单元，可以实现一定的控制功能。处理器720可以是通用处理器或者专用处理器等。在一种可选地设计中，处理器720也可以存有指令，指令可以被处理器720运行，使得数据源质量评价设备700执行上述方法实施例中描述的方法。
在又一种可能的设计中，数据源质量评价设备700可以包括电路，电路可以实现前述方法实施例中发送或接收或者通信的功能。
可选地，数据源质量评价设备700中存储器710的数目可以为一个或多个，存储器710上存有指令或者中间数据，指令可在处理器720上被运行，使得数据源质量评价设备700执行上述方法实施例中描述的方法。可选地，存储器710中还可以存储有其他相关数据。可选地处理器720中也可以存储指令和/或数据。处理器720和存储器710可以单独设置，也可以集成在一起。
此外，如图7所示，在该数据源质量评价设备700中还设置有收发器730，其中，收发器730可以称为收发单元、收发机、收发电路、或者收发器等，用于与测试设备或其他终端设备进行数据传输或通信，在此不再赘述。
如图7所示，存储器710、处理器720与收发器730通过总线连接并通信。
若该数据源质量评价设备700用于实现对应于图1中的方法时，例如，可以由收发器730输出质量评价结果。而处理器720用于完成相应的确定或者控制操作，可选的，还可以在存储器710中存储相应的指令。各个部件的具体的处理方式可以参考前述实施例的相关描述。
此外，本发明实施例提供了一种可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行以实现如实施例一的方法。
由于本实施例中的各模块能够执行实施例一所示的方法，本实施例未详细描述的部分，可参考对实施例一的相关说明。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、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公开的一般性原理并包括本公开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，本公开的真正范围和精神由下面的权利要求书指出。

Claims (9)

1.一种数据源质量评价方法，其特征在于，包括：
在高精度地图中进行场景抽样得到场景地图；所述场景地图包括至少一个第一点要素与至少一个第一线要素；
基于所述第一点要素与第二点要素，在待评价数据源中确定所述场景地图对应的数据源地图；所述待评价数据源为所述高精度地图的众包数据源；所述数据源地图包括：至少一个所述第二点要素与至少一个第二线要素；
获取所述场景地图与所述数据源地图中的地图要素的匹配结果，所述匹配结果包括：所述第一线要素与所述第二线要素之间的匹配结果；
根据所述匹配结果，获取所述待评价数据源的质量评价结果；
所述获取所述场景地图与所述数据源地图中的地图要素的匹配结果，包括：
在所述场景地图中，获取各第一线要素分别与第一基准要素之间的第二空间距离，其中，所述第一基准要素为所述场景地图中的一个所述第一点要素；
在所述数据源地图中，获取各第二线要素分别与第二基准要素之间的第三空间距离，其中，所述第二基准要素为所述数据源地图中的一个所述第二点要素；所述第一基准要素与所述第二基准要素相匹配；
基于所述第二空间距离与所述第三空间距离，在所述第二线要素中，分别确定与各所述第一线要素相匹配的第二线要素，以作为所述匹配结果。
2.根据权利要求1所述的方法，其特征在于，所述在高精度地图中进行场景抽样得到场景地图，包括：
按照预设的距离周期或距离间隔，在所述高精度地图中抽样获取封闭区域；
在所述封闭区域中筛选得到所述场景地图。
3.根据权利要求1所述的方法，其特征在于，所述场景地图覆盖单边车道，所述场景地图中的第一线要素包括所述单边车道的车道线，所述场景地图中的第一点要素包括所述车道线附近的标牌和/或指示牌。
4.根据权利要求1所述的方法，其特征在于，所述基于所述第一点要素与第二点要素，在待评价数据源中确定所述场景地图对应的数据源地图，包括：
获取各所述第一点要素的要素位置与各第二点要素的要素位置；
根据各所述第一点要素的要素位置与各所述第二点要素的要素位置，分别获取各所述第一点要素与各所述第二点要素之间的第一空间距离；
根据各所述第一空间距离，在所述第一点要素中，确定与所述第二点要素相匹配的目标点要素；
在所述待评价数据源中，根据所述目标点要素获取相匹配的第二点要素所在的封闭区域地图，得到所述数据源地图。
5.根据权利要求4所述的方法，其特征在于，所述根据各所述第一空间距离，在所述第一点要素中，确定与所述第二点要素相匹配的目标点要素，包括：
在所述第一空间距离小于或等于预设距离阈值的第一点要素中，获取所述第一空间距离最小的一个所述第一点要素，得到所述目标点要素。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述质量评价结果包括以下的一个或多个：
绝对位置精度，用于评价待评价数据源中地图元素的位置精确程度；
相对位置精度，用于评价所述待评价数据源中相邻地图元素之间的距离精确程度；
元素属性精度，用于评价所述待评价数据源中所述地图元素的元素属性的准确程度；
上报率，用于评价所述待评价数据源中成功匹配的地图元素在所有地图元素中所占的比例；
漏报率，用于评价所述待评价数据源中未上报的地图元素在所有地图元素中所占的比例；
误报率，用于评价所述待评价数据源中上报错误的地图元素在所有地图元素中所占的比例。
7.一种数据源质量评价装置，其特征在于，包括：
获取模块，用于在高精度地图中进行场景抽样得到场景地图；所述场景地图包括至少一个第一点要素与至少一个第一线要素；
第一匹配模块，用于基于所述第一点要素与第二点要素，在待评价数据源中确定所述场景地图对应的数据源地图；所述待评价数据源为所述高精度地图的众包数据源；所述数据源地图包括：至少一个所述第二点要素与至少一个第二线要素；
第二匹配模块，还用于获取所述场景地图与所述数据源地图中的地图要素的匹配结果，所述匹配结果包括：所述第一线要素与所述第二线要素之间的匹配结果；
评价模块，用于根据所述匹配结果，获取所述待评价数据源的质量评价结果；
所述第二匹配模块，具体用于：
在所述场景地图中，获取各第一线要素分别与第一基准要素之间的第二空间距离，其中，所述第一基准要素为所述场景地图中的一个所述第一点要素；
在所述数据源地图中，获取各第二线要素分别与第二基准要素之间的第三空间距离，其中，所述第二基准要素为所述数据源地图中的一个所述第二点要素；所述第一基准要素与所述第二基准要素相匹配；
基于所述第二空间距离与所述第三空间距离，在所述第二线要素中，分别确定与各所述第一线要素相匹配的第二线要素，以作为所述匹配结果。
8.一种数据源质量评价设备，其特征在于，包括：
存储器；
处理器；以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1至6任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1至6任一项所述的方法。
CN202010630821.9A 2020-07-03 2020-07-03 数据源质量评价方法与装置、设备、计算机可读存储介质 Active CN111797189B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010630821.9A CN111797189B (zh) 2020-07-03 2020-07-03 数据源质量评价方法与装置、设备、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010630821.9A CN111797189B (zh) 2020-07-03 2020-07-03 数据源质量评价方法与装置、设备、计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN111797189A CN111797189A (zh) 2020-10-20
CN111797189B true CN111797189B (zh) 2024-03-19

Family

ID=72811038

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010630821.9A Active CN111797189B (zh) 2020-07-03 2020-07-03 数据源质量评价方法与装置、设备、计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111797189B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418035A (zh) * 2020-11-12 2021-02-26 武汉光庭信息技术股份有限公司 一种中精度地图数据自动化评价方法及系统
CN112766670B (zh) * 2021-01-07 2023-11-14 武汉四维图新科技有限公司 基于高精度地图数据众包更新系统的评估方法及装置
CN114037683A (zh) * 2021-11-08 2022-02-11 湖北亿咖通科技有限公司 众包地图的质量确定方法、装置及电子设备
CN114353812B (zh) * 2021-12-31 2023-08-29 广州小鹏自动驾驶科技有限公司 地图闭环生成方法和装置、电子设备及存储介质
CN114910064A (zh) * 2022-04-29 2022-08-16 合肥四维图新科技有限公司 一种高精地图数据更新方法、装置、设备和可读介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102155948A (zh) * 2010-02-11 2011-08-17 北京四维图新科技股份有限公司 导航电子地图质量的随机检测评估方法及装置
CN104142962A (zh) * 2013-05-10 2014-11-12 北京四维图新科技股份有限公司 一种对电子地图的线要素进行处理的方法
CN106525057A (zh) * 2016-10-26 2017-03-22 陈曦 高精度道路地图的生成系统
CN106611440A (zh) * 2015-10-26 2017-05-03 北京四维图新科技股份有限公司 一种提取实景图的方法及装置
CN108074394A (zh) * 2016-11-08 2018-05-25 武汉四维图新科技有限公司 实景交通数据更新方法及装置
CN108279013A (zh) * 2017-01-05 2018-07-13 北京四维图新科技股份有限公司 电子地图增量数据的检查纠错方法和装置、以及导航系统
CN108279428A (zh) * 2017-01-05 2018-07-13 武汉四维图新科技有限公司 地图数据评测装置及系统、数据采集系统及采集车和采集基站
CN108460146A (zh) * 2018-03-20 2018-08-28 武汉光庭信息技术股份有限公司 一种地图显示数据的容量消减方法
CN109215487A (zh) * 2018-08-24 2019-01-15 宽凳（北京）科技有限公司 一种基于深度学习的高精地图制作方法
CN109492063A (zh) * 2018-10-19 2019-03-19 武汉中海庭数据技术有限公司 一种高精度地图数据的质量评价方法
CN110069593A (zh) * 2019-04-24 2019-07-30 百度在线网络技术（北京）有限公司 图像处理方法及系统、服务器、计算机可读介质
CN110160502A (zh) * 2018-10-12 2019-08-23 腾讯科技（深圳）有限公司 地图要素提取方法、装置及服务器
CN110906954A (zh) * 2019-12-02 2020-03-24 武汉中海庭数据技术有限公司 一种基于自动驾驶平台的高精度地图测试评估方法和装置
CN111160360A (zh) * 2018-11-07 2020-05-15 北京四维图新科技股份有限公司 图像识别方法、装置及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339231B (zh) * 2020-02-25 2024-04-09 合肥四维图新科技有限公司 众包更新结果的处理方法及装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102155948A (zh) * 2010-02-11 2011-08-17 北京四维图新科技股份有限公司 导航电子地图质量的随机检测评估方法及装置
CN104142962A (zh) * 2013-05-10 2014-11-12 北京四维图新科技股份有限公司 一种对电子地图的线要素进行处理的方法
CN106611440A (zh) * 2015-10-26 2017-05-03 北京四维图新科技股份有限公司 一种提取实景图的方法及装置
CN106525057A (zh) * 2016-10-26 2017-03-22 陈曦 高精度道路地图的生成系统
CN108074394A (zh) * 2016-11-08 2018-05-25 武汉四维图新科技有限公司 实景交通数据更新方法及装置
CN108279428A (zh) * 2017-01-05 2018-07-13 武汉四维图新科技有限公司 地图数据评测装置及系统、数据采集系统及采集车和采集基站
CN108279013A (zh) * 2017-01-05 2018-07-13 北京四维图新科技股份有限公司 电子地图增量数据的检查纠错方法和装置、以及导航系统
CN108460146A (zh) * 2018-03-20 2018-08-28 武汉光庭信息技术股份有限公司 一种地图显示数据的容量消减方法
CN109215487A (zh) * 2018-08-24 2019-01-15 宽凳（北京）科技有限公司 一种基于深度学习的高精地图制作方法
CN110160502A (zh) * 2018-10-12 2019-08-23 腾讯科技（深圳）有限公司 地图要素提取方法、装置及服务器
CN109492063A (zh) * 2018-10-19 2019-03-19 武汉中海庭数据技术有限公司 一种高精度地图数据的质量评价方法
CN111160360A (zh) * 2018-11-07 2020-05-15 北京四维图新科技股份有限公司 图像识别方法、装置及系统
CN110069593A (zh) * 2019-04-24 2019-07-30 百度在线网络技术（北京）有限公司 图像处理方法及系统、服务器、计算机可读介质
CN110906954A (zh) * 2019-12-02 2020-03-24 武汉中海庭数据技术有限公司 一种基于自动驾驶平台的高精度地图测试评估方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
地图数字化数据质量控制方法;陈善云, 李铭;湖南城市学院学报(自然科学版)(第02期);36-37+49 *
基于一般抽样原理的GIS属性数据质量评定方法;史文中, 刘春, 刘大杰;武汉大学学报(信息科学版)(第05期);7-12+23 *
电子地图数据质量评价指标体系及评价方法;朱丽萍;任福;;地理空间信息(第05期);11+130-133 *

Also Published As

Publication number Publication date
CN111797189A (zh) 2020-10-20

Similar Documents

Publication Publication Date Title
CN111797189B (zh) 数据源质量评价方法与装置、设备、计算机可读存储介质
US20220141797A1 (en) Positioning method and communication apparatus
JP5388221B2 (ja) パターン分類を使用した、無線端末が屋内にあるかどうかの推定
CN108133001B (zh) Mr室内外分离方法、装置及介质
CN104540218B (zh) 一种wifi信号有效性过滤方法
US20190116577A1 (en) Positioning method and server, and terminal
CN103901398A (zh) 一种基于组合排序分类的位置指纹定位方法
EP3624497A1 (en) Positioning offset correction method and apparatus
CN102550051B (zh) 用于其它蜂窝系统的lte指纹识别定位参考
CN109672971A (zh) 群组中成员的定位方法、移动终端及存储介质
CN111405464B (zh) 基站位置检测方法及装置
CN105101089A (zh) 一种实现定位的方法、相关装置及系统
CN113766525B (zh) 一种波束扫描方法、装置、存储介质和基站
CN111210471B (zh) 一种定位方法、装置及系统
CN112771352B (zh) 车辆定位方法和装置
CN110674234B (zh) 地图数据采集方法、设备及存储介质
CN105026950B (zh) 终端定位的方法、定位服务器和终端
CN113727290A (zh) 基于手机信令的基站位置偏移识别方法及相关装置
CN111726858B (zh) 一种选择测量小区的方法和装置
US11546779B2 (en) Method and apparatus for accelerating estimation of a radio model of an access point
CN112825585B (zh) 定位方法及装置、计算机可存储介质
WO2018163440A1 (en) Position estimation apparatus
CN209295999U (zh) 一种室内行人定位系统及其辅助定位装置
CN118019011A (zh) 天线方位角的确定方法、装置及存储介质
CN107404760A (zh) 一种位置区标识列表tai list分配方法和系统

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