CN112256811B - 一种基于图结构的地图信息表示方法及装置 - Google Patents
一种基于图结构的地图信息表示方法及装置 Download PDFInfo
- Publication number
- CN112256811B CN112256811B CN202011121720.5A CN202011121720A CN112256811B CN 112256811 B CN112256811 B CN 112256811B CN 202011121720 A CN202011121720 A CN 202011121720A CN 112256811 B CN112256811 B CN 112256811B
- Authority
- CN
- China
- Prior art keywords
- type
- graph
- node
- map data
- heterogeneous
- 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
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06T11/206—Drawing of charts or graphs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种基于图结构的地图信息表示方法及装置，其方法包括：获取多种异源高精度地图数据，并将其划分为第一类地图数据、第二类地图数据，然后将所述第一类地图数据和所述第二类地图数据进行结构对齐与式样对齐；构建地图信息，所述地图信息包括各层级的图结构表示所需要的信息；根据所述地图信息和所述多种异源高精度地图数据，得到第一类异构图、第二类异构图；每个所述异构图包括多种类型节点、多种类型的边以及各节点与边的属性信息；计算第一类异构图和第二类异构图中每个节点在其所在的每条边的向量表示；通过同名节点对所述第一类异构图表示进行评价。本发明通过异构图实现多种属性级别的信息表征，并可以作为地图数据更新依据。
Description
技术领域
本发明属于高精度电子地图制作领域，尤其涉及一种基于图结构的地图信息表示方法及装置。
背景技术
在高精度地图生产中，我国的道路等级多种多样，涵盖范围广泛，道路场景变化复杂。人工测绘地图不能完全满足高精度地图作为自动驾驶使用时的时效性，广泛性要求。众包测绘数据的产生使得时效性得以解决。但是众包数据的质量与丰富性问题导致了众包数据的制作标准与工艺必然与人工测绘数据的制作标准与工艺不同。
此外，多种异源数据之间标准、格式不统一，难以评价其优劣，采用人工评价费时费力。
发明内容
本发明针对高精度地图中制作中多种异源地图数据的利用难和地图数据评价标准难以统一的问题，在本发明的第一方面提供了一种基于图结构的地图信息表示方法，包括如下步骤：
获取多种异源高精度地图数据，并将其划分为第一类地图数据、第二类地图数据，然后将所述第一类地图数据和所述第二类地图数据进行结构对齐与式样对齐；构建地图信息，所述地图信息包括各层级的图结构表示所需要的信息；根据所述地图信息和第一类地图数据、第二类地图数据创建各自对应的异构图，得到第一类异构图、第二类异构图；每个所述异构图包括多种类型节点、多种类型的边以及各节点与边的属性信息；计算第一类异构图以及中每个节点在其所在的每条边的向量表示；计算第二类异构图中每个节点在其所在的每条边的向量表示，并对所述第一类异构图同名节点的表示进行评价。
在本发明的一些实施例中，所述第一类地图数据包括人工高精度地图；所述第二类地图数据包括众包高精度地图。
在本发明的一些实施例中，所述构建地图信息包括如下步骤：
构建路口信息，所述路口信息包括路口的属性与驶入和驶离路口的道路信息；构建道路信息，所述道路信息包括道路属性与前后连接的道路信息；构建车道信息，所述车道信息包括车道属性与关联道路信息、前后连接车道信息；构建地物匹配信息，所述地物匹配信息包括地物属性、地物形状、地物关联关系。
在本发明的一些实施例中，所述计算第一类异构图以及中每个节点在其所在的每条边的向量表示包括如下步骤：使用Graphsage对每个节点的邻居的每种类型的边进行分别聚合，得到每种类型边的edge embedding；对每个节点聚合后不同类型的edgeembedding进行concat聚合；通过权重参数代表每个节点对不同类型的边的影响,所述权重参数由神经网络经过训练而确定；结合节点自身的属性的base embedding与edgeembedding得到每个节点在每种类型边下的向量表示。
进一步，所述计算第二类异构图中每个节点在其所在的每条边的向量表示，并对所述第一类异构图同名节点的表示进行评价包括如下步骤：
将第二类异构图的数据输入所述神经网络中，计算每个节点的每种类型边的向量表示；
对两种类型地图数据中的同名节点所在各个边的向量表示进行对比；
根据同名节点的表示差异判断所述第二类异构图和所述第一类异构图表示的统一性。
更进一步的，所述根据同名节点的表示差异判断所述第二类异构图和所述第一类异构图表示的统一性包括如下步骤：
通过图神经网络计算第二类异构图与第一类异构图的相似度，将所述相似度作为判断所述第二类异构图和所述第一类异构图表示的统一性的依据。
本发明的第二方面，提供了一种基于图结构的地图信息表示装置，包括获取模块、第一构建模块、第二构建模块、计算模块、评价模块，所述获取模块，用于获取多种异源高精度地图数据，并将其划分为第一类地图数据、第二类地图数据，然后将所述第一类地图数据和所述第二类地图数据进行结构对齐与式样对齐；所述第一构建模块，用于所述地图信息包括各层级的图结构表示所需要的信息；所述第二构建模块，用于根据所述地图信息和第一类地图数据、第二类地图数据创建各自对应的异构图，得到第一类异构图、第二类异构图；每个所述异构图包括多种类型节点、多种类型的边以及各节点与边的属性信息；所述计算模块，用于计算第一类异构图以及中每个节点在其所在的每条边的向量表示；所述评价模块，用于计算第二类异构图中每个节点在其所在的每条边的向量表示，并对所述第一类异构图同名节点的表示进行评价。
在本发明的一些实施例中，所述评价模块包括图神经网络，所述图神经网络计算第二类异构图与第一类异构图的相似度，并对所述第一类异构图同名节点的表示进行评价。
本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明第一方面提供的基于图结构的地图信息表示方法。
本发明的有益效果是：
1、本发明通过多种异源高精度地图数据的异构图(AMHEN)表示地图信息，能使用一张图表征道路级、车道级、地物级的属性与关联信息；
2、通过图神经网络计算两张图之间的相似度，实现了不同高精度地图数据源的统一且可量化的评价标准，避免了人工评价的主观性，提高了评价效率；
3.本发明通过多种异源高精度地图数据的异构图表示方式实现了人工测绘地图数据与众包数据地图数据互通和评价，也为地图更新提供了可靠性依据。
附图说明
图1为本发明的一些实施例中的基于图结构的地图信息表示方法的基本流程图；
图2为本发明的一些实施例中的基于图结构的地图信息表示装置的基本结构示意图；
图3为本发明的一些实施例中的电子设备结构框图。
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。
参考图1，一种基于图结构的地图信息表示方法，包括如下步骤：S101.获取多种异源高精度地图数据，并将其划分为第一类地图数据、第二类地图数据，然后将所述第一类地图数据和所述第二类地图数据进行结构对齐与式样对齐；S102.构建地图信息，所述地图信息包括各层级的图结构表示所需要的信息；S103.根据所述地图信息和第一类地图数据、第二类地图数据创建各自对应的异构图(Attributed Multiplex Heterogeneous Network，AMHEN)，得到第一类异构图、第二类异构图；每个所述异构图包括多种类型节点(node)、多种类型的边(edge)以及各节点与边的属性信息；S104.计算第一类异构图以及中每个节点在其所在的每条边的向量表示；S105.计算第二类异构图中每个节点在其所在的每条边的向量表示，并对所述第一类异构图同名节点的表示进行评价；然后按照约定的数据格式对上述各种数据进行保存，待后续使用。
需要说明的是，地图数据的样式结构或样式格式以标准的高精度地图格式或以上述第一类地图数据、第二类地图数据中的一种为基准模板。
在本发明的一些实施例中，所述第一类地图数据包括人工高精度地图；所述第二类地图数据包括众包高精度地图数据。需要说明的是，上述“第一”、“第二”仅为说明的方便，在某些应用场景下“第一类地图数据”、“第二类地图数据”的顺序可以互换，且可以作为相互评价的参考方。此外，通常情况下，一张人工高精度地图中会与多张众包高精度地图对应，即1个或1张第一类地图数据与多个第二类众包高精度地图对应。可以理解，此处众包高精度地图可以替换为其他非人工途径所提供的高精度地图数据。
在本发明的一些实施例的步骤S102中，所述构建地图信息包括如下步骤：构建路口信息，所述路口信息包括路口的属性与驶入和驶离路口的道路信息；构建道路信息，所述道路信息包括道路属性与前后连接的道路信息；构建车道信息，所述车道信息包括车道属性与关联道路信息、前后连接车道信息；构建地物匹配信息，所述地物匹配信息包括地物属性、地物形状、地物关联关系。
在本发明的一些实施例的步骤S103中，异构图的创建包括如下步骤：节点类型的创建：道路向量，路口，车道向量，车道边线，引导线，地物等；边类型的创建：道路与道路的连通关系，道路与路口的连通关系，道路与车道的包含关系(纵向与横向)，车道与车道的连通关系，引导线与车道的连通关系，地物与道路或车道的关联关系等；属性的创建：各种节点与各种边均由自己的属性，比如位置(形点)等等。
在本发明的一些实施例的步骤S104中，所述计算第一类异构图以及中每个节点在其所在的每条边的向量表示包括如下步骤：使用Graphsage对每个节点的邻居的每种类型的边进行分别聚合，得到每种类型边的edge embedding；对每个节点聚合后不同类型的edge embedding进行concat聚合；通过权重参数代表每个节点对不同类型的边的影响,所述权重参数由神经网络经过训练而确定；结合节点自身的属性的base embedding与edgeembedding得到每个节点在每种类型边下的向量表示。
进一步，所述计算第二类异构图中每个节点在其所在的每条边的向量表示，并对所述第一类异构图同名节点的表示进行评价包括如下步骤：将第二类异构图的数据输入所述神经网络中，计算每个节点的每种类型边的向量表示；对两种类型地图数据中的同名节点所在各个边的向量表示进行对比；根据同名节点的表示差异判断所述第二类异构图和所述第一类异构图表示的统一性。可以理解，上述神经网络包括不限于卷积神经网络：例如Faster RCNN、RNN、YOLO系列神经网络、SSD、FPN、RetinaNet、CascadeRCNN、GAN等。
更进一步的，所述根据同名节点的表示差异判断所述第二类异构图和所述第一类异构图表示的统一性包括如下步骤：通过图神经网络计算第二类异构图与第一类异构图的相似度，将所述相似度作为判断所述第二类异构图和所述第一类异构图表示的统一性的依据。可以理解，相似度的度量可以通过欧氏距离、协方差、余弦相似度、广义Jaccard相似系数中的一种或多种来实现。
参考图2，本发明的第二方面提供了一种基于图结构的地图信息表示装置1，包括获取模块11、第一构建模块12、第二构建模块13、计算模块14、评价模块15，所述获取模块11，用于获取多种异源高精度地图数据，并将其划分为第一类地图数据、第二类地图数据，然后将所述第一类地图数据和所述第二类地图数据进行结构对齐与式样对齐；所述第一构建模块12，用于所述地图信息包括各层级的图结构表示所需要的信息；所述第二构建模块13，用于根据所述地图信息和第一类地图数据、第二类地图数据创建各自对应的异构图，得到第一类异构图、第二类异构图；每个所述异构图包括多种类型节点、多种类型的边以及各节点与边的属性信息；所述计算模块14，用于计算第一类异构图以及中每个节点在其所在的每条边的向量表示；所述评价模块15，用于计算第二类异构图中每个节点在其所在的每条边的向量表示，并对所述第一类异构图同名节点的表示进行评价。
在本发明的一些实施例中，所述评价模块15包括图神经网络，所述图神经网络计算第二类异构图与第一类异构图的相似度，并对所述第一类异构图同名节点的表示进行评价。
本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明第一方面提供的基于图结构的地图信息表示方法。
参考图3，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM502被安装。在该计算机程序被处理装置501执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
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)
1.一种基于图结构的地图信息表示方法，其特征在于，包括如下步骤：
获取多种异源高精度地图数据，并将其划分为第一类地图数据、第二类地图数据，然后将所述第一类地图数据和所述第二类地图数据进行结构对齐与式样对齐；
构建地图信息，所述地图信息包括各层级的图结构表示所需要的信息；
根据所述地图信息和第一类地图数据、第二类地图数据创建各自对应的异构图，得到第一类异构图、第二类异构图；每个所述异构图包括多种类型节点、多种类型的边以及各节点与边的属性信息；
计算第一类异构图以及中每个节点在其所在的每条边的向量表示；
计算第二类异构图中每个节点在其所在的每条边的向量表示，并对所述第一类异构图同名节点的表示进行评价。
2.根据权利要求1所述的基于图结构的地图信息表示方法，其特征在于，
所述第一类地图数据包括人工高精度地图；
所述第二类地图数据包括众包高精度地图。
3.根据权利要求1所述的基于图结构的地图信息表示方法，其特征在于，所述构建地图信息包括如下步骤：
构建路口信息，所述路口信息包括路口的属性与驶入和驶离路口的道路信息；
构建道路信息，所述道路信息包括道路属性与前后连接的道路信息；
构建车道信息，所述车道信息包括车道属性与关联道路信息、前后连接车道信息；
构建地物匹配信息，所述地物匹配信息包括地物属性、地物形状、地物关联关系。
4.根据权利要求1所述的基于图结构的地图信息表示方法，其特征在于，
所述计算第一类异构图以及中每个节点在其所在的每条边的向量表示包括如下步骤：
使用Graphsage对每个节点的邻居的每种类型的边进行分别聚合，得到每种类型边的edge embedding；
对每个节点聚合后不同类型的edge embedding进行concat聚合；
通过权重参数代表每个节点对不同类型的边的影响,所述权重参数由神经网络经过训练而确定；
结合节点自身的属性的base embedding与edge embedding得到每个节点在每种类型边下的向量表示。
5.根据权利要求4所述的基于图结构的地图信息表示方法，其特征在于，所述计算第二类异构图中每个节点在其所在的每条边的向量表示，并对所述第一类异构图同名节点的表示进行评价包括如下步骤：
将第二类异构图的数据输入所述神经网络中，计算每个节点的每种类型边的向量表示；
对两种类型地图数据中的同名节点所在各个边的向量表示进行对比；
根据同名节点的表示差异判断所述第二类异构图和所述第一类异构图表示的统一性。
6.根据权利要求5所述的基于图结构的地图信息表示方法，其特征在于，
所述根据同名节点的表示差异判断所述第二类异构图和所述第一类异构图表示的统一性包括如下步骤：
通过图神经网络计算第二类异构图与第一类异构图的相似度，将所述相似度作为判断所述第二类异构图和所述第一类异构图表示的统一性的依据。
7.一种基于图结构的地图信息表示装置，其特征在于，包括获取模块、第一构建模块、第二构建模块、计算模块、评价模块，
所述获取模块，用于获取多种异源高精度地图数据，并将其划分为第一类地图数据、第二类地图数据，然后将所述第一类地图数据和所述第二类地图数据进行结构对齐与式样对齐；
所述第一构建模块，用于所述地图信息包括各层级的图结构表示所需要的信息；
所述第二构建模块，用于根据所述地图信息和第一类地图数据、第二类地图数据创建各自对应的异构图，得到第一类异构图、第二类异构图；每个所述异构图包括多种类型节点、多种类型的边以及各节点与边的属性信息；
所述计算模块，用于计算第一类异构图以及中每个节点在其所在的每条边的向量表示；
所述评价模块，用于计算第二类异构图中每个节点在其所在的每条边的向量表示，并对所述第一类异构图同名节点的表示进行评价。
8.根据权利要求7所述的基于图结构的地图信息表示装置，其特征在于，所述评价模块包括图神经网络，所述图神经网络计算第二类异构图与第一类异构图的相似度，并对所述第一类异构图同名节点的表示进行评价。
9.一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011121720.5A CN112256811B (zh) | 2020-10-19 | 2020-10-19 | 一种基于图结构的地图信息表示方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011121720.5A CN112256811B (zh) | 2020-10-19 | 2020-10-19 | 一种基于图结构的地图信息表示方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112256811A CN112256811A (zh) | 2021-01-22 |
| CN112256811B true CN112256811B (zh) | 2022-04-29 |
Family
ID=74243895
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011121720.5A Active CN112256811B (zh) | 2020-10-19 | 2020-10-19 | 一种基于图结构的地图信息表示方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112256811B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115131455A (zh) * | 2022-05-23 | 2022-09-30 | 华为技术有限公司 | 地图生成方法和相关产品 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107229690B (zh) * | 2017-05-19 | 2019-01-25 | 广州中国科学院软件应用技术研究所 | 基于路侧传感器的高精度动态地图数据处理系统及方法 |
| US11194847B2 (en) * | 2018-12-21 | 2021-12-07 | Here Global B.V. | Method, apparatus, and computer program product for building a high definition map from crowd sourced data |
| CN110660218B (zh) * | 2019-09-29 | 2021-01-05 | 上海莫吉娜智能信息科技有限公司 | 利用毫米波雷达的高精度地图制作方法及系统 |
| CN111221933A (zh) * | 2019-12-31 | 2020-06-02 | 武汉市珞珈俊德地信科技有限公司 | 海量地图数据与建筑信息模型融合的三维瓦片构建方法 |
| CN111488421B (zh) * | 2020-04-27 | 2024-04-16 | 立得空间信息技术股份有限公司 | 传统地图与高精度地图的数据融合方法 |
-
2020
- 2020-10-19 CN CN202011121720.5A patent/CN112256811B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112256811A (zh) | 2021-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109359170B (zh) | 用于生成信息的方法和装置 | |
| US9207090B2 (en) | System and method for dynamic path optimization | |
| CN112150490B (zh) | 图像检测方法、装置、电子设备和计算机可读介质 | |
| CN110618982B (zh) | 一种多源异构数据的处理方法、装置、介质及电子设备 | |
| EP4119896A2 (en) | Method and apparatus for processing high-definition map data, electronic device, medium and product | |
| US20230147594A1 (en) | Method for integratedly updating map data, device and storage medium | |
| KR20220155947A (ko) | 고정밀 지도 생성 방법, 장치, 전자 기기 및 저장 매체 | |
| CN114003613A (zh) | 高精地图车道线更新方法、装置、电子设备以及存储介质 | |
| CN113920217A (zh) | 用于生成高精地图车道线的方法、装置、设备和产品 | |
| CN109685479A (zh) | 一种施工隧道进度的展示方法、计算机装置以及计算机可读存储介质 | |
| CN112256811B (zh) | 一种基于图结构的地图信息表示方法及装置 | |
| CN114626169A (zh) | 交通路网优化方法、装置、设备、可读存储介质及产品 | |
| CN112150491B (zh) | 图像检测方法、装置、电子设备和计算机可读介质 | |
| CN110309237A (zh) | 一种更新地图的方法和装置 | |
| CN111008729A (zh) | 一种迁移预测的方法和装置 | |
| CN116091716A (zh) | 一种基于深度学习的高精度地图自动化制作系统及方法 | |
| CN115100231A (zh) | 一种区域边界的确定方法和装置 | |
| CN114049449A (zh) | 一种高精度地图道路层级的计算方法及系统 | |
| CN114170347A (zh) | 一种道路外侧线属性点的自动生成方法及系统 | |
| CN110647599B (zh) | 用于显示信息的方法和装置 | |
| CN113008246A (zh) | 地图匹配方法和装置 | |
| CN110633334A (zh) | 用于获取信息的方法及装置 | |
| CN116451168B (zh) | 异常电力信息生成方法、装置、电子设备和可读介质 | |
| WO2023155425A1 (zh) | 调货方法、装置、电子设备和计算机可读介质 | |
| CN116630436B (zh) | 相机外参修正方法、装置、电子设备和计算机可读介质 |
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 |