CN112257762B - 一种异源高精度地图间的路网匹配方法及系统 - Google Patents
一种异源高精度地图间的路网匹配方法及系统 Download PDFInfo
- Publication number
- CN112257762B CN112257762B CN202011087108.0A CN202011087108A CN112257762B CN 112257762 B CN112257762 B CN 112257762B CN 202011087108 A CN202011087108 A CN 202011087108A CN 112257762 B CN112257762 B CN 112257762B
- Authority
- CN
- China
- Prior art keywords
- matching
- road
- intersection
- precision map
- precision
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Navigation (AREA)
Abstract
本发明提供一种异源高精度地图间的路网匹配方法及系统,方法包括:导入异源高精度地图数据,并将所述异源高精度地图与预设结构对齐存储;根据所述异源高精度地图与预设结构对齐存储的数据,构建匹配关系,所述匹配关系依次包括路口匹配、道路匹配、车道组匹配、车道匹配以及地物匹配。本发明实施例提供的一种异源高精度地图间的路网匹配方法及系统,利用路口信息和道路信息构建道路匹配关系,解决路网匹配中的N:M问题,其中使用两种异源数据的拓扑关系,匹配结果具备拓扑完整性。
Description
技术领域
本发明涉及高精度地图生产与更新技术领域,更具体地,涉及一种异源高精度地图间的路网匹配方法及系统。
背景技术
在高精度地图生产中,我国的道路等级多,覆盖范围大,道路场景复杂,传统的人工测绘数据,虽有具有精度高,可靠性高,覆盖性高(完备性高)的优点,但是具有生产效率慢,实时性低的缺点;而众包高精度地图具有实时性高的优点和覆盖性低的缺点。
目前,在众包数据完备性不够的情况下,会导致道路与车道的N:M匹配问题。其中,N:M匹配问题是指由于路网拓扑结构差异(一般是路口采集差异或者路段修整导致)导致现实中多个连续路段在不同数据中的拓扑表达形式差异,完成道路对象多对多的匹配问题。
因此,现在亟需一种异源高精度地图间的路网匹配方法及系统来解决这一问题。
发明内容
本发明提供一种异源高精度地图间的路网匹配方法及系统,用以解决异源高精度地图中道路级路网与车道级路网的匹配问题。
第一方面,本发明实施例提供一种异源高精度地图间的路网匹配方法,包括:
导入异源高精度地图数据,并将所述异源高精度地图与预设结构对齐存储;
根据所述异源高精度地图与预设结构对齐存储的数据,构建匹配关系,所述匹配关系依次包括路口匹配、道路匹配、车道组匹配、车道匹配以及地物匹配。
其中,所述导入异源高精度地图数据,并将所述异源高精度地图与预设结构对齐存储,包括:
加载人工高精度地图和众包高精度地图数据;
按照预设式样结构,对两种数据进行格式对齐与定义对齐。
进一步,所述根据所述异源高精度地图与预设结构对齐存储的数据,构建匹配关系,包括:
构建各级匹配信息,所述匹配信息包括路口匹配信息、道路匹配信息、车道组匹配信息、车道匹配信息以及地物匹配信息。
进一步,所述路口匹配包括:
获取路口数据,根据路口数据中路口面的距离,进一步获取路口候选集;
进行相似度匹配,找出具有匹配关系的路口。
进一步,所述道路匹配包括:
在众包高精度地图数据路口的驶入驶出道路与对应匹配人工高精度地图数据中路口的驶入驶出道路间,分别以驶入方向和驶出方向进行匹配。
进一步,所述车道组匹配,包括:
在众包高精度地图数据道路的关联车道组和对应匹配的人工高精度地图数据道路的关联车道组进行匹配。
进一步,所述方法还包括:
进行匹配核查,过滤掉匹配关系存在重复或者匹配对象不存在实际中的公共重叠区。
第二方面,本发明实施例提供一种异源高精度地图间的路网匹配系统,包括:
数据导入模块,用于导入异源高精度地图数据,并将所述异源高精度地图与预设结构对齐存储;
匹配模块,用于根据所述异源高精度地图与预设结构对齐存储的数据,构建匹配关系,所述匹配关系依次包括路口匹配、道路匹配、车道组匹配以及车道匹配。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述第一方面所提供的一种异源高精度地图间的路网匹配方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述第一方面所提供的一种异源高精度地图间的路网匹配方法的步骤。
本发明实施例提供的一种异源高精度地图间的路网匹配方法及系统,利用路口信息和道路信息构建道路匹配关系,解决路网匹配中的N:M匹配问题,其中使用两种异源数据的拓扑关系,匹配结果具备拓扑完整性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种异源高精度地图间的路网匹配方法流程示意图;
图2是本发明实施例提供的匹配流程图;
图3是本发明实施例提供的路口与道路匹配效果图;
图4是本发明实施例提供的车道匹配效果图;
图5是本发明实施例提供的一种异源高精度地图间的路网匹配系统结构示意图;
图6是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
传统的人工测绘地图数据,虽有具有精度高,可靠性高,覆盖性高(完备性高)的优点,但是具有生产效率慢,实时性低的缺点;而众包高精度地图具有实时性高的优点和覆盖性低的缺点。两种数据可以实现优势互补,从而保证地图精度的同时,提高鲜度。
为了实现两种异源高精度地图的融合更新,首先需要对地图中的同名要素进行匹配。因此,本申请提出一种异源高精度地图之间的路网匹配方法,涉及到三个层级:道路,车道与地物。本申请与传统的路网匹配方法相比,优势在于适配高精度地图的要求,引入车道级的匹配关系,克服众包数据完备性不够的情况下的道路与车道的N:M匹配问题。以下将结合附图通过多个实施例进行展开说明和介绍。
图1是本发明实施例提供的一种异源高精度地图间的路网匹配方法流程示意图,如图1所示,该方法包括:
101、导入异源高精度地图数据,并将所述异源高精度地图与预设结构对齐存储;
102、根据所述异源高精度地图与预设结构对齐存储的数据,构建匹配关系,所述匹配关系依次包括路口匹配、道路匹配、车道组匹配、车道匹配以及地物匹配。
图2是本发明实施例提供的匹配流程图,如图2所示,依次包括异源高精度地图数据导入与定义对齐,构建路口信息、道路信息,路口匹配、道路匹配、车道组匹配、车道匹配、匹配核查、地物匹配、结果保存。
具体的,本实施例中,在步骤101中,首先进行异源高精度地图数据导入与定义对齐,然后在步骤102中构建各级匹配信息,并依次完成匹配过程,最后将结果存储。
图3是路口与道路匹配效果图,图4是车道匹配效果图,如图3和图4所示,本方案利用路口信息和道路信息构建道路匹配关系,解决路网匹配中的N:M匹配问题,其中使用两种异源数据的拓扑关系,匹配结果具备拓扑完整性。并且本申请定位于高精度地图的生产与更新,匹配关系精确到车道级,包括高精度地图数据中的车道边线与车道中心线。匹配结果能直接用来进行地图更新。本申请依赖众包高精度地图数据的拓扑正确性与精度可靠性。
在一个实施例中,步骤101中,所述导入异源高精度地图数据,并将所述异源高精度地图与预设结构对齐存储,包括:
加载人工高精度地图和众包高精度地图数据;
按照预设式样结构,对两种数据进行格式对齐与定义对齐。
具体的,本发明实施例从文件加载两种异源高精度地图数据,分别为人工高精度地图和众包高精度地图;按照一定式样结构,对两种数据进行格式对齐与定义对齐。
在上述实施例的基础上,步骤102中,所述根据所述异源高精度地图与预设结构对齐存储的数据,构建匹配关系,包括:
构建各级匹配信息,所述匹配信息包括路口匹配信息、道路匹配信息、车道组匹配信息、车道匹配信息以及地物匹配信息。
本发明实施例构建各级匹配信息,其中包括路口匹配信息、道路匹配信息、车道组匹配信息、车道匹配信息以及地物匹配信息。
首先,路口匹配信息构建。路口信息中包含驶入驶出路口的道路信息(数量,角度,形状,转向等等)、与该路口之间连通的路口信息(连通是指该路口的驶出道路的指向路口)、路口形状等。由于异源数据中路口的形成要求不一致,需要都两者进行处理。处理方法是利用聚类方法(可用密度聚类)将路口划分,然后根据众包高精度地图数据中路口与人工高精度地图中路口的差异点(典型的是提前右转)的特征,对路口以及路口信息进行重构(包括:路口形状,路口驶入输出道路,路口内道路连接关系等等)。
然后,进行道路匹配信息构建。道路信息包括驶入输出路口、驶入驶出道路、该道路方向与形状、特殊道路关联属性等等。其中道路的驶入驶出道路是指相连通的两条道路之间的关系。特殊道路关联属性是指辅路等等信息。
接着,车道组匹配信息构建。车道组信息包括所属道路、关联车道、关联车道边线、车道组形状等等。
进一步,车道匹配信息构建。车道信息包括所属车道组、关联车道边线、车道形状等等。
最后,地物匹配信息构建。地图信息包括地物属性,地物形状,地物关联关系等。
在上述实施例的基础上,步骤102中,所述路口匹配具体包括:
获取路口数据,根据路口数据中路口面的距离,进一步获取路口候选集;
进行相似度匹配,找出具有匹配关系的路口。
具体的,以众包高精度地图数据中的路口为参考路口,从人工高精度地图数据中获取匹配路口;
首先获取路口候选集。利用路口面之间的距离,从人工高精度地图数据中获取路口候选集。
然后根据路口信息中的驶入驶出道路的数量和方向角度,面积比率,路口转向信息与该路口之间连通的路口信息等等的相似度进行匹配。各种相似度可以单独使用,也可以综合使用。综合使用方法从简单到复杂可以有:加权平均值,神经网络,监督学习等。
最后对于没有匹配关系的路口,认为是新增路口(即不在人工高精度地图范围内的路口)。
在上述实施例的基础上,步骤102中,所述道路匹配具体包括:
在众包高精度地图数据路口的驶入驶出道路与对应匹配人工高精度地图数据中路口的驶入驶出道路间,分别以驶入方向和驶出方向进行匹配。
具体的,在众包高精度地图数据路口的驶入驶出道路与对应匹配人工高精度地图数据中路口的驶入驶出道路间,分驶入驶出方向进行匹配;
首先获取道路匹配候选集。这里以人工高精度地图路口的驶入驶出道路的中某个方向的道路集和作为候选集。
其次属性匹配。对众包高精度地图道路信息和人工高精度地图道路信息中的方向与形状属性进行匹配过滤。满足条件的构建匹配关系。
然后搜索匹配。由于异源数据路口采集完备性问题,道路长度可能不一致。这里还需要对道路长度进行约束。如果长度满足阈值,匹配结束;否则,按照驶入驶出方向进行搜索,搜索长度较短的道路的驶入道路或者驶出道路(与驶入驶出方向有关)。将搜索道路再次进行属性匹配。重复上述操作。直到满足长度条件且匹配的两条道路的关联路口存在匹配关系,才终止搜索。
然后进行路口内道路匹配。上述步骤只完成了非匹配路口外的道路的匹配关系。路口内的道路由于形状差异较大,且异源数据的制作标准的差异。这里使用道路拓扑进行匹配。一般情况下,路口内道路,驶入路口道路,驶出路口道路三条道路构建一条拓扑关系。这里根据上述操作后的道路匹配结果,进行拓扑匹配。
接着数据还原。可能存在聚类路口和重构的拓扑。这里需要对匹配关系进行还原。即上述操作的道路匹配结果为重构后的结果,需要将结果还原到重构前的道路关系中。
最后匹配关系补充。对于新增路口,如果其驶入驶出道路没有匹配关系,则将其驶入驶出道路与路口内道路全部设定为新增道路。
在上述实施例的基础上,步骤102中所述车道组匹配具体包括:
在众包高精度地图数据道路的关联车道组和对应匹配的人工高精度地图数据道路的关联车道组进行匹配。
对于车道组匹配,具体的,在众包高精度地图数据道路的关联车道组和对应匹配的人工高精度地图数据道路的关联车道组进行匹配;
首先获取候选集。以人工高精度地图数据中道路的关联车道组集合为候选集。
然后进行属性匹配。利用车道组的几何信息进行匹配。
对于车道匹配,在众包高精度地图数据车道组的关联车道和对应匹配的人工高精度地图数据车道组的关联车道进行匹配;
首先获取候选集。以人工高精度地图数据中车道组的关联车道集合作为候选集。
其次属性匹配。利用车道属性中两车道边线构成的几何形状进行匹配。两个车道的面积相交比率作为相似度。
然后车道边线匹配。根据上述操作结果,对车道两边线分别计算两种数据之间的hausdorff距离(也可以使用别的曲线距离相似度),满足阈值的构建匹配关系。
紧接着重复上述,在已有的匹配关系中保留距离相似度最小的。
然后进行路口内车道匹配。根据车道级拓扑关系,构建类似道路的拓扑关系(驶入路口-路口内-驶出路口)的车道路口处拓扑关系。利用驶入驶出的车道匹配关系,构建路口内车道匹配关系。
最后匹配关系补充。对于新增路口内的车道或者新增道路的车道,全部设定为车道新增。
对于地物匹配,根据构建的地物信息,进行匹配。以众包高精度地图数据中的地物为参考地物,从人工高精度地图数据中获取匹配地物:
首先获取候选集。以人工高精度地图数据中一定距离范围内的同种属性的地物为候选集。
然后属性匹配。综合考虑地物关联关系与几何特征进行匹配。
在上述实施例的基础上,所述方法还包括:
进行匹配核查,过滤掉匹配关系存在重复或者匹配对象不存在实际中的公共重叠区。
可以理解的是,由于异源数据的路口与道路约束不一致,匹配关系存在重复或者匹配对象不存在实际中的公共重叠区,仅有拓扑关联,这里需要进行一次过滤;
具体的,首先利用车道边线的匹配关系进行检查。一般情况下,车道的左右边线会同时存在匹配关系。
然后利用车道组在所属道路中的顺序进行检查。防止出现跳跃匹配。
图5是本发明实施例提供的一种异源高精度地图间的路网匹配系统结构示意图,如图5所示,包括:数据导入模块501以及匹配模块502,其中:
数据导入模块501用于导入异源高精度地图数据,并将所述异源高精度地图与预设结构对齐存储;
匹配模块502用于根据所述异源高精度地图与预设结构对齐存储的数据,构建匹配关系,所述匹配关系依次包括路口匹配、道路匹配、车道组匹配以及车道匹配。
具体的如何数据导入模块501以及匹配模块502对异源高精度地图间的路网匹配可参见上述方法实施例,本发明实施例在此不再赘述。
在一个实施例中,基于相同的构思,本发明实施例还提供了一种电子设备,如图6所示,图6示例了一种电子设备的结构示意图,电子设备可以包括:处理器(processor)601、通信接口(Communications Interface)602、存储器(memory)603和总线604,其中,处理器601,通信接口602,存储器603通过总线604完成相互间的通信。处理器601可以调用存储器603中的逻辑指令,以执行如下异源高精度地图间的路网匹配方法:导入异源高精度地图数据,并将所述异源高精度地图与预设结构对齐存储;根据所述异源高精度地图与预设结构对齐存储的数据,构建匹配关系,所述匹配关系依次包括路口匹配、道路匹配、车道组匹配、车道匹配以及地物匹配。
在一个实施例中,基于相同的构思,本实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的异源高精度地图间的路网匹配方法的步骤,例如包括:导入异源高精度地图数据,并将所述异源高精度地图与预设结构对齐存储;根据所述异源高精度地图与预设结构对齐存储的数据,构建匹配关系,所述匹配关系依次包括路口匹配、道路匹配、车道组匹配、车道匹配以及地物匹配。
在一个实施例中,基于相同的构思,本发明实施例还提供一种非暂态计算机可读存储介质,该计算机可读存储介质存储有计算机程序,所述计算机程序被计算机执行时,使得计算机执行上述各实施例所提供的异源高精度地图间的路网匹配方法的步骤,例如包括:导入异源高精度地图数据,并将所述异源高精度地图与预设结构对齐存储;根据所述异源高精度地图与预设结构对齐存储的数据,构建匹配关系,所述匹配关系依次包括路口匹配、道路匹配、车道组匹配、车道匹配以及地物匹配。
本发明的各实施方式可以任意进行组合,以实现不同的技术效果。
以上所描述的系统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实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种异源高精度地图间的路网匹配方法,其特征在于,包括:
导入异源高精度地图数据,并将所述异源高精度地图与预设结构对齐存储;
根据所述异源高精度地图与预设结构对齐存储的数据,构建匹配关系,所述匹配关系依次包括路口匹配、道路匹配、车道组匹配、车道匹配以及地物匹配;
所述道路匹配包括:在众包高精度地图数据路口的驶入驶出道路与对应匹配人工高精度地图数据中路口的驶入驶出道路间,分别以驶入方向和驶出方向进行匹配;
首先,获取道路匹配候选集,以人工高精度地图路口的驶入驶出道路中的 某个方向的道路集和作为候选集;
接着,进行属性匹配,对众包高精度地图道路信息和人工高精度地图道路信息中的方向与形状属性进行匹配过滤,满足条件的构建匹配关系;
然后,进行搜索匹配,对道路长度进行约束,如果道路长度满足阈值,匹配结束;否则,按照驶入驶出方向进行搜索,搜索长度较短的道路的驶入道路或者驶出道路,将搜索道路再次进行属性匹配;重复上述操作,直到满足长度条件且匹配的两条道路的关联路口存在匹配关系,才终止搜索;
进一步,进行路口内道路匹配,使用道路拓扑进行匹配,通过路口内道路,驶入路口道路,驶出路口道路三条道路构建一条拓扑关系,根据上述操作后的道路匹配结果,进行拓扑匹配;
接着数据还原,针对聚类路口和重构的拓扑,对匹配关系进行还原,将道路匹配结果还原到重构前的道路关系中;
最后,进行匹配关系补充,对于新增路口,如果其驶入驶出道路没有匹配关系,则将其驶入驶出道路与路口内道路全部设定为新增道路。
2.根据权利要求1所述的异源高精度地图间的路网匹配方法,其特征在于,所述导入异源高精度地图数据,并将所述异源高精度地图与预设结构对齐存储,包括:
加载人工高精度地图和众包高精度地图数据;
按照预设式样结构,对两种数据进行格式对齐与定义对齐。
3.根据权利要求2所述的异源高精度地图间的路网匹配方法,其特征在于,所述根据所述异源高精度地图与预设结构对齐存储的数据,构建匹配关系,包括:
构建各级匹配信息,所述匹配信息包括路口匹配信息、道路匹配信息、车道组匹配信息、车道匹配信息以及地物匹配信息。
4.根据权利要求3所述的异源高精度地图间的路网匹配方法,其特征在于,所述路口匹配包括:
获取路口数据,根据路口数据中路口面的距离,进一步获取路口候选集;
进行相似度匹配,找出具有匹配关系的路口。
5.根据权利要求1所述的异源高精度地图间的路网匹配方法,其特征在于,所述车道组匹配,包括:
在众包高精度地图数据道路的关联车道组和对应匹配的人工高精度地图数据道路的关联车道组进行匹配。
6.根据权利要求5所述的异源高精度地图间的路网匹配方法,其特征在于,所述方法还包括:
进行匹配核查,过滤掉匹配关系存在重复或者匹配对象不存在实际中的公共重叠区。
7.一种异源高精度地图间的路网匹配系统,其特征在于,包括:
数据导入模块,用于导入异源高精度地图数据,并将所述异源高精度地图与预设结构对齐存储;
匹配模块,用于根据所述异源高精度地图与预设结构对齐存储的数据,构建匹配关系,所述匹配关系依次包括路口匹配、道路匹配、车道组匹配以及车道匹配;
所述道路匹配包括:在众包高精度地图数据路口的驶入驶出道路与对应匹配人工高精度地图数据中路口的驶入驶出道路间,分别以驶入方向和驶出方向进行匹配;
首先,获取道路匹配候选集,以人工高精度地图路口的驶入驶出道路中的 某个方向的道路集和作为候选集;
接着,进行属性匹配,对众包高精度地图道路信息和人工高精度地图道路信息中的方向与形状属性进行匹配过滤,满足条件的构建匹配关系;
然后,进行搜索匹配,对道路长度进行约束,如果道路长度满足阈值,匹配结束;否则,按照驶入驶出方向进行搜索,搜索长度较短的道路的驶入道路或者驶出道路,将搜索道路再次进行属性匹配;重复上述操作,直到满足长度条件且匹配的两条道路的关联路口存在匹配关系,才终止搜索;
进一步,进行路口内道路匹配,使用道路拓扑进行匹配,通过路口内道路,驶入路口道路,驶出路口道路三条道路构建一条拓扑关系,根据上述操作后的道路匹配结果,进行拓扑匹配;
接着数据还原,针对聚类路口和重构的拓扑,对匹配关系进行还原,将道路匹配结果还原到重构前的道路关系中;
最后,进行匹配关系补充,对于新增路口,如果其驶入驶出道路没有匹配关系,则将其驶入驶出道路与路口内道路全部设定为新增道路。
8.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述异源高精度地图间的路网匹配方法的步骤。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至6任一项所述异源高精度地图间的路网匹配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011087108.0A CN112257762B (zh) | 2020-10-12 | 2020-10-12 | 一种异源高精度地图间的路网匹配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011087108.0A CN112257762B (zh) | 2020-10-12 | 2020-10-12 | 一种异源高精度地图间的路网匹配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112257762A CN112257762A (zh) | 2021-01-22 |
CN112257762B true CN112257762B (zh) | 2022-08-19 |
Family
ID=74242295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011087108.0A Active CN112257762B (zh) | 2020-10-12 | 2020-10-12 | 一种异源高精度地图间的路网匹配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112257762B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435427B (zh) * | 2021-08-27 | 2021-11-09 | 湖北亿咖通科技有限公司 | 车道线的聚合方法和装置 |
CN113701777B (zh) * | 2021-08-28 | 2022-11-04 | 浙江省测绘科学技术研究院 | 基于空间向量的高精地图车道关联轨迹线自动生成方法 |
CN113514072B (zh) * | 2021-09-14 | 2021-12-14 | 自然资源部第三地理信息制图院 | 一种面向导航数据与大比例尺制图数据的道路匹配方法 |
CN114485685A (zh) * | 2021-12-31 | 2022-05-13 | 武汉中海庭数据技术有限公司 | 一种基于路网拓扑的异源路线匹配方法及系统 |
CN117708261B (zh) * | 2024-02-02 | 2024-05-03 | 腾讯科技(深圳)有限公司 | 地图数据处理方法、装置、设备、存储介质及程序产品 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101644582A (zh) * | 2009-09-11 | 2010-02-10 | 北京四维图新科技股份有限公司 | 导航电子地图的差分方法、匹配方法和装置 |
CN104850824A (zh) * | 2015-04-16 | 2015-08-19 | 西安交通大学 | 一种基于道路元综合的路网匹配方法 |
CN109522385A (zh) * | 2018-11-22 | 2019-03-26 | 首都师范大学 | 一种多尺度道路网m-n匹配模式的判定方法 |
CN110174115A (zh) * | 2019-06-05 | 2019-08-27 | 武汉中海庭数据技术有限公司 | 一种基于感知数据自动生成高精度定位地图的方法及装置 |
CN111209291A (zh) * | 2019-12-31 | 2020-05-29 | 武汉中海庭数据技术有限公司 | 一种利用众包感知地图更新高精度地图的方法及系统 |
CN111209360A (zh) * | 2019-12-31 | 2020-05-29 | 武汉中海庭数据技术有限公司 | 一种自动提取路口面的方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776996B (zh) * | 2016-12-02 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 用于测试高精度地图的准确性的方法和装置 |
CN108709561B (zh) * | 2018-04-15 | 2020-10-30 | 武汉中海庭数据技术有限公司 | 一种基于全局路网特征的不同尺度数据的匹配算法 |
-
2020
- 2020-10-12 CN CN202011087108.0A patent/CN112257762B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101644582A (zh) * | 2009-09-11 | 2010-02-10 | 北京四维图新科技股份有限公司 | 导航电子地图的差分方法、匹配方法和装置 |
CN104850824A (zh) * | 2015-04-16 | 2015-08-19 | 西安交通大学 | 一种基于道路元综合的路网匹配方法 |
CN109522385A (zh) * | 2018-11-22 | 2019-03-26 | 首都师范大学 | 一种多尺度道路网m-n匹配模式的判定方法 |
CN110174115A (zh) * | 2019-06-05 | 2019-08-27 | 武汉中海庭数据技术有限公司 | 一种基于感知数据自动生成高精度定位地图的方法及装置 |
CN111209291A (zh) * | 2019-12-31 | 2020-05-29 | 武汉中海庭数据技术有限公司 | 一种利用众包感知地图更新高精度地图的方法及系统 |
CN111209360A (zh) * | 2019-12-31 | 2020-05-29 | 武汉中海庭数据技术有限公司 | 一种自动提取路口面的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112257762A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112257762B (zh) | 一种异源高精度地图间的路网匹配方法及系统 | |
CN110634291A (zh) | 基于众包大数据的高精度地图拓扑自动构建方法及系统 | |
CN111737535B (zh) | 一种基于元结构和图神经网络的网络表征学习方法 | |
CN114694377B (zh) | 多场景交通干线协调子区的识别方法、系统及装置 | |
CN116518960B (zh) | 路网更新方法、装置、电子设备和存储介质 | |
CN114332291A (zh) | 一种倾斜摄影模型建筑物外轮廓规则提取方法 | |
CN113325389A (zh) | 一种无人车激光雷达定位方法、系统及存储介质 | |
CN114491200A (zh) | 基于图神经网络的异源兴趣点匹配方法和装置 | |
CN111190829A (zh) | 一种路口测试模型数据自动构建方法和装置 | |
CN111209360B (zh) | 一种自动提取路口面的方法及系统 | |
CN110728735A (zh) | 道路级拓扑图层构建方法及系统 | |
CN113239138A (zh) | 地图匹配方法、装置、计算机设备和存储介质 | |
CN113514072A (zh) | 一种面向导航数据与大比例尺制图数据的道路匹配方法 | |
CN111985366A (zh) | 一种道路中心线及桩号识别方法、装置 | |
CN111079843A (zh) | 一种基于rbf神经网络的训练方法 | |
CN105373804A (zh) | 一种基于多维空间快速聚类的人体部位定位方法与系统 | |
CN103268614B (zh) | 一种用于多前景共分割的前景谱图生成方法 | |
CN113470738B (zh) | 基于模糊聚类和基因本体语义相似性的可重叠蛋白质复合物识别方法和系统 | |
CN115631476A (zh) | 一种车道数据处理方法、系统、电子设备及存储介质 | |
CN112699202B (zh) | 禁行道路的识别方法、装置、电子设备及存储介质 | |
CN112269845B (zh) | 面向异源数据的电子道路地图与公交线路的快速匹配方法 | |
CN113821647A (zh) | 一种工程机械行业知识图谱构建方法及系统 | |
CN114593738B (zh) | 基于八叉树搜索反光柱的机器人全局定位方法及系统 | |
CN112580803B (zh) | 模型获取方法、装置、电子设备、存储介质和程序产品 | |
CN114677380B (zh) | 一种基于多样化交互的视频对象分割方法及系统 |
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 |