CN112308810A - 一种地图融合的方法及装置、服务器、存储介质 - Google Patents

一种地图融合的方法及装置、服务器、存储介质 Download PDF

Info

Publication number
CN112308810A
CN112308810A CN202011224448.3A CN202011224448A CN112308810A CN 112308810 A CN112308810 A CN 112308810A CN 202011224448 A CN202011224448 A CN 202011224448A CN 112308810 A CN112308810 A CN 112308810A
Authority
CN
China
Prior art keywords
information
relative
map data
dimensional
dimensional map
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.)
Granted
Application number
CN202011224448.3A
Other languages
English (en)
Other versions
CN112308810B (zh
Inventor
刘中元
柴文楠
李红军
黄亚
古明辉
肖志光
蒋少峰
赖健明
广学令
高新宇
张博
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.)
Guangzhou Xiaopeng Motors Technology Co Ltd
Original Assignee
Guangzhou Xiaopeng Autopilot 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 Guangzhou Xiaopeng Autopilot Technology Co Ltd filed Critical Guangzhou Xiaopeng Autopilot Technology Co Ltd
Priority to CN202011224448.3A priority Critical patent/CN112308810B/zh
Publication of CN112308810A publication Critical patent/CN112308810A/zh
Priority to EP21791231.0A priority patent/EP4024328B1/en
Priority to PCT/CN2021/102343 priority patent/WO2022095473A1/zh
Application granted granted Critical
Publication of CN112308810B publication Critical patent/CN112308810B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

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)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明实施例提供了一种地图融合的方法及装置、服务器、存储介质，所述方法包括：通过获取第一三维地图数据和第二三维地图数据，对于第一三维地图数据中至少两个第一语义元素，在第二三维地图数据中，确定匹配的至少两个第二语义元素，确定至少两个第一语义元素之间第一相对信息，并确定至少两个第二语义元素之间第二相对信息，根据第一相对信息和第二相对信息，对第一三维地图数据和第二三维地图数据进行优化，对优化后的第一三维地图数据和优化后的第二三维地图数据进行地图融合。通过本发明实施例，实现了对三维地图数据的优化，简化了地图融合的过程，减少了计算量，提高了地图融合的精度和效率。

Description

一种地图融合的方法及装置、服务器、存储介质
技术领域
本发明涉及地图技术领域，特别是涉及一种地图融合的方法及装置、服务器、存储介质。
背景技术
随着智能汽车的发展，汽车的定位和感知的精度也越来越高，从而需要更高精度和覆盖面更大的地图，而为了满足汽车对地图的高要求，可以对地图进行融合来得到更准确的地图。
然而，在现有技术中，在进行三维地图融合时，由于不同地图的精度或采集的数据不同，使得不同的地图之间会存在误差，导致在地图融合时计算复杂，增加了计算量，降低了地图融合的效率，且难以保证融合后的地图的精度。
发明内容
鉴于上述问题，提出了以便提供克服上述问题或者至少部分地解决上述问题的一种地图融合的方法及装置、服务器、存储介质，包括：
一种地图融合的方法，所述方法包括：
获取第一三维地图数据和第二三维地图数据；
对于所述第一三维地图数据中至少两个第一语义元素，在所述第二三维地图数据中，确定匹配的至少两个第二语义元素；
确定所述至少两个第一语义元素之间第一相对信息，并确定所述至少两个第二语义元素之间第二相对信息；
根据所述第一相对信息和所述第二相对信息，对所述第一三维地图数据和所述第二三维地图数据进行优化；
对所述优化后的第一三维地图数据和所述优化后的第二三维地图数据进行地图融合。
可选地，所述根据所述第一相对信息和所述第二相对信息，对所述第一三维地图数据和所述第二三维地图数据进行优化，包括：
根据所述第一相对信息和所述第二相对信息，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标信息；
按照所述至少两个第一语义元素和所述至少两个第二语义元素的目标信息，对所述第一三维地图数据和所述第二三维地图数据进行优化；
其中，所述第一相对信息包括第一二维相对信息和第一三维相对信息，所述第二相对信息包括第二二维相对信息和第二三维相对信息，所述目标信息包括目标二维信息和目标三维信息。
可选地，所述第一二维相对信息包括第一相对位姿信息，所述第二二维相对信息包括第二相对位姿信息，所述目标二维信息为目标位姿信息，所述根据所述第一相对信息和所述第二相对信息，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标信息，包括：
根据所述第一相对位姿信息和所述第二相对位姿信息，确定位姿误差值；
根据所述位姿误差值，确定所述至少两个第一语义元素和所述至少两个第二语义元素的位姿信息与相对位姿误差的关联关系；
以所述相对位姿误差最小为目标，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标位姿信息。
可选地，所述第一三维相对信息包括第一相对高度信息，所述第二三维相对信息包括第二相对高度信息，所述目标三维信息为目标高度信息，所述根据所述第一相对信息和所述第二相对信息，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标信息，包括：
根据所述第一相对高度信息和所述第二相对高度信息，确定高度误差值；
根据所述高度误差值，确定所述至少两个第一语义元素和所述至少两个第二语义元素的高度信息与相对高度误差的关联关系；
以所述相对高度误差最小为目标，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标高度信息。
可选地，在所述确定所述至少两个第一语义元素之间第一相对信息，并确定所述至少两个第二语义元素之间第二相对信息之前，还包括：
根据所述至少两个第一语义元和所述至少两个第二语义元素，确定针对所述第一三维地图数据的第一转换矩阵和针对所述第二三维地图数据的第二转换矩阵；
采用所述第一转换矩阵对所述第一三维地图数据进行调整，并采用所述第二转换矩阵对所述第二三维地图数据进行调整。
可选地，还包括：
确定所述第一三维地图数据中第三语义元素；其中，所述第三语义元素在所述第二三维地图数据中不存在匹配的语义元素；
将所述第三语义元素添加至所述地图融合的第二三维地图数据。
可选地，所述第一三维地图数据和所述第二三维地图数据为针对停车场的地图数据。
一种地图融合的装置，所述装置包括：
三维地图数据获取模块，用于获取第一三维地图数据和第二三维地图数据；
语义元素确定模块，用于对于所述第一三维地图数据中至少两个第一语义元素，在所述第二三维地图数据中，确定匹配的至少两个第二语义元素；
相对信息确定模块，用于确定所述至少两个第一语义元素之间第一相对信息，并确定所述至少两个第二语义元素之间第二相对信息；
优化模块，用于根据所述第一相对信息和所述第二相对信息，对所述第一三维地图数据和所述第二三维地图数据进行优化；
融合模块，用于对所述优化后的第一三维地图数据和所述优化后的第二三维地图数据进行地图融合。
可选地，所述优化模块，包括：
目标信息确定子模块，用于根据所述第一相对信息和所述第二相对信息，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标信息；
三维地图数据优化子模块，用于按照所述至少两个第一语义元素和所述至少两个第二语义元素的目标信息，对所述第一三维地图数据和所述第二三维地图数据进行优化；
其中，所述第一相对信息包括第一二维相对信息和第一三维相对信息，所述第二相对信息包括第二二维相对信息和第二三维相对信息，所述目标信息包括目标二维信息和目标三维信息。
可选地，所述第一二维相对信息包括第一相对位姿信息，所述第二二维相对信息包括第二相对位姿信息，所述目标二维信息为目标位姿信息，所述目标信息确定子模块，包括：
位姿误差值确定单元，用于根据所述第一相对位姿信息和所述第二相对位姿信息，确定位姿误差值；
相对位姿误差关联关系确定单元，用于根据所述位姿误差值，确定所述至少两个第一语义元素和所述至少两个第二语义元素的位姿信息与相对位姿误差的关联关系；
目标位姿信息确定单元，用于以所述相对位姿误差最小为目标，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标位姿信息。
一种服务器，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的地图融合的方法。
一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的地图融合的方法
本发明实施例具有以下优点：
在本发明实施例中，通过获取第一三维地图数据和第二三维地图数据，对于第一三维地图数据中至少两个第一语义元素，在第二三维地图数据中，确定匹配的至少两个第二语义元素，确定至少两个第一语义元素之间第一相对信息，并确定至少两个第二语义元素之间第二相对信息，根据第一相对信息和第二相对信息，对第一三维地图数据和第二三维地图数据进行优化，对优化后的第一三维地图数据和优化后的第二三维地图数据进行地图融合，实现了对三维地图数据的优化，简化了地图融合的过程，减少了计算量，提高了地图融合的精度和效率。
附图说明
为了更清楚地说明本发明的技术方案，下面将对本发明的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种地图融合的方法的步骤流程图；
图2a是本发明一实施例提供的另一种地图融合的方法的步骤流程图；
图2b是本发明一实施例提供的语义元素的俯视示意图；
图2c是本发明一实施例提供的语义元素的侧视示意图；
图3是本发明一实施例提供的又一种地图融合的方法的步骤流程图；
图4是本发明一实施例提供的一种地图融合实例的示意图；
图5是本发明一实施例提供的地图融合的装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。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。
参照图1，示出了本发明一实施例提供的一种地图融合的方法的步骤流程图，具体可以包括如下步骤：
步骤101，获取第一三维地图数据和第二三维地图数据；
其中，三维地图数据可以为包含多个语义元素的三维语义地图数据，语义元素可以为车位信息、减速带信息、路障信息、车道线信息等其中一种信息。
作为一示例，第一三维地图数据和第二三维地图数据可以为针对停车场的地图数据。
在进行地图融合时，可以获取预置在车辆中针对目标区域的至少两个三维地图数据，也可以从服务器中获取针对目标区域的至少两个三维地图数据，还可以获取预置在车辆中针对目标区域的至少一个三维地图数据，以及从服务器中获取针对目标区域的至少一个三维地图数据，即获取了第一三维地图数据和第二三维地图数据。
在实际应用中，可以在车载计算机中进行实时的地图融合，也可以在服务器中进行大量的地图融合。
步骤102，对于第一三维地图数据中至少两个第一语义元素，在第二三维地图数据中，确定匹配的至少两个第二语义元素；
在获取至少两个三维地图数据后，可以确定任意一个三维地图数据中至少两个第一语义元素，例如，可以确定第一三维地图数据中的车位信息a和车道线信息b。
在确定两个语义元素后，可以在另外一个三维地图数据中确定与第一语义元素匹配的第二语义元素，例如，可以根据第一三维地图数据中的车位信息a和车道线信息b，在第二三维地图数据的多个语义元素中，确定与车位信息a匹配的车位信息A，以及与车道线信息b匹配的车道线信息B。
步骤103，确定至少两个第一语义元素之间第一相对信息，并确定至少两个第二语义元素之间第二相对信息；
其中，相对信息可以为两个语义元素之间的二维相对信息、三维相对信息。
在确定匹配的语义元素后，可以确定语义元素的二维信息、三维信息，例如，可以确定任意一个三维地图数据中的三维坐标系，进而可以根据该坐标系确定三维地图数据中语义元素的坐标信息，可以根据坐标信息确定语义元素的二维信息、三维信息。
在确定语义元素的二维信息、三维信息后，可以根据语义元素的二维信息、三维信息，确定两个语义元素的二维相对信息、三维相对信息，以得到第一语义元素的第一相对信息和第二语义元素的第二相对信息。
例如，可以确定车位信息a的二维信息和三维信息，以及确定车道线信息的二维信息和三维信息，进而可以确定车位信息a与车道线信息b的二维相对信息、三维相对信息，即第一相对信息。
步骤104，根据第一相对信息和第二相对信息，对第一三维地图数据和第二三维地图数据进行优化；
在得到第一相对信息和第二相对信息后，可以根据第一相对信息和第二相对信息，确定第一语义元素之间的相对关系、第二语义元素之间的相对关系，以及确定第一语义元素与第二语义元素之间的误差，如车位信息a与车位信息A的二维信息的误差，车位信息a与车道线信息b之间的二维相对信息与对车位信息A与车道线信息B的二维相对信息的误差。
在确定相对关系以及第一语义元素与第二语义元素之间的误差后，可以根据该相对关系和误差对语义元素的二维信息、三维信息进行优化调整。
步骤105，对优化后的第一三维地图数据和优化后的第二三维地图数据进行地图融合。
在对三维地图数据进行优化后，可以确定不同的三维地图数据的融合次数，进而可以根据不同的融合次数对至少两个三维地图数据进行加权融合。
在实际应用中，由于可以对大量的地图进行融合，则会存在融合了多次的地图，通过确定地图的融合次数，并根据融合次数确定地图融合的难易程度，以根据该难易程度对三维地图数据进行加权并融合，可以提高三维地图融合的精度，使得融合后的地图更为准确。
在本发明实施例中，通过获取第一三维地图数据和第二三维地图数据，对于第一三维地图数据中至少两个第一语义元素，在第二三维地图数据中，确定匹配的至少两个第二语义元素，确定至少两个第一语义元素之间第一相对信息，并确定至少两个第二语义元素之间第二相对信息，根据第一相对信息和第二相对信息，对第一三维地图数据和第二三维地图数据进行优化，对优化后的第一三维地图数据和优化后的第二三维地图数据进行地图融合，实现了对三维地图数据的优化，简化了地图融合的过程，减少了计算量，提高了地图融合的精度和效率。
参照图2a，示出了本发明一实施例提供的另一种地图融合的方法的步骤流程图，具体可以包括如下步骤：
步骤201，获取第一三维地图数据和第二三维地图数据；
步骤202，对于第一三维地图数据中至少两个第一语义元素，在第二三维地图数据中，确定匹配的至少两个第二语义元素；
步骤203，确定至少两个第一语义元素之间第一相对信息，并确定至少两个第二语义元素之间第二相对信息；
其中，第一相对信息可以包括第一二维相对信息和第一三维相对信息，第二相对信息可以包括第二二维相对信息和第二三维相对信息。
在确定匹配的语义元素后，可以确定语义元素的二维信息，如位姿信息，以及确定语义元素的三维信息，如高度信息。
例如，可以确定任意一个三维地图数据中的三维坐标系，进而可以根据该坐标系确定该三维地图数据中语义元素的坐标信息，可以根据坐标信息确定语义元素的位姿信息、高度信息。
在实际应用中，还可以确定语义元素与x轴的转动信息、与y轴的转动信息，可以根据x轴的转动信息、与y轴的转动信息对语义元素进行转动优化。
然而，由于语义元素与x轴的转动信息、与y轴的转动信息并不会存在较大的误差，对转动信息的优化不会给地图融合的质量带来更高的提升，而且对转动信息的优化计算量大，处理方法复杂，对硬件要求高，因此，可以只对语义元素的高度信息进行优化，简化优化过程，减少了计算量，还通过确定相对高度信息、高度误差值等信息提高了高度优化的准确性。
在确定语义元素的位姿信息、高度信息后，可以根据语义元素的位姿信息确定两个语义元素之间的二维相对信息，以及根据语义元素的高度信息确定两个语义元素之间的三维相对信息。
如图2b所示，语义元素1至语义元素n的位姿信息可以包括位置信息、角度信息，可以根据坐标信息确定语义元素的位置信息、角度信息，进而可以根据位置信息和角度信息转换成语义元素的位姿信息，具体可以通过以下矩阵转换：
Figure BDA0002763180030000091
Figure BDA0002763180030000092
其中，矩阵(1)可以表示为用于转换三维地图数据中语义元素i的位姿，矩阵(2)可以表示为用于转换三维地图数据中语义元素j的位姿，语义元素i和语义元素j可以为至少两个三维地图数据中匹配的语义元素，也可以为同一三维地图数据中任意两个语义元素，针对矩阵(1)，Ti可以表示为语义元素i的绝对位姿，
Figure BDA0002763180030000093
可以为语义元素i的角度信息，txi可以为语义元素i在坐标系中的x轴坐标信息，tyi可以为语义元素i在坐标系中的y轴坐标信息，矩阵(2)同理。
在本发明一实施例中，语义元素1至语义元素n的高度信息可以如图2c所示，可以根据坐标信息确定语义元素的高度信息，其中，z1可以表示为语义元素1的高度信息。
步骤204，根据第一相对信息和第二相对信息，确定至少两个第一语义元素和至少两个第二语义元素的目标信息；
其中，目标信息可以包括目标二维信息和目标三维信息。
在得到二维相对信息和三维相对信息后，可以根据二维相对信息和三维相对信息，确定第一语义元素之间的相对关系、第二语义元素之间的相对关系，以及确定第一语义元素与第二语义元素之间的误差，如车位信息a与车位信息A的二维信息的误差，车位信息a与车道线信息b之间的二维相对信息与对车位信息A与车道线信息B的二维相对信息的误差。
在确定相对关系和第一语义元素与第二语义元素之间的误差后，可以根据该相对关系和误差确定第一语义元素的目标二维信息和目标三维信息，以及确定第二语义元素的目标二维信息和目标三维信息。
在本发明一实施例中，第一二维相对信息可以包括第一相对位姿信息，第二二维相对信息可以包括第二相对位姿信息，目标二维信息可以为目标位姿信息，步骤204可以包括如下子步骤：
子步骤11，根据第一相对位姿信息和第二相对位姿信息，确定位姿误差值；
其中，位姿误差值可以为第一相对位姿信息与第二相对位姿信息之间的相对位姿误差的值。
在确定语义元素的位姿信息后，可以根据语义元素的位姿信息确定两个语义元素之间的相对位姿信息，具体可以通过以下矩阵确定相对位姿信息：
Figure BDA0002763180030000101
其中，下标i和下标j可以表示为语义元素i和语义元素j，Tij可以为语义元素j相对于语义元素i的相对位姿，
Figure BDA0002763180030000102
可以为语义元素i的逆矩阵，Rj可以为语义元素j的角度信息的转换矩阵，
Figure BDA0002763180030000103
可以为语义元素i的角度信息的转换矩阵的转置矩阵，tj可以为语义元素j的位置。
在本发明一实施例中，在语义元素i和语义元素j为同一三维地图数据中任意两个语义元素时，该两个语义元素的相对位姿信息可以为Tij，而没优化之前，两个语义元素之间的相对位姿，可以通过波浪线与Tij区分，具体可以表示为如下矩阵：
Figure BDA0002763180030000104
其中，
Figure BDA0002763180030000105
可以为两个语义元素没优化之前的相对角度信息，
Figure BDA0002763180030000106
可以为两个语义元素没优化之前的相对角度信息的转换矩阵，
Figure BDA0002763180030000107
可以为两个语义元素没优化之前的的相对位置。
在本发明一实施例中，在语义元素i和语义元素j为至少两个三维地图数据中匹配的语义元素时，该两个语义元素的相对位姿信息可以为Tij，而
Figure BDA0002763180030000108
则可以为单位矩阵，具体可以表示为如下矩阵：
Figure BDA0002763180030000109
其中，
Figure BDA00027631800300001010
和
Figure BDA00027631800300001011
可以为0，可以表示语义元素i和语义元素j重叠。
在确定相对位姿信息后，可以根据相对位姿信息确定位姿误差值，具体可以通过以下矩阵确定位姿误差值：
Figure BDA0002763180030000111
其中，
Figure BDA0002763180030000112
可以为Tij的逆矩阵，
Figure BDA0002763180030000113
可以为两个语义元素的相对角度信息的转换矩阵的转置矩阵，
Figure BDA0002763180030000114
可以为语义元素i的角度信息的转换矩阵的转置矩阵。
在确定矩阵(6)后，可以将矩阵(6)转换成以下矩阵：
Figure BDA0002763180030000115
其中，eij可以表示为第一相对位姿信息和第二相对位姿信息的位姿误差值。
在本发明一实施例中，在语义元素i和语义元素j为同一三维地图数据中任意两个语义元素时，eij还可以表示为第一相对位姿信息或第二相对位姿信息的位姿误差值。
子步骤12，根据位姿误差值，确定至少两个第一语义元素和至少两个第二语义元素的位姿信息与相对位姿误差的关联关系；
其中，相对位姿误差、位姿信息可以为关联关系中的自变量，相对位姿误差可以为关联关系中的因变量，位姿误差值是相对位姿误差的一个已知的值。
在确定位姿误差值后，可以根据该位姿误差值，以及对应的第一相对位姿信息和第二相对位姿信息，确定相对位姿误差与第一语义元素和/或第二语义元素的位姿信息的关联关系，关联关系可以为如下公式：
Figure BDA0002763180030000116
其中，f可以表示为相对位姿误差与位姿信息的关联关系，ek_ij可以为第k个位姿误差值，ek_ij可以定义为列向量，ek_ij T可以为第k个位姿误差值的转置矩阵，wk可以表示为地图成熟度，地图成熟度可以与地图融合的次数对应。
子步骤13，以相对位姿误差最小为目标，确定至少两个第一语义元素和至少两个第二语义元素的目标位姿信息。
在确定为相对位姿误差与位姿信息的关联关系公式后，由于关联关系公式可以表示为相对位姿误差与位姿信息的关联关系，则可以以相对位姿误差最小为目标，确定相对位姿误差最小时都对应的目标位姿信息。
在实际应用中，可以计算出当关联关系公式最小，即当f的值最小时，所对应的第一相对位姿信息和/或第二相对位姿信息，进而可以确定对应的位置信息、角度信息，位置信息、角度信息可以通过以下公式确定：
Figure BDA0002763180030000121
Figure BDA0002763180030000122
其中，βi可以表示为语义元素i的位置信息和角度信息的矩阵，β的下标1至n可以表示为语义元素1至语义元素n的位置信息和角度信息。
在本发明一实施例中，第一三维相对信息可以包括第一相对高度信息，第二三维相对信息可以包括第二相对高度信息，目标三维信息可以为目标高度信息，步骤204可以包括如下子步骤：
子步骤21，根据第一相对高度信息和第二相对高度信息，确定高度误差值；
其中，高度误差值可以为第一相对高度信息与第二相对高度信息之间的误差值。
在确定语义元素的高度信息后，可以确定其中一个三维地图数据中任意两个语义元素为一组语义元素组，可以根据语义元素的高度信息确定任意一组语义元素组的相对高度信息，类似地，还可以确定另一个三维地图数据中任意一组语义元素组的相对高度信息，进而可以根据不同的三维地图数据中的相对高度信息确定高度误差值，高度误差值可以通过以下公式确定：
Figure BDA0002763180030000131
其中，ezij可以表示为高度误差值，zj和zi可以表示为其中一个三维地图数据中语义元素j以及语义元素i的高度信息，可以通过做差得到该三维地图数据中由语义元素i和语义元素j组成的语义元素组的相对高度信息，即zj-zi，
Figure BDA0002763180030000132
可以表示为另一个三维地图数据中由匹配的语义元素i和匹配的语义元素j组成的语义元素组的优化之前的相对高度信息。
子步骤22，根据高度误差值，确定至少两个第一语义元素和至少两个第二语义元素的高度信息与相对高度误差的关联关系；
在确定高度误差值后，可以根据该高度误差值，以及对应的第一相对高度信息和第二相对高度信息，确定相对高度误差与第一语义元素和第二语义元素的高度信息的关联关系，关联关系可以为如下公式：
Figure BDA0002763180030000133
其中，fz可以表示为相对高度误差与高度信息的关联关系，ezk_ij可以表示为第一语义元素中第k个语义元素组与第二语义元素中第k个语义元素组的高度误差值，ezk_ij T可以表示为第一语义元素中第k个语义元素组与第二语义元素中第k个语义元素组的高度误差值的转置矩阵，k可以用来标记第一语义元素与第二语义元素中的语义元素组，k的取值对关联关系公式没有影响，m可以为第一语义元素或第二语义元素中语义元素组的总数，wk可以表示为地图成熟度，地图成熟度可以与地图融合的次数对应。
例如，ez1_12可以表示为第一语义元素中第一组语义元素组与第二语义元素中第一组语义元素组的高度误差值，第一组语义元素可以包括语义元素1和语义元素2，也即是第一语义元素中的语义元素1和语义元素2，以及第二语义元素中的语义元素1和语义元素2。
子步骤23，以相对高度误差最小为目标，确定至少两个第一语义元素和至少两个第二语义元素的目标高度信息。
在确定关联关系公式后，由于关联关系公式可以表示为相对高度误差与高度信息的关联关系，则可以以相对高度误差最小为目标，计算出当相对高度误差与高度信息的关联关系公式最小，即当fz的值最小时，所对应的第一相对高度信息和第二相对高度信息，进而可以确定对应的目标高度信息，可以通过确定关联关系公式的梯度来求fz的最小值，例如，当梯度为0时，fz的值最小，进而可以确定目标高度信息，具体的，可以通过以下公式进行计算：
Kz＝b
其中，z可以为目标高度信息，b可以为
Figure BDA0002763180030000141
所表示的情况，
Figure BDA0002763180030000142
Figure BDA0002763180030000143
可以为梯度，
Figure BDA0002763180030000144
可以为针对梯度中高度信息的偏导数，
Figure BDA0002763180030000145
可以表示z＝0时的
Figure BDA0002763180030000146
作为一示例，梯度可以通过以下矩阵表示：
Figure BDA0002763180030000147
其中，
Figure BDA0002763180030000148
可以为针对相对高度误差与高度信息的关联关系公式中语义元素1的高度信息的偏导数，z的下标1至n可以表示为语义元素1至语义元素n的高度信息，ek T可以为ezk_ij T，
Figure BDA0002763180030000149
可以为针对ek中语义元素1的高度信息的偏导数。
由上述梯度可知，
Figure BDA00027631800300001410
可以转换为
Figure BDA00027631800300001411
代入上述Kz＝b可直接求解z值，也即是可以计算出目标高度信息。
步骤205，按照至少两个第一语义元素和至少两个第二语义元素的目标信息，对第一三维地图数据和第二三维地图数据进行优化；
在得到目标信息后，如目标位姿信息、目标高度信息，可以按照目标信息对语义元素的位姿信息、高度信息进行优化调整。
步骤206，对优化后的第一三维地图数据和优化后的第二三维地图数据进行地图融合。
在本发明实施例中，通过获取第一三维地图数据和第二三维地图数据，对于第一三维地图数据中至少两个第一语义元素，在第二三维地图数据中，确定匹配的至少两个第二语义元素，确定至少两个第一语义元素之间第一相对信息，并确定至少两个第二语义元素之间第二相对信息，根据第一相对信息和第二相对信息，确定至少两个第一语义元素和至少两个第二语义元素的目标信息，按照至少两个第一语义元素和至少两个第二语义元素的目标信息，对第一三维地图数据和第二三维地图数据进行优化，其中，第一相对信息包括第一二维相对信息和第一三维相对信息，第二相对信息包括第二二维相对信息和第二三维相对信息，目标信息包括目标二维信息和目标三维信息，对优化后的第一三维地图数据和优化后的第二三维地图数据进行地图融合，实现了对三维地图数据中二维信息和三维信息的优化，简化了地图融合的过程，减少了计算量，提高了地图融合的精度和效率。
参照图3，示出了本发明一实施例提供的又一种地图融合的方法的步骤流程图，具体可以包括如下步骤：
步骤301，获取第一三维地图数据和第二三维地图数据；
步骤302，对于第一三维地图数据中至少两个第一语义元素，在第二三维地图数据中，确定匹配的至少两个第二语义元素；
步骤303，根据至少两个第一语义元和至少两个第二语义元素，确定针对第一三维地图数据的第一转换矩阵和针对第二三维地图数据的第二转换矩阵；
其中，转换矩阵可以为用于整体调整三维地图数据中语义元素的矩阵。
在确定匹配的语义元素后，可以在不同的三维地图数据中确定匹配的语义元素的位置信息，进而可以根据任意一个三维地图数据中全部匹配的语义元素的位置信息确定该三维地图数据中语义元素的整体位置信息，同样的，可以在另一个三维地图数据中确定另一个整体位置信息，可以根据不同的整体位置信息生成针对不同三维地图数据的转换矩阵。
步骤304，采用第一转换矩阵对第一三维地图数据进行调整，并采用第二转换矩阵对第二三维地图数据进行调整；
在确定转换矩阵后，可以分别采用对应的转换矩阵对不同的三维地图数据进行整体的加权调整，如整体的位置信息的调整。
其中，整体的加权调整可以包括对匹配的语义元素的位置信息进行调整，以及对其他不匹配的语义元素的位置信息进行调整。
在实际应用中，可以直接采用至少两个三维地图数据进行合成，生成具有多个图层的拓扑三维地图，并根据对应的转换矩阵对不同图层的三维地图数据进行调整，进而可以得到尽量重叠的三维地图。
步骤305，确定至少两个第一语义元素之间第一相对信息，并确定至少两个第二语义元素之间第二相对信息；
步骤306，根据第一相对信息和第二相对信息，对第一三维地图数据和第二三维地图数据进行优化；
步骤307，对优化后的第一三维地图数据和优化后的第二三维地图数据进行地图融合；
步骤308，确定第一三维地图数据中第三语义元素；其中，第三语义元素在第二三维地图数据中不存在匹配的语义元素；
由于在进行地图融合时，是以任意一个三维地图数据为基准，将另一个三维地图数据融合至该三维地图数据中，例如，可以以三维地图数据B为基准，将另一个三维地图数据A融合至三维地图数据B中，则在对优化后的三维地图数据进行地图融合后，可以确定另一个三维地图数据中的不与该三维地图数据中语义元素匹配的语义元素，例如，可以确定三维地图数据A中的不与三维地图数据B中语义元素匹配的语义元素。
步骤309，将第三语义元素添加至地图融合的第二三维地图数据。
在确定第三语义元素后，由于该第三语义元素为不与第二三维地图数据中不语义元素匹配的语义元素，则可以将第三语义元素添加到第二三维地图数据中。
例如，由于可以确定三维地图数据A中的不与三维地图数据B中语义元素匹配的语义元素，则可以将不匹配的语义元素添加至三维地图数据B中。
在本发明实施例中，通过获取第一三维地图数据和第二三维地图数据，对于第一三维地图数据中至少两个第一语义元素，在第二三维地图数据中，确定匹配的至少两个第二语义元素，根据至少两个第一语义元和至少两个第二语义元素，确定针对第一三维地图数据的第一转换矩阵和针对第二三维地图数据的第二转换矩阵，采用第一转换矩阵对第一三维地图数据进行调整，并采用第二转换矩阵对第二三维地图数据进行调整，确定至少两个第一语义元素之间第一相对信息，并确定至少两个第二语义元素之间第二相对信息，根据第一相对信息和第二相对信息，对第一三维地图数据和第二三维地图数据进行优化，对优化后的第一三维地图数据和优化后的第二三维地图数据进行地图融合，确定第一三维地图数据中第三语义元素；其中，第三语义元素在第二三维地图数据中不存在匹配的语义元素，将第三语义元素添加至地图融合的第二三维地图数据，实现了对三维地图数据进行调整和优化，简化了地图融合的过程，减少了计算量，提高了地图融合的精度和效率。
以下结合图4对本发明实施例进行示例性说明：
1、在进行地图融合时，可以获取至少两个三维地图数据，可以确定第一三维地图数据中至少两个语义元素，在确定两个语义元素后，可以确定第二三维地图数据中是否存在与第一三维地图数据匹配的语义元素。
2、倘若在另外一个三维地图数据中存在与第一语义元素匹配的语义元素，则执行步骤3，倘若在另外一个三维地图数据中不存在匹配的语义元素，则跳过步骤2-6，直接执行步骤7。
3、在确定匹配的语义元素后，可以分别在不同的三维地图数据中确定匹配的语义元素的整体位置信息，进而可以根据不同的整体位置信息生成针对不同三维地图数据的转换矩阵，在确定转换矩阵后，可以分别采用对应的转换矩阵对不同的三维地图数据进行整体调整。
4、在得到调整后的三维地图数据后，可以根据语义元素的位置信息和角度信息确定两个语义元素之间的相对位姿信息，可以根据相对位姿信息确定相对位姿误差的值，即位姿误差值，进而可以根据相对位姿信息和位姿误差值确定位姿信息和相对位姿误差的关联关系，并以最小相对位姿误差为目标，确定目标位姿信息，以进行平面位姿优化。
5、在进行平面位姿优化后，可以根据语义元素的高度信息确定两个语义元素之间的相对高度信息，可以根据相对高度信息确定高度误差值，进而可以根据相对高度信息和位姿误差值确定高度信息和相对高度误差的关联关系，并以最小相对高度误差为目标，确定目标高度信息，以进行高度优化。
6、在对三维地图数据进行优化后，可以确定不同的三维地图数据的融合次数，进而可以根据不同的融合次数对至少两个三维地图数据进行加权融合。
7、将该两个三维地图数据中不匹配的语义元素进行融合，即将一个三维地图数据的语义元素添加至另一个三维地图数据中。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图5，示出了本发明一实施例提供的一种地图融合的装置的结构示意图，具体可以包括如下模块：
三维地图数据获取模块501，用于获取第一三维地图数据和第二三维地图数据；
语义元素确定模块502，用于对于所述第一三维地图数据中至少两个第一语义元素，在所述第二三维地图数据中，确定匹配的至少两个第二语义元素；
相对信息确定模块503，用于确定所述至少两个第一语义元素之间第一相对信息，并确定所述至少两个第二语义元素之间第二相对信息；
优化模块504，用于根据所述第一相对信息和所述第二相对信息，对所述第一三维地图数据和所述第二三维地图数据进行优化；
融合模块505，用于对所述优化后的第一三维地图数据和所述优化后的第二三维地图数据进行地图融合
在本发明一实施例中，所述优化模块504包括：
目标信息确定子模块，用于根据所述第一相对信息和所述第二相对信息，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标信息；
三维地图数据优化子模块，用于按照所述至少两个第一语义元素和所述至少两个第二语义元素的目标信息，对所述第一三维地图数据和所述第二三维地图数据进行优化；其中，所述第一相对信息包括第一二维相对信息和第一三维相对信息，所述第二相对信息包括第二二维相对信息和第二三维相对信息，所述目标信息包括目标二维信息和目标三维信息。
在本发明一实施例中，所述第一二维相对信息包括第一相对位姿信息，所述第二二维相对信息包括第二相对位姿信息，所述目标二维信息为目标位姿信息，所述目标信息确定子模块包括：
位姿误差值确定单元，用于根据所述第一相对位姿信息和所述第二相对位姿信息，确定位姿误差值；
相对位姿误差关联关系确定单元，用于根据所述位姿误差值，确定所述至少两个第一语义元素和所述至少两个第二语义元素的位姿信息与相对位姿误差的关联关系；
目标位姿信息确定单元，用于以所述相对位姿误差最小为目标，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标位姿信息。
在本发明一实施例中，所述第一三维相对信息包括第一相对高度信息，所述第二三维相对信息包括第二相对高度信息，所述目标三维信息为目标高度信息，所述目标信息确定子模块，包括：
高度误差值确定单元，用于根据所述第一相对高度信息和所述第二相对高度信息，确定高度误差值；
相对高度误差关联关系确定单元，用于根据所述高度误差值，确定所述至少两个第一语义元素和所述至少两个第二语义元素的高度信息与相对高度误差的关联关系；
目标高度信息确定单元，用于以所述相对高度误差最小为目标，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标高度信息。
在本发明一实施例中，所述装置还包括：
转换矩阵确定模块，用于根据所述至少两个第一语义元和所述至少两个第二语义元素，确定针对所述第一三维地图数据的第一转换矩阵和针对所述第二三维地图数据的第二转换矩阵；
三维地图数据调整模块，用于采用所述第一转换矩阵对所述第一三维地图数据进行调整，并采用所述第二转换矩阵对所述第二三维地图数据进行调整。
在本发明一实施例中，所述装置还包括：
第三语义元素确定模块，用于确定所述第一三维地图数据中第三语义元素；其中，所述第三语义元素在所述第二三维地图数据中不存在匹配的语义元素；
第三语义元素融合模块，用于将所述第三语义元素添加至所述地图融合的第二三维地图数据。
在本发明实施例中，通过获取第一三维地图数据和第二三维地图数据，对于第一三维地图数据中至少两个第一语义元素，在第二三维地图数据中，确定匹配的至少两个第二语义元素，根据至少两个第一语义元和至少两个第二语义元素，确定针对第一三维地图数据的第一转换矩阵和针对第二三维地图数据的第二转换矩阵，采用第一转换矩阵对第一三维地图数据进行调整，并采用第二转换矩阵对第二三维地图数据进行调整，在第二三维地图数据中，确定匹配的至少两个第二语义元素，确定至少两个第一语义元素之间第一相对信息，并确定至少两个第二语义元素之间第二相对信息，根据第一相对信息和第二相对信息，确定至少两个第一语义元素和至少两个第二语义元素的目标信息，按照至少两个第一语义元素和至少两个第二语义元素的目标信息，对第一三维地图数据和第二三维地图数据进行优化，其中，第一相对信息包括第一二维相对信息和第一三维相对信息，第二相对信息包括第二二维相对信息和第二三维相对信息，目标信息包括目标二维信息和目标三维信息，对优化后的第一三维地图数据和优化后的第二三维地图数据进行地图融合，确定第一三维地图数据中第三语义元素，将第三语义元素添加至地图融合的第二三维地图数据，实现了对三维地图数据中二维信息和三维信息的调整和优化，简化了地图融合的过程，减少了计算量，提高了地图融合的精度和效率。
本发明一实施例还提供了一种服务器，可以包括处理器、存储器及存储在存储器上并能够在处理器上运行的计算机程序，计算机程序被处理器执行时实现如上地图融合的方法。
本发明一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上存储计算机程序，计算机程序被处理器执行时实现如上地图融合的方法。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对所提供的一种地图融合的方法及装置、服务器、存储介质，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (12)

1.一种地图融合的方法，其特征在于，所述方法包括：
获取第一三维地图数据和第二三维地图数据；
对于所述第一三维地图数据中至少两个第一语义元素，在所述第二三维地图数据中，确定匹配的至少两个第二语义元素；
确定所述至少两个第一语义元素之间第一相对信息，并确定所述至少两个第二语义元素之间第二相对信息；
根据所述第一相对信息和所述第二相对信息，对所述第一三维地图数据和所述第二三维地图数据进行优化；
对所述优化后的第一三维地图数据和所述优化后的第二三维地图数据进行地图融合。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一相对信息和所述第二相对信息，对所述第一三维地图数据和所述第二三维地图数据进行优化，包括：
根据所述第一相对信息和所述第二相对信息，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标信息；
按照所述至少两个第一语义元素和所述至少两个第二语义元素的目标信息，对所述第一三维地图数据和所述第二三维地图数据进行优化；
其中，所述第一相对信息包括第一二维相对信息和第一三维相对信息，所述第二相对信息包括第二二维相对信息和第二三维相对信息，所述目标信息包括目标二维信息和目标三维信息。
3.根据权利要求2所述的方法，其特征在于，所述第一二维相对信息包括第一相对位姿信息，所述第二二维相对信息包括第二相对位姿信息，所述目标二维信息为目标位姿信息，所述根据所述第一相对信息和所述第二相对信息，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标信息，包括：
根据所述第一相对位姿信息和所述第二相对位姿信息，确定位姿误差值；
根据所述位姿误差值，确定所述至少两个第一语义元素和所述至少两个第二语义元素的位姿信息与相对位姿误差的关联关系；
以所述相对位姿误差最小为目标，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标位姿信息。
4.根据权利要求2或3所述的方法，其特征在于，所述第一三维相对信息包括第一相对高度信息，所述第二三维相对信息包括第二相对高度信息，所述目标三维信息为目标高度信息，所述根据所述第一相对信息和所述第二相对信息，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标信息，包括：
根据所述第一相对高度信息和所述第二相对高度信息，确定高度误差值；
根据所述高度误差值，确定所述至少两个第一语义元素和所述至少两个第二语义元素的高度信息与相对高度误差的关联关系；
以所述相对高度误差最小为目标，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标高度信息。
5.根据权利要求1所述的方法，其特征在于，在所述确定所述至少两个第一语义元素之间第一相对信息，并确定所述至少两个第二语义元素之间第二相对信息之前，还包括：
根据所述至少两个第一语义元和所述至少两个第二语义元素，确定针对所述第一三维地图数据的第一转换矩阵和针对所述第二三维地图数据的第二转换矩阵；
采用所述第一转换矩阵对所述第一三维地图数据进行调整，并采用所述第二转换矩阵对所述第二三维地图数据进行调整。
6.根据权利要求1所述的方法，其特征在于，还包括：
确定所述第一三维地图数据中第三语义元素；其中，所述第三语义元素在所述第二三维地图数据中不存在匹配的语义元素；
将所述第三语义元素添加至所述地图融合的第二三维地图数据。
7.根据权利要求1所述的方法，其特征在于，所述第一三维地图数据和所述第二三维地图数据为针对停车场的地图数据。
8.一种地图融合的装置，其特征在于，所述装置包括：
三维地图数据获取模块，用于获取第一三维地图数据和第二三维地图数据；
语义元素确定模块，用于对于所述第一三维地图数据中至少两个第一语义元素，在所述第二三维地图数据中，确定匹配的至少两个第二语义元素；
相对信息确定模块，用于确定所述至少两个第一语义元素之间第一相对信息，并确定所述至少两个第二语义元素之间第二相对信息；
优化模块，用于根据所述第一相对信息和所述第二相对信息，对所述第一三维地图数据和所述第二三维地图数据进行优化；
融合模块，用于对所述优化后的第一三维地图数据和所述优化后的第二三维地图数据进行地图融合。
9.根据权利要求8所述的装置，其特征在于，所述优化模块，包括：
目标信息确定子模块，用于根据所述第一相对信息和所述第二相对信息，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标信息；
三维地图数据优化子模块，用于按照所述至少两个第一语义元素和所述至少两个第二语义元素的目标信息，对所述第一三维地图数据和所述第二三维地图数据进行优化；
其中，所述第一相对信息包括第一二维相对信息和第一三维相对信息，所述第二相对信息包括第二二维相对信息和第二三维相对信息，所述目标信息包括目标二维信息和目标三维信息。
10.根据权利要求9所述的装置，其特征在于，所述第一二维相对信息包括第一相对位姿信息，所述第二二维相对信息包括第二相对位姿信息，所述目标二维信息为目标位姿信息，所述目标信息确定子模块，包括：
位姿误差值确定单元，用于根据所述第一相对位姿信息和所述第二相对位姿信息，确定位姿误差值；
相对位姿误差关联关系确定单元，用于根据所述位姿误差值，确定所述至少两个第一语义元素和所述至少两个第二语义元素的位姿信息与相对位姿误差的关联关系；
目标位姿信息确定单元，用于以所述相对位姿误差最小为目标，确定所述至少两个第一语义元素和所述至少两个第二语义元素的目标位姿信息。
11.一种服务器，其特征在于，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的地图融合的方法。
12.一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上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的地图融合的方法。
CN202011224448.3A 2020-11-05 2020-11-05 一种地图融合的方法及装置、服务器、存储介质 Active CN112308810B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011224448.3A CN112308810B (zh) 2020-11-05 2020-11-05 一种地图融合的方法及装置、服务器、存储介质
EP21791231.0A EP4024328B1 (en) 2020-11-05 2021-06-25 Method and apparatus for map fusion, server and storage medium
PCT/CN2021/102343 WO2022095473A1 (zh) 2020-11-05 2021-06-25 一种地图融合的方法及装置、服务器、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011224448.3A CN112308810B (zh) 2020-11-05 2020-11-05 一种地图融合的方法及装置、服务器、存储介质

Publications (2)

Publication Number Publication Date
CN112308810A true CN112308810A (zh) 2021-02-02
CN112308810B CN112308810B (zh) 2022-05-13

Family

ID=74325147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011224448.3A Active CN112308810B (zh) 2020-11-05 2020-11-05 一种地图融合的方法及装置、服务器、存储介质

Country Status (3)

Country Link
EP (1) EP4024328B1 (zh)
CN (1) CN112308810B (zh)
WO (1) WO2022095473A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113656525A (zh) * 2021-08-19 2021-11-16 广州小鹏自动驾驶科技有限公司 一种地图处理的方法和装置
CN114061564A (zh) * 2021-11-01 2022-02-18 广州小鹏自动驾驶科技有限公司 一种地图数据的处理方法和装置
CN114088082A (zh) * 2021-11-01 2022-02-25 广州小鹏自动驾驶科技有限公司 一种地图数据的处理方法和装置
WO2022095473A1 (zh) * 2020-11-05 2022-05-12 广州小鹏自动驾驶科技有限公司 一种地图融合的方法及装置、服务器、存储介质
CN116202538A (zh) * 2023-05-05 2023-06-02 广州小鹏自动驾驶科技有限公司 地图匹配融合方法、装置、设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107145578A (zh) * 2017-05-08 2017-09-08 深圳地平线机器人科技有限公司 地图构建方法、装置、设备和系统
CN107144285A (zh) * 2017-05-08 2017-09-08 深圳地平线机器人科技有限公司 位姿信息确定方法、装置和可移动设备
CN109920055A (zh) * 2019-03-08 2019-06-21 视辰信息科技(上海)有限公司 三维视觉地图的构建方法、装置与电子设备
US20190355169A1 (en) * 2018-05-18 2019-11-21 Samsung Electronics Co., Ltd. Semantic mapping for low-power augmented reality using dynamic vision sensor
CN111060117A (zh) * 2019-12-17 2020-04-24 苏州智加科技有限公司 局部地图构建方法、装置、计算机设备以及存储介质
CN111174799A (zh) * 2019-12-24 2020-05-19 Oppo广东移动通信有限公司 地图构建方法及装置、计算机可读介质、终端设备
US20200184718A1 (en) * 2018-12-05 2020-06-11 Sri International Multi-modal data fusion for enhanced 3d perception for platforms
CN111797187A (zh) * 2020-06-22 2020-10-20 北京百度网讯科技有限公司 地图数据的更新方法、装置、电子设备和存储介质
CN111831776A (zh) * 2020-07-16 2020-10-27 广州小鹏车联网科技有限公司 一种地图融合的方法及车辆、电子设备、存储介质
CN111831771A (zh) * 2020-07-09 2020-10-27 广州小鹏车联网科技有限公司 一种地图融合的方法和车辆

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8983774B2 (en) * 2013-07-09 2015-03-17 Qualcomm Incorporated Intelligent map combination for venues enabling indoor positioning
CN110163963B (zh) * 2019-04-12 2023-06-20 南京华捷艾米软件科技有限公司 一种基于slam的建图装置和建图方法
CN110288710B (zh) * 2019-06-26 2023-04-07 Oppo广东移动通信有限公司 一种三维地图的处理方法、处理装置及终端设备
CN112308810B (zh) * 2020-11-05 2022-05-13 广州小鹏自动驾驶科技有限公司 一种地图融合的方法及装置、服务器、存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107145578A (zh) * 2017-05-08 2017-09-08 深圳地平线机器人科技有限公司 地图构建方法、装置、设备和系统
CN107144285A (zh) * 2017-05-08 2017-09-08 深圳地平线机器人科技有限公司 位姿信息确定方法、装置和可移动设备
US20190355169A1 (en) * 2018-05-18 2019-11-21 Samsung Electronics Co., Ltd. Semantic mapping for low-power augmented reality using dynamic vision sensor
US20200184718A1 (en) * 2018-12-05 2020-06-11 Sri International Multi-modal data fusion for enhanced 3d perception for platforms
CN109920055A (zh) * 2019-03-08 2019-06-21 视辰信息科技(上海)有限公司 三维视觉地图的构建方法、装置与电子设备
CN111060117A (zh) * 2019-12-17 2020-04-24 苏州智加科技有限公司 局部地图构建方法、装置、计算机设备以及存储介质
CN111174799A (zh) * 2019-12-24 2020-05-19 Oppo广东移动通信有限公司 地图构建方法及装置、计算机可读介质、终端设备
CN111797187A (zh) * 2020-06-22 2020-10-20 北京百度网讯科技有限公司 地图数据的更新方法、装置、电子设备和存储介质
CN111831771A (zh) * 2020-07-09 2020-10-27 广州小鹏车联网科技有限公司 一种地图融合的方法和车辆
CN111831776A (zh) * 2020-07-16 2020-10-27 广州小鹏车联网科技有限公司 一种地图融合的方法及车辆、电子设备、存储介质

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022095473A1 (zh) * 2020-11-05 2022-05-12 广州小鹏自动驾驶科技有限公司 一种地图融合的方法及装置、服务器、存储介质
CN113656525A (zh) * 2021-08-19 2021-11-16 广州小鹏自动驾驶科技有限公司 一种地图处理的方法和装置
CN113656525B (zh) * 2021-08-19 2024-04-16 广州小鹏自动驾驶科技有限公司 一种地图处理的方法和装置
CN114061564A (zh) * 2021-11-01 2022-02-18 广州小鹏自动驾驶科技有限公司 一种地图数据的处理方法和装置
CN114088082A (zh) * 2021-11-01 2022-02-25 广州小鹏自动驾驶科技有限公司 一种地图数据的处理方法和装置
CN114061564B (zh) * 2021-11-01 2022-12-13 广州小鹏自动驾驶科技有限公司 一种地图数据的处理方法和装置
CN114088082B (zh) * 2021-11-01 2024-04-16 广州小鹏自动驾驶科技有限公司 一种地图数据的处理方法和装置
CN116202538A (zh) * 2023-05-05 2023-06-02 广州小鹏自动驾驶科技有限公司 地图匹配融合方法、装置、设备及存储介质
CN116202538B (zh) * 2023-05-05 2023-08-29 广州小鹏自动驾驶科技有限公司 地图匹配融合方法、装置、设备及存储介质

Also Published As

Publication number Publication date
EP4024328A1 (en) 2022-07-06
EP4024328C0 (en) 2023-07-12
EP4024328B1 (en) 2023-07-12
CN112308810B (zh) 2022-05-13
EP4024328A4 (en) 2022-07-27
WO2022095473A1 (zh) 2022-05-12

Similar Documents

Publication Publication Date Title
CN112308810B (zh) 一种地图融合的方法及装置、服务器、存储介质
CN110197027B (zh) 一种自动驾驶测试方法、装置、智能设备和服务器
CN111191487A (zh) 车道线的检测及驾驶控制方法、装置和电子设备
CN112749594B (zh) 信息补全方法、车道线识别方法、智能行驶方法及相关产品
CN111639663A (zh) 多传感器数据融合的方法
CN109946701A (zh) 一种点云坐标转换方法及装置
CN111964606B (zh) 一种三维信息的处理方法和装置
CN111831771A (zh) 一种地图融合的方法和车辆
CN113514829A (zh) 面向InSAR的初始DSM的区域网平差方法
CN110927665A (zh) 一种千寻云迹虚拟参考站定位精度的验证方法及系统
CN114677663A (zh) 车辆定位方法、装置及电子设备、计算机可读存储介质
CN115494533A (zh) 车辆定位方法、装置、存储介质及定位系统
CN112946612B (zh) 外参标定方法、装置、电子设备及存储介质
CN114966632A (zh) 激光雷达标定方法、装置及电子设备、存储介质
CN114754761A (zh) 高精地图车道线的优化方法、装置及电子设备、存储介质
CN113378694B (zh) 生成目标检测和定位系统及目标检测和定位的方法及装置
CN116740680A (zh) 一种车辆定位方法、装置及电子设备
CN112284402B (zh) 一种车辆定位的方法和装置
CN116609779A (zh) 两阶段InSAR多观测处理方法，系统及相关设备
CN115115704A (zh) 确定汽车位姿信息的方法及装置
CN111238524B (zh) 视觉定位方法以及装置
CN113253196A (zh) 一种多信号测向方法、装置和电子设备
CN114088082B (zh) 一种地图数据的处理方法和装置
CN114061564B (zh) 一种地图数据的处理方法和装置
CN113409227B (zh) 点云图修补方法、装置、电子设备和存储介质

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210202

Assignee: GUANGZHOU XIAOPENG MOTORS TECHNOLOGY Co.,Ltd.

Assignor: Guangzhou Xiaopeng Automatic Driving Technology Co.,Ltd.

Contract record no.: X2022980014506

Denomination of invention: A method and device for map fusion, server and storage medium

Granted publication date: 20220513

License type: Common License

Record date: 20220905

EE01 Entry into force of recordation of patent licensing contract
TR01 Transfer of patent right

Effective date of registration: 20240229

Address after: 510000 No.8 Songgang street, Cencun, Tianhe District, Guangzhou City, Guangdong Province

Patentee after: GUANGZHOU XIAOPENG MOTORS TECHNOLOGY Co.,Ltd.

Country or region after: China

Address before: Room 46, room 406, No. 1, Yichuang street, Zhongxin knowledge city, Huangpu District, Guangzhou, Guangdong 510725

Patentee before: Guangzhou Xiaopeng Automatic Driving Technology Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right