CN112634260A - 一种地图评估的方法、装置、电子设备及存储介质 - Google Patents

一种地图评估的方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112634260A
CN112634260A CN202011627437.XA CN202011627437A CN112634260A CN 112634260 A CN112634260 A CN 112634260A CN 202011627437 A CN202011627437 A CN 202011627437A CN 112634260 A CN112634260 A CN 112634260A
Authority
CN
China
Prior art keywords
point cloud
evaluated
map
track
error estimation
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
CN202011627437.XA
Other languages
English (en)
Other versions
CN112634260B (zh
Inventor
王兆圣
刘余钱
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.)
Beijing Jueying Zhilian Technology Co ltd
Original Assignee
Shanghai Sensetime Intelligent 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 Shanghai Sensetime Intelligent Technology Co Ltd filed Critical Shanghai Sensetime Intelligent Technology Co Ltd
Priority to CN202011627437.XA priority Critical patent/CN112634260B/zh
Publication of CN112634260A publication Critical patent/CN112634260A/zh
Application granted granted Critical
Publication of CN112634260B publication Critical patent/CN112634260B/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
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (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)
  • Quality & Reliability (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开提供了一种地图评估的方法、装置、电子设备及存储介质，其中，该方法包括：获取待评估点云地图数据；基于待评估点云地图数据，确定如下至少一种误差估计结果：待评估点云地图的轨迹精度误差估计结果、待评估点云地图的高度方向误差估计结果和水平方向误差估计结果；根据确定的误差估计结果确定待评估点云地图的评估质量。本公开的整个评估过程无需人工参与，实现了点云地图质量的自动评估，省时省力。

Description

一种地图评估的方法、装置、电子设备及存储介质
技术领域
本公开涉及地图技术领域，具体而言，涉及一种地图评估的方法、装置、电子设备及存储介质。
背景技术
随着智能交通技术的飞速发展，高精度地图得以广泛应用。作为一种精度更高、维度更广的电子导航地图，高精度地图的服务对象可以是机器，其绘制过程要比传统电子地图复杂的多，通常需要使用搭载激光雷达、卫星-惯导组合定位系统、相机等设备的专业采集车对所需建图区域进行数据采集，再对数据进行标注等处理，人工验证之后可以进行发布。
点云地图作为高精度地图，目前主要采用激光雷达进行构造。这里，在采集车采集完毕数据后，通过算法处理后得到采集车的一系列轨迹点，以及轨迹点对应的点云数据，基于每个位置的点云数据的拼接结果，即可以确定采集路段的点云地图。
然而，受限于融合算法、环境、气候等各种因素的影响，实际上得到的定位结果可能不符合建图精度的需求，进而导致得到较差质量的点云地图。目前，主要依赖于人工观察方式进行点云地图的质量评估，这将耗费大量的人力物力。
发明内容
本公开实施例至少提供一种地图评估的方案，通过对点云地图数据进行多角度的误差分析，实现点云地图质量的自动评估，省时省力。
第一方面，本公开实施例提供了一种地图评估的方法，所述方法包括：
获取待评估点云地图数据；
基于所述待评估点云地图数据，确定如下至少一种误差估计结果：所述待评估点云地图的轨迹精度误差估计结果、所述待评估点云地图的高度方向误差估计结果和水平方向误差估计结果；
根据确定的所述至少一种误差估计结果确定所述待评估点云地图的评估质量。
采用上述地图评估的方法，针对获取到的待评估点云地图数据，可以基于该待评估点云地图数据进行误差估计，从而根据确定出的误差估计结果确定待评估点云地图的评估质量。这里的误差估计可以仅是针对待评估点云地图的轨迹精度误差估计结果、还可以仅是针对待评估点云地图的高度方向误差估计结果、还可以仅是针对待评估点云地图的水平方向误差估计结果、还可以是上述误差估计中的任意组合方式所确定的误差估计结果。也即，本公开实施例可以进行多角度的误差分析。
例如，轨迹精度误差估计结果可以从整体上评估当前待评估点云地图的定位结果与其它定位设备所定位的结果之间的误差大小，再如，高度方向误差估计结果和水平方向误差估计结果可以从局部上评估高度和水平两个方向所存在的误差大小，也即，同时兼顾了整体上和局部上的误差估计，整个评估过程无需人工参与，实现了点云地图质量的自动评估，省时省力。
在一种可能的实施方式中，所述待评估点云地图数据包括用来构建所述待评估点云地图所采集的点云数据和位置数据；
采用如下方式对所述待评估点云地图进行轨迹精度误差估计：
获取激光雷达采集所述点云数据过程中定位设备在不同采集时间点采集的多个轨迹点的位置信息，并基于获取的所述多个轨迹点的位置信息，确定所述激光雷达的第一运行轨迹信息；以及，
根据所述点云数据与基于所述点云数据构建的点云地图的配准结果，确定所述激光雷达的第二运行轨迹信息；
基于所述第一运行轨迹信息和所述第二运行轨迹信息的比对结果，确定所述点云数据的轨迹精度误差估计结果。
这里，一方面可以基于定位设备确定激光雷达的第一运行轨迹信息，另一方面可以基于激光雷达所采集的点云数据确定激光雷达的第二运行轨迹信息，这样，将第一运行轨迹信息和第二运行轨迹信息进行比对，可以得到轨迹精度误差估计结果。利用这一轨迹精度误差估计结果可以确定待评估点云地图与卫星等定位地图的匹配程度，误差结果值越大，说明两者的匹配程度较小，反之，误差结果值越小，说明两者的匹配程度越大，这样，在定位地图较为准确的情况下，所对应的待评估地图的准确度也较高。
在一种可能的实施方式中，基于所述第一运行轨迹信息和所述第二运行轨迹信息的比对结果，确定所述点云数据的轨迹精度误差估计结果，包括：
将所述第一运行轨迹信息和所述第二运行轨迹信息进行差值运算，确定所述激光雷达的轨迹精度误差估计结果，作为所述点云数据的轨迹精度误差估计结果。
在一种可能的实施方式中，将所述第一运行轨迹信息和所述第二运行轨迹信息进行差值运算，确定所述激光雷达的轨迹精度误差估计结果，包括：
响应于所述第二运行轨迹对应第二轨迹点的采集时间间隔大于所述第一运行轨迹对应第一轨迹点的采集时间间隔，基于所述第二运行轨迹信息，确定任意相邻两个第二轨迹点之间的采集时间间隔；
针对与第二运行轨迹任一第二轨迹点对齐的当前第一轨迹点，基于所述第一运行轨迹信息，确定所述采集时间间隔内的多个第一轨迹点；
基于所述多个第一轨迹点的位置信息，确定所述采集时间间隔结束时刻作为所述当前第一轨迹点的下一个第一轨迹点的位置信息；
将所述下一个第一轨迹点作为新的当前第一轨迹点，继续执行为新的当前第一轨迹点确定下一个第一轨迹点的步骤，直到满足停止确定下一个第一轨迹点的条件；
基于确定的多个第一轨迹点的位置信息与每个第一轨迹点对齐的第二轨迹点的位置信息之间的差值运算，确定所述激光雷达的轨迹精度误差估计结果。
这里，考虑到激光雷达与定位设备进行数据采集时的采样频率不同，而不同的采样频率所确定的激光雷达的轨迹点的位置也不同，这里，为了便于进行两个运行轨迹信息之间的差值运算，可以先对采样频率比较高的第一运行轨迹进行插值处理，而后即可以基于相同时刻进行位置对齐，这样，可以确保位置上一对一的进行差值运算。
在一种可能的实施方式中，所述待评估点云地图数据包括完成构建的待评估点云地图；
采用如下方式对所述待评估点云地图进行高度方向误差估计，得到高度方向误差估计结果：
从所述待评估点云地图中的点云数据中提取出表征地面元素的地面点云点；
通过对提取出的所述地面点云点进行多边形拟合处理，得到地面拟合区域；
将所述地面拟合区域的厚度信息与对应地形的预设地面厚度阈值进行差值运算，确定所述高度方向误差估计结果。
这里，可以基于地面点云点的多边形拟合处理来确定地面拟合区域的厚度信息，通过该厚度信息与预设地面厚度阈值之间的差值结果来确定高度方向误差估计结果的大小，所确定的值越小说明高度方向的误差也越小。
在一种可能的实施方式中，所述从所述待评估点云地图中的点云数据中提取出表征地面元素的地面点云点，包括：
基于预先训练的地面识别模型从所述待评估点云地图中的点云数据中提取出地面点云点；
其中，所述地面识别模型为基于具有地面标注结果的多个点云地图样本训练得到的。
在一种可能的实施方式中，所述点云数据包括多个点云点在世界坐标系下的坐标信息，所述从获取的所述待评估点云地图中的点云数据中提取出表征地面元素的地面点云点，包括：
基于所述多个点云点在世界坐标系下的坐标信息，将所述多个点云点聚类成多个点云点集；
针对每个点云点集，在该点云点集所构成的点云区域的区域特征信息与预设地面特征信息相匹配的情况下，将该点云点集包含的点云点确定为所述地面点云点。
在一种可能的实施方式中，所述待评估点云地图数据包括完成构建的待评估点云地图；
采用如下方式对所述待评估点云地图进行水平方向误差估计，得到水平方向误差估计结果：
从所述待评估点云地图中的点云数据中提取出表征标识物的标识物点云点；
通过对提取出的所述标识物点云点进行多边形拟合处理，得到标识物拟合区域；
将所述标识物拟合区域的尺寸信息与预设标识物尺寸阈值进行差值运算，确定所述水平方向误差估计结果。
这里，可以基于标识物点云点的多边形拟合处理来确定标识物拟合区域的尺寸信息，通过该尺寸信息与预设标识物尺寸阈值之间的差值结果来确定水平方向误差估计结果的大小，所确定的值越小说明水平方向的误差也越小。
在一种可能的实施方式中，响应于基于至少两种误差估计结果对点云地图质量进行评估，所述根据确定的所述至少一种误差估计结果确定所述待评估点云地图的评估质量，包括：
确定至少两种误差估计结果中与每种误差估计结果对应的质量影响因子；
根据至少两种误差估计结果、以及每种误差估计结果对应的质量影响因子，加权求和得到所述待评估点云地图的评估质量。
这里，考虑到不同误差评估结果对待评估点云地图的评估质量的不同影响，可以将对应的质量影响因子作为各误差估计结果的权重，以实现最终的地图质量评估。
在一种可能的实施方式中，响应于基于至少一种误差估计结果对点云地图质量进行评估，所述根据确定的所述至少一种误差估计结果确定所述待评估点云地图的评估质量，包括：
针对每种误差估计结果，确定与该误差估计结果对应的误差阈值；
响应于每种误差评估结果均小于对应的误差阈值，则确定所述待评估点云地图的评估质量达到标准质量水平。
在一种可能的实施方式中，按照如下步骤确定完成构建的待评估点云地图：
利用激光雷达针对多个预设路段进行点云数据的采集；
将采集的所述多个预设路段的点云数据进行拼接，得到完成构建的所述待评估点云地图。
在一种可能的实施方式中，所述将采集的所述多个预设路段的点云数据进行拼接，得到完成构建的所述待评估点云地图，包括以下至少一种：
将在同一采集环境下采集一次得到的所述多个预设路段的点云数据进行拼接，得到构建的第一待评估点云地图；每次采集对应一次针对所述预设路段的扫描过程；
将在同一采集环境下采集多次得到的所述多个预设路段的点云数据进行拼接，得到构建的第二待评估点云地图；
将在不同采集环境下采集得到的所述多个预设路段的点云数据进行拼接，得到构建的第三待评估点云地图。
这里，考虑到不同的采集环境、不同的采集时间针对不同的预设路段的点云数据采集的不同影响，这里，可以基于不同的采集条件分别构建不同的待评估点云地图，从而实现更为全面、更为完整的地图质量评估。
在一种可能的实施方式中，在满足以下至少一种条件的情况下，确定所述待评估点云地图的评估质量达到标准质量水平：
确定所述第一待评估点云地图所包括点云点在同一采集环境、不同采集时间上不存在重影现象；
确定所述第二待评估点云地图所包括的点云点在同一采集环境、同一采集时间上不存在分层现象；
确定所述第三待评估点云地图所包括的点云点在不同采集环境、不同采集时间上不存在重影现象、且所述第三待评估点云地图所包括的点云点在不同采集环境、同一采集时间上不存在分层现象。
第二方面，本公开实施例还提供了一种地图评估的装置，所述装置包括：
获取模块，用于获取待评估点云地图数据；
确定模块，用于基于所述待评估点云地图数据，确定如下至少一种误差估计结果：所述待评估点云地图的轨迹精度误差估计结果、所述待评估点云地图的高度方向误差估计结果和水平方向误差估计结果；
评估模块，用于根据确定的所述至少一种误差估计结果确定所述待评估点云地图的评估质量。
第三方面，本公开实施例还提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如第一方面及其各种实施方式任一所述的地图评估的方法的步骤。
第四方面，本公开实施例还提供了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有计算机程序，所述计算机程序被电子设备运行时，所述电子设备执行如第一方面及其各种实施方式任一所述的地图评估的方法的步骤。
关于上述地图评估的装置、电子设备、及计算机可读存储介质的效果描述参见上述地图评估的方法的说明，这里不再赘述。
为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本公开实施例一所提供的一种地图评估的方法的流程图；
图2示出了本公开实施例一所提供的一种分层现象的示意图；
图3示出了本公开实施例一所提供的一种重影现象的示意图；
图4示出了本公开实施例二所提供的一种地图评估的装置的示意图；
图5示出了本公开实施例三所提供的一种电子设备的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
经研究发现，目前，在采集车采集完毕数据后，通过算法处理后得到采集车的一系列轨迹点，以及轨迹点对应的点云数据，基于每个位置的点云数据的拼接结果，即可以确定采集路段的点云地图。其中，点云地图的质量依赖于采集车处理后的轨迹点的位置精度，准确的位置才能拼接出严丝合缝的地图。
这里需要指出的是，建图的过程实际上也是一种定位过程，高精度的定位才能得到高精度的地图。与实时定位过程只需要与建好的地图进行匹配即可获得足够精度的定位不同，这里的建图过程的定位可以是非实时的后处理以达到最高精度的定位需求。
然而，受限于融合算法、环境、气候等各种因素的影响，实际上得到的定位结果可能不符合建图精度的需求，进而导致得到较差质量的点云地图，因此建图过程的最后通常需要进行人工验证，待人工验证通过后才能发布地图。
目前，点云地图的人工验证过程没有形成体系的验证评估方法。大部分情况下，可以采用的方法是观察拼出来的点云地图，肉眼没有观察到明显的模糊、重影、分层等情况，则认为是地图质量是合格的。上述方法虽然能够验证地图质量，但却无法给出定量的评估指标，且不成体系的验证容易出现检查的错漏。
此外，在学术研究中，可以使用更高精度的建图设备，如静态三维(3-imensional，3D)激光扫描仪，预先建立更高精度的标准点云地图。这样，在将采集车建立的点云地图与上述标准点云地图进行对比，即可定量评估地图质量。该方法精度够高，但存在明显的缺点，即不够灵活，更高精度的建图设备通常只能建立小规模的点云地图，建图耗时耗力，无法大规模验证，不便于进行大规模的应用。
基于上述研究，本公开至少提供了一种地图评估的方案，通过对点云地图进行多角度的误差分析，实现点云地图质量的自动评估，省时省力。
针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案，都应该是发明人在本公开过程中对本公开做出的贡献。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
为便于对本实施例进行理解，首先对本公开实施例所公开的一种地图评估的方法进行详细介绍，本公开实施例所提供的地图评估的方法的执行主体一般为具有一定计算能力的电子设备，该电子设备例如包括：终端设备或服务器或其它处理设备，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该地图评估的方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
下面对本公开实施例提供的地图评估的方法加以说明。
实施例一
参见图1所示，为本公开实施例提供的地图评估的方法的流程图，方法包括步骤S101～S103，其中：
S101、获取待评估点云地图数据；
S102、基于待评估点云地图数据，确定如下至少一种误差估计结果：待评估点云地图的轨迹精度误差估计结果、待评估点云地图的高度方向误差估计结果和水平方向误差估计结果；
S103、根据确定的误差估计结果确定待评估点云地图的评估质量。
这里，为了便于理解本公开实施例提供的地图评估的方法，首先可以对该地图评估的方法的应用场景进行简单介绍。本公开实施例提供的地图评估的方法可以应用于需要对地图进行质量评估的技术场景中，这里的地图可以是高精度地图。相比传统电子地图而言，高精度地图的绘制通常需要使用搭载激光雷达设备的专业采集车对所需建图区域进行数据采集。对于采集得到的点云数据，基于物体轮廓标注处理，可以构建对应的三维物体模型，而后，将构建出的三维物体模型设置在对应的地图位置处，即可构建得到待评估点云地图。
需要说明的是，在实际应用中，可以将搭载有激光雷达的采集车行驶的一系列轨迹点对应的点云数据进行拼接，这样所构建出来的待评估点云地图也可以是拼接得到的。这里的激光雷达可以是旋转式扫描激光雷达，该旋转式扫描激光雷达在水平方向旋转扫描时可以获取周边环境内有关目标的点云数据。
本公开实施例中的待评估点云地图数据可以包括上述用来构建待评估点云地图所采集的点云数据，还可以包括完成构建的待评估点云地图。本公开实施例中，可以基于不同误差估计方式确定不同的待评估点云地图数据实现多角度的误差分析与估计。
本公开实施例中的误差估计方式主要有两类，一类是针对采集点云数据的采集车的行走轨迹(对应采集车搭载的激光雷达的轨迹)而言的整体误差估计，另一类是针对基于采集的点云数据所构建的待评估点云地图在一些特定维度上的局部误差估计。
其中，本公开实施例中的轨迹精度误差估计结果对应的可以是上述整体误差估计方式，用于表示的可以是基于激光雷达采集到的点云数据所确定的定位结果与其它定位设备所确定的定位结果之间的偏差信息，或者与通过预设制图工具对采集到的点云数据进行处理后得到的定位结果之间的偏差信息，可以定量的说明待评估点云地图的全局一致性好坏，这样，在其它定位设备的定位结果足够准确的情况下，或者预设制图工具足够精确的情况下，如果上述偏差信息足够小，一定程度上可以说明当前待评估点云地图也足够准确，也可以从一定程度上说明使用的定位设备，或者预设制图工具的准确性。
另外，本公开实施例中的高度方向误差估计结果对应的可以是上述局部误差估计，用于表示的是待评估点云地图在高度方向上的误差，考虑到激光雷达在进行扫描的过程中通常是会扫描到地面的，这时，可以以地面为参考进行高度方向上的误差的估计，可以指示的是点云地图在对应的高度方向上的偏移信息，类似的，本公开实施例中的水平方向误差估计结果对应的也可以是上述局部误差估计，用于表示的是待评估点云地图在水平方向上的误差，这时可以以地面道路虚线、斑马线、路标牌等标识物为参考进行水平方向上的误差的估计，需要说明的是，有关水平方向上的误差可以是包括横向误差和纵向误差，可以指示的是点云地图在对应两个方向的偏移信息。
本公开实施例提供的地图评估的方法，可以分别通过上述三个误差估计结果对待评估点云地图进行质量评估，还可以结合任意两个误差估计结果进行质量评估，还可以将三个误差估计结果进行结合以实现质量评估。整体而言，上述误差估计结果值越小，所对应待评估点云地图的评估质量越佳。
在实际应用中，考虑到上述三个误差估计结果对待评估点云地图质量的综合影响，可以分别设置对应的误差阈值，来实现地图质量评估，响应于基于至少一种误差估计结果对点云地图质量进行评估，具体可以通过如下步骤来实现：
步骤一、针对每种误差估计结果，确定与该误差估计结果对应的误差阈值；
步骤二、响应于每种误差评估结果均小于对应的误差阈值，则确定待评估点云地图的评估质量达到标准质量水平。
这里，可以针对每个误差估计结果设置对应的误差阈值，并能够在各个误差估计结果均小于对应的误差阈值的情况下，确定待评估点云地图的评估质量达到了标准质量水平。其中，在高精度地图作为待评估点云地图的情况下，这里所达到的标准质量水平可以指示的是达到精度要求且可以发布的地图评估质量。其中，针对不同的误差估计结果可以设置不同的误差阈值。
本公开实施例中，针对轨迹精度误差估计结果所设置的误差阈值例如可以是10厘米。在针对待评估点云地图所确定的轨迹精度误差估计结果的值小于10厘米的情况下，可以确定待评估的点云地图具有较好的全局一致性，且考虑到该轨迹精度误差估计结果是以卫星等定位设备所确定的定位地图为依据确定的，因而，在全局一致性较好的前提下，一定程度上说明待评估点云地图能够与定位地图相匹配，也即，地球上的同一点，在同一坐标系统下，无论利用何种方式进行测量，都具有一致的坐标。
针对高度方向误差估计结果所设置的误差阈值例如也可以是10厘米，在针对待评估点云地图所确定的高度方向误差估计结果的值小于10厘米的情况下，可以确定待评估的点云地图有较小的高向误差，肉眼几乎无法观测到明显的高度分层现象。反正，本公开实施例在确定的高度方向误差估计结果大于10厘米的情况下，明显出现了高度方向的分层情况。如图2为示例的一种出现高度方向分层的地面点云侧视图。
同理，针对水平方向误差估计结果所设置的误差阈值可以按照上述高度方向的误差的确定方法来类似设置，这里不再赘述。
考虑到轨迹精度误差估计结果、高度方向误差估计结果和水平方向误差估计结果对地图质量评估的关键影响，接下来可以通过如下三个方面分别对上述三个误差估计结果的确定进行具体说明。
第一方面：本公开实施例可以基于两个运行轨迹信息之间的对比结果来确定轨迹精度误差估计结果。有关轨迹精度误差估计结果的确定过程具体可以包括如下步骤：
步骤一、获取激光雷达采集点云数据过程中定位设备在不同采集时间点采集的多个轨迹点的位置信息，并基于获取的多个轨迹点的位置信息，确定激光雷达的第一运行轨迹信息；
步骤二、根据点云数据与基于点云数据构建的点云地图的配准结果，确定激光雷达的第二运行轨迹信息；
步骤三、基于第一运行轨迹信息和第二运行轨迹信息的比对结果，确定点云数据的轨迹精度误差估计结果。
这里，一方面可以基于定位设备的轨迹点的信息来确定激光雷达的第一运行轨迹信息，另一方面可以基于激光雷达采集的点云数据与所对应的点云地图之间的配准结果，确定激光雷达的第二运行轨迹信息，将第一运行轨迹信息与第二运行轨迹信息进行比对，即可确定激光雷达的轨迹精度误差估计结果，进而确定点云数据的轨迹精度误差估计结果。
其中，上述第一运行轨迹信息可以是基于定位设备在不同采集时间点采集的多个轨迹点的位置信息来确定的，这主要是考虑到采集车在进行点云数据采集的过程中，通常还会搭载有定位设备，如全球定位系统(Global Positioning System，GPS)进行定位，这样，利用定位设备所经过的各个轨迹点的位置信息即可以确定激光雷达的运行轨迹。
上述待评估点云地图点云数据对应的点云地图可以是在采集点云数据过程中采用预设制图工具实时构建的局部点云地图，也可以是数据采集完毕之后采用预设制图工具构建的点云地图，根据构建的点云地图，确定激光雷达在采集点云数据的过程中所经过的位置信息，并基于位置信息确定第二运行轨迹信息。
进一步地，该第二运行轨迹信息，可以是基于所采集的点云数据与基于点云数据构建的点云地图的配准结果确定的，这里，可以将当前采集的点云数据与点云地图进行点云特征比对，可以从点云地图中查找到与点云数据的点云特征更为匹配的地图区域，在确定与该地图区域所对应采集车上的激光雷达的位姿的情况下，基于确定的雷达位姿对采集的点云数据进行配准，再根据配准后的点云数据在对应地图区域中的对应位置，即可确定激光雷达在采集点云数据的过程中所经过的位置信息，进而确定激光雷达的第二运行轨迹信息。
需要说明的是，在首次配准的时候，可以基于上述GPS的定位结果对激光雷达进行初始定位，在确定了初始位置的情况下，可以基于上述位置配准方式确定出激光雷达的第二运行轨迹信息。这里，在确定第二运行轨迹信息的时候，除了可以参考GPS所确定的初始位置，还可以参考GPS在其它位置处的定位结果以对当前的第二运行轨迹信息进行校准，本公开实施例对此不做具体的限制。
为了确定激光雷达的轨迹精度误差估计结果，本公开实施例可以将第一运行轨迹信息和第二运行轨迹信息进行差值运算。考虑到激光雷达和定位设备在进行数据采集的过程中的采样频率并不相同，因而，这里，在进行差值运算之前，需要将两个运行轨迹信息按照时间进行对齐，具体可以通过如下步骤来实现：
步骤一、响应于第二运行轨迹对应第二轨迹点的采集时间间隔大于第一运行轨迹对应第一轨迹点的采集时间间隔，基于第二运行轨迹信息，确定任意相邻两个第二轨迹点之间的采集时间间隔；
步骤二、针对与第二运行轨迹任一第二轨迹点对齐的当前第一轨迹点，基于第一运行轨迹信息，确定采集时间间隔内的多个第一轨迹点；
步骤三、基于多个第一轨迹点的位置信息，确定采集时间间隔结束时刻作为当前第一轨迹点的下一个第一轨迹点的位置信息；
步骤四、将下一个第一轨迹点作为新的当前第一轨迹点，继续执行为新的当前第一轨迹点确定下一个第一轨迹点的步骤，直到满足停止确定下一个第一轨迹点的条件；
步骤五、基于确定的多个第一轨迹点的位置信息与每个第一轨迹点对齐的第二轨迹点的位置信息之间的差值运算，确定激光雷达的轨迹精度误差估计结果。
这里，考虑到通常情况下激光雷达的采样频率(如10帧点云数据/秒)远远小于定位设备的采样频率(如100个定位数据/秒)，这里，可以以激光雷达所确定的第二运行轨迹信息中任意相邻两个第二轨迹点之间的采集时间间隔为时间对齐依据，对定位设备所确定的第一轨迹点进行对齐。(如果存在激光雷达的采样频率大于定位设备的采样设备的情况，则可以以定位设备所确定的第一运行轨迹信息中的任意相邻两个第一轨迹点之间的采集时间间隔为时间对齐依据，对激光雷达设备所确定的第二轨迹点进行对齐，实施方式同本公开实施例公开的方式，这里不再赘述。)
在激光雷达的采样频率远远小于定位设备的采样频率的前提下，针对相邻两个第二轨迹点之间的采集时间间隔，其所对应的第一轨迹点的个数则为多个，这样，基于多个第一轨迹点的位置信息，确定采集时间间隔结束时刻作为当前第一轨迹点的下一个第一轨迹点的位置信息，将下一个第一轨迹点作为新的当前第一轨迹点，继续执行为新的当前第一轨迹点确定下一个第一轨迹点，依次类推，直至满足停止确定下一个第一轨迹点的条件。而后基于确定的多个第一轨迹点的位置信息与每个第一轨迹点对齐的第二轨迹点的位置信息之间的差值运算，可以确定轨迹精度误差估计结果。
这里的轨迹精度误差估计结果可以是基于对齐后的第一轨迹点和第二轨迹点之间的位置信息差值运算来确定的。本公开实施例中有关第一轨迹点和第二轨迹点的位置信息均可以是包括经度坐标和纬度坐标的信息，这样，在按照经度坐标和纬度坐标分别进行对齐后的第一轨迹点和第二轨迹点之间的差值运算情况下(不限于如下差值的一种或多种：经度差值、纬度差值、基于经度纬度计算得到的距离差值等)，可以确定两个运行轨迹之间的幅度差(例如，在参与比对的轨迹点中，存在预设比例的轨迹点对应差值小于预设阈值，可以认为两个运行轨迹之间的幅度差够小)，幅度差越小，一定程度上说明基于所采集的点云数据构建的待评估点云地图具有较好的全局一致性，且一定程度上说明待评估点云地图能够与定位地图相匹配。
其中，在确定当前第一轨迹点的下一个第一轨迹点的位置信息的时候，可能存在无法确定正好对齐的第一轨迹点的情况，则可以将所确定的多个第一轨迹点的位置信息进行位置平均等操作，从而实现确定与当前第一轨迹点对应的下一个第一轨迹点的位置更新。
本公开实施例中停止确定下一个第一轨迹点的条件可以是所确定的下一个轨迹点的数量达到预设阈值，也可以是在所需对齐的第二轨迹点全部遍历之后确定满足上述条件。
第二方面：本公开实施例可以以地面为参考依据进行高度方向误差估计结果的确定。有关高度方向误差估计结果的确定过程具体可以包括如下步骤：
步骤一、从待评估点云地图中的点云数据中提取出表征地面元素的地面点云点；
步骤二、通过对提取出的地面点云点进行多边形拟合处理，得到地面拟合区域；
步骤三、将地面拟合区域的厚度信息与对应地形的预设地面厚度阈值进行差值运算，确定高度方向误差估计结果。
这里，首先可以从待评估点云地图的点云数据中提取出地面点云点，在具体应用中，可以基于聚类、深度学习或者其它方法进行地面点云点的提取。针对提取出的地面点云点可以进行多边形拟合处理，从而确定地面拟合区域，在具体应用中，可以结合地面在一帧点云数据中的相对位置信息这一先验知识来确定地面拟合区域。
考虑到激光雷达传感器本身的测量误差，采集到的地面点云点本身可以是具有一定厚度的，这里可以根据经验值确定与不同地形对应的预设地面厚度阈值(例如，针对平原可以设置更小的厚度阈值，针对山地可以设置更大的厚度阈值)，将地面拟合区域的厚度信息和预设地面厚度阈值之间的差值确定为高度方向误差估计结果，也即，基于高度方向误差估计结果可以确定待评估点云地图在高度方向上的一个偏差，偏差越大，说明高度方向上的分层也越明显，如图2所示。
为了实现地面点云点的提取，本公开实施例一方面可以基于预先训练的地面识别模型来提取，另一方面可以基于点云点聚类来实现。
其一、在进行地面点云点提取之前，首先可以基于具有地面标注结果的多个点云地图样本训练地面识别模型。也即，可以预先对点云地图样本进行地面标注，然后将地面标注后的点云地图样本输入至待训练的地面识别模型，在模型输出的信息与预先标注的地面信息不匹配时，可以进行反向传播的模型参数调整，进而再次进行模型训练，直至模型输出与预先标注相匹配，即可以得到训练好的模型参数。
这样，将待评估点云地图中的点云数据输入到训练好的地面识别模型的情况下，即可以提取出地面点云点。
其二、本公开实施例可以按照以下步骤提取地面点云点：
步骤一、基于多个点云点在世界坐标系下的坐标信息，将多个点云点聚类成多个点云点集；
步骤二、针对每个点云点集，在该点云点集所构成的点云区域的区域特征信息与预设地面特征信息相匹配的情况下，将该点云点集包含的点云点确定为地面点云点。
这里，考虑到地面点云点是成簇出现的，其坐标信息上存在一点的关联关系，因而，可以基于多个点云点在世界坐标系下的坐标信息，将多个点云点聚类成多个点云点集，这样，针对点云点集进行点云区域的特征提取，将提取的区域特征信息与预设地面特征信息进行匹配，即可确定地面点云点所属的点云点集，也即，与预设地面特征信息相匹配的点云点集内的各个点云点可以认为是地面点云点。
其中，上述区域特征信息，可以是包括地面轮廓的信息，还可以是包括地面宽度、高度等信息，通过特征比对可以确定一个点云点集是否对应地面。
第三方面：本公开实施例可以以标识物为参考依据进行水平方向误差估计结果的确定。有关水平方向误差估计结果的确定过程具体可以包括如下步骤：
步骤一、从待评估点云地图中的点云数据中提取出表征标识物的标识物点云点；
步骤二、通过对提取出的标识物点云点进行多边形拟合处理，得到标识物拟合区域；
步骤三、将标识物拟合区域的尺寸信息与预设标识物尺寸阈值进行差值运算，确定水平方向误差估计结果。
这里，首先可以从待评估点云地图的点云数据中提取出标识物点云点，在具体应用中，可以基于聚类、深度学习或者其它方法进行标识物点云点的提取。针对提取出的标识物点云点可以进行多边形拟合处理，从而确定标识物拟合区域。
其中，本公开实施例中的标识物可以是地面道路虚线、斑马线、路标牌等。这里，以道路虚线为例，可以按照国家标准确定预设标识物尺寸阈值，例如，可以是长度和宽度分别为2米和15厘米，这样，在确定标识物拟合区域的尺寸信息的情况下，即可以基于差值运算，确定水平方向误差估计结果，该水平方向误差估计结果指示的是横向和纵向两个方向上的误差大小。
为了实现标识物点云点的提取，本公开实施例可以基于预先训练的标识物识别模型来提取，另一方面可以基于点云点聚类来实现。
其一、在进行标识物点云点提取之前，首先可以基于具有标识物标注结果的多个点云地图样本训练标识物识别模型。也即，可以预先对点云地图样本进行标识物标注，然后将标识物标注后的点云地图样本输入至待训练的标识物识别模型，在模型输出的信息与预先标注的地面信息不匹配时，可以进行反向传播的模型参数调整，进而再次进行模型训练，直至模型输出与预先标注相匹配，即可以得到训练好的模型参数。
这样，将待评估点云地图中的点云数据输入到训练好的标识物识别模型的情况下，即可以提取出标识物点云点。
其二、本公开实施例可以按照以下步骤提取标识物点云点：
步骤一、基于多个点云点在世界坐标系下的坐标信息，将多个点云点聚类成多个点云点集；
步骤二、针对每个点云点集，在该点云点集所构成的点云区域的区域特征信息与标识物特征信息相匹配的情况下，将该点云点集包含的点云点确定为标识物点云点。
这里，考虑到标识物点云点也是成簇出现的，其坐标信息上存在一点的关联关系，因而，可以基于多个点云点在世界坐标系下的坐标信息，将多个点云点聚类成多个点云点集，这样，针对点云点集进行点云区域的特征提取，将提取的区域特征信息与预设标识物特征信息进行匹配，即可确定标识物点云点所属的点云点集，也即，与预设标识物特征信息相匹配的点云点集内的各个点云点可以认为是标识物点云点。
例如，在确定一个点云点集所对应的区域特征信息所指示的三角区域的下缘距离地面2米、且三角区域的尺寸符合预设三角路标牌尺寸的情况下，将三角区域对应的点云点确定为三角路标牌这一标识物的标识物点云点。
本公开实施例提供的地图评估的方法，考虑到上述不同的误差估计结果对地图质量评估的不同影响，这里可以结合质量影响因子确定待评估点云地图的评估质量，具体可以通过如下步骤来实现：
步骤一、确定至少两种误差估计结果中与每种误差估计结果对应的质量影响因子；
步骤二、根据至少两种误差估计结果、以及每种误差估计结果对应的质量影响因子，加权求和得到待评估点云地图的评估质量。
在实际应用中，考虑到水平方向误差估计结果、高度方向误差估计结果以及轨迹精度误差估计结果对地图评估质量的影响是依次递减的，这里，可以对应设置的质量影响因子的值可以是依次减小的。
本公开实施例提供的地图评估的方法可以基于点云数据的拼接实现待评估点云地图的构建，又考虑到在地图的构建过程中，可以以路段为基准进行地图构建。因此，本公开实施例中，可以利用激光雷达针对多个预设路段进行点云数据的采集，而后将采集的多个预设路段的点云数据进行拼接，得到完成构建的待评估点云地图。
在具体应用中，考虑到不同采集环境、不同采集时间对不同预设路段的影响，可以创建出多种待评估点云地图：
其一、可以将在同一采集环境下采集一次得到的多个预设路段的点云数据(可以对应一个点云数据集)进行拼接，得到构建的第一待评估点云地图。针对第一待评估点云地图而言，其选取单次通过的路段进行点云拼接。在实际应用中，可以满足一下要求：
1、要求数据采集为一次采集完成，保证环境上是一致的，即认为气候、温度等环境因素在一次采集中保持不变；
2、要求选择拼接的路段为单次通过路段，保证局部点云地图所用的位置信息，在时间上是连续的。
其二、可以将在同一采集环境下采集多次得到的多个预设路段的点云数据(可以对应一个点云数据集)进行拼接，得到构建的第二待评估点云地图。针对第二待评估点云地图而言，其选取多次通过的路段进行点云拼接。在实际应用中，可以满足以下要求：
1、要求数据采集为多次采集完成，保证环境上是一致的，即认为气候、温度等环境因素在多次采集中保持不变；
2、要求选取拼接的路段为多次通过的路段，即要求局部点云地图的所用的位置信息，时间上存在不连续的情况。
其三、可以将在不同采集环境下采集得到的多个预设路段的点云数据(可以对应多个点云数据集，每种采集环境对应一个点云数据集)进行拼接，得到构建的第三待评估点云地图。针对第三待评估点云地图而言，其选取采集到的相同路段进行点云拼接。在实际应用中，可以满足一下要求：要求选取拼接的路段为多个数据集均采集的相同路段，即要求局部点云地图所用的位置信息、时间、环境上均存在较大的差异。
本公开实施例中，为了实现更为全面的地图评估，可以选用上述三种待评估点云地图进行地图质量评估。
针对第一待评估点云地图而言，在确定第一待评估点云地图所包括点云点在同一采集环境、不同采集时间上不存在重影现象，即可以认为该待评估点云地图的评估质量达到标准质量水平；针对第二待评估点云地图而言，在确定第二待评估点云地图所包括的点云点在同一采集环境、同一采集时间上不存在分层现象，即可以认为该待评估点云地图的评估质量达到标准质量水平；针对第三待评估点云地图而言，在确定第三待评估点云地图所包括的点云点在不同采集环境、不同采集时间上不存在重影现象、且第三待评估点云地图所包括的点云点在不同采集环境、同一采集时间上不存在分层现象，即可以认为该待评估点云地图的评估质量达到标准质量水平。
其中，上述重影和分层现象可以是基于可视化工具，如pcl_viewer、CloudCompare等查看后确定的，如图2所示为示例的一种分层现象，如图3所示为示例的一种重影现象。
需要说明的是，在实际应用中，为了更好的区分误差来源，可以依次进行第一待评估点云地图、第二待评估点云地图、第三待评估点云地图的评估，也即，可以在确定第一待评估点云地图达到标准质量水平的情况下，再进行第二待评估点云地图的地图质量评估，在确定第二待评估点云地图达到标准质量水平的情况下，再进行第三待评估点云地图的地图质量评估。
可知的是，本公开实施例提供的地图评估的方法不仅可以基于轨迹精度误差估计结果、高度方向误差估计结果和水平方向误差估计结果实现针对待评估点云地图的地图质量的定量评估，还可以基于不同采集条件针对待评估点云地图的地图质量的定性评估，使得地图质量评估更为全面，适应性更佳。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思，本公开实施例中还提供了与地图评估的方法对应的地图评估的装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述地图评估的方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
实施例二
参照图4所示，为本公开实施例提供的一种地图评估的装置的示意图，装置包括：获取模块401、确定模块402、评估模块403；其中，
获取模块401，用于获取待评估点云地图数据；
确定模块402，用于基于待评估点云地图数据，确定如下至少一种误差估计结果：待评估点云地图的轨迹精度误差估计结果、待评估点云地图的高度方向误差估计结果和水平方向误差估计结果；
评估模块403，用于根据确定的误差估计结果确定待评估点云地图的评估质量。
本公开实施例中，针对获取到的待评估点云地图数据，可以基于该待评估点云地图数据进行误差估计，从而根据确定出的误差估计结果确定待评估点云地图的评估质量。这里的误差估计可以仅是针对待评估点云地图的轨迹精度误差估计结果、还可以仅是针对待评估点云地图的高度方向误差估计结果、还可以仅是针对待评估点云地图的水平方向误差估计结果、还可以是上述误差估计中的任意组合方式所确定的误差估计结果。也即，本公开实施例可以进行多角度的误差分析，整个评估过程无需人工参与，实现了点云地图质量的自动评估，省时省力。
在一种可能的实施方式中，待评估点云地图数据包括用来构建待评估点云地图所采集的点云数据和位置数据；确定模块402，用于采用如下方式对待评估点云地图进行轨迹精度误差估计：
获取激光雷达采集点云数据过程中定位设备在不同采集时间点采集的多个轨迹点的位置信息，并基于获取的多个轨迹点的位置信息，确定激光雷达的第一运行轨迹信息；以及，
根据点云数据与基于点云数据构建的点云地图的配准结果，确定激光雷达的第二运行轨迹信息；
基于第一运行轨迹信息和第二运行轨迹信息的比对结果，确定点云数据的轨迹精度误差估计结果。
在一种可能的实施方式中，确定模块402，用于按照以下步骤基于第一运行轨迹信息和第二运行轨迹信息的比对结果，确定点云数据的轨迹精度误差估计结果：
将第一运行轨迹信息和第二运行轨迹信息进行差值运算，确定激光雷达的轨迹精度误差估计结果，作为点云数据的轨迹精度误差估计结果。
在一种可能的实施方式中，确定模块402，用于按照以下步骤将第一运行轨迹信息和第二运行轨迹信息进行差值运算，确定激光雷达的轨迹精度误差估计结果：
响应于第二运行轨迹对应第二轨迹点的采集时间间隔大于第一运行轨迹对应第一轨迹点的采集时间间隔，基于第二运行轨迹信息，确定任意相邻两个第二轨迹点之间的采集时间间隔；
针对与第二运行轨迹任一第二轨迹点对齐的当前第一轨迹点，基于第一运行轨迹信息，确定采集时间间隔内的多个第一轨迹点；
基于多个第一轨迹点的位置信息，确定采集时间间隔结束时刻作为当前第一轨迹点的下一个第一轨迹点的位置信息；
将下一个第一轨迹点作为新的当前第一轨迹点，继续执行为新的当前第一轨迹点确定下一个第一轨迹点的步骤，直到满足停止确定下一个第一轨迹点的条件；
基于确定的多个第一轨迹点的位置信息与每个第一轨迹点对齐的第二轨迹点的位置信息之间的差值运算，确定激光雷达的轨迹精度误差估计结果。
在一种可能的实施方式中，述待评估点云地图数据包括完成构建的待评估点云地图；确定模块402，用于采用如下方式对待评估点云地图进行高度方向误差估计，得到高度方向误差估计结果：
从待评估点云地图中的点云数据中提取出表征地面元素的地面点云点；
通过对提取出的地面点云点进行多边形拟合处理，得到地面拟合区域；
将地面拟合区域的厚度信息与对应地形的预设地面厚度阈值进行差值运算，确定高度方向误差估计结果。
在一种可能的实施方式中，确定模块402，用于按照以下步骤从待评估点云地图中的点云数据中提取出表征地面元素的地面点云点：
基于预先训练的地面识别模型从待评估点云地图中的点云数据中提取出地面点云点；
其中，地面识别模型为基于具有地面标注结果的多个点云地图样本训练得到的。
在一种可能的实施方式中，点云数据包括多个点云点在世界坐标系下的坐标信息，确定模块402，用于按照以下步骤从获取的待评估点云地图中的点云数据中提取出表征地面元素的地面点云点：
基于多个点云点在世界坐标系下的坐标信息，将多个点云点聚类成多个点云点集；
针对每个点云点集，在该点云点集所构成的点云区域的特征信息与预设地面特征信息相匹配的情况下，将该点云点集包含的点云点确定为地面点云点。
在一种可能的实施方式中，待评估点云地图数据包括完成构建的待评估点云地图；确定模块402，用于采用如下方式对待评估点云地图进行水平方向误差估计，得到水平方向误差估计结果：
从待评估点云地图中的点云数据中提取出表征标识物的标识物点云点；
通过对提取出的标识物点云点进行多边形拟合处理，得到标识物拟合区域；
将标识物拟合区域的尺寸信息与预设标识物尺寸阈值进行差值运算，确定水平方向误差估计结果。
在一种可能的实施方式中，响应于基于至少两种误差估计结果对点云地图质量进行评估，评估模块403，用于按照以下步骤根据确定的误差估计结果确定待评估点云地图的评估质量：
确定至少两种误差估计结果中与每种误差估计结果对应的质量影响因子；
根据至少两种误差估计结果、以及每种误差估计结果对应的质量影响因子，加权求和得到待评估点云地图的评估质量。
在一种可能的实施方式中，评估模块403，用于响应于基于至少一种误差估计结果对点云地图质量进行评估，按照以下步骤根据确定的误差估计结果确定待评估点云地图的评估质量：
针对每种误差估计结果，确定与该误差估计结果对应的误差阈值；
响应于每种误差评估结果均小于对应的误差阈值，则确定待评估点云地图的评估质量达到标准质量水平。
在一种可能的实施方式中，获取模块401，用于按照如下步骤确定完成构建的待评估点云地图：
利用激光雷达针对多个预设路段进行点云数据的采集；
将采集的多个预设路段的点云数据进行拼接，得到完成构建的待评估点云地图。
在一种可能的实施方式中，获取模块401，用于按照以下至少一种方式将采集的多个预设路段的点云数据进行拼接，得到完成构建的待评估点云地图：
将在同一采集环境下采集一次得到的多个预设路段的点云数据进行拼接，得到构建的第一待评估点云地图；每次采集对应一次针对预设路段的扫描过程；
将在同一采集环境下采集多次得到的多个预设路段的点云数据进行拼接，得到构建的第二待评估点云地图；
将在不同采集环境下采集得到的多个预设路段的点云数据进行拼接，得到构建的第三待评估点云地图。
在一种可能的实施方式中，评估模块403，用于在满足以下至少一种条件的情况下，确定待评估点云地图的评估质量达到标准质量水平：
确定第一待评估点云地图所包括点云点在同一采集环境、不同采集时间上不存在重影现象；
确定第二待评估点云地图所包括的点云点在同一采集环境、同一采集时间上不存在分层现象；
确定第三待评估点云地图所包括的点云点在不同采集环境、不同采集时间上不存在重影现象、且第三待评估点云地图所包括的点云点在不同采集环境、同一采集时间上不存在分层现象。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
实施例三
本公开实施例还提供了一种电子设备，如图5所示，为本公开实施例提供的电子设备结构示意图，包括：处理器501、存储器502、和总线503。存储器502存储有处理器501可执行的机器可读指令(比如，图4中的装置中获取模块401、确定模块402、评估模块403对应的执行指令等)，当电子设备运行时，处理器501与存储器502之间通过总线503通信，机器可读指令被处理器501执行时执行如下处理：
获取待评估点云地图数据；
基于待评估点云地图数据，确定如下至少一种误差估计结果：待评估点云地图的轨迹精度误差估计结果、待评估点云地图的高度方向误差估计结果和水平方向误差估计结果；
根据确定的误差估计结果确定待评估点云地图的评估质量。
上述指令的具体执行过程可以参考本公开实施例一中所述的地图评估的方法的步骤，此处不再赘述。
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例一中所述的地图评估的方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例一所提供的地图评估的方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行上述方法实施例中所述的地图评估的方法的步骤，具体可参见上述方法实施例，在此不再赘述。
本公开实施例还提供一种计算机程序，该计算机程序被处理器执行时实现前述实施例的任意一种方法。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software DevelopmentKit，SDK)等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，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，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，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。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
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，也可以两个或两个以上单元集成在一个单元中。
所述功能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，可以存储在一个处理器可执行的非易失的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电子设备(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所述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(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，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所述以权利要求的保护范围为准。

Claims (16)

1.一种地图评估的方法，其特征在于，所述方法包括：
获取待评估点云地图数据；
基于所述待评估点云地图数据，确定如下至少一种误差估计结果：所述待评估点云地图的轨迹精度误差估计结果、所述待评估点云地图的高度方向误差估计结果和水平方向误差估计结果；
根据确定的所述至少一种误差估计结果确定所述待评估点云地图的评估质量。
2.根据权利要求1所述的方法，其特征在于，所述待评估点云地图数据包括用来构建所述待评估点云地图所采集的点云数据和位置数据；
采用如下方式对所述待评估点云地图进行轨迹精度误差估计：
获取激光雷达采集所述点云数据过程中定位设备在不同采集时间点采集的多个轨迹点的位置信息，并基于获取的所述多个轨迹点的位置信息，确定所述激光雷达的第一运行轨迹信息；以及，
根据所述点云数据与基于所述点云数据构建的点云地图的配准结果，确定所述激光雷达的第二运行轨迹信息；
基于所述第一运行轨迹信息和所述第二运行轨迹信息的比对结果，确定所述点云数据的轨迹精度误差估计结果。
3.根据权利要求2所述的方法，其特征在于，基于所述第一运行轨迹信息和所述第二运行轨迹信息的比对结果，确定所述点云数据的轨迹精度误差估计结果，包括：
将所述第一运行轨迹信息和所述第二运行轨迹信息进行差值运算，确定所述激光雷达的轨迹精度误差估计结果，作为所述点云数据的轨迹精度误差估计结果。
4.根据权利要求3所述的方法，其特征在于，将所述第一运行轨迹信息和所述第二运行轨迹信息进行差值运算，确定所述激光雷达的轨迹精度误差估计结果，包括：
响应于所述第二运行轨迹对应第二轨迹点的采集时间间隔大于所述第一运行轨迹对应第一轨迹点的采集时间间隔，基于所述第二运行轨迹信息，确定任意相邻两个第二轨迹点之间的采集时间间隔；
针对与第二运行轨迹任一第二轨迹点对齐的当前第一轨迹点，基于所述第一运行轨迹信息，确定所述采集时间间隔内的多个第一轨迹点；
基于所述多个第一轨迹点的位置信息，确定所述采集时间间隔结束时刻作为所述当前第一轨迹点的下一个第一轨迹点的位置信息；
将所述下一个第一轨迹点作为新的当前第一轨迹点，继续执行为新的当前第一轨迹点确定下一个第一轨迹点的步骤，直到满足停止确定下一个第一轨迹点的条件；
基于确定的多个第一轨迹点的位置信息与每个第一轨迹点对齐的第二轨迹点的位置信息之间的差值运算，确定所述激光雷达的轨迹精度误差估计结果。
5.根据权利要求2-4任一所述的方法，其特征在于，所述待评估点云地图数据包括完成构建的待评估点云地图；
采用如下方式对所述待评估点云地图进行高度方向误差估计，得到高度方向误差估计结果：
从所述待评估点云地图中的点云数据中提取出表征地面元素的地面点云点；
通过对提取出的所述地面点云点进行多边形拟合处理，得到地面拟合区域；
将所述地面拟合区域的厚度信息与对应地形的预设地面厚度阈值进行差值运算，确定高度方向误差估计结果。
6.根据权利要求5所述的方法，其特征在于，所述从所述待评估点云地图中的点云数据中提取出表征地面元素的地面点云点，包括：
基于预先训练的地面识别模型从所述待评估点云地图中的点云数据中提取出地面点云点；
其中，所述地面识别模型为基于具有地面标注结果的多个点云地图样本训练得到的。
7.根据权利要求5所述的方法，其特征在于，所述点云数据包括多个点云点在世界坐标系下的坐标信息，所述从所述待评估点云地图中的点云数据中提取出表征地面元素的地面点云点，包括：
基于所述多个点云点在世界坐标系下的坐标信息，将所述多个点云点聚类成多个点云点集；
针对每个点云点集，在该点云点集所构成点云区域的区域特征信息与预设地面特征信息相匹配的情况下，将该点云点集包含的点云点确定为所述地面点云点。
8.根据权利要求1-7任一所述的方法，其特征在于，所述待评估点云地图数据包括完成构建的待评估点云地图；
采用如下方式对所述待评估点云地图进行水平方向误差估计，得到水平方向误差估计结果：
从所述待评估点云地图中的点云数据中提取出表征标识物的标识物点云点；
通过对提取出的所述标识物点云点进行多边形拟合处理，得到标识物拟合区域；
将所述标识物拟合区域的尺寸信息与预设标识物尺寸阈值进行差值运算，确定水平方向误差估计结果。
9.根据权利要求1-8任一所述的方法，其特征在于，响应于基于至少两种误差估计结果对点云地图质量进行评估，所述根据确定的所述至少一种误差估计结果确定所述待评估点云地图的评估质量，包括：
确定至少两种误差估计结果中与每种误差估计结果对应的质量影响因子；
根据至少两种误差估计结果、以及每种误差估计结果对应的质量影响因子，加权求和得到所述待评估点云地图的评估质量。
10.根据权利要求1-8任一所述的方法，其特征在于，响应于基于至少一种误差估计结果对点云地图质量进行评估，所述根据确定的所述至少一种误差估计结果确定所述待评估点云地图的评估质量，包括：
针对每种误差估计结果，确定与该误差估计结果对应的误差阈值；
响应于每种误差评估结果均小于对应的误差阈值，则确定所述待评估点云地图的评估质量达到标准质量水平。
11.根据权利要求5-8任一所述的方法，其特征在于，按照如下步骤确定完成构建的待评估点云地图：
利用激光雷达针对多个预设路段进行点云数据的采集；
将采集的所述多个预设路段的点云数据进行拼接，得到完成构建的所述待评估点云地图。
12.根据权利要求11所述的方法，其特征在于，所述将采集的所述多个预设路段的点云数据进行拼接，得到完成构建的所述待评估点云地图，包括以下至少一种：
将在同一采集环境下采集一次得到的所述多个预设路段的点云数据进行拼接，得到构建的第一待评估点云地图；每次采集对应一次针对所述预设路段的扫描过程；
将在同一采集环境下采集多次得到的所述多个预设路段的点云数据进行拼接，得到构建的第二待评估点云地图；
将在不同采集环境下采集得到的所述多个预设路段的点云数据进行拼接，得到构建的第三待评估点云地图。
13.根据权利要求12所述的方法，其特征在于，在满足以下至少一种条件的情况下，确定所述待评估点云地图的评估质量达到标准质量水平：
确定所述第一待评估点云地图所包括点云点在同一采集环境、不同采集时间上不存在重影现象；
确定所述第二待评估点云地图所包括的点云点在同一采集环境、同一采集时间上不存在分层现象；
确定所述第三待评估点云地图所包括的点云点在不同采集环境、不同采集时间上不存在重影现象、且所述第三待评估点云地图所包括的点云点在不同采集环境、同一采集时间上不存在分层现象。
14.一种地图评估的装置，其特征在于，所述装置包括：
获取模块，用于获取待评估点云地图数据；
确定模块，用于基于所述待评估点云地图数据，确定如下至少一种误差估计结果：所述待评估点云地图的轨迹精度误差估计结果、所述待评估点云地图的高度方向误差估计结果和水平方向误差估计结果；
评估模块，用于根据确定的所述至少一种误差估计结果确定所述待评估点云地图的评估质量。
15.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至13任一所述的地图评估的方法的步骤。
16.一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有计算机程序，所述计算机程序被电子设备运行时，所述电子设备执行如权利要求1至13任一所述的地图评估的方法的步骤。
CN202011627437.XA 2020-12-31 2020-12-31 一种地图评估的方法、装置、电子设备及存储介质 Active CN112634260B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011627437.XA CN112634260B (zh) 2020-12-31 2020-12-31 一种地图评估的方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011627437.XA CN112634260B (zh) 2020-12-31 2020-12-31 一种地图评估的方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112634260A true CN112634260A (zh) 2021-04-09
CN112634260B CN112634260B (zh) 2024-08-20

Family

ID=75289869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011627437.XA Active CN112634260B (zh) 2020-12-31 2020-12-31 一种地图评估的方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112634260B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113917479A (zh) * 2021-09-30 2022-01-11 广州文远知行科技有限公司 一种车辆夹角的计算方法、装置、计算机设备和存储介质
CN114266871A (zh) * 2022-03-01 2022-04-01 深圳市普渡科技有限公司 机器人、地图质量评估方法和存储介质
CN114581361A (zh) * 2021-06-28 2022-06-03 广州极飞科技股份有限公司 物体形态测量方法、装置、设备及存储介质
CN115619780A (zh) * 2022-12-14 2023-01-17 苏州点线空间科技有限公司 一种激光扫描图像质量评估方法及系统
CN116226298A (zh) * 2023-05-08 2023-06-06 上海维智卓新信息科技有限公司 一种地图质量的自动化评估方法
CN116718180A (zh) * 2023-06-09 2023-09-08 华能伊敏煤电有限责任公司 一种基于高精度地图平台的无人驾驶矿车定位方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106776996A (zh) * 2016-12-02 2017-05-31 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
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
CN109143207A (zh) * 2018-09-06 2019-01-04 百度在线网络技术（北京）有限公司 激光雷达内参精度验证方法、装置、设备及介质
CN109459734A (zh) * 2018-10-30 2019-03-12 百度在线网络技术（北京）有限公司 一种激光雷达定位效果评估方法、装置、设备及存储介质
KR20190064311A (ko) * 2017-11-30 2019-06-10 주식회사 모빌테크 라이다를 이용한 지도 생성 방법 및 장치
US20190323843A1 (en) * 2018-07-04 2019-10-24 Baidu Online Network Technology (Beijing) Co., Ltd. Method for generating a high precision map, apparatus and storage medium
US20190383941A1 (en) * 2018-06-17 2019-12-19 Foresight Al, Inc. Identification of local motions in point cloud data
CN110969649A (zh) * 2019-11-29 2020-04-07 上海有个机器人有限公司 一种激光点云与地图的匹配评价方法、介质、终端和装置
CN111461981A (zh) * 2020-03-30 2020-07-28 北京百度网讯科技有限公司 点云拼接算法的误差估计方法和装置
CN111465822A (zh) * 2018-11-26 2020-07-28 深圳市大疆创新科技有限公司 地面点云地图精度评估方法、装置、系统及无人机
CN111611900A (zh) * 2020-05-15 2020-09-01 北京京东乾石科技有限公司 一种目标点云识别方法、装置、电子设备和存储介质
CN111708047A (zh) * 2020-06-16 2020-09-25 浙江大华技术股份有限公司 机器人定位评估方法、机器人及计算机存储介质
CN111931704A (zh) * 2020-09-15 2020-11-13 北京嘀嘀无限科技发展有限公司 评估地图质量的方法、装置、设备和计算机可读存储介质
CN112070870A (zh) * 2020-07-31 2020-12-11 广州景骐科技有限公司 点云地图评估方法、装置、计算机设备和存储介质
CN112116549A (zh) * 2019-06-03 2020-12-22 北京京东叁佰陆拾度电子商务有限公司 用于评估点云地图精度的方法和装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106776996A (zh) * 2016-12-02 2017-05-31 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
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
KR20190064311A (ko) * 2017-11-30 2019-06-10 주식회사 모빌테크 라이다를 이용한 지도 생성 방법 및 장치
US20190383941A1 (en) * 2018-06-17 2019-12-19 Foresight Al, Inc. Identification of local motions in point cloud data
US20190323843A1 (en) * 2018-07-04 2019-10-24 Baidu Online Network Technology (Beijing) Co., Ltd. Method for generating a high precision map, apparatus and storage medium
CN109143207A (zh) * 2018-09-06 2019-01-04 百度在线网络技术（北京）有限公司 激光雷达内参精度验证方法、装置、设备及介质
CN109459734A (zh) * 2018-10-30 2019-03-12 百度在线网络技术（北京）有限公司 一种激光雷达定位效果评估方法、装置、设备及存储介质
CN111465822A (zh) * 2018-11-26 2020-07-28 深圳市大疆创新科技有限公司 地面点云地图精度评估方法、装置、系统及无人机
CN112116549A (zh) * 2019-06-03 2020-12-22 北京京东叁佰陆拾度电子商务有限公司 用于评估点云地图精度的方法和装置
CN110969649A (zh) * 2019-11-29 2020-04-07 上海有个机器人有限公司 一种激光点云与地图的匹配评价方法、介质、终端和装置
CN111461981A (zh) * 2020-03-30 2020-07-28 北京百度网讯科技有限公司 点云拼接算法的误差估计方法和装置
CN111611900A (zh) * 2020-05-15 2020-09-01 北京京东乾石科技有限公司 一种目标点云识别方法、装置、电子设备和存储介质
CN111708047A (zh) * 2020-06-16 2020-09-25 浙江大华技术股份有限公司 机器人定位评估方法、机器人及计算机存储介质
CN112070870A (zh) * 2020-07-31 2020-12-11 广州景骐科技有限公司 点云地图评估方法、装置、计算机设备和存储介质
CN111931704A (zh) * 2020-09-15 2020-11-13 北京嘀嘀无限科技发展有限公司 评估地图质量的方法、装置、设备和计算机可读存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HAMZA MERZIC等: "Map quality evaluation for visual localization", 《2017 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION(ICRA)》, 24 July 2017 (2017-07-24), pages 3200 - 3206 *
RAFAEL DINIZ等: "Multi-Distance Point Cloud Quality Assessment", 《2020 IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING(ICIP)》, 30 September 2020 (2020-09-30), pages 3443 - 3447 *
李根: "基于深度学习的激光扫描SLAM三维点云质量评价", 《中国优秀硕士学位论文全文数据库 信息科技辑》, vol. 2019, no. 7, 15 July 2019 (2019-07-15), pages 138 - 961 *
陈文强: "基于复杂工况的高精准可预测自动驾驶环境认知方法", 《中国博士学位论文全文数据库 工程科技II辑》, vol. 2020, no. 6, 15 June 2020 (2020-06-15), pages 035 - 14 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114581361A (zh) * 2021-06-28 2022-06-03 广州极飞科技股份有限公司 物体形态测量方法、装置、设备及存储介质
CN113917479A (zh) * 2021-09-30 2022-01-11 广州文远知行科技有限公司 一种车辆夹角的计算方法、装置、计算机设备和存储介质
CN114266871A (zh) * 2022-03-01 2022-04-01 深圳市普渡科技有限公司 机器人、地图质量评估方法和存储介质
CN115619780A (zh) * 2022-12-14 2023-01-17 苏州点线空间科技有限公司 一种激光扫描图像质量评估方法及系统
CN116226298A (zh) * 2023-05-08 2023-06-06 上海维智卓新信息科技有限公司 一种地图质量的自动化评估方法
CN116718180A (zh) * 2023-06-09 2023-09-08 华能伊敏煤电有限责任公司 一种基于高精度地图平台的无人驾驶矿车定位方法

Also Published As

Publication number Publication date
CN112634260B (zh) 2024-08-20

Similar Documents

Publication Publication Date Title
CN112634260A (zh) 一种地图评估的方法、装置、电子设备及存储介质
EP2975555B1 (en) Method and apparatus for displaying a point of interest
Kasemsuppakorn et al. A pedestrian network construction algorithm based on multiple GPS traces
CN111028358B (zh) 室内环境的增强现实显示方法、装置及终端设备
CN111261016B (zh) 道路地图的构建方法、装置和电子设备
CN106296814B (zh) 公路养护检测与可视化交互方法和系统
CN109520500B (zh) 一种基于终端拍摄图像匹配的精确定位及街景库采集方法
CN102054166B (zh) 一种新的用于户外增强现实系统的场景识别方法
Al-Ruzouq et al. Infrastructure growth assessment of urban areas based on multi-temporal satellite images and linear features
Brejcha et al. GeoPose3K: Mountain landscape dataset for camera pose estimation in outdoor environments
CN105005580A (zh) 一种用于显示水库地形的方法及其装置
CN107463944B (zh) 一种利用多时相高分辨率sar图像的道路信息提取方法
CN115546551A (zh) 一种基于深度学习的地理信息提取方法及系统
CN115205382A (zh) 目标物定位方法以及装置
CN113420109B (zh) 一种街道界面渗透率的测量方法、计算机及存储介质
CN114299230A (zh) 一种数据生成方法、装置、电子设备及存储介质
CN105631849B (zh) 多边形目标的变化检测方法及装置
CN112686988B (zh) 三维建模方法、装置、电子设备及存储介质
CN115019268A (zh) 一种车道线检测方法、装置、计算机设备及存储介质
CN114838729A (zh) 一种路径规划方法、装置及设备
Braga-Neto et al. Spatial data for fungal specimens: retrospective georeferencing and practical recommendations for mycologists
Zohar et al. GIScience Integrated with Computer Vision for the Interpretation and Analysis of Old Paintings.
Ali et al. Road Pothole Detection Using Unmanned Aerial Vehicle Imagery and Deep Learning Technique
Ariff et al. Transforming Physical Crime Scene into Geospatial-based Point Cloud Data
Lewińska et al. The measurements of snow cover volume in the area of Szrenicki Cirque

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240715

Address after: Room 2203, 22nd Floor, Building 1, No. 2 Ronghua South Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing 100000

Applicant after: Beijing Jueying Zhilian Technology Co.,Ltd.

Country or region after: China

Address before: Room 1605a, building 3, 391 Guiping Road, Xuhui District, Shanghai

Applicant before: SHANGHAI SENSETIME INTELLIGENT TECHNOLOGY Co.,Ltd.

Country or region before: China

GR01 Patent grant
GR01 Patent grant