CN112766670B - 基于高精度地图数据众包更新系统的评估方法及装置 - Google Patents
基于高精度地图数据众包更新系统的评估方法及装置 Download PDFInfo
- Publication number
- CN112766670B CN112766670B CN202110017309.1A CN202110017309A CN112766670B CN 112766670 B CN112766670 B CN 112766670B CN 202110017309 A CN202110017309 A CN 202110017309A CN 112766670 B CN112766670 B CN 112766670B
- Authority
- CN
- China
- Prior art keywords
- scene
- configuration file
- library
- update system
- precision 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 44
- 238000012360 testing method Methods 0.000 claims description 57
- 238000000034 method Methods 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 27
- 238000012986 modification Methods 0.000 claims description 26
- 230000004048 modification Effects 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 230000008859 change Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000002898 library design Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Remote Sensing (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Instructional Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种基于高精度地图数据众包更新系统的评估方法、装置及电子设备，所述方法包括获取场景库配置文件，基于场景库配置文件从初始高精度地图数据中获取与目标场景库对应的场景记录信息，其中，目标场景库为根据待测试的元素对象确定的，基于预先获取的修改规则对场景记录信息中对应的元素对象进行修改，得到仅包含修改后的元素对象的正样本测试数据集，根据正样本测试数据集对众包更新系统进行评估，得到众包更新系统的评估结果。该实例降低了测试人员主观性的影响，省时省力，进而提高了对众包更新系统评估的准确性。
Description
技术领域
本发明实施例涉及数据处理技术领域，尤其涉及一种基于高精度地图数据众包更新系统的评估方法及装置。
背景技术
自动驾驶系统是一个集道路、车辆、行人，以及周边环境等多种因素相互作用的综合系统，而高精度地图由于其精度高、维度多，以及超视距等特点已经成为自动驾驶必不可少的重要组成部分。
现有技术中，高精度地图的采集制作方式一般是利用众包更新系统来实现的。具体实现过程可以为通过车辆上装载的行车记录仪、相机或民用GPS等设备拍摄道路图像，然后利用深度学习等技术从道路图像中提取车道标线、交通标志以及路灯杆等对象，再根据提取出的对象得到高精度地图。此外，由于众包更新系统本身数据量庞大，数据源质量参差不齐，因此，可以借鉴数据挖掘和深度学习领域的评价指标：准确率(Precision)和召回率(Recall)来对众包更新系统进行评估。进一步的，在对众包更新系统进行评估时，可以通过两种样本，即正样本(变化样本)和负样本(不变样本)进行评估。
然而，在获取正负样本时，需要在现有的高精度地图中人工修改数据，然后才能将修改后的数据作为正样本，而修改哪些位置的数据，做怎么样的修改，需要依靠测试人员的经验，主观性强，且费时费力，影响了对众包更新系统评估的准确性。
发明内容
本发明实施例提供一种基于高精度地图数据众包更新系统的评估方法及装置，以提高对众包更新系统评估的准确性。
第一方面，本发明实施例提供一种基于高精度地图数据众包更新系统的评估方法，包括：
获取场景库配置文件；
基于所述场景库配置文件从初始高精度地图数据中获取与目标场景库对应的场景记录信息，其中，所述目标场景库为根据待测试的元素对象确定的；
基于预先获取的修改规则对所述场景记录信息中对应的元素对象进行修改，得到仅包含修改后的元素对象的正样本测试数据集；
根据所述正样本测试数据集对众包更新系统进行评估，得到所述众包更新系统的评估结果。
可选的，所述场景库配置文件包括单要素场景配置文件、多要素组合场景配置文件或延伸场景配置文件中的任意一种或多种，
所述基于所述场景库配置文件从初始高精度地图数据中获取与目标场景库对应的场景记录信息，包括：
基于所述单要素场景配置文件、所述多要素组合场景配置文件或所述延伸场景配置文件确定目标场景库；
根据所述目标场景库从初始高精度地图数据中获取对应的场景记录信息。
可选的，所述场景库配置文件为单要素场景配置文件，则所述基于所述单要素场景配置文件、所述多要素组合场景配置文件或所述延伸场景配置文件确定目标场景库，包括：
基于所述单要素场景配置文件直接确定目标场景库，其中，所述单要素场景配置文件包括路网层配置文件和要素层配置文件，所述路网层配置文件为道路、路口或车道对应的场景配置文件，所述要素层配置文件为交通标志、标线或杆状物对应的场景配置文件。
可选的，所述场景库配置文件为多要素组合场景配置文件，则所述基于所述单要素场景配置文件、所述多要素组合场景配置文件或所述延伸场景配置文件确定目标场景库，包括：
将所述路网层配置文件对应的要素和所述要素层配置文件对应的要素分别进行组合，得到初始多要素场景配置文件；
根据第一预设筛选规则从所述初始多要素场景配置文件中获取有组合意义的多要素场景配置文件；
基于所述多要素场景配置文件确定目标场景库；
或者，若所述场景库配置文件为延伸场景配置文件，则所述基于所述单要素场景配置文件、所述多要素组合场景配置文件或所述延伸场景配置文件确定目标场景库，包括：
将所述路网层配置文件对应的要素和所述路网层配置文件对应的要素进行组合，和/或，将所述要素层配置文件对应的要素和所述要素层配置文件对应的要素进行组合，得出初始延伸场景配置文件；
根据第二预设筛选规则从所述初始延伸场景配置文件中获取有组合意义的延伸场景配置文件；
基于所述延伸场景配置文件确定目标场景库。
可选的，所述根据所述正样本测试数据集对众包更新系统进行评估，得到所述众包更新系统的评估结果，包括：
根据所述正样本测试数据集对所述初始高精度地图数据进行更新，得到更新后的高精度地图数据；
将所述更新后的高精度地图数据输入至众包更新系统中进行检测，得到检测结果；
将所述检测结果与所述正样本测试数据集中的元素对象进行比对分析，得到所述众包更新系统的评估结果。
可选的，在所述获取场景库配置文件之前，还包括：
根据预设的提取规则从不同维度来提取所述目标场景库对应的至少一场景特征；
确定每个所述场景特征对应的特征值；
将每个所述场景特征对应的特征值进行全组合处理，得到场景库配置文件。
可选的，所述将每个所述场景特征对应的特征值进行全组合处理，得到场景库配置文件，包括：
将每个所述场景特征对应的特征值进行全组合处理，得到初始目标场景库；
根据预存的过滤规则对所述初始目标场景库进行筛选，得到有效目标场景库；
根据所述有效目标场景库得到场景配置文件。
可选的，所述确定每个所述场景特征对应的特征值，包括：
确定每个所述场景特征对应的实现方式；
根据每个所述场景特征对应的实现方式的个数确定对应的特征值。
可选的，在所述基于所述场景库配置文件从初始高精度地图数据中获取与目标场景库对应的场景记录信息之前，还包括：
获取测试范围数据；
基于所述测试范围数据从所述初始高精度地图数据中获取路网范围数据；
所述基于所述场景库配置文件从初始高精度地图数据中获取与目标场景库对应的场景记录信息，包括：
基于所述场景库配置文件从所述路网范围数据中获取与目标场景库对应的场景记录信息。
第二方面，本发明实施例提供一种基于高精度地图数据众包更新系统的评估装置，包括：
获取模块，用于获取场景库配置文件；
处理模块，用于基于所述场景库配置文件从初始高精度地图数据中获取与目标场景库对应的场景记录信息，其中，所述目标场景库为根据待测试的元素对象确定的；
所述处理模块，还用于基于预先获取的修改规则对所述场景记录信息中对应的元素对象进行修改，得到仅包含修改后的元素对象的正样本测试数据集；
所述处理模块，还用于根据所述正样本测试数据集对众包更新系统进行评估，得到所述众包更新系统的评估结果。
第三方面，本发明实施例提供一种电子设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面任一项所述的基于高精度地图数据众包更新系统的评估方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面任一项所述的基于高精度地图数据众包更新系统的评估方法。
本发明实施例提供了一种基于高精度地图数据众包更新系统的评估方法、装置及电子设备，采用上述方案后，可以先获取场景库配置文件，然后基于场景库配置文件从初始高精度地图数据中获取与目标场景库对应的场景记录信息，其中，目标场景库为根据待测试的元素对象确定的，再基于预先获取的修改规则对场景记录信息中对应的元素对象进行修改，得到仅包含修改后的元素对象的正样本测试数据集，并根据正样本测试数据集对众包更新系统进行评估，得到众包更新系统的评估结果，通过自动化生成正样本测试数据集的方式来对众包更新系统进行评估，降低了测试人员主观性的影响，省时省力，进而提高了对众包更新系统评估的准确性。
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为本发明实施例提供的基于高精度地图数据众包更新系统的评估方法的应用系统的架构示意图；
图2为本发明实施例提供的基于高精度地图数据众包更新系统的评估方法的流程示意图；
图3为本发明实施例提供的高精度地图的应用示意图；
图4为本发明实施例提供的路口场景特征的应用示意图；
图5为本发明实施例提供的元素对象组合的应用示意图；
图6为本发明另一实施例提供的基于高精度地图数据众包更新系统的评估方法的应用示意图；
图7为本发明实施例提供的基于高精度地图数据众包更新系统的评估装置的结构示意图；
图8为本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
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，所描述的实施例仅仅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做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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例还能够包括除了图示或描述的那些实例以外的其他顺序实例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
现有技术中，高精度地图的采集制作方式一般有两种，一种是由装载专业测绘采集设备的移动测量车进行外业采集，然后将外业采集的数据进行回传，回传之后，再经过数据解算、内业制作、质检、编译、发布等一系列流程得到高精度地图。另一种是利用车辆上装载的行车记录仪、相机或民用GPS等设备拍摄道路图像，然后利用深度学习等技术从道路图像中提取车道标线、交通标志以及路灯杆等对象，再根据提取出的对象得到高精度地图，即通过众包更新方式来实现。
众包更新方式可以依据众包更新系统来实现的，具体实现过程可以为通过车辆上装载的行车记录仪、相机或民用GPS等设备拍摄道路图像，然后利用深度学习等技术从道路图像中提取车道标线、交通标志以及路灯杆等对象，再根据提取出的对象得到高精度地图。此外，由于众包更新系统本身数据量庞大，数据源质量参差不齐，因此，可以借鉴数据挖掘和深度学习领域的评价指标：准确率(Precision)和召回率(Recall)来对众包更新系统进行评估。进一步的，在对众包更新系统进行评估时，可以通过两种样本，即正样本(变化样本)和负样本(不变样本)进行评估。然而，在获取正负样本时，需要在现有的高精度地图中人工修改数据，然后才能将修改后的数据作为正样本，而修改哪些位置的数据，做怎么样的修改，需要依靠测试人员的经验，主观性强，且费时费力，影响了对众包更新系统评估的准确性。
基于上述技术问题，本申请针对众包更新方式中存在的问题，通过根据不同场景自动生成对应的测试样本数据集的方式来对众包更新系统进行评估，降低了测试人员主观性的影响，既省时省力，又达到了提高了对众包更新系统评估的准确性的技术效果。
图1为本发明实施例提供的基于高精度地图数据众包更新系统的评估方法的应用系统的架构示意图，如图1所示，可以通过若干车辆101上装载的行车记录仪102、相机103或民用GPS104等设备来拍摄道路图像，然后根据拍摄到的图像发送至远端的服务器105，服务器105可以基于众包更新系统对采集的道路图像进行处理，得到初始高精度地图数据。然后，可以基于初始高精度地图数据与获取到的场景库配置文件得到正样本测试数据集，并基于正样本测试数据集对众包更新系统进行评估，得到众包更新系统的评估结果。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本发明实施例提供的基于高精度地图数据众包更新系统的评估方法的流程示意图，本实施例的方法可以由服务器105执行。如图2所示，本实施例的方法，可以包括：
S201：获取场景库配置文件。
在本实施例中，场景库配置文件中可以包含根据业务需要定义的目标场景库。
进一步的，场景是对公路及其周边环境的抽象概括，而地图，尤其是高精度地图是对道路及周边附属设施的精确描绘和抽象反映，因此，可以参考现有的高精度地图，以及业务需要对场景库进行定义，得到若干场景库，然后以配置文件的形式进行保存。示例性的，配置文件可以为json格式。
此外，场景库配置文件的具体确定方式可以为：在获取场景库配置文件之前，根据预设的提取规则从不同维度来提取所述目标场景库对应的至少一场景特征。确定每个所述场景特征对应的特征值。将每个所述场景特征对应的特征值进行全组合处理，得到场景库配置文件。
具体的，图3为本发明实施例提供的高精度地图的应用示意图，如图3所示，在该实施例中，高精度地图中可以包括车道、交通标牌、中央隔离带、护栏和障碍物等元素对象。进一步的，对于单个元素对象来说，可以根据业务需要和测试重点自定义若干个独立场景特征，然后将所有场景特征的特征值取笛卡尔积，得到所有可能的组合方式，每种组合都是一个独立的场景库，可以以场景库配置文件的形式来表示每个独立的场景库。
此外，还可以将独立的场景库进行组合，得到组合的场景库，并以场景库配置文件的形式来表示每个组合的场景库。
此外，在将每个所述场景特征对应的特征值进行全组合处理，得到场景库配置文件时，还可以包括：
将每个所述场景特征对应的特征值进行全组合处理，得到初始目标场景库。根据预存的过滤规则对所述初始目标场景库进行筛选，得到有效目标场景库。根据有效目标场景库得到场景配置文件。
具体的，可以对同一对象从不同维度进行表示，得到对应的场景特征，各场景特征之间是相互影响、相互作用的，因此，并非所有特征值组合在一起构成的场景在现实中都是存在的，需要根据实际情况，自定义一些过滤规则，将明显不符合现实的无效场景剔除掉，然后根据有效的场景库得到各场景配置文件。
另外，确定每个所述场景特征对应的特征值，具体可以包括：
确定每个场景特征对应的实现方式。根据每个所述场景特征对应的实现方式的个数确定对应的特征值。
具体的，在确定每个场景特征的特征值时，可以先确定每个场景特征的实现方式，然后将每个场景特征的实现方式的个数确定为每个场景特征的特征值。示例性的，若路口场景特征的实现方式有3个，则路口场景特征的特征值为3。若车道场景特征的实现方式有4个，则车道场景特征的特征值为4。
示例性的，在一个具体实施例中，现以元素对象路口为例进行说明：
首先提炼路口场景特征，然后确定场景特征的特征值，再将场景特征的特征值进行全组合，得到场景库，并将全组合后的场景库中的无效场景剔除，得到路口对应的最终场景库。此外，还可以以配置文件的形式表示最终得到的场景库，便于后续可以直接获取并输入至众包更新系统中。
具体的，路口场景特征可以从不同维度上概括路口的关键属性，如结构特征、形态特征、是否可被Sensor感知等。场景特征可以是现有地图数据中，也可以是自定义可计算的。且每个场景特征的值域需要包含现实世界所有可能的取值，保证现实世界总能匹配到对应场景特征值。由于不同场景特征是从不同维度描述现实中的同一对象，对象特征之间是相互影响、相互作用的，并非所有特征值组合在一起构成的场景在现实中都是存在的，所以我们需要定义一些过滤规则，将明显不符合现实的场景剔除掉。
图4为本发明实施例提供的路口场景特征的应用示意图，如图4所示，在该实施例中，路口场景特征可以包括：路口类型、过渡车道类型、路口分段3个场景特征。将路口已定义的3个场景的特征值进行笛卡尔积运算，得到3*2*3*1＝18种场景。其中，对于路口场景特征，可以根据实际场景定义以下过滤规则：
a、交叉路口不与过渡车道类型进行组合。
b、交叉路口、合流路口与路口分段中的本线退出、匝道退出不进行组合。
应用上述过滤规则a，可以剔除1*2*3＝6种无效场景。应用上述过滤规则b，可以剔除1*2*2＝4种无效场景，剩下18-6-4＝8种场景为有效场景。剔除掉无效的场景后，剩余的场景就可以组成路口的场景库。
对应的，按照上述步骤可分别定义道路、车道等路网层场景库，交通标志、标线、杆状物等要素层场景库。
S202：基于场景库配置文件从初始高精度地图数据中获取与目标场景库对应的场景记录信息，其中，目标场景库为根据待测试的元素对象确定的。
在本实施例中，可以根据目标场景特征确定目标场景库，然后以配置文件的形式存储该目标场景库。在确定了目标场景库对应的场景库配置文件之后，可以从初始高精度地图数据中获取与目标场景库对应的场景记录信息。
进一步的，场景库配置文件可以包括单要素场景配置文件、多要素组合场景配置文件或延伸场景配置文件中的任意一种或多种，则基于所述场景库配置文件从初始高精度地图数据中获取与目标场景库对应的场景记录信息，具体可以包括：
基于单要素场景配置文件、多要素组合场景配置文件或延伸场景配置文件确定目标场景库。根据目标场景库从初始高精度地图数据中获取对应的场景记录信息。
具体的，场景库配置文件的种类可以不同，可以为单要素场景配置文件、多要素组合场景配置文件或延伸场景配置文件。若场景库配置文件为单要素场景配置文件，则基于所述单要素场景配置文件、所述多要素组合场景配置文件或所述延伸场景配置文件确定目标场景库，可以包括：
基于所述单要素场景配置文件直接确定目标场景库，其中，所述单要素场景配置文件包括路网层配置文件和要素层配置文件，所述路网层配置文件为道路、路口或车道对应的场景配置文件，所述要素层配置文件为交通标志、标线或杆状物对应的场景配置文件。具体可以对应单要素场景匹配的方式，可以将已定义的场景库配置文件输入至众包更新系统中，经过查询、计算、匹配等过程，筛选出初始高精度地图数据中满足场景条件的所有场景记录信息。
若场景库配置文件为多要素组合场景配置文件，则所述基于所述单要素场景配置文件、所述多要素组合场景配置文件或所述延伸场景配置文件确定目标场景库，可以包括：
将所述路网层配置文件对应的要素和所述要素层配置文件对应的要素分别进行组合，得到初始多要素场景配置文件。
根据第一预设筛选规则从所述初始多要素场景配置文件中获取有组合意义的多要素场景配置文件。
基于所述多要素场景配置文件确定目标场景库。
若所述场景库配置文件为延伸场景配置文件，则所述基于所述单要素场景配置文件、所述多要素组合场景配置文件或所述延伸场景配置文件确定目标场景库，可以包括：
将所述路网层配置文件对应的要素和所述路网层配置文件对应的要素进行组合，和/或，将所述要素层配置文件对应的要素和所述要素层配置文件对应的要素进行组合，得出初始延伸场景配置文件。
根据第二预设筛选规则从所述初始延伸场景配置文件中获取有组合意义的延伸场景配置文件。
基于所述延伸场景配置文件确定目标场景库。
对应的，在现实世界中的公路环境并不是由单一要素决定的，除了基础的路网层(道路、路口、车道)外，一般还会选择性的设置离散或延续的地物层，如交通标志、杆状物、高架桥、隧道等。所以我们可以根据不同等级路网之间、地物与路网之间的“关联字段”，将需要的要素进行组合，得到多要素组合场景配置文件，尽可能的模拟真实的道路环境。示例性的，可以将车道标线与路口、道路、车道场景同时进行组合，得到符合“高速本线-分歧路口-减速车道-白色粗虚线”条件的场景记录信息。
另外，前述的组合方式是将某一路段与其路面上、沿线两侧、道路上方出现的元素对象进行组合，得到车辆所处位置的环境。另一种组合方式是针对同一类型要素的组合，可以是一组平行的车道、车道标线组合，或者沿车行方向的纵向路网组合，即“Predecessor-Current-Successor”方式。
示例性的，图5为本发明实施例提供的元素对象组合的应用示意图，如图5所示，可以沿通行方向有连续3条LINK的车道数数据，并得到车道数3变4的道路模板，与初始高精度地图数据匹配得到对应的现实世界路段。
S203：基于预先获取的修改规则对场景记录信息中对应的元素对象进行修改，得到仅包含修改后的元素对象的正样本测试数据集。
在本实施例中，修改规则可以是预先存储的，也可以是根据场景和实际测试需求自定义设置的。进一步的，若修改规则是预存存储的，该修改规则可以是通用修改规则，即对不同的场景采用相同的修改规则，也可以是不通用的，即对不同的场景应用不同的修改规则。对应的，可以通过场景标识来识别不同的场景，进而获取场景对应的修改规则。
进一步的，可以基于预先获取的修改规则对场景记录信息中对应的元素对象进行元素对象删除操作、元素对象属性修改操作、元素对象位置修改操作或元素对象新增操作，得到仅包含修改后的元素对象的正样本测试数据。
具体的，基于已选择的场景可以自动化修改初始高精度地图数据，模拟不同要素在现实世界中可能发生的变更情况。以交通标牌为例，可以执行标牌删除操作、标牌属性修改操作、标牌位置修改操作或标牌新增操作，得到仅包含修改后的元素对象的正样本测试数据。
进一步的，标牌新增操作可以为模拟数据更新过程中对象新增的用例：假设现实世界中在该位置有标牌，将其从地图中删除，测试该对象能否被众包更新系统正确新增出来。标牌删除操作可以为模拟数据更新过程中对象删除的用例：假设现实世界中某个位置没有标牌，地图中在该位置新增一个对象，测试该对象能否被众包更新系统正确识别删除。
标牌属性修改操作可以为模拟数据更新过程中属性修改的用例：假设现实世界中某个标牌的类型为限速，地图中将该标牌类型修改为禁止超车，测试该对象能否被众包更新系统正确识别出标牌类型修改。
标牌位置修改操作可以为模拟数据更新过程中位置移动的用例：假设现实世界中限速牌的位置在匝道开始处，地图中将该标牌移至距离开始处5米的位置，测试该对象能否被众包更新系统正确识别出位置修改。
S204：根据正样本测试数据集对众包更新系统进行评估，得到众包更新系统的评估结果。
在本实施例中，可以根据所述正样本测试数据集对所述初始高精度地图数据进行更新，得到更新后的高精度地图数据。然后将所述更新后的高精度地图数据输入至众包更新系统中进行检测，得到检测结果。再将检测结果与正样本测试数据集中的元素对象进行比对分析，得到众包更新系统的评估结果。
进一步的，众包更新系统在对更新后的高精度地图数据进行评估时，可以根据实际采集的数据生成一张新的地图数据，若实际场景没有发生变化，则生成的新的地图数据与原始地图数据实际上是相同的，本实施例也仅限于实际场景没有发生变化的情况，然后可以将众包更新系统生成的新的地图数据与更新后的高精度地图数据进行比对分析，得到众包更新系统的评估结果，即众包更新系统确定的发生改变的元素对象的检测结果，
其中，众包更新系统的评估结果可以包括元素对象的查准率和查全率，根据元素对象的查准率和查全率来评价分析众包更新系统的更新能力。其中，可以设置查准率和查全率均在80％以上时，确认众包更新系统的更新能力良好，查准率和查全率均在60％以上时，确定众包更新系统的更新能力合格，查准率和查全率只要有一个在60％以下时，确定众包更新系统的更新能力不合格。
此外，本申请所记载的元素对象，主要是指标牌、标线等相对来说变化频率不高的静态信息，而对于施工、交通拥堵、天气、事故发生等动态信息的更新测试则不适用。使用该测试方法的前提是初始高精度地图数据采集和众包车辆采集更新这两个时间点之间，即现实世界未发生变化，未制作测试用例的“负样本”中不会包含真实的“正样本”。
另外，本申请主要是基于场景库设计测试用例集，作为众包更新系统的参考标准，场景库可以随着我们对不同传感器数据认识和应用的深入、众包更新系统能力的提升，做出相应的调整和扩充。
采用上述方案后，可以先获取场景库配置文件，然后基于场景库配置文件从初始高精度地图数据中获取与目标场景库对应的场景记录信息，其中，目标场景库为根据待测试的元素对象确定的，再基于预先获取的修改规则对场景记录信息中对应的元素对象进行修改，得到仅包含修改后的元素对象的正样本测试数据集，并根据正样本测试数据集对众包更新系统进行评估，得到众包更新系统的评估结果，通过自动化生成正样本测试数据集的方式来对众包更新系统进行评估，降低了测试人员主观性的影响，省时省力，进而提高了对众包更新系统评估的准确性。
基于图2的方法，本说明书实施例还提供了该方法的一些具体实施方案，下面进行说明。
在另一个实施例中，在S202之前，还可以包括：
获取测试范围数据。基于所述测试范围数据从所述初始高精度地图数据中获取路网范围数据。
则基于所述场景库配置文件从初始高精度地图数据中获取与目标场景库对应的场景记录信息，可以包括：基于场景库配置文件从所述路网范围数据中获取与目标场景库对应的场景记录信息。
在本实施例中，在获取目标场景库对应的场景记录信息时，为了提高获取的数据的精度，可以先确定待获取数据的范围，然后在该范围内获取对应的场景记录信息。对应的，可以先输入路线，输入的路线表示测试路线的文件或数据，如测试计划中的路线图、道路名称、轨迹路线等。然后匹配方法，即将代表路线的文件与高精度地图母库数据叠加，进行道路级及其一定缓冲区范围内的粗略匹配，限定构建场景库和制作测试用例集的路网范围。最后范围输出，即输出符合要求的表示路网范围的文件，提高了确定的目标场景库对应的场景记录信息的准确度。
另外，图6为本发明另一实施例提供的基于高精度地图数据众包更新系统的评估方法的应用示意图，如图6所示，可以先进行场景库的定义，然后进行场景筛选和组合，本实施例主要是基于场景库设计测试用例集，作为众包更新系统的参考标准，场景库可以随着对不同传感器数据认识和应用的深入，以及众包更新系统能力的提升，做出相应的调整和扩充。再进行测试用例制作，可以针对，如需要测试和验证匝道曲线部分，白虚线的匹配和更新能力，只需要在道路场景元素中选择“匝道”、标线场景中选择“虚线”，就能在一定区域的生成满足需要的测试用例，提高了测试用例制作的灵活性。然后对测试用例进行输出，通过自动化生成测试用例系统，输出测试用例数据集，以及包含测试用例数据集的新的地图数据。此外，后续可将新的地图数据作为底图，输入至众包更新系统中，检测底图与众包成图结果之间的变化，然后将检测到的变化与测试用例匹配分析，计算查准率和查全率，评价分析基于高精度地图的众包更新系统的更新能力。
采用上述方案后，基于对已有高精度地图数据模型的理解，自动化建立基于高精度地图场景的众包数据测试用例集。场景设置灵活，组合方式可选，要素可扩展，能很好的解决人工制作测试用例出现的问题。且针对标牌、标线等更新频率不高的准静态信息设计基于场景库的众包更新测试用例集，考虑传感器因素、众包更新算法等因素，灵活设计场景并基于场景验证众包更新系统的能力边界，进一步反哺众包更新系统，形成良好的技术闭环。
基于同样的思路，本说明书实施例还提供了上述方法对应的装置，图7为本发明实施例提供的基于高精度地图数据众包更新系统的评估装置的结构示意图，如图7所示，本实施例提供的装置可以包括：
获取模块701，用于获取场景库配置文件。
处理模块702，用于基于所述场景库配置文件从初始高精度地图数据中获取与目标场景库对应的场景记录信息，其中，所述目标场景库为根据待测试的元素对象确定的。
在本实施例中，所述场景库配置文件包括单要素场景配置文件、多要素组合场景配置文件或延伸场景配置文件中的任意一种或多种，
所述处理模块702，还用于：
基于所述单要素场景配置文件、所述多要素组合场景配置文件或所述延伸场景配置文件确定目标场景库。
根据所述目标场景库从初始高精度地图数据中获取对应的场景记录信息。
所述场景库配置文件为单要素场景配置文件，则所述处理模块702，还用于：
基于所述单要素场景配置文件直接确定目标场景库，其中，所述单要素场景配置文件包括路网层配置文件和要素层配置文件，所述路网层配置文件为道路、路口或车道对应的场景配置文件，所述要素层配置文件为交通标志、标线或杆状物对应的场景配置文件。
所述场景库配置文件为多要素组合场景配置文件，则所述处理模块702，还用于：
将所述路网层配置文件对应的要素和所述要素层配置文件对应的要素分别进行组合，得到初始多要素场景配置文件。
根据第一预设筛选规则从所述初始多要素场景配置文件中获取有组合意义的多要素场景配置文件。
基于所述多要素场景配置文件确定目标场景库。
若所述场景库配置文件为延伸场景配置文件，则所述处理模块702，还用于：
将所述路网层配置文件对应的要素和所述路网层配置文件对应的要素进行组合，和/或，将所述要素层配置文件对应的要素和所述要素层配置文件对应的要素进行组合，得出初始延伸场景配置文件。
根据第二预设筛选规则从所述初始延伸场景配置文件中获取有组合意义的延伸场景配置文件。
基于所述延伸场景配置文件确定目标场景库。
所述处理模块702，还用于基于预先获取的修改规则对所述场景记录信息中对应的元素对象进行修改，得到仅包含修改后的元素对象的正样本测试数据集。
所述处理模块702，还用于根据所述正样本测试数据集对众包更新系统进行评估，得到所述众包更新系统的评估结果。
在本实施例中，所述处理模块702，还用于：
根据所述正样本测试数据集对所述初始高精度地图数据进行更新，得到更新后的高精度地图数据。
将所述更新后的高精度地图数据输入至众包更新系统中进行检测，得到检测结果。
将所述检测结果与所述正样本测试数据集中的元素对象进行比对分析，得到所述众包更新系统的评估结果。
此外，在另一个实施例中，所述处理模块702，还用于：
根据预设的提取规则从不同维度来提取所述目标场景库对应的至少一场景特征。
确定每个所述场景特征对应的特征值。
将每个所述场景特征对应的特征值进行全组合处理，得到场景库配置文件。
在本实施例中，所述处理模块702，还用于：
将每个所述场景特征对应的特征值进行全组合处理，得到初始目标场景库。
根据预存的过滤规则对所述初始目标场景库进行筛选，得到有效目标场景库。
根据所述有效目标场景库得到场景配置文件。
确定每个所述场景特征对应的实现方式。
根据每个所述场景特征对应的实现方式的个数确定对应的特征值。
此外，在另一个实施例中，所述处理模块702，还用于：
获取测试范围数据。
基于所述测试范围数据从所述初始高精度地图数据中获取路网范围数据。
基于所述场景库配置文件从所述路网范围数据中获取与目标场景库对应的场景记录信息。
本发明实施例提供的装置，可以实现上述如图2所示的实施例的方法，其实现原理和技术效果类似，此处不再赘述。
图8为本发明实施例提供的电子设备的硬件结构示意图。如图8所示，本实施例提供的设备800包括：至少一个处理器801和存储器802。其中，处理器801、存储器802通过总线803连接。
在具体实现过程中，至少一个处理器801执行所述存储器802存储的计算机执行指令，使得至少一个处理器801执行上述方法实施例中的方法。
处理器801的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图8所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component Interconnect，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现上述方法实施例的基于高精度地图数据众包更新系统的评估方法。
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、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：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。
Claims (9)
1.一种基于高精度地图数据众包更新系统的评估方法，其特征在于，包括：
获取场景库配置文件；
基于所述场景库配置文件从初始高精度地图数据中获取与目标场景库对应的场景记录信息，其中，所述目标场景库为根据待测试的元素对象确定的；
基于预先获取的修改规则对所述场景记录信息中对应的元素对象进行修改，得到仅包含修改后的元素对象的正样本测试数据集；
根据所述正样本测试数据集对众包更新系统进行评估，得到所述众包更新系统的评估结果；
在所述获取场景库配置文件之前，还包括：
根据预设的提取规则从不同维度来提取所述目标场景库对应的至少一场景特征；
确定每个所述场景特征对应的特征值；
将每个所述场景特征对应的特征值进行全组合处理，得到场景库配置文件。
2.根据权利要求1所述的方法，其特征在于，所述场景库配置文件包括单要素场景配置文件、多要素组合场景配置文件或延伸场景配置文件中的任意一种或多种，
所述基于所述场景库配置文件从初始高精度地图数据中获取与目标场景库对应的场景记录信息，包括：
基于所述单要素场景配置文件、所述多要素组合场景配置文件或所述延伸场景配置文件确定目标场景库；
根据所述目标场景库从初始高精度地图数据中获取对应的场景记录信息。
3.根据权利要求2所述的方法，其特征在于，所述场景库配置文件为单要素场景配置文件，则所述基于所述单要素场景配置文件、所述多要素组合场景配置文件或所述延伸场景配置文件确定目标场景库，包括：
基于所述单要素场景配置文件直接确定目标场景库，其中，所述单要素场景配置文件包括路网层配置文件和要素层配置文件，所述路网层配置文件为道路、路口或车道对应的场景配置文件，所述要素层配置文件为交通标志、标线或杆状物对应的场景配置文件。
4.根据权利要求3所述的方法，其特征在于，所述场景库配置文件为多要素组合场景配置文件，则所述基于所述单要素场景配置文件、所述多要素组合场景配置文件或所述延伸场景配置文件确定目标场景库，包括：
将所述路网层配置文件对应的要素和所述要素层配置文件对应的要素分别进行组合，得到初始多要素场景配置文件；根据第一预设筛选规则从所述初始多要素场景配置文件中获取有组合意义的多要素场景配置文件；基于所述多要素场景配置文件确定目标场景库；或者，
所述场景库配置文件为延伸场景配置文件，则所述基于所述单要素场景配置文件、所述多要素组合场景配置文件或所述延伸场景配置文件确定目标场景库，包括：
将所述路网层配置文件对应的要素和所述路网层配置文件对应的要素进行组合，和/或，将所述要素层配置文件对应的要素和所述要素层配置文件对应的要素进行组合，得出初始延伸场景配置文件；根据第二预设筛选规则从所述初始延伸场景配置文件中获取有组合意义的延伸场景配置文件；基于所述延伸场景配置文件确定目标场景库。
5.根据权利要求1所述的方法，其特征在于，所述根据所述正样本测试数据集对众包更新系统进行评估，得到所述众包更新系统的评估结果，包括：
根据所述正样本测试数据集对所述初始高精度地图数据进行更新，得到更新后的高精度地图数据；
将所述更新后的高精度地图数据输入至众包更新系统中进行检测，得到检测结果；
将所述检测结果与所述正样本测试数据集中的元素对象进行比对分析，得到所述众包更新系统的评估结果。
6.根据权利要求1所述的方法，其特征在于，所述将每个所述场景特征对应的特征值进行全组合处理，得到场景库配置文件，包括：
将每个所述场景特征对应的特征值进行全组合处理，得到初始目标场景库；
根据预存的过滤规则对所述初始目标场景库进行筛选，得到有效目标场景库；
根据所述有效目标场景库得到场景配置文件。
7.根据权利要求1所述的方法，其特征在于，所述确定每个所述场景特征对应的特征值，包括：
确定每个所述场景特征对应的实现方式；
根据每个所述场景特征对应的实现方式的个数确定对应的特征值。
8.一种电子设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至7任一项所述的基于高精度地图数据众包更新系统的评估方法。
9.一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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的基于高精度地图数据众包更新系统的评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110017309.1A CN112766670B (zh) | 2021-01-07 | 2021-01-07 | 基于高精度地图数据众包更新系统的评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110017309.1A CN112766670B (zh) | 2021-01-07 | 2021-01-07 | 基于高精度地图数据众包更新系统的评估方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112766670A CN112766670A (zh) | 2021-05-07 |
| CN112766670B true CN112766670B (zh) | 2023-11-14 |
Family
ID=75700463
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110017309.1A Active CN112766670B (zh) | 2021-01-07 | 2021-01-07 | 基于高精度地图数据众包更新系统的评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112766670B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113587915A (zh) * | 2021-06-08 | 2021-11-02 | 中绘云图信息科技有限公司 | 一种高精密度导航配置方法 |
| CN114925505A (zh) * | 2022-04-28 | 2022-08-19 | 合肥四维图新科技有限公司 | 一种车端感知数据模拟方法、装置、设备和可读介质 |
| CN118195987A (zh) * | 2022-12-13 | 2024-06-14 | 华为技术有限公司 | 一种地图评估方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6564218B1 (en) * | 1998-12-10 | 2003-05-13 | Premitech Aps | Method of checking the validity of a set of digital information, and a method and an apparatus for retrieving digital information from an information source |
| CN110399445A (zh) * | 2019-07-25 | 2019-11-01 | 腾讯科技（深圳）有限公司 | 一种兴趣点的处理方法、装置及设备 |
| CN110599006A (zh) * | 2019-08-25 | 2019-12-20 | 南京理工大学 | 基于场景分析的配电网运行风险评估方法 |
| WO2020119684A1 (zh) * | 2018-12-14 | 2020-06-18 | 中国科学院深圳先进技术研究院 | 一种3d导航语义地图更新方法、装置及设备 |
| CN111339231A (zh) * | 2020-02-25 | 2020-06-26 | 合肥四维图新科技有限公司 | 众包更新结果的处理方法及装置 |
| CN111797189A (zh) * | 2020-07-03 | 2020-10-20 | 武汉四维图新科技有限公司 | 数据源质量评价方法与装置、设备、计算机可读存储介质 |
| CN113360593A (zh) * | 2021-06-30 | 2021-09-07 | 武汉四维图新科技有限公司 | 传感器数据处理方法及设备 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10149114B2 (en) * | 2015-07-07 | 2018-12-04 | Crowdcomfort, Inc. | Systems and methods for providing geolocation services in a mobile-based crowdsourcing platform |
| JP6542612B2 (ja) * | 2015-08-21 | 2019-07-10 | 株式会社日立製作所 | テストシナリオ生成支援装置およびテストシナリオ生成支援方法 |
| US20200110817A1 (en) * | 2018-10-04 | 2020-04-09 | Here Global B.V. | Method, apparatus, and system for providing quality assurance for map feature localization |
-
2021
- 2021-01-07 CN CN202110017309.1A patent/CN112766670B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6564218B1 (en) * | 1998-12-10 | 2003-05-13 | Premitech Aps | Method of checking the validity of a set of digital information, and a method and an apparatus for retrieving digital information from an information source |
| WO2020119684A1 (zh) * | 2018-12-14 | 2020-06-18 | 中国科学院深圳先进技术研究院 | 一种3d导航语义地图更新方法、装置及设备 |
| CN110399445A (zh) * | 2019-07-25 | 2019-11-01 | 腾讯科技（深圳）有限公司 | 一种兴趣点的处理方法、装置及设备 |
| CN110599006A (zh) * | 2019-08-25 | 2019-12-20 | 南京理工大学 | 基于场景分析的配电网运行风险评估方法 |
| CN111339231A (zh) * | 2020-02-25 | 2020-06-26 | 合肥四维图新科技有限公司 | 众包更新结果的处理方法及装置 |
| CN111797189A (zh) * | 2020-07-03 | 2020-10-20 | 武汉四维图新科技有限公司 | 数据源质量评价方法与装置、设备、计算机可读存储介质 |
| CN113360593A (zh) * | 2021-06-30 | 2021-09-07 | 武汉四维图新科技有限公司 | 传感器数据处理方法及设备 |
Non-Patent Citations (2)
| Title |
|---|
| 三维虚拟校园的场景规划与实现;杨芳萍;王鹏飞;;甘肃科技纵横(09);4-7 * |
| 面向无人驾驶的高精地图众包数据质量研究.中国优秀硕士学位论文全文数据库基础科学辑.2023,(第1期),A008-399. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112766670A (zh) | 2021-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112766670B (zh) | 基于高精度地图数据众包更新系统的评估方法及装置 | |
| CN111652940B (zh) | 目标异常识别方法、装置、电子设备及存储介质 | |
| KR101691620B1 (ko) | 드론에서 항공 수집한 원시영상의 분석과 mms 연동을 통한 도로기반시설물의 변화지역 갱신시스템 | |
| US20170316127A1 (en) | Method and apparatus for constructing testing scenario for driverless vehicle | |
| CN113034566B (zh) | 高精度地图构建方法、装置、电子设备及存储介质 | |
| CN111386559A (zh) | 一种路口是否存在目标道路设施的判断方法及系统 | |
| WO2011023333A2 (en) | Methods and apparatus for processing road data | |
| CN110647886A (zh) | 兴趣点标注方法、装置、计算机设备和存储介质 | |
| CN112432650B (zh) | 高精地图数据的获取方法、车辆控制方法以及设备 | |
| CN115439750A (zh) | 道路病害检测方法、装置、电子设备及存储介质 | |
| EP3293486B1 (en) | Method and system for improving spatial accuracy of map data | |
| CN115774766A (zh) | 差分算法模型的评测、确定更新地图数据的方法及装置 | |
| CN113420109B (zh) | 一种街道界面渗透率的测量方法、计算机及存储介质 | |
| US20230273047A1 (en) | Method and Apparatus for Providing a High-Resolution Digital Map | |
| CN112115817B (zh) | 基于深度学习的遥感影像道路轨迹正确性核查方法及装置 | |
| CN117351241B (zh) | 隧道病害的智能检测评定方法、装置、终端及存储介质 | |
| CN112712098B (zh) | 图像数据处理方法及装置 | |
| CN115731711B (zh) | 应用于自动驾驶的可变潮汐车道自动识别方法及装置 | |
| Pugachev et al. | Numerical evaluation of the traffic flow indicators using super-resolution satellite imagery | |
| Moseva et al. | Development of a Platform for Road Infrastructure Digital Certification | |
| Khan | Vehicle and pedestrian detection using YOLOv3 and YOLOv4 for self-driving cars | |
| CN112257555B (zh) | 一种信息处理方法、装置、设备及存储介质 | |
| CN115790655A (zh) | 更新矢量的质量评估方法、电子设备及程序产品 | |
| CN113360593A (zh) | 传感器数据处理方法及设备 | |
| US11859985B2 (en) | Map data validation using knowledge graphs and randomness measures |
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 |