CN113137961A - 移动设备定位系统、相关方法、装置及设备 - Google Patents

Abstract

本申请公开了移动设备定位系统、相关方法、装置及设备。其中，所述系统通过第一移动设备采集第一道路环境点云数据；压缩第一道路环境点云数据中待压缩的道路静态元素的点云数据；向服务端发送解压缩后的点云数据；服务端将所述解压缩后的点云数据存储至地图数据中；以及，通过第二移动设备采集第二道路环境点云数据；确定第二移动设备的第一位姿数据；根据所述地图数据，确定与第一位姿对应的局域地图数据；对局域地图数据中已压缩的道路静态元素数据执行解压缩；根据第二道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据。采用这种处理方式，可以有效兼顾较高的定位准确度和定位实时性两个方面。

Description

移动设备定位系统、相关方法、装置及设备

技术领域

本申请涉及自动驾驶技术领域，具体涉及移动设备定位系统、方法和装置，地图数据生成方法和装置，地图数据选取方法和装置，道路动态元素确定方法和装置，电子设备，以及移动设备。

背景技术

在自动驾驶、室内机器人、无人机等移动设备定位场景中，可采用基于环境地图的移动设备定位技术。以自动驾驶为例，该技术允许采用高性能的采图车事先获得达到一定清晰度等级的道路地图，在实时定位时，移动设备通过传感器获得实时观测的点云数据，然后将该观测数据与地图数据进行配准，以获得移动设备的位姿数据。

目前，自动驾驶领域主要采用两种形式的道路地图：矢量地图和特征地图。矢量地图中的矢量，就是既有大小，又有方向的量。矢量地图使用直线和曲线来描述图形，这些图形的元素包括点、线、矩形、多边形、圆和弧线等。矢量数据具有数据结构紧凑，冗余度低，表达精度高，图形显示质量好，有利于网络和检索分析等优点。然而，由于矢量地图对地图原数据信息进行了大量的简化和信息抽取，带来的结果是对道路信息的刻画较为简单，即地图精度较低。特征地图是对地图原数据进行特征值提取的地图数据，相比而言，其对路面信息刻画的更加真实，地图精度较高，但其体积和文件大小也相对较大。

综上所述，现有技术存在无法构建具有较小数据量、及达到一定清晰度等级的地图的问题。相应的，基于现有地图的设备定位技术存在无法兼顾较高的定位效率和定位准确度的问题。

发明内容

本申请提供移动设备定位系统，以解决现有技术存在的设备定位准确度和实时性较低等等问题。本申请另外提供移动设备定位方法和装置，地图数据生成方法和装置，地图数据选取方法和装置，道路动态元素确定方法和装置，电子设备，以及移动设备。

本申请提供一种移动设备定位系统，包括：

第一移动设备，用于采集第一道路环境点云数据；根据所述第一环境点云数据，确定待压缩的道路静态元素的点云数据；压缩所述静态元素的点云数据；向服务端发送压缩后的点云数据；

服务端，用于接收所述压缩后的点云数据，将所述压缩后的点云数据存储至地图数据中；

第二移动设备，用于采集第二道路环境点云数据；确定第二移动设备的第一位姿数据；根据所述地图数据，确定与第一位姿对应的局域地图数据；对局域地图数据中已压缩的道路静态元素数据执行解压缩；根据第二道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据。

本申请还提供一种地图数据生成方法，包括：

采集道路环境点云数据；

压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；

向服务端发送压缩后的点云数据，以便于服务端将压缩后的点云数据存储至地图数据中。

可选的，所述压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据，包括：

确定与所述静态元素的元素类型对应的梯度阈值；

将点云间梯度达到所述梯度阈值的点云数据，作为压缩后的点云数据。

可选的，不同元素类型对应不同梯度阈值。

可选的，还包括：

对所述道路环境点云数据执行等间隔采样；

向服务端发送等间隔采样的点云数据，以便于服务端将等间隔采样的点云数据存储至地图数据中。

可选的，所述待压缩的道路静态元素采用如下方式的至少一种确定：

根据静态元素数量，确定所述待压缩的道路静态元素；

根据静态元素与移动设备间的距离，确定所述待压缩的道路静态元素；

根据静态元素与道路间的关系，确定所述待压缩的道路静态元素；

根据道路类型，确定所述待压缩的道路静态元素。

可选的，所述根据道路类型，并确定所述待压缩的道路静态元素，包括：

若道路类型为城市道路，则所述待压缩的道路静态元素不包括树木；

若道路类型为农村道路，则将树木作为所述待压缩的道路静态元素。

可选的，还包括：

确定动态元素阈值；

确定道路元素的动态元素得分；

若所述得分未达到动态元素阈值，则将所述道路元素作为道路静态元素。

可选的，若所述动态元素阈值为强动态元素阈值，则所述道路静态元素包括树木；

若所述动态元素阈值为弱动态元素阈值，则所述道路静态元素不包括树木。

可选的，还包括：

获取多帧道路环境点云数据；

将多帧道路环境点云数据中发生变化的道路元素作为道路动态元素。

可选的，不同元素类型的静态元素对应不同的压缩方法。

可选的，道路地面元素采用基于局域平面的道路元素压缩方法；

曲面类静态元素采用上述权利要求3的基于梯度自适应的道路元素压缩方法。

本申请还提供一种移动设备定位方法，包括：

接收第一移动设备发送的道路静态元素的压缩后点云数据；

将所述压缩后点云数据存储至地图数据中。

可选的，所述压缩后点云数据包括：点云间梯度达到与静态元素的元素类型对应的梯度阈值的点云数据。

可选的，还包括：

接收第二移动设备发送的针对道路环境点云数据的移动设备定位请求；所述定位请求包括第二移动设备在点云数据采集时间的第一位姿数据；

根据所述地图数据，确定与第一位姿对应的局域地图数据；

对局域地图数据中已压缩的道路静态元素数据执行解压缩；

根据道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据；

向所述第二移动设备回送所述第二位姿数据。

可选的，所述对局域地图数据中已压缩的道路静态元素数据执行解压缩，包括：

对已压缩的道路静态元素执行上采样。

可选的，还包括：

向第二移动设备发送所述地图数据。

本申请还提供一种移动设备定位方法，包括：

采集道路环境点云数据；以及，确定移动设备的第一位姿数据；

根据地图数据，确定与第一位姿对应的局域地图数据；

局域地图数据中已压缩的道路静态元素数据执行解压缩；

根据道路环境点云数据和解压缩后的点云数据，确定移动设备的第二位姿数据。

可选的，所述局域地图数据中已压缩的道路静态元素数据执行解压缩，包括：

对已压缩的道路静态元素数据执行上采样。

可选的，所述对已压缩的道路静态元素数据执行上采样，包括：

根据所述局域地图数据，确定已压缩的道路静态元素的点云数据；

确定所述已压缩的道路静态元素中各个点的相邻点云数据；

根据所述相邻点云数据，确定上采样的点云数据。

可选的，还包括：

对上采样的点云数据执行平滑处理。

可选的，若所述地图数据不包括与第一位姿对应的局域地图数据，则通过其它移动设备定位方法，确定所述第二位姿数据。

本申请还提供一种移动设备定位方法，包括：

采集道路环境点云数据；以及，确定移动设备的第一位姿数据；

向服务端发送针对所述点云数据的移动设备定位请求；所述定位请求包括所述第一位姿数据，以便于服务端根据地图数据，确定与第一位姿对应的局域地图数据；对局域地图数据中已压缩的道路静态元素数据执行解压缩；根据道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据；

接收所述服务端回送的第二位姿数据。

本申请还提供一种地图数据生成方法，包括：

采集道路环境点云数据；

压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；

将压缩后的点云数据存储至地图数据中。

本申请还提供一种地图数据生成方法，包括：

获取第一地图数据；所述第一地图数据采用如下方式生成：压缩道路环境点云数据中待压缩的道路静态元素的点云数据；至少根据压缩后的点云数据形成所述第一地图数据；

对所述第一地图数据中已压缩的道路静态元素数据执行解压缩；

将解压缩后的点云数据作为第二地图数据。

本申请还提供一种地图数据生成装置，包括：

数据采集单元，用于采集道路环境点云数据；

数据压缩单元，用于压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；

数据发送单元，用于向服务端发送压缩后的点云数据，以便于服务端将压缩后的点云数据存储至地图数据中。

本申请还提供一种移动设备定位装置，包括：

数据接收单元，用于接收第一移动设备发送的道路静态元素的压缩后点云数据；

数据存储单元，用于将所述压缩后点云数据存储至地图数据中。

本申请还提供一种移动设备定位装置，包括：

数据采集单元，用于采集道路环境点云数据；

第一定位单元，用于确定移动设备的第一位姿数据；

局域地图数据确定单元，用于根据地图数据，确定与第一位姿对应的局域地图数据；

局域地图数据还原单元，用于局域地图数据中已压缩的道路静态元素数据执行解压缩；

第二定位单元，用于根据道路环境点云数据和解压缩后的点云数据，确定移动设备的第二位姿数据。

本申请还提供一种移动设备定位装置，包括：

数据采集单元，用于采集道路环境点云数据；

定位单元，用于确定移动设备的第一位姿数据；

数据发送单元，用于向服务端发送针对所述点云数据的移动设备定位请求；所述定位请求包括所述第一位姿数据，以便于服务端根据地图数据，确定与第一位姿对应的局域地图数据；对局域地图数据中已压缩的道路静态元素数据执行解压缩；根据道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据；

数据接收单元，用于接收所述服务端回送的第二位姿数据。

本申请还提供一种地图数据生成装置，包括：

数据获取单元，用于获取第一地图数据；所述第一地图数据采用如下方式生成：压缩道路环境点云数据中待压缩的道路静态元素的点云数据；至少根据压缩后的点云数据形成所述第一地图数据；

数据解压缩单元，用于对所述第一地图数据中已压缩的道路静态元素数据执行解压缩；将解压缩后的点云数据作为第二地图数据。

本申请还提供一种移动设备，包括：

点云数据采集装置；

处理器；以及

存储器，用于存储实现地图数据生成方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：采集道路环境点云数据；压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；向服务端发送压缩后的点云数据，以便于服务端将压缩后的点云数据存储至地图数据中。

本申请还提供一种电子设备，包括：

处理器；以及

存储器，用于存储实现移动设备定位方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：接收第一移动设备发送的道路静态元素的压缩后点云数据；将所述压缩后点云数据存储至地图数据中。

本申请还提供一种移动设备，包括：

点云数据采集装置；

处理器；以及

存储器，用于存储实现移动设备定位方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：采集道路环境点云数据；以及，确定移动设备的第一位姿数据；根据地图数据，确定与第一位姿对应的局域地图数据；局域地图数据中已压缩的道路静态元素数据执行解压缩；根据道路环境点云数据和解压缩后的点云数据，确定移动设备的第二位姿数据。

本申请还提供一种移动设备，包括：

点云数据采集装置；

处理器；以及

存储器，用于存储实现移动设备定位方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：采集道路环境点云数据；以及，确定移动设备的第一位姿数据；向服务端发送针对所述点云数据的移动设备定位请求；所述定位请求包括所述第一位姿数据，以便于服务端根据地图数据，确定与第一位姿对应的局域地图数据；对局域地图数据中已压缩的道路静态元素数据执行解压缩；根据道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据。

本申请还提供一种电子设备，包括：

处理器；以及

存储器，用于存储实现地图数据生成方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：所述第一地图数据采用如下方式生成：压缩道路环境点云数据中待压缩的道路静态元素的点云数据；至少根据压缩后的点云数据形成所述第一地图数据；对所述第一地图数据中已压缩的道路静态元素数据执行解压缩；将解压缩后的点云数据作为第二地图数据。

本申请还提供一种地图数据生成方法，包括：

采集道路环境点云数据；

向服务端发送所述点云数据，以便于服务端压缩所述点云数据中待压缩的道路静态元素的点云数据；将压缩后的点云数据存储至地图数据中。

本申请还提供一种移动设备定位方法，包括：

接收第一移动设备发送的道路环境点云数据；

压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；

将压缩后的点云数据存储至地图数据中。

本申请还提供一种移动设备定位系统，包括：

第一移动设备，用于采集第一道路环境点云数据；压缩所述第一道路环境点云数据中待压缩的道路静态元素的点云数据；向服务端发送压缩后的点云数据；

服务端，用于接收所述压缩后的点云数据，将所述压缩后的点云数据存储至地图数据中；

第二移动设备，用于采集第二道路环境点云数据；压缩所述第二道路环境点云数据中待压缩的道路静态元素的点云数据；确定第二移动设备的第一位姿数据；根据所述地图数据，确定与第一位姿对应的局域地图数据；根据局域地图数据和压缩后点云数据，确定第二移动设备的第二位姿数据。

本申请还提供一种地图数据选取方法，包括：

采集道路环境点云数据；

根据所述道路环境点云数据中道路静态元素的点云数据，确定地图元素；

将地图元素存储至地图数据库。

可选的，所述地图元素采用如下方式的至少一种确定：

根据静态元素数量，确定地图元素；

根据静态元素与移动设备间的距离，确定地图元素；

根据静态元素与道路间的关系，确定地图元素；

根据道路类型，确定地图元素。

可选的，所述根据道路类型，并确定地图元素，包括：

若道路类型为城市道路，则将树木作为地图元素；

若道路类型为农村道路，则将树木作为非地图元素。

本申请还提供一种道路动态元素确定方法，包括：

获取多帧道路环境点云数据；

将多帧道路环境点云数据中发生变化的道路元素作为道路动态元素。

可选的，所述多帧道路环境点云数据包括：同一移动设备在不同时刻采集的道路环境点云数据，不同移动设备在同一时刻采集的道路环境点云数据。

本申请还提供一种地图数据生成装置，包括：

数据采集单元，用于采集道路环境点云数据；

数据压缩单元，用于压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；

数据存储单元，用于将压缩后的点云数据存储至地图数据中。

本申请还提供一种移动设备，包括：

点云数据采集装置；

处理器；以及

存储器，用于存储实现地图数据生成方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤:采集道路环境点云数据；压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；将压缩后的点云数据存储至地图数据中。

本申请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指令，当其在计算机上运行时，使得计算机执行上述各种方法。

本申请还提供一种包括指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各种方法。

与现有技术相比，本申请具有以下优点：

本申请实施例提供的移动设备定位系统，通过第一移动设备采集第一道路环境点云数据；压缩第一道路环境点云数据中待压缩的道路静态元素的点云数据；向服务端发送解压缩后的点云数据；服务端将所述解压缩后的点云数据存储至地图数据中；以及，通过第二移动设备采集第二道路环境点云数据；确定第二移动设备的第一位姿数据；根据所述地图数据，确定与第一位姿对应的局域地图数据；对局域地图数据中已压缩的道路静态元素数据执行解压缩；根据第二道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据；这种处理方式，使得构建一种矢量地图和特征地图之外形式的地图，一方面其可将原始点云数据基于梯度进行自适应压缩，实现相当稀疏的采样后进行存储,因此地图3D点云具有稀疏性，由此实现紧凑的道路地图；另一方面，在基于该地图进行设备定位时，通过还原可重新得到稠密3D点云，恢复对道路环境的细微真实刻画；因此，可以有效兼顾较高的定位准确度和定位实时性两个方面。

本申请实施例提供的地图数据生成方法，通过采集道路环境点云数据；压缩道路环境点云数据中待压缩的道路静态元素的点云数据；向服务端发送压缩后的点云数据，以便于服务端将压缩后的点云数据存储至地图数据中；这种处理方式，使得构建一种矢量地图和特征地图之外形式的地图，一方面其可将原始点云数据基于梯度进行自适应压缩，实现相当稀疏的采样后进行存储,因此地图3D点云具有稀疏性，由此实现紧凑的道路地图；另一方面，在地图使用时，通过还原可重新得到稠密3D点云，恢复对道路环境的细微真实刻画；因此，可以有效兼顾较高的地图精度和较低的数据量两个方面，紧凑稀疏的3D点云地图，更加便于存储和传输，为达到兼顾准确度和实时性的设备定位提供数据基础。

本申请实施例提供的地图数据选取方法，通过采集道路环境点云数据；根据所述道路环境点云数据中道路静态元素的点云数据，确定地图元素；将地图元素存储至地图数据库；这种处理方式，使得在确保地图数据能够支持移动设备定位的前提下，有效降低地图数据量，避免将所有道路静态元素存储至地图数据库中。

本申请实施例提供的道路动态元素确定方法，通过获取多帧道路环境点云数据；将多帧道路环境点云数据中发生变化的道路元素作为道路动态元素；这种处理方式，使得根据多帧点云数据确定道路动态元素；因此，可以有效提升动态元素的准确度。

附图说明

图1是本申请提供的一种移动设备定位系统的实施例的结构示意图；

图2是本申请提供的一种移动设备定位系统的实施例的场景示意图；

图3是本申请提供的一种移动设备定位系统的实施例的交互示意图；

图4是本申请提供的一种移动设备定位系统的实施例的具体流程示意图；

图5是本申请提供的一种地图数据生成方法的实施例的流程图；

图6是本申请提供的一种地图数据生成装置的实施例的示意图；

图7是本申请提供的一种移动设备实施例的示意图；

图8是本申请提供的一种地图数据生成方法的实施例的流程图；

图9是本申请提供的一种地图数据生成装置的实施例的示意图；

图10是本申请提供的一种移动设备实施例的示意图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。

在本申请中，提供了移动设备定位系统、方法和装置，地图数据生成方法和装置，地图数据选取方法和装置，道路动态元素确定方法和装置，电子设备，以及移动设备。在下面的实施例中将以车辆为例，逐一对各种方案进行详细说明。

第一实施例

请参考图1，其为本申请提供的一种移动设备定位系统实施例的示例图。本申请提供的一种移动设备定位系统包括：第一移动设备1、服务端2和第二移动设备2。

本申请实施例提供的系统实现移动设备定位的处理过程包括两个阶段：1、地图数据生成阶段，该阶段通过第一移动设备(简称采图车)与服务端的交互生成地图数据，该地图数据可以是覆盖目标道路区域内的全部道路静态元素(道路特征)的压缩后的稀疏点云数据，也可以是包括部分道路静态元素的压缩后的稀疏点云数据、和部分道路静态元素的完整点云数据，还可以是只包括部分道路静态元素的压缩后的稀疏点云数据，总之该地图数据可以是一个稀疏三维点云地图；2、移动设备定位阶段，第二移动设备在该阶段会利用上述压缩后的地图数据，基于该地图数据，确定与初步位姿对应的局域地图数据，对局域地图数据中被压缩过的道路静态元素执行解压缩处理，还原出稠密三维点云地图；将稠密三维点云地图与采集的道路环境点云数据进行比对，在确定匹配点云(特征点)后，就可得到第二移动设备在图像采集时刻的位姿。下面分别对上述两个阶段的处理过程进行说明。

1、地图数据生成阶段。

该阶段涉及第一移动设备和服务端。所述第一移动设备，在该阶段负责地图数据的采集处理，可将全部或部分道路静态元素的下采样点云数据作为地图数据，上传至服务端存储，该数据相对于原始道路特征数据具有稀疏性，因此服务端存储的是稀疏三维点云地图。在地图数据中，可包括道路模型、车道模型、道路部件、道路属性和其他的定位图层信息。

第一移动设备包括但不限于：无人驾驶车辆、移动机器人、无人机等等可移动的设备，也可以是装载有环境感知传感器(如图像采集装置或空间扫描装置等)的有人驾驶的移动设备等等。

所述地图数据，其数据形式依然是点云，这些点云是道路上的一些特征表面的点云。地图将大量的行车辅助信息存储为结构化数据，这些信息可以分为两类。第一类是道路数据，比如车道线的位置、类型、宽度、坡度和曲率等车道信息。第二类是车道周边的固定对象信息，比如交通标志、交通信号灯等信息、车道限高、下水道口、障碍物及其他道路细节，还包括高架物体、防护栏、树木、道路边缘类型、路边地标等基础设施信息。

所述服务端，在该阶段负责地图数据的存储。在本实施例中，所述服务端装载有数据库管理系统，所述地图数据保存在地图数据库中。该数据库可分别存储多个较小区域内的地图数据，也可以完整地存储一个城市或一个国家的地图数据。

请参考图2，其为本申请实施例提供的系统的生成地图数据的场景示意图。由图2可见，本申请实施例所述的地图数据可通过一辆或多辆连接到云端服务器的互联车辆(有人驾驶车辆或无人驾驶车辆)，把识别出的道路特征的下采样的稀疏点云数据上传至云端服务器，生成地图数据，提供给自动驾驶汽车使用。具体实施时，服务端还可将根据该地图数据与地图供应商的定位参考图层同步校准，以提升地图数据的准确度。

地图生产可分为数据采集、数据处理、人工验证等环节。其中，数据采集环节包括：通过采集车实地采集道路信息，如通过激光雷达、相机等传感器获取环境点云，完成对环境信息的采集；以及，通过达到一定定位精度的定位设备提供每帧点云的位姿关系。数据处理环节包括：数据处理把不同传感器采集的数据进行融合，即把GPS、点云、图像等数据叠加在一起，进行道路标线、路沿、路牌、交通标志等道路元素的识别，再将这些信息存储为结构化数据。最后，经人工验证进行信息补齐和逻辑关联等。

请参考图3，其为本申请实施例提供的系统的设备交互示意图。由图3可见，第一移动设备(如第一车辆)可通过执行如下步骤采集目标道路的地图数据：

步骤1.1、采集第一道路环境点云数据。

在地图数据生成阶段，允许第一移动设备通过性能更高的设备采集道路环境点云数据，如将激光雷达作为3D点云采集设备，并允许利用专用定位设备提供实时位姿；也可以允许采用复杂度更高的算法生成3D点云。

在一个示例中，本申请实施例提供的系统，在第一车辆行驶过程中，可通过安装在车辆上的空间扫描装置，获取车辆行驶道路的环境空间物体的位置信息等等，得到物体的数据集合，该数据集即为道路环境点云数据。通过道路环境点云数据，可使得扫描物体以物体点的形式记录，每一个点代表一个物体，包含有坐标信息、反射强度信息(Intensity)等等。凭借道路环境点云数据，可以在同一空间参考系下表达目标空间。

所述空间扫描装置，可以是激光雷达，也可以是毫米波雷达、微波雷达、厘米波雷达等等电磁波传感器，获得周围环境中物体信息，如车道、交通信号灯、建筑物、马路牙子、墙面等等静止物体信息，以及人、车辆等等运动物体信息，其所测得的数据为一定数量的物体(如100个物体)的数据表示。

在本实施例中，车辆上装载的空间扫描装置为激光雷达，激光雷达以一定帧频(Frame Rate)对道路环境进行扫描，采集道路环境点云数据，如每秒采集10帧点云数据。由于激光雷达可直接得到稠密的3D点云，因此可确定出达到一定清晰度等级的地图数据，但价格昂贵。

在另一个示例中，在第一车辆行驶过程中，可通过安装在车辆上的图像采集装置，获取车辆行驶道路的环境空间物体的二维图像数据，如通过摄像机对周围环境进行图像采集。由于相机只提供场景的2D信息，因此要通过相机获取道路环境点云数据，就需要额外的硬件或软件资源。

具体实施时，可以采用红外散斑结构光相机、tof相机等获取3D信息，也通过双目立体视觉获得3D信息，或者是采用单目相机获取当前场景的2D图像，对在不同时间采集的两帧2D图像进行多视图几何实现。

在采集到道路环境点云数据之后，就可以根据道路环境点云数据，确定道路静态元素的点云数据。

步骤1.2、根据所述第一环境点云数据，确定待压缩的道路静态元素的点云数据。

所述道路静态元素，又可以称为道路特征(Road Signature)，可以是道路中的一些元素(物体)。所述道路静态元素，可以是平面或近似平面的物体，包括但不限于：道路地面特征，如车道线、交通标识(人行横道等)、路沿，也可以是非道路地面特征，如墙面、建筑物等等近似平面的物体。所述道路静态元素，还可以是物体表面为曲面的物体，如高架物体、防护栏、灯杆、道路边缘类型、路边地标等基础设施信息。

所述道路静态元素的点云数据，可包括道路特征的轮廓点云数据。道路静态元素可采用如下确定：1)通过三维物体识别算法，根据所述道路环境点云数据，确定道路中的物体信息；2)从道路物体中确定道路静态元素，例如，如果一个道路物体的形状符合车道线的形状特征，则将该物体作为道路基本元素(道路特征)。

具体实施时，可进行原始稠密3d点云(道路环境点云数据)的分割识别，这可以通过深度学习方法(PointNet、Pointnet++、Kd-Network等)实现，即可得到原始稠密3D点云上的每个点云的属性信息，比如地面(包括具体的车道线、车道标识等)、墙面、路沿、灯杆等；然后，可对属性点云进行细分类别的特征点云分类，比如地面上的点云可再细分为车道虚线、车道实线、斑马线、转向标识等，这依然可以通过深度上述深度学习方法进行识别，并可经人工复核确认；最后，去除道路动态元素(如车辆、行人等强动态元素，以及树木等弱动态元素)，提取道路特征的轮廓点云数据。由于三维物体识别算法属于较为成熟的现有技术，因此此处不再赘述。

表1示出了本实施例中提取得到的道路静态元素的轮廓点云数据。

表1、道路静态元素的原始点云数据根据表1所示数据，可形成完整的稠密三维点云地图。

在一个示例中，第一移动设备也可通过执行如下步骤确定哪些道路元素是道路静态元素：1)确定动态元素阈值；2)确定道路元素的动态元素得分；3)若所述得分未达到动态元素阈值，则将所述道路元素作为道路静态元素。其中，所述动态元素阈值可根据实际需求确定，如设置为强动态元素阈值或弱动态元素阈值。若所述动态元素阈值为强动态元素阈值，则所述道路静态元素包括树木；若所述动态元素阈值为弱动态元素阈值，则所述道路静态元素不包括树木。所述强动态元素阈值，可以大于所述弱动态元素阈值。也就是说，所述动态元素阈值越大，则静态元素的数量越多。所述动态元素得分，可根据道路元素类型(如行人、树木、信号灯等)和运动速度确定。

在另一个示例中，第一移动设备也可通过执行如下步骤确定哪些道路元素是道路动态元素：1)获取多帧道路环境点云数据；2)将多帧道路环境点云数据中发生变化的道路元素作为道路动态元素。所述多帧道路环境点云数据，可以包括同一移动设备在不同时刻采集的道路环境点云数据，也可包括不同移动设备在同一时刻采集的道路环境点云数据。通过对比多帧点云中同一元素的姿态，可确定该元素是否发生变化，如果发生变化，则可将其作为道路动态元素。具体实施时，还可根据道路元素类型(如行人、树木、信号灯等)和变化程度，确定一个元素是否为动态元素。

需要注意的是，地图数据可以是覆盖目标道路区域内的全部道路静态元素(道路特征)的压缩后的稀疏点云数据，也可以是包括部分道路静态元素的压缩后的稀疏点云数据、和部分道路静态元素的完整点云数据，还可以是只包括部分道路静态元素的压缩后的稀疏点云数据。

具体实施时，所述待压缩的道路静态元素采用如下方式的至少一种确定：

方式一、根据静态元素数量，确定所述待压缩的道路静态元素。例如，如果当前道路的静态元素数量较多，达到数量阈值，则可将部分静态元素(如车道线、信号灯等)作为所述待压缩的道路静态元素，忽略其它静态元素(如树木、建筑物等)。

方式二、根据静态元素与移动设备间的距离，确定所述待压缩的道路静态元素；根据静态元素与道路间的关系，确定所述待压缩的道路静态元素。例如，如果当前道路的某些静态元素距离当前车辆较远，达到距离阈值，则可忽略这些静态元素，而将距离车辆较近的静态元素(如近处的树木、信号灯等)作为所述待压缩的道路静态元素。

方式三、根据静态元素与道路间的关系，确定所述待压缩的道路静态元素。例如，将路面的静态元素(如车道线、人行道等)作为所述待压缩的道路静态元素，忽略路面外的静态元素(如信号灯、树木等)。

具体实施时，也可采用其它方式确定所述待压缩的道路静态元素。例如，根据道路类型确定所述待压缩的道路静态元素，比如，若道路类型为城市道路，则所述待压缩的道路静态元素不包括树木；若道路类型为农村道路，则将树木作为所述待压缩的道路静态元素。

步骤1.3、压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据。

在现有技术中，地图数据存储的通常是道路特征的完整点云数据，如车道线是一个矩形，则要将该矩形区域的全部点云数据存放在道路特征数据集内，这样就会导致该数据集的数据量过大。

在步骤1.2中确定的待压缩的道路静态元素的绝大多数都是人工设施，特别是在城市道路中。人工设施的最大特点是其由大量的直线、平面、或者曲线、缓变曲面构成。因此，本实施例提供的所述系统，可以通过对元素进行离散采样，使得在确保地图精度不变时，可以达到相当高的压缩率，极大降低地图数据量，从而提升定位速度。

第一移动设备，可以对不同元素类型的静态元素采用不同的道路元素压缩方法进行压缩处理。例如，对于平面或近似平面的道路元素(如道路地面元素：车道线、人行道，墙面等)，可采用基于局域平面的道路元素压缩方法。由于基于局域平面的道路元素压缩方法属于较为成熟的现有技术，因此此处不再赘述。

在本实施例中，对于物体表面为曲面的元素(曲面类静态元素，如信号灯、高架物体、防护栏、灯杆等)，可采用基于梯度自适应的道路元素压缩方法。该方法通过梯度对道路特征的点云数据进行自适应下采样，并将下采样的点云数据存储在地图数据中，即实现对道路特征点云数据的较大程度的下采样。

在本实施例中，基于梯度自适应的道路元素压缩方法可包括如下子步骤：

步骤1.3.1：确定与所述静态元素的元素类型对应的梯度阈值。

在本实施例中，对道路静态元素拆分，将不同类别的道路静态元素拆分开，对拆分之后的道路静态元素进行梯度自适应下采样压缩。

步骤1.3.2：将点云间梯度达到所述梯度阈值的点云数据，作为下采样的点云数据。

本步骤可以是对分类后的特征点云进行下采样。以车道标识为例，首先提取车道标识的外接轮廓点云；然后计算每个轮廓点云的曲率，曲率大的点云代表了轮廓的拐点，需要保留；曲率小的点云，可依据局域梯度信息进行下采样；从某一个拐点开始沿着轮廓进行遍历，当梯度变化大于一定梯度阈值时，插入采样点，采样点即存入地图数据中的稀疏点云数据。由于不同道路元素具有不同梯度阈值，因此可以达到很高的下采样率，从而使得地图点云具有较高的稀疏性。

梯度自适应下采样压缩的具体方式，可以是首先对静态元素表面进行梯度计算，梯度大的地方对应静态元素表面曲率变化大的地方。对于不同类别的道路元素，可以设置不同的梯度阈值，然后根据此阈值进行3D点云下采样，得到稀疏的3D点云。

例如，在确定交通信号灯的点A为下采样的点云后，如果点B与点A间梯度小于交通信号灯的梯度阈值，则表示点B处曲率变化不大，不影响该信号灯的外形，因此无需采样点B；如果点C与点A间梯度大于该梯度阈值，则表示点C处曲率变化大，影响该信号灯的外形，因此需要采样点C。采用这种处理方式，使得在根据点A和点C还原出局部稠密地图时，可将点A与点C之间的点还原为点C，这样可以达到真实刻画道路表面的要求。

所述梯度阈值的设定与地图精度和定位精度、准确度有关，通常梯度阈值越大，则地图精度和定位精度越低，定位准确度越低。本实施例为不同类型的道路元素设置不同的梯度阈值，具体实施时，可根据精度需求设定该参数。

步骤1.4、向服务端发送压缩后的点云数据，以便于服务端将压缩后的点云数据存储至地图数据中。

第一移动设备通过上述3个步骤(步骤1.1-1.4)识别到所在道路周围的环境特征的稀疏点云数据后，可通过车载通讯模块，将这些道路特征信息传输至云端服务器。相应的，服务端接收到压缩后的稀疏点云数据后，将所述稀疏点云数据存储至地图数据中，提供给自动驾驶车辆使用。

在一个示例中，所述第一移动设备用于采集某个规定路段的地图数据，如采集占地较大(占地1万亩)的某集团区域内位置1(如集团北门)到位置2(核心园区)的道路特征。表2示出了本实施例中存储在数据库中的该规定路段的地图数据。

表2、地图数据

由表2可见，该路段包括100000个点云数据，这些特征点包括道路静态元素的经下采样后的点云数据，具体可以是点云间梯度达到与静态元素的元素类型对应的梯度阈值的点云数据。由此可见，该地图数据量远远小于现有技术构建的地图的数据量。该紧凑稀疏的3D点云地图，可进行方便的存储和传输，适于由服务端将地图数据下发到存储空间有限的第二移动设备中，这样可以不依赖服务端直接进行定位处理，避免网络问题导致无法实时定位，因此可以有效提升定位速度。

尽管如此，但越高的地图压缩率意味着还原(解压缩)时越多的计算负担，即压缩率越高，在解压还原时需消耗更多的计算资源。因此，本实施例对第一道路环境点云数据进行等间隔补充采样，即在原始3D点云中进行等间隔采样，补充到稀疏3D点云当中，即补充到服务端的地图数据中。

至此对第1阶段的处理过程进行了说明。

2、移动设备定位阶段。

所述第二移动设备是具有设备定位需求的设备,该设备包括但不限于：无人驾驶车辆、移动机器人、无人机等等可移动的设备。以自动驾驶车辆为例，第二移动设备可通过激光雷达等等空间扫描装置直接采集点云数据，并根据稀疏点云地图还原出稠密的点云地图；然后，再将点云数据与稠密点云地图进行比对，能够准确知晓自己在当前车道中的位姿数据，从而实现达到一定清晰度等级(如厘米级)的实时定位，且达到较高的定位准确度。

如图3所示，所述第二移动设备，在该阶段通过执行如下步骤实现该设备的定位：

步骤2.1：采集第二道路环境点云数据；确定第二移动设备的第一位姿数据。

本申请实施例提供的系统，在第二车辆(简称自车)行驶过程中，一方面，可通过安装在车辆上的空间扫描装置(如激光雷达)，获取车辆行驶过程中的道路环境点云数据。

另一方面，还要确定第二移动设备的第一位姿数据。所述第一位姿数据，是第二移动设备在采集所述第二道路环境点云数据时的初步位姿或估计位姿，该位姿并非精确位姿。点云采集时刻的精确位姿为第二位姿数据，是通过当前观测的三维点云与地图匹配得到的位姿数据。

在一个示例中，所述确定移动设备的第一位姿数据的步骤，可包括如下子步骤：1)获取第二移动设备的历史时刻的第二位姿数据；以及，确定当前时刻相对所述历史时刻的位姿变化数据；2)根据所述历史时刻的第二位姿数据、及所述位姿变化数据，确定所述第一位姿数据。

所述历史时刻，可以是当前点云采集时刻的上一个点云采集时刻。第二移动设备可通过航迹推算DR进行位姿推算，获得满足一定精度的当前点云采集时刻的初步位姿。由此可见，第一位姿数据可以是结合上一帧的精确位姿、运动模型或航迹推算DR得到的位姿数据。

步骤2.2、根据所述地图数据，确定与第一位姿对应的局域地图数据。

本步骤可根据当前帧的初步位姿(第一位姿数据)，确定当前车辆所在大概位置，根据该位置可从地图数据内检索得到该位置对应的局域3D地图涉及的道路静态元素的下采样点云数据，将该数据称为局域地图数据。

步骤2.3、对局域地图数据中已压缩的道路静态元素数据执行解压缩。

所述局域地图数据可包括该区域中部分道路静态元素的下采样点云数据，即该地图为稀疏三维地图。要将采集得到的稠密三维点云数据与局域地图进行比对，就需要将稀疏的局域地图还原为稠密的局域地图，因此，要对局域地图数据执行中已压缩的道路静态元素数据执行解压缩(如上采样)处理。

请参考图4，其为本申请实施例提供的系统的地图处理流程图。由图4可见，对应阶段1中基于梯度自适应的道路元素压缩方法，本实施例提供的所述系统，可分道路元素不同类别，按照最近邻插值的形式，进行上采样。具体实施时，步骤2.3可包括如下子步骤：1)根据所述局域地图数据，确定已压缩的道路静态元素的点云数据；2)确定所述已压缩的道路静态元素中各个点的相邻点云数据；3)根据所述相邻点云数据，确定所述上采样的点云数据。

在本实施例中，在对局域地图数据中已压缩的道路静态元素数据执行上采样处理后，还可经过正则性平滑处理，得到还原之后的较为平滑的稠密3D点云地图。。

在确定上采样的点云数据后，就可以进入下一步骤，根据当前帧的道路特征数据和上采样的点云数据，确定第二移动设备的位姿数据。

步骤2.4、根据第二道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据。

本步骤可将当前帧的道路特征点云数据(观测信息)与解压缩后的局域地图数据进行比对，根据匹配的点云确定第二移动设备的位姿数据。

本步骤可采用基于道路特征地图进行位置估计的通用算法，如粒子滤波器等等。具体实施时，观测信息与点云数据库匹配的具体方法可以为：以当前帧的上一帧对应的上一位姿为初始位姿，以imu传感器在这个时间段(当前帧与其上一帧的时间差)运动的增量作为运动模型，以实时提取得到的当前帧的道路静态元素的点云数据(道路特征数据)作为观测模型，将观测模型和来自地图数据的稠密的局域3D地图，输入到贝叶斯滤波器当中，以一种贝叶斯滤波方法对当前位姿做优化估计。

在本实施例中，在第二移动设备启动自动驾驶时，可通过GNSS(GlobalNavigation Satellite System，全球导航卫星系统定位)提供第二移动设备的初步位姿，这里可采用RTK(Real Time Kinematic载波相位差分技术)，以提供达到一定定位精度的初步位姿，即设备起步位置的第一位姿数据。这个过程可以仅在系统启动阶段运行一次，也可以在系统运行过程中定时触发，以提供对实时位姿的多元融合校正。

在一个示例中，第二移动设备的定位过程包括如下步骤：

1)第二移动设备在初始T时刻的初步位姿W(T时刻的第一位姿数据)由GNSS提供；采集提取道路环境点云数据，从中提取3d特征；3d特征与稠密的局域3d地图匹配，得到T时刻的精确位姿W(T时刻的第二位姿数据)。

2)在T+1时刻，初步位姿W(T+1时刻的第一位姿数据)，由T时刻的精确位姿W(的第二位姿数据)+DR推算得到，其中航迹推算单元(dead reckoning，DR)依靠IMU、轮速计等，根据运动模型提供第T+1帧图像时刻的相对初步位姿；采集提取道路环境点云数据，从中提取3d特征；3d特征与稠密的局域3d地图匹配，得到T+1时刻的精确位姿W(T+1时刻的第二位姿数据)。

3)在T+2时刻，初步位姿W(T+2时刻的第一位姿数据)，由T+1时刻的精确位姿W(T+1时刻的第二位姿数据)+DR推算得到；采集提取道路环境点云数据，从中提取3d特征；3d特征与稠密的局域3d地图匹配，得到T+2时刻的精确位姿W(T+2时刻的第二位姿数据)。

4)重复上述步骤2和3，实现持续的定位。

采用这种处理方式，使得结合DR和单目视觉进行定位，结合了DR的短时轨迹推算的相对定位和单目视觉的定位，由此可构建定位结果的回馈机制，保证基于道路特征数据集的单目视觉定位的持续可行。

在一个示例中，道路特征数据集包括某个城市(如杭州市)道路的特征数据，数据量较大，因此存储在服务端；在这种情况下，第二移动设备还可执行如下步骤：1)向服务端发送针对所述第二道路环境点云数据的移动设备定位请求，所述定位请求包括所述第一位姿数据，以便于服务端根据所述第一位姿数据和地图数据，确定稀疏的局域3d地图；对稀疏的局域3d地图执行上采样，得到稠密的局域3d地图；根据当前帧的三维道路特征点云数据和所述稠密的局域3d地图，确定移动设备的当前帧的第二位姿数据；2)接收所述服务端回送的所述第二位姿数据。

在另一个示例中，地图数据包括某个企业园区道路(如阿里巴巴西溪园区)的特征数据，数据量较小，为了节约网络流量，提升定位速度，因此将该数据集存储在第二车辆上；在这种情况下，第二移动设备根据所述当前帧的三维道路特征点云数据和存储在移动设备本地的稀疏地图，确定该设备的第二位姿数据。

在本实施例中，地图数据还包括对第一道路环境点云数据进行等间隔采样得到的点云数据，在解压稀疏地图数据，将其还原为稠密地图数据时，可消耗较少的计算资源，因此可以有效提升定位速度。

从上述实施例可见，本申请实施例提供的移动设备定位系统，通过第一移动设备采集第一道路环境点云数据；压缩第一道路环境点云数据中待压缩的道路静态元素的点云数据；向服务端发送解压缩后的点云数据；服务端将所述解压缩后的点云数据存储至地图数据中；以及，通过第二移动设备采集第二道路环境点云数据；确定第二移动设备的第一位姿数据；根据所述地图数据，确定与第一位姿对应的局域地图数据；对局域地图数据中已压缩的道路静态元素数据执行解压缩；根据第二道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据；这种处理方式，使得构建一种矢量地图和特征地图之外形式的地图，一方面其可将原始点云数据基于梯度进行自适应压缩，实现相当稀疏的采样后进行存储,因此地图3D点云具有稀疏性，由此实现紧凑的道路地图；另一方面，在基于该地图进行设备定位时，通过还原可重新得到稠密3D点云，恢复对道路环境的细微真实刻画；因此，可以有效兼顾较高的定位准确度和定位实时性两个方面。

第二实施例

在上述的实施例中，提供了一种移动设备定位系统，与之相对应的，本申请还提供一种地图数据生成方法。该方法是与上述方法的实施例相对应。

请参考图5，其为本申请的地图数据生成方法的实施例的流程图，该方法的执行主体包括地图数据生成装置，该装置可部署在第一移动设备上。由于该方法实施例基本相似于系统实施例一，所以描述得比较简单，相关之处参见系统实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。

本实施例的一种地图数据生成方法，包括：

步骤S501：采集道路环境点云数据。

步骤S503：压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据。

在一个示例中，对于不同元素类型的静态元素，可采用道路元素压缩方法进行元素压缩处理。例如，道路地面元素采用基于局域平面的道路元素压缩方法；曲面类静态元素采用基于梯度自适应的道路元素压缩方法。

在一个示例中，基于梯度自适应的道路元素压缩方法可包括如下子步骤：1)确定与所述静态元素的元素类型对应的梯度阈值；2)将点云间梯度达到所述梯度阈值的点云数据，作为压缩后的点云数据。其中，不同元素类型可对应不同梯度阈值。

在一个示例中，所述待压缩的道路静态元素采用如下方式的至少一种确定：方式一、根据静态元素数量，确定所述待压缩的道路静态元素；方式二、根据静态元素与移动设备间的距离，确定所述待压缩的道路静态元素；方式三、根据静态元素与道路间的关系，确定所述待压缩的道路静态元素；方式四、根据道路类型，确定所述待压缩的道路静态元素，例如，若道路类型为城市道路，则所述待压缩的道路静态元素不包括树木；若道路类型为农村道路，则将树木作为所述待压缩的道路静态元素。

在一个示例中，所述方法还可包括如下步骤：1)确定动态元素阈值；2)确定道路元素的动态元素得分；3)若所述得分未达到动态元素阈值，则将所述道路元素作为道路静态元素。例如，若所述动态元素阈值为强动态元素阈值，则所述道路静态元素包括树木；若所述动态元素阈值为弱动态元素阈值，则所述道路静态元素不包括树木。

在一个示例中，所述方法还可包括如下步骤：1)获取多帧道路环境点云数据；2)将多帧道路环境点云数据中发生变化的道路元素作为道路动态元素。

步骤S505：向服务端发送压缩后的点云数据，以便于服务端将压缩后的点云数据存储至地图数据中。

在一个示例中，所述方法还包括如下步骤：1)对所述道路环境点云数据执行等间隔采样；2)向服务端发送等间隔采样的点云数据，以便于服务端将等间隔采样的点云数据存储至地图数据中。

从上述实施例可见，本申请实施例提供的地图数据生成方法，通过采集道路环境点云数据；压缩道路环境点云数据中待压缩的道路静态元素的点云数据；向服务端发送压缩后的点云数据，以便于服务端将压缩后的点云数据存储至地图数据中；这种处理方式，使得构建一种矢量地图和特征地图之外形式的地图，一方面其可将原始点云数据基于梯度进行自适应压缩，实现相当稀疏的采样后进行存储,因此地图3D点云具有稀疏性，由此实现紧凑的道路地图；另一方面，在地图使用时，通过还原可重新得到稠密3D点云，恢复对道路环境的细微真实刻画；因此，可以有效兼顾较高的地图精度和较低的数据量两个方面，紧凑稀疏的3D点云地图，更加便于存储和传输，为达到兼顾准确度和实时性的设备定位提供数据基础。

第三实施例

请参考图6，其为本申请的地图数据生成装置的实施例的示意图。本申请还提供一种地图数据生成装置。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。

本实施例的一种地图数据生成装置，包括：

数据采集单元601，用于采集道路环境点云数据；

数据压缩单元603，用于压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；

数据发送单元605，用于向服务端发送压缩后的点云数据，以便于服务端将压缩后的点云数据存储至地图数据中。

第四实施例

请参考图7，其为本申请的移动设备的实施例的示意图。由于设备实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。

本实施例的一种电子设备，该移动设备包括：点云数据采集装置700，处理器701和存储器702；所述存储器，用于存储实现地图数据生成方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：采集道路环境点云数据；压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；向服务端发送压缩后的点云数据，以便于服务端将压缩后的点云数据存储至地图数据中。

第五实施例

在上述的实施例中，提供了一种移动设备定位系统，与之相对应的，本申请还提供一种移动设备定位方法。该方法是与上述方法的实施例相对应。由于该方法实施例基本相似于方法实施例一，所以描述得比较简单，相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。

本实施例的一种移动设备定位方法，包括：

步骤1：接收第一移动设备发送的道路静态元素的压缩后点云数据；

所述压缩后点云数据，包括但不限于：点云间梯度达到与静态元素的元素类型对应的梯度阈值的点云数据。

步骤2：将所述压缩后点云数据存储至地图数据中。

在一个示例中，所述方法还可包括如下步骤：1)接收第二移动设备发送的针对道路环境点云数据的移动设备定位请求；所述定位请求包括第二移动设备在点云数据采集时间的第一位姿数据；2)根据所述地图数据，确定与第一位姿对应的局域地图数据；3)对局域地图数据中已压缩的道路静态元素数据执行解压缩，如对已压缩的道路静态元素执行上采样；4)根据道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据；5)向所述第二移动设备回送所述第二位姿数据。

在一个示例中，所述方法还可包括如下步骤：向第二移动设备发送所述地图数据。

从上述实施例可见，本申请实施例提供的移动设备定位方法，通过接收第一移动设备发送的道路静态元素的压缩后点云数据；将所述压缩后点云数据存储至地图数据中；这种处理方式，使得构建一种矢量地图和特征地图之外形式的地图，一方面其可将原始点云数据基于梯度进行自适应压缩，实现相当稀疏的采样后进行存储,因此地图3D点云具有稀疏性，由此实现紧凑的道路地图；另一方面，在地图使用时，通过还原可重新得到稠密3D点云，恢复对道路环境的细微真实刻画；因此，可以有效兼顾较高的地图精度和较低的数据量两个方面，紧凑稀疏的3D点云地图，更加便于存储和传输，为达到兼顾准确度和实时性的设备定位提供数据基础。

第六实施例

本申请还提供一种移动设备定位装置。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。

本实施例的一种移动设备定位装置，包括：

数据接收单元，用于接收第一移动设备发送的道路静态元素的压缩后点云数据；

数据存储单元，用于将所述压缩后点云数据存储至地图数据中。

第七实施例

本申请还提供一种电子设备。由于设备实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。

本实施例的一种电子设备，该电子设备包括：处理器和存储器；所述存储器，用于存储实现移动设备定位方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：接收第一移动设备发送的道路静态元素的压缩后点云数据；将所述压缩后点云数据存储至地图数据中。

第八实施例

在上述的实施例中，提供了一种移动设备定位系统，与之相对应的，本申请还提供一种移动设备定位方法。该方法是与上述方法的实施例相对应。

请参考图8，其为本申请的移动设备定位方法的实施例的流程图。由于该方法实施例基本相似于方法实施例一，所以描述得比较简单，相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。

本实施例的一种移动设备定位方法，包括：

步骤S801：采集道路环境点云数据；以及，确定移动设备的第一位姿数据；

在一个示例中，所述确定移动设备的第一位姿数据，可包括如下子步骤：1)获取移动设备的历史时刻的第二位姿数据；以及，确定当前时刻相对所述历史时刻的位姿变化数据；2)根据所述历史时刻的第二位姿数据、及所述位姿变化数据，确定所述第一位姿数据。

步骤S803：根据地图数据，确定与第一位姿对应的局域地图数据；

步骤S805：对局域地图数据中已压缩的道路静态元素数据执行解压缩；

在一个示例中，所述局域地图数据中已压缩的道路静态元素数据执行解压缩，包括：对已压缩的道路静态元素数据执行上采样。

在一个示例中，所述对已压缩的道路静态元素数据执行上采样，包括：1)根据所述局域地图数据，确定已压缩的道路静态元素的点云数据；2)确定所述已压缩的道路静态元素中各个点的相邻点云数据；3)根据所述相邻点云数据，确定上采样的点云数据。

在一个示例中，所述方法还可包括如下步骤：对上采样的点云数据执行平滑处理。

步骤S807：根据道路环境点云数据和解压缩后的点云数据，确定移动设备的第二位姿数据。

在一个示例中，若所述地图数据不包括与第一位姿对应的局域地图数据，则通过其它移动设备定位方法，确定所述第二位姿数据。

从上述实施例可见，本申请实施例提供的移动设备定位方法，通过采集道路环境点云数据；以及，确定移动设备的第一位姿数据；根据地图数据，确定与第一位姿对应的局域地图数据；局域地图数据中已压缩的道路静态元素数据执行解压缩；根据道路环境点云数据和解压缩后的点云数据，确定移动设备的第二位姿数据；这种处理方式，使得构建一种矢量地图和特征地图之外形式的地图，一方面其可将原始点云数据基于梯度进行自适应压缩，实现相当稀疏的采样后进行存储,因此地图3D点云具有稀疏性，由此实现紧凑的道路地图；另一方面，在基于该地图进行设备定位时，通过还原可重新得到稠密3D点云，恢复对道路环境的细微真实刻画；因此，可以有效兼顾较高的定位准确度和定位实时性两个方面。

第九实施例

请参考图9，其为本申请的移动设备定位装置的实施例的示意图。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。

本实施例的一种移动设备定位装置，包括：

数据采集单元901，用于采集道路环境点云数据；

第一定位单元902，用于确定移动设备的第一位姿数据；

局域地图数据确定单元903，用于根据地图数据，确定与第一位姿对应的局域地图数据；

局域地图数据还原单元905，用于局域地图数据中已压缩的道路静态元素数据执行解压缩；

第二定位单元，用于根据道路环境点云数据和解压缩后的点云数据，确定移动设备的第二位姿数据。

第十实施例

请参考图10，其为本申请的移动设备的实施例的示意图。由于设备实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。

本实施例的一种移动设备，该移动设备包括：点云数据采集装置1000，处理器1001和存储器1002；所述存储器，用于存储实现移动设备定位方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：采集道路环境点云数据；以及，确定移动设备的第一位姿数据；根据地图数据，确定与第一位姿对应的局域地图数据；局域地图数据中已压缩的道路静态元素数据执行解压缩；根据道路环境点云数据和解压缩后的点云数据，确定移动设备的第二位姿数据。

第十一实施例

在上述的实施例中，提供了一种移动设备定位系统，与之相对应的，本申请还提供一种移动设备定位方法。该方法是与上述方法的实施例相对应。由于该方法实施例基本相似于方法实施例一，所以描述得比较简单，相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。

本实施例的一种移动设备定位方法，包括：

步骤1：采集道路环境点云数据；以及，确定移动设备的第一位姿数据；

步骤2：向服务端发送针对所述点云数据的移动设备定位请求；所述定位请求包括所述第一位姿数据，以便于服务端根据地图数据，确定与第一位姿对应的局域地图数据；对局域地图数据中已压缩的道路静态元素数据执行解压缩；根据道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据；

步骤3：接收所述服务端回送的第二位姿数据。

从上述实施例可见，本申请实施例提供的移动设备定位方法，通过采集道路环境点云数据；以及，确定移动设备的第一位姿数据；向服务端发送针对所述点云数据的移动设备定位请求；所述定位请求包括所述第一位姿数据，以便于服务端根据地图数据，确定与第一位姿对应的局域地图数据；对局域地图数据中已压缩的道路静态元素数据执行解压缩；根据道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据；接收所述服务端回送的第二位姿数据；这种处理方式，使得构建一种矢量地图和特征地图之外形式的地图，一方面其可将原始点云数据基于梯度进行自适应压缩，实现相当稀疏的采样后进行存储,因此地图3D点云具有稀疏性，由此实现紧凑的道路地图；另一方面，在基于该地图进行设备定位时，通过还原可重新得到稠密3D点云，恢复对道路环境的细微真实刻画；因此，可以有效兼顾较高的定位准确度和定位实时性两个方面。

第十二实施例

本申请还提供一种移动设备定位装置的实施例。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。

本实施例的一种移动设备定位装置，包括：

数据采集单元，用于采集道路环境点云数据；

定位单元，用于确定移动设备的第一位姿数据；

数据发送单元，用于向服务端发送针对所述点云数据的移动设备定位请求；所述定位请求包括所述第一位姿数据，以便于服务端根据地图数据，确定与第一位姿对应的局域地图数据；对局域地图数据中已压缩的道路静态元素数据执行解压缩；根据道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据；

数据接收单元，用于接收所述服务端回送的第二位姿数据。

第十三实施例

本申请还提供一种移动设备。由于设备实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。

本实施例的一种移动设备，该移动设备包括：点云数据采集装置，处理器和存储器；所述存储器，用于存储实现移动设备定位方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：采集道路环境点云数据；以及，确定移动设备的第一位姿数据；向服务端发送针对所述点云数据的移动设备定位请求；所述定位请求包括所述第一位姿数据，以便于服务端根据地图数据，确定与第一位姿对应的局域地图数据；对局域地图数据中已压缩的道路静态元素数据执行解压缩；根据道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据。

第十四实施例

在上述的实施例中，提供了一种移动设备定位系统，与之相对应的，本申请还提供一种地图数据生成方法。该方法是与上述方法的实施例相对应。由于该方法实施例基本相似于方法实施例一，所以描述得比较简单，相关之处参见方法实施例一的部分说明即可。下述描述的方法实施例仅仅是示意性的。

本实施例的一种地图数据生成方法，包括：

步骤1：获取第一地图数据；所述第一地图数据采用如下方式生成：压缩道路环境点云数据中待压缩的道路静态元素的点云数据；至少根据压缩后的点云数据形成所述第一地图数据；

步骤2：对所述第一地图数据中已压缩的道路静态元素数据执行解压缩；

步骤3：将解压缩后的点云数据作为第二地图数据。

从上述实施例可见，本申请实施例提供的地图数据生成方法，通过获取第一地图数据；所述第一地图数据采用如下方式生成：压缩道路环境点云数据中待压缩的道路静态元素的点云数据；至少根据压缩后的点云数据形成所述第一地图数据；对所述第一地图数据中已压缩的道路静态元素数据执行解压缩；将解压缩后的点云数据作为第二地图数据；这种处理方式，使得构建一种矢量地图和特征地图之外形式的地图，一方面其可将原始点云数据基于梯度进行自适应压缩，实现相当稀疏的采样后进行存储,因此地图3D点云具有稀疏性，由此实现紧凑的道路地图；另一方面，在地图使用时，通过还原可重新得到稠密3D点云，恢复对道路环境的细微真实刻画；因此，可以有效兼顾较高的地图精度和较低的数据量两个方面，紧凑稀疏的3D点云地图，更加便于存储和传输，为达到兼顾准确度和实时性的设备定位提供数据基础。

第十五实施例

本申请还提供一种地图数据生成装置。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。

本实施例的一种地图数据生成装置，包括：

数据获取单元，用于获取第一地图数据；所述第一地图数据采用如下方式生成：压缩道路环境点云数据中待压缩的道路静态元素的点云数据；至少根据压缩后的点云数据形成所述第一地图数据；

数据解压缩单元，用于对所述第一地图数据中已压缩的道路静态元素数据执行解压缩；将解压缩后的点云数据作为第二地图数据。

第十六实施例

本申请还提供一种电子设备。由于设备实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。

本实施例的一种电子设备，该电子设备包括：处理器和存储器；所述存储器，用于存储实现地图数据生成方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：获取第一地图数据；所述第一地图数据采用如下方式生成：压缩道路环境点云数据中待压缩的道路静态元素的点云数据；至少根据压缩后的点云数据形成所述第一地图数据；对所述第一地图数据中已压缩的道路静态元素数据执行解压缩；将解压缩后的点云数据作为第二地图数据。

第十七实施例

在上述的实施例中，提供了一种移动设备定位系统，与之相对应的，本申请还提供一种地图数据生成方法。该方法是与上述方法的实施例相对应。

本实施例的一种地图数据生成方法，包括：

步骤1：采集道路环境点云数据；

步骤2：压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；

步骤3：将压缩后的点云数据存储至地图数据中。

从上述实施例可见，本申请实施例提供的地图数据生成方法，通过采集道路环境点云数据；压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；将压缩后的点云数据存储至地图数据中；这种处理方式，使得构建一种矢量地图和特征地图之外形式的地图，一方面其可将原始点云数据基于梯度进行自适应压缩，实现相当稀疏的采样后进行存储,因此地图3D点云具有稀疏性，由此实现紧凑的道路地图；另一方面，在地图使用时，通过还原可重新得到稠密3D点云，恢复对道路环境的细微真实刻画；因此，可以有效兼顾较高的地图精度和较低的数据量两个方面，紧凑稀疏的3D点云地图，更加便于存储和传输，为达到兼顾准确度和实时性的设备定位提供数据基础。

第十八实施例

本申请还提供一种地图数据生成装置。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。

本实施例的一种地图数据生成装置，包括：

数据采集单元，用于采集道路环境点云数据；

数据压缩单元，用于压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；

数据存储单元，用于将压缩后的点云数据存储至地图数据中。

第十九实施例

本申请还提供一种移动设备。由于设备实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。

本实施例的一种移动设备，该移动设备包括：点云数据采集装置，处理器和存储器；所述存储器，用于存储实现地图数据生成方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：采集道路环境点云数据；压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；将压缩后的点云数据存储至地图数据中。

第二十实施例

在上述的实施例中，提供了一种移动设备定位系统，与之相对应的，本申请还提供一种地图数据生成方法。该方法是与上述方法的实施例相对应。

本实施例的一种地图数据生成方法，包括：

步骤1：采集道路环境点云数据；

步骤2：向服务端发送所述点云数据，以便于服务端压缩所述点云数据中待压缩的道路静态元素的点云数据；将压缩后的点云数据存储至地图数据中。

从上述实施例可见，本申请实施例提供的地图数据生成方法，通过采集道路环境点云数据；向服务端发送所述点云数据，以便于服务端压缩所述点云数据中待压缩的道路静态元素的点云数据；将压缩后的点云数据存储至地图数据中；这种处理方式，使得构建一种矢量地图和特征地图之外形式的地图，一方面其可将原始点云数据基于梯度进行自适应压缩，实现相当稀疏的采样后进行存储,因此地图3D点云具有稀疏性，由此实现紧凑的道路地图；另一方面，在地图使用时，通过还原可重新得到稠密3D点云，恢复对道路环境的细微真实刻画；因此，可以有效兼顾较高的地图精度和较低的数据量两个方面，紧凑稀疏的3D点云地图，更加便于存储和传输，为达到兼顾准确度和实时性的设备定位提供数据基础。

第二十一实施例

在上述的实施例中，提供了一种移动设备定位系统，与之相对应的，本申请还提供一种地图数据生成方法。该方法是与上述方法的实施例相对应。

本实施例的一种地图数据生成方法，包括：

步骤1：接收第一移动设备发送的道路环境点云数据；

步骤2：压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；

步骤3：将压缩后的点云数据存储至地图数据中。

从上述实施例可见，本申请实施例提供的地图数据生成方法，通过接收第一移动设备发送的道路环境点云数据；压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；将压缩后的点云数据存储至地图数据中；这种处理方式，使得构建一种矢量地图和特征地图之外形式的地图，一方面其可将原始点云数据基于梯度进行自适应压缩，实现相当稀疏的采样后进行存储,因此地图3D点云具有稀疏性，由此实现紧凑的道路地图；另一方面，在地图使用时，通过还原可重新得到稠密3D点云，恢复对道路环境的细微真实刻画；因此，可以有效兼顾较高的地图精度和较低的数据量两个方面，紧凑稀疏的3D点云地图，更加便于存储和传输，为达到兼顾准确度和实时性的设备定位提供数据基础。

第二十二实施例

在上述的实施例中，提供了一种移动设备定位系统，与之相对应的，本申请还提供一种移动设备定位系统。该系统是与上述系统的实施例相对应，相同之处不再赘述。

本实施例的一种移动设备定位系统，包括：

第一移动设备，用于采集第一道路环境点云数据；压缩所述第一道路环境点云数据中待压缩的道路静态元素的点云数据；向服务端发送压缩后的点云数据；

服务端，用于接收所述压缩后的点云数据，将所述压缩后的点云数据存储至地图数据中；

第二移动设备，用于采集第二道路环境点云数据；压缩所述第二道路环境点云数据中待压缩的道路静态元素的点云数据；确定第二移动设备的第一位姿数据；根据所述地图数据，确定与第一位姿对应的局域地图数据；根据局域地图数据、和根据第二道路环境点云数据压缩后的点云数据，确定第二移动设备的第二位姿数据。

从上述实施例可见，本申请实施例提供的移动设备定位系统，通过第一移动设备采集第一道路环境点云数据；压缩第一道路环境点云数据中待压缩的道路静态元素的点云数据；向服务端发送解压缩后的点云数据；服务端将所述解压缩后的点云数据存储至地图数据中；以及，通过第二移动设备采集第二道路环境点云数据；压缩所述第二道路环境点云数据中待压缩的道路静态元素的点云数据；确定第二移动设备的第一位姿数据；根据所述地图数据，确定与第一位姿对应的局域地图数据；根据局域地图数据、和根据第二道路环境点云数据压缩后的点云数据，确定第二移动设备的第二位姿数据；这种处理方式，使得构建一种矢量地图和特征地图之外形式的地图，一方面其可将原始点云数据基于梯度进行自适应压缩，实现相当稀疏的采样后进行存储,因此地图3D点云具有稀疏性，由此实现紧凑的道路地图；另一方面，在基于该地图进行设备定位时，通过对实施的环境点云数据中的静态元素进行压缩，将压缩后数据与地图中的压缩数据直接进行配准；因此，可以有效兼顾较高的定位准确度和定位实时性两个方面。

第二十三实施例

在上述的实施例中，提供了一种移动设备定位系统，与之相对应的，本申请还提供一种地图数据生成方法。该方法是与上述方法的实施例相对应。

本实施例的一种地图数据选取方法，包括：

步骤1：采集道路环境点云数据；

步骤2：根据所述道路环境点云数据中道路静态元素的点云数据，确定地图元素；

步骤3：将地图元素存储至地图数据库。

所述地图元素，可采用如下方式的至少一种确定：根据静态元素数量，确定地图元素；根据静态元素与移动设备间的距离，确定地图元素；根据静态元素与道路间的关系，确定地图元素；根据道路类型，确定地图元素。

所述根据道路类型，并确定地图元素，可包括：若道路类型为城市道路，则将树木作为地图元素；若道路类型为农村道路，则将树木作为非地图元素。

从上述实施例可见，本申请实施例提供的地图数据选取方法，通过采集道路环境点云数据；根据所述道路环境点云数据中道路静态元素的点云数据，确定地图元素；将地图元素存储至地图数据库；这种处理方式，使得在确保地图数据能够支持移动设备定位的前提下，有效降低地图数据量，避免将所有道路静态元素存储至地图数据库中。

第二十四实施例

在上述的实施例中，提供了一种移动设备定位系统，与之相对应的，本申请还提供一种道路动态元素确定方法。该方法是与上述方法的实施例相对应。

本实施例的一种道路动态元素确定方法，包括：

步骤1：获取多帧道路环境点云数据；

步骤2：将多帧道路环境点云数据中发生变化的道路元素作为道路动态元素。

所述多帧道路环境点云数据，可以是同一移动设备在不同时刻采集的道路环境点云数据，也可以是不同移动设备在同一时刻采集的道路环境点云数据。

从上述实施例可见，本申请实施例提供的道路动态元素确定方法，通过获取多帧道路环境点云数据；将多帧道路环境点云数据中发生变化的道路元素作为道路动态元素；这种处理方式，使得根据多帧点云数据确定道路动态元素；因此，可以有效提升动态元素的准确度。

本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

2、本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。

Claims (45)

1.一种移动设备定位系统，其特征在于，包括：

第一移动设备，用于采集第一道路环境点云数据；根据所述第一环境点云数据，确定待压缩的道路静态元素的点云数据；压缩所述静态元素的点云数据；向服务端发送压缩后的点云数据；

服务端，用于接收所述压缩后的点云数据，将所述压缩后的点云数据存储至地图数据中；

第二移动设备，用于采集第二道路环境点云数据；确定第二移动设备的第一位姿数据；根据所述地图数据，确定与第一位姿对应的局域地图数据；对局域地图数据中已压缩的道路静态元素数据执行解压缩；根据第二道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据。

2.一种地图数据生成方法，其特征在于，包括：

采集道路环境点云数据；

压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；

向服务端发送压缩后的点云数据，以便于服务端将压缩后的点云数据存储至地图数据中。

3.根据权利要求2所述的方法，其特征在于，

所述压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据，包括：

确定与所述静态元素的元素类型对应的梯度阈值；

将点云间梯度达到所述梯度阈值的点云数据，作为压缩后的点云数据。

4.根据权利要求3所述的方法，其特征在于，不同元素类型对应不同梯度阈值。

5.根据权利要求2所述的方法，其特征在于，还包括：

对所述道路环境点云数据执行等间隔采样；

向服务端发送等间隔采样的点云数据，以便于服务端将等间隔采样的点云数据存储至地图数据中。

6.根据权利要求2所述的方法，其特征在于，所述待压缩的道路静态元素采用如下方式的至少一种确定：

根据静态元素数量，确定所述待压缩的道路静态元素；

根据静态元素与移动设备间的距离，确定所述待压缩的道路静态元素；

根据静态元素与道路间的关系，确定所述待压缩的道路静态元素；

根据道路类型，确定所述待压缩的道路静态元素。

7.根据权利要求6所述的方法，其特征在于，所述根据道路类型，并确定所述待压缩的道路静态元素，包括：

若道路类型为城市道路，则所述待压缩的道路静态元素不包括树木；

若道路类型为农村道路，则将树木作为所述待压缩的道路静态元素。

8.根据权利要求2所述的方法，其特征在于，还包括：

确定动态元素阈值；

确定道路元素的动态元素得分；

若所述得分未达到动态元素阈值，则将所述道路元素作为道路静态元素。

9.根据权利要求8所述的方法，其特征在于，

若所述动态元素阈值为强动态元素阈值，则所述道路静态元素包括树木；

若所述动态元素阈值为弱动态元素阈值，则所述道路静态元素不包括树木。

10.根据权利要求2所述的方法，其特征在于，还包括：

获取多帧道路环境点云数据；

将多帧道路环境点云数据中发生变化的道路元素作为道路动态元素。

11.根据权利要求2所述的方法，其特征在于，

不同元素类型的静态元素对应不同的压缩方法。

12.根据权利要求11所述的方法，其特征在于，

道路地面元素采用基于局域平面的道路元素压缩方法；

曲面类静态元素采用上述权利要求3的基于梯度自适应的道路元素压缩方法。

13.一种移动设备定位方法，其特征在于，包括：

接收第一移动设备发送的道路静态元素的压缩后点云数据；

将所述压缩后点云数据存储至地图数据中。

14.根据权利要求13所述的方法，其特征在于，所述压缩后点云数据包括：点云间梯度达到与静态元素的元素类型对应的梯度阈值的点云数据。

15.根据权利要求13所述的方法，其特征在于，还包括：

接收第二移动设备发送的针对道路环境点云数据的移动设备定位请求；所述定位请求包括第二移动设备在点云数据采集时间的第一位姿数据；

根据所述地图数据，确定与第一位姿对应的局域地图数据；

对局域地图数据中已压缩的道路静态元素数据执行解压缩；

根据道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据；

向所述第二移动设备回送所述第二位姿数据。

16.根据权利要求13所述的方法，其特征在于，所述对局域地图数据中已压缩的道路静态元素数据执行解压缩，包括：

对已压缩的道路静态元素执行上采样。

17.根据权利要求13所述的方法，其特征在于，还包括：

向第二移动设备发送所述地图数据。

18.一种移动设备定位方法，其特征在于，包括：

采集道路环境点云数据；以及，确定移动设备的第一位姿数据；

根据地图数据，确定与第一位姿对应的局域地图数据；

对局域地图数据中已压缩的道路静态元素数据执行解压缩；

根据道路环境点云数据和解压缩后的点云数据，确定移动设备的第二位姿数据。

19.根据权利要求18所述的方法，其特征在于，所述局域地图数据中已压缩的道路静态元素数据执行解压缩，包括：

对已压缩的道路静态元素数据执行上采样。

20.根据权利要求19所述的方法，其特征在于，所述对已压缩的道路静态元素数据执行上采样，包括：

根据所述局域地图数据，确定已压缩的道路静态元素的点云数据；

确定所述已压缩的道路静态元素中各个点的相邻点云数据；

根据所述相邻点云数据，确定上采样的点云数据。

21.根据权利要求19所述的方法，其特征在于，还包括：

对上采样的点云数据执行平滑处理。

22.根据权利要求18所述的方法，其特征在于，

若所述地图数据不包括与第一位姿对应的局域地图数据，则通过其它移动设备定位方法，确定所述第二位姿数据。

23.一种移动设备定位方法，其特征在于，包括：

采集道路环境点云数据；以及，确定移动设备的第一位姿数据；

向服务端发送针对所述点云数据的移动设备定位请求；所述定位请求包括所述第一位姿数据，以便于服务端根据地图数据，确定与第一位姿对应的局域地图数据；对局域地图数据中已压缩的道路静态元素数据执行解压缩；根据道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据；

接收所述服务端回送的第二位姿数据。

24.一种地图数据生成方法，其特征在于，包括：

采集道路环境点云数据；

压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；

将压缩后的点云数据存储至地图数据中。

25.一种地图数据生成方法，其特征在于，包括：

获取第一地图数据；所述第一地图数据采用如下方式生成：压缩道路环境点云数据中待压缩的道路静态元素的点云数据；至少根据压缩后的点云数据形成所述第一地图数据；

对所述第一地图数据中已压缩的道路静态元素数据执行解压缩；

将解压缩后的点云数据作为第二地图数据。

26.一种地图数据生成装置，其特征在于，包括：

数据采集单元，用于采集道路环境点云数据；

数据压缩单元，用于压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；

数据发送单元，用于向服务端发送压缩后的点云数据，以便于服务端将压缩后的点云数据存储至地图数据中。

27.一种移动设备定位装置，其特征在于，包括：

数据接收单元，用于接收第一移动设备发送的道路静态元素的压缩后点云数据；

数据存储单元，用于将所述压缩后点云数据存储至地图数据中。

28.一种移动设备定位装置，其特征在于，包括：

数据采集单元，用于采集道路环境点云数据；

第一定位单元，用于确定移动设备的第一位姿数据；

局域地图数据确定单元，用于根据地图数据，确定与第一位姿对应的局域地图数据；

局域地图数据还原单元，用于局域地图数据中已压缩的道路静态元素数据执行解压缩；

第二定位单元，用于根据道路环境点云数据和解压缩后的点云数据，确定移动设备的第二位姿数据。

29.一种移动设备定位装置，其特征在于，包括：

数据采集单元，用于采集道路环境点云数据；

定位单元，用于确定移动设备的第一位姿数据；

数据发送单元，用于向服务端发送针对所述点云数据的移动设备定位请求；所述定位请求包括所述第一位姿数据，以便于服务端根据地图数据，确定与第一位姿对应的局域地图数据；对局域地图数据中已压缩的道路静态元素数据执行解压缩；根据道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据；

数据接收单元，用于接收所述服务端回送的第二位姿数据。

30.一种地图数据生成装置，其特征在于，包括：

数据获取单元，用于获取第一地图数据；所述第一地图数据采用如下方式生成：压缩道路环境点云数据中待压缩的道路静态元素的点云数据；至少根据压缩后的点云数据形成所述第一地图数据；

数据解压缩单元，用于对所述第一地图数据中已压缩的道路静态元素数据执行解压缩；将解压缩后的点云数据作为第二地图数据。

31.一种移动设备，其特征在于，包括：

点云数据采集装置；

处理器；以及

存储器，用于存储实现地图数据生成方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：采集道路环境点云数据；压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；向服务端发送压缩后的点云数据，以便于服务端将压缩后的点云数据存储至地图数据中。

32.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储实现移动设备定位方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：接收第一移动设备发送的道路静态元素的压缩后点云数据；将所述压缩后点云数据存储至地图数据中。

33.一种移动设备，其特征在于，包括：

点云数据采集装置；

处理器；以及

存储器，用于存储实现移动设备定位方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：采集道路环境点云数据；以及，确定移动设备的第一位姿数据；根据地图数据，确定与第一位姿对应的局域地图数据；局域地图数据中已压缩的道路静态元素数据执行解压缩；根据道路环境点云数据和解压缩后的点云数据，确定移动设备的第二位姿数据。

34.一种移动设备，其特征在于，包括：

点云数据采集装置；

处理器；以及

存储器，用于存储实现移动设备定位方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：采集道路环境点云数据；以及，确定移动设备的第一位姿数据；向服务端发送针对所述点云数据的移动设备定位请求；所述定位请求包括所述第一位姿数据，以便于服务端根据地图数据，确定与第一位姿对应的局域地图数据；对局域地图数据中已压缩的道路静态元素数据执行解压缩；根据道路环境点云数据和解压缩后的点云数据，确定第二移动设备的第二位姿数据。

35.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储实现地图数据生成方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤：所述第一地图数据采用如下方式生成：压缩道路环境点云数据中待压缩的道路静态元素的点云数据；至少根据压缩后的点云数据形成所述第一地图数据；对所述第一地图数据中已压缩的道路静态元素数据执行解压缩；将解压缩后的点云数据作为第二地图数据。

36.一种地图数据生成方法，其特征在于，包括：

采集道路环境点云数据；

向服务端发送所述点云数据，以便于服务端压缩所述点云数据中待压缩的道路静态元素的点云数据；将压缩后的点云数据存储至地图数据中。

37.一种移动设备定位方法，其特征在于，包括：

接收第一移动设备发送的道路环境点云数据；

压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；

将压缩后的点云数据存储至地图数据中。

38.一种移动设备定位系统，其特征在于，包括：

第一移动设备，用于采集第一道路环境点云数据；压缩所述第一道路环境点云数据中待压缩的道路静态元素的点云数据；向服务端发送压缩后的点云数据；

服务端，用于接收所述压缩后的点云数据，将所述压缩后的点云数据存储至地图数据中；

第二移动设备，用于采集第二道路环境点云数据；压缩所述第二道路环境点云数据中待压缩的道路静态元素的点云数据；确定第二移动设备的第一位姿数据；根据所述地图数据，确定与第一位姿对应的局域地图数据；根据局域地图数据和压缩后点云数据，确定第二移动设备的第二位姿数据。

39.一种地图数据选取方法，其特征在于，包括：

采集道路环境点云数据；

根据所述道路环境点云数据中道路静态元素的点云数据，确定地图元素；

将地图元素存储至地图数据库。

40.根据权利要求39所述的方法，其特征在于，所述地图元素采用如下方式的至少一种确定：

根据静态元素数量，确定地图元素；

根据静态元素与移动设备间的距离，确定地图元素；

根据静态元素与道路间的关系，确定地图元素；

根据道路类型，确定地图元素。

41.根据权利要求40所述的方法，其特征在于，所述根据道路类型，并确定地图元素，包括：

若道路类型为城市道路，则将树木作为地图元素；

若道路类型为农村道路，则将树木作为非地图元素。

42.一种道路动态元素确定方法，其特征在于，包括：

获取多帧道路环境点云数据；

将多帧道路环境点云数据中发生变化的道路元素作为道路动态元素。

43.根据权利要求42所述的方法，其特征在于，所述多帧道路环境点云数据包括：同一移动设备在不同时刻采集的道路环境点云数据，不同移动设备在同一时刻采集的道路环境点云数据。

44.一种地图数据生成装置，其特征在于，包括：

数据采集单元，用于采集道路环境点云数据；

数据压缩单元，用于压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；

数据存储单元，用于将压缩后的点云数据存储至地图数据中。

45.一种移动设备，其特征在于，包括：

点云数据采集装置；

处理器；以及

存储器，用于存储实现地图数据生成方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述步骤:采集道路环境点云数据；压缩所述道路环境点云数据中待压缩的道路静态元素的点云数据；将压缩后的点云数据存储至地图数据中。

Images