CN113157842A - 一种地图生成方法、装置、电子设备及可读存储介质 - Google Patents

一种地图生成方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN113157842A
CN113157842A CN202110393986.3A CN202110393986A CN113157842A CN 113157842 A CN113157842 A CN 113157842A CN 202110393986 A CN202110393986 A CN 202110393986A CN 113157842 A CN113157842 A CN 113157842A
Authority
CN
China
Prior art keywords
lane
map
lanes
information
parameter information
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.)
Pending
Application number
CN202110393986.3A
Other languages
English (en)
Inventor
耿芳东
施媛媛
施小东
党诗芽
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.)
China Mobile Communications Group Co Ltd
China Mobile Shanghai ICT Co Ltd
CM Intelligent Mobility Network Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Shanghai ICT Co Ltd
CM Intelligent Mobility Network 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 China Mobile Communications Group Co Ltd, China Mobile Shanghai ICT Co Ltd, CM Intelligent Mobility Network Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202110393986.3A priority Critical patent/CN113157842A/zh
Publication of CN113157842A publication Critical patent/CN113157842A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Remote Sensing (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Library & Information Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种地图生成方法、装置和电子设备，所述方法包括：获取车道边界线上至少两个第一位置的第一参数信息；基于所述第一参数信息确定所述车道的边界线、长度以及所述车道之间的拓扑关系；基于所述车道的边界线、长度和所述车道之间的拓扑关系，构建所述车道的有向图作为第一地图；在所述第一地图中增加驾驶规则信息，生成第二地图。本申请可以提高地图生成的效率。

Description

一种地图生成方法、装置、电子设备及可读存储介质
技术领域
本申请涉及无人驾驶技术领域，尤其涉及一种地图生成方法、装置、电子设备及可读存储介质。
背景技术
对自动驾驶系统来说，高精度地图和定位是必不可少的技术。高精度地图作为一种被先行验证过的信息，可以弥补自动驾驶车辆传感器的功能缺陷，并且提供超视距的感知能力，为车辆决策控制提供依据。目前面向无人驾驶车辆的高精度地图需要按照行车轨迹采集大量数据进行制作，效率较低。
发明内容
本申请提供一种地图生成方法、装置、电子设备及可读存储介质，以解决地图制作效率较低的问题。
第一方面，本申请实施例提供了一种地图生成方法，包括：
获取车道边界线上至少两个第一位置的第一参数信息；
基于所述第一参数信息确定所述车道的边界线、长度以及所述车道之间的拓扑关系；
基于所述车道的边界线、长度和所述车道之间的拓扑关系，构建所述车道的有向图作为第一地图；
在所述第一地图中增加驾驶规则信息，生成第二地图。
第二方面，本申请实施例还提供一种地图生成装置，包括：
第一获取模块，用于获取车道边界线上至少两个第一位置的第一参数信息；
第一确定模块，用于基于所述第一参数信息确定所述车道的边界线、长度以及所述车道之间的拓扑关系；
第一构建模块，用于基于所述车道的边界线、长度和所述车道之间的拓扑关系，构建所述车道的有向图作为第一地图；
生成模块，用于在所述第一地图中增加驾驶规则信息，生成第二地图。
第三方面，本申请实施例还提供一种电子设备，包括处理器、存储器及存储在所述存储器上并在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如前述第一方面所述方法中的步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，用于存储程序，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前述第一方面所述方法中的步骤。
这样，本申请实施例中，通过获取车道边界线上至少两个第一位置的第一参数信息，基于所述第一参数信息确定所述车道的边界线、长度以及所述车道之间的拓扑关系，从而构建所述车道的有向图并增加驾驶规则信息生成所述第二地图，可以仅需采集车道边界线上的点数据，减少生成地图的采集数据量，从而提高所述地图生成的效率。
附图说明
为了更清楚地说明本申请的技术方案，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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的地图生成方法的流程示意图；
图2是本申请实施例提供的地图生成装置的结构示意图之一；
图3是本申请实施例提供的地图生成装置的结构示意图之二；
图4是本申请实施例提供的地图生成装置的结构示意图之三；
图5是本申请实施例提供的地图生成装置的结构示意图之四；
图6是本申请实施例提供的电子设备的结构示意图。
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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例中的术语“第一”、“第二”等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。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。此外，本申请中使用“和/或”表示所连接对象的至少其中之一，例如A和/或B和/或C，表示包含单独A，单独B，单独C，以及A和B都存在，B和C都存在，A和C都存在，以及A、B和C都存在的7种情况。
请参阅图1，图1是本申请实施例提供的地图生成方法的流程示意图，如图1所示，地图生成方法可以包括以下步骤：
步骤101、获取车道边界线上至少两个第一位置的第一参数信息。
其中，上述获取的方式可以是通过采集设备采集传感器数据，例如：可以利用无人驾驶车辆搭载三维激光雷达、GNSS(Global Navigation Satellite System，全球导航卫星系统)、IMU(Inertial Measurement Unit，惯性测量单元)等激光雷达设备采集各传感器数据。
其中，上述第一参数信息可以包括上述至少两个第一位置的坐标数据，例如：将上述采集的传感器数据中至少两个第一位置统一到一个坐标系中确定的各点坐标数据等。并且，上述至少两个第一位置之间可以是任意间隔，本申请对此不作限制。
步骤102、基于所述第一参数信息确定所述车道的边界线、长度以及所述车道之间的拓扑关系。
其中，上述拓扑关系可以包括上述车道之间的邻接关系，例如：根据在车道的边界线上获取多个位置的坐标数据，可以区分不同的车道以及确定每个车道的边界线对应的前驱和后继，从而获取上述车道之间的拓扑关系。
步骤103、基于所述车道的边界线、长度和所述车道之间的拓扑关系，构建所述车道的有向图作为第一地图。
步骤104、在所述第一地图中增加驾驶规则信息，生成第二地图。
其中，上述驾驶规则信息可以包括在驾驶过程中预先设定的需要遵守的规则信息，例如：可以预先设定当驾驶的车道没有其他车辆时，自动驾驶车辆可以获取该车道交通标识的限速，根据实际驾驶情况与限速的关系，保持匀速巡航。又例如：还可以根据获取的车道上的交通标识和车道之间的拓扑关系，对上述第一地图中车道的交通可通行性状态进行标记，以提高地图导航的准确性。
另外，上述第二地图可以存储在XML(Extensible Markup Language，可扩展标记语言)文件格式中，易于在应用程序中读/写数据，提高对所述地图的存储能力。
本申请实施例中，通过获取车道边界线上至少两个第一位置的第一参数信息，基于所述第一参数信息确定所述车道的边界线、长度以及所述车道之间的拓扑关系，从而构建所述车道的有向图并增加驾驶规则信息生成所述第二地图，可以仅需采集车道边界线上的点数据，减少生成地图的采集数据量，从而提高所述地图生成的效率。
可选地，所述步骤104中在所述第一地图中增加驾驶规则信息，生成第二地图之后，所述方法还可以包括以下步骤：
基于所述第二地图获取每个车道中心线上至少两个第二位置的第二参数信息；
基于所述第二参数信息构建KD树；
获取车辆的位置信息；
基于所述车辆的位置信息和所述KD树，确定所述车辆在所述至少两个第二位置中的最近邻点。
其中，上述第二参数信息可以与上述第一参数信息相对应，可以包括上述至少两个第二位置的坐标数据，例如：将上述至少两个第二位置统一到一个坐标系中确定的各点GPS(Global Positioning System，全球定位系统)坐标数据等，并且可以在上述车道中心线上进行抽取上述至少两个第二位置。
另外，上述至少两个第二位置可以按照等间距进行确定，例如：在车道中心线上每隔1厘米确定一个位置的经纬度信息，可以根据上述车辆的经纬度信息按照KD树(K-dimensional Tree)的搜索步骤确定上述车辆的最近邻点。
具体地，上述KD树的创建可以具体包括以下过程：
将上述至少两个第二位置的经纬度作为空间数据集的两个维度；选择方差较大的维度的中位数作为KD树的根节点，以所有中心点的纬度坐标的中位数为切分点，将根节点对应的超矩形区域切分为两个子区域，切分由通过切分点并与被选择维度相应坐标轴垂直的超平面实现，重复上述切分过程直到子节点为叶子节点。
上述KD数的搜索步骤可以具体包括以下过程：
查找最近邻点：根据车辆的位置信息确定车辆的坐标点，从根节点开始按照车辆的坐标点与各个结点的比较结果向下访问KD树，直至达到叶子结点；达到叶子结点时，计算车辆与叶子结点上保存的数据之间的距离，记录下最小距离对应的数据点，记为当前最近邻点和最小距离，其中，车辆的坐标点与结点的比较指的是将车辆的坐标点对应于结点中的k维度上的值Q(k)与中值m进行比较，若Q(k)<m，则访问左子树，否则访问右子树；
进行回溯操作：判断未被访问过的分支里是否还有离车辆更近的点，即判断是否存在其他节点与车辆之间的距离小于最小距离：如果车辆的坐标点与其父结点下的未被访问过的分支之间的距离小于最小距离，则认为该分支中存在离车辆更近的数据，进入该结点，进行上述查找过程，如果找到更近的数据点，则更新为当前的最近邻点，并更新最小距离；如果车辆的坐标点与其父结点下的未被访问过的分支之间的距离大于最小距离，则说明该分支内不存在与车辆更近的点。
该实施方式中，基于所述车辆的位置信息和所述KD树，确定所述车辆在所述至少两个第二位置中的最近邻点，可以快速进行车道定位和路径规划，提高所述第二地图的使用便捷性。
可选地，所述驾驶规则信息可以包括如下一项或多项：
交通规则信息、交通标识信息、交通信号灯信息、所述车道对应的驾驶规则信息。
其中，上述交通规则信息可以包括规范性文件中对驾驶行为的约束和规范等内容，例如：法律、法规等记载的交通道路行驶规则等信息。
其中，上述车道对应的驾驶规则信息可以与车道的具体情况对应，例如：上述驾驶规则信息可以规定当某车道与其他车道有交叉时，自动驾驶车辆在进入该车道时，触发减速或者停车动作，以避免发生碰撞。
该实施方式中，将交通规则信息、交通标识信息、交通信号灯信息、所述车道对应的驾驶规则信息作为驾驶规则信息增加到所述第二地图中，可以提高所述第二地图的准确度。
可选地，所述步骤103中基于所述车道的边界线、长度和所述车道之间的拓扑关系，构建所述车道的有向图作为第一地图，可以包括：
基于所述车道的边界线和所述车道之间的拓扑关系，构建邻接表矩阵；
将所述车道的长度作为所述邻接表矩阵的权重，并基于所述邻接表矩阵的权重构建所述有向图作为所述第一地图。
该实施方式中，通过将所述车道的长度作为所述邻接表矩阵的权重，并基于所述邻接表矩阵的权重构建所述有向图作为所述第一地图，可以快速进行车道级路径规划并确定规划路径的长度。
可选地，所述步骤102中基于所述第一参数信息确定所述车道的边界线、长度以及所述车道之间的拓扑关系，可以包括：
基于所述第一参数信息和预设拟合曲线公式确定所述车道的边界线和拟合结果；
基于所述第一参数信息和所述拟合结果获取所述车道的长度和所述车道之间的拓扑关系。
具体地，上述预设拟合曲线公式的相关参数可以根据上述第一参数信息确定，例如：将上述至少两个第一位置的坐标信息代入上述预设拟合曲线公式中，确定拟合曲线的参数，拟合过程中还可以利用均方误差对上述拟合曲线进行评估，并且可以将上述第一位置中未落在上述拟合曲线上的点通过插值的方式对上述拟合曲线进行修正，以提高上述拟合曲线的准确度。
其中，上述车道的长度可以根据车道对应的拟合曲线确定，例如：某车道对应的上述拟合曲线中，可以根据每两个相邻点坐标计算每两个相邻点之间的长度，从而获取上述车道的总长度。
该实施方式中，基于所述第一参数信息和预设拟合曲线公式确定所述车道的边界线和拟合结果，并基于所述第一参数信息和所述拟合结果获取所述车道的长度和所述车道之间的拓扑关系，可以对所述地图进行高效的语义表达，读取高效的同时降低存储量。
本发明实施例中介绍的多种可选的实施方式，在彼此不冲突的情况下可以相互结合实现，也可以单独实现，对此本发明实施例不作限定。
为方便理解，示例说明如下：
地图生成方法可以包括以下具体过程：
利用三维激光雷达等设备采集各传感器数据，并对采集数据依次进行标定、融合和拼接，生成地面点云数据：
在外业过程中，选取数据采集路线后，利用无人驾驶车辆搭载激光雷达设备(包括三维激光雷达、GNSS、IMU等)采集各传感器数据，同时技术人员在负责控制采集设备的电脑系统上实时监控采集情况，确认采集设备处于正常工作状态；
为将激光雷达、IMU、摄像头等统一到一个坐标系下，在采集完数据后先进行多传感器标定，通过内业处理把各传感器数据融合到一起，随后利用无人驾驶车辆姿态数据和激光雷达数据拼接生成地面点云数据。
将地面点云数据中的GPS坐标点拟合成车道边界线轨迹，可以具体包括以下内容：
定义拟合曲线公式：
Figure BDA0003017855360000071
其中，y(x,W)表示拟合曲线，x表示车道边界线上的坐标点的横坐标，w0、w1、w2…wM表示多项式的系数，记做W；M表示多项式的阶数；
使用均方误差来对拟合确定的多项式进行评估，均方误差可以通过以下公式计算：
Figure BDA0003017855360000072
其中，E(W)表示均方误差；xn和tn分别表示上述车道边界线上的坐标点的横坐标和纵坐标；y(xn,W)表示在上述拟合曲线上xn对应的纵坐标，N表示上述车道边界线上的坐标点的数量；
取出车道边界线上不位于上述拟合曲线上的点，进行拟合修正，可以通过以下公式计算：
Figure BDA0003017855360000081
其中，
Figure BDA0003017855360000082
表示拟合修正后的均方误差；xn和tn分别表示上述车道边界线上不位于上述拟合曲线上的坐标点的横坐标和纵坐标；y(xn,W)表示在上述拟合曲线上xn对应的纵坐标，N表示上述车道边界线上不位于上述拟合曲线上的坐标点的数量；λ表示插值；W表示多项式的系数；
根据上述拟合修正生成连续的拟合曲线作为车道边界线轨迹。
生成基于拓扑关系和权重的加权有向图，可以具体包括以下内容：
根据拟合曲线分别计算每条道路的长度；
根据每条车道拟合曲线的前驱和后继，构建邻接表矩阵；
将每条道路的长度作为邻接表矩阵的权重加入，使其成为一张全局地图的加权有向图，在高精地图用于车道级路径规划时，可直接使用邻接表矩阵。
生成符合驾驶习惯的交通标识地图，具体可以包括以下内容：
根据交通标识及车道拓扑联系，标记地图交通可通行性状态；
当车道没有其他车辆时，自动驾驶汽车获取到该车道的最高(低)限速，根据实际驾驶情况与交通标识关系，保持匀速巡航；
当该车道是作为汇入其他车道，自动驾驶车辆在进入该车道时，就可以尽可能的与同向车道的车辆的运动速度趋同，以保持安全距离；
当该车道与其他车道有交叉时，自动驾驶车辆在进入该车道时，触发减速或者停车动作，以避免发生碰撞；
当该车道驶入路口时，标记路口停止线和关联红绿灯的位置；
获取红绿灯的当前状态，红绿灯的当前状态与地图中红绿灯的状态不一致时，修改地图中红绿灯状态与红绿灯的当前状态一致，例如：地图中某个红绿灯的状态为红灯，若自动驾驶汽车驶入路口时该红绿灯的状态为绿灯，修改地图中红绿灯的状态为红灯，同时自动驾驶汽车停止在路口停止线之前。
建立地图KD树，从而确定车辆的最近邻点，可以具体包括以下内容：
按照一定距离抽取车道中心线上等距离车道中心点的经纬度，作为空间数据集的两个维度；
构造根节点，选择方差较大的维度的中位数作为根节点，以所有中心点的纬度坐标的中位数为切分点，根据根节点对应的超矩形区域切分为两个子区域，切分由通过切分点并与被选择维度相应坐标轴垂直的超平面实现，其中，上述切分的顺序可以是对两个维度进行轮换，例如，在第一次切分被选择维度相应坐标轴垂直的超平面是纬度方向时，第二次切分选择的超平面是经度方向，第三次切分选择的超平面是纬度方向，以此类推；
重复以上切分操作直到子节点为叶子节点；
根据无人驾驶车辆位置获取无人驾驶车辆的经纬度，从根结点开始，按照Q与各个结点的比较结果向下访问KD树，直至达到叶子结点。其中，Q表示无人驾驶车辆与上述节点在同一坐标系的坐标点，Q与结点的比较指的是将无人驾驶车辆的经纬度对应于结点中的k维度上的值与中值m进行比较，若Q(k)<m，则访问左子树，否则访问右子树。达到叶子结点时，计算Q与叶子结点上保存的数据之间的距离，记录下最小距离对应的数据点，记为当前最近邻点nearest和最小距离dis；
进行回溯操作，该操作是为了找到离Q更近的“最近邻点”，即判断未被访问过的分支里是否还有离Q更近的点，它们之间的距离小于dis：
如果Q与其父结点下的未被访问过的分支之间的距离小于dis，则认为该分支中存在离Q更近的数据，进入该结点，进行上述查找过程，如果找到更近的数据点，则更新为当前的最近邻点nearest，并更新dis；
如果Q与其父结点下的未被访问过的分支之间的距离大于dis，则说明该分支内不存在与Q更近的点；
回溯的判断过程是从下往上进行的，直到回溯到根结点时已经不存在与Q更近的分支为止。
本申请实施例中，通过采集车道边界线上的点坐标，获取车道的边界线和车道之间的拓扑关系，并将驾驶规则信息加入地图中，数据采集量降低的同时，还可以对所述地图进行高效的读取，从而利用KD树快速进行车道定位和路径规划。
请参阅图2，图2是本申请实施例提供的一种地图生成装置的结构示意图之一，如图2所示，装置200包括：
第一获取模块201，用于获取车道边界线上至少两个第一位置的第一参数信息；
第一确定模块202，用于基于所述第一参数信息确定所述车道的边界线、长度以及所述车道之间的拓扑关系；
第一构建模块203，用于基于所述车道的边界线、长度和所述车道之间的拓扑关系，构建所述车道的有向图作为第一地图；
生成模块204，用于在所述第一地图中增加驾驶规则信息，生成第二地图。
可选地，如图3所示，所述装置200还可以包括：
第二获取模块205，用于基于所述第二地图获取每个车道中心线上至少两个第二位置的第二参数信息；
第二构建模块206，用于基于所述第二参数信息构建KD树；
第三获取模块207，用于获取车辆的位置信息；
第二确定模块208，用于基于所述车辆的位置信息和所述KD树确定所述车辆在所述至少两个第二位置中的最近邻点。
可选地，所述驾驶规则信息可以包括如下一项或多项：
交通规则信息、交通标识信息、交通信号灯信息、所述车道对应的驾驶规则信息。
可选地，如图4所示，所述第一构建模块203可以包括：
第一构建单元2031，用于基于所述车道的边界线和所述车道之间的拓扑关系，构建邻接表矩阵；
第二构建单元2032，用于将所述车道的长度作为所述邻接表矩阵的权重，并基于所述邻接表矩阵的权重构建所述有向图作为所述第一地图。
可选地，如图5所示，所述第一确定模块202可以包括：
确定单元2021，用于基于所述第一参数信息和预设拟合曲线公式确定所述车道的边界线和拟合结果；
获取单元2022，用于基于所述第一参数信息和所述拟合结果获取所述车道的长度和所述车道之间的拓扑关系。
地图生成装置200能够实现本申请实施例中图1方法实施例的各个过程，以及达到相同的有益效果，为避免重复，这里不再赘述。
本申请实施例还提供一种电子设备。请参见图6，该电子设备600包括处理器601，存储器602，存储在存储器602上并可在处理器601上运行的程序或指令，该程序或指令被处理器601执行时实现上述地图生成方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法的全部或者部分步骤是可以通过程序指令相关的硬件来完成，所述的程序可以存储于一可读取介质中。本申请实施例还提供一种计算机可读存储介质，用于存储程序，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时可实现上述图1对应的方法实施例中的任意步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
所述的存储介质，如只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等。
以上所述是本申请实施例的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (12)

1.一种地图生成方法，其特征在于，包括：
获取车道边界线上至少两个第一位置的第一参数信息；
基于所述第一参数信息确定所述车道的边界线、长度以及所述车道之间的拓扑关系；
基于所述车道的边界线、长度和所述车道之间的拓扑关系，构建所述车道的有向图作为第一地图；
在所述第一地图中增加驾驶规则信息，生成第二地图。
2.如权利要求1所述的方法，其特征在于，所述在所述第一地图中增加驾驶规则信息，生成第二地图之后，所述方法还包括：
基于所述第二地图获取每个车道中心线上至少两个第二位置的第二参数信息；
基于所述第二参数信息构建KD树；
获取车辆的位置信息；
基于所述车辆的位置信息和所述KD树，确定所述车辆在所述至少两个第二位置中的最近邻点。
3.如权利要求1所述的方法，其特征在于，所述驾驶规则信息包括如下一项或多项：
交通规则信息、交通标识信息、交通信号灯信息、所述车道对应的驾驶规则信息。
4.如权利要求1所述的方法，其特征在于，所述基于所述车道的边界线、长度和所述车道之间的拓扑关系，构建所述车道的有向图作为第一地图，包括：
基于所述车道的边界线和所述车道之间的拓扑关系，构建邻接表矩阵；
将所述车道的长度作为所述邻接表矩阵的权重，并基于所述邻接表矩阵的权重构建所述有向图作为所述第一地图。
5.如权利要求1所述的方法，其特征在于，所述基于所述第一参数信息确定所述车道的边界线、长度以及所述车道之间的拓扑关系，包括：
基于所述第一参数信息和预设拟合曲线公式确定所述车道的边界线和拟合结果；
基于所述第一参数信息和所述拟合结果获取所述车道的长度和所述车道之间的拓扑关系。
6.一种地图生成装置，其特征在于，包括：
第一获取模块，用于获取车道边界线上至少两个第一位置的第一参数信息；
第一确定模块，用于基于所述第一参数信息确定所述车道的边界线、长度以及所述车道之间的拓扑关系；
第一构建模块，用于基于所述车道的边界线、长度和所述车道之间的拓扑关系，构建所述车道的有向图作为第一地图；
生成模块，用于在所述第一地图中增加驾驶规则信息，生成第二地图。
7.如权利要求6所述的装置，其特征在于，所述装置还包括：
第二获取模块，用于基于所述第二地图获取每个车道中心线上至少两个第二位置的第二参数信息；
第二构建模块，用于基于所述第二参数信息构建KD树；
第三获取模块，用于获取车辆的位置信息；
第二确定模块，用于基于所述车辆的位置信息和所述KD树确定所述车辆在所述至少两个第二位置中的最近邻点。
8.如权利要求6所述的装置，其特征在于，所述驾驶规则信息包括如下一项或多项：
交通规则信息、交通标识信息、交通信号灯信息、所述车道对应的驾驶规则信息。
9.如权利要求6所述的装置，其特征在于，所述第一构建模块包括：
第一构建单元，用于基于所述车道的边界线和所述车道之间的拓扑关系，构建邻接表矩阵；
第二构建单元，用于将所述车道的长度作为所述邻接表矩阵的权重，并基于所述邻接表矩阵的权重构建所述有向图作为所述第一地图。
10.如权利要求6所述的装置，其特征在于，所述第一确定模块包括：
确定单元，用于基于所述第一参数信息和预设拟合曲线公式确定所述车道的边界线和拟合结果；
获取单元，用于基于所述第一参数信息和所述拟合结果获取所述车道的长度和所述车道之间的拓扑关系。
11.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至5中任一项所述的地图生成方法的步骤。
12.一种计算机可读存储介质，其特征在于，用于存储程序，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的地图生成方法中的步骤。
CN202110393986.3A 2021-04-13 2021-04-13 一种地图生成方法、装置、电子设备及可读存储介质 Pending CN113157842A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110393986.3A CN113157842A (zh) 2021-04-13 2021-04-13 一种地图生成方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110393986.3A CN113157842A (zh) 2021-04-13 2021-04-13 一种地图生成方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN113157842A true CN113157842A (zh) 2021-07-23

Family

ID=76890184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110393986.3A Pending CN113157842A (zh) 2021-04-13 2021-04-13 一种地图生成方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN113157842A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113847927A (zh) * 2021-09-30 2021-12-28 国汽智控(北京)科技有限公司 路径生成的方法、装置、设备、存储介质及程序产品
CN117456496A (zh) * 2023-12-25 2024-01-26 合众新能源汽车股份有限公司 地图车道边界线的处理方法和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110599570A (zh) * 2019-09-17 2019-12-20 武汉中海庭数据技术有限公司 基于众包数据开放场景下的地图生成方法及系统
CN111626206A (zh) * 2020-05-27 2020-09-04 北京百度网讯科技有限公司 高精地图构建方法、装置、电子设备及计算机存储介质
CN111912419A (zh) * 2020-08-28 2020-11-10 清华大学苏州汽车研究院（吴江） 基于激光雷达的高精度语义导航地图构建方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110599570A (zh) * 2019-09-17 2019-12-20 武汉中海庭数据技术有限公司 基于众包数据开放场景下的地图生成方法及系统
CN111626206A (zh) * 2020-05-27 2020-09-04 北京百度网讯科技有限公司 高精地图构建方法、装置、电子设备及计算机存储介质
CN111912419A (zh) * 2020-08-28 2020-11-10 清华大学苏州汽车研究院（吴江） 基于激光雷达的高精度语义导航地图构建方法和装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113847927A (zh) * 2021-09-30 2021-12-28 国汽智控(北京)科技有限公司 路径生成的方法、装置、设备、存储介质及程序产品
CN117456496A (zh) * 2023-12-25 2024-01-26 合众新能源汽车股份有限公司 地图车道边界线的处理方法和系统
CN117456496B (zh) * 2023-12-25 2024-03-22 合众新能源汽车股份有限公司 地图车道边界线的处理方法和系统

Similar Documents

Publication Publication Date Title
EP3673407B1 (en) Automatic occlusion detection in road network data
CN107144285B (zh) 位姿信息确定方法、装置和可移动设备
US11093759B2 (en) Automatic identification of roadside objects for localization
CN106461402B (zh) 用于确定相对于数字地图的位置的方法及系统
CN112880693A (zh) 地图生成方法、定位方法、装置、设备及存储介质
CN112444263B (zh) 全局路径规划方法及装置
CN111272190B (zh) 地图标定错误检测方法和装置
US20200033155A1 (en) Method of navigating an unmaned vehicle and system thereof
US10699571B2 (en) High definition 3D mapping
CN113034566B (zh) 高精度地图构建方法、装置、电子设备及存储介质
EP3671278B1 (en) Road surface detection
DE102019216722A1 (de) Verfahren zum Lokalisieren eines Fahrzeugs in einer digitalen Karte
CN113157842A (zh) 一种地图生成方法、装置、电子设备及可读存储介质
Liu et al. Generating enhanced intersection maps for lane level vehicle positioning based applications
Fleischmann et al. Using openstreetmap for autonomous mobile robot navigation
CN114295119A (zh) 一种构建地图的方法及装置
CN114509065B (zh) 地图构建方法、系统、车辆终端、服务器端及存储介质
Popescu et al. Lane identification and ego-vehicle accurate global positioning in intersections
Damerow et al. Intersection warning system for occlusion risks using relational local dynamic maps
CN113448340B (zh) 一种无人机的路径规划方法、装置、无人机及存储介质
CN113447039B (zh) 一种基于测绘信息的高精度道路最短路径计算方法
KR20240064620A (ko) 환경 매칭 기반의 차량 위치 측정 방법, 장치, 차량 및 저장 매체
CN109901589B (zh) 移动机器人控制方法和装置
CN111928863A (zh) 一种高精地图数据采集方法、装置及系统
CN110686693A (zh) 封闭场景内路网信息的构建方法

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