CN113160693B - 一种道路路口的处理方法、装置、设备和存储介质 - Google Patents
一种道路路口的处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113160693B CN113160693B CN202010075493.0A CN202010075493A CN113160693B CN 113160693 B CN113160693 B CN 113160693B CN 202010075493 A CN202010075493 A CN 202010075493A CN 113160693 B CN113160693 B CN 113160693B
- Authority
- CN
- China
- Prior art keywords
- intersection
- complexity
- data
- road
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3819—Road shape data, e.g. outline of a route
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
- G09B29/007—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes using computer methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3822—Road feature data, e.g. slope data
-
- 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
Abstract
本申请公开了一种道路路口的处理方法、装置、设备和存储介质,涉及高精地图技术领域。具体实现方案为:从电子地图的底图矢量数据中,提取路口的数据;对所述路口的数据进行复杂度分类,得到所述路口的复杂程度;根据所述路口的复杂程度,对所述路口的设定辐射范围内的地图元素进行处理。本申请实施例通过对路口进行复杂度分类,进而根据复杂程度对路口的设定辐射范围内的地图元素进行预定模式处理,以提高对地图元素的处理质量,从而提高电子地图的整体质量,满足用户的使用需求。
Description
技术领域
本申请涉及计算机技术,尤其涉及高精地图技术领域。
背景技术
电子地图(Electronic map),即数字地图,是利用计算机技术以数字方式存储和查阅的地图。电子地图上绘制有各种类型的地图元素,例如道路、医院、商场、红绿灯、标志性建筑物等等。
电子地图的制作和使用过程,实质是对各地图元素的维护、查询和导航过程。其中的道路路口具有多种类型,且是多个地图元素的汇聚区域,道路路口的制作水平和使用体验对电子地图的质量和口碑有重要影响。但是,现有技术存在道路路口的制作水平较低,用户体验不佳的问题,导致电子地图的整体质量较差,难以满足用户的使用需求。
发明内容
本申请实施例提供了一种道路路口的处理方法、装置、设备和存储介质,以提高电子地图的质量,满足用户的使用需求。
第一方面,本申请实施例提供了一种道路路口的处理方法,包括:
从电子地图的底图矢量数据中,提取路口的数据;
对所述路口的数据进行复杂度分类,得到所述路口的复杂程度;
根据所述路口的复杂程度,对所述路口的设定辐射范围内的地图元素进行预定模式处理。
本申请实施例中,通过从地图矢量数据中提取路口的数据,并对路口的数据进行复杂度分类,从而将不同复杂程度的路口数据划分到不同类别中;通过根据所述路口的复杂程度,对路口的设定辐射范围内的地图元素进行预定模式处理,从而对不同复杂程度的路口对应的地图元素预定不同的处理模式,以进行不同的处理,从而更好地处理复杂程度较高的地图元素,以提高对地图元素的处理质量,从而提高电子地图的整体质量,满足用户的使用需求。
可选的,根据所述路口的复杂程度,对所述路口的设定辐射范围内的地图元素进行预定模式处理,包括以下至少一种:
将所述路口的设定辐射范围内的地图元素提供至与所述复杂程度匹配的作业者进行维护;
采用与所述复杂程度匹配的导航方式,对所述路口的设定辐射范围内的地图元素进行导航;
采用与所述复杂程度匹配的质检方式,对所述路口的设定辐射范围内的地图元素进行质检。
上述申请中的一种可选实施方式,通过将地图元素提供至与所述复杂程度匹配的作业者进行维护,使地图元素与作业资源配比达到最优,满足生产效率和质量收益最大化,提高地图元素的制作水平;通过采用与所述复杂程度匹配的导航方式,对所述路口的设定辐射范围内的地图元素进行导航,从而满足导航各端及数据各方对复杂路口的评估分析,重点保障提升复杂路口的导航精度和数据质量,提高用户的使用体验;通过采用与所述复杂程度匹配的质检方式,对所述路口的设定辐射范围内的地图元素进行质检,从而个性化设置质检抽检比例,保障易错路口的质量。
可选的,所述对所述路口的数据进行复杂度分类,得到所述路口的复杂程度,包括:
对所述路口的数据进行特征提取,得到路口特征;
将所述路口特征输入至复杂度分类模型,得到所述路口的复杂程度。
上述申请中的一种可选实施方式,通过采用复杂度分类模型对路口特征进行分类,得到路口的复杂程度,从路口特征维度对路口进行复杂度分类,有效地提高分类精度。
可选的,在将所述路口特征输入至复杂度分类模型,得到所述路口的复杂程度之前,还包括:
获取训练集,所述训练集包括带有复杂程度标注的路口特征;
获取复杂度分类模型;
采用所述训练集对所述复杂度分类模型进行训练。
上述申请中的一种可选实施方式提供了复杂度分类模型的训练方法,通过采用带有复杂程度标注的路口特征训练复杂度分类模型,得到用于对路口特征进行复杂度分类的模型。
可选的,所述方法还包括:在对所述地图元素进行预定模式处理的过程中,如果判定本次处理模式与所述路口的复杂程度不匹配,更新所述路口的路口特征的复杂程度标注;
将所述路口特征和更新的复杂程度标注添加至所述训练集。
上述申请中的一种可选实施方式,通过将不匹配的路口的路口特征以及更新的复杂度标注添加至训练集,继续训练复杂度分类模型,从而提高复杂度分类模型的精度。
可选的,所述从电子地图的底图矢量数据中,提取路口的数据,包括:
从电子地图的底图矢量数据中,提取路口标注处的道路矢量数据;
根据所述道路矢量数据,确定路口类型;
根据所述路口类型,从所述地图矢量数据中提取所述道路矢量数据的关联数据,并将所述地图矢量数据和所述关联数据构成所述道路路口的数据。
上述申请中的一种可选实施方式,通过路口类型提取所述道路矢量数据的关联数据,从而对不同类型的路口提取对应的关联数据,从而完整、准确地提取不同类型路口的数据;通过将所述地图矢量数据和所述关联数据构成道路路口的数据,对离散的矢量数据进行聚合,形成能够表征整个路口特点的数据,以便于后续特征提取。
可选的,在所述根据所述路口的复杂程度,对所述路口的设定辐射范围内的地图元素进行预定模式处理之前,还包括:
获取所述路口内的道路走向;
从所述路口起,沿所述道路走向扩展设定长度,并沿所述道路两侧扩展设定宽度;
根据所述设定长度和设定宽度,确定所述路口的设定辐射范围。
上述申请中的一种可选实施方式,通过沿着道理走向和道路两侧扩展路口范围,符合现实道路中道路元素的排布规律,有利于囊括路口附近的所有道路元素,从而在处理时,提高路口附近所有道路元素的制作质量和使用体验。
第二方面,本申请实施例还提供了一种道路路口的处理装置,包括:
提取模块,用于从电子地图的底图矢量数据中,提取路口的数据;
分类模块,用于对所述路口的数据进行复杂度分类,得到所述路口的复杂程度;
处理模块,用于根据所述路口的复杂程度,对所述路口的设定辐射范围内的地图元素进行预定模式处理。
第三方面,本申请实施例还提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如第一方面实施例所提供的一种道路路口的处理方法。
第四方面,本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如第一方面实施例所提供的一种道路路口的处理方法。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1a是本申请实施例一中的一种道路路口的处理方法的流程图;
图1b是本申请实施例一中的路口的设定辐射范围的示意图;
图2是本申请实施例二中的一种道路路口的处理方法的流程图;
图3是本申请实施例三中的一种道路路口的处理装置的结构图;
图4是用来实现本申请实施例的道路路口的处理方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实施例一
图1a是本申请实施例一中的一种道路路口的处理方法的流程图,本申请实施例适用于在电子地图的制作或者使用过程中,对路口区域进行处理的情况,该方法通过道路路口的处理装置执行,该装置采用软件和/或硬件实现,并具体配置于具备一定数据运算能力的电子设备中。
如图1a所示的一种道路路口的处理方法,包括:
S101、从电子地图的底图矢量数据中,提取路口的数据。
电子地图由多个图层层层压盖制作完成,多个图层从下至上依次是基础底图,瓦片图层、地形图图层、热力图图层、实时路况图图层、…、弹出窗图层和自定义图层。其中最底层的图层是基础底图,包括底图、底图道路或卫星图等。
本实施例中的底图矢量数据为基础底图中的矢量数据。以某省的基础底图为例,其中的矢量数据包含信息兴趣点三千多万条(医院、大厦、超市、加油站、银行等等所有市区信息)、高速公路、国道、省道、市区主路、附路等一百多类道路信息,乡、镇、村、等信息,公园、单线河、双线河等,以及国界、省界、市界、县界、区界。
本实施例需要从底图矢量数据中提取路口的数据,并对路口的数据进行复杂度分类。可选地,从电子地图的底图矢量数据中,提取路口标注处的道路矢量数据;根据道路矢量数据,确定路口类型;根据路口类型,从地图矢量数据中提取道路矢量数据的关联数据,并将地图矢量数据和关联数据构成道路路口的数据。
具体地,基础底图包括“路口”字样的标注,但并没有标注路口的类型。“路口”字样的标注处包括道路矢量数据,但是道路矢量数据是有限且分散的,例如,道路矢量数据包括有限的道路数量、走向和类型等。因此,需要对道路矢量数据进行数据扩大。基于此,根据道路矢量数据,确定路口类型。例如,道路矢量数据包括“井”字型的多条道路数据,则确定路口类型为平交路口;又例如道路矢量数据包括“耳朵”形或者菱形的多条道路数据,则确定路口类型为立交路口;又例如道路矢量数据包括“环形”道路数据,则确定路口类型为环岛。对于平交路口,将“井”字型的多条道路向外延伸,提取所有进入该多条道路和流出该多条道路的关联数据,例如右转专用道、掉头口等。对于立交路口,将“耳朵”形或者菱形的多条道路向外延伸至立交入口和出口,提取所有连接立交入口和出口的关联数据,例如右侧匝道。对于环岛,将“环形”道路向外延伸至入口和出口,提取所有连接入口和出口的关联数据。最后,将地图矢量数据和关联数据按照设定数据格式,构成道路路口的数据。设定数据格式例如是道路走向-数量-压盖关系或交叉关系。
本实施例中,通过路口类型提取道路矢量数据的关联数据,从而对不同类型的路口提取对应的关联数据,从而完整、准确地提取不同类型路口的数据;通过将地图矢量数据和关联数据构成道路路口的数据,对离散的矢量数据进行聚合,形成能够表征整个路口特点的数据,以便于后续特征提取。
S102、对路口的数据进行复杂度分类,得到路口的复杂程度。
路口的数据包括的道路数量越多、走向越多样、压盖关系越复杂,则路口的复杂程度越高。基于此,可根据道路数量、压盖关系和走向中的至少一种,对路口的数据进行复杂度分类。可选地,将路口的数据的复杂程度分为简单、一般和复杂;或者分为不同的复杂程度等级。
S103、根据路口的复杂程度,对路口的设定辐射范围内的地图元素进行预定模式处理。
其中,路口的设定辐射范围为以路口为中心向外扩散一定的范围。该范围内的地图元素包括但不限于道路、医院、商场、红绿灯、标志性建筑物等。
可选地,在S103之前还包括设定辐射范围的确定操作:获取路口内的道路走向;从路口起,沿道路走向扩展设定长度,并沿道路两侧扩展设定宽度;根据设定长度和设定宽度,确定路口的设定辐射范围。具体可将设定长度和设定宽度围成的矩形范围确定为设定辐射范围。图1b示出了设定辐射范围的示意图。图1b中的路口为复杂路口,包括多条“井”字型的多条道路,以路口为中心向沿多条道路的走向扩展100米,同时沿道路两侧扩展15米,得到最外侧粗实线圈出的设定辐射范围。
预定模式,即预先设定的地图元素处理模式,其与路口的复杂程度相匹配。可选地,S103包括以下三种可选实施方式中的至少一种。
第一种实施方式:将路口的设定辐射范围内的地图元素提供至与复杂程度匹配的作业者进行维护。将复杂路口的设定辐射范围内的地图元素提供至高技能作业者维护,将一般路口的设定辐射范围内的地图元素提供至普通技能作业者维护,将简单路口的设定辐射范围内的地图元素提供至低技能作业者维护。
第二种实施方式:采用与复杂程度匹配的导航方式,对路口的设定辐射范围内的地图元素进行导航。对复杂路口的设定辐射范围内的地图元素进行重点语音导航,例如多次语音提示,对一般路口和简单路口的设定辐射范围内的地图元素进行一般语音导航。
第三种实施方式:采用与复杂程度匹配的质检方式,对路口的设定辐射范围内的地图元素进行质检。对复杂路口的设定辐射范围内的地图元素进行全部质检。对一般路口的设定辐射范围内的地图元素的70%进行质检。对简单路口的设定辐射范围内的地图元素的50%进行质检。
通过将地图元素提供至与复杂程度匹配的作业者进行维护,使地图元素与作业资源配比达到最优,满足生产效率和质量收益最大化;而且通过高水平的作业者处理复杂程度较高的地图元素,提高地图元素的制作水平;通过采用与复杂程度匹配的导航方式,对路口的设定辐射范围内的地图元素进行导航,从而满足导航各端对复杂路口的评估分析,重点保障提升复杂路口的导航精度和数据质量,提高用户的使用体验;通过采用与复杂程度匹配的质检方式,对路口的设定辐射范围内的地图元素进行质检,个性化设置质检抽检比例,保障易错路口的质量;而且通过对复杂路口进行重点质检,提高地图元素的制作水平。
本申请实施例中,通过从地图矢量数据中提取路口的数据,并对路口的数据进行复杂度分类,从而将不同复杂程度的路口数据划分到不同类别中;通过根据路口的复杂程度,对路口的设定辐射范围内的地图元素进行预定模式处理,从而对不同复杂程度的路口对应的地图元素预定不同的处理模式,并进行不同的处理,从而更好地处理复杂程度较高的地图元素,以提高对地图元素的处理质量,从而提高电子地图的整体质量,满足用户的使用需求。
进一步地,通过沿着道理走向和道路两侧扩展路口范围,符合现实道路中道路元素的排布规律,有利于囊括路口附近的所有道路元素,从而在处理时,提高路口附近所有道路元素的制作质量和使用体验。
实施例二
图2是本申请实施例二中的一种道路路口的处理方法的流程图,本申请实施例在上述各实施例的技术方案的基础上进行了优化改进。
进一步的,将操作“对路口的数据进行复杂度分类,得到路口的复杂程度”细化为“对路口的数据进行特征提取,得到路口特征;将路口特征输入至复杂度分类模型,得到路口的复杂程度”,从而有效提高分类精度。
进一步地,在操作“将路口特征输入至复杂度分类模型,得到路口的复杂程度”之前追加操作“获取训练集和复杂度分类模型,采用训练集对复杂度分类模型进行训练”。进一步地,上述方法的基础上追加操作“在对地图元素进行预定模式处理的过程中,如果判定本次处理模式与路口的复杂程度不匹配,更新路口的路口特征的复杂程度标注;将路口特征和更新的复杂程度标注添加至训练集”,从而通过将不匹配的路口的路口特征以及更新的复杂度标注添加至训练集,继续训练复杂度分类模型,从而提高复杂度分类模型的精度。
如图2所示的一种道路路口的处理方法,包括:
S201、获取训练集,训练集包括带有复杂程度标注的路口特征。
S202、获取复杂度分类模型。
S203、采用训练集对复杂度分类模型进行训练。
其中,训练集包括带有复杂程度标注的路口特征。复杂度标注包括简单、一般和复杂。路口特征包括但不限于:路口的岔口数量、上下行道路、是否有辅路,有无实景图,有无信号灯等。复杂度分类模型可以为采用k近邻法(k-nearest neighbor)的模型。将路口特征输入至复杂度分类模型,不断迭代模型的参数,令复杂度分类模型的输出值逼近复杂程度标注,得到训练好的复杂度分类模型。
可选地,在采用训练集对复杂度分类模型进行训练后,于训练集中提取一部分作为测试集,验证复杂度分类模型的分类精度。如果精度达不到设定值,需要继续训练模型直到其分类精度达到预设值。
S204、从电子地图的底图矢量数据中,提取路口的数据。
S205、对路口的数据进行特征提取,得到路口特征。
路口的数据不能直接反映路口的特征,需要从路口的数据中提取需要的数据,再对需要的数据进行计算得到路口特征。以路口的岔口数量为例,需要从路口的数据从提取所有道路数据,包括道路类型、数量和走向等。将平行的道路分一组,得到多组道路数据,根据道路数据的组数确定岔口数。例如图1b示出的路口包括4个岔口。还可以根据道路走向确定路口是否包括上下行道路;根据道路类型确定路口是否包括辅路。
S206、将路口特征输入至复杂度分类模型,得到路口的复杂程度。
S207、根据路口的复杂程度,对路口的设定辐射范围内的地图元素进行预定模式处理。
S208、在对地图元素进行预定模式处理的过程中,如果判定本次处理模式与路口的复杂程度不匹配,更新路口的路口特征的复杂程度标注。
在一应用场景中,如果高技能作业者在维护过程中发现地图元素所处的路口较简单,或者用户在电子地图的导航过程中发现重点语音导航的地图元素所处的路口较简单,则通过终端设备向该装置发送本次处理模式与路口的复杂程度不匹配的消息以及应更新为的复杂程度:简单,该装置将地图元素对应的路口特征的复杂程度标注更新为简单。在另一应用场景中,如果低技能作业者在维护过程中发现地图元素所处的路口较复杂,或者用户在电子地图的导航过程中发现一般语音导航的地图元素所处的路口较复杂,则通过终端设备向该装置发送本次处理模式与路口的复杂程度不匹配的消息以及应更新为的复杂程度:复杂,该装置将地图元素对应的路口特征的复杂程度标注更新为复杂。
S209、将路口特征和更新的复杂程度标注添加至训练集。返回执行S203。
本步骤将不匹配的路口的路口特征以及更新的复杂度标注添加至训练集,继续训练复杂度分类模型,从而提高复杂度分类模型的精度。
本申请实施例通过对路口的数据进行特征提取,得到路口特征,得到可量化的特征,再采用复杂度分类模型对路口特征进行分类,得到路口的复杂程度,从路口特征维度对路口进行复杂度分类,有效地提高分类精度。
实施例三
图3是本申请实施例三中的一种道路路口的处理装置的结构图,本申请实施例适用于在电子地图的制作或者使用过程中,对路口区域进行处理的情况,该装置采用软件和/或硬件实现,并具体配置于具备一定数据运算能力的电子设备中。
如图3所示的一种道路路口的处理装置300,包括:提取模块301,分类模块302和处理模块303;其中,
提取模块301,用于从电子地图的底图矢量数据中,提取路口的数据;
分类模块302,用于对路口的数据进行复杂度分类,得到路口的复杂程度;
处理模块303,用于根据路口的复杂程度,对路口的设定辐射范围内的地图元素进行预定模式处理。
本申请实施例中,通过从地图矢量数据中提取路口的数据,并对路口的数据进行复杂度分类,从而将不同复杂程度的路口数据划分到不同类别中;通过根据路口的复杂程度,对路口的设定辐射范围内的地图元素进行预定模式处理,从而对不同复杂程度的路口对应的地图元素预定不同的处理模式,并进行不同的处理,从而更好地处理复杂程度较高的地图元素,以提高对地图元素的处理质量,从而提高电子地图的整体质量,满足用户的使用需求。
进一步地,处理模块303具体用于执行以下至少一种操作:将路口的设定辐射范围内的地图元素提供至与复杂程度匹配的作业者进行维护;采用与复杂程度匹配的导航方式,对路口的设定辐射范围内的地图元素进行导航;采用与复杂程度匹配的质检方式,对路口的设定辐射范围内的地图元素进行质检。
进一步地,分类模块302具体用于对路口的数据进行特征提取,得到路口特征;将路口特征输入至复杂度分类模型,得到路口的复杂程度。
进一步地,该装置还包括训练模块,用于在将路口特征输入至复杂度分类模型,得到路口的复杂程度之前,用于获取训练集,训练集包括带有复杂程度标注的路口特征;获取复杂度分类模型;采用训练集对复杂度分类模型进行训练。
进一步地,该装置还包括更新模块,用于在对地图元素进行预定模式处理的过程中,如果判定本次处理模式与路口的复杂程度不匹配,更新路口的路口特征的复杂程度标注;将路口特征和更新的复杂程度标注添加至训练集。
进一步地,提取模块301具体用于从电子地图的底图矢量数据中,提取路口标注处的道路矢量数据;根据道路矢量数据,确定路口类型;根据路口类型,从地图矢量数据中提取道路矢量数据的关联数据,并将地图矢量数据和关联数据构成道路路口的数据。
进一步地,该装置还包括确定模块,用于在根据路口的复杂程度,对路口的设定辐射范围内的地图元素进行预定模式处理之前,获取路口内的道路走向;从路口起,沿道路走向扩展设定长度,并沿道路两侧扩展设定宽度;根据设定长度和设定宽度,确定路口的设定辐射范围。
上述道路路口的处理装置可执行本申请任意实施例所提供的道路路口的处理方法,具备执行道路路口的处理方法相应的功能模块和有益效果。
实施例四
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图4所示,是实现本申请实施例的道路路口的处理方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示,该电子设备包括:一个或多个处理器401、存储器402,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的道路路口的处理方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的道路路口的处理方法。
存储器402作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的道路路口的处理的方法对应的程序指令/模块(例如,附图3所示的包括提取模块301,分类模块302和处理模块303)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的道路路口的处理的方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储实现道路路口的处理方法的电子设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至执行道路路口的处理方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
执行道路路口的处理方法的电子设备还可以包括:输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接,图4中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息,以及产生与执行道路路口的处理方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,通过从地图矢量数据中提取路口的数据,并对路口的数据进行复杂度分类,从而将不同复杂程度的路口数据划分到不同类别中;通过根据所述路口的复杂程度,对路口的设定辐射范围内的地图元素进行预定模式处理,从而对不同复杂程度的路口对应的地图元素预定不同的处理模式,并进行不同的处理,从而更好地处理复杂程度较高的地图元素,以提高对地图元素的处理质量,从而提高电子地图的整体质量,满足用户的使用需求。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (8)
1.一种道路路口的处理方法,其特征在于,包括:
从电子地图的底图矢量数据中,提取路口的数据;
对所述路口的数据进行复杂度分类,得到所述路口的复杂程度;
根据所述路口的复杂程度,对所述路口的设定辐射范围内的地图元素进行预定模式处理;所述预定模式是指针对不同复杂程度的路口对应的地图元素预定不同的处理模式;
其中,所述从电子地图的底图矢量数据中,提取路口的数据,包括:
从电子地图的底图矢量数据中,提取路口标注处的道路矢量数据;其中,所述道路矢量数据包括有限的道路数量、走向和类型;
根据所述道路矢量数据,确定路口类型;
根据所述路口类型,从所述地图矢量数据中提取所述道路矢量数据的关联数据,并针对不同类型的路口提取对应的关联数据,将所述地图矢量数据和所述关联数据构成所述道路路口的数据;其中,所述道路路口的数据是指从道路路口的数据中提取需要的数据并进行计算得到的数据;
其中,所述底图矢量数据为基础底图中的矢量数据,所述基础底图包括路口字样的标注;
其中,所述根据所述路口的复杂程度,对所述路口的设定辐射范围内的地图元素进行预定模式处理,包括以下至少一种:
将所述路口的设定辐射范围内的地图元素提供至与所述复杂程度匹配的作业者进行维护;
采用与所述复杂程度匹配的导航方式,对所述路口的设定辐射范围内的地图元素进行导航;
采用与所述复杂程度匹配的质检方式,对所述路口的设定辐射范围内的地图元素进行质检。
2.根据权利要求1所述的方法,其特征在于,所述对所述路口的数据进行复杂度分类,得到所述路口的复杂程度,包括:
对所述路口的数据进行特征提取,得到路口特征;
将所述路口特征输入至复杂度分类模型,得到所述路口的复杂程度。
3.根据权利要求2所述的方法,其特征在于,在将所述路口特征输入至复杂度分类模型,得到所述路口的复杂程度之前,还包括:
获取训练集,所述训练集包括带有复杂程度标注的路口特征;
获取复杂度分类模型;
采用所述训练集对所述复杂度分类模型进行训练。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
在对所述地图元素进行预定模式处理的过程中,如果判定本次处理模式与所述路口的复杂程度不匹配,更新所述路口的路口特征的复杂程度标注;
将所述路口特征和更新的复杂程度标注添加至所述训练集。
5.根据权利要求1-4任一项所述的方法,其特征在于,在所述根据所述路口的复杂程度,对所述路口的设定辐射范围内的地图元素进行预定模式处理之前,还包括:
获取所述路口内的道路走向;
从所述路口起,沿所述道路走向扩展设定长度,并沿所述道路两侧扩展设定宽度;
根据所述设定长度和设定宽度,确定所述路口的设定辐射范围。
6.一种道路路口的处理装置,其特征在于,包括:
提取模块,用于从电子地图的底图矢量数据中,提取路口的数据;
分类模块,用于对所述路口的数据进行复杂度分类,得到所述路口的复杂程度;
处理模块,用于根据所述路口的复杂程度,对所述路口的设定辐射范围内的地图元素进行预定模式处理;所述预定模式是指针对不同复杂程度的路口对应的地图元素预定不同的处理模式;
其中,所述提取模块具体用于:
从电子地图的底图矢量数据中,提取路口标注处的道路矢量数据;其中,所述道路矢量数据包括有限的道路数量、走向和类型;
根据所述道路矢量数据,确定路口类型;
根据所述路口类型,从所述地图矢量数据中提取所述道路矢量数据的关联数据,并针对不同类型的路口提取对应的关联数据,将所述地图矢量数据和所述关联数据构成所述道路路口的数据;其中,所述道路路口的数据是指从道路路口的数据中提取需要的数据并进行计算得到的数据;
其中,所述底图矢量数据为基础底图中的矢量数据,所述基础底图包括路口字样的标注;
其中,所述处理模块具体用于执行以下至少一种操作:
将所述路口的设定辐射范围内的地图元素提供至与所述复杂程度匹配的作业者进行维护;
采用与所述复杂程度匹配的导航方式,对所述路口的设定辐射范围内的地图元素进行导航;
采用与所述复杂程度匹配的质检方式,对所述路口的设定辐射范围内的地图元素进行质检。
7.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的一种道路路口的处理方法。
8.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的一种道路路口的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010075493.0A CN113160693B (zh) | 2020-01-22 | 2020-01-22 | 一种道路路口的处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010075493.0A CN113160693B (zh) | 2020-01-22 | 2020-01-22 | 一种道路路口的处理方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113160693A CN113160693A (zh) | 2021-07-23 |
CN113160693B true CN113160693B (zh) | 2022-09-09 |
Family
ID=76881827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010075493.0A Active CN113160693B (zh) | 2020-01-22 | 2020-01-22 | 一种道路路口的处理方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113160693B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111189461B (zh) * | 2018-11-14 | 2023-06-20 | 沈阳美行科技股份有限公司 | 一种主辅路的导航方法、装置及相关设备 |
CN113865610A (zh) * | 2021-09-30 | 2021-12-31 | 北京百度网讯科技有限公司 | 用于生成导航信息的方法、装置、设备、介质和产品 |
CN114216476A (zh) * | 2021-12-10 | 2022-03-22 | 北京百度网讯科技有限公司 | 一种车道数据处理方法、装置、电子设备和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100594144B1 (ko) * | 2003-11-28 | 2006-06-28 | 삼성전자주식회사 | 이미지 데이터를 이용한 텔레매틱스 시스템 및 그의 경로안내방법 |
CN102954795B (zh) * | 2011-08-19 | 2015-12-02 | 比亚迪股份有限公司 | 路口放大图的绘制方法及装置 |
JP6888884B2 (ja) * | 2017-03-02 | 2021-06-16 | アルパイン株式会社 | 電子装置、交差点案内プログラムおよび交差点案内方法 |
CN109949389A (zh) * | 2019-03-27 | 2019-06-28 | 百度在线网络技术(北京)有限公司 | 一种路口绘制方法、装置、服务器和存储介质 |
CN110688958A (zh) * | 2019-09-28 | 2020-01-14 | 中国测绘科学研究院 | 基于GoogLeNet神经网络的交叉路口识别方法 |
-
2020
- 2020-01-22 CN CN202010075493.0A patent/CN113160693B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113160693A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11361005B2 (en) | Method for processing map data, device, and storage medium | |
JP7196382B2 (ja) | 更新道路を識別する方法、装置、デバイス及びコンピュータ記憶媒体 | |
CN110726418B (zh) | 兴趣点区域确定方法、装置、设备及存储介质 | |
CN113160693B (zh) | 一种道路路口的处理方法、装置、设备和存储介质 | |
CN111695488B (zh) | 兴趣面识别方法、装置、设备以及存储介质 | |
CN111858820A (zh) | 用地性质识别方法、装置、电子设备及存储介质 | |
CN110765227A (zh) | 道路交通网络模型构建方法及装置 | |
CN111737392A (zh) | 合并楼块数据的方法、装置、设备及存储介质 | |
CN112987064B (zh) | 建筑物定位方法、装置、设备、存储介质和终端设备 | |
CN110660219A (zh) | 停车场停车预测方法和装置 | |
US20230104225A1 (en) | Method for fusing road data to generate a map, electronic device, and storage medium | |
CN113342912A (zh) | 地理位置区域的编码方法、建立编码模型的方法及装置 | |
CN111797184A (zh) | 信息显示方法、装置、设备和介质 | |
CN112101013A (zh) | 地点抽取方法、装置、设备以及存储介质 | |
CN113672688A (zh) | 路网数据更新方法、装置和电子设备 | |
CN111609863A (zh) | 导航信息生成方法、装置、电子设备和存储介质 | |
CN112527163B (zh) | 一种路口检索方法、装置、设备及存储介质 | |
CN112990241B (zh) | 轨迹匹配方法、装置、设备及存储介质 | |
JP2022040063A (ja) | 地理位置点の空間関係を抽出する方法及び装置 | |
CN113011298A (zh) | 截断物体样本生成、目标检测方法、路侧设备和云控平台 | |
CN111814651A (zh) | 车道线的生成方法、装置和设备 | |
CN111694914A (zh) | 用户常驻区域确定方法及装置 | |
CN111782748B (zh) | 地图检索方法、信息点poi语义向量的计算方法和装置 | |
CN112883127B (zh) | 一种道路数据处理方法、装置、电子设备和介质 | |
CN112861023A (zh) | 地图信息处理方法、装置、设备、存储介质及程序产品 |
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 |