CN113392170A - 一种高精度地图数据的生成方法、装置及服务器 - Google Patents
一种高精度地图数据的生成方法、装置及服务器 Download PDFInfo
- Publication number
- CN113392170A CN113392170A CN202010177070.XA CN202010177070A CN113392170A CN 113392170 A CN113392170 A CN 113392170A CN 202010177070 A CN202010177070 A CN 202010177070A CN 113392170 A CN113392170 A CN 113392170A
- Authority
- CN
- China
- Prior art keywords
- data
- map
- road
- element data
- map element
- 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
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Ecology (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Navigation (AREA)
Abstract
本公开涉及了一种高精度地图数据的生成方法、装置及服务器。所述方法包括:获取当前众包采集得到的地图要素数据,并确定出所述地图要素数据中的路口的位置;根据所述路口位置,对所述地图要素数据进行分割;分别将分割后的所述地图要素数据中属于相邻两个路口之间的地图要素数据进行聚合,得到各道路的地图要素数据;以所述道路为基本单元,分别对各道路的地图要素数据进行处理,得到高精度地图数据。以实现以道路为基本单元,对道路的地图要素数据进行高精度地图所需的处理,从而得到整个高精度地图数据,尽可能降低车辆惯导对数据准确性的影响,保证高精度地图数据的准确性。
Description
技术领域
本公开涉及地理信息技术领域,特别涉及一种高精度地图数据的生成方法、装置及服务器。
背景技术
高精度地图是指高精度、精细化定义的地图,与目前已被人广泛知晓的电子地图不同,其精度需要往往需要达到分米级,能够准确区分各个车道。
与传统电子地图不同,高精度地图的主要服务目标是自动驾驶和高级智能辅助驾驶,自动驾驶例如无人驾驶车等。与人类驾驶员不同,机器驾驶员缺乏与生俱来的视觉识别、逻辑分析能力。比如,人可以很轻松、准确地利用图像、GPS定位自己,鉴别障碍物、人、交通信号灯等,但这对当前的机器人来说都是非常困难的任务。
因此,高精度地图是当前自动驾驶、无人驾驶车技术中必不可少的一个组成部分。高精度地图包含大量行车辅助信息,其中,最重要的是对路网精确的三维表征(厘米级精度)。此外,高精地图还需要比传统地图有更高的实时性,保证地图要素的“新”和“鲜”。由于路网每天都有变化,如整修、道路标识线磨损及重漆、交通标识改变等。这些变化需要及时反映在高精地图上以确保无人车行驶安全。
如何实现大规模高精度地图的制作和更新已经成为地图行业的难题。目前高精度地图数据的生成方式通常是通过众包采集的方式,即:依赖配备有多种传感器(惯导、相机、激光雷达、毫米雷达等)的车辆执行自动驾驶任务,众包采集过程中,车辆的惯导提供了车辆的绝对位置,相机或激光雷达可测量出车辆周围的地图要素与车辆之间的相对位置关系,两者结合可制作得到高精度地图所需的地图要素数据。
由于车辆惯导的误差在相对短的一段时间或者一段距离内可视作是不变的,随着时间和距离的延长,其误差会发生变化,如果将众包采集的所有数据作为整体来制作和更新高精度地图,则惯导误差的变化势必会影响高精度地图数据的准确性。
发明内容
鉴于上述问题,提出了本公开以便提供一种克服上述问题或者至少部分地解决上述问题的一种高精度地图数据的生成方法、装置及服务器。
第一方面,本公开实施例提供一种高精度地图数据的生成方法,包括:
获取当前众包采集得到的地图要素数据,并确定出所述地图要素数据中的路口的位置;
根据所述路口位置,对所述地图要素数据进行分割;
分别将分割后的所述地图要素数据中属于相邻两个路口之间的地图要素数据进行聚合,得到各道路的地图要素数据;
以所述道路为基本单元,分别对各道路的地图要素数据进行处理,得到高精度地图数据。
在一个实施例中,确定出所述道路地图数据中的路口的位置,具体包括:
识别出所述地图要素数据中的车道线数据;
根据所述车道线数据中沿道路延伸方向上各车道线之间的距离,确定所述地图要素数据中路口的位置。
在一个实施例中,识别出所述地图要素数据中的车道线数据,包括:
对众包采集得到的各道路地图照片中的车道线的中心点及其位置进行识别;
将彼此距离小于预设的第一距离阈值的各中心点分别进行平滑连接,得到对应的车道线数据。
在一个实施例中,根据所述车道线数据中各车道线之间的距离,确定所述道路地图数据中的路口,包括:
判断所述车道线数据中,沿道路延伸方向上断开的两段相邻车道线之间的距离是否大于预设的第二距离阈值,若大于,则判断车道线之间为路口。
在一个实施例中,分别将分割后的所述道路地图数据中属于相邻两个路口之间的地图要素进行聚合,得到各道路的地图要素数据,包括:
确定沿道路延伸方向上属于相邻的两个路口之间的车道线数据中车道线的首点和尾点;
按照所述车道线首点和尾点的采集时间,将所述地图要素数据中属于所述第二方面,本公开实施例提供一种高精度地图数据的生成装置,包括:
获取模块,用于获取当前众包采集得到的道路地图数据;
路口确定模块,用于确定出所述道路地图数据中的路口的位置;
分割模块,用于根据所述路口位置,对所述道路地图数据进行分割;
聚合模块,用于分别将分割后的所述道路地图数据中属于相邻两个路口之间的地图要素进行聚合,得到各道路的地图要素数据;
生成模块,用于以所述道路为基本单元,分别对各道路的地图要素数据进行处理,得到高精度地图数据。
在一个实施例中,所述路口确定模块,用于识别出所述地图要素数据中的车道线数据;根据所述车道线数据中沿道路延伸方向上各车道线之间的距离,确定所述地图要素数据中的路口的位置。
第三方面,本公开实施例提供一种高精度地图,所述高精度地图的数据是通过前述高精度地图生成的方法得到的。
第四方面,本公开实施例提供一种高精度地图服务器,包括:存储器、处理器及存储于存储器上并可在处理器上运行的计算机指令,所述指令被处理器执行时能够实现前述高精度地图数据的生成方法。
第五方面,本公开实施例提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现前述高精度地图数据的生成方法。
本公开实施例提供的上述技术方案的有益效果至少包括:
本公开实施例提供的上述高精度地图数据的生成方法、装置及服务器,对众包采集到的地图要素数据,确定其中的路口的位置,并依据路口,对地图要素数据进行分割,将分割后的属于相邻两个路口之间的地图要素数据进行聚合,得到各道路的地图要素数据,以实现以道路为基本单元,对道路的地图要素数据进行高精度地图所需的处理,从而得到整个高精度地图数据,本公开实施按照较小的范围对采集的地图要素数据进行分割,对每个较小范围进行数据的处理,进而保证高精度地图数据整体的准确性,尽可能降低车辆惯导对数据准确性的影响,另外,以道路为基本单元进行数据处理的方式,单个道路数据量较小,可并行处理以提高高精度地图数据的制作和更新的效率。
本公开的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本公开而了解。本公开的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
附图用来提供对本公开的进一步理解,并且构成说明书的一部分,与本公开的实施例一起用于解释本公开,并不构成对本公开的限制。在附图中:
图1为本公开实施例提供的高精度地图数据的生成方法的流程图;
图2为本公开实施例提供的高精度地图中包含的地图要素的示意图;
图3为本公开实施例中确定出道路地图数据中的路口的位置的流程图;
图4为本公开实施例中众包车辆采集的某地区的地图要素数据的示意图;
图5为本公开实施例提供的高精度地图数据的生成装置的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
为了解决了高精度地图数据在制作过程中,由于车辆惯导误差的不确定性,可能导致最终生成的高精度地图数据不准确的问题,本公开的发明人发现,通常车辆的惯导的误差在相对短距离内是保持不变的,因此,有必要将众包车辆采集到的大范围的城区地图数据,按照较小的范围进行分割,对每个较小范围进行数据的处理,进而保证高精度地图数据整体的准确性。
本公开实施例提供的高精度地图数据的生成方法,采用以路口之间形成的道路为基本单元来处理的方式,由于对于城区道路来说,这样的道路长度通常在500~1000米之间,能够满足车辆惯导误差保持一致的条件,基于此,本公开实施例提供的高精度地图数据的生成方法,参照图1所示,包括下述步骤:
S11、获取当前众包采集得到的地图要素数据,并确定出地图要素数据中的路口的位置;
S12、根据路口位置,对地图要素数据进行分割;
S13、分别将分割后的地图要素数据中属于相邻两个路口之间的地图要素数据进行聚合,得到各道路的地图要素数据;
S14、以道路为基本单元,分别对各道路的地图要素数据进行处理,得到高精度地图数据。
在对本公开实施例提供的上述高精度地图数据的生成方法进行说明之前,首选对高精度地图中的地图要素进行简单说明。
参照图2所示,高精度地图中通常包含的地图要素例如包括下述几种:
车道线:地面车道分割标线,可用一系列连续点表示。
地面箭头:地面用于指示车辆行车道的标线。用外接矩形框四个角点表示,用类型值来区分直行、左转、右转等不同类型(图2矩形框中的数字即为类型值)。
杆:道路两边杆状物。可以是道路两边任何人工的杆状物,用投影到地面的一个点表示。
牌:道路标识牌。用外接矩形框四个角点表示(图2中牌采用俯视图的方式,采用牌投影到地面上的一条线来表示)。
当然,本公开实施例中,地图要素包含但不仅限于以上四种,可以扩展如道路边缘、斑马线等更多地图要素。
上述各地图要素中,因为车道线的断续与道路的断续关系密切相关,车道线通常会在道路路口断开。为了实现按照道路为基本单元来生成高精度地图数据的制作和更新,上述步骤S11中,参照图3所示,例如可以采用下述方式确定出道路地图数据中的路口的位置:
S31、识别出所述地图要素数据中的车道线数据;
众包车辆在采集过程中,对所经过的道路进行拍摄,得到道路的一连串的照片,在这些照片中,包含了车道线,对其中车道线的中心点进行识别,确定出中心点的位置数据,每张照片中车道线的中心点都识别出来了后,可以得到一系列的连续的点,将彼此之间距离小于预设第一距离阈值的各中心点分别进行平滑连接,就可以得到对应的车道线数据。
之所以需要选择彼此之间距离小于预设的第一距离阈值的各中心点进行连接,是因为虽然因为拍摄环境的因素,某些照片中采集的各中心点的间隔并不一定都相等,排除车速的因素,还可能因为拍摄过程中其他车辆对车道的遮挡等,在某些照片中可能没有或者无法识别出车道线数据,因此,识别出来的车道线的中心点的彼此之间的距离并不一定是固定的,但是彼此之间间隔不会太大,因此根据预设的第一距离阈值,就可以将这些连续的点连接起来。
在此,还可以采用识别车道线的其他设定的点的方式,比如首点、尾点等方式来得到车道线数据,本公开实施例对此不做限定。
S32、根据车道线数据中各车道线之间的距离,确定地图要素数据中的路口数据。
由于路口处车道线会断开,因此,在本步骤S32中,可以通过判断车道线数据中,沿道路延伸方向上断开的两段相邻车道线之间的距离是否大于预设的第二距离阈值来确定是否遇到路口,若大于,则判断这两段车道线之间为路口。
上述第二距离阈值往往远大于上述第一距离阈值,第二距离阈值的数值范围通常在十几米以上。
参照图4所示,在道路延伸方向上断开的车道线1和车道线1’之间,因为距离大于预设的第二距离阈值,因此判定此处为路口。
在一个实施例中,上述步骤S13中,对相邻的两个路口之间地图要素进行聚合,得到各道路的地图要素数据,具体可以通过下述步骤实现:
首先确定属于相邻的两个路口之间的车道线数据中车道线的首点和尾点,然后按照车道线首点和尾点的采集时间,将地图要素数据中属于采集时间内采集到的地图要素数据,与车道线的数据进行聚合。
当然,还可以采用位置关系位于车道线的首点和尾点之间的地图要素聚合的方式。
但相比较而言,采用车道线首点和尾点的采集时间,来确定要将哪些地图要素数据进行聚合的方式,较按照位置关系来选择将哪些地图要素数据进行聚合的方式,由于众包车辆采集的方式是按照设定的路线一边行驶一边采集的,因此,按照时间来看,在车道线的首点和尾点采集时间之间的所有地图要素数据,必然是属于该道路的。而按照地理位置来聚合的方式,由于众包采集拍摄过程中,照片的清晰度、道路的环境、镜头的边缘畸变等等因素的影响,无法准确的判断照片中哪些地图要素就一定属于本道路,因此,准确性会差一些。
在一个实施例中,上述S14步骤在具体实施时,以道路为基本单元,分别对各条道路的地图要素数据,与已有的高精度地图数据中的相对应道路的地图要素进行匹配,提升当前采集的道路的地图要素数据位置的准确性;
然后将当前采集的各道路的地图要素数据与已有高精度地图数据中对应各道路的地图要素数据进行融合,得到融合后的高精度地图数据,然后从融合后的高精度地图数据中提取相关地图要素数据输出就得到了最终高精度地图数据。
为了说明本公开实施例提供的上述高精度地图数据的生成方法,下面以一个简单的实例进行说明:
还是参照图4所示,在该图的左半部分是众包车辆采集的某地区的地图要素数据的示意图,图中细长线为识别出来的车道线,圆点表示道路两侧的杆状物(例如路灯杆、电线杆、指示牌杆等等),可以根据沿道路延伸方向上车道线的断续关系来判断是否经过路口,将采集到的地图要素数据,按照路口进行分割,即将两个相邻的路口之间形成的道路的地图要素数据进行聚合。例如图4中右侧部分,该右侧部分是左侧圆圈圈出来的道路的放大图,从放大图中可以看出,该圆圈中包含编号7和编号8的两条道路。
将整个区域分成了类似上述编号7和编号8的道路之后,就可以以道路为基本单元,对道路的地图要素数据进行进一步的匹配、融合、更新等处理,最终得到整个高精度地图数据。
基于同一发明构思,本公开实施例还提供了一种高精度地图数据的生成装置、高精度地图和高精度地图服务器,由于这些装置和服务器所解决问题的原理与前述高精度地图数据的生成方法相似,因此该装置和服务器的实施可以参见前述方法的实施,重复之处不再赘述。
本公开实施例提供的一种高精度地图数据的生成装置,参照图5所示,包括:
获取模块51,用于获取当前众包采集得到的道路地图数据;
路口确定模块52,用于确定出道路地图数据中的路口的位置;
分割模块53,用于根据路口位置,对道路地图数据进行分割;
聚合模块54,用于分别将分割后的道路地图数据中属于相邻两个路口之间的地图要素进行聚合,得到各道路的地图要素数据;
生成模块55,用于以道路为基本单元,分别对各道路的地图要素数据进行处理,得到高精度地图数据。
在一个实施例中,路口确定模块52,进一步用于识别出所述地图要素数据中的车道线数据;根据所述车道线数据中沿道路延伸方向上各车道线之间的距离,确定所述地图要素数据中的路口的位置。
在一个实施例中,路口确定模块52,进一步用于对众包采集得到的各道路地图照片中的车道线的中心点及其位置进行识别;将彼此距离小于预设的第一距离阈值的各中心点分别进行平滑连接,得到对应的车道线数据。
在一个实施例中,路口确定模块52,进一步用于判断所述车道线数据中,,沿道路延伸方向上断开的两段相邻车道线之间的距离是否大于预设的第二距离阈值,若大于,则判断车道线之间为路口。
在一个实施例中,聚合模块54,用于确定沿道路延伸方向上属于相邻的两个路口之间的车道线数据中车道线的首点和尾点;按照所述车道线首点和尾点的采集时间,将所述地图要素数据中属于所述采集时间内采集到的地图要素数据,与所述车道线的数据进行聚合。
本公开实施例还提供了一种高精度地图,该高精度地图的数据是通过如前述高精度地图生成的方法得到的。
本公开实施例还提供了一种高精度地图服务器,包括:存储器、处理器及存储于存储器上并可在处理器上运行的计算机指令,其特征在于,所述指令被处理器执行时能够实现如前述的高精度地图数据的生成方法。
本公开实施例提供的一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现如前述的高精度地图数据的生成方法。
本公开实施例提供的上述高精度地图数据的生成方法、装置及服务器,对众包采集到的地图要素数据,确定其中的路口的位置,并依据路口,对地图要素数据进行分割,将分割后的属于相邻两个路口之间的地图要素数据进行聚合,得到各道路的地图要素数据,以实现以道路为基本单元,对道路的地图要素数据进行高精度地图所需的处理,从而得到整个高精度地图数据,本公开实施按照较小的范围对采集的地图要素数据进行分割,对每个较小范围进行数据的处理,进而保证高精度地图数据整体的准确性,尽可能降低车辆惯导对数据准确性的影响,另外,以道路为基本单元进行数据处理的方式,单个道路数据量较小,可并行处理以提高高精度地图数据的制作和更新的效率。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开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,本公开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和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样,倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内,则本公开也意图包含这些改动和变型在内。
Claims (10)
1.一种高精度地图数据的生成方法,包括:
获取当前众包采集得到的地图要素数据,并确定出所述地图要素数据中的路口的位置;
根据所述路口位置,对所述地图要素数据进行分割;
分别将分割后的所述地图要素数据中属于相邻两个路口之间的地图要素数据进行聚合,得到各道路的地图要素数据;
以所述道路为基本单元,分别对各道路的地图要素数据进行处理,得到高精度地图数据。
2.如权利要求1所述的方法,确定出所述道路地图数据中的路口的位置,具体包括:
识别出所述地图要素数据中的车道线数据;
根据所述车道线数据中沿道路延伸方向上各车道线之间的距离,确定所述地图要素数据中路口的位置。
3.如权利要求2所述的方法,识别出所述地图要素数据中的车道线数据,包括:
对众包采集得到的各道路地图照片中的车道线的中心点及其位置进行识别;
将彼此距离小于预设的第一距离阈值的各中心点分别进行平滑连接,得到对应的车道线数据。
4.如权利要求2所述的方法,根据所述车道线数据中各车道线之间的距离,确定所述道路地图数据中的路口,包括:
判断所述车道线数据中,沿道路延伸方向上断开的两段相邻车道线之间的距离是否大于预设的第二距离阈值,若大于,则判断车道线之间为路口。
5.如权利要求2-4任一项所述的方法,分别将分割后的所述道路地图数据中属于相邻两个路口之间的地图要素进行聚合,得到各道路的地图要素数据,包括:
确定沿道路延伸方向上属于相邻的两个路口之间的车道线数据中车道线的首点和尾点;
按照所述车道线首点和尾点的采集时间,将所述地图要素数据中属于所述采集时间内采集到的地图要素数据,与所述车道线的数据进行聚合。
6.一种高精度地图数据的生成装置,包括:
获取模块,用于获取当前众包采集得到的道路地图数据;
路口确定模块,用于确定出所述道路地图数据中的路口的位置;
分割模块,用于根据所述路口位置,对所述道路地图数据进行分割;
聚合模块,用于分别将分割后的所述道路地图数据中属于相邻两个路口之间的地图要素进行聚合,得到各道路的地图要素数据;
生成模块,用于以所述道路为基本单元,分别对各道路的地图要素数据进行处理,得到高精度地图数据。
7.如权利要求6所述的装置,所述路口确定模块,用于识别出所述地图要素数据中的车道线数据;根据所述车道线数据中沿道路延伸方向上各车道线之间的距离,确定所述地图要素数据中的路口的位置。
8.一种高精度地图,所述高精度地图的数据是通过如权利要求1-5任一项所述的高精度地图生成的方法得到的。
9.一种高精度地图服务器,包括:存储器、处理器及存储于存储器上并可在处理器上运行的计算机指令,所述指令被处理器执行时能够实现如权利要求1-5任一项所述的高精度地图数据的生成方法。
10.一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现如权利要求1-5任一项所述的高精度地图数据的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010177070.XA CN113392170A (zh) | 2020-03-13 | 2020-03-13 | 一种高精度地图数据的生成方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010177070.XA CN113392170A (zh) | 2020-03-13 | 2020-03-13 | 一种高精度地图数据的生成方法、装置及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113392170A true CN113392170A (zh) | 2021-09-14 |
Family
ID=77616330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010177070.XA Pending CN113392170A (zh) | 2020-03-13 | 2020-03-13 | 一种高精度地图数据的生成方法、装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113392170A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114526721A (zh) * | 2021-12-31 | 2022-05-24 | 易图通科技(北京)有限公司 | 地图对齐处理方法、装置及可读存储介质 |
CN114880423A (zh) * | 2022-07-08 | 2022-08-09 | 高德软件有限公司 | 高精资料数据的切分方法、装置、设备及产品 |
-
2020
- 2020-03-13 CN CN202010177070.XA patent/CN113392170A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114526721A (zh) * | 2021-12-31 | 2022-05-24 | 易图通科技(北京)有限公司 | 地图对齐处理方法、装置及可读存储介质 |
CN114526721B (zh) * | 2021-12-31 | 2024-05-24 | 易图通科技(北京)有限公司 | 地图对齐处理方法、装置及可读存储介质 |
CN114880423A (zh) * | 2022-07-08 | 2022-08-09 | 高德软件有限公司 | 高精资料数据的切分方法、装置、设备及产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112380317B (zh) | 高精地图更新方法、装置、电子设备和存储介质 | |
US20200393265A1 (en) | Lane line determination for high definition maps | |
Nedevschi et al. | Accurate ego-vehicle global localization at intersections through alignment of visual data with digital map | |
CN112069856A (zh) | 地图生成方法、驾驶控制方法、装置、电子设备及系统 | |
US11590989B2 (en) | Training data generation for dynamic objects using high definition map data | |
EP3078937A1 (en) | Vehicle position estimation system, device, method, and camera device | |
CN111522003B (zh) | 车辆定位方法及系统、计算机设备、车辆、存储介质 | |
CN111930872A (zh) | 一种高精度地图更新方法、服务器及可读存储介质 | |
CN113392169A (zh) | 一种高精度地图更新的方法、装置及服务器 | |
CN113358125B (zh) | 一种基于环境目标检测和环境目标地图的导航方法及系统 | |
CN113034566A (zh) | 高精度地图构建方法、装置、电子设备及存储介质 | |
CN114509065B (zh) | 地图构建方法、系统、车辆终端、服务器端及存储介质 | |
CN111380544A (zh) | 车道线的地图数据生成方法及装置 | |
CN113392170A (zh) | 一种高精度地图数据的生成方法、装置及服务器 | |
CN111353453A (zh) | 用于车辆的障碍物检测方法和装置 | |
CN115344655A (zh) | 地物要素的变化发现方法、装置及存储介质 | |
CN112432650A (zh) | 高精地图数据的获取方法、车辆控制方法以及设备 | |
CN111325811B (zh) | 一种车道线数据的处理方法及处理装置 | |
CN116295463A (zh) | 一种导航地图元素的自动标注方法 | |
CN113227713A (zh) | 生成用于定位的环境模型的方法和系统 | |
CN115112125A (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN114216469B (zh) | 一种对高精地图进行更新的方法、智慧基站及存储介质 | |
CN112685517A (zh) | 分歧/合流区域的识别方法和设备 | |
US20230280165A1 (en) | Methods for processing map, and vehicle | |
US20230025579A1 (en) | High-definition mapping |
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 |