CN113763731A

CN113763731A - 高精地图重建道路交叉口红绿灯信息的方法和系统

Info

Publication number: CN113763731A
Application number: CN202111146020.6A
Authority: CN
Inventors: 沈明; 韩志华; 张旭; 郭立群
Original assignee: Suzhou Zhitu Technology Co Ltd
Current assignee: Suzhou Zhitu Technology Co Ltd
Priority date: 2021-09-28
Filing date: 2021-09-28
Publication date: 2021-12-07
Anticipated expiration: 2041-09-28
Also published as: CN113763731B

Abstract

本发明提供了高精地图重建道路交叉口红绿灯信息的方法和系统，包括：确定每个红绿灯的位置；将每个红绿灯进行关联，得到每处红绿灯集合；根据每处红绿灯集合中的每个红绿灯的位置，计算每处红绿灯集合的位置；获取每处红绿灯集合对应的关联道路交叉口；计算每处红绿灯集合与关联道路交叉口的相对位置，并存储到高精地图中；将相对位置与当前行驶方向的位置进行比较，根据比较结果确定正前方的红绿灯集合；将每处红绿灯集合与关联道路交叉口的相对位置存储到高精地图中，使得汽车在行驶过程中能够快速地计算出各方位的红绿灯信息，从而更精准快速地对其他车辆进行运动预测。

Description

高精地图重建道路交叉口红绿灯信息的方法和系统

技术领域

本发明涉及智能交通技术领域，尤其是涉及高精地图重建道路交叉口红绿灯信息的方法和系统。

背景技术

汽车自动驾驶到道路交叉口时，如果只利用感知技术，通常只能检测到正前方的红绿灯，在经过道路交叉口的行驶过程中，对于周围其他车辆的行为预测，只能依赖检测到的其他车辆的相对速度和相对运动方向。如图1所示，汽车1检测到前方为绿灯，行驶经过此道路交叉口时，周围存在多个汽车2，对于这些车辆，通过检测汽车2相对于汽车1的速度和方向，可以预测出各自的运动轨迹。但是，对于大型交叉路口通行车辆较多时，会导致运算量很大。

在上述场景中，如果能预先知道要经过的道路交叉口有哪些红绿灯，检测到正前方红绿灯的显示颜色类型后，结合一些交通常识(比如正前方是绿灯的话，垂直于本车道方向一定是红灯)，可以给道路交叉口内其他车辆的运动预测带来帮助。

由于受限于各传感器感知范围的物理界限，道路交叉口的红绿灯，除了正前方的之外，对于其他方向汽车传感器无法感知。目前获取其他方向红绿灯的方式通常有两种，一种是V2X车联网技术，另一种是高精地图技术。V2X车联网技术非常依赖于基础设施，建设应用周期较长，成本较高。相对来说，高精地图技术由于不依赖于路端的硬件基础设施，应用起来会更为灵活快速，且成本较低。

针对上述场景，高精地图在自动驾驶系统中作为一种超视距、不受物理界限以及天气因素影响的特殊“传感器”，可以非常及时精确地告知汽车当前道路交叉口的红绿灯有几个，分别在哪个位置。如图2所示，汽车1在还未到达道路交叉口时，获取高精地图内存储的红绿灯信息，可以预先“感知”到前方道路交叉口的所有红绿灯位置；经过道路交叉口时，再结合正前方红绿灯颜色类型以及交通规则，判断出其他红绿灯的颜色类型，这样就能更方便地预测出其他汽车2的运动轨迹。

虽然高精地图能够给予汽车更丰富的交通信息，但是高精地图的局限性也相当明显：高精地图本质上只是一种静态的先验信息，无法直接拿来给汽车使用。比如在上述的道路交叉口场景中，究竟哪个是正前方红绿灯，哪个是左方向的，哪个是右方向的，高精地图不能直接给出答案，在汽车行驶过程中，必须实时动态地进行计算和转换。

另外，实际上在高精地图中存储的红绿灯信息和人们的通常认知有很大不同。如图3所示，红绿灯Signal A和Signal B虽然是同一条道路且安装在同一个架子上的，从人的认知上来说这就是一处红绿灯，但是在高精地图的存储中，这是两个完全独立的红绿灯；并且红绿灯Signal A和Signal B与道路交叉口(Junction)并没有直接的关联关系。因此“道路交叉口的红绿灯”这个信息根本就不存在。

发明内容

有鉴于此，本发明的目的在于提供高精地图重建道路交叉口红绿灯信息的方法和系统，将每处红绿灯集合与关联道路交叉口的相对位置存储到高精地图中，使得汽车在行驶过程中能够快速地计算出各方位的红绿灯信息，从而更精准快速地对其他车辆进行运动预测。

第一方面，本发明实施例提供了高精地图重建道路交叉口红绿灯信息的方法，所述方法包括：

确定每个红绿灯的位置；

将每个所述红绿灯进行关联，得到每处红绿灯集合；

根据每处所述红绿灯集合中的每个所述红绿灯的位置，计算每处所述红绿灯集合的位置；

获取每处所述红绿灯集合对应的关联道路交叉口；

计算每处所述红绿灯集合与所述关联道路交叉口的相对位置，并存储到高精地图中；

将所述相对位置与当前行驶方向的位置进行比较，根据比较结果确定正前方的红绿灯集合。

进一步的，每个所述红绿灯包括多个灯泡，所述确定每个红绿灯的位置，包括：

获取每个所述灯泡的坐标；

对所有所述灯泡的坐标求和后求平均，计算每个所述红绿灯的位置。

进一步的，所述将每个所述红绿灯进行关联，得到每处红绿灯集合，包括，重复执行以下处理，直至每个所述红绿灯均被遍历：

选取任意所述红绿灯作为当前红绿灯；

从其他未选取的所述红绿灯当中选取与所述当前红绿灯位置的距离小于或等于第一预设距离的红绿灯，并将选取的所述红绿灯作为关联红绿灯；

根据所述当前红绿灯和所述关联红绿灯构建所述红绿灯集合。

进一步的，所述获取每处所述红绿灯集合对应的关联道路交叉口，包括：

获取每处所述红绿灯集合对应的关联车道，根据所述关联车道确定每处所述红绿灯集合对应的第一道路交叉口；

根据每处所述红绿灯集合与第二道路交叉口的外包络框中各点的距离，确定每处所述红绿灯集合对应的第二道路交叉口；

如果所述第一道路交叉口的ID与所述第二道路交叉口的ID一致，则将所述第一道路交叉口或所述第二道路交叉口作为所述关联道路交叉口。

进一步的，所述获取每处所述红绿灯集合对应的关联车道，根据所述关联车道确定每处所述红绿灯集合对应的第一道路交叉口包括，重复执行以下处理，直至每处所述红绿灯集合均被遍历：

选取任意所述红绿灯集合作为当前红绿灯集合；

判断所述当前红绿灯集合是否存在所述关联车道；

如果存在，则获取关联车道的集合；

如果不存在，则无对应的第一道路交叉口；

判断所述关联车道是否存在前序车道；

如果存在，则获取所述前序车道的集合；

如果不存在，则无对应的所述第一道路交叉口；

判断所述前序车道与所述第一道路交叉口是否存在关联，如果存在关联，则获取所述当前红绿灯集合对应的所述第一道路交叉口；

如果不存在关联，则继续查询，直至找到与所述第一道路交叉口关联的车道或者再也没有所述前序车道为止。

进一步的，所述根据每处所述红绿灯集合与第二道路交叉口的外包络框中各点的距离，确定每处所述红绿灯集合对应的第二道路交叉口包括，重复执行以下处理，直至每处所述红绿灯集合均被遍历：

选取任意所述红绿灯集合作为当前红绿灯集合；

计算所述当前红绿灯集合与所述第二道路交叉口的外包络框中各点的距离，并从中选取最小距离；

如果所述最小距离小于第二预设距离，则获取所述当前红绿灯集合对应的所述第二道路交叉口；

如果所述最小距离大于或等于所述第二预设距离，则无对应的所述第二道路交叉口。

进一步的，所述计算每处所述红绿灯集合与所述关联道路交叉口的相对位置，包括：

计算所述关联道路交叉口的中心点；

将每处所述红绿灯集合的中心点与所述关联道路交叉点的中心点相连，计算连线后与正北方向的夹角，从而得到每处所述红绿灯集合的正北偏差角。

第二方面，本发明实施例提供了高精地图重建道路交叉口红绿灯信息的系统，所述系统包括：

确定单元，用于确定每个红绿灯的位置；

关联单元，用于将每个所述红绿灯进行关联，得到每处红绿灯集合；

红绿灯位置计算单元，用于根据每处所述红绿灯集合中的每个所述红绿灯的位置，计算每处所述红绿灯集合的位置；

获取单元，用于获取每处所述红绿灯集合对应的关联道路交叉口；

相对位置计算单元，用于计算每处所述红绿灯集合与所述关联道路交叉口的相对位置，并存储到高精地图中；

比较单元，用于将所述相对位置与当前行驶方向的位置进行比较，根据比较结果确定正前方的红绿灯集合。

第三方面，本发明实施例提供了电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。

第四方面，本发明实施例提供了具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行如上所述的方法。

本发明实施例提供了高精地图重建道路交叉口红绿灯信息的方法和系统，包括：确定每个红绿灯的位置；将每个红绿灯进行关联，得到每处红绿灯集合；根据每处红绿灯集合中的每个红绿灯的位置，计算每处红绿灯集合的位置；获取每处红绿灯集合对应的关联道路交叉口；计算每处红绿灯集合与关联道路交叉口的相对位置，并存储到高精地图中；将相对位置与当前行驶方向的位置进行比较，根据比较结果确定正前方的红绿灯集合；将每处红绿灯集合与关联道路交叉口的相对位置存储到高精地图中，使得汽车在行驶过程中能够快速地计算出各方位的红绿灯信息，从而更精准快速地对其他车辆进行运动预测。

本发明的其他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，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为道路交叉口的应用场景示意图；

图2为道路交叉口内车辆运动轨迹预测示意图；

图3为红绿车、车道和道路交叉口的应用场景示意图；

图4为本发明实施例一提供的高精地图重建道路交叉口红绿灯信息的方法流程图；

图5为本发明实施例一提供的获取每处红绿灯集合对应的关联道路交叉口的方法流程图；

图6为本发明实施例一提供的计算正北偏差角的示意图；

图7为本发明实施例二提供的高精地图重建道路交叉口红绿灯信息的系统示意图。

图标：

1-确定单元；2-关联单元；3-红绿灯位置计算单元；4-获取单元；5-相对位置计算单元；6-比较单元。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明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。

高精地图中通常存储红绿灯信息。需要说明的是，由于经纬度坐标系不便于计算空间距离，所以本申请涉及到的位置信息全部采用ENU坐标系(站心坐标系)，站心点选择地图场景中相对中心的任意一点即可。

对于一个红绿灯实体，存储信息如表1所示：

对于红绿灯内一个灯泡实体，存储信息如表2所示：

信息种类	内容格式
		显示类型	表示显示为圆形还是箭头，箭头的话，表示箭头方向
位置	这个灯泡的坐标信息

为便于对本实施例进行理解，下面对本发明实施例进行详细介绍。

实施例一：

图4为本发明实施例一提供的高精地图重建道路交叉口红绿灯信息的方法流程图。

参照图4，该方法包括以下步骤：

步骤S101，确定每个红绿灯的位置；

步骤S102，将每个红绿灯进行关联，得到每处红绿灯集合；

步骤S103，根据每处红绿灯集合中的每个红绿灯的位置，计算每处红绿灯集合的位置；

这里，在得到每处红绿灯集合后，对每处红绿灯集合中的每个红绿灯的X轴坐标和Y轴坐标求和，再平均后即可得到每处红绿灯集合的位置，具体参照公式(1)。

步骤S104，获取每处红绿灯集合对应的关联道路交叉口；

具体地，将每处红绿灯集合与关联道路交叉口建立关联。对于一个关联道路交叉口，存储信息如表3所示：

如图3所示，先找到与每处红绿灯集合(Signal Group)有关联的车道(以下简称Lane)，Signal A与Signal B组成的Signal Group关联的Lane为Lane 1、Lane 2；然后查询Lane 1、Lane 2的前序车道，如果查询得到的前序车道与关联道路交叉口有关联则停止查询，如果查询得到的前序车道与关联道路交叉口没有关联则继续递归查询前序车道的前序车道，直至找到与关联道路交叉口有关联的车道或者再也没有前序车道为止。

图3中Lane 1的前序车道为Lane 3，Lane 2的前序车道为Lane 4，这两个车道都与关联道路交叉口有关联关系，所以至此就已经找到了Signal Group对应的关联道路交叉口(Junction)。

但是，在实际调试过程中发现，与Junction有关联的车道并不完整，因为与Junction有关联的车道通常都是一些人为加入的虚拟车道，实际上并不存在，所以像图3中缺失Lane 3、Lane 4的情况并不少见。此时需要加入计算Signal Group与Junction外包络框中各点的距离来辅助判断Signal Group对应的Junction。具体计算过程参照图5。

步骤S105，计算每处红绿灯集合与关联道路交叉口的相对位置，并存储到高精地图中；

步骤S106，将相对位置与当前行驶方向的位置进行比较，根据比较结果确定正前方的红绿灯集合。

进一步的，每个红绿灯包括多个灯泡，步骤S101包括以下步骤：

步骤S201，获取每个灯泡的坐标；

步骤S202，对所有灯泡的坐标求和后求平均，计算每个红绿灯的位置。

这里，原始信息中实际上不存在“红绿灯位置”这样一种信息，需通过另外的计算获得。由于并不关心高程信息，所以将每个灯泡的XY轴坐标求和平均后即可得到一个红绿灯的位置信息。参照公式(1)：

其中，P(x,y)为红绿灯的位置信息，N为灯泡的个数，x_i为每个灯泡的x轴坐标，y_i为每个灯泡的y轴坐标，V(x_i,y_i)为每个灯泡的x轴坐标和y轴坐标组成的方向向量。

进一步的，步骤S102包括以下步骤，重复执行以下处理，直至每个红绿灯均被遍历：

步骤S301，选取任意红绿灯作为当前红绿灯；

步骤S302，从其他未选取的红绿灯当中选取与当前红绿灯位置的距离小于或等于第一预设距离的红绿灯，并将选取的红绿灯作为关联红绿灯；

步骤S303，根据当前红绿灯和关联红绿灯构建红绿灯集合。

具体地，由于实际使用过程中关心的是地理位置中一处红绿灯的位置，而不是每个独立的红绿灯的具体位置，所以本申请需要抽象出地理位置中一处红绿灯集合(以下简称Signal Group)的位置信息。如图3所示，将Signal A和Signal B当作一个整体，计算出其位置。然而查看上述表格中的原始信息发现，每个红绿灯之间并没有关联关系，无法直接将实际在一处的红绿灯组成一个集合。考虑到实际情况，被安装在一处的红绿灯一定是互相之间离得很近的一组，因此采用逐个计算距离并与阈值作比较的方法即可筛选出一系列的Signal Group。

本申请根据实际交通情况和调试结果，将第一预设距离设置为10米。当红绿灯样本数量较小时，采用逐个遍历的方式，具体为：选取任意红绿灯作为当前红绿灯；从其他未选取的红绿灯当中选取与当前红绿灯位置的距离小于或等于第一预设距离的红绿灯，并将选取的红绿灯作为关联红绿灯；根据当前红绿灯和关联红绿灯构建红绿灯集合。上述过程执行完成后，再从未选取的红绿灯当中选取任意红绿灯作为当前红绿灯，并且重复执行上述过程，直至每个红绿灯均被遍历。

当红绿灯样本数量较大时，采取预先建立空间索引方法进行空间搜索后，得到距离，然后将距离与预设阈值进行比较，以加速计算。

进一步的，步骤S104包括以下步骤：

步骤S401，获取每处红绿灯集合对应的关联车道，根据关联车道确定每处红绿灯集合对应的第一道路交叉口；

步骤S402，根据每处红绿灯集合与第二道路交叉口的外包络框中各点的距离，确定每处红绿灯集合对应的第二道路交叉口；

步骤S403，如果第一道路交叉口的ID与第二道路交叉口的ID一致，则将第一道路交叉口或第二道路交叉口作为关联道路交叉口。

进一步的，参照图5，步骤S401包括，重复执行以下处理，直至每处所述红绿灯集合均被遍历：

步骤S501，选取任意红绿灯集合作为当前红绿灯集合；

步骤S502，判断当前红绿灯集合是否存在关联车道；如果存在，则执行步骤S503；如果不存在，则执行步骤S504；

步骤S503，获取关联车道的集合；

步骤S504，无对应的第一道路交叉口；

步骤S505，判断关联车道是否存在前序车道；如果存在，则执行步骤S506；如果不存在，则执行步骤S504；

步骤S506，获取前序车道的集合；

步骤S507，判断前序车道与第一道路交叉口是否存在关联，如果存在关联，则执行步骤S508；如果不存在关联，则执行步骤S505；

S508，获取当前红绿灯集合对应的第一道路交叉口；

这里，如果不存在关联，则继续查询，直至找到与第一道路交叉口关联的车道或者再也没有前序车道为止。

进一步的，参照图5，步骤S402包括，重复执行以下处理，直至每处红绿灯集合均被遍历：

步骤S601，选取任意红绿灯集合作为当前红绿灯集合；

步骤S602，计算当前红绿灯集合与所述第二道路交叉口的外包络框中各点的距离，并从中选取最小距离；

步骤S603，判断最小距离是否小于第二预设距离，如果最小距离小于第二预设距离，则执行步骤S604；如果最小距离大于或等于第二预设距离，则执行步骤S504；

步骤S604，获取当前红绿灯集合对应的第二道路交叉口；

步骤S605，如果第一道路交叉口的ID与第二道路交叉口的ID一致，则将第一道路交叉口或第二道路交叉口作为关联道路交叉口。

进一步的，步骤S105包括以下步骤：

步骤S701，计算关联道路交叉口的中心点；

步骤S702，将每处红绿灯集合的中心点与关联道路交叉点的中心点相连，计算连线后与正北方向的夹角，从而得到每处红绿灯集合的正北偏差角。

这里，使用Signal Group以及Junction时，还需要知道Signal Group相对于汽车的方向，此信息可以通过计算Signal Group相对于Junction中心点的相对位置获得。

考虑到实际情况中Junction的外包络多边形大都是一个形状相对规整的凸多边形，而且Signal Group相对于Junction中心点的相对位置并不要求太精准，因此为了简化计算，使用Junction外包络多边形的每个点XY轴坐标求和平均后的值作为Junction的中心点，具体参照公式1。

然后依次将每处Signal Group的中心点和Junction的中心点连线，再计算此连线与正北方向的夹角，得到每处Signal Group的正北偏差角。

具体地，参照图6，计算每个Signal Group的正北偏差角，即为计算V1、V2、V3、V4四个向量与North向量的顺时针夹角α、β、σ、θ，参照公式(2)：

其中，θ₁为正北偏差角，x₁为每个红绿灯相对道路交叉口中心点的横坐标方向向量，y₁为每个红绿灯相对道路交叉口中心点的纵坐标方向向量，x₂为正北方向的横坐标向量，y₂为正北方向的纵坐标向量。

由于θ₁小于0，故参照公式(3)可知：

θ₂＝2*π+θ₁ (3)

在计算出上面的各种信息后，需要对各种信息进行存储，故增加一个SignalGroup的关系表，存储上面计算出的关联Junction、正北偏差角信息，如表4所示：

信息种类	内容格式
		红绿灯的集合	此Signal Group包含的红绿灯的集合信息
Junction	此Signal Group关联的Junction信息
		正北偏差角	此Signal Group的正北偏差角

在原有Junction的关系表内增加如表5所示的信息：

信息种类	内容格式
		Signal Group的集合	此Junction包含的Signal Group的集合信息

当汽车快行驶到Junction时，将每个红绿灯的正北偏差角分别与当前行驶方向的正北偏差角进行比较，选取差值最小的正北偏差角；将差值最小的正北偏差角对应的方向作为正前方；确定正前方后，再确定哪个是左侧，哪个是右侧，依此类推。

本申请利用高精地图中存储的红绿灯、道路交叉口的原始信息，将每处红绿灯集合与关联道路交叉口的相对位置计算出来，并添加到高精地图中，使得汽车行驶过程中能够更方便快速地计算出各方位上的红绿灯信息。相当于是在原有高精地图数据库中添加了一些特殊索引以达到加速了搜索的目的。本申请节省了汽车自动驾驶经过道路交叉口时的计算量，从而更精准快速地对其他车辆进行运动预测，达到经过道路交叉口时更好的短距离决策规划效果。

本发明实施例提供了高精地图重建道路交叉口红绿灯信息的方法，包括：确定每个红绿灯的位置；将每个红绿灯进行关联，得到每处红绿灯集合；根据每处红绿灯集合中的每个红绿灯的位置，计算每处红绿灯集合的位置；获取每处红绿灯集合对应的关联道路交叉口；计算每处红绿灯集合与关联道路交叉口的相对位置，并存储到高精地图中；将相对位置与当前行驶方向的位置进行比较，根据比较结果确定正前方的红绿灯集合；将每处红绿灯集合与关联道路交叉口的相对位置存储到高精地图中，使得汽车在行驶过程中能够快速地计算出各方位的红绿灯信息，从而更精准快速地对其他车辆进行运动预测。

实施例二：

参照图7，该系统包括：

确定单元1，用于确定每个红绿灯的位置；

关联单元2，用于将每个红绿灯进行关联，得到每处红绿灯集合；

红绿灯位置计算单元3，用于根据每处红绿灯集合中的每个红绿灯的位置，计算每处红绿灯集合的位置；

获取单元4，用于获取每处红绿灯集合对应的关联道路交叉口；

相对位置计算单元5，用于计算每处红绿灯集合与关联道路交叉口的相对位置，并存储到高精地图中；

比较单元6，用于将相对位置与当前行驶方向的位置进行比较，根据比较结果确定正前方的红绿灯集合。

本发明实施例提供了高精地图重建道路交叉口红绿灯信息的系统，包括：确定每个红绿灯的位置；将每个红绿灯进行关联，得到每处红绿灯集合；根据每处红绿灯集合中的每个红绿灯的位置，计算每处红绿灯集合的位置；获取每处红绿灯集合对应的关联道路交叉口；计算每处红绿灯集合与关联道路交叉口的相对位置，并存储到高精地图中；将相对位置与当前行驶方向的位置进行比较，根据比较结果确定正前方的红绿灯集合；将每处红绿灯集合与关联道路交叉口的相对位置存储到高精地图中，使得汽车在行驶过程中能够快速地计算出各方位的红绿灯信息，从而更精准快速地对其他车辆进行运动预测。

本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例提供的高精地图重建道路交叉口红绿灯信息的方法的步骤。

本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，计算机可读介质上存储有计算机程序，计算机程序被处理器运行时执行上述实施例的高精地图重建道路交叉口红绿灯信息的方法的步骤。

本发明实施例所提供的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims

1.一种高精地图重建道路交叉口红绿灯信息的方法，其特征在于，所述方法包括：

确定每个红绿灯的位置；

将每个所述红绿灯进行关联，得到每处红绿灯集合；

获取每处所述红绿灯集合对应的关联道路交叉口；

2.根据权利要求1所述的高精地图重建道路交叉口红绿灯信息的方法，其特征在于，每个所述红绿灯包括多个灯泡，所述确定每个红绿灯的位置，包括：

获取每个所述灯泡的坐标；

3.根据权利要求1所述的高精地图重建道路交叉口红绿灯信息的方法，其特征在于，所述将每个所述红绿灯进行关联，得到每处红绿灯集合，包括，重复执行以下处理，直至每个所述红绿灯均被遍历：

选取任意所述红绿灯作为当前红绿灯；

4.根据权利要求1所述的高精地图重建道路交叉口红绿灯信息的方法，其特征在于，所述获取每处所述红绿灯集合对应的关联道路交叉口，包括：

5.根据权利要求4所述的高精地图重建道路交叉口红绿灯信息的方法，其特征在于，所述获取每处所述红绿灯集合对应的关联车道，根据所述关联车道确定每处所述红绿灯集合对应的第一道路交叉口包括，重复执行以下处理，直至每处所述红绿灯集合均被遍历：

选取任意所述红绿灯集合作为当前红绿灯集合；

判断所述当前红绿灯集合是否存在所述关联车道；

如果存在，则获取关联车道的集合；

如果不存在，则无对应的第一道路交叉口；

判断所述关联车道是否存在前序车道；

如果存在，则获取所述前序车道的集合；

如果不存在，则无对应的所述第一道路交叉口；

6.根据权利要求4所述的高精地图重建道路交叉口红绿灯信息的方法，其特征在于，所述根据每处所述红绿灯集合与第二道路交叉口的外包络框中各点的距离，确定每处所述红绿灯集合对应的第二道路交叉口包括，重复执行以下处理，直至每处所述红绿灯集合均被遍历：

选取任意所述红绿灯集合作为当前红绿灯集合；

7.根据权利要求1所述的高精地图重建道路交叉口红绿灯信息的方法，其特征在于，所述计算每处所述红绿灯集合与所述关联道路交叉口的相对位置，包括：

计算所述关联道路交叉口的中心点；

将每处所述红绿灯集合的中心点与所述关联道路交叉口的中心点相连，计算连线后与正北方向的夹角，从而得到每处所述红绿灯集合的正北偏差角。

8.一种高精地图重建道路交叉口红绿灯信息的系统，其特征在于，所述系统包括：

确定单元，用于确定每个红绿灯的位置；

9.一种电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法。

10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至7任一项所述的方法。