CN114036255A - 一种高精地图数据检验方法、装置和设备 - Google Patents
一种高精地图数据检验方法、装置和设备 Download PDFInfo
- Publication number
- CN114036255A CN114036255A CN202210013711.7A CN202210013711A CN114036255A CN 114036255 A CN114036255 A CN 114036255A CN 202210013711 A CN202210013711 A CN 202210013711A CN 114036255 A CN114036255 A CN 114036255A
- Authority
- CN
- China
- Prior art keywords
- map data
- target object
- point
- actual
- determining
- 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.)
- Granted
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本说明书实施例公开了一种高精地图数据检验方法、装置和设备,用于对含有收费站的高精地图数据进行检验。方法具体包括:获取待检验地图数据,所述待检验地图数据中包含诸如收费站的目标对象的地图数据;获取待检验地图数据对应的预先采集的点云数据;根据所述点云数据中的所述目标对象的实际场景特征确定所述目标对象的实际作业范围;然后,基于所述实际作业范围以及所述地图数据中所述目标对象的地图作业范围,确定所述目标对象的地图数据通过检验。基于该方案,能够自动判定地图产品数据中地图对象作业范围是否符合预设精度需求。
Description
技术领域
本申请涉及数字地图技术领域,尤其涉及一种高精地图数据检验方法、装置和设备。
背景技术
高精地图也称为高分辨率地图(High Definition Map,HD Map)或高精度自动驾驶地图(High Automated Driving Map,HAD Map),在无人驾驶领域,高精度地图作为先验环境信息的服务提供者,在高精度定位、辅助环境感知以及规划与决策过程中起着至关重要的作用。例如,当高精地图中表明存在诸如收费站、隧道等的地图对象时,可以根据这些地图对象的属性来相应地控制无人驾驶设备进行启停、加减速、开关灯等自动操作。
高精地图作为实际道路的一种抽象表达,需要真实地反映地图中的实际地图对象的属性、范围等情况。在实践中,为避免因高精地图信息表达错误带来的不良影响,在高精地图产品发布之前,通常需要对高精地图产品中的数据进行检验。目前,对于高精地图数据的检验大多由质检员通过对街景照片或点云分析判断来进行人工查验。然而,人工核验的方式因检查抽样比例、人员业务技能水平、判断经验等的差异,可能存在漏检误检等情况,造成地图表达信息错误,拉低地图产品数据品质,进而影响自动驾驶安全。
鉴于此,需要提供一种更优的高精地图数据检验方法。
发明内容
本说明书实施例提供一种高精地图数据检验方法、装置、设备和计算机可读介质,以解决现有的人工进行高精地图数据质检时,因检查抽样比例、人员业务技能水平、判断经验等的差异,可能存在漏检误检等情况,从而造成地图表达信息错误,拉低数据品质,影响自动驾驶安全的问题。
为解决上述技术问题,本说明书实施例是这样实现的:
本说明书实施例提供的一种高精地图数据检验方法,用于对含有收费站的高精地图数据进行检验,包括:获取待检验地图数据;所述待检验地图数据中包含目标对象的地图数据;所述目标对象包括收费站;获取待检验地图数据对应的预先采集的点云数据;根据所述点云数据中的所述目标对象的实际场景特征,确定所述目标对象的实际作业范围;基于所述实际作业范围以及所述地图数据中所述目标对象的地图作业范围,确定所述目标对象的地图数据通过检验。
本说明书实施例提供的一种高精地图数据检验装置,用于对含有收费站的高精地图数据进行检验,包括:待检验地图数据获取模块,用于获取待检验地图数据;所述待检验地图数据中包含目标对象的地图数据;所述目标对象包括收费站;点云数据获取模块,用于获取待检验地图数据对应的预先采集的点云数据;实际作业范围确定模块,用于根据所述点云数据中的所述目标对象的实际场景特征,确定所述目标对象的实际作业范围;检验模块,用于基于所述实际作业范围以及所述地图数据中所述目标对象的地图作业范围,确定所述目标对象的地图数据通过检验。
本说明书实施例提供的一种高精地图数据检验设备,用于对含有收费站的高精地图数据进行检验,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:获取待检验地图数据;所述待检验地图数据中包含目标对象的地图数据;所述目标对象包括收费站;获取待检验地图数据对应的预先采集的点云数据;根据所述点云数据中的所述目标对象的实际场景特征,确定所述目标对象的实际作业范围;基于所述实际作业范围以及所述地图数据中所述目标对象的地图作业范围,确定所述目标对象的地图数据通过检验。
本说明书实施例提供的一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现一种高精地图数据检验方法。
本说明书至少一个实施例能够达到以下有益效果:通过基于点云数据确定地图对象的实际作业范围,并与高精地图产品数据中该地图对象的地图作业范围进行差分对比,能够自动判定高精地图产品数据中该地图对象的作业范围是否满足地图产品的预设精度需求,从而实现对高精地图产品数据的检验。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,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中记载的一些实施例,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为本说明书实施例的一种高精地图数据检验方法的流程示意图;
图2为本说明书实施例的收费站区的实际场景示意图;
图3为本说明书实施例的根据点云数据确定收费站的实际作业范围的流程示意图;
图4为本说明书实施例的道路宽度开始变化的位置的示意图;
图5为本说明书实施例的道路宽度变化结束的位置的示意图;
图6为本说明书实施例的自动识别产品数据与真实世界差别的方法流程示意图;
图7为本说明书实施例的对应于图1的一种高精地图数据检验装置的结构示意图;
图8为本说明书实施例的对应于图1的一种高精地图数据检验设备的结构示意图。
具体实施方式
高精地图,又称高分辨率地图(High Definition Map,HD Map)或高精度自动驾驶地图(High Automated Driving Map,HAD Map)。在实践中,为避免因高精地图中信息表达错误导致自动驾驶车辆设备控制出错,在高精地图产品发布之前,通常需要对高精地图产品中的数据再进行发布前检验。目前,对于高精地图数据的检验大多由质检员通过对街景照片或点云分析判断来进行人工查验。然而,人工核验的方式因检查抽样比例、人员业务技能水平、判断经验等的差异,可能存在判断错误、遗漏制作、制作范围错误等情况,造成地图表达信息错误,拉低数据品质,影响自动驾驶安全。
在本说明书的实施例中,通过基于地图对象(例如,收费站)的场景特征,确定点云数据中该地图对象(例如,收费站)的实际作业范围,然后与高精地图产品数据中该地图对象(例如,收费站)的地图作业范围进行差分对比,由此,能够自动判定高精地图产品数据中该地图对象(例如,收费站)的作业范围是否满足地图产品所要求的精度条件,从而完成对高精地图数据的检验。
为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书的一部分实施例,而不是全部的实施例。基于本说明中的实施例,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,都属于本说明书一个或多个实施例保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提供的一种高精地图数据检验方法的流程示意图。从程序角度而言,流程的执行主体可以为搭载于应用服务器或应用客户端的程序。在本说明书的实施例中,流程的执行主体具体可以是用于对高精地图产品进行质检的平台或系统中的程序。所述方法具体用于对高精地图产品中的数据(含有收费站的高精地图数据)进行检验。
如图1所示,该流程可以包括以下步骤:
步骤102:获取待检验地图数据;所述待检验地图数据中包含目标对象的地图数据。
其中,待检验地图数据,可以是指高精地图产品数据。在高精地图产品数据中,至少可以包含关于各种地图对象的描述数据。地图对象可以是与具有一定道路形态的连续路段(link)相对应的道路建筑体,在本说明书中,目标对象可以是指地图数据中的任一地图对象。高精地图产品数据中关于地图对象的描述数据具体可以包括地图对象的属性数据和作业范围数据。其中,地图对象的属性数据可以包括用于标识地图对象的类型的数据。在实践中,根据道路形态不同,地图对象的类型可以包括例如收费站、隧道、上方障碍物等。当基于高精地图实现自动驾驶时,在自动驾驶经过不同的地图对象时,更具体地,在自动驾驶进入和退出地图对象的作业范围时,需要控制车辆执行不同的自动化操作程序,因此,在高精地图数据中准确标注各地图对象的属性和作业范围对于自动驾驶来说非常重要。
在可选的实施例中,所述目标对象可以包括收费站。收费站是指沿着道路行驶方向或在出入口处存在的物理收费设施或自动控制装置,且在(电子)付费或检票后允许通过。在高精度地图中,收费站属性对自动驾驶功能的开启/关闭起决定性作用,与其功能安全和性能均相关,例如,需要针对收费站的起始位置提示控制车辆的行驶速度、启停等,因此,收费站区的属性、范围的正确性表达对自动驾驶高精度地图来说至关重要。
图2示出了本说明书实施例的收费站区的实际场景示意图。表1示出了高精地图产品数据中的部分字段。
表1 高精地图产品数据部分字段表
如表1所示,当连续路段Link的道路形态是收费站区时,即 FORM_OF_WAY=4,则该区域为收费站区。如图2所示,在收费站区范围内,沿道路行驶方向上的第一条Link的StartNode为收费站区起点,沿道路行驶方向上的最后一条Link的End Node为收费站区终点;收费站点挂接的进入Link为初始Link:Link R0;收费站点位置可以记为TP。
步骤104:获取待检验地图数据对应的预先采集的点云数据。
在本说明书的实施例中,为了实现对地图数据的检验,可以使用与待检验的地图数据相对应的点云数据。例如,可以使用与待检验的目标对象对应的区域的点云数据结构实现对地图数据中目标对象的检验。
其中,所使用的点云数据可以是点云数据采集系统自动采集的。更具体地,所述点云数据可以是由专门用于采集道路数据的数据采集车辆和设备所采集的。在本说明书的实施例中,用于检验地图数据的点云数据通常是由专业的外业数据采集车辆所采集的,以确保检验结果的正确性、可靠性。与之不同的是,制作待检验的高精地图数据时的数据,在实践中通常可以全部或部分地使用外包车辆来采集。
步骤106:根据所述点云数据确定所述目标对象的实际作业范围。具体地,根据所述点云数据中的所述目标对象的实际场景特征,确定所述目标对象的实际作业范围。
在实践中,对于获取的点云数据,可以先进行道路段穿串,再进行特征识别,以得到目标对象的实际作业范围。
在本说明书的实施例中,将基于点云数据所确定的目标对象的实际作业范围,认为是目标对象的真实作业范围;而将待检验的地图数据中所记载的目标对象的作业范围,称为目标对象的地图作业范围。在对待检验的地图数据进行检验时(具体地,在对待检验的地图数据中的目标对象的作业范围等数据进行检验时),具体可以是,使用同一目标对象的真实作业范围与地图作业范围进行对比,来判断待检验的地图数据中所记载的目标对象的地图作业范围是否正确。
在本说明书的实施例中,可以根据点云数据中的所述目标对象的实际场景特征,确定所述目标对象的实际作业范围。其中,所述目标对象的所述实际场景特征可以包括道路分流特征、道路合流特征、匝道特征、道路宽度变化特征、警示标线特征和车道标线特征中的至少一种。
以收费站这一目标对象为例,可以根据以下实施例中来确定实际作业范围的范围边界点,即,确定实际作业范围的实际起始点和实际结束点。
在可选的实施例中,沿道路通行方向,若进入收费站的道路存在合流,则将可以合流处的三角岛导流区顶点确定为所述实际作业范围的实际起始点;若退出收费站的道路存在分流,则可以将分流处的三角岛导流区顶点确定为所述实际作业范围的实际结束点。
其中,合流可以是指,两条基本平行的同向车流汇合在一条车道上行驶的交通行为。分流可以是指,一条车道的车流分成两个方向行驶的交通行为。三角岛导流区,又称为,三角导流岛区、导流岛(分流岛、安全岛)三角区等,指的是为把车流导向指定的行进路线而设置的三角交通岛。三角岛导流区顶点即三角岛导流区的位于车道合流处或分流处的顶点,例如,合流处的三角岛导流区顶点可以是指三角岛导流区的位于汇合的两个车道之间的顶点,又如,分流处的三角岛导流区顶点可以是指三角岛导流区的位于分流出的两个车道之间的顶点。
在另一可选的实施例中,沿道路通行方向,若进入收费站路段是匝道,则可以将匝道起始点确定为所述实际作业范围的实际起始点;若退出收费站路段是匝道,则可以将匝道结束点确定为所述实际作业范围的实际结束点。
在又一可选的实施例中,若连通收费站路段存在道路宽度变化临界点,则可以将道路宽度变化临界点确定为所述实际作业范围的范围边界点。具体地,若进入收费站路段存在道路宽度变化临界点,则可以将道路宽度开始变化的位置确定为所述实际作业范围的实际起始点;若退出收费站路段存在道路宽度变化临界点,则可以将道路宽度变化结束的位置确定为所述实际作业范围的实际结束点。
在再一可选的实施例中,若连通收费站路段存在标线变化位置,则可以将所述标线变化位置确定为所述实际作业范围的范围边界点。具体地,对于进入收费站路段,若存在警示标线出现位置,则可以将所述警示标线出现位置确定为所述实际作业范围的实际起始点,若存在车道标线消失位置,则可以将所述车道标线消失位置确定为所述实际作业范围的实际起始点,若既存在警示标线出现位置又存在车道标线消失位置,则可以将二者中距离收费站实体较近者的位置确定为所述实际作业范围的实际起始点;对于退出收费站路段,若存在车道标线出现位置,则可以将所述车道标线出现位置确定为所述实际作业范围的实际结束点。
在本说明书的实施例中,将基于点云数据所确定的理论起始/结束位置称为实际起始/结束位置,在计算过程中,还可以简化称为实际起始点/结束点、实际起止点。而实际起始位置与实际结束位置之间的范围,即实际作业范围。
步骤108:基于所述实际作业范围以及所述地图数据中所述目标对象的地图作业范围,确定所述目标对象的地图数据通过检验。
其中,地图数据中的目标对象的地图作业范围,具体地可以是,沿道路行驶方向上的第一条Link的Start Node(即,地图作业范围起始点)与沿道路行驶方向上的最后一条Link的End Node(即,地图作业范围结束点)之间的范围。
在本说明书的实施例中,步骤108可以包括:先将所述地图数据中所述目标对象的地图作业范围,与所述实际作业范围进行差分,得到差分值;然后根据所述差分值确定所述待检验地图数据中所述目标对象的地图数据通过检验。
具体地,将所述地图数据中所述目标对象的地图作业范围,与所述实际作业范围进行差分,可以包括:将所述目标对象的实际作业范围的起始点与地图作业范围的起始点进行差分,得到起始点差分值,即,所述起始点差分值为所述目标对象的实际作业范围的起始点与地图作业范围的起始点之间的间距。并且,可以将所述目标对象的实际作业范围的结束点与地图作业范围的结束点进行差分,得到结束点差分值,即,所述结束点差分值为所述目标对象的实际作业范围的结束点与地图作业范围的结束点之间的间距。
具体地,根据所述差分值确定所述待检验地图数据中所述目标对象的地图数据通过检验,可以包括:判断所述差分值是否小于预设差分阈值,得到判断结果;若所述判断结果表示所述差分值小于所述预设差分阈值,则确定所述待检验地图数据中所述目标对象的地图数据通过检验。
其中,所述判断所述差分值是否小于预设差分阈值,具体可以是,判断是否所述起始点差分值小于预设差分阈值且所述结束点差分值也小于预设差分阈值。
在可选的实施例中,若所述起始点差分值小于预设差分阈值且所述结束点差分值也小于预设差分阈值,则判断结果为是,即表明,所述差分值满足小于所述预设差分阈值;若所述起始点差分值不小于预设差分阈值且/或者所述结束点差分值不小于预设差分阈值,则判断结果为否,即表明,所述差分值不满足小于所述预设差分阈值。
在实际应用中,所述预设差分阈值可以是根据预设精度设置的。所述预设精度可以是在实践中在高精地图产品中对目标对象的地图作业范围的精度要求,因此可以根据产品需要来设定。在实践中,所述精度具体为纵向绝对精度。
其中,所述待检验地图数据中所述目标对象的地图数据通过检验,即表示所述待检验地图数据中所述目标对象的地图作业范围正确,换言之,表示所述待检验地图数据中所述目标对象的地图作业范围符合预设的产品精度需求。
在实践中,若检验结果确定所述待检验地图数据通过检验,则可以发布该地图产品数据;若检验结果表示所述待检验地图数据未通过检验,则需要进一步确认、修复后再发布。
应当理解,本说明书一个或多个实施例所述的方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。
图1中的方法,通过在地图产品发布前,基于地图对象在点云数据中的场景特征确定该地图对象的实际作业范围,然后与高精地图产品数据中该地图对象的地图作业范围进行差分对比,由此,能够自动判定高精地图产品数据中该地图对象的作业范围是否满足产品精度要求,从而,避免了使用人工核验地图产品数据时因检查抽样比例、人员业务技能水平、判断经验等差异导致的判断错误、制作范围错误等情况,可以更大程度地确保待发布的地图数据的信息表达的正确性,提升所发布的地图产品的数据品质,进而提升基于高精地图产品实现的自动驾驶的安全性。
基于图1的方法,本说明书实施例还提供了该方法的一些具体实施方案,下面进行说明。
在实践中,可以采取如下构思方案实现对收费站的实际作业范围的确定。首先,若沿道路通行方向进入/退出收费站的道路出现合流/分流,则合流/分流处Gore点(三角岛导流区顶点)位置为收费站的理论起始/结束位置;然后,判断沿通行方向进入/退出收费站的道路形态是否为匝道(即,判断收费站是否为匝道收费站),若不是匝道,则根据道路宽度变化、警示标线出现、车道标线消失等特征进行综合判断,并确定理论起始/结束位置;若是匝道,则按照不是匝道的情况判断后的理论起始/结束位置计算到匝道起点的距离,确定匝道收费站的理论起始/结束位置。
其中,在沿通行方向进入/退出收费站的道路形态为匝道的情况下,可以一方面先确定出与匝道的范围边界点,另一方面根据道路宽度变化、警示标线出现、车道标线消失等特征计算出理论起始/结束位置,进而通过综合判断来确定收费站的实际作业范围的范围边界点。基于该实施例的方案,能够进一步提升所确定实际作业范围的范围边界点准确度。
在可选的实施例中,可以考虑匝道范围边界点与收费站实体间是否存在道路宽度变化临界点。具体地,所述根据所述点云数据确定所述目标对象的实际作业范围,具体可以包括:先确定匝道范围边界点,其中,匝道范围边界点包括进入收费站路段的匝道起始点和退出收费站路段的匝道结束点;然后,可以判断匝道范围边界点与收费站实体间是否存在道路宽度变化临界点;若存在道路宽度变化临界点,则可以计算所述道路宽度变化临界点与相应的匝道范围边界点之间的第一距离;并比较所述第一距离与第一预设距离阈值;若所述第一距离小于或等于所述第一预设距离阈值,则可以将匝道范围边界点确定为所述实际作业范围的范围边界点;若所述第一距离大于所述第一预设距离阈值,则可以将所述道路宽度变化临界点确定为所述实际作业范围的范围边界点。所述实际作业范围的范围边界点包括实际起始点和实际结束点。
在可选的实施例中,在匝道范围边界点与收费站实体间若不存在道路宽度变化临界点,则可以考虑连通收费站的路段是否存在标线变化位置。具体地,若匝道范围边界点与收费站实体间不存在道路宽度变化临界点,则可以进一步判断连通收费站路段是否存在标线变化位置,具体地,对于进入收费站路段,可以判断是否存在警示标线出现位置和/或车道标线消失位置,对于退出收费站路段,可以判断是否存在车道标线出现位置;若连通收费站路段存在标线变化位置,则可以计算所述标线变化位置与匝道范围边界点之间的第二距离,具体地,对于进入收费站路段,若存在警示标线出现位置和/或车道标线消失位置,则可以计算警示标线出现位置、车道标线消失位置或二者中距离收费站实体较近者与匝道范围边界点之间的第二距离,对于退出收费站路段,若存在车道标线出现位置,则可以计算车道标线出现位置与匝道范围边界点之间的第二距离;然后比较所述第二距离与第二预设距离阈值,所述第二预设距离阈值可以与上文中的所述第一预设距离阈值相同或不同;若所述第二距离小于或等于所述第二预设距离阈值,则可以将匝道范围边界点确定为所述实际作业范围的范围边界点;若所述第二距离大于所述第二预设距离阈值,则可以将所述标线变化位置确定为所述实际作业范围的范围边界点,具体地,对于进入收费站路段,若存在警示标线出现位置,则可以将所述警示标线出现位置确定为所述实际作业范围的实际起始点,若存在车道标线消失位置,则可以将所述车道标线消失位置确定为所述实际作业范围的实际起始点,若既存在警示标线出现位置又存在车道标线消失位置,则可以将二者中距离收费站实体较近者的位置确定为所述实际作业范围的实际起始点,而对于退出收费站的路段,则可以将车道标线出现位置确定为所述实际作业范围的实际结束点。
在实际应用时,可以将上述实施例中的各种用于确定收费站的实际作业范围的各种策略相结合,综合考虑方法执行效率和判断结果的准确性等,从而得到更优选的实施例。在优选的实施例中,所述根据所述点云数据确定所述目标对象的实际作业范围,具体可以包括如下步骤:
先执行判断A:判断进入/退出收费站的道路是否存在合流/分流。
若判断A的结果表示存在合流/分流,则可以将合流处/分流处Gore点(三角岛导流区顶点)确定为所述实际作业范围的范围边界点(即,起始点/结束点)。若判断A的结果表示不存在合流/分流,则进一步执行判断B:判断进入/退出收费站路段是否为匝道。
若判断B的结果表示进入/退出收费站路段是匝道,则可以根据匝道范围边界点(即,进入收费站路段的匝道起始点/退出收费站路段的匝道结束点)确定所述实际作业范围的范围边界点。在实践中,可以直接将匝道范围边界点确定为实际作业范围的范围边界点;或者可选地,还可以根据在匝道范围边界点与收费站实体间存在的道路宽度变化特征、警示标线出现特征、车道标线消失/出现特征等来综合确定实际作业范围的范围边界点,下面具体说明。
具体地,可以先执行判断C1:判断匝道范围边界点(进入收费站路段的匝道起始点/退出收费站路段的匝道结束点)与收费站实体间是否存在道路宽度变化临界点(即,道路宽度变化的位置)。在实践中:若在计算收费站的实际作业范围的实际起始点时,可以判断匝道起始点与收费站实体间是否存在道路宽度变化的位置,并记录道路宽度开始变化的位置;若在在计算收费站的实际作业范围的实际结束点时,可以判断匝道结束点与收费站实体间是否存在道路宽度变化的位置,并记录道路宽度结束变化的位置。
若判断C1的结果表示存在道路宽度变化临界点,则计算道路宽度变化临界点与相应的匝道范围边界点之间的第一距离(具体地,对于进入收费站路段,第一距离为匝道起始点与道路宽度开始变化的位置之间的距离;而对于退出收费站路段,第一距离为匝道结束点与道路宽度结束变化的位置之间的距离);并比较所述第一距离与第一预设距离阈值;若所述第一距离小于或等于所述第一预设距离阈值,则可以将匝道范围边界点确定为所述实际作业范围的范围边界点(实际起始点和实际结束点);若所述第一距离大于所述第一预设距离阈值,则可以将道路宽度变化临界点确定为所述实际作业范围的范围边界点(实际起始点和实际结束点)。
若判断C1的结果表示不存在道路宽度变化临界点,则执行进一步执行判断C2:对于进入收费站路段,判断是否存在警示标线出现位置和/或车道标线消失位置,而对于退出收费站路段,判断是否存在车道标线出现位置;然后,分析判断C2的结果:对于进入收费站路段,若存在警示标线出现位置和/或车道标线消失位置,则计算二者中距离收费站实体较近者与匝道范围边界点之间的第二距离,而对于退出收费站路段,若存在车道标线出现位置,则计算车道标线出现位置与匝道范围边界点之间的第二距离;并比较所述第二距离与第二预设距离阈值;若所述第二距离小于或等于所述第二预设距离阈值,则可以将匝道范围边界点确定为所述实际作业范围的范围边界点;若所述第二距离大于所述第二预设距离阈值,对于进入收费站路段,则可以将警示标线出现位置和/或车道标线消失位置二者中距离收费站实体较近者的位置确定为所述实际作业范围的范围边界点(即,实际起始点);对于退出收费站的路段,则可以将车道标线出现位置确定为所述实际作业范围的范围边界点(即,实际结束点)。
若判断B的结果表示进入/退出收费站路段不是匝道,则可以根据道路宽度变化临界点、警示标线出现位置、车道标线消失/出现位置,确定所述实际作业范围的范围边界点,下面具体说明。
具体地,可以先执行判断D1:判断进入/退出收费站路段是否存在道路宽度变化临界点。
若判断D1的结果表示存在道路宽度变化临界点,则可以将道路宽度变化临界点确定所述实际作业范围的范围边界点(实际起始点和实际结束点)。
若判断D1的结果表示不存在道路宽度变化临界点,则执行进一步执行判断D2:对于进入收费站路段,判断是否存在警示标线出现位置和/或车道标线消失位置,而对于退出收费站路段,判断是否存在车道标线出现位置;然后,分析判断D2的结果:对于进入收费站路段,若存在警示标线出现位置和/或车道标线消失位置,则可以将二者中距离收费站实体较近者的位置确定为所述实际作业范围的范围边界点(即,实际起始点);对于退出收费站路段,若存在车道标线出现位置,则可以将车道标线出现位置确定为所述实际作业范围的范围边界点(即,实际结束点)。
对应于上文的描述,图3示出了本说明书实施例的根据点云数据确定收费站的实际作业范围的流程示意图。鉴于判断C1和判断D1仅在前序条件上有差异,而判断内容均是判断是否存在道路宽度变化的临界点,在实践中,判断C1和D1可以由同一模块或程序来执行,因此,在图3中将判断C1和D1在同一流程模块中示出,简写为判断C1D1。同理,基于类似的理由,可以将判断C2和判断D2在同一流程模块中示出,简写为判断C2D2。
结合图3的流程示意图和图2的场景示意图,下面分别描述根据点云数据确定收费站起始位置和收费站结束位置的过程。
(一)确定收费站起始位置
参见图2,从收费站点挂接的进入Link(记为初始Link R0)开始,在道路通行方向的反方向上往前查找前序Link,并依次标记Link R1、Link R2、……、Link Rn,其中,R1为距离收费站实体最近的一条前序Link,Rn为搜索范围内距离收费站实体最远的一条前序Link。在前序Link中,若在参数n范围内出现Link分叉,即收费站前方出现道路合流,则进入判定A;若无Link分叉,即收费站前方无道路合流,则进入判定B。
判定A:进入收费站前道路出现合流,则合流处Gore点位置为Cal_Point。
判定B:从Link R1开始查看道路形态是否为匝道,判断收费站是否为匝道收费站,若是,进入C判定;若不是,进入D判定。
判定C:从Link R0开始,查找匝道开始位置,即依次排查Link R0、Link R1、LinkR2……,排查到的最后一个道路形态为匝道的Link的Start Node位置,即为SN1。查找从Start Node到收费站实体间是否存在道路宽度开始变化的位置、是否存在警示标线以及是否存在车道标线消失,并分别计算该三种情况的出现位置距离Start Node的距离。具体地,从Link R0开始,查找道路宽度开始变化的位置,即依次排查Link R0、Link R1、LinkR2……,最后一个道路宽度发生变化Link中,道路宽度开始变化的位置为LWCP。根据是否存在道路宽度开始变化的位置,此处判定C中可以包括子判定C1和C2。
判定C1:若存在道路宽度开始变化的位置,即LWCP点存在,则LWCP位置为运算结果Cal_Middle_Point。计算SN1到Cal_Middle_Point的距离:Dist_SN1_MP。假设预设阈值为25,那么若Dist_SN1_MP≤25,则SN1位置为运算结果Cal_Point;若Dist_SN1_ MP>25,则Cal_Middle_Point位置为运算结果Cal_Point。
判定C2:若不存在道路宽度开始变化的位置,即LWCP点不存在,则一方面,从LinkR0开始,查找警示标线出现位置,即依次排查Link R0、Link R1、Link R2……,最后一个警示标线出现Link中,警示标线出现位置WLMP,即收费站前方若有多条警示标线,第一条警示标线的前沿位置。另一方面,从Link R0开始,查找车道标线消失位置,即依次排查Link R0、Link R1、Link R2……,最先一个车道标线消失Link中,车道标线消失位置为LMDP。然后,将距离收费站实体TP(即收费站点)最近的WLMP或LMDP位置确定为运算结果Cal_Middle_Point。计算SN1到Cal_Middle_Point的距离:Dist_SN1_MP。假设预设阈值为25,那么若Dist_SN1_MP≤25,则SN1位置为运算结果Cal_Point;若Dist_SN1_ MP>25,则Cal_Middle_Point位置为运算结果Cal_Point。
判定D:从Link R0开始,查找道路宽度开始变化的位置,即依次排查Link R0、LinkR1、Link R2……,最后一个道路宽度发生变化Link中,道路宽度开始变化的位置为LWCP。对于收费站起点位置的判断而言,该位置位于收费站前方的道路上,为道路宽度最先变化的位置。图4示出了本说明书实施例的道路宽度开始变化的位置的示意图。如图4所示,P1和P2均为道路发生变化的位置,根据本说明书实施例的方案,可以将进入收费站过程中的道路宽度开始变化的位置确定为P1,而非P2。根据是否存在道路宽度开始变化的位置,此处判定D可以包括子判定D1和D2。
判定D1:若存在道路宽度开始变化的位置,即LWCP点存在,则LWCP位置为运算结果Cal_Point。
判定D2:若不存在道路宽度开始变化的位置,即LWCP点不存在,则一方面,从LinkR0开始,查找警示标线出现位置,即依次排查Link R0、Link R1、Link R2……,最后一个警示标线出现Link中,警示标线出现位置WLMP,即收费站前方若有多条警示标线,第一条警示标线的前沿位置。另一方面,从Link R0开始,查找车道标线消失位置,即依次排查Link R0、Link R1、Link R2……,最先一个车道标线消失Link中,车道标线消失位置为LMDP。然后,将距离收费站实体TP最近的WLMP或LMDP位置确定为运算结果Cal_Point。
根据上述方案,实际的收费站起始位置为最终确定的Cal_Point。
(二)确定收费站结束位置
收费站结束位置的判断原则与起始位置的判断原则基本一致,主要根据收费站区范围沿道路行驶方向查找收费站后序路段特征并进行判断。具体地,在确定收费站结束位置时,从收费站点挂接的退出Link(记为初始Link R0)开始,在道路通行方向上往后查找后序Link,并依次标记Link R1、Link R2、……、Link Rn,其中,R1为距离收费站实体最近的一条后序Link,Rn为搜索范围内距离收费站实体最远的一条后序Link。在后序Link中,若在参数n范围内出现Link分叉,即收费站后方出现道路分流,则进入下面判定A;若无Link分叉,即收费站后方无道路分流,则进入下面判定B。
判定A:退出收费站后方道路出现分流,则分流处Gore点位置为Cal_Point。
判定B:从Link R1开始查看道路形态是否为匝道,判断收费站是否为匝道收费站,若是,进入C判定;若不是,进入D判定。
判定C:从Link R0开始,查找匝道结束位置,即依次排查Link R0、Link R1、LinkR2……,排查到的最后一个道路形态为匝道的Link的End Node位置,即为EN1。查找从EndNode到收费站实体间是否存在道路宽度变化结束的位置以及是否存在车道标线出现,并分别计算该两种情况的出现位置距离End Node的距离。具体地,从Link R0开始,查找道路宽度变化结束的位置,即依次排查Link R0、Link R1、Link R2……,最后一个道路宽度发生变化Link中,道路宽度变化结束的位置为LWCP。根据是否存在道路宽度变化结束的位置,此处判定C中可以包括子判定C1和C2。
判定C1:若存在道路宽度变化结束的位置,即LWCP点存在,则LWCP位置为运算结果Cal_Middle_Point。计算EN1到Cal_Middle_Point的距离:Dist_EN1_MP。假设预设阈值为25,那么若Dist_EN1_MP≤25,则EN1位置为运算结果Cal_Point;若Dist_EN1_ MP>25,则Cal_Middle_Point位置为运算结果Cal_Point。
判定C2:若不存在道路宽度变化结束的位置,即LWCP点不存在,则从Link R0开始,查找车道标线出现位置,即依次排查Link R0、Link R1、Link R2……,最先一个车道标线出现Link中,车道标线出现位置为LMDP。该LMDP位置为运算结果Cal_Middle_Point。计算EN1到Cal_Middle_Point的距离:Dist_EN1_MP。假设预设阈值为25,那么若Dist_EN1_MP≤25,则EN1位置为运算结果Cal_Point;若Dist_EN1_ MP>25,则Cal_Middle_Point位置为运算结果Cal_Point。
判定D:从Link R0开始,查找道路宽度变化结束的位置,即依次排查Link R0、LinkR1、Link R2……,最后一个道路宽度发生变化Link中,道路宽度变化结束的位置为LWCP。对于收费站终点位置的判断而言,该位置位于收费站后方的道路上,为道路宽度最后变化的位置。图5示出了本说明书实施例的道路宽度变化结束位置的示意图。如图5所示,P1和P2均为道路发生变化的位置,根据本说明书实施例的方案,可以将退出收费站过程中的道路宽度变化结束的位置确定为P2,而非P1。根据是否存在道路宽度变化结束的位置,此处判定D可以包括子判定D1和D2。
判定D1:若存在道路宽度变化结束的位置,即LWCP点存在,则LWCP位置为运算结果Cal_Point。
判定D2:若不存在道路宽度变化结束的位置,即LWCP点不存在,则从Link R0开始,查找车道标线出现位置,即依次排查Link R0、Link R1、Link R2……,最先一个车道标线出现Link中,车道标线出现位置为LMDP,该LMDP位置为运算结果Cal_Point。
根据上述方案,实际的收费站结束位置为最终确定的Cal_Point。
基于前述方案,在分别根据点云数据确定了收费站起始位置和收费站结束位置(Cal_Point)后,作为理论的收费站区起始点/结束点,然后可以计算实际收费站区起点/终点Node与Cal_Point之间的间距d。设对于地图产品中收费站区的纵向绝对精度为参数d_abs。则可以执行如下判断:若d<d_abs,认为地图产品中收费站区符合精度要求,标记检查结果为0;若d≥d_abs,认为地图产品中收费站区不符合精度要求,标记检查结果为1。可选地,所执行的判断过程也可以如下:若d≤d_abs,认为地图产品中收费站区符合精度要求,标记检查结果为0;若d>d_abs,认为地图产品中收费站区不符合精度要求,标记检查结果为1。
在实践中,输出标记检查结果的同时,还可以输出间距d值。另外,还可以输出图幅号、收费站起始Node点、LinkPID等其他辅助信息并回写至作业任务中,由此,便于作业员根据log定位进行数据确认修改。
基于本说明书的上述实施例,根据对地图对象的场景特征和高精度地图产品规格分析,可以实现地图对象的自动化识别与判定。可以自动检验数据制作准确度,即判断诸如收费站区的地图对象的作业范围(起始和结束位置)的正确性,由此,能够识别并纠正因查验抽样范围限制而无法检验的错误,提升产品数据品质。
在实践中,对于高精地图产品数据的分析,不仅可以自动判断诸如收费站区的地图对象的作业范围的正确性,并且在对作业范围进行判断之前,还可以先基于点云数据识别地图产品数据中地图对象与真实世界的差异性,即可以判断地图产品数据中的诸如收费站的地图对象是否存在遗漏。
自动识别产品数据与真实世界的差异性的方案构思可以包括:以道路面为基准,可以将点云根据空间位置进行分层,分为道路面点云结构层、道路边点云结构层和道路上方点云结构层,由于我国高速路上收费站的物理结构形态大多数为收费站区有上方建筑,因此,可以先筛选位于道路上方的点云结构层,并与产品数据HAD中相应位置的收费站、隧道、上方障碍物等进行匹配差分,若HAD产品数据中无相关属性,但是道路上方存在点云结构层且道路两侧均存在类似墙或垂直墙的点云,则可以视为HAD产品数据漏做,需要进行补充作业。
图6示出了本说明书实施例中自动识别产品数据与真实世界差别的方法流程示意图。
结合图6,在本说明书的实施例中,首先,可以根据所述点云数据,确定所述点云数据中的在道路上方存在点云结构的区域;然后,对于道路上方存在点云结构的区域,分析道路两侧是否有类似墙或垂直墙的点云;若存在类似墙或垂直墙的点云,则进一步查看所述高精地图数据中相应位置是否标记为特定道路形态,所述特定道路形态包括收费站、隧道或上方障碍物;若未标记为特定道路形态,则表明所述高精地图数据中存在漏做的目标对象数据,需要补做;若已标记为特定道路形态,则可以对于标记为特定道路形态的地图数据,进而根据本说明书实施例中提供的方案来进一步基于相应点云数据检验所述高精地图数据中的地图对象的作业范围是否满足要求。
一方面,在基于点云数据分析点云结构层时,可以先提取点云数据的三维xyz坐标,并根据提取的xyz坐标来分析点云结构层。另一方面,在待检验的高精地图产品数据中,可以提取出关于诸如收费站、隧道、上方障碍物的地图对象的标注信息。
在实践中,可以利用点云分层的方式筛选出位于道路上方的点云,以一个完整的结构为一单位,整合同一点云工程下所有位于路面上方的点云结构单位为一列表。然后,查看与位于道路上方点云相同位置的HAD数据中是否存在诸如收费站、隧道、上方障碍物的地图对象,并在列表中标注。如表2,示出了本说明书实施例的关于位于路面上方的点云结构列表的标注情况示例。
表2 关于位于路面上方的点云结构列表的标注情况示例
序号 | Toll Booth | Tunnel | Overhead Obstruction | Error | …… |
1 | 1 | 0 | 0 | ||
2 | 1 | 0 | 0 | Toll Booth | |
3 | 0 | 1 | 0 | Tunnel | |
4 | 0 | 0 | 1 | Overhead Obstruction | |
5 | 0 | 0 | 0 | 1 | |
…… |
如表2,位于路面上方的点云结构列表中可以包含但不限于以下列:Toll Booth(收费站)、Tunnel(隧道)、Overhead Obstruction(上方障碍物)等,其中每个字段值域为0(否)或1(是)。这些字段的值,是通过查看与道路上方点云相同位置的HAD数据中是否存在收费站、隧道、上方障碍物等来得到的,如有,则在上述列表相应列的对应位置标记为1;如无,则在上述列表相应列的对应位置标记为0。
作为示例,如表2中所示,给出了5组位于路面上方的点云结构的示例,例如,序号1和2的点云结构在HAD数据中相应位置存在收费站,则在Toll Booth列标记为1,Tunnel列和Overhead Obstruction列标记为0;序号3的点云结构在HAD数据中相应位置存在隧道,则在Tunnel列标记为1,在Toll Booth列和Overhead Obstruction列标记为0;序号4的点云结构在HAD数据中相应位置存在上方障碍物,则在Overhead Obstruction列标记为1,在TollBooth列和Tunnel列标记为0;序号5的点云结构在HAD数据中相应位置不存在收费站、隧道、上方障碍物中任何一种,则在Toll Booth列、Tunnel列和Overhead Obstruction列均标记为0。
在表2中,序号1至4的点云结构,均属于点云结构与HAD数据匹配的情况,不需要进行数据补做;序号5属于点云结构与HAD数据匹配不匹配的情况,需要补做数据。实际应用中的情况不限于前述示例。
进一步地,对应道路上方存在点云的区域,可以查看每条车道两侧是否均存在类似墙或垂直墙的点云。若存在,则可以查看该路段参考线Link在Toll Booth(收费站)、Tunnel(隧道)或Overhead Obstruction(上方障碍物)等列中是否存在标记,若三列皆不存在标记,视为漏做,记录在Error列,例如,可以在Error列记录为1;若存在收费站、隧道或上方障碍物,则可以在Error列记录当前HAD的数据类型:Toll Booth、Tunnel或OverheadObstruction。
如表2中所示,对于序号2、3、4的点云数据,可以进一步根据Error列记录的当前HAD的数据类型,采取相应的方案来执行对相应地图对象的作业范围的检验。例如,可以执行本说明书实施例的前述实施例中的至少一种,基于序号2的点云,实现对地图产品数据中相应的收费站的作业范围的正确性(即,是否满足预设精度)进行检验。对于序号1的点云数据,为疑似高精地图数据中多标记了收费站的情况,可以采取其他方案或人工进一步核验。对于序号5的点云数据,尽管根据点云判断实际存在收费站、隧道或上方障碍物,但是在高精地图产品数据的相应部分并未标注,因此,可以认为此处存在地图对象的漏标注,在这种情况下,为了确保地图产品的准确性和高质量,需要对该部分数据进行补做。
综上,基于本说明书的实施例,能够代替人工检查,自动检验高精度地图数据与真实世界的差异,并根据产品规格自动判定数据中地图对象(例如,收费站)范围的正确性。能够实现高效、准确地识别出地图对象(例如,收费站)并判断其正确范围,保证自动驾驶安全和性能,从而防止因检查抽样比例、人员业务技能水平、判断经验等的差异,造成的地图表达信息错误、拉低数据品质的问题。
基于同样的思路,本说明书实施例还提供了上述方法对应的装置。图7为本说明书实施例提供的对应于图1的一种高精地图数据检验装置的结构示意图。所述装置可以用于对高精地图产品中的数据(含有收费站的高精地图数据)进行检验。
如图7所示,该装置可以包括:
待检验地图数据获取模块702,用于获取待检验地图数据;所述待检验地图数据中包含目标对象的地图数据;所述目标对象包括收费站;
点云数据获取模块704,用于获取待检验地图数据对应的预先采集的点云数据;
实际作业范围确定模块706,用于根据所述点云数据中的所述目标对象的实际场景特征,确定所述目标对象的实际作业范围;
检验模块708,用于基于所述实际作业范围以及所述地图数据中所述目标对象的地图作业范围,确定所述目标对象的地图数据通过检验。具体地,可以先将所述地图数据中所述目标对象的地图作业范围,与所述实际作业范围进行差分,得到差分值;然后根据所述差分值确定所述目标对象的地图数据通过检验。
可选地,所述根据所述差分值确定所述目标对象的地图数据通过检验具体可以包括:判断所述差分值是否小于预设差分阈值,得到判断结果;若所述判断结果表示所述差分值小于所述预设差分阈值,则确定所述目标对象的地图数据通过检验。
基于同样的思路,本说明书实施例还提供了上述方法对应的设备。
图8为本说明书实施例提供的对应于图1的一种高精地图数据检验设备的结构示意图。所述设备可以用于对高精地图产品中的数据(含有收费站的高精地图数据)进行检验。
如图8所示,设备800可以包括:
至少一个处理器810;以及,
与所述至少一个处理器通信连接的存储器830;其中,
所述存储器830存储有可被所述至少一个处理器810执行的指令820,所述指令被所述至少一个处理器810执行,以使所述至少一个处理器810能够:
获取待检验地图数据;所述待检验地图数据中包含目标对象的地图数据;所述目标对象包括收费站;
获取待检验地图数据对应的预先采集的点云数据;
根据所述点云数据中的所述目标对象的实际场景特征,确定所述目标对象的实际作业范围;
基于所述实际作业范围以及所述地图数据中所述目标对象的地图作业范围,确定所述目标对象的地图数据通过检验。具体地,可以先将所述地图数据中所述目标对象的地图作业范围,与所述实际作业范围进行差分,得到差分值;然后根据所述差分值确定所述目标对象的地图数据通过检验。
更具体地,所述根据所述差分值确定所述目标对象的地图数据通过检验具体可以包括:判断所述差分值是否小于预设差分阈值,得到判断结果;若所述判断结果表示所述差分值小于所述预设差分阈值,则确定所述目标对象的地图数据通过检验。
基于同样的思路,本说明书实施例还提供了上述方法对应的计算机可读介质。计算机可读介质上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现对高精地图产品中的数据进行检验,具体地,可以执行以下方法:
获取待检验地图数据;所述待检验地图数据中包含目标对象的地图数据;所述目标对象包括收费站;
获取待检验地图数据对应的预先采集的点云数据;
根据所述点云数据中的所述目标对象的实际场景特征,确定所述目标对象的实际作业范围;
基于所述实际作业范围以及所述地图数据中所述目标对象的地图作业范围,确定所述目标对象的地图数据通过检验。具体地,可以先将所述地图数据中所述目标对象的地图作业范围,与所述实际作业范围进行差分,得到差分值;然后根据所述差分值确定所述目标对象的地图数据通过检验。
更具体地,所述根据所述差分值确定所述目标对象的地图数据通过检验具体可以包括:判断所述差分值是否小于预设差分阈值,得到判断结果;若所述判断结果表示所述差分值小于所述预设差分阈值,则确定所述目标对象的地图数据通过检验。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明是参照根据本发明实施例的方法、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。
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。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种高精地图数据检验方法,用于对含有收费站的高精地图数据进行检验,包括:
获取待检验地图数据;所述待检验地图数据中包含目标对象的地图数据;所述目标对象包括收费站;
获取待检验地图数据对应的预先采集的点云数据;
根据所述点云数据中的所述目标对象的实际场景特征,确定所述目标对象的实际作业范围;
基于所述实际作业范围以及所述地图数据中所述目标对象的地图作业范围,确定所述目标对象的地图数据通过检验。
2.如权利要求1所述的方法,所述实际场景特征包括道路分流特征和道路合流特征中的至少一种,所述根据所述点云数据中的所述目标对象的实际场景特征,确定所述目标对象的实际作业范围,具体包括:
若进入收费站的道路存在合流,则将合流处的三角岛导流区顶点确定为所述实际作业范围的实际起始点;
若退出收费站的道路存在分流,则将分流处的三角岛导流区顶点确定为所述实际作业范围的实际结束点。
3.如权利要求1所述的方法,所述实际场景特征包括匝道特征,所述根据所述点云数据中的所述目标对象的实际场景特征,确定所述目标对象的实际作业范围,具体包括:
若进入收费站路段是匝道,则将匝道起始点确定为所述实际作业范围的实际起始点;
若退出收费站路段是匝道,则将匝道结束点确定为所述实际作业范围的实际结束点。
4.如权利要求1所述的方法,所述实际场景特征包括匝道特征和道路宽度变化特征,所述根据所述点云数据中的所述目标对象的实际场景特征,确定所述目标对象的实际作业范围,具体包括:
确定匝道范围边界点;匝道范围边界点包括进入收费站路段的匝道起始点和退出收费站路段的匝道结束点;
判断匝道范围边界点与收费站实体间是否存在道路宽度变化临界点;
若存在道路宽度变化临界点,则计算所述道路宽度变化临界点与相应的匝道范围边界点之间的第一距离;
比较所述第一距离与第一预设距离阈值;
若所述第一距离小于或等于所述第一预设距离阈值,则将匝道范围边界点确定为所述实际作业范围的范围边界点;
若所述第一距离大于所述第一预设距离阈值,则将所述道路宽度变化临界点确定为所述实际作业范围的范围边界点;
所述实际作业范围的范围边界点包括实际起始点和实际结束点。
5.如权利要求4所述的方法,所述实际场景特征还包括标线特征,所述标线特征包括警示标线特征和车道标线特征,所述判断匝道范围边界点与收费站实体间是否存在道路宽度变化临界点之后,还包括:
若不存在道路宽度变化临界点,则判断连通收费站路段是否存在标线变化位置;
若连通收费站路段存在标线变化位置,则计算所述标线变化位置与匝道范围边界点之间的第二距离;
比较所述第二距离与第二预设距离阈值;
若所述第二距离小于或等于所述第二预设距离阈值,则将匝道范围边界点确定为所述实际作业范围的范围边界点;
若所述第二距离大于所述第二预设距离阈值,则将所述标线变化位置确定为所述实际作业范围的范围边界点。
6.如权利要求1所述的方法,所述实际场景特征包括道路宽度变化特征或标线特征中的至少一种,所述根据所述点云数据中的所述目标对象的实际场景特征,确定所述目标对象的实际作业范围,具体包括:
若连通收费站路段存在道路宽度变化临界点,则将道路宽度变化临界点确定为所述实际作业范围的范围边界点;
或者,
若连通收费站路段存在标线变化位置,则将所述标线变化位置确定为所述实际作业范围的范围边界点。
7.如权利要求1所述的方法,所述基于所述实际作业范围以及所述地图数据中所述目标对象的地图作业范围,确定所述目标对象的地图数据通过检验,具体包括:
将所述地图数据中所述目标对象的地图作业范围,与所述实际作业范围进行差分,得到差分值;
根据所述差分值确定所述目标对象的地图数据通过检验。
8.如权利要求1所述的方法,还包括:
根据所述点云数据,确定所述点云数据中的在道路上方存在点云结构的区域;
对于道路上方存在点云结构的区域,分析道路两侧是否有类似墙或垂直墙的点云;
若存在,则查看所述高精地图数据中相应位置是否标记为特定道路形态;所述特定道路形态包括收费站、隧道或上方障碍物;
若未标记,则表明所述高精地图数据中存在漏做的目标对象数据,需要补做;
若已标记,则对于标记为特定道路形态的地图数据,根据权利要求1所述的方法基于相应点云数据检验所述高精地图数据。
9.一种高精地图数据检验装置,用于对含有收费站的高精地图数据进行检验,包括:
待检验地图数据获取模块,用于获取待检验地图数据;所述待检验地图数据中包含目标对象的地图数据;所述目标对象包括收费站;
点云数据获取模块,用于获取待检验地图数据对应的预先采集的点云数据;
实际作业范围确定模块,用于根据所述点云数据中的所述目标对象的实际场景特征,确定所述目标对象的实际作业范围;
检验模块,用于基于所述实际作业范围以及所述地图数据中所述目标对象的地图作业范围,确定所述目标对象的地图数据通过检验。
10.一种高精地图数据检验设备,用于对含有收费站的高精地图数据进行检验,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:
获取待检验地图数据;所述待检验地图数据中包含目标对象的地图数据;所述目标对象包括收费站;
获取待检验地图数据对应的预先采集的点云数据;
根据所述点云数据中的所述目标对象的实际场景特征,确定所述目标对象的实际作业范围;
基于所述实际作业范围以及所述地图数据中所述目标对象的地图作业范围,确定所述目标对象的地图数据通过检验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210013711.7A CN114036255B (zh) | 2022-01-07 | 2022-01-07 | 一种高精地图数据检验方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210013711.7A CN114036255B (zh) | 2022-01-07 | 2022-01-07 | 一种高精地图数据检验方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114036255A true CN114036255A (zh) | 2022-02-11 |
CN114036255B CN114036255B (zh) | 2022-03-25 |
Family
ID=80147422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210013711.7A Active CN114036255B (zh) | 2022-01-07 | 2022-01-07 | 一种高精地图数据检验方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114036255B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944018A (zh) * | 2017-12-11 | 2018-04-20 | 江苏省测绘工程院 | 一种基于激光点云数据的矢量地图位置精度自动质检方法 |
CN110457407A (zh) * | 2018-05-02 | 2019-11-15 | 北京京东尚科信息技术有限公司 | 用于处理点云数据的方法和装置 |
CN111505652A (zh) * | 2020-04-08 | 2020-08-07 | 惠州拓邦电气技术有限公司 | 一种地图建立方法、装置及作业设备 |
CN112487118A (zh) * | 2020-11-30 | 2021-03-12 | 深圳供电局有限公司 | 一种电力线交跨点分析方法及分析系统 |
CN113378693A (zh) * | 2021-06-08 | 2021-09-10 | 北京百度网讯科技有限公司 | 生成目标检测系统和检测目标的方法及装置 |
CN113468941A (zh) * | 2021-03-11 | 2021-10-01 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、装置、设备及计算机存储介质 |
CN113688935A (zh) * | 2021-09-03 | 2021-11-23 | 阿波罗智能技术(北京)有限公司 | 高精地图的检测方法、装置、设备以及存储介质 |
-
2022
- 2022-01-07 CN CN202210013711.7A patent/CN114036255B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944018A (zh) * | 2017-12-11 | 2018-04-20 | 江苏省测绘工程院 | 一种基于激光点云数据的矢量地图位置精度自动质检方法 |
CN110457407A (zh) * | 2018-05-02 | 2019-11-15 | 北京京东尚科信息技术有限公司 | 用于处理点云数据的方法和装置 |
CN111505652A (zh) * | 2020-04-08 | 2020-08-07 | 惠州拓邦电气技术有限公司 | 一种地图建立方法、装置及作业设备 |
CN112487118A (zh) * | 2020-11-30 | 2021-03-12 | 深圳供电局有限公司 | 一种电力线交跨点分析方法及分析系统 |
CN113468941A (zh) * | 2021-03-11 | 2021-10-01 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、装置、设备及计算机存储介质 |
CN113378693A (zh) * | 2021-06-08 | 2021-09-10 | 北京百度网讯科技有限公司 | 生成目标检测系统和检测目标的方法及装置 |
CN113688935A (zh) * | 2021-09-03 | 2021-11-23 | 阿波罗智能技术(北京)有限公司 | 高精地图的检测方法、装置、设备以及存储介质 |
Non-Patent Citations (2)
Title |
---|
XUEBIN SUN: ""A Novel Point Cloud Compression Algorithm Based on Clustering"", 《IEEE ROBOTICS AND AUTOMATION LETTERS》 * |
王萍等: ""针对不同作业模式分析LiDAR点云密度对电力巡线的影响"", 《测绘与空间地理信息》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114036255B (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108242145B (zh) | 异常轨迹点检测方法和装置 | |
CN107563566B (zh) | 一种基于支持向量机的公交站间运行时间区间预测方法 | |
CN102208013A (zh) | 风景匹配参考数据生成系统和位置测量系统 | |
CN110532250B (zh) | 交规数据的处理方法及装置 | |
CN111125293B (zh) | 公交网络模型自动生成方法、装置及电子设备 | |
CN112509356A (zh) | 一种车辆行驶路线生成方法及系统 | |
CN104200659A (zh) | 一种不按规定线路行驶的重点车辆交通违法行为判定方法 | |
CN109211255A (zh) | 用于为具有自动车辆系统的机动车规划路线的方法 | |
CN110675646B (zh) | 公交站点位置获取方法及装置 | |
CN115547084A (zh) | 道路通行状况预测方法、装置、电子设备及计算机程序产品 | |
CN110675631A (zh) | 一种交通流溯源分析方法及系统 | |
CN115762126A (zh) | 基于车道匹配的场景筛选方法、装置、设备及存储介质 | |
Zhao et al. | A new method of road network updating based on floating car data | |
CN112923941B (zh) | 路线规划方法、数据挖掘方法、相应的装置及电子设备 | |
CN114036255B (zh) | 一种高精地图数据检验方法、装置和设备 | |
CN113706875A (zh) | 一种道路功能研判方法 | |
US11816989B2 (en) | Identification of connection patterns on the basis of trajectory data | |
CN114485681B (zh) | 一种利用dr轨迹评价中精度地图数据一致率的方法 | |
CN116105717A (zh) | 车道级高精度地图构建方法及系统 | |
Arman et al. | Road centreline and lane reconstruction from pervasive GPS tracking on motorways | |
CN113470343B (zh) | 阻断道路的开通检测方法、装置、设备及存储介质 | |
Herath et al. | A Comparison of speed data by different speed detection techniques | |
CN115027483B (zh) | 叠置道路识别、车辆行驶控制方法、装置及设备 | |
US11915585B2 (en) | Method of identifying vehicle turning movements at intersections from trajectory data and reallocating green time therefor | |
CN115798218B (zh) | 关联交通标识信息的方法、装置及电子设备 |
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 |