CN114111814B - 高精地图数据处理方法、装置、电子设备及存储介质 - Google Patents
高精地图数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114111814B CN114111814B CN202111229103.1A CN202111229103A CN114111814B CN 114111814 B CN114111814 B CN 114111814B CN 202111229103 A CN202111229103 A CN 202111229103A CN 114111814 B CN114111814 B CN 114111814B
- Authority
- CN
- China
- Prior art keywords
- target
- bounding box
- position point
- data
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 101
- 238000000034 method Methods 0.000 claims description 34
- 238000005070 sampling Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 13
- 238000002372 labelling Methods 0.000 abstract description 29
- 238000013473 artificial intelligence Methods 0.000 abstract description 10
- 238000013135 deep learning Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 22
- 238000005516 engineering process Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000010845 search algorithm Methods 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- 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
-
- 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
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种高精地图数据处理方法、装置、电子设备及存储介质,涉及计算机技术领域,尤其涉及自动驾驶、深度学习等人工智能技术领域。具体实现方案为:获取轨迹数据,对所述轨迹数据进行处理,以得到道路数据,确定与所述道路数据相关的要素描述特征,根据所述要素描述特征,生成初始要素数据,以及根据所述要素描述特征对所述初始要素数据进行矢量化处理,以得到目标要素数据。由此,能够有效地根据轨迹数据确定出要素数据,并实现自动化地对要素数据进行矢量化处理以进行标注,能够有效地提升针对要素数据的标注效率,提升要素数据的标注准确性,有效地提升要素数据的标注效果。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及自动驾驶、深度学习等人工智能技术领域,具体涉及一种高精地图数据处理方法、装置、电子设备及存储介质。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术,以及机器学习、深度学习、大数据处理技术、知识图谱技术、自动驾驶技术等几大方向等几大方向。高精地图也称高精度地图,是自动驾驶汽车使用。高精地图,拥有精确的车辆位置信息和丰富的道路元素数据信息,可以帮助汽车预知路面复杂信息,如坡度、曲率、航向等,更好地规避潜在的风险。
高精地图数据处理过程中,通常是在对原始道路数据进行一定的处理后采用人工标注的方式对要素数据(要素数据可以例如道路中的护栏或者是路沿,或者是其他的边界要素)进行矢量化处理以进行标注。
发明内容
本公开提供了一种高精地图数据处理方法、装置、电子设备、存储介质以及计算机程序产品。
根据本公开的第一方面,提供了一种高精地图数据处理方法,包括:获取轨迹数据,对所述轨迹数据进行处理,以得到道路数据;确定与所述道路数据相关的要素描述特征,根据所述要素描述特征,生成初始要素数据,以及根据所述要素描述特征对所述初始要素数据进行矢量化处理,以得到目标要素数据。
根据本公开的第二方面,提供了一种高精地图数据处理装置,包括:获取模块,用于获取轨迹数据,第一处理模块,用于对所述轨迹数据进行处理,以得到道路数据,确定模块,用于确定与所述道路数据相关的要素描述特征,生成模块,用于根据所述要素描述特征,生成初始要素数据,以及第二处理模块,用于根据所述要素描述特征对所述初始要素数据进行矢量化处理,以得到目标要素数据。
根据本公开的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开实施例的高精地图数据处理方法。
根据本公开的第四方面,提出了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行本公开实施例的高精地图数据处理方法。
根据本公开的第五方面,提出了一种计算机程序产品,包括计算机程序,当计算机程序由处理器执行时实现本公开实施例的高精地图数据处理方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是根据本公开实施例的轨迹采样流程示意图;
图4是根据本公开实施例的包围盒分组流程示意图;
图5是根据本公开第三实施例的示意图;
图6是根据本公开实施例的数据处理流程示意图;
图7是根据本公开实施例的包围盒有效性判断流程示意图;
图8是根据本公开实施例的数据优化流程示意图;
图9是根据本公开第四实施例的示意图;
图10是根据本公开第五实施例的示意图;
图11示出了可以用来实施本公开的实施例的高精地图数据处理方法的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
图1是根据本公开第一实施例的示意图。
其中,需要说明的是,本实施例的高精地图数据处理方法的执行主体为高精地图数据处理装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在电子设备中,电子设备可以包括但不限于终端、服务器端等。
本公开实施例涉及自动驾驶、深度学习等人工智能技术领域。
其中,人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
深度学习,是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。
自动驾驶,是指利用雷达、激光、超声波、全球定位系统(Global PositionSystem,GPS)、里程计、计算机视觉等多种技术来感知其周边环境,通过先进的计算和控制系统,来识别障碍物和各种标识牌,规划合适的路径来控制车辆行驶的技术。
如图1所示,该高精地图数据处理方法,包括:
S101:获取轨迹数据。
其中,轨迹数据可以是对传感器采集的行驶轨迹数据,结合数据处理规则进行处理得到的,轨迹数据,可以例如包括多个车辆在道路中的多个行驶轨迹数据,或者,还可以是轨迹探测设备所模拟的多个行驶轨迹数据,对此不做限制。
本公开实施例中,在获取轨迹数据时,可以预先在高精地图数据处理装置上配置数据采集装置,经由该数据采集装置采集传感器获取的行驶轨迹数据,并对采集行驶轨迹数据进行降噪处理、采样处理,以得到轨迹数据,或者可以在高精地图数据处理装置上配置数据传输接口,经由该接口接收其他电子设备传输的轨迹数据,对此不做限制。
S102:对轨迹数据进行处理,以得到道路数据。
其中,用于表征道路主干的索引数据可以被称为道路数据。
举例而言,可以对轨迹数据进行分析处理,以提取得到道路主干的索引数据并作为道路数据,或者,也可以采用道路数据解析模型,将轨迹数据输入至道路数据解析模型之中,以得到道路数据解析模型输出的道路主干的索引数据并作为道路数据。
其中,上述的道路主干,可以具体例如道路中的主体路干,相应的,道路中的主体路干两侧具有路沿,还可能会布置一些护栏,从而本公开实施例中可以支持根据上述道路数据对路沿和/或护栏进行相应的识别、矢量化处理以进行标注,具体可以参见下述实施例。
本公开实施例中,在对轨迹数据进行处理时,可以对数据采集装置采集处理得到的轨迹数据进行等间距的抽稀处理,以得到轨迹数据中的多个轨迹点,对等间距抽稀处理得到的多个轨迹点按照采集时间进行排序处理,并对排序处理后的轨迹点从头开始遍历,生成每个轨迹点的方向和上下文关系,以得到可以代表道路主干的道路数据,或者,也可以采用其他任意可能的方式对轨迹数据进行处理,以得到道路数据,对此不做限制。
S103:确定与道路数据相关的要素描述特征。
其中,与道路数据相关的要素用于标注道路的边界,该与道路相关的要素可以例如是道路的护栏或者路沿,要素描述即是采用一定的处理方式对与道路相关的护栏或者路沿进行特征识别、并根据识别的特征进行表征处理,而用于描述道路的护栏或者路沿的特征,可以被称为要素描述特征。
举例而言,可以采用包围盒的方式对于道路相关的护栏或者路沿进行表征处理,表征处理得到的特征(例如包围盒的形态、中心点位置、尺寸、长宽信息等),可以被称为要素描述特征,对此不做限制。
其中,包围盒,是指用体积稍大且特性简单的几何体对与道路相关的护栏或者路沿进行包裹,包围盒配置有中心坐标以及包围盒的长宽高数据信息,而后用包围盒来近似地代替与道路相关的护栏或者路沿。
在上述在对轨迹数据进行处理,以得到道路数据之后,可以确定与道路数据相关的要素描述特征,在确定与道路数据相关的要素描述特征时,可以采用空间索引搜算算法在道路数据的轨迹点所在的空间索引范围内搜索与该轨迹点相关的包围盒,而后提取出该包围盒的包围盒特征作为与该道路数据相关的要素描述特征,包围盒特征可以是包围盒的类型,或者可以是包围盒的位置数据或方向数据等,对此不做限制。
S104:根据要素描述特征,生成初始要素数据。
其中,初始要素数据用于描述与道路数据相关的要素(该要素可以是护栏或者路沿)的左右边界和要素类型(要素类型是指该要素是护栏或者路沿中的一个),当然,要素还可以是道路中其他任意可能形态的要素,例如道路标记、道路指示信息等,对此不做限制。
在上述确定与道路数据相关的要素描述特征之后,可以根据要素描述特征,生成初始要素数据,例如可以是对要素描述特征的位置信息进行提取,以得到要素位置点(要素位置点,可以例如是道路的路沿或者护栏中离散的位置点),根据要素位置点确定得到与道路对应的要素的左右边界,并将该左右边界信息和要素类型作为初始要素数据。
S105:根据要素描述特征对初始要素数据进行矢量化处理,以得到目标要素数据。
其中,矢量化处理,可以是指将初始要素数据中包含的多种类型的数据转换为矢量数据,而矢量数据,可以是利用坐标数据的方式将初始要素数据中包含的多种数据描述为有方向的坐标点或者有方向的顺序坐标链。
本公开实施例中,在上述根据要素描述特征,生成初始要素数据之后,可以对根据要素描述特征对初始要素数据进行矢量化处理,可以根据要素描述特征从初始要素数据中解析出不同类型的要素位置点,并对要素位置点按照一定的规则进行分类排序处理,将有序的要素位置点进行矢量化连接处理,得到矢量化处理后的数据作为目标要素数据。
本实施例中,通过获取轨迹数据,对轨迹数据进行处理,以得到道路数据,确定与道路数据相关的要素描述特征,根据要素描述特征,生成初始要素数据,以及根据要素描述特征对初始要素数据进行矢量化处理,以得到目标要素数据,能够有效地根据轨迹数据确定出要素数据,并实现自动化地对要素数据进行矢量化处理以进行标注,能够有效地提升针对要素数据的标注效率,提升要素数据的标注准确性,有效地提升要素数据的标注效果。
图2是根据本公开第二实施例的示意图。
如图2所示,该高精地图数据处理方法,包括:
S201:获取轨迹数据。
S201的描述说明可以具体参见上述实施例的描述说明,在此不再赘述。
S202:对轨迹数据进行采样,以得到多个候选位置点。
在上述获取轨迹数据之后,可以对轨迹数据进行采样处理,其中,轨迹数据由多个轨迹点组成,可以根据轨迹点的采集时间对轨迹点进行排序处理,可以设定一个间距值,根据设定的间距值对轨迹数据中排序处理后的轨迹点进行遍历,而后进行等间距抽稀处理。
另一些实施例中,还可以将轨迹数据作为抽稀算法的输入,利用抽稀算法对轨迹数据进行处理,得到抽稀处理后的轨迹点即可作为候选位置点,对此不做限制。
S203:从多个候选位置点之中抽取出目标位置点,并确定目标位置点的方向信息。
在上述对轨迹数据进行采样,以得到多个候选位置点之后,可以从多个候选位置点之中抽取出目标位置点。
本公开实施例中,在从多个候选位置点之中抽取出目标位置点时,可以将采样后得到的候选位置点按照采集时间进行排序处理,并将排序后的候选位置存储在一个列表中,并对排序后的候选位置点逐一遍历,可以设定一个间距阈值,根据当前候选位置点与前一候选位置点的候选间距从候选位置点中抽取出目标位置点。
在上述从多个候选位置点之中抽取出目标位置点之后,可以确定出目标位置点的前一个候选位置点与后一个候选位置点的位置向量信息,根据位置向量信息利用方向计算公式计算出目标位置点的方向信息。
可选地,一些实施例中,在从多个候选位置点之中抽取出目标位置点,并确定目标位置点的方向信息时,可以确定候选位置点与前一候选位置点之间的候选间距,前一候选位置点与候选位置点相邻,且前一候选位置点的采样时间早于候选位置点的采样时间,根据候选间距,从多个候选位置点之中抽取出目标位置点,目标位置点具有对应的后一候选位置点,后一候选位置点与目标位置点相邻,且后一候选位置点的采样时间晚于目标位置点的采样时间,根据与目标位置点相关的前一候选位置点和后一候选位置点,生成方向信息,从而能够从对多个轨迹数据中进行采样部分轨迹点以作为候选位置点,获取得到的候选位置点能够在保证轨迹数据不失真的情况下,较大限度地减少待处理的轨迹点的个数,去除冗余的轨迹点,并从候选位置点中抽取目标位置点进行处理,有效地避免占用过多的数据处理资源,有效地提升轨迹数据的处理效率。
本公开实施例中,在从多个候选位置点之中抽取出目标位置点时,可以对排序处理后的候选位置点进行遍历操作,计算当前候选位置点与前一候选位置点之间的候选间距,并设定一个最大阈值和最小阈值,根据最大阈值和最小阈值区间对候选间距进行判断,选取候选位置点作为目标位置点。
举例而言,如图3所示,图3是根据本公开实施例的轨迹采样流程示意图,在对轨迹数据中的轨迹点遍历以进行抽稀处理时,可以首先判断该轨迹点是否为起始点,如果是起始点则将该轨迹点的位置记录为初始位置,而后判断当前候选位置点与前一候选位置的候选间距是否超过设定的最大阈值,其中,前一候选位置点与当前候选位置点相邻,且前一候选位置点的采样时间早于当前候选位置点的采样时间,如果候选间距超过设定的最大阈值,则过滤掉该候选位置点,遍历下一候选位置的位置点,如果候选间距未超过设定的最大阈值,则继续判断该候选间距否超过设定的最小阈值,如果候选间距未超过设定的最小阈值,则过滤掉该候选位置点,遍历下一候选位置的位置点,如果候选间距超过设定的最小阈值,则该当前候选位置点可以作为目标位置点。
本公开实施例中,在确定目标位置点的方向信息时,可以根据与目标位置点相关的前一候选位置点和后一候选位置点生成方向信息,其中,目标位置点具有对应的后一候选位置点,后一候选位置点与目标位置点相邻,且后一候选位置点的采样时间晚于目标位置点的采样时间,可以利用方向计算公式direction=normlize(Positionnext-Positionprev)计算出目标位置点的方向信息,其中,direction为3维方向向量(x,y,z),position为3维位置向量(x,y,z),Positionprev为当前候选位置点的前一候选位置点的位置向量,Positionnext为当前候选位置点的后一候选位置点的位置向量。
S204:将目标位置点和方向信息共同作为道路数据。
在上述从多个候选位置点之中抽取出目标位置点,并确定目标位置点的方向信息之后,可以将目标位置点和目标位置点对应的方向信息共同作为道路数据。
本实施例中,通过对轨迹数据进行采样,以得到多个候选位置点,从多个候选位置点之中抽取出目标位置点,并确定目标位置点的方向信息,并将目标位置点和方向信息共同作为道路数据,从而能够根据一定的规则从多个候选位置点之中抽取出目标位置点进行处理,减少了数据处理资源的占用,从而可以提升针对轨迹数据中的轨迹点的处理效率,处理后的轨迹数据中的目标位置点可以用于对道路要素数据进行标注,从而有效提升要素数据的标注效率。
S205:根据目标位置点和方向信息,确定目标位置点相关的包围盒。
上述确定了目标位置点和方向信息之后,可以确定目标位置点相关的包围盒。
本公开实施例中,在确定目标位置点相关的包围盒时,可以使用k维树结构中的最邻近查找算法在目标位置点范围内根据目标位置点的方向信息进行邻近搜索处理,以得到与目标位置点方向信息相关的多个包围盒,而后设定一个距离阈值,计算搜索处理得到的包围盒与目标位置点的距离值,选取与目标位置点的距离值在距离阈值区间内的包围盒作为目标位置点相关的包围盒。
另一些实施例中,还可以利用其他的邻近搜索算法根据目标位置点的方向信息搜索目标位置点相关的包围盒,并配置相应的匹配规则从邻近搜索算法搜索得到的包围盒中选取部分包围盒作为与目标位置点相关的包围盒,或者利用其他任意可能的方式确定目标位置点相关的包围盒,对此不做限制。
S206:从多个包围盒之中识别出目标包围盒。
在上述确定目标位置点相关的包围盒时,其中,目标位置点可以是多条轨迹融合的点,则可以从识别的多个包围盒中识别出目标位置点的目标包围盒,也即是说,从多个包围盒中识别出与目标位置点最匹配的包围盒作为目标包围盒,该匹配规则可以根据实际使用场景的需求自适应配置,对此不做限制。
本公开实施例中,在从多个包围盒之中识别出目标包围盒时,可以对多个包围盒进行聚类和去重操作,可以计算目标位置点相关的每两个包围盒之间的相似度,设定一个相似度阈值,将超过相似度阈值的两个包围盒视作有重复关系的匹配对,并过滤掉两个包围盒中的一个。
可选地,一些实施例中,在从多个包围盒之中识别出目标包围盒时,可以确定不同包围盒之间的相似度值,确定相似度值大于相似度阈值的第一数量的包围盒,第一数量小于或等于多个包围盒的总数量,确定第一数量的包围盒的长度值,根据长度值对第一数量的包围盒进行分组处理,以得到至少一个包围盒分组,包围盒分组包括:部分包围盒,以及从包围盒分组之中选取出目标包围盒,由于采样轨迹数据得到的目标位置点会融合多条轨迹,存在同一个位置点有多条轨迹的包围盒的特征的情况,因此,通过对包围盒进行分组处理并从包围盒分组之中选取出目标包围盒,从而可以避免重复的包围盒对目标位置点的处理造成干扰,提升针对目标位置点的包围盒的处理效率,提取得到的目标包围盒数据可以用于进一步处理实现要素数据的标注,从而可以有效地辅助要素数据标注的准确性。
本公开实施例中,在确定不同包围盒之间的相似度值时,可以采用k维树结构对每个包围盒进行最邻空间索引搜索,然后对每一个搜索到的匹配对(每个匹配对中含有两个包围盒)计算相似度,可以使用相似度计算公式计算匹配对中两个包围盒的相似度,其中,表示欧式距离系数,d为匹配对中的两个包围盒之间的欧式距离,欧式距离可以利用欧式距离计算公式计算得到,表示夹角系数,θ为包围盒间方向的夹角,表示垂线距离系数,t为包围盒的最小垂线距离。
其中,相似度阈值可以是预先针对相似度设置的阈值数值,在根据相似度计算公式计算出匹配对中两个包围盒的相似度之后,可以触发对匹配对中两个包围盒的相似度进行检验,如果相似度超过了设定的相似度阈值,则过滤掉两个包围盒中的一个,并按照相同的方法对每一个匹配对进行相似度检验,确定出相似度值大于相似度阈值的第一数量的包围盒,第一数量小于或等于多个包围盒的总数量。
在上述确定出相似度值大于相似度阈值的第一数量的包围盒之后,可以确定出第一数量的包围盒的长度值,根据长度值对第一数量的包围盒按照倒序进行排序处理,并对排序处理后的包围盒遍历以根据包围盒的长度进行分组处理,而后从包围盒分组中选取当前包围盒作为保留包围盒,过滤掉分组中的其他包围盒,该保留包围盒即可作为目标包围盒。
举例而言,如图4所示,图4是根据本公开实施例的包围盒分组流程示意图,在对排序处理后的包围盒遍历以进行分组处理时,可以判断当前包围盒是否已经被分组,如果该包围盒已经被分组,则继续遍历下一个北包围盒,如果该包围盒未被分组,则按照包围盒的长度进行分组,而后继续遍历下一个包围盒,直至处理完所有的包围盒。
S207:确定包围盒的包围盒特征,并将包围盒特征作为要素描述特征。
其中,包围盒特征可以是包围盒的位置数据,方向数据以及包围盒的类型等,对此不做限制。
本公开实施例中,在确定包围盒的包围盒特征时,可以确定出包围盒对应的要素位置点,该要素位置点的坐标信息可以作为包围盒的位置数据,可以利用方向计算公式计算出包围盒的方向数据,根据包围盒的标识识别出包围盒的类型,而后可以将包围盒的位置数据,方向数据以及包围盒的类型作为包围盒的包围盒特征,并将包围盒特征作为要素描述特征。
本公开实施例中,通过根据目标位置点和方向信息,确定目标位置点相关的包围盒,并确定包围盒的包围盒特征,并将包围盒特征作为要素描述特征,从而能够根据目标位置点和方向信息确定出目标位置点相关的包围盒,并提取包围盒特征作为要素描述特征,要素描述特征可以用于要素数据的标注从而可以提升针对目标位置点相关的包围盒处理效率,辅助提升要素数据的标注效率。
可选地,一些实施例中,包围盒的数量为多个,在确定包围盒的包围盒特征时,确定目标包围盒的包围盒特征,由于目标包围盒是对目标位置点相关的包围盒进行聚类和去重处理之后选取得到的,从而可以提升目标包围盒选取的准确性,也可以避免占用较多的数据处理资源对多个包围盒的包围盒特征进行提取,目标包围盒的包围盒特征可以用于对要素数据进行标注,从而可以有效地辅助提升要素数据标注的准确性,提升要素数据的标注效果。
本公开实施例中,在上述从目标位置点相关的多个包围盒之中确定出目标包围盒之后,可以对目标包围盒的包围盒特征进行提取。
可选地,一些实施例中,在确定目标包围盒的包围盒特征时,可以确定目标包围盒相对于相应目标位置点的位置数据,确定目标包围盒相对于相应目标位置点的方向信息的方向数据,以及确定目标包围盒的包围盒类型,以及与包围盒类型对应的置信度信息,其中,位置数据、方向数据、包围盒类型,以及置信度信息被共同作为包围盒特征,从而能够确定出包围盒的位置数据、方向数据、包围盒类型,以及置信度信息被共同作为包围盒特征,由于包围盒特征中有置信度信息,从而能够实现对包围盒特征的提取的误差在一定范围之内,保证了包围盒特征提取的准确性。
其中,目标包围盒相对于相应目标位置点的位置数据可以是目标包围盒的三维坐标组(x,y,z),目标包围盒相对于相应目标位置点的方向信息的方向数据可以用单位向量(dx,dy,dz)表示,可以利用方向计算公式计算出单位向量作为包围盒的方向数据,包围盒类型,可以用于表示该包围盒是道路的护栏或者路沿要素,可以用32位的整形数表示,与包围盒类型对应的置信度信息可以用浮点数表示,例如,置信度可以是0.6-1之间的任意一个浮点数,对此不作限制。
本公开实施例中,在确定的包围盒位置数据、方向数据、包围盒类型,以及置信度信息被共同作为包围盒特征之后,可以将包围盒特征以包围盒接口属性的形式存储为一个字段,该包围盒接口属性可以定义为(position,direction,type,prob),其中,position字段存储包围盒的位置数据,direction字段存储包围盒的方向数据,type字段存储包围盒的包围盒类型,prob字段存储包围盒的置信度信息。
S208:根据要素描述特征,生成初始要素数据。
S209:根据要素描述特征对初始要素数据进行矢量化处理,以得到目标要素数据。
S208-S209的描述说明可以具体参见上述实施例的描述说明,在此不再赘述。
本实施例中,通过对轨迹数据进行采样,以得到多个候选位置点,从多个候选位置点之中抽取出目标位置点,并确定目标位置点的方向信息,并将目标位置点和方向信息共同作为道路数据,从而能够根据一定的规则从多个候选位置点之中抽取出目标位置点进行处理,减少了数据处理资源的占用,从而可以提升针对轨迹数据中的轨迹点的处理效率,处理后的轨迹数据中的目标位置点可以用于对道路要素数据进行标注,从而有效提升要素数据的标注效率,根据目标位置点和方向信息,确定目标位置点相关的包围盒,并确定包围盒的包围盒特征,并将包围盒特征作为要素描述特征,从而能够根据目标位置点和方向信息确定出目标位置点相关的包围盒,并提取包围盒特征作为要素描述特征,要素描述特征可以用于要素数据的标注从而可以提升针对目标位置点相关的包围盒处理效率,辅助提升要素数据的标注效率。
图5是根据本公开第三实施例的示意图。
如图5所示,该高精地图数据处理方法,包括:
S501:获取轨迹数据。
S502:对轨迹数据进行处理,以得到道路数据。
S503:根据目标位置点和方向信息,确定目标位置点相关的包围盒。
其中,目标位置点的数量为多个,举例而言,目标位置点可以是对轨迹数据进行等间距的抽稀处理后得到的多个轨迹点,在根据目标位置点和方向信息,确定目标位置点相关的包围盒时,可以对多个目标位置点进行遍历处理,可以利用k维树在目标位置点的空间索引范围内根据目标位置点的方向信息搜索选取得到与目标位置点相关的包围盒。
S504:确定包围盒的包围盒特征,并将包围盒特征作为要素描述特征。
S501-S504的描述说明可以具体参见上述实施例的描述说明,在此不再赘述。
S505:确定当前目标位置点的目标包围盒的目标包围盒特征,其中,当前目标位置点,是当前待生成初始要素数据的目标位置点。
其中,当前目标位置点,可以是多个目标位置点中当前待生成初始要素数据的目标位置点,也即是说,本公开实施例中支持对多个目标位置点进行遍历处理,逐个地根据各个目标位置点生成相应的要素位置点,则与多个目标位置点分别对应的多个要素位置点,可以被共同作为生成初始要素数据的参考,或者也可以直接被共同作为初始要素数据,对此不做限制。
其中,初始要素数据用于表示道路的护栏或者路沿的左右边界,确定当前目标位置点的目标包围盒的目标包围盒特征,也即是确定当前待生成初始要素数据的目标位置点的包围盒特征。
举例而言,如图6所示,图6是根据本公开实施例的数据处理流程示意图,在对轨迹数据进行处理得到道路数据并确定与道路数据相关的要素描述特征之后,可以选取当前待生成初始要素数据的目标位置点确定其目标包围盒特征以得到与道路数据相关的初始要素数据,该初始要素数据可以用于表示道路数据的左边界和右边界。
S506:根据目标包围盒特征,从目标包围盒中提取出要素包围盒。
其中,要素包围盒用于表示道路的护栏或者路沿,不同的要素包围盒的类型不同,可以是护栏要素包围盒或者路沿包围盒等。
本公开实施例中,在根据目标包围盒特征,从目标包围盒中提取出要素包围盒时,可以根据目标包围盒特征中的包围盒类型分别从目标包围盒中提取出护栏要素包围盒或者路沿包围盒等。
可选地,一些实施例中,在根据目标包围盒特征,从目标包围盒中提取出要素包围盒之后,还可以确定当前目标位置点与要素包围盒之间的第一距离,确定与当前目标位置点相关的前一目标位置点与要素包围盒之间的第二距离,其中,前一目标位置点是从多个候选位置点中抽取出的目标位置点,前一目标位置点与当前目标位置点相邻,确定与当前目标位置点相关的后一目标位置点与要素包围盒之间的第三距离,其中,后一目标位置点是从多个候选位置点中抽取出的目标位置点,后一目标位置点与当前目标位置点相邻,以及根据第一距离、第二距离,以及第三距离,判断要素包围盒是否满足有效性条件,从而能够根据有效性条件判断要素包围盒与目标位置点的绑定关系有效性,从而可以较为准确的确定出与目标位置点相关的要素包围盒,而后通过对要素包围盒进行特征提取以实现要素数据的标注,从而可以有效地辅助提升要素数据标注的准确性,提升要素数据的标注效率。
其中,第一距离用于表征当前目标位置点与要素包围盒之间的距离,第二距离用于表征与当前目标位置点相关的前一目标位置点与要素包围盒之间的距离,第三距离用于表征与当前目标位置点相关的后一目标位置点与要素包围盒之间的距离。
本公开实施例中,在确定当前目标位置点与要素包围盒之间的第一距离时,可以利用欧氏距离计算公式根据当前目标位置点的三维坐标数据与要素包围盒的三维坐标数据计算出当前目标位置点与要素包围盒之间的第一距离,相应的,可以利用欧式距离计算公式计算出与当前目标位置点相关的前一目标位置点与要素包围盒之间的第二距离以及与当前目标位置点相关的后一目标位置点与要素包围盒之间的第三距离,其中,前一目标位置点是从多个候选位置点中抽取出的目标位置点,前一目标位置点与当前目标位置点相邻,后一目标位置点是从多个候选位置点中抽取出的目标位置点,后一目标位置点与当前目标位置点相邻,在从多个候选位置点中抽取出前一目标位置点和后一目标位置点时,可以利用k维树在目标位置点的空间索引范围内搜索选取得到。
其中,有效性条件用于对目标位置点与要素包围盒绑定关系的有效性进行判断,有效性判断公式为dcurr<dprev&&dcurr<dnext。
其中,dcurr为当前目标位置点与要素包围盒之间的第一距离,dprev为当前目标位置点相关的前一目标位置点与要素包围盒之间的第二距离,dnext为当前目标位置点相关的后一目标位置点与要素包围盒之间的第三距离。
在判断当前目标位置点对应的要素包围盒是否满足有效性条件之后,可以对其他的目标位置点进行遍历处理,分别判断该目标位置点的要素包围盒是否满足有效性条件,举例而言,如图7所示,图7是根据本公开实施例的包围盒有效性判断流程示意图,对每个目标位置点进行遍历处理,首先判断该目标位置点是否存在满足有效性条件的目标包围盒,如果存在满足有效性条件的目标包围盒,则判断该目标包围盒是否需要更新,并进行相应的处理操作,如果不存在满足有效性条件的目标包围盒,则结束当前判断,继续判断下一个目标位置点,直至遍历处理完所有的目标位置点。
S507:如果要素包围盒满足有效性条件,则根据要素包围盒提取要素位置点。
其中,要素位置点,可以用于描述要素中离散的或者连续的多个位置点,要素位置点可以被用于确认要素包围盒与目标位置点之间的矢量关系。具体例如,要素位置点是道路的路沿或者护栏中离散的位置点,对此不做限制。
在上述确定出第一距离、第二距离,以及第三距离之后,可以根据第一距离、第二距离,以及第三距离对要素包围盒的有效性进行判断,如果要素包围盒满足有效性条件,则可以根据要素包围盒提取要素位置点。
本公开实施例中,在根据要素包围盒提取要素位置点时,可以利用图形处理模型提取要素包围盒的中心点以及边界点作为要素位置点,或者也可以利用其他任意可能的方式提取要素包围盒的要素位置点,对此不做限制。
S508:将多个要素位置点,以及要素位置点对应的要素类型作为初始要素数据。
在上述根据要素包围盒提取要素位置点之后,可以将要素包围盒对应的多个要素位置点以及要素位置对应的要素类型作为初始要素数据,其中,要素位置点对应的要素类型可以是道路的护栏或者路沿。
本实施例中,通过确定当前目标位置点的目标包围盒的目标包围盒特征,并根据目标包围盒特征,从目标包围盒中提取出要素包围盒,如果要素包围盒满足有效性条件,则根据要素包围盒提取要素位置点,并将多个要素位置点,以及要素位置点对应的要素类型作为初始要素数据,从而能够根据有效性条件判断要素包围盒与目标位置点的绑定关系有效性,从而可以较为准确的确定出与目标位置点相关的要素包围盒,并提取要素包围盒的要素位置点以及要素类型作为初始要素数据,从而能够提升获取初始要素数据的准确性,初始要素数据可以用于进行矢量化处理获取目标要素数据,提升目标要素数据生成的准确性,从而辅助提升要素数据的标注效率。
S509:确定第一要素类型的第一要素位置点,第一要素类型属于多个要素类型。
其中,要素类型用于表征标识道路边界的要素的类型。
其中,要素类型,可以具体是道路的左护栏、右护栏、左路沿以及右路沿等,对此不做限制。
而第一要素类型可以是多个要素类型中的任一种要素类型,相应的,第二要素类型是多个要素类型中与第一要素类型不相同的另一种要素类型,其中“第一”“第二”用于对不同要素类型进行区分表述,不作为对任何具体含义的限制。
本公开实施例中,在确定第一要素类型的第一要素位置点时,可以获取第一要素类型的要素包围盒的中心坐标作为第一要素位置点,相应的,可以获取其他要素类型的要素包围盒的中心坐标作为其他要素类型的要素位置点。
S510:从多个第一要素位置点之中,确定出目标第一要素位置点,目标第一要素位置点与当前目标位置点之间相距目标距离,目标距离是多个第四距离中的最小值,多个第四距离,是多个第一要素位置点分别与当前目标位置点之间的距离。
在上述根据有效性条件对目标位置点的要素包围盒的有效性进行判断之后,可以将处理后的要素包围盒按照要素类型进行分类排序处理,而后分别保存至不同的要素列表中,例如,可以分别将左护栏要素类型的要素包围盒、右护栏要素类型的要素包围盒、左路沿要素类型的要素包围盒以及右路沿要素类型的要素包围盒分别按照要素包围盒到目标位置点的垂线距离进行排序,并将排序后的要素包围盒分别保存至左护栏列表、右护栏列表、左路沿列表、右路沿列表中。
本公开实施例中,在确定出第一要素类型的第一要素位置点之后,可以用欧式距离计算公式计算出多个第一要素位置点分别与当前目标位置点之间的距离,该多个距离称为多个第四距离,而后对多个第四距离进行排序处理,选取距离数值最小的第四距离作为目标距离,该第四距离所对应的第一要素位置点即是目标第一要素位置点。
S511:根据目标第一要素位置点、目标距离,以及距离阈值从第二要素类型的第二要素位置点中确定出目标第二要素位置点,第二要素类型属于多个要素类型,且第一要素类型和第二要素类型不相同。
其中,第二要素类型可以是左护栏要素类型、右护栏要素类型、左路沿要素类型以及右路沿中要素类型的一种,且第一要素类型和第二要素类型不相同。
其中,距离阈值可以是针对要素位置点与目标位置点之间的距离预先设定的数值阈值。
本公开实施例中,在从多个第一要素位置点之中,确定出目标第一要素位置点之后,可以根据目标第一要素位置点、目标距离,以及距离阈值从第二要素类型的第二要素位置点中确定出目标第二要素位置点,可以对第二要素类型的要素包围盒所在的列表进行遍历处理,选取第二要素位置点与目标位置点之间的距离最近且未超过设定的距离阈值的第二要素位置点作为目标第二要素位置点。
S512:根据多个目标第一要素位置点和多个目标第二要素位置点,生成目标要素数据。
在上述确定了多个目标第一要素位置点和多个目标第二要素位置点之后,可以分别对多个目标第一要素位置点和多个目标第二要素位置点进行矢量化处理,分别生成多个目标第一要素位置点和多个目标第二要素位置点之间的前驱后继关系,矢量化处理后的目标第一要素位置点和多个目标第二要素位置点可以作为目标要素数据。
本实施例中,通过确定第一要素类型的第一要素位置点,从多个第一要素位置点之中,确定出目标第一要素位置点,目标第一要素位置点与当前目标位置点之间相距目标距离,根据目标第一要素位置点、目标距离,以及距离阈值从第二要素类型的第二要素位置点中确定出目标第二要素位置点,并根据多个目标第一要素位置点和多个目标第二要素位置点,生成目标要素数据,从而能够对多个要素类型的要素位置点进行分层分类处理,有效提升针对要素位置点的处理效率,根据目标要素位置点生成目标要素数据,实现按照不同的要素类型对要素数据进行标注,从而可以辅助提升目标要素数据生成的准确性,提升要素数据的标注准确性,辅助提升要素数据的标注效果。
可选地,一些实施例中,在根据多个目标第一要素位置点和多个目标第二要素位置点,生成目标要素数据时,可以确定多个目标第一要素位置点之间的第一矢量关系,第一矢量关系,描述多个目标第一要素位置点的相对空间位置关系,确定多个目标第二要素位置点之间的第二矢量关系,第二矢量关系,描述多个目标第二要素位置点的相对空间位置关系,根据多个目标第一要素位置点、多个目标第二要素位置点、第一矢量关系,以及第二矢量关系生成目标要素数据,从而能够对要素位置点进行矢量化处理以得到多个要素位置点之间的矢量关系,分别对第一要素位置点和第二要素位置点进行分层处理,对不同的要素数据实现分层标注,从而可以提升目标要素数据生成的准召率,辅助提升要素数据的标注效果。
本公开实施例中,在确定多个目标第一要素位置点之间的第一矢量关系时,可以利用矢量化建模算法对多个目标第一要素位置点进行处理,以获得多个目标第一要素位置点之间的第一矢量关系,第一矢量关系可以描述多个目标第一要素位置点的相对空间位置关系,相应的,利用矢量化建模算法对多个目标第二要素位置点进行处理,以获得多个目标第二要素位置点之间的第二矢量关系,第二矢量关系可以描述多个目标第二要素位置点的相对空间位置关系。
在上述确定出多个目标第一要素位置点之间的第一矢量关系以及多个目标第二要素位置点之间的第二矢量关系之后,可以利用矢量化建模算法根据多个目标第一要素位置点、多个目标第二要素位置点、第一矢量关系,以及第二矢量关系生成目标要素数据。
一些实施例中,还可以对目标要素数据的生成进行优化,选取出识别错误的包围盒,如图8所示,图8是根据本公开实施例的数据优化流程示意图,提取目标包位置点给定阈值d长度的要素包围盒的列表,计算其边线与所有2d长度的要素包围盒列表的拟合斜率a,并设定一个斜率阈值θ,并将大于该斜率阈值的要素包围盒,标记为误识别的要素包围盒。
本实施例中,通过确定当前目标位置点的目标包围盒的目标包围盒特征,并根据目标包围盒特征,从目标包围盒中提取出要素包围盒,如果要素包围盒满足有效性条件,则根据要素包围盒提取要素位置点,并将多个要素位置点,以及要素位置点对应的要素类型作为初始要素数据,从而能够根据有效性条件判断要素包围盒与目标位置点的绑定关系有效性,从而可以较为准确的确定出与目标位置点相关的要素包围盒,并提取要素包围盒的要素位置点以及要素类型作为初始要素数据,从而能够提升获取初始要素数据的准确性,初始要素数据可以用于进行矢量化处理获取目标要素数据,提升目标要素数据生成的准确性,从而辅助提升要素数据的标注效率,通过确定第一要素类型的第一要素位置点,从多个第一要素位置点之中,确定出目标第一要素位置点,目标第一要素位置点与当前目标位置点之间相距目标距离,根据目标第一要素位置点、目标距离,以及距离阈值从第二要素类型的第二要素位置点中确定出目标第二要素位置点,并根据多个目标第一要素位置点和多个目标第二要素位置点,生成目标要素数据,从而能够对多个要素类型的要素位置点进行分层分类处理,有效提升针对要素位置点的处理效率,根据目标要素位置点生成目标要素数据,实现按照不同的要素类型对要素数据进行标注,从而可以辅助提升目标要素数据生成的准确性,提升要素数据的标注准确性,辅助提升要素数据的标注效果。
图9是根据本公开第四实施例的示意图。
如图9所示,该高精地图数据处理装置90,包括:
获取模块901,用于获取轨迹数据;
第一处理模块902,用于对轨迹数据进行处理,以得到道路数据;
确定模块903,用于确定与道路数据相关的要素描述特征;
生成模块904,用于根据要素描述特征,生成初始要素数据;以及
第二处理模块905,用于根据要素描述特征对初始要素数据进行矢量化处理,以得到目标要素数据。
在本公开的一些实施例中,如图10所示,图10是根据本公开第五实施例的示意图,该高精地图数据处理装置100,包括:获取模块1001,第一处理模块1002,确定模块1003,生成模块1004,第二处理模块1005,其中,第一处理模块,1002,具体用于:
对轨迹数据进行采样,以得到多个候选位置点;
从多个候选位置点之中抽取出目标位置点,并确定目标位置点的方向信息;以及
将目标位置点和方向信息共同作为道路数据。
在本公开的一些实施例中,其中,第一处理模块1002,还用于:
确定候选位置点与前一候选位置点之间的候选间距,前一候选位置点与候选位置点相邻,且前一候选位置点的采样时间早于候选位置点的采样时间;
根据候选间距,从多个候选位置点之中抽取出目标位置点,目标位置点具有对应的后一候选位置点,后一候选位置点与目标位置点相邻,且后一候选位置点的采样时间晚于目标位置点的采样时间;以及
根据与目标位置点相关的前一候选位置点和后一候选位置点,生成方向信息。
在本公开的一些实施例中,其中,确定模块1003,包括:
第一确定子模块10031,用于根据目标位置点和方向信息,确定目标位置点相关的包围盒;
第二确定子模块10032,用于确定包围盒的包围盒特征,并将包围盒特征作为要素描述特征。
在本公开的一些实施例中,包围盒的数量为多个,其中,确定模块1003,还包括:
识别子模块10033,用于在根据目标位置点和方向信息,确定目标位置点相关的包围盒之后,从多个包围盒之中识别出目标包围盒;
其中,第二确定子模块,具体用于:
确定目标包围盒的包围盒特征。
在本公开的一些实施例中,其中,识别子模块10033,还用于:
确定不同包围盒之间的相似度值;
确定相似度值大于相似度阈值的第一数量的包围盒,第一数量小于或等于多个包围盒的总数量;
确定第一数量的包围盒的长度值;
根据长度值对第一数量的包围盒进行分组处理,以得到至少一个包围盒分组,包围盒分组包括:部分包围盒;以及
从包围盒分组之中选取出目标包围盒。
在本公开的一些实施例中,其中,第二确定子模块10032,还用于:
确定目标包围盒相对于相应目标位置点的位置数据;
确定目标包围盒相对于相应目标位置点的方向信息的方向数据;以及
确定目标包围盒的包围盒类型,以及与包围盒类型对应的置信度信息,其中,位置数据、方向数据、包围盒类型,以及置信度信息被共同作为包围盒特征。
在本公开的一些实施例中,目标位置点的数量为多个,其中,生成模块1004,具体用于:
确定当前目标位置点的目标包围盒的目标包围盒特征,其中,当前目标位置点,是当前待生成初始要素数据的目标位置点;
根据目标包围盒特征,从目标包围盒中提取出要素包围盒;
如果要素包围盒满足有效性条件,则根据要素包围盒提取要素位置点;以及
将多个要素位置点,以及要素位置点对应的要素类型作为初始要素数据。
在本公开的一些实施例中,其中,生成模块1004,还用于:
确定当前目标位置点与要素包围盒之间的第一距离;
确定与当前目标位置点相关的前一目标位置点与要素包围盒之间的第二距离,其中,前一目标位置点是从多个候选位置点中抽取出的目标位置点,前一目标位置点与当前目标位置点相邻;
确定与当前目标位置点相关的后一目标位置点与要素包围盒之间的第三距离,其中,后一目标位置点是从多个候选位置点中抽取出的目标位置点,后一目标位置点与当前目标位置点相邻;以及
根据第一距离、第二距离,以及第三距离,判断要素包围盒是否满足有效性条件。
在本公开的一些实施例中,要素类型的数量为多个,其中,第二处理模块1005,具体用于:
确定第一要素类型的第一要素位置点,所述第一要素类型属于多个所述要素类型;
从多个第一要素位置点之中,确定出目标第一要素位置点,目标第一要素位置点与当前目标位置点之间相距目标距离,目标距离是多个第四距离中的最小值,多个第四距离,是多个第一要素位置点分别与当前目标位置点之间的距离;
根据目标第一要素位置点、目标距离,以及距离阈值从第二要素类型的第二要素位置点中确定出目标第二要素位置点,第二要素类型属于多个要素类型,且第一要素类型和第二要素类型不相同;以及
根据多个目标第一要素位置点和多个目标第二要素位置点,生成目标要素数据。
在本公开的一些实施例中,其中,第二处理模块1005,还用于:
确定多个目标第一要素位置点之间的第一矢量关系,第一矢量关系,描述多个目标第一要素位置点的相对空间位置关系;
确定多个目标第二要素位置点之间的第二矢量关系,第二矢量关系,描述多个目标第二要素位置点的相对空间位置关系;以及
根据多个目标第一要素位置点、多个目标第二要素位置点、第一矢量关系,以及第二矢量关系生成目标要素数据。
可以理解的是,本实施例附图10中的高精地图数据处理装置100与上述实施例中的高精地图数据处理装置90,获取模块1001与上述实施例中的获取模块901,第一处理模块1002与上述实施例中的第一处理模块902,确定模块1003与上述实施例中的确定模块903,生成模块1004与上述实施例中的生成模块904,第二处理模块1005与上述实施例中的第二处理模块905,可以具有相同的功能和结构。
需要说明的是,前述对高精地图数据处理方法的解释说明也适用于本实施例的高精地图数据处理装置,在此不再赘述。
本实施例中,通过获取轨迹数据,对轨迹数据进行处理,以得到道路数据,确定与道路数据相关的要素描述特征,根据要素描述特征,生成初始要素数据,以及根据要素描述特征对初始要素数据进行矢量化处理,以得到目标要素数据,能够有效地根据轨迹数据确定出要素数据,并实现自动化地对要素数据进行矢量化处理以进行标注,能够有效地提升针对要素数据的标注效率,提升要素数据的标注准确性,有效地提升要素数据的标注效果。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图11示出了可以用来实施本公开的实施例的示例电子设备1100的示意性框图。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、和其他适合的计算机。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、可穿戴设备和其他类似的计算装置。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/或者要求的本公开的实现。
如图11所示,设备1100包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序,来执行各种适当的动作和处理。在RAM1103中,还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106,例如键盘、鼠标等;输出单元1107,例如各种类型的显示器、扬声器等;存储单元1108,例如磁盘、光盘等;以及通信单元1109,例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理,例如高精地图数据处理方法。
例如,在一些实施例中,高精地图数据处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时,可以执行上文描述的高精地图数据处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元1101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行高精地图数据处理方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。其他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)、互联网及区块链网络。
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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (21)
1.一种高精地图数据处理方法,包括:
获取轨迹数据;
对所述轨迹数据进行采样,以得到多个候选位置点;
从所述多个候选位置点之中抽取出目标位置点,并确定所述目标位置点的方向信息;以及
将所述目标位置点和所述方向信息共同作为道路数据;
根据所述目标位置点和所述方向信息,确定所述目标位置点相关的包围盒;
确定所述包围盒的包围盒特征,并将所述包围盒特征作为与所述道路数据相关的要素描述特征;
根据所述要素描述特征,生成初始要素数据;以及
根据所述要素描述特征对所述初始要素数据进行矢量化处理,以得到目标要素数据。
2.根据权利要求1所述的方法,其中,所述从所述多个候选位置点之中抽取出目标位置点,并确定所述目标位置点的方向信息,包括:
确定所述候选位置点与前一候选位置点之间的候选间距,所述前一候选位置点与所述候选位置点相邻,且所述前一候选位置点的采样时间早于所述候选位置点的采样时间;
根据所述候选间距,从所述多个候选位置点之中抽取出目标位置点,所述目标位置点具有对应的后一候选位置点,所述后一候选位置点与所述目标位置点相邻,且所述后一候选位置点的采样时间晚于所述目标位置点的采样时间;以及
根据与所述目标位置点相关的前一候选位置点和所述后一候选位置点,生成所述方向信息。
3.根据权利要求1所述的方法,所述包围盒的数量为多个,在所述根据所述目标位置点和所述方向信息,确定所述目标位置点相关的包围盒之后,还包括:
从多个所述包围盒之中识别出目标包围盒;
其中,所述确定所述包围盒的包围盒特征,包括:
确定所述目标包围盒的包围盒特征。
4.根据权利要求3所述的方法,其中,所述从多个所述包围盒之中识别出目标包围盒,包括:
确定不同所述包围盒之间的相似度值;
确定所述相似度值大于相似度阈值的第一数量的包围盒,所述第一数量小于或等于多个所述包围盒的总数量;
确定所述第一数量的包围盒的长度值;
根据所述长度值对所述第一数量的包围盒进行分组处理,以得到至少一个包围盒分组,所述包围盒分组包括:部分所述包围盒;以及
从所述包围盒分组之中选取出所述目标包围盒。
5.根据权利要求3所述的方法,其中,所述确定所述目标包围盒的包围盒特征,包括:
确定所述目标包围盒相对于相应所述目标位置点的位置数据;
确定所述目标包围盒相对于相应所述目标位置点的方向信息的方向数据;以及
确定所述目标包围盒的包围盒类型,以及与所述包围盒类型对应的置信度信息,其中,所述位置数据、方向数据、所述包围盒类型,以及所述置信度信息被共同作为所述包围盒特征。
6.根据权利要求3所述的方法,所述目标位置点的数量为多个,其中,所述根据所述要素描述特征,生成初始要素数据,包括:
确定当前目标位置点的目标包围盒的目标包围盒特征,其中,所述当前目标位置点,是当前待生成初始要素数据的目标位置点;
根据所述目标包围盒特征,从所述目标包围盒中提取出要素包围盒;
如果所述要素包围盒满足有效性条件,则根据所述要素包围盒提取要素位置点;以及
将多个所述要素位置点,以及所述要素位置点对应的要素类型作为所述初始要素数据。
7.根据权利要求6所述的方法,在所述根据所述目标包围盒特征,从所述目标包围盒中提取出要素包围盒之后,还包括:
确定所述当前目标位置点与所述要素包围盒之间的第一距离;
确定与所述当前目标位置点相关的前一目标位置点与所述要素包围盒之间的第二距离,其中,所述前一目标位置点是从所述多个候选位置点中抽取出的目标位置点,所述前一目标位置点与所述当前目标位置点相邻;
确定与所述当前目标位置点相关的后一目标位置点与所述要素包围盒之间的第三距离,其中,所述后一目标位置点是从所述多个候选位置点中抽取出的目标位置点,所述后一目标位置点与所述当前目标位置点相邻;以及
根据所述第一距离、所述第二距离,以及所述第三距离,判断所述要素包围盒是否满足所述有效性条件。
8.根据权利要求6所述的方法,所述要素类型的数量为多个,其中,所述根据所述要素描述特征对所述初始要素数据进行矢量化处理,以得到目标要素数据,包括:
确定第一要素类型的第一要素位置点,所述第一要素类型属于多个所述要素类型;
从多个所述第一要素位置点之中,确定出目标第一要素位置点,所述目标第一要素位置点与所述当前目标位置点之间相距目标距离,所述目标距离是多个第四距离中的最小值,所述多个第四距离,是多个所述第一要素位置点分别与所述当前目标位置点之间的距离;
根据所述目标第一要素位置点、所述目标距离,以及距离阈值从第二要素类型的第二要素位置点中确定出目标第二要素位置点,所述第二要素类型属于多个所述要素类型,且所述第一要素类型和所述第二要素类型不相同;以及
根据所述多个目标第一要素位置点和所述多个目标第二要素位置点,生成所述目标要素数据。
9.根据权利要求8所述的方法,其中,所述根据所述多个目标第一要素位置点和所述多个目标第二要素位置点,生成所述目标要素数据,包括:
确定多个目标第一要素位置点之间的第一矢量关系,所述第一矢量关系,描述多个所述目标第一要素位置点的相对空间位置关系;
确定多个目标第二要素位置点之间的第二矢量关系,所述第二矢量关系,描述多个目标第二要素位置点的相对空间位置关系;以及
根据所述多个目标第一要素位置点、所述多个目标第二要素位置点、所述第一矢量关系,以及所述第二矢量关系生成所述目标要素数据。
10.一种高精地图数据处理装置,包括:
获取模块,用于获取轨迹数据;
第一处理模块,用于对所述轨迹数据进行采样,以得到多个候选位置点;从所述多个候选位置点之中抽取出目标位置点,并确定所述目标位置点的方向信息;以及将所述目标位置点和所述方向信息共同作为道路数据;
确定模块,用于确定与所述道路数据相关的要素描述特征;
生成模块,用于根据所述要素描述特征,生成初始要素数据;以及
第二处理模块,用于根据所述要素描述特征对所述初始要素数据进行矢量化处理,以得到目标要素数据;
所述确定模块,包括:
第一确定子模块,用于根据所述目标位置点和所述方向信息,确定所述目标位置点相关的包围盒;
第二确定子模块,用于确定所述包围盒的包围盒特征,并将所述包围盒特征作为所述要素描述特征。
11.根据权利要求10所述的装置,其中,所述第一处理模块,还用于:
确定所述候选位置点与前一候选位置点之间的候选间距,所述前一候选位置点与所述候选位置点相邻,且所述前一候选位置点的采样时间早于所述候选位置点的采样时间;
根据所述候选间距,从所述多个候选位置点之中抽取出目标位置点,所述目标位置点具有对应的后一候选位置点,所述后一候选位置点与所述目标位置点相邻,且所述后一候选位置点的采样时间晚于所述目标位置点的采样时间;以及
根据与所述目标位置点相关的前一候选位置点和所述后一候选位置点,生成所述方向信息。
12.根据权利要求10所述的装置,所述包围盒的数量为多个,其中,所述确定模块,还包括:
识别子模块,用于在所述根据所述目标位置点和所述方向信息,确定所述目标位置点相关的包围盒之后,从多个所述包围盒之中识别出目标包围盒;
其中,所述第二确定子模块,具体用于:
确定所述目标包围盒的包围盒特征。
13.根据权利要求12所述的装置,其中,所述识别子模块,还用于:
确定不同所述包围盒之间的相似度值;
确定所述相似度值大于相似度阈值的第一数量的包围盒,所述第一数量小于或等于多个所述包围盒的总数量;
确定所述第一数量的包围盒的长度值;
根据所述长度值对所述第一数量的包围盒进行分组处理,以得到至少一个包围盒分组,所述包围盒分组包括:部分所述包围盒;以及
从所述包围盒分组之中选取出所述目标包围盒。
14.根据权利要求12所述的装置,所述第二确定子模块,还用于:
确定所述目标包围盒相对于相应所述目标位置点的位置数据;
确定所述目标包围盒相对于相应所述目标位置点的方向信息的方向数据;以及
确定所述目标包围盒的包围盒类型,以及与所述包围盒类型对应的置信度信息,其中,所述位置数据、方向数据、所述包围盒类型,以及所述置信度信息被共同作为所述包围盒特征。
15.根据权利要求12所述的装置,所述目标位置点的数量为多个,其中,所述生成模块,具体用于:
确定当前目标位置点的目标包围盒的目标包围盒特征,其中,所述当前目标位置点,是当前待生成初始要素数据的目标位置点;
根据所述目标包围盒特征,从所述目标包围盒中提取出要素包围盒;
如果所述要素包围盒满足有效性条件,则根据所述要素包围盒提取要素位置点;以及
将多个所述要素位置点,以及所述要素位置点对应的要素类型作为所述初始要素数据。
16.根据权利要求15所述的装置,其中,所述生成模块,还用于:
确定所述当前目标位置点与所述要素包围盒之间的第一距离;
确定与所述当前目标位置点相关的前一目标位置点与所述要素包围盒之间的第二距离,其中,所述前一目标位置点是从所述多个候选位置点中抽取出的目标位置点,所述前一目标位置点与所述当前目标位置点相邻;
确定与所述当前目标位置点相关的后一目标位置点与所述要素包围盒之间的第三距离,其中,所述后一目标位置点是从所述多个候选位置点中抽取出的目标位置点,所述后一目标位置点与所述当前目标位置点相邻;以及
根据所述第一距离、所述第二距离,以及所述第三距离,判断所述要素包围盒是否满足所述有效性条件。
17.根据权利要求15所述的装置,所述要素类型的数量为多个,其中,所述第二处理模块,具体用于:
确定第一要素类型的第一要素位置点,所述第一要素类型属于多个所述要素类型;
从多个所述第一要素位置点之中,确定出目标第一要素位置点,所述目标第一要素位置点与所述当前目标位置点之间相距目标距离,所述目标距离是多个第四距离中的最小值,所述多个第四距离,是多个所述第一要素位置点分别与所述当前目标位置点之间的距离;
根据所述目标第一要素位置点、所述目标距离,以及距离阈值从第二要素类型的第二要素位置点中确定出目标第二要素位置点,所述第二要素类型属于多个所述要素类型,且所述第一要素类型和所述第二要素类型不相同;以及
根据所述多个目标第一要素位置点和所述多个目标第二要素位置点,生成所述目标要素数据。
18.根据权利要求17所述的装置,其中,所述第二处理模块,还用于:
确定多个目标第一要素位置点之间的第一矢量关系,所述第一矢量关系,描述多个所述目标第一要素位置点的相对空间位置关系;
确定多个目标第二要素位置点之间的第二矢量关系,所述第二矢量关系,描述多个目标第二要素位置点的相对空间位置关系;以及
根据所述多个目标第一要素位置点、所述多个目标第二要素位置点、所述第一矢量关系,以及所述第二矢量关系生成所述目标要素数据。
19.一种电子设备,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权利要求1-9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的方法。
21.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-9中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111229103.1A CN114111814B (zh) | 2021-10-21 | 2021-10-21 | 高精地图数据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111229103.1A CN114111814B (zh) | 2021-10-21 | 2021-10-21 | 高精地图数据处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114111814A CN114111814A (zh) | 2022-03-01 |
CN114111814B true CN114111814B (zh) | 2024-07-09 |
Family
ID=80376401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111229103.1A Active CN114111814B (zh) | 2021-10-21 | 2021-10-21 | 高精地图数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114111814B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111427904A (zh) * | 2020-03-30 | 2020-07-17 | 北京四维图新科技股份有限公司 | 高精地图数据的更新方法、装置及电子设备 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3619643A1 (en) * | 2017-05-03 | 2020-03-11 | Mobileye Vision Technologies Ltd. | Detection and classification systems and methods for autonomous vehicle navigation |
CN109798903B (zh) * | 2018-12-19 | 2021-03-30 | 广州文远知行科技有限公司 | 一种从地图数据中获取道路信息的方法及装置 |
US11288521B2 (en) * | 2019-01-31 | 2022-03-29 | Uatc, Llc | Automated road edge boundary detection |
KR102177880B1 (ko) * | 2019-03-08 | 2020-11-12 | 현대모비스 주식회사 | 자율주행용 클래스 레이블링 장치 |
CN110490507B (zh) * | 2019-07-04 | 2022-08-12 | 丰图科技(深圳)有限公司 | 一种物流网络的新增线路检测方法、装置及设备 |
CN112747755B (zh) * | 2019-10-30 | 2024-04-30 | 武汉四维图新科技有限公司 | 道路线确定方法、装置、可读存储介质及地图更新系统 |
CN110850439B (zh) * | 2020-01-15 | 2020-04-21 | 奥特酷智能科技(南京)有限公司 | 一种高精度三维点云地图构建方法 |
CN113779162A (zh) * | 2020-02-27 | 2021-12-10 | 异起(上海)智能科技有限公司 | 一种场景标记的方法和系统 |
CN112432650B (zh) * | 2020-11-19 | 2023-07-07 | 北京四维图新科技股份有限公司 | 高精地图数据的获取方法、车辆控制方法以及设备 |
-
2021
- 2021-10-21 CN CN202111229103.1A patent/CN114111814B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111427904A (zh) * | 2020-03-30 | 2020-07-17 | 北京四维图新科技股份有限公司 | 高精地图数据的更新方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114111814A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3109842B1 (en) | Map-centric map matching method and apparatus | |
CN113191256A (zh) | 车道线检测模型的训练方法、装置、电子设备及存储介质 | |
CN114677570B (zh) | 道路信息更新方法、装置、电子设备以及存储介质 | |
CN101710422B (zh) | 基于全局流形原型聚类算法与分水岭算法的图像分割方法 | |
CN108279016A (zh) | Had地图的平滑处理方法和装置、导航系统及自动驾驶系统 | |
CN110363771B (zh) | 一种基于三维点云数据的隔离护栏形点提取方法及装置 | |
CN110798805A (zh) | 基于gps轨迹的数据处理方法、装置及存储介质 | |
CN112883236B (zh) | 一种地图更新方法、装置、电子设备及存储介质 | |
CN110389995A (zh) | 车道信息检测方法、装置、设备和介质 | |
CN114743178B (zh) | 道路边缘线生成方法、装置、设备及存储介质 | |
CN114111813B (zh) | 高精地图元素更新方法、装置、电子设备及存储介质 | |
CN114186007A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
JP6600615B2 (ja) | クラスタリング装置、人工物識別装置、幹検出装置、方法、及びプログラム | |
CN113742437B (zh) | 地图更新方法、装置、电子设备和存储介质 | |
CN111611900A (zh) | 一种目标点云识别方法、装置、电子设备和存储介质 | |
CN118031985A (zh) | 一种电子导航地图更新方法及系统 | |
CN116007638B (zh) | 车辆轨迹地图匹配方法、装置、电子设备及车辆 | |
KR101808413B1 (ko) | 도로의 특성 정보를 이용한 도로 유형 정보 제공 시스템 및 방법 | |
CN114111814B (zh) | 高精地图数据处理方法、装置、电子设备及存储介质 | |
CN114913330B (zh) | 点云部件分割方法、装置、电子设备与存储介质 | |
CN110705695A (zh) | 搜索模型结构的方法、装置、设备和存储介质 | |
CN113836251B (zh) | 一种认知地图构建方法、装置、设备及介质 | |
CN112735130B (zh) | 交通数据的处理方法、装置、电子设备和介质 | |
CN113658338A (zh) | 点云树木单体分割方法、装置、电子设备及存储介质 | |
CN113936109A (zh) | 高精地图点云数据的处理方法、装置、设备以及存储介质 |
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 |