CN114111816B - 一种基于人工智能的低成本车道级高精度地图的方法 - Google Patents

Abstract

本发明公开了一种基于人工智能的低成本车道级高精度地图的方法，其中，所述方法包括：根据所述第一逐帧解析结果获得第一目标物；对所述第二视频信息进行逐帧解析，获得第二逐帧解析结果；对所述第二逐帧解析结果进行所述第一目标物的特征识别，获得第一特征识别结果；当所述第一特征识别结果为包括所述第一目标物时，则根据所述第二逐帧解析结果和所述第一逐帧解析结果对所述第一目标物的位置信息进行多角度位置纠正，获得第一位置纠正结果；将所述第一目标物及所述第一位置纠正结果发送至所述地图生成修正系统。解决了现有技术地图内容具有不够丰富的局限性，且地图内容存在错误，导致精确度不够，影响应用的技术问题。

Description

一种基于人工智能的低成本车道级高精度地图的方法

技术领域

本发明涉及人工智能领域，尤其涉及一种基于人工智能的低成本车道级高精度地图的方法。

背景技术

电子地图和导航系统有望在未来交通运输系统中发挥更大的作用，为了将现有的导航系统扩展到更多的应用领域，如自动驾驶，需要考虑在传统道路地图模型的基础上，建立车道级地图规划，以从电子地图中获取车道级的环境细节信息。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术地图内容具有不够丰富的局限性，且地图内容存在错误，导致精确度不够，影响应用的技术问题。

发明内容

本申请实施例通过提供一种基于人工智能的低成本车道级高精度地图的方法，解决了现有技术地图内容具有不够丰富的局限性，且地图内容存在错误，导致精确度不够，影响应用的技术问题，达到通过建立车道级地图进行内容规划，多角度实时智能化对地图错误内容进行修正，确保低成本的为用户提供内容丰富且精确度高的地图，从而加大地图应用的技术效果。

鉴于上述问题，提出了本发明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。

第一方面，本申请实施例提供了一种基于人工智能的低成本车道级高精度地图的方法，所述方法包括：通过所述第一图像采集装置获得第一视频信息，对所述第一视频信息进行逐帧解析，获得第一逐帧解析结果；根据所述第一逐帧解析结果获得第一目标物；通过所述第二图像采集装置获得第二视频信息，对所述第二视频信息进行逐帧解析，获得第二逐帧解析结果；对所述第二逐帧解析结果进行所述第一目标物的特征识别，获得第一特征识别结果；当所述第一特征识别结果为包括所述第一目标物时，则根据所述第二逐帧解析结果和所述第一逐帧解析结果对所述第一目标物的位置信息进行多角度位置纠正，获得第一位置纠正结果；将所述第一目标物及所述第一位置纠正结果发送至所述地图生成修正系统。

另一方面，本申请还提供了一种基于人工智能的低成本车道级高精度地图的系统，所述系统包括：第一获得单元，所述第一获得单元用于通过第一图像采集装置获得第一视频信息，对所述第一视频信息进行逐帧解析，获得第一逐帧解析结果；第二获得单元，所述第二获得单元用于根据所述第一逐帧解析结果获得第一目标物；第三获得单元，所述第三获得单元用于通过第二图像采集装置获得第二视频信息，对所述第二视频信息进行逐帧解析，获得第二逐帧解析结果；第四获得单元，所述第四获得单元用于对所述第二逐帧解析结果进行所述第一目标物的特征识别，获得第一特征识别结果；第五获得单元，所述第五获得单元用于当所述第一特征识别结果为包括所述第一目标物时，则根据所述第二逐帧解析结果和所述第一逐帧解析结果对所述第一目标物的位置信息进行多角度位置纠正，获得第一位置纠正结果；第一发送单元，所述第一发送单元用于将所述第一目标物及所述第一位置纠正结果发送至地图生成修正系统。

第三方面，本发明实施例提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述的控制输出数据的方法中的步骤。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的控制输出数据的方法中的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了通过所述第一图像采集装置获得第一视频信息，对所述第一视频信息进行逐帧解析，获得第一逐帧解析结果；根据所述第一逐帧解析结果获得第一目标物；通过所述第二图像采集装置获得第二视频信息，对所述第二视频信息进行逐帧解析，获得第二逐帧解析结果；对所述第二逐帧解析结果进行所述第一目标物的特征识别，获得第一特征识别结果；当所述第一特征识别结果为包括所述第一目标物时，则根据所述第二逐帧解析结果和所述第一逐帧解析结果对所述第一目标物的位置信息进行多角度位置纠正，获得第一位置纠正结果；将所述第一目标物及所述第一位置纠正结果发送至所述地图生成修正系统。进而达到通过建立车道级地图进行内容规划，多角度实时智能化对地图错误内容进行修正，确保低成本的为用户提供内容丰富且精确度高的地图，从而加大地图应用的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种基于人工智能的低成本车道级高精度地图的方法的流程示意图；

图2为本申请实施例一种基于人工智能的低成本车道级高精度地图的方法中目标物识别特征更新修正的流程示意图；

图3为本申请实施例一种基于人工智能的低成本车道级高精度地图的方法中位置核实修正的流程示意图；

图4为本申请实施例一种基于人工智能的低成本车道级高精度地图的方法中对获得第一核实结果的流程示意图；

图5为本申请实施例一种基于人工智能的低成本车道级高精度地图的方法中隐私特征等级分类的流程示意图；

图6为本申请实施例一种基于人工智能的低成本车道级高精度地图的方法中等级分类加密处理的流程示意图；

图7为本申请实施例一种基于人工智能的低成本车道级高精度地图的方法中置信度评估修正的流程示意图；

图8为本申请实施例一种基于人工智能的低成本车道级高精度地图的系统的结构示意图；

图9为本申请实施例所提供的一种用于执行控制输出数据的方法的电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第一发送单元16，总线1110，处理器1120，收发器1130，总线接口1140，存储器1150和用户接口1160。

具体实施方式

在本发明实施例的描述中，所属技术领域的技术人员应当知道，本发明实施例可以实现为方法、装置、电子设备及计算机可读存储介质。因此，本发明实施例可以具体实现为以下形式：完全的硬件、完全的软件（包括固件、驻留软件、微代码等）、硬件和软件结合的形式。此外，在一些实施例中，本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式，该计算机可读存储介质中包含计算机程序代码。

上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括：电、磁、光、电磁、红外或半导体的系统、装置或器件，或者以上任意的组合。计算机可读存储介质更具体的例子包括：便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本发明实施例中，计算机可读存储介质可以是任意包含或存储程序的有形介质，该程序可以被指令执行系统、装置、器件使用或与其结合使用。

申请概述

本发明实施例通过流程图和/或方框图描述所提供的方法、装置、电子设备。

应当理解，流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令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，从而生产出一种机器，这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。

也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样，存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。

也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。

下面结合本发明实施例中的附图对本发明实施例进行描述。

实施例一

如图1所示，本申请实施例提供了一种基于人工智能的低成本车道级高精度地图的方法，其中，所述方法包括：

步骤S100：通过所述第一图像采集装置获得第一视频信息，对所述第一视频信息进行逐帧解析，获得第一逐帧解析结果；

步骤S200：根据所述第一逐帧解析结果获得第一目标物；

具体而言，通过所述图像采集装置对地图场景进行视频信息采集，所述第一图像采集装置为地面上的图像采集装置，如车载监控、摄像头等。对所述第一视频信息进行帧数的逐帧解析，获得包括地面场景的第一逐帧解析结果，并根据所述第一逐帧解析结果，获得地面场景目标物，如路障物、道路类型、路牌等。

步骤S300：通过所述第二图像采集装置获得第二视频信息，对所述第二视频信息进行逐帧解析，获得第二逐帧解析结果；

具体而言，通过所述图像采集装置对地图场景进行视频信息采集，所述第二图像采集装置为无人机从不同角度采集到的三维视频图像。对所述第二视频信息进行帧数的逐帧解析，获得包括地图场景的第二逐帧解析结果，以便为后续对地图位置进行修正。

步骤S400：对所述第二逐帧解析结果进行所述第一目标物的特征识别，获得第一特征识别结果；

步骤S500：当所述第一特征识别结果为包括所述第一目标物时，则根据所述第二逐帧解析结果和所述第一逐帧解析结果对所述第一目标物的位置信息进行多角度位置纠正，获得第一位置纠正结果；

步骤S600：将所述第一目标物及所述第一位置纠正结果发送至所述地图生成修正系统。

具体而言，对所述第二逐帧解析结果进行所述第一目标物的特征识别，获得目标物的特征识别结果，如对路牌进行识别，获得包括路牌大小、位置、颜色、目标形状等特征识别结果。当所述第一特征识别结果包括所述第一目标物时，则根据所述第二逐帧解析结果和所述第一逐帧解析结果对所述第一目标物的位置信息进行多角度位置纠正，即通过多角度包括地面和无人机获取图像，对目标物进行位置修正，获得第一位置纠正结果，确保多角度位置修正更加精确。并将所述第一目标物及所述第一位置纠正结果发送至所述地图生成修正系统，以此对目标物位置进行修正，所述地图生成修正系统是对车道级高精度地图进行内容修正的系统，以此确保地图内容的准确性。

如图2所示，进一步而言，本申请实施例还包括：

步骤S710：构建目标物特征分类模型；

步骤S720：将所述第一目标物输入所述目标物特征分类模型，获得第一特征分类结果，其中，所述第一特征分类结果至少包括第一特征和第二特征；

步骤S730：将所述第一特征作为所述第一目标物特征识别的识别特征；

步骤S740：根据所述第一逐帧解析结果对所述第二特征的信息进行信息更新，将信息更新结果发送至所述地图生成修正系统。

具体而言，将所述第一目标物输入所述目标物特征分类模型，所述目标物特征分类模型为神经网络模型，获得模型输出结果即第一特征分类结果。所述第一特征分类结果为目标物分类结果，包括第一特征和第二特征，即目标物的形状特征和文字特征。将所述第一特征作为所述第一目标物特征识别的识别特征，根据所述第一逐帧解析结果对所述第二特征的信息进行信息更新，将信息更新结果发送至所述地图生成修正系统，进行地图内容的更新修正。如路牌所在的街道、悬挂路牌所用的杆，更改的频率较低，而路牌的内容则会经常更改。所以可用无人机倾斜摄影测量定位街道和路牌杆的位置，可用AI地面众包采集持续更新路牌的内容，是当前技术水平下满足空间采集需求的最优解。达到实时对地图目标物内容进行更新修正，进而保证地图内容正确性和使用高精度的技术效果。

如图3所示，进一步而言，本申请实施例还包括：

步骤S810：获得第一历史地图参数信息；

步骤S820：根据所述第一历史地图参数信息获得道路标签与目标物信息集；

步骤S830：根据所述道路信息与目标物信息集构建单向映射关系，获得第一构建结果；

步骤S840：根据所述第一构建结果对所述第一位置纠正结果进行核实，获得第一核实结果；

步骤S850：将所述第一核实结果发送至所述地图生成修正系统。

具体而言，所述第一历史地图参数信息是历史采集地图中已有的目标参数信息，根据所述第一历史地图参数信息获得道路标签与目标物信息集，所述道路标签包括道路类型（地面道路、城市快速路、匝道等）、路段区域（如路口、路中段等）。通过已有高精地图中目标采集物和道路信息的映射关系，构建得出不同空间位置可能存在的识别物规律，根据所述构建结果对所述第一位置纠正结果进行核实，如高速主路上不可能看到红绿灯。并将所述第一核实结果发送至所述地图生成修正系统进行内容修正，基于这种思路提供AI采集预判，可达到增加识别率的技术效果。

如图4所示，进一步而言，本申请实施例步骤S850还包括：

步骤S851：构建第一规律识别模型；

步骤S852：将所述第一构建结果作为训练数据输入所述第一规律识别模型，获得第二规律识别模型；

步骤S853：将所述第一位置纠正结果的相关信息输入所述第二规律识别模型，获得所述第一核实结果。

具体而言，所述第一规律识别模型为神经网络模型，是目标识别物规律，将所述第一构建结果作为训练数据输入所述第一规律识别模型，进行多组数据训练，获得训练后的第二规律识别构建模型。将所述第一位置纠正结果的相关信息输入所述第二规律识别模型，获得所述模型输出结果，即所述第一核实结果。达到通过道路与目标物映射关系得到识别率更高的规律识别模型，以保证对位置的核实结果判断更加准确的技术效果。

如图5所示，进一步而言，本申请实施例还包括：

步骤S910：基于大数据获得隐私特征集合；

步骤S920：获得第一隐私特征等级分类指令，根据所述第一隐私特征等级分类指令对所述隐私特征集合进行隐私特征的等级分类，获得第一等级分类结果；

步骤S930：根据所述第一等级分类结果对所述第一视频信息和所述第二视频信息进行处理。

具体而言，通过大数据平台获得隐私特征集合，所述隐私特征集合包括桥梁高度、隧道高度等涉及国家机密、人脸、车牌等涉及个人隐私的内容，不应该被采集。根据所述第一隐私特征等级分类指令对所述隐私特征集合进行隐私特征的等级分类，获得等级分类后的结果，不同的隐私特征，隐私等级也不同，如涉及国家机密的隐私特征等级就较高。根据所述第一等级分类结果对所述第一视频信息和所述第二视频信息进行处理，保证涉及机密隐私的部分不被识别处理。本发明使用边缘计算模式的核心优势之一，就是使用AI算法严格规定采集内容，不被训练过的目标数据集，AI不会识别。终端侧识别采用成果规格（文本）数据网络回传的方式，让有可能包括国家机密、用户隐私的视频、图片不会回传，那就更不会传播和泄密，以从本质上安全了采集内容的技术效果。

如图6所示，进一步而言，其中，所述获得第二逐帧解析结果之前，本申请实施例步骤S930还包括：

步骤S931：获得第一特征识别指令；

步骤S932：根据所述第一特征识别指令对所述第二视频信息进行特征识别，判断所述第二视频信息中是否存在包括所述第一等级分类结果的特征；

步骤S933：当所述第二视频信息中存在包括所述第一等级分类结果的特征时，根据等级分类的结果不同对特征进行加密处理。

具体而言，对所述第二视频信息进行逐帧解析结果之前，根据所述第一特征识别指令对无人机采集的所述第二视频信息进行特征识别，判断所述第二视频信息中是否存在包括所述第一等级分类结果的特征，即判断所述视频中是否含有机密隐私内容。当所述第二视频信息中存在包括所述第一等级分类结果的特征时，按照隐私等级分类的结果不同对特征进行加密处理，如对人脸特征进行加密处理，以避免机密隐私泄露，从而保证采集内容安全性的技术效果。

如图7所示，进一步而言，本申请实施例还包括：

步骤S1010：获得第一置信度评估指令；

步骤S1020：根据所述第一置信度评估指令对所述第二视频信息中包括所述第一目标物的视频帧率进行置信度评估，获得第一置信度评估结果；

步骤S1030：基于所述第一置信度评估结果确定是否将所述第一目标物及所述第一位置纠正结果发送至所述地图生成修正系统。

具体而言，根据所述第一置信度评估指令对所述第二视频信息中包括所述第一目标物的视频帧率进行置信度评估，置信度即可靠度，是数理统计中的区间估计法，即估计值与总体参数在一定允许的误差范围以内，其相应的概率有多大，这个相应的概率称作置信度。基于所述第一置信度评估结果确定是否将所述第一目标物及所述第一位置纠正结果发送至所述地图生成修正系统，即置信度评估结果越高表明目标物位置纠正的可靠真实程度越大，根据可靠程度将结果发送至地图生成修正系统进行内容位置修正，通过置信度评估使得对目标物的位置修正结果更加可靠准确的技术效果。

综上所述，本申请实施例所提供的一种基于人工智能的低成本车道级高精度地图的方法具有如下技术效果：

由于采用了通过所述第一图像采集装置获得第一视频信息，对所述第一视频信息进行逐帧解析，获得第一逐帧解析结果；根据所述第一逐帧解析结果获得第一目标物；通过所述第二图像采集装置获得第二视频信息，对所述第二视频信息进行逐帧解析，获得第二逐帧解析结果；对所述第二逐帧解析结果进行所述第一目标物的特征识别，获得第一特征识别结果；当所述第一特征识别结果为包括所述第一目标物时，则根据所述第二逐帧解析结果和所述第一逐帧解析结果对所述第一目标物的位置信息进行多角度位置纠正，获得第一位置纠正结果；将所述第一目标物及所述第一位置纠正结果发送至所述地图生成修正系统。进而达到通过建立车道级地图进行内容规划，多角度实时智能化对地图错误内容进行修正，确保低成本的为用户提供内容丰富且精确度高的地图，从而加大地图应用的技术效果。

实施例二

基于与前述实施例中一种基于人工智能的低成本车道级高精度地图的方法同样发明构思，本发明还提供了一种基于人工智能的低成本车道级高精度地图的系统，如图8所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于通过第一图像采集装置获得第一视频信息，对所述第一视频信息进行逐帧解析，获得第一逐帧解析结果；

第二获得单元12，所述第二获得单元12用于根据所述第一逐帧解析结果获得第一目标物；

第三获得单元13，所述第三获得单元13用于通过第二图像采集装置获得第二视频信息，对所述第二视频信息进行逐帧解析，获得第二逐帧解析结果；

第四获得单元14，所述第四获得单元14用于对所述第二逐帧解析结果进行所述第一目标物的特征识别，获得第一特征识别结果；

第五获得单元15，所述第五获得单元15用于当所述第一特征识别结果为包括所述第一目标物时，则根据所述第二逐帧解析结果和所述第一逐帧解析结果对所述第一目标物的位置信息进行多角度位置纠正，获得第一位置纠正结果；

第一发送单元16，所述第一发送单元16用于将所述第一目标物及所述第一位置纠正结果发送至地图生成修正系统。

进一步的，所述系统还包括：

第一构建单元，所述第一构建单元用于构建目标物特征分类模型；

第六获得单元，所述第六获得单元用于将所述第一目标物输入所述目标物特征分类模型，获得第一特征分类结果，其中，所述第一特征分类结果至少包括第一特征和第二特征；

第一特征单元，所述第一特征单元用于将所述第一特征作为所述第一目标物特征识别的识别特征；

第二发送单元，所述第二发送单元用于根据所述第一逐帧解析结果对所述第二特征的信息进行信息更新，将信息更新结果发送至所述地图生成修正系统。

进一步的，所述系统还包括：

第七获得单元，所述第七获得单元用于获得第一历史地图参数信息；

第八获得单元，所述第八获得单元用于根据所述第一历史地图参数信息获得道路标签与目标物信息集；

第九获得单元，所述第九获得单元用于根据所述道路信息与目标物信息集构建单向映射关系，获得第一构建结果；

第十获得单元，所述第十获得单元用于根据所述第一构建结果对所述第一位置纠正结果进行核实，获得第一核实结果；

第三发送单元，所述第三发送单元用于将所述第一核实结果发送至所述地图生成修正系统。

进一步的，所述系统还包括：

第二构建单元，所述第二构建单元用于构建第一规律识别模型；

第十一获得单元，所述第十一获得单元用于将所述第一构建结果作为训练数据输入所述第一规律识别模型，获得第二规律识别模型；

第十二获得单元，所述第十二获得单元用于将所述第一位置纠正结果的相关信息输入所述第二规律识别模型，获得所述第一核实结果。

进一步的，所述系统还包括：

第二特征单元，所述第二特征单元用于基于大数据获得隐私特征集合；

第十三获得单元，所述第十三获得单元用于获得第一隐私特征等级分类指令，根据所述第一隐私特征等级分类指令对所述隐私特征集合进行隐私特征的等级分类，获得第一等级分类结果；

第一处理单元，所述第一处理单元用于根据所述第一等级分类结果对所述第一视频信息和所述第二视频信息进行处理。

进一步的，所述系统还包括：

第十四获得单元，所述第十四获得单元用于获得第一特征识别指令；

第一判断单元，所述第一判断单元用于根据所述第一特征识别指令对所述第二视频信息进行特征识别，判断所述第二视频信息中是否存在包括所述第一等级分类结果的特征；

第二处理单元，所述第二处理单元用于当所述第二视频信息中存在包括所述第一等级分类结果的特征时，根据等级分类的结果不同对特征进行加密处理。

进一步的，所述系统还包括：

第十五获得单元，所述第十五获得单元用于获得第一置信度评估指令；

第十六获得单元，所述第十六获得单元用于根据所述第一置信度评估指令对所述第二视频信息中包括所述第一目标物的视频帧率进行置信度评估，获得第一置信度评估结果；

第四发送单元，所述第四发送单元用于基于所述第一置信度评估结果确定是否将所述第一目标物及所述第一位置纠正结果发送至所述地图生成修正系统。

前述图1实施例一中的一种基于人工智能的低成本车道级高精度地图的方法的各种变化方式和具体实例同样适用于本实施例的一种基于人工智能的低成本车道级高精度地图的系统，通过前述对一种基于人工智能的低成本车道级高精度地图的方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于人工智能的低成本车道级高精度地图的系统的实施方法，所以为了说明书的简洁，在此不再详述。

此外，本发明实施例还提供了一种电子设备，包括总线、收发器、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，该收发器、该存储器和处理器分别通过总线相连，计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

示例性电子设备

具体的，参见图9所示，本发明实施例还提供了一种电子设备，该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。

在本发明实施例中，该电子设备还包括：存储在存储器1150上并可在处理器1120上运行的计算机程序，计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。

收发器1130，用于在处理器1120的控制下接收和发送数据。

本发明实施例中，总线架构（用总线1110来代表），总线1110可以包括任意数量互联的总线和桥，总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。

总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个，包括存储器总线以及存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制，这样的体系结构包括：工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。

处理器1120可以是一种集成电路芯片，具有信号处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括：通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤及逻辑框图。例如，处理器可以是单核处理器或多核处理器，处理器可以集成于单颗芯片或位于多颗不同的芯片。

处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成，或者由译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

总线1110还可以将，例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起，总线接口1140在总线1110和收发器1130之间提供接口，这些都是本领域所公知的。因此，本发明实施例不再对其进行进一步描述。

收发器1130可以是一个元件，也可以是多个元件，例如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发器1130从其他设备接收外部数据，收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机系统的性质，还可以提供用户接口1160，例如：触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。

应理解，在本发明实施例中，存储器1150可进一步包括相对于处理器1120远程设置的存储器，这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以及两个或更多个上述网络的组合。例如，蜂窝电话网和无线网络可以是全球移动通信系统、码分多址系统、全球微波互联接入系统、通用分组无线业务系统、宽带码分多址系统、长期演进系统、LTE频分双工系统、LTE时分双工系统、先进长期演进系统、通用移动通信系统、增强移动宽带系统、海量机器类通信系统、超可靠低时延通信系统等。

应理解，本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器，或可包括易失性存储器和非易失性存储器两者。其中，非易失性存储器包括：只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器，或闪存。

易失性存储器包括：随机存取存储器，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如：静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本发明实施例描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。

在本发明实施例中，存储器1150存储了操作系统1151和应用程序1152的如下元素：可执行模块、数据结构，或者其子集，或者其扩展集。

具体而言，操作系统1151包含各种系统程序，例如：框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序1152包含各种应用程序，例如：媒体播放器、浏览器，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括：小程序、对象、组件、逻辑、数据结构以及其他执行特定任务或实现特定抽象数据类型的计算机系统可执行指令。

此外，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

以上所述，仅为本发明实施例的具体实施方式，但本发明实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明实施例披露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明实施例的保护范围之内。因此，本发明实施例的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种基于人工智能的低成本车道级高精度地图的方法，其中，所述方法应用于一地图生成修正系统，所述系统与第一图像采集装置、第二图像采集装置通信连接，所述方法包括：

通过所述第一图像采集装置获得第一视频信息，对所述第一视频信息进行逐帧解析，获得第一逐帧解析结果；

根据所述第一逐帧解析结果获得第一目标物；

通过所述第二图像采集装置获得第二视频信息，对所述第二视频信息进行逐帧解析，获得第二逐帧解析结果；

对所述第二逐帧解析结果进行所述第一目标物的特征识别，获得第一特征识别结果；

当所述第一特征识别结果为包括所述第一目标物时，则根据所述第二逐帧解析结果和所述第一逐帧解析结果对所述第一目标物的位置信息进行多角度位置纠正，获得第一位置纠正结果；

将所述第一目标物及所述第一位置纠正结果发送至所述地图生成修正系统；

其中，所述方法还包括：

基于大数据获得隐私特征集合；

获得第一隐私特征等级分类指令，根据所述第一隐私特征等级分类指令对所述隐私特征集合进行隐私特征的等级分类，获得第一等级分类结果；

根据所述第一等级分类结果对所述第一视频信息和所述第二视频信息进行处理；

其中，所述获得第二逐帧解析结果之前，还包括：

获得第一特征识别指令；

根据所述第一特征识别指令对所述第二视频信息进行特征识别，判断所述第二视频信息中是否存在包括所述第一等级分类结果的特征；

当所述第二视频信息中存在包括所述第一等级分类结果的特征时，根据等级分类的结果不同对特征进行加密处理。

2.如权利要求1所述的方法，其中，所述方法还包括：

构建目标物特征分类模型；

将所述第一目标物输入所述目标物特征分类模型，获得第一特征分类结果，其中，所述第一特征分类结果至少包括第一特征和第二特征；

将所述第一特征作为第一目标物特征识别的识别特征；

根据所述第一逐帧解析结果对所述第二特征的信息进行信息更新，将信息更新结果发送至所述地图生成修正系统。

3.如权利要求1所述的方法，其中，所述方法还包括：

获得第一历史地图参数信息；

根据所述第一历史地图参数信息获得道路标签与目标物信息集；

根据所述道路标签与目标物信息集构建单向映射关系，获得第一构建结果；

根据所述第一构建结果对所述第一位置纠正结果进行核实，获得第一核实结果；

将所述第一核实结果发送至所述地图生成修正系统。

4.如权利要求3所述的方法，其中，所述方法还包括：

构建第一规律识别模型；

将所述第一构建结果作为训练数据输入所述第一规律识别模型，

获得第二规律识别模型；

将所述第一位置纠正结果的相关信息输入所述第二规律识别模型，获得所述第一核实结果。

5.如权利要求1所述的方法，其中，所述方法还包括：

获得第一置信度评估指令；

根据所述第一置信度评估指令对所述第二视频信息中包括所述第一目标物的视频帧率进行置信度评估，获得第一置信度评估结果；

基于所述第一置信度评估结果确定是否将所述第一目标物及所述第一位置纠正结果发送至所述地图生成修正系统。

6.一种基于人工智能的低成本车道级高精度地图的系统，其中，所述系统包括：

第一获得单元，所述第一获得单元用于通过第一图像采集装置获得第一视频信息，对所述第一视频信息进行逐帧解析，获得第一逐帧解析结果；

第二获得单元，所述第二获得单元用于根据所述第一逐帧解析结果获得第一目标物；

第三获得单元，所述第三获得单元用于通过第二图像采集装置获得第二视频信息，对所述第二视频信息进行逐帧解析，获得第二逐帧解析结果；

第四获得单元，所述第四获得单元用于对所述第二逐帧解析结果进行所述第一目标物的特征识别，获得第一特征识别结果；

第五获得单元，所述第五获得单元用于当所述第一特征识别结果为包括所述第一目标物时，则根据所述第二逐帧解析结果和所述第一逐帧解析结果对所述第一目标物的位置信息进行多角度位置纠正，获得第一位置纠正结果；

第一发送单元，所述第一发送单元用于将所述第一目标物及所述第一位置纠正结果发送至地图生成修正系统；

第二特征单元，所述第二特征单元用于基于大数据获得隐私特征集合；

第十三获得单元，所述第十三获得单元用于获得第一隐私特征等级分类指令，根据所述第一隐私特征等级分类指令对所述隐私特征集合进行隐私特征的等级分类，获得第一等级分类结果；

第一处理单元，所述第一处理单元用于根据所述第一等级分类结果对所述第一视频信息和所述第二视频信息进行处理；

第十四获得单元，所述第十四获得单元用于获得第一特征识别指令；

第一判断单元，所述第一判断单元用于根据所述第一特征识别指令对所述第二视频信息进行特征识别，判断所述第二视频信息中是否存在包括所述第一等级分类结果的特征；

第二处理单元，所述第二处理单元用于当所述第二视频信息中存在包括所述第一等级分类结果的特征时，根据等级分类的结果不同对特征进行加密处理。

7.一种基于人工智能的低成本车道级高精度地图的电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1-5中任一项方法中的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任一项方法中的步骤。

Images