CN114120795A - 一种地图绘制方法及装置 - Google Patents

Abstract

本申请实施例公开了一种地图绘制方法及装置，涉及图像处理领域，解决了现有的定位地图无法提供准确的定位信息的问题。具体方案为：获取第一待绘制区域的激光点云数据，第一待绘制区域包括处于不同平面的第一道路和第二道路。根据激光点云数据，获取第一定位图片的集合和第二定位图片的集合。将第一定位图片集合中的定位图片进行融合，获得第一道路对应的地图，将第二定位图片集合中的定位图片进行融合，获得第二道路对应的地图。

Description

一种地图绘制方法及装置

技术领域

本申请实施例涉及图像处理领域，尤其涉及一种地图绘制方法及装置。

背景技术

随着自动驾驶技术的发展，为进行自动驾驶的设备提供定位信息的高精度定位地图，也被广泛地关注。区别于常规地图，高精度定位地图能够提供更加详细的地图数据，并且能够直接被设备(如进行自动驾驶的车辆)识别并使用，由此为车辆的自动驾驶提供精确的定位信息。可以理解的是，高精度定位地图的精度越高，能够为车辆提供的定位信息就越准确，更加有利于车辆的自动驾驶。

然而，由于法规的约束，目前的高精度地图无法提供准确的高度信息，由此就会使得车辆无法根据当前的高精度地图区分在不同高度上有不同道路分布(如城市中的立交等)的情况下的路况，这也就使得车辆的自动驾驶很容易出现问题，例如车辆无法在复杂的环境下实现精确的定位。

发明内容

本申请实施例提供一种地图绘制方法及装置，解决了现有的定位地图无法提供准确的定位信息的问题。

为了达到上述目的，本申请实施例采用如下技术方案：

第一方面，提供一种地图绘制方法，该方法包括：获取第一待绘制区域的激光点云数据，第一待绘制区域包括处于不同平面的第一道路和第二道路；根据激光点云数据，获取第一定位图片的集合和第二定位图片的集合；其中，各个集合(如第一定位图片的集合，或者第二定位图片的集合)中任意两个第一定位图片的参考高度相差不超过第一阈值；任意两个第二定位图片的参考高度相差不超过第一阈值；第一定位图片和第二定位图片的参考高度差大于第二阈值；定位图片的参考高度是采集定位图片对应的激光点云数据时，对应设备所在路面的高度；第一阈值和第二阈值均为正数；将第一定位图片集合中的定位图片进行融合，获得第一道路对应的地图，将第二定位图片集合中的定位图片进行融合，获得第二道路对应的地图。

基于该方案，提供了一种能够解决不同高度下的定位信息无法被准确判断的问题。示例性的，可以根据处于不同高度的道路，绘制对应的定位地图，以便根据车辆当前所处道路，参考对应道路图层下的定位地图获取定位信息。在本方案中，可以分别获取处于不同道路图层的第一道路和第二道路的定位图片的集合，每个道路图层对应的定位图片的集合即对应该道路图层的定位地图。其中，不同道路图层可以根据该获取该道路图层时，对应设备(如采集激光点云数据的车辆)所在路面在全局坐标系下的绝对高度(即对应定位图片的参考高度)进行区分。例如，采集不同激光点云数据时，车辆所处道路的绝对高度差小于第一阈值，则认为该不同激光点云数据对应的定位图片处于相同的道路图层中，即该不同的激光点云数据对应的定位图片处于相同的定位图片集合中。反之，采集不同激光点云数据时，车辆所处道路的绝对高度差大于第二阈值，则认为该不同激光点云数据对应的定位图片处于不同的道路图层中，即该不同的激光点云数据对应的定位图片处于不同的定位图片集合中。在不同的实现方式中，该第一阈值可以与第二阈值相同，第二阈值也可以大于第一阈值。该阈值的设置可以根据实际情况灵活选取。由此，即可在不同的道路场景中，特别是具有复杂高度分布的道路场景中，为车辆等需要定位的设备提供准确的定位信息。

在一种可能的设计中，该激光点云数据包括：第一位置在全局坐标系下的三维坐标信息，其中，第一位置为采集激光点云数据的位置；在根据激光点云数据，获取第一定位图片集合和第二定位图片集合之前，方法还包括：根据第一位置的三维坐标信息，获取第一位置相对于采集激光点云数据时所行驶道路的相对高度信息。基于该方案，通过相对高度信息标识场景中不同位置(如第一位置)的高度信息。由此即可在合规的前提下，实现对于场景中物体高度的标注。示例性的，根据激光点云数据中的绝对高度信息，结合采集该激光点云数据时，车辆所形式路面的绝对高度，即可确定对应的相对高度信息。

在一种可能的设计中，该激光点云数据还包括：用于指示第一位置是否为车道的第一标识。基于该方案，通过该第一标识，确定第一位置是否为车道标识，以便在后续确定的定位地图，可以据此提供更加准确的路面信息，例如，当前路面的车道标识的位置。

在一种可能的设计中，该在根据激光点云数据，获取第一定位图片集合和第二定位图片集合，包括：根据激光点云数据，获取多个定位图片，每个定位图片对应的激光点云数据的采集时间在预设范围之内，每个定位图片中包括的像素的像素值由像素对应位置的相对高度信息和位置对应的激光点云数据的第一标识确定；将多个定位图片中，处于相同道路图层的定位图片进行融合，获取第一定位图片集合和第二定位图片集合。基于该方案，提供了一种根据激光点云数据获取定位图片的方法。示例性的，可以通过将具有相同水平坐标(如全局坐标系下的XY坐标)的激光点云数据压缩成具有不同像素值的像素点，以据此获取能够表征物体在水平方向的二维分布的定位地图。需要说明的是，根据本示例中的方案，由于每个像素点的像素值(如灰度值)是通过该水平位置不同高度下物体的分布情况确定，因此，根据本示例获取的定位图片，也可以经过一定的处理，还原出在对应区域中的物体的三维分布情况。由此可以在后续定位图片的使用过程中，通过管控上述还原三维分布的处理的方法，使得在不同地区，在合规的前提下能够提供更详细的定位信息。

在一种可能的设计中，该获取第一定位图片集合和第二定位图片集合，包括：确定第一定位图片和第二定位图片的相似度，并根据相似度，确定第一定位图片和第二定位图片是否处于相同道路图层，相似度用于指示第一定位图片和第二定位图片的相似程度；其中，第一定位图片和第二定位图片为多个定位图片中，任意两个具有相同水平覆盖区域的定位图片；将多个定位图片中，处于相同道路图层的定位图片进行融合，以获取处于第一道路对应的第一定位图片集合，以及第二道路对应的第二定位图片集合。基于该方案，提供了一种可能的确定处于相同道路图层的定位图片的方案。示例性的，可以在根据激光点云数据获取多个定位图片后，确定具有相同水平覆盖区域的第一图片和第二图片的相似度，并根据相似度确定该两个定位图片是否是处于相同道路图层中的定位图片。示例性的，当相似度高于对应的预设阈值时，则确定这两个定位图片是处于相同道路图层中的定位图片。对应的，当相似度低于对应的预设预支时，则确定这两个定位图片是处于不同道路图层中的定位图片。

在一种可能的设计中，该确定第一定位图片和第二定位图片的相似度，包括：根据第一定位图片和第二定位图片的局部特征，确定第一定位图片和第二定位图片的第一相似度；局部特征包括以下中的一项或多项：定位图片中像素的灰度平均值，像素的灰度方差，像素的灰度协方差；根据相似度，确定第一定位图片和第二定位图片是否处于相同道路图层，包括：当第一相似度大于第一阈值时，第一定位图片和第二定位图片处于相同道路图层。基于该方案，提供了一种可能的确定相似度的方案，即基于局部特征对比确定两个定位图片的相似度。该方案中，能够对局部特征的差异进行准确的评估，进而获取对应的相似度，因此，能够有效地对定位图片中包括的场景较为简单的定位图片进行较为准确的相似度度量。

在一种可能的设计中，该方法还包括：当第一相似度小于第一阈值时，第一定位图片和第二定位图片处于不同道路图层。基于该方案，提供了一种确定两个定位图片不在相同的道路图层的方案。即根据第一相似度的与第一阈值的大小关系，确定第一定位图片和第二定位图片不在相同的道路图层。

在一种可能的设计中，该确定第一定位图片和第二定位图片的相似度，包括：根据第一定位图片和第二定位图片中对应像素的相对高度信息，确定第一定位图片和第二定位图片的第二相似度；根据相似度，确定第一定位图片和第二定位图片是否处于相同道路图层，包括：当第二相似度小于第二阈值时，第一定位图片和第二定位图片处于相同道路图层。基于该方案，提供了有一种可能的方案，使得能够准确地获取两个定位图片的相似度。在该示例中，可以根据不同像素点对应的相对高度信息确定相似度。应当理解的是，不同像素的像素值可以是根据对应水平位置的物体的相对高度信息确定，因此，在一些实现方式中，可以根据像素的像素值(如灰度值)确定第一定位图片和第二定位图片的相似度。

在一种可能的设计中，该方法还包括：当第二相似度大于第二阈值时，第一定位图片和第二定位图片处于不同道路图层。基于该方案，提供了又一种确定两个定位图片不在相同的道路图层的方案。

在一种可能的设计中，该根据第一定位图片和第二定位图片中对应像素的相对高度信息，确定第一定位图片和第二定位图片的第二相似度，包括：针对第一定位图片和第二定位图片分别执行以下操作，以获取第一定位图片对应的特征指纹，和第二定位图片对应的特征指纹：删除定位图片中预设行和/或预设列的像素，以获取缩小的定位图片，根据缩小的定位图片中，各个像素的相对高度的均值，对缩小的定位图片进行归一化处理，根据归一化处理后的缩小的定位图片的各个像素值，确定定位图片对应的特征指纹；根据第一定位图片的特征指纹和第二定位图片的特征指纹，确定第一定位图片和第二定位图片的第二相似度，第二相似度为第一定位图片的特征指纹和第二定位图片的特征指纹的汉明距离。基于该方案，明确了一种根据相对高度信息确定相似度的可能的实现方式。可以看到，该示例中的特征指纹是能够较为准确地体现定位图片的全局信息，因此，能够通过全局状态下相似度的情况，确定两个定位地图是否处于相同的道路图层。在一些实现场景中，该方案能够更好地对具有较为复杂的定位图片进行准确的相似度度量。

第二方面，提供一种地图绘制装置，该装置包括：获取单元，融合单元。该获取单元，用于获取第一待绘制区域的激光点云数据，第一待绘制区域包括处于不同平面的第一道路和第二道路；该获取单元，还用于根据激光点云数据，获取第一定位图片的集合和第二定位图片的集合；其中，任意两个第一定位图片的参考高度相差不超过第一阈值；任意两个第二定位图片的参考高度相差不超过第一阈值；第一定位图片和第二定位图片的参考高度差大于第二阈值；定位图片的参考高度是采集定位图片对应的激光点云数据时，对应设备所在路面的高度；第一阈值和第二阈值均为正数；融合单元，用于将第一定位图片集合中的定位图片进行融合，获得第一道路对应的地图，将第二定位图片集合中的定位图片进行融合，获得第二道路对应的地图。

在一种可能的设计中，该激光点云数据包括：第一位置在全局坐标系下的三维坐标信息，其中，第一位置为采集激光点云数据的位置；该获取单元，还用于根据第一位置的三维坐标信息，获取第一位置相对于采集激光点云数据时所行驶道路的相对高度信息。

在一种可能的设计中，该激光点云数据还包括：用于指示第一位置是否为车道的第一标识。

在一种可能的设计中，该获取单元，用于根据激光点云数据，获取多个定位图片，每个定位图片对应的激光点云数据的采集时间在预设范围之内，每个定位图片中包括的像素的像素值由像素对应位置的相对高度信息和位置对应的激光点云数据的第一标识确定；该融合单元，用于将多个定位图片中，处于相同道路图层的定位图片进行融合，获取第一定位图片集合和第二定位图片集合。

在一种可能的设计中，该装置还包括：确定单元，该确定单元用于确定第一定位图片和第二定位图片的相似度。该确定单元，还用于根据相似度，确定第一定位图片和第二定位图片是否处于相同道路图层，相似度用于指示第一定位图片和第二定位图片的相似程度；其中，第一定位图片和第二定位图片为多个定位图片中，任意两个具有相同水平覆盖区域的定位图片。融合单元，用于将多个定位图片中，处于相同道路图层的定位图片进行融合，以获取处于第一道路对应的第一定位图片集合，以及第二道路对应的第二定位图片集合。

在一种可能的设计中，该装置还包括：确定单元，该确定单元用于根据第一定位图片和第二定位图片的局部特征，确定第一定位图片和第二定位图片的第一相似度；局部特征包括以下中的一项或多项：定位图片中像素的灰度平均值，像素的灰度方差，像素的灰度协方差；该确定单元，还用于当第一相似度大于第一阈值时，确定第一定位图片和第二定位图片处于相同道路图层。

在一种可能的设计中，确定单元，还用于当第一相似度小于第一阈值时，确定第一定位图片和第二定位图片处于不同道路图层。

在一种可能的设计中，确定单元，还用于根据第一定位图片和第二定位图片中对应像素的相对高度信息，确定第一定位图片和第二定位图片的第二相似度；当第二相似度小于第二阈值时，确定第一定位图片和第二定位图片处于相同道路图层。

在一种可能的设计中，该确定单元，还用于当第二相似度大于第二阈值时，第一定位图片和第二定位图片处于不同道路图层。

在一种可能的设计中，获取单元，具体用于针对第一定位图片和第二定位图片分别执行以下操作，以获取第一定位图片对应的特征指纹，和第二定位图片对应的特征指纹：删除定位图片中预设行和/或预设列的像素，以获取缩小的定位图片，根据缩小的定位图片中，各个像素的相对高度的均值，对缩小的定位图片进行归一化处理，根据归一化处理后的缩小的定位图片的各个像素值，确定定位图片对应的特征指纹；根据第一定位图片的特征指纹和第二定位图片的特征指纹，确定第一定位图片和第二定位图片的第二相似度，第二相似度为第一定位图片的特征指纹和第二定位图片的特征指纹的汉明距离。

第三方面，提供一种地图绘制装置，该地图绘制装置包括一个或多个处理器和一个或多个存储器；一个或多个存储器与所述一个或多个处理器耦合，所述一个或多个存储器存储有计算机指令；当所述一个或多个处理器执行所述计算机指令时，使得所述通信装置执行如第一方面及其可能的设计中任一项所述的地图绘制方法。

示例性的，在调用存储器中的计算机指令时，该处理器用于获取第一待绘制区域的激光点云数据，第一待绘制区域包括处于不同平面的第一道路和第二道路；还用于根据激光点云数据，获取第一定位图片的集合和第二定位图片的集合；其中，任意两个第一定位图片的参考高度相差不超过第一阈值；任意两个第二定位图片的参考高度相差不超过第一阈值；第一定位图片和第二定位图片的参考高度差大于第二阈值；定位图片的参考高度是采集定位图片对应的激光点云数据时，对应设备所在路面的高度；第一阈值和第二阈值均为正数；处理器，用于将第一定位图片集合中的定位图片进行融合，获得第一道路对应的地图，将第二定位图片集合中的定位图片进行融合，获得第二道路对应的地图。

在一种可能的设计中，该激光点云数据包括：第一位置在全局坐标系下的三维坐标信息，其中，第一位置为采集激光点云数据的位置；该处理器，还用于根据第一位置的三维坐标信息，获取第一位置相对于采集激光点云数据时所行驶道路的相对高度信息。

在一种可能的设计中，该激光点云数据还包括：用于指示第一位置是否为车道的第一标识。

在一种可能的设计中，该处理器，用于根据激光点云数据，获取多个定位图片，每个定位图片对应的激光点云数据的采集时间在预设范围之内，每个定位图片中包括的像素的像素值由像素对应位置的相对高度信息和位置对应的激光点云数据的第一标识确定；该处理器，用于将多个定位图片中，处于相同道路图层的定位图片进行融合，获取第一定位图片集合和第二定位图片集合。

在一种可能的设计中，该装置还包括：处理器，该处理器用于确定第一定位图片和第二定位图片的相似度。该处理器，还用于根据相似度，确定第一定位图片和第二定位图片是否处于相同道路图层，相似度用于指示第一定位图片和第二定位图片的相似程度；其中，第一定位图片和第二定位图片为多个定位图片中，任意两个具有相同水平覆盖区域的定位图片。处理器，用于将多个定位图片中，处于相同道路图层的定位图片进行融合，以获取处于第一道路对应的第一定位图片集合，以及第二道路对应的第二定位图片集合。

在一种可能的设计中，该装置还包括：处理器，该处理器用于根据第一定位图片和第二定位图片的局部特征，确定第一定位图片和第二定位图片的第一相似度；局部特征包括以下中的一项或多项：定位图片中像素的灰度平均值，像素的灰度方差，像素的灰度协方差；该处理器，还用于当第一相似度大于第一阈值时，确定第一定位图片和第二定位图片处于相同道路图层。

在一种可能的设计中，处理器，还用于当第一相似度小于第一阈值时，确定第一定位图片和第二定位图片处于不同道路图层。

在一种可能的设计中，处理器，还用于根据第一定位图片和第二定位图片中对应像素的相对高度信息，确定第一定位图片和第二定位图片的第二相似度；当第二相似度小于第二阈值时，确定第一定位图片和第二定位图片处于相同道路图层。

在一种可能的设计中，该处理器，还用于当第二相似度大于第二阈值时，第一定位图片和第二定位图片处于不同道路图层。

在一种可能的设计中，处理器，具体用于针对第一定位图片和第二定位图片分别执行以下操作，以获取第一定位图片对应的特征指纹，和第二定位图片对应的特征指纹：删除定位图片中预设行和/或预设列的像素，以获取缩小的定位图片，根据缩小的定位图片中，各个像素的相对高度的均值，对缩小的定位图片进行归一化处理，根据归一化处理后的缩小的定位图片的各个像素值，确定定位图片对应的特征指纹；根据第一定位图片的特征指纹和第二定位图片的特征指纹，确定第一定位图片和第二定位图片的第二相似度，第二相似度为第一定位图片的特征指纹和第二定位图片的特征指纹的汉明距离。

第四方面，提供一种芯片系统，该芯片系统可以应用于地图绘制装置中。示例性的，该芯片系统包括接口电路和处理器；接口电路和处理器通过线路互联；接口电路用于从电子装置的存储器接收信号，并向处理器发送信号，信号包括存储器中存储的计算机指令；当处理器执行该计算机指令时，芯片系统执行如第一方面及其可能的设计中任一项所述的地图绘制方法。

第五方面，提供一种计算机可读存储介质，该计算机可读存储介质包括计算机指令，当该计算机指令运行时，执行如第一方面及其可能的设计中任一项所述的地图绘制方法。

第六方面，提供一种计算机程序产品，该计算机程序产品中包括指令，当该计算机程序产品在计算机上运行时，使得计算机可以根据该指令执行如第一方面及其可能的设计中任一项所述的地图绘制方法。

应当理解的是，上述第二方面，第三方面，第四方面，第五方面以及第六方面提供的技术方案，其技术特征均可对应到第一方面及其可能的设计中提供的地图绘制方法，因此能够达到的有益效果类似，此处不再赘述。

附图说明

图1为一种通过激光点云的方法获取的高精度定位地图的示意图；

图2为一种道路场景的简化示意图；

图3为本申请实施例提供的一种地图绘制方法的流程示意图；

图4为本申请实施例提供的一种道路标识的示意图；

图5为本申请实施例提供的一种相对高度的确定示意图；

图5A为本申请实施例提供的又一种相对高度的确定示意图；

图6为本申请实施例提供的一种定位图片的获取示意图；

图7为本申请实施例提供的另一种定位图片的获取示意图；

图8为本申请实施例提供的一种局部特征的获取方法的示意图；

图9为本申请实施例提供的一种特征指纹的获取示意图；

图10为本申请实施例提供的一种基于特征指纹确定相似度的方法示意图；

图11为本申请实施例提供的一组行为图片的对比示意图；

图12为本申请实施例提供的又一组定位图片的对比示意图；

图13为本申请实施例提供的又一组定位图片的对比示意图；

图14为本申请实施例提供的又一组定位图片的对比示意图；

图15为本申请实施例提供的一种融合图片的示意图；

图16为本申请实施例提供的一种地图绘制装置的示意图；

图17为本申请实施例提供的又一种地图绘制装置的示意图；

图18为本申请实施例提供的一种芯片系统的示意图。

具体实施方式

高精度定位地图是一种能够直接被设备所识别并使用的能够提供详细地图数据的地图。示例性的，根据该高精度定位地图，设备(如车辆)能够自行确定当前路况信息，并基于该路况信息实现自动驾驶。

目前，高精度定位地图可以通过图像和全球定位系统(global positioningsystem，GPS)技术获取。在使用该方法获取高精度地图时，测量设备(如机器人)在需要绘制地图的区域的道路上行驶，通过拍摄等形式，以获取在道路上行驶过程中，在不同位置的环境图片。其中，不同的位置可以通过GPS定位获取。根据这些环境图片，并参考机器人所处位置，就可以获取对应的高精度定位地图。

然而，由于机器人拍摄获取的环境图片的精确度，以及GPS定位精确度的限制，使得基于该方法获取的高精度定位地图的精度相对较低。因此，根据图像和GPS技术绘制获取的高精度定位地图主要应用于自动驾驶等级在层2(layer 2，L2)或层3(layer 3，L3)等对于地图精度要求较低的场景下。例如，该高精度定位地图可以用于支持高级驾驶辅助系统(advanced driving assistance system)的实现。而在自动驾驶等级较高的场景(如自动驾驶等级在层4(layer 4，L4)或层5(layer 5，L5)的场景)中，由于对地图精度要求较高，因此无法使用通过上述图像和GPS技术绘制获取的高精度地图。

为了满足在自动驾驶等级较高的场景中对地图精度的要求，可以通过激光点云的测量方法获取具有较高精度的高精度定位地图。

示例性的，多个不同的测量设备(如机器人)分别在需要绘制地图的道路上行驶，通过设置在机器人上的激光测量模块等部件，获取在道路行驶过程中，不同位置对应的地图信息。其中，该地图信息可以包括通过激光测量模块测量得到的三维环境，回波强度等信息。在得到机器人在道路上行驶过程中获取的大量地图信息后，可以结合机器人在获取地图信息时的位姿(如机器人所处位置，以及机器人在获取该地图信息时的角度)以及对应的传感器信息，绘制对应的局部地图。作为一种实现方式，可以通过即时定位与地图构建(simultaneous localization and mapping，SLAM)的方法获取该局部地图。在获取局部地图后，可以通过对多个机器人采集的地图信息对应的多个局部地图进行融合，最终获取需要绘制地图的区域对应的高精度定位地图。需要说明的是，由于每个机器人的局部地图大小都是有限的，因此，为了能够准确地将不同机器人获取的局部地图融合在一起，需要保证不同机器人在测量过程中所覆盖的区域要有一定重叠区域。以便在进行地图融合时，可以根据不同局部地图中，用于标示同一位置(即重叠区域中的位置)信息的关系，确定两个局部地图之间的相互关系，进而进行准确的融合。

另外，不同机器人在进行地图信息的采集时，可以是基于同一个坐标系下的，也可以是基于不同坐标系下的。在一些场景下，可以采用基于通用横墨卡托格网系统(universal transverse mercator grid system，UTM)的通用坐标系作为所有机器人进行地图信息采集时的统一坐标系。在对使用该UTM坐标系获取的地图信息进行融合时，可以将不同机器人的位姿信息通过泰勒微分变换(或称为T变换)对应到该UTM坐标系中，以便根据机器人的位姿信息进行地图信息的融合。在另一些场景下，机器人的地图信息的采集也可以是根据不同坐标系进行的。在对具有不同坐标系的地图信息进行融合时，需要根据不同机器人采集到的地图信息中，重合部分的地图信息的差异，对不同地图信息进行归一化处理，以便实现对具有不同坐标系的地图信息进行顺利的融合。请参考图1，示出了一种通过激光点云的方法获取的高精度定位地图的示意图。如图1所示，高精度定位地图可通过俯视图的形式，显示对应区域内的水平面上的物体(如树木，房屋，道路等)的分布情况。在图1所示的高精度定位地图下，对于没有物体分布的区域对应位置的像素可以被显示为黑色。对于有物体分布的区域，则在对应位置的像素可以被显示为有灰度的颜色或白色。其中灰度可以地图数据中的回波参数等数据确定。

基于上述说明，可以理解的是，在如图1所示的高精度地图中，由于法规中存在不能体现高度信息的要求，该地图中将具有三维空间分布的路况信息压缩为仅具有水平分布的路况，由此使得高度信息的丢失，进而导致车辆无法根据该地图区分不同高度下的路况分布。示例性的，请参考图2。如图2中的(a)所示，该场景中包括道路A，以及垂直道路高于道路A的道路B。通过目前技术中的激光点云的方法获取的高精度地图如图2中的(b)所示，其中，由于丢失了高度的相关信息，因此，基于该地图无法区分道路A和道路B的垂直分布关系，也就使得当有车辆行驶到道路A和道路B的投影交叉区域时，可能出现无法提供正确的定位信息等问题。特别是在车辆处于自动驾驶时，这种定位失败可能会导致车辆以及道路的损坏等严重问题。

为了解决上述问题，本申请实施例提供一种地图绘制方法，能够对具有不同高度的道路分别绘制对应的定位地图，使得设备能够根据该多个高精度定位地图，并结合自身所处位置，灵活选取对应高度下的高精度定位地图进行定位，能够有效避免由于高精度定位地图中不包括绝对高程信息导致的设备无法根据高精度定位地图获取准确的定位信息的问题。应当理解的是，由于目前的地图绘制方案中，存在上述无法区分不同高度的道路分布等问题，因此使得大范围的地图构建变得异常困难。而本申请实施例提供的地图绘制方法，能够有效地解决上述问题，因此能够支持大范围内的高精度定位地图的地图构建过程。

示例性的，根据获取的激光点云数据可以获取不同道路对应的道路图层的定位图片，并根据这些定位图片的相似度，确定不同定位图片是否处于同一个道路对应的图层，以便对处于相同图层的定位图片进行融合，最终获取在不同高度下分布的道路的多个图层作为高精度定位地图。

应当理解的是，本申请实施例提供的地图绘制方法，能够应用于高精度定位地图绘制的场景中，特别是能够高效地为自动驾驶所使用的高精度定位地图的绘制提供支持。当然，通过该方法所绘制获取的高精度定位地图也可应用于其他场景中，如可以应用于涉及智能机器人的自主移动定位等场景中。

以下结合附图对本申请实施例提供的技术方案进行详细说明。为了便于说明，其中以通过该地图绘制方法获取用于车辆进行自动驾驶的高精度定位地图为例。本申请实施例中，也可将高精度定位地图简称为定位地图。

请参考如图3，为本申请实施例提供的一种地图绘制方法的流程示意图。如图3所示，该方法可以包括S301-S304。

S301、获取待绘制区域的激光点云数据。

在一些实现方式中，该激光点云数据可以通过机器人、车辆等测量设备获取。示例性的，下面以测量设备为设置有激光测量模块(如激光传感器)的车辆为例。车辆可以在需要绘制地图的区域内(如称为待绘制区域)的道路上行驶，并在行驶过程中的不同位置，采集与周围环境中的物体对应的激光点云数据。其中，车辆上的激光传感器可以发射出激光信号，并接收对应的反馈信号。根据反馈信号的相关参数获取即可获取对应的激光点云数据。例如，该激光信号对应的反馈信号对应的参数，可以包括该激光信号被反射位置(如称为激光点云对应的位置)在全局坐标系(如地理坐标系，笛卡尔坐标系等)下的XYZ三维坐标信息。其中，X和Y坐标可以用于标识激光点云对应的位置的水平坐标，Z坐标可以用于标识该激光点云对应的位置的垂直坐标。应当理解的是，该激光点云数据还可以包括其他信息，例如激光信号的回波次数，强度信息，类别，车辆的扫描角度，以及扫描方向等信息。

另外，本示例中，由于该定位地图用于自动驾驶的定位信息的获取，而车道标识相比于其他物体在车辆进行自动驾驶过程中更加重要，例如，通过道路标识能够准确地确定行驶道路的状况(如是否拐弯、前方是否有人行横道、车道数等)。因此，在本示例中，该激光信号对应的反馈信号对应的参数，还可以包括该激光信号对应位置是否为车道标识的标识。作为一种示例，该车道标识可以为车道线，路标等标识。为了便于说明，以下以车道标识为车道线为例。例如，如图4所示，在路面上，车道线即为如图4中所表示的车道标识。类似的，在如图4所示的匝道上以及高架上，也会有对应的车道标识。在结合上述说明，在该车道线对应位置采集获取的激光点云数据，就可被打上是车道标识的标识。反之，对于其他非车道线对应位置采集获取的激光点云数据，就可以被打上非车道标识的标识。需要说明的是，在本申请的不同实现方式中，可以通过不同的方法达到上述示例中打上车道标识或者打上非车道标识的效果。例如，可以在需要打上车道标识的激光点云数据中的固定位(如激光点云数据对应的二进制数的固定帧位)置1(或置0)，用于标示该激光点云对应位置是车道标识。又如，在需要打上非车道标识的激光点云数据中的固定位置0(或置1)，或不做置空，用于标示该激光点云对应位置不是车道标识。在一些实施例中，该用于标识对应激光点云数据是否为车道标识的固定位也可以为激光点云数据中的约定标识。本申请实施例对于该车道标识的标识方法不做限定。为了便于说明，以下以车道线所在位置对应的激光点云数据用1标识，非车道线所在位置对应的激光点云数据用0标识为例。

需要说明的是，当该激光定位地图并非用于自动驾驶技术中，而是为其他场景提供定位和/或定位信息时，可以根据对应场景的需求，灵活选取对应的特征来代替本示例中的道路标识，以便能够更加准确地区分重要特征与其他特征，进而获取与该场景需求对应的高精度定位地图。

另外，当待绘制区域较大，或者待绘制区域内的道路较多时，为了能够快速高效地进行激光点云数据的获取，可以设置多个车辆同步在不同的道路上采集激光点云数据，并确定每个激光点云对应位置是否为车道标识。在获取该激光点云数据后，车辆可以实时地将该激光点云数据存储到本地，或通过网络上传到云端(或服务器)。其中，本示例中的网络可以为第三代移动通信技术(3rd-Generation，3G)，第四代移动通信技术(4th-Generation，4G)，第五代移动通信技术(5th-Generation，5G)或其他能够用于进行数据传输的网络。车辆也可按预设的周期上传采集到的激光点云数据。本申请实施例对此不作限制。

S302、对激光点云数据进行预处理。

一般而言，由于车辆在采集激光点云数据时，存在空间干扰以及道路颠簸等因素，可能会导致车辆所收集到的激光点云数据不准确，由此使得所采集的激光点云数据无法被直接使用。因此，在本申请中，可以对一个或多个车辆采集获取的激光点云数据进行预处理，以便使得激光点云数据能够更加准确地表征待绘制区域中的物体的分布。示例性的，该预处理可以包括去噪、消旋、对齐以及降采样等处理操作中的一个或多个。

应当理解的是，本申请实施例提供的地图绘制方法，对处于不同高度层的道路图层分别进行绘制以获取对应高度层的定位地图。因此，在本示例中，可以在预处理的过程中，将激光点云数据中包括的基于全局坐标系的高度信息(如XYZ坐标中的Z坐标)，转换为相对于采集该激光点云数据时所行驶的道路的相对高度，满足法律法规并以便于后续处理。示例性的，请参考图5，为一种相对高度的确定示意图。如图5所示的场景是车辆在地面上行驶的过程中进行的激光点云数据的采集。因此，可以地面为基准，确定该采集过程中获取的激光点云数据的相对高度。例如，匝道上的点A的相对高度为该点A到地面所在平面的距离H1，又如，高架上的点B的相对高度为该点B到地面所在平面的距离H2。

需要说明的是，对于如图5所示的匝道等高度并非固定的道路(如斜坡)，可以采用相对于道路边沿最近点的高度作为其相对于如图5所示的地面的相对高度信息。类似的，当车辆行驶在匝道上时，则可以以匝道的路面为参考，确定不同物体的相对高度信息。

示例性的，图5A示出了在XOZ平面下的相对高度的确定示意图。以车辆行驶在地面上进行数据采集为例。如图中的高架与地面为平行的两条道路，因此，高架对应的激光点云数据的相对高度均为H3。例如，高架对应的激光点云数据中包括如图5A所示的P3，其相对高度为H3。其中，该相对高度H3可以根据采集获取的路面的绝对高度(如H_路面)与高架的绝对高度(如H_高架)确定。例如，H3＝H_高架-H_路面。

匝道由于需要与地面以及高架接驳，因此，匝道上不同激光点云数据相对地面的高度可能是不同的。如图5A所示，匝道上P4点的相对高度可以为H4，匝道上P5点的相对高度可以为H5。其中，该相对高度H4可以根据P4点的绝对高度H_P4和H_路面确定，例如，H4＝H_P4-H_路面。类似的，该相对高度H5可以根据P5点的绝对高度H_P5和H_路面确定，例如，H5＝H_P5-H_路面。

S303、根据激光点云数据，获取多个定位图片。

本申请实施例中，可以对一个或多个车辆采集的激光点云数据进行处理，以获取多个定位图片。其中，每个定位图片都可以对应到XOY平面上一个道路图层中的一部分图像。示例性的，可以根据同一辆车在连续的一段时间(如T1)内所获取激光点云数据确定对应的定位图片。由此保证该定位图标片中不会同时包括处于不同都图层的信息。其中，该T1的长短，取决于想要获取的定位图片的尺寸。例如，以每个定位图片的尺寸为100*100米为例，可以根据车辆的行驶速度等信息确定T1的长短，并选取该T1时间内的激光点云数据进行融合以获取对应的定位图片。需要说明的是，在本申请实施例中，多个定位图片中任意两个定位图片的尺寸可以相同，也可不同。以下不同定位图片的尺寸相同为例进行说明。

另外，为了能够保证定位图片不会由于其中包括的信息的高度差过大而产生畸变等问题，本申请实施例的一些实现方式中，可以在根据激光点云数据获取定位图片时，限定在一个定位图片中不包括高度差大于一定阈值的激光点云数据。例如，可以限定一个定位图片中不包括高度差大于4米的激光点云数据。

在本申请中，在根据激光点云数据获取定位图片时，定位图片中的每个像素可以对应到一组具有相同水平坐标(即X坐标以及Y坐标)但具有不同相对高度的激光点云数据。应当理解的是，定位图片可以为灰度平面地图，每个像素的灰度可以根据与之对应的激光点云数据确定。需要说明的是，在一些实现方式中，定位图片中的每个像素还可以是对应到一组具有形同水平坐标范围的激光点云数据。例如，每个像素可以对应的激光点云数据可以为X坐标在[X1，X2]范围内的，且Y坐标在[Y1，Y2]范围内的所有激光点云数据。这样，就可以通过灵活设置[X1，X2]和/或[Y1，Y2]的取值范围，使得定位图片中每个像素能够表征更多激光点云数据对应的信息，进而达到精简定位图片数量的目的。以下以一个像素对应一组水平坐标(即X1＝X2，Y1＝Y2)下不同高度的激光点云数据为例。

可以理解的是，由于定位图片为XOY平面内的二维图像，因此，在该定位图片上可以直观地展示出XOY平面上对应道路图层的分布情况。在本申请实施例中，还可以通过不同像素的灰度信息，标识对应位置的相对高度信息以及道路标示等信息。

示例性的，每个像素都的灰度信息都可以对应到一个单通道多比特的二进制数。该二进制数的不同比特位可以用于标识该像素对应位置的物体的相对高度等信息。将该二进制数换算为十进制后即可对应到该像素对应的灰度。

以下对该单通道多比特的二进制数的确定方法进行举例说明。以每个像素的灰度信息对应于单通道8比特的二进制数为例。在该示例中，该8比特的二进制数换算成十进制，该对应的十进制数即可为对应像素的灰度。在该8比特中，可以采用7个比特位(如第0位到第6位)标识一个水平坐标下激光点云的高度分布情况，采用剩余的1个比特位(如第7位)标识对应位置的物体是否为车道标识。在一些实现方式中，该8比特的二进制数的第0位到第6位的每个比特位可以根据如下表1所示对应关系进行填充。

表1

比特位	0	1	2	3	4	5	6
								高度特征	0或1	0或1	0或1	0或1	0或1	0或1	0或1
对应高度关系/米	0.5-1	1-1.5	1.5-2	2-2.5	2.5-3	3-4	4-5

根据上述如表1所示的对应关系，如果在对应水平坐标下，相对高度为0.5-1米的区域内存在物体，则将第0位填充为1，反之，如果对应水平坐标下，相对高度为0.5-1米的区域内不存在位图，则将第0位填充为0。类似的，如果在对应水平坐标下，相对高度为1-1.5米的区域内存在物体，则将第1位填充为1，反之，如果对应水平坐标下，相对高度为1-1.5米的区域内不存在位图，则将第1位填充为0。如果在对应水平坐标下，相对高度为1.5-2米的区域内存在物体，则将第2位填充为1，反之，如果对应水平坐标下，相对高度为1.5-2米的区域内不存在位图，则将第2位填充为0。如果在对应水平坐标下，相对高度为2-2.5米的区域内存在物体，则将第3位填充为1，反之，如果对应水平坐标下，相对高度为2-2.5米的区域内不存在位图，则将第3位填充为0。如果在对应水平坐标下，相对高度为2.5-3米的区域内存在物体，则将第4位填充为1，反之，如果对应水平坐标下，相对高度为2.5-3米的区域内不存在位图，则将第4位填充为0。如果在对应水平坐标下，相对高度为3-4米的区域内存在物体，则将第5位填充为1，反之，如果对应水平坐标下，相对高度为3-4米的区域内不存在位图，则将第5位填充为0。如果在对应水平坐标下，相对高度为4-5米的区域内存在物体，则将第6位填充为1，反之，如果对应水平坐标下，相对高度为4-5米的区域内不存在位图，则将第6位填充为0。

需要说明的是，上述表1示出了仅为一种对应关系的示例，在另一些实现方式中，也可采用更多或更好的比特位对相同水平坐标中的多个激光点云的高度分布进行标识。其每个比特位所对应的相对高度信息也可不同，本申请实施例对此不作限制。

在上述表1的基础上，可以利用该8比特二进制数中的剩余一位(如第7位)来标识该水平坐标下的激光点云是否是车道标识。例如，当该激光点云是车道标识时，则将该第7位设置为1。对应的，当该激光点云不是车道标识时，则将该第7位设置为0。

这样，就可以通过8比特二进制数确定具有相同水平坐标的多个激光点云的垂直分布情况。接着可以根据该8比特二进制数确定该水平坐标下对应定位图片的像素的灰度。例如，可以将该8比特二进制数转换为十进制数，作为该像素的灰度，并以该灰度填充像素，最终获取定位图片。

作为一种示例，请参考图6。其中继续以通过单通道8比特的二进制数标识高度分布情况为例。如图6中的(a)所示，在该水平坐标下包括一棵树，可以通过上述方法中的说明，对第0位到第6位进行填充，如可以填充获取00011111的二进制数用于标识该水平坐标下，高度的分布情况。另外，如图6中的(a)所示，该二进制数的第7位可以用于标识该水平坐标下的激光点云是否为车道标识。由于图中的激光点云的物体为一棵树，因此，可以将该第7位置0。由此，即可获取包括高度分布以及是否为车道标识的信息的8比特二进制数。如图6中的(b)所示，将该8比特二进制数转换为十进制数(如00011111对应31)，即可获取该水平坐标下对应像素的灰度。类似的，可以根据该方法确定定位图片中，其他像素点的灰度，进行填充，即可获取对应的定位图片。应当理解的是，一般而言，水平坐标下的激光点云对应与车道标识时，则该水平坐标就对应与道路上的一个点，因此其上不会有其他垂直分布。示例性的，如图7中的(a)所示，水平坐标为(X1，Y1)的位置对应一棵树，因此其垂直分布可以通过如图7中的(a)所示的00111111来标识。水平坐标为(X2，Y2)的位置对应道路上的车道线，其垂直分布可以通过如图7中的(a)所示的10000000来标识。由此，即可获取如图7中的(b)所示的定位图片。

应当理解的是，以上示例中，是以定位地图以及定位图片均为灰度图为例进行说明的。在另一些实施例中，如果要绘制的定位地图以及定位图片为彩色图(如RGB图)时，则每个像素的RGB色谱也可对应到一个单通道的多比特二进制数，具体的执行方法与上述灰度图的绘制方法类似，此处不再赘述。

S304、根据多个定位图片，获取不同道路图层对应的定位地图。

应当理解的是，将这多个定位图片进行融合，即可获取定位地图。本申请实施例中，可以将不同道路图层的定位图片分别进行融合，以获取对应道路图层的定位地图。需要说明的是，在上述说明中的道路图层可以对应到具有不同高度的道路。也就是说，本申请实施例中，可以针对具有不同高度的道路，确定与该道路的道路图层所对应的定位图片集合。例如，第一道路可以对应于第一道路图层，该第一道路图层可以包括上述多个定位图片中，车辆行驶在第一道路上时，采集获取的激光点云数据所构成的定位图片的集合。类似的，第二道路可以对应于第二道路图层，该第二道路图层可以包括上述多个定位图片中，车辆行驶在第二道路上时，采集获取的激光点云数据所构成的定位图片的集合。在一些实现方式中，可以第一道路的绝对高度(即第一道路在全局坐标系下的高度)称为车辆在该第一道路上行驶过程中，采集获取的激光点云数据所对应的定位图片的参考高度。类似的，可以第二道路的绝对高度(即第二道路在全局坐标系下的高度)称为车辆在该第二道路上行驶过程中，采集获取的激光点云数据所对应的定位图片的参考高度。因此，对于相同道路图层中包括的任意两个定位图片的参考高度都可以包括在一个预设的范围内。也就是说，对于相同道路图层中包括的任意两个定位图片的参考高度差不超过第一阈值。相对的，对于不同道路图层中包括的定位图片的参考高度可以不在预设的范围之内。也就是说，对于不同道路图层中包括的任意两个定位图片的参考高度差大于第二阈值。第一阈值可以与第二阈值相同，也可以与第二阈值不同。其具体的情况可以根据实际需求灵活选取或设置，本申请实施例对此不作限制。

在本申请实施例中，为了确定不同的定位图片对应的道路图层，可以确定不同定位图片之间是否处于相同的道路图层。如果定位图片处于不同的道路图层，则不需要对对应的定位图片进行融合。

本申请实施例中，可以通过判断覆盖相同水平区域的两个或多个定位图片的相似度，确定定位图片是否位于同一个道路图层。可以理解的是，当所有定位图片所覆盖的水平区域不同时，则认为当前待绘制区域只存在一个道路图层，因此直接对着多个定位图片进行融合即可获取道路该待绘制区域的定位地图。

以下结合示例，对判断覆盖相同水平区域的多个定位图片是否处于相同道路图层的方法进行说明。其中，以定位图片1和定位图片2覆盖了相同的水平区域为例。

示例性的，在一些实施例中，可以通过局部纹理及全局参考法，确定两个定位图片(如定位图片1和定位图片2)是否处于相同道路图层。在另一些实施例中，可以通过地图特征指纹法确定定位图片1和定位图片2是否处于相同道路图层。以下对这两种方法分别进行说明。

1、局部纹理及全局参考法。

作为一种示例，针对定位图片1和定位图片2，可以分别采用窗口滑动的方法，确定每个定位图片中，局部特征的均值，和/或方差，和/或协方差。根据两个定位图片的局部特征，确定两个定位图片的相似度。进而根据该相似度与预设的阈值(如阈值1)的大小关系，确定该两个定位图片是否处于相同的道路图层。例如，当该相似度大于阈值1时，则认为两个定位图片处于相同的道路图层。反之，当该相似度小于阈值1时，则认为两个定位图片处于不同的道路图层。以下以局部特征包括均值，方差以及协方差为例。

以下结合图8进行说明。图8为本申请实施例提供的一种局部特征的获取方法的示意图。其中，以定位图片包括6*6个像素，窗口的尺寸为3*3，滑动步长为1为例。如图8中的(a)所示，该窗口的初始位置可以位于定位图片的左上角，对应覆盖定位图片中左上角三行三列的像素。可以根据该窗口中9个像素的灰度，确定该窗口的灰度平均μ₁，灰度的方差σ₁以及灰度的协方差。在获取了该位置的局部特征后，可以将该窗口向右滑动1个像素到如图8中的(b)所示的位置。并获取该位置的灰度平均μ₂，灰度的方差σ₂以及灰度的协方差。此后，还可继续向右滑动，以获取其他位置的局部特征。在向右滑动到无法继续滑动时，可以将该窗口向下滑动一个像素(如移动到如图8中的(c)所示的位置)，并参考上述方法获取其他位置的局部特征。如此重复，直至将窗口移动到如图8中的(d)所示的位置，并获取该位置的局部特征。这样，就获取了该定位图片对应的多个局部特征。例如，如图8所示的可以获取每个窗口位置对应的共16组局部特征。每组局部特征中均包括对应位置的灰度平均，灰度的方差以及灰度的协方差。

在获取了上述局部特征后，可以分别针对灰度平均，灰度的方差，以及灰度的协方差，构建两个定位图片的对比函数。

示例性的，灰度平均(或称为特征均值)的对比函数可以通过如下公式(1)进行评估。

其中，l(x,y)为窗口处于某一位置时，与该位置对应的定位图片1和定位图片2之间的特征均值对比值。μ_x为该位置对应的定位图片1的特征均值。μ_y为该位置对应的定位图片2的特征均值。C₁为常数。作为一种示例，μ_x可以根据如下公式获取：

其中，H为窗口的高度，W为窗口的宽度，X(i,j)为像素为(i,j)对应位置处的像素值(如灰度)。

灰度的方差(或称为特征方差)的对比函数可以通过如下公式(2)进行评估。

其中，c(x,y)为窗口处于某一位置时，与该位置对应的定位图片1和定位图片2之间的特征方差对比值。σ_x为该位置对应的定位图片1的特征方差。σ_y为该位置对应的定位图片2的特征方差。C₂为常数。作为一种示例，σ_x可以根据如下公式获取：

灰度的协方差(或称为特征协方差)的对比函数可以通过如下公式(3)进行评估。

其中，s(x,y)为窗口处于某一位置时，与该位置对应的定位图片1和定位图片2之间的特征协方差对比值。σ_xy为定位图片1中的对应像素(如X(i,j))，和定位图片2中的对应像素(如Y(i,j))的协方差。作为一种示例，该协方差可以通过如下公式获取：

在获取了上述局部特征的对比值后，即可根据该对比值确定两个定位图片的相似度。

例如，可以根据如下公式(4)确定两个定位图片中，某一窗口位置的相似度。

其中，S(x,y)为窗口处于某一位置时，与该位置对应的定位图片1和定位图片2之间的相似度。

在根据上述公式(4)确定窗口处于定位图片中某一位置时的相似度后，可以根据统计的方法，确定整张定位图片之间的相似度。

例如，可以根据如下公式(5)确定定位图片1和定位图片2的相似度。

其中，MS(x,y)为定位图片1和定位图片2的相似度。M为每个定位图片中获取的局部特征对应位置的个数。j为M个位置中的任一个位置。μ_xj为窗口位于定位图片1中j对应位置时的特征均值。μ_yj为窗口位于定位图片2中j对应位置时的特征均值。σ_xj为窗口位于定位图片1中j对应位置时的特征方差。σ_yj为窗口位于定位图片2中j对应位置时的特征方差。σ_xjyj为协方差。

在该示例中，可以根据MS(x,y)与第一阈值之间的大小关系，确定定位图片1和定位图片2是否处于相同的道路图层。例如，当MS(x,y)大于第一阈值时，则说明定位图片1和定位图片2的相似度较高，因此认为定位图片1和定位图片2为相同道路图层中的定位图片。如果当MS(x,y)小于第一阈值时，则说明定位图片1和定位图片2的相似度较低，因此认为定位图片1和定位图片2是覆盖相同水平区域但是位于不同道路图层的定位图片。作为一种示例，该第一阈值可以为0.5。

需要说明的是，在该方法的说明中，定位图片的大小，窗口的大小以及滑动步长均为示例性说明，在其他一些实现方式中，定位图片的大小，窗口的大小以及滑动步长等参数均可根据实际需要灵活选取，本申请实施例对此不作限制。另外，本示例中，局部特征同时包括特征均值，特征方差以及特征协方差，参考这三个参数共同确定定位图片1和定位图片2之间的相似度。在另一些实现方式中，也可只参考特征均值，特征方差，以及特征协方差中的一个或任意两个，确定定位图片1和定位图片2的相似度。

可以理解的是，该局部纹理及全局参考法，通过对定位图片的局部特征进行详细的评估对比，以获取两个定位图片的相似度。因此，该相似度的度量结果更能体现定位图片中细节的差异，在定位图片对应的环境复杂度较低时，能够有效地根据局部特征判断两个定位图片的差异，因此在定位图片对应的环境较为简单时的相似度度量。

2、地图特征指纹法。

一般而言，定位图片中的像素特征个数可能较多。在采用该地图特征指纹法评估两个定位图片的相似度时，可以分别将两个定位图片缩小到较小的尺寸，并根据缩小后的图片中的每个像素所表征的相对高度，计算获取对应定位图片的高度均值。根据该高度均值对定位图片进行归一化处理，由此得到两个定位图片各自的高度特征。通过对比两个定位图片的高度特征，确定两个定位图片的相似度。

示例性的，首先对两个定位图片进行处理。对于定位图片1和定位图片2中的每个图片，可以通过隔行/隔列删除像素的方法，缩小定位图片的尺寸。例如，将定位图片缩小到如图9中的(a)所示的3*3的像素尺寸。为了便于说明，以a_ij标识缩小后的图片中第i行第j列的像素，i和j均为小于或等于3的正整数。在获取如图9中的(a)所示的缩小后的去除了定位图片中的细节信息，只保留基本结构以及明暗信息的具有较小尺寸的图片后，可以根据每个像素的灰度，确定对应像素的相对高度。如a₁₁的相对高度为h₁₁，a₁₂的相对高度为h₁₂，a_ij的相对高度为h_ij。根据每个像素的相对高度，即可获取该缩小后的图片的每个像素的高度均值Δh。根据该Δh，即可对对应的定位图片进行归一化处理。例如，可以通过以下方法进行归一化处理：对比h_ij与Δh的大小关系，如果h_ij大于Δh，则将对应的a_ij标识为1。反之，如果h_ij小于Δh，则将对应的a_ij标识为0。这样就可以获取一个3*3的矩阵。其中，每个元素均为0或1。例如，可以获取如图9中的(b)所示的矩阵。将该矩阵中的元素顺序排列即可获取一个9比特大小的二进制数。以矩阵为如图9中的(b)所示为例，顺序排列后对应的二进制数可以为101001111。由此，即可将该二进制数称为对应定位图片的特征指纹。

应当理解的是，基于上述方法，可以获取定位图片1和定位图片2分别对应的特征指纹。通过对比两个图片的特征指纹，即可确定两个图片的相似度。

例如，以定位图片1的特征指纹为101001111，定位图片2的特征指纹为101010010为例。可以通过计算两个特征指纹的汉明距离(hamming distance)，确定两个定位图片的相似度。结合图10，定位图片1的特征指纹和定位图片2的特征指纹中，存在如图中的虚线框中所示的3位不同，则两个定位图片的特征指纹的汉明距离为3。可以理解的是，汉明距离越大，则两个定位图片的相似度越低。汉明距离越小，则两个定位图片的相似度越高。本申请中，采用缩小到8×8特征地图，可以对比该汉明距离与第二阈值之间的大小关系，确定两个定位图片是否处于相同的道路图层。例如，当汉明距离大于第二阈值时，则认为两个定位图片不在同一个道路图层。又如当汉明距离小于第二阈值时，则认为两个定位图片属于同一个道路图层。作为一种示例，该第二阈值可以为8。在本申请中，可以将根据特征指纹确定的相似度称为指纹相似度(map fingerprint similarity，mfs)。

可以理解的是，该地图特征指纹法，通过筛除定位图片中的细节部分，保留基本信息，并从全局对定位图片进行相似度度量，能够更加体现定位图片的全局差异。因此更加适用于定位图片对应的环境较为复杂时的相似度度量。

需要说明的是，上述示例中提供的两种相似度度量方法(如局部纹理及全局参考法，地图特征指纹法)，可以根据场景的不同灵活选取其一使用，也可同时采用这两种方法进行自适应的相似度度量。

当同时采用这两种方法进行相似度度量时，可以引入用于表征环境复杂度的参数(如用α标识)，来调整两种方法分别确定的相似度在结果中的权重，以便根据环境复杂度的变化，自适应地进行相似度度量。

示例性的，可以通过如下公式(6)最终的相似度。

MapS＝f(MS,mfs,α)……公式(6)。

其中，MapS为定位图片1和定位图片2的相似度。MS为根据局部纹理及全局参考法确定的相似度。mfs为根据地图特征指纹法确定的相似度。α为环境复杂度。

在不同的场景下，该公式(6)可以是灵活设置的。例如，在一些实现方式中，该公式(6)可以变换为如下公式(6-1)。

MapS＝α×MS+(1-α)×mfs……公式(6-1)。

其中，α可以根据环境复杂度的变化，灵活设置为小于或等于1且大于或等于0的数。例如，当定位图片对应的环境较为复杂时，可以全局相似度为主进行相似度度量，因此可以将α设置在(0.5,1]的范围内，可以提升MS的权重。又如，当定位图片对应的环境较为简单时，可以局部细节的相似度为主进行相似度度量，因此可以将α设置在[0,0.5)的范围内，可以提升mfs的权重。由此即可实现根据环境复杂度的不同，自适应地调整定位图片的相似度度量的目的。

在确定MapS后，可以将该MapS与第三阈值进行对比，确定定位图片1和定位图片2是否处于相同的道路图层。例如，如果MapS大于第三阈值，则认为定位图片1和定位图片2之间的相似度较高，属于相同的道路图层。如果MapS小于第三阈值，则认为定位图片1和定位图片2之间的相似度较低，属于不同的道路图层。

需要说明的是，在上述示例中，可以将覆盖相同水平区域的定位图片作为相似度度量的对象，以便确定不同的定位图片是否是车辆在不同时刻相同道路上采集获取的。在另一些示例中，还可将多个定位图片中，任意两个定位图片作为相似度度量的对象，以便通过该方法，准确地确定多个定位图片中的任意两个定位图片是否处于同一个道路图层。

为了使得本领域技术人员能够更加清楚地理解上述示例中提供的相似度度量方案及其有益效果，以下结合实际试验，对同时采用局部纹理及全局参考法以及地图特征指纹法进行相似度度量的过程和结果进行示例性说明。

在实验1中，以环境特征较为复杂，定位图片1和定位图片2为根据相同道路图层中，不同时间采集获取的激光点云数据获取为例。结合图11，定位图片1和定位图片2如图中所示。根据上述示例中的方法，计算获取两个定位图片对应的特征指纹的汉明距离为3，基于局部纹理及全局参考法获取的相似度MS为0.6192。可以根据环境复杂度，调整两个相似度的权重，最终得到两个的定位图片的相似度为0.785823。

在实验2中，以环境特征较为简单，定位图片1和定位图片2为根据相同道路图层中，不同时间采集获取的激光点云数据获取为例。结合图12，定位图片1和定位图片2如图中所示。根据上述示例中的方法，计算获取两个定位图片对应的特征指纹的汉明距离为1，基于局部纹理及全局参考法获取的相似度MS为0.885771。可以根据环境复杂度，调整两个相似度的权重，最终得到两个的定位图片的相似度为0.927816。

在实验3中，以环境特征较为复杂，定位图片1和定位图片2为根据不同道路图层中采集获取的激光点云数据获取为例。结合图13，定位图片1和定位图片2如图中所示。根据上述示例中的方法，计算获取两个定位图片对应的特征指纹的汉明距离为13，基于局部纹理及全局参考法获取的相似度MS为0.051161。可以根据环境复杂度，调整两个相似度的权重，最终得到两个的定位图片的相似度为0.085639。

在实验4中，以环境特征较为简单，定位图片1和定位图片2为根据不同道路图层中采集获取的激光点云数据获取为例。结合图14，定位图片1和定位图片2如图中所示。根据上述示例中的方法，计算获取两个定位图片对应的特征指纹的汉明距离为0，基于局部纹理及全局参考法获取的相似度MS为0.133746。可以根据环境复杂度，调整两个相似度的权重，最终得到两个的定位图片的相似度为0.165378。

对比上述实验1和实验2两个实验结果，可以看到，当环境特征较为复杂时，汉明距离较大，基于局部纹理及全局参考法获取的相似度较小。而两个实验的前提限定了定位图片1和定位图片2为同一道路图层中的定位图片。因此，当环境特征较为复杂时，基于局部纹理及全局参考法获取的相似度更能够准确地体现两个定位图片的相似度情况。也就是说，在环境特征较为复杂时，如果采用单一方法进行相似度度量，可以优先考虑使用基于局部纹理及全局参考法获取的相似度来判断两个定位图片是否处于同一道路图层。如果同时采用两种方法进行相似度度量，可以通过合理调整两种方法获取的相似度的权重，如增加基于局部纹理及全局参考法获取的相似度的权重，以便能够获取更加接近实际的相似度度量结果。

对应的，当环境特征较为简单时，汉明距离较小，基于局部纹理及全局参考法获取的相似度较大。而两个实验的前提限定了定位图片1和定位图片2为同一道路图层中的定位图片。因此，当环境特征较为简单时，基于地图特征指纹法获取的相似度更能够准确地体现两个定位图片的相似度情况。也就是说，在环境特征较为简单时，如果采用单一方法进行相似度度量，可以优先考虑使用地图特征指纹法获取的相似度来判断两个定位图片是否处于同一道路图层。如果同时采用两种方法进行相似度度量，可以通过合理调整两种方法获取的相似度的权重，如增加地图特征指纹法获取的相似度的权重，以便能够获取更加接近实际的相似度度量结果。

类似的，通过对比实验3和实验4也能得出相同的结论。同时，通过对比实验1和3，以及实验2和4，能够明确地看到，通过本申请实施例提供的两种方法，都能够准确地分辨出两个定位图片是否处于同一个道路图层中。

另外，在确定两个定位图片属于同一道路图层后，可以将这两个定位图片进行融合处理，以获取具有更加准确的细节信息的定位图片。例如，可以将实验1中的两个图片进行融合。其融合结果如图15中的(a)所示。对比如图15中的(a)所示的定位图片和实验1中的两个定位图片，可以看到融合后的定位图片具有更加准确的细节信息，因此，该融合处理有助于弥补单次采集的地图缺失。类似的，将实验2中的两个图片进行融合后的结果如图15中的(b)所示，与融合之前的图片相比，也具有类似的特征。

根据上述说明，在确定了定位图片的层间关系(如属于同一个道路图层，或属于不同道路图层)后，可以将处于相同道路图层的定位图片进行融合，以获取对应的道路图层的定位地图。在一些实现方式中，可以对不同的道路图层打上不同的地图标签(如map id)以便在车辆进行自动驾驶过程中，可以根据当前自身的位置信息(如通过GPS定位系统确定的当前在全局坐标系下的高度信息)，选取对应map id的定位地图，以获取准确的定位信息。

另外，需要说明的是，在本申请实施例的说明中，当两个具有相同水平覆盖区域的定位图片处于相同道路图层(如确定这两个定位图片的相似度较高)时，则可以对这两个定位图片进行融合处理。在不同的实现方式中，该融合处理可以包括多种不同的具体实现。示例性的，在一些实现方式中，确定两个具有相同水平覆盖其余的定位图片处于相同的道路图层时，可以针对这两个定位图片中，每个对应位置的两个像素进行融合，以获取融合后的一个像素。以此类推可以获取融合处理后的多个位置的像素，这些像素即可构成融合处理后的定位图片。其中，该针对两个像素的融合，可以是对两个像素的像素值(如灰度值)取均值后作为融合之后的像素的像素值。也可以是对两个像素的像素值取最大值作为融合之后的像素的像素值。当然，也可是对两个像素的像素值取最小值作为融合之后的像素的像素值。本申请实施例对于像素的融合处理机制不做限制。

在上述处于相同道路图层的两个定位图片进行融合操作之外，在本申请实施例中，确定第一定位图片的集合以及第二定位图片的集合之后，可以分别对第一定位图片的集合中的第一定位图片进行融合处理，以获取与第一道路图层对应的定位地图。示例性的，对于具有不同水平覆盖区域的定位地图的融合处理，可以根据定位图片中，处于边缘的像素点对应的水平坐标进行的。例如，定位图片A的左下角的像素在全局坐标系下的水平面坐标为(Xa，Ya)，那么可以将右下角的像素坐标为(Xa，Ya)的定位图片B与该定位图片A进行融合，该融合的过程可以为将定位图片A放置在定位图片B相邻的右边以融合获取一个新的同时包括定位图片A和定位图片B的定位图片。以此类推，将所有第一定位图片的集合中的定位图片执行上述融合操作，即可获取一张与第一道路对应的完整的定位地图。需要说明的是，在实际实现过程中，也可以在确定第一定位图片的集合和第二定位图片的集合之后，不对进行融合，而是分别将该定位图片的集合存储在服务器，或者下发给需要使用的设备(如车辆)。在车辆需要使用对应的道路图层的地图时，结合自身位置，对对应道路图层中的与车辆所在位置相邻的定位图片进行融合，后去该道路图层对应的局部定位地图。以便为车辆当前的行驶提供准确的定位信息。

上述主要从设备(如用于绘制定位地图的设备)的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本申请实施例可以根据上述方法示例对其中涉及的设备进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

请参考图16，为本申请实施例提供的一种地图绘制装置1600的组成示意图。该地图绘制装置1600可以是终端，也可以是终端内部的芯片，并且可以实现如图3以及上述各可选实施例。

如图16所示，该地图绘制装置可包括：获取单元1601，融合单元1602。其中，获取单元1601可以用于执行如图3所示方法中的S301-S303中任一步骤以及其中任一可选的实施例。融合单元1602可以用于执行如图3所示的S304中任一步骤以及其中任一可选的实施例。

示例性的，该获取单元1601，用于获取第一待绘制区域的激光点云数据，第一待绘制区域包括处于不同平面的第一道路和第二道路。

该获取单元1601，还用于根据激光点云数据，获取第一定位图片的集合和第二定位图片的集合。其中，任意两个第一定位图片的参考高度相差不超过第一阈值。任意两个第二定位图片的参考高度相差不超过第一阈值。第一定位图片和第二定位图片的参考高度差大于第二阈值。定位图片的参考高度是采集定位图片对应的激光点云数据时，对应设备所在路面的高度。第一阈值和第二阈值均为正数。

融合单元1602，用于将第一定位图片集合中的定位图片进行融合，获得第一道路对应的地图，将第二定位图片集合中的定位图片进行融合，获得第二道路对应的地图。

在一种可能的设计中，该激光点云数据包括：第一位置在全局坐标系下的三维坐标信息，其中，第一位置为采集激光点云数据的位置。该获取单元1601，还用于根据第一位置的三维坐标信息，获取第一位置相对于采集激光点云数据时所行驶道路的相对高度信息。

在一种可能的设计中，该激光点云数据还包括：用于指示第一位置是否为车道的第一标识。

在一种可能的设计中，该获取单元1601，用于根据激光点云数据，获取多个定位图片，每个定位图片对应的激光点云数据的采集时间在预设范围之内，每个定位图片中包括的像素的像素值由像素对应位置的相对高度信息和位置对应的激光点云数据的第一标识确定。该融合单元1602，用于将多个定位图片中，处于相同道路图层的定位图片进行融合，获取第一定位图片集合和第二定位图片集合。

在一种可能的设计中，该装置还包括：确定单元1603，该确定单元1603用于确定第一定位图片和第二定位图片的相似度。该确定单元1603，还用于根据相似度，确定第一定位图片和第二定位图片是否处于相同道路图层，相似度用于指示第一定位图片和第二定位图片的相似程度。其中，第一定位图片和第二定位图片为多个定位图片中，任意两个具有相同水平覆盖区域的定位图片。融合单元1602，用于将多个定位图片中，处于相同道路图层的定位图片进行融合，以获取处于第一道路对应的第一定位图片集合，以及第二道路对应的第二定位图片集合。

在一种可能的设计中，该装置还包括：确定单元1603，该确定单元1603用于根据第一定位图片和第二定位图片的局部特征，确定第一定位图片和第二定位图片的第一相似度。局部特征包括以下中的一项或多项：定位图片中像素的灰度平均值，像素的灰度方差，像素的灰度协方差。该确定单元1603，还用于当第一相似度大于第一阈值时，确定第一定位图片和第二定位图片处于相同道路图层。

在一种可能的设计中，确定单元1603，还用于当第一相似度小于第一阈值时，确定第一定位图片和第二定位图片处于不同道路图层。

在一种可能的设计中，确定单元1603，还用于根据第一定位图片和第二定位图片中对应像素的相对高度信息，确定第一定位图片和第二定位图片的第二相似度。当第二相似度小于第二阈值时，确定第一定位图片和第二定位图片处于相同道路图层。

在一种可能的设计中，该确定单元1603，还用于当第二相似度大于第二阈值时，第一定位图片和第二定位图片处于不同道路图层。

在一种可能的设计中，获取单元1601，具体用于针对第一定位图片和第二定位图片分别执行以下操作，以获取第一定位图片对应的特征指纹，和第二定位图片对应的特征指纹：删除定位图片中预设行和/或预设列的像素，以获取缩小的定位图片，根据缩小的定位图片中，各个像素的相对高度的均值，对缩小的定位图片进行归一化处理，根据归一化处理后的缩小的定位图片的各个像素值，确定定位图片对应的特征指纹。根据第一定位图片的特征指纹和第二定位图片的特征指纹，确定第一定位图片和第二定位图片的第二相似度，第二相似度为第一定位图片的特征指纹和第二定位图片的特征指纹的汉明距离。

应理解的是，本申请实施例中的地图绘制装置可以由软件实现，例如，具有上述功能的计算机程序或指令来实现，相应计算机程序或指令可以存储在终端内部的存储器中，通过处理器读取该存储器内部的相应计算机程序或指令来实现上述功能。或者，本申请实施例中的地图绘制装置还可以由硬件来实现。示例性的，获取单元1601和/或融合单元1602和/或确定单元1603可以通过处理器(如NPU、GPU、系统芯片中的处理器)实现其对应的功能。或者，本申请实施例中的地图绘制装置还可以由处理器和软件模块的结合实现。

具体地，获取单元1601可以为处理器的接口电路。作为一种示例，接口电路可以将获取的多个激光点云数据传输给处理器。处理器可以用于对来自接口电路的激光点云数据进行预处理(如执行如图3所示的S302及该步骤中任一项可能的操作)，处理器还可以用于根据预处理后的激光点云数据获取多个定位图片(如执行如图3所示的S303及该步骤中的任一项可能的操作)，处理器还可以用于根据该多个定位图片获取不同道路图层对应的定位地图(如执行如图3所示的S304及该步骤中的任一项可能的操作)。应当理解的是，该处理器还可用于执行上述实施例中的其他操作，以便实现本申请实施例提供的任一种地图绘制方法。

图17示出了的一种地图绘制装置1700的组成示意图。如图17所示，该地图绘制装置1700可以包括：处理器1701和存储器1702。该存储器1702用于存储计算机执行指令。示例性的，在一些实施例中，当该处理器1701执行该存储器1702存储的指令时，可以使得该通信装置1700执行上述实施例中任一种所示的地图绘制方法。

需要说明的是，上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述，在此不再赘述。

图18示出了的一种芯片系统1800的组成示意图。该芯片系统1800可以包括：处理器1801和通信接口1802，用于支持相关设备实现上述实施例中所涉及的功能。在一种可能的设计中，芯片系统还包括存储器，用于保存终端必要的程序指令和数据。该芯片系统，可以由芯片构成，也可以包含芯片和其他分立器件。需要说明的是，在本申请的一些实现方式中，该通信接口1802也可称为接口电路。

需要说明的是，上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述，在此不再赘述。

在上述实施例中的功能或动作或操作或步骤等，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可以用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包括这些改动和变型在内。

Claims (14)

1.一种地图绘制方法，其特征在于，所述方法包括：

获取第一待绘制区域的激光点云数据，所述第一待绘制区域包括处于不同平面的第一道路和第二道路；

根据所述激光点云数据，获取第一定位图片的集合和第二定位图片的集合，其中，所述集合中任意两个第一定位图片的参考高度相差不超过第一阈值；任意两个第二定位图片的参考高度相差不超过第一阈值；第一定位图片和第二定位图片的参考高度差大于第二阈值；定位图片的参考高度是采集所述定位图片对应的激光点云数据时，对应设备所在路面的高度；所述第一阈值和所述第二阈值均为正数；

将所述第一定位图片进行融合，获得所述第一道路对应的地图，将所述第二定位图片进行融合，获得所述第二道路对应的地图。

2.根据权利要求1所述的方法，其特征在于，所述激光点云数据包括：第一位置在全局坐标系下的三维坐标信息，其中，所述第一位置为采集所述激光点云数据的位置；

在所述根据所述激光点云数据，获取第一定位图片的集合和第二定位图片的集合之前，所述方法还包括：

根据所述第一位置的三维坐标信息，获取所述第一位置相对于采集所述激光点云数据时所行驶道路的相对高度信息。

3.根据权利要求2所述的方法，其特征在于，所述激光点云数据还包括：用于指示所述第一位置是否为车道的第一标识。

4.根据权利要求3所述的方法，其特征在于，在所述根据所述激光点云数据，获取第一定位图片的集合和第二定位图片的集合，包括：

根据所述激光点云数据，获取多个定位图片，每个所述定位图片对应的激光点云数据的采集时间在预设范围之内，所述每个定位图片中包括的像素的像素值由所述像素对应位置的相对高度信息和所述位置对应的激光点云数据的第一标识确定；

将多个所述定位图片中，处于相同道路图层的定位图片进行融合，获取所述第一定位图片的集合和所述第二定位图片的集合。

5.根据权利要求4所述的方法，其特征在于，所述获取第一定位图片的集合和第二定位图片的集合，包括：

确定第一图片和第二图片的相似度，并根据所述相似度，确定所述第一图片和所述第二图片是否处于相同道路图层，所述相似度用于指示所述第一图片和所述第二图片的相似程度；其中，所述第一图片和所述第二图片为多个所述定位图片中，任意两个具有相同水平覆盖区域的定位图片；

将多个所述定位图片中，处于相同道路图层的定位图片进行融合，以获取处于所述第一道路对应的第一定位图片的集合，以及所述第二道路对应的第二定位图片的集合。

6.根据权利要求5所述的方法，其特征在于，所述确定第一图片和第二图片的相似度，包括：

根据所述第一图片和所述第二图片的局部特征，确定所述第一图片和所述第二图片的第一相似度；

所述局部特征包括以下中的一项或多项：

定位图片中像素的灰度平均值，所述像素的灰度方差，所述像素的灰度协方差；

所述根据所述相似度，确定所述第一图片和所述第二图片是否处于相同道路图层，包括：

当所述第一相似度大于第一阈值时，所述第一图片和所述第二图片处于相同道路图层。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

当所述第一相似度小于所述第一阈值时，所述第一图片和所述第二图片处于不同道路图层。

8.根据权利要求5-7中任一项所述的方法，其特征在于，所述确定第一定位图片和第二定位图片的相似度，包括：

根据所述第一图片和所述第二图片中对应像素的相对高度信息，确定所述第一图片和所述第二图片的第二相似度；

所述根据所述相似度，确定所述第一图片和所述第二图片是否处于相同道路图层，包括：

当所述第二相似度小于第二阈值时，所述第一图片和所述第二图片处于相同道路图层。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

当所述第二相似度大于所述第二阈值时，所述第一图片和所述第二图片处于不同道路图层。

10.根据权利要求8或9所述的方法，其特征在于，所述根据所述第一图片和所述第二图片中对应像素的相对高度信息，确定所述第一图片和所述第二图片的第二相似度，包括：

针对所述第一图片和所述第二图片分别执行以下操作，以获取所述第一图片对应的特征指纹，和所述第二图片对应的特征指纹：

删除图片中预设行和/或预设列的像素，以获取缩小的图片，

根据所述缩小的图片中，各个像素的相对高度的均值，对所述缩小的图片进行归一化处理，

根据所述归一化处理后的所述缩小的图片的各个像素值，确定所述图片对应的特征指纹；

根据所述第一图片的特征指纹和所述第二图片的特征指纹，确定所述第一图片和所述第二图片的第二相似度，所述第二相似度为所述第一图片的特征指纹和所述第二图片的特征指纹的汉明距离。

11.一种地图绘制装置，其特征在于，所述地图绘制装置包括一个或多个处理器和一个或多个存储器；所述一个或多个存储器与所述一个或多个处理器耦合，所述一个或多个存储器存储有计算机指令；

当所述一个或多个处理器执行所述计算机指令时，使得所述地图绘制装置执行如权利要求1-10中任一项所述的地图绘制方法。

12.一种芯片系统，其特征在于，所述芯片系统包括接口电路和处理器；所述接口电路和所述处理器通过线路互联；所述接口电路用于从存储器接收信号，并向所述处理器发送所述信号，所述信号包括所述存储器中存储的计算机指令；当所述处理器执行所述计算机指令时，所述芯片系统执行如权利要求1-10中任一项所述的地图绘制方法。

13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括计算机指令，当所述计算机指令运行时，执行如权利要求1-10中任一项所述的地图绘制方法。

14.一种计算机程序产品，其特征在于，所述计算机程序产品中包括指令，当所述计算机程序产品在计算机上运行时，使得计算机可以根据所述指令执行如权利要求1-10中任一项所述的地图绘制方法。

Images