CN114187412B - 高精地图生成方法、装置、电子设备及存储介质 - Google Patents
高精地图生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114187412B CN114187412B CN202111334734.XA CN202111334734A CN114187412B CN 114187412 B CN114187412 B CN 114187412B CN 202111334734 A CN202111334734 A CN 202111334734A CN 114187412 B CN114187412 B CN 114187412B
- Authority
- CN
- China
- Prior art keywords
- road
- sampling
- precision map
- map
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000005070 sampling Methods 0.000 claims abstract description 135
- 230000004044 response Effects 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 11
- 238000004422 calculation algorithm Methods 0.000 abstract description 7
- 230000002596 correlated effect Effects 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000003993 interaction Effects 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
- 230000003068 static effect Effects 0.000 description 3
- 230000001149 cognitive effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3811—Point data, e.g. Point of Interest [POI]
-
- 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
- G01C21/3848—Data obtained from both position sensors and additional sensors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
-
- 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
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Abstract
本公开提供了一种高精地图生成方法、装置、电子设备及存储介质,涉及智能交通技术领域,具体涉及人工智能、自动驾驶、大数据和云计算等技术领域。具体实施方案为:对用于生成高精地图的道路数据进行采样,并获取采样轨迹,其中,采样轨迹中包括采样位置点及其对应的道路数据;获取导航地图,其中导航地图包括第一道路要素;基于采样轨迹,将第一道路要素关联至高精地图中,以生成目标高精地图。由此,将道路数据和传统导航地图通过位置信息进行匹配,生成目标高精地图,相较于传统的地图和地图的关联生成目标高精地图的方式,本公开高精地图生成方法的算法更成熟,准确率更高。
Description
技术领域
本公开涉及智能交通技术领域,具体涉及人工智能、自动驾驶、大数据和云计算等技术领域,尤其涉及一种高精地图生成方法、装置和电子设备及存储介质。
背景技术
目前具备自动驾驶功能的车辆通常安装高精地图,高精地图可以对车辆自动驾驶过程提供进行辅助。在自动驾驶场景下,实现中需要高精地图与传统的导航地图实现精准关联。
发明内容
本公开提供了一种用于高精地图生成方法、装置、电子设备及存储介质。
根据本公开的第一方面,提供了一种高精地图生成方法,包括:对用于生成高精地图的道路数据进行采样,并获取采样轨迹,其中,所述采样轨迹中包括采样位置点及其对应的道路数据;获取导航地图,其中所述导航地图包括第一道路要素;基于所述采样轨迹,将所述第一道路要素关联至高精地图中,以生成目标高精地图。
根据本公开的第二方面,提供了一种高精地图生成装置,包括:采样模块,对用于生成高精地图的道路数据进行采样,并获取采样轨迹,其中,所述采样轨迹中包括采样位置点及其对应的道路数据;获取模块,用于获取导航地图,其中所述导航地图包括第一道路要素;生成模块,用于基于所述采样轨迹,将所述第一道路要素关联至高精地图中,以生成目标高精地图。
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上述一方面实施例所述的高精地图生成方法。
根据本公开第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其上存储有计算机程序/指令,所述计算机指令用于使所述计算机执行上述一方面实施例所述的高精地图生成方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现上述一方面实施例所述的高精地图生成方法。
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。本公开的其它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为本公开实施例提供的一高精地图生成方法的流程示意图;
图2为本公开实施例提供的另一高精地图生成方法的流程示意图;
图3为本公开实施例提供的另一高精地图生成方法的流程示意图;
图4为本公开实施例提供的另一高精地图生成方法的流程示意图;
图5为本公开实施例提供的另一高精地图生成方法的流程示意图;
图6为本公开实施例提供的一高精地图生成装置的结构示意图;
图7为根据本公开实施例的高精地图生成方法的电子设备的框图。
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。
下面参考附图描述本公开实施例的高精地图生成方法、装置和电子设备。
智能交通系统(Intelligent Traffic System,简称ITS)又称智能运输系统(Intelligent Transportation System),是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造,加强车辆、道路、使用者三者之间的联系,从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。智能交通系统通过人、车、路的和谐、密切配合提高交通运输效率,缓解交通阻塞,提高路网通过能力,减少交通事故,降低能源消耗,减轻环境污染。
大数据(big data),或称巨量资料,指的是所涉及的资料量规模巨大到无法透过目前主流软件工具,在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换而言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。
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。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。
智能驾驶本质上涉及注意力吸引和注意力分散的认知工程学,主要包括网络导航、自主驾驶和人工干预三个环节。智能驾驶的前提条件是,我们选用的车辆满足行车的动力学要求,车上的传感器能获得相关视听觉信号和信息,并通过认知计算控制相应的随动系统。智能驾驶的网络导航,解决我们在哪里、到哪里、走哪条道路中的哪条车道等问题;自主驾驶是在智能系统控制下,完成车道保持、超车并道、红灯停绿灯行、灯语笛语交互等驾驶行为;人工干预,就是说驾驶员在智能系统的一系列提示下,对实际的道路情况做出相应的反应。
云计算(cloud computing)是分布式计算的一种,指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序,然后,通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。云计算早期,简单地说,就是简单的分布式计算,解决任务分发,并进行计算结果的合并。因而,云计算又称为网格计算。通过这项技术,可以在很短的时间内(几秒钟)完成对数以万计的数据的处理,从而达到强大的网络服务。“云”实质上就是一个网络,狭义上讲,云计算就是一种提供资源的网络,使用者可以随时获取“云”上的资源,按需求量使用,并且可以看成是无限扩展的,只要按使用量付费就可以,“云”就像自来水厂一样,我们可以随时接水,并且不限量,按照自己家的用水量,付费给自来水厂就可以。图1为本公开实施例提供的一种高精地图生成方法的流程示意图。
如图1所示,该高精地图生成方法,可包括:
S101,对用于生成高精地图的道路数据进行采样,并获取采样轨迹,其中,采样轨迹中包括采样位置点及其对应的道路数据。
需要说明的是,道路数据可包括道路的图像和点云图像等。在本公开实施例中,可通过车辆上安装的数据获取设备获取道路的道路数据,并将道路数据,并通过车辆定位系统或者车辆安装的导航应用(Application,APP)上传至云服务器中。举例来说,该数据获取设备可为车载摄像头、车载雷达、车辆传感器等。
可选地,服务器还可以与道路信息数据库和/或交通管理平台连接,从信息库和/或交通管理平台处获取高精地图的道路数据。
在本公开实施例中,可按照一定采样距离,每隔采样距离来确定采样点的位置。其中,采样距离并不固定,可根据实际情况进行设定,举例来说,采样距离可为50m、100m、150m等。
可选地,还可根据道路的重要节点选取采样点。举例来说,可在道路的隧道位置、急转弯位置、信号灯位置设置采样点。
需要说明的是,采样轨迹包括采样点的位置信息和采样时刻,以及采样点处采样的道路数据。本公开中,可以按照采样时间和/或采样点的位置信息,对所有采样点进行排序,形成一条采样轨迹。该采样轨迹往往与道路的形态匹配,以便于基于采集轨迹携带的道路数据构建出精准的地图。
S102,获取导航地图,其中导航地图包括第一道路要素。
在本公开实施例中,第一道路要素可包括道路类型、指示灯信息、车道信息等。需要说明的是,第一道路要素通常应用在传统的导航地图中,用于指示道路的情况。
需要说明的是,上述实施例中所描述的导航地图可为预先构建好的,并存储在服务器的存储空间中,以方便后续调取使用。可选地,还可基于采样到用于生成导航地图的道路数据,实时生成导航地图。
S103,基于采样轨迹,将第一道路要素关联至高精地图中,以生成目标高精地图。
在本公开实施例中,可将第一道路要素和道路数据通过高精地图生成算法进行计算,以生成目标高精地图。需要说明的是,该算法与电子地图导航算法类似,并且可以按照采样位置点进行确认,以防止由于数据误差导致结算结果错误,提升目标导航地图的准确性。需要说明的是,相较于地图和地图的关联,本实施例中提出的地图和轨迹关联算法更成熟,正确率更高。
可选地,还可将第一道路要素和道路数据输入至目标高精地图生成模型中进行处理,以生成目标高精地图。需要说明的是,该目标高精地图生成模型可为提前训练好的,并存储在服务器的存储空间中,以方便在需要时调取使用。
在本公开实施例中,首先对用于生成高精地图的道路数据进行采样,并获取采样轨迹,其中,采样轨迹中包括采样位置点及其对应的道路数据,然后获取导航地图,其中导航地图包括第一道路要素,最后基于采样轨迹,将第一道路要素关联至高精地图中,以生成目标高精地图。由此,将道路数据和传统导航地图通过位置信息进行匹配,生成目标高精地图,相较于传统的地图和地图的关联生成目标高精地图的方式,算法更成熟,准确率更高。
上述实施例中,基于采样轨迹,将第一道路要素关联至高精地图中,以生成目标高精地图,还可通过图2进一步解释,该方法包括:
S201,获取采样位置点对应的导航地图上的第一道路要素。
实现中,并非所有道路的每个路段都具备车辆自动驾驶的条件,导航地图上的位置粒度往往粗于高精地图的位置粒度,也就是说导航地图上的位置点往往可以包含多个高精地图上的位置点。本公开中可根据导航地图的位置信息和采样位置点的位置信息进行匹配,以获取导航地图上的第一道路要素。
可选地,可基于采样位置点,在导航地图上进行位置定位,确定采样位置点在导航地图上的定位位置点,然后获取定位位置点处的第一道路要素,作为采样位置点对应的导航地图上的第一道路要素。也就是说,可以将采样位置点与导航地图上的位置点进行匹配,获取覆盖该采样位置点的导航地图上的位置点,作为定位位置点,然后将定位位置点处的第一道路要素,确定为采样位置点对应的导航地图上的第一道路要素。
由此,通过采样位置点的坐标与导航地图进行匹配,可以获取采样位置点准确的第一道路要素,为后续生成目标高精地图提供基础。
S202,根据第一道路要素与采样位置点对应的道路数据进行关联,以生成目标道路数据。
采样位置点处包括采样到的道路数据,本公开中在获取到采样位置点对应的第一道路要素后,可以将同一采样位置点对应的道路数据和对应的第一道路要素进行绑定,生成该采样位置点的目标道路数据。
需要说明的是,获取到的道路数据可为单帧数据,有可为多帧数据,在获取到道路数据后,还可对道路数据进行处理。
可选的,可对道路数据进行异常数据检查,以筛选出明显错误的道路数据进行剔除,以保证地图构建的精准性。
可选的,可对道路数据进行预处理,以生成可以使用的数据。具体地,可按照采样位置点和/或采样位置点的采样时刻,对道路数据进行预设帧数的合并。由此,可以获取服务器能够处理的数据,为创建导航地图提供基础。
在本公开实施例中,可通过采样位置点的坐标信息和高精地图的坐标信息进行匹配,获取匹配点的道路数据,以生成目标道路数据。
S203,基于目标道路数据,将第一道路要素关联至高精地图中,以生成目标高精地图。
在本公开实施例中,由于目标道路数据中不仅包括高精地图生成的道路数据,而且还包括关联的第一道路要素,因此基于目标道路数据,建立关联有导航地图的第一道路要素的目标高精地图。由此,通过生成目标道路数据,从而可以构建精确的目标高精地图,同时可以将第一要素关联至目标高精地图中,实现数据的关联。
上述实施例中,基于目标道路数据,将第一道路要素关联至高精地图中,以生成目标高精地图,还可通过图3进一步解释,该方法包括:
S301,根据目标道路数据中的道路数据,生成初始高精地图,其中,初始高精地图包括第二道路要素。
在本公开实施例中,第二道路要素可包括道路类型、指示灯信息、车道信息等。需要说明的是,第二道路要素通常应用在高精地图中,用于指示道路的路况。相较于传统地图的第一道路要素,初始高精地图的第二道路要素的精度更高,包含的数据更多。举例来说,第一道路要素的精度可为10m,第二道路要素的精度可为0.1m;第一道路要素可包括车道信息,第二道路要素不但可包括车道信息,还可包括车道的颜色、宽度等信息。
S302,对第二道路要素和目标道路数据中包括的第一道路要素进行位置匹配。
在本公开实施例中,第二道路要素和第一道路要素还包括坐标信息,可根据第二道路要素的坐标信息和第一道路要素的坐标信息进行匹配。
S303,将与第二道路要素位置匹配的第一道路要素关联到初始高精地图中第二道路要素对应的位置采样点处,生成目标高精地图。
上述实施例中,根据目标道路数据中的道路数据,生成初始高精地图,其中,初始高精地图包括第二道路要素,然后对第二道路要素和目标道路数据中包括的第一道路要素进行位置匹配,最后将与第二道路要素位置匹配的第一道路要素关联到初始高精地图中第二道路要素对应的位置采样点处,生成目标高精地图。由此,将第一道路要素和第二道路要素通过坐标位置进行关联的方式生成目标高精地图,相较于传统的地图和地图关联的方法,准确率较高,更新成本低。
上述实施例中,基于采样轨迹,将第一道路要素添加至高精地图中,以生成目标高精地图,可通过图4进一步解释,该方法包括:
S401,基于采样轨迹,生成高精地图,其中,高精地图包括第二道路要素。
在本公开实施例中,可通过将采样轨迹输入至高精地图生成模型中进行处理,以生成高精地图。需要说明的是,该高精地图生成模型可为提前训练好的,并存储在服务器的存储空间中,以方便在需要时调取使用。
S402,响应于关联选取操作,从关联选取操作确定待关联的第一道路要素和第二道路要素。
在本公开实施例中,关联选取操作中携带待关联的第一道路要素和第二道路要素,可以基于关联选取操作在屏幕上的停留位置,并确定出该停留位置对应的第一道路要素和/或第二道路要素,将该停留位置对应的第一道路要素和/或第二道路要素确定为待关联的第一道路要素和第二道路要素。
举例来说,可以在服务器上同时展示导航地图和高精地图,用户可通过拖拽的方式,从导航地图上选中第一道路要素,作为待关联的第一道路要求,并且从高精地图上选中的第二道路要素,作为待关联的第二道路要素,而后基于拖拽操作生成关联选取操作,以通知服务器待关联的第一道路要素和第二道路要素。
S403,将待关联的第一道路要素,关联至高精地图的待关联的第二道路要素对应的采样位置点上,生成目标高精地图。
进一步地,服务器在获取到关联选取操作指令后,可通第一道路要素的位置信息和第二道路要素的位置信息进行匹配,生成目标高精地图。
在本公开实施例中,首先基于采样轨迹,生成高精地图,其中,高精地图包括第二道路要素,然后响应于关联选取操作,从关联选取操作确定待关联的第一道路要素和第二道路要素,最后将待关联的第一道路要素,关联至高精地图的待关联的第二道路要素对应的采样位置点上,生成目标高精地图。通过人工或者服务器生成关联选取操作指令,可生成目标高精地图,由此,可以让用户选择使用传统地图、高精地图或者目标高精地图,增加用户的使用体验。
上述实施例中,对用于生成高精地图的道路数据进行采样,还可通过图5进一步解释,该方法,包括:
S501,对道路进行图像采集,获取道路的图像。
在本公开实施例中,可通过车辆上安装的图像采集设备获取道路的图像,并将道路的图像,并通过车辆定位系统或者车辆安装的导航应用(Application,APP)上传至云服务器中。举例来说,该图像采集设备可为车载摄像头、车载雷达等。
S502,对道路进行点云数据进行采集,获取道路的点云图像。
在本公开实施例中,可通过车辆上安装的点云数据采集设备获取道路的点云图像,并将道路的点云图像,并通过车辆定位系统或者车辆安装的导航应用(Application,APP)上传至云服务器中。举例来说,该图像采集设备可为车载雷达、车载传感器等。
S503,将道路的图像和点云图像,确定为采样位置点的道路数据。
需要说明的是,服务器获取的图像和点云图像可带有位置信息,服务器可通过图像和点云图像的位置信息和采样位置点的位置信息进行匹配,确定采样位置点的道路数据。
在本公开实施中,首先对道路进行图像采集,获取道路的图像,然后对道路进行点云数据进行采集,获取道路的点云图像,最后将道路的图像和点云图像,确定为采样位置点的道路数据。由此,通过车载设备获取道路的位置图像和点云图像,可以更直观的获取道路的道路数据,便于对道路进行数据分析和人工确认,以避免由于数据误差导致目标高精地图不准确。
进一步地,本公开实施例生成的目标高精地图,相较于传统地图,二者的数据实时性不同。传统导航电子地图的更新频率可分为,永久静态数据,举例来说,永久静态数据的更新频率可为1个月,半永久静态数据,举例来说,半永久静态数据的更新频率可为1小时。而高精度地图对数据的实时性要求较高,更新频率通常为半动态数据,举例来说半动态数据的更新频率可为1分钟,动态数据,举例来说,动态数据的更新频率可为1秒。现有技术生成的目标高精地图无法对高精地图和传统地图分开进行更新,而本方案生成的目标高精地图在地图更新时,可根据高精地图和传统地图的更新需求(例如,更新周期)进行分别更新,由此,可以降低目标高精地图的更新成本。
与上述几种实施例提供的高精地图生成方法相对应,本公开的一个实施例还提供了一种高精地图生成装置,由于本公开实施例提供的高精地图生成装置与上述几种实施例提供的高精地图生成方法相对应,因此上述高精地图生成方法的实施方式也适用于本公开实施例提供的高精地图生成装置,在下述实施例中不再详细描述。
图6为本公开实施例提供的一种高精地图生成装置的结构示意图。
如图6所示,该高精地图生成装置600可包括:采样模块601、获取模块602、生成模块603。
其中,采样模块601,对用于生成高精地图的道路数据进行采样,并获取采样轨迹,其中,采样轨迹中包括采样位置点及其对应的道路数据。
获取模块602,用于获取导航地图,其中导航地图包括第一道路要素。
生成模块603,用于基于采样轨迹,将第一道路要素关联至高精地图中,以生成目标高精地图。
在本公开的一个实施例中,生成模块603,还用于:获取采样位置点对应的导航地图上的第一道路要素;根据第一道路要素与采样位置点对应的道路数据进行关联,以生成目标道路数据;基于目标道路数据,将第一道路要素关联至高精地图中,以生成目标高精地图。
在本公开的一个实施例中,生成模块603,还用于:基于采样位置点,在导航地图上进行位置定位,确定采样位置点在导航地图上的定位位置点;获取定位位置点处的第一道路要素,作为采样位置点对应的导航地图上的第一道路要素。
在本公开的一个实施例中,生成模块603,还用于:根据目标道路数据中的道路数据,生成初始高精地图,其中,初始高精地图包括第二道路要素;对第二道路要素和目标道路数据中包括的第一道路要素进行位置匹配;将与第二道路要素位置匹配的第一道路要素关联到初始高精地图中第二道路要素对应的位置采样点处,生成目标高精地图。
在本公开的一个实施例中,生成模块603,还用于:基于采样轨迹,生成高精地图,其中,高精地图包括第二道路要素;响应于关联选取操作,从关联选取操作确定待关联的第一道路要素和第二道路要素;将待关联的第一道路要素,关联至高精地图的待关联的第二道路要素对应的采样位置点上,生成目标高精地图。
在本公开的一个实施例中,采样模块601,还用于:对道路进行图像采集,获取道路的图像;对道路进行点云数据进行采集,获取道路的点云图像;将道路的图像和点云图像,确定为采样位置点的道路数据。
在本公开的一个实施例中,采样模块601,还用于:按照采样位置点和/或采样位置点的采样时刻,对道路数据进行预设帧数的合并。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
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7示出了可以用来实施本公开的实施例的示例电子设备700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、和其它适合的计算机。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、可穿戴设备和其它类似的计算装置。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7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序/指令或者从存储单元706载到随机访问存储器(RAM)703中的计算机程序/指令,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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701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701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701执行上文所描述的各个方法和处理,例如高精地图生成方法。例如,在一些实施例中,高精地图生成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706些实施例中,计算机程序/指令的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序/指令加载到RAM 703并由计算单元701执行时,可以执行上文描述的高精地图生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元701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生成方法。
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/指令中,该一个或者多个计算机程序/指令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。其它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)、互联网和区块链网络。
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/指令来产生客户端和服务器的关系。服务器可以是云服务器,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,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 (12)
1.一种高精地图生成方法,包括:
对用于生成高精地图的道路数据进行采样,并获取采样轨迹,其中,所述采样轨迹中包括采样位置点及其对应的道路数据,所述道路数据包括道路的图像和点云图像;
获取导航地图,其中所述导航地图包括第一道路要素;
基于所述采样轨迹,将所述第一道路要素关联至高精地图中,以生成目标高精地图;
其中,所述基于所述采样轨迹,将所述第一道路要素关联至高精地图中,以生成目标高精地图,包括:
获取所述采样位置点对应的导航地图上的第一道路要素;
根据所述第一道路要素与所述采样位置点对应的道路数据进行关联,以生成目标道路数据;
根据所述目标道路数据中的道路数据,生成初始高精地图,其中,所述初始高精地图包括第二道路要素,所述第二道路要素用于指示道路的路况;
对所述第二道路要素和所述目标道路数据中包括的第一道路要素进行位置匹配;
将所述与所述第二道路要素位置匹配的第一道路要素关联到所述初始高精地图中所述第二道路要素对应的位置采样点处,生成所述目标高精地图。
2.根据权利要求1所述的方法,其中,所述获取所述采样位置点对应的导航地图上的第一道路要素,包括:
基于所述采样位置点,在所述导航地图上进行位置定位,确定所述采样位置点在所述导航地图上的定位位置点;
获取所述定位位置点处的所述第一道路要素,作为所述采样位置点对应的所述导航地图上的第一道路要素。
3.根据权利要求1所述的方法,其中,所述基于所述采样轨迹,将所述第一道路要素添加至高精地图中,以生成目标高精地图,包括:
基于所述采样轨迹,生成高精地图,其中,所述高精地图包括第二道路要素;
响应于关联选取操作,从所述关联选取操作确定待关联的所述第一道路要素和所述第二道路要素;
将待关联的所述第一道路要素,关联至高精地图的待关联的所述第二道路要素对应的采样位置点上,生成所述目标高精地图。
4.根据权利要求1所述的方法,其中,所述对用于生成高精地图的道路数据进行采样,包括:
对道路进行图像采集,获取所述道路的图像;
对所述道路进行点云数据进行采集,获取所述道路的点云图像;
将所述道路的图像和所述点云图像,确定为所述采样位置点的道路数据。
5.根据权利要求4所述的方法,其中,所述确定为所述采样位置点的道路数据之后,还包括:
按照所述采样位置点和/或所述采样位置点的采样时刻,对所述道路数据进行预设帧数的合并。
6.一种高精地图生成装置,包括:
采样模块,对用于生成高精地图的道路数据进行采样,并获取采样轨迹,其中,所述采样轨迹中包括采样位置点及其对应的道路数据,所述道路数据包括道路的图像和点云图像;
获取模块,用于获取导航地图,其中所述导航地图包括第一道路要素;
生成模块,用于基于所述采样轨迹,将所述第一道路要素关联至高精地图中,以生成目标高精地图;
所述生成模块,还用于:
获取所述采样位置点对应的导航地图上的第一道路要素;
根据所述第一道路要素与所述采样位置点对应的道路数据进行关联,以生成目标道路数据;
根据所述目标道路数据中的道路数据,生成初始高精地图,其中,所述初始高精地图包括第二道路要素,所述第二道路要素用于指示道路的路况;
对所述第二道路要素和所述目标道路数据中包括的第一道路要素进行位置匹配;
将所述与所述第二道路要素位置匹配的第一道路要素关联到所述初始高精地图中所述第二道路要素对应的位置采样点处,生成所述目标高精地图。
7.根据权利要求6所述的装置,其特征在于,所述生成模块,还用于:
基于所述采样位置点,在所述导航地图上进行位置定位,确定所述采样位置点在所述导航地图上的定位位置点;
获取所述定位位置点处的所述第一道路要素,作为所述采样位置点对应的所述导航地图上的第一道路要素。
8.根据权利要求6所述的装置,其特征在于,所述生成模块,还用于:
基于所述采样轨迹,生成高精地图,其中,所述高精地图包括第二道路要素;
响应于关联选取操作,从所述关联选取操作确定待关联的所述第一道路要素和所述第二道路要素;
将待关联的所述第一道路要素,关联至高精地图的待关联的所述第二道路要素对应的采样位置点上,生成所述目标高精地图。
9.根据权利要求6所述的装置,其特征在于,所述采样模块,还用于:
对道路进行图像采集,获取所述道路的图像;
对所述道路进行点云数据进行采集,获取所述道路的点云图像;
将所述道路的图像和所述点云图像,确定为所述采样位置点的道路数据。
10.根据权利要求9所述的装置,其特征在于,所述采样模块,还用于:
按照所述采样位置点和/或所述采样位置点的采样时刻,对所述道路数据进行预设帧数的合并。
11.一种电子设备,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1-5中任一项所述的高精地图生成方法。
12.一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1-5中任一项所述的高精地图生成方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111334734.XA CN114187412B (zh) | 2021-11-11 | 2021-11-11 | 高精地图生成方法、装置、电子设备及存储介质 |
KR1020220146942A KR20220155947A (ko) | 2021-11-11 | 2022-11-07 | 고정밀 지도 생성 방법, 장치, 전자 기기 및 저장 매체 |
EP22205829.9A EP4155672A3 (en) | 2021-11-11 | 2022-11-07 | Method and apparatus for generating high-precision map, electronic device and storage medium |
JP2022179212A JP2023015230A (ja) | 2021-11-11 | 2022-11-09 | 高精度マップを生成する方法及び装置、電子機器並びに記憶媒体 |
US17/984,049 US20230065126A1 (en) | 2021-11-11 | 2022-11-09 | Method and apparatus for generating high-precision map, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111334734.XA CN114187412B (zh) | 2021-11-11 | 2021-11-11 | 高精地图生成方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114187412A CN114187412A (zh) | 2022-03-15 |
CN114187412B true CN114187412B (zh) | 2024-03-22 |
Family
ID=80601528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111334734.XA Active CN114187412B (zh) | 2021-11-11 | 2021-11-11 | 高精地图生成方法、装置、电子设备及存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230065126A1 (zh) |
EP (1) | EP4155672A3 (zh) |
JP (1) | JP2023015230A (zh) |
KR (1) | KR20220155947A (zh) |
CN (1) | CN114187412B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114689074B (zh) * | 2022-04-28 | 2022-11-29 | 阿波罗智联(北京)科技有限公司 | 信息处理方法和导航方法 |
CN114880337B (zh) * | 2022-05-17 | 2023-11-24 | 北京百度网讯科技有限公司 | 地图数据一体化更新方法、装置、设备以及存储介质 |
CN116136409A (zh) * | 2023-04-18 | 2023-05-19 | 安徽蔚来智驾科技有限公司 | 驾驶控制方法、系统、控制装置及计算机可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108253973A (zh) * | 2016-12-28 | 2018-07-06 | 北京四维图新科技股份有限公司 | 高精度地图和标准地图关联的方法和装置、及混合导航方法和装置 |
CN109631916A (zh) * | 2018-10-31 | 2019-04-16 | 百度在线网络技术(北京)有限公司 | 地图生成方法、装置、设备及存储介质 |
CN110345951A (zh) * | 2019-07-08 | 2019-10-18 | 武汉光庭信息技术股份有限公司 | 一种adas高精度地图的生成方法及装置 |
CN111192341A (zh) * | 2019-12-31 | 2020-05-22 | 北京三快在线科技有限公司 | 生成高精地图的方法、装置、自动驾驶设备及存储介质 |
CN111667545A (zh) * | 2020-05-07 | 2020-09-15 | 东软睿驰汽车技术(沈阳)有限公司 | 高精度地图生成方法、装置、电子设备及存储介质 |
CN112432650A (zh) * | 2020-11-19 | 2021-03-02 | 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 |
CN112595333A (zh) * | 2020-12-10 | 2021-04-02 | 腾讯科技(深圳)有限公司 | 道路导航数据的处理方法、装置、电子设备及存储介质 |
CN113155141A (zh) * | 2021-04-09 | 2021-07-23 | 阿波罗智联(北京)科技有限公司 | 地图的生成方法、装置、电子设备及存储介质 |
WO2021171560A1 (ja) * | 2020-02-28 | 2021-09-02 | 三菱電機株式会社 | 高精度地図データベース生成装置および高精度地図データベース生成方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110873568B (zh) * | 2018-08-30 | 2021-02-23 | 百度在线网络技术(北京)有限公司 | 高精度地图的生成方法、装置以及计算机设备 |
US11143513B2 (en) * | 2018-10-19 | 2021-10-12 | Baidu Usa Llc | Labeling scheme for labeling and generating high-definition map based on trajectories driven by vehicles |
CA3136262A1 (en) * | 2019-04-16 | 2020-10-22 | rideOS, Inc. | Systems and methods of generating composite routing maps |
-
2021
- 2021-11-11 CN CN202111334734.XA patent/CN114187412B/zh active Active
-
2022
- 2022-11-07 KR KR1020220146942A patent/KR20220155947A/ko unknown
- 2022-11-07 EP EP22205829.9A patent/EP4155672A3/en active Pending
- 2022-11-09 US US17/984,049 patent/US20230065126A1/en active Pending
- 2022-11-09 JP JP2022179212A patent/JP2023015230A/ja active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108253973A (zh) * | 2016-12-28 | 2018-07-06 | 北京四维图新科技股份有限公司 | 高精度地图和标准地图关联的方法和装置、及混合导航方法和装置 |
CN109631916A (zh) * | 2018-10-31 | 2019-04-16 | 百度在线网络技术(北京)有限公司 | 地图生成方法、装置、设备及存储介质 |
CN110345951A (zh) * | 2019-07-08 | 2019-10-18 | 武汉光庭信息技术股份有限公司 | 一种adas高精度地图的生成方法及装置 |
CN111192341A (zh) * | 2019-12-31 | 2020-05-22 | 北京三快在线科技有限公司 | 生成高精地图的方法、装置、自动驾驶设备及存储介质 |
WO2021171560A1 (ja) * | 2020-02-28 | 2021-09-02 | 三菱電機株式会社 | 高精度地図データベース生成装置および高精度地図データベース生成方法 |
CN111667545A (zh) * | 2020-05-07 | 2020-09-15 | 东软睿驰汽车技术(沈阳)有限公司 | 高精度地图生成方法、装置、电子设备及存储介质 |
CN112432650A (zh) * | 2020-11-19 | 2021-03-02 | 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 |
CN112595333A (zh) * | 2020-12-10 | 2021-04-02 | 腾讯科技(深圳)有限公司 | 道路导航数据的处理方法、装置、电子设备及存储介质 |
CN113155141A (zh) * | 2021-04-09 | 2021-07-23 | 阿波罗智联(北京)科技有限公司 | 地图的生成方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
全息高精度导航地图:概念及理论模型;余卓渊;闾国年;张夕宁;贾远信;周成虎;葛咏;吕可晶;;地球信息科学学报(第04期);116-127 * |
高精度道路导航地图的进展与思考;刘经南;吴杭彬;郭迟;张宏敏;左文炜;羊铖;;中国工程科学(第02期);107-113 * |
Also Published As
Publication number | Publication date |
---|---|
JP2023015230A (ja) | 2023-01-31 |
EP4155672A2 (en) | 2023-03-29 |
EP4155672A3 (en) | 2023-08-09 |
US20230065126A1 (en) | 2023-03-02 |
CN114187412A (zh) | 2022-03-15 |
KR20220155947A (ko) | 2022-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114187412B (zh) | 高精地图生成方法、装置、电子设备及存储介质 | |
EP4134624A2 (en) | Method and apparatus for fusing road data to generate a map | |
CN114036253B (zh) | 高精地图数据处理方法、装置、电子设备和介质 | |
US20220227388A1 (en) | Method and apparatus for determining green wave speed, and storage medium | |
CN113792061A (zh) | 地图数据的更新方法、装置及电子设备 | |
CN114626169A (zh) | 交通路网优化方法、装置、设备、可读存储介质及产品 | |
CN114596709B (zh) | 数据处理方法、装置、设备以及存储介质 | |
CN112906946A (zh) | 道路信息提示方法、装置、设备、存储介质和程序产品 | |
CN112883236A (zh) | 一种地图更新方法、装置、电子设备及存储介质 | |
CN111047107B (zh) | 公路通行时间预测方法、装置、电子设备和存储介质 | |
CN115860985A (zh) | 应用于配电网的巡视方法、装置、电子设备及存储介质 | |
CN114218504A (zh) | 阻断路段识别方法、装置、电子设备及存储介质 | |
CN113670295A (zh) | 数据处理方法、装置、电子设备及可读存储介质 | |
CN113836661A (zh) | 时间预测方法、模型训练方法、相关装置及电子设备 | |
CN114111813A (zh) | 高精地图元素更新方法、装置、电子设备及存储介质 | |
CN113344277A (zh) | 预测模型训练方法、状态更新方法、装置、设备和介质 | |
CN113806387A (zh) | 模型训练方法、高精地图变更检测方法、装置及电子设备 | |
CN114719878B (zh) | 车辆导航方法和装置、系统、电子设备、计算机介质 | |
CN113947897B (zh) | 获取道路交通状况的方法、装置、设备及自动驾驶车辆 | |
EP4180765A1 (en) | High-precision-map data collection method and system | |
CN113532449B (zh) | 智能交通路网获取方法、装置、电子设备及存储介质 | |
CN115638799A (zh) | 高精地图更新方法、装置、电子设备及介质 | |
CN115098607A (zh) | 地图数据融合方法、装置、电子设备及存储介质 | |
CN115759504A (zh) | 一种路径规划方法、装置、电子设备及存储介质 | |
CN114166231A (zh) | 众包数据采集方法、装置、设备、存储介质以及程序产品 |
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 |