CN114216469B - 一种对高精地图进行更新的方法、智慧基站及存储介质 - Google Patents

Abstract

本公开涉及一种对高精地图进行更新的方法、智慧基站及存储介质。该方法包括对预设范围内的交通参与对象进行监测，其中所述交通参与对象包括动态交通参与对象和静态交通参与对象；响应于所述静态交通参与对象发生变化，基于所述静态交通参与对象的变化位置来对高精地图进行局部更新；和/或响应于所述动态交通参与对象的当前移动行为发生异常，基于当前所述移动行为发生异常时的位置来对所述高精地图进行局部更新。本公开通过实时监测预设范围内的交通参与对象的变化，从而可以针对发生变化的高精地图的局部区域进行实时更新，以保证高精地图更新的高效性。

Description

一种对高精地图进行更新的方法、智慧基站及存储介质

技术领域

本公开一般地涉及自动驾驶的地图领域。更具体地，本公开涉及一种对高精地图进行更新的方法、智慧基站及计算机可读存储介质。

背景技术

自动驾驶汽车是一种通过电脑系统实现无人驾驶的智能汽车，其也称作无人驾驶汽车、电脑驾驶汽车或者轮式移动机器人。在驾驶操作期间，自动驾驶汽车不仅通过用视频摄像头、雷达传感器以及激光测距器来了解周围的交通状况，还采用高精地图来对前方的道路进行导航。

上述的高精地图具有厘米级的地图精度，并且由于包含丰富的道路信息和语义信息而成为自动驾驶汽车中不可或缺的一部分。在实际应用，高精地图能够为道路或驾驶提供先验知识，扩大感知范围和补偿传感器误差。另外，其还不受天气的影响，即使在自动驾驶面临复杂的空间环境下也能够为传感器提供补充和增强。因此，高精地图对于自动驾驶的安全至关重要，高精地图的及时、准确更新能够最大程度的保障人车安全。

然而，现有高精地图的通常是基于众包和采集车的来进行更新，其通常是针对全局地图的更新，并且存在更新效率低的问题。

发明内容

为了至少解决上面的一个或多个技术问题，本公开提供一种对高精地图进行更新的方法、智慧基站及计算机可读存储介质。本公开通过对预设范围内的交通参与对象进行监测，从而可以针对交通参与对象的变化来对高精地图的局部区域进行实时更新。鉴于此，本公开在如下的多个方面提供相应的解决方案。

在第一方面，本公开提供一种对高精地图进行更新的方法，包括：对预设范围内的交通参与对象进行监测，其中所述交通参与对象包括动态交通参与对象和静态交通参与对象；响应于所述静态交通参与对象发生变化，基于所述静态交通参与对象的变化位置来对高精地图进行局部更新；和/或响应于所述动态交通参与对象的当前移动行为发生异常，基于当前所述移动行为发生异常时的位置来对所述高精地图进行局部更新。

在一个实施例中，对所述预设范围内的交通参与对象进行监测包括：实时监测所述预设范围内的交通参与对象，并且获取与所述交通参与对象相关的路端感知数据，其中，所述路端感知数据通过布置在道路的预设位置的智慧基站来获取。

在另一个实施例中，基于当前所述移动行为发生异常时的位置来对所述高精地图进行局部更新包括：获取当前所述移动行为发生异常时的位置的目标感知数据和目标地图数据；根据所述目标感知数据和所述目标地图数据确定当前所述移动行为异常的异常类型，其中，所述异常类型包括道路局部异常或者高精地图局部异常；以及基于所述异常类型对高精地图进行局部更新。

在又一个实施例中，确定当前所述移动行为发生异常包括：获取所述预设范围内的所述动态交通参与对象的规划轨迹，其中所述规划轨迹由所述高精地图进行路径规划而生成；以及根据当前所述移动行为与所述规划轨迹之间的差异来确定所述当前移动行为是否异常。

在又一个实施例中，确定当前所述移动行为发生异常还包括：根据所述预设范围内的历史感知数据来获得动态交通参与对象的历史移动行为；以及根据当前所述移动行为与所述历史移动行为之间的差异来确定所述当前移动行为是否异常。

在又一个实施例中，所述目标感知数据通过智慧基站感测的路端感知数据和/或车端感知系统感测的车端感知数据来获取，其中，所述车端感知系统布置在车辆上。

在又一个实施例中，确定当前所述移动行为异常的异常类型包括：当根据所述目标感知数据确定路面存在异常区域并且根据所述目标地图数据确定路面无异常区域时，确定所述异常类型为道路局部异常；当根据所述目标感知数据确定路面无异常区域并且根据所述目标地图数据确定路面存在异常区域时，确定所述异常类型为高精地图局部异常。

在又一个实施例中，基于所述异常类型对所述高精地图进行局部更新包括：响应于所述异常类型是高精地图局部异常，对所述目标地图数据中的异常区域进行更新。

在又一个实施例中，基于所述异常类型对高精地图进行局部更新包括：响应于所述异常类型是道路局部异常，基于所述异常发生的位置来获取所述动态交通参与对象的移动轨迹；根据所述移动轨迹的曲率半径确定所述异常区域；以及基于所述异常区域对所述高精地图进行局部更新。

在又一个实施例中，所述方法还包括：将实时获取的路端感知数据与背景感知数据进行比对；以及根据比对的结果确定所述预设范围内的静态交通参与对象的位置是否发生变化，其中所述背景感知数据包括历史路端感知数据和/或预设范围对应的高精地图数据。

在又一个实施例中，所述将实时获取的路端感知数据与背景感知数据进行比对包括：识别所述实时获取的路端感知数据中的静态交通参与对象；以及将所述静态交通参与对象与所述背景感知数据中的静态交通参与对象进行比对。

在又一个实施例中，对高精地图进行局部更新包括：根据所述静态交通参与对象的变化位置和/或所述动态交通参与对象的异常行为的发生位置确定更新区域；获取所述更新区域对应的路侧感知数据，其中所述路侧感知数据包含点云数据；基于所述更新区域对应的路侧感知数据生成局部地图数据；以及将所述局部地图数据配准至所述高精地图，以对高精地图进行局部更新。

在第二方面，本公开还提供一种对高精地图进行更新的智慧基站，包括：感知模块，其配置成对预设范围内的交通参与对象进行监测，其中所述交通参与对象包括动态交通参与对象和静态交通参与对象；计算控制单元，其配置成：响应于所述静态交通参与对象发生变化，基于所述静态交通参与对象的变化位置来对高精地图进行局部更新；和/或响应于所述动态交通参与对象的当前移动行为发生异常，基于当前所述移动行为发生异常时的位置来对所述高精地图进行局部更新。

在一个实施例中，所述感知模块包括激光雷达和/或摄像机，并且其配置成获取与所述交通参与对象相关的路端感知数据和/或针对局部异常区域的路侧感知数据。

在第三方面，本公开还提供一种计算机可读存储介质，其包括用于对高精地图进行更新的程序指令，当所述程序指令由一个或多个处理器执行时，使得实现前述多个实施例。

根据本公开的实施例，通过对预设范围内的交通参与对象进行监测，从而针对交通参与对象的变化来对高精地图的进行局部更新，可以极大地减小高精地图的全局更新频率。进一步地，本公开实施例通过设置在固定位置的智慧基站获取与交通参与对象相关的路端感知数据，以便直接根据交通参与对象发生变化的位置来确定高精地图的局部异常区域。与传统方式相比，本公开实施例可以不进行位置匹配或筛选，从而能够对高精地图进行实时更新，保证了高精地图更新的高效性。

附图说明

通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，并且相同或对应的标号表示相同或对应的部分其中：

图1是示出现有高精地图元素的示例性结构框图；

图2是示出根据本公开实施例的对高精地图进行更新的方法的示例性流程图；

图3是示出根据本公开实施例的道路异常的示例性示意图；

图4是示出根据本公开实施例的高精地图异常的示例性示意图；

图5是示出根据本公开实施例的确定动态交通参与对象的异常类型的方法的详细流程图；

图6是示出根据本公开实施例的对高精地图进行更新的智慧基站的示例性结构框图；以及

图7是示出根据本公开实施例的对高精地图进行更新的示例性系统框图。

具体实施方式

下面将参考若干示例性实施方式来描述本公开的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本公开，而并非以任何方式限制本公开的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

如在背景技术部分所描述的，自动驾驶交通参与对象使用精度达到厘米级的高精地图来进行导航，而导航的精度可以达到车道线级别。因此，高精地图对于自动驾驶交通参与对象来说具有非同寻常的价值。在一个方面，高精地图可以给自动驾驶交通参与对象很多预判的空间。例如，当自动驾驶交通参与对象通过高精地图知道前方的路况和交通标识信息后，能够提前做行驶规划，从而保证了行车的平稳性和经济性。在另一个方面，高精地图能够帮助自动驾驶交通参与对象减少计算量。例如，当自动驾驶交通参与对象需要通过路口时，它需要提前感知前方信号灯的状态，这时高精地图就可以帮助它定位到信号灯所在的特定区域，从而有效降低了全范围扫描识别的计算量。除此以外，高精地图还可以将道路及周围的所有静态障碍物进行收集，减少自动驾驶交通参与对象对静态障碍物的算法处理。

图1是示出现有高精地图元素100的示例性结构框图。如图中所示，该高精地图元素100可以包括道路基准线数据101、车道网络数据102、道路交通设施数据103和安全辅助数据104。在一些实施例中，前述道路基准线数据通常包括道路级网格、道路级属性、以及道路节点和道路类型等。前述车道网络数据可以包括车道中心线、车道节点、车道通行条件属性、车道限速以及车道级交通规则等。道路交通设施数据通常可以包括路面交通标识、立体交通设施、杆状物以及交通灯等。前述安全辅助数据可以例如是曲率、航向以及纵横坡度等。

根据前文描述可知，高精地图需要采集的数据通常包括道路基准线数据、车道网络数据、道路交通设施数据以及安全辅助数据。常见的采集方式可以是专业采集或者众包采集。其中，专业采集需要大量专业的数据采集人员、测绘设备、采集车等，通常在测绘一条道路时测绘车会来回采集多遍，以确保数据的准确性。众包采集可以理解成用户通过自动驾驶交通参与对象自身的传感器，或其他低成本的传感器硬件，收集的道路数据传到云端进行数据融合，并通过数据聚合的方式提高数据精度，来完成高精地图的制作。

基于上述专业采集或者众包采集可以获得高精地图，并且可以实现高精地图的更新。然而，无论是专业采集还是众包采集通常是对全局高精地图进行更新，并没有针对特定异常道路区域进行地图的局部化更新操作。此外，经专业采集或者众包采集获取的道路数据上传至云端后，通常还需进行例如位置匹配或者筛选等数据处理，从而无法对高精地图进行实时更新。

为了克服上述一个或多个方面的缺陷，本公开提供了一种对高精地图进行更新的方法、智慧基站及计算机可读存储介质。本公开根据交通参与对象的变化来确定局部异常区域，并根据局部异常区域来对高精地图进行实时局部更新，从而可以减小高精地图全局的更新频率。

下面将结合附图对本公开实施例中的技术方案进行清楚和完整地描述。应当理解的是本说明书所描述的实施例仅是本公开为了便于对方案的清晰理解和符合法律的要求而提供的部分实施例，而并非可以实现本发明的所有实施例。基于本说明书公开的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

图2是示出根据本公开实施例的对高精地图进行更新的方法200的示例性流程图。如图所示，在步骤S202处，对预设范围内的交通参与对象进行监测。在一个实施例中，前述交通参与对象可以是指所有与道路活动或者交通活动相关的对象，并且其可以包括动态交通参与对象和静态交通参与对象。在一些实施例中，静态交通参与对象可以例如是道路设施、路标或者路障等，而动态交通参与对象可以是例如机动车辆、非机动车辆或者行人等。当实时监测到静态交通参与对象发生变化和/或动态交通参与对象的移动行为发生变化(也即异常)时，都可能导致高精地图局部异常。由此，本公开的实施例将分别基于静态交通参与对象和/或动态交通参与对象的变化来对高精地图进行更新，如图中步骤S204和S206所分别示出的。

在步骤S204处，响应于静态交通参与对象发生变化，基于静态交通参与对象的变化位置来对高精地图进行局部更新。具体而言，可以将实时获取的路端感知数据与背景感知数据进行比对，进而根据比对的结果来确定预设范围内的静态交通参与对象的位置是否发生变化，从而可以基于静态交通参与对象的变化位置来对高精地图进行局部更新。

在一个实施例中，前述路端感知数据可以通过布置在道路的预设位置的智慧基站来获取。在本公开的上下文中，前述的智慧基站也可以称为“路侧融合感知系统”或者“路侧基站”，其主要功能可以包括对服务范围内的各类对象进行感知以获得各类感知数据，并且可以对感知数据执行包括数据融合操作在内的多种操作，以便提供不同的交通相关服务。由此，本领域技术人员可以理解本公开的“智慧基站”不同于有线或无线通信系统中的“通信基站”，并且能够提供与交通业务相关的专项服务。

在一个实施例中，所述路端感知数据可以是与交通参与对象相关的数据，例如可以包括交通参与对象的类别、尺寸、位置、移动行为等。在另一个实施例中，前述背景感知数据可以包括历史路端感知数据和/或预设范围对应的高精地图数据。

基于获得的路端感知数据和背景感知数据，在一个实施场景中，首先可以识别路端感知数据中的静态交通参与对象，接着可以将识别出来的静态交通参与对象与背景感知数据中的静态交通参与对象进行比对。进一步，根据比对的结果来确定静态交通参与对象的位置是否发生变化。例如，当路端感知数据中的路障与背景感知数据中的路障位置不一致，则可以认为静态交通参与对象(例如前述路障)发生变化。此时，可以根据实时监测的静态交通参与对象的变化位置来对高精地图进行局部更新。

在步骤S206处，响应于动态交通参与对象的当前移动行为发生异常，基于当前移动行为发生异常时的位置来对高精地图进行局部更新。如前所述，与交通参与对象相关的路端感知数据中也可以包括交通参与对象的移动行为。特别地，该移动行为通常是动态交通参与对象的移动行为。由此，可以基于动态交通参与对象的当前移动行为是否发生异常来对高精地图进行局部更新。关于当前移动行为是否发生异常可以从以下两个方面来确定。

在一方面，可以根据当前移动行为与规划轨迹之间的差异来确定当前移动行为是否异常。在一个实施例中，前述规划轨迹可以是获取的预设范围的动态交通参与对象的规划轨迹，并且该规划轨迹可以是由高精地图进行路径规划而生成。

在另一方面，还可以根据当前移动行为与历史移动行为之间的差异来确定当前移动行为是否异常。在一个实施例中，前述历史移动行为可以是根据预设范围内的历史感知数据来获得动态交通参与对象的历史移动行为。

结合上述描述可知，当动态交通参与对象的当前移动行为与规划轨迹或者历史移动行为一致时，则可以认为当前移动行为不存在异常；当动态交通参与对象的当前移动行为与规划轨迹或者历史移动行为不一致时，可以认为当前移动行为存在异常。例如，在预设范围内的动态交通参与对象的规划轨迹(或者历史移动行为)是直行行驶，而动态交通参与对象当前的移动行为存在减速或绕行等行为，则可以确定当前移动行为存在异常。

当确定动态交通参与对象的当前移动行为存在异常时，则可以基于当前移动行为发生异常时的位置来对高精地图进行局部更新。具体地，可以获取当前移动行为发生异常时的位置的目标感知数据和目标地图数据。在一个实施例中，该目标感知数据可以是通过智慧基站感测的路端感知数据和/或车端感知系统感测的车端感知数据来获取，并且该目标感知数据可以例如是感测到的针对当前移动行为的视频数据。进一步地，根据目标感知数据和目标地图数据确定当前移动行为异常的异常类型，并且基于异常类型对高精地图进行局部更新。

在根据目标感知数据和目标地图数据确定当前移动行为异常的异常类型时，该异常类型通常包括道路局部异常或者高精地图局部异常，下面将针对这两种异常类型分别进行描述。

在一个实施场景中，当目标地图数据显示路面无异常区域，但监测到多个动态交通参与对象当前经过某区域时均绕行，并且经目标感知数据确认该区域的路面存在异常，则此时可以断定存在局部异常区域。在该场景下，可以认为该局部异常类型为道路异常(例如图3所示)。鉴于此，需要对高精地图进行局部更新。

在另一个实施场景中，当目标地图数据显示路面存在异常区域，但监测到多个动态交通参与对象当前经过某区域时均直行行驶，并且经目标感知数据确认该区域的路面无异常。此时，则可以断定道路不存在异常，而高精地图所显示的地图页面中存在局部异常区域。在该场景下，可以理解该局部异常区域类型为高精地图异常(例如图4所示)。与道路异常场景类似，高精地图异常也导致需要对高精地图进行局部更新。

根据对上述两种场景的描述可知，本公开上下文中的局部异常区域类型主要可以包括道路局部异常和高精地图局部异常。然而，无论是道路局部异常还是高精地图局部异常，都需要通过确定的局部异常区域来对高精地图进行局部更新。对于高精地图局部异常而言，可以直接对目标地图数据中显示的异常区域进行更新。对于道路局部异常而言，首先可以根据异常发生的位置来获取动态交通参与对象的移动轨迹，接着基于移动轨迹的曲率半径来确定局部异常区域，从而能够基于更加确定的局部异常区域来对高精地图进行局部更新。为了便于理解，下面将结合图3-图5来详细描述与动态交通参与对象的行为异常相关的道路局部异常和高精地图局部异常以及这两种异常类型对应的高精地图上的局部异常区域。

图3是示出根据本公开实施例的道路异常的示例性示意图。图中沿动态交通参与对象行驶方向的路面上示出局部区域A，当目标感知数据中的每个动态交通参与对象经过该局部区域A时均绕行，从而根据目标感知数据中的移动行为(例如绕行)可以确定该局部区域A存在异常。此时，若目标地图数据上显示道路正常，则可以确定该局部异常区域是源自于道路的局部异常(即上述的道路局部异常)。在该情形下，本公开的方案会对高精地图进行局部更新，并且更新后的高精地图上会显示出存在异常情况的该区域道路。

在一个实施场景中，当道路局部异常时，可以基于动态交通参与对象的移动轨迹的曲率半径来确定局部异常区域的范围或大小。在一个实施例中，可以通过计算动态交通参与对象的移动轨迹的曲率半径来获取局部异常区域的实际范围。更为具体地，可以通过智慧基站对绕行的某个动态交通参与对象的轨迹方程进行拟合，并将该轨迹方程记为y(x)。接着，计算该动态交通参与对象的各个轨迹点的曲率半径R，其可以通过如下公式表示：

其中，公式(1)中的y′、y″分别表示轨迹方程y(x)的一阶导数和二阶导数，并且通过数学表示方式可以分别记为

根据上述公式(1)获得各个轨迹点对应的曲率半径R。进一步，从获得的多个曲率半径R中选择当前动态交通参与对象的行驶轨迹曲率半径的最大值和次大值。更进一步地，将该动态交通参与对象的轨迹曲率半径的最大值作为局部异常区域的半径。同时，将该动态交通参与对象的轨迹曲率半径的最大值对应的轨迹点处的法线与轨迹曲率半径的次大值所对应的轨迹点处的法线之间的交点作为该动态交通参与对象在局部异常区域的圆心坐标。

基于上述的数据运算，可以获得该动态交通参与对象的轨迹曲率半径以及圆心坐标。针对进入该异常区域内的所有动态交通参与对象来重复上述运算操作，则可以获得所有动态交通参与对象经过该局部异常区域时的半径以及圆心坐标。接着，通过比较所有动态交通参与对象的半径，并且选择所有半径中的最小半径作为局部异常区域的最终半径，所有动态交通参与对象轨迹的圆心坐标的平均值作为局部异常区域的最终圆心坐标。接着，以该最终圆心坐标作为局部异常区域的圆心，并且以最终半径作为局部异常区域的半径，则可以确定高精地图上的局部异常区域的范围。以图3中所示出的为例，道路上存在异常局部区域A，所有动态交通参与对象经过异常局部区域A时的最小半径为r1，也即局部异常区域的最终半径。通过最小半径为r1确定的高精地图上的局部异常区域的范围为a，也即图3中中间圆圈表示的区域。图中进一步示出的最外侧的圈是以动态交通参与对象轨迹的第二曲率半径r2确定的。由于r2并非是最小半径，因此就实际异常局部区域A来说，r2所呈现的区域范围显然没有r1所表示的范围a更能反映实际的异常区域的大小。

图4是示出根据本公开实施例的高精地图异常的示例性示意图。图中示出三个箭头可以分别表示动态交通参与对象的行驶方向，并且每个动态交通参与对象均直行行驶，然而目标地图数据中显示出异常区域B。由此，根据目标感知数据中每个动态交通参与对象的移动行为(例如直行行驶)确定道路正常。接着，再结合此时目标地图数据中显示道路存在异常，从而进一步地确定该局部异常区域为高精地图异常，需要对高精地图进行局部更新，更新后的高精地图上则应显示该区域道路正常。

如前所述，当高精地图局部异常时，可以直接对目标地图数据中显示的异常区域进行更新。换句话说，目标地图数据中显示的局部异常区域的范围就是局部异常区域的实际范围。以上述图4为例，目标地图数据中显示的局部异常区域B的范围b就是需要更新的局部异常区域的范围。

图5是示出根据本公开实施例的确定动态交通参与对象的异常类型的方法500的详细流程图。这里需要理解的是，方法500是图2所示方法200中的步骤S206的更为具体的实现方式。因此，前文关于步骤S206的描述也同样适用于方法500。

如图所示，在步骤S501处，可以通过智慧基站获取目标感知数据和目标地图数据，从而获得动态交通参与对象的移动行为异常时的异常位置区域。通过获得的异常位置区域，在步骤S502处，进行异常区域检测，以便确认局部异常区域。在一个实施场景中，当目标地图数据显示路面无异常区域，而目标感知数据中显示动态交通参与对象存在绕行行为，则存在道路局部异常(如图3所示)，需要对高精地图进行更新；在另一个实施场景中，当目标地图数据显示异常，而目标感知数据中显示动态交通参与对象直行行驶，则表现为高精地图局部异常(如图4所示)，同样需要对高精地图进行更新。在一些实施例中，前述目标感知数据还可以由车载感知系统中的例如行车记录仪获得，在步骤S503处，经车载感知系统中的通信模块(例如图7所示的通信模块702)将目标感知数据上传到智慧基站。接着，在步骤S504处，通过智慧基站对上传的目标感知数据进行分析，以便在步骤S505处，对出现的局部异常区域进行确认。

在确认局部异常区域后，在步骤S506处，可以根据具体的局部异常区域来确定异常区域范围。如前所述，当道路局部异常时，通过获得所有动态交通参与对象轨迹的最小曲率半径以及圆心来确定局部异常区域的范围。当高精地图局部异常时，则高精地图上的局部异常区域即为局部异常区域的范围。示例性的范围确定过程已经在前文结合图3进行了详述，此处不再赘述。在获得局部异常区域的范围后，在步骤S507处，可以根据局部异常区域的范围来生成局部地图。最后，在步骤S508处，将前述生成的局部地图与全局高精地图进行匹配，并且根据匹配结果将局部高精地图更新到全局高精地图，从而完成本公开的高精地图的局部更新。

通过上述描述可以确定静态交通参与对象发生变化和/或动态交通参与对象当前移动行为发生变化(异常)时的局部异常区域，进而根据局部异常区域来对高精地图进行局部更新。首先，需要通过局部异常区域生成局部地图数据。在一个实施场景中，可以通过智慧基站来采集与局部区域对应的路侧感知数据，并且该路侧感知数据通常是点云数据。进一步，通过对采集到的路侧感知数据进行处理来生成局部地图数据。更为具体地，本领域技术人员可以采用同步定位与构建(Simultaneous Localization and Mapping，“SLAM”)算法来生成局部地图数据。在实际应用中，SLAM算法通常可以包括传感器数据、里程计、后端、建图和回环检测五大模块。仅仅为了说明性的目的，此处简单介绍SLAM算法的操作原理。当传感器读取数据后，里程计根据数据来估计两个时刻的相对运动，而后端对里程计估计结果进行优化。此后，建图模块可以根据前端与后端得到的运动轨迹来建立地图，而回环检测模块在考虑了同一场景不同时刻的图像，从而提供空间约束来消除累积误差。在本公开的实施例中，通过采用SLAM算法，可以根据智慧基站来采集静态交通参与对象和/或动态交通参与对象的发生变化的局部区域的路侧感知数据来生成局部地图数据。

在生成局部地图数据后，本公开的方案可以将局部地图数据配准至高精地图，从而可以对高精地图进行局部更新。即，将静态交通参与对象发生变化的位置处的局部地图数据和/或动态交通参与对象移动行为异常确定的道路局部异常或者高精地图局部异常生成的局部地图数据，更新到全局高精地图上，从而完成对高精地图的局部更新。

根据本公开实施例，本领域技术人员可以理解本公开通过实时监测静态交通参与对象和/或动态交通参与对象的变化来对高精地图进行实时局部更新，减小了全局更新的频率。进一步地，本公开通过目标感知数据和目标地图数据确认异常区域存在的真实性，从而更准确地确定局部异常区域及其类型，提高了更新的准确性。此外，本公开实施例可以直接根据路侧感知数据生成局部地图数据，从而能够保证高精地图更新的高效性。

图6是示出根据本公开实施例的对高精地图进行更新的智慧基站600的示例性结构框图。如图所示，智慧基站600包括感知模块601和计算控制单元602。下面将分别对前述感知模块和计算控制单元进行详细描述。

根据本公开的方案，感知模块可以配置成对预设范围内的交通参与对象进行监测，其中交通参与对象包括动态交通参与对象和静态交通参与对象。在一个实施例中，感知模块可以包括激光雷达和/或摄像机。其中，激光雷达用于向目标物发射探测信号，通过测量反射信号的到达时间、波束的指向、频率变化等参数可以确定目标的距离、方位和速度等信息。如本领域技术人员所知，激光雷达易受雨雪天气影响，在该场景下，可以采用摄像机来获取目标物的位置信息。与激光雷达相比，摄像机在光线暗时的拍摄效果不佳，此时则又可以利用激光雷达来感测目标物的信息。可选地，智慧基站还可以包括毫米波雷达。在本公开实施例中，通过智慧基站中的感知模块来实时监测动态交通参与对象和/或静态交通参与对象的变化。

如图中进一步示出的，智慧基站600还可以包括计算控制单元602，该计算控制单元用于响应于静态交通参与对象发生变化，并基于静态交通参与对象的变化位置来对高精地图进行局部更新。此外，还可以用于响应于动态交通参与对象的当前移动行为发生异常，并基于当前移动行为发生异常时的位置来对高精地图进行局部更新。在一个实施例中，计算控制单元可以分别基于静态交通参与对象的变化位置和/或动态交通参与对象的当前移动行为的异常来进一步对局部异常区域进行确认。例如，可以通过目标感知数据和目标地图数据来进行确认，以确定局部异常区域。

在确认局部异常区域后，计算控制单元进一步地根据局部异常区域来对高精地图进行局部更新。对于静态交通参与对象来说，可以根据基于静态交通参与对象的变化位置来确定局部异常区域。对于动态交通参与对象来说，其移动行为的异常类型通常包括道路局部异常(例如图3所示)和高精地图局部异常(例如图4所示)。由此，计算控制单元可以分别根据道路局部异常或者高精地图局部异常来确定高精地图的局部异常区域的实际范围，并进而根据高精地图的局部异常区域的实际范围来生成局部地图数据。最后，将生成局部地图数据更新到全局高精地图中，从而完成高精地图的局部更新。

附加地，智慧基站600还可以包括通信模块603，其可以用于接收车载感知系统上传的目标感知数据，以便对异常区域进行确认，从而能够更准确地判断异常类型。根据不同的应用场景，前述的通信模块可以支持不同的通信技术，或者集成有支持不同通信标准的子模块。例如，该通信模块可以是支持采用蜂窝通信(例如5G)的模块或支持专用短程通信标准协议(Dedicated Short Range Communication，“DSRC”)技术的模块。鉴于此，本领域技术人员可以根据需要来选择符合不同通信标准的通信模块，并且本公开在此方面不作任何的限制。在一个实施例中，该通信模块603可以与行车记录仪连接的通信模块(例如图7中所示)进行交互，以获取前述的目标感知数据。

结合上述描述，本公开实施例利用智慧基站中的感知模块来监测交通参与对象，并获取与其相关的路端感知数据和用于生成局部地图的路侧感知数据。进一步地，再利用计算控制单元根据交通参与对象(包括静态或者动态)的变化来对高精地图进行实时更新，而无需对高精地图进行全局的更新。在一些实施场景中，本公开的感知模块还可以包括摄像机和/或激光雷达，二者在技术实现方面可以形成互补，从而令本公开的方案能够获取更为准确和可靠的感知数据。

图7是示出根据本公开实施例的对高精地图进行更新的示例性系统700的框图。从图7中可以看出，该系统700包括图6所示智慧基站600，因此前文关于图6的描述也同样适用于图7。

图中上半部分的多个虚线框分别表示交通参与对象1，交通参与对象2，…，交通参与对象n，每个交通参与对象中可以安装行车记录仪701和通信模块702。根据不同的实施场景，行车记录仪701和通信模块702可以通过无线或者有线连接，或者二者集成在一起。在一个实施场景中，每个交通参与对象可以通过行车记录仪来对道路进行实时拍摄，以形成前文所述的目标感知数据。同时，每个交通参与对象可以通过通信模块702将各自感测的目标感知数据上传至智慧基站600。

图中下半部分实线框表示智慧基站600，该智慧基站600包括可以包括感知模块601和计算控制单元602。附加地，该智慧基站600还可以包括通信模块603。在一个实施例中，智慧基站中的通信模块603可以与每个交通参与对象内的通信模块701进行交互，从而获取目标感知数据。在一些实施例中，通信模块601和通信模块701可以是支持蜂窝数据通信(例如4G或5G无线通信)的模块或者DSRC模块。在另一个实施例中，智慧基站中的感知模块可以监测上述多个交通参与对象，并获取与交通参与对象的路端感知数据或者目标感知数据。接着，智慧基站中的计算控制单元可以根据监测的多个交通参与对象的变化来对高精地图进行局部更新。由于前文已经结合附图对该更新过程进行了详细描述，此处不再赘述。

根据上述结合附图的描述，本领域技术人员也可以理解本公开的实施例还可以通过软件程序来实现，由此本公开还提供了一种计算机程序产品。该计算机程序产品可以用于实现本公开结合附图所描述的对高精地图进行局部更新的方法。

应当注意，尽管在附图中以特定顺序描述了本公开方法的操作，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

应当理解，当本公开的权利要求、说明书及附图中使用到术语“第一”、“第二”、“第三”和“第四”等时，其仅用于区别不同对象，而不是用于描述特定顺序。本公开的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本公开说明书中所使用的术语仅仅是出于描述特定实施例的目的，而并不意在限定本公开。如在本公开说明书和权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本公开说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

虽然本文已经示出和描述了本披露的多个实施例，但对于本领域技术人员显而易见的是，这样的实施例只是以示例的方式来提供。本领域技术人员可以在不偏离本披露思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本披露的过程中，可以采用对本文所描述的本披露实施例的各种替代方案。所附权利要求书旨在限定本披露的保护范围，并因此覆盖这些权利要求范围内的等同或替代方案。

Claims (12)

1.一种对高精地图进行更新的方法，其特征在于，包括：

对预设范围内的交通参与对象进行监测，其中所述交通参与对象包括动态交通参与对象和静态交通参与对象；

响应于所述动态交通参与对象的当前移动行为发生异常，基于当前所述移动行为发生异常时的位置来对所述高精地图进行局部更新，

其中对所述预设范围内的交通参与对象进行监测包括实时监测所述预设范围内的交通参与对象，并且获取与所述交通参与对象相关的路端感知数据，其中所述路端感知数据通过布置在道路的预设位置的智慧基站来获取；

其中基于当前所述移动行为发生异常时的位置来对所述高精地图进行局部更新包括：

获取当前所述移动行为发生异常时的位置的目标感知数据和目标地图数据；

根据所述目标感知数据和所述目标地图数据确定当前所述移动行为异常的异常类型，其中，所述异常类型包括道路局部异常或者高精地图局部异常；

响应于所述异常类型是道路局部异常，基于所述异常发生的位置来获取所述动态交通参与对象的移动轨迹；

根据所述移动轨迹的曲率半径确定所述异常区域；以及

基于所述异常区域对所述高精地图进行局部更新。

2.根据权利要求1所述的方法，其特征在于，确定当前所述移动行为发生异常包括：

获取所述预设范围内的所述动态交通参与对象的规划轨迹，其中所述规划轨迹由所述高精地图进行路径规划而生成；以及

根据当前所述移动行为与所述规划轨迹之间的差异来确定所述当前移动行为是否异常。

3.根据权利要求1所述的方法，其特征在于，确定当前所述移动行为发生异常还包括：

根据所述预设范围内的历史感知数据来获得动态交通参与对象的历史移动行为；以及

根据当前所述移动行为与所述历史移动行为之间的差异来确定所述当前移动行为是否异常。

4.根据权利要求1所述的方法，其特征在于，所述目标感知数据通过智慧基站感测的路端感知数据和/或车端感知系统感测的车端感知数据来获取，其中，所述车端感知系统布置在车辆上。

5.根据权利要求2-4任意一项所述的方法，其特征在于，确定当前所述移动行为异常的异常类型包括：

当根据所述目标感知数据确定路面存在异常区域并且根据所述目标地图数据确定路面无异常区域时，确定所述异常类型为道路局部异常；

当根据所述目标感知数据确定路面无异常区域并且根据所述目标地图数据确定路面存在异常区域时，确定所述异常类型为高精地图局部异常。

6.根据权利要求5所述的方法，其特征在于，基于所述异常类型对所述高精地图进行局部更新包括：

响应于所述异常类型是高精地图局部异常，对所述目标地图数据中的异常区域进行更新。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将实时获取的路端感知数据与背景感知数据进行比对；以及

根据比对的结果确定所述预设范围内的静态交通参与对象的位置是否发生变化，其中所述背景感知数据包括历史路端感知数据和/或预设范围对应的高精地图数据。

8.根据权利要求7所述的方法，其特征在于，所述将实时获取的路端感知数据与背景感知数据进行比对包括：

识别所述实时获取的路端感知数据中的静态交通参与对象；以及

将所述静态交通参与对象与所述背景感知数据中的静态交通参与对象进行比对。

9.根据权利要求1所述的方法，其特征在于，所述方法还包括响应于所述静态交通参与对象发生变化，基于所述静态交通参与对象的变化位置来对高精地图进行局部更新，其中对高精地图进行局部更新还包括：

根据所述静态交通参与对象的变化位置和/或所述动态交通参与对象的异常行为的发生位置确定更新区域；

获取所述更新区域对应的路侧感知数据，其中所述路侧感知数据包含点云数据；

基于所述更新区域对应的路侧感知数据生成局部地图数据；以及

将所述局部地图数据配准至所述高精地图，以对高精地图进行局部更新。

10.一种对高精地图进行更新的智慧基站，其特征在于，包括：

感知模块，其配置成对预设范围内的交通参与对象进行监测，其中所述交通参与对象包括动态交通参与对象和静态交通参与对象；

计算控制单元，其配置成：

响应于所述动态交通参与对象的当前移动行为发生异常，基于当前所述移动行为发生异常时的位置来对所述高精地图进行局部更新；

其中所述计算控制单元进一步配置成：

获取当前所述移动行为发生异常时的位置的目标感知数据和目标地图数据；

根据所述目标感知数据和所述目标地图数据确定当前所述移动行为异常的异常类型，其中，所述异常类型包括道路局部异常或者高精地图局部异常；

响应于所述异常类型是道路局部异常，基于所述异常发生的位置来获取所述动态交通参与对象的移动轨迹；

根据所述移动轨迹的曲率半径确定所述异常区域；以及

基于所述异常区域对所述高精地图进行局部更新。

11.根据权利要求10所述的智慧基站，其特征在于，所述感知模块包括激光雷达和/或摄像机，并且其配置成获取与所述交通参与对象相关的路端感知数据和/或针对局部异常区域的路侧感知数据。

12.一种计算机可读存储介质，其包括用于对高精地图进行更新的程序指令，当所述程序指令由一个或多个处理器执行时，使得实现根据权利要求1-9任意一项所述的方法。

Images