CN114372068A - 地图更新方法和地图更新装置 - Google Patents
地图更新方法和地图更新装置 Download PDFInfo
- Publication number
- CN114372068A CN114372068A CN202111678058.8A CN202111678058A CN114372068A CN 114372068 A CN114372068 A CN 114372068A CN 202111678058 A CN202111678058 A CN 202111678058A CN 114372068 A CN114372068 A CN 114372068A
- Authority
- CN
- China
- Prior art keywords
- data
- lane line
- target
- lane
- map
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了地图更新方法和更新装置,应用于云端,所述地图更新方法包括:获取多辆车在行驶过程中采集并上传的多条车道线数据;获取所述多辆车行驶区域对应的目标地图数据;将所述多条车道线数据与所述目标地图数据进行对齐,得到车道线的热力图数据;根据所述热力图数据,确定所述目标地图数据的偏差数据,并按照所述偏差数据对所述目标地图数据进行更新。通过本发明实施例,实现了在云端根据多辆车上传的车道线数据进行地图更新,提高地图更新速度,避免出现当前真实车道线与地图中车道线不一致的现象。
Description
技术领域
本发明涉及车辆技术领域,特别是涉及地图更新方法和地图更新装置。
背景技术
在车辆中,准确的地图可以更好的辅助车辆行驶。车辆使用的地图通常为传统地图厂商所提供的高精地图,而传统地图厂商提供的高精地图中的车道线往往会存在更新不及时的问题,从而可能会导致出现当前真实车道线与地图中车道线不一致的现象。
而且,传统地图厂商的采集车队人力是有限的,难以实现快速更新,远远不能满足车辆对地图数据更新的需求。
发明内容
鉴于上述问题,提出了以便提供克服上述问题或者至少部分地解决上述问题的地图更新方法和地图更新装置。
在一个方面中,提供了一种地图更新方法,应用于云端,所述方法包括:
获取多辆车在行驶过程中采集并上传的多条车道线数据;
获取所述多辆车行驶区域对应的目标地图数据;
将所述多条车道线数据与所述目标地图数据进行对齐,得到车道线的热力图数据;
根据所述热力图数据,确定所述目标地图数据的偏差数据,并按照所述偏差数据对所述目标地图数据进行更新。
可选地,所述将所述多条车道线数据与所述目标地图数据进行对齐,得到车道线的热力图数据,包括:
将每条车道线数据与所述目标地图数据进行车道线与地图的匹配对齐;
在对齐后的车道线数据之间,进行车道线的匹配对齐,得到车道线的热力图数据。
可选地,所述将每条车道线数据与所述目标地图数据进行车道线与地图的匹配对齐,包括:
将目标车道线数据与所述目标地图数据中的车道线进行匹配,确定相匹配的车道线片段的位姿偏移量数据;
根据所述位姿偏移量数据对所述目标车道线数据进行优化对齐。
可选地,所述将目标车道线数据与所述目标地图数据中的车道线进行匹配,包括:
确定目标车道线数据中的车道线类型;
基于所述车道线类型,对所述目标车道线数据和所述目标地图数据中的车道线进行匹配。
可选地,所述将目标车道线数据与所述目标地图数据中的车道线进行匹配,包括:
确定目标车道线数据中的车道线位置关系;
基于所述车道线位置关系,对所述目标车道线数据和所述目标地图数据中的车道线进行匹配。
可选地,还包括:
对所述多条车道线数据进行预处理以对多条车道线数据进行数据清理,移除过短和/或弯折的车道线线条,筛选得到符合预期的车道线线条。
可选地,所述对所述多条车道线数据进行预处理,包括:
确定所述多条车道线的坐标数据;
根据所述车道线的坐标数据,对所述多条车道线进行筛选。
在另一方面中,提供了一种地图更新装置,应用于云端,所述地图更新装置包括:
车道线数据获取模块,用于获取多辆车在行驶过程中采集并上传的多条车道线数据;
地图数据获取模块,用于获取所述多辆车行驶区域对应的目标地图数据;
热力图生成模块,用于将所述多条车道线数据与所述目标地图数据进行对齐,得到车道线的热力图数据;
地图数据更新模块,用于根据所述热力图数据,确定所述目标地图数据的偏差数据,并按照所述偏差数据对所述目标地图数据进行更新。
在还一方面中,提供了一种服务器,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的地图更新方法。
在又一方面中,提供了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如上所述的地图更新方法。
本发明实施例具有以下优点:
本发明实施例通过获取多辆车在行驶过程中采集并上传的多条车道线数据,并可以获取所述多辆车行驶区域对应的目标地图数据,从而将所述多条车道线数据与所述目标地图数据进行对齐,得到车道线的热力图数据,进而可以根据所述热力图数据,确定所述目标地图数据的偏差数据,并按照所述偏差数据对所述目标地图数据进行更新,实现了在云端根据多辆车上传的车道线数据进行地图更新,提高地图更新速度,避免出现当前真实车道线与地图中车道线不一致的现象。
附图说明
为了更清楚地说明本发明的技术方案,下面将对本发明的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种地图更新方法的步骤流程图;
图2是本发明一实施例提供的另一种地图更新方法的步骤流程图;
图3是本发明一实施例提供的地图更新装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1,示出了本发明一实施例提供的一种地图更新方法的步骤流程图,应用于云端,具体可以包括如下步骤:
步骤101,获取多辆车在行驶过程中采集并上传的多条车道线数据;
车辆在行驶过程中可以通过车辆的传感器采集车辆附近的环境数据,如车道线数据、减震带数据、障碍物数据(如墙壁,路障等)、路口数据等。环境数据可以指示实际的道路情况,可以基于环境数据构建符合当前道路实际情况的地图。
为了构建准确的地图,多辆车可以在行驶过程中采集数据,并将采集的到数据上传至云端进行处理,在车辆上传的数据中可以包括车道线数据。
车道线数据可以基于车辆在行驶过程中,车身的多个摄像头采集的图像数据生成。具体的,车辆可以获取多个摄像头采集的多个图像数据,进而可以对多个图像数据进行拼合处理,得到目标图像数据,从而,从目标图像数据中提取出车道线数据。
在本发明一实施例中,所述方法还包括:对所述多条车道线数据进行预处理以对多条车道线数据进行数据清理,移除过短和/或弯折的车道线线条,筛选得到符合预期的车道线线条。
在实际应用中,云端在获取到车端上传的多条车道线数据后,可以对多条车道线数据进行预处理,以对多条车道线数据进行数据清理,移除过短和/或弯折的车道线线条,筛选得到形状良好的车道线线条,从而确保后续车道线匹配对齐可以顺利进行。
在本发明一实施例中,所述对所述多条车道线数据进行预处理,包括:
确定所述多条车道线的坐标数据;根据所述车道线的坐标数据,对所述多条车道线进行筛选。
在实际应用中,云端针对多条车道线数据进行预处理的方式可以包括:根据车道线数据中的坐标数据进行预处理。
具体的,车辆获取的车道线数据可以由多个坐标点构成,从而可以根据多个坐标点的分布确定车道线数据中是否存在弯折,进而可以移除弯折的车道线数据;另外,还可以根据车道线数据的坐标点确定车道线的长度,进而可以移除车道线长度小于预设长度的的车道线数据。
在一示例中,车辆可以周期性上传车道线数据,以更新云端的车道线数据;还可以在车辆中预设触发上传事件,当车辆检测到预设的触发上传事件时,车辆可以将采集的车道线数据上传至云端,其中,触发上传事件可以是针对车辆下电的事件,即在车辆每次下电时,将本次行驶过程中采集的车道线数据上传至云端。
需要说明的是,在本发明实施例中,可以根据实际需要设置触发上传事件,不局限于上述示例。
步骤102,获取所述多辆车行驶区域对应的目标地图数据;
在云端还可以预存有一个或多个地图数据,地图数据可以是从地图厂商处获取,也可以是云端基于多辆车之前上传的数据合成的地图数据,还可以是云端基于厂商地图进行更新后的地图数据。
当云端接收到多辆车上传的车道线数据后,云端可以确定根据多辆车的定位,在一个或多个地图数据中,确定多辆车的行驶区域所对应的目标地图数据。
步骤103,将所述多条车道线数据与所述目标地图数据进行对齐,得到车道线的热力图数据;
在云端获得车道线数据以及目标地图数据后,在目标地图数据中包括车道线数据,从而可以将多条车道线数据与目标地图数据中的车道线数据进行对齐,并可以在对齐后,形成车道线的热力图,车道线的热力图可以指示多条车道线的聚合情况。
步骤104,根据所述热力图数据,确定所述目标地图数据的偏差数据,并按照所述偏差数据对所述目标地图数据进行更新。
在得到热力图后,可以根据热力图确定目标地图数据与实际的多条车道线数据之间的偏差数据,其中,偏差数据可以包括第一类偏差数据和第二类偏差数据,第一类型偏差数据可以为多条车道线数中存在而目标地图数据中并不存在的车道线数据,第二类偏差数据可以为多条车道线数据和目标地图数据均存在,但是,由于存在偏差,无法完全重合的车道线数据。
在确定偏差数据后,可以按照偏差数据对目标地图数据进行更新,如针对目标地图数据中的已有的车道线进行查错,并且,按照第二类偏差数据修复目标地图数据中的错误;针对目标地图数据中没有覆盖的地方,按照第一类偏差数据进行补全,融合生成高精地图。
在本发明实施例中,通过获取多辆车在行驶过程中采集并上传的多条车道线数据,并可以获取所述多辆车行驶区域对应的目标地图数据,从而将所述多条车道线数据与所述目标地图数据进行对齐,得到车道线的热力图数据,进而可以根据所述热力图数据,确定所述目标地图数据的偏差数据,并按照所述偏差数据对所述目标地图数据进行更新,实现了在云端根据多辆车上传的车道线数据进行地图更新,提高地图更新速度,避免出现当前真实车道线与地图中车道线不一致的现象。
参照图2,示出了本发明一实施例提供的另一种地图更新方法的步骤流程图,应用于云端,具体可以包括如下步骤:
步骤201,获取多辆车在行驶过程中采集并上传的多条车道线数据;
车辆在行驶过程中可以通过车辆的传感器采集车辆附近的环境数据,如车道线数据、减震带数据、障碍物数据(如墙壁,路障等)、路口数据等。环境数据可以指示实际的道路情况,可以基于环境数据构建符合当前道路实际情况的地图。
为了构建准确的地图,多辆车可以在行驶过程中采集数据,并将采集的到数据上传至云端进行处理,在车辆上传的数据中可以包括车道线数据。
其中,车道线数据可以基于车辆在行驶过程中,车身的多个摄像头采集的图像数据生成。具体的,车辆可以获取多个摄像头采集的多个图像数据,进而可以对多个图像数据进行拼合处理,得到目标图像数据,从而从目标图像数据中提取出车道线数据。
步骤202,获取所述多辆车行驶区域对应的目标地图数据;
获取的目标地图数据可以是云端基于多辆车之前上传的数据合成的地图数据,还可以是云端基于厂商地图进行更新后的地图数据。
当云端接收到多辆车上传的车道线数据后,云端可以确定根据多辆车的定位,在一个或多个地图数据中,确定多辆车的行驶区域所对应的目标地图数据。
步骤203,将每条车道线数据与所述目标地图数据进行车道线与地图的匹配对齐;
在云端获得车道线数据以及目标地图数据后,在目标车道线数据中包括车道线数据,从而可以将每条车道线数据分别与目标地图数据进行匹配对齐,使每条车道线数据与目标地图数据实现最大程度的重合。
在本发明一实施例中,步骤203可以包括以下子步骤:
子步骤2031,将目标车道线数据与所述目标地图数据中的车道线进行匹配,确定相匹配的车道线片段的位姿偏移量数据;
在实际应用中,目标车道线数据可以表示为多条车道线中任意一条车道线数据,可以将目标车道线数据与目标地图数据中的车道线进行匹配,在匹配过程中,可以针对能够匹配上的车道线片段计算车道线之间的位姿偏移量,针对不能匹配车道线片段则留空。
从而,经过车道线与地图的匹配,可以确定相匹配的车道线片段的位姿偏移量数据,其中,目标车道线数据在按照该位姿偏移量数据进行偏移时,可以实现目标车道线数据与目标地图数据中的车道线最大程度的重合。
在实际应用中,云端还可以通过车道线数据的特点(如车道线类型、车道线位置关系等),实现对目标车道线数据和目标地图数据之间的匹配。
在本发明一实施例中,所述步骤2031可以包括以下子步骤:
子步骤S21,确定目标车道线数据中的车道线类型;
在实际应用中,云端可以确定目标车道线数据中的每条车道线的车道线类型,车道线类型可以分为实线类型、虚线类型等。
子步骤S22,基于所述车道线类型,对所述目标车道线数据和所述目标地图数据中的车道线进行匹配。
在确定车道线类型后,可以根据车道线类型进行匹配,如将实线类型与实线类型进行匹配,虚线类型与虚线类型进行匹配。
在本发明另一实施例中,所述步骤2031还可以包括以下子步骤:
子步骤S23,确定目标车道线数据中的车道线位置关系;
在实际应用中,在云端获取目标车道线数据后,还可以确定目标车道线数据中包含的多条车道线之间的位置关系,其中,位置关系可以是指目标车道线数据中不同车道线之间的位置关系和/或同一车道线不同坐标点之间的位置关系(是否为同一车道线)。
例如,目标车道线数据中包括车道线A、车道线B、车道线C,位置关系可以是指车道线A、车道线B、车道线C的排列位置;也可以单独某条车道线上的坐标点之间的位置数据。
子步骤S24,基于所述车道线位置关系,对所述目标车道线数据和所述目标地图数据中的车道线进行匹配。
在确定车道线位置关系后,可以根据车道线位置关系进行匹配。
在一示例中,云端还可以结合目标车道线数据的车道线类型以及车道线位置关系,对目标车道线数据和所述目标地图数据中的车道线进行匹配。
例如,目标车道线数据中包括车道线A、车道线B、车道线C,其中,车道线A为实线、车道线B为虚线、车道线C为实线,3条车道线的排列位置可以表示为:实线-虚线-实线,按照该排列位置与目标地图数据中车道线数据进行匹配
子步骤2032,根据所述位姿偏移量数据对所述目标车道线数据进行优化对齐。
在确定目标车道线数据的位姿偏移量数据后,可以根据位姿偏移量数据对目标车道线数据进行优化对齐。
具体的,在云端可以使用一个预设的优化器对整体的轨迹(目标车道线数据)进行优化,在保留轨迹(目标车道线数据)的相对位置关系的同时,可以将若干deltaT(即位姿偏移量数据)分配到整条轨迹上,从而,使目标车道线数据与目标地图数据对齐。
步骤204,在对齐后的车道线数据之间,进行车道线的匹配对齐,得到车道线的热力图数据。
在将车道线数据与目标地图数据进行对齐后,可以针对对齐后的车道线数据进行车道线之间的匹配对齐,具体的,从对齐后的车道线数据中确定一车道线数据,将其余的车道线数据分别与该车道线数据进行匹配,确定车道线之间的相对位置关系(即车道线的偏移量数据)。然后,使用优化器同时对多个轨迹(多条车道线数据)进行对齐。
在一示例中,在对齐后的车道线数据之间,进行车道线的匹配对齐,可以包括:
在对齐后的车道线数据中确定第一车道线数据,将第一车道线数据与其他对齐后的车道线数据分别进行匹配,得到第一位姿偏移量数据,按照第一位姿偏移量对所有对齐后的车道线数据进行优化对齐。
在实际应用中,针对对齐后的多条车道线数据,可以从中确定第一车道线数据,将其他车道线数据分别与该第一车道线数据进行匹配,具体的,可以根据第一车道线数据的车道线类型和/或车道线位置关系,对其他车道线数据分别与该第一车道线数据进行匹配。
在匹配后,可以确定第一车道线数据与其他车道线数据的相对位置关系(即第一位姿偏移量数据),从而可以按照第一位姿偏移量数据同时对多条车道线数据进行优化对齐。
步骤205,根据所述热力图数据,确定所述目标地图数据的偏差数据,并按照所述偏差数据对所述目标地图数据进行更新。
在得到热力图后,可以根据热力图确定目标地图数据与实际的多条车道线数据之间的偏差数据,其中,偏差数据可以包括第一类偏差数据和第二类偏差数据,第一类型偏差数据可以为多条车道线数中存在,而目标地图数据中并不存在的车道线数据,第二类偏差数据可以为多条车道线数据和目标地图数据均存在,但是,由于存在偏差,无法完全重合的车道线数据。
在确定偏差数据后,可以按照偏差数据对目标地图数据进行更新,如针对目标地图数据中的已有的车道线进行查错,并且,按照第二类偏差数据修复目标地图数据中的错误;针对目标地图数据中没有覆盖的地方,按照第一类偏差数据进行补全,融合生成高精地图。
在本发明实施例中,通过获取多辆车在行驶过程中采集并上传的多条车道线数据,并可以获取所述多辆车行驶区域对应的目标地图数据,从而将每条车道线数据与所述目标地图数据进行车道线与地图的匹配对齐,在对齐后的车道线数据之间,进行车道线的匹配对齐,得到车道线的热力图数据,确定所述目标地图数据的偏差数据,并按照所述偏差数据对所述目标地图数据进行更新,实现了在云端根据多辆车上传的车道线数据进行地图更新,提高地图更新速度,避免出现当前真实车道线与地图中车道线不一致的现象。
需要说明的是,对于方法实施例,为了简单描述,故将其表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图3,示出了本发明一实施例提供的一种地图更新装置的结构示意图,应用于云端,具体可以包括如下模块:
车道线数据获取模块301,用于获取多辆车在行驶过程中采集并上传的多条车道线数据;
地图数据获取模块302,用于获取所述多辆车行驶区域对应的目标地图数据;
热力图生成模块303,用于将所述多条车道线数据与所述目标地图数据进行对齐,得到车道线的热力图数据;
地图数据更新模块304,用于根据所述热力图数据,确定所述目标地图数据的偏差数据,并按照所述偏差数据对所述目标地图数据进行更新。
在本发明一实施例中,所述热力图生成模块303可以包括:
第一匹配对齐子模块,用于将每条车道线数据与所述目标地图数据进行车道线与地图的匹配对齐;
第二匹配对齐子模块,用于在对齐后的车道线数据之间,进行车道线的匹配对齐,得到车道线的热力图数据。
在本发明一实施例中,所述第一匹配对齐子模块可以包括:
匹配单元,用于将目标车道线数据与所述目标地图数据中的车道线进行匹配,确定相匹配的车道线片段的位姿偏移量数据;
对齐单元,用于根据所述位姿偏移量数据对所述目标车道线数据进行优化对齐。
在本发明一实施例中,所述匹配单元可以包括:
车道线类型确定子单元,用于确定目标车道线数据中的车道线类型;
第一匹配子单元,用于基于所述车道线类型,对所述目标车道线数据和所述目标地图数据中的车道线进行匹配。
在本发明一实施例中,所述匹配单元还可以包括:
车道线位置关系确定子单元,用于确定目标车道线数据中的车道线位置关系;
第二匹配子单元,用于基于所述车道线位置关系,对所述目标车道线数据和所述目标地图数据中的车道线进行匹配。
在本发明一实施例中,所述装置可以包括:
预处理模块,用于对所述多条车道线数据进行预处理以对多条车道线数据进行数据清理,移除过短和/或弯折的车道线线条,筛选得到符合预期的车道线线条。
在本发明一实施例中,所述预处理模块可以包括:
坐标数据确定子模块,用于确定所述多条车道线的坐标数据;
车道线筛选子模块,用于根据所述车道线的坐标数据,对所述多条车道线进行筛选。
在本发明实施例中,通过获取多辆车在行驶过程中采集并上传的多条车道线数据,并可以获取所述多辆车行驶区域对应的目标地图数据,从而将所述多条车道线数据与所述目标地图数据进行对齐,得到车道线的热力图数据,进而可以根据所述热力图数据,确定所述目标地图数据的偏差数据,并按照所述偏差数据对所述目标地图数据进行更新,实现了在云端根据多辆车上传的车道线数据进行地图更新,提高地图更新速度,避免出现当前真实车道线与地图中车道线不一致的现象。
本发明一实施例还提供了一种服务器,可以包括处理器、存储器及存储在存储器上并能够在处理器上运行的计算机程序,计算机程序被处理器执行时实现如上地图更新方法。
本发明一实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现如上地图更新方法。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对所提供的地图数据更新方法和地图更新装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种地图更新方法,其特征在于,应用于云端,所述地图更新方法包括:
获取多辆车在行驶过程中采集并上传的多条车道线数据;
获取所述多辆车行驶区域对应的目标地图数据;
将所述多条车道线数据与所述目标地图数据进行对齐,得到车道线的热力图数据;
根据所述热力图数据,确定所述目标地图数据的偏差数据,并按照所述偏差数据对所述目标地图数据进行更新。
2.根据权利要求1所述的方法,其特征在于,所述将所述多条车道线数据与所述目标地图数据进行对齐,得到车道线的热力图数据,包括:
将每条车道线数据与所述目标地图数据进行车道线与地图的匹配对齐;
在对齐后的车道线数据之间,进行车道线的匹配对齐,得到车道线的热力图数据。
3.根据权利要求2所述的方法,其特征在于,所述将每条车道线数据与所述目标地图数据进行车道线与地图的匹配对齐,包括:
将目标车道线数据与所述目标地图数据中的车道线进行匹配,确定相匹配的车道线片段的位姿偏移量数据;
根据所述位姿偏移量数据对所述目标车道线数据进行优化对齐。
4.根据权利要求3所述的方法,其特征在于,所述将目标车道线数据与所述目标地图数据中的车道线进行匹配,包括:
确定目标车道线数据中的车道线类型;
基于所述车道线类型,对所述目标车道线数据和所述目标地图数据中的车道线进行匹配。
5.根据权利要求3所述的方法,其特征在于,所述将目标车道线数据与所述目标地图数据中的车道线进行匹配,包括:
确定目标车道线数据中的车道线位置关系;
基于所述车道线位置关系,对所述目标车道线数据和所述目标地图数据中的车道线进行匹配。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述方法还包括:
对所述多条车道线数据进行预处理以对多条车道线数据进行数据清理,移除过短和/或弯折的车道线线条,筛选得到符合预期的车道线线条。
7.根据权利要求6所述的方法,其特征在于,所述对所述多条车道线数据进行预处理,包括:
确定所述多条车道线的坐标数据;
根据所述车道线的坐标数据,对所述多条车道线进行筛选。
8.一种地图更新装置,其特征在于,应用于云端,所述地图更新装置包括:
车道线数据获取模块,用于获取多辆车在行驶过程中采集并上传的多条车道线数据;
地图数据获取模块,用于获取所述多辆车行驶区域对应的目标地图数据;
热力图生成模块,用于将所述多条车道线数据与所述目标地图数据进行对齐,得到车道线的热力图数据;
地图数据更新模块,用于根据所述热力图数据,确定所述目标地图数据的偏差数据,并按照所述偏差数据对所述目标地图数据进行更新。
9.一种服务器,其特征在于,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的地图更新方法。
10.一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上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的地图更新方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111678058.8A CN114372068A (zh) | 2021-12-31 | 2021-12-31 | 地图更新方法和地图更新装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111678058.8A CN114372068A (zh) | 2021-12-31 | 2021-12-31 | 地图更新方法和地图更新装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114372068A true CN114372068A (zh) | 2022-04-19 |
Family
ID=81142968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111678058.8A Pending CN114372068A (zh) | 2021-12-31 | 2021-12-31 | 地图更新方法和地图更新装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114372068A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115962787A (zh) * | 2023-03-16 | 2023-04-14 | 安徽蔚来智驾科技有限公司 | 地图更新、自动驾驶控制方法、设备、介质及车辆 |
CN116563648A (zh) * | 2023-07-07 | 2023-08-08 | 深圳市博昌智控科技有限公司 | 基于人工智能的车道线更新方法、装置、设备及存储介质 |
CN116776046A (zh) * | 2023-08-24 | 2023-09-19 | 长春精意科技有限公司 | 一种应用于导航系统的地图数据更新方法 |
-
2021
- 2021-12-31 CN CN202111678058.8A patent/CN114372068A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115962787A (zh) * | 2023-03-16 | 2023-04-14 | 安徽蔚来智驾科技有限公司 | 地图更新、自动驾驶控制方法、设备、介质及车辆 |
CN116563648A (zh) * | 2023-07-07 | 2023-08-08 | 深圳市博昌智控科技有限公司 | 基于人工智能的车道线更新方法、装置、设备及存储介质 |
CN116563648B (zh) * | 2023-07-07 | 2023-10-13 | 深圳市博昌智控科技有限公司 | 基于人工智能的车道线更新方法、装置、设备及存储介质 |
CN116776046A (zh) * | 2023-08-24 | 2023-09-19 | 长春精意科技有限公司 | 一种应用于导航系统的地图数据更新方法 |
CN116776046B (zh) * | 2023-08-24 | 2023-12-08 | 长春精意科技有限公司 | 一种应用于导航系统的地图数据更新方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114372068A (zh) | 地图更新方法和地图更新装置 | |
CN110009718B (zh) | 一种三维高精度地图生成方法及装置 | |
KR20190090393A (ko) | 차선 결정 방법, 디바이스 및 저장 매체 | |
CN111831771B (zh) | 一种地图融合的方法和车辆 | |
WO2019203084A1 (ja) | 地図情報更新システムおよび地図情報更新プログラム | |
CN110530392B (zh) | 一种基于传统地图和高精地图结合的路径规划方法及装置 | |
CN112706755B (zh) | 一种车载相机的调整方法和装置 | |
CN112319464B (zh) | 自动泊车方法、装置、设备及存储介质 | |
CN114162140A (zh) | 一种最优车道匹配方法及系统 | |
CN111258974A (zh) | 一种车辆离线场景数据处理方法及系统 | |
CN112470201B (zh) | 地图提供装置 | |
CN115609594A (zh) | 机械臂路径的规划方法、装置、上位控制端及存储介质 | |
EP4280573A1 (en) | Method for returning data on vehicle, controller on vehicle, cloud server, and vehicle | |
CN110654422B (zh) | 一种轨道列车驾驶辅助的方法、装置及系统 | |
CN111223494A (zh) | 一种路面信息识别的方法、装置以及电子设备 | |
CN112330977B (zh) | 一种自动泊车的方法和装置 | |
CN112644487B (zh) | 一种自动驾驶的方法和装置 | |
CN113581202B (zh) | 确定自动驾驶车辆环境信息的方法、设备、程序产品 | |
CN112572421B (zh) | 车辆自动泊车方法、装置、车辆和存储介质 | |
CN114445575A (zh) | 一种基于路口拓扑信息的不同地图之间的匹配方法及系统 | |
CN115683139A (zh) | 一种车载地图路径规划方法、系统、电子设备及存储介质 | |
CN109711363B (zh) | 车辆定位方法、装置、设备和存储介质 | |
CN111986347B (zh) | 设备管理方法、装置、电子设备及存储介质 | |
CN116033544A (zh) | 室内停车场定位方法、计算机设备、存储介质及程序产品 | |
CN112721916A (zh) | 一种泊车的控制方法和装置 |
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 |