CN114445312A - 一种地图数据的融合方法、装置、电子设备及存储介质 - Google Patents

一种地图数据的融合方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114445312A
CN114445312A CN202210062631.0A CN202210062631A CN114445312A CN 114445312 A CN114445312 A CN 114445312A CN 202210062631 A CN202210062631 A CN 202210062631A CN 114445312 A CN114445312 A CN 114445312A
Authority
CN
China
Prior art keywords
data
elevation
map data
dimensional map
preset
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.)
Granted
Application number
CN202210062631.0A
Other languages
English (en)
Other versions
CN114445312B (zh
Inventor
许博严
贾乐乐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202210062631.0A priority Critical patent/CN114445312B/zh
Publication of CN114445312A publication Critical patent/CN114445312A/zh
Priority to US18/087,639 priority patent/US20230128282A1/en
Application granted granted Critical
Publication of CN114445312B publication Critical patent/CN114445312B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
    • 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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • 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
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • G06T2207/20224—Image subtraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本公开提供了一种地图数据的融合方法、装置、电子设备及存储介质，涉及数据处理领域，尤其涉及地图数据的处理技术领域。具体实现方案为：获取待融合二维地图数据与三维地图数据后，将三维地图数据划分为线数据、面数据及交通体数据；针对各类型数据，采用预设不同高程转换算法获取相对高程，基于其相对高程，将三维地图数据以及二维地图数据融合，得到融合后数据。应用本公开实施例，针对不同类型的三维地图数据采用不同的高程转换算法计算相对高程，而不是基于某一基准面进行高程统一挪动，提高了相对高程计算的准确性，提高地图数据融合准确性；且整个过程完全自动化，具有大规模复制能力，无需人工参与，减少人工成本，提高数据融合效率。

Description

一种地图数据的融合方法、装置、电子设备及存储介质
技术领域
本公开涉及数据处理技术领域，尤其涉及地图数据的处理技术领域。
背景技术
在实际应用中，特别是地图导航过程中，通常需要将二维地图数据与三维地图数据进行融合显示。
发明内容
本公开提供了一种用于提高二三维地图数据融合准确性的地图数据的融合方法、装置、电子设备以及存储介质。
根据本公开的一方面，提供了一种地图数据的融合方法，包括：
获取待融合的二维地图数据以及三维地图数据；
将所述三维地图数据按照地图数据类型进行划分；所述地图数据类型包括线数据、面数据以及交通体数据；
按照针对各类型三维地图数据预设的高程转换算法，对各类型三维地图数据进行高程转换，得到各类型三维地图数据的相对高程；
基于所述各类型三维地图数据的相对高程，对所述待融合的二维地图数据以及三维地图数据进行融合，得到融合后数据。
根据本公开的另一方面，提供了一种地图数据的融合装置，包括：
数据获取模块，用于获取待融合的二维地图数据以及三维地图数据；
数据划分模块，用于将所述三维地图数据按照地图数据类型进行划分；所述地图数据类型包括线数据、面数据以及交通体数据；
高程转换模块，用于按照针对各类型三维地图数据预设的高程转换算法，对各类型三维地图数据进行高程转换，得到各类型三维地图数据的相对高程；
数据融合模块，用于基于所述各类型三维地图数据的相对高程，对所述待融合的二维地图数据以及三维地图数据进行融合，得到融合后数据。
根据本公开的另一方面，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任一所述的地图数据的融合方法。
根据本公开的另一方面，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，其中，所述计算机指令用于使所述计算机执行上述任一所述的地图数据的融合方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述任一所述的地图数据的融合方法。
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是根据本公开提供的地图数据的融合方法的第一实施例的示意图；
图2是本公开中进行三维地图数据转换的一种实施例的示意图；
图3是本公开中进行三维地图数据转换的一种具体实例示意图；
图4是根据本公开提供的地图数据的融合方法的第二实施例的示意图；
图5a、图5b、图5c以及图5d是本公开中不同层级的融合后地图数据的示意图；
图6是根据本公开提供的地图数据的融合装置的第一实施例的示意图；
图7是根据本公开提供的地图数据的融合装置的第二实施例的示意图；
图8是用来实现本公开实施例的地图数据的融合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。
在交通领域，车道级高精地图数据是对道路及周边设施的真实三维地理空间信息的一种表达，所以其位置描述都是真实三维空间坐标系下的描述表达。而二维地图路网数据的位置描述则是基于二维空间坐标系(平面坐标系)下的描述表达。
可以理解为，车道级高精地图数据的坐标表达是(x，y，z)，其中z表示高程值。由于地形的原因，同一个道路平面上的任一点都可能存在高程值的不同。而二维地图路网数据的坐标表达是(x，y)，即可以理解为不存在z轴。
在实际应用中，通常需要把这两类二三维地图数据在同一可视化页面上同时展现。因此，需要一种方法实现车道级高精地图数据与二维地图路网数据的融合需求，来实现车道级高精地图数据在二维地图路网数据上的展现。
现有的二三维地图数据融合方法主要是以某一基准高度(如以全量车道级高精地图数据中最低高程为基准点、或某中心路口位置高程)为基准，用车道级高精地图全量坐标数据减去该基准值，实现高程的相对挪动，从而实现与二维地图路网数据的贴合。对于出现的明显高程问题区域，再基于人工的方式进行手动修改，实现个别异常点的优化。
但如上所述，车道级高精地图数据中，即使同一个道路面，由于地形原因，每个点都会有不同的高程值，如果基于某一个基准点进行全体挪动(真实高程值减去基准值),仍然会出现部分位置无法完全贴合地面，即漂浮在空中的场景。此外，人工针对个别异常点进行修改，人工成本大，且缺少大规模复制应用的能力，需要个别异常点个别解决。
因此，为了解决以上问题，本公开提供了一种地图数据的融合方法、装置、电子设备及存储介质，来实现二维地图数据以及三维地图数据的融合展示。下面，首先对本公开提供的地图数据的融合方法进行说明。
参见图1，图1是根据本公开提供的地图数据的融合方法的第一实施例的示意图。该方法可以包括：
步骤S110，获取待融合的二维地图数据以及三维地图数据。
本公开实施例中，上述待融合的二维地图数据可以是二维地图路网数据。该二维地图路网数据中可以包括道路网等信息。在本公开的一种实施例中，上述三维地图数据可以是车道级高精地图数据。如上所述，车道级高精地图数据是对道路及周边设施的真实三维地理空间信息的表达，其位置描述是真实三维空间坐标系下的描述表达。
本公开实施例中，上述三维地图数据的坐标表达可以是(x，y，z)，其中x，y可以为经纬度信息，z则可以是绝对高程信息。绝对高程即地面点沿垂线方向至大地水准面的距离。
步骤S120，将所述三维地图数据按照地图数据类型进行划分。
实际的交通场景中，通常会包括路面、绿化带、车道线以及路灯等等部分。因此，本公开实施例中，所述地图数据类型就可以包括线数据、面数据以及交通体数据。
其中，所述线数据可以为连续坐标序列组成的线。例如车道线、车道中心线以及隔离带线等等。所述面数据可以是连续且封闭的坐标序列组成的面。例如：道路面、绿化带面以及导流区面等等。上述交通体数据则可以是包含质心坐标的包围盒数据。作为一种具体实施例，上述交通体数据可以是由质心坐标、长宽高参数以及角度组成的包围盒数据。例如：灯杆、标牌、龙门架、摄像机等等。
而通过对三维地图数据进行类型划分，可以针对不同类型的三维地图数据采用不同的高程转换算法进行高程转换，使得高程转换具有较强的针对性，从而提高高程转换的准确性。
步骤S130，按照针对各类型三维地图数据预设的高程转换算法，对各类型三维地图数据进行高程转换，得到各类型三维地图数据的相对高程。
如上所述，本公开实施例中，上述三维地图数据的高程可以是路面、路灯等等数据的绝对高程。因此，在对二维地图数据以及三维地图数据进行融合时，可以将三维地图数据的绝对高程转换为以二维地图数据为基准面的相对高程，以实现三维地图数据与二维地图数据的贴合。
步骤S140，基于所述各类型三维地图数据的相对高程，对所述待融合的二维地图数据以及三维地图数据进行融合，得到融合后数据。
本公开实施例中，在针对各三维地图数据计算出以二维地图数据为基准面的相对高程后，就可基于该相对高程，将三维地图数据与二维地图数据融合。
可见，本公开实施例中，获取到待融合的二维地图数据与三维地图数据后，将三维地图数据按照地图数据类型，划分为线数据、面数据以及交通体数据；并针对各类型数据，采用预设的高程转换算法获取其相对高程；之后基于各三维地图数据的相对高程，将三维地图数据以及二维地图数据进行融合，得到融合后数据。应用本公开实施例，针对不同类型的三维地图数据采用不同的高程转换算法计算相对高程，而不是基于某一基准面进行高程统一挪动，提高了相对高程计算的准确性，从而提高地图数据融合准确性；且整个过程完全自动化，具有大规模复制能力，无需人工参与，减少人工成本，提高数据融合效率。
在本公开的一种实施例中，对于线数据以及面数据，如图2所示，其预设高程转换算法可以是：
步骤S210，计算预设数量个相邻数据点绝对高程之间的高程差值。
在本公开的一种实施例中，可以遍历线数据或面数据，针对每个线数据或面数据的数据点，计算相邻20个数据点之间的绝对高程差值。上述预设数量的具体值可以由相关人员根据需要设置，本公开中对此不做具体限定。
步骤S220，判断各高程差值是否均小于预设差值。若所述各高程差值均小于预设差值(是)，则执行步骤S230；若所述各高程差值中存在大于所述预设差值的高程差值(不是)，则执行步骤S240。
步骤S230，将所述预设数量个相邻数据点的绝对高程设为0，作为所述预设数量个相邻数据点的相对高程。
本公开实施例中，针对高程差值小于预设差值的相邻预设数量个点，可认为他们在同一水平面，因此可以将这些点的绝对高程均设置为0，作为其相对高程。
步骤S240，确定所述预设数量个相邻数据点中，首先出现与相邻数据点的高程差值大于所述预设差值的数据点，作为起始高程差异点。
步骤S250，将所述起始高程差异点后的数据点的绝对高程与所述起始高程差异点的绝对高程相减，作为所述起始高程差异点后的数据点的相对高程，直至所述相对高程小于所述预设差值。
本公开实施例中，若相邻点的高程差值大于预设差值，则可认为其不在同一平面。若后续数据点的相对高程是基于与其不在同一平面的数据点的绝对高程求得的，那么就可能出现由于相对高程求解不准确造成的数据点漂浮在空中或在地底的情况。
因此，为了避免以上情况的出现，本公开实施例中，可以确定上述预设数量个相邻点中，首先出现与相邻点的高程差值大于预设差值的点，作为起始高程差异点。后续数据点的相对高程就可以以该起始高程差异点为基准，来确定其相对高程。
当针对起始高程差异点后的数据点，计算出其相对高程小于预设差值时，就可针对该数据点，计算相邻预设数量个数据点绝对高程之间的高程差值，来确定该数据点的相对高程。
例如：对于高架桥这种面数据，因为本身高程的起伏变化比较大，因此，可以采用步骤S240～S250这种方式来确定面上各个点的相对高程。这样，在显示融合后地图时，可以让用户能够看出起伏的效果。
具体的，可以对高架桥的面数据进行遍历，从高架桥的第一端开始检测，逐个针对各数据点计算相邻20个数据点之间的绝对高程差值。当计算出一个数据点与其前一个数据点的绝对高程差值超出预设差值时，就可将该数据点作为起始高程差异点。起始高程差异点之后的数据点的相对高程，就可基于该起始高程差异点进行求取。具体的，针对起始高程差异点后的数据点，可以计算其与起始高程差异点之间的绝对高程差值，作为其相对高程。当计算得到起始高程差异点后的数据点的相对高程小于上述预设差值时，就可以理解为，这个数据点在高架桥的结束位置。因此就可针对这个数据点，计算相邻20个数据点之间的绝对高程差值，来计算该数据点的相对高程。
可见，本公开实施例中，在针对线数据以及面数据进行高程转换时，针对两种不同情况，采用两种不同的计算方式对线数据以及面数据进行高程转换，进一步提高了高程转换的准确性，从而提高地图数据融合的准确性。
在本公开的一种实施例中，上述交通体数据可以包括：路面体数据以及空中体数据。上述路面体数据即底位于地面上的交通体数据，如路灯的灯杆以及标牌的支撑架等等。上述空中体数据即底悬于空中的交通体数据，如路灯的灯部分以及标牌的标牌部分等等。属于同一交通体的路面体数据和空中体数据具有关联关系。例如，路灯的灯杆以及灯之间具有连接关系。
在上述三维地图数据中包括交通体数据的条件下，上述步骤S130之前，还可以包括以下步骤：
从所述路面体数据中获得路面体的质心点的第一绝对高程以及路面体的底部的第二绝对高程，从与其关联的空中体数据中获得空中体的质心点的第三绝对高程。
如上所述，本公开实施例中，交通体数据是包含质心点坐标的包围盒数据。因此，可以直接从交通体数据中获取其质心点坐标，来获取其质心点的绝对高程。路面体底部的绝对高程则可以基于其质心点坐标以及长宽高参数获得。作为一种具体实施方式，路面体的质心点可以位于其中点位置，那么其底部的绝对高程h0就可以是其质心点的绝对高程h1与其高度的一半h/2的差值。
作为本公开的一种实施例，针对所述路面体数据，所述预设的高程转换算法可以为：
计算所述第一绝对高程与所述第二绝对高程之间的第一高程差值，作为所述路面体的相对高程。
如上所述，路面体数据的底在地面，因此，本公开实施例中，可以将路面体数据的底的相对高程设为0，即贴合基准面。那么，路面体数据质心点的相对高程就是其质心点的绝对高程与其底部的绝对高程的差值。
作为本公开的一种实施例，针对所述空中体数据，所述预设高程转换算法可以为：
步骤1，计算所述第三绝对高程和第一绝对高程之间的第二高程差值。
本步骤中，即计算空中体数据的质心点绝对高程，和与其对应的路面体数据的质心点绝对高程之间的差值。
步骤2，将与所述空中体数据对应的路面体数据的相对高程以及所述第二高程差值的和，作为所述空中体数据的相对高程。
本公开实施例中，由于空中体数据连接于其对应的路面体数据。因此，在计算空中体数据的相对高程时，就可基于其对应的路面体数据的相对高程，加上空中体数据质心点的绝对高程到对应路面体数据质心点绝对高程的高程差值，作为该空中体数据的相对高程。
这样，针对不同类型的交通体数据采取不同高程转换算法进行高程转换，进一步提高相对高程计算的准确性。
如图3所示，图3为本公开实施例中对交通体数据进行高程转换的具体实例示意图。
针对路面体数据T1，其相对高程就是T1质心点的绝对高程h1-T1底部的绝对高程h0。如上所述，路面体的质心点位置一般在其中心位置，因此，该路面体数据T1的相对高程即为其高度T1.h的一半T1.h/2。
针对空中体数据T2，其相对高程为T2质心点的绝对高程h2-T1质心的绝对高程h1+T1的相对高程T1.h/2。即为:h3+T1.h/2。
由图3可见，将该交通体数据，基于其相对高程与二维路网数据进行融合，可以达到较好的效果，不会出现交通体浮在路面的情况。
在本公开的其他实施例中，还可以根据交通体数据的质心点找到最近的道路线坐标点，根据两点相减即可获取交通体数据相对高程。
本实施例中，可以针对各交通体数据质心点，确定出与其距离最近的线数据点，并计算所述交通体数据的质心点绝对高程与所述线数据点的绝对高程之间的差值，该差值加上上述线数据点的相对高程就是上述交通体数据的相对高程。
在本公开的一种实施例中，基于图1，如图4所示，上述步骤S110可以细化为：
步骤S111，针对每个预设层级，获取该层级的二维地图数据以及三维地图数据。其中，所述预设层级是按不同缩放比例预先划分的。
本公开实施例中，可以预先设置多个缩放比例，并针对每个缩放比例，设置层级。不同层级的二维地图数据以及三维地图数据之间，包含的信息可以不同。例如，低层级的二维地图数据以及三维地图数据可以包括道路网信息，道路上的车道线等细节信息可以较少。高层级的二维地图数据以及三维地图数据则可以包括更多的道路细节信息。
如图4所示，上述图1所示的步骤S140则可以细化为：
步骤S141，针对每个预设层级，基于该层级的三地图数据的相对高程，对该层级的二维地图数据以及三维地图数据进行融合，得到该层级融合后地图数据
在本公开的一种实施例中，如图4所示，上述方法还可以包括：
步骤S450，保存每个层级的融合后地图数据。
这样，在为用户显示融合后地图数据时，可以满足更多的需求，提高用户的使用体验。
相应的，在本公开的一种实施例中，如图4所示，上述方法还可以包括：
步骤S460，获得待显示融合后地图数据的目标层级。
本公开实施例中，上述目标层级可以是通过用户对缩放比例的选择确定的。作为一种具体实施方式，在用户查看地图的过程中，用户可以通过手指控制页面的放大与缩小来选择想要的缩放比例。这样，就可获得缩放比例对应的层级，作为目标层级，本公开中对此不做具体限制。
步骤S470，从所述保存的每个层级的融合后地图数据中，获得目标层级的融合后地图数据进行显示。
如图5a～图5d所示，其显示了本公开中不同层级的融合后地图数据，具体是二维路网于三维路网(车道级高精地图)的融合后地图数据。
图5a、图5b为较低层级下二三维路网的融合后展现。图5a对路网中各道路关系的整体情况进行了展示，细节信息较少，立体效果不明显。图5b是对图5a进行放大后的地图。如图5b所示，由于其层级依旧较低，因此其立体效果也不明显。图5c则是对图5b进行放大后的地图，该地图相较于图5b，更加清晰，展示了道路上的更多细节，如车道线以及路面情况等等，同时显示出了一点立体效果。图5d则是对图5c进一步放大后的结果。如图5d所示，该图中，车道级高精地图的要素(车道线、路面、绿化带以及路灯等等)均展现在二维路网之上。实现了车道级高精地图数据与二维地图路网数据的融合展现的场景，立体效果明显显现出来。
可见，本公开提供的地图数据的融合方法，可实现在二维地图路网数据之上叠加融合展现车道级高精地图数据相关内容，实现展示效果的无缝贴合，即具有较好的可视性。其次，全流程可实现完全自动化，无需人力对三维地图(如：车道级高精地图)数据的高程进行手动修改，大大解放了人力。此外，本公开提供的地图数据的融合方法具有较好的移植性，即该方法可移植到任意车道级高精地图数据与二维地图路网数据的融合渲染业务中。
根据本公开实施的另一方面，还提供了一种地图数据的融合装置，如图6所示，该装置可以包括：
数据获取模块610，用于获取待融合的二维地图数据以及三维地图数据；
数据划分模块620，用于将所述三维地图数据按照地图数据类型进行划分；所述地图数据类型包括线数据、面数据以及交通体数据；
高程转换模块630，用于按照针对各类型三维地图数据预设的高程转换算法，对各类型三维地图数据进行高程转换，得到各类型三维地图数据的相对高程；
数据融合模块640，用于基于所述各类型三维地图数据的相对高程，对所述待融合的二维地图数据以及三维地图数据进行融合，得到融合后数据。
可见，本公开实施例中，获取到待融合的二维地图数据与三维地图数据后，将三维地图数据按照地图数据类型，划分为线数据、面数据以及交通体数据；并针对各类型数据，采用预设的高程转换算法获取其相对高程；之后基于各三维地图数据的相对高程，将三维地图数据以及二维地图数据进行融合，得到融合后数据。应用本公开实施例，针对不同类型的三维地图数据采用不同的高程转换算法计算相对高程，而不是基于某一基准面进行高程统一挪动，提高了相对高程计算的准确性，从而提高地图数据融合准确性；且整个过程完全自动化，具有大规模复制能力，无需人工参与，减少人工成本，提高数据融合效率
在本公开的一种实施例中，所述线数据为连续坐标序列组成的线；所述面数据为连续且封闭的坐标序列组成的面；所述交通体数据为包含质心坐标的包围盒。
在本公开的一种实施例中，针对所述线数据和/或面数据，所述预设的高程转换算法为：
计算预设数量个相邻数据点绝对高程之间的高程差值；
若所述各高程差值均小于预设差值，则将所述预设数量个相邻数据点的绝对高程设为0，作为所述预设数量个相邻数据点的相对高程；
若所述各高程差值中存在大于所述预设差值的高程差值，则确定所述预设数量个相邻数据点中，首先出现与相邻数据点的高程差值大于所述预设差值的数据点，作为起始高程差异点；
将所述起始高程差异点后的数据点的绝对高程与所述起始高程差异点的绝对高程相减，作为所述起始高程差异点后的数据点的相对高程，直至所述相对高程小于所述预设差值。
在本公开的一种实施例中，所述交通体数据包括：路面体数据以及空中体数据，属于同一交通体的路面体数据和空中体数据具有关联关系；
基于图6，如图7所示，所述装置，还包括：
绝对高程获取模块730，用于从所述路面体数据中获得路面体的质心点的第一绝对高程以及路面体的底部的第二绝对高程，从与其关联的空中体数据中获得空中体的质心点的第三绝对高程；
针对所述路面体数据，所述预设的高程转换算法为：
计算所述第一绝对高程与所述第二绝对高程之间的第一高程差值，作为所述路面体的相对高程；
针对所述空中体数据，所述预设高程转换算法为：
计算所述第三绝对高程和第一绝对高程之间的第二高程差值；
将与所述空中体数据对应的路面体数据的相对高程以及所述第二高程差值的和，作为所述空中体数据的相对高程。
在本公开的一种实施例中，所述数据获取模块610，用于：
针对每个预设层级，获取该层级的二维地图数据以及三维地图数据；所述预设层级是按不同缩放比例预先划分的；
所述数据融合模块640，用于：
针对每个预设层级，基于该层级的三地图数据的相对高程，对该层级的二维地图数据以及三维地图数据进行融合，得到该层级融合后地图数据；
如图7所示，所述装置还可以包括：
地图数据保存模块750，用于保存每个层级的融合后地图数据。
在本公开的一种实施例中，基于图6，如图7所示，上述装置还可以包括：
目标层级获取模块760，用于获得待显示融合后地图数据的目标层级；
地图数据显示模块770，用于从所述保存的每个层级的融合后地图数据中，获得目标层级的融合后地图数据进行显示。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，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8示出了可以用来实施本公开的实施例的示例电子设备800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8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理，例如地图数据的融合方法。例如，在一些实施例中，地图数据的融合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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的地图数据的融合方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行地图数据的融合方法。
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)、复杂可编程逻辑设备(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中，该一个或者多个计算机程序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)和互联网。
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，本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 (15)

1.一种地图数据的融合方法，包括：
获取待融合的二维地图数据以及三维地图数据；
将所述三维地图数据按照地图数据类型进行划分；所述地图数据类型包括线数据、面数据以及交通体数据；
按照针对各类型三维地图数据预设的高程转换算法，对各类型三维地图数据进行高程转换，得到各类型三维地图数据的相对高程；
基于所述各类型三维地图数据的相对高程，对所述待融合的二维地图数据以及三维地图数据进行融合，得到融合后数据。
2.根据权利要求1所述的方法，其中，
所述线数据为连续坐标序列组成的线；
所述面数据为连续且封闭的坐标序列组成的面；
所述交通体数据为包含质心坐标的包围盒。
3.根据权利要求1所述的方法，其中，针对所述线数据和/或面数据，所述预设的高程转换算法为：
计算预设数量个相邻数据点绝对高程之间的高程差值；
若所述各高程差值均小于预设差值，则将所述预设数量个相邻数据点的绝对高程设为0，作为所述预设数量个相邻数据点的相对高程；
若所述各高程差值中存在大于所述预设差值的高程差值，则确定所述预设数量个相邻数据点中，首先出现与相邻数据点的高程差值大于所述预设差值的数据点，作为起始高程差异点；
将所述起始高程差异点后的数据点的绝对高程与所述起始高程差异点的绝对高程相减，作为所述起始高程差异点后的数据点的相对高程，直至所述相对高程小于所述预设差值。
4.根据权利要求2所述的方法，其中，交通体数据包括：路面体数据以及空中体数据，属于同一交通体的路面体数据和空中体数据具有关联关系；
所述按照针对各类型三维地图数据预设的高程转换算法，对各类型三维地图数据进行高程转换，得到各类型三维地图数据的相对高程的步骤之前，还包括：
从所述路面体数据中获得路面体的质心点的第一绝对高程以及路面体的底部的第二绝对高程，从与其关联的空中体数据中获得空中体的质心点的第三绝对高程；
针对所述路面体数据，所述预设的高程转换算法为：
计算所述第一绝对高程与所述第二绝对高程之间的第一高程差值，作为所述路面体的相对高程；
针对所述空中体数据，所述预设高程转换算法为：
计算所述第三绝对高程和第一绝对高程之间的第二高程差值；
将与所述空中体数据对应的路面体数据的相对高程以及所述第二高程差值的和，作为所述空中体数据的相对高程。
5.根据权利要求1所述的方法，其中，
所述获取待融合的二维地图数据以及三维地图数据的步骤，包括：
针对每个预设层级，获取该层级的二维地图数据以及三维地图数据；所述预设层级是按不同缩放比例预先划分的；
所述基于所述各类型三维地图数据的相对高程，对所述待融合的二维地图数据以及三维地图数据进行融合，得到融合后数据的步骤，包括：
针对每个预设层级，基于该层级的三地图数据的相对高程，对该层级的二维地图数据以及三维地图数据进行融合，得到该层级融合后地图数据；
所述方法还包括：
保存每个层级的融合后地图数据。
6.根据权利要求5所述的方法，还包括：
获得待显示融合后地图数据的目标层级；
从所述保存的每个层级的融合后地图数据中，获得目标层级的融合后地图数据进行显示。
7.一种地图数据的融合装置，包括：
数据获取模块，用于获取待融合的二维地图数据以及三维地图数据；
数据划分模块，用于将所述三维地图数据按照地图数据类型进行划分；所述地图数据类型包括线数据、面数据以及交通体数据；
高程转换模块，用于按照针对各类型三维地图数据预设的高程转换算法，对各类型三维地图数据进行高程转换，得到各类型三维地图数据的相对高程；
数据融合模块，用于基于所述各类型三维地图数据的相对高程，对所述待融合的二维地图数据以及三维地图数据进行融合，得到融合后数据。
8.根据权利要求7所述的装置，其中，
所述线数据为连续坐标序列组成的线；
所述面数据为连续且封闭的坐标序列组成的面；
所述交通体数据为包含质心坐标的包围盒。
9.根据权利要求7所述的装置，其中，针对所述线数据和/或面数据，所述预设的高程转换算法为：
计算预设数量个相邻数据点绝对高程之间的高程差值；
若所述各高程差值均小于预设差值，则将所述预设数量个相邻数据点的绝对高程设为0，作为所述预设数量个相邻数据点的相对高程；
若所述各高程差值中存在大于所述预设差值的高程差值，则确定所述预设数量个相邻数据点中，首先出现与相邻数据点的高程差值大于所述预设差值的数据点，作为起始高程差异点；
将所述起始高程差异点后的数据点的绝对高程与所述起始高程差异点的绝对高程相减，作为所述起始高程差异点后的数据点的相对高程，直至所述相对高程小于所述预设差值。
10.根据权利要求8所述的装置，其中，所述交通体数据包括：路面体数据以及空中体数据，属于同一交通体的路面体数据和空中体数据具有关联关系；
所述装置，还包括：
绝对高程获取模块，用于从所述路面体数据中获得路面体的质心点的第一绝对高程以及路面体的底部的第二绝对高程，从与其关联的空中体数据中获得空中体的质心点的第三绝对高程；
针对所述路面体数据，所述预设的高程转换算法为：
计算所述第一绝对高程与所述第二绝对高程之间的第一高程差值，作为所述路面体的相对高程；
针对所述空中体数据，所述预设高程转换算法为：
计算所述第三绝对高程和第一绝对高程之间的第二高程差值；
将与所述空中体数据对应的路面体数据的相对高程以及所述第二高程差值的和，作为所述空中体数据的相对高程。
11.根据权利要求7所述的装置，其中，
所述数据获取模块，用于：
针对每个预设层级，获取该层级的二维地图数据以及三维地图数据；所述预设层级是按不同缩放比例预先划分的；
所述数据融合模块，用于：
针对每个预设层级，基于该层级的三地图数据的相对高程，对该层级的二维地图数据以及三维地图数据进行融合，得到该层级融合后地图数据；
所述装置还包括：
地图数据保存模块，用于保存每个层级的融合后地图数据。
12.根据权利要求11所述的装置，还包括：
目标层级获取模块，用于获得待显示融合后地图数据的目标层级；
地图数据显示模块，用于从所述保存的每个层级的融合后地图数据中，获得目标层级的融合后地图数据进行显示。
13.一种电子设备，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1-6中任一项所述的方法。
14.一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1-6中任一项所述的方法。
15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
CN202210062631.0A 2022-01-19 2022-01-19 一种地图数据的融合方法、装置、电子设备及存储介质 Active CN114445312B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210062631.0A CN114445312B (zh) 2022-01-19 2022-01-19 一种地图数据的融合方法、装置、电子设备及存储介质
US18/087,639 US20230128282A1 (en) 2022-01-19 2022-12-22 Method for fusing map data, and electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210062631.0A CN114445312B (zh) 2022-01-19 2022-01-19 一种地图数据的融合方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN114445312A true CN114445312A (zh) 2022-05-06
CN114445312B CN114445312B (zh) 2024-03-01

Family

ID=81367074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210062631.0A Active CN114445312B (zh) 2022-01-19 2022-01-19 一种地图数据的融合方法、装置、电子设备及存储介质

Country Status (2)

Country Link
US (1) US20230128282A1 (zh)
CN (1) CN114445312B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115359227A (zh) * 2022-10-24 2022-11-18 北京百度网讯科技有限公司 区域实景地图与车道级地图的融合方法、装置及电子设备
CN117274462A (zh) * 2023-10-31 2023-12-22 腾讯科技（深圳）有限公司 道路地图的渲染方法、装置、电子设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110415347A (zh) * 2019-07-22 2019-11-05 高新兴科技集团股份有限公司 三维实景地图与二维平面地图融合方法、装置及电子设备
CN110428499A (zh) * 2019-07-15 2019-11-08 高新兴科技集团股份有限公司 在二维平面地图上叠加三维实景地图的方法
CN111581310A (zh) * 2020-04-07 2020-08-25 杭州视在数科信息技术有限公司 一种在二维地图上将城市建筑拉高成三维建筑的方法及应用
CN111721308A (zh) * 2020-06-10 2020-09-29 百度在线网络技术（北京）有限公司 三维路网地图绘制方法、装置、设备和介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110428499A (zh) * 2019-07-15 2019-11-08 高新兴科技集团股份有限公司 在二维平面地图上叠加三维实景地图的方法
CN110415347A (zh) * 2019-07-22 2019-11-05 高新兴科技集团股份有限公司 三维实景地图与二维平面地图融合方法、装置及电子设备
CN111581310A (zh) * 2020-04-07 2020-08-25 杭州视在数科信息技术有限公司 一种在二维地图上将城市建筑拉高成三维建筑的方法及应用
CN111721308A (zh) * 2020-06-10 2020-09-29 百度在线网络技术（北京）有限公司 三维路网地图绘制方法、装置、设备和介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115359227A (zh) * 2022-10-24 2022-11-18 北京百度网讯科技有限公司 区域实景地图与车道级地图的融合方法、装置及电子设备
CN117274462A (zh) * 2023-10-31 2023-12-22 腾讯科技（深圳）有限公司 道路地图的渲染方法、装置、电子设备和存储介质
CN117274462B (zh) * 2023-10-31 2024-02-13 腾讯科技（深圳）有限公司 道路地图的渲染方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
US20230128282A1 (en) 2023-04-27
CN114445312B (zh) 2024-03-01

Similar Documents

Publication Publication Date Title
US10534870B2 (en) Methods, apparatuses and computer program products for automatic, non-parametric, non-iterative three dimensional geographic modeling
US10921136B2 (en) Efficient processing for vector tile generation
US20200082561A1 (en) Mapping objects detected in images to geographic positions
CN114445312B (zh) 一种地图数据的融合方法、装置、电子设备及存储介质
KR20130018533A (ko) 3ｄ 빌딩과 지형에 대한 공간 에러 파라미터
CN110888963B (zh) 数据获取方法、装置、电子设备及存储介质
CN113932796A (zh) 高精地图车道线生成方法、装置和电子设备
CN110046210B (zh) 地图信息更新方法、装置、电子设备和存储介质
CN116433817A (zh) 渲染方法、装置、设备以及存储介质
CN113742440B (zh) 道路图像数据处理方法、装置、电子设备及云计算平台
CN115953556A (zh) 暴雨内涝道路风险ar预警方法及装置
CN115790621A (zh) 高精地图更新方法、装置及电子设备
CN115830207A (zh) 三维场景漫游方法、装置、设备和介质
CN115527028A (zh) 地图数据处理方法及装置
CN114036247A (zh) 高精地图数据关联方法、装置、电子设备及存储介质
CN114373051A (zh) 地图更新方法、装置、电子设备及存储介质
CN111383334B (zh) 用于渲染对象的系统和方法
CN113034685B (zh) 激光点云与高精地图的叠加方法、装置及电子设备
CN115359227B (zh) 区域实景地图与车道级地图的融合方法、装置及电子设备
CN114459494B (zh) 可达区域的获取方法、装置、电子设备以及存储介质
CN113901345A (zh) 路径规划方法、装置、介质及程序产品
CN114170282A (zh) 点云融合方法、装置、电子设备和介质
CN115131472A (zh) 一种全景切换的过渡处理的方法、装置、设备及介质
CN115937494A (zh) 全景图中的位置标注方法、装置、电子设备和存储介质
CN113901343A (zh) 目标物体的可视角确定方法、装置及电子设备

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