CN114526722B - 地图对齐处理方法、装置及可读存储介质 - Google Patents
地图对齐处理方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN114526722B CN114526722B CN202111678059.2A CN202111678059A CN114526722B CN 114526722 B CN114526722 B CN 114526722B CN 202111678059 A CN202111678059 A CN 202111678059A CN 114526722 B CN114526722 B CN 114526722B
- Authority
- CN
- China
- Prior art keywords
- map
- element group
- data
- road
- element 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
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims description 36
- 239000011159 matrix material Substances 0.000 claims description 34
- 230000009466 transformation Effects 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 18
- 230000000694 effects Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000013519 translation Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000011295 pitch Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Instructional Devices (AREA)
Abstract
本公开涉及一种地图对齐处理方法、装置及可读存储介质,该方法包括:获取对应第一道路骨架的两个地图要素数据;根据所述两个地图要素数据,获取每一个要素组,其中,任一所述要素组包括的两个地图要素的语义相同、且分别在所述两个地图要素数据中;确定每一个所述要素组的指标值,所述指标值用于指示根据所述要素组所得到的所述两个地图要素数据的对齐度;根据具有最优指标值的要素组,对所述两个地图要素数据进行对齐处理。
Description
技术领域
本公开实施例涉及地图技术领域,更具体地,涉及一种地图对齐处理方法、装置及可读存储介质。
背景技术
在高精度地图生产领域,有两大重要步骤:地图合并和地图更新。其中,可以通过众包的方式,对车辆传感器生成的地图要素数据做合并,或者对已有地图的局部缺失、变化区域进行更新。
现有的地图要素数据对齐方案主要有两种:一是依靠主成分分析(PCA,principalcomponents analysis)方法,其特点是提取数据的主要分布方向,降低数据维数,保留了地图要素数据集中贡献最大的特征为依据来计算变换矩阵,从而完成地图要素数据粗匹配。二是地图要素数据配准4PCS(4-Points Congruent Sets)算法,主要思想是构建共面四点集合,使用仿射不变性约束,在共面四点集合中匹配符合条件的对应点对,使用LCP(Largest Common Pointset,最大公共点集)策略寻找对齐后最大重叠度四点对,得到最优变换矩阵,从而完成地图要素数据粗匹配。
可见,现有对地图要素数据做粗对齐的方案,主要特点是通过算法无差别计算两簇地图要素数据之间特征信息,以此计算最优变换初值。但是,在高精度地图生产过程中,不同批次数据受噪声或系统误差影响,会有形变或者尺度上的问题;以及在不同交通流量、天气变化等情况下数据会有缺失不一致的情况。如此,当两簇地图要素数据之间的相似度较低,或者局部要素不一致时,现有方案很难求得较好的变换初值。同时,现有方案通常以迭代的方式求最优变换,故而也会有陷入局部最优解的情况,在效率及准确性上都无法令人满意。
发明内容
本公开实施例的一个目的是提供一种地图对齐处理的新的技术方案。
根据本公开的第一方面,提供了一种地图对齐处理方法,包括:获取对应第一道路骨架的两个地图要素数据;根据所述两个地图要素数据,获取每一个要素组,其中,任一所述要素组包括的两个地图要素的语义相同、且分别在所述两个地图要素数据中;确定每一个所述要素组的指标值,所述指标值用于指示根据所述要素组所得到的所述两个地图要素数据的对齐度;根据具有最优指标值的要素组,对所述两个地图要素数据进行对齐处理。
可选地,在所述获取对应第一道路骨架的两个地图要素数据之前,所述方法还包括:根据设定的窗口长度和步长,沿设定道路的延伸方向,对所述设定道路的道路骨架进行分割,得到一系列窗口,其中,所述窗口长度大于所述步长;对于得到的每一个所述窗口,以所述窗口内的道路骨架作为所述第一道路骨架,并执行所述获取对应第一道路骨架的两个地图要素数据的步骤。
可选地,所述确定每一个所述要素组的指标值,包括:对于每一个所述要素组,确定所述要素组的位置关系;根据所述位置关系对第一地图要素数据进行处理,得到第三地图要素数据,其中,所述两个地图要素数据包括所述第一地图要素数据和第二地图要素数据;获取对应所述要素组的每一个要素对,其中,任一所述要素对包括的两个地图要素的语义相同、间距小于或者等于设定值、且分别在所述第三地图要素数据和所述第二地图要素数据中;根据对应所述要素组的每一个要素对的间距,获得所述要素组的均方根,作为所述要素组的指标值。
可选地,所述根据具有最优指标值的要素组,对所述两个地图要素数据进行对齐处理,包括:根据获取的每一个要素组的均方根,确定具有最小均方根的要素组,作为所述第一道路骨架的目标要素组;根据对应所述第一道路骨架的目标要素组的每一个要素对,获得变换矩阵;根据所述变换矩阵,对所述两个地图要素数据进行对齐处理。
可选地,在所述根据对应所述第一道路骨架的目标要素组的每一个要素对,获得变换矩阵之前,所述方法还包括:确定第二道路骨架的目标要素组,其中,所述第二道路骨架为与所述第一道路骨架部分重合的道路骨架;所述根据对应所述第一道路骨架的目标要素组的每一个要素对,获得变换矩阵,包括:根据对应所述第一道路骨架的目标要素组的每一个要素对和对应所述第二道路骨架的目标要素组的每一个要素对,获得新的要素对,其中,所述新的要素对中没有重复的地图要素;根据所述新的要素对,获得变换矩阵。
可选地,所述确定所述要素组的位置关系,包括:确定所述要素组中各个地图要素的中心点数据,以得到两个中心点数据;根据所述两个中心点数据,确定所述要素组的位置关系。
可选地,所述根据所述两个地图要素数据,获取每一个要素组,包括:确定所述两个地图要素数据中的稀疏的地图要素;根据所述两个地图要素数据中的稀疏的地图要素,获取每一个要素组。
根据本公开的第二方面,还提供了一种地图对齐处理装置,包括:第一获取模块,用于获取对应第一道路骨架的两个地图要素数据;第二获取模块,用于根据所述两个地图要素数据,获取每一个要素组,其中,任一所述要素组包括的两个地图要素的语义相同、且分别在所述两个地图要素数据中;确定模块,用于确定每一个所述要素组的指标值,所述指标值用于指示根据所述要素组所得到的所述两个地图要素数据的对齐度;以及,处理模块,用于根据具有最优指标值的要素组,对所述两个地图要素数据进行对齐处理。
根据本公开的第三方面,还提供了一种地图对齐处理装置,包括存储器和处理器,所述存储器用于存储计算机程序;所述处理器用于执行所述计算机程序,以实现根据本公开第一方面所述的方法。
根据本公开的第四方面,还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,所述计算机程序在被处理器执行时实现根据本公开的第一方面所述的方法。
本公开实施例的一个有益效果在于,获取对应第一道路骨架的两个地图要素数据;根据所述两个地图要素数据,获取每一个要素组,其中,任一所述要素组包括的两个地图要素的语义相同、且分别在所述两个地图要素数据中;确定每一个所述要素组的指标值,所述指标值用于指示根据所述要素组所得到的所述两个地图要素数据的对齐度;根据具有最优指标值的要素组,对所述两个地图要素数据进行对齐处理。可见,本实施例可以根据两簇地图要素数据中的地图要素对地图要素数据对齐效果的不同影响,来选取最优的对齐参数,以进行地图对齐。这一实现方式不仅可以应对两簇地图要素数据相似度低、局部要素缺失等情况,还不会陷入局部最优解,故而地图对齐效果更好。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开实施例的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本公开的实施例,并且连同其说明一起用于解释本公开实施例的原理。
图1是能够实施根据一个实施例的地图对齐处理方法的电子设备组成结构的示意图;
图2是根据一个实施例的地图对齐处理方法的流程示意图;
图3是根据一个实施例的切割地图的示意图;
图4是根据另一个实施例的地图对齐处理方法的流程示意图;
图5是根据一个实施例的地图对齐处理装置的方框原理图;
图6是根据一个实施例的地图对齐处理装置的硬件结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
图1是可用于实现本公开实施例的电子设备1000的结构示意图。
该电子设备1000可以是智能手机、便携式电脑、台式计算机、平板电脑、服务器等,在此不做限定。
该电子设备1000可以包括但不限于处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700、麦克风1800等等。其中,处理器1100可以是中央处理器CPU、图形处理器GPU、微处理器MCU等,用于执行计算机程序,该计算机程序可以采用比如x86、Arm、RISC、MIPS、SSE等架构的指令集编写。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、串行接口、并行接口等。通信装置1400例如能够利用光纤或电缆进行有线通信,或者进行无线通信,具体地可以包括WiFi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1500例如是液晶显示屏、触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘、体感输入等。扬声器1700用于输出音频信号。麦克风1800用于采集音频信号。
应用于本公开实施例中,电子设备1000的存储器1200用于存储计算机程序,该计算机程序用于控制所述处理器1100进行操作以实现根据本公开实施例的方法。技术人员可以根据本公开所公开方案设计该计算机程序。该计算机程序如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。该电子设备1000可以安装有智能操作系统(例如Windows、Linux、安卓、IOS等系统)和应用软件。
本领域技术人员应当理解,尽管在图1中示出了电子设备1000的多个装置,但是,本公开实施例的电子设备1000可以仅涉及其中的部分装置,例如,只涉及处理器1100和存储器1200等。
下面,参照附图描述根据本发明的各个实施例和例子。
<方法实施例>
图2是根据一个实施例的地图对齐处理方法的流程示意图。本实施例的实施主体例如为图1所示的电子设备1000。
本实施例中,可以利用乘用车上的传感器,如相机、轮速、GNSS(GlobalNavigation Satellite System,全球导航卫星系统),IMU(Inertial Measurement Unit,惯性测量单元)等来收集道路数据,并上传至云端。其中,由车辆多传感器融合生成的地图要素数据,是对现实世界道路特征的表达。
考虑到乘用车所使用传感器的精度相对较低,且乘用车在收集道路数据时可能遇到各种路况,这些原因会导致车辆收集的道路数据存在精度相对较低及地图数据不完整的情况。
如此,云端可以使用多个车辆上报来的数据进行地图对齐处理以提高数据精度,从而完成高精地图的制作。
基于上述内容,如图2所示,本实施例的地图对齐处理方法可以包括如下步骤S210~S240:
步骤S210,获取对应第一道路骨架的两个地图要素数据。
详细地,该两个地图要素数据即为两簇地图要素数据,可以分别由两个车辆上的传感器采集并上报至云端服务器得到。
通常情况下,一个道路骨架可以对应有多个地图要素数据,该多个地图要素数据通常可以由多个车辆分别采集得到。步骤S210中的两个地图要素数据可以为对应第一道路骨架的多个地图要素数据中的任意两个。该第一道路骨架可以为任一道路骨架。
详细地,在没有数据缺失的情况下,地图要素数据中包括有相应路段处设置的各个地图要素的数据。这些地图要素为电子地图中已分类好的特征要素,比如可以为交通灯、交通标志牌、灯杆等路标(Road Facility),以及可以为道路边线、停止线、虚线、导流线、路面指示箭头、文字、立面标记、突起路标和轮廓标等路面标线(Road Marking)。路面标线为用于向交通参与者传递引导、限制、警告等交通信息的标识。
这些地图要素还可按照稀疏度进行划分,比如交通灯、交通标志牌、灯杆、路面指示箭头等为稀疏的地图要素,道路边线、虚线等为紧密的地图要素。具体可由工作人员按需划分。
为了实现两簇地图要素数据的对齐目的,可以将其中一个作为目标数据,另一个作为参考数据。请参考图3,道路骨架对应的目标数据可以为图3中实线所示的各个地图要素的数据,而参考数据可以为图3中阴影所示的各个地图要素的数据。
详细地,上述第一道路骨架可以为一条道路的部分或全部的骨架,比如上述第一道路骨架可以为图3所示的分割出的一个窗口中的道路骨架。其中,道路骨架可以为抽象出的道路中心线,可从开源数据库OpenStreetMap中获取,也可由众包车辆轨迹优化生成。
详细地,基于地图要素数据的特征(如数据丢失、数据偏差、地图要素匹配关系等),可能存在目标数据中的一个地图要素在不同窗口下所匹配的参考数据中的地图要素不一致的情况。
本实施例中,数据偏差或称数据误差(Error),是指同一物体被不同车辆测量、建模后,上报的参数不一致,误差即用来衡量参数不一致的程度。例如不同车对同一交通标志牌的位置建模,在云端完成数据匹配(Data Matching)后,发现同一个交通标志牌的位置不同。误差越大表示位置偏差越大。
为了能够根据地图要素的一对一最优匹配关系进行地图对齐处理,可以沿道路方向对道路骨架进行渐进式的切割,从而可以获得依次部分重复的各个窗口。
如此,在得到各个窗口下的最优对齐参数后,可以基于窗口重复部分的地图要素匹配关系,来进行地图要素的一对一最优匹配关系。进而基于准确的地图要素匹配关系进行地图对齐时,可以提高地图对齐的精准度。
基于此,在本公开一个实施例中,在所述获取对应第一道路骨架的两个地图要素数据之前,所述方法还包括以下步骤S2001~步骤S2002:
步骤S2001,根据设定的窗口长度和步长,沿设定道路的延伸方向,对所述设定道路的道路骨架进行分割,得到一系列窗口,其中,所述窗口长度大于所述步长。
如图3所示,可以通过设定的窗口长度和步长,对道路骨架进行切割,以得到一系列窗口。上述第一道路骨架即可以为切割出的任意一个窗口内的道路骨架。
优选地,该窗口长度可以为50m,该步长可以为25m。
比如,道路骨架可以包括间隔为1m的一系列骨架离散点,以1米间隔对骨架离散采样,取骨架起始点,选取固定窗口长度W为50米,选取步长Step为25m,沿道路延伸方向依次滑动,直至到达骨架结束点停止。每滑动一次,即可得到相应的一个窗口。
详细地,对于长度较长的道路,还可对道路进行分段,比如以道路长度500米做一个分段,进而对每一个分段进行分割处理。
步骤S2002,对于得到的每一个所述窗口,以所述窗口内的道路骨架作为所述第一道路骨架,并执行所述获取对应第一道路骨架的两个地图要素数据的步骤。
对于分割出的每一个窗口,该窗口内的道路骨架均可作为上述第一道路骨架,以便于可以获得各个窗口下的具有最优指标值的要素组。进而可以根据各个窗口下的具有最优指标值的要素组,来进行地图要素的一对一最优匹配关系,从而据此计算整个道路骨架的变换矩阵。
基于该变换矩阵可以实现整个道路的地图对齐处理,即实现了对该道路的各个窗口下的地图对齐处理。
本实施例提供的沿道路骨架滑窗的处理方式利用了路网地图的时序信息,通过滑窗的方式可得到柔性的要素点对关联关系。
步骤S220,根据所述两个地图要素数据,获取每一个要素组,其中,任一所述要素组包括的两个地图要素的语义相同、且分别在所述两个地图要素数据中。
以图3所示的第i个窗口内的两簇地图要素数据为例,根据这两簇地图要素数据,可以获得相应的每一个要素组。一个要素组即一组要素,包括两个地图要素,一个为目标数据中的地图要素,一个为参考数据中的地图要素。
此外,为提高对齐精准度,这两个地图要素语义相同,比如要么均为路面指示箭头,要么均为交通标识等。如此,可以避免进行无效匹配,降低数据处理量和提高数据处理准确度。
详细地,稀疏地图要素(即在空间中出现频次相对较低、布置的相对较为稀疏的地图要素)在两簇地图要素数据中的匹配关系较稳定且数量少,而紧密地图要素(即在空间中出现频次相对较高、布置的相对较为稀疏的地图要素)在两簇地图要素数据中的匹配关系不稳定且数量多,故而可以仅获取由稀疏要素组成的要素组。
基于此,在本公开一个实施例中,所述根据所述两个地图要素数据,获取每一个要素组,可以包括:确定所述两个地图要素数据中的稀疏的地图要素;根据所述两个地图要素数据中的稀疏的地图要素,获取每一个要素组。
本实施例中,可以根据电子地图中稳定且稀疏的要素,作为地图要素数据特征提取的重要依据。以此种方式得到的特征将远远小于地图要素数据的体量,降低了算法计算的复杂度,提高算法精准度。
以图3所示的第i个窗口内的两簇地图要素数据为例,由于目标数据和参考数据各有一个交通标识的地图要素,则两者可以为一个要素组。
由于目标数据有一个路面指示箭头的地图要素,而参考数据有两个路面指示箭头的地图要素,则相应的可以获得两个要素组(即1×2=2个)。
由于目标数据有三个路面电杆的地图要素,而参考数据有两个路面电杆的地图要素,则相应的可以获得六个要素组(即2×3=6个)。
如此,总共可以得到九个要素组。
步骤S230,确定每一个所述要素组的指标值,所述指标值用于指示根据所述要素组所得到的所述两个地图要素数据的对齐度。
详细地,不同要素组的位置关系各有差异,根据不同要素组进行对齐处理所带来的对齐效果相应不同,故而可以计算各个要素组的指标值,以便于可以从中确定出具有最优指标值的要素组。根据该具有最优指标值的要素组进行地图对齐处理时,通常可以获得相应最优的对齐效果。
详细地,对于每一个要素组,可以根据该要素组中两个地图要素的位置关系,进行目标数据和参考数据的对齐,并根据得到的对齐效果来获得该要素组的指标值。
在可行的实现方式中,可以根据两簇地图要素数据对齐后的各个相匹配要素对的位置关系,来计算该指标值。
基于此,在本公开一个实施例中,所述确定每一个所述要素组的指标值,可以包括以下步骤S2301~步骤S2304:
步骤S2301,对于每一个所述要素组,确定所述要素组的位置关系。
为了对比每一个要素组所能带来的地图对齐效果,可以确定各个要素组的位置关系,该位置关系通常可以为要素组中两个地图要素间的相对位置关系,以便于可据此进行两簇地图要素数据的对齐,进行获得相应对齐效果。
在本公开一个实施例中,所述确定所述要素组的位置关系,可以包括:确定所述要素组中各个地图要素的中心点数据(比如中心点的坐标),以得到两个中心点数据;根据所述两个中心点数据,确定所述要素组的位置关系。
本实施例中,可以确定两个地图要素各自的中心点位置,以该两个中心点位置间的相对位置关系(比如两者间的欧式距离),作为要素组的位置关系。
步骤S2302,根据所述位置关系对第一地图要素数据进行处理,得到第三地图要素数据,其中,所述两个地图要素数据包括所述第一地图要素数据和第二地图要素数据。
详细地,可以要素组中两个地图要素的中心点的欧式距离作为平移矩阵,对目标数据或者参考数据进行平移,平移前后两簇地图要素数据的对齐情况发生相应变化,比如平移后该要素组中两个地图要素的中心点通常重合。
如此,这里的第一地图要素数据即可以为目标数据,也可以为参考数据。若对参考数据进行平移,则可以得到平移后的参考数据,记作第三地图要素数据。
步骤S2303,获取对应所述要素组的每一个要素对,其中,任一所述要素对包括的两个地图要素的语义相同、间距小于或者等于设定值、且分别在所述第三地图要素数据和所述第二地图要素数据中。
详细地,该设定值可以按需设置,比如可以为0.5m。
请参考图3,图3示出了第i个窗口内的两簇地图要素数据在平移前的对齐情况。假设当前的要素组为交通标识要素组,据此进行平移后,图3中各个双箭头所指向的两个地图要素间的间距较平移前变小。
由于在平移后,图3中各个双箭头所指向的两个地图要素间的间距较小,且语义相同,故而两者可以被认为是相匹配的地图要素,即为一个要素对。如此,可以得到四个要素对。
详细地,可以根据获得的各个要素对的间距,来反映当前的对齐效果。通常情况下,对齐效果越好,各个要素对的间距越小,要素对的个数越多。如此,可以根据要素对的个数反映对齐效果。
步骤S2304,根据对应所述要素组的每一个要素对的间距,获得所述要素组的均方根,作为所述要素组的指标值。
该步骤中,根据各个要素对的间距,可以计算均方根(Root Mean Square),以作为当前平移所用要素组的均方值。通常情况下,各个要素对的间距越小,对齐效果越好,该均方根越小,即该均方根可以反映相应要素组所能带来的对齐效果。
由于当前所用要素组在平移后通常会重合,而可以作为一个要素对,故而计算均方根时可以剔除掉该要素对,仅根据其他要素对计算均方根,以保证计算得到的均方根可以准确反映对齐效果的优劣。
步骤S240,根据具有最优指标值的要素组,对所述两个地图要素数据进行对齐处理。
如上所述,上述均方根可以作为指标值,最优指标值的要素组可以为具有最小均方根的要素组。
在预期的地图对齐效果中,同一物体被不同车辆测量、建模并上报到云端服务器后,在云端服务器上通过算法确定它们属于同一物体。本实施例基于具有最优指标值的要素组进行地图对齐处理时,可使得对齐后的具有良好匹配关系的地图要素在现实中通常为同一物体。
本实施例中,可以根据具有最优指标值的要素组进行数据匹配,并建立误差函数,然后使用最小化误差的算法,减小同一物体的位置偏差,使得同一物体的不同测量数据在完成对齐后位置接近,从而完成地图对齐处理。
基于上述内容,在本公开一个实施例中,所述步骤S240,根据具有最优指标值的要素组,对所述两个地图要素数据进行对齐处理,可以包括步骤S2401~步骤S2403:
步骤S2401,根据获取的每一个要素组的均方根,确定具有最小均方根的要素组,作为所述第一道路骨架的目标要素组。
该步骤中,在根据每一个要素组进行两簇地图要素数据的对齐处理后,可以得到该要素组的均方根,进而可以根据均方根的大小,确定最小的均方根,相应的要素组为最优要素组,可以根据最优要素组进行地图对齐处理。
步骤S2402,根据对应所述第一道路骨架的目标要素组的每一个要素对,获得变换矩阵。
根据最优要素组对应的各个要素对,可以计算用于进行地图对齐处理的变化矩阵。可行的,可以使用LS3D算法计算这些点对关系的变换矩阵,该变换矩阵具体可以包括平移矩阵和旋转矩阵。
请参考图3,对每一个窗口内的两簇地图要素数据进行以上步骤S210~步骤S230,即可得到该窗口下的最优要素组,如此可以得到各个窗口下的最优要素组对应的各个要素对。
由于各个窗口单独处理,则如上所述,基于地图要素数据的特征,可能存在目标数据中的一个地图要素在不同窗口下所匹配的参考数据中的地图要素不一致的情况。
为了能够根据地图要素的一对一最优匹配关系进行地图对齐处理,优选地可以先根据各个窗口下的最优要素组对应的各个要素对,进行要素对的优化,以使优化后的要素对具有一对一最优匹配关系,再据此这些窗口对应的道路进行地图对齐处理,提高对齐效果。
基于此,在本公开一个实施例中,在所述步骤S2402,根据对应所述第一道路骨架的目标要素组的每一个要素对,获得变换矩阵之前,所述方法还可以包括:确定第二道路骨架的目标要素组,其中,所述第二道路骨架为与所述第一道路骨架部分重合的道路骨架。
如上所述,通过对各个窗口内的道路骨架分别进行处理,可以得到各个窗口下的最优要素组。
如图3所示,若图3所示道路可以分割得到五个窗口,则可以得到五个最优要素组。这五个窗口中的在道路上相邻的任意两个窗口部分重合。
详细地,若第一道路骨架为图3所示第i个窗口内的道路骨架,则第二道路骨架为图3所示第i+1个窗口内的道路骨架。
对应地,所述步骤S2402,根据对应所述第一道路骨架的目标要素组的每一个要素对,获得变换矩阵,可以包括:根据对应所述第一道路骨架的目标要素组的每一个要素对和对应所述第二道路骨架的目标要素组的每一个要素对,获得新的要素对,其中,所述新的要素对中没有重复的地图要素;根据所述新的要素对,获得变换矩阵。
在得到各个窗口下的最优要素组后,即可基于这些最优要素组对应的各个要素对,进行要素对的优化去重处理以优化数据匹配关系,从而保证优化后的要素对具有一对一最优匹配关系,不存在一个地图要素同时出现在两个要素对中的情况。
基于优化后的要素对可以获得变换矩阵,该变换矩阵作为地图对齐处理的变换初值,据此可以实现地图要素的准确对齐,且这一变换矩阵同时也是整个地图相关要素合并的重要依据。
可选地,可以使用匈牙利算法根据多对多的要素点对,计算最优一对一关联关系。
可见,本实施例针对地图要素数据的特征,可以实现基于分段后的道路沿道路方向渐进式的对齐,从而能够很好的克服局部地图要素数据缺失,以及局部形变和空间位置有一定偏差的问题,提高地图对齐效果。
本实施例基于地图要素数据及道路骨架数据的特征,基于分段后的道路沿道路方向渐进式的建立局部要素的点对关系,再由局部到整体求取最优的变换矩阵。这一实现方式能够解决地图要素数据在空间位置有一定偏差,以及局部数据缺失等原因所带来的地图对齐算法失效问题。本实施例建立的要素间的点对关系可作为后续系统中地图合并、更新的重要依据,达到了算法鲁棒性和运行效率均提升的效果。
步骤S2403,根据所述变换矩阵,对所述两个地图要素数据进行对齐处理。
在得到变换矩阵后,即可对道路进行地图对齐处理,从而实现对道路上各个窗口下两簇地图要素数据的对齐。
可见,本实施例提供了一种地图对齐处理方法,该方法获取对应第一道路骨架的两个地图要素数据;根据所述两个地图要素数据,获取每一个要素组,其中,任一所述要素组包括的两个地图要素的语义相同、且分别在所述两个地图要素数据中;确定每一个所述要素组的指标值,所述指标值用于指示根据所述要素组所得到的所述两个地图要素数据的对齐度;根据具有最优指标值的要素组,对所述两个地图要素数据进行对齐处理。可见,本实施例可以根据两簇地图要素数据中的地图要素对地图要素数据对齐效果的不同影响,来选取最优的对齐参数,以进行地图对齐。这一实现方式不仅可以应对两簇地图要素数据相似度低、局部要素缺失等情况,还不会陷入局部最优解,故而地图对齐效果更好。
本实施例提供的地图对齐处理方法作为有效解决不同批次地图要素数据粗对齐的鲁棒算法,可以运用在高精度地图生产过程中。通过本实施例可以建立起不同批次上报的地图要素数据中同一要素如路面指示箭头,交通标识牌,电线杆等的对应关系,同时为地图合并、更新系统后续精细对齐步骤提供稳定的变换初值。由于本实施例提供的地图对齐处理方法可以实现地图要素数据的良好粗对齐,从而可为后续进行的精细对齐提供支持,故而可以保证最终地图对齐效果。
<例子>
图4给出了根据一实施例的地图对齐处理方法的流程示意图。如图4所示,该实施例的方法可以包括以下步骤S301~步骤S313:
步骤S301,根据设定的窗口长度和步长,沿设定道路的延伸方向,对所述设定道路的道路骨架进行分割,得到一系列窗口,其中,所述窗口长度大于所述步长。
步骤S302,对于得到的每一个所述窗口,获取对应所述窗口内的道路骨架的两个地图要素数据。
步骤S303,根据所述两个地图要素数据中的稀疏的地图要素,获取每一个要素组,其中,任一所述要素组包括的两个地图要素的语义相同、且分别在所述两个地图要素数据中。
步骤S304,对于每一个所述要素组,确定所述要素组中各个地图要素的中心点数据,以得到两个中心点数据。
步骤S305,根据所述两个中心点数据,确定所述要素组的位置关系。
步骤S306,根据所述位置关系对第一地图要素数据进行处理,得到第三地图要素数据,其中,所述两个地图要素数据包括所述第一地图要素数据和第二地图要素数据。
步骤S307,获取对应所述要素组的每一个要素对,其中,任一所述要素对包括的两个地图要素的语义相同、间距小于或者等于设定值、且分别在所述第三地图要素数据和所述第二地图要素数据中。
步骤S308,根据对应所述要素组的每一个要素对的间距,获得所述要素组的均方根,所述均方根用于指示根据所述要素组所得到的所述两个地图要素数据的对齐度。
步骤S309,根据获取的每一个要素组的均方根,确定具有最小均方根的要素组,作为所述第一道路骨架的目标要素组。
步骤S310,确定第二道路骨架的目标要素组,其中,所述第二道路骨架为与所述第一道路骨架部分重合的道路骨架。
步骤S311,根据对应所述第一道路骨架的目标要素组的每一个要素对和对应所述第二道路骨架的目标要素组的每一个要素对,获得新的要素对,其中,所述新的要素对中没有重复的地图要素。
步骤S312,根据所述新的要素对,获得变换矩阵。
步骤S313,根据所述变换矩阵,对所述两个地图要素数据进行对齐处理。
本实施例可以根据两簇地图要素数据中的地图要素对地图要素数据对齐效果的不同影响,来选取最优的对齐参数,以进行地图对齐。这一实现方式不仅可以应对两簇地图要素数据相似度低、局部要素缺失等情况,还不会陷入局部最优解,故而地图对齐效果更好。
<设备实施例>
图5是根据一个实施例的地图对齐处理装置400的原理框图。如图5所示,该地图对齐处理装置400可以包括第一获取模块410、第二获取模块420、确定模块430和处理模块440。
该地图对齐处理装置400可以是图1所示的电子设备1000。
其中,所述第一获取模块410用于获取对应第一道路骨架的两个地图要素数据。所述第二获取模块420用于根据所述两个地图要素数据,获取每一个要素组,其中,任一所述要素组包括的两个地图要素的语义相同、且分别在所述两个地图要素数据中。所述确定模块430用于确定每一个所述要素组的指标值,所述指标值用于指示根据所述要素组所得到的所述两个地图要素数据的对齐度。所述处理模块440用于根据具有最优指标值的要素组,对所述两个地图要素数据进行对齐处理。
可见,本实施例可以根据两簇地图要素数据中的地图要素对地图要素数据对齐效果的不同影响,来选取最优的对齐参数,以进行地图对齐。这一实现方式不仅可以应对两簇地图要素数据相似度低、局部要素缺失等情况,还不会陷入局部最优解,故而地图对齐效果更好。
在本公开一个实施例中,所述第一获取模块410用于根据设定的窗口长度和步长,沿设定道路的延伸方向,对所述设定道路的道路骨架进行分割,得到一系列窗口,其中,所述窗口长度大于所述步长;对于得到的每一个所述窗口,以所述窗口内的道路骨架作为所述第一道路骨架,并执行所述获取对应第一道路骨架的两个地图要素数据的步骤。
在本公开一个实施例中,所述确定模块430用于对于每一个所述要素组,确定所述要素组的位置关系;根据所述位置关系对第一地图要素数据进行处理,得到第三地图要素数据,其中,所述两个地图要素数据包括所述第一地图要素数据和第二地图要素数据;获取对应所述要素组的每一个要素对,其中,任一所述要素对包括的两个地图要素的语义相同、间距小于或者等于设定值、且分别在所述第三地图要素数据和所述第二地图要素数据中;根据对应所述要素组的每一个要素对的间距,获得所述要素组的均方根,作为所述要素组的指标值。
在本公开一个实施例中,所述处理模块440用于根据获取的每一个要素组的均方根,确定具有最小均方根的要素组,作为所述第一道路骨架的目标要素组;根据对应所述第一道路骨架的目标要素组的每一个要素对,获得变换矩阵;根据所述变换矩阵,对所述两个地图要素数据进行对齐处理。
在本公开一个实施例中,该地图对齐处理装置400还包括:用于确定第二道路骨架的目标要素组的模块,其中,所述第二道路骨架为与所述第一道路骨架部分重合的道路骨架。所述处理模块440用于根据对应所述第一道路骨架的目标要素组的每一个要素对和对应所述第二道路骨架的目标要素组的每一个要素对,获得新的要素对,其中,所述新的要素对中没有重复的地图要素;根据所述新的要素对,获得变换矩阵。
在本公开一个实施例中,所述确定模块430用于所述确定所述要素组的位置关系,包括:确定所述要素组中各个地图要素的中心点数据,以得到两个中心点数据;根据所述两个中心点数据,确定所述要素组的位置关系。
在本公开一个实施例中,所述第二获取模块420用于确定所述两个地图要素数据中的稀疏的地图要素;根据所述两个地图要素数据中的稀疏的地图要素,获取每一个要素组。
图6是根据另一个实施例的地图对齐处理装置500的硬件结构示意图。
如图6所示,该地图对齐处理装置500包括处理器510和存储器520,该存储器520用于存储可执行的计算机程序,该处理器510用于根据该计算机程序的控制,执行如以上任意方法实施例的方法。
该地图对齐处理装置500可以是图1所示的电子设备1000。
以上地图对齐处理装置500的各模块可以由本实施例中的处理器510执行存储器520存储的计算机程序实现,也可以通过其他电路结构实现,在此不做限定。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (10)
1.一种地图对齐处理方法,其特征在于,包括:
获取对应第一道路骨架的两个地图要素数据;其中,所述两个地图要素数据包括第一地图要素数据和第二地图要素数据;
根据所述两个地图要素数据,获取每一个要素组,其中,任一所述要素组包括的两个地图要素的语义相同、且分别在所述两个地图要素数据中;
确定每一个所述要素组的指标值,所述指标值用于指示根据所述要素组所得到的所述两个地图要素数据的对齐度,所述要素组的指标值为所述要素组的均方根,所述要素组的均方根根据对应所述要素组中每一个要素对的间距得到,任一所述要素对包括的两个地图要素的语义相同、间距小于或者等于设定值、且分别在第三地图要素数据和所述第二地图要素数据中,所述第三地图要素数据为根据所述要素组的位置关系对所述第一地图要素数据处理得到;
根据具有最优指标值的要素组,对所述两个地图要素数据进行对齐处理;其中,所述具有最优指标值的要素组为所述第一道路骨架的目标要素组,所述目标要素组为获取的每一个要素组的均方根中具有最小均方根的要素组。
2.根据权利要求1所述的方法,其特征在于,在所述获取对应第一道路骨架的两个地图要素数据之前,所述方法还包括:
根据设定的窗口长度和步长,沿设定道路的延伸方向,对所述设定道路的道路骨架进行分割,得到一系列窗口,其中,所述窗口长度大于所述步长;
对于得到的每一个所述窗口,以所述窗口内的道路骨架作为所述第一道路骨架,并执行所述获取对应第一道路骨架的两个地图要素数据的步骤。
3.根据权利要求1所述的方法,其特征在于,所述确定每一个所述要素组的指标值,包括:
对于每一个所述要素组,确定所述要素组的位置关系;
根据所述位置关系对第一地图要素数据进行处理,得到第三地图要素数据;
获取对应所述要素组的每一个要素对;
根据对应所述要素组的每一个要素对的间距,获得所述要素组的均方根,作为所述要素组的指标值。
4.根据权利要求3所述的方法,其特征在于,所述根据具有最优指标值的要素组,对所述两个地图要素数据进行对齐处理,包括:
根据获取的每一个要素组的均方根,确定具有最小均方根的要素组,作为所述第一道路骨架的目标要素组;
根据对应所述第一道路骨架的目标要素组的每一个要素对,获得变换矩阵;
根据所述变换矩阵,对所述两个地图要素数据进行对齐处理。
5.根据权利要求4所述的方法,其特征在于,在所述根据对应所述第一道路骨架的目标要素组的每一个要素对,获得变换矩阵之前,所述方法还包括:
确定第二道路骨架的目标要素组,其中,所述第二道路骨架为与所述第一道路骨架部分重合的道路骨架;
所述根据对应所述第一道路骨架的目标要素组的每一个要素对,获得变换矩阵,包括:
根据对应所述第一道路骨架的目标要素组的每一个要素对和对应所述第二道路骨架的目标要素组的每一个要素对,获得新的要素对,其中,所述新的要素对中没有重复的地图要素;
根据所述新的要素对,获得变换矩阵。
6.根据权利要求3所述的方法,其特征在于,所述确定所述要素组的位置关系,包括:
确定所述要素组中各个地图要素的中心点数据,以得到两个中心点数据;
根据所述两个中心点数据,确定所述要素组的位置关系。
7.根据权利要求1所述的方法,其特征在于,所述根据所述两个地图要素数据,获取每一个要素组,包括:
确定所述两个地图要素数据中的稀疏的地图要素;
根据所述两个地图要素数据中的稀疏的地图要素,获取每一个要素组。
8.一种地图对齐处理装置,其特征在于,包括:
第一获取模块,用于获取对应第一道路骨架的两个地图要素数据;其中,所述两个地图要素数据包括第一地图要素数据和第二地图要素数据;
第二获取模块,用于根据所述两个地图要素数据,获取每一个要素组,其中,任一所述要素组包括的两个地图要素的语义相同、且分别在所述两个地图要素数据中;
确定模块,用于确定每一个所述要素组的指标值,所述指标值用于指示根据所述要素组所得到的所述两个地图要素数据的对齐度,所述要素组的指标值为所述要素组的均方根,所述要素组的均方根根据对应所述要素组中每一个要素对的间距得到,任一所述要素对包括的两个地图要素的语义相同、间距小于或者等于设定值、且分别在第三地图要素数据和所述第二地图要素数据中,所述第三地图要素数据为根据所述要素组的位置关系对所述第一地图要素数据处理得到;以及,
处理模块,用于根据具有最优指标值的要素组,对所述两个地图要素数据进行对齐处理;其中,所述具有最优指标值的要素组为所述第一道路骨架的目标要素组,所述目标要素组为获取的每一个要素组的均方根中具有最小均方根的要素组。
9.一种地图对齐处理装置,包括存储器和处理器,所述存储器用于存储计算机程序;所述处理器用于执行所述计算机程序,以实现根据权利要求1-7中任意一项所述的方法。
10.一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,所述计算机程序在被处理器执行时实现根据权利要求1-7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111678059.2A CN114526722B (zh) | 2021-12-31 | 2021-12-31 | 地图对齐处理方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111678059.2A CN114526722B (zh) | 2021-12-31 | 2021-12-31 | 地图对齐处理方法、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114526722A CN114526722A (zh) | 2022-05-24 |
CN114526722B true CN114526722B (zh) | 2024-05-24 |
Family
ID=81621402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111678059.2A Active CN114526722B (zh) | 2021-12-31 | 2021-12-31 | 地图对齐处理方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114526722B (zh) |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11213141A (ja) * | 1997-11-18 | 1999-08-06 | Ricoh Co Ltd | 画像合成方法及び装置並びに情報記録媒体 |
JP2002032773A (ja) * | 2000-07-18 | 2002-01-31 | Zenrin Co Ltd | 地図データの処理装置及び方法 |
AU2009211435A1 (en) * | 2008-02-04 | 2009-08-13 | Tele Atlas B.V. | Method for map matching with sensor detected objects |
CN105550199A (zh) * | 2015-11-28 | 2016-05-04 | 浙江宇视科技有限公司 | 一种基于多源地图的点位聚合方法及装置 |
CN107154070A (zh) * | 2016-03-04 | 2017-09-12 | 高德软件有限公司 | 矢量要素与数字地面模型叠加方法及装置 |
CN107644533A (zh) * | 2017-10-27 | 2018-01-30 | 上海云砥信息科技有限公司 | 基于移动网络数据的高速公路虚拟断面车流量监测方法 |
CN108509967A (zh) * | 2017-02-28 | 2018-09-07 | 华为技术有限公司 | 一种聚类分析方法及装置、服务器 |
CN109643367A (zh) * | 2016-07-21 | 2019-04-16 | 御眼视觉技术有限公司 | 用于自主车辆导航的众包和分发稀疏地图以及车道测量 |
CN109685767A (zh) * | 2018-11-26 | 2019-04-26 | 西北工业大学 | 一种基于聚类融合算法的双模态脑肿瘤mri分割方法 |
CN110069593A (zh) * | 2019-04-24 | 2019-07-30 | 百度在线网络技术(北京)有限公司 | 图像处理方法及系统、服务器、计算机可读介质 |
CN110334736A (zh) * | 2019-06-03 | 2019-10-15 | 北京大米科技有限公司 | 图像识别方法、装置、电子设备及介质 |
CN110763242A (zh) * | 2018-07-25 | 2020-02-07 | 易图通科技(北京)有限公司 | 一种高精度地图与二维地图的匹配方法、装置及电子设备 |
WO2020069126A1 (en) * | 2018-09-28 | 2020-04-02 | Zoox, Inc. | Modifying map elements associated with map data |
CN111256711A (zh) * | 2020-02-18 | 2020-06-09 | 北京百度网讯科技有限公司 | 车辆位姿矫正方法、装置、设备及存储介质 |
CN111858785A (zh) * | 2019-04-29 | 2020-10-30 | 武汉四维图新科技有限公司 | 地图离散型要素的匹配方法、装置、系统及存储介质 |
CN112380317A (zh) * | 2021-01-18 | 2021-02-19 | 腾讯科技(深圳)有限公司 | 高精地图更新方法、装置、电子设备和存储介质 |
CN112766385A (zh) * | 2021-01-22 | 2021-05-07 | 武汉大学 | 一种众源矢量线数据几何匹配与属性融合方法 |
CN112880693A (zh) * | 2019-11-29 | 2021-06-01 | 北京市商汤科技开发有限公司 | 地图生成方法、定位方法、装置、设备及存储介质 |
EP3851802A1 (en) * | 2020-01-20 | 2021-07-21 | Beijing Baidu Netcom Science And Technology Co. Ltd. | Method and apparatus for positioning vehicle, electronic device and storage medium |
CN113239138A (zh) * | 2021-07-09 | 2021-08-10 | 腾讯科技(深圳)有限公司 | 地图匹配方法、装置、计算机设备和存储介质 |
CN113392169A (zh) * | 2020-03-13 | 2021-09-14 | 阿里巴巴集团控股有限公司 | 一种高精度地图更新的方法、装置及服务器 |
GB202112542D0 (en) * | 2021-09-02 | 2021-10-20 | Slamcore Ltd | Incremental dense 3-d mapping with semantics |
CN113673603A (zh) * | 2021-08-23 | 2021-11-19 | 北京搜狗科技发展有限公司 | 一种要素点匹配的方法及相关装置 |
CN113822128A (zh) * | 2021-06-28 | 2021-12-21 | 腾讯科技(深圳)有限公司 | 交通要素识别方法、装置、设备及计算机可读存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2972094A4 (en) * | 2013-03-15 | 2017-03-08 | Hewlett-Packard Enterprise Development LP | Map matching |
CN111108342B (zh) * | 2016-12-30 | 2023-08-15 | 辉达公司 | 用于高清地图创建的视觉测程法和成对对准 |
US20200217667A1 (en) * | 2019-01-08 | 2020-07-09 | Qualcomm Incorporated | Robust association of traffic signs with a map |
-
2021
- 2021-12-31 CN CN202111678059.2A patent/CN114526722B/zh active Active
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11213141A (ja) * | 1997-11-18 | 1999-08-06 | Ricoh Co Ltd | 画像合成方法及び装置並びに情報記録媒体 |
JP2002032773A (ja) * | 2000-07-18 | 2002-01-31 | Zenrin Co Ltd | 地図データの処理装置及び方法 |
AU2009211435A1 (en) * | 2008-02-04 | 2009-08-13 | Tele Atlas B.V. | Method for map matching with sensor detected objects |
CN105550199A (zh) * | 2015-11-28 | 2016-05-04 | 浙江宇视科技有限公司 | 一种基于多源地图的点位聚合方法及装置 |
CN107154070A (zh) * | 2016-03-04 | 2017-09-12 | 高德软件有限公司 | 矢量要素与数字地面模型叠加方法及装置 |
CN109643367A (zh) * | 2016-07-21 | 2019-04-16 | 御眼视觉技术有限公司 | 用于自主车辆导航的众包和分发稀疏地图以及车道测量 |
CN108509967A (zh) * | 2017-02-28 | 2018-09-07 | 华为技术有限公司 | 一种聚类分析方法及装置、服务器 |
CN107644533A (zh) * | 2017-10-27 | 2018-01-30 | 上海云砥信息科技有限公司 | 基于移动网络数据的高速公路虚拟断面车流量监测方法 |
CN110763242A (zh) * | 2018-07-25 | 2020-02-07 | 易图通科技(北京)有限公司 | 一种高精度地图与二维地图的匹配方法、装置及电子设备 |
WO2020069126A1 (en) * | 2018-09-28 | 2020-04-02 | Zoox, Inc. | Modifying map elements associated with map data |
CN109685767A (zh) * | 2018-11-26 | 2019-04-26 | 西北工业大学 | 一种基于聚类融合算法的双模态脑肿瘤mri分割方法 |
CN110069593A (zh) * | 2019-04-24 | 2019-07-30 | 百度在线网络技术(北京)有限公司 | 图像处理方法及系统、服务器、计算机可读介质 |
CN111858785A (zh) * | 2019-04-29 | 2020-10-30 | 武汉四维图新科技有限公司 | 地图离散型要素的匹配方法、装置、系统及存储介质 |
CN110334736A (zh) * | 2019-06-03 | 2019-10-15 | 北京大米科技有限公司 | 图像识别方法、装置、电子设备及介质 |
CN112880693A (zh) * | 2019-11-29 | 2021-06-01 | 北京市商汤科技开发有限公司 | 地图生成方法、定位方法、装置、设备及存储介质 |
WO2021104180A1 (zh) * | 2019-11-29 | 2021-06-03 | 上海商汤临港智能科技有限公司 | 地图生成方法、定位方法、装置、设备、存储介质及计算机程序 |
EP3851802A1 (en) * | 2020-01-20 | 2021-07-21 | Beijing Baidu Netcom Science And Technology Co. Ltd. | Method and apparatus for positioning vehicle, electronic device and storage medium |
CN111256711A (zh) * | 2020-02-18 | 2020-06-09 | 北京百度网讯科技有限公司 | 车辆位姿矫正方法、装置、设备及存储介质 |
CN113392169A (zh) * | 2020-03-13 | 2021-09-14 | 阿里巴巴集团控股有限公司 | 一种高精度地图更新的方法、装置及服务器 |
CN112380317A (zh) * | 2021-01-18 | 2021-02-19 | 腾讯科技(深圳)有限公司 | 高精地图更新方法、装置、电子设备和存储介质 |
CN112766385A (zh) * | 2021-01-22 | 2021-05-07 | 武汉大学 | 一种众源矢量线数据几何匹配与属性融合方法 |
CN113822128A (zh) * | 2021-06-28 | 2021-12-21 | 腾讯科技(深圳)有限公司 | 交通要素识别方法、装置、设备及计算机可读存储介质 |
CN113239138A (zh) * | 2021-07-09 | 2021-08-10 | 腾讯科技(深圳)有限公司 | 地图匹配方法、装置、计算机设备和存储介质 |
CN113673603A (zh) * | 2021-08-23 | 2021-11-19 | 北京搜狗科技发展有限公司 | 一种要素点匹配的方法及相关装置 |
GB202112542D0 (en) * | 2021-09-02 | 2021-10-20 | Slamcore Ltd | Incremental dense 3-d mapping with semantics |
Non-Patent Citations (6)
Title |
---|
GIS数据库模式匹配技术研究;吕娜;;甘肃科技(第10期);36-38 * |
Improving NetFeatureMap-based Representation through Frequent Pattern Mining in a Specialized Database;Duarte, VAR等;2016 IEEE 28TH INTERNATIONAL CONFERENCE ON TOOLS WITH ARTIFICIAL INTELLIGENCE (ICTAI 2016);954-961 * |
同名矢量地图要素形状配准的算法与应用;赵东保;盛业华;魏永强;;地球信息科学学报(第01期);60-65 * |
线状地理要素空间距离计算与算法优化;邓振民;田方方;杨翠媛;;城市勘测(第06期);70-73+77 * |
视频图像区域形状特征点对齐度优化方法仿真;吴发辉, 张玲, 余文森;计算机仿真;第36卷(第4期);168-171 * |
语义支持的地理要素属性相似性计算模型;谭永滨;唐瑶;李小龙;刘波;危小建;;遥感信息(第01期);129-136 * |
Also Published As
Publication number | Publication date |
---|---|
CN114526722A (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102273559B1 (ko) | 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체 | |
EP3109842B1 (en) | Map-centric map matching method and apparatus | |
WO2021073656A1 (zh) | 图像数据自动标注方法及装置 | |
CN110146910B (zh) | 一种基于gps与激光雷达数据融合的定位方法及装置 | |
EP2427726B1 (en) | Methods and systems for creating digital transportation networks | |
US11226630B2 (en) | Method and apparatus for estimating a localized position on a map | |
CN111386559A (zh) | 一种路口是否存在目标道路设施的判断方法及系统 | |
CN108204819B (zh) | 一种地图数据自动检测方法和装置、及混合导航系统 | |
US11353328B2 (en) | Navigation system, apparatus and method for associating a probe point with a road segment | |
CN111465936B (zh) | 确定地图上新道路的系统和方法 | |
CN104281746A (zh) | 一种基于点云的交通安全道路特征图成图方法 | |
CN104463826A (zh) | 一种新的点云并行Softassign配准算法 | |
US20230196759A1 (en) | Method, apparatus, and computer program product for identifying and correcting lane geometry in map data | |
Lu et al. | A lightweight real-time 3D LiDAR SLAM for autonomous vehicles in large-scale urban environment | |
CN114187357A (zh) | 一种高精地图的生产方法、装置、电子设备及存储介质 | |
CN114526722B (zh) | 地图对齐处理方法、装置及可读存储介质 | |
CN114526721B (zh) | 地图对齐处理方法、装置及可读存储介质 | |
CN115171094A (zh) | 一种道路要素确定方法、装置、设备以及存储介质 | |
CN110647605B (zh) | 一种基于轨迹数据挖掘红绿灯数据的方法及装置 | |
CN116465394B (zh) | 基于车辆轨迹数据的路网结构生成方法及装置 | |
CN117928575B (zh) | 车道信息提取方法、系统、电子设备以及存储介质 | |
CN117739950B (zh) | 一种地图的生成方法、装置及设备 | |
US20230358563A1 (en) | Method, apparatus, and computer program product for map geometry generation based on data aggregation and conflation | |
CN117109599B (zh) | 基于路侧二维码的车辆辅助定位方法、设备和介质 | |
US12013255B2 (en) | Method, apparatus, and computer program product for correcting lane geometry in map data |
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 |