CN114689036A - 地图更新方法、自动驾驶方法、电子设备及存储介质 - Google Patents

Abstract

本发明揭示了一种地图更新方法、自动驾驶方法、电子设备及存储介质，涉及自动驾驶领域，包括：获取目标区域的当前场景图像以及目标地图中目标区域的历史场景图像；计算当前场景图像与历史场景图像之间的相似度；当相似度小于预设相似度阈值时，根据当前场景图像，对目标地图中的历史场景图像进行更新。该方法不需要对目标地图中的全部区域的场景图像进行更新，从而提高了对目标区域的场景图像进行更新的速度。进而使得在自动驾驶车辆根据云端地图进行驾驶时，自动驾驶车辆接收到的云端地图与实际场景相符的情况发生，从而保证了自动驾驶车辆的安全性。

Description

地图更新方法、自动驾驶方法、电子设备及存储介质

技术领域

本发明涉及自动驾驶领域，具体涉及一种地图更新方法、自动驾驶方法、电子设备及存储介质。

背景技术

对于一套功能完整的工程车辆无人驾驶系统而言，高精度、低精度地图，和展示用2D/3D地图是不可或缺的。无人驾驶所面对的场景可被分为封闭场景和开放道路场景，对于封闭场景，车辆场景相对固定，云控平台对高精度地图需求没有如开放场景般急切，但仍需要一份包含合适信息的高精度地图。

但是现有技术中，高精度地图是经过数据采集、数据处理、元素识别、人工验证等一系列操作之后才产生的。因此，高精度地图的更新也需要一个复杂而漫长的过程。

在自动驾驶车辆根据云端地图进行驾驶时，会出现云端地图与实际场景不符的情况发生，因此可能会影响无人驾驶车辆的安全性。

发明内容

有鉴于此，本发明实施例提供了一种地图更新方法、自动驾驶方法、电子设备及存储介质，旨在解决在自动驾驶车辆根据云端地图进行驾驶时，会出现云端地图与实际场景不符的情况发生，因此可能会影响无人驾驶车辆的安全性的问题。

根据第一方面，本发明实施例提供了一种地图更新方法，包括：

获取目标区域的当前场景图像以及目标地图中目标区域的历史场景图像；

计算当前场景图像与历史场景图像之间的相似度；

当相似度小于预设相似度阈值时，根据当前场景图像，对目标地图中的历史场景图像进行更新。

本发明实施例提供的地图更新方法，获取目标区域的当前场景图像，保证了获取到的当前场景图像的准确性，并获取目标地图中目标区域的历史场景图像，从而可以将目标区域的当前场景图像与历史场景图像进行对比，计算当前场景图像与历史场景图像之间的相似度，保证了计算得到的当前场景图像与历史场景图像之间的相似度的准确性。当相似度小于预设相似度阈值时，根据当前场景图像，对目标地图中的历史场景图像进行更新，从而完成对目标地图中目标区域的场景图像的更新。不需要对目标地图中的全部区域的场景图像进行更新，从而提高了对目标区域的场景图像进行更新的速度。进而使得在自动驾驶车辆根据云端地图进行驾驶时，自动驾驶车辆接收到的云端地图与实际场景相符的情况发生，从而保证了自动驾驶车辆的安全性。

结合第一方面，在第一方面第一实施方式中，获取目标区域的当前场景图像，包括：

接收至少一个区域对应的场景数据，场景数据中包括场景图像；

将各场景数据存储至消息队列；

根据各个区域对应的地图更新热度，从消息队列中筛选目标区域，并获取目标区域的当前场景图像。

本发明实施例提供的地图更新方法，接收至少一个区域对应的场景数据，场景数据中包括场景图像。将各场景数据存储至消息队列，从而可以避免接收到的场景数据数据量较大，影响电子设备的正常运行。然后，根据各个区域对应的地图更新热度，从消息队列中筛选目标区域，并获取目标区域的当前场景图像。保证了从消息队列中筛选目标区域更加准确，从而保证了获取的目标区域的当前场景图像的准确性。

结合第一方面第一实施方式，在第一方面第二实施方式中，方法还包括：

当目标地图中的历史场景图像进行更新后，更新目标区域的地图更新热度。

本发明实施例提供的地图更新方法，当目标地图中的历史场景图像进行更新后，更新目标区域的地图更新热度，保证了目标区域的地图更新热度的准确性，进而使得电子设备在根据各个区域对应的地图更新热度，从消息队列中筛选目标区域时，能够准确获取到目标区域。

结合第一方面第二实施方式，在第一方面第三实施方式中，更新目标区域的地图更新热度之后，方法还包括：

根据更新后的目标区域的地图更新热度，确定各个区域对应的地图更新热度；

基于各个区域对应的地图更新热度的大小确定各个区域的优先级。

本发明实施例提供的地图更新方法，根据更新后的目标区域的地图更新热度，确定各个区域对应的地图更新热度，保证了各个区域对应的地图更新热度的准确性。然后，基于各个区域对应的地图更新热度的大小确定各个区域的优先级。从而保证了确定的各个区域的优先级的准确性。

结合第一方面，在第一方面第四实施方式中，计算当前场景图像与历史场景图像之间的相似度，包括：

对当前场景图像进行特征提取，生成目标特征向量；

对历史场景图像进行特征提取，生成历史特征向量；

基于目标特征向量以及历史特征向量，计算当前场景图像与历史场景图像之间的相似度。

本发明实施例提供的地图更新方法，对当前场景图像进行特征提取，生成目标特征向量，保证了生成的目标特征向量的准确性。对历史场景图像进行特征提取，生成历史特征向量，保证了生成的历史特征向量的准确性。基于目标特征向量以及历史特征向量，计算当前场景图像与历史场景图像之间的相似度，保证了计算得到的当前场景图像与历史场景图像之间的相似度的准确性。

结合第一方面第四实施方式中，在第一方面第五实施方式中，对当前场景图像进行特征提取，生成目标特征向量，包括：

对当前场景图像进行特征提取，生成预设大小的目标灰度图像；

根据目标灰度图像中各个像素的像素值，计算各个像素的像素均值；

根据目标灰度图像中各个像素的像素值与像素均值的关系，生成目标特征向量。

本发明实施例提供的地图更新方法，对当前场景图像进行特征提取，生成预设大小的目标灰度图像，保证了生成的目标灰度图像的准确性。根据目标灰度图像中各个像素的像素值，计算各个像素的像素均值，保证了计算得到的各个像素的像素均值的准确性。然后，根据目标灰度图像中各个像素的像素值与像素均值的关系，生成目标特征向量，保证了生成的目标特征向量的准确性。

结合第一方面第五实施方式中，在第一方面第六实施方式中，根据目标灰度图像中各个像素的像素值与像素均值的关系，生成目标特征向量，包括：

当像素的像素值大于像素均值时，确定像素对应的特征值为第一数值；

当像素的像素值不大于像素均值时，确定像素对应的特征值为第二数值；

将目标灰度图像中各个像素的特征值按照预设顺序展开，生成目标特征向量。

本发明实施例提供的地图更新方法，当像素的像素值大于像素均值时，确定像素对应的特征值为第一数值，当像素的像素值不大于像素均值时，确定像素对应的特征值为第二数值，将目标灰度图像中各个像素的特征值按照预设顺序展开，生成目标特征向量，保证了生成的目标特征向量的准确性。

根据第二方面，本发明实施例提供了一种自动驾驶方法，包括：

获取目标区域的场景图像，场景图像根据第一方面或者第一方面的任意一种实施方式中的地图更新方法更新；

根据目标区域的场景图像，进行自动驾驶。

本发明实施例提供的自动驾驶方法，获取目标区域的场景图像，根据根据目标区域的场景图像，进行自动驾驶，从而保证了自动驾驶车辆获取到的目标区域的场景图像与真实场景相符，进而保证了自动驾驶的安全性。

根据第三方面，本发明实施例还提供了一种地图更新装置，包括：

获取模块，用于获取目标区域的当前场景图像以及目标地图中目标区域的历史场景图像。

计算模块，用于计算当前场景图像与历史场景图像之间的相似度。

第一更新模块，用于当相似度小于预设相似度阈值时，根据当前场景图像，对目标地图中的历史场景图像进行更新。

本发明实施例提供的地图更新装置，获取目标区域的当前场景图像，保证了获取到的当前场景图像的准确性，并获取目标地图中目标区域的历史场景图像，从而可以将目标区域的当前场景图像与历史场景图像进行对比，计算当前场景图像与历史场景图像之间的相似度，保证了计算得到的当前场景图像与历史场景图像之间的相似度的准确性。当相似度小于预设相似度阈值时，根据当前场景图像，对目标地图中的历史场景图像进行更新，从而完成对目标地图中目标区域的场景图像的更新。不需要对目标地图中的全部区域的场景图像进行更新，从而提高了对目标区域的场景图像进行更新的速度。进而使得在自动驾驶车辆根据云端地图进行驾驶时，自动驾驶车辆接收到的云端地图与实际场景相符的情况发生，从而保证了自动驾驶车辆的安全性。

根据第四方面，本发明实施例还提供了一种自动驾驶方法，包括：

获取模块，用于获取目标区域的场景图像，场景图像根据第一方面或者第一方面的任意一种实施方式中的地图更新方法更新；

驾驶模块，用于根据目标区域的场景图像，进行自动驾驶。

本发明实施例提供的自动驾驶装置，获取目标区域的场景图像，根据根据目标区域的场景图像，进行自动驾驶，从而保证了自动驾驶车辆获取到的目标区域的场景图像与真实场景相符，进而保证了自动驾驶的安全性。

根据第五方面，本发明实施例提供了一种电子设备，包括存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中的地图更新方法以及第二方面实施方式中的自动驾驶方法。

根据第六方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储计算机指令，计算机指令用于使计算机执行第一方面或者第一方面的任意一种实施方式中的地图更新方法以及第二方面实施方式中的自动驾驶方法。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是应用本发明实施例提供的自动驾驶高精度地图生成的框架图；

图2是应用本发明实施例提供的基于高精度地图的自动驾驶过程的流程图；

图3是应用本发明实施例提供的二维栅格地图数据与实际地理位置进行地理配准的示意图；

图4是应用本发明实施例提供的地图更新方法的流程图；

图5是应用本发明另一实施例提供的地图更新方法的流程图；

图6是应用本发明另一实施例提供的热度区域排行榜的示意图；

图7是应用本发明另一实施例提供的地图更新方法的流程示意图；

图8是应用本发明另一实施例提供的地图更新方法的流程图；

图9是应用本发明另一实施例提供的地图更新方法中生成目标特征向量的示意图；

图10是应用本发明另一实施例提供的地图更新方法的流程图；

图11是应用本发明实施例提供的地更新图装置的功能模块图；

图12是应用本发明实施例提供的地更新图装置的功能模块图；

图13是应用本发明实施例提供的地更新图装置的功能模块图；

图14是应用本发明实施例提供的自动驾驶装置的功能模块图；

图15是应用本发明实施例提供的电子设备的硬件结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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，都属于本发明保护的范围。

对于一套功能完整的工程车辆无人驾驶系统而言，高精度、低精度地图，和展示用2D/3D地图是不可或缺的。无人驾驶所面对的场景可被分为封闭场景和开放道路场景,对于封闭场景，车辆场景相对固定，云控平台对高精度地图需求没有如开放场景般急切，但仍需要一份包含合适信息的高精度地图。但是，现有的第三方地图精度无法满足基于车道级的工程车辆调度规划，且通过激光雷达等高精度传感器测绘而得地图包含大量冗余信息，对于云端车辆调度而言，一种可仅包含路径点坐标及其相互关系的地图显然非常重要。

因此，如图1所示的自动驾驶高精度地图生成的框架图以及图2所示的基于高精度地图的自动驾驶过程的流程图，可知，当前电子设备可以获取道路场景的激光点云数据，并将激光点云数据转换为二维栅格地图数据，将二维栅格地图数据与实际地理位置进行地理配准，生成配准后的地图数据。然后，电子设备利用acrMap对配准后的地图数据矢量化，提取地图数据中的拓扑点、车道线、车道面等信息，示例性的，如图3所示。然后，通过地图微服务将地图持久化到空间数据库，提供空间查询。前端通过轻量化geojson格式与地图微服务交互，用openlayers进行前端基于图层的展示。车辆调度服务通过九交模型查询mysql空间数据库判断空间关系，下发调度任务，从而解决现有第三方地图精度无法满足基于车道级的工程车辆调度规划，且通过激光雷达等高精度传感器测绘而得地图包含大量冗余信息的问题。

但是解决上述问题获取到适合自动驾驶的云端地图之后，由于云端地图不能根据实际场景变化而快速变化地图信息，因此，在自动驾驶车辆根据云端地图进行驾驶时，会出现云端地图与实际场景不符的情况发生，因此可能会影响无人驾驶车辆的安全性。

基于此本申请实施例提供了一种地图更新方法、自动驾驶方法、电子设备及存储介质，旨在解决在自动驾驶车辆根据云端地图进行驾驶时，会出现云端地图与实际场景不符的情况发生，因此可能会影响无人驾驶车辆的安全性的问题。

需要说明的是，本申请实施例提供的地图更新的方法，其执行主体可以是地图更新的装置，该地图更新的装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部，其中，该计算机设备可以是服务器或者终端，还可以是工程车辆的控制组件，其中，本申请实施例中的服务器可以为一台服务器，也可以为由多台服务器组成的服务器集群，本申请实施例中的终端可以是智能手机、个人电脑、平板电脑、可穿戴设备以及智能机器人等其他智能硬件设备。下述方法实施例中，均以执行主体是电子设备为例来进行说明。

在本申请一个实施例中，如图4所示，提供了一种地图更新方法，以该方法应用于电子设备为例进行说明，包括以下步骤：

S11、获取目标区域的当前场景图像以及目标地图中目标区域的历史场景图像。

在本申请一个可选的实施方式中，电子设备可以通过自身的采集设备获取目标区域的当前场景图像，然后在数据库中查询目标地图中目标区域的历史场景图像。

在本申请另一个可选的实施方式中，电子设备可以接收其他设备发送的目标区域的当前场景图像以及目标地图中目标区域的历史场景图像。其中，其他设备可以数据采集车辆，也可以是无人机等。

S12、计算当前场景图像与历史场景图像之间的相似度。

在本申请一种可选的实施方式中，电子设备可以分别计算当前场景图像与历史场景图像的直方图，然后计算两个直方图的直方图相交距离，从而根据直方图相交距离计算当前场景图像与历史场景图像之间的相似度。

S13、当相似度小于预设相似度阈值时，根据当前场景图像，对目标地图中的历史场景图像进行更新。

具体地，当相似度小于预设相似度阈值时，确定当前场景图像相比于历史场景图像发生了变化，那么电子设备根据当前场景图像，对目标地图中的历史场景图像进行更新，从而实现对目标地图的更新。

本发明实施例提供的地图更新方法，获取目标区域的当前场景图像，保证了获取到的当前场景图像的准确性，并获取目标地图中目标区域的历史场景图像，从而可以将目标区域的当前场景图像与历史场景图像进行对比，计算当前场景图像与历史场景图像之间的相似度，保证了计算得到的当前场景图像与历史场景图像之间的相似度的准确性。当相似度小于预设相似度阈值时，根据当前场景图像，对目标地图中的历史场景图像进行更新，从而完成对目标地图中目标区域的场景图像的更新。不需要对目标地图中的全部区域的场景图像进行更新，从而提高了对目标区域的场景图像进行更新的速度。进而使得在自动驾驶车辆根据云端地图进行驾驶时，自动驾驶车辆接收到的云端地图与实际场景相符的情况发生，从而保证了自动驾驶车辆的安全性。

在本申请一个实施例中，如图5所示，提供了一种地图更新方法，以该方法应用于电子设备为例进行说明，包括以下步骤：

S21、获取目标区域的当前场景图像以及目标地图中目标区域的历史场景图像。

在本申请一个可选的实施方式中，上述S21中的“获取目标区域的当前场景图像”，可以包括如下步骤：

S211、接收至少一个区域对应的场景数据。

其中，场景数据中包括场景图像。

具体地，数据采集车辆或者无人机等终端设备通过mapper转换成mqtt协议，将实时采集的至少一个区域对应的场景数据上报至电子设备，从而使得电子设备接收至少一个区域对应的场景数据。

可选的，场景数据中可以包括场景图像以及场景数据对应的区域位置，场景图像中可以包括场景数据中检测到的目标物，例如车辆、建筑、人、动物等，场景数据中还可以包括目标的几何位置、属性等信息，以及采集场景数据的设备ID等。

S212、将各场景数据存储至消息队列。

具体地，为了避免接收到的场景数据数据量较大，影响电子设备的正常运行，电子设备可以将接收到的场景数据根据时间先后存储至消息队列。

S213、根据各个区域对应的地图更新热度，从消息队列中筛选目标区域，并获取目标区域的当前场景图像。

具体地，电子设备可以根据消息队列中存储的各个场景数据对应的区域，确定各个区域对应的地图更新热度。然后，根据各个区域对应的地图更新热度，从消息队列中筛选地图更新热度较大的目标区域，并获取目标区域的当前场景图像。

在本申请另一种可选的实施方式中，电子设备还可以将地图更新热度较小的区域对应的场景数据进行封存处理，从而减少了电子设备的工作量，使得电子设备更加关注地图更新热度较大的区域对应的场景数据。

S22、计算当前场景图像与历史场景图像之间的相似度。

关于该步骤请参见图4对S12的介绍，在此不再进行赘述。

S23、当相似度小于预设相似度阈值时，根据当前场景图像，对目标地图中的历史场景图像进行更新。

关于该步骤请参见图4对S13的介绍，在此不再进行赘述。

S24、当目标地图中的历史场景图像进行更新后，更新目标区域的地图更新热度。

具体地，当目标地图中的历史场景图像进行更新后，电子设备可以更新目标区域的地图更新热度。

示例性的，假设对目标地图中的历史场景图像进行更新之前，目标区域的地图更新热度为50，经过本次对目标地图中的历史场景图像进行更新后，目标区域的地图更新热度+1，即目标区域的当前地图更新热度为51。

S25、根据更新后的目标区域的地图更新热度，确定各个区域对应的地图更新热度。

具体地，在更新目标区域的地图更新热度之后，电子设备根据更新后的目标区域的地图更新热度，确定各个区域对应的地图更新热度。

在一种可选的实施方式中，电子设备可以根据更新后的目标区域的地图更新热度，通过redis zset数据结构对各个区域的地图更新热度进行排序，并生成各个区域的地图更新热度对应的热度区域排行榜，从而确定各个区域对应的地图更新热度。

S26、基于各个区域对应的地图更新热度的大小确定各个区域的优先级。

具体地，在各个区域对应的地图更新热度之后，电子设备可以基于各个区域对应的地图更新热度的大小确定各个区域的优先级。其中，地图更新热度较大的区域的优先级较高，地图更新热度较小的区域的优先级较低，也就是说电子设备会优先选择地图更新热度较大的区域进行该区域对应的地图的更新。

在本申请一种可选的实施方式中，电子设备在生成各个区域的地图更新热度对应的热度区域排行榜之后，可以将排行榜上靠前的预设数据量N的区域确定为热度区域，并生成热度区域列表。从而使得电子设备在根据各个区域对应的地图更新热度，从消息队列中筛选目标区域时，可以直接根据热度区域列表中包括的各个区域，从消息队列中筛选目标区域。从而可以实现电子设设备中实际业务80％的时间经常处理20％的区域，也就是说，可以实现电子设备花更少的业务处理时间处理排行榜上靠前的预设数据量中经常变化的热度区域。因此，目标地图更新根据业务需求，不需要更新全部区域，但需要动态关注最近最频繁更新区域，实现区域topN的数据结构可以用java treemap等方法，当在云原生环境中，由于扩容后的服务不一定在同一台物理机，会发生数据一致性问题，所以采用redis，redis是内存数据库，能实现分布式锁，解决数据一致性问题。如图6所示，通过redis zset数据结构实现热度区域排行榜，根据各个区域的地图更新热度更改预设数量N，缩短websocket推送时间，实现快速更新地图。

本发明实施例提供的地图更新方法，接收至少一个区域对应的场景数据，场景数据中包括场景图像。将各场景数据存储至消息队列，从而可以避免接收到的场景数据数据量较大，影响电子设备的正常运行。然后，根据各个区域对应的地图更新热度，从消息队列中筛选目标区域，并获取目标区域的当前场景图像。保证了从消息队列中筛选目标区域更加准确，从而保证了获取的目标区域的当前场景图像的准确性。

此外，当目标地图中的历史场景图像进行更新后，更新目标区域的地图更新热度，保证了目标区域的地图更新热度的准确性，进而使得电子设备在根据各个区域对应的地图更新热度，从消息队列中筛选目标区域时，能够准确获取到目标区域。根据更新后的目标区域的地图更新热度，确定各个区域对应的地图更新热度，保证了各个区域对应的地图更新热度的准确性。然后，基于各个区域对应的地图更新热度的大小确定各个区域的优先级。从而保证了确定的各个区域的优先级的准确性。

为了更加清楚地说明本申请实施例中的地图更新方法，如图7所示为本申请实施例提供的地图更新方法中的一种流程示意图。如图7所示，手持终端、无人机、车辆等各种终端设备通过mapper转换成mqtt协议，向电子设备上报实时检测到的场景数据。电子设备将接收到的场景数据根据时间先后存储于消息队列。电子设备从消息队列拉取消息，经过INPUT和OUTPUT规则链，筛选目标区域，并获取目标区域对应的当前场景图像。然后，电子设备通过均值哈希算法，快速比较当前场景图像与历史场景图像的汉明距离，当距离高于某个阈值，确定当前场景图像与历史场景图像相似度较低，电子设备调用微服务接口更新目标区域对应的地图特征。

需要说明的是，当电子设备调用微服务接口更新目标区域对应的地图特征时，电子设备也需要更新目标区域对应的地图更新热度。然后，根据地图更新热度，更新各个区域对应的热点区域排行榜。然后，根据热点区域排行榜更新INPUT规则链。从而实现可支持动态的在INPUT和OUTPUT动态的增加规则，刷选目标区域。电子设备采用HPA云原生方式部署，可以根据主机cpu/内存，自动水平伸缩扩容，实现资源最大化利用。

在本申请一个实施例中，如图8所示，提供了一种地图更新方法，以该方法应用于电子设备为例进行说明，包括以下步骤：

S31、获取目标区域的当前场景图像以及目标地图中目标区域的历史场景图像。

S32、计算当前场景图像与历史场景图像之间的相似度。

在本申请一种可选的实施方式中，上述S32“计算当前场景图像与历史场景图像之间的相似度”，可以包括如下步骤：

S321、对当前场景图像进行特征提取，生成目标特征向量。

在本申请一个可选的实施方式中，上述S321“对当前场景图像进行特征提取，生成目标特征向量”可以包括如下步骤：

(1)对当前场景图像进行特征提取，生成预设大小的目标灰度图像。

(2)根据目标灰度图像中各个像素的像素值，计算各个像素的像素均值。

(3)根据目标灰度图像中各个像素的像素值与像素均值的关系，生成目标特征向量。

具体地，电子设备可以对当前场景图像进行特征提取，然后根据提取后的特征，生成预设大小的目标灰度图像。电子设备获取目标灰度图像中各个像素的像素值，然后将目标灰度图像中各个像素的像素值进行相加，除以像素数量，计算得到各个像素的像素均值。

电子设备将目标灰度图像中各个像素的像素值与像素均值进行对比，并根据对比结果，生成目标特征向量。

在本申请一个可选的实施方式中，上述(3)“根据目标灰度图像中各个像素的像素值与像素均值的关系，生成目标特征向量”，可以包括如下步骤：

(31)当像素的像素值大于像素均值时，确定像素对应的特征值为第一数值；

(32)当像素的像素值不大于像素均值时，确定像素对应的特征值为第二数值；

(33)将目标灰度图像中各个像素的特征值按照预设顺序展开，生成目标特征向量。

具体地，当像素的像素值大于像素均值时，确定像素对应的特征值为第一数值。其中，第一数值可以是1，也可以是其他数值。当像素的像素值不大于像素均值时，确定像素对应的特征值为第二数值。其中，第二数值可以是0，也可以是其他数值，本申请对第一数值和第二数值不做具体限定，但是第一数值和第二数值为不同的数值。

然后，电子设备将目标灰度图像中各个像素的特征值按照一行一行的顺序展开，生成目标特征向量。

示例性的，如图9所示，电子设备对当前场景图像进行特征提取，生成8*8的目标灰度图像，屏蔽图像大小的差异。然后根据目标灰度图像中各个像素的像素值，计算各个像素的像素均值。当像素的像素值大于像素均值时，确定像素对应的特征值为1，当像素的像素值不大于像素均值时，确定像素对应的特征值为0。电子设备将目标灰度图像中各个像素的特征值按照一行一行的顺序展开，生成目标特征向量，即图片指纹。

S322、对历史场景图像进行特征提取，生成历史特征向量。

具体地，电子设备可以对历史场景图像进行特征提取，然后根据提取后的特征，生成预设大小的历史灰度图像。电子设备获取历史灰度图像中各个像素的像素值，然后将历史灰度图像中各个像素的像素值进行相加，然后除以像素数量，计算得到历史灰度图像中各个像素的像素均值。

当历史灰度图像中的像素的像素值大于像素均值时，确定像素对应的特征值为第一数值。其中，第一数值可以是1，也可以是其他数值。当历史灰度图像中的像素的像素值不大于像素均值时，确定像素对应的特征值为第二数值。其中，第二数值可以是0，也可以是其他数值，本申请对第一数值和第二数值不做具体限定，但是第一数值和第二数值为不同的数值。然后，电子设备将历史灰度图像中各个像素的特征值按照一行一行的顺序展开，生成历史特征向量。

S323、基于目标特征向量以及历史特征向量，计算当前场景图像与历史场景图像之间的相似度。

具体地，电子设备基于目标特征向量以及历史特征向量，计算汉明距离，根据汉明距离确定当前场景图像与历史场景图像之间的相似度。

具体地，当汉明距离大于预设距离阈值，确定当前场景图像与历史场景图像之间的相似度小于预设相似度阈值；当汉明距离不大于预设距离阈值，确定当前场景图像与历史场景图像之间的相似度不小于预设相似度阈值。

S33、当相似度小于预设相似度阈值时，根据当前场景图像，对目标地图中的历史场景图像进行更新。

关于该步骤请详见图2对S23的介绍，在此不进行赘述。

本发明实施例提供的地图更新方法，对当前场景图像进行特征提取，生成预设大小的目标灰度图像，保证了生成的目标灰度图像的准确性。根据目标灰度图像中各个像素的像素值，计算各个像素的像素均值，保证了计算得到的各个像素的像素均值的准确性。当像素的像素值大于像素均值时，确定像素对应的特征值为第一数值，当像素的像素值不大于像素均值时，确定像素对应的特征值为第二数值，将目标灰度图像中各个像素的特征值按照预设顺序展开，生成目标特征向量，保证了生成的目标特征向量的准确性。对历史场景图像进行特征提取，生成历史特征向量，保证了生成的历史特征向量的准确性。基于目标特征向量以及历史特征向量，计算当前场景图像与历史场景图像之间的相似度，保证了计算得到的当前场景图像与历史场景图像之间的相似度的准确性。

需要说明的是，本申请实施例提供的自动驾驶的方法，其执行主体可以是自动驾驶的装置，该自动驾驶的装置可以通过软件、硬件或者软硬件结合的方式实现成为工程车辆的一部分或者全部。下述方法实施例中，均以执行主体是工程车辆为例来进行说明。

在本申请一个实施例中，如图10所示，提供了一种自动驾驶方法，以该方法应用于工程车辆为例进行说明，包括以下步骤：

S41、获取目标区域的场景图像。

其中，场景图像根据上述实施方式中的任一项地图更新方法更新。

具体地，电子设备可以根据地图微服务通过websocket实时推送更新后的标区域的场景图像给工程车辆车端和用户界面，减轻服务端压力。从而使得工程车辆可以获取标区域的场景图像

S42、根据目标区域的场景图像，进行自动驾驶。

具体地，工程车辆根据目标区域的场景图像，进行自动驾驶。

本发明实施例提供的自动驾驶方法，获取目标区域的场景图像，根据根据目标区域的场景图像，进行自动驾驶，从而保证了自动驾驶车辆获取到的目标区域的场景图像与真实场景相符，进而保证了自动驾驶的安全性。

应该理解的是，虽然图4、图5、图8以及图10的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图4、图5、图8以及图10中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

如图11所示，本实施例提供一种地图更新装置，包括：

获取模块51，用于获取目标区域的当前场景图像以及目标地图中目标区域的历史场景图像。

计算模块52，用于计算当前场景图像与历史场景图像之间的相似度。

第一更新模块53，用于当相似度小于预设相似度阈值时，根据当前场景图像，对目标地图中的历史场景图像进行更新。

在本申请一个实施例中，上述获取模块51，具体用于接收至少一个区域对应的场景数据，场景数据中包括场景图像；将各场景数据存储至消息队列；根据各个区域对应的地图更新热度，从消息队列中筛选目标区域，并获取目标区域的当前场景图像。

在本申请一个实施例中，如图12所示，上述地图更新装置，还包括：

第二更新模块54，用于当目标地图中的历史场景图像进行更新后，更新目标区域的地图更新热度。

在本申请一个实施例中，如图13所示，上述地图更新装置，还包括：

第一确定模块55，用于当目标地图中的历史场景图像进行更新后，更新目标区域的地图更新热度。

第二确定模块56，用于基于各个区域对应的地图更新热度的大小确定各个区域的优先级。

在本申请一个实施例中，上述计算模块52，具体用于对当前场景图像进行特征提取，生成目标特征向量；对历史场景图像进行特征提取，生成历史特征向量；基于目标特征向量以及历史特征向量，计算当前场景图像与历史场景图像之间的相似度。

在本申请一个实施例中，上述计算模块52，具体用于对当前场景图像进行特征提取，生成预设大小的目标灰度图像；根据目标灰度图像中各个像素的像素值，计算各个像素的像素均值；根据目标灰度图像中各个像素的像素值与像素均值的关系，生成目标特征向量。

在本申请一个实施例中，上述计算模块52，具体用于当像素的像素值大于像素均值时，确定像素对应的特征值为第一数值；当像素的像素值不大于像素均值时，确定像素对应的特征值为第二数值；将目标灰度图像中各个像素的特征值按照预设顺序展开，生成目标特征向量。

如图14所示，本实施例提供一种自动驾驶装置，包括：

获取模块61，用于获取目标区域的场景图像，场景图像根据第一方面或者第一方面的任意一种实施方式中的地图更新方法更新；

驾驶模块62，用于根据目标区域的场景图像，进行自动驾驶。

关于地图更新装置以及自动驾驶装置的具体限定以及有益效果可以参见上文中对于地图更新方法以及自动驾驶方法的限定，在此不再赘述。上述地图更新装置以及自动驾驶装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于电子设备中的处理器中，也可以以软件形式存储于电子设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

本发明实施例还提供一种电子设备，具有上述所示的地图更新装置。

如图15所示，图15是本发明可选实施例提供的一种电子设备的结构示意图，如图15所示，该电子设备可以包括：至少一个处理器71，例如CPU(Central Processing Unit，中央处理器)，至少一个通信接口73，存储器74，至少一个通信总线72。其中，通信总线72用于实现这些组件之间的连接通信。其中，通信接口73可以包括显示屏(Display)、键盘(Keyboard)，可选通信接口73还可以包括标准的有线接口、无线接口。存储器74可以是高速RAM存储器(Random Access Memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器74可选的还可以是至少一个位于远离前述处理器71的存储装置。其中处理器71可以结合图11-13所描述的装置，存储器74中存储应用程序，且处理器71调用存储器74中存储的程序代码，以用于执行上述任一方法步骤。

其中，通信总线72可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。通信总线72可以分为地址总线、数据总线、控制总线等。为便于表示，图15中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器74可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard diskdrive，缩写：HDD)或固态硬盘(英文：solid-state drive，缩写：SSD)；存储器74还可以包括上述种类的存储器的组合。

其中，处理器71可以是中央处理器(英文：central processing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。

其中，处理器71还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmable logic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：generic arraylogic,缩写：GAL)或其任意组合。

可选地，存储器74还用于存储程序指令。处理器71可以调用程序指令，实现如本申请图4、图5以及图8实施例中所示的地图更新方法。

本申请实施例还提供了一种工程车辆，该工程车辆包括车辆本体和控制器，车辆本体与控制器连接，该控制器用于获取目标区域的场景图像，并根据目标区域的场景图像，进行自动驾驶。

本发明实施例还提供了一种非暂态计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的地图更新方法以及自动驾驶方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种地图更新方法，其特征在于，包括：

获取目标区域的当前场景图像以及目标地图中所述目标区域的历史场景图像；

计算所述当前场景图像与所述历史场景图像之间的相似度；

当所述相似度小于预设相似度阈值时，根据所述当前场景图像，对所述目标地图中的所述历史场景图像进行更新。

2.根据权利要求1所述的方法，其特征在于，所述获取目标区域的当前场景图像，包括：

接收至少一个区域对应的场景数据，所述场景数据中包括场景图像；

将各所述场景数据存储至消息队列；

根据各个所述区域对应的地图更新热度，从所述消息队列中筛选所述目标区域，并获取所述目标区域的当前场景图像。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

当所述目标地图中的所述历史场景图像进行更新后，更新所述目标区域的地图更新热度。

4.根据权利要求3所述的方法，其特征在于，所述更新所述目标区域的地图更新热度之后，所述方法还包括：

根据更新后的所述目标区域的地图更新热度，确定各个所述区域对应的地图更新热度；

基于各个所述区域对应的地图更新热度的大小确定各个所述区域的优先级。

5.根据权利要求1所述的方法，其特征在于，所述计算所述当前场景图像与所述历史场景图像之间的相似度，包括：

对所述当前场景图像进行特征提取，生成目标特征向量；

对所述历史场景图像进行特征提取，生成历史特征向量；

基于所述目标特征向量以及所述历史特征向量，计算所述当前场景图像与所述历史场景图像之间的相似度。

6.根据权利要求5所述的方法，其特征在于，所述对所述当前场景图像进行特征提取，生成目标特征向量，包括：

对所述当前场景图像进行特征提取，生成预设大小的目标灰度图像；

根据所述目标灰度图像中各个像素的像素值，计算各个像素的像素均值；

根据所述目标灰度图像中各个像素的像素值与所述像素均值的关系，生成所述目标特征向量。

7.根据权利要求6所述的方法，其特征在于，所述根据所述目标灰度图像中各个像素的像素值与所述像素均值的关系，生成所述目标特征向量，包括：

当所述像素的像素值大于所述像素均值时，确定所述像素对应的特征值为第一数值；

当所述像素的像素值不大于所述像素均值时，确定所述像素对应的特征值为第二数值；

将所述目标灰度图像中各个像素的特征值按照预设顺序展开，生成所述目标特征向量。

8.一种自动驾驶方法，其特征在于，包括：

获取目标区域的场景图像，所述场景图像根据权利要求1-7任一项所述地图更新方法更新；

根据所述目标区域的场景图像，进行自动驾驶。

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-7中任一项所述的地图更新方法以及权利要求8中所述的自动驾驶方法。

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存储有计算机指令，所述计算机指令用于使计算机执行权利要求1-7中任一项所述的地图更新方法以及权利要求8中所述的自动驾驶方法。

Images