CN114791290A - 地图采样方法、装置、设备、车辆以及介质 - Google Patents
地图采样方法、装置、设备、车辆以及介质 Download PDFInfo
- Publication number
- CN114791290A CN114791290A CN202210393135.3A CN202210393135A CN114791290A CN 114791290 A CN114791290 A CN 114791290A CN 202210393135 A CN202210393135 A CN 202210393135A CN 114791290 A CN114791290 A CN 114791290A
- Authority
- CN
- China
- Prior art keywords
- map
- precision
- preset
- sampling
- elements
- 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
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000004590 computer program Methods 0.000 claims description 14
- 230000001172 regenerating effect Effects 0.000 claims description 6
- 230000000717 retained effect Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 11
- 238000004891 communication Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000004873 anchoring Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000013506 data mapping Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Navigation (AREA)
Abstract
本申请实施例公开了一种地图采样方法、装置、车辆以及存储介质,涉及数据处理技术领域。所述方法包括:获取原始地图数据;确定所述原始地图数据中存在的地图元素;基于所述地图元素的当前精度和预设精度,对所述地图元素进行迭代采样,直至所述地图元素的当前精度小于所述预设精度,得到采样后的地图数据;其中,每一次迭代采样过程中删除所述地图元素中满足预设采样条件的点。本申请能够在保证地图数据中的地图元素的精度的前提下,从地图数据中删除不必要的点,实现对地图数据的降采样,从而压缩地图的数据量,进一步地实现降低地图数据对存储空间的占用量,降低地图数据的存储压力。
Description
技术领域
本申请涉及数据处理技术领域,更具体地,涉及一种地图采样方法、装置、设备、车辆以及存储介质。
背景技术
高精度地图相较于传统的导航电子地图,专注于自动驾驶场景。高精度地图不仅高在其厘米级的量化程度,更高在其空间抽象层次。高精度地图作为自动驾驶系统的重要组成部分,让自动驾驶车辆人性化地理解不断变化的现实环境,在自动驾驶车辆感知、决策、规划等模块起到重要作用,是自动驾驶解决方案较基础的一环,也是不可或缺的一环。但是,高精度是基于点云制作生成的,得到的高精度地图数据量较大,占用较多的存储空间,导致数据存储压力较大。
发明内容
本申请提出了一种地图采样方法、装置、设备、车辆以及存储介质,用于解决高精度地图数据量较大,占用较多的存储空间,导致数据存储压力较大的技术问题。
本申请实施例第一方面提供了一种地图采样方法,包括:获取原始地图数据;确定所述原始地图数据中存在的地图元素;基于所述地图元素的当前精度和预设精度,对所述地图元素进行迭代采样,直至所述地图元素的当前精度小于所述预设精度,得到采样后的地图数据;其中,每一次迭代采样过程中删除所述地图元素中满足预设采样条件的点。
在一些可选的实施方式中,基于所述地图元素的当前精度和预设精度,对所述地图元素进行迭代采样,直至所述地图元素的当前精度小于所述预设精度,得到采样后的地图数据,包括:获取所述地图元素的预设精度;确定所述地图元素的当前精度;当所述当前精度大于或等于所述预设精度时,对所述地图元素进行迭代采样;当所述当前精度小于所述预设精度时,停止迭代采样,将当前地图数据作为采样后的地图数据。
在一些可选的实施方式中,所述地图元素为曲线形;对所述地图元素进行迭代采样,包括:确定所述地图元素的首尾端点,将所述首尾端点之间的连线作为参考线;根据所述地图元素上每点到所述参考线的距离以及所述预设条件,确定所述地图元素中的各点是否满足预设条件;删除所述地图元素中满足预设条件的点;基于所述地图元素中的保留下来的点,重新生成采样后的地图元素。
在一些可选的实施方式中,所述预设条件为所述地图元素上的点到所述参考线的垂直距离小于预设阈值;根据所述地图元素上每点到所述参考线的距离以及所述预设条件,确定所述地图元素中的各点是否满足预设条件,包括:计算所述地图元素上每点到所述参考线的垂直距离;当所述垂直距离中的最大垂直距离大于或等于预设阈值时,确定所述地图元素中的所有点均不满足所述预设条件;当所述垂直距离中的最大垂直距离小于预设阈值时,确定所述地图元素中除首尾端点之外的点均满足所述预设条件。
在一些可选的实施方式中,在所述当所述垂直距离中的最大垂直距离大于或等于预设阈值时,确定所述地图元素中的所有点均不满足所述预设条件之后,所述方法还包括:以所述最大垂直距离对应的点为基准,将所述地图元素分割成两段;针对分割得到的两段地图元素中的每段地图元素,以每段地图元素首尾端点之间的连线作为参考线;根据每段地图元素上每点到该段地图元素对应的参考线的距离以及所述预设条件,确定每段地图元素中的各点是否满足预设条件;删除每段地图元素中满足预设条件的点;基于每段地图元素中的保留下来的点,重新生成采样后的地图元素。
本申请实施例第二方面提供了一种地图采样装置,包括:第一获取模块,用于获取原始地图数据;第一确定模块,用于确定所述原始地图数据中存在的地图元素;第一采样模块,用于基于所述地图元素的当前精度和预设精度,对所述地图元素进行迭代采样,直至所述地图元素的当前精度小于所述预设精度,得到采样后的地图数据;其中,每一次迭代采样过程中删除所述地图元素中满足预设采样条件的点。
本申请实施例第三方面提供了一种电子设备,包括:处理器、存储器及存储在所述存储器上并可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述第一方面所述的边界构建方法的步骤。
本申请实施例第四方面提供了一种车辆,包括:处理器、存储器及存储在所述存储器上并可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述第二方面所述的车辆控制方法的步骤。
本申请实施例第五方面提供了一种计算机可读存储介质,该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述第一方面所述的边界构建方法的步骤或实现如上述第二方面所述的车辆控制方法的步骤。
在本申请实施例中,基于所述地图元素的当前精度和预设精度,对所述原始地图数据中的地图元素进行迭代采样,每一次迭代采样过程中删除所述地图元素中满足预设采样条件的点,直至所述地图元素的当前精度小于所述预设精度,得到采样后的地图数据。从而可以在保证地图数据中的地图元素的精度的前提下,从地图数据中删除不必要的点,实现对地图数据的降采样,从而压缩地图的数据量,进一步地实现降低地图数据对存储空间的占用量,降低地图数据的存储压力。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域技术人员来讲,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示出了根据本申请实施例的一种自动驾驶控制系统。
图2示出了根据本申请实施例提供的一种地图采样方法的流程图。
图3示出了根据本申请实施例提供的一种地图采样方法的步骤S23流程图。
图4示出了根据本申请实施例提供的一种地图采样方法的采样示意图。
图5示出了根据本申请实施例提供的一种地图采样方法的步骤S32流程图。
图6示出了图4中的地图元素进行两次迭代采样后得到的地图元素的示意图。
图7示出了根据本申请实施例提供的一种地图采样装置。
图8示出了本申请实施例提供的一种电子设备的结构框图。
图9示出了本申请实施例提供的一种车辆的结构框图
图10是本申请实施例的用于保存或者携带实现根据本申请实施例的停车控制方法的程序代码的存储介质。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
高精度地图也称自动驾驶地图或高分辨率地图,与高精度地图相对的是普通导航电子地图(或称为一般导航电子地图)。
普通导航电子地图主要面向的是人员,例如是辅助驾驶员做驾驶导航使用或辅助人员做步行导航使用,其绝对坐标精度在10米左右就够用。
而高精度地图主要面向的是自动驾驶车辆,是一种新的地图数据范式。
在自动驾驶领域,自动驾驶车辆需要知道其自身在路上的精确位置。在行车的过程中,车辆与马路牙子的距离、与临近车道的距离通常在几十厘米左右,因此高精度地图的绝对精度要求都在1米以内。而且,为了防止行车时与临近车道内的车辆发生碰撞,在横向上的相对精度(例如车道和车道的相对位置精度,车道和车道线的相对位置精度)要求更高,通常相对精度要求在厘米级别,通常能够达到10-20厘米。
此外,为了保证自动驾驶车辆在行车过程中能够正确决策(例如上坡时应该适当加大电门或油门,下坡时应当适当给以刹车降速等等),高精度地图还需要能够准确和全面地表征道路特征,含有更丰富和细致的道路交通信息元素。所述道路数据包括道路形状,并包括每个车道的坡度、曲率、航向、高程、侧倾等车道数据,车道线的种类、颜色;每条车道的限速要求、推荐速度;隔离带的宽度、材质;道路上的箭头、文字的内容、所在位置;红绿灯、人行横道等交通参与物的绝对地理坐标,物理尺寸以及他们的特质特性等等;所有这些信息也都需要准确的反映在高精度地图之中。
基于前述可知,高精度地图中含有丰富的信息,为了保证这些信息的完整和准确,同一地区对应的高精度地图的数据量通常远远大于该地区对应的普通导航电子地图的数据量,通常一个城市的高精度可以达到数个吉字节(Gigabyte,简称GB),甚至数十个GB。
另外,高精度地图是基于点云制作生成的,得到的高精度地图数据量较大,占用较多的存储空间,导致数据存储压力较大。
有鉴于此,本申请的发明人提出了本申请具体实施方式中的地图采样方法、装置、设备、车辆以及存储介质,通过基于地图元素的当前精度和预设精度,对原始地图数据中的地图元素进行迭代采样,每一次迭代采样过程中删除地图元素中满足预设采样条件的点,直至地图元素的当前精度小于所述预设精度,得到采样后的地图数据。从而可以在保证地图数据中的地图元素的精度的前提下,从地图数据中删除不必要的点,实现对地图数据的降采样,从而压缩地图的数据量,进一步地实现降低地图数据对存储空间的占用量,降低地图数据的存储压力。
如图1所示,本申请实施例提供的地图加载方法可以应用于自动驾驶控制系统10,该自动驾驶控制系统10可以包括车辆11、服务器12和电子设备13,其中,车辆11可以通过通信网络与服务器12进行通信连接,车辆11可以与电子设备13通过有线或者无线方式进行通信连接,即车辆11可以通过有线或者无线网络发送数据至电子设备13,也可以接收电子设备13通过有线或者无线网络发送的数据。
示例性地,车辆11上的车机与服务器12基于V2N(vehicle-to-network)通信,以使得服务器12为车辆11提供动态地图下载、自动驾驶相关线路规划、远程控制等远程服务。当然并不局限于此,车辆11还可以与服务器12基于其他形式的通信制式进行通信,所述通信制式包括WIFI、5G网络等,例如,车辆11配备有车载WIFI设备,车载WIFI设备已经与服务器12建立通信连接,车机与车载WIFI设备基于WLAN协议建立通信连接,从而实现车机通过车载WIFI设备与服务器12建立通信连接;又例如,车机具有5G通信功能,车机基于5G移动网络与服务器建立通信连接,在本申请中对车机与服务器的具体通信方式不做具体地限制。
本申请实施例中,车辆11上可以配置有车载蓝牙设备,电子设备13可以通过与所述车载蓝牙设备与车辆11进行蓝牙连接,当电子设备13与其他电子设备进行通话连接时,便可以通过车辆与其他电子设备进行通话,即通过车辆的麦克风拾取车辆用户的声音,以及在接收到其他电子设备发送的语音信息时,通过车辆的音频播放器播放该音频信息。此外,用户还可以通过电子设备13对车辆进行控制,可以通过在电子设备13的触控屏上输入指令或者手势,也可以通过语音输入进行控制。电子设备13可以接收服务器12发送的高清地图等数据。
电子设备13可以是车载电脑、智能手机、平板电脑、可穿戴智能设备等设备。
在本申请实施例中,服务器12存储有城市高精度地图和/或普通导航电子地图,可以基于城市路网构建算法所需的数据结构,明确有向图和现实路网的映射关系,服务器12或者电子设备13根据有向图获取最终的路径,便于车辆11或用户直观地按照该路径行驶。
需要说明的是,本申请实施例主要适用于高精度地图的降采样。
在图1所示的应用场景中,本申请实施例的地图采样方法可以是应用于车辆11中车机对高精度地图进行降采样。当然也可以等同的适用于电子设备13或服务器12对高精度地图进行降采样。
如图2所示,图2示出了本申请实施例提供的一种地图采样方法的流程图。所述地图采样方法应用于车辆(或车辆中的车机,车机指的是安装在汽车里面的车载信息娱乐产品的简称,车机在功能上能够实现人与车、车与外界(车与车)的信息通讯。)、服务器和/或电子设备,所述地图加载方法包括以下步骤S21至步骤S23,详细说明如下:
S21,获取原始地图数据。
原始地图数据是需要进行降采样的地图数据。
在一些可选的实施方式中,所述原始地图数据是高精度地图数据。在一些可选的实施方式中,所述原始地图数据是基于点云制作完成的最原始的地图数据;在一些可选的实施方式中,所述地图数据是已经过采样后仍然需要继续进行采样的地图数据。
在一些可选的实施方式,所述原始地图数据可以是从本地配置的存储介质中调用。例如所述地图采样方法应用于车辆时,车辆的车机从本地磁盘中存储的地图数据中获取所述原始地图数据;又例如所述地图采样方法应用于电子设备时,电子设备从本地硬盘中存储的地图数据中获取所述原始地图数据;再例如所述地图采样方法应用于服务器时,服务器从本地硬盘或与所述服务器位于同一集群的服务器集群中存储的地图数据中获取所述原始地图数据。
在一些可选的实施方式,所述原始地图数据可以是从远端的存储设备中调用。例如所述地图采样方法应用于车辆时,车辆的车机从服务器和/或电子设备中存储的地图数据中获取所述原始地图数据;又例如所述地图采样方法应用于电子设备时,电子设备从服务器和/或车辆中存储的地图数据中获取所述原始地图数据;再例如所述地图采样方法应用于服务器时,服务器从电子设备和/或车辆中存储的地图数据中获取所述原始地图数据。
有关原始地图数据的获取方式,在本申请中不做具体限制。
S22,确定所述原始地图数据中存在的地图元素。
在高精度地图中存在较为丰富的元素,如道路,道路上的车道线、路标、交通指示牌、交通灯等等。在获取到点云的高精度地图数据后,在原始地图数据中对地图元素进行锚定,从而确定出原始地图数据中存在的地图元素。
在一些可选的实施方式中,对地图元素的锚定分两步:第一步,从高精度地图中定位出存在地图元素的区域;第二步,对定位出的区域内的地图元素进行类别识别。
对地图元素的区域的定位可以是通过图像定位识别模型对地图数据中的存在元素的区域进行识别。定位识别模型,通过指定数据模型结构反映了图像数据中背景和前景之间的数学映射关系,那么在元素的区域定位识别中,实质是基于此数据映射关系对高精度地图中的前景区域作预测,进而得到地图元素所在的区域。
对地图元素类型的识别可以是通过地图元素类型识别模型对高精度地图数据中的地图元素类型进行识别。地图元素类型识别模型,通过指定数学模型结构反映了地图元素类型和地图元素形状之间的数学映射关系,那么,在地图元素类型识别中,实质是基于此数学映射关系对车位高精度地图中的地图元素类型作元素形状预测,进而得到元素形状对应的地图元素类型。
其中,指定数学模型包括但不限于:神经网络模型、支持向量机模型、逻辑回归模型等等。
相应地,指定数学模型结构可以是多层卷积神经网络(CNN)、循环神经网络(RNN)、深度神经网络(DNN)、双向长短期记忆循环神经网络(BI-LSTM)、长短期记忆循环神经网络(LSTM)串联、并联或者串并联等等。
S23,基于所述地图元素的当前精度和预设精度,对所述地图元素进行迭代采样,直至所述地图元素的当前精度小于所述预设精度,得到采样后的地图数据;其中,每一次迭代采样过程中删除所述地图元素中满足预设采样条件的点。
在高精度地图中,每种地图元素都有其对应的精度。例如,在一幅高精度地图数据中,车道线的精度为10厘米,红绿灯的精度为20厘米。每种地图元素的精度是在绘制地图时即确定的。
需要说明的是,在高精度地图的精度包括绝对精度和相对精度。所述当前精度和预设精度均指的是绝对精度。绝对精度是测量值和真实值的差值,对应到地图数据中测量值就是地图数据某元素的值,真实值是指现实世界中该元素的真实值。
在将原始地图数据中的地图元素锚定后,可以确定每种地图元素的当前精度,即确定每种地图元素在地图中测量值和真实值的差值,从而确定每种地图元素的当前精度。其中,地图元素的真实值是在制作地图时从真实世界中测绘的值,可以将其存储在非易失性存储介质中。
并获取每种地图元素的预设精度,预设精度是采样时设定的允许地图元素允许的最小精度。例如,设定的车道线的预设精度是5厘米,红绿灯的预设精度是10厘米等。需要说明的是,预设精度可以根据采样需求进行灵活设置,在本申请中不做具体限制。
在一些可选的实施方式中,预设精度可以是在进行地图采样时预先配置好的采样参数。在进行采样时直接调用该采样参数。
在一些可选的实施方式中,将当前精度与预设精度进行比对,根据比对结果,确定迭代采样的终止节点。
在一些可选的实施方式中,将当前精度与预设精度进行作差,即用当前精度减去预设精度,当差值为正数或零时,确定比对结果为当所述当前精度大于或等于所述预设精度;当差值为负数时,确定比对结果为当所述当前精度小于所述预设精度。
在一些可选的实施方式中,当比对结果为当所述当前精度大于或等于所述预设精度时,对所述地图元素进行迭代采样;当比对结果为当所述当前精度小于所述预设精度时,停止迭代采样,将当前地图数据作为采样后的地图数据。
在本申请实施例中,基于所述地图元素的当前精度和预设精度,对所述原始地图数据中的地图元素进行迭代采样,每一次迭代采样过程中删除所述地图元素中满足预设采样条件的点,直至所述地图元素的当前精度小于所述预设精度,得到采样后的地图数据。从而可以在保证地图数据中的地图元素的精度的前提下,从地图数据中删除不必要的点,实现对地图数据的降采样,从而压缩地图的数据量,进一步地实现降低地图数据对存储空间的占用量,降低地图数据的存储压力。
在一些实施例中,所述地图元素为曲线形,对所述曲线型地图元素进行采样。如图3所示,图3示出了本申请实施例提供的一种地图采样方法的步骤S23流程图。所述步骤S23中,对所述地图元素进行迭代采样包括以下步骤S31至步骤S34,详细说明如下:
S31,确定所述地图元素的首尾端点,将所述首尾端点之间的连线作为参考线;所述地图元素为曲线形。
如图4所示,在图4中示出了本申请实施例提供的一种地图采样方法的采样示意图。请参阅图4,地图元素41(需要说明的是,为了方便示意,在图4中故意将地图元素41中的每个点拉的很开,但这不代表实际点云地图中每个点之间的距离)首端点411和尾端点412。将端点411和端点412之间用直线42连接得到首尾端点之间的参考线42。
S32,根据所述地图元素上每点到所述参考线的距离以及所述预设条件,确定所述地图元素中的各点是否满足预设条件。
在一些可选的实施方式中,地图元素上每点到所述参考线的距离为地图元素上的点到所述参考线的垂直距离。所述预设条件为所述地图元素上的点到所述参考线的垂直距离小于预设阈值。其中,在确定一个地图元素中的点是否满足预设条件时,该地图元素对应的预设阈值根据该地图元素对应的预设精度进行确定的,预设阈值是基于每个地图元素允许的预设精度预先确定的先验值。
在该实施方式中,如图3所示,图3示出了本申请实施例提供的一种地图采样方法的步骤S32流程图。所述步骤S32包括以下步骤S51至步骤S53,详细说明如下:
S51,计算所述地图元素上每点到所述参考线的垂直距离。
在一些可选的实施方式中,从地图元素上每点向参考线做垂线,测量垂线段的距离即地图元素上每点到参考线的垂直距离。
请参见图4的示例,以其中的点413、点414和点415为例,其中点413和点415到参考线的垂直距离d=R2和d=R3,点414到参考线的垂直距离d=R1。
S52,当所述垂直距离中的最大垂直距离大于或等于预设阈值时,确定所述地图元素中的所有点均不满足所述预设条件。
S53,当所述垂直距离中的最大垂直距离小于预设阈值时,确定所述地图元素中除首尾端点之外的点均满足所述预设条件。
请参见图4的示例,若预设距离为R,且R1≥R,即地图元素41中的所有点到参考线42的垂直距离中的最大垂直距离R1大于或等于预设阈值R,确定地图元素41中的所有点不满足所述预设条件。若R1<R,即地图元素41中的所有点到参考线42的垂直距离中的最大垂直距离R1小于预设阈值R,确定地图元素41中除首尾端点之外的点的点满足所述预设条件。
若所述地图元素中的所有点均满足所述预设条件,执行步骤S33和S34。
S33,删除所述地图元素中满足预设条件的点。
即删除地图元素中除首尾端点之外的点。
示例性地,当确定地图元素41中除首端点411和尾端点412之外的其他点满足预设条件时,删除地图元素41中除首端点411和尾端点412之外其他所有点。
S34,基于所述地图元素中的保留下来的点,重新生成采样后的地图元素。
即将地图元素中除首尾端点的点删除,并保持地图元素中的首尾端点的位置和序列不变,得到降采样的地图元素。
示例性地,删除地图元素41中除点411和点412之外的所有其他点,以保留地图元素41中首端点411和尾端点412的位置和序列不变,得到降采样的地图元素。
若所述地图元素中的所有点均不满足所述预设条件,执行步骤S35至步骤S39。
S35,以所述最大垂直距离对应的点为基准,将所述地图元素分割成两段。
所述最大垂直距离对应的点是地图元素上的所有点中到地图元素首尾端点之间的参考线之间的垂直距离最大值对应的点。示例性地,例如是图4所示的地图元素41中的点414。如图6(A)所示,以点414为基准,即以点414为断点将地图元素41分成两段,其中一段地图元素401以点411起至点414止,另一端地图元素402以点414起至点412止。
S36,针对分割得到的两段地图元素中的每段地图元素,以每段地图元素首尾端点之间的连线作为参考线。
与步骤S31类似,与步骤S31所不同的是,在步骤S37中是针对分割后的每段地图元素确定参考线。
示例性地,如图6(A)所示,连接点411和点414得到一段地图元素401对应的参考线43;连接点411和点412得到另一段地图元素402的参考线44.
S37,根据每段地图元素上每点到该段地图元素对应的参考线的距离以及所述预设条件,确定每段地图元素中的各点是否满足预设条件。
与步骤S32类似,与步骤S32所不同的是,在步骤S38中是针对分割后的每段地图元素确定分割得到的每段地图元素中的点是否满足预设条件。
示例性地,请参见图6(A)的示例,若预设距离为R,且R4≥R,即地图元素401中的所有点到参考线43的垂直距离中的最大垂直距离R4大于或等于预设阈值R,确定地图元素401中的所有点不满足所述预设条件。若R4<R,即地图元素401中的所有点到参考线43的垂直距离中的最大垂直距离R4小于预设阈值R,确定地图元素401中除首端点411和尾端点414之外的点的点满足所述预设条件。若预设距离为R,且R5≥R,即地图元素402中的所有点到参考线44的垂直距离中的最大垂直距离R5大于或等于预设阈值R,确定地图元素402中的所有点不满足所述预设条件。若R5<R,即地图元素402中的所有点到参考线44的垂直距离中的最大垂直距离R5小于预设阈值R,确定地图元素402中除首端点414和尾端点412之外的点的点满足所述预设条件。
需要特别指出的是,在后续的说明中,以地图元素401中除首尾端点之外的点和地图元素402中除首尾端点之外的点均满足预设条件为例进行说明。
S38,删除每段地图元素中满足预设条件的点。
示例性地,地图元素401中除首尾端点之外的点和地图元素402中除首尾端点之外的点均满足预设条件,因此删除点411和点414之间的点,以及删除点414至点412之间的点。
S39,基于每段地图元素中的保留下来的点,重新生成采样后的地图元素。
示例性地,如图6(B)所示,删除地图元素41中的满足预设条件的点后,保留下点411、点414和点412,保持点点411、点414和点412的位置和序列关系不变,得到地图元素41进行降采样后的地图元素。
以上步骤也可以等同适用于直线段的地图元素,不同的是,直线段的地图元素只需要一次采样即可完成采样,因为直线段的地图元素中位于首尾两端之间的端点到首尾端点之间的参考线的距离必定都小于预设阈值,即直线段的地图元素进行采样时,只需要保留首尾端点,舍弃首尾端点之间的所有点即可。
如图7所示,图7示出了本申请实施例提供的一种地图采样装置,所述地图采样装置100可以包括:第一获取模块101、第一确定模块102和第一采样模块103。具体地:
第一获取模块101,用于获取原始地图数据;
第一确定模块102,用于确定所述原始地图数据中存在的地图元素;
第一采样模块103,用于基于所述地图元素的当前精度和预设精度,对所述地图元素进行迭代采样,直至所述地图元素的当前精度小于所述预设精度,得到采样后的地图数据;其中,每一次迭代采样过程中删除所述地图元素中满足预设采样条件的点。
在一些可选的实施方式中,所述第一采样模块103,包括:
第一获取子模块,用于获取所述地图元素的预设精度;
第一确定子模块,用于确定所述地图元素的当前精度;
第一采样子模块,用于当所述当前精度大于或等于所述预设精度时,对所述地图元素进行迭代采样;
第二确定子模块,用于当所述当前精度小于所述预设精度时,停止迭代采样,将当前地图数据作为采样后的地图数据。
在一些可选的实施方式中,所述地图元素为曲线形;所述第一采样子模块,包括:
第一确定单元,用于确定所述地图元素的首尾端点,将所述首尾端点之间的连线作为参考线;
第二确定单元,用于根据所述地图元素上每点到所述参考线的距离以及所述预设条件,确定所述地图元素中的各点是否满足预设条件;
第一删除单元,用于删除所述地图元素中满足预设条件的点;
第一生成单元,用于基于所述地图元素中的保留下来的点,重新生成采样后的地图元素。
在一些可选的实施方式中,所述预设条件为所述地图元素上的点到所述参考线的垂直距离小于预设阈值;所述第二确定单元,包括:
第一计算子单元,用于计算所述地图元素上每点到所述参考线的垂直距离;
第一确定子单元,用于当所述垂直距离中的最大垂直距离大于或等于预设阈值时,确定所述地图元素中的所有点均不满足所述预设条件;
第二确定子单元,用于当所述垂直距离中的最大垂直距离小于预设阈值时,确定所述地图元素中除首尾端点之外的点均满足所述预设条件。
在一些可选的实施方式中,所述地图采样装置还包括:
第一分割模块,用于以所述最大垂直距离对应的点为基准,将所述地图元素分割成两段;
第二确定模块,用于针对分割得到的两段地图元素中的每段地图元素,以每段地图元素首尾端点之间的连线作为参考线;
第三确定模块,用于根据每段地图元素上每点到该段地图元素对应的参考线的距离以及所述预设条件,确定每段地图元素中的各点是否满足预设条件;
第一删除模块,用于删除每段地图元素中满足预设条件的点;
第一生成模块,用于基于每段地图元素中的保留下来的点,重新生成采样后的地图元素。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请实施例中,所显示或讨论的模块相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
如图8所示,图8示出了本申请实施例提供的一种电子设备的结构框图。该电子设备110可以是前述实施例中能够运行程序的电子设备110。本申请中的电子设备110可以包括一个或多个如下部件:存储器112,用于存储一个或多个计算机程序;一个或多个处理器111,用于从所述存储器112中调用并运行所述一个或多个计算机程序,使得所述电子设备110执行前述实施例所描述的边界构建方法。
处理器111可以包括一个或者多个处理核。处理器111利用各种接口和线路连接整个电子设备110内的各个部分,通过运行或执行存储在存储器112内的指令、程序、代码集或指令集,以及调用存储在存储器112内的数据,执行电子设备110的各种功能和处理数据。可选的,处理器111可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器111可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器111中,单独通过一块通信芯片进行实现。
存储器112可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器112可用于存储指令、程序、代码、代码集或指令集。存储器112可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等、拍摄功能)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端在使用中所创建的数据(比如电话本、音视频数据、地图数据、行驶记录数据)等。
如图9所示,图9示出了本申请实施例提供的一种车辆的结构框图。该车辆120可以是前述实施例中能够运行程序的车辆120。本申请中的车辆120可以包括一个或多个如下部件:存储器122,用于存储一个或多个计算机程序;一个或多个处理器121,用于从所述存储器122中调用并运行所述一个或多个计算机程序,使得所述电子设备120执行前述实施例所描述的车辆控制方法。
处理器121可以包括一个或者多个处理核。处理器121利用各种接口和线路连接整个车辆120内的各个部分,通过运行或执行存储在存储器122内的指令、程序、代码集或指令集,以及调用存储在存储器122内的数据,执行车辆120的各种功能和处理数据。可选的,处理器121可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器121可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器121中,单独通过一块通信芯片进行实现。
存储器122可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器122可用于存储指令、程序、代码、代码集或指令集。存储器122可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等、拍摄功能)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端在使用中所创建的数据(比如电话本、音视频数据、地图数据、行驶记录数据)等。
如图10所示,图10示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读介质130中存储有程序代码,程序代码可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质130可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选的,计算机可读存储介质包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质具有执行上述方法中的任何方法步骤的程序代码的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码可以例如以适当形式进行压缩。
综上所述,本申请实施例提供在本申请实施例中,基于所述地图元素的当前精度和预设精度,对所述原始地图数据中的地图元素进行迭代采样,每一次迭代采样过程中删除所述地图元素中满足预设采样条件的点,直至所述地图元素的当前精度小于所述预设精度,得到采样后的地图数据。从而可以在保证地图数据中的地图元素的精度的前提下,从地图数据中删除不必要的点,实现对地图数据的降采样,从而压缩地图的数据量,进一步地实现降低地图数据对存储空间的占用量,降低地图数据的存储压力。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种地图采样方法,其特征在于,包括:
获取原始地图数据;
确定所述原始地图数据中存在的地图元素;
基于所述地图元素的当前精度和预设精度,对所述地图元素进行迭代采样,直至所述地图元素的当前精度小于所述预设精度,得到采样后的地图数据;其中,每一次迭代采样过程中删除所述地图元素中满足预设采样条件的点。
2.根据权利要求1所述的方法,其特征在于,基于所述地图元素的当前精度和预设精度,对所述地图元素进行迭代采样,直至所述地图元素的当前精度小于所述预设精度,得到采样后的地图数据,包括:
获取所述地图元素的预设精度;
确定所述地图元素的当前精度;
当所述当前精度大于或等于所述预设精度时,对所述地图元素进行迭代采样;
当所述当前精度小于所述预设精度时,停止迭代采样,将当前地图数据作为采样后的地图数据。
3.根据权利要求2所述的方法,其特征在于,所述地图元素为曲线形;
对所述地图元素进行迭代采样,包括:
确定所述地图元素的首尾端点,将所述首尾端点之间的连线作为参考线;
根据所述地图元素上每点到所述参考线的距离以及所述预设条件,确定所述地图元素中的各点是否满足预设条件;
删除所述地图元素中满足预设条件的点;
基于所述地图元素中的保留下来的点,重新生成采样后的地图元素。
4.根据权利要求3所述的方法,其特征在于,所述预设条件为所述地图元素上的点到所述参考线的垂直距离小于预设阈值;
根据所述地图元素上每点到所述参考线的距离以及所述预设条件,确定所述地图元素中的各点是否满足预设条件,包括:
计算所述地图元素上每点到所述参考线的垂直距离;
当所述垂直距离中的最大垂直距离大于或等于预设阈值时,确定所述地图元素中的所有点均不满足所述预设条件;
当所述垂直距离中的最大垂直距离小于预设阈值时,确定所述地图元素中除首尾端点之外的点均满足所述预设条件。
5.根据权利要求4所述的方法,其特征在于,在所述当所述垂直距离中的最大垂直距离大于或等于预设阈值时,确定所述地图元素中的所有点均不满足所述预设条件之后,所述方法还包括:
以所述最大垂直距离对应的点为基准,将所述地图元素分割成两段;
针对分割得到的两段地图元素中的每段地图元素,以每段地图元素首尾端点之间的连线作为参考线;
根据每段地图元素上每点到该段地图元素对应的参考线的距离以及所述预设条件,确定每段地图元素中的各点是否满足预设条件;
删除每段地图元素中满足预设条件的点;
基于每段地图元素中的保留下来的点,重新生成采样后的地图元素。
6.一种地图采样装置,其特征在于,包括:
第一获取模块,用于获取原始地图数据;
第一确定模块,用于确定所述原始地图数据中存在的地图元素;
第一采样模块,用于基于所述地图元素的当前精度和预设精度,对所述地图元素进行迭代采样,直至所述地图元素的当前精度小于所述预设精度,得到采样后的地图数据;其中,每一次迭代采样过程中删除所述地图元素中满足预设采样条件的点。
7.根据权利要求6所述的装置,其特征在于,所述第一采样模块,包括:
第一获取子模块,用于获取所述地图元素的预设精度;
第一确定子模块,用于确定所述地图元素的当前精度;
第一采样子模块,用于当所述当前精度大于或等于所述预设精度时,对所述地图元素进行迭代采样;
第二确定子模块,用于当所述当前精度小于所述预设精度时,停止迭代采样,将当前地图数据作为采样后的地图数据。
8.一种电子设备,其特征在于,包括:
存储器,用于存储一个或多个计算机程序;
一个或多个处理器,用于从所述存储器中调用并运行所述一个或多个计算机程序,使得所述电子设备执行权利要求1至5任一所述的方法。
9.一种车辆,其特征在于,包括:
存储器,用于存储一个或多个计算机程序;
一个或多个处理器,用于从所述存储器中调用并运行所述一个或多个计算机程序,使得所述车辆执行权利要求1至5任一所述的方法。
10.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210393135.3A CN114791290B (zh) | 2022-04-14 | 2022-04-14 | 地图采样方法、装置、设备、车辆以及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210393135.3A CN114791290B (zh) | 2022-04-14 | 2022-04-14 | 地图采样方法、装置、设备、车辆以及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114791290A true CN114791290A (zh) | 2022-07-26 |
CN114791290B CN114791290B (zh) | 2024-07-19 |
Family
ID=82460905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210393135.3A Active CN114791290B (zh) | 2022-04-14 | 2022-04-14 | 地图采样方法、装置、设备、车辆以及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114791290B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09204512A (ja) * | 1996-01-24 | 1997-08-05 | Japan Radio Co Ltd | 地図データ入力装置 |
CN109754468A (zh) * | 2018-12-25 | 2019-05-14 | 网易(杭州)网络有限公司 | 一种地图压缩方法和装置 |
CN112525208A (zh) * | 2020-11-27 | 2021-03-19 | 青岛泛钛客科技有限公司 | 城市道路地图快速构建方法和装置及设备 |
CN112732849A (zh) * | 2020-12-14 | 2021-04-30 | 北京航空航天大学 | 一种基于极坐标系的高精度矢量地图压缩方法 |
CN113137961A (zh) * | 2020-01-17 | 2021-07-20 | 阿里巴巴集团控股有限公司 | 移动设备定位系统、相关方法、装置及设备 |
KR102325119B1 (ko) * | 2021-04-27 | 2021-11-12 | 주식회사 모빌테크 | 라이다 좌표를 이용한 점군 지도 업데이트를 수행하는 차량 |
CN113709700A (zh) * | 2020-05-21 | 2021-11-26 | 北京大唐高鸿数据网络技术有限公司 | 一种地图数据的处理方法、装置及设备 |
-
2022
- 2022-04-14 CN CN202210393135.3A patent/CN114791290B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09204512A (ja) * | 1996-01-24 | 1997-08-05 | Japan Radio Co Ltd | 地図データ入力装置 |
CN109754468A (zh) * | 2018-12-25 | 2019-05-14 | 网易(杭州)网络有限公司 | 一种地图压缩方法和装置 |
CN113137961A (zh) * | 2020-01-17 | 2021-07-20 | 阿里巴巴集团控股有限公司 | 移动设备定位系统、相关方法、装置及设备 |
CN113709700A (zh) * | 2020-05-21 | 2021-11-26 | 北京大唐高鸿数据网络技术有限公司 | 一种地图数据的处理方法、装置及设备 |
CN112525208A (zh) * | 2020-11-27 | 2021-03-19 | 青岛泛钛客科技有限公司 | 城市道路地图快速构建方法和装置及设备 |
CN112732849A (zh) * | 2020-12-14 | 2021-04-30 | 北京航空航天大学 | 一种基于极坐标系的高精度矢量地图压缩方法 |
KR102325119B1 (ko) * | 2021-04-27 | 2021-11-12 | 주식회사 모빌테크 | 라이다 좌표를 이용한 점군 지도 업데이트를 수행하는 차량 |
Non-Patent Citations (1)
Title |
---|
陈嘉;胡继华;张飞舟;: "面向车辆监控导航的地图匹配算法研究", 北京大学学报(自然科学版), no. 02, 20 March 2009 (2009-03-20) * |
Also Published As
Publication number | Publication date |
---|---|
CN114791290B (zh) | 2024-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110779538B (zh) | 相对于自主导航而跨本地和基于云的系统来分配处理资源 | |
CN110155066A (zh) | 一种颠簸检测、预警方法、装置、设备及系统 | |
CN112232330B (zh) | 车道连接线生成方法、装置、电子设备和存储介质 | |
CN105793669A (zh) | 车辆位置推定系统、装置、方法以及照相机装置 | |
CN112258519B (zh) | 一种高精度地图制作中道路的让行线自动化提取方法及装置 | |
CN113135178A (zh) | 泊车路线共享方法、装置、设备以及存储介质 | |
CN107977654B (zh) | 一种道路区域检测方法、装置及终端 | |
CN111422204A (zh) | 自动驾驶车辆通行判定方法及相关设备 | |
CN114459471B (zh) | 定位信息确定方法、装置、电子设备及存储介质 | |
CN114116941A (zh) | 高精地图数据处理方法、装置、电子设备以及存储介质 | |
EP4345773A1 (en) | Lane line extraction method and apparatus, vehicle and storage medium | |
CN113343128A (zh) | 用于推送信息的方法、装置、设备以及存储介质 | |
CN108444495B (zh) | 车载导航系统及其提供车载导航信息的方法 | |
CN112622923B (zh) | 用于控制车辆的方法和装置 | |
CN113743456B (zh) | 一种基于无监督学习的场景定位方法及系统 | |
CN114116946A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN114579683A (zh) | 一种地图路网的更新方法、装置、计算机设备及存储介质 | |
CN117804470A (zh) | 基于车联万物辅助的车辆定位方法、装置、设备及介质 | |
CN113722342A (zh) | 高精地图要素变更检测方法、装置、设备及自动驾驶车辆 | |
CN114791290B (zh) | 地图采样方法、装置、设备、车辆以及介质 | |
JP7429246B2 (ja) | 対象を識別する方法とシステム | |
CN115588180A (zh) | 地图生成方法、装置、电子设备、介质和程序产品 | |
CN115366919A (zh) | 一种轨迹预测方法、系统、电子设备及存储介质 | |
CN114935905A (zh) | 泊车方法、装置、车辆及存储介质 | |
CN109272602B (zh) | 无人车数据的录制方法、装置、设备和存储介质 |
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 |