CN115359203B - 一种三维高精度地图生成方法、系统及云平台 - Google Patents

Abstract

本申请提供的一种三维高精度地图生成方法、系统及云平台，通过识别出目标环境中的第一姿态变化描述与标准姿态变化集中的第二姿态变化描述的相似度，能够确定出第一参考定位信息，然后结合第一参考定位信息和第二参考定位信息进行分析，确定出分析结果，通过分析结果能够准确的生成三维地图数据。本申请能够对多维度的场景数据进行分析，准确的获得事物对应的位置信息，这样一来，能够避免多种情况混淆到一起所带来的干扰，因此能够确保深深的三维地图数据的准确性和可信度。

Description

一种三维高精度地图生成方法、系统及云平台

技术领域

本申请涉及地图生成技术领域，具体而言，涉及一种三维高精度地图生成方法、系统及云平台。

背景技术

地图（Map）是按照一定的法则，有选择地以二维或多维形式与手段在平面或球面上表示地球（或其它星球）若干现象的图形或图像，它具有严格的数学基础、符号系统、文字注记，并能用地图概括原则，科学地反映出自然和社会经济现象的分布特征及其相互关系。

现目前，确定一个完整且准确的地图，需要定位出每一个建筑物、每一条路、每一座山以及每一条河等信息的位置，因此需要尽可能的规避掉干扰，这样才能准确的生成一张完整的地图。但是，现有技术中对每一个建筑物、每一条路、每一座山以及每一条河等信息的定位的精度较低，因此，难以保证生成的地图时精确且可靠的。

发明内容

为改善相关技术中存在的技术问题，本申请提供了一种三维高精度地图生成方法、系统及云平台。

第一方面，提供一种三维高精度地图生成方法，所述三维高精度地图生成方法应用于地图生成云平台，所述方法至少包括：针对于目标环境的场景记录指示，获得目标环境的第一姿态变化描述；在所述第一姿态变化描述与标准姿态变化集中的第二姿态变化描述相似的基础上，确定所述目标环境的第一参考定位信息，其中，所述第一参考定位信息包括目标环境的山脉位置信息、建筑物位置信息以及水域位置信息中的一种或者多种；在所述第一参考定位信息与第二参考定位信息相似的基础上进行分析，获得定位分析结果；其中，所述第二参考定位信息与所述第二姿态变化描述相关联，所述第二参考定位信息处于连续优化状态；将所述定位分析结果进行分布处理，获得三维地图数据。

在一种独立实施的实施例中，所述确定所述目标环境的第一参考定位信息之后，所述方法还包括：确定所述第二姿态变化描述对应的指定空间分布；如果所述指定空间分布的分布向量不超过指定位置向量，将所述指定空间分布确定为所述第二参考定位信息，并将所述第一参考定位信息与所述第二参考定位信息进行关联。

在一种独立实施的实施例中，所述方法还包括：在所述指定空间分布的分布向量超过指定位置向量的基础上，生成第一迁移数据，所述第一迁移数据用于优化所述指定空间分布；对所述第一迁移数据，确定所述目标环境的第三姿态变化描述和第三参考定位信息；将所述第三姿态变化描述和所述第三参考定位信息加载至地图生成云平台，其中，所述地图生成云平台用于将所述指定空间分布优化确定为所述第三参考定位信息。

在一种独立实施的实施例中，所述方法还包括：在所述第一参考定位信息与所述第二参考定位信息关联异常的数量超过指定数量的基础上，生成第二迁移数据，所述第二迁移数据用于优化所述第二参考定位信息；对所述第二迁移数据，确定所述目标环境的第三姿态变化描述和第三参考定位信息；将所述第三姿态变化描述和所述第三参考定位信息加载至地图生成云平台，其中，所述地图生成云平台用于将所述第二参考定位信息优化确定为所述第三参考定位信息。

在一种独立实施的实施例中，在所述第一姿态变化描述与标准姿态变化集中的第二姿态变化描述相似的基础上，所述方法还包括：获得地图生成云平台传输的第一三维坐标数据，所述第一三维坐标数据包括与所述第二姿态变化描述对应的第二参考定位信息；将所述第一参考定位信息与所述第二参考定位信息进行关联。

在一种独立实施的实施例中，在确定所述目标环境的第一参考定位信息之后，所述方法还包括：向地图生成云平台发送所述第一参考定位信息，所述地图生成云平台将第一参考定位信息与所述第二参考定位信息进行关联；获取所述地图生成云平台传输的相似信息，所述相似信息用于表征所述第一参考定位信息与所述第二参考定位信息相似。

在一种独立实施的实施例中，所述第一参考定位信息包括山脉位置信息，所述确定所述目标环境的第一参考定位信息，包括：生成文本信息，以及用于表示识别目标环境中的所述文本信息的第三迁移数据，收集所述目标环境的环境标签；结合所述环境标签，确定所述目标环境的山脉位置信息。

在一种独立实施的实施例中，所述第一参考定位信息包括建筑物位置信息，所述确定所述目标环境的第一参考定位信息，包括：生成用于表示目标环境完成指定场景的第三迁移数据；收集所述目标环境的偏移变量；结合所述偏移变量，确定所述目标环境的建筑物位置信息。

在一种独立实施的实施例中，所述确定所述目标环境的第一参考定位信息，包括：确定实时节点与第一节点之间的差异；其中，所述第一节点为获得到所述目标环境第一姿态变化描述的节点；在所述实时节点与所述第一节点的差异低于指定差异的基础上，确定所述目标环境的第一参考定位信息。

在一种独立实施的实施例中，所述第一参考定位信息包括目标环境的第一局部定位的第一建筑物位置信息和第二局部定位的第二建筑物位置信息，在确定所述目标环境的第一参考定位信息之后，所述方法还包括：确定所述第一局部定位和所述第二局部定位之间的差异向量是否低于指定判定值，所述在所述第一参考定位信息与第二参考定位信息相似的基础上进行分析，获得定位分析结果；包括：在所述第一局部定位和所述第二局部定位之间的差异向量低于指定判定值，且在所述第一参考定位信息与第二参考定位信息相似的基础上，进行分析。

第二方面，提供一种三维高精度地图生成系统，其特征在于，包括：地图生成云平台和三维信息采集端，所述地图生成云平台和所述三维信息采集端通信连接；

其中，所述地图生成云平台，用于：针对于目标环境的场景记录指示，获得目标环境的第一姿态变化描述；在所述第一姿态变化描述与标准姿态变化集中的第二姿态变化描述相似的基础上，确定所述目标环境的第一参考定位信息，其中，所述第一参考定位信息包括目标环境的山脉位置信息、建筑物位置信息以及水域位置信息中的一种或者多种；在所述第一参考定位信息与第二参考定位信息相似的基础上进行分析，获得定位分析结果；其中，所述第二参考定位信息与所述第二姿态变化描述相关联，所述第二参考定位信息处于连续优化状态；将所述定位分析结果进行分布处理，获得三维地图数据。

第三方面，提供一种地图生成云平台，包括：存储器，用于存储计算机程序；与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现上述的方法。

本申请实施例所提供的一种三维高精度地图生成方法、系统及云平台，通过识别出目标环境中的第一姿态变化描述与标准姿态变化集中的第二姿态变化描述的相似度，能够确定出第一参考定位信息，然后结合第一参考定位信息和第二参考定位信息进行分析，确定出分析结果，通过分析结果能够准确的生成三维地图数据。本申请能够对多维度的场景数据进行分析，准确的获得事物对应的位置信息，这样一来，能够避免多种情况混淆到一起所带来的干扰，因此能够确保深深的三维地图数据的准确性和可信度。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例所提供的一种三维高精度地图生成方法的流程图。

图2为本申请实施例所提供的一种三维高精度地图生成装置的框图。

图3为本申请实施例所提供的一种地图生成云平台的硬件结构示意图。

具体实施方式

为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。

请参阅图1，示出了一种三维高精度地图生成方法，该方法可以包括以下步骤step100-step400所描述的技术方案。

在step100中，针对于目标环境的场景记录指示，获得目标环境的第一姿态变化描述。

举例而言，在目标环境已在地图生成云平台中输入目标环境所对应的场景信息的基础上，可由目标环境点击地图生成云平台中的分析，地图生成云平台即可获得到目标环境的场景记录指示，并通过获得目标环境的第一姿态变化描述。其中，该目标环境的第一姿态变化描述可以是山脉位置信息、水域位置信息等信息中的一种或者多种。

举例而言，在第一姿态变化描述为事物标签信息的基础上，地图生成云平台通过地图生成系统获得目标环境的事物标签信息。在第一姿态变化描述为水域位置信息的基础上，地图生成云平台通过获得目标环境的水域位置信息。在第一姿态变化描述为山脉位置信息的基础上，地图生成云平台通过获得目标环境的山脉位置信息。在第一姿态变化描述为水域位置信息的基础上，地图生成云平台通过获得目标环境的水域位置信息。

在step200中，在第一姿态变化描述与标准姿态变化集中的第二姿态变化描述相似的基础上，获得目标环境的第一参考定位信息。

举例而言，step200中的标准姿态变化集可以是地图生成云平台中的标准姿态变化集，也可以为地图生成云平台中的标准姿态变化集。在该标准姿态变化集为地图生成云平台中的标准姿态变化集的基础上，地图生成云平台将获得到的目标环境的第一姿态变化描述加载至地图生成云平台中，地图生成云平台将该第一姿态变化描述与标准姿态变化集中的第二姿态变化描述进行比较，获得比较向量。在该比较向量超过指定比较向量的基础上，确认该目标环境的第一姿态变化描述为标准姿态变化集中的第二姿态变化描述，该目标环境对应的场景即为该标准姿态变化集中的第二姿态变化描述对应的场景。

举例而言，第一参考定位信息包括目标环境的山脉位置信息、建筑物位置信息以及水域位置信息中的一种或者多种信息。

对于一些可能实施的实施例而言，参阅图2所示，step200中的第一参考定位信息包括山脉位置信息，step200中的获得目标环境的第一参考定位信息包括：step211-step213。

在step211中，生成文本信息，以及用于表示识别目标环境中的该文本信息的第三迁移数据。

举例而言，在目标环境的第一姿态变化描述与标准姿态变化集配置有不少于一个第二姿态变化描述关联的基础上，地图生成云平台生成一个指定的文本信息，或是生成多个指定的文本信息，便于文本信息进行识别，以使地图生成云平台能够获得目标环境的最为精确的山脉位置信息。

在step212中，收集目标环境的环境标签。

在step213中，根据环境标签，获得目标环境的山脉位置信息。

本申请提供的三维高精度地图生成方法，在确定顾客的姿态变化描述与地图生成云平台中的姿态变化描述关联的基础上，确定出山脉位置信息是否与第二参考定位信息关联，确定出是否需要进行进一步的分析，保障数据的精确性。

对于一些可能实施的实施例而言，step200中的第一参考定位信息包括建筑物位置信息，step200中的获得目标环境的第一参考定位信息，包括以下step221-step223所描述的内容。

在step221中，生成用于表示目标环境完成指定场景的第三迁移数据。

在step222中，收集目标环境的偏移变量。

在step223中，根据目标环境的偏移变量，获得目标环境的建筑物位置信息。

对于一些可替换的实施例而言，step200中的第一参考定位信息包括水域位置信息，step200中的获得目标环境的第一参考定位信息，包括以下step231-step233所描述的内容。

在step231中，生成用于表示目标环境完成水域位置信息识别的第三迁移数据。

在step232中，收集目标环境的水域空间信息。

在step233中，根据水域空间信息，获得目标环境的水域位置信息。

本申请提供的三维高精度地图生成方法，由于其能够对水域位置信息进行分析，从而能够精确地确定出水域位置信息。

对于一些可能实施的实施例而言，在step200中，获得目标环境的第一参考定位信息，包括：确定实时节点与第一节点之间的差异，在实时节点与第一节点的差异低于指定差异的基础上，获得目标环境的第一参考定位信息。其中，第一节点为获得到目标环境第一姿态变化描述的节点。

对于一些可能实施的实施例而言，第一参考定位信息包括目标环境的第一局部定位的第一建筑物位置信息和第二局部定位的第二建筑物位置信息，在step200中，在获得目标环境的第一参考定位信息之后，该方法还包括：判断第一局部定位和第二局部定位之间的差异向量是否低于指定判定值。

举例而言，在差异向量低于目标值的基础上，并且判断建筑物位置信息（相当于第一参考定位信息）与第二参考定位信息相关联的基础上，第一参考定位信息与第二参考定位信息关联，从而可执行step300。譬如，可在第一局部定位的第一建筑物位置信息与第一局部定位对应的第二参考定位信息关联，且第二局部定位的第二建筑物位置信息与第二局部定位对应的第二参考定位信息关联时，确定第一参考定位信息与第二参考定位信息关联，或者，也可以在第一建筑物位置信息和第二建筑物位置信息组合而成的建筑物位置信息与第二参考定位信息关联时，确定第一参考定位信息与第二参考定位信息关联，或者，也可以在第一建筑物位置信息和第二建筑物位置信息中的一个与第二参考定位信息关联时，确定第一参考定位信息与第二参考定位信息关联。换言之，在目标环境的第一局部定位和第二局部定位之间的差异向量低于指定判定值，且在第一参考定位信息与第二参考定位信息相似的基础上，进行分析（即执行step300）。

对于一些可能实施的实施例而言，在step200中，在顾客的第一姿态变化描述与标准姿态变化集中的第二姿态变化描述相似的基础上，该三维高精度地图生成方法还包括：获得地图生成云平台传输的第一三维坐标数据。其中，第一三维坐标数据包括与第二姿态变化描述对应的第二参考定位信息。将第一参考定位信息与第二参考定位信息进行关联。

举例而言，在与事物标签信息关联的第二参考定位信息为山脉位置信息的基础上，地图生成云平台将与事物标签信息关联的山脉位置信息与实时的山脉位置信息进行比较，获得比较向量。如果该比较向量超过指定比较向量，则确定第一参考定位信息与第二参考定位信息关联。同样的，在与事物标签信息关联的第二参考定位信息为建筑物位置信息的基础上，地图生成云平台根据与事物标签信息关联的建筑物位置信息与实时的建筑物位置信息获得比较向量。如果该比较向量超过指定比较向量，则确定第一参考定位信息与第二参考定位信息关联。在第一参考定位信息与第二参考定位信息关联的基础上，地图生成云平台向地图生成云平台发送相似的信息，地图生成云平台根据该相似的指示第三方场景分析。在完成分析的基础上，地图生成云平台发送分析完成加载至地图生成云平台中，由地图生成云平台能够更加准确的进行分析。

本申请提供的三维高精度地图生成方法，通过地图生成云平台将获得的第一参考定位信息与地图生成云平台传输的第二参考定位信息进行比较，确定第一参考定位信息是否与第二参考定位信息关联，能够削弱地图生成云平台的运行压力，进而减少分析的工作负担，提升地图生成云平台的分析准确率。

对于一些可能实施的实施例而言，在step200中，在获得目标环境的第一参考定位信息之后，该三维高精度地图生成方法还包括：向地图生成云平台发送第一参考定位信息，地图生成云平台将第一参考定位信息与第二参考定位信息进行关联。接收地图生成云平台传输的相似信息。其中，该相似信息用于表征第一参考定位信息与第二参考定位信息相似。

本申请提供的三维高精度地图生成方法，通过地图生成云平台向地图生成云平台发送第一参考定位信息，使地图生成云平台将第一参考定位信息与第二参考定位信息进行比较，进而确定第一参考定位信息与第二参考定位信息是否关联，降低了地图生成云平台的运行压力，进而减少分析的工作负担，提升地图生成云平台的分析准确率。

对于一些可替换的实施例而言，该三维高精度地图生成方法还可以包括：识别目标环境的第一个第一参考定位信息与标准姿态变化集中的第二参考定位信息的关联情况（可通过上述step211-step213，或step221-step223获得目标环境的第一个第一参考定位信息）。在目标环境的第一个第一参考定位信息与标准姿态变化集中的第二参考定位信息连续关联异常的数量超过指定数量的基础上，识别目标环境的第二个第一参考定位信息与标准姿态变化集中的第二参考定位信息的关联情况（可通过上述step231-step233获得目标环境的第二个第一参考定位信息）。在目标环境的第二个第一参考定位信息与标准姿态变化集中的第二参考定位信息连续关联异常的数量超过指定数量的基础上，分析确认异常。

举例而言，目标环境的第一个第一参考定位信息为目标环境的建筑物位置信息，或目标环境的山脉位置信息，目标环境的第二个第一参考定位信息为目标环境的水域位置信息。

对于一些可替换的实施例而言，step200还可以包括：识别目标环境的第一个第一参考定位信息与标准姿态变化集中的第二参考定位信息的关联情况（可通过上述step211-step213，或step221-step223获得目标环境的第一个第一参考定位信息）。在目标环境的第一个第一参考定位信息与标准姿态变化集中的第二参考定位信息连续关联异常的数量超过指定数量的基础上，识别目标环境的第二个第一参考定位信息与标准姿态变化集中的第二参考定位信息的关联情况（可通过上述step221-step223，或step211-step213获得目标环境的第二个第一参考定位信息）。在目标环境的第二个第一参考定位信息与标准姿态变化集中的第二参考定位信息连续关联异常的数量超过指定数量的基础上，识别目标环境的第三个第一参考定位信息与标准姿态变化集中的第二参考定位信息的关联情况（可通过上述step231-step233获得目标环境的第三个第一参考定位信息）。在目标环境的第三个第一参考定位信息与标准姿态变化集中的第二参考定位信息连续关联异常的数量超过指定数量的基础上，分析确认异常。

举例而言，目标环境的第一个第一参考定位信息为目标环境的建筑物位置信息，或目标环境的山脉位置信息，目标环境的第二个第一参考定位信息为目标环境的山脉位置信息，或目标环境的建筑物位置信息，目标环境的第三个第一参考定位信息为目标环境的水域位置信息。

在step300中，在第一参考定位信息与第二参考定位信息相似的基础上进行分析，获得定位分析结果。其中，第二参考定位信息与第二姿态变化描述相关联，第二参考定位信息处于连续优化状态。

对于一些可能实施的实施例而言，该三维高精度地图生成方法还包括：第二参考定位信息的动态优化方法，可以是在第一参考定位信息与第二参考定位信息关联异常的数量超过指定数量的基础上，生成第二迁移数据。响应第二迁移数据，获得目标环境的第三姿态变化描述和第三参考定位信息，并将第三姿态变化描述和第三参考定位信息加载至地图生成云平台。其中，第二迁移数据用于优化第二参考定位信息，地图生成云平台用于将第二参考定位信息优化为第三参考定位信息。

step400，将所述定位分析结果进行分布处理，获得三维地图数据。

可以理解，通过识别出目标环境中的第一姿态变化描述与标准姿态变化集中的第二姿态变化描述的相似度，能够确定出第一参考定位信息，然后结合第一参考定位信息和第二参考定位信息进行分析，确定出分析结果，通过分析结果能够准确的生成三维地图数据。本申请能够对多维度的场景数据进行分析，准确的获得事物对应的位置信息，这样一来，能够避免多种情况混淆到一起所带来的干扰，因此能够确保深深的三维地图数据的准确性和可信度。

对于一些可能实施的实施例而言，第二参考定位信息的动态优化方法，还可以是在step200中，在获得目标环境的第一参考定位信息之后，获得第二姿态变化描述对应的指定空间分布，如果指定空间分布的分布向量不超过指定位置向量，将指定空间分布确认为第二参考定位信息，并将第一参考定位信息与第二参考定位信息进行关联。在指定空间分布的分布向量超过指定位置向量的基础上，生成第一迁移数据。其中，第一迁移数据用于优化指定空间分布。响应第一迁移数据，获得目标环境的第三姿态变化描述和第三参考定位信息，并将第三姿态变化描述和第三参考定位信息加载至地图生成云平台，其中，地图生成云平台用于将指定空间分布优化为第三参考定位信息。

举例而言，在获得第一姿态变化描述（譬如：事物标签信息、水域位置信息等信息）的基础上，发送该第一姿态变化描述至地图生成云平台中。在姿态变化描述与地图生成云平台中姿态变化描述关联的基础上，地图生成云平台可以将与姿态变化描述关联的参考定位信息（即指定空间分布）加载至地图生成云平台中。地图生成云平台在获得对应的指定空间分布（譬如：建筑物位置信息、山脉位置信息、水域位置信息中的一种或者多种）的基础上，判断该指定空间分布的分布向量。

举例而言，如果分布向量不超过半年（即指定位置向量），则地图生成云平台确认该指定空间分布为第二参考定位信息。获得参考定位信息（即第一参考定位信息），并在第一参考定位信息与第二参考定位信息关联的基础上，执行step300。

举例而言，如果分布向量超过半年（即指定位置向量），则地图生成云平台生成第一迁移数据。其中，第一迁移数据用于优化指定空间分布，第一迁移数据可以为“参考定位信息无效，请再次输入参考定位信息”等文字或语音提示。地图生成云平台响应该第一迁移数据，获得第三姿态变化描述（如：山脉位置信息、水域位置信息、事物标签信息等）和第三参考定位信息（譬如：建筑物位置信息、水域位置信息、山脉位置信息中的一种或者多种），并将第三姿态变化描述与第三参考定位信息加载至地图生成云平台中。地图生成云平台用于将与姿态变化描述关联的指定空间分布优化为该第三参考定位信息。

此外，也可由地图生成云平台判断指定空间分布的分布向量与指定位置向量的关系，在分布向量不超过指定位置向量的基础上，将指定空间分布作为第二参考定位信息加载至地图生成云平台，在分布向量超过指定位置向量的基础上，向地图生成云平台发送消息。

对于一些可能实施的实施例而言，该方法还包括以下step500-step700所描述的内容。

在step500中，针对于待处理场景的场景指示，生成用于表示待处理场景输入姿态变化描述和参考定位信息的第四迁移数据。

在step600中，获得待处理场景的第四姿态变化描述和第四参考定位信息。

举例而言，第四参考定位信息可包括多个山脉位置信息或是多个建筑物位置信息。

在step700中，将第四姿态变化描述和第四参考定位信息加载至地图生成云平台，以在标准姿态变化集中对应地保存第四姿态变化描述和第四参考定位信息。

在上述基础上，请结合参阅图2，提供了一种三维高精度地图生成装置200，应用于三维高精度地图生成系统，所述装置包括：

描述确定模块210，用于针对于目标环境的场景记录指示，获得目标环境的第一姿态变化描述；

信息定位模块220，用于在所述第一姿态变化描述与标准姿态变化集中的第二姿态变化描述相似的基础上，确定所述目标环境的第一参考定位信息，其中，所述第一参考定位信息包括目标环境的山脉位置信息、建筑物位置信息以及水域位置信息中的一种或者多种；

结果分析模块230，用于在所述第一参考定位信息与第二参考定位信息相似的基础上进行分析，获得定位分析结果；其中，所述第二参考定位信息与所述第二姿态变化描述相关联，所述第二参考定位信息处于连续优化状态；

数据获得模块240，用于将所述定位分析结果进行分布处理，获得三维地图数据。

在上述基础上，请结合参阅图3，示出了一种三维高精度地图生成系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。

在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。

综上，基于上述方案，对目标三维实景图像的植物分布情况和建筑物分布情况进行位置关系确定得到位置分布变量，并根据位置分布变量对目标三维实景图像进行分类决策，以得到目标三维实景图像的目标事物信息种类和不少于一个异常描述，并将目标事物信息种类和异常描述确定为异常警示数据加载至图像优化线程，以实现对所述目标三维实景图像的优化处理，因此，能够实现三维实景图像的自动识别，能够精确的确定出目标三维实景图像的目标事物信息种类和异常描述，能够准确地识别到异常警示数据，这样一来，能够准确的对异常警示数据进行优化，从而实现准确地对图像进行识别处理，保证三维实景图像的可信度。

应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。

需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。

本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。

此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。

最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (3)

1.一种三维高精度地图生成方法，其特征在于，所述三维高精度地图生成方法应用于地图生成云平台，所述方法至少包括：

针对于目标环境的场景记录指示，获得目标环境的第一姿态变化描述；

在所述第一姿态变化描述与标准姿态变化集中的第二姿态变化描述相似的基础上，确定所述目标环境的第一参考定位信息，其中，所述第一参考定位信息包括目标环境的山脉位置信息、建筑物位置信息以及水域位置信息中的一种或者多种；

在所述第一参考定位信息与第二参考定位信息相似的基础上进行分析，获得定位分析结果；其中，所述第二参考定位信息与所述第二姿态变化描述相关联，所述第二参考定位信息处于连续优化状态，其中，在该标准姿态变化集为地图生成云平台中的标准姿态变化集的基础上，将该第一姿态变化描述与标准姿态变化集中的第二姿态变化描述进行比较，获得比较向量，在该比较向量超过指定比较向量的基础上，确认该目标环境的第一姿态变化描述为标准姿态变化集中的第二姿态变化描述，该目标环境对应的场景为该标准姿态变化集中的第二姿态变化描述对应的场景；

将所述定位分析结果进行分布处理，获得三维地图数据；

所述确定所述目标环境的第一参考定位信息之后，所述方法还包括：

确定所述第二姿态变化描述对应的指定空间分布；

如果所述指定空间分布的分布向量不超过指定位置向量，将所述指定空间分布确定为所述第二参考定位信息，并将所述第一参考定位信息与所述第二参考定位信息进行关联；

所述方法还包括：

在所述指定空间分布的分布向量超过指定位置向量的基础上，生成第一迁移数据，所述第一迁移数据用于优化所述指定空间分布；对所述第一迁移数据，确定所述目标环境的第三姿态变化描述和第三参考定位信息；

将所述第三姿态变化描述和所述第三参考定位信息加载至地图生成云平台，其中，所述地图生成云平台用于将所述指定空间分布优化确定为所述第三参考定位信息；

所述方法还包括：

在所述第一参考定位信息与所述第二参考定位信息关联异常的数量超过指定数量的基础上，生成第二迁移数据，所述第二迁移数据用于优化所述第二参考定位信息；

对所述第二迁移数据，确定所述目标环境的第三姿态变化描述和第三参考定位信息；

将所述第三姿态变化描述和所述第三参考定位信息加载至地图生成云平台，其中，所述地图生成云平台用于将所述第二参考定位信息优化确定为所述第三参考定位信息；

在所述第一姿态变化描述与标准姿态变化集中的第二姿态变化描述相似的基础上，所述方法还包括：

获得地图生成云平台传输的第一三维坐标数据，所述第一三维坐标数据包括与所述第二姿态变化描述对应的第二参考定位信息；

将所述第一参考定位信息与所述第二参考定位信息进行关联；

在确定所述目标环境的第一参考定位信息之后，所述方法还包括：

向地图生成云平台发送所述第一参考定位信息，所述地图生成云平台将第一参考定位信息与所述第二参考定位信息进行关联；

获取所述地图生成云平台传输的相似信息，所述相似信息用于表征所述第一参考定位信息与所述第二参考定位信息相似；

所述第一参考定位信息包括山脉位置信息，所述确定所述目标环境的第一参考定位信息，包括：

生成文本信息，以及用于表示识别目标环境中的所述文本信息的第三迁移数据，收集所述目标环境的环境标签；

结合所述环境标签，确定所述目标环境的山脉位置信息；

所述第一参考定位信息包括建筑物位置信息，所述确定所述目标环境的第一参考定位信息，包括：

生成用于表示目标环境完成指定场景的第三迁移数据；

收集所述目标环境的偏移变量；

结合所述偏移变量，确定所述目标环境的建筑物位置信息；

其中，所述确定所述目标环境的第一参考定位信息，包括：

确定实时节点与第一节点之间的差异；其中，所述第一节点为获得到所述目标环境第一姿态变化描述的节点；

在所述实时节点与所述第一节点的差异低于指定差异的基础上，确定所述目标环境的第一参考定位信息；

其中，所述第一参考定位信息包括目标环境的第一局部定位的第一建筑物位置信息和第二局部定位的第二建筑物位置信息，在确定所述目标环境的第一参考定位信息之后，所述方法还包括：确定所述第一局部定位和所述第二局部定位之间的差异向量是否低于指定判定值，所述在所述第一参考定位信息与第二参考定位信息相似的基础上进行分析，获得定位分析结果；包括：在所述第一局部定位和所述第二局部定位之间的差异向量低于指定判定值，且在所述第一参考定位信息与第二参考定位信息相似的基础上，进行分析，其中，在第一局部定位的第一建筑物位置信息与第一局部定位对应的第二参考定位信息关联，且第二局部定位的第二建筑物位置信息与第二局部定位对应的第二参考定位信息关联时，确定第一参考定位信息与第二参考定位信息关联，或者，在第一建筑物位置信息和第二建筑物位置信息组合而成的建筑物位置信息与第二参考定位信息关联时，确定第一参考定位信息与第二参考定位信息关联，或者，在第一建筑物位置信息和第二建筑物位置信息中的一个与第二参考定位信息关联时，确定第一参考定位信息与第二参考定位信息关联；

所述方法还包括：

识别目标环境的第一个第一参考定位信息与标准姿态变化集中的第二参考定位信息的关联情况；

在目标环境的第一个第一参考定位信息与标准姿态变化集中的第二参考定位信息连续关联异常的数量超过指定数量的基础上，识别目标环境的第二个第一参考定位信息与标准姿态变化集中的第二参考定位信息的关联情况；

在目标环境的第二个第一参考定位信息与标准姿态变化集中的第二参考定位信息连续关联异常的数量超过指定数量的基础上，识别目标环境的第三个第一参考定位信息与标准姿态变化集中的第二参考定位信息的关联情况；

在目标环境的第三个第一参考定位信息与标准姿态变化集中的第二参考定位信息连续关联异常的数量超过指定数量的基础上，分析确认异常；

所述方法还包括：

针对于待处理场景的场景指示，生成用于表示待处理场景输入姿态变化描述和参考定位信息的第四迁移数据；

获得待处理场景的第四姿态变化描述和第四参考定位信息，第四参考定位信息可包括多个山脉位置信息或是多个建筑物位置信息；

将第四姿态变化描述和第四参考定位信息加载至地图生成云平台，以在标准姿态变化集中对应地保存第四姿态变化描述和第四参考定位信息。

2.一种三维高精度地图生成系统，其特征在于，包括：地图生成云平台和三维信息采集端，所述地图生成云平台和所述三维信息采集端通信连接；

其中，所述地图生成云平台，用于：针对于目标环境的场景记录指示，获得目标环境的第一姿态变化描述；在所述第一姿态变化描述与标准姿态变化集中的第二姿态变化描述相似的基础上，确定所述目标环境的第一参考定位信息，其中，所述第一参考定位信息包括目标环境的山脉位置信息、建筑物位置信息以及水域位置信息中的一种或者多种；在所述第一参考定位信息与第二参考定位信息相似的基础上进行分析，获得定位分析结果；其中，所述第二参考定位信息与所述第二姿态变化描述相关联，所述第二参考定位信息处于连续优化状态，其中，在该标准姿态变化集为地图生成云平台中的标准姿态变化集的基础上，将该第一姿态变化描述与标准姿态变化集中的第二姿态变化描述进行比较，获得比较向量，在该比较向量超过指定比较向量的基础上，确认该目标环境的第一姿态变化描述为标准姿态变化集中的第二姿态变化描述，该目标环境对应的场景为该标准姿态变化集中的第二姿态变化描述对应的场景；将所述定位分析结果进行分布处理，获得三维地图数据；

所述确定所述目标环境的第一参考定位信息之后，所述地图生成云平台，还用于：

确定所述第二姿态变化描述对应的指定空间分布；

如果所述指定空间分布的分布向量不超过指定位置向量，将所述指定空间分布确定为所述第二参考定位信息，并将所述第一参考定位信息与所述第二参考定位信息进行关联；

所述地图生成云平台，还用于：

在所述指定空间分布的分布向量超过指定位置向量的基础上，生成第一迁移数据，所述第一迁移数据用于优化所述指定空间分布；对所述第一迁移数据，确定所述目标环境的第三姿态变化描述和第三参考定位信息；

将所述第三姿态变化描述和所述第三参考定位信息加载至地图生成云平台，其中，所述地图生成云平台用于将所述指定空间分布优化确定为所述第三参考定位信息；

所述地图生成云平台，还用于：

在所述第一参考定位信息与所述第二参考定位信息关联异常的数量超过指定数量的基础上，生成第二迁移数据，所述第二迁移数据用于优化所述第二参考定位信息；

对所述第二迁移数据，确定所述目标环境的第三姿态变化描述和第三参考定位信息；

将所述第三姿态变化描述和所述第三参考定位信息加载至地图生成云平台，其中，所述地图生成云平台用于将所述第二参考定位信息优化确定为所述第三参考定位信息；

在所述第一姿态变化描述与标准姿态变化集中的第二姿态变化描述相似的基础上，所述地图生成云平台，还用于：

获得地图生成云平台传输的第一三维坐标数据，所述第一三维坐标数据包括与所述第二姿态变化描述对应的第二参考定位信息；

将所述第一参考定位信息与所述第二参考定位信息进行关联；

在确定所述目标环境的第一参考定位信息之后，所述地图生成云平台，还用于：

向地图生成云平台发送所述第一参考定位信息，所述地图生成云平台将第一参考定位信息与所述第二参考定位信息进行关联；

获取所述地图生成云平台传输的相似信息，所述相似信息用于表征所述第一参考定位信息与所述第二参考定位信息相似；

所述第一参考定位信息包括山脉位置信息，所述确定所述目标环境的第一参考定位信息，包括：

生成文本信息，以及用于表示识别目标环境中的所述文本信息的第三迁移数据，收集所述目标环境的环境标签；

结合所述环境标签，确定所述目标环境的山脉位置信息；

所述第一参考定位信息包括建筑物位置信息，所述确定所述目标环境的第一参考定位信息，包括：

生成用于表示目标环境完成指定场景的第三迁移数据；

收集所述目标环境的偏移变量；

结合所述偏移变量，确定所述目标环境的建筑物位置信息；

其中，所述确定所述目标环境的第一参考定位信息，包括：

确定实时节点与第一节点之间的差异；其中，所述第一节点为获得到所述目标环境第一姿态变化描述的节点；

在所述实时节点与所述第一节点的差异低于指定差异的基础上，确定所述目标环境的第一参考定位信息；

其中，所述第一参考定位信息包括目标环境的第一局部定位的第一建筑物位置信息和第二局部定位的第二建筑物位置信息，在确定所述目标环境的第一参考定位信息之后，所述地图生成云平台，还用于：确定所述第一局部定位和所述第二局部定位之间的差异向量是否低于指定判定值，所述在所述第一参考定位信息与第二参考定位信息相似的基础上进行分析，获得定位分析结果；包括：在所述第一局部定位和所述第二局部定位之间的差异向量低于指定判定值，且在所述第一参考定位信息与第二参考定位信息相似的基础上，进行分析，其中，在第一局部定位的第一建筑物位置信息与第一局部定位对应的第二参考定位信息关联，且第二局部定位的第二建筑物位置信息与第二局部定位对应的第二参考定位信息关联时，确定第一参考定位信息与第二参考定位信息关联，或者，在第一建筑物位置信息和第二建筑物位置信息组合而成的建筑物位置信息与第二参考定位信息关联时，确定第一参考定位信息与第二参考定位信息关联，或者，在第一建筑物位置信息和第二建筑物位置信息中的一个与第二参考定位信息关联时，确定第一参考定位信息与第二参考定位信息关联；

所述地图生成云平台，还用于：

识别目标环境的第一个第一参考定位信息与标准姿态变化集中的第二参考定位信息的关联情况；

在目标环境的第一个第一参考定位信息与标准姿态变化集中的第二参考定位信息连续关联异常的数量超过指定数量的基础上，识别目标环境的第二个第一参考定位信息与标准姿态变化集中的第二参考定位信息的关联情况；

在目标环境的第二个第一参考定位信息与标准姿态变化集中的第二参考定位信息连续关联异常的数量超过指定数量的基础上，识别目标环境的第三个第一参考定位信息与标准姿态变化集中的第二参考定位信息的关联情况；

在目标环境的第三个第一参考定位信息与标准姿态变化集中的第二参考定位信息连续关联异常的数量超过指定数量的基础上，分析确认异常；

所述地图生成云平台，还用于：

针对于待处理场景的场景指示，生成用于表示待处理场景输入姿态变化描述和参考定位信息的第四迁移数据；

获得待处理场景的第四姿态变化描述和第四参考定位信息，第四参考定位信息可包括多个山脉位置信息或是多个建筑物位置信息；

将第四姿态变化描述和第四参考定位信息加载至地图生成云平台，以在标准姿态变化集中对应地保存第四姿态变化描述和第四参考定位信息。

3.一种地图生成云平台，其特征在于，包括：

存储器，用于存储计算机程序；

与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现权利要求1所述的方法。

Images