CN115930978A - 一种地图创建方法及装置 - Google Patents

Abstract

本申请公开一种地图创建方法及装置。该方法中，首先获取移动设备针对目标区域采集的环境数据；然后对环境数据分类，获取包含对应同一类路面元素的环境数据的至少一个数据集合；再基于各数据集合内包含的各环境数据对应的三维空间坐标，确定各数据集合分别对应的置信度；基于各数据集合分别对应的置信度，创建高精地图。与现有技术相比，本公开实施例提供的方案能够创建较高精度的地图，从而解决现有技术创建的地图准确性低的问题，并且，本公开实施例提供的方案无需采用高性能的移动设备，从而能够通过降低的成本获取高精度的地图，具有较广的应用范围。

Description

一种地图创建方法及装置

技术领域

本申请涉及地图创建技术领域，尤其是一种地图创建方法及装置。

背景技术

在辅助驾驶或自动驾驶等应用场景下，车辆通常需要确定周边环境中包含的路面元素(例如车道线、道路边沿和路标等)的类型和位置，以便据此调整行驶行为。

为了满足车辆的这一需求，目前通常为车辆构建显示周边环境的地图。在构建地图时，首先获取由采集设备(例如深度相机或激光雷达等)采集到的环境数据，然后根据该环境数据创建地图。

但是，该环境数据中可能包含准确度较低的数据，从而导致地图存在准确性低的问题，因此亟需一种能够构建较高精度的地图的方案。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种地图创建方法及装置。

根据本公开的一个方面，提供了一种地图创建方法，包括：

获取移动设备针对目标区域采集的环境数据；

通过对所述环境数据进行分类，确定至少一个数据集合，其中，每个所述数据集合内包含的所述环境数据对应同一类路面元素；

基于各所述数据集合内包含的各环境数据对应的三维空间坐标，确定各所述数据集合分别对应的置信度；

基于各所述数据集合分别对应的置信度，创建高精地图。

根据本公开实施例的又一个方面，提供一种地图创建装置，包括：

数据获取模块，用于获取移动设备针对目标区域采集的环境数据；

集合确定模块，用于通过对所述数据获取模块获取的所述环境数据进行分类，确定至少一个数据集合，其中，各所述数据集合内包含的所述环境数据对应同一类路面元素；

置信度确定模块，用于基于所述集合确定模块确定的各所述数据集合内包含的各数据对应的三维空间坐标，确定各所述数据集合分别对应的置信度；

地图创建模块，用于基于所述置信度确定模块确定的各所述数据集合分别对应的置信度，创建高精地图。

根据本公开实施例的又一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本公开上述任一实施例所述的地图创建方法。

根据本公开实施例的又一个方面，提供了一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本公开上述任一实施例所述的地图创建方法。

基于本公开实施例提供的方案，能够在获取目标区域的环境数据之后，将环境数据划分为至少一个数据集合，各数据集合内包含的环境数据对应同一类路面元素，然后确定各数据集合内包含的环境数据分别对应的三维空间坐标，确定各数据集合分别对应的置信度，再基于该置信度创建高精地图。与现有技术的方案相比，本公开实施例提供的方案能够创建较高精度的地图，解决现有技术创建的地图准确性低的问题。

进一步的，本公开实施例提供的方案对采集环境数据的移动设备的性能要求较低，无需采用高性能的移动设备，从而能够通过降低的成本获取高精度的地图，具有较广的应用范围。

附图说明

通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1是本公开所适用的一种场景图。

图2是本公开一示例性实施例提供的地图创建方法的流程示意图。

图3是本公开另一示例性实施例提供的地图创建方法的流程示意图。

图4是本公开一示例性实施例提供的环境数据分布的示例图。

图5(a)是本公开另一示例性实施例提供的环境数据分布的示例图。

图5(b)是本公开另一示例性实施例提供的环境数据分布的示例图。

图6是本公开另一示例性实施例提供的地图创建方法的流程示意图。

图7是本公开另一示例性实施例提供的地图创建方法的流程示意图。

图8是本公开另一示例性实施例提供的地图创建方法的流程示意图。

图9是本公开另一示例性实施例提供的地图创建方法的流程示意图。

图10是本公开一示例性实施例提供的地图创建装置的结构示意图。

图11是本公开另一示例性实施例提供的地图创建装置的结构示意图。

图12是本公开一示例性实施例提供的电子设备的结构图。

具体实施方式

下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。

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公开的范围。

本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。

还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。

还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。

另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。

还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

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，决不作为对本公开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。

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。

本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

申请概述

在辅助驾驶或自动驾驶等应用场景下，车辆往往需要确定周边环境中存在的路面元素(例如车道线、道路边沿和路标等)的类型和位置，以便据此调整车辆的行驶行为。例如，如果确定车辆前方包含路标，可适当根据该路标的指示调整车辆的行驶方向。为了满足车辆的这一需求，目前通常为车辆构建包含周边环境的地图。

在构建地图时，目前通常由采集设备采集周边环境中各个路面元素的环境数据，该环境数据包括用于指示路面元素的类型和位置的数据，示例性的，该环境数据可包括路面元素对应的点云数据集和/或深度图像等；然后通过对环境数据的聚类处理，确定各个路面元素的类型和位置，进一步据此构建指示周边环境的地图。

其中，点云数据集包括多个点，每个点指的是相应的点云数据。在一个示例中，该点云数据集可通过激光雷达测量确定(即采集设备包括激光雷达)，激光雷达发射的激光在遇到路面元素某一位置后发生反射，并由该激光雷达接收反射的光线，那么该点云数据集中的每个点(即点云数据)通常包括该路面元素的某一位置的三维坐标和激光反射强度。

但是，采集设备采集到的环境数据有时准确性较低。例如，如果该环境数据包括路面元素的深度图像，在阴雨天气下，采集设备拍摄的深度图像有时较为模糊，导致深度图像中的路面元素清晰度较低，相应的环境数据的准确性下降。另外，如果周边环境存在树木或建筑物等遮蔽物，路面元素反射的激光可能受到遮蔽物的影响，无法被激光雷达接收，导致点云数据分布稀疏，相应的使激光雷达确定的点云数据集的准确性下降。

当采集到的路面元素的数据不准确时，基于该数据所创建的地图的准确性通常也较低。因此，通过现有方案创建地图时，得到的地图的准确度通常较低。

另外，为了提高地图的精度，目前一种改进方案是应用高性能的采集设备，以便通过高性能的采集设备获取准确度较高的环境数据。但是，高性能的采集设备的价格通常较为高昂，该方案会导致创建地图的成本增加，因此无法得到广泛应用。

有鉴于此，本公开实施例提供一种地图创建方法及装置。通过本公开的方案创建地图的过程中，在获取环境数据后，会确定环境数据的置信度，并基于较高置信度的环境数据创建地图。

通过本公开实施例的方案构建地图时，由于应用置信度较高的环境数据创建地图，因此，能够获取高精度的地图，满足车辆的需求。并且，该方案无需采用高性能的采集设备，创建高精地图的成本较低，因此应用范围较广。

示例性系统

本公开实施例可应用于需要创建地图的应用场景中，该应用场景可包括辅助驾驶或自动驾驶等应用场景。

例如，在辅助驾驶或自动驾驶的应用场景中，可由车辆中设置的深度相机和激光雷达等采集设备采集车辆周边环境对应的环境数据，并通过本公开提供的方案，利用环境数据为车辆创建高精地图，以便该地图为辅助驾驶或自动驾驶提供参考。

用于实现本公开实施例的地图创建方法的设备可为计算机、智能驾驶控制设备或服务器(例如车载服务器)等电子设备，并且在图1中公开一种该设备的示例图。

参见图1，基于本公开实施例提供的方案创建地图的地图创建设备100与用于采集环境数据的设备相连接，该设备通常设置在车辆上，并随车辆的移动而移动，在本公开中，将用于采集环境数据的设备称为移动设备。

在图1中，该移动设备包括与地图创建设备100相连接的第一设备200和第二设备300。在实际应用场景中，还可包括更多与地图创建设备100相连接并用于采集环境数据的移动设备，本公开对此不做限定。

其中，第一设备200和第二设备300可采集同一种类型的环境数据，也可采集不同类型的环境数据。在一个示例中，其中一个移动设备可包括深度相机，该移动设备采集的环境数据可包括路面元素对应的深度图像，另一个移动设备可包括激光雷达，该移动设备采集的环境数据可包括路面元素对应的点云数据集。或者，在另一示例中，第一设备200和第二设备300采集的环境数据均可包括路面元素对应的点云数据集，或均可包括路面元素对应的深度图像。

另外，第一设备200和第二设备300与地图创建设备100的连接方式可包括多种。其中一种可行的方式中，地图创建设备100可与第一设备200、第二设备300电连接，例如，该地图创建设备100为车机设备，这种情况下，地图创建设备100与第一设备200和第二设备300电连接。

在另外一种可行的方式中，地图创建设备100与第一设备200、第二设备300之间的连接方式也可为网络连接。

当然，地图创建设备100与第一设备200，以及地图创建设备100与第二设备300之间的连接方式可为同一种连接方式，也可为不同的连接方式，本公开对此不做限定。

第一设备200和第二设备300可针对目标区域采集环境数据，在一个示例中，本公开实施例提供的方案应用于辅助驾驶或自动驾驶领域，则该目标区域可包括车辆周边环境的区域，该环境数据可包括用于指示目标区域中包括的路面元素的类型及位置的数据，例如，该环境数据可包括路面元素对应的点云数据集，或者路面元素对应的深度图像，或者同时包括路面元素对应的点云数据集和深度图像。当然，该环境数据还可包括其他可指示路面元素的类型及位置的数据，本公开对此不作限定。

第一设备200和第二设备300可将采集的环境数据传输至地图创建设备100。地图创建设备100在获取该环境数据之后，执行本公开实施例提供的地图创建方法，以创建高精地图。

在辅助驾驶或自动驾驶的应用场景中，地图创建设备100可为车机设备(例如车载的智能终端)，这种情况下，地图创建设备100可基于接收到的环境数据，为车辆创建高精地图，满足车辆的需求。

示例性方法

图2是本申请一示例性实施例提供的地图创建方法的流程示意图。本实施例可应用在电子设备上，如图2所示，包括如下步骤：

步骤S201、获取移动设备针对目标区域采集的环境数据。

其中，目标区域通常包括需要创建地图的区域，例如，在辅助驾驶或自动驾驶的应用场景下，该目标区域通常包括车辆所在道路的周边环境的区域。

该环境数据包括用于指示路面元素的类型和位置的数据。示例性的，该环境数据可包括路面元素对应的深度图像，这种情况下，移动设备可包括能够拍摄深度图像的深度相机，或者，该环境数据可包括路面元素对应的点云数据集，这种情况下，移动设备可包括能够生成点云数据集的激光雷达。或者，在另一示例中，该环境数据可同时包括路面元素对应的深度图像和点云数据集，或者还包括其他可指示路面元素的类型和位置的数据。

步骤S202、通过对环境数据进行分类，确定至少一个数据集合。其中，每个数据集合内包含的环境数据对应同一类路面元素。

在这一步骤中，可通过对环境数据的分析处理，确定环境数据的语义，并据此对环境数据分类，将对应同一类路面元素的环境数据划分至同一个数据集合中。

在一个示例中，移动设备采集的环境数据包括道路边沿对应的点云数据集，通过步骤S202，可确定一个数据集合，该数据集合内包含的环境数据对应道路边沿这一路面元素。

在另一个示例中，移动设备采集的环境数据包括道路边沿对应的点云数据集、车道线对应的点云数据集、道路边沿对应的深度图像和车道线对应的深度图像，则通过步骤S202的操作，可得到道路边沿对应的数据集合，该数据集合中包括道路边沿对应的点云数据集和深度图像，以及得到车道线对应的数据集合，该数据集合中包括车道线对应的点云数据集和深度图像。

步骤S203、基于各数据集合内包含的各环境数据对应的三维空间坐标，确定各数据集合分别对应的置信度。

其中，数据集合的置信度可用于表征数据集合的准确度。在本公开实施例中，通常某一数据集合的置信度越高，则该数据集合的准确度越高。

步骤S204、基于各数据集合分别对应的置信度，创建高精地图。

由于各数据集合的置信度可反映各数据集合的准确度，因此，基于各数据集合的置信度，可确定其中准确度较高的数据集合，从而能够创建高精地图。

基于本公开实施例提供的方案，能够在获取目标区域的环境数据之后，将环境数据划分为至少一个数据集合，各数据集合内包含的环境数据对应同一类路面元素，然后确定各数据集合内包含的环境数据分别对应的三维空间坐标，确定各数据集合分别对应的置信度，再基于该置信度创建高精地图。

因此，与现有技术的方案相比，本公开实施例提供的方案能够创建较高精度的地图，解决现有技术创建的地图准确性低的问题。

进一步的，本公开实施例提供的方案对采集环境数据的移动设备的性能要求较低，无需采用高性能的移动设备，从而能够通过降低的成本获取高精度的地图，具有较广的应用范围。

在本公开的步骤S203中，基于各数据集合内包含的各环境数据对应的三维空间坐标，确定各数据集合分别对应的置信度。在一种可行的实现方式中，如图3所示，在上述图2所示实施例的基础上，步骤S203可包括如下步骤：

步骤S2031、基于各数据集合内包含的各环境数据的三维空间坐标，确定路面元素的第一参数分别与三个第二参数的三条关系曲线。

在步骤S2031中，通过对同一数据集合内包含的各环境数据进行数据拟合，确定该数据集合对应的路面元素的三条关系曲线。这三条关系曲线分别表征第一参数与其中一个第二参数中之间的关系。

其中，第一参数为路面元素的观测点距离关系曲线的起点的弧长，各第二参数分别为观测点和观测点在关系曲线的投影点之间在三维方向的距离。

在本公开实施例提供的方案中，观测点指的是路面元素表面的一点。如果环境数据包括路面元素对应的点云数据集，移动设备发出的激光在到达路面元素的观测点之后会发生反射，移动设备接收发射的激光，并据此生成点云数据集。另外，如果环境数据包括路面元素对应的深度图像，移动设备在不同角度对目标环境进行拍摄时，可获取针对路面元素不同角度的观测点的深度图像。

基于步骤S2031的操作，可分部获取各数据集合对应的路面元素的三条关系曲线，其中，各条关系曲线可通过一个三次多项式表示，示例性的，该三条关系曲线可通过以下公式表示：

rx＝a0*t*t*t+b0*t*t+c0*t+d0-x_obs     公式(1)；

ry＝a1*t*t*t+b1*t*t+c1*t+d1-y_obs     公式(2)；

rz＝a2*t*t*t+b2*t*t+c2*t+d2-z_obs     公式(3)。

上述三个公式分别对应三条关系曲线，其中，t为第一参数，即路面元素的观测点距离关系曲线的起点的弧长；rx、ry和rz均为第二参数，rx表示观测点与该观测点在关系曲线的投影点之间在x方向的距离，ry表示观测点与该观测点在关系曲线的投影点之间在y方向的距离，rz表示观测点与该观测点在关系曲线的投影点之间在z方向的距离；a0、b0、c0、d0、a1、b1、c1、d1、a2、b2、c2和d2为三次多项式的系数，x_obs、y_obs和z_obs分别表示关系曲线的常数项。

通过对各数据集合内包含的环境数据进行拟合计算，可以确定a0、b0、c0、d0、a1、b1、c1、d1、a2、b2、c2、d2、x_obs、y_obs和z_obs的具体数值，从而可以得到相应的关系曲线。

步骤S2032、基于关系曲线，确定各数据集合内包含的各环境数据分布的聚合程度。

在本公开实施例提供的方案中，每个数据集合内包含的环境数据对应同一类路面元素，也就是说，基于某一数据集合内包含的环境数据，可确定该数据集合对应的某一类路面元素的类型和位置。

这种情况下，如果某一数据集合内包含的环境数据分布较为集中，则表明该数据集合内包含的环境数据的聚合程度较高，该数据集合内包含的环境数据的准确度较高，基于该数据集合确定的路面元素的类别和位置与实际环境较接近。

相应的，如果某一数据集合内包含的环境数据分布较分散，即该数据集合内包含的环境数据的聚合程度较低，那么该数据集合内包含的环境数据的准确度较低，基于该数据集合确定的路面元素的类别和位置与实际环境之间具有较大的偏差。

也就是说，基于数据集合内包含的环境数据确定路面元素的准确度，通常与该数据集合内包含的环境数据的聚合程度相关，该聚合程度越高，基于该数据集合内包含的环境数据确定路面元素的准确度越高。

参见图4所示的示意图，在一个示例中，路面元素包括车道线和道路边沿，在对环境数据进行分类之后，可确定车道线对应的第一数据集合和道路边沿对应的第二数据集合。基于第一数据集合内包含的环境数据确定的车道线的分布情况如图4中的实线所示，基于第二数据集合内包含的环境数据确定的道路边沿的分布情况如图4中的虚线所示，另外，包含箭头的线为车辆在该示例中的行驶路线。

在图4中，车道线对应的实线与道路边沿对应的虚线相比，分布更为集中，因此第一数据集合内包含的环境数据分布的聚合程度更高。这种情况下，基于第一数据集合内包含的环境数据所确定的车道线，往往比基于第二数据集合内包含的环境数据所确定的道路边沿更接近实际环境。

在另一个示例中，某一数据集合内包含的各环境数据分布情况如图5(a)所示，另一数据集合内包含的各环境数据分布情况如图5(b)所示，二者对比，可确定图5(b)对应的数据集合内包含的环境数据分布的聚合程度更高。相应的，基于图5(b)对应的数据集合内包含的环境数据所确定的路面元素的准确性更高。

步骤S2033、基于各环境数据分布的聚合程度，确定各数据集合分别对应的置信度。

数据集合的准确度通常与该数据集合内包含的各环境数据的聚合程度相关，通常某一数据集合内各环境数据分布的聚合程度越高，该数据集合对应的置信度越高，相应的，通过该数据集合确定的路面元素的准确度越高。因此，在本公开实施例中，可基于数据集合内各环境数据分布的聚合程度，确定各数据集合分别对应的置信度。

在本公开实施例提供的方案中，确定数据集合内包含的环境数据分布的聚合程度，再通过该聚合程度确定各数据集合分别对应的置信度。其中，数据集合的准确度通常与该数据集合内包含的各环境数据的聚合程度相关，而各数据集合的置信度基于数据集合内各环境数据分布的聚合程度确定，因此，通过本公开实施例的方案所确定的置信度，能够用于评估各数据集合内环境数据的准确度。

参见图6，在本公开另一示例性实施例中，可在上述图3所示实施例的基础上，通过以下步骤确定各数据集合内包含的各环境数据分布的聚合程度：

步骤S20321、基于关系曲线，以及各数据集合内的各环境数据的三维空间坐标，确定各数据集合分别对应的残差矩阵。

在一个示例中，某一数据集合对应的残差矩阵可通过以下公式表示：

其中，R表示其中一个数据集合对应的残差矩阵，该数据集合包括n个环境数据，n为正整数，(rx0,ry0,rz0)、(rx1,ry1,rz1)和(rxn,ryn,rzn)为该数据集合包含的环境数据的三维空间坐标，r为常数。

步骤S20322、基于各数据集合分别对应的残差矩阵，确定各数据集合分别对应的协方差矩阵。

在本公开中，环境数据的残差的分布通常近似符合正态分布，而正态分布通常遵循以下公式：

上述公式中，x表示rx、ry和rz；rx、ry和rz均为第二参数，rx表示观测点与该观测点在关系曲线的投影点之间在x方向的距离，ry表示观测点与该观测点在关系曲线的投影点之间在y方向的距离，rz表示观测点与该观测点在关系曲线的投影点之间在z方向的距离；∑表示协方差矩阵；k表示环境数据的维度，由于在本申请中，基于环境数据的三维空间坐标确定各数据集合分别对应的残差矩阵，因此k为3；μ表示rx、ry和rz的平均值；T为矩阵的转置符号。

据此，基于公式(4)，数据集合的协方差矩阵可通过以下公式表示：

∑＝R×R^T    公式(6)。

在公式(6)中，∑表示其中一个数据集合的协方差矩阵，该数据集合对应的残差矩阵为R，R^T表示残差矩阵R的转置。

步骤S20323、基于各数据集合分别对应的协方差矩阵的迹，确定各数据集合分别对应的无偏估计量，该无偏估计量用于表征数据集合内包含的各环境数据分布的聚合程度。

在本公开实施例中，可通过某一数据集合对应的协方差矩阵的迹表示该数据集合对应的残差矩阵的方差，该方差越小，通常表示该数据集合内各环境数据的聚合程度越好。

在一个示例中，其中一个数据集合对应的无偏估计量可通过以下公式表示：

其中，s²表示数据集合对应的无偏估计量，n表示该数据集合内包含的环境数据的数量，tr(∑)表示该数据集合对应的协方差矩阵的迹。

基于公式(7)，可利用数据集合对应的协方差矩阵的迹，确定该数据集合对应的无偏估计量，该无偏估计量可表征该数据集合内包含的环境数据分布的聚合程度。

进一步的，数据集合的置信度通常与移动设备采集环境数据的次数正相关，其中，通常采集环境数据的次数越高，该数据集合内包含的环境数据数量越丰富，通过该数据集合确定路面元素的准确度越高。也就是说，采集环境数据的次数越高，相应的该数据集合的置信度越大。因此在确定数据集合内包含的各环境数据分布的聚合程度之后，基于各环境数据分布的聚合程度，确定各数据集合分别对应的置信度的步骤，可通过以下操作实现：

基于数据集合对应的无偏估计量，以及移动设备采集环境数据的次数，确定各数据集合分别对应的置信度。

在一个示例中，可通过以下公式，确定数据集合的置信度：

上述公式中，score表示数据集合的置信度，该数据集合的无偏估计量为s²，tr(∑)表示该数据集合对应的协方差矩阵的迹，

其中，s²表示数据集合对应的无偏估计量，该数据集合内包含的环境数据的数量为n，n表示该数据集合内包含的环境数据的数量。另外，由于该数据集合内包含的数据的数量为n，并且移动设备通常每采集一次环境数据，可获取一个环境数据，因此，移动设备采集该数据集合内包含的环境数据的次数也为n。

通过本公开上述实施例提供的方案，能够基于各数据集合的关系曲线，确定各数据集合对应的无偏估计量，该无偏估计量可表征各数据集合内包含的各环境数据分布的聚合程度。并且，基于该无偏估计量以及移动设备采集环境数据的次数，可确定各数据集合分别对应的置信度，以便通过各数据集合的置信度，创建高精地图。

在本公开的各实施例中，通过对环境数据的分类，确定至少一个数据集合。在实际的地图创建过程中，可通过多种方式确定该数据集合。

在一种可行的实现方式中，基于各环境数据的语义，对环境数据进行分类，这种情况下，同一个数据集合内包含的环境数据可包括不同移动设备采集，并且对应同一类路面元素的环境数据。

相应的，如果通过上述实现方式确定数据集合，各数据集合的置信度表示的是各类型路面元素的环境数据分别对应的置信度。

例如，如果用于采集环境数据的移动设备包括深度相机和激光雷达，并且采集的环境数据包括道路边沿对应的环境数据和车道线对应的环境数据，基于上述实现方式可确定两个数据集合，其中一个数据集合中包括由深度相机和激光雷达采集的道路边沿的环境数据，另一个数据集合中包括由深度相机和激光雷达采集的车道线的环境数据。

在另外一种可行的实现方式中，参见图7，可在上述图3所示实施例的基础上，通过以下步骤对环境数据进行分类，确定至少一个数据集合：

步骤S2021、基于各环境数据分别对应的移动设备的类型，对环境数据进行分类，确定至少一个中间数据集合；

步骤S2022、基于各环境数据分别对应的路面元素的类型，对各中间数据集合内包含的各环境数据进行分类，确定至少一个数据集合。

也就是说，在该实现方式中，首先基于采集环境数据的移动设备对环境数据进行分类，以获取中间数据集合，这种情况下，同一个中间数据集合内包含的各环境数据由同一类型的移动设备采集；然后，基于环境数据对应的路面元素的类型，对中间数据集合内包含的各环境数据进行分类，以确定至少一个数据集合。

或者，在该实现方式中，还可首先基于各环境数据分别对应的路面元素的类型对环境数据进行分类，确定至少一个中间数据集合，这种情况下，同一中间数据集合内包含的各环境数据对应同一类路面元素；然后，基于各环境数据分别对应的移动设备的类型，对该中间数据集合中包含的各环境数据分类，确定至少一个数据集合。

通过上述实现方式提供的方案，所确定的各数据集合内包含的各环境数据由同一类型的移动设备采集，并且对应同一类型的路面元素。

例如，如果用于采集环境数据的移动设备包括深度相机和激光雷达，并且采集的环境数据包括道路边沿对应的环境数据和车道线对应的环境数据，基于上述实现方式可确定四个数据集合，这四个数据集合包括：由深度相机采集的道路边沿的环境数据构成的数据集合、由激光雷达采集的道路边沿的环境数据构成的数据集合、由深度相机采集的车道线的环境数据构成的数据集合以及由激光雷达采集的车道线的环境数据构成的数据集合。

进一步的，由于通过本公开实施例提供的确定数据集合的方案，所确定的各数据集合内包含的各环境数据由同一类型的移动设备采集，并且对应同一类型的路面元素，从而能够根据各数据集合的置信度，确定各移动数据采集环境数据的准确度。

例如，如果基于本公开实施例提供的方案确定的数据集合包括：由深度相机采集的道路边沿的环境数据构成的第三数据集合，以及由激光雷达采集的道路边沿的环境数据构成的第四数据集合，如果第三数据集合的置信度高于第四数据集合的置信度，则表明深度相机采集的环境数据的准确度高于激光雷达采集的环境数据的准确度。

相应的，参见图8，在上述图7所示实施例的基础上，还可包括以下步骤：

步骤S2023、确定各数据集合中的第一目标数据集合，第一目标数据集合的置信度小于各数据集合中的其他数据集合的置信度。

在本公开实施例中，第一目标数据集合的数量可为N，N为预设的正整数。

步骤S2024、基于第一目标数据集合对应的移动设备，生成提示信息。该提示信息用于指示该第一目标数据集合对应的移动设备在采集环境数据时存在准确度低的问题。

通过步骤S2021至步骤S2022的操作，所确定的各数据集内包含的环境数据由同一类型的移动设备采集，并且对应同一类型的路面元素，相应的，各数据集合的置信度能够反映各移动数据采集环境数据的准确度。

由于第一目标数据集合的置信度小于其他数据集合的置信度，因此，采集第一目标数据集合内各环境数据的移动设备的准确度较低，通过该提示信息，可提示技术人员对该移动设备进行检修处理，以便提高该移动设备采集环境数据的准确度，进一步提高创建地图的准确度。

在本公开上述实施例中，提供基于各数据集合分别对应的置信度，创建高精地图的操作，该操作可通过多种方式实现。

在其中一种可行的实现方式中，基于各数据集合分别对应的置信度，创建高精地图的操作可包括以下步骤：

首先，基于各数据集合分别对应的置信度，确定第二目标数据集合，第二目标数据集合的置信度大于其他数据集合的置信度。

其中，第二目标数据集合的数量可预先设定，并基于各数据集合分别对应的置信度以及预先设定的第二目标数据集合的数量，确定该第二目标数据集合。或者，可预先设定一个置信度阈值，如果某一数据集合的置信度大于该置信度阈值，则确定该数据集合为第二目标数据集合。

由于第二目标数据集合的置信度大于其他数据集合的置信度，因此，通过第二目标数据集合确定的路面元素的准确度较高。

然后，创建各数据集合对应的高精地图，并在高精地图中标记显示通第二目标数据集合确定的路面元素。

设定通过第二目标数据集合确定的路面元素为高准确度路面元素，在高精地图中对通过该高准确度路面元素进行标记显示，可对高精地图中的高准确度路面元素和其他的路面元素进行区分。

对该高准确度路面元素进行标记显示的方式可包括多种。在一个示例中，可在高精地图中通过高亮的形式显示该高准确度路面元素。或者，在另一个示例中，可通过与其他路面元素不同的彩色在高精地图中显示该高准确度路面元素。

通过这一实现方式创建高精地图时，可基于各数据集合确定的路面元素的类型和位置创建地图，并在该地图中，标记通过第二目标数据确定的路面元素，而通过第二目标数据集合确定的路面元素的准确度较高，因此，该高精地图对准确度较高的路面元素进行标记显示，可实现对高精地图中的高准确度路面元素和其他的路面元素的区分，便于确定高精地图中的高准确度路面元素。

在另外一种可行的实现方式中，基于各数据集合分别对应的置信度，创建高精地图的操作可包括以下步骤：

首先，基于各数据集合分别对应的置信度，确定第三目标数据集合，第三目标数据集合的置信度大于其他数据集合的置信度。

然后，基于第三目标数据集合创建高精地图。

这一实现方式中，仅通过置信度较高的第三目标数据集合进行地图的创建，因此，所创建的地图的准确度较高。

在实际的应用场景中，为了保障导航的准确度，车辆可同时通过地图和其他方式进行导航。例如，车辆还可通过全球定位系统(globalpositioning system，GPS)进行导航，以及还可通过惯性导航系统(inertial navigation system，INS)进行导航。

基于本公开上述实施例提供的方案，可确定各数据集合的置信度，这种情况下，还可根据该数据集合的置信度，调整不同导航方式的权重。针对这一情况，如果移动设备包括至少两种导航方式，该至少两种导航方式中包括基于高精地图的第一地图导航方式，参见图9，在上述图2所示实施例的基础上，在本公开实施例提供的方案中，还包括以下步骤：

步骤S205、基于各数据集合分别对应的置信度与各数据集合分别对应的预设阀值，确定应用第一地图导航方式的权重。

其中，如果各数据集合分别对应的置信度大于各数据集合分别对应的预设阀值，则表明各数据集合内包含的环境数据的准确度较高，相应的基于该数据集合创建的高精地图的准确度较高，这种情况下，可相应提高应用第一地图导航方式进行导航的权重。

另外，如果各数据集合分别对应的置信度不大于各数据集合分别对应的预设阀值，则表明各数据集合内包含的环境数据的准确度较低，这种情况下，可相应降低应用第一地图导航方式进行导航的权重。在这一操作中，各数据集合分别对应的置信度不大于各数据集合分别对应的预设阀值，指的是各数据集合中任意一个数据集合对应的置信度不大于该数据集合对应的预设阈值。

在一种可行的示例中，可预先设置第一差值与应用第一地图导航方式的权重之间的对应关系，该第一差值为各数据集合分别对应的置信度与预设阈值的差值。在该对应关系中，第一差值越大，通常应用第一地图导航方式的权重越高。这种情况下，基于该对应关系，即可确定应用第一地图导航方式的权重。

步骤S206、基于确定的应用第一地图导航方式的权重为移动设备进行导航。

通过本公开实施例提供的方案，可基于各数据集合分别对应的置信度，调整应用第一地图导航方式进行导航的权重，从而能够基于各数据集合分别对应的置信度调整导航方式，保障导航方式的准确度，提高车辆的安全性。

为了明确本公开实施例的有益效果，以下公开两个示例。在一个示例中，移动设备的导航方式包括第一地图导航方式和利用INS进行导航的INS导航方式。这种情况下，如果各数据集合分别对应的置信度大于该数据集合对应的预设阈值，则提高第一地图导航方式的权重，并结合INS导航方式与提高权重后的第一地图导航方式共同进行导航。

这一示例中，基于数据集合分别对应的置信度与预设阈值的比较，调整了第一地图导航方式在各种导航方式中的权重，相应能够提高导航的准确度。

在另一示例中，移动设备的导航方式包括：第一地图导航方式、利用INS进行导航的INS导航方式以及利用GPS进行导航的GPS导航方式。这种情况下，如果各数据集合分别对应的置信度大于该数据集合对应的预设阈值，则提高第一地图导航方式的权重。另外，由于GPS信号的强度较易影响GPS导航的准确度，还可确定当前GPS信号的强度，如果当前的GPS信号较弱，则降低GPS导航方式的权重。然后，基于调整权重后的导航方式进行导航。

这一示例中，基于数据集合分别对应的置信度与预设阈值的比较，调整第一地图导航方式在各种导航方式中的权重，并且基于GPS信号的强度，调整GPS导航方式在各种导航方式中的权重，相应能够提高导航的准确度。

在本公开的上述实施例中，基于各数据集合分别对应的置信度与预设阈值之间的比较，确定应用第一地图导航方式的权重，其中，该预设阈值可通过多种方式确定。

在一种可行的实现方式中，各数据集合分别对应的预设阀值通过如下方式确定：

基于路面元素与预设阈值之间的对应关系，确定各数据集合分别对应的预设阈值。

在这一实现方式中，预先设定各路面元素与预设阈值之间的对应关系，然后基于该对应关系，以及各数据集合分别对应的路面元素，即可确定各数据集合分别对应的预设阈值。

示例性的，在确定该对应关系时，可根据路面元素的体积大小，确定该路面元素对应的预设阈值。这种情况下，由于路面元素的体积越大越容易被识别到，因此，通常路面元素的体积越大，在该对应关系中对应的预设阈值越大。

或者，可根据对路面元素的重视程度，确定该路面元素对应的预设阈值，这种情况下，对某一路面元素越重视，该对应关系中对应的预设阈值越大。例如，如果各数据集合对应的路面元素包括路标，而在导航过程中，车辆往往需要根据路标的指示确定是否需要调整方向，因此对路标较为重视，这种情况下，可设定路标这一路面元素对应较大的预设阈值。

或者，在另一种可行的实现方式中，各数据集合分别对应的预设阀值通过如下方式确定：

第一步，确定环境数据的影响参数，该影响参数包括以下参数中的至少一种：环境数据的采集时间、光照和天气。

在实际的应用场景中，同一移动设备采集环境数据的准确度往往会受到当前环境的影响。例如，如果当前光照强度较低，周边可能存在遮蔽物，这将导致激光雷达确定点云数据集的准确度下降，并且较低的光照强度往往会降低深度相机拍摄深度图像的清晰度；如果当前为阴雨天气，深度相机拍摄深度图像的清晰度通常会下降，并且激光雷达获取点云数据集的准确度也会下降；另外，不同的采集时间对应的光照不同，例如早晨的光照强度往往低于中午的光照强度，而光照强度较强的情况下，深度相机拍摄深度图像的准确度通常较高。

第二步，基于影响参数，确定各数据集合分别对应的预设阈值。

该步骤中，通常当环境数据的影响参数会导致移动设备采集环境数据的准确度降低时，各数据集合分别对应的预设阈值相应减小；当环境数据的影响参数会导致移动设备采集环境数据的准确度提高时，各数据集合分别对应的预设阈值相应增大。

第一地图导航方式在各导航方式中的权重与各数据集合分别对应的预设阈值相关，而通过本公开实施例提供的方案，能够基于当前的影响参数，对各数据集合分别对应的预设阈值进行调整，因此，本公开实施例能够基于当前的影响参数，对第一地图导航方式的权重进行调整，进一步提高对移动设备进行导航的准确度。

示例性装置

图10是本公开一示例性实施例提供的地图创建装置的结构图。该地图创建装置可以设置于终端设备、服务器等电子设备中，或者车辆等对象上，执行本公开上述任一实施例的地图创建方法。如图10所示，该实施例的地图创建装置包括：数据获取模块201、集合确定模块202、置信度确定模块203和地图创建模块204。

其中，数据获取模块201，用于获取移动设备针对目标区域采集的环境数据；

集合确定模块202，用于通过对所述数据获取模块获取21的所述环境数据进行分类，确定至少一个数据集合，其中，各所述数据集合内包含的所述环境数据对应同一类路面元素；

置信度确定模块203，用于基于所述集合确定模块22确定的各所述数据集合内包含的各数据对应的三维空间坐标，确定各所述数据集合分别对应的置信度；

地图创建模块204，用于基于所述置信度确定模块23确定的各所述数据集合分别对应的置信度，创建高精地图。

进一步的，参见图11所示的结构示意图，在一种可行的示例中，置信度确定模块203包括：

曲线确定单元2031，用于基于各数据集合内包含的各环境数据的三维空间坐标，确定路面元素的第一参数分别与三个第二参数的三条关系曲线，其中，第一参数为路面元素的观测点距离关系曲线的起点的弧长，各第二参数分别为观测点和观测点在所述关系曲线的投影点之间在三维方向的距离；

聚合程度确定单元2032，用于基于曲线确定单元2031确定的关系曲线，确定各数据集合内包含的各环境数据分布的聚合程度；

置信度确定单元2033，用于基于聚合程度确定单元2032确定的各环境数据分布的聚合程度，确定各数据集合分别对应的置信度。

进一步的，聚合程度确定单元2032包括：

残差矩阵确定子单元，用于基于关系曲线，以及各数据集合内的各环境数据的三维空间坐标，确定各数据集合分别对应的残差矩阵；

协方差矩阵确定子单元，用于基于残差矩阵确定子单元确定的各数据集合分别对应的残差矩阵，确定各数据集合分别对应的协方差矩阵；

无偏估计量确定子单元，用于基于协方差矩阵确定子单元确定的各数据集合分别对应的协方差矩阵的迹，确定各数据集合分别对应的无偏估计量，该无偏估计量用于表征数据集合内包含的各环境数据分布的聚合程度。

相应的，这种情况下，置信度确定单元203包括：置信度确定子单元，该置信度确定子单元用于基于各数据集合对应的无偏估计量，以及移动设备采集环境数据的次数，确定各数据集合分别对应的置信度。

在一种可行的示例中，该集合确定模块202包括：

第一分类单元2021，用于基于各环境数据分别对应的移动设备的类型，对环境数据进行分类，确定至少一个中间数据集合；

第二分类单元2022，基于各环境数据分别对应的路面元素的类型，对第一分类单元确定的各中间数据集合内包含的各环境数据进行分类，确定至少一个数据集合。

进一步的，在本公开实施例提供的方案中，还包括：提示模块205。该提示模块205用于在确定至少一个数据集合之后，确定各数据集合中的第一目标数据集合，第一目标数据集合的置信度小于各数据集合中的其他数据集合的置信度；并且，该提示模块205还用于基于第一目标数据集合对应的移动设备，生成提示信息。

另外，在一种可行的示例中，该地图创建模块204包括：

目标集合确定单元2041，用于基于各数据集合分别对应的置信度，确定第二目标数据集合，第二目标数据集合的置信度大于其他数据集合的置信度；

地图创建单元2042，用于创建各数据集合对应的高精地图，并在高精地图中标记显示通过目标集合确定单元2041确定的第二目标数据集合确定的路面元素。

进一步的，如果移动设备包括至少两种导航方式，该至少两种导航方式中包括基于高精地图的第一地图导航方式，本公开实施例提供的地图创建装置中，还包括：导航模块206。

该导航模块206用于在基于各数据集合分别对应的置信度，创建高精地图之后，基于各数据集合分别对应的置信度与各数据集合分别对应的预设阀值，确定应用第一地图导航方式的权重；并且，该导航模块206还用于基于该权重为移动设备进行导航。

其中，在一种可行的实现方式中，该导航模块206可包括：

第一阈值确定单2061，用于基于路面元素与预设阈值之间的对应关系，确定各数据集合分别对应的预设阈值。

或者，在另一种可行的实现方式中，该导航模块206包括：

参数确定单元2062，用于确定所述环境数据的影响参数，所述影响参数包括以下参数中的至少一种：所述环境数据的采集时间、光照和天气；

第二阈值确定单元2063，用于基于参数确定单元2062确定的影响参数，确定各数据集合分别对应的预设阈值。

示例性电子设备

下面，参考图12来描述根据本申请实施例的电子设备。在本公开一示例性实施例中，该电子设备可以是包括图1所示的地图创建设备100的电子设备，或者，在本公开另一示例性实施例中，该电子设备可以是包括图1所示的地图创建设备100、第一设备200和第二设备300的电子设备。当然，该电子设备也可以为其他形式，本公开对此不作限定。

图12图示了根据本申请实施例的电子设备的框图。

如图12所示，电子设备11包括一个或多个处理器111和存储器112。

处理器111可以是中央处理单元(central processing unit，CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备11中的其他组件以执行期望的功能。

存储器112可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(random access memory，RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(read-only memory，ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器111可以运行所述程序指令，以实现上文所述的本申请的各个实施例的地图创建方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如环境数据和创建的高精地图等各种内容。

在一个示例中，电子设备11还可以包括：输入装置113和输出装置114，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

此外，该输入装置113还可以包括例如键盘、鼠标等等。

该输出装置114可以向外部输出各种信息，包括创建的高精地图等。该输出装置114可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图12中仅示出了该电子设备11中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备11还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的地图创建方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的地图创建方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(random access memory，RAM)、只读存储器(read-only memory，ROM)、可擦式可编程只读存储器((erasable programmable read-only memory，EPROM)或闪存)、光纤、便携式紧凑盘只读存储器(compact disc read-only memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。

本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (11)

1.一种地图创建方法，包括：

获取移动设备针对目标区域采集的环境数据；

通过对所述环境数据进行分类，确定至少一个数据集合，其中，每个所述数据集合内包含的所述环境数据对应同一类路面元素；

基于各所述数据集合内包含的各环境数据对应的三维空间坐标，确定各所述数据集合分别对应的置信度；

基于各所述数据集合分别对应的置信度，创建高精地图。

2.根据权利要求1所述的方法，其中，所述基于各所述数据集合内包含的各数据对应的三维空间坐标，确定各所述数据集合分别对应的置信度，包括：

基于各所述数据集合内包含的各环境数据的三维空间坐标，确定所述路面元素的第一参数分别与三个第二参数的三条关系曲线，其中，所述第一参数为所述路面元素的观测点距离所述关系曲线的起点的弧长，各所述第二参数分别为所述观测点和所述观测点在所述关系曲线的投影点之间在三维方向的距离；

基于所述关系曲线，确定各所述数据集合内包含的各所述环境数据分布的聚合程度；

基于各所述环境数据分布的聚合程度，确定各所述数据集合分别对应的置信度。

3.根据权利要求2所述的方法，其中，所述基于所述关系曲线，确定各所述数据集合内包含的各所述环境数据分布的聚合程度，包括：

基于所述关系曲线，以及各所述数据集合内的各环境数据的三维空间坐标，确定各所述数据集合分别对应的残差矩阵；

基于各所述数据集合分别对应的残差矩阵，确定各所述数据集合分别对应的协方差矩阵；

基于各所述数据集合分别对应的协方差矩阵的迹，确定各所述数据集合分别对应的无偏估计量，所述无偏估计量用于表征所述数据集合内包含的各所述环境数据分布的聚合程度；

所述基于各所述环境数据分布的聚合程度，确定各所述数据集合分别对应的置信度，包括：

基于各所述数据集合对应的无偏估计量，以及所述移动设备采集所述环境数据的次数，确定各所述数据集合分别对应的置信度。

4.根据权利要求1所述的方法，其中，所述通过对所述环境数据进行分类，确定至少一个数据集合，包括：

基于各所述环境数据分别对应的移动设备的类型，对所述环境数据进行分类，确定至少一个中间数据集合；

基于各所述环境数据分别对应的路面元素的类型，对各所述中间数据集合内包含的各所述环境数据进行分类，确定至少一个数据集合。

5.根据权利要求4所述的方法，其中，在所述确定至少一个数据集合之后，还包括：

确定各所述数据集合中的第一目标数据集合，所述第一目标数据集合的置信度小于各所述数据集合中的其他数据集合的置信度；

基于所述第一目标数据集合对应的所述移动设备，生成提示信息。

6.根据权利要求1至5任一项所述的方法，其中，所述基于各所述数据集合分别对应的置信度，创建高精地图，包括：

基于各所述数据集合分别对应的置信度，确定第二目标数据集合，所述第二目标数据集合的置信度大于其他数据集合的置信度；

创建各所述数据集合对应的高精地图，并在所述高精地图中标记显示通过所述第二目标数据集合确定的所述路面元素。

7.根据权利要求1至5任一项所述的方法，其中，所述移动设备包括至少两种导航方式，所述至少两种导航方式中包括基于所述高精地图的第一地图导航方式，在所述基于各所述数据集合分别对应的置信度，创建高精地图之后，还包括：

基于各所述数据集合分别对应的置信度与各所述数据集合分别对应的预设阀值，确定应用所述第一地图导航方式的权重；

基于所述权重，为所述移动设备进行导航。

8.根据权利要求7所述的方法，其中，各所述数据集合分别对应的所述预设阀值通过如下方式确定，包括：

基于所述路面元素与所述预设阈值之间的对应关系，确定各所述数据集合分别对应的预设阈值；或者，

确定所述环境数据的影响参数，所述影响参数包括以下参数中的至少一种：所述环境数据的采集时间、光照和天气；

基于所述影响参数，确定各所述数据集合分别对应的所述预设阈值。

9.一种地图创建装置，包括：

数据获取模块，用于获取移动设备针对目标区域采集的环境数据；

集合确定模块，用于通过对所述数据获取模块获取的所述环境数据进行分类，确定至少一个数据集合，其中，各所述数据集合内包含的所述环境数据对应同一类路面元素；

置信度确定模块，用于基于所述集合确定模块确定的各所述数据集合内包含的各数据对应的三维空间坐标，确定各所述数据集合分别对应的置信度；

地图创建模块，用于基于所述置信度确定模块确定的各所述数据集合分别对应的置信度，创建高精地图。

10.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-8任一所述的地图创建方法。

11.一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-8任一所述的地图创建方法。

Images