CN116310169A - 高精地图的绘制方法、装置、设备、介质及程序产品 - Google Patents

高精地图的绘制方法、装置、设备、介质及程序产品 Download PDF

Info

Publication number
CN116310169A
CN116310169A CN202310187029.4A CN202310187029A CN116310169A CN 116310169 A CN116310169 A CN 116310169A CN 202310187029 A CN202310187029 A CN 202310187029A CN 116310169 A CN116310169 A CN 116310169A
Authority
CN
China
Prior art keywords
point cloud
map
generated
elements
local
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.)
Pending
Application number
CN202310187029.4A
Other languages
English (en)
Inventor
周明明
赖晗
李兴涛
张建平
吴复争
孙祥乐
宁哲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Navinfo Information Technology Co ltd
Original Assignee
Xi'an Navinfo Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xi'an Navinfo Information Technology Co ltd filed Critical Xi'an Navinfo Information Technology Co ltd
Priority to CN202310187029.4A priority Critical patent/CN116310169A/zh
Publication of CN116310169A publication Critical patent/CN116310169A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请提供一种高精地图的绘制方法、装置、设备、介质及程序产品，该方法包括：获取从原始点云中框选出的包含有待生成地图要素的局部点云；对所述局部点云进行过滤，以获取属于所述待生成地图要素对应的要素点云；对所述要素点云进行平面轮廓拟合，并获取拟合后的几何形状的轮廓和中心坐标；基于所述轮廓和中心坐标对所述要素点云进行渲染，以生成所述待生成地图要素的矢量要素，并基于所述矢量要素绘制高精地图。本申请通过框选出的局部点云并进行过滤，获取目标要素点云，然后针对要素点云生成对应的矢量要素，替代人工采用地图编辑工具频繁进行绘制交互，有效降低了人工交互难度，同时提高了高精地图的绘制效率。

Description

高精地图的绘制方法、装置、设备、介质及程序产品
技术领域
本申请涉及高精地图技术领域，尤其涉及一种高精地图的绘制方法、装置、设备、介质及程序产品。
背景技术
随着智能驾驶技术的发展，智能驾驶车辆利用高精地图进行定位和规划，对高精地图也产生了越来越高的依赖性。
然而在高精度地图制作中，由于高精度地图中大量的地图要素需要人工绘制，因此面对海量中报数据中快速提炼生产高精地图以满足实时性要求，仍是一个难题。特别是基于点云绘制，更需要人工使用地图编辑工具进行点云精准的绘制交互，此过程大大增加了地图要素的绘制时间，从而导致了现有的高精度地图制作生产效率较低的技术问题。
发明内容
本申请提供一种高精地图的绘制方法、装置、设备、介质及程序产品，以至少解决上述技术问题之一。
根据本申请的一方面，提供一种高精地图的绘制方法，所述方法包括：
获取从原始点云中框选出的包含有待生成地图要素的局部点云；
对所述局部点云进行过滤，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云；
对所述要素点云进行平面轮廓拟合，并获取拟合后的几何形状的轮廓和中心坐标；
基于所述轮廓和中心坐标对所述要素点云进行渲染，以生成所述待生成地图要素的矢量要素，并基于所述矢量要素绘制高精地图。
在一种实施方式中，所述局部点云的框选方式，包括：
在原始点云的正交视图下，基于预设高程值从所述原始点云中框选出包含有待生成地图要素的局部点云；
其中，在所述待生成地图要素为路面要素的情况下，所述预设高程值根据所述待生成地图要素凸出路面高度进行确定。
在一种实施方式中，所述对所述局部点云进行过滤，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云，包括：
获取目标点云语义分割模型；其中，所述目标点云语义分割模型是基于所述待生成地图要素预训练出的模型；
采用所述目标点云语义分割模型，基于所述局部点云的特征对所述局部点云进行分类，并基于分类结果，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云。
在一种实施方式中，所述对所述要素点云进行平面轮廓拟合，并获取拟合后的几何形状的轮廓和中心坐标，包括：
遍历所述要素点云中的点云块，依次获取每个点云块的最大的经纬度坐标以及最小经纬度坐标；
选取所述最大经纬度坐标和所述最小经纬度坐标作为待拟合几何形状的对角顶点；
基于所述对角顶点对所述待拟合几何形状进行拟合，得到拟合后的几何形状及其对应的轮廓，并基于所述最大经纬度坐标和所述最小经纬度坐标获取所述拟合后的几何形状的中心坐标。
在一种实施方式中，所述方法还包括：
获取所述矢量要素是否正确的校验结果，其中，所述矢量要素的校验结果为正确/不正确的情况包括：所述矢量要素与所述待生成地图要素对应的目标矢量要素相同/不同；
则所述基于所述矢量要素绘制高精地图，包括：
在所述校验结果为正确的情况下，基于所述矢量要素绘制高精地图。
在一种实施方式中，所述方法还包括：
在所述校验结果不正确的情况下，获取目标点云分割模型对所述局部点云的分类结果，所述目标点云分割模型用于过滤所述局部点云中不属于所述待生成地图要素对应的点云，并获取所述待生成地图要素对应的要素点云；
在所述分类结果为分类正确的情况下，获取所述要素点云中的误差点云的第一调整结果，并基于所述要素点云和所述第一调整结果生成第一正向标注数据；
或者，
在所述分类结果为分类不正确的情况下，若所述分类结果中存在要素点云类型的第一反向点云分类为不属于所述待生成地图要素对应的点云，则获取所述第一反向点云的第二调整结果，并基于所述要素点云和所述第二调整结果生成第二正向标注数据；和/或
在所述分类结果为分类不正确的情况下，若所述分类结果中存在不属于所述待生成地图要素对应的点云类型的第二反向点云分类为要素点云类型，则获取所述第二反向点云的第三调整结果，并基于所述要素点云和所述第三调整结果生成反向标注数据；
将所述第一正向标注数据，或者，所述第二正向标注数据和/或所述反向标注数据作为训练样本数据，并基于所述训练数据优化所述目标点云语义分割模型。
根据本申请的第二方面，提供一种高精地图的绘制装置，包括：
点云框选模块，其设置为获取从原始点云中框选出的包含有待生成地图要素的局部点云；
过滤模块，其设置为对所述局部点云进行过滤，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云；
轮廓拟合模块，其设置为对所述要素点云进行平面轮廓拟合，并获取拟合后的几何形状的轮廓和中心坐标；
渲染模块，其设置为基于所述轮廓和中心坐标对所述要素点云进行渲染，以生成所述待生成地图要素的矢量要素；以及，地图绘制模块，其设置为基于所述矢量要素绘制高精地图。
在一种实施方式中，所述局部点云的框选方式，包括：在原始点云的正交视图下，基于预设高程值从所述原始点云中框选出包含有待生成地图要素的局部点云；
其中，在所述待生成地图要素为路面要素的情况下，所述预设高程值根据所述待生成地图要素凸出路面高度进行确定。
在一种实施方式中，所述过滤模块，包括：
模型获取单元，其设置为获取目标点云语义分割模型；其中，所述目标点云语义分割模型是基于所述待生成地图要素预训练出的模型；
分类单元，其设置为采用所述目标点云语义分割模型，基于所述局部点云的特征对所述局部点云进行分类；
过滤单元，其设置为基于分类结果，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云。
在一种实施方式中，所述轮廓拟合模块，包括：
经纬度获取单元，其设置为遍历所述要素点云中的点云块，依次获取每个点云块的最大的经纬度坐标以及最小经纬度坐标；
顶点选取单元，其设置为选取所述最大经纬度坐标和所述最小经纬度坐标作为待拟合几何形状的对角顶点；
拟合单元，其设置为基于所述对角顶点对所述待拟合几何形状进行拟合，得到拟合后的几何形状及其对应的轮廓，并基于所述最大经纬度坐标和所述最小经纬度坐标获取所述拟合后的几何形状的中心坐标。
在一种实施方式中，所述装置还包括：
校验获取模块，其设置为获取所述矢量要素是否正确的校验结果，其中，所述矢量要素的校验结果为正确/不正确的情况包括：所述矢量要素与所述待生成地图要素对应的目标矢量要素相同/不同；
则所述地图绘制模块具体设置为，在所述校验结果为正确的情况下，基于所述矢量要素绘制高精地图。
在一种实施方式中，所述装置还包括：
分类结果获取模块，其设置为在所述校验结果不正确的情况下，获取目标点云分割模型对所述局部点云的分类结果，所述目标点云分割模型用于过滤所述局部点云中不属于所述待生成地图要素对应的点云，并获取所述待生成地图要素对应的要素点云；
第一标注数据生成模块，其设置为在所述分类结果为分类正确的情况下，获取所述要素点云中的误差点云的第一调整结果，并基于所述要素点云和所述第一调整结果生成第一正向标注数据；
或者，
第二标注数据生成模块，其设置为在所述分类结果为分类不正确的情况下，若所述分类结果中存在要素点云类型的第一反向点云分类为不属于所述待生成地图要素对应的点云，则获取所述第一反向点云的第二调整结果，并基于所述要素点云和所述第二调整结果生成第二正向标注数据；和/或
第三标注数据生成模块，其设置为在所述分类结果为分类不正确的情况下，若所述分类结果中存在不属于所述待生成地图要素对应的点云类型的第二反向点云分类为要素点云类型，则获取所述第二反向点云的第三调整结果，并基于所述要素点云和所述第三调整结果生成反向标注数据；
训练模块，其设置为将所述第一正向标注数据，或者，所述第二正向标注数据和/或所述反向标注数据作为训练样本数据，并基于所述训练数据优化所述目标点云语义分割模型。
根据本申请的第三方面，提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，以实现所述的高精地图的绘制方法。
根据本申请的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现所述的高精地图的绘制方法。
根据本申请的第五方面，提供一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现所述的高精地图的绘制方法。
本申请提供的高精地图的绘制方法、装置、设备、介质及程序产品，通过获取从原始点云中框选出的包含有待生成地图要素的局部点云；对所述局部点云进行过滤，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云；对所述要素点云进行平面轮廓拟合，并获取拟合后的几何形状的轮廓和中心坐标；基于所述轮廓和中心坐标对所述要素点云进行渲染，以生成所述待生成地图要素的矢量要素，并基于所述矢量要素绘制高精地图。此过程中，通过框选局部点云并进行过滤，获取目标要素点云，然后针对要素点云生成对应的矢量要素，替代人工采用地图编辑工具频繁进行绘制交互，有效降低了人工交互难度，有效提高了高精地图的绘制效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的一种高精地图的绘制方法的流程示意图；
图2为本申请实施例中局部点云的框选的示例图；
图3a为图1中步骤S102的流程示意图之一；
图3b为图1中步骤S102的流程示意图之二；
图4为本申请实施例提供的另一种高精地图的绘制方法的流程示意图；
图5为本申请实施例提供的又一种高精地图的绘制方法的流程示意图；
图6为本申请实施例提供的一种高精地图的绘制装置的结构示意图；
图7为本申请实施例提供的一种电子设备的结构示意图；
图8是本申请一示例性实施例提供的一种终端设备的框图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
下面结合应用场景对本申请实施例进行解释，本申请实施例提供的高精地图的绘制方法可以应用于智能驾驶的应用场景下，更具体地，可以应用于基于车云计算的自动驾驶应用场景下，示例性地，本申请实施例提供的方法的执行主体可以为服务器，更具体地，例如为高精地图出品方的服务器，下面以服务器为本申请实施例提供的方法的执行主体进行介绍。
可选地，服务器和智能汽车之间进行网络连接，服务器绘制高精地图数据，并将高精地图数据传输给智能汽车，智能汽车可以利用高精地图数据辅助进行自动驾驶。其中服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算等基础云计算服务的云服务器。
可选地，服务器还可以与终端设备进行网络连接，其中，终端设备用于采集点云数据，利用点云数据生成地图要素(例如数学要素、地理要素和辅助要素，本实施例以地理要素中的路面要素-箭头要素为例)的矢量要素，进而根据矢量要素绘制高精地图。其中，终端设备可以为传感器，例如激光雷达等，利用激光雷达采集护栏的点云数据，根据路面的点云数据。在一些实现方式中，终端设备也可以是驾驶车辆，驾驶车辆上装载了激光雷达等传感器，利用驾驶车辆采集对应的点云数据。
相关技术中，在上述进行高精地图绘制过程中，采用点云绘制高精地图，通常需要人工使用地图编辑工具进行点云精准的绘制交互，需要不停的切换视角，并且此过程容易捕捉背景点云，操作难度较大，大大增加了地图要素的绘制时间，且绘制准确率较低，从而导致了现有的高精度地图制作生产效率较低的技术问题。
有鉴于此，本实施例提供一种高精地图的绘制方法、装置、设备、介质及程序产品，通过获取从原始点云中框选出的包含有待生成地图要素的局部点云，对所述局部点云进行过滤，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云，然后对所述要素点云进行平面轮廓拟合，并获取拟合后的几何形状的轮廓和中心坐标，并基于所述轮廓和中心坐标对所述要素点云进行渲染，以生成所述待生成地图要素的矢量要素，并基于所述矢量要素绘制高精地图。在此过程中，通过框选局部点云并进行过滤，获取目标要素点云，然后针对要素点云生成对应的矢量要素，不再需要人工采用地图编辑工具进行绘制交互，有效降低了人工交互难度，有效提高了高精地图的绘制效率。
下面结合附图和具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。需要说明的是，这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
请参照图1，图1为本申请实施例提供的提供一种高精地图的绘制方法的流程示意图，所述方法包括步骤S101-S105。
步骤S101、获取从原始点云中框选出的包含有待生成地图要素的局部点云。
相关技术中，基于点云绘制高精地图的方案，通常是针对原始点云，可以理解的，原始点云即没有经过处理的点云数据，因此在绘制高精地图要素时，需要利用地图编辑器与点云数据进行频繁交互。本实施例中，通过获取框选出的包含待生成地图要素对应的局部点云，并在后续步骤中直接根据局部点云进行矢量要素的生成及绘制，可以有效提高要素的绘制效率及精度。
在一可实现中，服务器可以根据待生成地图要素的位置进行局部要素的框选，在其它可实现中，为了提高局部点云的框选正确率，还可以采用人工框选的方式，由人工框选对应的局部点云后，再由服务器在后续步骤中对该局部点云进行过滤。
在一种实施方式中，步骤S101中的局部点云的框选方式，可以包括以下步骤：
在原始点云的正交视图下，基于预设高程值从所述原始点云中框选出包含有待生成地图要素的局部点云；
其中，在所述待生成地图要素为路面要素的情况下，所述预设高程值根据所述待生成地图要素凸出路面高度进行确定。
可以理解的，正交视图即一种三向投影视图，其通过使用视口右键单击菜单或者键盘快捷键将视口设置为各种平面视图。
本实施例中，在对局部点云进行框选时，通过设置预设高程值辅助框选，可以框选出一个立方体点云，提高地图要素的绘制精度。需要说明的是，本领域技术人员可以结合实际应用对预设高程值进行适应性设定。
其中，局部点云的框选，以路面的箭头要素为例，如图2所示，首先确定待生成地图要素，例如路面箭头要素，然后在点云正交视图下框选路面箭头对应的局部点云，并以箭头要素点云以高程50cm进行框选，局部点云记为x1，以人工框选为例，进行操作演示，框选带有箭头位置区域的局部点云，并在正交x,y坐标的基础上，高程z，基于当前水平面+-50cm，从而框选出一个立方体点云，作为服务器中点云数据的输入。
步骤S102、对所述局部点云进行过滤，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云。
在一种实施方式中，步骤S102对所述局部点云进行过滤，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云，如图3a所示，可以包括以下步骤：
步骤S102a、获取目标点云语义分割模型；其中，所述目标点云语义分割模型是基于所述待生成地图要素预训练出的模型；
步骤S102b、采用所述目标点云语义分割模型，基于所述局部点云的特征对所述局部点云进行分类；
步骤S102c、基于分类结果，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云。
本实施例中，为了提高地图要素的绘制效率同时降低资源成本，每种地图要素可以对应一个目标点云语义分割模型。可选地，目标点云语义分割模型可以采用Pointnet模型。示例性的，对于箭头要素的绘制，其目标点云语义分割模型为预先训练的人工智能点云语义分割箭头模型，由于该模型是仅用于识别分类单个路面要素模型，其可以拥有少的参数输入，并尽可能的节省模型的体积，有效降低运行模型所需的硬件资源。
结合图3b所示，将局部点云x1作为点云数据进行输入，输入到目标点云语义分割模型中，进行3D点云语义分割进行点云分类。具体地，通过局部点云特征，例如三维坐标、反射率、尺寸等特征，通过模型参数运行得出输出y1，y2，其中，y1包含被分类为箭头的要素点云(点云块)，y2指的是被分类为其他类型的点云(点云块)。通过对目标点云语义分割模型输出的y1，y2结果进行过滤，过滤掉y2数据，并保留y1的输出数据。
本实施例中，利用目标点云语义分割模型对局部点云进行过滤，过滤掉不属于待生成地图要素对应的其他点云，可以有效提高待生成地图要素的绘制精度。
步骤S103、对所述要素点云进行平面轮廓拟合，并获取拟合后的几何形状的轮廓和中心坐标。
本实施例中，在利用目标点云语义分割模型对局部点云进行过滤，并获取要素点云之后，此时获得的要素点云基本为待生成地图要素对应的点云区域，通过对要素点云进行平面轮廓拟合，获得拟合后的几何形状，以利用几何形状对应的轮廓和中心坐标生成矢量要素，绘制出对应的地图要素。
在一种实施方式中，步骤S103对所述要素点云进行平面轮廓拟合，并获取拟合后的几何形状的轮廓和中心坐标，可以包括以下步骤：
遍历所述要素点云中的点云块，依次获取每个点云块的最大的经纬度坐标以及最小经纬度坐标；
选取所述最大经纬度坐标和所述最小经纬度坐标作为待拟合几何形状的对角顶点；
基于所述对角顶点对所述待拟合几何形状进行拟合，得到拟合后的几何形状及其对应的轮廓，并基于所述最大经纬度坐标和所述最小经纬度坐标获取所述拟合后的几何形状的中心坐标。
可以理解的，在实际应用中根据待生成地图要素的形状，其对应的要素点云也可能分散为多个点云块，本实施例通过遍历每个点云块，并利用点云块的经纬度坐标对要素点云进行平面轮廓拟合，可以有效提高要素点云的拟合效率。
具体地，遍历y1，将分类输出为箭头要素的点云块进行遍历，依次得到每个点云块的最大的经纬度坐标(m1，m2)，和每个点云块的最小经纬度坐标(n1，n2)，使用最大最小坐标作为矩形框的对角顶点，从而构造出点云块的外围包围框轮廓，之后通过最大的经纬度坐标(m1，m2)，和每个点云块的最小经纬度坐标(n1，n2)，计算出当前轮廓的中心点坐标。需要说明的是，利用最大经纬度坐标和最小经纬度坐标计算中心点坐标的方式，为现有技术，此处不再多作赘述。
步骤S104、基于所述轮廓和中心坐标对所述要素点云进行渲染，以生成所述待生成地图要素的矢量要素；以及，步骤S105、基于所述矢量要素绘制高精地图。
可以理解的，本实施例中的渲染，即点云渲染，通过点云渲染的方式将空间中的一系列点以视觉方式表示，把点云重建成有方向、有形状或者有面积的几何体形状。
在一可实现中，服务器可以同时采用上述方法步骤同时生成多个待生成地图要素的矢量要素，然后根据这些矢量要素绘制高精地图，以提高高精地图的绘制效率。
本实施例通过框选局部点云并进行过滤，获取目标要素点云，然后针对要素点云生成对应的矢量要素，不再需要人工采用地图编辑工具进行绘制交互，有效降低了人工交互难度，有效提高了高精地图的绘制效率。
请参照图4，图4为本申请实施例提供的另一种高精地图绘制方法的流程示意图，考虑到在经过点云的分类和渲染过程之后，存在点云分类误差或者其它误差，造成所生成的矢量要素不正确，最终导致高精地图的绘制精度不高，为了提高高精地图的绘制精确度，在上述实施例的基础上，除了上述步骤S101-S105之外，所述方法还包括步骤S401，并将步骤S105进一步划分为了步骤S104a。
步骤S401、获取所述矢量要素是否正确的校验结果，其中，所述矢量要素的校验结果为正确/不正确的情况包括：所述矢量要素与所述待生成地图要素对应的目标矢量要素相同/不同；
在步骤S105a中，在所述校验结果为正确的情况下，基于所述矢量要素绘制高精地图。
在一种可实现中，服务器可以预先存储待生成地图要素对应的目标矢量要素(的基本信息)，例如待生成地图要素的长/宽/高，或其它基本信息(对于不同的地图要素其基本信息不同)，在生成矢量要素后，利用所存储的目标要素和矢量要素进行对比，对比一致，或者符合误差范围，则认为当前生成的矢量要素正确，并在正确的情况下，进一步根据矢量要素绘制高精地图，而在非正确的情况下，可以针对误差情况直接调整矢量要素，或者，重新生成矢量要素。
在另一可实现中，除了利用服务器自动化校验矢量要素是否正确之外，为了降低服务器的计算压力和存储压力，服务器生成矢量要素后，还可以利用人工对该矢量要素和待生成地图要素的目标矢量要素进行确认。
相较于现有技术中，高精地图的绘制，需要人工与地图编辑工具频繁交互和切换，选择对应的要素信息并进行绘制，本实施例利用服务器即可快速基于点云数据生成地图要素的矢量要素，仅仅需要人工参与判断矢量要素的正确性，甚至无需人工的参与判断，大大降低了地图要素的绘制时间。
其中，针对矢量要素的重新生成过程，例如返回到步骤S102重新对局部点云进行过滤，或者返回到步骤S101重新框选出对应的局部点云等，在校验正确之后，进行高精地图的绘制。在一种更优的实现中，还可以先对生成矢量要素的各个步骤(步骤S101-S103)进行追溯，以确认在哪个环节出现了误差，并根据追溯结果直接针对误差环节重新执行，可以有效提高矢量要素的重构效率。
请参照图5，图5为本申请实施例提供的又一种高精地图绘制方法的流程示意图，在上述实施例的基础上，本实施例进一步优化了在矢量要素不正确的情况下的处理过程，通过调整误差矢量要素，以提高矢量要素的精度，此外，针对矢量要素不正确的情况，利用调整数据生成对应的标注数据，对目标点云分割模型进行反向训练，使得模型训练效果更好，为后续点云的准确分类提供支撑。具体的，除了上述步骤S101-S104之外，所述方法还包括步骤S501和步骤S502。
步骤S501、在所述校验结果不正确的情况下，获取目标点云分割模型对所述局部点云的分类结果，所述目标点云分割模型用于过滤所述局部点云中不属于所述待生成地图要素对应的点云，并获取所述待生成地图要素对应的要素点云；
步骤S502、在所述分类结果为分类正确的情况下，获取所述要素点云中的误差点云的第一调整结果，并基于所述要素点云和所述第一调整结果生成第一正向标注数据；
步骤S503、将所述第一正向标注数据作为训练样本数据，并基于所述训练数据优化所述目标点云语义分割模型。
本实施例中，考虑到矢量要素不正确的最大可能性为点云分类因素，本结合局部点云的分类结果进一步进行判断。示例性的，获取路面箭头点云的分类结果，如果分类结果是正确的，但是生成的矢量要素存在偏差，此时可以采用人工对矢量要素进行微调，调整后的结果数据(第一调整结果)保存为y3，并将y1，y3作为正向标注数据保存，并将其作为训练样本数据优化目标点云语义分割模型，以正向标注数据作为数据源的方式，可以扩大训练数据源，达到优化模型的目的。
可以理解的，本实施例中，在对矢量要素进行调整后，第一调整结果即作为更新后的要素点云作为后续步骤的输入，利用更新后的要素点云绘制高精地图。
进一步地，本实施例还考虑了分类结果不准确的情况，对于分类结果不准确的情况，包括三种情况：分类结果中要素点云存在分类为不属于所述待生成地图要素对应的点云的情况；不属于待生成地图要素对应的点云分类为要素点云的情况；以及同时存在素点云分类为不属于所述待生成地图要素对应的点云和不属于待生成地图要素对应的点云分类为要素点云的情况。
针对第一种情况：在所述分类结果为分类不正确的情况下，若所述分类结果中存在要素点云类型的第一反向点云分类为不属于所述待生成地图要素对应的点云，则获取所述第一反向点云的第二调整结果，并基于所述要素点云和所述第二调整结果生成第二正向标注数据；
针对第二种情况，在所述分类结果为分类不正确的情况下，若所述分类结果中存在不属于所述待生成地图要素对应的点云类型的第二反向点云分类为要素点云类型，则获取所述第二反向点云的第三调整结果，并基于所述要素点云和所述第三调整结果生成反向标注数据；
针对第三种情况，在所述分类结果为分类不正确的情况下，若所述分类结果中存在要素点云类型的第一反向点云分类为不属于所述待生成地图要素对应的点云，则获取所述第一反向点云的第二调整结果，并基于所述要素点云和所述第二调整结果生成第二正向标注数据；且，若所述分类结果中存在不属于所述待生成地图要素对应的点云类型的第二反向点云分类为要素点云类型，则获取所述第二反向点云的第三调整结果，并基于所述要素点云和所述第三调整结果生成反向标注数据。
示例性地，对于第一种情况，分类结果错误，本身是箭头点云，却被分类为其他点云，则将分类结果数据进行修改，保存为y4，并将y1，y4作为正向标注数据保存；对于第二种情况，分类结果错误，本身是不是箭头点云，却被分类为箭头点云，则将分类结果数据进行修改，保存为y5，并将y1，y5作为反向标注数据保存；对于第三种情况，分类结果错误，同时存在本身是箭头点云却被分类为其他点云，以及本身不是箭头点云却被分类为箭头点云，则同时对分类结果数据进行修改，并作为正向标注数据和反向标注数据分别保存。
进一步地，在生成第二正向标注和/或反向数据之后，将所述第二正向标注数据和/或所述反向标注数据作为训练样本数据，并基于所述训练数据优化所述目标点云语义分割模型。
需要说明的是，本实施例中第一正向标注数据、第二正向标注数据仅用于区分类似对象，而无其它含义，例如第一正向标注数据和第二正向标注数据可以是相同的数据也可以是不同的数据。
本实施例中，利用分类不正确或者分类正确所产生的正向标注数据和反向标注数据，作为模型训练数据进行模型优化，可以有效提高模型的识别精确率，利用模型的闭环优化，有助于下一步道路要素的变化发现更新效率的进一步提高，在一些实施例中，在模型足够优时，例如模型优化次数达到迭代次数时，可以无需再对生成的矢量要素的正确性进行判断，此时能够达到分类结果基本正确的技术效果。
根据本申请的第二方面，本申请实施例相应还提供一种高精地图的绘制装置，如图6所示，包括：
点云框选模块61，其设置为获取从原始点云中框选出的包含有待生成地图要素的局部点云；
过滤模块62，其设置为对所述局部点云进行过滤，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云；
轮廓拟合模块63，其设置为对所述要素点云进行平面轮廓拟合，并获取拟合后的几何形状的轮廓和中心坐标；
渲染模块64，其设置为基于所述轮廓和中心坐标对所述要素点云进行渲染，以生成所述待生成地图要素的矢量要素；以及，地图绘制模块，其设置为基于所述矢量要素绘制高精地图。
在一种实施方式中，所述局部点云的框选方式，包括：在原始点云的正交视图下，基于预设高程值从所述原始点云中框选出包含有待生成地图要素的局部点云；
其中，在所述待生成地图要素为路面要素的情况下，所述预设高程值根据所述待生成地图要素凸出路面高度进行确定。
在一种实施方式中，所述过滤模块62，包括：
模型获取单元，其设置为获取目标点云语义分割模型；其中，所述目标点云语义分割模型是基于所述待生成地图要素预训练出的模型；
分类单元，其设置为采用所述目标点云语义分割模型，基于所述局部点云的特征对所述局部点云进行分类；
过滤单元，其设置为基于分类结果，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云。
在一种实施方式中，所述轮廓拟合模块63，包括：
经纬度获取单元，其设置为遍历所述要素点云中的点云块，依次获取每个点云块的最大的经纬度坐标以及最小经纬度坐标；
顶点选取单元，其设置为选取所述最大经纬度坐标和所述最小经纬度坐标作为待拟合几何形状的对角顶点；
拟合单元，其设置为基于所述对角顶点对所述待拟合几何形状进行拟合，得到拟合后的几何形状及其对应的轮廓，并基于所述最大经纬度坐标和所述最小经纬度坐标获取所述拟合后的几何形状的中心坐标。
在一种实施方式中，所述装置还包括：
校验获取模块，其设置为获取所述矢量要素是否正确的校验结果，其中，所述矢量要素的校验结果为正确/不正确的情况包括：所述矢量要素与所述待生成地图要素对应的目标矢量要素相同/不同；
则所述地图绘制模块64具体设置为，在所述校验结果为正确的情况下，基于所述矢量要素绘制高精地图。
在一种实施方式中，所述装置还包括：
分类结果获取模块，其设置为在所述校验结果不正确的情况下，获取目标点云分割模型对所述局部点云的分类结果，所述目标点云分割模型用于过滤所述局部点云中不属于所述待生成地图要素对应的点云，并获取所述待生成地图要素对应的要素点云；
第一标注数据生成模块，其设置为在所述分类结果为分类正确的情况下，获取所述要素点云中的误差点云的第一调整结果，并基于所述要素点云和所述第一调整结果生成第一正向标注数据；
或者，
第二标注数据生成模块，其设置为在所述分类结果为分类不正确的情况下，若所述分类结果中存在要素点云类型的第一反向点云分类为不属于所述待生成地图要素对应的点云，则获取所述第一反向点云的第二调整结果，并基于所述要素点云和所述第二调整结果生成第二正向标注数据；和/或
第三标注数据生成模块，其设置为在所述分类结果为分类不正确的情况下，若所述分类结果中存在不属于所述待生成地图要素对应的点云类型的第二反向点云分类为要素点云类型，则获取所述第二反向点云的第三调整结果，并基于所述要素点云和所述第三调整结果生成反向标注数据；
训练模块，其设置为将所述第一正向标注数据，或者，所述第二正向标注数据和/或所述反向标注数据作为训练样本数据，并基于所述训练数据优化所述目标点云语义分割模型。
本申请实施例相应还提供一种电子设备，如图7所示，包括：处理器71，以及与所述处理器71通信连接的存储器72；
所述存储器71存储计算机执行指令；
所述处理器72执行所述存储器71存储的计算机执行指令，以实现所述的以实现所述的高精地图的绘制方法，其中，存储器72和处理器71通过总线73连接。
其中，计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
相关说明可以对应参见图2-图5所对应的实施例中的步骤所对应的相关描述和效果进行理解，此处不做过多赘述。
本申请实施例相应还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现所述的高精地图的绘制方法。
相关说明可以对应参见图2-图5所对应的实施例中的步骤所对应的相关描述和效果进行理解，此处不做过多赘述。
本申请实施例相应还提供一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现所述的高精地图的绘制方法。
相关说明可以对应参见图2-图5所对应的实施例中的步骤所对应的相关描述和效果进行理解，此处不做过多赘述。
本申请实施例相应还提供一种芯片，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，执行所述的高精地图的高度数据处理方法。
相关说明可以对应参见图2-图5所对应的实施例中的步骤所对应的相关描述和效果进行理解，此处不做过多赘述。
图8是本申请一个示例性实施例示出的一种终端设备的框图，该终端设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
终端设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)接口812，传感器组件814，以及通信组件816。
处理组件802通常控制终端设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在终端设备800的操作。这些数据的示例包括用于在终端设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为终端设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为终端设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在终端设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当终端设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当终端设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为终端设备800提供各个方面的状态评估。例如，传感器组件814可以检测到终端设备800的打开/关闭状态，组件的相对定位，例如组件为终端设备800的显示器和小键盘，传感器组件814还可以检测终端设备800或终端设备800一个组件的位置改变，用户与终端设备800接触的存在或不存在，终端设备800方位或加速/减速和终端设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于终端设备800和其他设备之间有线或无线方式的通信。终端设备800可以接入基于通信标准的无线网络，如WiFi，3G、4G、5G或其他标准通信网络，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，终端设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述本申请图2-图5所对应的实施例中任一实施例提供的方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由终端设备800的处理器820执行以完成上述方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本申请实施例还提供了一种非临时性计算机可读存储介质，当该存储介质中的指令由终端设备的处理器执行时，使得终端设备800能够执行上述本申请图2-图5所对应的实施例中任一实施例提供的方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的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。
本领域技术人员在考虑说明书及实践这里公开的申请后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (10)

1.一种高精地图的绘制方法，其特征在于，包括：
获取从原始点云中框选出的包含有待生成地图要素的局部点云；
对所述局部点云进行过滤，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云；
对所述要素点云进行平面轮廓拟合，并获取拟合后的几何形状的轮廓和中心坐标；
基于所述轮廓和中心坐标对所述要素点云进行渲染，以生成所述待生成地图要素的矢量要素，并基于所述矢量要素绘制高精地图。
2.根据权利要求1所述的方法，其特征在于，所述局部点云的框选方式，包括：
在原始点云的正交视图下，基于预设高程值从所述原始点云中框选出包含有待生成地图要素的局部点云；
其中，在所述待生成地图要素为路面要素的情况下，所述预设高程值根据所述待生成地图要素凸出路面高度进行确定。
3.根据权利要求1所述的方法，其特征在于，所述对所述局部点云进行过滤，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云，包括：
获取目标点云语义分割模型；其中，所述目标点云语义分割模型是基于所述待生成地图要素预训练出的模型；
采用所述目标点云语义分割模型，基于所述局部点云的特征对所述局部点云进行分类，并基于分类结果，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云。
4.根据权利要求1所述的方法，其特征在于，所述对所述要素点云进行平面轮廓拟合，并获取拟合后的几何形状的轮廓和中心坐标，包括：
遍历所述要素点云中的点云块，依次获取每个点云块的最大的经纬度坐标以及最小经纬度坐标；
选取所述最大经纬度坐标和所述最小经纬度坐标作为待拟合几何形状的对角顶点；
基于所述对角顶点对所述待拟合几何形状进行拟合，得到拟合后的几何形状及其对应的轮廓，并基于所述最大经纬度坐标和所述最小经纬度坐标获取所述拟合后的几何形状的中心坐标。
5.根据权利要求1-4任一项所述的方法，其特征在于，还包括：
获取所述矢量要素是否正确的校验结果，其中，所述矢量要素的校验结果为正确/不正确的情况包括：所述矢量要素与所述待生成地图要素对应的目标矢量要素相同/不同；
则所述基于所述矢量要素绘制高精地图，包括：
在所述校验结果为正确的情况下，基于所述矢量要素绘制高精地图。
6.根据权利要求5所述的方法，其特征在于，还包括：
在所述校验结果不正确的情况下，获取目标点云分割模型对所述局部点云的分类结果，所述目标点云分割模型用于过滤所述局部点云中不属于所述待生成地图要素对应的点云，并获取所述待生成地图要素对应的要素点云；
在所述分类结果为分类正确的情况下，获取所述要素点云中的误差点云的第一调整结果，并基于所述要素点云和所述第一调整结果生成第一正向标注数据；
或者，
在所述分类结果为分类不正确的情况下，若所述分类结果中存在要素点云类型的第一反向点云分类为不属于所述待生成地图要素对应的点云，则获取所述第一反向点云的第二调整结果，并基于所述要素点云和所述第二调整结果生成第二正向标注数据；和/或
在所述分类结果为分类不正确的情况下，若所述分类结果中存在不属于所述待生成地图要素对应的点云类型的第二反向点云分类为要素点云类型，则获取所述第二反向点云的第三调整结果，并基于所述要素点云和所述第三调整结果生成反向标注数据；
将所述第一正向标注数据，或者，所述第二正向标注数据和/或所述反向标注数据作为训练样本数据，并基于所述训练数据优化所述目标点云语义分割模型。
7.一种高精地图的绘制装置，其特征在于，包括：
点云框选模块，其设置为获取从原始点云中框选出的包含有待生成地图要素的局部点云；
过滤模块，其设置为对所述局部点云进行过滤，过滤掉不属于所述待生成地图要素对应的点云，以获取属于所述待生成地图要素对应的要素点云；
轮廓拟合模块，其设置为对所述要素点云进行平面轮廓拟合，并获取拟合后的几何形状的轮廓和中心坐标；
渲染模块，其设置为基于所述轮廓和中心坐标对所述要素点云进行渲染，以生成所述待生成地图要素的矢量要素；以及，地图绘制模块，其设置为基于所述矢量要素绘制高精地图。
8.一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至6中任一项所述的高精地图的绘制方法。
9.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至6中任一项所述的高精地图的绘制方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序在被处理器执行时实现如权利要求1至6任一项所述的高精地图的绘制方法。
CN202310187029.4A 2023-03-01 2023-03-01 高精地图的绘制方法、装置、设备、介质及程序产品 Pending CN116310169A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310187029.4A CN116310169A (zh) 2023-03-01 2023-03-01 高精地图的绘制方法、装置、设备、介质及程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310187029.4A CN116310169A (zh) 2023-03-01 2023-03-01 高精地图的绘制方法、装置、设备、介质及程序产品

Publications (1)

Publication Number Publication Date
CN116310169A true CN116310169A (zh) 2023-06-23

Family

ID=86782741

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310187029.4A Pending CN116310169A (zh) 2023-03-01 2023-03-01 高精地图的绘制方法、装置、设备、介质及程序产品

Country Status (1)

Country Link
CN (1) CN116310169A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117606470A (zh) * 2024-01-24 2024-02-27 航天宏图信息技术股份有限公司 高精导航图线状要素智能自适追索生成方法、装置及设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117606470A (zh) * 2024-01-24 2024-02-27 航天宏图信息技术股份有限公司 高精导航图线状要素智能自适追索生成方法、装置及设备
CN117606470B (zh) * 2024-01-24 2024-04-16 航天宏图信息技术股份有限公司 高精导航图线状要素智能自适追索生成方法、装置及设备

Similar Documents

Publication Publication Date Title
CN106651955B (zh) 图片中目标物的定位方法及装置
CN107992848B (zh) 获取深度图像的方法、装置及计算机可读存储介质
EP3312702B1 (en) Method and device for identifying gesture
CN116310169A (zh) 高精地图的绘制方法、装置、设备、介质及程序产品
CN113450459A (zh) 目标物的三维模型构建方法及装置
CN116052461A (zh) 虚拟车位确定方法、显示方法、装置、设备、介质及程序
CN111339880A (zh) 一种目标检测方法及装置、电子设备和存储介质
CN116245999A (zh) 文字渲染方法、装置、电子设备及可读存储介质
CN117115244A (zh) 云端重定位方法、装置及存储介质
CN115115791A (zh) 地图编辑方法、装置
CN114898039A (zh) 三维模型构建方法、装置、电子设备及存储介质
CN114723715A (zh) 车辆目标检测方法、装置、设备、车辆及介质
CN113450298B (zh) 基于多传感器的视野图处理方法、装置和设备
CN116883496B (zh) 交通元素的坐标重建方法、装置、电子设备及存储介质
CN113592865B (zh) 三维地图的质检方法、设备及存储介质
CN116737592B (zh) 程序测试方法、装置、电子设备及存储介质
CN114973204B (zh) 目标检测方法、装置、设备、存储介质及产品
CN118154778A (zh) 光伏场站的三维重建方法、装置及系统
CN118570595A (zh) 感知模型中的特征生成方法、装置、设备及介质
CN118247451A (zh) 基于遥感影像的道路要素处理方法、装置及设备
CN116295334A (zh) 地图数据匹配方法、装置、设备、介质及产品
CN116486039A (zh) 点云数据处理方法、装置、电子设备及存储介质
CN117315120A (zh) 高精地图的半透明化处理方法、装置、设备及存储介质
CN118196632A (zh) 基于遥感影像的道路要素提取方法、装置及设备
CN118780979A (zh) 一种bev图像构建方法、装置、系统及存储介质

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