CN116524458A - 点云特征数据更新精度的确定方法、装置、设备及介质 - Google Patents

Abstract

本公开涉及一种点云特征数据更新精度的确定方法、装置、设备及介质。本公开至少一个实施例中，通过将当前点云特征数据与历史点云特征数据进行地物要素匹配，得到至少一个匹配对和匹配对的地物要素类别，进而基于地物要素类别，确定匹配对中当前地物要素和历史地物要素各自的标识线，以两条标识线之间的公垂线段的长度确定匹配对的更新精度，替代现有技术中以两个中心点之间的相对距离确定更新精度，避免由于外界环境干扰导致地物要素中心点位置改变而降低更新精度，且无需人工选择中心点，提高更新精度的确定效率，进而提升地物要素的更新效率，从而提升高精地图数据的生产效率。

Description

点云特征数据更新精度的确定方法、装置、设备及介质

技术领域

本公开实施例涉及点云数据处理技术领域，具体涉及一种点云特征数据更新精度的确定方法、装置、设备及介质。

背景技术

点云数据由搭载雷达设备(例如激光扫描仪)的车辆在移动过程中采集，可以用于环境建模、地图制作等，然而由于外界环境的干扰(例如障碍物遮挡等)、天气的变化(例如大风、下雨、下雪等恶劣天气)以及雷达设备本身性能的限制，导致多趟采集的同一区域的点云数据识别出的同一地物要素不一致，甚至出现米级别的距离偏差，无法满足生产高精地图数据的需求，例如无法用于更新高精地图数据母库中的地物要素。

发明内容

本公开的至少一个实施例提供了一种点云特征数据更新精度的确定方法、装置、设备及介质。

第一方面，本公开实施例提出一种点云特征数据更新精度的确定方法，该方法包括：

获取目标区域的当前点云特征数据和目标区域的历史点云特征数据；

将当前点云特征数据与历史点云特征数据进行地物要素匹配，得到至少一个匹配对和匹配对的地物要素类别；

对于任一匹配对，基于匹配对的地物要素类别，确定匹配对中当前地物要素的第一标识线以及匹配对中历史地物要素的第二标识线；

基于第一标识线和第二标识线之间的公垂线段的长度确定匹配对的更新精度，并基于每个匹配对的更新精度确定目标区域的历史点云特征数据的更新精度。

第二方面，本公开实施例还提出一种点云特征数据更新精度的确定装置，该装置包括：

获取单元，用于获取目标区域的当前点云特征数据和目标区域的历史点云特征数据；

匹配单元，用于将当前点云特征数据与历史点云特征数据进行地物要素匹配，得到至少一个匹配对和匹配对的地物要素类别；

第一确定单元，用于对于任一匹配对，基于匹配对的地物要素类别，确定匹配对中当前地物要素的第一标识线以及匹配对中历史地物要素的第二标识线；

第二确定单元，用于基于第一标识线和第二标识线之间的公垂线段的长度确定匹配对的更新精度，并基于每个匹配对的更新精度确定目标区域的历史点云特征数据的更新精度。

第三方面，本公开实施例还提出一种电子设备，其中，包括存储器、处理器以及存储在所述存储器上的计算机程序，其中，所述处理器执行所述计算机程序以实现如第一方面所述点云特征数据更新精度的确定方法的步骤。

第四方面，本公开实施例还提出一种计算机可读存储介质，其中，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如第一方面所述点云特征数据更新精度的确定方法的步骤。

第五方面，本公开实施例还提供一种计算机程序产品，其中，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中，计算机的至少一个处理器从所述计算机可读存储介质中读取并执行该计算机程序，使得所述计算机执行如第一方面所述点云特征数据更新精度的确定方法的步骤。

可见，本公开的至少一个实施例中，通过将当前点云特征数据与历史点云特征数据进行地物要素匹配，得到至少一个匹配对和匹配对的地物要素类别，进而基于地物要素类别，确定匹配对中当前地物要素和历史地物要素各自的标识线，以两条标识线之间的公垂线段的长度确定匹配对的更新精度，替代现有技术中以两个中心点之间的相对距离确定更新精度，避免由于外界环境干扰导致地物要素中心点位置改变而降低更新精度，且无需人工选择中心点，提高更新精度的确定效率，进而提升地物要素的更新效率，从而提升高精地图数据的生产效率。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例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，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本公开实施例提供的一种点云特征数据更新精度的确定方法的流程示意图；

图2为本公开实施例提供的一种获取目标区域的当前点云特征数据的流程示意图；

图3为本公开实施例提供的一种确定地物要素的标识线的流程示意图；

图4为本公开实施例提供的一种确定目标区域的历史点云特征数据的更新精度的流程示意图；

图5为本公开实施例提供的一种点云特征数据的更新流程示意图；

图6为本公开实施例提供的一种点云特征数据更新精度的确定方法的流程示意图；

图7为本公开实施例提供的一种点云特征数据更新精度的确定装置的示意图；

图8为本公开实施例提供的一种电子设备的示例性框图。

具体实施方式

为了能够更清楚地理解本公开的上述目的、特征和优点，下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本公开，而非对本公开的限定。基于所描述的本公开的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本公开保护的范围。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

目前，通过车载移动测量系统进行点云数据采集，其中，车载移动测量系统是一种兼有定位，测距，测角和摄影功能的系统，集成了GNSS(Global Navigation SatelliteSystem，全球导航卫星系统)单元，IMU(Inertial Measurement Unit，惯性测量单元)，激光扫描仪，数字相机以及自动控制等技术，以实现对目标区域的点云数据，空间数据，属性数据以及实景影像等多种信息的采集。

车载移动测量系统一趟采集作业得到的原始点云数据的数据量巨大，将原始点云数据直接用于生产高精地图数据，对计算机设备的性能和存储要求较高，为了便于存储和后续流程使用，需要对原始点云数据进行处理，在降低点云数据量的同时保留原始点云数据中的关键信息，例如，从原始点云数据中提取关键的特征点，生成原始点云数据对应的点云特征库，具体如何生成点云特征库在下文详细描述。点云数据库中的数据相比原始点云数据，数据量较小并且保留了原始点云数据中的关键信息，便于后续流程使用以生产高精地图数据。

然而，由于多趟采集的同一区域的点云数据识别出的同一地物要素不一致，导致每趟采集的同一区域的点云数据对应的点云特征库不一致，例如，两趟采集作业过程均采集到交通灯对应的点云数据，其中一趟采集作业则没有遮挡，采集到交通灯的全貌，另一趟采集作业时受到遮挡，只采集到交通灯的一部分，因此这两趟采集的交通灯不一致，进而导致这两趟采集对应的点云特征库中的交通灯不一致，包括形状、大小等外形不一致，以及位置不一致，因此需要确定这两趟采集作业对应的点云特征库之间的相对精度(也即最新一趟采集作业对应的点云特征库更新前一趟采集作业对应的点云特征库的更新精度)，相对精度可以理解为不同点云特征库之间的偏差度，相对精度越高，则偏差度越低，体现了点云数据的采集质量越好，相反地，相对精度越低，则偏差度越高，用于生产高精地图数据会导致高精地图数据的精度较低。

一些相关技术中，针对两个点云特征库中同一地物要素的点云特征数据，通过人工选择同一地物要素的两个中心点，然后将两个中心点之间的距离确定为该地物要素的相对精度，然而，若该地物要素在一个点云特征库中的点云特征数据是受外界环境影响下采集的点云数据，例如在遮挡情况下采集的点云数据，那么利用遮挡情况下采集的点云数据确定该地物要素的中心点，并非该地物要素的真实中心点，因此计算的相对精度不准确，利用遮挡情况下采集的点云数据去更新历史的点云特征库，导致更新后的点云特征数据精度较低，若后续用于生产高精地图数据，则会导致高精地图数据的精度较低，并且人工选择中心点的方式也导致点云数据处理的效率较低，使得高精地图数据的生产效率降低，难以用于大规模高精地图数据的生产过程。

本公开实施例提供了一种点云特征数据更新精度的确定方法、装置、设备或存储介质，通过将当前点云特征数据与历史点云特征数据进行地物要素匹配，得到至少一个匹配对和匹配对的地物要素类别，进而基于地物要素类别，确定匹配对中当前地物要素和历史地物要素各自的标识线，以两条标识线之间的公垂线段的长度确定匹配对的更新精度，替代现有技术中以两个中心点之间的相对距离确定更新精度，避免由于外界环境干扰导致地物要素中心点位置改变而降低更新精度，且无需人工选择中心点，提高更新精度的确定效率，进而提升地物要素的更新效率，从而提升高精地图数据的生产效率，满足自动驾驶对高精地图的需求。

图1为本公开实施例提供的一种点云特征数据更新精度的确定方法的流程示意图，该点云特征数据更新精度的确定方法的执行主体为电子设备，电子设备包括但不限于车载设备、智能手机、掌上电脑、平板电脑、带显示屏的可穿戴设备、台式机、笔记本电脑、一体机、智能家居设备、服务器等，其中，服务器可以是独立的服务器，也可以是多个服务器的集群，可以包括搭建在本地的服务器和架设在云端的服务器。

如图1所示，该点云特征数据更新精度的确定方法可以包括但不限于步骤101至步骤104：

在步骤101中，获取目标区域的当前点云特征数据和目标区域的历史点云特征数据。

本实施例中，目标区域为待更新地物要素的区域，通过车载移动测量系统中的激光扫描仪对目标区域进行点云数据采集，车载移动测量系统针对目标区域可以进行多趟点云数据采集，每趟点云数据采集作业所采集的原始点云数据由于数据量巨大，不能直接用于生产高精地图数据，因此，本实施例中，对获取的原始点云数据进行特征提取，得到原始点云数据中的语义特征点和纹理特征点，其中，语义特征点用于表达该点所属的地物要素是什么，而纹理特征点不属于任何地物要素，纹理特征点的集合用于表达目标区域的全貌。进而构建原始点云数据对应的点云特征库，点云特征库中包括原始点云数据中的语义特征点和纹理特征点。车载移动测量系统每趟采集作业采集的原始点云数据，均可以生成对应的点云特征库。

更具体地，语义特征点为原始点云数据中任一地物要素对应的点，其中，地物要素包括但不限于地面上的方向箭头、车道线、停止线等地面元素以及地面之外的指示牌、限速牌等地上元素，这些地物要素也是构建高精地图的地图元素，对原始点云数据进行特征提取，特征提取方式例如为点云分类方法(点云分类方法属于本领域的成熟技术，例如通过深度学习的方式训练点云分类模型进行点云分类)，若某个点属于任一地物元素，则将该点作为该地物元素的语义特征点记录到点云特征库中。

对于纹理特征点，则从原始点云数据中除去语义特征点后剩余的点集中剔除路面点云(剔除路面点云的方式为本领域的成熟技术，不再赘述)；对剔除路面点云和语义特征点的剩余点集进行体素滤波(体素滤波为本领域的成熟技术，不再赘述)，也就是对点云数据进行格网划分，统计每一网格中点云数据的分布情况，用距离网格中心最近的点代替整个网格内的点集，从而达到降低数据量的目的而且可以保留原始点云数据中的关键信息(例如网格分布情况)；对体素滤波后得到的点集进行曲率过滤(曲率过滤为本领域的成熟技术，不再赘述)和距离过滤，其中，曲率过滤可以过滤掉目标区域中花草树木等曲率较大的点(路面为平面，路面的曲率小，花草树木非平面，所以曲率较大)，距离过滤可以过滤到与点云数据采集轨迹(即车载移动测量系统的行驶轨迹)之间距离较远的点；对经过曲率过滤和距离过滤后剩余的点集进行法空间采样(法空间采样为本领域的成熟技术，不再赘述)，使得采样点均匀分布在目标区域中，这些采样点即为纹理特征点。

需要说明的是，虽然生成的点云特征库中包括语义特征点和纹理特征点，但是本文提及的点云特征数据特指语义特征点，不对纹理特征点进行处理。

本实施例中，目标区域的当前点云特征数据为最新一趟点云采集作业采集原始点云数据生成的当前点云特征库中的语义特征点集合，而目标区域的历史点云特征数据可以理解为上一趟点云采集作业所采集的原始点云数据生成的历史点云特征库中的语义特征点集合，也可以理解为高精地图数据母库中的点云特征数据，其中，高精地图数据母库是专为生产高精地图的“母库”，具体需要拿出什么样的“子产品“(比如和不同车企合作的高精地图产品)，都是从这个母库里提取素材、资源，对图商来说，这是生产高精地图的“复用资源库”、“共享资源库”。

由于入库高精地图数据母库的地图要素都是完整的地物要素，也即地物要素不是存在遮挡的、部分缺失的地物要素，而当前点云特征库中的地物要素可能是部分缺失的地物要素，因此用部分缺失的地物要素更新完整的地物要素会导致更新后的地物要素精度降低，所以需要在更新之前，需要确定当前点云特征库更新历史点云特征库的更新精度，具体如何确定更新精度在下文描述。

在步骤102中，将当前点云特征数据与历史点云特征数据进行地物要素匹配，得到至少一个匹配对和匹配对的地物要素类别。

本实施例中，当前点云特征数据与历史点云特征数据均对应于同一区域，例如，车载移动测量系统对目标区域进行点云数据采集后，可以得到目标区域对应的当前点云特征库，进而将该点云特征库中的语义特征点集合(即当前点云特征数据)与高精地图数据母库中目标区域的语义特征点集合(即历史点云特征数据)进行地物要素匹配，得到至少一个匹配对，每个匹配对与一个地物要素对应，例如，目标区域对应的当前点云特征库中包括限速牌的点云特征数据，高精地图数据母库中也包括目标区域中的限速牌的历史点云特征数据，则进行地物要素匹配，可以得到限速牌的匹配对。

本实施例中，进行地物要素匹配得到地物要素的匹配对后，可以确定匹配对的地物要素类别，例如，限速牌的匹配对，由于限速牌为面状要素，因此，确定限速牌的匹配对的地物要素类别为面状要素。

本实施例中，将地物要素划分为两种类别：面状要素和线状要素，其中，面状要素包括指示牌、限速牌等标牌，线状要素包括车道线、停止线等地面标线以及路灯、电子眼杆等地上杆状物。

在步骤103中，对于任一匹配对，基于匹配对的地物要素类别，确定匹配对中当前地物要素的第一标识线以及匹配对中历史地物要素的第二标识线。

本实施例中，匹配对中当前地物要素可以理解为当前点云特征数据中属于当前地物要素的特征点的集合，匹配对中历史地物要素可以理解为历史点云特征数据中属于历史地物要素的特征点的集合，且当前地物要素与历史地物要素是在不同时刻采集的同一地物要素。当前地物要素的第一标识线可以理解为能够标识当前地物要素的一条直线，历史地物要素的第二标识线可以理解为能够标识历史地物要素的一条直线。

本实施例中，考虑到地物要素类别有多种，不同地物要素类别对应的地物要素的形状和大小均不同，因此，针对不同地物要素类别，采用不同的方式确定地物要素的标识线，具体如何确定标识线在下文描述。

在步骤104中，基于第一标识线和第二标识线之间的公垂线段的长度确定匹配对的更新精度，并基于每个匹配对的更新精度确定目标区域的历史点云特征数据的更新精度。

本实施例中，在确定当前地物要素的第一标识线以及历史地物要素的第二标识线之后，可以确定第一标识线和第二标识线之间的公垂线段，进而基于公垂线段的长度的反比例确定匹配对的更新精度，也即，匹配对的更新精度与公垂线段的长度呈反比例关系，反比例系数可根据实际应用场景进行配置。可见，公垂线段的长度越长，则匹配对的更新精度越低。匹配对的更新精度可以理解为：使用匹配对的当前地物要素更新匹配对的历史地物要素的更新精度。

本实施例中，考虑到目标区域中通常包括多个地物要素，因此，进行地物要素匹配可能得到多个匹配对，若匹配对数量与地物要素数量相同，说明目标区域中未增加新的地物要素，也未拆除任一地物要素；若匹配对数量小于地物要素数量，说明目标区域中拆除了地物要素，例如，目标区域拆除了一个限速牌，则匹配对数量比地物要素数量少1；若匹配对数量大于地物要素数量，说明目标区域中增加了新的地物要素，例如，目标区域中增加了一个路灯，则匹配对数量比地物要素数量多1。

本实施例中，确定每个匹配对的更新精度后，基于每个匹配对的更新精度确定目标区域的历史点云特征数据的更新精度，也即，使用目标区域的当前点云特征数据更新目标区域的历史点云特征数据的整体更新精度，具体如何确定整体更新精度在下文描述。

可见，本实施例中，通过将当前点云特征数据与历史点云特征数据进行地物要素匹配，得到至少一个匹配对和匹配对的地物要素类别，进而基于地物要素类别，确定匹配对中当前地物要素和历史地物要素各自的标识线，以两条标识线之间的公垂线段的长度的反比例确定匹配对的更新精度，替代现有技术中以两个中心点之间的相对距离确定更新精度，避免由于外界环境干扰导致地物要素中心点位置改变而降低更新精度，且无需人工选择中心点，提高更新精度的确定效率，进而提升地物要素的更新效率，从而提升高精地图数据的生产效率。

在上述实施例的基础上，图1所示的步骤101中“获取目标区域的当前点云特征数据”，包括如图2所示的步骤201和步骤202：

在步骤201中，获取目标区域的原始点云数据。

本实施例中，通过车载移动测量系统中的激光扫描仪对目标区域进行点云数据采集，得到目标区域的原始点云数据。其中，目标区域为待更新地物要素的区域。

在步骤202中，对原始点云数据进行地物要素识别，得到目标区域中至少一个地物要素包括的点云特征数据作为目标区域的当前点云特征数据。

本实施例中，地物要素识别的方式为：对原始点云数据进行特征提取，得到原始点云数据中的语义特征点，语义特征点用于表达该点所属的地物要素是什么，其中，特征提取的方式例如为点云分类方法，点云分类方法属于本领域的成熟技术，例如通过深度学习的方式训练点云分类模型进行点云分类。

通过深度学习的方式训练点云分类模型的过程为：

将已知地物要素的点云样本数据输入神经网络模型，基于神经网络模型的输出与已知的地物要素构建损失函数，构建的损失函数可以采用目前流行的损失函数类型，通过调整神经网络模型本身的参数，直至损失函数收敛、或者神经网络模型的输出为已知的地物要素、或者神经网络模型本身的参数的迭代次数达到预设次数，则完成模型训练，得到点云分类模型。需要说明的是，神经网络模型的训练过程属于深度学习领域的成熟技术，本实施例仅需要提供已知地物要素的点云样本数据和输出目标即可。

在上述实施例的基础上，图1所示的步骤103中“对于任一匹配对，基于匹配对的地物要素类别，确定匹配对中当前地物要素的第一标识线以及匹配对中历史地物要素的第二标识线”，包括如图3所示的步骤301和步骤302：

在步骤301中，若地物要素类别为面状要素，则确定匹配对中当前地物要素的第一法向量和第一中心点，以及匹配对中历史地物要素的第二法向量和第二中心点；将第一法向量和第一中心点确定的直线作为第一标识线，并将第二法向量和第二中心点确定的直线作为第二标识线。

本实施例中，针对地物要素类别为面状要素，例如，面状要素包括指示牌、限速牌等标牌，考虑到面状要素无论是否部分缺失，其法向量的方向不会发生变化，因此，利用面状要素的法向量和面状要素的中心点，能够确定一条直线，将该条直线作为面状要素的标识线。可见，将匹配对中当前地物要素的第一法向量和第一中心点确定的直线作为匹配对中当前地物要素的第一标识线，将匹配对中历史地物要素的第二法向量和第二中心点确定的直线作为匹配对中历史地物要素的第二标识线。

在步骤302中，若地物要素类别为线状要素，则将匹配对中当前地物要素所在的直线作为第一标识线，并将匹配对中历史地物要素所在的直线作为第二标识线。

本实施例中，若地物要素类别为线状要素，例如，线状要素包括车道线、停止线等地面标线以及路灯、电子眼杆等地上杆状物，则确定线状要素所在的直线，将该直线作为线状要素的标识线。可见，将匹配对中当前地物要素所在的直线作为第一标识线，并将匹配对中历史地物要素所在的直线作为第二标识线。

在一些实施例中，考虑到线状要素包括地面标线和地上杆状物，本实施例中采用不同方式确定地面标线所在的直线以及地上杆状物所在的直线。具体地，针对车道线、停止线等地面标线，通过确定地面标线的首尾位置(或者首尾点)，将首尾位置的连线所在的直线作为地面标线所在的直线，将该直线作为地面标线的标识线。针对路灯、电子眼杆等地上杆状物，通过确定地上杆状物的中轴线作为地上杆状物所在的直线，将该直线作为地上杆状物的标识线。

在上述实施例的基础上，图1所示的步骤104中“基于每个匹配对的更新精度确定目标区域的历史点云特征数据的更新精度”，包括如图4所示的步骤401至步骤403：

在步骤401中，确定地物要素类别相同的各匹配对。

本实施例中，地物要素类别包括面状要素和线状要素，面状要素包括指示牌、限速牌等标牌，线状要素包括车道线、停止线等地面标线以及路灯、电子眼杆等地上杆状物。若目标区域中包括如下地物要素：指示牌、限速牌、车道线、停止线和路灯，则将目标区域的当前点云特征数据和目标区域的历史点云特征数据进行地物要素匹配，得到指示牌的匹配对、限速牌的匹配对、车道线的匹配对、停止线的匹配对和路灯的匹配对，进而确定指示牌的匹配对和限速牌的匹配对为面状要素的匹配对，车道线的匹配对、停止线的匹配对和路灯的匹配对为线状要素的匹配对。

在步骤402中，基于地物要素类别相同的各匹配对的更新精度，确定该地物要素类别对应的更新精度，得到目标区域中每个地物要素类别对应的更新精度。

本实施例中，地物要素类别相同的各匹配对的更新精度均不同，为了衡量该地物要素类别的整体更新精度，可以利用地物要素类别相同的各匹配对的更新精度，确定该地物要素类别对应的更新精度，若目标区域中包括多个地物要素类别，则确定目标区域中每个地物要素类别对应的更新精度。具体如何确定地物要素类别对应的更新精度在下文描述。

在步骤403中，基于目标区域中每个地物要素类别对应的更新精度，确定目标区域的历史点云特征数据的更新精度。

本实施例中，若目标区域中包括多个地物要素类别，为了衡量该目标区域的整体更新精度，利用目标区域中每个地物要素类别对应的更新精度，确定目标区域的历史点云特征数据的更新精度，具体如何取得目标区域的整体更新精度在下文描述。

可见，本实施例中，考虑目标区域中包括不同类型的地物要素，因此，通过目标区域中每个地物要素类别对应的更新精度，确定目标区域的整体更新精度，避免了单一地物要素受场景的限制导致的计算结果较差的缺点，提升了结果的准确性和可靠性。

在上述实施例的基础上，图4所示的步骤402中“基于地物要素类别相同的各匹配对的更新精度，确定该地物要素类别对应的更新精度”的一种实施方式如下：

确定地物要素类别相同的各匹配对的更新精度均值，将更新精度均值作为该地物要素类别对应的更新精度；其中，更新精度均值为算术平均值或者加权平均值。

本实施例中，若更新精度均值为算术平均值，则地物要素类别相同的各匹配对的更新精度均值为各匹配对的更新精度之和除以匹配对的数量。若更新精度均值为加权平均值，则针对同一地物要素类别的不同地物要素配置不同或者相同或者部分相同的权重，权重作为可配置项由人工配置，更新精度均值为各匹配对的更新精度与各匹配对相应的地物要素的权重进行加权求和，需要说明的是，本领域技术人员可以根据实际的应用场景配置不同地物要素的权重，本文不限定权重的具体取值。

例如，若目标区域中包括如下地物要素：指示牌、限速牌、车道线、停止线和路灯，则将目标区域的当前点云特征数据和目标区域的历史点云特征数据进行地物要素匹配，得到指示牌的匹配对、限速牌的匹配对、车道线的匹配对、停止线的匹配对和路灯的匹配对，进而确定指示牌的匹配对和限速牌的匹配对为面状要素的匹配对，车道线的匹配对、停止线的匹配对和路灯的匹配对为线状要素的匹配对。确定指示牌的匹配对和限速牌的匹配对的更新精度均值作为面状要素对应的更新精度；确定车道线的匹配对、停止线的匹配对和路灯的匹配对的更新精度均值作为线状要素对应的更新精度。

若更新精度均值为算术平均值，则面状要素对应的更新精度为：

A＝(A1+A2)/2，其中，A为面状要素对应的更新精度，A1为指示牌的匹配对的更新精度，A2为限速牌的匹配对的更新精度。

线状要素对应的更新精度为：

B＝(B1+B2+B3)/3，其中，B为线状要素对应的更新精度，B1为车道线的匹配对的更新精度，B2为停止线的匹配对的更新精度，B3为路灯的匹配对的更新精度。

若更新精度均值为加权平均值，则面状要素对应的更新精度为：

A＝K1×A1+K2×A2，其中，A为面状要素对应的更新精度，A1为指示牌的匹配对的更新精度，K1为指示牌的权重；A2为限速牌的匹配对的更新精度，K2为限速牌的权重。

线状要素对应的更新精度为：

B＝L1×B1+L2×B2+L3×B3，其中，B为线状要素对应的更新精度，B1为车道线的匹配对的更新精度，L1为车道线的权重；B2为停止线的匹配对的更新精度，L2为停止线的权重；B3为路灯的匹配对的更新精度，L3为路灯的权重。其中，L1、L2、L3可以不同(L1≠L2≠L3)，或者相同(L1＝L2＝L3)，或者部分相同(例如L1＝L2≠L3，也即线状要素中车道线、停止线等地面标线的权重相同，路灯、电子眼杆等地上杆状物的权重相同，但是地面标线的权重与地上杆状物的权重不同)。

在上述实施例的基础上，图4所示的步骤403中“基于目标区域中每个地物要素类别对应的更新精度，确定目标区域的历史点云特征数据的更新精度”的一种实施方式如下：

基于目标区域中每个地物要素类别的预设权重，确定每个地物要素类别对应的更新精度的加权平均值，将加权平均值作为目标区域的历史点云特征数据的更新精度。

例如，若目标区域中包括如下地物要素：指示牌、限速牌、车道线、停止线和路灯，指示牌和限速牌的地物要素类别为面状要素，车道线、停止线和路灯的地物要素类别为线状要素，则为面状要素和线状要素预先设置权重，权重作为可配置项由人工配置，本领域技术人员根据实际应用场景对不同地物要素类别设置权重。目标区域中地物要素类别为面状要素对应的更新精度记为A，面状要素的预设权重记为K，目标区域中地物要素类别为线状要素对应的更新精度记为B，线状要素的预设权重记为L，则目标区域的历史点云特征数据的更新精度记为C，则C＝K×A+L×B。

在上述实施例的基础上，图1所示的点云特征数据更新精度的确定方法还包括如图5所示的点云特征数据的更新流程，包括步骤501至步骤503：

在步骤501中，判断目标区域的历史点云特征数据的更新精度是否大于或等于预设的更新精度阈值。

本实施例中，预先设置更新精度阈值，由于更新精度是利用匹配对中当前地物要素的第一标识线以及匹配对中历史地物要素的第二标识线之间的公垂线段的长度计算得到，因此，更新精度阈值表达了公垂线段的最大长度。

本实施例中，由于确定地物要素的标识线时考虑外界环境干扰，例如，遮挡导致地物要素部分缺失，虽然地物要素的中心点位置发生改变，但是仍然存在不受外界环境干扰的信息：面状要素的法向量的方向、线状要素所在的直线，因此将不受外界干扰的信息用于确定地物要素的标识线，使得标识线先能够客观标识地物要素。可见，匹配对的当前地物要素的第一标识线以及匹配对的匹配对中历史地物要素的第二标识线之间的公垂线段的长度，能够客观反映当前地物要素与历史地物要素的距离差异，进而基于公垂线段的长度的反比例确定匹配对的更新精度，能够客观反映使用当前地物要素更新历史地物要素是否合理，具体地，通过判断目标区域的历史点云特征数据的更新精度是否大于或等于预设的更新精度阈值，决定是否进行更新。

在步骤502中，若大于或等于更新精度阈值，则基于预设的更新策略，使用目标区域的当前点云特征数据更新目标区域的历史点云特征数据。

本实施例中，若目标区域的历史点云特征数据的更新精度大于或等于预设的更新精度阈值，表明匹配的当前地物要素与历史地物要素之间的距离差异较小，当前地物要素出错的可能性较小，可以认为当前地物要素质量合格，能够用于更新匹配的历史地物要素。

本实施例中，预设的更新策略由人工根据实际应用场景进行配置，例如，预设的更新策略为：历史地物要素的位置调整值为匹配的当前地物要素的距离偏移值的一半。若当前地物要素相比匹配的历史地物要素的距离偏移值为10cm，则将历史地物要素的位置向匹配的当前地物要素移动5cm。预设的更新策略是为了降低当前地物要素本身的采集质量较差时带来的误差，例如，当前地物要素相比匹配的历史地物要素的距离偏移值为10cm，这个值可能不准确，将历史地物要素的位置向匹配的当前地物要素移动5cm而非10cm，可以降低误差。

在步骤503中，若小于更新精度阈值，则将目标区域的历史点云特征数据与目标区域的当前点云特征数据进行点云对齐。

本实施例中，若目标区域的历史点云特征数据的更新精度小于预设的更新精度阈值，表明匹配的当前地物要素与历史地物要素之间的距离差异较大，当前地物要素出错的可能性较大，例如，由于遮挡导致当前地物要素部分缺失，可以认为当前地物要素质量不合格，不能够用于更新匹配的历史地物要素。因此，将目标区域的历史点云特征数据与目标区域的当前点云特征数据进行点云对齐操作，以提升历史点云特征数据的精度，其中，点云对齐操作可以由人工操作，属于本领域的成熟技术，不再赘述。

在上述实施例的基础上，图6为本公开实施例提供的一种点云特征数据更新精度的确定方法的流程示意图，包括步骤601至步骤607：

601、获取原始点云数据。

本实施例中，通过车载移动测量系统中的激光扫描仪对目标区域进行点云数据采集，得到目标区域的原始点云数据。其中，目标区域为待更新地物要素的区域。

602、构建当前点云特征库。

本实施例中，从原始点云数据中提取关键的特征点，生成原始点云数据对应的当前点云特征库。具体地，对获取的原始点云数据进行特征提取，得到原始点云数据中的语义特征点和纹理特征点，其中，语义特征点用于表达该点所属的地物要素是什么，而纹理特征点不属于任何地物要素，纹理特征点的集合用于表达目标区域的全貌。进而构建原始点云数据对应的当前点云特征库，点云特征库中包括原始点云数据中的语义特征点和纹理特征点。

需要说明的是下文中对当前点云特征库的处理，均是对当前点云特征库中的语义特征点进行处理，不对纹理特征点进行处理。

603、对当前点云特征库与历史点云特征库进行地物要素匹配。

本实施例中，历史点云特征库为车载移动测量系统历史采集作业所采集的原始点云数据生成的点云特征库，或者，高精地图数据母库。由于入库高精地图数据母库的地图要素都是完整的地物要素，也即地物要素不是存在遮挡的、部分缺失的地物要素，而当前点云特征库中的地物要素可能是部分缺失的地物要素，因此用部分缺失的地物要素更新完整的地物要素会导致更新后的地物要素精度降低，所以需要在更新之前，需要确定当前点云特征库更新历史点云特征库的更新精度，具体如何确定更新精度在下文描述。

本实施例中，当前点云特征库与历史点云特征库均对应于目标区域，将当前点云特征库中的语义特征点集合(即当前点云特征数据)与历史点云特征库中的语义特征点集合(即历史点云特征数据)进行地物要素匹配，得到至少一个匹配对，每个匹配对与一个地物要素对应，例如，目标区域对应的当前点云特征库中包括限速牌的点云特征数据，历史点云特征库中也包括目标区域中的限速牌的历史点云特征数据，则进行地物要素匹配，可以得到限速牌的匹配对。

604、确定当前地物要素的第一标识线与历史地物要素的第二标识线。

本实施例中，在完成地物要素匹配后，可以得到当前地物要素与历史地物要素的匹配关系，针对任一匹配对，若地物要素类别为面状要素，则确定当前地物要素的第一法向量和第一中心点，以及历史地物要素的第二法向量和第二中心点；将第一法向量和第一中心点确定的直线作为第一标识线，并将第二法向量和第二中心点确定的直线作为第二标识线。若地物要素类别为线状要素，则将匹配对中当前地物要素所在的直线作为第一标识线，并将匹配对中历史地物要素所在的直线作为第二标识线。

605、基于公垂线段的长度确定匹配对的更新精度。

本实施例中，针对任一匹配对，确定当前地物要素的第一标识线与历史地物要素的第二标识线之间的公垂线段的长度，进而基于公垂线段的长度的反比例确定匹配对的更新精度，也即，匹配对的更新精度与公垂线段的长度呈反比例关系，反比例系数可根据实际应用场景进行配置。可见，公垂线段的长度越长，则匹配对的更新精度越低。匹配对的更新精度可以理解为：使用匹配对的当前地物要素更新匹配对的历史地物要素的更新精度。

606、基于匹配对的更新精度计算目标区域的整体更新精度。

本实施例中，目标区域中通常包括多个地物要素，因此，进行地物要素匹配可能得到多个匹配对，确定每个匹配对的更新精度后，基于每个匹配对的更新精度确定目标区域的历史点云特征数据的更新精度，也即，使用目标区域的当前点云特征数据更新目标区域的历史点云特征数据的整体更新精度。

例如，目标区域的整体更新精度记为C，则C＝K×A+L×B；

其中，K为面状要素的预设权重，A为目标区域中地物要素类别为面状要素对应的更新精度，L为线状要素的预设权重，B为目标区域中地物要素类别为线状要素对应的更新精度。A＝(A1+A2+……+Ai+……+AN)/N，1≤i≤N，N为正整数；B＝(B1+B2+……+Bj+……+BM)/M，1≤j≤M，M为正整数，其中，N为目标区域中包含的面状要素的数量，M为目标区域中包含的线状要素的数量，Ai为第i个面状要素对应的更新精度，Bj为第j个线状要素对应的更新精度。

607、利用目标区域的整体更新精度，更新历史点云特征库。

本实施例中，判断目标区域的整体更新精度是否大于或等于预设的更新精度阈值；若大于或等于更新精度阈值，则基于预设的更新策略，使用目标区域的当前点云特征数据更新目标区域的历史点云特征数据；若小于更新精度阈值，则将目标区域的历史点云特征数据与目标区域的当前点云特征数据进行点云对齐。

可见，本实施例通过将当前点云特征数据与历史点云特征数据进行地物要素匹配，得到至少一个匹配对和匹配对的地物要素类别，进而基于地物要素类别，确定匹配对中当前地物要素和历史地物要素各自的标识线，以两条标识线之间的公垂线段的长度的反比例确定匹配对的更新精度，替代现有技术中以两个中心点之间的相对距离确定更新精度，避免由于外界环境干扰导致地物要素中心点位置改变而降低更新精度，且无需人工选择中心点，提高更新精度的确定效率，进而提升地物要素的更新效率，从而提升高精地图数据的生产效率。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员能够理解，本公开实施例并不受所描述的动作顺序的限制，因为依据本公开实施例，某些步骤可以采用其他顺序或者同时进行。另外，本领域技术人员能够理解，说明书中所描述的实施例均属于可选实施例。

图7为本公开实施例提供的一种点云特征数据更新精度的确定装置的示意图，该点云特征数据更新精度的确定装置可以应用于电子设备，电子设备包括但不限于车载设备、智能手机、掌上电脑、平板电脑、带显示屏的可穿戴设备、台式机、笔记本电脑、一体机、智能家居设备、服务器等，其中，服务器可以是独立的服务器，也可以是多个服务器的集群，可以包括搭建在本地的服务器和架设在云端的服务器。本公开实施例提供的点云特征数据更新精度的确定装置可以执行点云特征数据更新精度的确定方法各实施例提供的处理流程，如图7所示，点云特征数据更新精度的确定装置包括但不限于：获取单元701、匹配单元702、第一确定单元703和第二确定单元704。各单元功能说明如下：

获取单元701，用于获取目标区域的当前点云特征数据和目标区域的历史点云特征数据；

匹配单元702，用于将当前点云特征数据与历史点云特征数据进行地物要素匹配，得到至少一个匹配对和匹配对的地物要素类别；

第一确定单元703，用于对于任一匹配对，基于匹配对的地物要素类别，确定匹配对中当前地物要素的第一标识线以及匹配对中历史地物要素的第二标识线；

第二确定单元704，用于基于第一标识线和第二标识线之间的公垂线段的长度确定匹配对的更新精度，并基于每个匹配对的更新精度确定目标区域的历史点云特征数据的更新精度。

在一些实施例中，获取单元701获取目标区域的当前点云特征数据，包括：

获取目标区域的原始点云数据；

对原始点云数据进行地物要素识别，得到目标区域中至少一个地物要素包括的点云特征数据作为目标区域的当前点云特征数据。

在一些实施例中，第一确定单元703，用于：

若地物要素类别为面状要素，则确定匹配对中当前地物要素的第一法向量和第一中心点，以及匹配对中历史地物要素的第二法向量和第二中心点；将第一法向量和第一中心点确定的直线作为第一标识线，并将第二法向量和第二中心点确定的直线作为第二标识线；

和/或，

若地物要素类别为线状要素，则将匹配对中当前地物要素所在的直线作为第一标识线，并将匹配对中历史地物要素所在的直线作为第二标识线。

在一些实施例中，第二确定单元704基于每个匹配对的更新精度确定目标区域的历史点云特征数据的更新精度，包括：

确定地物要素类别相同的各匹配对；

基于地物要素类别相同的各匹配对的更新精度，确定该地物要素类别对应的更新精度，得到目标区域中每个地物要素类别对应的更新精度；

基于目标区域中每个地物要素类别对应的更新精度，确定目标区域的历史点云特征数据的更新精度。

在一些实施例中，第二确定单元704基于地物要素类别相同的各匹配对的更新精度，确定该地物要素类别对应的更新精度，包括：

确定地物要素类别相同的各匹配对的更新精度均值，将更新精度均值作为该地物要素类别对应的更新精度；其中，更新精度均值为算术平均值或者加权平均值。

在一些实施例中，第二确定单元704基于目标区域中每个地物要素类别对应的更新精度，确定目标区域的历史点云特征数据的更新精度，包括：

基于目标区域中每个地物要素类别的预设权重，确定每个地物要素类别对应的更新精度的加权平均值，将加权平均值作为目标区域的历史点云特征数据的更新精度。

在一些实施例中，点云特征数据更新精度的确定装置还包括更新单元，用于：

判断目标区域的历史点云特征数据的更新精度是否大于或等于预设的更新精度阈值；

若大于或等于更新精度阈值，则基于预设的更新策略，使用目标区域的当前点云特征数据更新目标区域的历史点云特征数据；

若小于更新精度阈值，则将目标区域的历史点云特征数据与目标区域的当前点云特征数据进行点云对齐。

可见，本公开的至少一个点云特征数据更新精度的确定装置实施例中，通过将当前点云特征数据与历史点云特征数据进行地物要素匹配，得到至少一个匹配对和匹配对的地物要素类别，进而基于地物要素类别，确定匹配对中当前地物要素和历史地物要素各自的标识线，以两条标识线之间的公垂线段的长度确定匹配对的更新精度，替代现有技术中以两个中心点之间的相对距离确定更新精度，避免由于外界环境干扰导致地物要素中心点位置改变而降低更新精度，且无需人工选择中心点，提高更新精度的确定效率，进而提升地物要素的更新效率，从而提升高精地图数据的生产效率。

图8是本公开实施例提供的一种电子设备的示例性框图。如图8所示，该电子设备包括：存储器801、处理器802以及存储在所述存储器801上的计算机程序。可以理解，本实施例中的存储器801可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。

在一些实施方式中，存储器801存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。

其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础任务以及处理基于硬件的任务。应用程序，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用任务。实现本公开实施例提供的点云特征数据更新精度的确定方法的程序可以包含在应用程序中。

在本公开实施例中，至少一个处理器802通过调用至少一个存储器801存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，至少一个处理器802用于执行本公开实施例提供的点云特征数据更新精度的确定方法各实施例的步骤。

本公开实施例提供的点云特征数据更新精度的确定方法可以应用于处理器802中，或者由处理器802实现。处理器802可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器802中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器802可以是通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本公开实施例提供的点云特征数据更新精度的确定方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器801，处理器802读取存储器801中的信息，结合其硬件完成方法的步骤。

本公开实施例还提出一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如点云特征数据更新精度的确定方法各实施例的步骤，为避免重复描述，在此不再赘述。其中，计算机可读存储介质可以为非暂态计算机可读存储介质。

本公开实施例还提出一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中，计算机可读存储介质可以为非暂态计算机可读存储介质。计算机的至少一个处理器从计算机可读存储介质中读取并执行该计算机程序，使得计算机执行如点云特征数据更新精度的确定方法各实施例的步骤，为避免重复描述，在此不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。

本领域的技术人员能够理解，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

虽然结合附图描述了本公开的实施方式，但是本领域技术人员可以在不脱离本公开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)

1.一种点云特征数据更新精度的确定方法，所述方法包括：

获取目标区域的当前点云特征数据和所述目标区域的历史点云特征数据；

将所述当前点云特征数据与所述历史点云特征数据进行地物要素匹配，得到至少一个匹配对和所述匹配对的地物要素类别；

对于任一匹配对，基于所述匹配对的地物要素类别，确定所述匹配对中当前地物要素的第一标识线以及所述匹配对中历史地物要素的第二标识线；

基于所述第一标识线和所述第二标识线之间的公垂线段的长度确定所述匹配对的更新精度，并基于每个匹配对的更新精度确定所述目标区域的历史点云特征数据的更新精度。

2.根据权利要求1所述的方法，其中，所述获取目标区域的当前点云特征数据，包括：

获取目标区域的原始点云数据；

对所述原始点云数据进行地物要素识别，得到所述目标区域中至少一个地物要素包括的点云特征数据作为所述目标区域的当前点云特征数据。

3.根据权利要求1所述的方法，其中，所述对于任一匹配对，基于所述匹配对的地物要素类别，确定所述匹配对中当前地物要素的第一标识线以及所述匹配对中历史地物要素的第二标识线，包括：

若所述地物要素类别为面状要素，则确定所述匹配对中当前地物要素的第一法向量和第一中心点，以及所述匹配对中历史地物要素的第二法向量和第二中心点；将所述第一法向量和所述第一中心点确定的直线作为第一标识线，并将所述第二法向量和所述第二中心点确定的直线作为第二标识线；

和/或，

若所述地物要素类别为线状要素，则将所述匹配对中当前地物要素所在的直线作为第一标识线，并将所述匹配对中历史地物要素所在的直线作为第二标识线。

4.根据权利要求1所述的方法，其中，所述基于每个匹配对的更新精度确定所述目标区域的历史点云特征数据的更新精度，包括：

确定地物要素类别相同的各匹配对；

基于地物要素类别相同的各匹配对的更新精度，确定该地物要素类别对应的更新精度，得到所述目标区域中每个地物要素类别对应的更新精度；

基于所述目标区域中每个地物要素类别对应的更新精度，确定所述目标区域的历史点云特征数据的更新精度。

5.根据权利要求4所述的方法，其中，所述基于地物要素类别相同的各匹配对的更新精度，确定该地物要素类别对应的更新精度，包括：

确定地物要素类别相同的各匹配对的更新精度均值，将所述更新精度均值作为该地物要素类别对应的更新精度；其中，所述更新精度均值为算术平均值或者加权平均值。

6.根据权利要求4所述的方法，其中，所述基于所述目标区域中每个地物要素类别对应的更新精度，确定所述目标区域的历史点云特征数据的更新精度，包括：

基于所述目标区域中每个地物要素类别的预设权重，确定所述每个地物要素类别对应的更新精度的加权平均值，将所述加权平均值作为所述目标区域的历史点云特征数据的更新精度。

7.根据权利要求1所述的方法，其中，所述方法还包括：

判断所述目标区域的历史点云特征数据的更新精度是否大于或等于预设的更新精度阈值；

若大于或等于所述更新精度阈值，则基于预设的更新策略，使用所述目标区域的当前点云特征数据更新所述目标区域的历史点云特征数据；

若小于所述更新精度阈值，则将所述目标区域的历史点云特征数据与所述目标区域的当前点云特征数据进行点云对齐。

8.一种点云特征数据更新精度的确定装置，所述装置包括：

获取单元，用于获取目标区域的当前点云特征数据和所述目标区域的历史点云特征数据；

匹配单元，用于将所述当前点云特征数据与所述历史点云特征数据进行地物要素匹配，得到至少一个匹配对和所述匹配对的地物要素类别；

第一确定单元，用于对于任一匹配对，基于所述匹配对的地物要素类别，确定所述匹配对中当前地物要素的第一标识线以及所述匹配对中历史地物要素的第二标识线；

第二确定单元，用于基于所述第一标识线和所述第二标识线之间的公垂线段的长度确定所述匹配对的更新精度，并基于每个匹配对的更新精度确定所述目标区域的历史点云特征数据的更新精度。

9.一种电子设备，其中，包括存储器、处理器以及存储在所述存储器上的计算机程序，其中，所述处理器执行所述计算机程序以实现如权利要求1至7任一项所述点云特征数据更新精度的确定方法的步骤。

10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至7任一项所述点云特征数据更新精度的确定方法的步骤。