CN116860906A - 轨迹生成方法、装置、设备及存储介质 - Google Patents
轨迹生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116860906A CN116860906A CN202311132783.4A CN202311132783A CN116860906A CN 116860906 A CN116860906 A CN 116860906A CN 202311132783 A CN202311132783 A CN 202311132783A CN 116860906 A CN116860906 A CN 116860906A
- Authority
- CN
- China
- Prior art keywords
- vector
- vectors
- group
- road surface
- track
- 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
- 238000000034 method Methods 0.000 title claims abstract description 76
- 239000013598 vector Substances 0.000 claims abstract description 1526
- 230000004044 response Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 30
- 230000000007 visual effect Effects 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000011218 segmentation Effects 0.000 description 9
- 238000010276 construction Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- -1 i.e. Substances 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Processing Or Creating Images (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种轨迹生成方法、装置、设备及存储介质,该轨迹生成方法包括:获取矢量数据集,其中,所述矢量数据集中包括地图要素对应矢量的矢量数据和地图要素对应矢量的属性信息;基于所述属性信息,从所述矢量数据集的矢量中确定至少一个基准矢量;基于所述至少一个基准矢量以及所述矢量数据集中的非基准矢量相对于对应的所述基准矢量的偏移量,得到所述矢量数据集的轨迹。通过生成矢量对应的轨迹,大大简化了基于矢量进行的后续作业,提高了作业效率。
Description
技术领域
本申请涉及地图数据处理技术,尤其涉及一种轨迹生成方法、装置、设备及存储介质。
背景技术
随着视觉识别技术的不断发展,基于视觉识别的地图数据采集技术以成本低的特点,受到了广泛的应用。
基于视觉识别的地图数据采集过程主要为通过车上设置的传感器以及视觉识别模块,对地图原始数据的采集、识别和标注,得到用于地图更新、地图构建等的数据源。通过视觉识别技术得到的数据源的形式通常为矢量数据,实际作业过程中,仅有矢量数据,缺少对应的轨迹等数据,导致作业复杂度高、效率低、成本高等问题。
发明内容
本申请提供一种轨迹生成方法、装置、设备及存储介质,用以解决仅有矢量数据进行作业复杂度高、效率低、成本高的问题。
第一方面,本申请提供一种轨迹生成方法,该方法包括:获取矢量数据集,其中,所述矢量数据集中包括地图要素对应矢量的矢量数据和属性信息;基于所述属性信息,从所述矢量数据集中的地图要素对应的矢量中确定至少一个基准矢量;基于所述至少一个基准矢量以及所述矢量数据集中的非基准矢量相对于对应的所述基准矢量的偏移量,到所述矢量数据集的轨迹。
第二方面,本申请提供一种轨迹生成装置,该装置包括:矢量数据集获取模块,用于获取矢量数据集,其中,所述矢量数据集中包括地图要素对应矢量的矢量数据和属性信息;基准矢量确定模块,用于基于所述属性信息,从所述矢量数据集中的地图要素对应矢量中确定至少一个基准矢量;数据集轨迹生成模块,用于基于所述至少一个基准矢量以及所述矢量数据集中的非基准矢量相对于对应的所述基准矢量的偏移量,得到所述矢量数据集的轨迹。
第三方面,本申请提供一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述电子设备执行本申请第一方面提供的方法。
第四方面,本申请提供一种算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如本申请第一方面提供的方法。
第五方面,本申请提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如本申请第一方面提供的方法。
本申请提供的轨迹生成方法、装置、设备及存储介质,针对矢量数据集,如通过视觉识别技术采集的矢量数据集,基于矢量的属性信息,从该矢量数据集的矢量中确定一个或多个基准矢量,计算非基准矢量相对于对应的基准矢量的偏移量,从而基于确定的基准矢量以及计算的偏移量,得到该矢量数据集的轨迹,实现了矢量数据轨迹的自动生成,以轨迹代替矢量的方式进行后续作业,如地图更新、高精地图构建、地图数据库更新等,大大简化了基于矢量数据进行作业的复杂度,基于生成的轨迹进行后续作业,提高了作业的效率、降低了成本。
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应用场景示意图;
图2为本申请实施例提供的一种轨迹生成方法的流程示意图;
图3为本申请图2所示实施例中矢量数据集的轨迹的示意图;
图4为本申请图2所示实施例中步骤S202和步骤S203的流程示意图;
图5为本申请实施例提供的矢量之间投影的示意图;
图6为本申请图1所示实施例中矢量数据集的轨迹的示意图;
图7为本申请图4所示实施例中步骤S401的流程图;
图8为本申请图7所示实施例中未分组矢量与目标矢量高程差的示意图;
图9为本申请实施例提供的矢量语义特征的示意图;
图10为本申请图7所示实施例中基于拓扑连续条件进行矢量分组的示意图;
图11为本申请实施例提供的另一种轨迹生成方法的流程示意图;
图12为本申请图11所示实施例中对矢量进行切分的示意图;
图13为本申请又一个实施例提供的轨迹生成方法的流程示意图;
图14为本申请图13所示实施中对矢量排序的示意图;
图15为本申请一个实施例提供的垂线组矢量的偏移量的示意图;
图16为本申请一个实施例提供的非垂线组矢量的偏移量的示意图;
图17为本申请一个实施例提供的矢量冗余去除的示意图;
图18为本申请一个实施例提供的平滑连接矢量得到轨迹的示意图;
图19为本申请实施例提供的另一种轨迹生成方法的流程示意图;
图20为本申请一个实施例提供的标记后的轨迹的示意图;
图21为本申请实施例提供的一种电子设备的结构示意图;
图22为本申请实施例提供的一种轨迹生成设备的结构示意图。
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。
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、用户属性信息等)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。
传统的地图数据采集,通常由相关人员驾驶采集车在指定的线路行驶,从而采集得到对应区域的原始数据,如照片、坐标等,通过对原始数据进行处理,如识别、标准等,得到用于进行地图构建、地图更新等应用的源数据。
为了提高地图数据采集的效率,实现了基于视觉识别的地图数据采集技术。图1为本申请实施例提供的一种应用场景示意图,如图1所示,采集车或者其他装有视觉识别模块的车辆在行车过程中,通过车辆上设置的传感器,如摄像头、惯性传感器等,通过视觉识别模块,结合车辆定位技术以及视觉识别技术,对传感器采集的数据(如图片、惯性数据等)进行视觉识别和测量,生成地图应用下的矢量数据集,并将该矢量数据集发送至地图服务器,以通过地图服务器对矢量数据集进行后续作业,如地图变化路段更新、核实,高精地图构建,地图数据库更新等。
基于视觉识别技术采集的矢量数据集对应的图像如图1所示,该矢量数据集中包含多个矢量的矢量数据,如车辆行驶过程中经过的道路的边沿、车道线、交通指示牌等对应的矢量,车道线可以为实线、虚线、虚实线等。矢量数据为用户坐标表示地图要素的位置和形状的数据。车道线用于界定车道的边界,一条道路可以包括一条或多条车道,一条车道包括两条车道线,左车道线和右车道线。
图2为本申请实施例提供的一种轨迹生成方法的流程示意图,该轨迹生成方法可以由具备相应数据处理能力的电子设备执行,如轨迹生成设备,轨迹生成设备可以为服务器、计算机或者其他电子设备,如上述地图服务器。
如图2所示,该轨迹生成方法包括以下步骤:
步骤S201,获取矢量数据集,所述矢量数据集中包括地图要素对应矢量的矢量数据和地图要素对应矢量的属性信息。
矢量数据集可以对应一个区域,如100m×100m的区域。
地图要素可以为车道线、交通指示牌、护栏等。矢量数据为通过矢量的方式描述地图要素的位置和形状的数据。可以通过矢量的矢量数据生成该矢量对应的线段。
可选的,所述属性信息包括几何特征、语义特征和拓扑特征中的至少一项,几何特征用于描述矢量对应的线段的几何特征,所述几何特征包括长度、高程、弯度和角度中的至少一项。语义特征用于描述矢量对应的道路、道路面等的语义特征,拓扑特征用于描述矢量之间的拓扑关系。
矢量的语义特征可以包括矢量所在道路的名称、类型、等级等,矢量的拓扑特征可以为矢量与其他矢量的拓扑关系,拓扑关系可以通过矢量或矢量的一部分向其他矢量投影的方式得到。矢量的弯度可以采用矢量对应的线段的一部分的弯度或曲率表示,也可以采用矢量对应的线段的各部分的弯度或曲率的最大值表示,本申请对此不进行限定。
矢量数据集可以通过第三方平台上传至轨迹生成设备。
在一些实施例中,可以通过安装在车辆上的视觉识别模块,对车辆采集的原始数据进行视觉识别,得到上述矢量数据集。原始数据为通常车辆的传感器,如摄像头、惯性传感器等,在车辆行车过程中,采集的经过的道路上的数据,如车道线、护栏、交通指示牌等地图要素的数据。
步骤S202,基于所述属性信息,从所述矢量数据集中的地图要素对应矢量中确定至少一个基准矢量。
可以基于矢量的长度,从矢量数据集的矢量中确定至少一个基准矢量,如确定长度较长的一个或多个矢量为基准矢量。
可以先确定长度最长的矢量为第一个基准矢量,从矢量数据集的矢量中过滤掉与第一个基准矢量相交的矢量,得到第一次过滤后剩余的矢量;从第一次过滤后剩余的矢量中选择长度最长的矢量为第二个基准矢量,并从第一次过滤后剩余的矢量中过滤掉与第二个基准矢量相交的矢量,依次类推。
在一些实施例中,可以基于矢量的长度,以及弯度、高度等几何特征,从矢量数据集的矢量中确定至少一个基准矢量,如基于长度和弯度计算各矢量的矢量得分,基于矢量得分,确定基准矢量。
可以先对矢量数据集的矢量进行分组,逐组进行基准矢量的确定,得到每组的基准矢量,一组可以对应一个或多个基准矢量。分组的依据可以为矢量对应的道路,以将对应同一条道路的矢量划分为一组。
当矢量数据集中的矢量数量大于预设数量时,对矢量数据集的矢量进行分组,逐组进行基准矢量的确定。当矢量数据集中的矢量数量小于或等于预设数量时,则基于属性信息确定至少一个基准矢量。
步骤S203,基于所述至少一个基准矢量以及所述矢量数据集中的非基准矢量相对于对应的所述基准矢量的偏移量,得到所述矢量数据集的轨迹。
在确定至少一个基准矢量后,针对矢量数据集中除去基准矢量外的矢量即非基准矢量,计算非基准矢量与对应的基准矢量的偏移量。
非基准偏移量对应的基准偏移量可以是为该非基准偏移量指定的基准偏移量,还可以为后续分组后同组的基准偏移量,还可以基于属性信息,确定非基准矢量对应的基准矢量。
示例性的,非基准矢量对应的基准矢量可以为与该非基准矢量距离最近的矢量,还可以为与该非基准矢量的位于同一条道路上的基准矢量。
可以基于非基准矢量的偏移量对非基准矢量进行偏移,基于至少一个基准矢量以及偏移后的非基准矢量,生成矢量数据集的轨迹。
以基准矢量为主,以偏移后的非基准矢量为辅,顺序连接基准矢量和非基准矢量,得到矢量数据集的轨迹。
可以基于偏移后的非基准矢量在基准矢量上的投影,实现基准矢量的延长,顺序连接延长后的各基准矢量,得到矢量数据集的轨迹。
图3为本申请图2所示实施例中矢量数据集的轨迹的示意图,如图3所示,矢量数据集对应的基准矢量为3条,即矢量31至矢量33,非基准矢量为5条,偏移后的非基准矢量为矢量34至矢量38,基于矢量31至矢量38得到的轨迹如图3中的轨迹39所示。
本实施例提供的轨迹生成方法,针对矢量数据集,如通过视觉识别技术采集的矢量数据集,基于矢量的属性信息,从该矢量数据集的矢量中确定一个或多个基准矢量,计算非基准矢量相对于对应的基准矢量的偏移量,从而基于确定的基准矢量以及计算的偏移量,得到该矢量数据集的轨迹,实现了矢量数据轨迹的自动生成,以轨迹代替矢量的方式进行后续作业,如地图更新、高精地图构建、地图数据库更新等,大大简化了基于矢量数据进行作业的复杂度,基于生成的轨迹进行后续作业,提高了作业的效率、降低了成本。
图4为本申请图2所示实施例中步骤S202和步骤S203的流程示意图,如图4所示,步骤S202和步骤S203具体可以包括以下步骤:
步骤S401,基于属性信息,对所述矢量数据集中的矢量进行分组,得到至少两组矢量。
可以基于矢量的几何特征,对矢量数据集中的矢量进行分组,以将几何特征相似的矢量划分为一组。还可以基于矢量的语义特征,对矢量数据集中的矢量进行分组,从而将同一条道路的矢量划分为一组或者将同一道路面的矢量划分为一组。还可以基于矢量的拓扑特征,将满足拓扑连续性条件的矢量划分为一组。
在一些实施例中,可以先基于矢量的语义特征对矢量进行分组,再基于矢量的几何特征和/或拓扑特征对各组矢量进行二次分组。还可以先基于几何特征进行分组,再基于语义特征和/或拓扑特征进行二次分组。
道路面可以理解为一个平面,具体为由一段道路组成的面。描述道路面内道路几何特征的空间数据记为道路面数据,几何特征可以包括高程、弯度、角度等。在高精地图中,道路面数据为地图数据库中存储的一类数据,不同的道路面对应不同的道路或者同一道路的不同分段。
几何特征相似可以表现为高程差较小,如小于2m,还可以表现为矢量的曲率或角度接近,如曲率或角度的差值小于10°,还可以表现为高程差较小以及角度接近。
为了提高分组的准确度,在比较两个矢量的几何特征时,可以通过比较两个矢量投影至对方矢量的部分进行。示例性,图5为本申请实施例提供的矢量之间投影的示意图,如图5所示,以矢量A和矢量B为例进行说明,可以先将矢量A和矢量B互相投影,以矢量A投影至矢量B的部分即矢量b代替矢量B,以矢量B投影至矢量A的部分即矢量a代替矢量A,进行几何特征的比较,以判断矢量A和矢量B的几何特征是否相似。本申请所提及的投影,如无特殊说明均为正投影。
在一些实施例中,可以基于几何特征以及语义特征,对矢量数据集中的矢量进行分组,以将几何特征相似并且对应同一条道路的矢量或者将同一道路面的矢量划分为一组。
在对矢量进行分组之前,还可以对矢量上的形状点进行加密处理,以增加形状点的数量。加密处理具体为在矢量上新增一些形状点,以提高形状点的密度。通过加密后矢量形状点的坐标,确定矢量的几何特征。形状点为矢量上的点,用于描述矢量的形状。形状点的坐标可以为二维坐标,如(x, y),还可以为三维坐标,如(x, y, z)。z为高程方向上的坐标,记为高程,x和y为与高程方向垂直的平面上的坐标,记为横坐标和纵坐标。
矢量的高程可以为矢量上各形状点的高程的平均值,还可以为矢量中间形状点的高程,还可以为矢量上间隔固定步长的形状点的高程的平均值,固定步长可以为5m、8m、10m、12m等。
车道线对应的矢量可以表示为带箭头的直线或曲线,箭头的方向为车道方向,车辆在车道上沿车道方向行驶。
矢量的角度可以采用矢量与预设方向,如正北方向,之间的角度表示。
步骤S402,针对任一组矢量,从该组矢量中,确定该组的基准矢量。
步骤S403,针对任一组矢量,基于该组的基准矢量以及该组内非基准矢量相对于对应的该组的基准矢量的偏移量,得到该组矢量的轨迹。
在一些实施例中,每组对应一个基准矢量,同组的基准矢量为非基准矢量对应的基准矢量。
当同一组内包括多个基准矢量时,以组为单位,从本组的基准矢量中为本组的非基准矢量匹配基准矢量,将匹配的基准矢量作为本组的非基准矢量对应的基准矢量。
示例性的,可以确定距离最近的同组的基准矢量为非基准矢量对应的基准矢量,还可以人为指定非基准矢量对应的同组的基准矢量,以进行非基准矢量偏移量的计算。
在对矢量分组之后,得到多组矢量,以组为单位进行每组矢量轨迹的生成。针对各组矢量,首先,从该组矢量中确定一个矢量作为基准矢量,可以确定位于中间的矢量为基准矢量,也可以确定长度最长的矢量为基准矢量,还可以基于该组矢量的分布情况,确定该组的基准矢量。进而,以该基准矢量为准,计算该组矢量中非基准矢量,即除该基准矢量外的其他矢量,相对于该基准矢量的偏移量,基于非基准矢量相对于基准矢量的偏移量,对非基准矢量进行偏移,基于偏移后的非基准矢量以及该基准矢量,得到该组矢量的轨迹。
可以以同组内基准矢量以及偏移后的非基准矢量的合向量为该组矢量的轨迹。
为了避免生成的轨迹与基准矢量几乎重叠,在确定基准矢量之后,还可以相对基准矢量进行偏移,如向左或向右偏移一个较小的距离,如0.5m、1m、1.5m或者其他值。左和右可以以行驶在矢量对应的车道上车辆的左右为准。
步骤S404,基于所述至少两组矢量的轨迹,得到所述矢量数据集的轨迹。
在得到至少两组矢量中各组矢量的轨迹后,汇总各组矢量的轨迹,得到该矢量数据集的轨迹。
在一些实施例中,还可以按照矢量数据集对应的区域内道路的连接关系,以及生成的各组矢量的轨迹对应的道路,连接同一条道路对应的多条轨迹,以提高生成的矢量数据集轨迹的完整度。
示例性的,图6为本申请图1所示实施例中矢量数据集的轨迹的示意图,如图6所示,通过上述轨迹生成方法,将一条道路上多个矢量融合为一条轨迹,实现了对矢量数据集的简化,提高了矢量数据的可读性,从而提高了基于矢量数据进行后续作业的效率。
在得到矢量数据集的轨迹后,还可以在轨迹上标注多个形状点,如间隔1m的形状点。
在一些实施例中,可以基于生成的矢量数据集的轨迹进行地图更新,如对标注的可能发生变化的路段进行核实。
本实施例提供的轨迹生成方法,先基于属性信息对其中的矢量进行分组,以组为单位进行轨迹生成,大大简化了算法的复杂度,提高了轨迹生成的效率;针对每组,先从组中确定基准矢量,以基准矢量为准,计算组内其余矢量与基准矢量之间的偏移量,从而通过基准矢量以及通组内其他矢量与基准矢量的偏移量,得到该组矢量的轨迹,由各组矢量的轨迹,得到该矢量数据集的轨迹,实现了矢量数据的轨迹生成,以轨迹代替矢量的方式进行后续作业,大大简化了作业的复杂度,提高了作业的效率。
可选的,图7为本申请图4所示实施例中步骤S401的流程图,在本实施例实现了基于多维度的属性信息对矢量进行三次分组,如图7所示,步骤S401可以包括以下步骤:
步骤S501,基于矢量的几何特征,对所述矢量数据集中的矢量进行初次分组。
几何特征可以包括角度、位置、高程中的一项或多项。
在一些实施例中,可以基于矢量之间的角度差或矢量对应的线段的相似程度,对矢量数据集中的矢量进行初次分组,以将角度差较小或线段相似度程度较高的矢量划分为一组。
在另一些实施例中,可以基于矢量之间的投影角度差以及矢量的高程,对矢量数据集中的矢量进行初次分组。矢量之间的投影角度差为两个矢量互相投影至对方矢量之后,投影部分之间的角度差。
可选的,基于矢量的几何特征,对所述矢量数据集中的矢量进行初次分组,包括:重复执行下述步骤,直至不存在未分组的矢量:从未分组的矢量中选择一个矢量为目标矢量;针对未分组的矢量中除所述目标矢量外的矢量,将所述矢量与所述目标矢量互相投影,得到两个投影,若所述两个投影之间的角度差在预设角度范围内,且所述矢量与所述目标矢量的高程差在预设高程差范围内,则将所述矢量与所述目标矢量划分为一组。
两个投影的角度差具体可以为两个投影的正北方向角的差值,正北方向角为投影与正北方向的夹角。正北方向还可以为其他指定的方向,如正南方向,本申请对此不进行限定,仅以惯用的正北方向为例进行说明。
示例性的,预设角度范围可以为[-8°,8°]、[-10°,10°]、[-15°,15°]或者其他范围,预设高程差范围可以为-1m~+1m、-1.5m~+1.5m、-2m~+2m、-2.5m~+2.5m或者其他范围。
在一些实施例中,同一组的矢量与目标矢量的高程差的绝对值应小于矢量数据集对应的区域中道路的最低限高。
可以随机从未分组的矢量中选择一个矢量为目标矢量,遍历未分组的其余的矢量,将该矢量与目标矢量互相投影,得到两个投影,判断两个投影的正北方向角的差值是否在预设角度范围内;若否,则该矢量与目标矢量不属于同一组;若是,则进一步判断该矢量与目标矢量的高程差是否位于预设高程差范围内,若否,则该矢量与目标矢量不属于同一组,若是,则该矢量与目标矢量属于同一组,即将该矢量划分为目标矢量所在的一组。
在一些实施例中,可以先判断矢量与目标矢量的高程差是否位于预设高程差范围内,再判断矢量与目标矢量的两个投影的正北方向角的差值。还可以并行判断矢量与目标矢量的高程差以及投影的正北方向角的差值是否满足对应的条件,若任意一项不满足,则该矢量与目标矢量不属于同一组,即该矢量不能划分到目标矢量所在的一组;若两项均满足,则该矢量与目标矢量属于同一组,即将该矢量划分为目标矢量所在的一组。
在基于第一个目标矢量,遍历完矢量数据集其余得矢量后,得到第一个目标矢量对应的一组矢量;从未分组的矢量中,随机选择一个矢量作为第二个目标矢量,采用类似的方式,得到第二个目标矢量对应的一组矢量,以此类推,直至矢量数据集的矢量均被分组,或者直至矢量数据集的矢量中不存在未分组的矢量。
判断未分组的矢量与目标矢量的高程差是否位于预设高程差范围内,具体可以包括:分别经过目标矢量的首点、尾点以及中间间隔固定步长的形状点,作未分组的矢量的垂线,判断垂线中与未分组的矢量相交的一条垂线与目标矢量的交点的高程以及该条垂线与未分组的矢量的交点的高程的差值是否在预设高程差范围内。
首点又可称为头点,为矢量上第一个形状点。尾点则为矢量上最后一个形状点。
若经目标矢量上形状点作的多条垂线与未分组的矢量相交,则任意一条垂线与目标矢量的交点的高程以及该条垂线与未分组的矢量的交点的高程的差值在预设高程差范围内,则确定未分组的矢量与目标矢量的高程差位于预设高程差范围内,或者经目标矢量上形状点作的与未分组的矢量相交的垂线中,各条垂线与目标矢量的交点的高程以及该条垂线与未分组的矢量的交点的高程的差值在均预设高程差范围内,则确定未分组的矢量与目标矢量的高程差位于预设高程差范围内。还可以设置一个预设占比,若经目标矢量上形状点作的与未分组的矢量相交的垂线中,垂线与目标矢量的交点的高程以及该条垂线与未分组的矢量的交点的高程的差值在预设高程差范围内占经目标矢量上形状点作的与未分组的矢量相交的垂线总数的比值大于或等于该预设占比,则确定未分组的矢量与目标矢量的高程差位于预设高程差范围内。该预设占比可以为60%、80%或者其他百分比。
示例性的,图8为本申请图7所示实施例中未分组矢量与目标矢量高程差的示意图,如图8所示,目标矢量61长度为51m,固定步长为10m,分别通过目标矢量61上的形状点A1(首点)至A6作未分组的矢量62的垂线,6条垂线中经过形状点A5和A6的形状点分别与未分组的矢量62相交于点a5和点a6,若形状点A5与点a5的高程差位于预设高程差范围内,或者形状点A6和点a6的高程差位于预设高程差范围内,则确定未分组的矢量62与目标矢量61的高程差位于预设高程差范围内。即可以以形状点A5与点a5的高程差或者以形状点A6和点a6的高程差表示未分组的矢量62与目标矢量61的高程差。
基于几何特征中的投影角度差以及高程差对矢量进行初次分组,使得分组得到的各组矢量的角度和高程接近,实现对复杂场景下矢量的拆分,如高架桥场景下上下层道路、上下行道路矢量的拆分等,以组为单位进行后续处理,简化了后续处理的复杂度。
步骤S502,基于矢量的语义特征,对初次分组后的各组矢量进行二次分组。
矢量的语义特征可以包括矢量所在道路的名称、类型、等级等,还可以包括矢量所在道路面的构成。
具体的,针对初次分组后得到的各组矢量,可以基于矢量所在道路或道路面的语义特征,对该组矢量进行二次分组,以实现将同一条道路的矢量划分为一组。
基于语义特征的分组主要是为了区分主辅路场景,由于主辅路的几何特征相似,无法通过几何特征进行区分,故而引入语义特征,从而实现区分主辅路场景中主路对应的矢量和辅路对应的矢量。
具体的,可以将语义特征中道路面的构成,道路名称、类型、等级等中一项或多项,相同的矢量划分为一组。
可选的,在步骤S502之前,即在基于矢量的语义特征,对初次分组后的各组矢量进行二次分组之前,所述方法还包括:获取矢量对应的道路面;基于矢量对应的道路面的语义特征,确定矢量的语义特征;所述语义特征包括道路构成、道路名称、道路等级和道路类型中的至少一项。语义特征还可以包括道路面类型,还可以包括道路别称。
道路等级可以细分为道路功能等级和道路用途等级,道路功能等级可以基于道路的交通量划分,划分为高速公路、一级公路、二级公路、三级公路和四级公路五个等级。道路功能等级还可以划分为国道、声道和县道三个等级。道路用途等级可以划分为主要道路和次要道路两个等级。
道路类型可以包括为高速道路、快速道路和普通道路三个类型。道路构成可以包括道路上车道的数量,还可以包括道路对应的隔离带的类型、是否包含路肩等。
矢量对应的道路面可以为矢量所在的道路面,如矢量部分或全部形状点所在的道路面。
在一些实施例中,可以基于矢量形状点的坐标确定矢量对应的道路面。
矢量的语义特征可以基于矢量所在的道路面的语义特征得到。具体可以从矢量对应的道路面中,确定矢量对应的道路,基于矢量对应的道路的语义特征,确定矢量的语义特征。
可以基于矢量对应的道路标识,从矢量对应的道路面中,确定矢量对应的道路。
矢量对应的道路标识可以通过将矢量扩张为平面的方式,在地图数据库中查找与矢量扩张的面相交的道路,确定与矢量扩张的面相交道路的道路标识为矢量对应的道路标识。
还可以基于矢量形状点的坐标,将该坐标一定范围内道路的道路标识,确定为该矢量的道路标识,如确定位于以矢量的形状点为中心,以6m为半径的圆所在的范围内道路的道路标识为矢量对应的道路标识。
示例性的,图9为本申请实施例提供的矢量语义特征的示意图,如图9所示,矢量对应的道路面上包括5条道路,即道路71至道路75,矢量对应的道路为道路71,道路71的语义特征如图9右侧所示,道路71的id为1234,道路用途等级为主要道路,道路类型为普通道路,道路构成为辅路,道路面类型为路段类型,道路功能等级为4级(四级公路),道路名称为A南路辅路。
步骤S503,基于拓扑连续条件,对二次分组后的各组矢量进行第三次分组,将满足所述拓扑连续条件的矢量划分为一组,得到所述至少两组矢量。
其中,若第一矢量和第二矢量中任意矢量上存在一点的垂线与第三矢量相交,则确定第三矢量与第一矢量满足拓扑连续条件,其中,第二矢量为在确定第三矢量与第一矢量是否满足拓扑连续条件之前确定与第一矢量满足拓扑连续条件的矢量,即在确定第二矢量与第一矢量满足拓扑连续条件后,若第一矢量和第二矢量中任意矢量上存在一点的垂线与第三矢量相交,则确定第三矢量与第一矢量也满足拓扑连续条件。第二矢量的数量可以为一个或多个。
在一些实施例中,可以限制垂线的长度为设定长度,如50m、65m、80m等,以设定长度为60m为例,在判断矢量1和矢量2是否满足拓扑连续条件时,分别通过矢量1的首点、尾点以及中间间隔固定步长的形状点作矢量1的60m垂线,若任意一条垂线与矢量2相交,则矢量1与矢量2满足拓扑连续条件。
设定长度可以参照一条道路的宽度设定,道路的宽度为道路垂直行车方向的长度。
针对二次分组后的各组矢量,以该组矢量任意一个矢量为准,判断该组其余的矢量与该矢量是否满足拓扑连续条件,将满足的划分为一组,之后,针对该组未被第三次分组的其余矢量,再以其中一个矢量为准,判断该组未未被第三分组的其余矢量与该矢量是否满足拓扑连续条件,将满足的划分为一组,依次类推,直至该组矢量均被分组,或该组矢量不存在未被三次分组的矢量。
为了减少计算量,在判断是否满足拓扑连续条件时,可以分别经过矢量的首点、尾点以及中间间隔固定步长的形状点作该矢量的垂线,若所作的任意一条垂线与另一个矢量相交,则确定两个矢量满足拓扑连续条件。固定步长可以为5m、10m、12m或者其他距离。
图10为本申请图7所示实施例中基于拓扑连续条件进行矢量分组的示意图,如图10所示,在经过二次分组后,其中一组矢量包括7个矢量,即矢量81至矢量87,随机从矢量81至矢量87中选择一个矢量为准,如矢量82,经过矢量82的首点、尾点以及间隔10m的形状点作矢量82的垂线,图10中仅示出部分垂线,图10中以虚线表示所作垂线,以实心圆点表示形状点,则可以确定矢量81、矢量83和矢量84与矢量82满足拓扑连续条件,进而分别以矢量81、矢量83和矢量84为准,分别经过矢量81、矢量83和矢量84的首点、尾点以及间隔10m的形状点作垂线,通过矢量84形状点d1的一条垂线与矢量85相交,进而以矢量85为准,分别经过矢量85的首点、尾点以及间隔10m的形状点作垂线,未能找到与矢量85的垂线相交的垂线,则确定矢量81至矢量85为一组。针对剩余的矢量,即矢量86和矢量87,随机从中选择一个矢量为准,如矢量87,分别经过矢量87的首点、尾点以及间隔10m的形状点作垂线,经过矢量87形状点f1的一条垂线与矢量86相交,则确定矢量86和矢量87为一组,在图10中同一组位于同一方框内。通过拓扑连续条件,将二次分组后的该组矢量划分为两组,其中一组包括矢量81至矢量85,另一组包括矢量86和矢量87。图10中为了便于展示,仅展示矢量上的部分垂线。
在本实施例中,通过多维度的属性信息,对矢量进行分组,使得属性信息相似的矢量被分为一组,实现了将复杂场景下的矢量划分为单一场景,提高了矢量分组的准确性,进而提高了轨迹生成的准确度。
图11为本申请实施例提供的另一种轨迹生成方法的流程示意图,本实施例是在图4或图7的基础上,在对矢量数据集中的矢量进行分组之前,增加对矢量进行切分以及道路面确定的步骤,如图11所示,在对矢量数据集中的矢量进行分组之前,轨迹生成方法还可以包括以下步骤:
步骤S901,针对所述矢量数据集中各矢量,将所述矢量扩张为矢量平面。
在加载矢量数据集中的矢量后,将加载的矢量扩张为平面,得到矢量对应的矢量平面。可以通过在多个方向平移矢量的方式,得到矢量对应的矢量平面。
矢量平面位于地面所在平面内。将矢量扩张为矢量平面可以通过将矢量沿东南西北四个方向(或者其他四个方向)分别平移一段距离得到,该距离可以为3m、5m、6m等。
步骤S902,从高精地图数据库中的道路面中,确定与所述矢量平面相交的道路面为所述矢量对应的至少一个候选道路面。
高精地图数据库为存储高精(HD,High Definition)地图中描述地图要素的数据的数据库,其中包括多个道路面对应的数据。
针对扩张得到的各矢量平面,以该矢量平面为索引,在高精地图数据库中查找与该矢量平面相交的道路面,得到该矢量对应的至少一个候选道路面。
在确定矢量对应的至少一个候选道路面之后,还需要从矢量对应的至少一个候选道路面中确定矢量对应的道路面,如矢量所在的道路面、矢量邻近的道路面等。
步骤S903,从标准地图数据库中的道路中,确定与所述矢量平面相交的道路为所述矢量对应的至少一个候选道路。
标准地图数据库为存储标准(SD,Standard Definition)地图中描述地图要素的数据的数据库,其中包括多条道路对应的数据。
针对扩张得到的各矢量平面,以该矢量平面为索引,在标准地图数据库中查找与该矢量平面相交的道路,得到该矢量对应的至少一个候选道路。
在确定矢量对应的至少一个候选道路之后,还需要从矢量对应的至少一个候选道路中确定矢量对应的道路,如矢量所在的道路、矢量邻近的道路等。
步骤S902和步骤S903可以串行执行也可以并行执行,图11以并行执行为例。
步骤S904,基于所述矢量上形状点的平面坐标以及高程,从所述矢量对应的至少一个候选道路面中,确定所述矢量对应的道路面。
其中,平面坐标为在高程方向垂直的平面内的坐标。矢量对应的道路面即为与矢量匹配的道路面。
针对矢量数据集中各矢量,基于该矢量的平面坐标以及高程,从该矢量对应的多个候选道路面中,确定该矢量对应的道路面。
具体的,若矢量上存在一个形状点与候选道路面满足下述条件,则确定该候选道路面为矢量对应的道路面:形状点是否位于候选道路面或候选道路面的缓存区域上,且形状点与候选道路面的高程差的绝对值是否小于或等于预设差值。候选道路面的缓存区域可以通过外扩候选道路面的方式得到。
进一步地,还可以对形状点进行加密处理,如加密为间隔1m的形状点,基于矢量加密后的形状点的平面坐标以及高程,从对应的候选道路面中,确定矢量对应的道路面。
步骤S905,基于所述矢量对应的道路面对应的道路标识,从所述矢量对应的至少一个候选道路中,确定所述矢量上形状点对应的道路。
在确定矢量对应的道路面之后,从高精地图数据中获取矢量对应的道路面对应的道路标识,如道路编号,得到矢量对应的道路标识;基于矢量对应的道路标识,从矢量对应的至少一个候选道路中,确定矢量对应的道路。
当矢量对应多条道路时,基于对应的道路所在的区间,确定矢量形状点对应的道路。
在高精地图数据中,道路面数据以空间数据的形式表征,道路面上通过不同的道路标识标识与道路面关联的道路,则可以基于矢量对应的道路面关联的道路标识,得到矢量对应的道路标识,基于矢量对应的道路标识,确定矢量上各形状点对应的道路。
通过上述步骤,实现了HD-SD-形状点的关联,得到形状点对应的道路面以及对应的道路。形状点对应的道路面即为形状点所在矢量对应的道路面。
步骤S906,若所述矢量上形状点对应的道路不同,则基于形状点对应的道路,对所述矢量进行切分,以对所述矢量数据集中切分后的矢量以及未进行切分的矢量进行分组。
其中,切分后的矢量上各形状点对应的道路相同。
针对矢量数据集中形状点对应不同道路的矢量,按照形状点对应的道路对矢量进行切分,以将对应同一条道路的形状点位于切分后的矢量上,得到多个切分后的矢量。矢量切分后得到的矢量的数量与矢量上形状点对应的道路的数量相同。
可以通过遍历矢量上各形状点,判断该形状点与下一形状点对应的道路是否相同,若否,则确定该形状点和下一形状点之间任意一点为切分点;若是,则获取下一形状点,进行下一轮判断。当遍历完矢量上各形状点后,得到矢量的切分点,基于矢量的切分点对矢量进行切分,将矢量切分为多个矢量。
示例性的,图12为本申请图11所示实施例中对矢量进行切分的示意图,如图12所示,矢量V9上包括5个形状点即形状点91至形状点95,其中,形状点91(首点)和形状点92对应道路HD91,形状点93至形状点95(尾点)对应道路HD92,即相邻的形状点92和形状点93对应不同的道路,则可以以形状点92和形状点93的中点为切分点o9,将矢量V9切分为两条矢量,即矢量V91和矢量V92,矢量V91以切分点o9为尾点,矢量V92以切分点o9为首点。
若矢量上形状点对应的道路为一条,则无需对矢量进行切分,该矢量为未切分的矢量。
以矢量数据集对应的切分后的矢量以及矢量数据集中未切分的矢量组成的矢量集为对象,进行后续的矢量分组,如上述实施例提及的三次分组的分组方案。
在本实施例中,结合高精地图数据和标准地图数据,实现了HD-SD-形状点的关联关系,以基于该关联关系进行后续的矢量分组,为矢量分组提供了可靠的语义特征,提高了矢量分组的准确度。通过上述切分操作,实现了对矢量的进一步划分,区分出跨道路的矢量,为后续矢量分组提供可靠的数据基础。
可选的,在基于所述属性信息,对所述矢量数据集中的矢量进行分组,得到各组矢量之后,所述方法还包括:针对各组矢量,若该组矢量对应的道路面包含路口,则基于标准地图数据中所述路口的拓扑关系以及语义信息,对该组矢量进行路口补全,以在该组矢量中增加所述路口处的矢量。
可以基于标准地图数据中路口处的矢量数据,形成该组矢量在路口处对应的矢量,实现路口处矢量的补全,以提高后续生成的轨迹在路口处的连续性。
在一些实施例中,上述步骤S903具体可以包括步骤S1101和步骤S1102。
步骤S1101,若基于所述矢量上形状点的平面坐标,确定所述形状点位于候选道路面的第一缓存区域,则响应于所述形状点与所述候选道路面的第一缓存区域的高程差的绝对值小于或等于预设差值,确定所述候选道路面为所述矢量对应的道路面。所述候选道路面的第一缓存区域通过将所述候选道路面外扩第一长度的方式得到。第一长度可以为0.5m、1m、2m或者其他长度。
具体的,可以先将各候选道路面沿东南西北四个方向(或者其他指定的四个方向)外扩第一长度,得到候选道路面的第一缓存区域。
在进行初次分组时,遍历各矢量的各形状点,针对所遍历的矢量对应的各候选道路面,基于该形状点的平面坐标(如x坐标和y坐标),判断该形状点是否位于该候选道路面的第一缓存区域上。若位于,则判断所述形状点与候选道路面的第一缓存区域的高程差的绝对值是否小于或等于预设差值;若是,则确定所述候选道路面为所述矢量对应的道路面;若否,则执行步骤S1102。
预设差值可以为1m、2m、2.5m或者其他值,可以基于候选道路面的最低限高,确定该预设差值,预设差值应小于该最低限高。
当形状点位于候选道路面的第一缓存区域上时,计算形状点的高程(如z坐标)与候选道路面的第一缓存区域的高程的高程差,若该高程差的绝对值小于或等于预设差值,则该形状点与该候选道路面匹配,确定该候选道路面为该矢量对应的道路面,无需进行后续遍历,直接输出该矢量对应的道路面,进行后续矢量分组或矢量语义特征确定的步骤。
可以基于平面坐标,从候选道路面的第一缓存区域上确定与形状点距离最近的形状点,记为设定点,以该设定点的高程差代表该候选道路面的高程。
在一些实施例中,还可以采用该候选道路面的第一缓存区域位于该形状点附近的多个形状点的高程的平均值代表该候选道路面的第一缓存区域的高程。
在确定矢量对应的道路面后,针对该矢量的循环结束,输出矢量对应的道路面,获取下一矢量,遍历该下一矢量的形状点,返回执行步骤S1101,以确定下一矢量对应的道路面。
步骤S1102,若所述形状点不位于所述候选道路面的第一缓存区域,或者所述形状点与所述候选道路面的第一缓存区域的高程差的绝对值大于预设差值,则响应于所述形状点位于所述候选道路面的第二缓存区域,且所述形状点与所述候选道路面的第二缓存区域的高程差的绝对值小于或等于预设差值,则标记所述候选道路面为次匹配道路面,并确定对应的中心距离最小的所述次匹配道路面为所述矢量对应的道路面。
若形状点不位于候选道路面的第二缓存区域,或次匹配道路面对应的中心距离不是最小的中心距离,则遍历下一候选道路面,返回步骤S1101,以基于形状点的平面坐标,判断形状点是否位于下一候选道路面的第一缓存区域,直至通过该形状点确定矢量对应的道路面或直至遍历完毕各候选道路面。
所述候选道路面的第二缓存区域通过将所述候选道路面外扩第二长度的方式得到,所述第二长度大于第一长度。
当形状点不在候选道路面的第一缓存区域或者形状点与该候选道路面的第一缓存区域的高程差的绝对值大于设差值时,对该候选道路面进行进一步扩张,得到该候选道路面的第二缓存区域,如沿东南西北四个方向外扩第二长度的方式,得到候选道路面的第二缓存区域。
示例性的,第二长度可以为10m、20m、30m、50m或者其他长度。
基于形状点的平面坐标,判断形状点是否位于候选道路面的第二缓存区域。若否,则遍历下一候选道路面;若是,则标记该候选道路面为次匹配道路面,并计算形状点到新标记的次匹配道路面的第二缓存区域中心的距离。
判断形状点是否位于第二缓存区域的方式与判断形状点是否位于第一缓存区域的方式类似,仅将第一缓存区域替换为第二缓存区域即可,在此不再赘述。
在遍历各矢量的各形状点时,若所述形状点不位于候选道路面的第一缓存区域,或者形状点与候选道路面的第一缓存区域的高程差的绝对值大于预设差值,则将候选道路面扩张为第二缓存区域,计算当前遍历的形状点与候选道路面的第二缓存区域的高程差;若形状点与候选道路面的第二缓存区域的高程差小于等于预设差值,则标记该候选道路面为次匹配道路面,并计算该形状点到候选道路面的第二缓存区域的中心的距离,得到该候选道路面对应的中心距离。
由于第二缓存区域的范围较大,为了避免误匹配,在计算得到当前遍历的形状点到各次匹配道路面的第二缓存区域中心的距离即计算得到当前遍历的形状点对应的各中心距离之后,确定当前遍历的形状点对应的各中心距离中的最小值对应的候选道路面为当前遍历的形状点所在的矢量对应的道路面。
在一些实施例中,可以按照一定顺序遍历各候选道路面,在计算得到新标记的次匹配道路面与当前遍历的形状点之间的中心距离后,判断该中心距离是否小于已有的中心距离的最小值,若是,则更新该中心距离为已有的中心距离的最小值,并确定该次匹配道路面为当前遍历的形状点所在的矢量对应的道路面。
通过结合平面坐标和高程的上述匹配方式,得到矢量对应的道路面,准确度高,且逻辑复杂度低,计算成本低。
图13为本申请又一个实施例提供的轨迹生成方法的流程示意图,本实施例是在图4所示实施例的基础上,对步骤S402和步骤S403的进一步细化,如图13所示,针对矢量数据集划分的各组矢量中其中一组矢量,从该组矢量中,确定该组的基准矢量并得到该组的轨迹具体可以包括以下步骤:
步骤S1201,针对该组矢量中各矢量,按照预设步长作所述矢量的垂线。
在对矢量分组完毕后,以组为单位进行轨迹生成。针对每组矢量,为了确定该组矢量的基准矢量,需先对该组矢量中各条矢量按照预设步长作垂线。
矢量上包括多个形状点,如间隔1m的形状点,该预设步长可以为5、10、15、20或者其他数量的形状点。
针对该组各矢量,间隔预设步长在该矢量上作多条垂线。如可以先经过矢量的首点作一条垂线,进而间隔预设步长作垂直与该矢量的第二条垂线,依次类推。
步骤S1202,基于各条垂线相交的矢量的数量以及各条垂线的角度,从各条垂线中确定该组的基准垂线。
在得到该组矢量内各矢量的垂线后,统计各条垂线相交的该组矢量内矢量的数量,以及各条垂线的角度。垂线的角度可以采用垂线与正北方向的夹角确定。
在一些实施例中,可以仅基于相交的矢量的数量,确定基准垂线,如确定相交的该组矢量的数量最多垂线,为该组的基准垂线。
在另一些实施例中,可以选择相交的该组矢量的数量最多,且垂线的角度与相邻垂线的角度差值的绝对值小于或等于设定角度的垂线,为该组的基准垂线。
设定角度可以为5度、8度、10度、12度或者其他较小角度。垂线的相邻垂线可以为同一矢量上相邻形状点的垂线。如矢量上首点和第二个形状点的垂线。
可以先基于垂线的角度对垂线进行筛选,确定筛选后的垂线中相交的该组矢量的数量最多的垂线为该组的基准垂线。
具体的,可以统计垂线与相邻垂线的角度差,过滤掉角度差大于设定角度的垂线。
步骤S1203,针对该组与该组的基准垂线相交的各矢量,基于该矢量的首点指向该矢量的目标点得到的向量的角度,对矢量进行排序。
步骤S1204,确定排序结果中位于中间次序的矢量为该组的基准矢量。
若中间次序的矢量为两个,则可以以任意一个作为该组的基准数量。
目标点为该矢量与该组的基准垂线的交点。
在确定基准垂线之后,需从与基准垂线相交的矢量中,确定基准矢量。具体的,针对与基准垂线相交的各矢量,可以先基于首点指向目标点的向量之间的夹角,对于基准垂线相交的矢量进行排序,得到排序结果。
具体的,基于首点指向目标点的向量之间的夹角,可以确定矢量之间的左右顺序,按照从左到右或从右到左的顺序,对矢量进行排序。
可以计算垂线组矢量中两两矢量对应的首点指向目标点的向量之间的夹角,得到垂线组矢量中各矢量对应的多个夹角,对同一矢量对应的多个夹角求和,按照夹角和值由大到小的顺序,对垂线组矢量进行左右排序,取排序结果中间次序的矢量为基准矢量。夹角可以有正负之分,以区分矢量之间的左右位置关系。如向量k1位于向量k2的左侧时,向量k1关于向量k2的夹角可以为负值,相应的,向量k2关于向量k1的夹角则为正值。
图14为本申请图13所示实施中对矢量排序的示意图,如图14所示,以3个矢量为例,矢量131至矢量133的首点分别为点s1中点s3,与基准垂线134的交点即目标点分别为点m1至m3,点s1指向点m1的向量记为向量k31,点s2指向点m2的向量记为向量k32,点s3指向点m3的向量记为向量k33,分别计算向量k1、向量k2和向量k3中两两向量之间的夹角,基于向量关于其他向量的夹角的和,确定矢量131至矢量133的左右顺序。以向量k31对应的夹角的和为13°,向量k32对应的夹角的和为-5°,向量k33对应的夹角的和为-8°为例,则排序后从左到右依次为矢量133、矢量132和矢量131,从而可以得到矢量132为排序结果中位于中间次序的矢量,即基准矢量。
在一些实施例中,还可以基于矢量位于目标点和尾点之间的部分的夹角进行矢量排序。
在得到各组的基准矢量之后,为了避免生成的轨迹大部分与基准矢量重叠,从而出现生成的轨迹遮挡基准矢量的现象,如图14所示,可以先对基准矢量进行偏移,具体可以通过步骤S1205至步骤S1207的方式进行偏移。
步骤S1205,判断该组内与所述基准垂线不相交的非基准矢量中,是否存在与该组的基准矢量的距离位于预设范围的非基准矢量。
示例性的,预设范围可以为1m~6m或其子区域的一个范围。
矢量之间的距离可以采用线段之间的最小距离或垂直距离表示。
步骤S1206,若是,则将该组的基准矢量沿自身方向偏移预设距离。
步骤S1207,若否,则将该组的基准矢量向左偏移所述预设距离。
其中,基准矢量的左方为车辆沿基准矢量的方向行驶时车辆的左方。
预设距离可以为小于车道宽度的距离,如1m、1.5m、1.8m或者其他值。
示例性的,若该组内与该组的基准垂线不相交的非基准矢量中存在与该组的基准矢量的距离位于预设范围的非基准矢量,则将该组的基准矢量沿该基准矢量的方向偏移1.5m,若不存在,则将该组的基准矢量向左偏移1.5m。
在对基准矢量偏移之后,需计算非基准矢量相对于基准矢量的偏移量,偏移量包括偏移距离和偏移方向。
步骤S1208,针对该组矢量中与该组的基准垂线相交的非基准矢量,确定所述非基准矢量相对于所述基准矢量的偏移距离和偏移方向。
为了便于描述,同一组矢量中,记与基准垂线相交的非基准矢量为垂线组矢量,与基准垂线不相交的非基准矢量为非垂线组矢量。针对垂线组矢量,可以直接基于矢量之间的位置关系,确定非基准矢量相对于基准矢量的偏移距离和偏移方向。
若垂线组矢量位于基准垂线的左侧,则偏移方向为向右,偏移距离可以为垂线组矢量与基准垂线的垂直距离。
在一些实施例中,还可以基于前述步骤的基准垂线确定垂线组矢量相对于基准矢量的偏移距离和偏移方向。
可选的,针对该组矢量中与该组的基准垂线相交的非基准矢量,确定所述非基准矢量相对于所述基准矢量的偏移距离和偏移方向,包括:针对该组矢量中与该组的基准垂线相交的非基准矢量,确定该组的基准垂线位于所述非基准矢量以及该组的基准矢量之间线段的长度为所述非基准矢量的偏移距离,以及确定所述非基准矢量的偏移方向为沿该组的基准垂线且由所述非基准矢量的目标点指向所述基准矢量的方向。
示例性的,图15为本申请一个实施例提供的垂线组矢量的偏移量的示意图,如图15所示,其中一组矢量的垂线组矢量包括矢量141至矢量143,矢量144为基准矢量,矢量141至矢量144与基准垂线145相交于目标点m41至m44,则矢量141至矢量143的偏移量如向量v41至v43所示,为了便于区分不同的向量,图15将向量展示在不同的位置。向量v41至v43的方向与基准垂线145的方向相反,向量v41表示由目标点m41指向目标点v45的向量,向量v42表示由目标点m42指向目标点v45的向量,向量v43表示由目标点m43指向目标点v45的向量。则可以确定矢量141至矢量143的偏移方向分别为右、右、左,偏移距离分别为向量v41至v43的长度。
对于非垂线组矢量,可以基于矢量偏移量的传导性,通过垂线组矢量的偏移量以及非垂线组矢量与垂线组矢量的偏移量得到。
步骤S1209,针对该组矢量中与该组的基准垂线不相交的非基准矢量,从该组矢量与该组的基准垂线相交的非基准矢量中确定所述非基准矢量的参考矢量,基于所述参考矢量的偏移距离和偏移方向,以及所述非基准矢量相对于所述参考矢量的偏移距离和偏移方向,确定所述非基准矢量的偏移距离和偏移方向。
其中,参考矢量满足以参考矢量上一点为起点、以该组的基准垂线的方向为方向的参考直线与所述非基准矢量相交。参考矢量可以为任意一个满足前述条件的垂线组矢量。
参考矢量与非垂线组矢量之间的偏移量,可以采用步骤S1208中提供的偏移量计算的方式确定,仅适应性调整所计算的对象即可,在此不再赘述。
可选的,针对该组矢量中与该组的基准垂线不相交的非基准矢量,所述非基准矢量相对于所述参考矢量的偏移距离为所述参考直线位于所述参考矢量和所述非基准矢量之间线段的长度,所述非基准矢量相对于所述参考矢量的偏移方向为沿所述参考直线且由所述非基准矢量与所述参考直线的交点指向所述基准矢量的方向。
以参考矢量的偏移量为向左偏移30m为例,若非垂线组矢量相对于参考矢量的偏移量为向右偏移10m,则该非垂线组矢量相对于基准矢量的偏移量为向左偏移20m;若非垂线组矢量相对于参考矢量的偏移量为向右偏移40m,则该非垂线组矢量相对于基准矢量的偏移量为向右偏移10m。
示例性的,图16为本申请一个实施例提供的非垂线组矢量的偏移量的示意图,如图16所示,其中一组矢量包括两个非垂线组矢量即矢量151和矢量152,矢量153为基准矢量,参考矢量154为其中一条垂线组矢量,参考矢量154与基准垂线155相交于目标点m54,参考矢量154的偏移量为:向左偏移20m。经过参考矢量154的形状点d154、以基准垂线155的方向为方向的直线与矢量151相较于点d151,经过参考矢量154的形状点d155、以基准垂线155的方向为方向的直线与矢量152相较于点d152,则基于沿基准垂线方向由点d151指向点d154的向量,确定矢量151相对于参考矢量154的偏移量为:向右偏移10m,基于沿基准垂线方向由点d152指向点d155的向量,确定矢量152相对于参考矢量154的偏移量为:向左偏移10m,则矢量152相对于基准垂线155的偏移量为:向左偏移30m。
步骤S1210,基于所述非基准矢量的偏移距离和所述偏移方向,对所述非基准矢量进行偏移。
按照计算得到的偏移量对该组除基准矢量外的其他矢量的形状点进行偏移,得到偏移后的其他矢量。
可选的,基于所述非基准矢量的偏移距离和所述偏移方向,对所述非基准矢量进行偏移,包括:针对该组各非基准矢量,判断所述非基准矢量的偏移方向与正北方向的夹角是否位于90度~270度之间;若是,则将所述非基准矢量的形状点的纵坐标更新为所述纵坐标减去第一偏移量;若否,则将所述非基准矢量的形状点的纵坐标更新为所述纵坐标加上所述第一偏移量;判断所述非基准矢量的偏移方向与正北方向的夹角是否位于0度~180度之间;若是,则将所述非基准矢量的形状点的横坐标减去第二偏移量;若否,则将所述非基准矢量的形状点的横坐标加上所述第二偏移量。
所述第一偏移量为所述非基准矢量的偏移距离与偏移角度的正弦值的绝对值的乘积,所述第二偏移量为所述非基准矢量的偏移距离与所述偏移角度的余弦值的绝对值的乘积,当所述形状点的横坐标大于0时,所述偏移角度为所述形状点所在的所述非基准矢量与纵坐标轴的夹角;当所述形状点的横坐标等于0、且所述形状点的纵坐标大于0时,所述偏移角度为90度;当所述形状点的横坐标等于0、且所述形状点的纵坐标小于0时,所述偏移角度为-90度;当所述形状点的横坐标小于0、且所述形状点的纵坐标小于0时,所述偏移角度等于所述形状点所在的所述非基准矢量与纵坐标轴的夹角减去180度;当所述形状点的横坐标小于0、且所述形状点的纵坐标大于或等于0时,所述偏移角度等于所述形状点所在的所述非基准矢量与纵坐标轴的夹角加上180度。
坐标所依赖的坐标系可以为WGS-84坐标系(地心坐标系,World Geodetic System- 1984 Coordinate System)。
设形状点的坐标为(x, y),θ为形状点(x, y)所在的其他矢量的垂线的正北方向角,即该垂线与正北方向的夹角,θ的取值范围为0°到360°。形状点(x, y)的偏移角度radian满足下述关系式:
式中,x表示横坐标,y表示纵坐标,“undefined”表示未定义。
设同组内除去基准矢量外的其他矢量中一个矢量的偏移距离为n,偏移角度为angle,可以按照下述关系式对该矢量上形状点(x, y)进行偏移,形状点(x, y)偏移后的坐标为(x´, y´)为:当90°≤ angle<270°时,y´= y - n*|sin(radian)|;当0°≤ angle<90°或者270°≤ angle<360°时,y´= y + n*|sin(radian)|;当0°≤ angle<180°时,x´= x -n*|cos(radian)|;当180°≤ angle<360°时,x´= x + n*|cos(radian)|。
步骤S1211,基于该组的基准矢量以及该组偏移后的各非基准矢量,得到该组矢量的轨迹。
在对该组矢量中各非基准矢量偏移后,实现将非基准矢量向基准矢量聚拢,则可以基于该组的基准矢量以及该组偏移后的各非基准矢量的合向量,得到该组矢量的轨迹。
还可以通过基于偏移后的非基准矢量的弯度、长度等,计算偏移后的非基准矢量的矢量得分,若偏移后的多个非基准矢量存在重叠的部分,则该部分以矢量得分最高的偏移后的非基准矢量为准。
在本实施例中,通过基准矢量的可靠选取,为组内轨迹的生成提供可靠的基准,提高了生成的轨迹的准确度;通过偏移组内非基准矢量的方式,将非基准矢量向基准矢量聚类,从而基于聚拢后的矢量,得到该组的轨迹,进一步提高了轨迹的准确度,同时提高了轨迹的完整度。
为了进一步提高生成的轨迹的质量,还需要对偏移后的非基准矢量进行冗余去除,以保留线性度和长度较佳的偏移后的非基准矢量执行后续轨迹生成的步骤。
可选的,在基于所述偏移距离和所述偏移方向,对该组各非基准矢量进行偏移之后,所述方法还包括对非基准矢量进行冗余去除操作的步骤,具体包括:针对偏移后的非基准矢量,基于所述非基准矢量的弯度以及长度,确定所述非基准矢量的矢量得分;按照所述矢量得分由低到高的顺序,对该组的偏移后的各非基准矢量进行排序;将排序结果中后一非基准矢量向前一非基准矢量投影,并删除前一矢量与后一矢量的投影重叠的部分,得到该组去冗余后的多个非基准矢量。相应的,基于该组的基准矢量以及该组偏移后的各非基准矢量,得到该组矢量的轨迹,包括:连接该组的基准矢量以及该组去冗余后的多个非基准矢量,得到该组矢量的轨迹。
矢量得分与长度呈正比,与弯度呈反比。矢量的弯度可以由矢量的最大弯度表示。
通过采用矢量得分高的矢量代替矢量得分低的矢量的重叠部分,提高了保留下来的用于生成轨迹的矢量的质量,进而提高了矢量的质量。
示例性的,图17为本申请一个实施例提供的矢量冗余去除的示意图,如图17所示,以偏移后的非基准矢量包括3个矢量即矢量161至矢量163为例,矢量161至矢量163的矢量得分依次为80、90和70,按照矢量得分由低到高的顺序对矢量161至矢量163进行排序的排序结果为矢量163、矢量161和矢量162。矢量161至矢量163实际部分重叠,为了展示不同的矢量,图17将矢量161至矢量163分开展示。矢量162向矢量161投影,并采用矢量162对应的部分(即164对应的部分)替换投影至161的部分(即165对应的部分),得到新的矢量161(包括矢量162的164对应的部分);将新的矢量161向矢量163投影,并采用矢量161对应的部分(即166对应的部分)替换投影至163的部分(即167对应的部分),得到新的矢量163(包括新的矢量161的166对应的部分)。通过上述步骤删除了矢量163中167对应的部分,以及矢量161中165对应的部分,采用矢量得分更高的矢量162和矢量161中对应的部分替换掉删除的部分,得到去冗余后保留下来的矢量,即矢量168。
为了便于展示所生成的轨迹,以及便于对轨迹进行分段作业或跳段作业,还可以为生成的轨迹标注形状点。
针对各组矢量,在对该组矢量中的非基准矢量进行冗余去除操作之后,通过平滑、首尾连接该组保留下来的非基准矢量以及该组的基准矢量,得到该组矢量的轨迹。
以基准矢量为基础,从保留下来的剩余的矢量中找到与基准矢量的首点和尾点距离最近的矢量,平滑连接基准矢量的首点以及与基准矢量的首点距离最近的矢量的尾点,以及滑连接基准矢量的尾点以及与基准矢量的尾点距离最近的矢量的首点,再分别以与基准矢量的首点和尾点距离最近的矢量为基础,进行后续的首尾平滑连接操作。
为了进一步提高轨迹的质量,在连接前一矢量和后一矢量之前,还可以先对后一矢量进行偏移。第一个前一矢量可以为基准矢量,后一矢量可以与前一矢量的首点和尾点中未连接矢量的点距离最近的矢量。
以基准矢量为前一矢量为例,以基准矢量的首点作垂线,基于其余矢量与该垂线的距离,确定与基准矢量的首点距离最近的非基准矢量,即基准矢量的首点对应的后一矢量。确定该后一矢量的尾点向以基准矢量的首点作的垂线的投影点,基于该投影点与基准矢量的距离和相对基准矢量的方向,确定该后一矢量的偏移量,并对该后一矢量进行偏移,连接基准矢量的首点以及偏移后的该后一矢量的尾点,依次类推,连接得到该组的基准矢量。
示例性的,图18为本申请一个实施例提供的平滑连接矢量得到轨迹的示意图,如图18所示,在通过冗余去除操作之后,一组矢量保留下来的数量包括基准矢量base以及四个非基准矢量即矢量171至矢量174,先以基准矢量base为基础,分别基于base的首点和尾点作垂线,得到与base的首点距离最近的矢量,即矢量173,以及与base的尾点距离最近的矢量,即矢量172,对矢量173和矢量172进行偏移,偏移后的矢量采用带箭头的虚线表示,偏移后分别与base的尾点和首点连接,得到矢量base1,进而以矢量base1为基础,分别基于base1的首点和尾点作垂线,得到与base1的首点距离最近的矢量,即矢量174,以及与base1的尾点距离最近的矢量,即矢量171,对矢量171和矢量174进行偏移,偏移后分别与base1的尾点和首点连接,得到该组的轨迹T。
在一些实施例中,轨迹上标注的形状点可以为间隔1m的形状点。
可选的,所述方法还包括:基于所述轨迹上矢量的形状点,生成所述轨迹上的多个轨迹点;针对所述轨迹上矢量的形状点中包含高程的形状点,将所述形状点向所述轨迹所在的平面投影,若所述形状点的投影位于所述轨迹上,则确定所述形状点为锚点;基于各锚点的高程,确定所述多个轨迹点中各轨迹点的高程。
具体的,可以基于生成轨迹时所采用的矢量位于轨迹部分的形状点,确定该轨迹上的形状点。
还可以对轨迹上的形状点进行加密或下采样处理,以在轨迹上标注更多或更少的轨迹点,如1m、3m、10m间隔的轨迹点。
在标注轨迹的形状点之后,还需要为轨迹的形状点赋予高程即z值,以丰富轨迹上形状点的信息。
可以基于生成轨迹所依赖的一组矢量的形状点中包含高程的形状点,得到该轨迹上形状点的高程。
具体的,将生成轨迹所依赖的一组矢量的形状点中包含高程的形状点向该条轨迹所在的平面(即地面)投影,若矢量的形状点投影于该轨迹上,则确定该矢量的形状点为轨迹的形状点,并确定该矢量的形状点为锚点,得到该轨迹对应的多个锚点,位于锚点之间的轨迹的形状点的高程基于相邻的两个锚点的高程确定。
轨迹上的形状点与两个锚点相邻,则可以基于两个锚点在地面的投影以及该形状点三者位置关系,以及两个锚点的高程,确定该形状点的高程,以使轨迹上各形状点的高程平滑分布。
可以仅基于两个锚点在地面的投影的距离,如水平距离,以及该形状点与其中一锚点在地面的投影的距离的比值,以及两个锚点的高程,确定该形状点的高程。
示例性的,以第一锚点和第二锚点在地面的投影的水平距离为l1,以及形状点与第一锚点在地面的投影的水平距离为l2,以及第一锚点和第二锚点的高程分别为h1和h2,则该形状点的高程h3满足:(h3-h1)/(h2-h1)=l2 / l1。
图19为本申请实施例提供的另一种轨迹生成方法的流程示意图,本实施例以地图更新应用场景为例进行说明,如图19所示,该轨迹生成方法包括:
步骤S1801,获取矢量数据集,其中,所述矢量数据集中包括地图要素对应矢量的矢量数据和地图要素对应矢量的属性信息。
步骤S1802,基于所述属性信息,对所述矢量数据集中的地图要素对应矢量进行分组,得到至少两组矢量。
步骤S1803,针对任一组矢量,从该组矢量中,确定该组的基准矢量,并基于该组的基准矢量以及该组内非基准矢量相对于对应的该组的基准矢量的偏移量,得到该组矢量的轨迹。
步骤S1804,基于所述至少两组矢量的轨迹,得到所述矢量数据集的轨迹。
步骤S1805,获取所述矢量数据集对应的变化路段。
步骤S1806,标记所述轨迹上位于所述变化路段的部分。
步骤S1807,展示标记后的所述轨迹。
变化路段可以由上游设备指定。在上游设备中变化路段与矢量数据集关联存储。在生成矢量数据集的轨迹之后,在该上游设备中获取矢量数据集对应的变化路段,在该轨迹上标记该变化路段对应的部分。
在采集矢量数据集时,可以针对可能发生变化的路段进行采集。
示例性的,用户上报导航目的地有误时,则将导航目的地一定范围内的区域作为目标区域,获取该目标区域的矢量数据集,并通过上述各实施例提供的轨迹生成方法,生成该矢量数据集的轨迹。在该轨迹上标记导航目的地所在的部分,即变化路段的部分。
示例性的,当基于城市规划策略,确定目标路段(即变化路段)发生变化时,在包括目标路段的生成的轨迹上标记该目标路段。
当轨迹上标注有形状点时,在标记轨迹上位于变化路段的部分,可以具体为标记轨迹上位于变化路段的形状点,如通过不同的样式展示位于变化路段的形状点和未位于变化路段的形状点。未位于变化路段的形状点可以采用默认样式,如白色圆点、粉色圆点等,位于变化路段的形状点则采用区别与默认样式的样式,如红色圆点、蓝色圆点等。
在一些实施例中,可以关联存储标记后的轨迹以及实景图像,以通过实景图像辅助进行地图更新核实。
通过对变化路段处轨迹的标记,使得在基于轨迹进行地图更新时,可以基于标记,快速定位变化路段的部分,以提高地图更新或地图是否更新核实作业的效率。
示例性的,图20为本申请一个实施例提供的标记后的轨迹的示意图,如图20所示,针对采集的矢量数据集生成了两条道路(一组3车道的上下行道路)对应的轨迹,轨迹上标注有1m间隔的形状点,在图20中,位于变化路段的形状点采用黑色圆点表示,未位于变化路段的形状点则采用白色圆点表示。相关人员在地图更新核实作业时,可以通过选中黑色圆点的方式,对变化路段进行检查,以判断是否发生变化。
在一些实施例中,还可以基于通过上述轨迹生成方法得到轨迹更新高精地图数据的数据库中存储的轨迹。
本申请实施例还提供一种轨迹生成装置,该装置包括:矢量数据集获取模块,用于获取矢量数据集,其中,所述矢量数据集中包括地图要素对应矢量的矢量数据和属性信息;基准矢量确定模块,用于基于所述属性信息,从所述矢量数据集中的地图要素对应矢量中确定至少一个基准矢量;数据集轨迹生成模块,用于基于所述至少一个基准矢量以及所述矢量数据集中的非基准矢量相对于对应的所述基准矢量的偏移量,得到所述矢量数据集的轨迹。
可选的,基准矢量确定模块,包括:矢量分组单元,用于基于所述属性信息,对所述矢量数据集中的矢量进行分组,得到至少两组矢量;基准矢量确定单元,用于针对任一组矢量,从该组矢量中,确定该组的基准矢量。相应的,数据集轨迹生成模块,包括:组内轨迹生成单元,用于针对任一组矢量,基于该组的基准矢量以及该组内非基准矢量相对于对应的该组的基准矢量的偏移量,得到该组矢量的轨迹;数据集轨迹生成单元,用于基于所述至少两组矢量的轨迹,得到所述矢量数据集的轨迹。
可选的,矢量分组单元,包括:初次分组子单元,用于基于矢量的几何特征,对所述矢量数据集中的矢量进行初次分组;二次分组子单元,用于基于矢量的语义特征,对初次分组后的各组矢量进行二次分组;以及三次分组子单元,用于基于拓扑连续条件,对二次分组后的各组矢量进行第三次分组,将满足所述拓扑连续条件的矢量划分为一组,得到所述至少两组组矢量;其中,若第一矢量和与第二矢量中任意一个矢量上存在一点的垂线与第三矢量相交,则确定所述第三矢量与所述第一矢量满足所述拓扑连续条件,其中,第二矢量为在确定所述第三矢量与所述第一矢量是否满足所述拓扑连续条件之前,确定与所述第一矢量满足所述拓扑连续条件的矢量。
可选的,初次分组子单元,具体用于:重复执行下述步骤,直至不存在未分组的矢量:
从未分组的矢量中选择一个矢量为目标矢量;针对未分组的矢量中除所述目标矢量外的矢量,将所述矢量与所述目标矢量互相投影,得到两个投影,若所述两个投影之间的角度差在预设角度范围内,且所述矢量与所述目标矢量的高程差在预设高程差范围内,则将所述矢量与所述目标矢量划分为一组。
可选的,所述装置还包括:对应道路面获取模块,用于在基于矢量的语义特征,对初次分组后的各组矢量进行二次分组之前,获取矢量对应的道路面;语义特征确定模块,用于基于矢量对应的道路面的语义特征,确定矢量的语义特征;所述语义特征包括道路构成、道路名称、道路等级和道路类型中的至少一项。
可选的,所述装置还包括:候选道路面确定模块,用于针对所述矢量数据集中各矢量,将所述矢量扩张为矢量平面,从高精地图数据库中的道路面中,确定与所述矢量平面相交的道路面为所述矢量对应的至少一个候选道路面,所述高精地图数据为高精地图中描述地图要素的数据;对应道路面确定模块,用于基于所述矢量上形状点的平面坐标以及高程,从所述矢量对应的至少一个候选道路面中,确定所述矢量对应的道路面;其中,所述平面坐标为在高程方向垂直的平面内的坐标。
可选的,对应道路面确定模块,具体用于:若基于所述矢量上形状点的平面坐标,确定所述形状点位于候选道路面的第一缓存区域,则响应于所述形状点与所述候选道路面的第一缓存区域的高程差的绝对值小于或等于预设差值,确定所述候选道路面为所述矢量对应的道路面;若所述形状点不位于所述候选道路面的第一缓存区域,或者所述形状点与所述候选道路面的第一缓存区域的高程差的绝对值大于预设差值,则响应于所述形状点位于所述候选道路面的第二缓存区域,且所述形状点与所述候选道路面的第二缓存区域的高程差的绝对值小于或等于预设差值,则标记所述候选道路面为次匹配道路面,并确定对应的中心距离最小的所述次匹配道路面为所述矢量对应的道路面,其中,所述候选道路面的第一缓存区域通过将所述候选道路面外扩第一长度的方式得到;所述候选道路面的第二缓存区域通过将所述候选道路面外扩第二长度的方式得到,所述第二长度大于第一长度;中心距离为形状点到次匹配道路面的第二缓存区域的中心的距离。
可选的,所述装置还包括:候选道路确定模块,用于从标准地图数据库中的道路中,确定与所述矢量平面相交的道路为所述矢量对应的至少一个候选道路,所述标准地图数据为标准地图中描述地图要素的数据;对应道路确定模块,用于基于所述矢量对应的道路面对应的道路标识,从所述矢量对应的至少一个候选道路中,确定所述矢量上形状点对应的道路;以及矢量切分模块,用于若所述矢量上形状点对应的道路不同,则基于形状点对应的道路,对所述矢量进行切分,以对所述矢量数据集中切分后的矢量以及未进行切分的矢量进行分组,切分后的矢量上各形状点对应的道路相同。
可选的,基准矢量确定单元,具体用于:针对各组矢量,针对该组矢量中各矢量,按照预设步长作所述矢量的垂线;基于各条垂线相交的矢量的数量以及各条垂线的角度,从各条垂线中确定该组的基准垂线;针对该组与该组的基准垂线相交的各矢量,基于该矢量的首点指向该矢量的目标点得到的向量的角度,对矢量进行排序,目标点为该矢量与该组的基准垂线的交点;确定排序结果中位于中间次序的矢量为该组的基准矢量。
可选的,所述装置还包括基准矢量偏移模块,用于:判断该组内与所述基准垂线不相交的非基准矢量中,是否存在与该组的基准矢量的距离位于预设范围的非基准矢量;若是,则将该组的基准矢量沿自身方向偏移预设距离;若否,则将该组的基准矢量向左偏移所述预设距离;其中,基准矢量的左方为车辆沿基准矢量的方向行驶时车辆的左方。
可选的,所述偏移量包括偏移距离和偏移方向,组内轨迹生成单元,包括:垂线组偏移量计算子单元,用于针对该组矢量中与该组的基准垂线相交的非基准矢量,确定所述非基准矢量相对于所述基准矢量的偏移距离和偏移方向;非垂线组偏移量计算子单元,用于针对该组矢量中与该组的基准垂线不相交的非基准矢量,从该组矢量与该组的基准垂线相交的非基准矢量中确定所述非基准矢量的参考矢量,基于所述参考矢量的偏移距离和偏移方向,以及所述非基准矢量相对于所述参考矢量的偏移距离和偏移方向,确定所述非基准矢量的偏移距离和偏移方向;所述参考矢量满足以所述参考矢量上一点为起点、以该组的基准垂线的方向为方向的参考直线与所述非基准矢量相交;偏移执行子单元,用于基于所述偏移距离和所述偏移方向,对该组各非基准矢量进行偏移;组内轨迹生成子单元,用于基于该组的基准矢量以及该组偏移后的各非基准矢量,得到该组矢量的轨迹。
可选的,所述装置还包括,冗余去除模块,用于:在基于所述非基准矢量的偏移距离和所述偏移方向,对非基准矢量进行偏移之后,针对偏移后的非基准矢量,基于所述非基准矢量的弯度以及长度,确定所述非基准矢量的矢量得分;按照所述矢量得分由低到高的顺序,对该组的偏移后的各非基准矢量进行排序;将排序结果中后一非基准矢量向前一非基准矢量投影,并删除前一非基准矢量与后一非基准矢量的投影重叠的部分,得到该组去冗余后的多个非基准矢量。
相应的,组内轨迹生成子单元,具体用于:连接该组的基准矢量以及该组去冗余后的多个非基准矢量,得到该组矢量的轨迹。
可选的,所述装置还包括:轨迹点标注模块,用于基于所述轨迹上矢量的形状点,生成所述轨迹上的多个轨迹点;高程赋值模块,用于针对所述轨迹上矢量的形状点中包含高程的形状点,将所述形状点向所述轨迹所在的平面投影,若所述形状点的投影位于所述轨迹上,则确定所述形状点为锚点,并基于各锚点的高程,确定所述多个轨迹点中各轨迹点的高程。
本申请实施例提供的轨迹生成装置,可用于执行本申请上述任意实施例提供的轨迹生成方法的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
图21为本申请实施例提供的一种电子设备的结构示意图。如图21所示,本实施例的电子设备可以包括:
至少一个处理器2001;以及与所述至少一个处理器通信连接的存储器2002;其中,所述存储器2002存储有可被所述至少一个处理器2001执行的指令,所述指令被所述至少一个处理器2001执行,以使所述电子设备执行如上述任一实施例所述的方法。
可选的,存储器2002既可以是独立的,也可以跟处理器2001集成在一起。
图22为本申请实施例提供的一种轨迹生成设备的结构示意图,如图22所示,该轨迹生成设备包括数据加载模块、关系匹配与切分模块、分组模块、基准选择模块、偏移量计算与偏移模块、冗余去除模块、平滑连线模块和轨迹生成以及打标模块。
数据加载模块用于加载矢量数据集、高精地图数据以及标准地图数据。
关系匹配与切分模块用于在高精地图数据以及标准地图数据中,为矢量数据集中的矢量匹配对应的道路面和道路,得到矢量-HD-SD的匹配关系,其中,HD表示从高精地图数据中匹配的道路面,SD表示从标准地图数据中匹配得到的道路;以及用于基于矢量对应的道路对矢量进行切分,以使切分后的矢量仅对应一条道路。
分组模块用于基于矢量的属性信息,对切分后该矢量数据集对应的矢量进行分组,得到多组矢量。分组模块具体包括角度和高程分组单元,道路分组单元,以及拓扑连续分组单元。角度和高程分组单元用于基于矢量或矢量之间的角度,以及矢量的高程,对各组矢量进行分组,为初次分组;道路分组单元用于基于矢量对应的道路,对初次分组后的各组矢量进行分组,为二次分组;拓扑连续分组单元用于将二次分组后的各组矢量满足拓扑连续条件的划分为一组,为三次分组。通过三次分组实现对矢量的细粒度分组,提高分组的精确度,使得复杂场景下的矢量集被划分为单一场景。
在通过分组模块得到多组矢量之后,遍历各组矢量,以组为单位,通过后续模块实现组内轨迹的生成和打标。
基准选择模块用于以组为单位,针对各组矢量,选择该组矢量的基准矢量,包括基准垂线生成单元、垂线组排序单元和基准矢量选择单元,基准垂线生成单元用于生成该组的基准垂线;垂线组排序单元用于对垂线组矢量进行左右排序;基准矢量选择单元用于基于左右排序结果,选择中间次序的矢量为基准矢量。
偏移量计算与偏移模块用于计算同一组矢量中其他矢量相对于该组的基准矢量的偏移量,并基于偏移量对其他矢量进行偏移。在计算偏移量之前,还可以先对基准矢量进行偏移。包括垂线组偏移计算单元、非垂线组偏移计算单元和执行偏移单元。垂线组偏移计算单元用于计算垂线组矢量相对于该组的基准矢量的偏移量;非垂线组偏移计算单元用于计算非垂线组矢量相对于该组的基准矢量的偏移量;执行偏移单元用于基于计算的偏移量对垂线组矢量和非垂线组矢量进行偏移。
冗余去除模块用于对同一组偏移后的矢量进行冗余去除,以确保同一路段内仅存在一个矢量。包括矢量排序单元,用于对矢量进行排序,将矢量得分高的矢量排至后边;以及矢量投影单元,用于将矢量从后向前投影,后面的矢量会将前面矢量投影到的部分切除,从而优先保留重叠部分中矢量得分高的矢量的部分。
平滑连线模块用于以同一组的基准矢量为基础,通过头尾平滑连接的方式,连接冗余去除后的该组的各矢量,得到该组的轨迹。
轨迹生成以及打标模块包括轨迹点标注单元以及z值赋值单元,轨迹点标注单元用于根据平滑连接后得到的轨迹,进行形状点的加密或下采样处理,以增加或减少形状点,如得到间隔1m的形状点;z值赋值单元用于为轨迹上各形状点赋予高程或z值。
本实施例提供的电子设备的实现原理和技术效果可以参见前述实施例,此处不再赘述。
本申请实施例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,当处理器执行所述计算机执行指令时,实现前述任一实施例所述的方法。
本申请实施例还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现前述任一实施例所述的方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述模块的划分,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。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器执行本申请各个实施例所述方法的部分步骤。
应理解,上述处理器可以是处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)等。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。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。存储器可能包含RAM(Random Access Memory,随机存取存储器),也可能还包括NVM(Non-Volatile Memory,非易失性存储),例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
上述存储介质可以是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(Static Random-Access Memory,SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read Only Memory,EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM),可编程只读存储器(Programmable Read Only Memory,PROM),只读存储器(Read Only Memory,ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits,ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
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“包括一个……”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。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (14)
1.一种轨迹生成方法,其特征在于,包括:
获取矢量数据集,其中,所述矢量数据集中包括地图要素对应矢量的矢量数据和属性信息;
基于所述属性信息,从所述矢量数据集中的地图要素对应矢量中确定至少一个基准矢量;
基于所述至少一个基准矢量以及所述矢量数据集中的非基准矢量相对于对应的所述基准矢量的偏移量,得到所述矢量数据集的轨迹。
2.根据权利要求1所述的方法,其特征在于,基于所述属性信息,从所述矢量数据集的矢量中确定至少一个基准矢量,包括:
基于所述属性信息,对所述矢量数据集中的矢量进行分组,得到至少两组矢量;
针对任一组矢量,从该组矢量中,确定该组的基准矢量;
基于所述至少一个基准矢量以及所述矢量数据集中的非基准矢量相对于所述基准矢量的偏移量,得到所述矢量数据集的轨迹,包括:
针对任一组矢量,基于该组的基准矢量以及该组内非基准矢量相对于对应的该组的基准矢量的偏移量,得到该组矢量的轨迹;
基于所述至少两组矢量的轨迹,得到所述矢量数据集的轨迹。
3.根据权利要求2所述的方法,其特征在于,所述属性信息包括几何特征、语义特征和拓扑特征,所述几何特征包括高程、弯度和角度中的至少一项,所述基于所述属性信息,对所述矢量数据集中的矢量进行分组,得到至少两组矢量,包括:
基于矢量的几何特征,对所述矢量数据集中的矢量进行初次分组;
基于矢量的语义特征,对初次分组后的各组矢量进行二次分组;
基于拓扑连续条件,对二次分组后的各组矢量进行第三次分组,将满足所述拓扑连续条件的矢量划分为一组,得到所述至少两组矢量;
其中,若第一矢量和第二矢量中任意一个矢量上存在一点的垂线与第三矢量相交,则确定所述第三矢量与所述第一矢量满足所述拓扑连续条件,其中,第二矢量为在确定所述第三矢量与所述第一矢量是否满足所述拓扑连续条件之前,确定与所述第一矢量满足所述拓扑连续条件的矢量。
4.根据权利要求3所述的方法,其特征在于,在基于矢量的语义特征,对初次分组后的各组矢量进行二次分组之前,所述方法还包括:
获取矢量对应的道路面;
基于矢量对应的道路面的语义特征,确定矢量的语义特征;所述语义特征包括道路构成、道路名称、道路等级和道路类型中的至少一项。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
针对所述矢量数据集中各矢量,将所述矢量扩张为矢量平面,从高精地图数据库中的道路面中,确定与所述矢量平面相交的道路面为所述矢量对应的至少一个候选道路面;
基于所述矢量上形状点的平面坐标以及高程,从所述矢量对应的至少一个候选道路面中,确定所述矢量对应的道路面;其中,所述平面坐标为在高程方向垂直的平面内的坐标。
6.根据权利要求5所述的方法,其特征在于,基于所述矢量上形状点的平面坐标以及高程,从所述矢量对应的至少一个候选道路面中,确定所述矢量对应的道路面,包括:
若基于所述矢量上形状点的平面坐标,确定所述形状点位于候选道路面的第一缓存区域,则响应于所述形状点与所述候选道路面的第一缓存区域的高程差的绝对值小于或等于预设差值,确定所述候选道路面为所述矢量对应的道路面;
若所述形状点不位于所述候选道路面的第一缓存区域,或者所述形状点与所述候选道路面的第一缓存区域的高程差的绝对值大于预设差值,则响应于所述形状点位于所述候选道路面的第二缓存区域,且所述形状点与所述候选道路面的第二缓存区域的高程差的绝对值小于或等于预设差值,则标记所述候选道路面为次匹配道路面,并确定对应的中心距离最小的所述次匹配道路面为所述矢量对应的道路面;
其中,所述候选道路面的第一缓存区域通过将所述候选道路面外扩第一长度的方式得到;所述候选道路面的第二缓存区域通过将所述候选道路面外扩第二长度的方式得到,所述第二长度大于第一长度;中心距离为形状点到次匹配道路面的第二缓存区域的中心的距离。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
从标准地图数据库中的道路中,确定与所述矢量平面相交的道路为所述矢量对应的至少一个候选道路;
基于所述矢量对应的道路面对应的道路标识,从所述矢量对应的至少一个候选道路中,确定所述矢量上形状点对应的道路;
若所述矢量上形状点对应的道路不同,则基于形状点对应的道路,对所述矢量进行切分,以对所述矢量数据集中切分后的矢量以及未进行切分的矢量进行分组,切分后的矢量上各形状点对应的道路相同。
8.根据权利要求2所述的方法,其特征在于,从该组矢量中,确定该组的基准矢量,包括:
针对该组矢量中各矢量,按照预设步长作所述矢量的垂线;
基于各条垂线相交的矢量的数量以及各条垂线的角度,从各条垂线中确定该组的基准垂线;
针对该组与该组的基准垂线相交的各矢量,基于该矢量的首点指向该矢量的目标点得到的向量的角度,对矢量进行排序,其中,所述目标点为该矢量与该组的基准垂线的交点;
确定排序结果中位于中间次序的矢量为该组的基准矢量。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
判断该组内与所述基准垂线不相交的非基准矢量中,是否存在与该组的基准矢量的距离位于预设范围的非基准矢量;
若是,则将该组的基准矢量沿自身方向偏移预设距离;
若否,则将该组的基准矢量向左偏移所述预设距离;
其中,基准矢量的左方为车辆沿基准矢量的方向行驶时车辆的左方。
10.根据权利要求8所述的方法,其特征在于,所述偏移量包括偏移距离和偏移方向,基于该组的基准矢量以及该组内非基准矢量相对于该组的基准矢量的偏移量,得到该组矢量的轨迹,包括:
针对该组矢量中与该组的基准垂线相交的非基准矢量,确定所述非基准矢量相对于所述基准矢量的偏移距离和偏移方向;
针对该组矢量中与该组的基准垂线不相交的非基准矢量,从该组矢量与该组的基准垂线相交的非基准矢量中确定所述非基准矢量的参考矢量,基于所述参考矢量的偏移距离和偏移方向,以及所述非基准矢量相对于所述参考矢量的偏移距离和偏移方向,确定所述非基准矢量的偏移距离和偏移方向;所述参考矢量满足以所述参考矢量上一点为起点、以该组的基准垂线的方向为方向的参考直线与所述非基准矢量相交;
基于所述非基准矢量的偏移距离和偏移方向,对所述非基准矢量进行偏移;
基于该组的基准矢量以及该组偏移后的各非基准矢量,得到该组矢量的轨迹。
11.根据权利要求1-10任一项所述的方法,其特征在于,所述方法还包括:
基于所述轨迹上矢量的形状点,生成所述轨迹上的多个轨迹点;
针对所述轨迹上矢量的形状点中包含高程的形状点,将所述形状点向所述轨迹所在的平面投影,若所述形状点的投影位于所述轨迹上,则确定所述形状点为锚点;
基于各锚点的高程,确定所述多个轨迹点中各轨迹点的高程。
12.一种轨迹生成装置,其特征在于,包括:
矢量数据集获取模块,用于获取矢量数据集,其中,所述矢量数据集中包括地图要素对应矢量的矢量数据和属性信息;
基准矢量确定模块,基于所述属性信息,从所述矢量数据集中地图要素对应的矢量中确定至少一个基准矢量;
数据集轨迹生成模块,基于所述至少一个基准矢量以及所述矢量数据集中的非基准矢量相对于对应的所述基准矢量的偏移量,得到所述矢量数据集的轨迹。
13. 一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述电子设备执行权利要求1-11任一项所述的方法。
14.一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,当处理器执行所述计算机执行指令时,实现如权利要求1-11任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311132783.4A CN116860906B (zh) | 2023-09-05 | 2023-09-05 | 轨迹生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311132783.4A CN116860906B (zh) | 2023-09-05 | 2023-09-05 | 轨迹生成方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116860906A true CN116860906A (zh) | 2023-10-10 |
CN116860906B CN116860906B (zh) | 2023-11-28 |
Family
ID=88225403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311132783.4A Active CN116860906B (zh) | 2023-09-05 | 2023-09-05 | 轨迹生成方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116860906B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116486077A (zh) * | 2023-04-04 | 2023-07-25 | 中国科学院地理科学与资源研究所 | 遥感影像语义分割模型样本集生成方法和装置 |
CN117235089A (zh) * | 2023-11-09 | 2023-12-15 | 高德软件有限公司 | 地图检查方法、装置、电子设备及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016168905A (ja) * | 2015-03-12 | 2016-09-23 | 株式会社デンソーアイティーラボラトリ | 道路形状推定装置及び道路形状推定方法 |
CN109271928A (zh) * | 2018-09-14 | 2019-01-25 | 武汉大学 | 一种基于矢量路网融合与高分遥感影像验证的道路网自动更新方法 |
US20200151897A1 (en) * | 2018-11-14 | 2020-05-14 | Hrg International Institute For Research & Innovation | Method for obtaining road marking data and a device thereof |
CN111459953A (zh) * | 2020-03-03 | 2020-07-28 | 成都大成均图科技有限公司 | 多源数据融合的地图匹配更新方法和系统 |
CN114371703A (zh) * | 2021-12-22 | 2022-04-19 | 杭州鸿泉物联网技术股份有限公司 | 一种无人车轨迹预测方法及装置 |
CN114443679A (zh) * | 2022-02-10 | 2022-05-06 | 北京百度网讯科技有限公司 | 一种地图数据更新方法、装置、设备以及存储介质 |
CN115824236A (zh) * | 2022-11-25 | 2023-03-21 | 重庆长安汽车股份有限公司 | 一种基于车道级轨迹的车道构建方法 |
-
2023
- 2023-09-05 CN CN202311132783.4A patent/CN116860906B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016168905A (ja) * | 2015-03-12 | 2016-09-23 | 株式会社デンソーアイティーラボラトリ | 道路形状推定装置及び道路形状推定方法 |
CN109271928A (zh) * | 2018-09-14 | 2019-01-25 | 武汉大学 | 一种基于矢量路网融合与高分遥感影像验证的道路网自动更新方法 |
US20200151897A1 (en) * | 2018-11-14 | 2020-05-14 | Hrg International Institute For Research & Innovation | Method for obtaining road marking data and a device thereof |
CN111459953A (zh) * | 2020-03-03 | 2020-07-28 | 成都大成均图科技有限公司 | 多源数据融合的地图匹配更新方法和系统 |
CN114371703A (zh) * | 2021-12-22 | 2022-04-19 | 杭州鸿泉物联网技术股份有限公司 | 一种无人车轨迹预测方法及装置 |
CN114443679A (zh) * | 2022-02-10 | 2022-05-06 | 北京百度网讯科技有限公司 | 一种地图数据更新方法、装置、设备以及存储介质 |
CN115824236A (zh) * | 2022-11-25 | 2023-03-21 | 重庆长安汽车股份有限公司 | 一种基于车道级轨迹的车道构建方法 |
Non-Patent Citations (1)
Title |
---|
唐炉亮;刘章;杨雪;阚子涵;李清泉;董坤;: "符合认知规律的时空轨迹融合与路网生成方法", 测绘学报, vol. 44, no. 11 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116486077A (zh) * | 2023-04-04 | 2023-07-25 | 中国科学院地理科学与资源研究所 | 遥感影像语义分割模型样本集生成方法和装置 |
CN116486077B (zh) * | 2023-04-04 | 2024-04-30 | 中国科学院地理科学与资源研究所 | 遥感影像语义分割模型样本集生成方法和装置 |
CN117235089A (zh) * | 2023-11-09 | 2023-12-15 | 高德软件有限公司 | 地图检查方法、装置、电子设备及可读存储介质 |
CN117235089B (zh) * | 2023-11-09 | 2024-02-23 | 高德软件有限公司 | 地图检查方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116860906B (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116860906B (zh) | 轨迹生成方法、装置、设备及存储介质 | |
KR102266830B1 (ko) | 차선 결정 방법, 디바이스 및 저장 매체 | |
CN111238497B (zh) | 一种高精度地图的构建方法及装置 | |
WO2018068653A1 (zh) | 点云数据处理方法、装置及存储介质 | |
CN109470254B (zh) | 地图车道线的生成方法、装置、系统及存储介质 | |
CN111179152B (zh) | 一种道路标识识别方法及装置、介质、终端 | |
KR102091580B1 (ko) | 이동식 도면화 시스템을 이용한 도로 표지 정보 수집 방법 | |
CN111427904B (zh) | 高精地图数据的更新方法、装置及电子设备 | |
CN111209291B (zh) | 一种利用众包感知地图更新高精度地图的方法及系统 | |
CN109101743A (zh) | 一种高精度路网模型的构建方法 | |
JP6177498B2 (ja) | 経路案内システム | |
CN114509065B (zh) | 地图构建方法、系统、车辆终端、服务器端及存储介质 | |
CN114758086A (zh) | 一种城市道路信息模型的构建方法及装置 | |
CN112732844B (zh) | 将道路对象与道路自动关联的方法、装置、设备和介质 | |
JP2012133132A (ja) | 地図データ生成システム | |
CN116363856A (zh) | 一种用于道路交叉口拓扑结构生成的方法和装置 | |
JP5847891B2 (ja) | 地図データ生成システム | |
JP4790280B2 (ja) | 地図データ表示装置、地図データ表示方法及びナビゲーション装置並びに地図データ表示プログラム | |
CN116721229B (zh) | 地图中道路隔离带的生成方法、装置、设备及存储介质 | |
CN112017262B (zh) | 路面标识生成方法及装置、存储介质及电子设备 | |
JP5435294B2 (ja) | 画像処理装置及び画像処理プログラム | |
CN111414903B (zh) | 一种指示牌内容识别方法、装置和设备 | |
CN113280824A (zh) | 高精度地图与标准地图关联方法及设备 | |
CN116028587A (zh) | 路网匹配方法和设备 | |
CN112215205B (zh) | 目标识别方法、装置、计算机设备和存储介质 |
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 |