CN116977575A - 一种数据处理方法、装置及计算机可读存储介质 - Google Patents

一种数据处理方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN116977575A
CN116977575A CN202211574349.7A CN202211574349A CN116977575A CN 116977575 A CN116977575 A CN 116977575A CN 202211574349 A CN202211574349 A CN 202211574349A CN 116977575 A CN116977575 A CN 116977575A
Authority
CN
China
Prior art keywords
target position
road
relative elevation
constraint condition
position point
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
CN202211574349.7A
Other languages
English (en)
Inventor
肖童星
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202211574349.7A priority Critical patent/CN116977575A/zh
Publication of CN116977575A publication Critical patent/CN116977575A/zh
Pending legal-status Critical Current

Links

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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Navigation (AREA)

Abstract

本申请实施例公开了一种数据处理方法、装置及计算机可读存储介质，本申请可应用于地图领域，通过获取道路上的多个目标位置点，并确定每个目标位置点之间的位置关系；基于所述位置关系生成每个目标位置点之间的约束条件集；在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件；基于表征的分布满足预设条件的多个预测相对高程数据确定每个目标位置点对应的目标相对高程数据。以此，可以基于位置关系形成至少包含松弛约束条件的约束条件集的约束下，得到表征的分布满足预设条件的多个预测相对高程数据作为目标相对高程数据，提升数据处理的效率，降低采集成本。

Description

一种数据处理方法、装置及计算机可读存储介质
技术领域
本申请涉及计算机技术领域，具体涉及一种数据处理方法、装置及计算机可读存储介质。
背景技术
随着社会水平的不断发展，道路也随之变得越来越错综复杂，人们在出行时需要借助电子地图完成路线规划、路线导航等。由于二维电子地图(包括道路的二维信息，即经度信息以及纬度信息)无法直观显示立交桥、高架路和下沉道路的空间展布，故三维电子地图(包括道路的经度信息、纬度信息以及高度信息)的需求越来越明显。
相关技术中，一般采用激光即时定位与建图(Simultaneous Localization andMapping，SLAM)技术，并结合其他高精度传感器采集到的绝对高程数据生成相对高程数据，进而得到道路的高度信息生成三维电子地图。
在对相关技术的研究和实践过程中，本申请的发明人发现，相关技术中，相对高程数据处理的过程非常繁琐，且花费的人工成本极高。
发明内容
本申请实施例提供一种数据处理方法、装置及计算机可读存储介质，可以提升数据处理的效率，节省采集成本。
为解决上述技术问题，本申请实施例提供以下技术方案：
一种数据处理方法，包括：
获取道路上的多个目标位置点，并确定每个目标位置点之间的位置关系，所述道路至少包括预设类型的道路；
基于所述位置关系生成每个目标位置点之间的约束条件集，所述约束条件集用于指示多个目标位置点的相对高程数据所需满足的约束；
其中，所述约束条件集中至少包括预设类型的道路上的目标位置点的相对高程数据对应的松弛约束条件；
在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件；
基于表征的分布满足预设条件的多个预测相对高程数据确定每个目标位置点对应的目标相对高程数据。
一种数据处理装置，包括：
获取单元，用于获取道路上的多个目标位置点，并确定每个目标位置点之间的位置关系，所述道路至少包括预设类型的道路；
生成单元，用于基于所述位置关系生成每个目标位置点之间的约束条件集，所述约束条件集用于指示多个目标位置点的相对高程数据所需满足的约束；
其中，所述约束条件集中至少包括预设类型的道路上的目标位置点的相对高程数据对应的松弛约束条件；
预测单元，用于在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件；
确定单元，用于基于表征的分布满足预设条件的多个预测相对高程数据确定每个目标位置点对应的目标相对高程数据。
在一些实施方式中，所述获取单元，包括：
第一获取子单元，用于基于二维地图获取道路；
第二获取子单元，用于获取所述道路上的起始点、终止点以及压盖点；
第一确定子单元，用于将所述起始点、终止点以及压盖点确定为道路上的多个目标位置点；
第二确定子单元，用于确定每个目标位置点之间的位置关系。
在一些实施例中，所述第二确定子单元，用于：
将同一道路上相邻的目标位置点之间的关系确定为相邻关联关系；
将不同道路上重叠且存在高度差的目标位置点之间的关系确定为压盖关联关系；
将不同道路上重叠且不存在高度差的目标位置点之间的关系确定邻接关联关系。
在一些实施例中，所述生成单元，包括：
第一生成子单元，用于根据具有相邻关联关系的第一目标位置点对，生成坡度约束条件；
第二生成子单元，用于根据具有压盖关联关系的第二目标位置点对，生成压盖约束条件；
第三生成子单元，用于根据具有邻接关联关系的第三目标位置点对，生成邻接约束条件；
第四生成子单元，用于基于预设类型的道路上的目标位置点，生成松弛约束条件；
集合子单元，用于根据所述坡度约束条件、压盖约束条件、邻接约束条件以及松弛约束条件得到约束条件集。
在一些实施例中，所述第一生成子单元，用于：
获取具有相邻关联关系的第一目标位置点对；
根据所述第一目标位置点对中的两个第一目标位置点分别对应的二维位置数据以及坡度数据，生成针对所述第一目标位置点对的坡度约束条件。
在一些实施例中，所述第二生成子单元，用于：
获取具有压盖关联关系的第二目标位置点对；
根据所述第二目标位置点对中的两个第二目标位置点的相对高程上下数据以及预设高度差，生成针对所述第二目标位置点对的压盖约束条件。
在一些实施例中，所述第三生成子单元，用于：
获取具有邻接关联关系的第三目标位置点对；
根据所述第三目标位置点对中的两个第三目标位置点的邻接高度限制，生成针对所述第三目标位置点对的邻接约束条件。
在一些实施例中，所述预设类型的道路包括高架道路以及下沉道路，所述第四生成子单元，用于：
获取高架道路上的目标位置点；
根据所述高架道路上的目标位置点对应的第一松弛变量以及预设高架高度，生成高架松弛约束条件；
获取下沉道路上的目标位置点；
根据所述下沉道路上的目标位置点对应的第二松弛变量以及预设下沉高度，生成下沉松弛约束条件；
根据所述高架松弛约束条件和下沉松弛约束条件得到松弛约束条件。
在一些实施例中，所述预测单元，包括：
构建子单元，用于基于每个目标位置点的预测相对高程变量、第一松弛变量以及第二松弛变量构建最优化函数；
预测子单元，用于在所述约束条件集的约束下，通过所述最优化函数预测每个目标位置点对应的预测相对高程数据；
返回子单元，用于当检测到多个预测相对高程数据表征的分布不满足预设条件时，返回执行在所述约束条件集下的约束下，通过所述最优化函数预测每个目标位置点对应的预测相对高程数据；
判定子单元，用于直至检测到多个预测相对高程数据表征的分布满足预设条件，结束预测。
在一些实施例中，所述构建子单元，用于：
基于每个目标位置点的预测相对高程变量和第一权重生成第一子优化函数；
基于第一松弛变量、第二松弛变量以及第二权重生成第二子优化函数；
其中，所述第一权重小于所述第二权重；
根据所述第一子优化函数和第二子优化函数生成最优化函数。
在一些实施例中，所述装置，还包括计算单元，用于：
获取同一道路上相邻的目标位置点对应的两个目标相对高程数据；
基于两个目标相对高程数据，通过线性插值算法计算出目标位置点对之间的中间位置点的中间相对高程数据。
一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行上述数据处理方法中的步骤。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可以在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述数据处理方法中的步骤。
一种计算机程序产品或计算机程序，所述计算机程序产品或计算机程序包括计算机指令，所述计算机指令存储在存储介质中。计算机设备的处理器从存储介质读取所述计算机指令，处理器执行所述计算机指令，使得所述计算机上述数据处理方法中的步骤。
本申请实施例通过获取道路上的多个目标位置点，并确定每个目标位置点之间的位置关系；基于所述位置关系生成每个目标位置点之间的约束条件集；在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件；基于表征的分布满足预设条件的多个预测相对高程数据确定每个目标位置点对应的目标相对高程数据。以此，可以基于位置关系形成至少包含松弛约束条件的约束条件集的约束下，得到表征的分布满足预设条件的多个预测相对高程数据作为目标相对高程数据，相对于相关技术通过激光即时定位与建图技术采集相对高程的方案而言，本申请极大的提升了数据处理的效率，降低采集成本。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的数据处理系统的场景示意图；
图2是本申请实施例提供的数据处理方法的流程示意图；
图3a是本申请实施例提供的数据处理方法的场景示意图；
图3b是本申请实施例提供的数据处理方法的场景示意图；
图4是本申请实施例提供的数据处理方法的另一流程示意图；
图5是本申请实施例提供的数据处理装置的结构示意图；
图6是本申请实施例提供的服务器的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了更好的说明本申请实施例，以下对一些相关概念进行介绍：
绝对高程：高程指的是某点沿铅垂线方向到绝对基面的距离，称绝对高程，简称高程。
铅垂线，是指物体重心与地球重心的连线(用圆锥形铅垂测得)。多用于建筑测量。用一条细绳一端系重物，在相对于地面静止时，这条绳所在直线就是铅垂线，又称重垂线。地球重力场中的重力方向线。
绝对基面(absolute datum)指的是以某一海滨地点平均海水平面高程定为零的水准基面。
相对高程：某点沿铅垂线方向到某假定水准基面的距离，称假定高程，也称相对高程。在本申请实施例中，道路的相对高程被认为是道路上各点与地面的高度差，假定水准基面是地面。
SD地图：即Standard Definition Map，普通导航电子地图，一般是二维的，没有高程信息。
HD地图：即High Definition Map，高精度地图，可以准确和全面地表征道路特征。
最优化：应用数学的一个分支，主要指在一定条件限制下，选取某种研究方案使目标达到最优的一种方法。
凸优化：也称凸最优化，是数学最优化的一个子领域，研究定义于凸集中的凸函数最小化的问题，凸优化在某种意义上说较一般情形的数学最优化问题要简单。
内点法：是一种求解线性规划或非线性凸优化问题的算法。
本申请实施例提供一种数据处理方法、装置、及计算机可读存储介质，涉及地图领域以及交通领域。
请参阅图1，图1为本申请实施例所提供的信息处理系统的场景示意图，包括：终端11和服务器20，终端11和服务器20之间可以通过通信网络连接，该通信网络，包括无线网络以及有线网络，其中无线网络包括无线广域网、无线局域网、无线城域网、以及无线个人网中的一种或多种的组合。网络中包括路由器、网关等等网络实体，图中并未示意出。终端11可以通过通信网络与服务器20进行信息交互，例如，服务器20将地图数据发送至终端11上。
该信息处理系统可以包括信息处理装置，该信息处理装置具体可以集成在服务器20中，该服务器20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、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器，用于获取道路上的多个目标位置点，并确定每个目标位置点之间的位置关系，所述道路至少包括预设类型的道路；基于所述位置关系生成每个目标位置点之间的约束条件集，所述约束条件集用于指示多个目标位置点的相对高程数据所需满足的约束；其中，所述约束条件集中至少包括预设类型的道路上的目标位置点的相对高程数据对应的松弛约束条件；在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件；基于表征的分布满足预设条件的多个预测相对高程数据确定每个目标位置点对应的目标相对高程数据。并将所述目标相对高程数据作为地图数据发送至终端11上。
该信息处理系统还可以包括终端，该终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表、车载终端、飞行器等。在图1中，该终端即为图1中的终端11，该终端11中可以安装有各种用户所需的客户端，比如地图客户端。该终端11可以用于根据地图数据显示三维地图。
需要说明的是，图1所示的信息处理系统的场景示意图仅仅是一个示例，本申请实施例描述的信息处理系统以及场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着信息处理系统的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
以下分别进行详细说明。
本申请实施例提供了一种数据处理方法，该方法可以由终端或服务器执行，也可以由终端和服务器共同执行；本申请实施例以数据处理方法由终端执行为例来进行说明。
请参阅图2，图2是本申请实施例提供的数据处理方法的流程示意图。该数据处理方法包括：
在步骤101中，获取道路上的多个目标位置点，并确定每个目标位置点之间的位置关系。
可以理解的是，在本申请的具体实施方式中，涉及到用户信息和位置等相关的数据，当本申请以上实施例运用到具体产品或技术中时，需要获得用户许可或者同意，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
其中，可以从普通导航电子地图中获取需要处理的道路，该普通导航电子地图中至少包括道路的二维位置数据(即经度数据以及纬度数据)以及道路之间的道路关系，该道路即普通导航电子地图的二维道路，该二维道路由多个点的二维位置数据组成，所述道路至少包括预设类型的道路，该预设类型的道路可以为高架道路以及下沉道路。
在相关技术中，由于二维的普通导航电子地图无法直观显示高架道路以及下沉道路的空间展布，因此，高精度地图的需求应运而生，该高精地图可以准确和全面地表征道路特征，即除了道路的二维位置数据，还包括相应的高度信息，在本申请实施例中，该高度信息以相对高程进行表示，该高度信息一般采用激光即时定位与建图技术，并结合其他高精度传感器采集绝对高程数据结合得到，明显的，相关技术的方案采集的成本太高，而且效率较低。
为了解决上述技术问题，本申请实施例将道路的相对高程生成问题转化为数学上的最优化问题，可以低成本生成高质量的道路的相对高程数据，相对高程数据可以用于车道级导航的渲染，产生立体化的道路效果。具体请继续参阅以下步骤。
本申请实施例从普通导航电子地图中获取需要处理的道路，从该道路中确定多个目标位置点，该多个目标位置点可以理解为处理的参考点(也可以理解为控制点)，用于生成后续实现最优化问题约束的参照点，可以为每条道路的起始点以及终止点组成。
在一些实施方式中，该获取道路上的多个目标位置点的步骤，可以包括：
(1)基于二维地图获取道路；
(2)获取所述道路上的起始点、终止点以及压盖点；
(3)将所述起始点、终止点以及压盖点确定为道路上的多个目标位置点。
其中，可以从普通导航电子地图的二维路网中获取需要处理的道路，该道路至少包括预设类型的道路，该预设类型的道路可以为高架道路以及下沉道路，为了更好的说明本申请实施例，请一并图3a所示，可以从普通导航电子地图的二维路网中获取道路111、道路112、道路113以及道路114，该道路113为下沉道路，该道路114为高架道路。
本申请实施例的举例只是为了更好的进行说明，不对道路的道路数量进行限定，也不对道路之间的道路关系进行限定，具体的道路数量和道路关系还可以根据实际应用场景设定。
进一步的，可以获取道路上的起始点、终止点以及压盖点，该起始点即为道路起始处相应的点，该终止点即为道路终止处相应的点，该压盖点为道路之间在二维平面上存在投影交叉的点。
请继续参阅图3a所示，该二维路网包含A、B、C、D、E、F、G、H8个参考点，起始点包括道路111的起始点f1、道路112的h2、道路113的g3以及道路114上的d4，终止点包括道路111的终止点j1、道路112的d2、道路113的k3以及道路114的e4。压盖点包括A、B、C和D四个点的压盖点，该压盖点A对应道路112上压盖点为a2点和道路113上压盖点为a3点；该压盖点B对应道路111上压盖点为b1点和道路112上压盖点为b2点；该压盖点C对应道路111上压盖点为c1点和道路113上压盖点为c3点；该压盖点D对应道路112上压盖点为d2点和道路114上压盖点为a4点。
以此，将该起始点、终止点以及压盖点作为道路上的多个目标位置点进行参照。
相应的，在获取道路上的多个目标位置点之后，为了后续实现最优化处理，还需要确定多个目标位置点之间的位置关系，根据实际道路的情况，目标位置点之间的位置关系至少包括相邻关联关系、压盖关联关系以及邻接关联关系。
在同一道路上相邻的两个目标位置点的关系即为相邻关联关系；普通导航电子地图中存在相对高程上下数据，该相对高程上下数据指示互为压盖点的两个目标位置点之间的相对高程差(即可以理解为高度差)，以此，不同道路上重叠的且存在高度差的两个目标位置点的关系即为压盖关联关系，说明两个道路在压盖点上存在空间差异；不同道路上重叠且不存在高度差的两个目标位置点的关系即为邻接关联关系，说明两个道路在压盖点上相接。
在一些实施方式中，该确定每个目标位置点之间的位置关系，可以包括：
(1.1)将同一道路上相邻的目标位置点之间的关系确定为相邻关联关系；
(1.2)将不同道路上重叠且存在高度差的目标位置点之间的关系确定为压盖关联关系；
(1.3)将不同道路上重叠且不存在高度差的目标位置点之间的关系确定邻接关联关系。
其中，可以将同一道路上连续相邻的目标位置点之间的关系确定为相邻关联关系。基于相对高程上下数据指示的压盖点之间的相对高程大小关系，将不同道路上重叠且存在高度差的目标位置点之间的关系确定为压盖关联关系，并将不同道路上重叠且不存在高度差的目标位置点之间的关系确定为邻接关联关系。
例如，请继续参阅图3a所示，道路111上包含相邻关联关系的目标位置点对包括(f1，c1)、(c1，b1)、(b1，j1)，第二道路112上包含相邻关联关系的目标位置点对包括(h2，b2)、(b2，a2)、(a2，d2)，第三道路113上包含相邻关联关系的目标位置点对包括(g3，c3)、(c3，a3)、(a3，k3)，第四道路114上包含相邻关联关系的目标位置点对包括(d4，e4)。
在图3a中示范的二维路网中，在压盖点A处，相对高程上下数据指示第二道路112的相对高程比第三道路113的相对高程高；在压盖点B处，相对高程上下数据指示道路111的相对高程比第二道路112的相对高程高；在压盖点C处，相对高程上下数据指示道路111的相对高程比第三道路113的相对高程高；在压盖点D处，相对高程上下数据指示第二道路112的相对高程与第四道路114的相对高程一样高。
以此，确定目标位置点对(a2，a3)、(b1，b2)和(c1，c3)即为压盖关联关系。确定目标位置点对(d2，d4)即为邻接关联关系。
在步骤102中，基于所述位置关系生成每个目标位置点之间的约束条件集。
为了更好的说明本申请实施例，先对最优化方法先进行阐述，所谓最优化问题，指在某些约束条件下，决定某些可选择的变量应该取何值，使所选定的目标函数达到最优的问题。从数学意义上说，最优化方法是一种求极值的方法，即在一组约束为等式或不等式的条件下，使系统的目标函数达到极值，即最大值或最小值。
以此，本申请实施例可以根据目标位置点之间位置关系形成每个目标位置点之间的约束条件集，该约束条件集用于指示多个目标位置点的相对高程数据所需满足的条件的集合，可以根据每种位置关系的实际特点生成每个目标位置点之间相应相对高程数据的约束条件，用于限定每个目标位置点的相对高程数据的取值范围。
在一些实施方式中，该基于所述位置关系生成每个目标位置点之间的约束条件集，包括：
(1)根据具有相邻关联关系的第一目标位置点对，生成坡度约束条件；
(2)根据具有压盖关联关系的第二目标位置点对，生成压盖约束条件；
(3)根据具有邻接关联关系的第三目标位置点对，生成邻接约束条件；
(4)基于预设类型的道路上的目标位置点，生成松弛约束条件；
(5)根据所述坡度约束条件、压盖约束条件、邻接约束条件以及松弛约束条件得到约束条件集。
需要说明的是，在说明书、权利要求书和附图所描述的一些流程中，包含了按照特定顺序出现的多个步骤，但应该清楚了解，这些步骤可以不按照其在本文中出现的顺序来执行或并行执行，步骤序号仅仅是用于区分开各个不同的步骤，序号本身不代表任何的执行顺序。此外，本文中的“第一”和“第二”等描述，是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
其中，具有相邻关系的第一目标位置点对之间需要以平滑的坡度进行衔接，因此，对于具有相邻关系的第一目标位置点对，可以根据第一目标位置点对分别对应的二维位置数据以及设定的坡度，生成每个第一目标位置点对的相对高程数据的坡度约束条件，即通过该坡度约束条件限定第一目标位置点对之间需要满足平滑的坡度进行衔接的条件。
具有压盖关联关系的第二目标位置点对之间的相对高程数据差需要满足大于预设高度差，该预设高度差为不同道路的重叠的两个压盖点之间的最小高度差，根据实际应用情况设定，例如为5米。因此，对于具有压盖关联关系的第二目标位置点对，可以根据第二目标位置点对处的相对高程上下数据以及预设高度差，生成每个第二目标位置点对的相对高程数据的压盖约束条件。
具有邻接关联关系的第三目标位置点之间的相对高程数据需要相等，因此，对于具有邻接关联关系的第三目标位置点对，可以根据邻接高度限制，生成每个第三目标位置点对的相对高程数据的邻接约束条件。
需要说明的是，该预设类型的道路可以为高架道路以及下沉道路，请一并参阅图3b所示，图3b包括高架道路以及下沉道路，以及地面，在实际处理中，虽然可以限定高架道路上的控制点的最小相对高程数据为5米的约束条件以及限定下沉道路的控制点的最大相对高程数据为-5米的约束条件。但是，上述限定方式对于高架道路以及下沉道路的高度限制是刚性不变的，在现实中，部分高架道路和下沉道路在纵向上的距离很近，如图3b所示，会导致两者中间连接的道路出现坡度过于陡变的情况，这会使得与之前的坡度约束条件冲突，导致后续最优化处理的解为空集，即无法实现求解。
以此，本申请实施例可以基于预设类型的道路上的目标位置点的高度限制，引入松弛变量，生成针对预设类型的道路上的目标位置点的松弛约束条件，即通过引入松弛变量使得该预设类型的道路上的目标位置高度限制可以根据实际情况允许出现突破的情况，使得该高度限制变成柔性调节。
最后，将该坡度约束条件、压盖约束条件、邻接约束条件以及松弛约束条件进行集合，得到约束条件集，作为后续最优化处理的约束。
在一实施方式中，该根据具有相邻关联关系的第一目标位置点对，生成坡度约束条件，包括：
(1.1)获取具有相邻关联关系的第一目标位置点对；
(1.2)根据所述第一目标位置点对中的两个第一目标位置点分别对应的二维位置数据以及坡度数据，生成针对所述第一目标位置点对的坡度约束条件。
其中，获取具有相邻关联关系的第一目标位置点对，可以根据该第一目标位置点对分别对应的二维位置数据，确定第一目标位置点对中两个第一目标位置点之间的二维平面距离，并生成坡度数据的正切值的平方值，该坡度数据可以取1角度，该1角度可以使得后续生成的坡度平滑不陡峭，将二维平面距离的平方值以及正切值的平方值进行乘积处理，得到坡度约束值，将第一目标位置点对分别对应的相对高程变量之差的平方值，小于该坡度约束值，确定为针对所述第一目标位置点对的坡度约束条件。
例如，请继续参阅图3a，可以通过如下公式表达针对第一目标位置点对的坡度约束条件。
对于道路111，其被压盖点B和C分成了三段，基于三段道路，获取具有相邻关联关系的第一目标位置点对(f1，c1)、(c1，b1)、(b1，j1)，每一段都应该满足坡度约束条件，如下列公式(1)所示：
其中，符号h代表相对高程变量，其下标即为相应的目标位置点，例如，hf1代表f1点上的相对高程变量。s即为坡度数据，可以为1角度，该d代表二维平面距离，其下标即为相应的两个点，例如，dfc代表F点与C点在二维平面上的二维平面距离，以此类推，通过上述公式(1)，可以建立道路111上的第一目标位置点对的坡度约束条件。
对于道路112，其被压盖点A和B分成了三段，基于三段道路，获取具有相邻关联关系的第一目标位置点对(h2，b2)、(b2，a2)、(a2，d2)，每一段都应该满足坡度约束条件，如下列公式(2)所示：
其中，通过上述公式(2)，可以建立道路112上的第一目标位置点对的坡度约束条件。
对于道路113，其被压盖点A和C分成了三段，基于三段道路，获取具有相邻关联关系的第一目标位置点对(g3，c3)、(c3，a3)、(a3，k3)，每一段都应该满足坡度约束条件，如下列公式(3)所示：
其中，通过上述公式(3)，可以建立道路113上的第一目标位置点对的坡度约束条件。
对于道路114，其为一段路，获取具有相邻关联关系的第一目标位置点对(d4，e4)，每一段都应该满足坡度约束条件，如下列公式(4)所示：
其中，通过上述公式(4)，可以建立道路114上的第一目标位置点对的坡度约束条件。
在一些实施方式中，该根据具有压盖关联关系的第二目标位置点对，生成压盖约束条件，包括：
(2.1)获取具有压盖关联关系的第二目标位置点对；
(2.1)根据所述第二目标位置点对中的两个第二目标位置点的相对高程上下数据以及预设高度差，生成针对所述第二目标位置点对的压盖约束条件。
其中，获取具有压盖关联关系的第二目标位置点对，每个第二目标位置点对中的两个第二目标位置点均具有相应的相对高程上下数据，该相对高程上下数据还可以指示两个目标位置点之间的相对高程数据的大小关系，以此，根据该相对高程上下数据构建两个目标位置点的正向高度差，该正向高度差为将相对高程上下数据指示的相对高程数据更大的目标位置点的相对高程变量减去相对高程数据更小的目标位置点的相对高程变量形成的，将预设高度差作为压盖约束值，该预设高度差为预先设定的，可以为4米或者5米，为第二目标位置点对之间最小的高度差，将该正向高度差大于等于该预设高度差，确定为针对第二目标位置点对的压盖约束条件。
例如，请继续参阅图3a，可以通过如下公式表达针对第二目标位置点对的压盖约束条件。
获取具有压盖关联关系的第二目标位置点对(a2，a3)、(b1，b2)和(c1，c3)，由于在压盖点A处，相对高程上下数据指示第二道路112的相对高程比第三道路113的相对高程高；在压盖点B处，相对高程上下数据指示道路111的相对高程比第二道路112的相对高程高；在压盖点C处，相对高程上下数据指示道路111的相对高程比第三道路113的相对高程高，因此，根据该相对高程上下数据可以确定目标位置点a2大于目标位置点a3，目标位置点b1大于目标位置点b2，目标位置点c1大于目标位置点c3，基于此，结合预设高度差，可以生成针对所述第二目标位置点对的压盖约束条件，如下列公式(5)所示：
ha2-ha3≥H
hb1-hb2≥H(5)
hc1-hc3≥H
其中，符号h代表相对高程变量，其下标即为相应的目标位置点，例如，ha2代表a2点上的相对高程变量。H为预设高度差，以此类推，通过上述公式(5)，可以建立针对第二目标位置点对的压盖约束条件。
在一些实施方式中，根据具有邻接关联关系的第三目标位置点对，生成邻接约束条件，包括：
(3.1)获取具有邻接关联关系的第三目标位置点对；
(3.2)根据所述第三目标位置点对中的两个第三目标位置点的邻接高度限制，生成针对所述第三目标位置点对的邻接约束条件。
其中，获取具有邻接关联关系的第三目标位置点对，每个第三目标位置点对中的两个第三目标位置点均具有相应的相对高程上下数据，由于为邻接关联关系，该相对高程上下数据指示两个目标位置点之间的相对高程数据相等，即可以根据两个目标位置点之间的相对高程数据相等作为邻接高度限制，生成针对第三目标位置点对的邻接约束条件。
例如，请继续参阅图3a，可以通过如下公式表达针对所述第三目标位置点对的邻接约束条件。
获取具有邻接关联关系的第三目标位置点对(d2，d4)，由于两者为邻接关联关系，因此，根据该相对高程上下数据可以确定目标位置点d2的相对高程数据等于目标位置点a3的相对高程数据，基于此，可以生成针对所述第三目标位置点对的邻接约束条件，如下列公式(6)所示：
hd2＝hd4(6)
其中，符号h代表相对高程变量，其下标即为相应的目标位置点，例如，hd2代表d2点上的相对高程变量，hd4为d4点上的相对高程变量，通过上述公式(6)，可以建立针对第三目标位置点对的邻接约束条件。
在一些实施方式中，所述预设类型的道路包括高架道路以及下沉道路，所述基于预设类型的道路上的目标位置点，生成松弛约束条件，包括：
(4.1)获取高架道路上的目标位置点；
(4.2)根据所述高架道路上的目标位置点对应的第一松弛变量以及预设高架高度，生成高架松弛约束条件；
(4.3)获取下沉道路上的目标位置点；
(4.4)根据所述下沉道路上的目标位置点对应的第二松弛变量以及预设下沉高度，生成下沉松弛约束条件；
(4.5)根据所述高架松弛约束条件和下沉松弛约束条件得到松弛约束条件。
其中，该预设高架高度可以为5米，即为限定高架道路上的控制点的最小相对高程数据，获取高架道路上的目标位置点，每个目标位置点理论上均要大于预设高架高度，但是为了避免对该高架道路上的目标位置点过于刚性的限制，本申请实施例引入第一松弛变量进行柔性调节，该第一松弛变量的取值范围为大于0，小于预设高架高度，将该预设高架高度作为高架松弛约束值，将高架道路上的目标位置点对应的相对高程变量与该第一松弛变量之和，大于等于该预设高架高度，确定为高架松弛约束条件。
为了更好的说明本申请实施例，可以参照以下公式进行理解：
其中，该Hu为预设高架高度，该h即为高架道路上目标位置点的相对高程变量，该为第一松弛变量，通过以上公式形成高架松弛约束条件，该+∞为正无穷，其中该/>的取值可以为如下公式表达：
即该第一松弛变量大于0小于预设高架高度，以此，通过上述公式形成每个高架道路上的目标位置点的高架松弛约束条件。
请继续参阅图3a，该道路114为高架道路，对于道路114上的目标位置点d4和目标位置点e4，均需要满足高架松弛约束条件，如下列公式(7)所示：
Hu≤hd4+hrd4
Hu≤he4+hre4(7)
其中，该Hu为预设高架高度，h代表相对高程变量，其下标即为相应的目标位置点，例如，hd4代表d4点上的相对高程变量，该hrd4和hre为d4点和e4点上的第一松弛变量，通过上述公式(7)，可以建立每个高架道路上的目标位置点的高架松弛约束条件。
其中，该预设下沉高度可以为-5米，即为限定下沉道路上的控制点的最大相对高程数据，获取下沉道路上的目标位置点，每个目标位置点理论上均要小于预设下沉高度，但是为了避免对该下沉道路上的目标位置点过于刚性的限制，本申请实施例引入第二松弛变量进行柔性调节，该第二松弛变量的取值范围为大于0，小于预设下沉高度的绝对值，将该预设下沉高度作为下沉松弛约束值，将下沉道路上的目标位置点对应的相对高程变量与该第二松弛变量之差，小于等于该预设下沉高度，确定为下沉松弛约束条件。
为了更好的说明本申请实施例，可以参照以下公式进行理解：
其中，该Hs为预设下沉高度，该h即为下沉道路上目标位置点的相对高程变量，该为第二松弛变量，通过以上公式形成下沉架松弛约束条件，该-∞为负无穷，其中该/>的取值可以为如下公式表达：
即该第二松弛变量大于0小于预设下沉高度的绝对值，以此，通过上述公式形成每个下沉道路上的目标位置点的下沉松弛约束条件。
请继续参阅图3a，该道路113为下沉道路，对于道路113上的目标位置点g3、c3、a3和k3，均需要满足下沉松弛约束条件，如下列公式(8)所示：
hg3-hrg3≤Hs
hc3-hrc3≤Hs
ha3-hra3≤Hs
hk3-hrk3≤Hs(8)
其中，该Hs为预设下沉高度，h代表相对高程变量，其下标即为相应的目标位置点，例如，hg3代表g3点上的相对高程变量，该hrg3、hrc3、hra3和hrk3为g3点、c3点、a3点和k3点上的第二松弛变量，通过上述公式(8)，可以建立每个下沉道路上的目标位置点的下沉松弛约束条件。
以此，根据所述高架松弛约束条件和下沉松弛约束条件得到松弛约束条件。
在步骤103中，在约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件。
其中，在得到约束条件集之后，需要构建目标函数，使得目标函数达到最优，以此，求解出每个目标位置点最后的相对高程数据，以此，本申请实施例为了实现后续更好的道路渲染的视觉效果，需要使得每个目标位置点的相对高程数据尽可能集中，即可以期望多个目标位置点分别对应的相对高程变量的平方之和最小，因为多个相对高程变量的平方之和，代表多个相对高程数据的分散程度，以此思维构建目标函数，优化目标使得该多个相对高程数据的分散程度在满足约束条件集的基础下，尽可能的集中，即多个相对高程变量的平方值和尽可能的小。
以此，申请实施例可以通过最优化方法，该最优化方法有许多成熟的数学工具可以使用，如凸优化中的内点法等，利用这些数学工具可以高效进行求解。在约束条件集下，通过梯度下降法不断的对每个目标位置点对应的相对高程数据进行迭代预测，该分布即代表分散程度，该预设条件即为界定分散程度是否达到集中条件的临界值，以此，可以将每次预测后的多个预测相对高程数据表征的分布与预设条件进行对比，当预测后的相对高程数据表征的分布不满足预设条件时，继续执行在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的相对高程数据表征的分布满足预设条件，说明多个相对高程数据在满足约束条件集的前提下，已经尽可能集中，为最优化方法的最优解。
在一些实施方式中，该在约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件，包括：
(1)基于每个目标位置点的预测相对高程变量、第一松弛变量以及第二松弛变量构建最优化函数；
(2)在所述约束条件集的约束下，通过所述最优化函数预测每个目标位置点对应的预测相对高程数据；
(3)当检测到多个预测相对高程数据表征的分布不满足预设条件时，返回执行在所述约束条件集下的约束下，通过所述最优化函数预测每个目标位置点对应的预测相对高程数据；
(4)直至检测到多个预测相对高程数据表征的分布满足预设条件，结束预测。
为了更好的说明本申请实施例，请一并参阅如下最优化函数：
其中，该hi为每个目标位置点的预测相对高程变量，n为全部目标位置点的总数量，该hir为高架道路和下沉道路上每个目标位置点对应的第一松弛变量以及第二松弛变量，该m为高架道路和下沉道路上每个目标位置点对应的第一松弛变量以及第二松弛变量的总数量，该kn为第一权重，该km为第二权重。
即可以基于每个目标位置点的预测相对高程变量(hi)，第一松弛变量以及第二松弛变量(hir)构建上述最优化函数，该最优化函数期望全部目标位置点的预测相对高程变量的平方之和尽量小，以及同时期望高架道路和下沉道路上全部目标位置点的第一松弛变量和第二松弛变量的平方之和也尽量小。因此，本申请实施例提供的最优化函数需要实现多目标优化的问题，即期望全部控制点的平方之和尽可能小，同时期望全部松弛变量的平方之和也尽量小。
在一实施方式中，为了尽量让高架道路和下沉道路尽量满足预设高架高度和预设下沉高度的限制，本申请实施例可以将第二权重km设置远远大于该第一权重kn，例如可以将第一权重kn设置为1，将第二权重km设置为30，明显可以看出来的是，该第二权重km远大于该第一权重kn，即通过第二权重km增强高架道路和下沉道路上全部目标位置点的第一松弛变量和第二松弛变量的平方之和对结果的影响，根据最优化函数期望全部目标位置点的预测相对高程变量的平方之和尽量小的约束，会实现尽可能让该第一松弛变量和第二松弛变量等于0的目的，即尽量让高架道路和下沉道路上的目标位置点符合预设高架高度和预设下沉高度的限制。
进一步的，在由坡度约束条件、压盖约束条件、邻接约束条件以及松弛约束条件形成的约束条件集的约束下，以梯度下降法通过上述最优化函数预测每个目标位置点对应的预测相对高程数据，并将每次预测后的预测相对高程数据表征的分布(分散度)与预设条件进行比对，当检测到该多个预测相对高程数据表征的分布不满足预设条件时，说明当前的多个预测相对高程数据的分散度不满足集中条件，需要返回重新执行在所述约束条件集下的约束下，通过所述最优化函数迭代预测每个目标位置点对应的预测相对高程数据，直至检测到多个预测相对高程数据表征的分布满足预设条件，即检测到多个预测相对高程数据表征的分散度满足集中条件，结束预测，得到最优化函数的最优解，该最优解在符合约束条件集的条件下，还满足集中平滑的分布特点，并且由于引入松弛约束条件，可以求出高架道路和下沉道路的相对高程数据，且更符合实际的道路场景。
例如，请继续参阅图3a所示，基于该每个目标位置点的预测相对高程变量、第一松弛变量以及第二松弛变量可以构建如下的最优化函数：
其中，h代表相对高程变量，其下标即为相应的目标位置点，例如，hf1代表f1点上的相对高程变量，该hrd4和hre4为d4点和e4点上的第一松弛变量，该hrg3、hrc3、hra3和hrk3为g3点、c3点、a3点和k3点上的第二松弛变量，该kn为第一权重，该km为第二权重，minV即指最优化函数。
以此，在坡度约束条件即公式(1)、(2)、(3)和(4)，压盖约束条件即公式(5)，邻接约束条件即公式(6)，以及松弛约束条件即公式(7)和公式(8)的约束下，通过使最优化函数最小的目标，不断预测每个目标位置点对应的预测相对高程数据，当检测到多个预测相对高程数据表征的分布不满足预设条件时，返回执行在所述约束条件集下的约束下，通过所述最优化函数预测每个目标位置点对应的预测相对高程数据，直至检测到多个预测相对高程数据表征的分布满足预设条件，即检测到多个预测相对高程数据表征的分散度满足集中条件，结束预测，得到最优化函数的最优解。
在步骤104中，基于表征的分布满足预设条件的多个预测相对高程数据确定每个目标位置点对应的目标相对高程数据。
其中，预测后的相对高程数据表征的分布满足预设条件，说明多个相对高程数据在满足约束条件集的前提下，已经尽可能集中，为最优化方法的最优解，以此，可以直接将表征的分布(分散度)满足预设条件的多个预测相对高程数据确定为每个目标位置点最后的确定的目标相对高程数据，该目标相对高程数据在符合约束条件集的前提下，还满足集中平滑的分布特点，并且由于引入松弛约束条件，可以求出高架道路和下沉道路的相对高程数据，且更符合实际的道路场景。
因此，可以根据每个目标位置点的目标相对高程数据实现车道级导航的渲染，产生立体化的道路渲染效果，并且该立体化的高架道路和下沉道路更贴合实际的道路场景，即本申请实施例无需精密设备采集道路的绝对高程，可大幅降低相对高程数据采集成本，提升数据处理的效率。
由上述可知，本申请实施例通过获取道路上的多个目标位置点，并确定每个目标位置点之间的位置关系；基于所述位置关系生成每个目标位置点之间的
约束条件集；在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件；基于表征的分布满足预设条件的多个预测相对高程数据确定每个目标位置点对应的目标相对高程数据。以此，可以基于位置关系形成至少包含松弛约束条件的约束条件集的约束下，得到表征的分布满足预设条件的多个预测相对高程数据作为目标相对高程数据，相对于相关技术通过激光即时定位与建图技术采集相对高程的方案而言，本申请极大的提升了数据处理的效率，降低采集成本。
结合上述实施例所描述的方法，以下将举例作进一步详细说明。
在本实施例中，将以该数据处理装置具体集成在服务器中为例进行说明，具体参照以下说明。
请参阅图4，图4为本申请实施例提供的数据处理方法的另一流程示意图。该方法流程可以包括：
在步骤201中，服务器基于二维地图获取道路，获取道路上的起始点、终止点以及压盖点，将起始点、终止点以及压盖点确定为道路上的多个目标位置点。
为了更好的说明本申请实施例，请结合参阅图3a所示，本申请实施例以图3a中的二维路网作为算例场景进行说明。
如图3a所示，可以从普通导航电子地图的二维路网中获取道路111、道路112、道路113以及道路114，该道路113为下沉道路，该道路114为高架道路。
该二维路网包含A、B、C、D、E、F、G、H8个参考点，起始点包括道路111的起始点f1、道路112的h2、道路113的g3以及道路114上的d4，终止点包括道路111的终止点j1、道路112的d2、道路113的k3以及道路114的e4。压盖点包括A、B、C和D四个点的压盖点，该压盖点A对应道路112上压盖点为a2点和道路113上压盖点为a3点；该压盖点B对应道路111上压盖点为b1点和道路112上压盖点为b2点；该压盖点C对应道路111上压盖点为c1点和道路113上压盖点为c3点；该压盖点D对应道路112上压盖点为d2点和道路114上压盖点为a4点。
以此，将该起始点(f1、h2、g3以及d4)、终止点(j1、d2、k3以及e4)以及压盖点(a2、a3、b1、b2、c1、c3、d2和d4)作为道路上的多个目标位置点进行参照。
在步骤202中，服务器将同一道路上相邻的目标位置点之间的关系确定为相邻关联关系，将不同道路上重叠且存在高度差的目标位置点之间的关系确定为压盖关联关系，将不同道路上重叠且不存在高度差的目标位置点之间的关系确定邻接关联关系。
其中，根据实际两个目标位置点之间的关系进行关联关系确定，道路111上包含相邻关联关系的目标位置点对包括(f1，c1)、(c1，b1)、(b1，j1)，第二道路112上包含相邻关联关系的目标位置点对包括(h2，b2)、(b2，a2)、(a2，d2)，第三道路113上包含相邻关联关系的目标位置点对包括(g3，c3)、(c3，a3)、(a3，k3)，第四道路114上包含相邻关联关系的目标位置点对包括(d4，e4)。
在压盖点A处，相对高程上下数据指示第二道路112的相对高程比第三道路113的相对高程高；在压盖点B处，相对高程上下数据指示道路111的相对高程比第二道路112的相对高程高；在压盖点C处，相对高程上下数据指示道路111的相对高程比第三道路113的相对高程高；在压盖点D处，相对高程上下数据指示第二道路112的相对高程与第四道路114的相对高程一样高。
以此，确定目标位置点对(a2，a3)、(b1，b2)和(c1，c3)即为压盖关联关系。确定目标位置点对(d2，d4)即为邻接关联关系。
在步骤203中，服务器获取具有相邻关联关系的第一目标位置点对，根据第一目标位置点对中的两个第一目标位置点分别对应的二维位置数据以及坡度数据，生成针对第一目标位置点对的坡度约束条件。
其中，对于道路111，其被压盖点B和C分成了三段，基于三段道路，获取具有相邻关联关系的第一目标位置点对(f1，c1)、(c1，b1)、(b1，j1)，每一段都应该满足坡度约束条件，如下列公式(1)所示：
其中，符号h代表相对高程变量，其下标即为相应的目标位置点，例如，hf1代表f1点上的相对高程变量。s即为坡度数据，可以为1角度，该d代表二维平面距离，其下标即为相应的两个点，例如，dfc代表F点与C点在二维平面上的二维平面距离，以此类推，通过上述公式(1)，可以建立道路111上的第一目标位置点对的坡度约束条件。
对于道路112，其被压盖点A和B分成了三段，基于三段道路，获取具有相邻关联关系的第一目标位置点对(h2，b2)、(b2，a2)、(a2，d2)，每一段都应该满足坡度约束条件，如下列公式(2)所示：
其中，通过上述公式(2)，可以建立道路112上的第一目标位置点对的坡度约束条件。
对于道路113，其被压盖点A和C分成了三段，基于三段道路，获取具有相邻关联关系的第一目标位置点对(g3，c3)、(c3，a3)、(a3，k3)，每一段都应该满足坡度约束条件，如下列公式(3)所示：
其中，通过上述公式(3)，可以建立道路113上的第一目标位置点对的坡度约束条件。
对于道路114，其为一段路，获取具有相邻关联关系的第一目标位置点对(d4，e4)，每一段都应该满足坡度约束条件，如下列公式(4)所示：
其中，通过上述公式(4)，可以建立道路114上的第一目标位置点对的坡度约束条件。
在步骤204中，服务器获取具有压盖关联关系的第二目标位置点对，根据第二目标位置点对中的两个第二目标位置点的相对高程上下数据以及预设高度差，生成针对第二目标位置点对的压盖约束条件。
其中，获取具有压盖关联关系的第二目标位置点对(a2，a3)、(b1，b2)和(c1，c3)，由于在压盖点A处，相对高程上下数据指示第二道路112的相对高程比第三道路113的相对高程高；在压盖点B处，相对高程上下数据指示道路111的相对高程比第二道路112的相对高程高；在压盖点C处，相对高程上下数据指示道路111的相对高程比第三道路113的相对高程高，因此，根据该相对高程上下数据可以确定目标位置点a2大于目标位置点a3，目标位置点b1大于目标位置点b2，目标位置点c1大于目标位置点c3，基于此，结合预设高度差，可以生成针对所述第二目标位置点对的压盖约束条件，如下列公式(5)所示：
ha2-ha3≥H
hb1-hb2≥H(5)
hc1-hc3≥H
其中，符号h代表相对高程变量，其下标即为相应的目标位置点，例如，ha2代表a2点上的相对高程变量。H为预设高度差，可以为5米，以此类推，通过上述公式(5)，可以建立针对第二目标位置点对的压盖约束条件。
在步骤205中，服务器获取具有邻接关联关系的第三目标位置点对，根据第三目标位置点对中的两个第三目标位置点的邻接高度限制，生成针对第三目标位置点对的邻接约束条件。
其中，获取具有邻接关联关系的第三目标位置点对(d2，d4)，由于两者为邻接关联关系，因此，根据该相对高程上下数据可以确定目标位置点d2的相对高程数据等于目标位置点a3的相对高程数据，基于此，可以生成针对所述第三目标位置点对的邻接约束条件，如下列公式(6)所示：
hd2＝hd4(6)
其中，符号h代表相对高程变量，其下标即为相应的目标位置点，例如，hd2代表d2点上的相对高程变量，hd4为d4点上的相对高程变量，通过上述公式(6)，可以建立针对第三目标位置点对的邻接约束条件。
在步骤206中，服务器获取高架道路上的目标位置点，根据高架道路上的目标位置点对应的第一松弛变量以及预设高架高度，生成高架松弛约束条件。
其中，该道路114为高架道路，对于道路114上的目标位置点d4和目标位置点e4，均需要满足高架松弛约束条件，如下列公式(7)所示：
Hu≤hd4+hrd4
Hu≤he4+hre (7)
其中，该Hu为预设高架高度，该预设高架高度可以为5米，h代表相对高程变量，其下标即为相应的目标位置点，例如，hd4代表d4点上的相对高程变量，该hrd和hre4为d4点和e4点上的第一松弛变量，取值范围大于0小于预设高架高度，通过上述公式(7)，可以建立每个高架道路上的目标位置点的高架松弛约束条件。
在步骤207中，服务器获取下沉道路上的目标位置点，根据下沉道路上的目标位置点对应的第二松弛变量以及预设下沉高度，生成下沉松弛约束条件，根据高架松弛约束条件和下沉松弛约束条件得到松弛约束条件。
其中，该道路113为下沉道路，对于道路113上的目标位置点g3、c3、a3和k3，均需要满足下沉松弛约束条件，如下列公式(8)所示：
hg3-hrg3≤Hs
hc3-hrc3≤Hs
ha3-hra3≤Hs
hk3-hrk3≤Hs(8)
其中，该Hs为预设下沉高度，h代表相对高程变量，其下标即为相应的目标位置点，例如，hg3代表g3点上的相对高程变量，该hrg3、hrc3、hra3和hrk3为g3点、c3点、a3点和k3点上的第二松弛变量，通过上述公式(8)，可以建立每个下沉道路上的目标位置点的下沉松弛约束条件。
以此，根据所述高架松弛约束条件和下沉松弛约束条件得到松弛约束条件。
在步骤208中，服务器基于每个目标位置点的预测相对高程变量和第一权重生成第一子优化函数，基于第一松弛变量、第二松弛变量以及第二权重生成第二子优化函数，根据第一子优化函数和第二子优化函数生成最优化函数。
为了更好的说明本申请实施例，请一并参阅如下公式：
其中，h代表相对高程变量，其下标即为相应的目标位置点，例如，hf1代表f1点上的相对高程变量，该hrd4和hre为d4点和e4点上的第一松弛变量，该hrg3、hrc3、hra3和hrk3为g3点、c3点、a3点和k3点上的第二松弛变量，该kn为第一权重，该km为第二权重，minV即指最优化函数。
以此，可以通过每个目标位置点的预测相对高程变量和第一权重kn生成第一子优化函数，即/>还可以基于第一松弛变量、第二松弛变量以及第二权重km，生成第二子优化函数，即/>以此，可以将第一子优化函数和第二子优化函数进行求和，生成最优化函数。
在步骤209中，服务器在约束条件集的约束下，通过最优化函数预测每个目标位置点对应的预测相对高程数据，当检测到多个预测相对高程数据表征的分布不满足预设条件时，返回执行在约束条件集下的约束下，通过最优化函数预测每个目标位置点对应的预测相对高程数据，直至检测到多个预测相对高程数据表征的分布满足预设条件。
其中，在坡度约束条件即公式(1)、(2)、(3)和(4)，压盖约束条件即公式(5)，邻接约束条件即公式(6)，以及松弛约束条件即公式(7)和公式(8)的约束下，通过使最优化函数最小的目标，不断预测每个目标位置点对应的预测相对高程数据，当检测到多个预测相对高程数据表征的分布不满足预设条件时，返回执行在所述约束条件集下的约束下，通过所述最优化函数预测每个目标位置点对应的预测相对高程数据(即209步骤)，直至检测到多个预测相对高程数据表征的分布满足预设条件，即检测到多个预测相对高程数据表征的分散度满足集中条件，结束预测，得到最优化函数的最优解。该最优解在符合约束条件集的条件下，还满足集中平滑的分布特点，并且由于引入松弛约束条件，可以求出高架道路和下沉道路的相对高程数据，并且该高架道路和下沉道路可以通过第一松弛变量和第二松弛变量突破预设高架高度和预设下沉高度的限制，使得后续生成的高架道路和下沉道路更符合实际的道路场景。
在步骤210中，服务器获取同一道路上相邻的目标位置点对应的两个目标相对高程数据，基于两个目标相对高程数据，通过线性插值算法计算出目标位置点对之间的中间位置点的中间相对高程数据。
以此，在计算出全部目标位置点的相对高程数据之后，可以通过线性插值算法来计算出其他中间位置点的相对高程数据的，该线性插值算法指使用连接两个已知量的直线来确定这两个已知量之间的一个未知量的值的方法。以此，服务器可以获取任意同一道路上相邻的两个目标相对高程数据，基于该两个相对高程数据，通过线性插值算法计算出两者之间的任意中间位置点的中间相对高程数据，进而得到道路中全部位置点的相对高程数据。
因此，可以根据每个位置点的目标相对高程数据实现车道级导航的渲染，产生立体化的道路渲染效果，并且该立体化的高架道路和下沉道路更贴合实际的道路场景，即本申请实施例无需精密设备采集道路的绝对高程，可大幅降低相对高程数据采集成本，提升数据处理的效率。
由上述可知，本申请实施例通过获取道路上的多个目标位置点，并确定每个目标位置点之间的位置关系；基于所述位置关系生成每个目标位置点之间的约束条件集；在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件；基于表征的分布满足预设条件的多个预测相对高程数据确定每个目标位置点对应的目标相对高程数据。以此，可以基于位置关系形成至少包含松弛约束条件的约束条件集的约束下，得到表征的分布满足预设条件的多个预测相对高程数据作为目标相对高程数据，相对于相关技术通过激光即时定位与建图技术采集相对高程的方案而言，本申请极大的提升了数据处理的效率，降低采集成本。
请参阅图5，图5为本申请实施例提供的数据处理装置的结构示意图，其中该数据处理装置可以包括获取单元301、生成单元302、预测单元303和确定单元304，该数据处理装置应用于服务器。
获取单元301，用于获取道路上的多个目标位置点，并确定每个目标位置点之间的位置关系，所述道路至少包括预设类型的道路。
在一些实施方式中，所述获取单元301，包括：
第一获取子单元，用于基于二维地图获取道路；
第二获取子单元，用于获取所述道路上的起始点、终止点以及压盖点；
第一确定子单元，用于将所述起始点、终止点以及压盖点确定为道路上的多个目标位置点；
第二确定子单元，用于确定每个目标位置点之间的位置关系。
在一些实施例中，所述第二确定子单元，用于：
将同一道路上相邻的目标位置点之间的关系确定为相邻关联关系；
将不同道路上重叠且存在高度差的目标位置点之间的关系确定为压盖关联关系；
将不同道路上重叠且不存在高度差的目标位置点之间的关系确定邻接关联关系。
生成单元302，用于基于所述位置关系生成每个目标位置点之间的约束条件集，所述约束条件集用于指示多个目标位置点的相对高程数据所需满足的约束。
其中，所述约束条件集中至少包括预设类型的道路上的目标位置点的相对高程数据对应的松弛约束条件。
在一些实施例中，所述生成单元302，包括：
第一生成子单元，用于根据具有相邻关联关系的第一目标位置点对，生成坡度约束条件；
第二生成子单元，用于根据具有压盖关联关系的第二目标位置点对，生成压盖约束条件；
第三生成子单元，用于根据具有邻接关联关系的第三目标位置点对，生成邻接约束条件；
第四生成子单元，用于基于预设类型的道路上的目标位置点，生成松弛约束条件；
集合子单元，用于根据所述坡度约束条件、压盖约束条件、邻接约束条件以及松弛约束条件得到约束条件集。
在一些实施例中，所述第一生成子单元，用于：
获取具有相邻关联关系的第一目标位置点对；
根据所述第一目标位置点对中的两个第一目标位置点分别对应的二维位置数据以及坡度数据，生成针对所述第一目标位置点对的坡度约束条件。
在一些实施例中，所述第二生成子单元，用于：
获取具有压盖关联关系的第二目标位置点对；
根据所述第二目标位置点对中的两个第二目标位置点的相对高程上下数据以及预设高度差，生成针对所述第二目标位置点对的压盖约束条件。
在一些实施例中，所述第三生成子单元，用于：
获取具有邻接关联关系的第三目标位置点对；
根据所述第三目标位置点对中的两个第三目标位置点的邻接高度限制，生成针对所述第三目标位置点对的邻接约束条件。
在一些实施例中，所述预设类型的道路包括高架道路以及下沉道路，所述第四生成子单元，用于：
获取高架道路上的目标位置点；
根据所述高架道路上的目标位置点对应的第一松弛变量以及预设高架高度，生成高架松弛约束条件；
获取下沉道路上的目标位置点；
根据所述下沉道路上的目标位置点对应的第二松弛变量以及预设下沉高度，生成下沉松弛约束条件；
根据所述高架松弛约束条件和下沉松弛约束条件得到松弛约束条件。
预测单元303，用于在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件。
在一些实施例中，所述预测单元303，包括：
构建子单元，用于基于每个目标位置点的预测相对高程变量、第一松弛变量以及第二松弛变量构建最优化函数；
预测子单元，用于在所述约束条件集的约束下，通过所述最优化函数预测每个目标位置点对应的预测相对高程数据；
返回子单元，用于当检测到多个预测相对高程数据表征的分布不满足预设条件时，返回执行在所述约束条件集下的约束下，通过所述最优化函数预测每个目标位置点对应的预测相对高程数据；
判定子单元，用于直至检测到多个预测相对高程数据表征的分布满足预设条件，结束预测。
在一些实施例中，所述构建子单元，用于：
基于每个目标位置点的预测相对高程变量和第一权重生成第一子优化函数；
基于第一松弛变量、第二松弛变量以及第二权重生成第二子优化函数；
其中，所述第一权重小于所述第二权重；
根据所述第一子优化函数和第二子优化函数生成最优化函数。
确定单元304，用于基于表征的分布满足预设条件的多个预测相对高程数据确定每个目标位置点对应的目标相对高程数据。
在一些实施例中，所述装置，还包括计算单元，用于：
获取同一道路上相邻的目标位置点对应的两个目标相对高程数据；
基于两个目标相对高程数据，通过线性插值算法计算出目标位置点对之间的中间位置点的中间相对高程数据。
以上各个单元的具体实施可参见前面的实施例，在此不再赘述。
由上述可知，本申请实施例通过获取单元301获取道路上的多个目标位置点，并确定每个目标位置点之间的位置关系；生成单元302基于所述位置关系生成每个目标位置点之间的约束条件集；预测单元303在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件；确定单元304基于表征的分布满足预设条件的多个预测相对高程数据确定每个目标位置点对应的目标相对高程数据。以此，可以基于位置关系形成至少包含松弛约束条件的约束条件集的约束下，得到表征的分布满足预设条件的多个预测相对高程数据作为目标相对高程数据，相对于相关技术通过激光即时定位与建图技术采集相对高程的方案而言，本申请极大的提升了数据处理的效率，降低采集成本。
本申请实施例还提供一种计算机设备，该计算机设备可以为服务器，如图6所示，其示出了本申请实施例所涉及的服务器的结构示意图，具体来讲：
该计算机设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图6中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器401是该计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监测。可选的，处理器401可包括一个或多个处理核心；可选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
计算机设备还包括给各个部件供电的电源403，可选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
计算机设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，计算机设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，计算机设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现前述实施例提供的各种方法步骤，如下：
获取道路上的多个目标位置点，并确定每个目标位置点之间的位置关系，所述道路至少包括预设类型的道路；
基于所述位置关系生成每个目标位置点之间的约束条件集，所述约束条件集用于指示多个目标位置点的相对高程数据所需满足的约束；
其中，所述约束条件集中至少包括预设类型的道路上的目标位置点的相对高程数据对应的松弛约束条件；
在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件；
基于表征的分布满足预设条件的多个预测相对高程数据确定每个目标位置点对应的目标相对高程数据。
在上述实施例中，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，可以参见上文针对图像处理方法的详细描述，此处不再赘述。
由上述可知，本申请实施例的计算机设备可以通过获取道路上的多个目标位置点，并确定每个目标位置点之间的位置关系；基于所述位置关系生成每个目标位置点之间的约束条件集；在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件；基于表征的分布满足预设条件的多个预测相对高程数据确定每个目标位置点对应的目标相对高程数据。以此，可以基于位置关系形成至少包含松弛约束条件的约束条件集的约束下，得到表征的分布满足预设条件的多个预测相对高程数据作为目标相对高程数据，相对于相关技术通过激光即时定位与建图技术采集相对高程的方案而言，本申请极大的提升了数据处理的效率，降低采集成本。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种数据处理方法中的步骤。例如，该指令可以执行如下步骤：
获取道路上的多个目标位置点，并确定每个目标位置点之间的位置关系，所述道路至少包括预设类型的道路；
基于所述位置关系生成每个目标位置点之间的约束条件集，所述约束条件集用于指示多个目标位置点的相对高程数据所需满足的约束；
其中，所述约束条件集中至少包括预设类型的道路上的目标位置点的相对高程数据对应的松弛约束条件；
在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件；
基于表征的分布满足预设条件的多个预测相对高程数据确定每个目标位置点对应的目标相对高程数据。
根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例提供的各种可选实现方式中提供的方法。
其中，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令，可以执行本申请实施例所提供的任一种数据处理方法中的步骤，因此，可以实现本申请实施例所提供的任一种数据处理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上对本申请实施例所提供的一种数据处理方法、装置及计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (15)

1.一种数据处理方法，其特征在于，包括：
获取道路上的多个目标位置点，并确定每个目标位置点之间的位置关系，所述道路至少包括预设类型的道路；
基于所述位置关系生成每个目标位置点之间的约束条件集，所述约束条件集用于指示多个目标位置点的相对高程数据所需满足的约束；
其中，所述约束条件集中至少包括预设类型的道路上的目标位置点的相对高程数据对应的松弛约束条件；
在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件；
基于表征的分布满足预设条件的多个预测相对高程数据确定每个目标位置点对应的目标相对高程数据。
2.根据权利要求1所述的数据处理方法，其特征在于，所述获取道路上的多个目标位置点，包括：
基于二维地图获取道路；
获取所述道路上的起始点、终止点以及压盖点；
将所述起始点、终止点以及压盖点确定为道路上的多个目标位置点。
3.根据权利要求2所述的数据处理方法，其特征在于，所述确定每个目标位置点之间的位置关系，包括：
将同一道路上相邻的目标位置点之间的关系确定为相邻关联关系；
将不同道路上重叠且存在高度差的目标位置点之间的关系确定为压盖关联关系；
将不同道路上重叠且不存在高度差的目标位置点之间的关系确定邻接关联关系。
4.根据权利要求3所述的数据处理方法，其特征在于，所述基于所述位置关系生成每个目标位置点之间的约束条件集，包括：
根据具有相邻关联关系的第一目标位置点对，生成坡度约束条件；
根据具有压盖关联关系的第二目标位置点对，生成压盖约束条件；
根据具有邻接关联关系的第三目标位置点对，生成邻接约束条件；
基于预设类型的道路上的目标位置点，生成松弛约束条件；
根据所述坡度约束条件、压盖约束条件、邻接约束条件以及松弛约束条件得到约束条件集。
5.根据权利要求4所述的数据处理方法，其特征在于，所述根据具有相邻关联关系的第一目标位置点对，生成坡度约束条件，包括：
获取具有相邻关联关系的第一目标位置点对；
根据所述第一目标位置点对中的两个第一目标位置点分别对应的二维位置数据以及坡度数据，生成针对所述第一目标位置点对的坡度约束条件。
6.根据权利要求4或5所述的数据处理方法，其特征在于，所述根据具有压盖关联关系的第二目标位置点对，生成压盖约束条件，包括：
获取具有压盖关联关系的第二目标位置点对；
根据所述第二目标位置点对中的两个第二目标位置点的相对高程上下数据以及预设高度差，生成针对所述第二目标位置点对的压盖约束条件。
7.根据权利要求4至6任一项所述的数据处理方法，其特征在于，所述根据具有邻接关联关系的第三目标位置点对，生成邻接约束条件，包括：
获取具有邻接关联关系的第三目标位置点对；
根据所述第三目标位置点对中的两个第三目标位置点的邻接高度限制，生成针对所述第三目标位置点对的邻接约束条件。
8.根据权利要求4至7任一项所述的数据处理方法，其特征在于，所述预设类型的道路包括高架道路以及下沉道路，所述基于预设类型的道路上的目标位置点，生成松弛约束条件，包括：
获取高架道路上的目标位置点；
根据所述高架道路上的目标位置点对应的第一松弛变量以及预设高架高度，生成高架松弛约束条件；
获取下沉道路上的目标位置点；
根据所述下沉道路上的目标位置点对应的第二松弛变量以及预设下沉高度，生成下沉松弛约束条件；
根据所述高架松弛约束条件和下沉松弛约束条件得到松弛约束条件。
9.根据权利要求8所述的数据处理方法，其特征在于，所述在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件，包括：
基于每个目标位置点的预测相对高程变量、第一松弛变量以及第二松弛变量构建最优化函数；
在所述约束条件集的约束下，通过所述最优化函数预测每个目标位置点对应的预测相对高程数据；
当检测到多个预测相对高程数据表征的分布不满足预设条件时，返回执行在所述约束条件集下的约束下，通过所述最优化函数预测每个目标位置点对应的预测相对高程数据；
直至检测到多个预测相对高程数据表征的分布满足预设条件，结束预测。
10.根据权利要求9所述的数据处理方法，其特征在于，所述基于每个目标位置点的预测相对高程变量、第一松弛变量以及第二松弛变量构建最优化函数，包括：
基于每个目标位置点的预测相对高程变量和第一权重生成第一子优化函数；
基于第一松弛变量、第二松弛变量以及第二权重生成第二子优化函数；
其中，所述第一权重小于所述第二权重；
根据所述第一子优化函数和第二子优化函数生成最优化函数。
11.根据权利要求1至10任一项所述的数据处理方法，其特征在于，所述方法，还包括：
获取同一道路上相邻的目标位置点对应的两个目标相对高程数据；
基于两个目标相对高程数据，通过线性插值算法计算出目标位置点对之间的中间位置点的中间相对高程数据。
12.一种数据处理装置，其特征在于，包括：
获取单元，用于获取道路上的多个目标位置点，并确定每个目标位置点之间的位置关系，所述道路至少包括预设类型的道路；
生成单元，用于基于所述位置关系生成每个目标位置点之间的约束条件集，所述约束条件集用于指示多个目标位置点的相对高程数据所需满足的约束；
其中，所述约束条件集中至少包括预设类型的道路上的目标位置点的相对高程数据对应的松弛约束条件；
预测单元，用于在所述约束条件集的约束下，对每个目标位置点对应的相对高程数据进行迭代预测，直至预测后的多个预测相对高程数据表征的分布满足预设条件；
确定单元，用于基于表征的分布满足预设条件的多个预测相对高程数据确定每个目标位置点对应的目标相对高程数据。
13.一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存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至11任一项所述的数据处理方法中的步骤。
14.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可以在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至11任一项所述的数据处理方法中的步骤。
15.一种计算机程序产品，包括计算机程序或指令，其特征在于，该计算机程序或指令被处理器执行权利要求1至11任一项所述的数据处理方法中的步骤。
CN202211574349.7A 2022-12-08 2022-12-08 一种数据处理方法、装置及计算机可读存储介质 Pending CN116977575A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211574349.7A CN116977575A (zh) 2022-12-08 2022-12-08 一种数据处理方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211574349.7A CN116977575A (zh) 2022-12-08 2022-12-08 一种数据处理方法、装置及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN116977575A true CN116977575A (zh) 2023-10-31

Family

ID=88470113

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211574349.7A Pending CN116977575A (zh) 2022-12-08 2022-12-08 一种数据处理方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN116977575A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117723073A (zh) * 2024-02-07 2024-03-19 腾讯科技（深圳）有限公司 高程调整方法、装置、设备、存储介质和计算机程序产品

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117723073A (zh) * 2024-02-07 2024-03-19 腾讯科技（深圳）有限公司 高程调整方法、装置、设备、存储介质和计算机程序产品
CN117723073B (zh) * 2024-02-07 2024-05-14 腾讯科技（深圳）有限公司 高程调整方法、装置、设备、存储介质和计算机程序产品

Similar Documents

Publication Publication Date Title
KR101548647B1 (ko) 3차원 지형정보 가시화 프로세서 및 그 동작방법
Lin et al. Evaluating geo-located Twitter data as a control layer for areal interpolation of population
Li et al. Estimating geographical PV potential using LiDAR data for buildings in downtown San Francisco
CN109992923B (zh) 一种基于变分辨率成本表面的分阶段输电线路路径规划方法
CN102122395A (zh) 一种保持地形特征的自适应尺度dem建模方法
US11543080B2 (en) Automated pipeline construction modelling
CN103970919A (zh) 用于自动建筑信息建模的数据处理方法
US20210141969A1 (en) Scalably generating distribution grid topology
CN104574512A (zh) 一种顾及地形语义信息的多尺度dem构建方法
CN107688908B (zh) 研判施工安全风险的方法及装置
CN112117700B (zh) 水下电缆路线规划工具
Sahraoui et al. Integrated GIS software for computing landscape visibility metrics
CN104572924A (zh) 用于gis矢量建筑物多边形的多尺度表达信息生成方法
CN116977575A (zh) 一种数据处理方法、装置及计算机可读存储介质
Sabri et al. A multi-dimensional analytics platform to support planning and design for liveable and sustainable urban environment
Chaturvedi et al. Solar potential analysis and integration of the time-dependent simulation results for semantic 3D city models using dynamizers
CN116776444A (zh) 一种基于数字孪生的沉管隧道建造方法及系统
CN117115381B (zh) 数据处理方法和装置、存储介质及电子设备
ESTOQUE et al. < Original Papers> Validating ALOS PRISM DSM-derived surface feature height: Implications for urban volume estimation
CN111986320B (zh) 一种面向智慧城市应用的dem与倾斜摄影模型空间贴合优化方法
Sharma et al. Development of ‘3D city models’ using IRS satellite data
Guarneri et al. Comparing methods for interpolation to improve raster digital elevation models
Santos et al. Characterizing urban volumetry using lidar data
CN113724229B (zh) 高程差的确定方法、装置及电子设备
CN111091235A (zh) 变电站站区进出线路径的确定方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication