CN117036632A - 冗余要素过滤方法、装置、设备及介质 - Google Patents
冗余要素过滤方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117036632A CN117036632A CN202311035080.XA CN202311035080A CN117036632A CN 117036632 A CN117036632 A CN 117036632A CN 202311035080 A CN202311035080 A CN 202311035080A CN 117036632 A CN117036632 A CN 117036632A
- Authority
- CN
- China
- Prior art keywords
- target road
- acquisition
- boundary
- area
- horizontal
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001914 filtration Methods 0.000 title claims abstract description 28
- 238000005070 sampling Methods 0.000 claims description 41
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 241000283070 Equus zebra Species 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/003—Navigation within 3D models or images
-
- 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
Abstract
本公开实施例公开了一种冗余要素过滤方法、装置、设备及介质,该方法包括:根据目标道路的车道线矢量数据,确定所述目标道路的边界车道线;根据所述目标道路的边界车道线,确定所述目标道路对应的采集边界;根据所述目标道路对应的采集边界,确定所述目标道路的水平采集区域;根据所述目标道路的水平采集区域和所述目标道路对应的采集轨迹的轨迹高程,确定所述目标道路对应的地图要素采集范围;滤除所述地图要素采集范围之外的冗余要素。该技术方案可以精确地剔除冗余要素。
Description
技术领域
本公开涉及高精地图制作技术领域,具体涉及一种冗余要素过滤方法、装置、设备及介质。
背景技术
高精地图是自动/辅助驾驶领域中的重要数据源,目前,可以通过采集原始地图资料来制作高精地图,该原始地图资料可以通过采集车对道路面及道路面上的地面标识、道路上方的交通标志牌、道路两侧的杆、交通标志牌等地图元素进行数据采集来得到。
为了采集到完备的地图资料,采集车上装备的采集设备的采集范围都会较大,可能会采集到采集车行驶道路范围外的,非交通标志的杆、牌、地面标志等要素(如道路范围外人行道,小区院内或园区院内的电线杆、指示牌、广告牌、商户牌匾、减速带等),或者采集到不同方向及不同层(高架桥、立交桥)道路的要素,此类要素不能对采集车轨迹所在道路的通行进行引导,属于冗余要素。
此类冗余要素由于几何外形与采集范围内的交通标志接近,自动化识别算法难以根据图像和点云将其排除,往往需要在建模成地图要素矢量数据之后,人工根据采集到的图像和点云进行核实和删除,处理效率较低。
发明内容
为了解决相关技术中的问题,本公开实施例提供一种冗余要素过滤方法、装置、设备及介质。
第一方面,本公开实施例中提供了一种冗余要素过滤方法。
具体地,所述冗余要素过滤方法,包括:
根据目标道路的车道线矢量数据,确定所述目标道路的边界车道线;
根据所述目标道路的边界车道线,确定所述目标道路对应的采集边界;
根据所述目标道路对应的采集边界,确定所述目标道路的水平采集区域;
根据所述目标道路的水平采集区域和所述目标道路对应的采集轨迹的轨迹高程,确定所述目标道路对应的地图要素采集范围;
滤除所述地图要素采集范围之外的冗余要素。
第二方面,本公开实施例中提供了一种冗余要素过滤装置,包括:
边界车道线确定模块,被配置为根据目标道路的车道线矢量数据,确定所述目标道路的边界车道线;
采集边界确定模块,被配置为根据所述目标道路的边界车道线,确定所述目标道路对应的采集边界;
区域确定模块,被配置为根据所述目标道路对应的采集边界,确定所述目标道路的水平采集区域;
范围确定模块,被配置为根据所述目标道路的水平采集区域和所述目标道路对应的采集轨迹的轨迹高程,确定所述目标道路对应的地图要素采集范围;
滤除模块,被配置为滤除所述地图要素采集范围之外的冗余要素。
第三方面,本公开实施例提供了一种电子设备,包括存储器和处理器,其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现如第一方面中任一项所述的方法。
第四方面,本公开实施例中提供了一种计算机可读存储介质,其上存储有计算机指令,该计算机指令被处理器执行时实现如第一方面中任一项所述的方法。
根据本公开实施例提供的技术方案,根据目标道路的车道线矢量数据,确定所述目标道路的边界车道线,根据所述目标道路的边界车道线,确定所述目标道路对应的采集边界,进而根据所述目标道路对应的采集边界,确定所述目标道路的水平采集区域,然后就可以根据所述目标道路的水平采集区域和所述目标道路对应的采集轨迹的轨迹高程,确定所述目标道路对应的地图要素采集范围,并将所述地图要素采集范围之外的冗余要素滤除,与相关技术中将采集车的行驶轨迹左右扩展一定范围来确定采集边界相比,使用边界车道线确定的采集边界更精确,进而可以精确地确定所述目标道路对应的地图要素采集范围,如此通过精确地确定目标道路的地图要素采集范围,可以对地图要素采集范围外的冗余要素进行精确剔除。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:
图1示出根据本公开的实施例的冗余要素过滤方法的流程图;
图2A示出根据本公开一实施方式的凹包区域的获取流程示意图;
图2B示出根据本公开一实施方式的冗余要素过滤方法的应用场景示意图;
图3示出根据本公开的实施例的冗余要素过滤装置的结构框图;
图4示出根据本公开的实施例的电子设备的结构框图;
图5示出适于用来实现根据本公开实施例的方法的计算机系统的结构示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施例,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施例无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关国家和地区的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。
如上文所述,高精地图是自动/辅助驾驶辅助领域中的重要数据源,目前,可以通过采集原始地图资料来制作高精地图,该原始地图资料可以通过采集车对道路面及道路面上的地面标识、道路上方的交通标志牌、道路两侧的杆、交通标志牌等地图元素进行数据采集来得到。为了采集到完备的地图资料,采集车上装备的采集设备的采集范围都会较大,可能会采集到采集车行驶道路范围外的,非交通标志的杆、牌、地面标志等要素(如道路范围外,人行道,小区院内或园区院内的电线杆、指示牌、广告牌、商户牌匾、减速带等),或者采集到不同方向及不同层(高架桥、立交桥)道路的要素,此类要素距离采集车轨迹所在道路过远,不能对采集车轨迹所在道路的通行进行引导,属于冗余要素。此类冗余要素由于几何外形与采集范围内的交通标志接近,自动化识别算法难以根据图像和点云将其排除,往往需要在建模成地图要素矢量数据之后,人工根据采集到的图像和点云进行核实和删除,处理效率较低。
本公开提供了一种冗余要素过滤方法,该方法可以利用目标道路的车道线矢量数据确定目标道路的边界车道线,并基于此构建目标道路的水平采集区域,与目标道路对应的采集轨迹的轨迹高程相结合确定目标道路对应的地图要素采集范围,进而滤除所述地图要素采集范围之外的冗余要素,可以精确地确定道路采集范围,对采集范围外的冗余要素进行精确剔除。
图1示出根据本公开的实施例的冗余要素过滤方法的流程图。如图1所示,所述冗余要素过滤方法包括以下步骤S101-S105:
在步骤S101中,根据目标道路的车道线矢量数据,确定所述目标道路的边界车道线;
在步骤S102中,根据所述目标道路的边界车道线,确定所述目标道路对应的采集边界;
在步骤S103中,根据所述目标道路对应的采集边界,确定所述目标道路的水平采集区域;
在步骤S104中,根据所述目标道路的水平采集区域和所述目标道路对应的采集轨迹的轨迹高程,确定所述目标道路对应的地图要素采集范围;
在步骤S105中,滤除所述地图要素采集范围之外的冗余要素。
在一种可能的实施方式中,该冗余要素过滤方法适用于可执行冗余要素过滤的计算机、计算设备、服务器、服务器集群等设备。
在一种可能的实施方式中,该目标道路指的是要进行冗余要素过滤的道路,可以是采集车进行本趟原始地图资料采集时所行驶的道路。
在一种可能的实施方式中,采集车在目标道路上行驶时可以使用安装在该采集车上的采集设备如摄像头、激光雷达、定位芯片等采集得到原始的地图资料,数据生产服务端可以根据该原始的地图资料进行数据生产,得到各种矢量数据,该矢量数据指的是采用线串(LineString)、多边形(Polygon)等几何表示形状,同时带有类别属性信息的道路要素,比如包括车道线矢量数据,斑马线和路面指示箭头等地面要素矢量数据,杆、电子眼、交通灯和交通标牌等非地面要素矢量数据,等等。
在一种可能的实施方式中,可以根据车道线矢量数据中的各车道线的类别、几何、方向及拓扑,将属于同一通行方向的车道的左右两侧边界的车道线确定为边界车道线,比如说,可以使用预定的规则,根据车道线矢量数据中的各车道线的类别、几何、方向及拓扑,确定边界车道线;该预定的规则可以是车道线类别属于路缘石、栅栏、双黄线等边界类别且所述车道线一侧是其他反向车道线或无车道线等。或者,还可以使用预先训练的车道线分类器,根据车道线矢量数据确定边界车道线;此时可以将该目标道路的车道线矢量数据输入至该车道线分类器,执行该车道线分类器,就可以得到各车道线是左边界、右边界,还是非边界。这里需要说明的是,可以使用样本数据来训练得到该车道线分类器,该样本数据包括样本道路的车道线矢量数据以及已标注的左边界车道线和右边界车道线。
在一种可能的实施方式中,在确定该目标道路的边界车道线后,可以将该边界车道线作为该目标道路对应的采集边界,将该采集边界内的道路区域作为该目标道路的水平采集区域。
在一种可能的实施方式中,该目标道路对应的地图要素主要包括地面要素和非地图要素,地面要素指的是位于道路面的地图要素如车道线、斑马线和路面指示箭头,非地图要素指的是位于道路上方的地图要素如杆、电子眼、交通灯和交通标牌;而冗余要素指的是与目标道路的通行无关的地图要素,比如说人行道,小区院内道路上的地图要素(如电线杆、指示牌、道路标识线等),或者与目标道路不同层或不同方向的道路上的地图要素。在水平方向上,冗余要素通常都不在该水平采集区域内,与水平采集区域间隔有一定距离,在垂直方向上,目标道路对应的地图要素(即非冗余要素)通常都不会超过采集车的轨迹高程太多,故可以根据所述目标道路的水平采集区域和所述目标道路对应的采集轨迹的轨迹高程确定初始的三维采集区域,然后将该初始的三维采集区域向左右水平方向扩展一定区域,向垂直向上方向扩展一定高程,得到所述目标道路对应的地图要素采集范围。位于该地图要素采集范围之外的地图要素可以作为冗余要素进行滤除。
本实施方式可以根据目标道路的车道线矢量数据,确定所述目标道路的边界车道线,根据所述目标道路的边界车道线确定所述目标道路对应的采集边界,进而根据所述目标道路对应的采集边界,确定所述目标道路的水平采集区域,然后就可以根据所述目标道路的水平采集区域和所述目标道路对应的采集轨迹的轨迹高程,确定所述目标道路对应的地图要素采集范围,与相关技术中将采集车的行驶轨迹左右扩展一定范围来确定采集边界相比,使用边界车道线确定的采集边界更精确,进而可以精确地确定所述目标道路对应的地图要素采集范围,如此通过精确地确定目标道路的地图要素采集范围,可以对地图要素采集范围外的冗余要素进行精确剔除。
在一种可能的实施方式中,所述方法还可以包括以下步骤:
响应于所述目标道路途经路口,获取所述目标道路中路口区域的区域边界线;
所述根据目标道路的边界车道线,确定所述目标道路对应的采集边界,包括:
根据所述目标道路的边界车道线和所述目标道路中路口区域的区域边界线,确定所述目标道路对应的采集边界。
在该实施方式中,如果目标道路途经路口,由于路口处不存在车道边界线,使用该边界车道线确定的采集边界就会不准确,此时,可以确定目标道路中路口处的边界线,由于路口处地图要素的作用范围可能较大比如说路口交通灯,分岔口指示牌等作用是整个路口区域的(包括同向道路和非同向道路的交叉区域),因此需要找到采集车通行该目标道路经过的路口区域的区域边界线。
在该实施方式中,该路口区域的确定可以有多种方案,一种方案是通过标精地图(SD地图)的路网确定标精地图中该目标道路的路口位置,根据高精车道线的拓扑关系,将该标精地图中该目标道路的路口位置投影到已获取的高精车道线上,确定目标道路上的路口区域;另一种方案是使用预先训练的车道线识别模型,根据车道线矢量数据识别属于路口区域的车道线,根据路口区域的车道线确定路口区域,这里需要说明的是,可以使用训练样本来训练得到该车道线识别模型,该训练样本包括样本道路的车道线矢量数据以及已标注的属于路口区域的车道线。又一种方案是根据车道线矢量数据生成目标道路的车道线图像,使用图像目标检测算法识别该车道线图像中的路口区域,再将该车道线图像中的路口区域投影至该高精车道线上,确定目标道路上的路口区域。当然,该路口区域的确定方法有很多种,在此不一一例举说明。
在该实施方式中,可以将目标道路的边界车道线和目标道路中路口区域的区域边界线连在一起形成目标道路对应的采集边界。
本实施方式考虑到路口场景下的水平采集区域要包含目标道路之外的区域即整个路口区域,故根据目标道路的边界车道线和所述目标道路中路口区域的区域边界线,确定所述目标道路对应的采集边界,进而准确地确定水平采集区域,避免路口处实际作用于该目标道路的地图要素如交通灯等等被错误剔除。
在一种可能的实施方式中,所述方法还包括:
获取所述边界车道线上不连续的两条边界车道线;
响应于所述两条边界车道线的属性匹配、所述两条边界车道线的角度差小于预定角度阈值且所述两条边界车道线之间的间隔距离小于预定距离阈值,确定所述边界车道线上不连续的两条边界车道线之间存在缺口。
在该实施方式中,判断边界车道线上是否存在缺口时,可以先获取边界线上不连续的两条边界车道线,如果所述两条边界车道线的属性匹配即均为左边界或均为右边界,两条边界车道线的角度差小于预定角度阈值,且两条边界车道线之间的间隔距离较小,小于预定距离阈值,则说明这不连续的两条边界车道线之间存在缺口。
在一种可能的实施方式中,所述方法可以包括以下步骤:
响应于所述目标道路的边界车道线上存在缺口且所述缺口不是路口,使用虚拟边界线填补所述缺口;
所述根据所述目标道路的边界车道线和所述目标道路中路口区域的区域边界线,确定所述目标道路对应的采集边界,包括:
根据所述目标道路的边界车道线、所述目标道路中路口区域的区域边界线和所述虚拟边界线,确定所述目标道路对应的采集边界。
在该实施方式中,由于道路边界处易存在小的内部路道口、由于遮挡造成的采集遗漏段、或者部分边界线磨损缺失等缺口,故需要使用虚拟边界线对道路边界进行补全,以确保采集边界可以包含一个完整的道路区域。如果该目标道路的边界车道线上存在缺口且所述缺口不是路口,就可以使用虚拟边界线填补所述缺口,比如说,可以直接用直线连接缺口的两端形成该虚拟边界线,或者在缺口之间插值形成该虚拟边界线。
在该实施方式中,可以将目标道路的边界车道线、所述目标道路中路口区域的区域边界线和所述虚拟边界线的集合,投影为鸟瞰视图,得到采集边界。
示例的,图2A示出根据本公开一实施方式的凹包区域的获取流程示意图,如图2A中上方所示的线性图包括采集车行驶在目标道路上进行数据采集的采集轨迹21和边界车道线22,该目标道路途经路口23,需要获取路口23的路口区域的区域边界线,还需要将边界车道线22中的缺口填充虚拟边界线,将目标道路的边界车道线、所述目标道路中路口区域的区域边界线和所述虚拟边界线的集合,投影为鸟瞰视图,该鸟瞰视图为目标道路的边界车道线、所述目标道路中路口区域的区域边界线和所述虚拟边界线在地图平面上的投影视图。
在一种可能的实施方式中,所述根据所述目标道路对应的采集边界,确定所述目标道路的水平采集区域,包括:
在所述目标道路对应的采集边界上进行采样,得到所述采集边界对应的采样点集合;
使用二维凹包构建算法,根据所述采样点集合构建凹包,得到所述目标道路的凹包区域;
基于所述凹包区域,确定所述目标道路的水平采集区域。
在该实施方式中,如果边界车道线上有不连续的断口,不属于上述的缺口,没有被虚拟边界线填充,或者区域边界线和边界车道线之间有断口,这就会导致获取的采集边界上有断口,不封闭,为了精确地获取到一个封闭的水平采集区域,可以对该采集边界进行采样,得到对应采样点集合,然后采用二维凹包构建算法,比如Alpha Shape(阿尔法形状,又称滚球法)或者Delaunay Erosion(三角剖分侵蚀)等算法,基于该采样点集合构建凹包,得到如图2A所示的多边形的凹包区域24,该凹包区域24是一个封闭区域,可以直接将该凹包区域24作为该目标道路的水平采集区域。
在该实施方式中,凹包构建算法用于计算包含该采样点集合的最小凹多边形,凸包构建算法用于计算包含该采样点集合的最小凸多边形,凸包构建算法得到的多边形的形状更简单,范围更大,而凹包构建算法得到的多边形的形状可以更精确地表达该采样点集合的形状,构建出更精确的水平采集区域。
本实施方式采用凹包算法来计算水平采集区域,相比于凸包算法,凹包算法可以构建出更精确的水平采集区域,而且仅构建二维凹包,相比于构建三维凹包计算更简单,计算效率更高。
在一种可能的实施方式中,所述在所述目标道路对应的采集边界上进行采样,得到所述采集边界对应的采样点集合,包括:
获取所述采集边界的边界形点;
按照预定的采样间隔对相邻边界形点之间的采集边界进行插值采样,得到所述采集边界对应的采样点集合,所述采样点集合包括所述边界形点和插值采样点。
在该实施方式中,在采样时,为了确保采样点集合对采集边界的精确拟合,可以先获取采集边界的边界形点,然后按照预定的采样间隔对相邻边界形点之间的采集边界进行插值采样,将该边界形点和插值采样点均作为采样点集合中的采样点。
在一种可能的实施方式中,所述方法还可以包括以下步骤:
获取所述目标道路对应的采集轨迹的轨迹起点和轨迹终点;
所述基于所述凹包区域,确定所述目标道路的水平采集区域,包括:
获取所述凹包区域中位于所述轨迹起点和所述轨迹终点之间的区域为所述目标道路的水平采集区域。
在该实施方式中,采集车从目标道路的起点行驶至终点时,除了能采集到目标道路起终点之间的地图要素外,还会采集到终点后方的道路中的车道线和其他地图要素,终点后方的区域并不属于该目标道路的采集区域,故为了确保水平采集区域的起终点的准确性,可以获取该目标道路对应的采集轨迹的轨迹起点和轨迹终点,使用该轨迹起点和轨迹终点对由采集边界的采样点集合构建的凹包区域进行进一步的精确化,将该凹包区域中位于该轨迹起点之前以及位于该轨迹终点之后的区域剔除,将剩余的凹包区域作为所述目标道路的水平采集区域。除了区域剔除方案外,还可以在采集轨迹的左右两侧扩充较大的横向缓冲区,得到轨迹扩充区域,然后计算该轨迹扩充区域与多边形的凹包区域的相交区域,该相交区域就是该凹包区域中位于所述轨迹起点和所述轨迹终点之间的区域,如此也可以获取目标道路的水平采集区域。
在一种可能的实施方式中,所述根据所述目标道路的水平采集区域和所述目标道路对应的采集轨迹的轨迹高程,确定所述目标道路对应的地图要素采集范围,包括:
将水平方向上与所述水平采集区域的最小距离不超过第一水平距离且垂直方向上超出所述轨迹高程不超过第一高程值的空间范围,作为所述目标道路对应的地面要素采集范围;
将水平方向上与所述水平采集区域的最小距离不超过第二水平距离且垂直方向上超出所述轨迹高程不超过第二高程值的空间范围,作为所述目标道路对应的非地面要素采集范围;
其中,所述第一水平距离小于所述第二水平距离,所述第一高程值小于所述第二高程值。
在该实施方式中,该水平方向指的是地图中的地平面方向,垂直方向指的是地图中垂直该水平方向的方向,该垂直方向上的垂直分量也即高程。
在该实施方式中,该地面要素如车道线、斑马线和路面指示箭头等,通常都位于目标道路的道路面上,而非地面要素如杆、电子眼、交通灯、交通标牌等,通常都设置在道路两侧,在水平方向上会距离道路面区域一定距离,在垂直方向上也会超出该道路面一定高度;因此,为了精确地滤除冗余要素,可以分别针对地面要素和非地面要素设置不同的采集范围,其中,地面要素采集范围小于该非地面要素采集范围。
在该实施方式中,可以设置该地面要素采集范围为水平方向上与所述水平采集区域的最小距离不超过第一水平距离且垂直方向上超出所述轨迹高程不超过第一高程值的空间范围,设置该非地面要素采集范围为水平方向上与所述水平采集区域的最小距离不超过第二水平距离且垂直方向上超出所述轨迹高程不超过第二高程值的空间范围,其中,所述第一水平距离小于所述第二水平距离,所述第一高程值小于所述第二高程值。
图2B示出根据本公开一实施方式的冗余要素过滤方法的应用场景示意图。如图2B所示,数据生产服务器201可以从采集车202中获取该采集车202行驶过目标道路后采集的原始的地图资料,并根据该原始的地图资料进行地图数据生产,得到地图要素的矢量数据,然后就可以利用上文中的冗余要素过滤方法过滤掉冗余要素,并过滤后的地图要素的矢量数据提供给地图制作服务器203,该地图制作服务器203可以据此制作更新地图数据,该更新后的地图数据可以提供给导航服务器204。该导航服务器204可以依据该地图数据为位置服务终端205提供导航数据进行导航、规划路径等服务。
图3示出根据本公开的实施例的冗余要素过滤装置的结构框图。其中,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图3所示,所述冗余要素过滤装置包括:
边界车道线确定模块301,被配置为根据目标道路的车道线矢量数据,确定所述目标道路的边界车道线;
采集边界确定模块302,被配置为根据所述目标道路的边界车道线,确定所述目标道路对应的采集边界;
区域确定模块303,被配置为根据所述目标道路对应的采集边界,确定所述目标道路的水平采集区域;
范围确定模块304,被配置为根据所述目标道路的水平采集区域和所述目标道路对应的采集轨迹的轨迹高程,确定所述目标道路对应的地图要素采集范围;
滤除模块305,被配置为滤除所述地图要素采集范围之外的冗余要素。
在一种可能的实施方式中,所述装置还包括:
路口边界确定模块,被配置为响应于所述目标道路途经路口,获取所述目标道路中路口区域的区域边界线;
所述采集边界确定模块被配置为:
根据所述目标道路的边界车道线和所述目标道路中路口区域的区域边界线,确定所述目标道路对应的采集边界。
在一种可能的实施方式中,所述装置还包括:
填补模块,被配置为响应于所述目标道路的边界车道线上存在缺口,用虚拟边界线填补所述缺口;
所述采集边界确定模块中所述根据所述目标道路的边界车道线和所述目标道路中路口区域的区域边界线,确定所述目标道路对应的采集边界的部分被配置为:
将所述目标道路的边界车道线、所述目标道路中路口区域的区域边界线和所述虚拟边界线的集合投影为鸟瞰视图,得到所述目标道路对应的采集边界。
在一种可能的实施方式中,所述区域确定模块被配置为:
在所述目标道路对应的采集边界上进行采样,得到所述采集边界对应的采样点集合;
使用二维凹包构建算法,根据所述采样点集合构建凹包,得到所述目标道路的凹包区域;
基于所述凹包区域,确定所述目标道路的水平采集区域。
在一种可能的实施方式中,所述装置还包括:
起终点获取模块,被配置为获取所述目标道路对应的采集轨迹的轨迹起点和轨迹终点;
所述区域确定模块中所述基于所述凹包区域,确定所述目标道路的水平采集区域的部分被配置为:
将所述凹包区域中位于所述轨迹起点和所述轨迹终点之间的区域作为所述目标道路的水平采集区域。
在一种可能的实施方式中,所述范围确定模块被配置为:
将水平方向上与所述水平采集区域的最小距离不超过第一水平距离且垂直方向上超出所述轨迹高程不超过第一高程值的空间范围,作为所述目标道路对应的地面要素采集范围;
将水平方向上与所述水平采集区域的最小距离不超过第二水平距离且垂直方向上超出所述轨迹高程不超过第二高程值的空间范围,作为所述目标道路对应的非地面要素采集范围;
其中,所述第一水平距离小于所述第二水平距离,所述第一高程值小于所述第二高程值。
在一种可能的实施方式中,所述区域确定模块中所述在所述目标道路对应的采集边界上进行采样,得到所述采集边界对应的采样点集合的部分被配置为:
获取所述采集边界的边界形点;
按照预定的采样间隔对相邻边界形点之间的采集边界进行插值采样,得到所述采集边界对应的采样点集合,所述采样点集合包括所述边界形点和插值采样点。
在一种可能的实施方式中,所述方法还包括:
获取模块,被配置为获取所述边界车道线上不连续的两条边界车道线;
缺口确定模块,被配置为响应于所述两条边界车道线的属性匹配、所述两条边界车道线的角度差小于预定角度阈值且所述两条边界车道线之间的间隔距离小于预定距离阈值,确定所述边界车道线上不连续的两条边界车道线之间存在缺口。
本装置实施方式中提及的技术术语和技术特征相同或相似,对于本装置中涉及的技术术语和技术特征的解释和说明可参考上述方法实施方式的解释的说明,此处不再赘述。
本公开还公开了一种电子设备,图4示出根据本公开的实施例的电子设备的结构框图。
如图4所示,所述电子设备400包括存储器401和处理器402,其中,存储器401用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器402执行以实现根据本公开的实施例的方法。
图5示出适于用来实现根据本公开实施例的方法的计算机系统的结构示意图。
如图5所示,计算机系统500包括处理单元501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行上述实施例中的各种处理。在RAM 503中,还存储有计算机系统500操作所需的各种程序和数据。处理单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。其中,所述处理单元501可实现为CPU、GPU、TPU、FPGA、NPU等处理单元。
特别地,根据本公开的实施例,上文描述的方法可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括计算机指令,该计算机指令被处理器执行时实现上文所述的方法步骤。在这样的实施例中,该计算机程序产品可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过可编程硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中电子设备或计算机系统中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种冗余要素过滤方法,包括:
根据目标道路的车道线矢量数据,确定所述目标道路的边界车道线;
根据所述目标道路的边界车道线,确定所述目标道路对应的采集边界;
根据所述目标道路对应的采集边界,确定所述目标道路的水平采集区域;
根据所述目标道路的水平采集区域和所述目标道路对应的采集轨迹的轨迹高程,确定所述目标道路对应的地图要素采集范围;
滤除所述地图要素采集范围之外的冗余要素。
2.根据权利要求1所述的方法,其中,所述方法还包括:
响应于所述目标道路途经路口,获取所述目标道路中路口区域的区域边界线;
所述根据目标道路的边界车道线,确定所述目标道路对应的采集边界,包括:
根据所述目标道路的边界车道线和所述目标道路中路口区域的区域边界线,确定所述目标道路对应的采集边界。
3.根据权利要求2所述的方法,其中,所述方法包括:
响应于所述目标道路的边界车道线上存在缺口,使用虚拟边界线填补所述缺口;
所述根据所述目标道路的边界车道线和所述目标道路中路口区域的区域边界线,确定所述目标道路对应的采集边界,包括:
将所述目标道路的边界车道线、所述目标道路中路口区域的区域边界线和所述虚拟边界线的集合投影为鸟瞰视图,得到所述目标道路对应的采集边界。
4.根据权利要求1至3任一项所述的方法,其中,所述根据所述目标道路对应的采集边界,确定所述目标道路的水平采集区域,包括:
在所述目标道路对应的采集边界上进行采样,得到所述采集边界对应的采样点集合;
使用二维凹包构建算法,根据所述采样点集合构建凹包,得到所述目标道路的凹包区域;
基于所述凹包区域,确定所述目标道路的水平采集区域。
5.根据权利要求4所述的方法,其中,所述在所述目标道路对应的采集边界上进行采样,得到所述采集边界对应的采样点集合,包括:
获取所述采集边界的边界形点;
按照预定的采样间隔对相邻边界形点之间的采集边界进行插值采样,得到所述采集边界对应的采样点集合,所述采样点集合包括所述边界形点和插值采样点。
6.根据权利要求4所述的方法,其中,所述方法还包括:
获取所述目标道路对应的采集轨迹的轨迹起点和轨迹终点;
所述基于所述凹包区域,确定所述目标道路的水平采集区域,包括:
将所述凹包区域中位于所述轨迹起点和所述轨迹终点之间的区域作为所述目标道路的水平采集区域。
7.根据权利要求1所述的方法,其中,所述根据所述目标道路的水平采集区域和所述目标道路对应的采集轨迹的轨迹高程,确定所述目标道路对应的地图要素采集范围,包括:
将水平方向上与所述水平采集区域的最小距离不超过第一水平距离且垂直方向上超出所述轨迹高程不超过第一高程值的空间范围,作为所述目标道路对应的地面要素采集范围;
将水平方向上与所述水平采集区域的最小距离不超过第二水平距离且垂直方向上超出所述轨迹高程不超过第二高程值的空间范围,作为所述目标道路对应的非地面要素采集范围;
其中,所述第一水平距离小于所述第二水平距离,所述第一高程值小于所述第二高程值。
8.一种冗余要素过滤装置,包括:
边界车道线确定模块,被配置为根据目标道路的车道线矢量数据,确定所述目标道路的边界车道线;
采集边界确定模块,被配置为根据所述目标道路的边界车道线,确定所述目标道路对应的采集边界;
区域确定模块,被配置为根据所述目标道路对应的采集边界,确定所述目标道路的水平采集区域;
范围确定模块,被配置为根据所述目标道路的水平采集区域和所述目标道路对应的采集轨迹的轨迹高程,确定所述目标道路对应的地图要素采集范围;
滤除模块,被配置为滤除所述地图要素采集范围之外的冗余要素。
9.一种电子设备,包括存储器和处理器;其中,所述存储器用于存储一条或多条计算机指令,所述一条或多条计算机指令被所述处理器执行以实现权利要求1至7任一项所述的方法步骤。
10.一种计算机可读存储介质,其上存储有计算机指令,其中,该计算机指令被处理器执行时实现权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311035080.XA CN117036632A (zh) | 2023-08-16 | 2023-08-16 | 冗余要素过滤方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311035080.XA CN117036632A (zh) | 2023-08-16 | 2023-08-16 | 冗余要素过滤方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117036632A true CN117036632A (zh) | 2023-11-10 |
Family
ID=88633311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311035080.XA Pending CN117036632A (zh) | 2023-08-16 | 2023-08-16 | 冗余要素过滤方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117036632A (zh) |
-
2023
- 2023-08-16 CN CN202311035080.XA patent/CN117036632A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111462275B (zh) | 一种基于激光点云的地图生产方法和装置 | |
CN109991984B (zh) | 用于生成高精细地图的方法、装置和计算机存储介质 | |
WO2018068653A1 (zh) | 点云数据处理方法、装置及存储介质 | |
CN111542860A (zh) | 用于自主车辆的高清地图的标志和车道创建 | |
CN112270272B (zh) | 高精度地图制作中道路路口提取方法及系统 | |
WO2021003487A1 (en) | Training data generation for dynamic objects using high definition map data | |
CN108428254A (zh) | 三维地图的构建方法及装置 | |
CN113392169A (zh) | 一种高精度地图更新的方法、装置及服务器 | |
CN114509065B (zh) | 地图构建方法、系统、车辆终端、服务器端及存储介质 | |
CN111380544A (zh) | 车道线的地图数据生成方法及装置 | |
CN112434707B (zh) | 一种交通路口rpp点自动提取方法及装置 | |
Choi et al. | Methods to detect road features for video-based in-vehicle navigation systems | |
CN109635701B (zh) | 车道通行属性获取方法、装置和计算机可读存储介质 | |
CN117576652B (zh) | 道路对象的识别方法、装置和存储介质及电子设备 | |
CN105444773A (zh) | 一种基于实景识别与增强现实的导航方法及系统 | |
CN112837414B (zh) | 基于车载点云数据的三维高精度地图的构建方法 | |
CN114706936B (zh) | 地图数据处理方法及基于位置的服务提供方法 | |
CN116469066A (zh) | 地图生成方法以及地图生成系统 | |
CN117036632A (zh) | 冗余要素过滤方法、装置、设备及介质 | |
CN114120631B (zh) | 构建动态高精度地图的方法、装置及交通云控平台 | |
KR102368262B1 (ko) | 다중 관측정보를 이용한 신호등 배치정보 추정 방법 | |
CN112507887B (zh) | 一种路口标志牌提取及关联的方法及装置 | |
CN114840626A (zh) | 高精地图数据处理方法、行车导航方法及相关装置 | |
CN114662564A (zh) | 道路数据融合方法及车辆自动驾驶方法 | |
CN116152448A (zh) | 一种基于图像数据进行道路元素矢量化提取的方法 |
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 |