CN117407471A - 一种地图构建方法、计算设备及存储介质 - Google Patents
一种地图构建方法、计算设备及存储介质 Download PDFInfo
- Publication number
- CN117407471A CN117407471A CN202210803316.9A CN202210803316A CN117407471A CN 117407471 A CN117407471 A CN 117407471A CN 202210803316 A CN202210803316 A CN 202210803316A CN 117407471 A CN117407471 A CN 117407471A
- Authority
- CN
- China
- Prior art keywords
- road
- task
- target
- line
- data packet
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 26
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000013507 mapping Methods 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims description 44
- 238000005520 cutting process Methods 0.000 claims description 31
- 238000005457 optimization Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 15
- 238000012805 post-processing Methods 0.000 claims description 14
- 238000003384 imaging method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 description 14
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008034 disappearance Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
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)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种地图构建方法、计算设备及存储介质,该地图构建方法包括:地图构建方法,包括:在显示界面中导入道路数据包;生成建图任务的配置信息,所述配置信息包括所述建图任务包括相互之间具有输入和输出关系的多个子任务;根据所述道路数据包和所述配置信息执行所述建图任务;根据所述多个子任务之间的输入和输出关系生成拓扑关系网络;以及根据所述拓扑关系网络分析所述建图任务。
Description
技术领域
本公开涉及计算机技术领域,特别是涉及一种地图构建方法、计算设备及存储介质。
背景技术
高精度地图作为自动驾驶系统的核心模块,可以通过先验知识来弥补实际运行过程中传感器感知的不足,提高自动驾驶系统的稳定性,是自动驾驶系统中不可或缺的一部分。但高精度地图的构建却并非易事,车端收集到的各类传感器数据不能直接用来生成高精度地图,往往需要经过很多复杂的步骤,且需要对传感器数据进行分批多次的优化处理,才能达到高精度地图的要求;再加上构建流程中对中间结果的校验环节,使得整个构建流程变的十分复杂,直接影响了高精度地图生产的效率,如何有效管理这些复杂的流程,达到快速构建和更新高精度地图的目的,是自动驾驶行业要解决的关键问题。
发明内容
本公开提供一种地图构建方法、计算设备、存储介质及车辆,以解决或至少解决上述提到的问题。
本公开实施例的第一个方面提供了一种地图构建方法,包括:
包括:
在显示界面中导入针对目标道路的道路数据包;
生成建图任务的配置信息,所述配置信息包括所述建图任务包括相互之间具有输入和输出关系的多个子任务;
根据所述道路数据包和所述配置信息执行所述建图任务;
根据所述多个子任务之间的输入和输出关系生成拓扑关系网络;以及
根据所述拓扑关系网络确定所述建图任务的完成情况。
本公开实施例的第二个方面提供了一种计算设备,包括一个或多个处理器;和存储器,所述存储器存储有一个或多个程序,所述一个或多个程序在被所述一个或多个处理器执行时,使得所述一个或多个处理器实现根据本公开的地图构建方法。
本公开实施例的第三个方面提供了一种计算机可读存储介质,其上存储有程序,所述程序在被处理器执行时实现根据本公开的地图构建方法。
根据本公开的技术方案,通过构建高精度地图构建平台,来对建图流程中的每个步骤进行管理,使整个构建流程变得更清晰高效和可用。本公开使用更通用的级联任务调度方案,来将一个完整的建图任务拆分为自动触发执行的各子任务,各子任务之间具有输入和输出关系。并根据各子任务的输入和输出关系生成拓扑关系网络,以根据该拓扑关系网络来确定建图任务的完成情况,从而提高建图任务的执行效率。另外,本公开使用消息队列来获知任务状态的改变,避免无谓的轮询。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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示出了本公开一个实施例的地图构建方法100的流程图;
图2示出了本公开一个实施例的建图平台配置界面的示意图;
图3示出了本公开一个实施例的拓扑网络关系的示意图;
图4示出了本公开一个实施例的网格单元显示的示意图;以及
图5示出了本公开一个实施例的计算设备500的结构图。
具体实施方式
下面将结合附图,对本公开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公开的一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员可以作出各种变型和变换,所有以等同方式变换获得的技术方案都属于本公开保护的范围。
为了便于清楚描述本公开实施例的技术方案,在本公开的实施例中,采用了“第一”、“第二”等字样对功能或作用基本相同的相同项或相似项进行区分,本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1示出了根据本公开一个实施例的地图构建方法100的流程图。如图1所示,方法100包括:
步骤S110,在显示界面中导入针对目标道路的道路数据包;
步骤S120,生成建图任务的配置信息,该配置信息指示建图任务包括相互之间具有输入和输出关系的多个子任务;
步骤S130,根据道路数据包和建图任务的配置信息执行建图任务;
步骤S140,根据多个子任务之间的输入和输出关系生成拓扑关系网络;
步骤S150,根据拓扑关系网络分析建图任务。
在一些实施例中,建图平台具有显示界面,该显示界面可用于生成建图任务的配置信息,并执行建图任务。在一种实现方式中,可由专门的地图采集车来采集实际道路信息,生成道路数据包。在另一种实现方式中,可由消费者车辆(如卡车用户、汽车用户)的传感器采集实际道路信息,生成道路数据包。一个数据包可能包括预定时长或预定行驶距离的道路数据,具体可以包括道路及周边环境的成像数据,例如图像数据、点云数据,以及对这些成像数据进行检测后的语义信息等。该语义信息例如经检测到的道路数据中的障碍物、实线车道线、虚线车道线、以及被遮挡的车道线像素。
道路数据包还可以包括地图车在采集地图数据时不同时间戳(或时刻)下的车辆位姿。车辆位姿包括但不限于车辆的位置和姿态。位置包括但不限于道路点的二维坐标值、三维坐标值等,姿态代表车辆的朝向,包括俯仰角、偏航角和滚动角。可根据车辆位姿或时间戳去查找对应的道路成像数据,进而根据该道路成像数据生成对应的地图,如点云地图、语义地图、高精度地图等。
在一些实施例中,步骤S110中所导入的道路数据包可以是以下任意一种或多种数据包:原始数据包、原始数据包括经传感器位置对齐后的后处理数据包、单个数据包优化后的道路数据包,多个数据包联合优化后的道路数据包。一个数据包可以执行一次或多次任务,本公开对此不作限制。
其中,原始数据包包括地图车采集到的原始数据,这些原始数据可包括车辆在行驶过程中不同时刻的位置信息(或者位姿),例如IMU信息、GPS信息等。后处理数据包包括将各原始数据包根据IMU或相机坐标系转换或校正后的数据。数据包优化包括对道路数据包中各时刻的位置信息进行优化后的数据。其中,单个数据包优化包括基于单个道路数据包对该数据包中多个时刻下的位置信息、成像信息等对位置信息进行优化,得到优化后的位置信息。多个数据包联合优化则包括基于多个数据包中各时刻下的位置信息和成像信息等,对该多个数据包中各时刻下的位置信息进行联合优化,得到联合优化后的位置信息。通常可通过构建多种约束条件来进行位置优化,例如多个帧之间的车辆位置变化值约束、车辆速度变化值约束、车辆高度变化值约束、车辆朝向变化值约束、车辆结构尺寸约束等,本公开对此不作限制。
可选地,本公开还提供元数据查询功能,也就是所导入的每一个数据包或每个目标路段都能够查询其对应的元数据信息。响应于光标到达在数据导入栏中的各数据包标识处,显示该数据包所对应的数据信息,如所属的路段标识、数据包采集的起止时间、采集车辆编号等等。
在一些实施例中,多个子任务包括但不限于:点云生成、点云后处理、后处理文件推送、限速信息提取、交通灯标记、行驶轨迹提取、单包地形提取、多包地形优化、传感器数据对齐、单包车道线提取、多包车道线优化。也即配置信息还指示建图任务是否为点云生成、点云后处理、后处理文件推送、限速信息提取、交通灯标记、行驶轨迹提取、单包地形提取、多包地形优化、传感器数据对齐、单包车道线提取、多包车道线优化中的任意一种或多种。
其中,点云生成包括提取数据包中的点云。点云后处理包括对提取到的多帧点云进行点云配准。后处理文件推送包括对后处理后的文件进行格式转换,并推送给云端。限速信息包括提取并显示每条车道的限速信息。交通灯标记包括提取并显示每条车道中的交通灯。行驶轨迹提取包括提取地图车的行驶轨迹。单包地形提取包括提取单个数据包中的地形信息。多包地图优化包括针对多个数据包的地形信息进行联合优化,得到联合优化的一段地形信息。传感器数据对齐包括将采集得到的多个传感器数据,按照同一帧的采集时间戳对齐,从而确定同一采集时刻下的图像和点云数据。单包车道线提取包括提取单个数据包中的车道线信息,如车道线实线、车道线虚线。多包地图优化包括针对多个数据包的车道线信息进行联合优化,得到联合优化的一段车道线信息。
多个子任务之间能够建立级联关系,用于生成级联任务。因此,配置信息还指示建图任务是否为级联任务,该级联任务包括相互之间具有输入和输出关系的多个子任务。例如,系统根据导入的道路数据包或生成的道路片段创建一个级联任务:先进行点云生成,再进行点云后处理,再进行单包车道线提取、再进行多车车道线优化。还可以创建一个级联任务为:先进行点云生成,在进行点云后处理,再进行单包地形优化。本公开的建图平台会自动处理级联任务中的输入输出逻辑关系,用户只需确定各子任务的部分配置信息即可。
在一些实施例中,若已知用户选取了级联任务,且选取了其中一个子任务,则平台会自动推荐可供选择的级联任务类型,这些可供选择的级联任务类型包括用户已经选取的该子任务,并可以以下拉菜单的形式显示在界面中。另外,若建图任务只包含一个任务,则可将唯一的任务认为为唯一的子任务。
在另一些实施例中,配置信息还指示建图任务所属的第一任务类型,该第一任务类型包括如图2中配置界面所示的集成任务、独立任务或批处理任务中。
其中,独立任务指单个任务,基于该单个任务生成对应的地图。独立任务通常针对目标道路中的单个目标路段,用于生成该单个目标路段的地图。
集成任务包括多个子任务,该多个子任务之间具有出入和输出关系,通常某多个子任务的输出为某个子任务的输入。例如,假设集成任务有n个子任务,前n-1个子任务可能相互独立,这n-1个子任务的输出,共同作为第n个子任务的输入,从而最终得到该集成任务的地图。集成任务可针对目标道路中的多个目标路段,用于从整体上生成涵盖该多个目标路段的地图,且每个目标路段都可以有对应的任务配置信息。
批处理任务也可以包括多个子任务,但批处理任务的多个子任务之间相互独立,只是这多个子任务可以共享部分配置参数,因此可以批量生成对应的地图。批处理任务也可以针对目标道路的多个目标路段,每个目标路段对应一个或多个子任务,且每个目标路段都可以有对应的任务配置信息分别用于构建一个目标路段的地图。因此一个批处理任务最终会分别生成每个目标路段的地图。
在一些实施例中,集成任务中每个子任务可以分别生成配置信息,批处理任务的多个子任务可以共享全部或部分配置信息。本公开的配置信息还可以包括主机标识、采集该数据包的车辆标识、该数据包所对应的起止时间戳、数据包标识、操作者标识、总建图任务标识、任务生成时间等。
在一些实施例中,方法100还包括:将批处理任务中的每一个子任务、以及集成任务、独立任务按照任务生成时间的顺序存入到消息队列中,以便根据该消息队列对各任务进行处理。这里,因为批处理任务中的各子任务相互独立,本质上是为了分别完成多个建图任务,而集成任务和独立任务本质是为了完成单建图任务,因此将批处理的子任务与集成任务何独立任务作为待处理的任务,放入消息队列中,以便根据任务生成时间进行顺序处理。
在一些实施例中,步骤S130根据道路数据包和配置信息执行建图任务包括:
S131:基于道路数据包对目标道路进行切分,得到至少一个目标路段;
S132:基于道路数据包中的车辆位置查找对应的道路成像数据;
S133:根据道路成像数据和建图任务的配置信息执行建图任务。
在一种实现方式中,步骤S131根据用户在显示界面输入或选取的时间戳来进行道路切分。具体而言,基于道路数据包对目标道路进行切分包括:
A1:接收用户选取的起点时间戳和终点时间戳;以及
A2:根据该起点时间戳和终点时间戳确定目标路段的起点坐标和终点坐标。
在另一种实现方式中,步骤S131根据用户设置的切分线来进行道路切分。具体而言,基于道路数据包对目标道路进行切分包括:
B1:接收用户在显示界面所标记的至少一条切分线;以及
B2:基于切分线与目标道路之间的交点确定各目标路段的起点坐标和终点坐标。
在一些实施例中,道路数据包可以包括对应于多个目标道路的道路数据包,该多个数据包所对应的道路位置相近,因此步骤S131基于数据包对目标道路进行切分还可以包括:采用同一组切分线对多个数据包进行切分。这样可提高数据切分效率,采用一组切分线来切分多条道路。切分线可以为直线,也可以是曲线。
此外,还可以将每次生成的至少一条切分线的信息进行保存,并建立至少一条切分线与目标道路的关联关系。其中,切分线的信息包括以下至少一种:切分线长度、切分线上各点坐标、以及切分线与目标道路的交点坐标。因此,若切分线为直线,则可以用长度值或起点坐标存储,或者可以用起点坐标和终点坐标存储。若切分线为曲线,则可以用从起点到终点的一连串离散点坐标进行表示和存储。如果一条切分线覆盖了多条目标道路,则可根据该切分线与每条道路的交点,确定切分线在相邻两条道路中的中点,并以中点为分界点,将切分线划分给两边的道路,并记录所分属道路的道路标识。
这里,可存储目标道路、目标路段和切分线的关联关系。也就是保存每次建图任务导入的道路数据包所对应的道路,从该道路中切分出的目标路段,以及所确定的切分线。可选地,本公开的每个道路具有道路标识,例如可按照预定间距(如每隔200m,当然不限于此)将每条道路划分为多个道路单元,每个道路单元具有对应的道路标识。或者按照实际道路名称标记和区分不同道路。则本公开存储该目标道路所包括的各道路标识或名称的集合,目标路段所包括的各道路标识或名称的集合,以及对应的切分线。另外还可以存储切分线所覆盖的道路标识或名称的集合,例如分别存储每条切分线所覆盖的道路标识集合,或者分别存储每组切分线(一组代表对应于切分起点和切分终点的两条切分线)所覆盖的道路标识集合。
在又一种实现方式中,步骤S131根据历史建图任务的切分线来自动生成本任务可能需要的切分线。具体而言,基于道路数据包对目标道路进行切分包括:
C1:从历史建图任务中所保存的切分线中查找与目标道路相关联的至少一个候选切分线;
C2:从候选切分线中确定用于切分目标道路的目标切分线;以及
C3:根据该目标切分线对目标道路进行切分。
其中,从候选切分线中确定用于切分目标道路的目标切分线包括:将各候选切分线显示在显示界面;以及根据显示界面中各候选切分线与目标道路的交点位置,确定目标切分线。
例如,假设待生成地图的目标道路为道路段L,数据库中存储有与道路段L位置相同或相近的三条道路段的切分线,则可取这些关联道路的切分线作为候选切分线。之后根据这些候选切分线与道路段L的交点,确定出目标切分线。目标切分线可以人工确定,也可以根据计算设备的推荐算法自动给出,本公开对此不作限制。
其中,候选切分线所对应的道路与目标道路相同或位置接近;目标切分线为至少一个候选切分线,或者目标切分线为至少一条候选切分线经过移动得到的。可选地,可以根据各切分线所覆盖的道路标识集合,以及目标道路所覆盖的道路标识集合,确定出与目标道路的道路标识集合有交集的切分线作为候选切分线。可以判断单条切分线是否有交集,来确定单条切分线是否作为候选切分线;也可以判断单组切分线中的两条是否都有交集,来确定是否将单组切分线作为候选切分线。对于后者,可以当单组切分线中的两条切分线分别覆盖的道路标识集合都与目标道路的道路标记集合有交集时,才确定将该单组切分线作为候选切分线。
在一些实施例中,考虑到某些特殊路段需要时常更新,可以自动选取在历史建图任务中出现次数频繁的切分线作为本次建图任务的目标切分线。例如选取执行建图任务次数前5%(示例性数值,当然不限于此)的路段作为本次建图任务的目标路段。或者可以统计该目标道路中历史执行过的建图任务所对应的目标路段,以及每个目标路段执行建图任务的次数。之后按照建图次数对目标道路中各目标路段进行排序,筛选出建图任务次数偏少的路段作为目标路段,从而保障各路段地图更新的时效一致性。例如,可选出还未执行建图任务的路段或者建图任务次数排名后5%的路段作为目标路段,对这些路段执行批处理任务来构建每个路段的地图。
在一些实施例中,步骤S131中基于道路数据包对目标道路进行切分还可以包括:
D1:基于道路数据包对目标道路进行切分,得到至少一个候选路段;
D2:从至少一个候选路段中确定至少一个感兴趣的路段作为目标路段;
D3:根据目标路段的属性信息将目标路段添加到不同的分组中。
这里是为每个目标路段设定分组标签,该标签可以为多种类型,例如正向数据包、反向数据包,其中正向数据包代表该路段数据包是去程行驶时采集的数据包,反向数据包代表该数据包是返程行驶时采集的数据包。标签还可以包括道路属性,道路属性包括但不限于高速路、城市道路、匝道、丁字路口、十字路口、环岛、隧道等,其中高速路可以为一层或多层高速路。每种属性均可以有对应的分组,这样可将不同的目标路段划分到不同的分组中。
已知系统时间戳、采集车辆的位姿、以及不同时间戳下的图像和点云点能成像数据均有对应关系,因此本公开可在步骤S132基于道路数据包中的车辆位置查找对应的道路成像数据;并可在步骤S133根据道路成像数据和建图任务的配置信息执行建图任务。
在一些实施例中,步骤S140中根据多个子任务之间的输入和输出关系生成拓扑关系网络,图3示出了根据本公开一个实施例的拓扑关系网络的一个示意图。可以基于单次导入的数据包来生成拓扑关系网络,该数据包可能包括多个目标片段,并生成了多个建图任务,因此拓扑关系网络中可显示该数据包的多个目标片段的任务完成情况,且对每个目标片段显示级联任务、集成任务、批处理任务中前后各子任务的输入输出关系。还可以基于每个建图任务来生成拓扑关系网络。该拓扑关系网络可显示整个建图任务的进度,以及各子任务的完成情况。
本公开可实时监控各子任务的完成情况,每个子任务可标记其完成状态,完成状态包括待执行、启动中、执行中、执行成功、执行失败等。应当理解的是,如果建图任务失败,或某子任务失败,则会向用户发起通知。已执行完成的任务,还可标记其任务执行时长。比如,基于拓扑关系网络的输入和输出关系,当某子任务在执行中时,后续的其他子任务处于待执行状态;当前一个子任务快要执行成功,与之最近的下一个子任务可以处于启动中状态,从而提高任务的执行效率。
例如,后台接收到用户提交的任务配置信息后,会首先启动点云生成任务,并将该任务加入监控队列。建图平台持续监控点云生成任务的执行状态直到失败或成功,若失败则给用户发动失败通知,方便用户及时了解任务状态;若成功则发送成功通知,并判断点云生成任务是否存在下游任务,若存在点云转换这个下游任务,平台继续启动点云后处理任务,同样将该任务加入监控队列,继续执行当前点云转换任务,直至任务失败或成功。若成功则继续判断是否存在下游子任务,并将下一个子任务加入监控队列中
基于此,本公开可在步骤S150中根据拓扑关系网络分析建图任务,例如确定建图任务的完成情况。特别在建图任务失败时,基于每个子任务的状态可根据该拓扑关系网络快速分析发生异常的子任务,以进行针对性的问题解决。例如,根据各子任务所标记的完成状态,来确定当前建图任务执行到了哪一子任务,或者确定建图任务失败在哪一子任务,或者建图任务主要耗时在哪一子步骤。
另外,本公开还可维护一个历史任务表,该表中记录各历史建图任务以及各建图任务中子任务的任务信息和执行时长,例如记录各点云处理任务中目标路段的距离、建图任务的总时长、建图任务中各子任务的时长,从而计算得到每公里路段建图任务的平均时长、以及各子任务的平均时长。进一步地还可以更细粒度的维度来记录建图路段,如不同属性的路段,不同宽度的路段等。从而,在执行建图任务时,可以根据当前各子任务的执行时长,与记录中的平均时长,来确定各子任务执行是否超时。
在一些实施例中,方法100还可以包括:在显示界面的主页面和子页面预设埋点,以监测页面打开时间、接口加载时间、以及建图任务各节点的完成情况;以及实时显示总建图任务的完成情况、各建图任务的完成情况、以及各建图任务中的各子任务的完成情况。
在一些实施例中,所生成的地图包括根据数据包中的道路信息所显示的道路,道路信息包括但不限于道路标识、道路属性、车道线、限速信息、坡度信息、道路材质、道路行驶通畅度。其中,道路标识可按每隔预定距离分段标识,或者按照实际环境的道路名称分别标识,还可以按照实车采集时的数据采集时段分段标识。道路属性包括但不限于高速路、城市道路、匝道、丁字路口、十字路口、环岛、隧道等,其中高速路可包括一层高速路、两层高速路、甚至三层或四层高速路。限速信息包括最高速、最低速等。坡度信息包括坡角度和坡长度等。道路材质包括水泥路、柏油路、沙土路等。道路行驶通畅度包括是否有积水、是否有坑洼等。
此外,地图中还显示有道路上的基础设施图像和道路两侧的建筑物图像。基础设施包括但不限于交通灯、路杆、交通锥、路障等。建筑物图像包括建筑物外形,不同建筑物以不同颜色渲染,以有效区分比较临近的建筑物。
在一些实施例中,方法100还可以包括:按照预设经度和纬度步长将地图划分为多个网格单元,该网格单元具有标识;确定目标道路所覆盖的网格单元;以及以网格单元为单位存储基于目标道路生成的地图。图4示出了根据本公开一个实施例的网格单元显示的示意图,箭头所在线条为目标道路,目标道路所占据的多个网格为多个矩形区域,每个网格单元包括m经度和n纬度的面积(m和n均为正整数,例如均为1,当然不限于此)。这种存储方式可提高数据查找和存储效率。当然,原始数据包的存储,目标道路和对应的切分线的存储也可以网格单元为单位进行存储,从而根据相似或相同网格单元来推荐候选切分线。
由此可见,本公开通过构建高精度地图构建平台,来对建图流程中的每个步骤进行管理,使整个构建流程变得更清晰高效和可用。本公开使用更通用的级联任务调度方案,来将一个完整的建图任务拆分为自动触发执行的各子任务,当拿到上一个子任务的输出时,自动触发下一个子任务的执行;并使用消息队列来获知任务状态的改变,避免无谓的轮询。而且,在任务运行的同时,平台界面可显示与任务相关的所有信息,如任务的输入输出、配置参数、启动和结束时间等。同时平台也提供了统计分析功能,可以方便查看某个层级任务下的所有任务,某个数据包所执行过的所有任务等。
另外,在步骤S110导入数据包之后,本公开还可以先判断下道路是否发生变化,若道路发生变化,则继续执行步骤S120以及之后的步骤。以下提供一种检测道路是否变化的方法,也即修路检测方法。
步骤S210,获取传感器采集到的道路数据,该道路数据包括至少一个第一车道线,每个第一车道线包括至少一个第一基准点。第一车道线包括第一实线和第一虚线中的至少一种。第一基准点包括第一实线点和第一虚线点中的至少一种。其中,第一实线点包括第一实线的中心点,具体包括实线中心线上的一系列离散点,也可以为实线左右边界线上的离散点。第一虚线点包括第一虚线角点和第一虚线中心点中的至少一种。
步骤S220,获取与道路数据相对应的局部地图,该局部地图包括至少一个第二车道线,每个第二车道线包括至少一个第二基准点。每个第二车道线包括至少一个第二基准点。第二基准点包括第二实线点和第二虚线点中的至少一种,第二实线点包括第二实线的中心点,具体包括实线中心线上的一串离散点,或者包括实线左右边界线上的离散点。第二虚线点包括虚线块的中心点、虚线中心线上的一系列离散点,也可以包括虚线的四个角点。也即,第二虚线点包括第二虚线角点和第二虚线中心点中的至少一种。
步骤S230,根据第一车道线及其第一基准点、第二车道线及其第二基准点、以及道路数据和地图的投影关系,生成道路数据的道路特征;以及
步骤S240,将道路特征输入到道路检测模型中,得到道路数据中的道路是否发生变化的结果。
本公开的各基准点具有二维坐标或三维坐标。步骤S130可以将道路数据中的车道线投影到地图中,并根据地图中的原有车道线和投影后的车道线计算道路特征,具体可包括:
步骤S231,根据传感器的位姿将道路数据中的第一车道线投影到局部地图中,得到投影后的第三车道线,第三车道线上包括对应于各第一基准点的第三基准点;
步骤S232,根据局部地图中的各第二车道线及其第二基准点、以及各第三车道线及其第三基准点生成道路特征。
在一些实施例中,道路特征包括以下至少一种:
特征1:第二实线点到最近的第三实线点的第一距离参数。考虑到每帧道路数据中都可能有多个实线点,因此特征1进一步包括地图中所有的第二实线点分别对应的第一距离参数的平均值或总值。也即,遍历局部地图中的第二实线点,确定每个第二实线点分别对应的第一距离参数,并对所确定出的多个第一距离参数求平均值和/或总值。另外,第二实线点也即第二实线上的一连串离散中心点,第三实线点也即第三实线上的一连串离散中心点。已知每个点的二维或三维坐标,因此可确定距离第二实线点最近的第三实线点。可选地,第一距离参数包括第二实线中心点到最近的第三实线中心的距离。
特征2:第二虚线点到最近的第三虚线点的第二距离参数。特征2包括地图中所有的第二虚线点分别对应的第二距离参数的平均值或总值。也即,遍历局部地图中的第二虚线点,确定每个第二虚线点分别对应的第二距离参数,并对所确定出的多个第二距离参数求平均值和/或总值。可选地,第二距离参数包括第二虚线中心点到最近的第三虚线角点的距离。特征2与特征1的原理近似,这里不再赘述。
特征3:第三虚线点到最近的第二虚线点的第三距离参数。特征3包括地图中所有的第三虚线点分别对应的第三距离参数的平均值或总值。也即,遍历地图中投影出的多个第三虚线点,确定每个第三虚线点分别对应的第三距离参数,并对所确定出的多个第三距离参数求平均值和/或总值。可选地,第三距离参数包括第三虚线中心点到最近的第二虚线中心点的距离。
特征4:第三实线所在预定区域内的第二虚线点数目。特征4进一步包括地图中所有的第三实线分别对应的第二虚线点数目的平均值或总值。可选地,第二虚线点数目包括第三实线所在预定区域内的第二虚线角点数目。第三实线所在预定区域包括第三实线的边界框向外扩展预定距离后所得到的区域。本公开实施例检测出的每个实线车道线和虚线车道线都有其边界框,将边界框向外扩展预定距离或预定像素数目,所得到的区域为第三实线所在的预定区域。
特征5:第三实线所在预定区域内的第二实线点数目。特征5包括地图中所有的第三实线所在预定区域内的第二实线点数目的平均值或总值。可选地,第二实线点数目包括第三实线所在预定区域内的第二实线中心点数目。
特征6:在各第三虚线所在预定区域内不含第二虚线点的第三虚线数目。其中,第三虚线数目初始为0,且每有一个第三虚线所在预定区域内不含第二虚线点,则所述第三虚线数目加一。例如,若当前地图中有5个投影后的虚线车道线,其中有3个虚线车道线所在的预定区域内都没有原有地图虚线点,则特征6的数目为3。可选地,第三虚线所在预定区域包括以第三虚线的中心点为圆心,以预设长度为半径所得到的圆形区域,预设长度大于第三虚线的长度。或者,第三虚线所在预定区域包括将第三虚线的边界框向外扩展预定距离所得到的区域。
特征7:被遮挡的车道线面积与总车道面积之比。本公开实施例能够输出每帧道路数据中的车道线像素、非车道线像素、以及被遮挡的车道线像素,进而可以计算被遮挡的车道线面积和总车道线面积,具体可根据像素数目或几何关系来计算,这里不再赘述。
特征8:传感器前方预定区域内障碍物像素数量。其中,传感器前方预定区域包括采集该道路数据的传感器前方5m-10m区域范围内,当然不限于此。障碍物包括动态障碍物,具体包括车辆、行人、动物等动态障碍物。
在一些实施例中,道路特征还可以包括以下至少一种:车道宽度、车道内的车道线数目、车道线长度、车道线在当前车道中的序号、第二实线到距离最近的第三实线的第五距离参数、第三实线到最近的第二实线的第六距离参数、第三实线点到最近的第二实线点的第七距离参数。
之后,在步骤S150中将所生成的道路特征输入到预先训练的道路检测模型中,该道路检测模型的输入为所生成的道路特征,输出为道路是否发生变化,例如发生变化时输出1,未发生变化时输出0,以及道路是否发生变化的置信度。道路检测模型还可以进一步输出道路变化类型,以及每种道路变化类型的置信度。该道路变化类型包括以下至少一种:无变化、实线车道线消失、虚线车道线消失、实线车道线偏移、虚线车道线偏移、新增实线车道线、新增虚线车道线、实线车道线变为虚线车道线、虚线车道线变为实线车道线、道路变宽、道路变窄。每种变化类型可以对应一个输出标识,从而可根据输出标识来确定道路变化类型。另外,本公开的局部地图中可存储每个道路的道路标识,因此最后可确定不同道路标识对应的道路是否发生变化。
道路检测模型的训练集包括多张道路数据以及每张道路数据中是否发生车道线变化的标签,根据该每张道路数据及其对应的局部地图生成道路特征,即可进行模型训练。在一些实施例中,本公开实施例可以逐帧检测每帧图像或每帧点云中的道路是否变化,也即逐帧生成道路特征,并基于所生成的道路特征确定是否发生修路。已知采集每帧道路图像时传感器的位姿,可确定图像采集车的位置,而每个道路也具有道路标识,每个路段也有其所属道路的道路标识,因此可确定属于同一道路的多帧道路数据。之后,方法100还可以确定属于同一个道路的多个道路数据,并根据该多个道路数据的检测结果确定该道路是否发生变化。
在另一些实施例中,本公开实施例还可以先确定属于同一道路的多个道路数据,综合该多个道路数据计算道路特征,并根据该道路特征确定该道路是否发生变化。
图5示出了计算设备500的示例形式的机器的图示,在该计算设备内指令集在被执行时和/或处理逻辑在被启动时可以使该机器执行本文中所描述和/或要求的方法中的任何一种或多种。在备选实施例中,机器作为独立设备操作,或可以被连接(例如联网)到其他机器。在联网部署中,机器可以在服务器-客户端网络环境下以服务器或客户端机器的身份操作,或在对等(或分布式)网络环境中作为对等机操作。机器可以是个人计算机(PC)、膝上型计算机、平板计算系统、个人数字助理(PDA)、蜂窝电话、智能电话、网络应用、机顶盒(STB)、网络路由器、交换机或桥接器或能够执行指定将由该机器采取的动作的指令集(相继或以其他方式)或启动处理逻辑的任何机器。进一步地,虽然只图示了单个机器,但是术语“机器”也可以被理解为包括单独地或联合地执行用以执行本文中所描述和/或要求的方法中的任何一种或多种的指令集(或多个指令集)的机器的任何集合。
示例计算设备500可以包括可以经由总线506或其他数据传送系统彼此通信的数据处理器502(例如系统芯片(SoC)、通用处理核心、图形核心和可选其他处理逻辑)和存储器504(例如,内存)。计算设备500还可以包括各种输入/输出(I/O)设备和/或接口510,诸如触摸屏显示器、音频插孔、语音接口和可选网络接口512。在示例实施例中,网络接口512可以包括一个或多个无线电收发器,其被配置成与任何一个或多个标准无线和/或蜂窝协议或接入技术(例如蜂窝系统的第二代(2G)、2.5代、第三代(3G)、第四代(4G)和下一代无线电接入、全球移动通信系统(GSM)、通用分组无线电服务(GPRS)、增强型数据GSM环境(EDGE)、宽带码分多址(WCDMA)、LTE、CDMA2000、WLAN、无线路由器(WR)网格等)。网络接口512还可以被配置成与各种其他有线和/或无线通信协议(包括TCP/IP、UDP、SIP、SMS、RTP、WAP、CDMA、TDMA、UMTS、UWB、WiFi、WiMax、IEEE802.11x等)一起使用。本质上,网络接口812可以实际上包括或支持任何有线和/或无线通信和数据处理机构,通过该机构,信息/数据可以经由网络514在计算设备500与另一计算或通信系统之间传播。
存储器504可以表示机器可读介质(或计算机可读存储介质),在机器可读介质(或计算机可读存储介质)上存储实施本文中所描述和/或要求的方法或功能中的任何一个或多个的一个或多个指令集、软件、固件或其他处理逻辑(例如逻辑508)。在由计算设备500执行期间,逻辑508或其一部分也可以完全或至少部分地设置在处理器502内。如此,存储器504和处理器502也可以构成机器可读介质(或计算机可读存储介质)。逻辑508或其一部分也可以被配置为处理逻辑或逻辑,该处理逻辑或逻辑的至少一部分被部分地实现于硬件中。逻辑508或其一部分还可以经由网络接口512来通过网络514被传输或接收。虽然示例实施例的机器可读介质(或计算机可读存储介质)可以是单种介质,但是术语“机器可读介质”(或计算机可读存储介质)应被理解为包括存储一个或多个指令集的单种非暂时性介质或多种非暂时性介质(例如集中式或分布式数据库和/或相关联的高速缓存和计算系统)。术语“机器可读介质”(或计算机可读存储介质)也可以被理解为包括能够存储、编码或携带指令集以供机器执行并且使机器执行各种实施例的方法中的任何一种或多种或能够存储、编码或携带被这种指令集利用或与之相关联的数据结构的任何非暂时性介质。术语“机器可读介质”(或计算机可读存储介质)可以因此被理解为包括但不限于固态存储器、光学介质和磁性介质。
所公开的和其他实施例、模块以及本文档中所描述的功能操作可以在数字电子电路系统中、或在计算机软件、固件或硬件中(包括本文档中所公开的结构和其结构等效物)或它们中的一个或多个的组合中被实现。所公开的和其他实施例可以被实现为一个或多个计算机程序产品,也就是说,被编码在计算机可读介质上以由数据处理装置执行或以控制该数据处理装置的操作的计算机程序指令的一个或多个模块。计算机可读介质可以是机器可读存储设备、机器可读存储衬底、存储器设备、影响机器可读传播信号的物质合成物或它们中的一个或多个的组合。术语“数据处理装置”涵盖了用于处理数据的所有装置、设备和机器,包括例如可编程处理器、计算机或多个处理器或计算机。除了硬件之外,该装置还可以包括为探讨中的计算机程序创建执行环境的代码,例如构成处理器固件、协议栈、数据库管理系统、操作系统或它们中的一个或多个的组合的代码。传播信号是人工生成的信号,例如由机器生成的电信号、光信号或电磁信号,该信号被生成以对要传输给适合的接收器装置的信息进行编码。
计算机程序(也被称为程序、软件、软件应用、脚本或代码)可以以任何形式的编程语言(包括编译语言或解译语言)被写入,并且该计算机程序可以以任何形式被部署,包括被部署为独立的程序或部署为模块、部件、子例程或适合在计算环境中使用的另一单元。计算机程序并非必须与文件系统中的文件对应。程序可以被存储在保持其他程序或数据(例如被存储在标记语言文档中的一个或多个脚本)的文件的一部分中,或被存储在专用于探讨中的程序的单个文件中,或被存储在多个协作文件(例如存储一个或多个模块、子程序或部分代码的文件)中。计算机程序可以被部署成在一个计算机上执行或在被定位于一个站点处或被分布在多个站点中并且通过通信网络被互连的多个计算机上被执行。
本文档中所描述的过程和逻辑流可以被执行一个或多个计算机程序的一个或多个可编程处理器执行以通过对输入数据进行操作并且生成输出来执行功能。过程和逻辑流还可以被专用逻辑电路系统(例如FPGA(现场可编程门阵列)或者ASIC(专用集成电路))执行,并且装置还可以被实现为专用逻辑电路(例如FPGA(现场可编程门阵列)或者ASIC(专用集成电路))。
适合执行计算机程序的处理器包括例如通用微处理器和专用微处理器两者以及任何种类的数字计算机的任何一个或多个处理器。通常,处理器将接收来自只读存储器或随机存取存储器或两者的指令和数据。计算机的必要元件是用于执行指令的处理器和用于存储指令和数据的一个或多个存储器设备。通常,计算机还会包括用于存储数据的一个或多个海量存储设备(例如磁盘、磁光盘或光盘),或计算机还会被操作地联接以接收来自该一个或多个海量存储设备的数据或将数据传送给该一个或多个海量存储设备或进行两者。然而,计算机不需要具有这种设备。适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、介质和存储器设备,包括例如半导体存储器设备,例如EPROM、EEPROM和闪速存储器设备;磁盘,例如内部硬盘或可移除盘;磁光盘;以及CD-ROM盘和DVD-ROM盘。处理器和存储器可以被专用逻辑电路系统补充或可以被并入该专用逻辑电路系统中。
虽然本公开包含了许多细节,但是这些细节不应该被解释为对任何本公开或可能被要求保护的内容的范围的限制,而是作为可以针对特定本公开的特定实施例的特征的描述。在本公开中在单独实施例的上下文中被描述的某些特征还可以组合地被实现在单个实施例中。相反,在单个实施例的上下文中被描述的各种特征也可以单独地或以任何适合的子组合被实现在多个实施例中。此外,尽管上文可能将特征描述为以某些组合来起作用并且最初甚至同样地对这些特征进行了要求,但是在一些情况下可以从组合中删除来自所要求的组合的一个或多个特征,并且所要求的组合可以针对子组合或子组合的变化。
类似地,虽然在附图中以特定顺序描绘了操作,但是不应该将其理解为需要以所示出的特定顺序或以相继的顺序来执行这种操作,或需要执行所有图示的操作以实现期望的结果。此外,在本公开中所描述的实施例中的各种系统部件的分离不应被理解为在所有实施例中都需要这种分离。
仅描述了一些实现和示例,并且其他实现、增强和变化可以基于本公开中所描述和图示的内容来进行。
本文中所描述的实施例的说明旨在提供对各种实施例的结构的一般理解,并且它们并不旨在用作可能会利用本文中所描述的结构的部件和系统的所有元件和特征的完整描述。对于本领域的普通技术人员而言,在检阅本文中所提供的描述之后,许多其他实施例将是显而易见的。可以利用和得出其他实施例,使得可以在不脱离本公开的范围的情况下进行结构和逻辑的替换和改变。本文中的图仅是代表性的,并且可能未按比例绘制。某些比例可能被增大,而其他比例可能被最小化。因此,说明书和附图将被认为是说明性的而不是限制性的。
一些实施例在两个或更多个特定的互连的硬件模块或设备中实现功能,其中有关控制和数据信号在模块之间并通过模块被传达,或作为专用集成电路的部分。因此,示例系统适用于软件、固件和硬件实现。
虽然已经参照附图描述了本公开的示例性实施例或示例,但应理解,上文的示例性论述并非旨在是穷尽的或将本公开限制为所公开的具体形式。根据以上教导内容,很多修改和变型都是可能的。因此,所公开的主题不应当限于本文所述的任何单个实施例或示例,而应当根据所附权利要求书的广度和范围来解释。
Claims (20)
1.一种地图构建方法,包括:
在显示界面中导入针对目标道路的道路数据包;
生成建图任务的配置信息,所述配置信息指示所述建图任务包括相互之间具有输入和输出关系的多个子任务;
根据所述道路数据包和所述配置信息执行所述建图任务;
根据所述多个子任务之间的输入和输出关系生成拓扑关系网络;以及
根据所述拓扑关系网络分析所述建图任务。
2.根据权利要求1所述的方法,其中,
所述配置信息指示所述建图任务是否为级联任务,所述级联任务包括相互之间具有输入和输出关系的多个子任务。
3.根据权利要求1所述的方法,其中,
所述配置信息还指示所述建图任务是否为集成任务、独立任务或批处理任务;
所述集成任务和所述批处理任务均针对所述目标道路的多个目标路段,且均包括多个子任务,所述集成任务中有多个子任务的输出共同作为某个子任务的输入,所述批处理任务的多个子任务之间相互独立。
4.根据权利要求2所述的方法,还包括:
将所述批处理任务中的每一个子任务、以及所述集成任务、所述独立任务按照任务生成时间的顺序存入到消息队列中,以便根据该消息队列对各任务进行处理。
5.根据权利要求1所述的方法,其中,所述子任务述建图任务是否为包括以下至少一种:
点云生成、点云后处理、后处理文件推送、限速信息提取、交通灯标记、行驶轨迹提取、单包地形提取、多包地形优化、传感器数据对齐、单包车道线提取、多包车道线优化。
6.根据权利要求1所述的方法,其中,所述道路数据包包括在采集地图数据时车辆位置和时间戳的对应关系,所述根据所述道路数据包和所述配置信息执行所述建图任务包括:
基于所述道路数据包对所述目标道路进行切分,得到至少一个目标路段;
基于所述道路数据包中的车辆位置查找对应的道路成像数据;以及
根据所述道路成像数据和所述建图任务的配置信息执行所述建图任务。
7.根据权利要求6所述的方法,其中,所述道路数据包包括以下任意一种:
原始数据包、所述原始数据包括经传感器位置对齐后的后处理数据包、单个数据包优化后的道路数据包,多个数据包联合优化后的道路数据包,所述优化包括对道路数据包中各点的位置信息进行优化。
8.根据权利要求6所述的方法,其中,基于所述道路数据包对所述目标道路进行切分包括:
接收用户选取的起点时间戳和终点时间戳;以及
根据所述起点时间戳和终点时间戳所对应的车辆位置,确定所述目标路段。
9.根据权利要求6所述的方法,其中,基于所述数据包对所述目标道路进行切分包括:
接收用户在所述显示界面所标记的至少一条切分线;以及
基于所述切分线与所述目标道路之间的交点确定各目标路段的起点坐标和终点坐标。
10.根据权利要求9所述的方法,还包括:
将每次生成的所述至少一条切分线的信息进行保存,并建立所述至少一条切分线与所述目标道路的关联关系。
11.根据权利要求10所述的方法,其中,所述切分线为直线或曲线,所述切分线的信息包括以下至少一种:切分线长度、切分线上各点坐标、以及切分线与所述目标道路的交点坐标。
12.根据权利要求10所述的方法,其中,还包括:
从历史建图任务中所保存的切分线中查找与所述目标道路相关联的至少一个候选切分线;以及
从所述候选切分线中确定用于切分所述目标道路的目标切分线。
13.根据权利要求12所述的方法,其中,从所述候选切分线中确定用于切分所述目标道路的目标切分线包括:
将各候选切分线显示在所述显示界面;以及
根据所述显示界面中各候选切分线与所述目标道路的交点位置,确定所述目标切分线。
14.根据权利要求12所述的方法,其中,
所述候选切分线所对应的道路与所述目标道路相同或位置接近;
所述目标切分线为所述至少一个候选切分线,或者所述目标切分线为所述至少一条候选切分线经过移动得到的。
15.根据权利要求6所述的方法,基于所述道路数据包对所述目标道路进行切分包括:
基于所述道路数据包对所述目标道路进行切分,得到至少一个候选路段;
从所述至少一个候选路段中确定至少一个感兴趣的路段作为所述目标路段;
根据所述目标路段的属性信息将所述目标路段添加到不同的分组中。
16.根据权利要求1所述的方法,还包括:
按照预设经度和纬度步长将地图划分为多个网格单元,所述网格单元具有标识;
确定所述目标道路所覆盖的网格单元;以及
以网格单元为单位存储基于所述目标道路生成的地图。
17.根据权利要求1所述的方法,其中,所述在显示界面中导入所述道路数据包包括:
在所述显示界面创建任务层菜单,所述任务层菜单包括预期实现的总建图任务;以及
在所述任务层菜单中导入与所述总建图任务相关的所述目标道路的数据包,所述目标道路为所述总建图任务所覆盖区域内的道路。
18.根据权利要求17所述的方法,还包括:
在所述显示界面预设埋点,以监测页面打开时间、接口加载时间、以及建图任务各节点的完成情况;以及
实时显示总建图任务的完成情况、各建图任务的完成情况、以及各建图任务中的各子任务的完成情况。
19.一种计算设备,包括:
处理器、存储器、以及存储在存储器上并可在处理器上运行的计算机程序;
其中,所述处理器在运行所述计算机程序时,执行权利要求1-17任一项所述的方法。
20.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器运行时实现权利要求1-17任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210803316.9A CN117407471A (zh) | 2022-07-07 | 2022-07-07 | 一种地图构建方法、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210803316.9A CN117407471A (zh) | 2022-07-07 | 2022-07-07 | 一种地图构建方法、计算设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117407471A true CN117407471A (zh) | 2024-01-16 |
Family
ID=89498764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210803316.9A Pending CN117407471A (zh) | 2022-07-07 | 2022-07-07 | 一种地图构建方法、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117407471A (zh) |
-
2022
- 2022-07-07 CN CN202210803316.9A patent/CN117407471A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11410547B2 (en) | Method for defining vehicle ways using machine learning | |
CN110849384B (zh) | 导航路线生成方法、装置、可读存储介质和计算机设备 | |
CN105466435B (zh) | 一种导航系统的路线规划方法和装置 | |
US11335191B2 (en) | Intelligent telematics system for defining road networks | |
US20210350698A1 (en) | System for determining traffic metrics of a road network | |
CN105139434B (zh) | 露天矿山道路网自动构建方法及系统 | |
US11341846B2 (en) | Traffic analytics system for defining road networks | |
US11335189B2 (en) | Method for defining road networks | |
CN112632201B (zh) | 一种交通道路拓扑网构建方法及装置 | |
CN111126807B (zh) | 行程切分方法和装置、存储介质及电子装置 | |
CN111182457B (zh) | 地理围栏及生成方法、装置及存储介质 | |
CN111383444B (zh) | 预测路况状态的方法、装置、服务器及存储介质 | |
CN116935656B (zh) | 道路交通数据处理方法、装置、电子设备及存储介质 | |
CN114332822A (zh) | 确定车道组类型的方法、装置及电子设备 | |
CN116698075B (zh) | 路网数据处理方法、装置、电子设备及存储介质 | |
US11709258B2 (en) | Location data correction service for connected vehicles | |
CN117407471A (zh) | 一种地图构建方法、计算设备及存储介质 | |
CN115497298B (zh) | 交通监测方法、装置、电子设备和存储介质 | |
Tchuente et al. | Providing more regular road signs infrastructure updates for connected driving: A crowdsourced approach with clustering and confidence level | |
CN117419734A (zh) | 一种道路变化检测方法、计算设备及存储介质 | |
Michałowska et al. | Road Graph Generator: Mapping roads at construction sites from GPS data | |
Stoica et al. | Realistic Mobility Simulator For Smart Traffic Systems And Applications. | |
CN111552759B (zh) | 一种行动轨迹相关数据的获取方法、装置、设备及介质 | |
EP4361842A1 (en) | Map data processing method and apparatus | |
EP3919860A1 (en) | Intelligent telematics system for defining road networks |
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 |