CN117708261B - 地图数据处理方法、装置、设备、存储介质及程序产品 - Google Patents
地图数据处理方法、装置、设备、存储介质及程序产品 Download PDFInfo
- Publication number
- CN117708261B CN117708261B CN202410148425.0A CN202410148425A CN117708261B CN 117708261 B CN117708261 B CN 117708261B CN 202410148425 A CN202410148425 A CN 202410148425A CN 117708261 B CN117708261 B CN 117708261B
- Authority
- CN
- China
- Prior art keywords
- road
- road network
- line
- candidate information
- target area
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 104
- 238000000034 method Methods 0.000 claims abstract description 75
- 238000012795 verification Methods 0.000 claims description 79
- 238000003709 image segmentation Methods 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 37
- 230000015654 memory Effects 0.000 claims description 33
- 238000010586 diagram Methods 0.000 claims description 28
- 230000001680 brushing effect Effects 0.000 claims description 23
- 238000005452 bending Methods 0.000 claims description 22
- 230000035515 penetration Effects 0.000 claims description 15
- 238000009499 grossing Methods 0.000 claims description 12
- 238000013480 data collection Methods 0.000 claims description 8
- 238000013506 data mapping Methods 0.000 claims description 8
- 230000004048 modification Effects 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010408 sweeping Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 description 25
- 238000005516 engineering process Methods 0.000 description 16
- 230000000694 effects Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 7
- 238000013136 deep learning model Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000005291 magnetic effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Instructional Devices (AREA)
Abstract
本申请实施例提供一种地图数据处理方法、装置、设备、存储介质及程序产品,至少应用于云技术领域和地图领域,其中方法包括:响应于针对电子地图中目标区域的道路路网生成请求,获取目标区域的道路采集数据、目标区域的原始路网和异源路网;基于道路采集数据生成目标区域的生成路网;对生成路网、原始路网和异源路网进行路网对齐处理,得到生成路网中的候选情报道路对应的候选情报线条;将候选情报线条挂接至原始路网中,得到目标区域的更新路网;采用更新路网对电子地图中的目标区域进行地图数据处理。通过本申请,能够实现对电子地图的自动化处理,从而提高电子地图的制图效率,降低制图周期和制图成本。
Description
技术领域
本申请实施例涉及互联网领域,涉及但不限于一种地图数据处理方法、装置、设备、存储介质及程序产品。
背景技术
随着计算机技术和导航技术的快速发展,高精度电子地图的使用用户数量越来越多,而由于实际道路路网会不断的发生变更,例如,道路临时封闭、新修道路等,会需要对电子地图进行及时和准确的更新。
相关技术中,通常采用传统的手工作业方式进行地图绘制,包括通过遥感卫星影像、轨迹流量数据、众包采集、异源路网等数据辅助验证道路的存在性,并通过相关信息为绘制的道路添加道路等级、道路类型、通行能力、通行状态、铺设状态、禁穿属性、车辆类型、车道数等属性,然后通过手工绘制的方式绘制符合道路形态的线条并将其挂接到现有的路网中。
但是,相关技术中的作业方式需要大量经过培训的技术人员手工作业,过程较为复杂,制图周期长,制图效率较低,成本较高。
发明内容
本申请实施例提供一种地图数据处理方法、装置、设备、存储介质及程序产品,至少能够应用于云技术领域或地图领域中,能够实现对电子地图的自动化处理,从而提高电子地图的制图效率,降低制图周期和制图成本。
本申请实施例的技术方案是这样实现的:
本申请实施例提供一种地图数据处理方法,包括:响应于针对电子地图中目标区域的道路路网生成请求,获取所述目标区域的道路采集数据、所述目标区域的原始路网和异源路网;所述原始路网是所述电子地图中已经生成的所述目标区域的路网,所述异源路网是其他电子地图中所述目标区域的路网;基于所述道路采集数据生成所述目标区域的生成路网;对所述生成路网、所述原始路网和所述异源路网进行路网对齐处理,得到所述生成路网中的候选情报道路对应的候选情报线条;将所述候选情报线条挂接至所述原始路网中,得到所述目标区域的更新路网;采用所述更新路网对所述电子地图中的目标区域进行地图数据处理。
本申请实施例提供一种地图数据处理装置,包括:获取模块,用于响应于针对电子地图中目标区域的道路路网生成请求,获取目标区域的道路采集数据、所述目标区域的原始路网和异源路网;所述原始路网是所述电子地图中已经生成的所述目标区域的路网,所述异源路网是其他电子地图中所述目标区域的路网;路网生成模块,用于基于所述道路采集数据生成所述目标区域的生成路网;路网对齐模块,用于对所述生成路网、所述原始路网和所述异源路网进行路网对齐处理,得到所述生成路网中的候选情报道路对应的候选情报线条;线条挂接模块,用于将所述候选情报线条挂接至所述原始路网中,得到所述目标区域的更新路网;地图数据处理模块,用于采用所述更新路网对所述电子地图中的目标区域进行地图数据处理。
本申请实施例提供一种电子设备,包括:存储器,用于存储可执行指令;处理器,用于执行所述存储器中存储的可执行指令时,实现上述的地图数据处理方法。
本申请实施例提供一种计算机程序产品,该计算机程序产品包括可执行指令,可执行指令存储在计算机可读存储介质中;其中,电子设备的处理器从计算机可读存储介质中读取可执行指令,并执行可执行指令时,实现上述的地图数据处理方法。
本申请实施例提供一种计算机可读存储介质,存储有可执行指令,用于引起处理器执行所述可执行指令时,实现上述的地图数据处理方法。
本申请实施例具有以下有益效果:
在进行电子地图数据处理时,首先基于电子地图中目标区域的道路采集数据生成目标区域的生成路网;然后,对生成路网、原始路网和异源路网进行路网对齐处理,得到生成路网中的候选情报道路对应的候选情报线条;该候选情报线条是需要挂接至目标区域的原始路网中的道路线条,在将候选情报线条挂接至原始路网中,得到目标区域的更新路网之后,采用更新路网对电子地图中的目标区域进行地图数据处理。如此,由于是基于目标区域的道路采集数据自动化生成目标区域的生成路网,并对生成路网、原始路网和异源路网进行路网对齐处理,也就是说,基于原始路网和异源路网对生成路网中的道路线条进行校准,以确定出生成路网中存在且原始路网中不存在,同时异源路网中也存在的候选情报道路对应的候选情报线条,即,通过路网对齐处理能够确定出原始路网中没有的新的候选情报道路,这样可以实现将原始路网中没有的新的候选情报道路对应的候选情报线条挂接至原始路网中,实现对原始路网中道路线条的快速准确处理,即实现对电子地图的自动化处理,从而提高电子地图的制图效率,降低制图周期和制图成本。
附图说明
图1是本申请实施例提供的地图数据处理系统的一个可选的架构示意图;
图2是本申请实施例提供的电子设备的结构示意图;
图3是本申请实施例提供的地图数据处理方法的一个可选的流程示意图;
图4是本申请实施例提供的地图数据处理方法的另一个可选的流程示意图;
图5是本申请实施例提供的将候选情报线条挂接至原始路网中的实现流程示意图;
图6是本申请实施例提供的质量检查方式一的实现流程示意图;
图7是本申请实施例提供的质量检查方式二的实现流程示意图;
图8是本申请实施例提供的质量检查方式三的实现流程示意图;
图9是本申请实施例提供的质量检查方式四的实现流程示意图;
图10是本申请实施例提供的地图数据处理方法的效果示意图;
图11是本申请实施例提供的地图数据处理方法中生成路网生成过程的输入源数据和产出结果示意图;
图12A是本申请实施例提供的线条形态处理结果效果图;
图12B是本申请实施例提供的线条平滑处理结果效果图;
图13是本申请实施例提供的情报线条与原始路网的差分和融合过程示意图;
图14A是本申请实施例提供的道路形态扭曲问题示例图;
图14B是本申请实施例提供的道路形态弯折问题示例图;
图14C是本申请实施例提供的道路形态丁字路口问题示例图;
图15是本申请实施例提供的道路宽度属性示例图;
图16是本申请实施例提供的拓扑关系不一致的结果示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。除非另有定义,本申请实施例所使用的所有的技术和科学术语与属于本申请实施例的技术领域的技术人员通常理解的含义相同。本申请实施例所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
本申请实施例中,术语“模块”或“单元”是指有预定功能的计算机程序或计算机程序的一部分,并与其他相关部分一起工作以实现预定目标,并且可以通过使用软件、硬件(如处理电路或存储器)或其组合来全部或部分实现。同样的,一个处理器(或多个处理器或存储器)可以用来实现一个或多个模块或单元。此外,每个模块或单元都可以是包含该模块或单元功能的整体模块或单元的一部分。
在对本申请实施例提供的地图数据处理方法进行说明之前,首先对本申请实施例中涉及的专业术语进行说明:
(1)响应于:用于表示所执行的操作所依赖的条件或者状态,当满足所依赖的条件或状态时,所执行的一个或多个操作可以是实时的,也可以具有设定的延迟;在没有特别说明的情况下,所执行的多个操作不存在执行先后顺序的限制。
(2)遥感影像:是指0.3分辨率和0.5分辨率的卫星影像图。
(3)道路情报:是指用于描述道路的数据,包括用以描述道路形态的坐标点串组成的矢量线条、道路等级、道路类型、道路名称等属性信息。
(4)异源路网:指区别于当前电子地图的道路路网的其他电子地图的路网,也可以理解成竞品路网。
基于相关技术中以手工作业方式进行地图绘制的方案,本申请实施例提出一种道路情报数据自动化上线的质量检查和地图更新方案,即地图数据处理方法,通过对基于遥感影像和轨迹流量信息生成的生成路网,结合原始路网和异源路网等不同数据源的特征信息,对生成路网的存在性以及生成路网与原始路网结合生成的新路网(即更新路网)在拓扑结构、线条形态、道路属性等方面进行质量检查,以完成道路情报数据的自动化上线,并提升道路情报数据的质量和可靠性。也就是说,本申请实施例结合遥感影像、轨迹流量信息、原始路网及异源路网等所需信息,自动生成符合人工作业规范标准的道路数据,极大降低制图成本,可高效率完成大规模的路网上线。
具体来说,本申请实施例提供的地图数据处理方法中,首先,响应于针对电子地图中目标区域的道路路网生成请求,获取目标区域的道路采集数据、目标区域的原始路网和异源路网;原始路网是电子地图中已经生成的目标区域的路网,异源路网是其他电子地图中目标区域的路网;然后,基于道路采集数据生成目标区域的生成路网;并对生成路网、原始路网和异源路网进行路网对齐处理,得到生成路网中的候选情报道路对应的候选情报线条;再然后,将候选情报线条挂接至原始路网中,得到目标区域的更新路网;最后,采用更新路网对电子地图中的目标区域进行地图数据处理。如此,由于是基于目标区域的道路采集数据自动化生成目标区域的生成路网,并对生成路网、原始路网和异源路网进行路网对齐处理,也就是说,基于原始路网和异源路网对生成路网中的道路线条进行校准,以确定出生成路网中存在且原始路网中不存在,同时异源路网中也存在的候选情报道路对应的候选情报线条,即,通过路网对齐处理能够确定出原始路网中没有的新的候选情报道路,这样可以实现将原始路网中没有的新的候选情报道路对应的候选情报线条挂接至原始路网中,实现对原始路网中道路线条的快速准确处理,即实现对电子地图的自动化处理,从而提高电子地图的制图效率,降低制图周期和制图成本。
在解释本申请实施例的地图数据处理方法之前,这里,首先说明本申请实施例的地图数据处理设备的示例性应用,该地图数据处理设备是用于实现地图数据处理方法的电子设备。在一种实现方式中,本申请实施例提供的地图数据处理设备(即电子设备)可以实施为终端,也可以实施为服务器。在一种实现方式中,本申请实施例提供的地图数据处理设备可以实施为笔记本电脑,平板电脑,台式计算机,移动电话,便携式音乐播放器,个人数字助理,专用消息设备,便携式游戏设备,智能机器人,智能家电和智能车载设备等任意的具备地图功能或导航功能的终端;在另一种实现方式中,本申请实施例提供的地图数据处理设备还可以实施为服务器,其中,服务器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、内容分发网络(CDN,ContentDelivery Network)、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。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例中不做限制。下面,将说明地图数据处理设备实施为服务器时的示例性应用。
参见图1,图1是本申请实施例提供的地图数据处理系统的一个可选的架构示意图,为实现对电子地图中目标区域的道路路网进行更新,从而实现对电子地图的处理,可以提供一地图应用,地图应用提供地图更新功能,通过地图应用的服务器实现电子地图的更新,并且在运行地图应用的过程中可以同步显示更新后的电子地图。
本申请实施例的地图数据处理系统10中至少包括终端100、网络200和服务器300,终端100上安装有地图应用,其中服务器300可以是地图应用的服务器。服务器300可以构成本申请实施例的地图数据处理设备,即通过服务器300实现本申请实施例的地图数据处理方法。终端100通过网络200连接服务器300,网络200可以是广域网或者局域网,又或者是二者的组合。
参见图1,在运行终端100上的地图应用时,用户可以选择对电子地图中的目标区域的道路路网进行更新,或者可以查看目标区域的道路路网,或者在目标区域进行导航,则此时终端100可以响应于用户的相关操作,生成针对电子地图中目标区域的道路路网生成请求,终端100可以通过网络200向服务器300发送道路路网生成请求,服务器300在接收到道路路网生成请求之后,会获取目标区域的道路采集数据、目标区域的原始路网和异源路网;然后,基于道路采集数据生成目标区域的生成路网;并对生成路网、原始路网和异源路网进行路网对齐处理,得到生成路网中的候选情报道路对应的候选情报线条;再然后,服务器300将候选情报线条挂接至原始路网中,得到目标区域的更新路网;最后,服务器300采用更新路网对电子地图中的目标区域进行地图数据处理,例如,更新电子地图中的目标区域,得到更新后的电子地图。在得到更新后的电子地图之后,服务器300可以将更新后的电子地图发送给终端100,终端100在当前界面上显示该更新后的电子地图。
本申请实施例所提供的地图数据处理方法还可以基于云平台并通过云技术来实现,例如,上述服务器300可以是地图应用的云端服务器。通过云端服务器运行地图应用,并响应于终端发送的针对电子地图中目标区域的道路路网生成请求,获取目标区域的道路采集数据、目标区域的原始路网和异源路网,或者,还可以通过云端服务器基于道路采集数据生成目标区域的生成路网,或者,还可以通过云端服务器对生成路网、原始路网和异源路网进行路网对齐处理,或者,还可以通过云端服务器将候选情报线条挂接至原始路网中,或者,还可以通过云端服务器采用更新路网更新电子地图中的目标区域。
在一些实施例中,还可以具有云端存储器,可以将目标区域的道路采集数据、目标区域的原始路网和异源路网存储至云端存储器中,这样,在对目标区域的原始路网进行更新时,可以直接从云端存储器中获取目标区域的道路采集数据、目标区域的原始路网和异源路网,从而实现快速的生成目标区域的生成路网,并进行候选情报线条的挂接,得到目标区域的更新路网,进而实现对电子地图中的目标区域进行快速的更新。
这里需要说明的是,云技术(Cloud technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来,实现数据的计算、储存、处理和共享的一种托管技术。云技术基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称,可以组成资源池,按需所用,灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源,如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用,将来每个物品都有可能存在自己的识别标志,都需要传输到后台系统进行逻辑处理,不同程度级别的数据将会分开处理,各类行业数据皆需要强大的系统后盾支撑,其可以通过云计算来实现。
图2是本申请实施例提供的电子设备的结构示意图,图2所示的电子设备可以是地图数据处理设备,电子设备包括:至少一个处理器310、存储器350、至少一个网络接口320和用户接口330。电子设备中的各个组件通过总线系统340耦合在一起。可理解,总线系统340用于实现这些组件之间的连接通信。总线系统340除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图2中将各种总线都标为总线系统340。
处理器310可以是一种集成电路芯片,具有信号的处理能力,例如通用处理器、数字信号处理器(DSP,Digital Signal Processor),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其中,通用处理器可以是微处理器或者任何常规的处理器等。
用户接口330包括使得能够呈现媒体内容的一个或多个输出装置331,以及一个或多个输入装置332。
存储器350可以是可移除的,不可移除的或其组合。示例性的硬件设备包括固态存储器,硬盘驱动器,光盘驱动器等。存储器350可选地包括在物理位置上远离处理器310的一个或多个存储设备。存储器350包括易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(ROM,Read Only Memory),易失性存储器可以是随机存取存储器(RAM,Random Access Memory)。本申请实施例描述的存储器350旨在包括任意适合类型的存储器。在一些实施例中,存储器350能够存储数据以支持各种操作,这些数据的示例包括程序、模块和数据结构或者其子集或超集,下面示例性说明。
操作系统351,包括用于处理各种基本系统服务和执行硬件相关任务的系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务;网络通信模块352,用于经由一个或多个(有线或无线)网络接口320到达其他计算设备,示例性的网络接口320包括:蓝牙、无线相容性认证(WiFi)、和通用串行总线(USB,UniversalSerial Bus)等;输入处理模块353,用于对一个或多个来自一个或多个输入装置332之一的一个或多个用户输入或互动进行检测以及翻译所检测的输入或互动。
在一些实施例中,本申请实施例提供的装置可采用软件方式实现,图2示出了存储在存储器350中的一种地图数据处理装置354,该地图数据处理装置354可以是电子设备中的地图数据处理装置,其可以是程序和插件等形式的软件,包括以下软件模块:获取模块3541、路网生成模块3542、路网对齐模块3543、线条挂接模块3544和地图数据处理模块3545,这些模块是逻辑上的,因此根据所实现的功能可以进行任意的组合或进一步拆分。将在下文中说明各个模块的功能。
在一些实施例中,本申请实施例提供的装置可以采用硬件方式实现,作为示例,本申请实施例提供的装置可以是采用硬件译码处理器形式的处理器,其被编程以执行本申请实施例提供的地图数据处理方法,例如,硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC,Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD,Programmable Logic Device)、复杂可编程逻辑器件(CPLD,ComplexProgrammable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable GateArray)或其他电子元件。
本申请各实施例提供的地图数据处理方法可以由电子设备来执行,其中,该电子设备可以是服务器也可以是终端,即本申请各实施例的地图数据处理方法可以通过服务器来执行,也可以通过终端来执行,或者也可以通过服务器与终端之间交互执行。
图3是本申请实施例提供的地图数据处理方法的一个可选的流程示意图,下面将结合图3示出的步骤进行说明,如图3所示,以地图数据处理方法的执行主体为服务器为例进行说明,方法包括以下步骤S101至步骤S105:
步骤S101,响应于针对电子地图中目标区域的道路路网生成请求,获取目标区域的道路采集数据、目标区域的原始路网和异源路网。
这里,电子地图可以是地图应用中的电子地图,目标区域可以是电子地图中的任意区域,目标区域可以具有预设的尺寸参数,例如可以是10公里范围内。
目标区域可以是用户选中的区域或者输入的区域。在一种实现方式中,用户可以通过地图应用的客户端来选中目标区域,例如,可以通过框选的方式或者鼠标拖动方式选中目标区域,选中的目标区域的尺寸为该预设的尺寸参数;在另一种实现方式中,预设的尺寸参数可以是固定值,用户可以通过地图应用的客户端选中电子地图中的某一点,则可以以该点为圆心,以预设的尺寸参数为半径确定出圆形的目标区域;在又一种实现方式中,用户还可以输入目标区域的名字(即目标区域的区域标识),则可以将该区域标识对应的整个面积确定为目标区域,例如用户输入某个城市的名字,则目标区域为该城市,相应地,预设的尺寸参数即为该城市的面积。
道路路网生成请求中包括目标区域的区域标识,目标区域的区域标识不仅可以包括目标区域的名字,还可以包括目标区域的尺寸参数等信息。
道路采集数据包括多种数据采集方式采集的道路数据,例如,数据采集方式可以是遥感影像采集、车辆或者行人轨迹流量数据采集、车辆或者行人定位数据采集等。相应地,道路采集数据包括遥感影像数据、轨迹流量数据、定位数据等。本申请实施例中,通过采集目标区域在不同数据采集方式下的道路数据,从而通过对不同数据源的叠加,实现了路网生成过程,从而能够得到相对比较准确的生成路网。需要解释的是,轨迹流量数据是指在一定时间段内,车辆或者行人在目标区域内的行驶轨迹数据的汇总数据集合;定位数据是指在一定时间段内,车辆或者行人在目标区域内的位置信息的汇总数据集合。
原始路网是电子地图中已经生成的目标区域的路网,原始路网是在当前时刻下电子地图中已经生成且存储的目标区域的路网。在获取原始路网时,可以先提取出电子地图的全部路网,然后基于目标区域的区域标识从全部路网中截取到目标区域的原始路网。在一些实施例中,在采用本申请实施例的地图数据处理方法对原始路网进行更新得到目标区域的更新路网之后,还可以采用该更新路网更新当前的原始路网,也就是说,当生成目标区域新的路网时,则会采用新的路网对当前的原始路网进行更新,实现电子地图原始路网的及时更新,从而保证用户在使用电子地图时,能够使用到最准确、最真实且最实时的路网。
本申请实施例中,电子地图以及电子地图的全部路网的相关数据存储至预设存储单元中,当对原始路网进行更新之后,可以对预设存储单元中的相应数据进行更新,从而保证在从预设存储单元中提取电子地图的路网时,能够提取到最准确的数据。
异源路网是其他电子地图中目标区域的路网,例如,异源路网可以其他的竞品地图应用中的路网。本申请实施例中,地图应用于其他的竞品地图应用之间可以具有数据共享接口,可以通过该数据共享接口获取到异源路网,或者,也可以购买其他的竞品地图应用的数据得到异源路网。
步骤S102,基于道路采集数据生成目标区域的生成路网。
这里,可以对不同数据采集方式采集的道路数据进行叠加处理,之后,再通过预先训练的图像分割模型进行数据映射处理,以预测得到与道路采集数据对应的生成路网。也就是说,可以将道路采集数据作为模型输入数据,输入至预先训练的图像分割模型中,通过该预先训练的图像分割模型输出目标区域的生成路网。图像分割模型可以是基于Transformer的深度学习模型,可以采用有监督的方式训练该深度学习模型,得到图像分割模型。例如,可以获取当前的原始路网中的不同区域的数据,并将不同区域的路网作为相应区域的真实标签,得到样本训练数据集,然后采用样本训练数据集对该深度学习模型进行训练,直至该深度学习模型收敛为止,得到预先训练的图像分割模型。
步骤S103,对生成路网、原始路网和异源路网进行路网对齐处理,得到生成路网中的候选情报道路对应的候选情报线条。
这里,路网对齐处理是指将不同的路网中的相同道路进行关联,从而得到每条道路在不同路网中的匹配关系,该匹配关系可以是不同道路各自在各个路网中在空间上的匹配关系。例如,对于某条真实道路L1,在生成路网中该道路L1对应的道路线条是L11,在原始路网中该道路L1对应的道路线条是L21,在异源路网中该道路L1对应的道路线条是L31,则道路线条L11、道路线条L21和道路线条L31这三个道路线条在空间上具有匹配关系,也就是说,这三个道路线条在空间上表示的是同一条道路。
本申请实施例中,由于生成路网是基于预先训练的图像分割模型预测得到的,不可能保证完全准确,因此,可能会存在误识别或者误预测的道路线条,也可以回存在真实存在的道路没有被预测出来的情况。而对于原始路网和异源路网,由于并不是当前时刻生成的路网,可能是当前时刻之前的某历史时刻下生成的路网,因此是对应的该历史时刻的真实路网,而在历史时刻与当前时刻的时间区域内,真实路网可能会发生改变,因此,原始路网和异源路网中也可能会缺失当前真实存在的某条道路的道路线条,或者,多出来当前已经不复存在或者当前已经封闭的某条道路的道路线条。那么,采用本申请实施例的路网对齐处理,则可以确定出生成路网中存在且原始路网中不存在,同时异源路网中也存在的道路对应的道路线条,其中,生成路网中存在且原始路网中不存在,同时异源路网中也存在的道路可以称为候选情报道路,候选情报道路对应的道路线条可以称为候选情报线条。本申请实施例中,正是为了检索出候选情报道路对应的候选情报线条,将候选情报线条更新到原始路网中,从而实现对原始路网的准确更新。
步骤S104,将候选情报线条挂接至原始路网中,得到目标区域的更新路网。
这里,将候选情报线条挂接至原始路网中,是指将候选情报道路对应的候选情报线条连接到原始路网的原始道路对应的原始道路线条中。例如,原始道路可以是一条主干道,候选情报道路可以是与主干道相连接的支路,则将候选情报线条挂接至原始路网中,则可以是将支路对应的道路线条按照该支路的延伸方向和延伸形态连接到主干道对应的道路线条上。或者,原始道路可以是一条具有延伸终点的主干道,候选情报道路可以是该主干道的延长道路,则将候选情报线条挂接至原始路网中,则可以是对原始路网中的该主干道按照候选情报道路的延伸方向和延伸形态进行延长。
步骤S105,采用更新路网对电子地图中的目标区域进行地图数据处理。
本申请实施例中,在得到目标区域的更新路网之后,可以得到更新路网对应的数据包,可以将该数据包打包发送给不同的地图应用进行地图数据处理,也可以在当前的地图应用中,对电子地图中的目标区域进行地图数据处理。举例来说,所得到的更新路网对应的数据包可以为能够交易的数据,从而实现地图应用中的目标区域的更新路网的数据交易,或者,也可以在地图应用内对目标区域进行更新,采用更新路网更新电子地图中的目标区域,得到更新后的电子地图,即可以将目标区域的更新路网更新到电子地图中的目标区域,例如,可以替换到电子地图中目标区域的原始路网,从而得到更新后的电子地图。
在一些实施例中,在预设存储单元中,电子地图的全部路网可以是以一个完整路网的形式进行存储,也可以是将完整路网划分成多个路网单元进行存在。在更新电子地图时,可以是从完整路网中截取到目标区域的原始路网,并采用更新路网替换截取的原始路网,从而生成并存储更新后的电子地图的完整路网;也可以是从预设存储单元中提取到目标区域对应的原始路网,该原始路网为一个或多个路网单元,然后采用生成的更新路网替换掉这些路网单元即可。
本申请实施例提供的地图数据处理方法,在进行电子地图数据处理(例如地图更新)时,首先基于电子地图中目标区域的道路采集数据生成目标区域的生成路网;然后,对生成路网、原始路网和异源路网进行路网对齐处理,得到生成路网中的候选情报道路对应的候选情报线条;该候选情报线条是需要挂接至目标区域的原始路网中的道路线条,在将候选情报线条挂接至原始路网中,得到目标区域的更新路网之后,采用更新路网对电子地图中的目标区域进行地图数据处理。如此,由于是基于目标区域的道路采集数据自动化生成目标区域的生成路网,并对生成路网、原始路网和异源路网进行路网对齐处理,也就是说,基于原始路网和异源路网对生成路网中的道路线条进行校准,以确定出生成路网中存在且原始路网中不存在,同时异源路网中也存在的候选情报道路对应的候选情报线条,即,通过路网对齐处理能够确定出原始路网中没有的新的候选情报道路,这样可以实现将原始路网中没有的新的候选情报道路对应的候选情报线条挂接至原始路网中,实现对原始路网中道路线条的快速准确处理,即实现对电子地图的自动化处理,从而提高电子地图的制图效率,降低制图周期和制图成本。
下面对本申请实施例提供的地图数据处理方法的应用场景进行举例说明,本申请实施例的地图数据处理方法至少可以应用于以下任意一种场景:
场景一:终端上运行有地图应用,服务器是地图应用的后台服务器,服务器可以是本地服务器,也可以是云端服务器,还可以是服务器集群中的任一服务器节点。终端可以是地图应用的开发或维护人员所使用的的开发终端,由于实际路网的不断变更(道路临时封闭或者新修道路开通等情况),开发或维护人员会定期或不定期的对地图应用进行更新,也就是对电子地图进行更新。在对电子地图进行更新时,可以是每次对一个目标区域(例如一个城市、一定面积的区域等)进行更新,或者同时对多个目标区域进行更新。在对目标区域进行更新时,开发或维护人员可以通过终端选中该目标区域,并将目标区域的区域标识携带于生成的道路路网生成请求中,并将道路路网生成请求发送给服务器,以请求服务器对该目标区域的道路路网进行自动化更新。在服务器接收到道路路网生成请求之后,可以采用本申请实施例提供的地图数据处理方法,生成目标区域的更新路网,并采用更新路网更新电子地图中的目标区域,得到目标区域的更新路网。
场景二:终端上运行有地图应用,服务器是地图应用的后台服务器,服务器可以是本地服务器,也可以是云端服务器,还可以是服务器集群中的任一服务器节点。终端可以是地图应用的运行终端,也就是说,终端可以是用户终端,用户使用地图应用可以查看地图,也可以进行实时导航。当用户在触发运行地图应用,并在地图应用中查询某个目标区域时,则终端可以同时生成针对电子地图中目标区域的道路路网生成请求,并将道路路网生成请求发送给服务器,以请求服务器对该目标区域进行更新。也就是说,当用户使用电子地图的地图应用时,即可同步自动请求服务器确定用户查看的该目标区域的道路路网是否发生更新,并同时采用本申请实施例提供的地图数据处理方法对该目标区域的道路路网进行更新,得到更新后的电子地图并显示。
场景三:终端上运行有地图应用,服务器是地图应用的后台服务器,服务器可以是本地服务器,也可以是云端服务器,还可以是服务器集群中的任一服务器节点。终端可以是地图应用的运行终端,也就是说,终端可以是用户终端,用户使用地图应用可以查看地图,也可以进行实时导航。当用户在触发运行地图应用时,可以手动触发对某个目标区域的道路路网进行更新,即用户可以通过地图应用的客户端选择目标区域,并点击地图更新按钮。相应地,终端生成携带有该目标区域的区域标识的道路路网生成请求,并将道路路网生成请求发送给服务器。服务器在接收到道路路网生成请求之后,采用本申请实施例提供的地图数据处理方法,响应于该道路路网生成请求,得到更新后的电子地图,并将更新后的电子地图发送给终端,在终端的当前界面上显示该更新后的电子地图。
下面将结合上述场景三,对本申请实施例的地图数据处理方法进行说明。
在一些实施例中,地图数据处理系统中至少包括终端和服务器,图4是本申请实施例提供的地图数据处理方法的另一个可选的流程示意图,如图4所示,方法包括以下步骤S201至步骤S215:
步骤S201,终端接收用户输入的地图更新操作。
这里,地图更新操作可以包括目标区域的选择操作和地图更新操作。当用户通过地图应用的客户端选择目标区域并点击地图更新按钮时,即执行了该地图更新操作。
步骤S202,终端响应于该地图更新操作,将目标区域的区域标识封装至道路路网生成请求中。
道路路网生成请求用于请求对区域标识对应的目标区域的原始路网进行更新,进而更新地图应用的电子地图。
步骤S203,终端将道路路网生成请求发送给服务器。
步骤S204,服务器响应于针对电子地图中目标区域的道路路网生成请求,获取目标区域的道路采集数据、目标区域的原始路网和异源路网。
这里,原始路网是电子地图中已经生成的目标区域的路网,在获取原始路网时,可以先提取出电子地图的全部路网,然后基于目标区域的区域标识从全部路网中截取到目标区域的原始路网,或者,从预设存储单元中基于区域标识获取到目标区域的原始路网。异源路网是其他电子地图中目标区域的路网。
步骤S205,服务器将道路采集数据输入至预先训练的图像分割模型中,通过图像分割模型对道路采集数据进行数据映射处理,得到目标区域的二值栅格图。
在一些实施例中,道路采集数据包括多种数据采集方式采集的道路数据,例如,道路采集数据可以包括遥感影像数据、轨迹流量数据、定位数据等。将道路采集数据输入至预先训练的图像分割模型中,可以通过以下方式实现:对多种数据采集方式采集的道路数据进行数据格式统一处理,得到具有相同数据格式的多种道路数据;然后,对具有相同数据格式的多种道路数据进行数据叠加处理,得到叠加数据;最后,将叠加数据输入至预先训练的图像分割模型中。在一种实现方式中,格式统一处理可以是通过图像分割模型来实现,也就是说,通过图像分割模型的特征提取层分别对不同数据采集方式采集的道路数据进行特征提取,得到不同数据采集方式采集的道路数据对应的多个道路数据特征,由于道路数据特征是以向量形式进行表征,因此,多个道路数据特征即为具有相同数据格式的道路数据,并且,在之后将叠加数据输入至预先训练的图像分割模型中时,是将叠加数据输入至图像分割模型中的预测层,通过该预测层基于叠加数据进行预测,得到最终的生成路网。在另一种实现方式中,格式统一处理还可以是在输入至图像分割模型之前来实现,格式统一处理可以是将具有不同数据格式的道路数据转化为固定格式的道路数据,并将具有固定格式的道路数据同时输入至图像分割模型中。
当采用图像分割模型来实现格式统一处理时,对具有相同数据格式的多种道路数据进行数据叠加处理,则可以是通过图像分割模型对多个道路数据特征进行拼接处理,得到拼接向量,该拼接向量即为上述叠加数据;当在输入至图像分割模型之前进行格式统一处理时,对具有相同数据格式的多种道路数据进行数据叠加处理,则可以是将具有固定格式的多个道路数据作为子数据合并为一个统一的数据。
本申请实施例中,二值栅格图中的前景图像为图像分割模型识别出的目标区域中的识别道路。在二值栅格图中,识别道路具有一定的道路宽度。
步骤S206,服务器对二值栅格图中的识别道路进行中线提取,得到目标区域中的识别道路的道路线条。
本申请实施例中,由于二值栅格图中的识别道路具有一定的道路宽度,因此,可以确定每条识别道路的中线,将该中线确定为相应的识别道路的道路线条,从而基于该道路线条绘制目标区域的生成路网。
在一些实施例中,在得到所述目标区域中的识别道路的道路线条之后,还可以对二值栅格图中的道路线条进行修改,从而得到更加准确的道路线条。在实现的过程中,可以包括以下处理步骤:首先,对识别道路的道路线条进行线条形态识别,得到识别道路的路口位置和识别道路中的主干道线条;然后,以二值栅格图为底图,对道路线条中的路口位置进行线条形态修改,得到线条形态修改后的道路线条;并且,对主干道线条进行平滑处理,得到具有方向一致性的主干道线条。
这里,路口位置是指道路相交的路口在二值栅格图中的位置,主干道线条是指目标区域中的主干道在二值栅格图中对应的道路线条。在对道路线条中的路口位置进行线条形态修改,可以是将路口位置处发生弯折和扭曲的线条修改为平滑的线条。
在一些实施例中,对主干道线条进行平滑处理,得到具有方向一致性的主干道线条,可以通过以下方式实现:首先,获取与主干道线条相交的多个道路线条,并确定每一道路线条与主干道线条之间的偏移角度;然后,将偏移角度大于预设偏移角度阈值的道路线条确定为待抽稀道路线条;并对待抽稀道路线条进行抽稀处理,得到抽稀处理后的道路线条;最后,基于抽稀处理后的道路线条对主干道线条进行平滑处理,得到具有方向一致性的主干道线条。
本申请实施例中,抽稀处理可以使用cv2的approxPolyDP函数来实现,抽稀处理使用了Douglas-Peucker算法,即使用更少的点拟合现有的曲线。这里由于是针对主干道的平滑处理,因此,只需要抽稀处理就可以达到平滑的效果,因此,对于主干道线条来说,基于抽稀处理后的道路线条对主干道线条进行平滑处理,实际上也就是抽稀处理即可达到平滑处理的效果,从而得到具有方向一致性的主干道线条。
步骤S207,服务器基于道路线条生成目标区域的生成路网。
本申请实施例中,服务器在得到道路线条,且对道路线条进行上述线条形态修改和平滑处理之后,可以将处理之后的道路线条按照各自在二值栅格图中的位置进行连接,即可生成目标区域的生成路网。
步骤S208,服务器对生成路网、原始路网和异源路网进行路网对齐处理,得到生成路网、原始路网和异源路网中的各个道路线条在空间上的匹配关系。
这里,路网对齐处理是指将不同的路网中的相同道路进行关联,从而得到每条道路在不同路网中的匹配关系,该匹配关系可以是不同道路各自在各个路网中在空间上的匹配关系。
步骤S209,服务器基于匹配关系,确定出在生成路网中存在且在原始路网中不存在的道路线条构成的道路线条差集。
本申请实施例中,可以基于每一条道路线条在空间上的匹配关系,确定出在生成路网中存在且在原始路网中不存在的各个道路线条,并将确定出的道路线条汇总到道路线条差集中,也就是说,在道路线条差集中,包括全部生成路网中存在且在原始路网中不存在的道路线条。
在实现的过程中,可以依次遍历生成路网中的每一道路线条,并基于匹配关系,确定出在生成路网中存在且在原始路网中不存在的各个道路线条。
步骤S210,服务器基于匹配关系,确定道路线条差集与异源路网中的道路线条之间的道路线条交集。
本申请实施例中,在确定出道路线条差集之后,可以遍历道路线条差集中的每一道路线条,确定该道路线条是否在异源路网中也存在,如果存在的话,则将该道路线条确定为道路线条交集中的一个元素,从而汇总得到道路线条差集与异源路网中的道路线条之间的道路线条交集。
本申请实施例中,由于生成路网是基于预先训练的图像分割模型预测得到的,不可能保证完全准确,因此,可能会存在误识别或者误预测的道路线条,也可以回存在真实存在的道路没有被预测出来的情况。而对于原始路网和异源路网,由于并不是当前时刻生成的路网,可能是当前时刻之前的某历史时刻下生成的路网,因此是对应的该历史时刻的真实路网,而在历史时刻与当前时刻的时间区域内,真实路网可能会发生改变,因此,原始路网和异源路网中也可能会缺失当前真实存在的某条道路的道路线条,或者,多出来当前已经不复存在或者当前已经封闭的某条道路的道路线条。那么,通过本申请实施例,则可以确定出生成路网中存在且原始路网中不存在,同时异源路网中也存在的道路对应的道路线条。
步骤S211,服务器将道路线条交集中的道路线条确定为候选情报道路对应的候选情报线条。
步骤S212,服务器将候选情报线条挂接至原始路网中,得到目标区域的更新路网。
在一些实施例中,参见图5,图5示出了步骤S212中将候选情报线条挂接至原始路网中的过程,可以通过以下步骤S2121至步骤S2123实现:
步骤S2121,将候选情报线条叠加至原始路网中,并调用刷子进程对原始路网中的每一道路线条进行刷扫操作。
这里,将候选情报线条叠加至原始路网中可以是将候选情报线条按照该各个候选情报线条在生成路网中的位置和形态叠加至原始路网中,也就是说,按照原始路网和生成路网在相同的缩放比例下,由于目标区域的原始路网中的每一像素点与生成路网中的像素点之间是一一对应的,因此,可以按照像素点之间的对应关系,将生成路网中的候选情报线条绘制于原始路网中。
刷子进程是地图应用中的预设进程,用于提供刷扫功能。在将候选情报线条叠加至原始路网中之后,可以在当前界面上呈现叠加有候选情报线条的原始路网,此时,如果调用刷子进程时,则可以在当前界面上同时展示刷子标识,该刷子标识用于实现刷扫操作,通过调用刷子进程能够实现对原始路网中的每一道路线条进行刷扫操作,在调用刷子进程进行刷扫操作时,可以控制刷子标识按照每一道路线条的延伸轨迹进行刷扫操作,也就是说,沿着道路线条的延伸轨迹控制所展示的刷子的移动方向,实现对道路线条进行刷扫。需要说明的是,这里的原始路网中的每一道路线条是指原始路网中的原始道路的道路线条,不对叠加至原始路网上的候选情报线条进行刷扫操作。
本申请实施例中,刷扫操作对应的刷扫宽度为预设宽度。由于候选情报线条是挂接在原始路网的原始道路对应的道路线条上,因此,采用具有预设宽度的刷子进行刷扫操作时,必然会刷扫到部分长度的候选情报线条。
步骤S2122,在对每一道路线条进行刷扫操作的过程中,对刷扫到的叠加至原始路网中的候选情报线条进行擦除操作,得到擦除后的候选情报线条。
本申请实施例中,可以将刷扫到的候选情报线条进行擦除操作。
步骤S2123,沿着指向原始路网中的道路线条的方向,对擦除后的候选情报线条进行延长处理,使得延长处理后的候选情报线条与原始路网中的道路线条相交,得到目标区域的更新路网。
本申请实施例中,在将候选情报线条挂接至原始路网中时,是基于几何的方式,用一个具有预设宽度的刷子,比如20米宽,在原始路网的所有道路线条上刷扫一遍,如果候选情报线条和原始路网的距离比较近,这时也会刷到原始路网附近的候选情报线条的末端,因此就会把候选情报线条被刷扫到的那一部分抹掉,然后再将抹掉候选情报线条的末端之后的部分候选情报线条延伸到原始路网上。这样处理的目的是:由于在将候选情报线条叠加至原始路网上的时候,候选情报线条可能与原始路网的道路线条之间是错位的,也就是路口位置连接的不一定准确,有可能候选情报线条会穿过原始路网的道路线条,或者,候选情报线条可能能够挂接到原始路网的道路线条上,也有可能没有挂接上原始路网的道路线条,或者,也有可能挂接上原始路网的道路线条,但是会超出一定长度。因此,采用本申请实施例的方法,用刷子进行刷扫,这样做的目的就是为了使这种错开的路口能够聚合在一起。
需要说明的是,在采用本申请实施例提供的方法进行刷扫操作和延长处理时,会存在以下三种情况:情况一:候选情报线条与原始路网的道路线条之间可能原本是正常挂接的,那么,通过刷扫操作之后擦除操作,再进行延长处理,会将挂接正常的线条中擦除的部分补充上,这样,也不会产生异常挂接情况。情况二:候选情报线条与原始路网的道路线条之间确定存在挂接异常,那么,通过刷扫操作之后擦除操作,再进行延长处理,将会实现对挂接异常的位置进行修正,从而得到挂接正常的路口。情况三:在生成路网中所识别到的候选情报线条可能会存在位置错位的情况,这样,将候选情报线条挂接到原始路网中,会存在与候选情报线条平行的另一条原始路网中的道路线条,也就是说,识别出的候选情报线条本身就是错误的候选情报线条,这样,再将候选情报线条挂接到原始路网中,就会多出来一条与原始路网中的道路线条平行的另一条候选情报线条,那么,对于这种情况,在刷扫操作的时候,由于该候选情报线条与原始路网中的道路线条之间的距离小于距离阈值(该距离阈值远小于刷扫操作对应的刷扫宽度),因此,在进行刷扫操作时,会将该候选情报线条整个擦除掉,从而避免误识别的候选情报线条挂接到原始路网中,造成路网错误。
在一些实施例中,在服务器将候选情报线条挂接至原始路网中,得到目标区域的更新路网之前,还可以结合相关特征对更新路网进行质量检查(即下述质量检查方式一),以确定是否能够将候选情报线条挂接至原始路网中。或者,在一些实施例中,也可以在服务器将候选情报线条挂接至原始路网中,得到目标区域的更新路网之后,可以结合相关特征对更新路网进行质量检查,以确定是否采用该更新路网更新电子地图中的目标区域(例如,更新路网的道路属性检查)。
在实现的过程中,参见图6,在对更新路网的道路属性进行质量检查的情况下,其中,质量检查方式一包括以下步骤S301至步骤S303:
步骤S301,确定候选情报线条待挂接的原始路网中的目标道路线条对应的目标道路的道路属性、目标道路的目标道路等级和候选情报线条对应的候选情报道路的情报道路等级。
在一种实现方式中,目标道路的道路属性可以从预设存储单元中所存储的原始路网的相关数据中获取,也就是说,在生成原始路网之后,会确定出原始路网中的每一条道路的道路属性,并将道路属性与原始路网映射存储至预设存储单元中。道路属性包括以下至少之一:环岛、上下线道路、桥、匝道、高速路、全封闭道路、隧道、调头口、主辅连接路等。目标道路的目标道路等级也可以从预设存储单元中所存储的原始路网的相关数据中获取,也就是说,在生成原始路网之后,会确定出原始路网中的每一条道路的道路等级,并将道路等级、道路属性与原始路网映射存储至预设存储单元中。在一些实施例中,还可以从预设存储单元中获取目标道路的道路属性,然后基于道路属性计算目标道路的目标道路等级。例如,如果目标道路的道路属性表征该目标道路为高速路,则可以确定该目标道路的目标道路等级为6。
在另一种实现方式中,还可以基于竞品地图应用中的目标道路的道路属性和目标道路等级进行匹配,将竞品地图应用中的该目标道路的道路属性和道路等级,确定为原始路网中的目标道路线条对应的目标道路的道路属性和目标道路等级。例如,可以基于各个道路线条之间的匹配关系,获取异源路网中的相应道路的道路属性和道路等级,并将异源路网中的相应道路的道路属性和道路等级,确定为原始路网中的目标道路线条对应的目标道路的道路属性和目标道路等级。
候选情报线条对应的候选情报道路的情报道路等级,也可以基于竞品地图应用中的相应道路的道路等级来确定,例如,可以将异源路网中与该候选情报道路对应的道路的道路等级,确定为该候选情报线条对应的候选情报道路的情报道路等级。
步骤S302,当基于道路属性确定目标道路为预设类型的道路时,禁止将候选情报线条挂接至原始路网中。
这里,预设类型可以是环岛、上下线道路、桥、匝道、高速路、全封闭道路、隧道、调头口、主辅连接路等有风险的道路类型。如果确定出候选情报线条待挂接的目标道路线条对应的目标道路为有风险的道路类型,则禁止将该候选情报线条挂接至原始路网中,也就是说,默认本次生成的候选情报线条是无效的。这样的目的是:本申请实施例提供的地图数据处理方法是一种自动化的地图生成方法,如果将候选情报线条挂接至有风险的道路类型的目标道路上,则可能会存在挂接风险,从而出现地图错误生成,而地图一旦错误生成,则会极大的提高地图应用的使用风险,因此,这里采用强制过滤的方法,直接禁止将该候选情报线条挂接至原始路网中,对于这一类型的候选情报线条,可以后续采用人工挂接的方式进行处理,从而能够极大的避免地图错误生成,提高地图的使用安全性。
在一些实施例中,当基于道路属性确定目标道路为预设类型的道路,并禁止将候选情报线条挂接至原始路网中之后,还可以生成道路挂接提醒消息,并向用户输出该道路挂接提醒消息,以提醒当前确定出的候选情报线条待挂接的目标道路线条对应的目标道路为有风险的道路类型,从而提醒用户判断实际的道路情况,并确定是否将该候选情报线条挂接至目标道路上。
步骤S303,当目标道路等级低于情报道路等级时,禁止将候选情报线条挂接至原始路网中。
这里,可以比较原始路网中目标道路的目标道路等级与候选情报道路的情报道路等级,如果目标道路等级低于情报道路等级,则表明将候选情报线条挂接到原始路网的目标道路的道路线条上会存在风险,因此,禁止将候选情报线条挂接至原始路网中。
在一些实施例中,当确定出目标道路等级低于情报道路等级,并禁止将候选情报线条挂接至原始路网中之后,也可以生成道路挂接提醒消息,并向用户输出该道路挂接提醒消息。
在一些实施例中,在服务器将候选情报线条挂接至原始路网中,得到目标区域的更新路网之后,还可以结合相关特征对更新路网进行质量检查(例如,候选情报线条的存在性检查、道路形态检查、拓扑关系检查),以确定所生成的目标区域的更新路网是否准确,以及,是否能够最终上线并发送给终端在终端上显示。
本申请实施例示例性的提供以下三种质量检查方式,用于服务器在得到目标区域的更新路网之后,确定是否采用该更新路网更新电子地图中的目标区域。
参见图7,在对更新路网中的候选情报线条进行存在性检查的情况下,质量检查方式二包括以下步骤S401至步骤S405:
步骤S401,获取目标区域的遥感影像数据、异源路网和预设时间周期内的轨迹流量数据。
步骤S402,针对更新路网中的每一候选情报线条,基于目标区域的遥感影像数据,对候选情报线条进行轨迹一致性校验,得到轨迹校验结果。
在一些实施例中,在进行轨迹一致性校验时,可以是先将目标区域的遥感影像数据输入至预先训练的图像分割模型中,通过图像分割模型对遥感影像数据进行数据映射处理,得到目标区域的遥感影像二值栅格图;然后,针对更新路网中的每一候选情报线条,基于遥感影像二值栅格图确定候选情报线条中的每一坐标点是否在候选情报道路对应的道路范围之内,得到候选情报线条的轨迹校验结果。如此,通过对候选情报线条进行轨迹一致性校验,能够避免候选情报线条存在轨迹飘飞造成的地图误差。
步骤S403,基于目标区域的异源路网,对候选情报线条的几何形态与异源路网中的异源路网线条的几何形态进行几何相似性校验,得到几何相似性校验结果。
在一些实施例中,在进行几何相似性校验时,可以是先确定异源路网中与候选情报线条对应的目标异源路网线条;然后,对目标异源路网线条的几何形态和候选情报线条的几何形态进行几何相似性校验,得到几何相似性校验结果。这里,几何形态包括但不限于以下至少之一:道路线条的延伸方向、角度、长度和宽度等。
步骤S404,基于目标区域在预设时间周期内的轨迹流量数据,对候选情报线条进行轨迹相似度校验,得到轨迹相似度校验结果。
在一些实施例中,在进行轨迹相似度校验时,可以是先基于预设时间周期内的轨迹流量数据,确定候选情报线条对应的候选情报道路在预设时间周期内的轨迹贯穿密度;然后,基于轨迹贯穿密度生成预设时间周期内的轨迹线条;最后,对轨迹线条和候选情报线条进行轨迹相似度校验,得到轨迹相似度校验结果。这里,轨迹贯穿密度是指对预设时间周期内的轨迹流量进行汇总和统计,所得到的每一条行驶轨迹对应的轨迹流量。例如,对于地点A到地点B之间的某条道路,如果在当前时刻之前的一个月内,有1000辆车从这条道路上行驶,则可以将该1000辆车的行驶轨迹作为该条道路的轨迹贯穿密度。由于估计贯穿密度表征的是一条道路的轨迹流量的密度,因此,在得到轨迹贯穿密度之后即可生成与该轨迹贯穿密度对应的轨迹线条。
步骤S405,基于轨迹校验结果、几何相似性校验结果和轨迹相似度校验结果,确定是否采用更新路网更新电子地图中的目标区域。
本申请实施例中,如果轨迹校验结果为遥感影像数据中的轨迹线条与候选情报线条具有轨迹一致性,且几何相似性校验结果为候选情报线条的几何形态与异源路网中的异源路网线条的几何形态之间的几何相似度大于几何相似度阈值,且轨迹相似度校验结果为轨迹线条与候选情报线条之间的轨迹相似度大于轨迹相似度阈值,则确定采用更新路网更新电子地图中的目标区域。否则,则确定不采用更新路网更新电子地图中的目标区域,即过滤掉所生成的更新路网,并重新确定新的更新路网。
参见图8,在对更新路网中的候选情报线条进行道路形态检查的情况下,质量检查方式三包括以下步骤S406至步骤S410:
步骤S406,针对更新路网中的每一候选情报线条,确定候选情报线条与原始路网的挂接点。
步骤S407,以挂接点为起点,沿候选情报线条的延伸方向,确定候选情报线条在预设长度范围内的每一矢量点的角度值,以及,矢量点分别与位于矢量点在候选情报线条之前的两个相邻的矢量点之间的邻接角度值。
矢量点是指具有延伸方向的候选情报线条中的坐标点。在一些实施例中,可以通过以下方式确定候选情报线条在预设长度范围内的每一矢量点的角度值:首先,构建参考坐标系,这里的参考坐标系可以是二维平面坐标系,其中,二维平面坐标系的x轴为地图应用中的东西方向,二维平面坐标系的y轴为地图应用中的南北方向;然后,对于预设长度范围内的第n个矢量点,确定第n个矢量点与候选情报线条中的第一个矢量点(可以是候选情报线条的起点)之间的连线在参考坐标系中的第一角度,以及,第n个矢量点与候选情报线条中的第n-1个矢量点之间的连线在参考坐标系中的第二角度,这里的第一角度可以是第n个矢量点与候选情报线条中的第一个矢量点之间的连线与二维平面坐标系的x轴正方向之间的夹角的角度。再然后,确定第一角度与第二角度之间的角度差值。如果角度差值的绝对值大于预设角度差值阈值,则将第n个矢量点确定为第一个矢量点,再次计算第一角度和第二角度,直至所计算的第一角度与第二角度之间的角度差值小于或等于预设角度差值阈值为止;如果角度差值的绝对值小于或等于预设角度差值阈值,则将第一角度确定为第n个矢量点的角度值。
邻接角度值是指矢量点与位于该矢量点在候选情报线条之前的相邻的矢量点之间的角度。举例来说,对于第n个矢量点,可以确定第n个矢量点分别与第n-1个矢量点和第n-2个矢量点之间的角度,即邻接角度值。
步骤S408,对于每一矢量点,基于角度值和邻接角度值对矢量点进行扭曲校验,得到扭曲校验结果。
这里,扭曲校验可以是判断该矢量点的局部角度是否保持不变,以及,该矢量点的角度差值是否大于预设扭曲判断阈值,如果该矢量点的局部角度保持不变,且该矢量点的角度差值大于预设扭曲判断阈值时,则认为该矢量点发生扭曲,即确定该矢量点的扭曲校验结果为发生扭曲。
步骤S409,对于每一矢量点,基于矢量点的角度值以及位于矢量点之前和之后的两个相邻矢量点的角度值,对矢量点进行弯折校验,得到弯折校验结果。
这里,弯折校验可以是判断该矢量点与前后两个矢量点的角度与180度的差值是否大于预设弯折判断阈值,若大于,则认为该矢量点发生弯折,即确定该矢量点的弯折校验结果为发生弯折。
本申请实施例中,可以对候选情报线条在预设长度范围内的每一矢量点进行扭曲校验和弯折校验,得到每一矢量点的扭曲校验结果和弯折校验结果。
步骤S410,基于扭曲校验结果和弯折校验结果,确定是否采用更新路网更新电子地图中的目标区域。
本申请实施例中,如果候选情报线条在预设长度范围内的任一矢量点的扭曲校验结果为发生扭曲,或者,如果候选情报线条在预设长度范围内的任一矢量点的弯折校验结果为发生弯折,则确定不采用更新路网更新电子地图中的目标区域,即过滤掉所生成的更新路网,并重新确定新的更新路网。
参见图9,在对更新路网中的候选情报线条进行拓扑关系检查的情况下,质量检查方式四包括以下步骤S411至步骤S412:
步骤S411,对更新路网和异源路网进行结构一致性校验,得到结构一致性校验结果。
在一些实施例中,对更新路网和异源路网进行结构一致性校验可以通过以下方式实现:首先,获取更新路网中每一更新路口的路口结构,并基于每一更新路口的路口结构,确定更新路口的出入度;且,获取异源路网中每一异源路口的路口结果,并基于每一异源路口的路口结构,确定异源路口的出入度;最后,确定每一更新路口对应的异源路口,并基于每一更新路口的出入度和对应的异源路口的出入度,对更新路网和异源路网进行结构一致性校验,得到结构一致性校验结果。
步骤S412,基于结构一致性校验结果,确定是否采用更新路网更新电子地图中的目标区域。
步骤S213,服务器采用更新路网更新电子地图中的目标区域,得到更新后的电子地图。
步骤S214,服务器将更新后的电子地图发送给终端。
步骤S215,终端在当前界面上显示更新后的电子地图。
本申请实施例提供的地图数据处理方法,基于目标区域的道路采集数据自动化生成目标区域的生成路网,并对生成路网、原始路网和异源路网进行路网对齐处理,也就是说,基于原始路网和异源路网对生成路网中的道路线条进行校准,以确定出生成路网中存在且原始路网中不存在,同时异源路网中也存在的候选情报道路对应的候选情报线条,即,通过路网对齐处理能够确定出原始路网中没有的新的候选情报道路,这样可以实现将原始路网中没有的新的候选情报道路对应的候选情报线条挂接至原始路网中,实现对原始路网中道路线条的快速准确更新,即实现对电子地图的自动化更新,从而提高电子地图的制图效率,降低制图周期和制图成本。
下面,将说明本申请实施例在一个实际的应用场景中的示例性应用。
本申请实施例提出一种地图数据处理方法,结合遥感影像、轨迹信息、原始路网及异源路网等所需信息,自动生成符合人工作业规范标准的道路数据,极大降低制图成本,可高效率完成大规模的路网上线。这里,首先对本申请实施例的地图数据处理方法的应用产品进行说明,本申请实施例的地图数据处理方法的效果如图10所示,其中,图10中的(a)图为自动生成的道路情报线条,(b)图为与原始路网融合之后生成的路网,(c)图为道路上线后在地图应用中的导航规划图。
下面对本申请实施例提供的地图数据处理方法的技术流程进行说明,其中,地图数据处理方法包括:第一步,路网生成和后处理:使用遥感卫星影像、轨迹流量数据生成道路的二值栅格图;并通过图像处理,得到单像素的道路线条,将道路线条矢量化并处理为标准的路网。第二步,特征生成和路网融合:根据异源路网、轨迹信息、与原始路网融合形成的新路网的拓扑关系生成特征;将矢量线条融合入原始路网。第三步,结合相关特征进行质量检查。
图11是本申请实施例提供的地图数据处理方法中生成路网生成过程的输入源数据和产出结果示意图,参见图11,本申请实施例中,在路网生成和后处理过程中,可以通过遥感影像、轨迹流量(这里的轨迹流量可以是其他地图应用的用户轨迹数据或者是从其他地图应用购买的数据)、定位等数据信息叠加作为输入源数据,以有监督的深度学习模型(可以是一种基于Transformer的图像分割模型)生成二值栅格图,其中二值栅格图的前景为识别出的道路(即识别道路),然后提取二值栅格图中的识别道路中线作为识别道路的道路线条。由于二值栅格图中的道路是有宽度的,而且深度学习模型的识别结果会有形态较差的杂乱像素点,因此在提取中线后线条形态较差,不符合地图路网的规范要求,尤其是路口处效果较差。图12A是本申请实施例提供的线条形态处理结果效果图,如图12A所示,其中,路口处效果较差的线条122,通过线条形态识别出此类路口,然后将二值栅格图作为底图,进行线条形态的修改,结果如线条121所示。然后对于多个路口连接成的主干道,通过深度优先搜索遍历所有关联的未发生明显角度偏移的线条(道路线条与主干道线条之间的偏移角度大于预设偏移角度阈值的道路线条,即上述待抽稀道路线条),并将其抽稀以进行平滑,从而实现主干道线条方向的一致性。如图12B所示,原始线条123(图12B中虚线)和调整之后的线条124(图12B中实线)的效果对比。
图13是本申请实施例提供的情报线条与原始路网的差分和融合过程示意图,参见图13,本申请实施例中,在特征生成和路网融合过程中,可以通过匹配,在几何形态上和路网的拓扑关系上将深度学习模型生成的生成路网、原始路网和异源路网进行路网对齐处理,从而建立三个路网中的各个道路线条在空间上的匹配关系,得到生成路网存在但原始路网不存在的道路线条差集(即差分过程),然后将这个道路线条差集与异源路网之间的交集作为候选情报线条。最后,将这些候选情报线条挂接到原始路网上,融合形成新的路网数据(即目标区域的更新路网)。
本申请实施例中,在结合相关特征进行质量检查的过程中,可以是对挂接至原始路网中的候选情报线条进行质量检查,其中,对候选情报线条的质量检查的主要思路是:(1)存在性:首先是对单条候选情报线条的检查,根据相关信息确定单条候选情报线条的存在性,并检查描述候选情报道路的线条形态是否符合作业规范;(2)道路形态:对多条道路之间相互挂接并融合入原始路网所形成的新路网,首先检查挂接所形成的路口形态是否符合作业规范,表达是否符合现实;(3)道路属性:然后根据相关工艺规范和作业人员的经验,对平行路、高等级道路等自动挂接可能有风险的情况进行特别区分,尽可能避免挂接;(4)拓扑关系:最后,由于遥感影像的时效性和视觉特征的局限性,还需要通过异源路网进行路网结构的一致性检查,以确保上线候选情报道路的准确性。
在实现上,对候选情报线条的质量检查细节如下:
(1)存在性:即单条候选情报道路的存在性。由于候选情报线条是使用遥感影像和轨迹数据叠加的方式生成,在其存在性上可能存在以下问题:由于遥感影像在视觉形态上的局限性,例如道路遮盖、识别错误等原因,可能会生成错误的线条;轨迹线条的飘飞,即定位的位置偏移也可能导致此情况,这种情形多发生于建筑附近;此外,由于所使用的轨迹数据需要积累一定时间周期内的数据才能达到足以生产线条的密度,以及遥感影像的时效性滞后问题,导致生成的路网在道路的新增、消失、形态变化时不能及时更新。因此,本申请实施例使用异源路网数据、遥感影像、轨迹流量数据分别独立验证:首先使用遥感影像生成的二值栅格图验证候选情报线条中的矢量点是否在道路范围内,避免轨迹飘飞造成的影响;然后使用异源路网在几何形态上进行相似性判断,得到与异源路网道路一致的候选情报线条;最后使用一周内的车行轨迹流量数据,计算当前候选情报道路在过去一周内轨迹贯穿的密度以及轨迹形态的相似度,从而验证当前候选情报道路的时效性。
(2)道路形态:人工作业时,作业员对道路线条的绘制有相应的工艺规范,线条应符合原始路网的风格,例如线条应平滑无明显扭曲、弯折和尖锐折角。描述道路的矢量线条形态存在弯折和扭曲时,对某个局部的道路大致方向的角度计算方案如下:对于第n个矢量点,计算其到首端点(即第一个矢量)的角度和第n-1个矢量点的角度的角度差值,并将角度差值转换到[0,180]度的范围内,如果角度差值小于k度(即预设角度差值阈值),则当前矢量点局部的角度为其到首端点的角度;当角度差值大于k度时,则将当前矢量点作为首端点,进行后续的计算。图14A至图14C分别是本申请实施例提供的道路形态不同问题示例图,对扭曲问题,如图14A所示,对于线条中的第n个矢量点,计算其到第n-1和第n-2个矢量点的角度,并计算其角度差值,当该矢量点的局部角度保持不变,而角度差值大于q(预设扭曲判断阈值)时,则认为该矢量点发生扭曲。对弯折问题,如图14B所示,则简单计算当前矢量点与前后两个矢量点的角度与180度的差值是否大于v(预设弯折判断阈值)即可,若大于,则认为当前矢量点发生弯折(如图14B中的弯折位置141)。
对于与原始路网发生挂接后形成的路网,可能与原始路网的单端点挂接形成图14B的形态(图14B中,黑色粗实线为原始路网中的线条,虚线142为挂接到原始路网上的候选情报线条,黑色细实线为异源路网中的线条),大部分情况下会如图14C形成新的路口(图14C中,黑色实线为原始路网中的线条,虚线143为挂接到原始路网上的候选情报线条),尤其是对于道路线条与原始路网线条有位置上的偏移时,会产生与实际情况不符的形态,尤其是图14C所示的丁字路口144和145,由于本申请实施例的方案是不会修改原始路网的,因此需要识别出有风险的不良形态(如图14C中的丁字路口144和145,由于原始路网中在丁字路口144和145位置表现的是一个曲型,而不是一个尖锐的角,因此,将候选情报线条直接挂接到原始路网中,就不能挂接出梯形的结构出来,因此该丁字路口144和145就是有风险的不良形态)。首先,对于挂接的候选情报线条,从挂接点为起始点,计算候选情报线条在原始路网附近的局部角度,然后计算局部角度与90度的差值,以同样方法计算异源路网对应路口的夹角的差值,若二者夹角的差值都小于y(预设路口判断阈值),则认为该挂接点可能为丁字路口,然后计算挂接的候选情报线条与原始路网附近两条道路的夹角,即可判断在形态上是否满足工艺规范。
(3)道路属性:对道路属性的检查主要基于作业人员的经验,通过候选情报道路自身的属性以及发生挂接处的原始路网中道路的属性(即被挂接到的原始路网中的道路的属性),避免可能出现的风险。有风险的道路类型(是指原始路网中的道路类型)包括环岛、上下线道路、桥、匝道、高速路、全封闭道路、隧道、调头口、主辅连接路等;同时应尽量避免当候选情报道路的道路属性(即道路类型)为车行路,原始路网被挂接的道路为步骑行路;原始路网的道路等级低于候选情报道路的道路等级的情况。
在一些实施例中,还可以通过道路的宽度属性,来判断道路的道路类型和道路等级是否可信。图15是本申请实施例提供的道路宽度属性示例图,图15中每一条道路线条旁边的数字即表示该道路线条对应的道路的实际路宽。对于道路的路宽属性,可以使用二值栅格图作为底图进行识别,将二值栅格图进行高斯模糊后再通过像素阈值进行二值化,抽取二值栅格图中道路的中线,计算中线点上的距离变换值,对于道路中的矢量点,计算距离矢量点最近的中线点,将矢量点与中线点之间距离变换值乘以2即为该矢量点的像素宽度,然后将像素宽度转换为实际路宽米数即可。通过道路的宽度属性,可以判断道路的道路类型和道路等级是否可信。
(4)拓扑关系:在情报与原始路网融合形成新路网(即更新路网)后,需要对生成的新路网与异源路网的结构一致性进行检查,避免上线错误的结构。除单端点道路的挂接,与原始路网的挂接会产生路口结构,此外候选情报道路本身也存在路口结构,本申请实施例计算新路网中的路口节点附近的出入度,与关联的异源路网附近的出入度进行比较,对出入度大于异源路网的结构,进一步通过线条角度、形态判断是否与异源路网一致。对于如图16所示的结构,与异源路网的道路结构在表达形式上不一致,因此判断可能有质量问题,其中,图16中虚线表示原始路网,粗实线表示候选情报线条,细实线表示异源路网。
本申请实施例提供的地图数据处理方法,可以应用于任意电子地图对应的地图应用中,其中,在某地图应用中,通过实验数据表示,目前可全自动上线140万条道路,总计里程25万公里;因缺路而导致的偏航率下降50%。预计还可上线50万公里道路。
需要说明的是,本申请实施例可通过深度学习生成候选情报线条,并与原始路网进行融合;另外,本申请实施例使用不同策略实现质量检查,可将相关数据源作为输入,通过深度学习的方式输出情报合格与否的结论。
可以理解的是,在本申请实施例中,涉及到用户信息或企业信息的内容,例如,目标区域的原始路网和异源路网等信息,如果涉及与用户信息或企业信息相关的数据,当本申请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,或者对这些信息进行模糊化处理,以消除这些信息与用户之间的对应关系;且相关数据收集处理在实例应用时应该严格根据相关国家法律法规的要求,获取个人信息主体的知情同意或单独同意,并在法律法规及个人信息主体的授权范围内,开展后续数据使用及处理行为。
下面继续说明本申请实施例提供的地图数据处理装置354实施为软件模块的示例性结构,在一些实施例中,如图2所示,地图数据处理装置354包括:获取模块3541,用于响应于针对电子地图中目标区域的道路路网生成请求,获取所述目标区域的道路采集数据、所述目标区域的原始路网和异源路网;所述原始路网是所述电子地图中已经生成的所述目标区域的路网,所述异源路网是其他电子地图中所述目标区域的路网;路网生成模块3542,用于基于所述道路采集数据生成所述目标区域的生成路网;路网对齐模块3543,用于对所述生成路网、所述原始路网和所述异源路网进行路网对齐处理,得到所述生成路网中的候选情报道路对应的候选情报线条;线条挂接模块3544,用于将所述候选情报线条挂接至所述原始路网中,得到所述目标区域的更新路网;地图数据处理模块3545,用于采用所述更新路网对所述电子地图中的目标区域进行地图数据处理。
在一些实施例中,所述路网生成模块3542还用于:将所述道路采集数据输入至预先训练的图像分割模型中,通过所述图像分割模型对所述道路采集数据进行数据映射处理,得到所述目标区域的二值栅格图;所述二值栅格图中的前景图像为所述图像分割模型识别出的所述目标区域中的识别道路;对所述二值栅格图中的识别道路进行中线提取,得到所述目标区域中的识别道路的道路线条;基于所述道路线条生成所述目标区域的生成路网。
在一些实施例中,所述道路采集数据包括多种数据采集方式采集的道路数据;所述路网生成模块3542还用于:对所述多种数据采集方式采集的道路数据进行数据格式统一处理,得到具有相同数据格式的多种道路数据;对具有相同数据格式的多种道路数据进行数据叠加处理,得到叠加数据;将所述叠加数据输入至所述预先训练的图像分割模型中。
在一些实施例中,所述装置还包括:线条处理模块,用于在得到所述目标区域中的识别道路的道路线条之后,对所述识别道路的道路线条进行线条形态识别,得到所述识别道路的路口位置和所述识别道路中的主干道线条;以所述二值栅格图为底图,对所述道路线条中的路口位置进行线条形态修改,得到线条形态修改后的道路线条;对所述主干道线条进行平滑处理,得到具有方向一致性的主干道线条。
在一些实施例中,所述线条处理模块还用于:获取与所述主干道线条相交的多个道路线条,并确定每一所述道路线条与所述主干道线条之间的偏移角度;将所述偏移角度大于预设偏移角度阈值的道路线条确定为待抽稀道路线条;对所述待抽稀道路线条进行抽稀处理,得到抽稀处理后的道路线条;基于所述抽稀处理后的道路线条对所述主干道线条进行平滑处理,得到所述具有方向一致性的主干道线条。
在一些实施例中,所述路网对齐模块3543还用于:对所述生成路网、所述原始路网和所述异源路网进行路网对齐处理,得到所述生成路网、所述原始路网和所述异源路网中的各个道路线条在空间上的匹配关系;基于所述匹配关系,确定出在所述生成路网中存在且在所述原始路网中不存在的道路线条构成的道路线条差集;基于所述匹配关系,确定所述道路线条差集与所述异源路网中的道路线条之间的道路线条交集;将所述道路线条交集中的道路线条确定为所述候选情报道路对应的候选情报线条。
在一些实施例中,所述线条挂接模块3544还用于:将所述候选情报线条叠加至所述原始路网中,并调用刷子进程对所述原始路网中的每一道路线条进行刷扫操作;其中,所述刷扫操作对应的刷扫宽度为预设宽度;在对每一道路线条进行刷扫操作的过程中,对刷扫到的叠加至所述原始路网中的候选情报线条进行擦除操作,得到擦除后的候选情报线条;沿着指向所述原始路网中的道路线条的方向,对所述擦除后的候选情报线条进行延长处理,使得延长处理后的候选情报线条与所述原始路网中的道路线条相交,得到所述目标区域的更新路网。
在一些实施例中,所述装置还包括:线条校验模块,用于在将所述候选情报线条挂接至所述原始路网中,得到所述目标区域的更新路网之后,获取所述目标区域的遥感影像数据、异源路网和预设时间周期内的轨迹流量数据;针对所述更新路网中的每一候选情报线条,基于所述目标区域的遥感影像数据,对所述候选情报线条进行轨迹一致性校验,得到轨迹校验结果;基于所述目标区域的异源路网,对所述候选情报线条的几何形态与所述异源路网中的异源路网线条的几何形态进行几何相似性校验,得到几何相似性校验结果;基于所述目标区域在预设时间周期内的轨迹流量数据,对所述候选情报线条进行轨迹相似度校验,得到轨迹相似度校验结果;基于所述轨迹校验结果、所述几何相似性校验结果和所述轨迹相似度校验结果,确定是否采用所述更新路网更新所述电子地图中的目标区域。
在一些实施例中,所述线条校验模块还用于:将所述目标区域的遥感影像数据输入至预先训练的图像分割模型中,通过所述图像分割模型对所述遥感影像数据进行数据映射处理,得到所述目标区域的遥感影像二值栅格图;针对所述更新路网中的每一候选情报线条,基于所述遥感影像二值栅格图确定所述候选情报线条中的每一坐标点是否在所述候选情报道路对应的道路范围之内,得到所述候选情报线条的轨迹校验结果。所述线条校验模块还用于:确定所述异源路网中与所述候选情报线条对应的目标异源路网线条;对所述目标异源路网线条的几何形态和所述候选情报线条的几何形态进行几何相似性校验,得到所述几何相似性校验结果。所述线条校验模块还用于:基于所述预设时间周期内的轨迹流量数据,确定所述候选情报线条对应的候选情报道路在所述预设时间周期内的轨迹贯穿密度;基于所述轨迹贯穿密度生成所述预设时间周期内的轨迹线条;对所述轨迹线条和所述候选情报线条进行轨迹相似度校验,得到所述轨迹相似度校验结果。
在一些实施例中,线条校验模块还用于:在将候选情报线条挂接至所述原始路网中,得到所述目标区域的更新路网之后,针对所述更新路网中的每一候选情报线条,确定所述候选情报线条与所述原始路网的挂接点;以所述挂接点为起点,沿所述候选情报线条的延伸方向,确定所述候选情报线条在预设长度范围内的每一矢量点的角度值,以及,所述矢量点分别与位于所述矢量点在所述候选情报线条之前的两个相邻的矢量点之间的邻接角度值;对于每一所述矢量点,基于所述角度值和所述邻接角度值对所述矢量点进行扭曲校验,得到扭曲校验结果;对于每一所述矢量点,基于所述矢量点的角度值以及位于所述矢量点之前和之后的两个相邻矢量点的角度值,对所述矢量点进行弯折校验,得到弯折校验结果;基于所述扭曲校验结果和所述弯折校验结果,确定是否采用所述更新路网更新所述电子地图中的目标区域。
在一些实施例中,线条校验模块还用于:构建参考坐标系;对于所述预设长度范围内的第n个矢量点,确定所述第n个矢量点与所述候选情报线条中的第一个矢量点之间的连线在所述参考坐标系中的第一角度,以及,所述第n个矢量点与所述候选情报线条中的第n-1个矢量点之间的连线在所述参考坐标系中的第二角度;确定所述第一角度与所述第二角度之间的角度差值;如果所述角度差值的绝对值大于预设角度差值阈值,则将所述第n个矢量点确定为所述第一个矢量点,再次计算所述第一角度和所述第二角度;如果所述角度差值的绝对值小于或等于所述预设角度差值阈值,则将所述第一角度确定为所述第n个矢量点的角度值。
在一些实施例中,线条校验模块还用于:在将所述候选情报线条挂接至所述原始路网中,得到所述目标区域的更新路网之前,确定所述候选情报线条待挂接的所述原始路网中的目标道路线条对应的目标道路的道路属性、所述目标道路的目标道路等级和所述候选情报线条对应的候选情报道路的情报道路等级;当基于所述道路属性确定所述目标道路为预设类型的道路时,禁止将所述候选情报线条挂接至所述原始路网中;或者,当所述目标道路等级低于所述情报道路等级时,禁止将所述候选情报线条挂接至所述原始路网中。
在一些实施例中,线条校验模块还用于:在将所述候选情报线条挂接至所述原始路网中,得到所述目标区域的更新路网之后,对所述更新路网和所述异源路网进行结构一致性校验,得到结构一致性校验结果;基于所述结构一致性校验结果,确定是否采用所述更新路网更新所述电子地图中的目标区域。
在一些实施例中,线条校验模块还用于:获取所述更新路网中每一更新路口的路口结构,并基于每一更新路口的路口结构,确定所述更新路口的出入度;获取所述异源路网中每一异源路口的路口结果,并基于每一异源路口的路口结构,确定所述异源路口的出入度;确定每一更新路口对应的异源路口,并基于每一更新路口的出入度和对应的异源路口的出入度,对所述更新路网和所述异源路网进行结构一致性校验,得到所述结构一致性校验结果。
需要说明的是,本申请实施例装置的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果,因此不做赘述。对于本装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
本申请实施例提供了一种计算机程序产品,该计算机程序产品包括可执行指令,该可执行指令是一种计算机指令;该可执行指令存储在计算机可读存储介质中。当电子设备的处理器从计算机可读存储介质读取该可执行指令,处理器执行该可执行指令时,使得该电子设备执行本申请实施例上述的方法。
本申请实施例提供一种存储有可执行指令的存储介质,其中存储有可执行指令,当可执行指令被处理器执行时,将引起处理器执行本申请实施例提供的方法,例如,如图3示出的方法。
在一些实施例中,存储介质可以是计算机可读存储介质,例如,铁电存储器(FRAM,Ferromagnetic Random Access Memory)、只读存储器(ROM,Read Only Memory)、可编程只读存储器(PROM,Programmable Read Only Memory)、可擦除可编程只读存储器(EPROM,Erasable Programmable Read Only Memory)、带电可擦可编程只读存储器(EEPROM,Electrically Erasable Programmable Read Only Memory)、闪存、磁表面存储器、光盘、或光盘只读存储器(CD-ROM,Compact Disk-Read Only Memory)等存储器;也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中,可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例,可执行指令可以但不一定对应于文件系统中的文件,可以可被存储在保存其它程序或数据的文件的一部分,例如,存储在超文本标记语言(HTML,Hyper TextMarkup Language)文档中的一个或多个脚本中,存储在专用于所讨论的程序的单个文件中,或者,存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。作为示例,可执行指令可被部署为在一个电子设备上执行,或者在位于一个地点的多个电子设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个电子设备上执行。
以上所述,仅为本申请的实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和范围之内所作的任何修改、等同替换和改进等,均包含在本申请的保护范围之内。
Claims (16)
1.一种地图数据处理方法,其特征在于,所述方法包括:
响应于针对电子地图中目标区域的道路路网生成请求,获取所述目标区域的道路采集数据、所述目标区域的原始路网和异源路网;所述原始路网是所述电子地图中已经生成的所述目标区域的路网,所述异源路网是其他电子地图中所述目标区域的路网;
基于所述道路采集数据生成所述目标区域的生成路网;
对所述生成路网、所述原始路网和所述异源路网进行路网对齐处理,得到所述生成路网中的候选情报道路对应的候选情报线条;
将所述候选情报线条挂接至所述原始路网中,得到所述目标区域的更新路网;
针对所述更新路网中的每一候选情报线条,将所述目标区域的遥感影像数据输入至预先训练的图像分割模型中,通过所述图像分割模型对所述遥感影像数据进行数据映射处理,得到所述目标区域的遥感影像二值栅格图;基于所述遥感影像二值栅格图确定所述候选情报线条中的每一坐标点是否在所述候选情报道路对应的道路范围之内,得到所述候选情报线条的轨迹校验结果;
确定所述异源路网中与所述候选情报线条对应的目标异源路网线条;对所述目标异源路网线条的几何形态和所述候选情报线条的几何形态进行几何相似性校验,得到所述候选情报线条的几何相似性校验结果;
基于预设时间周期内的轨迹流量数据,确定所述候选情报线条对应的候选情报道路在所述预设时间周期内的轨迹贯穿密度;基于所述轨迹贯穿密度生成所述预设时间周期内的轨迹线条;对所述轨迹线条和所述候选情报线条进行轨迹相似度校验,得到所述候选情报线条的轨迹相似度校验结果;
如果基于所述轨迹校验结果、所述几何相似性校验结果和所述轨迹相似度校验结果,确定采用所述更新路网更新所述目标区域,则采用所述更新路网对所述电子地图中的目标区域进行地图数据处理。
2.根据权利要求1所述的方法,其特征在于,所述基于所述道路采集数据生成所述目标区域的生成路网,包括:
将所述道路采集数据输入至预先训练的图像分割模型中,通过所述图像分割模型对所述道路采集数据进行数据映射处理,得到所述目标区域的二值栅格图;所述二值栅格图中的前景图像为所述图像分割模型识别出的所述目标区域中的识别道路;
对所述二值栅格图中的识别道路进行中线提取,得到所述目标区域中的识别道路的道路线条;
基于所述道路线条生成所述目标区域的生成路网。
3.根据权利要求2所述的方法,其特征在于,所述道路采集数据包括多种数据采集方式采集的道路数据;所述将所述道路采集数据输入至预先训练的图像分割模型中,包括:
对所述多种数据采集方式采集的道路数据进行数据格式统一处理,得到具有相同数据格式的多种道路数据;
对具有相同数据格式的多种道路数据进行数据叠加处理,得到叠加数据;
将所述叠加数据输入至所述预先训练的图像分割模型中。
4.根据权利要求2所述的方法,其特征在于,在得到所述目标区域中的识别道路的道路线条之后,所述方法还包括:
对所述识别道路的道路线条进行线条形态识别,得到所述识别道路的路口位置和所述识别道路中的主干道线条;
以所述二值栅格图为底图,对所述道路线条中的路口位置进行线条形态修改,得到线条形态修改后的道路线条;
对所述主干道线条进行平滑处理,得到具有方向一致性的主干道线条。
5.根据权利要求4所述的方法,其特征在于,所述对所述主干道线条进行平滑处理,得到具有方向一致性的主干道线条,包括:
获取与所述主干道线条相交的多个道路线条,并确定每一所述道路线条与所述主干道线条之间的偏移角度;
将所述偏移角度大于预设偏移角度阈值的道路线条确定为待抽稀道路线条;
对所述待抽稀道路线条进行抽稀处理,得到抽稀处理后的道路线条;
基于所述抽稀处理后的道路线条对所述主干道线条进行平滑处理,得到所述具有方向一致性的主干道线条。
6.根据权利要求1所述的方法,其特征在于,所述对所述生成路网、所述原始路网和所述异源路网进行路网对齐处理,得到所述生成路网中的候选情报道路对应的候选情报线条,包括:
对所述生成路网、所述原始路网和所述异源路网进行路网对齐处理,得到所述生成路网、所述原始路网和所述异源路网中的各个道路线条在空间上的匹配关系;
基于所述匹配关系,确定出在所述生成路网中存在且在所述原始路网中不存在的道路线条构成的道路线条差集;
基于所述匹配关系,确定所述道路线条差集与所述异源路网中的道路线条之间的道路线条交集;
将所述道路线条交集中的道路线条确定为所述候选情报道路对应的候选情报线条。
7.根据权利要求1所述的方法,其特征在于,所述将所述候选情报线条挂接至所述原始路网中,得到所述目标区域的更新路网,包括:
将所述候选情报线条叠加至所述原始路网中,并调用刷子进程对所述原始路网中的每一道路线条进行刷扫操作;其中,所述刷扫操作对应的刷扫宽度为预设宽度;
在对每一道路线条进行刷扫操作的过程中,对刷扫到的叠加至所述原始路网中的候选情报线条进行擦除操作,得到擦除后的候选情报线条;
沿着指向所述原始路网中的道路线条的方向,对所述擦除后的候选情报线条进行延长处理,使得延长处理后的候选情报线条与所述原始路网中的道路线条相交,得到所述目标区域的更新路网。
8.根据权利要求1至7任一项所述的方法,其特征在于,在将所述候选情报线条挂接至所述原始路网中,得到所述目标区域的更新路网之后,所述方法还包括:
针对所述更新路网中的每一候选情报线条,确定所述候选情报线条与所述原始路网的挂接点;
以所述挂接点为起点,沿所述候选情报线条的延伸方向,确定所述候选情报线条在预设长度范围内的每一矢量点的角度值,以及,所述矢量点分别与位于所述矢量点在所述候选情报线条之前的两个相邻的矢量点之间的邻接角度值;
对于每一所述矢量点,基于所述角度值和所述邻接角度值对所述矢量点进行扭曲校验,得到扭曲校验结果;
对于每一所述矢量点,基于所述矢量点的角度值以及位于所述矢量点之前和之后的两个相邻矢量点的角度值,对所述矢量点进行弯折校验,得到弯折校验结果;
基于所述扭曲校验结果和所述弯折校验结果,确定是否采用所述更新路网更新所述电子地图中的目标区域。
9.根据权利要求8所述的方法,其特征在于,所述确定所述候选情报线条在预设长度范围内的每一矢量点的角度值,包括:
构建参考坐标系;
对于所述预设长度范围内的第n个矢量点,确定所述第n个矢量点与所述候选情报线条中的第一个矢量点之间的连线在所述参考坐标系中的第一角度,以及,所述第n个矢量点与所述候选情报线条中的第n-1个矢量点之间的连线在所述参考坐标系中的第二角度;
确定所述第一角度与所述第二角度之间的角度差值;
如果所述角度差值的绝对值大于预设角度差值阈值,则将所述第n个矢量点确定为所述第一个矢量点,再次计算所述第一角度和所述第二角度;
如果所述角度差值的绝对值小于或等于所述预设角度差值阈值,则将所述第一角度确定为所述第n个矢量点的角度值。
10.根据权利要求1至7任一项所述的方法,其特征在于,在将所述候选情报线条挂接至所述原始路网中,得到所述目标区域的更新路网之前,所述方法还包括:
确定所述候选情报线条待挂接的所述原始路网中的目标道路线条对应的目标道路的道路属性、所述目标道路的目标道路等级和所述候选情报线条对应的候选情报道路的情报道路等级;
当基于所述道路属性确定所述目标道路为预设类型的道路时,禁止将所述候选情报线条挂接至所述原始路网中;或者,
当所述目标道路等级低于所述情报道路等级时,禁止将所述候选情报线条挂接至所述原始路网中。
11.根据权利要求1至7任一项所述的方法,其特征在于,在将所述候选情报线条挂接至所述原始路网中,得到所述目标区域的更新路网之后,所述方法还包括:
对所述更新路网和所述异源路网进行结构一致性校验,得到结构一致性校验结果;
基于所述结构一致性校验结果,确定是否采用所述更新路网更新所述电子地图中的目标区域。
12.根据权利要求11所述的方法,其特征在于,所述对所述更新路网和所述异源路网进行结构一致性校验,得到结构一致性校验结果,包括:
获取所述更新路网中每一更新路口的路口结构,并基于每一更新路口的路口结构,确定所述更新路口的出入度;
获取所述异源路网中每一异源路口的路口结果,并基于每一异源路口的路口结构,确定所述异源路口的出入度;
确定每一更新路口对应的异源路口,并基于每一更新路口的出入度和对应的异源路口的出入度,对所述更新路网和所述异源路网进行结构一致性校验,得到所述结构一致性校验结果。
13.一种地图数据处理装置,其特征在于,所述装置包括:
获取模块,用于响应于针对电子地图中目标区域的道路路网生成请求,获取所述目标区域的道路采集数据、所述目标区域的原始路网和异源路网;所述原始路网是所述电子地图中已经生成的所述目标区域的路网,所述异源路网是其他电子地图中所述目标区域的路网;
路网生成模块,用于基于所述道路采集数据生成所述目标区域的生成路网;
路网对齐模块,用于对所述生成路网、所述原始路网和所述异源路网进行路网对齐处理,得到所述生成路网中的候选情报道路对应的候选情报线条;
线条挂接模块,用于将所述候选情报线条挂接至所述原始路网中,得到所述目标区域的更新路网;
地图数据处理模块,用于针对所述更新路网中的每一候选情报线条,将所述目标区域的遥感影像数据输入至预先训练的图像分割模型中,通过所述图像分割模型对所述遥感影像数据进行数据映射处理,得到所述目标区域的遥感影像二值栅格图;基于所述遥感影像二值栅格图确定所述候选情报线条中的每一坐标点是否在所述候选情报道路对应的道路范围之内,得到所述候选情报线条的轨迹校验结果;确定所述异源路网中与所述候选情报线条对应的目标异源路网线条;对所述目标异源路网线条的几何形态和所述候选情报线条的几何形态进行几何相似性校验,得到所述候选情报线条的几何相似性校验结果;基于预设时间周期内的轨迹流量数据,确定所述候选情报线条对应的候选情报道路在所述预设时间周期内的轨迹贯穿密度;基于所述轨迹贯穿密度生成所述预设时间周期内的轨迹线条;对所述轨迹线条和所述候选情报线条进行轨迹相似度校验,得到所述候选情报线条的轨迹相似度校验结果;如果基于所述轨迹校验结果、所述几何相似性校验结果和所述轨迹相似度校验结果,确定采用所述更新路网更新所述目标区域,则采用所述更新路网对所述电子地图中的目标区域进行地图数据处理。
14.一种电子设备,其特征在于,包括:
存储器,用于存储可执行指令;处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至12任一项所述的地图数据处理方法。
15.一种计算机可读存储介质,其特征在于,存储有可执行指令,用于引起处理器执行所述可执行指令时,实现权利要求1至12任一项所述的地图数据处理方法。
16.一种计算机程序产品,所述计算机程序产品包括可执行指令,所述可执行指令存储在计算机可读存储介质中;
当电子设备的处理器从所述计算机可读存储介质读取所述可执行指令,并执行所述可执行指令时,实现权利要求1至12任一项所述的地图数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410148425.0A CN117708261B (zh) | 2024-02-02 | 2024-02-02 | 地图数据处理方法、装置、设备、存储介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410148425.0A CN117708261B (zh) | 2024-02-02 | 2024-02-02 | 地图数据处理方法、装置、设备、存储介质及程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117708261A CN117708261A (zh) | 2024-03-15 |
CN117708261B true CN117708261B (zh) | 2024-05-03 |
Family
ID=90155623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410148425.0A Active CN117708261B (zh) | 2024-02-02 | 2024-02-02 | 地图数据处理方法、装置、设备、存储介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117708261B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112257762A (zh) * | 2020-10-12 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种异源高精度地图间的路网匹配方法及系统 |
CN114385662A (zh) * | 2022-02-09 | 2022-04-22 | 深圳依时货拉拉科技有限公司 | 路网更新方法、装置、存储介质及电子设备 |
CN114461740A (zh) * | 2022-01-14 | 2022-05-10 | 广州小鹏自动驾驶科技有限公司 | 地图更新方法、地图更新装置、计算机设备及存储介质 |
CN114881568A (zh) * | 2022-05-19 | 2022-08-09 | 京东城市(北京)数字科技有限公司 | 对齐路线数据和路径监测的方法、装置、电子设备及介质 |
CN114911805A (zh) * | 2021-02-10 | 2022-08-16 | 汉海信息技术(上海)有限公司 | 一种路网数据更新方法、系统、电子设备及存储介质 |
-
2024
- 2024-02-02 CN CN202410148425.0A patent/CN117708261B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112257762A (zh) * | 2020-10-12 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种异源高精度地图间的路网匹配方法及系统 |
CN114911805A (zh) * | 2021-02-10 | 2022-08-16 | 汉海信息技术(上海)有限公司 | 一种路网数据更新方法、系统、电子设备及存储介质 |
CN114461740A (zh) * | 2022-01-14 | 2022-05-10 | 广州小鹏自动驾驶科技有限公司 | 地图更新方法、地图更新装置、计算机设备及存储介质 |
CN114385662A (zh) * | 2022-02-09 | 2022-04-22 | 深圳依时货拉拉科技有限公司 | 路网更新方法、装置、存储介质及电子设备 |
CN114881568A (zh) * | 2022-05-19 | 2022-08-09 | 京东城市(北京)数字科技有限公司 | 对齐路线数据和路径监测的方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117708261A (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109509260B (zh) | 动态障碍物点云的标注方法、设备及可读介质 | |
US20210302585A1 (en) | Smart navigation method and system based on topological map | |
CN109470254B (zh) | 地图车道线的生成方法、装置、系统及存储介质 | |
CN108319895B (zh) | 用于识别电子地图中的路口的方法和装置 | |
WO2021003452A1 (en) | Determination of lane connectivity at traffic intersections for high definition maps | |
CN115540896A (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
CN112747755B (zh) | 道路线确定方法、装置、可读存储介质及地图更新系统 | |
WO2022083487A1 (zh) | 生成高精度地图的方法、装置和计算机可读存储介质 | |
CN114818065A (zh) | 三维巷道模型搭建方法、装置、电子设备及存储介质 | |
CN114882316A (zh) | 目标检测模型训练方法、目标检测方法及装置 | |
Boubakri et al. | High definition map update for autonomous and connected vehicles: A survey | |
CN114092909A (zh) | 一种车道线提取方法、装置、车辆及存储介质 | |
CN113742440A (zh) | 道路图像数据处理方法、装置、电子设备及云计算平台 | |
CN117708261B (zh) | 地图数据处理方法、装置、设备、存储介质及程序产品 | |
CN111723173A (zh) | 车载地图制作方法、装置、电子设备及存储介质 | |
CN115468578B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
CN114705180B (zh) | 高精地图的数据修正方法、装置、设备及存储介质 | |
CN114004552B (zh) | 一种地下水质风险评估方法和系统 | |
CN116091716A (zh) | 一种基于深度学习的高精度地图自动化制作系统及方法 | |
CN114440905B (zh) | 中间图层的构建方法、装置、电子设备及存储介质 | |
CN116342745A (zh) | 车道线数据的编辑方法、装置、电子设备及存储介质 | |
CN116434181A (zh) | 地面点检测方法、装置、电子设备和介质 | |
CN115265517A (zh) | 一种地图数据的更新方法、装置、设备以及存储介质 | |
CN115100231A (zh) | 一种区域边界的确定方法和装置 | |
US20230236021A1 (en) | Information processing device |
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 |