CN117853614A - 高精地图元素变更情况的检测方法、装置和车辆 - Google Patents
高精地图元素变更情况的检测方法、装置和车辆 Download PDFInfo
- Publication number
- CN117853614A CN117853614A CN202311628152.1A CN202311628152A CN117853614A CN 117853614 A CN117853614 A CN 117853614A CN 202311628152 A CN202311628152 A CN 202311628152A CN 117853614 A CN117853614 A CN 117853614A
- Authority
- CN
- China
- Prior art keywords
- area
- change condition
- map element
- map
- target
- 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
- 230000008859 change Effects 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims description 32
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 24
- 238000013507 mapping Methods 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 7
- 238000012217 deletion Methods 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 240000004050 Pentaglottis sempervirens Species 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000007792 addition Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种高精地图元素变更情况的检测方法、装置和车辆，涉及人工智能技术领域，具体为电子地图、智能交通、自动驾驶等技术领域。地图元素变更情况的检测方法包括：基于车辆行驶过程中采集的目标图像，获取在线地图中的目标类型的第一地图元素；获取高精地图中的所述目标类型的第二地图元素；基于所述第一地图元素所在的第一区域和所述第二地图元素所在的第二区域，确定所述目标类型的地图元素的目标变更情况。本公开可以及时准确地检测出目标类型的地图元素的变更情况。
Description
技术领域
本公开涉及人工智能技术领域，具体为电子地图、智能交通、自动驾驶等技术领域，尤其涉及一种高精地图元素变更情况的检测方法、装置、设备和车辆。
背景技术
高精地图是一种包含详细道路信息的地图，为智能驾驶提供准确的导航和决策依据。为了保证自动驾驶的安全性，需要及时识别出高精地图中发生变更的地图元素。
发明内容
本公开提供了一种高精地图元素变更情况的检测方法、装置和车辆。
根据本公开的一方面，提供了一种高精地图元素变更情况的检测方法，包括：基于车辆行驶过程中采集的目标图像，获取在线地图中的目标类型的第一地图元素；获取高精地图中的所述目标类型的第二地图元素；基于所述第一地图元素所在的第一区域和所述第二地图元素所在的第二区域，确定所述目标类型的地图元素的目标变更情况。
根据本公开的另一方面，提供了一种高精地图元素变更情况的检测装置，包括：第一获取模块，用于基于车辆行驶过程中采集的目标图像，获取在线地图中的目标类型的第一地图元素；第二获取模块，用于获取高精地图中的所述目标类型的第二地图元素；确定模块，用于基于所述第一地图元素所在的第一区域和所述第二地图元素所在的第二区域，确定所述目标类型的地图元素的目标变更情况。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任一方面的任一项所述的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述任一方面的任一项所述的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述任一方面的任一项所述的方法。
根据本公开的另一方面，提供了一种车辆，包括上述任一方面的任一项所述的电子设备。
根据本公开的技术方案，可以及时准确地检测出目标类型的地图元素的变更情况。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开第一实施例的示意图；
图2是用来实现本公开实施例的应用场景的示意图；
图3是根据本公开实施例提供的高精地图元素变更情况的检测方法的整体流程示意图；
图4是根据本公开第二实施例的示意图；
图5是根据本公开第三实施例的示意图；
图6是根据本公开第四实施例的示意图
图7是用来实现本公开实施例的高精地图元素变更情况的检测方法的电子设备的示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
多边形地图元素是高精地图中的一种重要元素，例如包括：安全岛、导流区、待转区、人行横道等。
相关技术中，缺乏针对多边形地图元素变更情况的检测方案。
图1是根据本公开第一实施例的示意图。本实施例提供一种高精地图元素变更情况的检测方法，该方法包括：
101、基于车辆行驶过程中采集的目标图像，获取在线地图中的目标类型的第一地图元素。
102、获取预先配置的高精地图中的所述目标类型的第二地图元素。
103、基于所述第一地图元素所在的第一区域和所述第二地图元素所在的第二区域，确定所述目标类型的地图元素的目标变更情况。
其中，目标图像为车辆(如自动驾驶车辆)的预设位置相机采集的图像，可以为一个或多个。例如，预设位置相机包括前向相机、左向相机和右向相机，则可以获得前向图像、左向图像和右向图像作为目标图像。
目标类型，是指待检测变更情况的地图元素的类型，例如，目标类型是多边形类型，则需要检测多边形地图元素的变更情况。多边形地图元素是高精地图中的一种重要元素，例如包括：安全岛、导流区、待转区、人行横道等。
在线地图，是指基于目标图像确定的当前地图，该地图中的目标类型的地图元素称为第一地图元素。也就是说，在线地图是指根据车辆行驶过程中采集的图像生成的地图，该地图由于是根据实际采集的图像生成的，能够反映实际地图信息，与预先配置的高精地图中的信息可能不一致。在线地图中也包括至少一种地图元素，比如，多边形地图元素，多边形地图元素可以对上述采集的图像进行特征提取以及对提取的特征进行处理后获得，这样可以比对基于实际采集的图像获得的第一地图元素与预先配置的第二地图元素是否发生变更。
高精地图，是指预先配置的地图，如预设在自动驾驶系统内的地图，该地图中的目标类型的地图元素称为第二地图元素。
例如，在线地图中的多边形地图元素为第一地图元素，高精地图中的多边形地图元素为第二地图元素。
第一地图元素所在区域为第一区域，第二地图元素所在区域为第二区域。以目标类型是多边形为例，这些区域(第一区域和第二区域)是面区域，可以采用对应区域的边界点进行表征，边界点中可以记录对应点的经纬度坐标，基于这些边界点的经纬度坐标可以计算出对应区域。
获取第一区域和第二区域后，基于第一区域和第二区域确定目标类型的地图元素的目标变更情况。
目标变更情况包括：新增、删除或者移动。其中，以目标类型的地图元素是元素A为例，新增是指高精地图中没有该元素A，在线地图中有该元素A；删除是指高精地图中有该元素A，在线地图中没有该元素A；移动是指该元素A在高精地图中的位置与在线地图中的位置不同，位置发生移动。
本实施例中，基于目标图像确定在线地图中的第一地图元素，基于第一地图元素所在的第一区域和高精地图中对应元素所在的第二区域确定目标类型的地图元素的目标变更情况，由于第一区域和第二区域分别表征目标类型的地图元素在高精地图和在线地图中的位置情况，因此可以及时准确地检测出目标类型的地图元素的变更情况。
为了更好地理解本公开实施例，对本公开实施例适用的应用场景进行说明。本实施例以自动驾驶场景为例。
图2是用来实现本公开实施例的应用场景的示意图，如图2所示自动驾驶车辆201在行驶过程中可以与服务器202进行通信。服务器可以是车企本地服务器或云端服务器，可以是单一服务器或服务器集群。自动驾驶车辆可以通过移动通信网络和/或卫星通信网络与服务器进行通信。
自动驾驶功能基于自动驾驶系统实现，自动驾驶系统的各个功能模块可以部署在自动驾驶车辆和/或服务器上。自动驾驶系统的功能模块之一是高精地图，即可以预先配置高精地图，以便对自动驾驶车辆进行导航定位。
为了保证自动驾驶车辆的行驶安全，需要及时准确地检测出高精地图中地图元素的变更情况。
本实施例以检测多边形地图元素的变更情况为例。多边形地图元素是高精地图中的一种重要元素，例如包括：安全岛、导流区、待转区、人行横道等。
为了检测多边形地图元素的变更情况，可以比对在线地图中的多边形地图元素和高精地图中的多边形地图元素。在线地图中的多边形地图元素可以称为第一地图元素，高精地图中的多边形地图元素可以称为第二地图元素。高精地图是预先配置的，因此可以直接从高精地图中获取第二地图元素。
第一地图元素可以基于自动驾驶车辆采集的目标图像获取。目标图像可以包括前向图像、左向图像和右向图像。
如图3所示，自动驾驶车辆采集到目标图像后，可以分别对每个目标图像进行图像特征提取，以获得每个目标图像的图像特征。之后，基于多个目标图像的图像特征获得鸟瞰图特征。具体可以采用鸟瞰图(Bird's Eye View，BEV)转换网络网络对输入的多个目标图像的图像特征进行处理，输出是鸟瞰图特征。BEV是也称作“上帝视角”，BEV转换网络是一种端到端的，由神经网络将图像信息从图像空间转换到BEV空间的技术。图3中的鸟瞰图转换网络以BEV Transformer为例。
基于BEV Transformer，可以将图像信息从图像空间(图像特征)转换为鸟瞰图空间，即鸟瞰图特征。
获取鸟瞰图特征后，可以基于鸟瞰图特征进行实例分割，获得鸟瞰图实例分割结果。
实例分割(instance segment)能够将目标对象(在线地图)中的每个物体实例标记出来，并为每个实例生成一个像素级的分割掩码。实例分割不仅识别出目标对象中的物体，还将每个物体的边界精确地标记出来。
如图3所示，以采用Mask2Former网络进行实例分割为例。Mask2Former是一种实例分割模型，具有高效、准确和适应性强等优点。具体到本实施例中，由于其输入是鸟瞰图特征，因此，其是对在线地图进行实例分割，输出是鸟瞰图实例分割结果。
鸟瞰图实例分割结果是像素级的分割掩码，即，可以针对每个像素，确定该像素属于的地图元素类型的概率，如针对像素A，可以确定像素A属于多边形类型的概率。之后，基于鸟瞰图实例分割结果提取多边形，可以获取第一地图元素。例如，针对像素A，如果其属于多边形类型的概率大于阈值(如0.5)，则将像素A作为第一地图元素中的像素，由同一地图元素中的像素组成对应的地图元素。
基于目标图像获取第一地图元素后，可以与高精地图中的第二地图元素进行比较，以获得初始变更情况。初始变更情况可以包括：新增、删除、移动。例如，针对某个地图元素，若第二地图元素中不包括该地图元素，而第一地图元素中包括该地图元素，则该地图元素属于新增。
进一步地，为了提高准确性，还可以对初始变更结果进行过滤处理，以获得目标变更情况。
结合上述应用场景，本公开还提供了如下实施例。
图4是根据本公开第二实施例的示意图，本实施例提供了一种高精地图元素变更情况的检测方法，如图4所示，该方法包括：
401、对车辆行驶过程中采集的目标图像进行特征提取处理，以获得图像特征。
402、将所述图像特征转换为鸟瞰图特征。
403、基于所述鸟瞰图特征，获取在线地图的实例分割结果。
404、基于所述实例分割结果，获取所述在线地图中的目标类型的第一地图元素。
其中，结合图3，可以对目标图像分别提取图像特征，之后，采用BVE Transformer网络对图像特征进行处理，得到鸟瞰图特征，以及，采用Mask2Form网络对鸟瞰图特征进行处理，得到在线地图的实例分割结果。
本实施例中，通过将图像特征转换为鸟瞰图特征，以及基于鸟瞰图特征获得在线地图的实例分割结果，基于实例分割结果获取第一地图元素，由于鸟瞰图特征是俯瞰在线地图视角的特征，获取并基于该鸟瞰图特征的处理，可以准确高效地获得在线地图中的第一地图元素。
进一步地，所述目标类型是多边形类型；
所述基于所述实例分割结果，获取所述第一地图元素，包括：
对所述实例分割结果进行多边形提取处理，以获得多边形区域；
将所述多边形区域对应的地图元素，作为所述第一地图元素。
其中，结合图3，针对多边形地图元素，可以对实例分割结果进行多边形提取处理，以获得第一地图元素。
具体地，可以先对实例化分割结果进行二值化处理，以获得二值化掩码，例如，针对某个像素，如果实例化分割结果中该像素属于多边形的概率大于阈值(如0.5)，则将该像素二值化为1，否则二值化为0，针对每个像素进行上述处理，得到二值化掩码。之后利用该二值化掩码提取出多边形区域。为了提高准确度，还可以利用图像膨胀和腐蚀去除小的空洞，连接断裂的多边形，得到最终的多边形检测结果。获取最终的多边形检测结果后，可以采用轮廓提取技术，提取多边形轮廓，将多边形轮廓所对应的地图元素作为第一地图元素。
本实施例中，针对目标类型是多边形类型的第一地图元素，通过对实例分割结果进行多边形提取处理，可以准确地获得第一地图元素。
405、获取高精地图中的所述目标类型的第二地图元素。
406、基于所述第一地图元素所在的第一区域和所述第二地图元素所在的第二区域，确定所述目标类型的地图元素的初始变更情况。
407、基于所述初始变更情况确定所述目标类型的地图元素的目标变更情况。
本实施例中，基于初始变更情况确定目标变更情况，可以对初始变更情况进行进一步处理，提高目标变更情况的精准度。
针对初始变更情况，可以采用如下方式确定：
获取所述第一区域与所述第二区域的相交面积；
若所述相交面积小于第一阈值，且所述第一区域的面积大于第二阈值，确定所述初始变更情况是新增；或者，
若所述相交面积小于第三阈值，且所述第一区域的面积小于第四阈值，确定所述初始变更情况是删除；或者，
若所述相交面积大于第五阈值，且属于所述第一区域但不属于所述第二区域的区域面积大于第六阈值，确定所述初始变更情况是移动。
其中，上述的各阈值可以根据实际情况设置，可以相同或不同。
针对第一地图元素，通过多边形提取处理后，可以获得多边形轮廓，该轮廓包围的区域是第一区域。第二区域可以基于高精地图的信息获取。
确定第一区域和第二区域后，可以计算第一区域和第二区域各自的面积、两者的相交面积，以及上述所需的各种面积。获取各种面积后，可以与对应的阈值进行比较，获取初始变更情况。
本实施例中，基于第一区域和第二区域的相交面积和阈值，可以简便高效地获取初始变更情况。
针对目标变更情况，可以采用如下方式确定：
获取所述在线地图中所述目标类型的历史地图元素；
将所述历史地图元素所在的历史区域映射到所述第一区域所在坐标系，以获得映射区域；
若所述映射区域与所述第一区域满足预设条件，将所述初始变更情况作为所述目标变更情况。
例如，在不同的时刻和位置(时空)可以采用不同的目标图像，基于不同的目标图像可以获取对应时空的多边形地图元素所在区域，通过时空转换处理后，可以获得历史区域的映射区域。之后，可以基于映射区域和当前区域(第一区域)，判断初始变更情况是否准确，进而获得目标变更情况。
本实施例中，在映射区域与第一区域满足预设条件时，将初始变更情况作为目标变更情况，可以提高目标变更情况的准确度。
进一步地，可以确定所述映射区域与所述第一区域的交并比(Intersection overUnion，IOU)；若所述交并比大于预设阈值，将所述初始变更情况作为所述目标变更情况。
具体如，映射区域是区域A，第一区域是区域B，则可以计算区域A与区域B的相交面积，以及区域A与区域B的相并面积，之后计算相交面积与相并面积的比值，得到交并比。
若上述的交并比大于预设阈值，则表明初始变更情况是准确的，将初始变更情况作为目标变更情况，否则初始变更情况是不准确的，过滤掉该初始变更情况，重新获取初始变更情况和目标变更情况。
本实施例中，基于上述的交并比判断是否将初始变更情况作为目标变更情况，可以简便高效地获得目标变更情况。
获取目标变更情况后，可以将目标变更情况发送给安全控制方，以便基于该变更情况保证自动驾驶车辆的安全性；或者，还可以将目标变更情况发送给高精地图制作方，以便基于该变更情况进行高精地图更新。
图5是根据本公开第三实施例的示意图。本实施例提供一种高精地图元素变更情况的检测装置，如图5所示，该装置500包括：第一获取模块501、第二获取模块502和确定模块503。
第一获取模块501用于基于车辆行驶过程中采集的目标图像，获取在线地图中的目标类型的第一地图元素；第二获取模块502用于获取高精地图中的所述目标类型的第二地图元素；确定模块503用于基于所述第一地图元素所在的第一区域和所述第二地图元素所在的第二区域，确定所述目标类型的地图元素的目标变更情况。
本实施例中，基于目标图像确定在线地图中的第一地图元素，基于第一地图元素所在的第一区域和高精地图中对应元素所在的第二区域确定目标类型的地图元素的目标变更情况，由于第一区域和第二区域分别表征目标类型的地图元素在高精地图和在线地图中的位置情况，因此可以及时准确地检测出目标类型的地图元素的变更情况。
一些实施例中，所述第一获取模块501进一步用于：
对所述目标图像进行特征提取处理，以获得图像特征；
将所述图像特征转换为鸟瞰图特征；
基于所述鸟瞰图特征，获取在线地图的实例分割结果；
基于所述实例分割结果，获取所述第一地图元素。
本实施例中，通过将图像特征转换为鸟瞰图特征，以及基于鸟瞰图特征获得在线地图的实例分割结果，基于实例分割结果获取第一地图元素，由于鸟瞰图特征是俯瞰在线地图视角的特征，获取并基于该鸟瞰图特征的处理，可以准确高效地获得在线地图中的第一地图元素。
一些实施例中，所述目标类型是多边形类型；
所述第一获取模块501进一步用于：
对所述实例分割结果进行多边形提取处理，以获得多边形区域；
将所述多边形区域对应的地图元素，作为所述第一地图元素。
本实施例中，针对目标类型是多边形类型的第一地图元素，通过对实例分割结果进行多边形提取处理，可以准确地获得第一地图元素。
一些实施例中，所述确定模块503进一步用于：
基于所述第一区域和所述第二区域，确定所述目标类型的地图元素的初始变更情况；
基于所述初始变更情况确定所述目标变更情况。
本实施例中，基于初始变更情况确定目标变更情况，可以对初始变更情况进行进一步处理，提高目标变更情况的精准度。
一些实施例中，所述确定模块503进一步用于：
获取所述第一区域与所述第二区域的相交面积；
若所述相交面积小于第一阈值，且所述第一区域的面积大于第二阈值，确定所述初始变更情况是新增；或者，
若所述相交面积小于第三阈值，且所述第一区域的面积小于第四阈值，确定所述初始变更情况是删除；或者，
若所述相交面积大于第五阈值，且属于所述第一区域但不属于所述第二区域的区域面积大于第六阈值，确定所述初始变更情况是移动。
本实施例中，基于第一区域和第二区域的相交面积和阈值，可以简便高效地获取初始变更情况。
一些实施例中，所述确定模块503进一步用于：
获取所述在线地图中所述目标类型的历史地图元素；
将所述历史地图元素所在的历史区域映射到所述第一区域所在坐标系，以获得映射区域；
若所述映射区域与所述第一区域满足预设条件，将所述初始变更情况作为所述目标变更情况。
本实施例中，在映射区域与第一区域满足预设条件时，将初始变更情况作为目标变更情况，可以提高目标变更情况的准确度。
一些实施例中，所述确定模块503进一步用于：
确定所述映射区域与所述第一区域的交并比；
若所述交并比大于预设阈值，将所述初始变更情况作为所述目标变更情况。
本实施例中，基于上述的交并比判断是否将初始变更情况作为目标变更情况，可以简便高效地获得目标变更情况。
图6是根据本公开第四实施例的示意图。本实施例提供一种车辆，如自动驾驶车辆，该车辆600包括：电子设备601。关于电子设备的说明可以参见后续实施例。
可以理解的是，本公开实施例中，不同实施例中的相同或相似内容可以相互参考。
可以理解的是，本公开实施例中的“第一”、“第二”等只是用于区分，不表示重要程度高低、时序先后等。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备700旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示，电子设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许电子设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如高精地图元素变更情况的检测方法。例如，在一些实施例中，高精地图元素变更情况的检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的高精地图元素变更情况的检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行高精地图元素变更情况的检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (18)
1.一种高精地图元素变更情况的检测方法，包括：
基于车辆行驶过程中采集的目标图像，获取在线地图中的目标类型的第一地图元素；
获取高精地图中的所述目标类型的第二地图元素；
基于所述第一地图元素所在的第一区域和所述第二地图元素所在的第二区域，确定所述目标类型的地图元素的目标变更情况。
2.根据权利要求1所述的方法，其中，所述基于车辆行驶过程中采集的目标图像，获取在线地图中的目标类型的第一地图元素，包括：
对所述目标图像进行特征提取处理，以获得图像特征；
将所述图像特征转换为鸟瞰图特征；
基于所述鸟瞰图特征，获取在线地图的实例分割结果；
基于所述实例分割结果，获取所述第一地图元素。
3.根据权利要求2所述的方法，其中，
所述目标类型是多边形类型；
所述基于所述实例分割结果，获取所述第一地图元素，包括：
对所述实例分割结果进行多边形提取处理，以获得多边形区域；
将所述多边形区域对应的地图元素，作为所述第一地图元素。
4.根据权利要求1所述的方法，其中，所述基于所述第一地图元素所在的第一区域和所述第二地图元素所在的第二区域，确定所述目标类型的地图元素的目标变更情况，包括：
基于所述第一区域和所述第二区域，确定所述目标类型的地图元素的初始变更情况；
基于所述初始变更情况确定所述目标变更情况。
5.根据权利要求4所述的方法，其中，所述基于所述第一区域和所述第二区域，确定所述目标类型的地图元素的初始变更情况，包括：
获取所述第一区域与所述第二区域的相交面积；
若所述相交面积小于第一阈值，且所述第一区域的面积大于第二阈值，确定所述初始变更情况是新增；或者，
若所述相交面积小于第三阈值，且所述第一区域的面积小于第四阈值，确定所述初始变更情况是删除；或者，
若所述相交面积大于第五阈值，且属于所述第一区域但不属于所述第二区域的区域面积大于第六阈值，确定所述初始变更情况是移动。
6.根据权利要求4所述的方法，其中，所述基于所述初始变更情况确定所述目标变更情况，包括：
获取所述在线地图中所述目标类型的历史地图元素；
将所述历史地图元素所在的历史区域映射到所述第一区域所在坐标系，以获得映射区域；
若所述映射区域与所述第一区域满足预设条件，将所述初始变更情况作为所述目标变更情况。
7.根据权利要求6所述的方法，其中，所述若所述映射区域与所述第一区域满足预设条件，将所述初始变更情况作为所述目标变更情况，包括：
确定所述映射区域与所述第一区域的交并比；
若所述交并比大于预设阈值，将所述初始变更情况作为所述目标变更情况。
8.一种高精地图元素变更情况的检测装置，包括：
第一获取模块，用于基于车辆行驶过程中采集的目标图像，获取在线地图中的目标类型的第一地图元素；
第二获取模块，用于获取高精地图中的所述目标类型的第二地图元素；
确定模块，用于基于所述第一地图元素所在的第一区域和所述第二地图元素所在的第二区域，确定所述目标类型的地图元素的目标变更情况。
9.根据权利要求8所述的装置，其中，所述第一获取模块进一步用于：
对所述目标图像进行特征提取处理，以获得图像特征；
将所述图像特征转换为鸟瞰图特征；
基于所述鸟瞰图特征，获取在线地图的实例分割结果；
基于所述实例分割结果，获取所述第一地图元素。
10.根据权利要求8所述的装置，其中，
所述目标类型是多边形类型；
所述第一获取模块进一步用于：
对所述实例分割结果进行多边形提取处理，以获得多边形区域；
将所述多边形区域对应的地图元素，作为所述第一地图元素。
11.根据权利要求8所述的装置，其中，所述确定模块进一步用于：
基于所述第一区域和所述第二区域，确定所述目标类型的地图元素的初始变更情况；
基于所述初始变更情况确定所述目标变更情况。
12.根据权利要求11所述的装置，其中，所述确定模块进一步用于：
获取所述第一区域与所述第二区域的相交面积；
若所述相交面积小于第一阈值，且所述第一区域的面积大于第二阈值，确定所述初始变更情况是新增；或者，
若所述相交面积小于第三阈值，且所述第一区域的面积小于第四阈值，确定所述初始变更情况是删除；或者，
若所述相交面积大于第五阈值，且属于所述第一区域但不属于所述第二区域的区域面积大于第六阈值，确定所述初始变更情况是移动。
13.根据权利要求11所述的装置，其中，所述确定模块进一步用于：
获取所述在线地图中所述目标类型的历史地图元素；
将所述历史地图元素所在的历史区域映射到所述第一区域所在坐标系，以获得映射区域；
若所述映射区域与所述第一区域满足预设条件，将所述初始变更情况作为所述目标变更情况。
14.根据权利要求13所述的装置，其中，所述确定模块进一步用于：
确定所述映射区域与所述第一区域的交并比；
若所述交并比大于预设阈值，将所述初始变更情况作为所述目标变更情况。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
18.一种车辆，包括：如权利要求15所述的电子设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311628152.1A CN117853614A (zh) | 2023-11-30 | 2023-11-30 | 高精地图元素变更情况的检测方法、装置和车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311628152.1A CN117853614A (zh) | 2023-11-30 | 2023-11-30 | 高精地图元素变更情况的检测方法、装置和车辆 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117853614A true CN117853614A (zh) | 2024-04-09 |
Family
ID=90527635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311628152.1A Pending CN117853614A (zh) | 2023-11-30 | 2023-11-30 | 高精地图元素变更情况的检测方法、装置和车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117853614A (zh) |
-
2023
- 2023-11-30 CN CN202311628152.1A patent/CN117853614A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112560684B (zh) | 车道线检测方法、装置、电子设备、存储介质以及车辆 | |
| CN113971723B (zh) | 高精地图中三维地图的构建方法、装置、设备和存储介质 | |
| CN115410173B (zh) | 多模态融合的高精地图要素识别方法、装置、设备及介质 | |
| CN113298910A (zh) | 生成交通标志线地图的方法、设备和存储介质 | |
| CN116052097A (zh) | 一种地图要素检测方法、装置、电子设备和存储介质 | |
| CN113762397B (zh) | 检测模型训练、高精度地图更新方法、设备、介质及产品 | |
| CN116469073A (zh) | 目标识别方法、装置、电子设备、介质及自动驾驶车辆 | |
| CN113963327B (zh) | 障碍物检测方法、装置、自动驾驶车辆、设备和存储介质 | |
| CN114005098A (zh) | 高精地图车道线信息的检测方法、装置和电子设备 | |
| CN113177980A (zh) | 用于自动驾驶的目标对象速度确定方法、装置及电子设备 | |
| CN113591569A (zh) | 障碍物检测方法、装置、电子设备以及存储介质 | |
| CN116758503A (zh) | 车道线自动标注方法、装置、设备及存储介质 | |
| CN113920273B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| CN113984072B (zh) | 车辆定位方法、装置、设备、存储介质及自动驾驶车辆 | |
| CN114166238B (zh) | 车道线的识别方法、装置及电子设备 | |
| CN112988932B (zh) | 高精地图标注方法、装置、设备、可读存储介质及产品 | |
| CN117853614A (zh) | 高精地图元素变更情况的检测方法、装置和车辆 | |
| CN114170282A (zh) | 点云融合方法、装置、电子设备和介质 | |
| CN114049615B (zh) | 行驶环境中交通对象融合关联方法、装置及边缘计算设备 | |
| CN116051925B (zh) | 训练样本采集方法、装置、设备以及存储介质 | |
| CN114155508B (zh) | 一种道路变化检测方法、装置、设备以及存储介质 | |
| CN116229209B (zh) | 目标模型的训练方法、目标检测方法及装置 | |
| CN115876210A (zh) | 地图数据生成方法、装置、电子设备及存储介质 | |
| CN117853724A (zh) | 夜间低矮障碍物分割和模型训练方法及自动驾驶车辆 | |
| CN116977524A (zh) | 一种三维地图构建方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |