CN110827340B - 地图的更新方法、装置及存储介质 - Google Patents
地图的更新方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110827340B CN110827340B CN201810898569.2A CN201810898569A CN110827340B CN 110827340 B CN110827340 B CN 110827340B CN 201810898569 A CN201810898569 A CN 201810898569A CN 110827340 B CN110827340 B CN 110827340B
- Authority
- CN
- China
- Prior art keywords
- processing object
- map
- coordinate
- updated
- information
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种地图的更新方法、装置及存储介质,该方法包括:获取待更新地图;获取待更新地图范围内的多帧第一图像;识别所述第一图像中的第一处理对象;根据所述第一图像,生成包括所述第一处理对象的三维点云数据;根据所述三维点云数据,对所述待更新地图进行更新。本发明提供的地图的更新方法、装置及存储介质能够降低地图更新的成本。
Description
技术领域
本发明涉及计算机应用技术,尤其涉及一种地图的更新方法、装置及存储介质。
背景技术
随着科学技术的发展,地图的应用也越来越广泛,其中,高精度地图作为无人驾驶的核心技术之一,对于无人车定位、导航与控制及安全等都至关重要。
通常,在道路或者道路的指示信息(红绿灯、标识标牌或地面标线等)发生变更之后,通常需要对高精度地图进行更新。现有技术中,通常需要通过专业采集车辆进行实地采集,并根据采集到的图像判断高精度地图中,哪些道路或者道路的指示信息发生了变化,从而进行高精度地图的更新。
然而,现有技术中的专业采集车辆通常都具有高精度惯性/卫星组合导航***、激光雷达、专有工业相机或者全景相机等,其造价较为昂贵,从而导致更新高精度地图时的成本较高。
发明内容
为解决现有技术中存在的问题,本发明提供了一种地图的更新方法、装置及存储介质。
第一方面,本发明提供一种地图的更新方法,包括:
获取待更新地图;
获取待更新地图范围内的多帧第一图像;
识别所述第一图像中的第一处理对象;
根据所述第一图像,生成包括所述第一处理对象的三维点云数据;
根据所述三维点云数据,对所述待更新地图进行更新。
在一种可能的实现方式中,所述根据所述第一图像,生成包括所述第一处理对象的三维点云数据,包括:
通过即时定位与地图构建SLAM算法,生成包括所述第一处理对象的所述三维点云数据。
在一种可能的实现方式中,所述根据所述三维点云数据,对所述待更新地图进行更新,包括:
根据所述三维点云数据,将所述第一处理对象和所述待更新地图中的第二处理对象进行比对;
根据比对结果,对所述待更新地图进行更新。
在一种可能的实现方式中,根据所述三维点云数据,将所述第一处理对象和所述待更新地图中的第二处理对象进行比对,包括:
根据所述三维点云数据,确定所述第一处理对象的位置以及所述第一处理对象的第一属性信息,所述第一属性信息包括如下信息中的至少一个:所述第一处理对象在各所述第一图像中的第一坐标、所述第一处理对象的类别信息和形状信息;
在所述位置处,识别所述待更新地图中的第二处理对象;
确定所述第二处理对象的第二属性信息,所述第二属性信息包括如下信息中的至少一个:所述第二处理对象在所述待更新地图中的第二坐标、所述第二处理对象的类别信息和形状信息;
将所述第一属性信息和所述第二属性信息进行比对。
在一种可能的实现方式中,所述第一属性信息包括所述第一处理对象在各所述第一图像中的第一坐标,所述第二属性信息包括所述第二处理对象在所述待更新地图中的第二坐标;
所述将所述第一属性信息和所述第二属性信息进行比对,包括:
根据所述终端的位姿,将所述第二处理对象投影至所述第一图像中;
根据所述第二坐标,确定所述第二处理对象在所述第一图像中的第三坐标;
判断所述第三坐标和所述第一坐标之间的差值是否大于第一预设阈值;
所述根据比对结果,对所述待更新地图进行更新,包括:
若所述第三坐标和所述第一坐标之间的差值大于所述第一预设阈值,则根据所述第一坐标,更新所述第二处理对象在所述待更新地图中的位置信息。
在一种可能的实现方式中,所述第一属性信息包括所述第一处理对象在各所述第一图像中的第一坐标,所述第二属性信息包括所述第二处理对象在所述待更新地图中的第二坐标;
所述将所述第一属性信息和所述第二属性信息进行比对,包括:
根据所述第一坐标和所述第二坐标,确定所述第一处理对象和所述第二处理对象之间的相对位置;
所述根据比对结果,对所述待更新地图进行更新,包括:
若所述相对位置大于第二预设阈值,则根据所述第一坐标,更新所述第二处理对象在所述待更新地图中的位置信息。
在一种可能的实现方式中,所述第一属性信息包括所述第一处理对象在各所述第一图像中的第一坐标,所述第二属性信息包括所述第二处理对象在所述待更新地图中的第二坐标;
所述将所述第一属性信息和所述第二属性信息进行比对,包括:
获取所述待更新地图对应的第二图像;
根据所述第二坐标,确定所述第二处理对象在所述第二图像中的第四坐标;
判断所述第四坐标和所述第一坐标之间的差值是否大于第三预设阈值;
所述根据比对结果,对所述待更新地图进行更新,包括:
若所述第四坐标和所述第一坐标之间的差值大于所述第三预设阈值,则根据所述第一坐标,更新所述第二处理对象在所述待更新地图中的位置信息。
在一种可能的实现方式中,所述第一属性信息包括所述第一处理对象的类别信息和/或形状信息,所述第二属性信息包括所述第二处理对象的类别信息和/或形状信息;
所述根据比对结果,对所述待更新地图进行更新,包括:
判断所述第一处理对象的类别信息与所述第二处理对象的类别信息是否相同,若不同,则根据所述第一处理对象的类别信息,更新所述第二处理对象的类别信息;或者,
判断所述第一处理对象的形状信息与所述第二处理对象的形状信息是否相同,若不同,则根据所述第一处理对象的形状信息,更新所述第二处理对象的形状信息;或者,
分别判断所述第一处理对象的类别信息和形状信息与所述第二处理对象的类别信息和形状信息是否相同,若不同,则根据所述第一处理对象的类别信息和形状信息,更新所述第二处理对象的类别信息和形状信息。
在一种可能的实现方式中,所述根据比对结果,对所述待更新地图进行更新,包括:
若不存在与所述第一处理对象对应的第二处理对象,则根据所述第一处理对象所处的位置以及所述第一属性信息,在所述待更新地图中添加所述第一处理对象。
在一种可能的实现方式中,所述根据比对结果,对所述待更新地图进行更新,包括:
若不存在与所述第二处理对象对应的第一处理对象,则在所述待更新地图中删除所述第二处理对象。
第二方面,本发明实施例提供一种地图的更新装置,包括:
获取模块,用于获取待更新地图;
所述获取模块,用于获取待更新地图范围内的多帧第一图像;
识别模块,用于识别所述第一图像中的第一处理对象;
生成模块,用于根据所述多帧第一图像,生成包括所述第一处理对象的三维点云数据;
更新模块,用于根据所述三维点云数据,对所述待更新地图进行更新。
在一种可能的实现方式中,所述生成模块,具体用于:
通过即时定位与地图构建SLAM算法,生成包括所述第一处理对象的所述三维点云数据。
在一种可能的实现方式中,所述更新模块,包括:
比对子模块,用于根据所述三维点云数据,将所述第一处理对象和所述待更新地图中的第二处理对象进行比对;
更新子模块,用于根据比对结果,对所述待更新地图进行更新。
在一种可能的实现方式中,所述比对子模块,具体用于:
根据所述三维点云数据,确定所述第一处理对象的位置以及所述第一处理对象的第一属性信息,所述第一属性信息包括如下信息中的至少一个:所述第一处理对象在各所述第一图像中的第一坐标、所述第一处理对象的类别信息和形状信息;
在所述位置处,识别所述待更新地图中的第二处理对象;
确定所述第二处理对象的第二属性信息,所述第二属性信息包括如下信息中的至少一个:所述第二处理对象在所述待更新地图中的第二坐标、所述第二处理对象的类别信息和形状信息;
将所述第一属性信息和所述第二属性信息进行比对。
在一种可能的实现方式中,所述第一属性信息包括所述第一处理对象在各所述第一图像中的第一坐标,所述第二属性信息包括所述第二处理对象在所述待更新地图中的第二坐标;
所述比对子模块,具体用于:
根据所述终端的位姿,将所述第二处理对象投影至所述第一图像中;
根据所述第二坐标,确定所述第二处理对象在所述第一图像中的第三坐标;
判断所述第三坐标和所述第一坐标之间的差值是否大于第一预设阈值;
所述更新子模块,具体用于:
若所述第三坐标和所述第一坐标之间的差值大于所述第一预设阈值,则根据所述第一坐标,更新所述第二处理对象在所述待更新地图中的位置信息。
在一种可能的实现方式中,所述第一属性信息包括所述第一处理对象在各所述第一图像中的第一坐标,所述第二属性信息包括所述第二处理对象在所述待更新地图中的第二坐标;
所述比对子模块,具体用于:
根据所述第一坐标和所述第二坐标,确定所述第一处理对象和所述第二处理对象之间的相对位置;
所述更新子模块,具体用于:
若所述相对位置大于第二预设阈值,则根据所述第一坐标,更新所述第二处理对象在所述待更新地图中的位置信息。
在一种可能的实现方式中,所述第一属性信息包括所述第一处理对象在各所述第一图像中的第一坐标,所述第二属性信息包括所述第二处理对象在所述待更新地图中的第二坐标;
所述比对子模块,具体用于:
获取所述待更新地图对应的第二图像;
根据所述第二坐标,确定所述第二处理对象在所述第二图像中的第四坐标;
判断所述第四坐标和所述第一坐标之间的差值是否大于第三预设阈值;
所述更新子模块,具体用于:
若所述第四坐标和所述第一坐标之间的差值大于所述第三预设阈值,则根据所述第一坐标,更新所述第二处理对象在所述待更新地图中的位置信息。
在一种可能的实现方式中,所述第一属性信息包括所述第一处理对象的类别信息和/或形状信息,所述第二属性信息包括所述第二处理对象的类别信息和/或形状信息;
所述更新子模块,具体用于:
判断所述第一处理对象的类别信息与所述第二处理对象的类别信息是否相同,若不同,则根据所述第一处理对象的类别信息,更新所述第二处理对象的类别信息;或者,
判断所述第一处理对象的形状信息与所述第二处理对象的形状信息是否相同,若不同,则根据所述第一处理对象的形状信息,更新所述第二处理对象的形状信息;或者,
分别判断所述第一处理对象的类别信息和形状信息与所述第二处理对象的类别信息和形状信息是否相同,若不同,则根据所述第一处理对象的类别信息和形状信息,更新所述第二处理对象的类别信息和形状信息。
在一种可能的实现方式中,所述更新子模块,具体用于:
若不存在与所述第一处理对象对应的第二处理对象,则根据所述第一处理对象所处的位置以及所述第一属性信息,在所述待更新地图中添加所述第一处理对象。
在一种可能的实现方式中,所述更新子模块,具体用于:
若不存在与所述第二处理对象对应的第一处理对象,则在所述待更新地图中删除所述第二处理对象。
第三方面,本发明实施例提供一种服务器,包括:
处理器;
存储器;以及
计算机程序;
其中,所述计算机程序被存储在所述存储器中,并且被配置为由所述处理器执行,所述计算机程序包括用于执行如第一方面所述的方法的指令。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序使得服务器执行第一方面所述的方法。
本发明提供的地图的更新方法、装置及存储介质,通过获取待更新地图,并获取待更新地图范围内的多帧第一图像,然后识别第一图像中的第一处理对象,并根据第一图像,生成包括第一处理对象的三维点云数据,最后根据三维点云数据,对待更新地图进行更新。由于可以根据获取到的多帧第一图像,识别出该第一图像中的第一处理对象,并生成包括第一处理对象的三维点云数据,从而根据该三维点云数据对待更新地图进行更新,由此不仅可以提高地图更新的效率,而且可以降低地图更新的成本。
附图说明
为了更清楚地说明本发明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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的地图的更新方法的一种可选的应用场景示意图;
图2为本发明实施例提供的地图的更新方法实施例一的流程示意图;
图3为本发明实施例提供的地图的更新装置实施例一的结构示意图;
图4为本发明实施例提供的地图的更新装置实施例二的结构示意图;
图5A示出了本发明服务器的一种可能的结构示意图;
图5B示出了本发明服务器的另一种可能的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”及“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供的地图的更新方法,可以应用于对地图进行更新的场景中,尤其应用于对高精度地图进行更新的场景中。图1为本发明实施例提供的地图的更新方法的一种可选的应用场景示意图,如图1所示,该***中可以包括终端100和服务器200,在本实施例中,终端100可以用于采集图像,如采集需要进行地图更新区域内的图像,并将采集到的多帧图像发送到服务器200,以使服务器200根据接收到的多帧图像,对待更新的高精度地图进行更新。
在本实施例中,上述终端100可以为相机、手持设备、车载设备、可穿戴设备、计算设备,以及各种形式的用户设备(User Equipment,UE)等具有采集图像功能的设备,其中,相机可以为普通的民用相机。
服务器200通过接收终端发送的多帧图像,并根据该多帧图像,可以识别出多帧图像中的第一处理对象,如交通灯、限速指示牌或者转向指示牌等,并生成第一处理对象的三维点云数据,并根据第一处理对象的三维点云数据,确定待更新地图中的哪些处理对象发生了变化,以对发生变化的处理对象进行更新,从而对待更新地图进行更新。这样,根据终端采集的图像,即可完成高精度地图的更新,由此可以降低高精度地图更新的成本。
在另一种应用场景中,也可以是终端100在本地对待更新地图进行更新处理,具体的,终端100在采集到多帧图像之后,将根据该多帧图像,识别出多帧图像中的第一处理对象,并生成第一处理对象的三维点云数据,并根据第一处理对象的三维点云数据,确定待更新地图中的哪些处理对象发生了变化,以对发生变化的处理对象进行更新,从而对待更新地图进行更新。
下面以具体的实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本发明实施例提供的地图的更新方法实施例一的流程示意图,本发明实施例提供了一种地图的更新方法,该方法可以由任意执行地图的更新方法的装置来执行,该装置可以通过软件和/或硬件实现。本实施例中,该装置可以集成在电子设备中,该电子设备例如可以包括服务器或终端。如图2所示,在图1所示应用场景的基础上,本发明实施例提供的地图的更新方法包括如下步骤:
步骤201:获取待更新地图。
在本实施例中,待更新地图为待更新的高精度地图,其中,待更新地图为具有一定范围的局部地图,例如某个区域内的地图等。
另外,服务器本地存储有各个区域的地图,若电子设备为终端,当终端需要对某个区域的地图进行更新时,终端可以向服务器发送请求消息,服务器根据该请求消息,将需要更新的区域的地图发送给终端。
步骤202:获取待更新地图范围内的多帧第一图像。
在本实施例中,若需要更新某个区域的地图时,电子设备将会获取该待更新地图范围内的第一图像,为了确保处理对象识别的准确性,通常会在同一个区域内获取多帧第一图像。
在实际应用中,第一图像通常是通过终端进行采集的,若电子设备为服务器时,终端在采集到第一图像后,再将采集到的第一图像发送给服务器。
步骤203:识别第一图像中的第一处理对象。
在本步骤中,第一处理对象例如可以为交通灯、标识标牌(如转向指示标牌或限速指示标牌)或地面标线等。
在具体的实现过程中,可以采用基于语义分割的方式,通过深度学习实时检测采用基于cityscape已经训练好的PSPNet模型,实现对第一处理对象的像素级别分割,然后基于ransac算法提线以及几何先验信息去噪音的方法识别其中的第一处理对象,如地面标线或标识标牌等。其中,本领域技术人员可以理解,cityscape为地图领域的一个常用数据集,该数据集包含来自50个不同城市的街道场景中记录的多种立体视频序列,除了20000个弱注释帧以外,还包含5000帧高质量像素级注释,通常用于机器学习模型的训练。当然,也可以采用其他带有标注或注释的数据集来对模型进行训练。另外,PSPNet模型是一个深度学习的网络模型,在PSPNet中利用基于不同区域的上下文信息,通过金字塔池模块和提议的金字塔场景解析网络(PSPNet)来挖掘全局上下文信息的能力。
另外,也可以单独使用单发多盒探测器(single shot multibox detector;SSD)完成标识标牌的实时检测,使用基于视频片段的CNN网络(segment based CNN;SCNN)的NET(或传统基于ransac和spline)的方法提取和拟合地面标线,如车道线等。
步骤204:根据第一图像,生成包括第一处理对象的三维点云数据。
在本实施例中,采用预设时间间隔,通过拍照采集第一图像时,同一个第一处理对象将会在多帧第一图像中均出现,即多帧第一图像中均包括有第一处理对象,其中,预设时间间隔例如可以为0.1s或者0.2s,当然,也可以为其他值,对于预设时间间隔的具体取值,本发明实施例对此不做限定。
在识别出第一图像中的第一处理对象之后,将会生成包括第一图像中第一处理对象的三维点云数据。在一种可能的实现方式中,可以通过识别各第一图像中的第一处理对象,并通过即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)算法,生成包括第一处理对象以及其他处理对象的三维点云数据。其中,SLAM算法为基于惯导、全球定位***(Global Positioning System;GPS)与相机实时实现SLAM算法,如快速特征点提取和描述(Oriented FAST and Rotated BRIEF;ORB)-SLAM等。
在另一种可能的实现方式中,也可通过运动重构(structure from motion;SFM)算法生成包括第一处理对象以及其他处理对象的三维点云数据,其中,SFM算法是一种基于收集到的无序图片进行三维重建的离线算法。通常,在进行核心的算法structure-from-motion之前需要先挑选出合适的图片。
首先从图片中提取焦距信息(之后初始化BA需要),然后利用尺度不变特征转换(Scale-invariantfeaturetransform;SIFT)等特征提取算法提取图像特征,用kd-tree模型计算两张图片特征点之间的欧式距离并进行特征点的匹配,从而找到特征点匹配个数达到预设数量的图像对。进一步地,对于每一个图像匹配对,通过计算对极几何,可以估计F矩阵并通过ransac算法优化改善匹配对。这样,如果有特征点可以在这样的匹配对中链式地传递下去,一直被检测到,那么就可以形成轨迹。
之后进入structure-from-motion部分,关键的第一步是,通过选择好的图像对去初始化整个BA过程。首先对初始化选择的两幅图片进行第一次BA,然后循环添加新的图片进行新的BA,最后直到没有可以继续添加的合适的图片,BA结束,由此即可得到相机估计参数和场景几何信息,即稀疏的3D点云数据。其中,两幅图片之间的光束平差法(bundleadjust)用的是稀疏光束平差法sba软件包,这是一种非线性最小二乘的优化目标函数算法。
步骤205:根据三维点云数据,对待更新地图进行更新。
在本实施例中,在识别出第一图像中的第一处理对象之后,将生成道路稀疏点云,从而能够确保识别出的每个第一处理对象均有三维点云数据。在生成包括第一处理对象的三维点云数据之后,可以根据生成的三维点云数据,对待更新地图进行更新处理。
其中,本领域技术人员可以理解,更新待更新地图,通常包括三种情况:(1)在某个区域内新增处理对象,如在某个十字路口新增交通灯等,此时,需要在待更新地图中相应的增加该处理对象;(2)某个区域的处理对象发生了变化,如位置、形状或者类型发生了改变,此时,需要在待更新地图中相应的修改该处理对象;(3)某个区域内移除了处理对象,如在某条道路上移除了标识标牌等,此时,需要在待更新地图中相应的删除该处理对象。
可选的,根据三维点云数据,对待更新地图进行更新,包括根据三维点云数据,将第一处理对象和待更新地图中的第二处理对象进行比对,根据比对结果,对待更新地图进行更新。
具体的,通过SLAM算法,可以生成包括第一处理对象和待更新地图中的第二处理对象的三维点云数据,根据生成的三维点云数据,将对第一处理对象和第二处理对象进行比对,从而可以根据比对结果,确定哪些处理对象发生了变化,进而对待更新地图进行更新。
由于在生成包括第一处理对象的三维点云数据后,根据该三维点云数据,将第一处理对象和待更新地图中的第二处理对象进行比对,从而对待更新地图进行更新,由此可以提高地图更新的效率。
进一步地,在根据三维点云数据,将第一处理对象和待更新地图中的第二处理对象进行比对时,可以通过如下方式进行:根据三维点云数据,确定第一处理对象的位置以及第一处理对象的第一属性信息,该第一属性信息包括如下信息中的至少一个:第一处理对象在各第一图像中的第一坐标、第一处理对象的类别信息和形状信息;在该位置处,识别待更新地图中的第二处理对象,确定第二处理对象的第二属性信息,该第二属性信息包括如下信息中的至少一个:第二处理对象的在待更新地图中的第二坐标、第二处理对象的类别信息和形状信息;将第一属性信息和第二属性信息进行比对。
具体的,根据获取到的包括第一处理对象的三维点云数据,可以确定出第一处理对象的位置以及第一处理对象的第一属性信息,其中,第一处理对象的位置为该第一处理对象的实际地理位置,如第一处理对象若为交通灯,第一处理对象所处的位置可以为该交通灯处于某个十字路口等。
第一处理对象的第一属性信息可以包括如下信息中的至少一个:第一处理对象在各第一图像中的第一坐标、第一处理对象的类别信息和形状信息,其中,第一处理对象在第一图像中的第一坐标为二维坐标。
另外,将会识别待更新地图中的第二处理对象,在一种可能的实现方式中,为了提高比对的效率和准确性,可以在待更新地图中,在与第一处理对象相同的位置处,识别第二处理对象。其中,与第一处理对象相同的位置可以表示以第一处理对象所处的坐标为中心点,周边预设范围内,如周边3m或者5m处等。
另外,识别出待更新地图中的第二处理对象和第一处理对象的类别和形状可以相同,也可以不同。
在识别出第二处理对象之后,则可以从待更新地图中确定第二对象的第二属性信息,其中,第二属性信息包括如下信息中的至少一个:第二处理对象在待更新地图中的第二坐标、第二处理对象的类别信息和形状信息。其中,第二处理对象在待更新地图中的第二坐标为三维坐标。
在确定出第一处理对象的第一属性信息和第二处理对象的第二属性信息之后,可以将第一属性信息和第二属性信息进行比对,以确定是要修改或删除待更新地图中的处理对象,还是在待更新地图中添加新的处理对象。
下面,将针对不同的情况,对如何更新待更新地图进行详细说明。
针对修改待更新地图中的处理对象的情况,可以通过如下几种方式实现:
在一种可能的实现方式中,在第一属性信息包括第一处理对象在各第一图像中的第一坐标,第二属性信息包括第二处理对象在待更新地图中的第二坐标时,将第一属性信息和第二属性信息进行比对,包括:根据终端的位姿,将第二处理对象投影至第一图像中,然后根据第二坐标,确定第二处理对象在第一图像中的第三坐标,并判断第三坐标和第一坐标之间的差值是否大于第一预设阈值,这样,在对待更新地图进行更新时,可以是在判断出第三坐标和第一坐标之间的差值大于第一预设阈值时,则根据第一坐标,更新第二处理对象在待更新地图中的位置信息。
具体的,基于PNP方法,在确定出采集第一图像的终端的位姿之后,根据该位姿,将待更新地图中的第二处理对象可以投影至终端采集的第一图像中,并根据第二处理对象在待更新地图中的第二坐标,确定第二处理对象在第一图像中的第三坐标,其中,第三坐标为二维坐标。其中,PNP方法是求解3D-2D点对运动的方法。其描述了当知道n个三维空间点坐标及其二维投影位置时,如何估计终端的位姿。在一幅图像中,最少只要知道三个点的空间坐标即3D坐标,就可以用于估计终端的运动以及终端的姿态。
在确定出第二处理对象在第一图像中的第三坐标之后,将判断上述第三坐标和第一处理对象在第一图像中的第一坐标之间的差值是否大于第一预设阈值,若第三坐标和第一坐标之间的差值大于第一预设阈值,则说明第一处理对象相较于第二处理对象,改变了位置。例如:假设第一处理对象和第二处理对象均为限速标牌,若第一处理对象的限速标牌在第一图像中的第一坐标,与第二处理对象的限速标牌在第一图像中的第三坐标之间的差值大于第一预设阈值,说明在实际情况中,该限速标牌改变了位置,因此,在对地图进行更新时,将根据第一坐标,更新第二处理对象在待更新地图中的位置信息,即根据改变后的位置,更新第二处理对象的位置信息。
其中,第一预设阈值可以根据经验或者终端采集图像的精确度进行确定,如在精确度较高时,可以将第一预设阈值设置为较小值,如设置为1m,在精确度较低时,可以将第一预设阈值设置为较大值,如设置为5m等,对于第一预设阈值的具体取值,本发明实施例在此不做限制。
在另一种可能的实现方式中,在第一属性信息包括第一处理对象在各第一图像中的第一坐标,第二属性信息包括第二处理对象在待更新地图中的第二坐标时,将第一属性信息和第二属性信息进行比对,还可以包括:根据第一坐标和第二坐标,确定第一处理对象和第二处理对象之间的相对位置,这样,在对待更新地图进行更新时,可以是在相对位置大于第二预设阈值时,则根据第一坐标,更新第二处理对象在待更新地图中的位置信息。
具体的,根据SLAM算法,可以根据第一处理对象在第一图像中的第一坐标,确定出第一处理对象的3d稀疏点云,再基于对象的先验知识可以恢复第一处理对象的类型、位置和姿态,由于第二处理对象在待更新地图中的第二坐标也为三维坐标,这样,即可确定出第一处理对象和第二处理对象之间的相对位置。在确定出相对位置大于第二预设阈值时,则说明在实际情况中,第一处理对象的位置发生了改变,因此,类似的,将会根据改变后的第一坐标,更新第二处理对象在待更新地图中的位置信息。
其中,第二预设阈值的取值方式和第一预设阈值的取值方式类似,此处不再赘述。
在再一种可能的实现方式中,第一属性信息包括第一处理对象在各第一图像中的第一坐标,第二属性信息包括第二处理对象在待更新地图中的第二坐标;将第一属性信息和第二属性信息进行比对,还可以包括:获取待更新地图对应的第二图像,根据第二坐标,确定第二处理对象在第二图像中的第四坐标,判断第四坐标和第一坐标之间的差值是否大于第三预设阈值,这样,对待更新地图进行更新可以包括:在第四坐标和第一坐标之间的差值大于第三预设阈值时,则根据第一坐标,更新第二处理对象在待更新地图中的位置信息。
具体的,服务器中预先存储有待更新的高精度地图以及该高精度地图对应的第二图像,即2D地图,这样,根据第二处理对象在待更新地图中的第二坐标,即可确定出该第二处理对象在第二图像中的第四坐标,其中,第四坐标为二维坐标。
在确定出第二处理对象在第二图像中的第四坐标之后,在相同的二维坐标系下,将判断第四坐标和第一坐标之间的差值是否大于第三预设阈值,若第四坐标和第一坐标之间的差值大于第三预设阈值,则说明第一处理对象的位置发生了改变,因此,类似的,将会根据改变后的第一坐标,更新第二处理对象在待更新地图中的位置信息。
其中,第三预设阈值的取值方式和第一预设阈值的取值方式类似,此处不再赘述。
另外,可选的,第一属性信息中还可以包括第一处理对象的类别信息和/或形状信息,该第二属性信息包括第二处理对象的类别信息和/或形状信息;此时,对待更新地图进行更新,可以包括:判断第一处理对象的类别信息与第二处理对象的类别信息是否相同,若不同,则根据第一处理对象的类别信息,更新第二处理对象的类别信息;或者,判断第一处理对象的形状信息与第二处理对象的形状信息是否相同,若不同,则根据第一处理对象的形状信息,更新第二处理对象的形状信息;或者,分别判断第一处理对象的类别信息和形状信息与第二处理对象的类别信息和形状信息是否相同,若不同,则根据第一处理对象的类别信息和形状信息,更新第二处理对象的类别信息和形状信息。
具体的,在第一属性信息包括第一处理对象的类别信息,第二属性信息包括第二处理对象的类别信息时,可以判断第一处理对象的类别信息与第二处理对象的类别信息是否相同,若不同,则说明第一处理对象的类别发生了变化,如由之前的限速标牌改变为转向标牌等,此时,将根据终端采集的第一图像中的第一处理对象的类别信息,更新第二处理对象在待更新地图中的类别信息,如将待更新地图中的限速标牌更新为转向标牌。
在第一属性信息包括第一处理对象的形状信息,第二属性信息包括第二处理对象的形状信息时,可以判断第一处理对象的形状信息与第二处理对象的形状信息是否相同,若不同,则说明第一处理对象的形状发生了变化,如由之前的矩形形状的标牌改变为圆形形状的标牌等,此时,将根据终端采集的第一图像中的第一处理对象的形状信息,更新第二处理对象在待更新地图中的形状信息,如将待更新地图中的矩形形状的标牌改变为圆形形状的标牌。
在第一属性信息包括第一处理对象的类别信息和形状信息,第二属性信息包括第二处理对象的类别信息和形状信息时,可以分别判断第一处理对象的类别信息和形状信息与第二处理对象的类别信息和形状信息是否相同,若不同,则说明第一处理对象的类别和形状均发生了变化,如由之前的限速标牌改变为转向标牌,由矩形形状的标牌改变为圆形形状的标牌等,此时,将根据终端采集的第一图像中的第一处理对象的类别信息和形状信息,更新第二处理对象在待更新地图中的类别信息和形状信息,如将待更新地图中的限速标牌改变为转向标牌,将矩形形状的标牌改变为圆形形状的标牌。
需要进行说明的是,还可以根据上述坐标信息、形状信息和类别信息共同更新待更新地图,具体的更新方式与上述各实施例中类似,此处不再赘述。
由于在确定出存在与第一处理对象对应的第二处理对象时,将可以将第一处理对象的第一属性信息和第二处理对象的第二属性信息进行比对,以对待更新地图进行更新,从而可以降低高精度地图更新的成本。
针对在待更新地图中添加处理对象的情况,可以通过如下方式实现:
若在第一处理对象所处的区域内,不存在与第一处理对象对应的第二处理对象,则根据第一处理对象所处的位置以及第一属性信息,在待更新地图中添加第一处理对象。
具体的,若在第一处理对象所处的区域内,不存在与第一处理对象对应的第二处理对象,则说明该第一处理对象为新增的对象,如新增的交通灯或者标识标牌等,此时,将可以在第一处理对象所处的区域内,根据第一处理对象在第一图像中的坐标、第一处理对象的形状信息和类别信息中的至少一个,在待更新地图中添加第一处理对象。
针对在待更新地图中删除处理对象的情况,可以通过如下方式实现:
若不存在与第二处理对象对应的第一处理对象,则在待更新地图中删除第二处理对象。
具体的,若确定出在第一图像中不存在与第二处理对象对应的第一处理对象,则说明待更新地图中的第二处理对象可能已经被移除,此时,可以在待更新地图中删除第二处理对象,以对待更新地图进行更新。
本发明实施例提供的地图的更新方法,通过获取待更新地图,获取待更新地图范围内的多帧第一图像,并识别第一图像中的第一处理对象,根据第一图像,生成包括第一处理对象的三维点云数据,然后根据三维点云数据,对待更新地图进行更新。由于在识别出该第一图像中的第一处理对象后,可以生成包括第一处理对象的三维点云数据,从而根据该三维点云数据对待更新地图进行更新,由此不仅可以提高地图更新的效率,而且可以降低地图更新的成本。
图3为本发明实施例提供的地图的更新装置实施例一的结构示意图。该地图的更新装置可以为独立的电子设备,也可以为集成在电子设备中的装置,该装置可以通过软件、硬件或者软硬件结合的方式实现。如图3所示,该装置包括:
获取模块11用于获取待更新地图;
所述获取模块11还用于获取待更新地图范围内的多帧第一图像;
识别模块12用于识别所述第一图像中的第一处理对象;
生成模块13用于根据所述第一图像,生成包括所述第一处理对象的三维点云数据;
更新模块14用于根据所述三维点云数据,对所述待更新地图进行更新。
本发明实施例提供的地图的更新装置,获取模块11获取待更新地图,获取模块11还获取待更新地图范围内的多帧第一图像,并通过识别模块12识别第一图像中的第一处理对象,生成模块13根据第一图像,生成包括第一处理对象的三维点云数据,然后更新模块14根据三维点云数据,对待更新地图进行更新。由于在识别出该第一图像中的第一处理对象后,可以生成包括第一处理对象的三维点云数据,从而根据该三维点云数据对待更新地图进行更新,由此不仅可以提高地图更新的效率,而且可以降低地图更新的成本。
可选的,所述生成模块13具体用于:
通过即时定位与地图构建SLAM算法,生成包括所述第一处理对象的所述三维点云数据。
图4为本发明实施例提供的地图的更新装置实施例二的结构示意图,在图3所示实施例的基础上,所述更新模块14包括:比对子模块141和更新子模块142。
比对子模块141用于根据所述三维点云数据,将所述第一处理对象和所述待更新地图中的第二处理对象进行比对;
更新子模块142用于根据比对结果,对所述待更新地图进行更新。
可选的,所述比对子模块141具体用于:
根据所述三维点云数据,确定所述第一处理对象的位置以及所述第一处理对象的第一属性信息,所述第一属性信息包括如下信息中的至少一个:所述第一处理对象在各所述第一图像中的第一坐标、所述第一处理对象的类别信息和形状信息;
在所述位置处,识别所述待更新地图中的第二处理对象;
确定所述第二处理对象的第二属性信息,所述第二属性信息包括如下信息中的至少一个:所述第二处理对象在所述待更新地图中的第二坐标、所述第二处理对象的类别信息和形状信息;
将所述第一属性信息和所述第二属性信息进行比对。
可选的,所述第一属性信息包括所述第一处理对象在各所述第一图像中的第一坐标,所述第二属性信息包括所述第二处理对象在所述待更新地图中的第二坐标;
所述比对子模块141具体用于:
根据所述终端的位姿,将所述第二处理对象投影至所述第一图像中;
根据所述第二坐标,确定所述第二处理对象在所述第一图像中的第三坐标;
判断所述第三坐标和所述第一坐标之间的差值是否大于第一预设阈值;
所述更新子模块142具体用于:
若所述第三坐标和所述第一坐标之间的差值大于所述第一预设阈值,则根据所述第一坐标,更新所述第二处理对象在所述待更新地图中的位置信息。
可选的,所述第一属性信息包括所述第一处理对象在各所述第一图像中的第一坐标,所述第二属性信息包括所述第二处理对象在所述待更新地图中的第二坐标;
所述比对子模块141具体用于:
根据所述第一坐标和所述第二坐标,确定所述第一处理对象和所述第二处理对象之间的相对位置;
所述更新子模块142具体用于:
若所述相对位置大于第二预设阈值,则根据所述第一坐标,更新所述第二处理对象在所述待更新地图中的位置信息。
可选的,所述第一属性信息包括所述第一处理对象在各所述第一图像中的第一坐标,所述第二属性信息包括所述第二处理对象在所述待更新地图中的第二坐标;
所述比对子模块141具体用于:
获取所述待更新地图对应的第二图像;
根据所述第二坐标,确定所述第二处理对象在所述第二图像中的第四坐标;
判断所述第四坐标和所述第一坐标之间的差值是否大于第三预设阈值;
所述更新子模块142具体用于:
若所述第四坐标和所述第一坐标之间的差值大于所述第三预设阈值,则根据所述第一坐标,更新所述第二处理对象在所述待更新地图中的位置信息。
可选的,所述第一属性信息包括所述第一处理对象的类别信息和/或形状信息,所述第二属性信息包括所述第二处理对象的类别信息和/或形状信息;
所述更新子模块142具体用于:
判断所述第一处理对象的类别信息与所述第二处理对象的类别信息是否相同,若不同,则根据所述第一处理对象的类别信息,更新所述第二处理对象的类别信息;或者,
判断所述第一处理对象的形状信息与所述第二处理对象的形状信息是否相同,若不同,则根据所述第一处理对象的形状信息,更新所述第二处理对象的形状信息;或者,
分别判断所述第一处理对象的类别信息和形状信息与所述第二处理对象的类别信息和形状信息是否相同,若不同,则根据所述第一处理对象的类别信息和形状信息,更新所述第二处理对象的类别信息和形状信息。
可选的,所述更新子模块142具体用于:
若不存在与所述第一处理对象对应的第二处理对象,则根据所述第一处理对象所处的位置以及所述第一属性信息,在所述待更新地图中添加所述第一处理对象。
可选的,所述更新子模块142具体用于:
若不存在与所述第二处理对象对应的第一处理对象,则在所述待更新地图中删除所述第二处理对象。
本发明实施例提供的地图的更新装置,可以执行上述对应的方法实施例,其实现原理和技术效果类似,在此不再赘述。
图5A示出了本发明电子设备的一种可能的结构示意图。电子设备100包括:处理单元102和通信单元103。处理单元102用于对电子设备100的动作进行控制管理,例如,处理单元102用于支持电子设备100执行图2的步骤203和204,和/或用于本发明所描述的技术的其它过程。通信单元103用于支持电子设备100与其它网络实体的通信。电子设备100还可以包括存储单元101,用于存储服务器100的计算机程序代码和数据。
其中,处理单元102可以是处理器或控制器,例如可以是CPU,通用处理器,数字信号处理器(DigitalSignalProcessor,DSP),专用集成电路(Application-SpecificIntegrated Circuit,ASIC),现场可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框,模块和电路。所述处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等等。通信单元103可以是通信接口、收发器、收发电路等,其中,通信接口是统称,可以包括一个或多个接口。存储单元101可以是存储器。
当处理单元102为处理器,通信单元103为通信接口,存储单元101为存储器时,本发明所涉及的电子设备可以为图5B所示的电子设备。
参阅图5B所示,该电子设备110包括:处理器112、通信接口113、存储器111。可选的,电子设备110还可以包括总线114。其中,通信接口113、处理器112以及存储器111可以通过总线114相互连接;总线114可以是外设部件互连标准(PeripheralComponentInterconnect,简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture,简称EISA)总线等。所述总线114可以分为地址总线、数据总线、控制总线等。为便于表示,图5B中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
另外,存储器111中存储有计算机程序,并且被配置为由处理器112执行,该计算机程序包括用于执行如上图2所示实施例所述的方法的指令。
本发明实施例还提供一种计算机可读存储介质,其中,计算机可读存储介质存储有计算机程序,所述计算机程序使得电子设备执行前述图2所示实施例提供的地图的更新方法。其中,上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (18)
1.一种地图的更新方法,其特征在于,包括:
获取待更新地图;
获取待更新地图范围内的多帧第一图像;
识别所述第一图像中的第一处理对象;
根据所述第一图像,生成包括所述第一处理对象的三维点云数据;
根据所述三维点云数据,确定所述第一处理对象的位置以及所述第一处理对象的第一属性信息,所述第一属性信息包括如下信息中的至少一个:所述第一处理对象在各所述第一图像中的第一坐标、所述第一处理对象的类别信息和形状信息;
在所述位置处,识别所述待更新地图中的第二处理对象;
确定所述第二处理对象的第二属性信息,所述第二属性信息包括如下信息中的至少一个:所述第二处理对象在所述待更新地图中的第二坐标、所述第二处理对象的类别信息和形状信息;
将所述第一属性信息和所述第二属性信息进行比对;
根据比对结果,对所述待更新地图进行更新。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一图像,生成包括所述第一处理对象的三维点云数据,包括:
通过即时定位与地图构建SLAM算法,生成包括所述第一处理对象的所述三维点云数据。
3.根据权利要求1所述的方法,其特征在于,所述第一属性信息包括所述第一处理对象在各所述第一图像中的第一坐标,所述第二属性信息包括所述第二处理对象在所述待更新地图中的第二坐标;
所述将所述第一属性信息和所述第二属性信息进行比对,包括:
根据终端的位姿,将所述第二处理对象投影至所述第一图像中;
根据所述第二坐标,确定所述第二处理对象在所述第一图像中的第三坐标;
判断所述第三坐标和所述第一坐标之间的差值是否大于第一预设阈值;
所述根据比对结果,对所述待更新地图进行更新,包括:
若所述第三坐标和所述第一坐标之间的差值大于所述第一预设阈值,则根据所述第一坐标,更新所述第二处理对象在所述待更新地图中的位置信息。
4.根据权利要求1所述的方法,其特征在于,所述第一属性信息包括所述第一处理对象在各所述第一图像中的第一坐标,所述第二属性信息包括所述第二处理对象在所述待更新地图中的第二坐标;
所述将所述第一属性信息和所述第二属性信息进行比对,包括:
根据所述第一坐标和所述第二坐标,确定所述第一处理对象和所述第二处理对象之间的相对位置;
所述根据比对结果,对所述待更新地图进行更新,包括:
若所述相对位置大于第二预设阈值,则根据所述第一坐标,更新所述第二处理对象在所述待更新地图中的位置信息。
5.根据权利要求1所述的方法,其特征在于,所述第一属性信息包括所述第一处理对象在各所述第一图像中的第一坐标,所述第二属性信息包括所述第二处理对象在所述待更新地图中的第二坐标;
所述将所述第一属性信息和所述第二属性信息进行比对,包括:
获取所述待更新地图对应的第二图像;
根据所述第二坐标,确定所述第二处理对象在所述第二图像中的第四坐标;
判断所述第四坐标和所述第一坐标之间的差值是否大于第三预设阈值;
所述根据比对结果,对所述待更新地图进行更新,包括:
若所述第四坐标和所述第一坐标之间的差值大于所述第三预设阈值,则根据所述第一坐标,更新所述第二处理对象在所述待更新地图中的位置信息。
6.根据权利要求1、3-5任一项所述的方法,其特征在于,所述第一属性信息包括所述第一处理对象的类别信息和/或形状信息,所述第二属性信息包括所述第二处理对象的类别信息和/或形状信息;
所述根据比对结果,对所述待更新地图进行更新,包括:
判断所述第一处理对象的类别信息与所述第二处理对象的类别信息是否相同,若不同,则根据所述第一处理对象的类别信息,更新所述第二处理对象的类别信息;或者,
判断所述第一处理对象的形状信息与所述第二处理对象的形状信息是否相同,若不同,则根据所述第一处理对象的形状信息,更新所述第二处理对象的形状信息;或者,
分别判断所述第一处理对象的类别信息和形状信息与所述第二处理对象的类别信息和形状信息是否相同,若不同,则根据所述第一处理对象的类别信息和形状信息,更新所述第二处理对象的类别信息和形状信息。
7.根据权利要求1所述的方法,其特征在于,所述根据比对结果,对所述待更新地图进行更新,包括:
若不存在与所述第一处理对象对应的第二处理对象,则根据所述第一处理对象所处的位置以及所述第一属性信息,在所述待更新地图中添加所述第一处理对象。
8.根据权利要求1所述的方法,其特征在于,所述根据比对结果,对所述待更新地图进行更新,包括:
若不存在与所述第二处理对象对应的第一处理对象,则在所述待更新地图中删除所述第二处理对象。
9.一种地图的更新装置,其特征在于,包括:
获取模块,用于获取待更新地图;
所述获取模块,还用于获取待更新地图范围内的多帧第一图像;
识别模块,用于识别所述第一图像中的第一处理对象;
生成模块,用于根据所述第一图像,生成包括所述第一处理对象的三维点云数据;
更新模块,用于根据所述三维点云数据,确定所述第一处理对象的位置以及所述第一处理对象的第一属性信息,所述第一属性信息包括如下信息中的至少一个:所述第一处理对象在各所述第一图像中的第一坐标、所述第一处理对象的类别信息和形状信息;在所述位置处,识别所述待更新地图中的第二处理对象;确定所述第二处理对象的第二属性信息,所述第二属性信息包括如下信息中的至少一个:所述第二处理对象在所述待更新地图中的第二坐标、所述第二处理对象的类别信息和形状信息;将所述第一属性信息和所述第二属性信息进行比对;根据比对结果,对所述待更新地图进行更新。
10.根据权利要求9所述的装置,其特征在于,所述生成模块,具体用于:
通过即时定位与地图构建SLAM算法,生成包括所述第一处理对象的所述三维点云数据。
11.根据权利要求9所述的装置,其特征在于,所述第一属性信息包括所述第一处理对象在各所述第一图像中的第一坐标,所述第二属性信息包括所述第二处理对象在所述待更新地图中的第二坐标;
所述比对子模块,具体用于:
根据终端的位姿,将所述第二处理对象投影至所述第一图像中;
根据所述第二坐标,确定所述第二处理对象在所述第一图像中的第三坐标;
判断所述第三坐标和所述第一坐标之间的差值是否大于第一预设阈值;
所述更新子模块,具体用于:
若所述第三坐标和所述第一坐标之间的差值大于所述第一预设阈值,则根据所述第一坐标,更新所述第二处理对象在所述待更新地图中的位置信息。
12.根据权利要求9所述的装置,其特征在于,所述第一属性信息包括所述第一处理对象在各所述第一图像中的第一坐标,所述第二属性信息包括所述第二处理对象在所述待更新地图中的第二坐标;
所述比对子模块,具体用于:
根据所述第一坐标和所述第二坐标,确定所述第一处理对象和所述第二处理对象之间的相对位置;
所述更新子模块,具体用于:
若所述相对位置大于第二预设阈值,则根据所述第一坐标,更新所述第二处理对象在所述待更新地图中的位置信息。
13.根据权利要求9所述的装置,其特征在于,所述第一属性信息包括所述第一处理对象在各所述第一图像中的第一坐标,所述第二属性信息包括所述第二处理对象在所述待更新地图中的第二坐标;
所述比对子模块,具体用于:
获取所述待更新地图对应的第二图像;
根据所述第二坐标,确定所述第二处理对象在所述第二图像中的第四坐标;
判断所述第四坐标和所述第一坐标之间的差值是否大于第三预设阈值;
所述更新子模块,具体用于:
若所述第四坐标和所述第一坐标之间的差值大于所述第三预设阈值,则根据所述第一坐标,更新所述第二处理对象在所述待更新地图中的位置信息。
14.根据权利要求9、11-13任一项所述的装置,其特征在于,所述第一属性信息包括所述第一处理对象的类别信息和/或形状信息,所述第二属性信息包括所述第二处理对象的类别信息和/或形状信息;
所述更新子模块,具体用于:
判断所述第一处理对象的类别信息与所述第二处理对象的类别信息是否相同,若不同,则根据所述第一处理对象的类别信息,更新所述第二处理对象的类别信息;或者,
判断所述第一处理对象的形状信息与所述第二处理对象的形状信息是否相同,若不同,则根据所述第一处理对象的形状信息,更新所述第二处理对象的形状信息;或者,
分别判断所述第一处理对象的类别信息和形状信息与所述第二处理对象的类别信息和形状信息是否相同,若不同,则根据所述第一处理对象的类别信息和形状信息,更新所述第二处理对象的类别信息和形状信息。
15.根据权利要求9所述的装置,其特征在于,所述更新子模块,具体用于:
若不存在与所述第一处理对象对应的第二处理对象,则根据所述第一处理对象所处的位置以及所述第一属性信息,在所述待更新地图中添加所述第一处理对象。
16.根据权利要求9所述的装置,其特征在于,所述更新子模块,具体用于:
若不存在与所述第二处理对象对应的第一处理对象,则在所述待更新地图中删除所述第二处理对象。
17.一种电子设备,其特征在于,包括:
处理器;
存储器;以及
计算机程序;
其中,所述计算机程序被存储在所述存储器中,并且被配置为由所述处理器执行,所述计算机程序包括用于执行如权利要求1-8任一项所述的方法的指令。
18.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序使得电子设备执行权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810898569.2A CN110827340B (zh) | 2018-08-08 | 2018-08-08 | 地图的更新方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810898569.2A CN110827340B (zh) | 2018-08-08 | 2018-08-08 | 地图的更新方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110827340A CN110827340A (zh) | 2020-02-21 |
CN110827340B true CN110827340B (zh) | 2022-08-12 |
Family
ID=69540735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810898569.2A Active CN110827340B (zh) | 2018-08-08 | 2018-08-08 | 地图的更新方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110827340B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112163063B (zh) * | 2020-10-22 | 2023-07-25 | 腾讯科技(深圳)有限公司 | 生成高精度地图的方法、装置和计算机可读存储介质 |
CN116563583B (zh) * | 2023-07-07 | 2023-10-10 | 腾讯科技(深圳)有限公司 | 一种图像匹配的方法、地图信息的更新方法以及相关装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260699A (zh) * | 2015-09-10 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法及装置 |
CN106225707A (zh) * | 2016-08-01 | 2016-12-14 | 三峡大学 | 一种用于快速监测高面板堆石坝挤压边墙变形的方法 |
CN106525057A (zh) * | 2016-10-26 | 2017-03-22 | 陈曦 | 高精度道路地图的生成*** |
CN107451526A (zh) * | 2017-06-09 | 2017-12-08 | 蔚来汽车有限公司 | 地图的构建及其应用 |
CN108007453A (zh) * | 2017-12-11 | 2018-05-08 | 北京奇虎科技有限公司 | 基于点云的地图更新方法、装置及电子设备 |
CN108152831A (zh) * | 2017-12-06 | 2018-06-12 | 中国农业大学 | 一种激光雷达障碍物识别方法及*** |
CN108268513A (zh) * | 2016-12-30 | 2018-07-10 | 乐视汽车(北京)有限公司 | 可移动设备、云端服务器及云端地图地图更新*** |
CN108268481A (zh) * | 2016-12-30 | 2018-07-10 | 乐视汽车(北京)有限公司 | 云端地图更新方法及电子设备 |
-
2018
- 2018-08-08 CN CN201810898569.2A patent/CN110827340B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260699A (zh) * | 2015-09-10 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法及装置 |
CN106225707A (zh) * | 2016-08-01 | 2016-12-14 | 三峡大学 | 一种用于快速监测高面板堆石坝挤压边墙变形的方法 |
CN106525057A (zh) * | 2016-10-26 | 2017-03-22 | 陈曦 | 高精度道路地图的生成*** |
CN108268513A (zh) * | 2016-12-30 | 2018-07-10 | 乐视汽车(北京)有限公司 | 可移动设备、云端服务器及云端地图地图更新*** |
CN108268481A (zh) * | 2016-12-30 | 2018-07-10 | 乐视汽车(北京)有限公司 | 云端地图更新方法及电子设备 |
CN107451526A (zh) * | 2017-06-09 | 2017-12-08 | 蔚来汽车有限公司 | 地图的构建及其应用 |
CN108152831A (zh) * | 2017-12-06 | 2018-06-12 | 中国农业大学 | 一种激光雷达障碍物识别方法及*** |
CN108007453A (zh) * | 2017-12-11 | 2018-05-08 | 北京奇虎科技有限公司 | 基于点云的地图更新方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
《Multi-class US traffic signs 3D recognition and localization via image-based point cloud model using color candidate extraction and texture-based recognition》;Vahid Balali等;《Advanced Engineering Informatics》;20171231;摘要、第2-3节、图1-10 * |
Also Published As
Publication number | Publication date |
---|---|
CN110827340A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7485749B2 (ja) | ビデオベースの位置決め及びマッピングの方法及びシステム | |
US11967109B2 (en) | Vehicle localization using cameras | |
KR102266830B1 (ko) | 차선 결정 방법, 디바이스 및 저장 매체 | |
TWI798305B (zh) | 用於更新高度自動化駕駛地圖的系統和方法 | |
JP6595182B2 (ja) | マッピング、位置特定、及び姿勢補正のためのシステム及び方法 | |
WO2020102944A1 (zh) | 点云处理方法、设备及存储介质 | |
EP2874097A2 (en) | Automatic scene parsing | |
WO2020043081A1 (zh) | 定位技术 | |
WO2020156923A2 (en) | Map and method for creating a map | |
JP2016157197A (ja) | 自己位置推定装置、自己位置推定方法およびプログラム | |
WO2021017211A1 (zh) | 一种基于视觉的车辆定位方法、装置及车载终端 | |
CN112257668A (zh) | 主辅路判断方法、装置、电子设备及存储介质 | |
CN111105695A (zh) | 地图制作方法、装置、电子设备及计算机可读存储介质 | |
CN113378605B (zh) | 多源信息融合方法及装置、电子设备和存储介质 | |
CN110827340B (zh) | 地图的更新方法、装置及存储介质 | |
CN105444773A (zh) | 一种基于实景识别与增强现实的导航方法及*** | |
CN114299230A (zh) | 一种数据生成方法、装置、电子设备及存储介质 | |
CN112765302B (zh) | 位置信息的处理方法、装置及计算机可读介质 | |
CN113902047B (zh) | 图像元素匹配方法、装置、设备以及存储介质 | |
CN113160406B (zh) | 道路三维重建方法、装置、存储介质及电子设备 | |
US20210134034A1 (en) | Region clipping method and recording medium storing region clipping program | |
CN112767477A (zh) | 一种定位方法、装置、存储介质及电子设备 | |
CN115775325B (zh) | 一种位姿确定方法及装置、电子设备和存储介质 | |
CN116007637B (zh) | 定位装置、方法、车载设备、车辆、及计算机程序产品 | |
WO2022056924A1 (zh) | 一种目标定位方法、装置和计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |