CN111858785A - 地图离散型要素的匹配方法、装置、***及存储介质 - Google Patents
地图离散型要素的匹配方法、装置、***及存储介质 Download PDFInfo
- Publication number
- CN111858785A CN111858785A CN201910353108.1A CN201910353108A CN111858785A CN 111858785 A CN111858785 A CN 111858785A CN 201910353108 A CN201910353108 A CN 201910353108A CN 111858785 A CN111858785 A CN 111858785A
- Authority
- CN
- China
- Prior art keywords
- cluster
- matched
- element cluster
- matching
- distance
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000015654 memory Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种地图离散型要素的匹配方法、装置、***及存储介质,该方法,包括:分别对两个不同数据源中的地图离散型要素进行簇的划分,得到第一要素簇集合和第二要素簇集合;对所述第一要素簇集合和所述第二要素簇集合中的要素簇进行两两匹配,得到匹配的要素簇对;对所述要素簇对中的要素进行匹配,得到两个不同数据源中地图离散型要素的匹配结果。本发明可以有效地缩小匹配范围,降低匹配难度,获得更高的匹配精度,从而满足地图离散型要素分布较密的地图场景下,高精度地图的要素更新要求。
Description
技术领域
本发明涉及高精度地图技术领域,尤其涉及一种地图离散型要素的匹配方法、装置、***及存储介质。
背景技术
高精度地图是自动驾驶不可或缺的重要支撑技术,而高精度众包数据源是高精度地图更新的一种重要数据来源。在利用高精度众包数据源对地图进行更新时,众包数据源与高精度地图之间、不同来源的众包数据源之间、不同时间段采集的众包数据源之间,需要对地图离散型要素进行匹配。
地图离散型要素是指地图中不连续的、具有明确边界的要素,例如:交通标牌、箭头等等。目前,一般直接通过计算地图离散型要素之间的欧式距离来实现对不同数据源中地图离散型要素的匹配。
但是,当某些地图离散型要素分布较密时,上述匹配方式容易出现匹配错误,其匹配精度无法满足高精度地图的匹配精度要求。
发明内容
本发明提供一种地图离散型要素的匹配方法、装置、***及存储介质,可以有效地缩小匹配范围,降低匹配难度,获得更高的匹配精度,从而满足地图离散型要素分布较密的地图场景下,高精度地图的要素更新要求。
第一方面,本发明实施例提供一种地图离散型要素的匹配方法,包括:
分别对两个不同数据源中的地图离散型要素进行簇的划分,得到第一要素簇集合和第二要素簇集合;
对所述第一要素簇集合和所述第二要素簇集合中的要素簇进行两两匹配,得到匹配的要素簇对;
对所述要素簇对中的要素进行匹配,得到两个不同数据源中地图离散型要素的匹配结果。
第二方面,本发明实施例提供一种地图离散型要素的匹配装置,包括:
划分模块,用于分别对两个不同数据源中的地图离散型要素进行簇的划分,得到第一要素簇集合和第二要素簇集合;
第一匹配模块,用于对所述第一要素簇集合和所述第二要素簇集合中的要素簇进行两两匹配,得到匹配的要素簇对;
第二匹配模块,用于对所述要素簇对中的要素进行匹配,得到两个不同数据源中地图离散型要素的匹配结果。
第三方面,本发明实施例提供一种地图离散型要素的匹配***,包括:包括:处理器和存储器,所述存储器中加载有程序,当所述程序被执行时,所述处理器用于执行如第一方面中所述的地图离散型要素的匹配方法。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面所述的地图离散型要素的匹配方法。
本发明提供一种地图离散型要素的匹配方法、装置、***及存储介质,通过分别对两个不同数据源中的地图离散型要素进行簇的划分,得到第一要素簇集合和第二要素簇集合;对所述第一要素簇集合和所述第二要素簇集合中的要素簇进行两两匹配,得到匹配的要素簇对;对所述要素簇对中的要素进行匹配,得到两个不同数据源中地图离散型要素的匹配结果。本发明可以有效地缩小匹配范围,降低匹配难度,获得更高的匹配精度,从而满足地图离散型要素分布较密的地图场景下,高精度地图的要素更新要求。
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一简单地介绍,显而易见地,下面描述中的附图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为本发明一应用场景的原理示意图;
图2为本发明一实施例提供的地图离散型要素的匹配方法的流程图;
图3为本发明又一实施例提供的要素簇匹配的示意图;
图4为本发明另一实施例提供的要素匹配的示意图;
图5为本发明一实施例提供的地图离散型要素的匹配装置的结构示意图;
图6为本发明一实施例提供的地图离散型要素的匹配***的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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”、“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,例如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。
下面以具体地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。
高精度地图是自动驾驶不可或缺的重要支撑技术,而高精度众包数据源是高精度地图更新的一种重要数据来源。在利用高精度众包数据源对地图进行更新时,众包数据源与高精度地图之间、不同来源的众包数据源之间、不同时间段采集的众包数据源之间,需要对地图离散型要素进行匹配。
地图离散型要素是指地图中不连续的、具有明确边界的要素,例如:交通标牌、箭头等等。目前,一般直接通过计算地图离散型要素之间的欧式距离来实现对不同数据源中地图离散型要素的匹配。
但是,当某些地图离散型要素分布较密时,上述匹配方式容易出现匹配错误,其匹配精度无法满足高精度地图的匹配精度要求。
针对上述技术问题,本发明提供一种方法,可以有效地缩小匹配范围,降低匹配难度,获得更高的匹配精度,从而满足地图离散型要素分布较密的地图场景下,高精度地图的要素更新要求。
图1为本发明一应用场景的原理示意图,如图1所示,对数据源S0、S1中的离散型地图要素进行匹配。首先,在数据源S0、数据源S1中分别对离散型地图要素进行分组,即将距离比较近的离散型地图要素划分为一个要素簇,这样在数据源S0、数据源S1中会各自得到1个要素簇的集合。然后,对要素簇的集合中的要素簇进行匹配,得到匹配的要素簇对。最后,对要素簇对中的要素进行匹配,从而实现S0、S1中所有离散型地图要素的匹配,得到不同数据源中地图离散型要素的匹配结果。
应用上述方法可以有效地缩小匹配范围,降低匹配难度,获得更高的匹配精度,从而满足地图离散型要素分布较密的地图场景下,高精度地图的要素更新要求。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。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中不再赘述。下面将结合附图,对本发明的实施例进行描述。
图2为本发明一实施例提供的地图离散型要素的匹配方法的流程图,如图2所示,本实施例中的方法可以包括:
S101、分别对两个不同数据源中的地图离散型要素进行簇的划分,得到第一要素簇集合和第二要素簇集合。
本实施例中,将数据源中的所有地图离散型要素作为独立的要素簇,并计算两两要素簇之间的距离;将距离最小的两个要素簇合并为一个新的要素簇,重新计算两两要素簇之间的距离;距离包括:绝对值距离、欧式距离、切比雪夫距离中的任一种。
在一种可选的实施方式中,在重新计算两两要素簇之间的距离之后,进一步判断数据源中任意两个要素簇之间的距离是否大于预设的第一阈值;若大于预设的第一阈值,则得到数据源对应的要素簇集合;若不大于预设的第一阈值,则将距离最小的两个要素簇合并为一个新的要素簇,重新计算两两要素簇之间的距离;直到数据源中任意两个要素簇之间的距离均大于预设的第一阈值。
具体地,针对数据源S0、S1中的离散型地图要素,要素簇的划分,主要是应用聚类分析的方法,根据要素的内在相似性,对要素进行分组,使得组内的要素之间相似性越大,组间的要素之间相似性越小。可以采用层次聚类的方法,相似性可以采用欧氏距离进行度量,使得每个要素到其簇中心的距离比到其他簇中心的距离更近。相似性度量除了采用欧氏距离计算,还可以采用其它方式完成,包括绝对值距离、切比雪夫距离等,本实施例以欧式距离为例进行说明,后续不再赘述。
具体思路如下:首先,将某个数据源中的所有要素都作为一个独立的簇;然后,计算两两要素簇之间的距离,找出距离最小的两个簇a和b;再然后,合并簇a和簇b为一个簇。重复以上步骤,直到任意两个簇之间的距离都大于第一阈值(第一阈值记为A),簇的划分完成。其中,两个要素簇之间的距离即为簇中心之间的欧氏距离。第一阈值A需要考虑实际场景中离散型地图要素间的距离、GPS误差等因素,取值例如但不限于20m。在完成要素簇划分后,数据源S0、S1中的离散型地图要素各自生成一个要素簇的集合,记为C0、C1,如下所示:
C0={C00,C01,C02…}
C1={C10,C11,C12…}
其中,C0i是数据源S0中的第i个要素簇(i=0,1,2…),C1j是数据源S1中的第j个要素簇(j=0,1,2…),要素簇的集合C0和C1中的要素簇的个数不一定相等。
需要说明的是,本实施例不限定要素、要素簇之间相似性度量的方法,本领域的技术人员可以根据实际情况增加或者减少要素、要素簇之间相似性度量的方法。相似性度量除了采用欧氏距离计算,还可以采用其它方式完成,包括绝对值距离、切比雪夫距离等。
S102、对第一要素簇集合和第二要素簇集合中的要素簇进行两两匹配,得到匹配的要素簇对。
本实施例中,获取第一要素簇集合中的任一待匹配的要素簇;计算待匹配的要素簇与第二要素簇集合中所有要素簇之间的几何距离;从第二要素簇集合中选取出与待匹配的要素簇几何距离最小的要素簇作为候选要素簇。
在一种可选的实施方式中,还可以进一步地判断待匹配要素簇与候选要素簇之间的几何距离是否小于预设的第二阈值;若小于预设的第二阈值,则将待匹配要素簇和候选要素簇作为匹配的要素簇对;并从第一要素簇集合中剔除待匹配要素簇,从第二要素簇集合中剔除候选要素簇,得到更新后的第一要素簇集合和更新后的第二要素簇集合;若不小于预设的第二阈值,则从第一要素簇集合中剔除待匹配要素簇,得到更新后的第一要素簇集合。
在另一种可选的实施方式中,还可以进一步判断第一要素簇集合中是否存在待匹配的要素簇,若存在,则从第二要素簇集合中查找几何距离小于预设的第二阈值的候选要素簇,直到第一要素簇集合为空集。
具体地,首先,选取要素簇的集合C0中的任一待匹配的要素簇C0i。然后,依次计算要素簇C0i与要素簇的集合C1中所有要素簇之间的几何距离,得到几何距离最小的要素簇C1j。若要素簇C0i与要素簇C1j的几何距离小于预设的第二阈值(第二阈值记为B),即为该要素簇的对应簇,待匹配的要素簇C0i与要素簇C1j组成要素簇对,将要素簇C0i从要素簇的集合C0中剔除,得到更新后的要素簇的集合C0,将要素簇C1j从要素簇的集合C1中剔除,得到更新后的要素簇的集合C1;若阈值范围外视为未匹配到,将要素簇C0i从要素簇的集合C0中剔除,得到更新后的要素簇的集合C0。从要素簇的集合C0和C1中剔除要素簇,可以加快计算,也可以避免重复匹配。重复以上步骤,直到C0中的要素簇取完为止。第二阈值B需要考虑实际场景中离散型地图要素间的距离、GPS误差等因素,取值例如但不限于20m。要素簇C0i、要素簇C1j之间的几何距离除了采用欧氏距离计算,还可以采用其它方式完成,包括绝对值距离、切比雪夫距离等,本实施例以欧式距离为例进行说明,后续不再赘述。要素簇C0i、要素簇C1j之间的几何距离即两者几何中心之间的欧氏距离d,公式如下所示:
其中,x0、y0、z0为要素簇C0i的簇中心的坐标,x1、y1、z1为要素簇C1j的簇中心的坐标。
图3为本发明又一实施例提供的要素簇匹配的示意图,如图3所示,数据源S0中的要素簇C01与数据源S1中的要素簇C11组成要素簇对,数据源S0中的要素簇C02与数据源S1中的要素簇C12组成要素簇对。
S103、对要素簇对中的要素进行匹配,得到不同数据源中地图离散型要素的匹配结果。
本实施例中,将要素簇对中的两个要素簇分别标记为第一要素簇和第二要素簇;从第一要素簇中获取任一待匹配的要素;计算待匹配的要素与第二要素簇中所有要素之间的集合距离;从第二要素簇中选取出与待匹配的要素集合距离最小的要素作为候选要素。
在一种可选的实施方式中,还可以进一步地判断待匹配要素与候选要素之间的集合距离是否小于预设的第三阈值;若小于预设的第三阈值,则确定待匹配要素和候选要素匹配成功,输出匹配结果;并从第一要素簇中剔除待匹配要素,从第二要素簇中剔除候选要素;若不小于预设的第三阈值,则确定待匹配要素和候选要素匹配失败;并从第一要素簇中剔除待匹配要素。
在另一种可选的实施方式中,还可以进一步地判断第一要素簇中是否存在待匹配的要素,若存在,则从第二要素簇中查找几何距离小于预设的第三阈值的候选要素,直到第一要素簇为空集。
具体地,在要素簇匹配完成以后,接下来进行要素簇中的要素进行匹配。假设要素簇的集合C0中的要素簇C0i对应着要素簇的集合C1中的要素簇C1j,将要素簇C0i与簇C1j内部的要素表示如下:
C0i={M00,M01,M02…}
C1j={M10,M11,M12…}
其中,M0s是要素簇C0i中的第s个要素(s=0,1,2…),M1t是要素簇C1j中的第t个要素(t=0,1,2…),要素簇C0i和C0j中要素的个数不一定相等。
计算C0i中任意一个要素M0s与C1j中所有要素的集合距离,得到几何距离最小的要素M1t。若要素M0s与要素M1t的几何距离小于预设的第三阈值,即为完成匹配,待匹配的要素M0s与要素M1t组成要素对,输出匹配结果,将要素M0s从要素簇C0i中剔除,得到更新后的要素簇C0i,将要素M0t从要素簇C1j中剔除,得到更新后的要素簇C1j;若阈值范围外,则视为未匹配到,将素M0s从要素簇C0i中剔除,得到更新后的要素簇C0i。从要素簇C0i和C1j中剔除要素簇,可以加快计算,也可以避免重复匹配。重复以上步骤,直到要素簇C0i中的要素取完为止。
下面详细介绍要素M0s、要素M1t的集合距离计算方法。图4为本发明另一实施例提供的要素匹配的示意图,如图4所示,首先,构建局部坐标系。选定匹配的要素簇C02的中心O0与要素簇C12的中心O1中心点连线的中心O为原点,以道路前进方向为Y轴、垂直道路前进方向右侧为X轴、垂直路面向上的方向为Z轴,构建局部坐标系Lxyz。对要素M0s、M1t的边界点的原始坐标进行旋转,使得X轴、Y轴、Z轴与局部坐标系Lxyz一致;然后再进行坐标平移,使得坐标原点与局部坐标系Lxyz一致。如图所示,簇C02的中心为O0,簇C12的中心为O1。取O0与O1的中心O为局部坐标系的原点,以道路前进方向为Y轴,以垂直Y轴右侧方向为X轴。在建立局部坐标系后,计算M0s、M1t的边界点到X轴、Y轴、Z轴投影点坐标的极值信息xmin0、xmax0、ymin0、ymax0、zmin0、zmax0、xmin1、xmax1、ymin1、ymax1、zmin1、zmax1,具体含义如下:
xmin0:M0s的边界点到X轴投影点坐标的最小值;
xmax0:M0s的边界点到X轴投影点坐标的最大值;
ymin0:M0s的边界点到Y轴投影点坐标的最小值;
ymax0:M0s的边界点到Y轴投影点坐标的最大值;
zmin0:M0s的边界点到Z轴投影点坐标的最小值;
zmax0:M0s的边界点到Z轴投影点坐标的最大值;
xmin1:M1t的边界点到X轴投影点坐标的最小值;
xmax1:M1t的边界点到X轴投影点坐标的最大值;
ymin1:M1t的边界点到Y轴投影点坐标的最小值;
ymax1:M1t的边界点到Y轴投影点坐标的最大值;
zmin1:M1t的边界点到Z轴投影点坐标的最小值;
zmax1:M1t的边界点到Z轴投影点坐标的最大值。
定义集合xdis0、ydis0、zdis0、xdis1、ydis1、zdis1如下:
xdis0:{xobj0|xobj0≥xmin0且xobj0≤xmax0};
ydis0:{yobj0|yobj0≥ymin0且yobj0≤ymax0};
zdis0:{zobj0|zobj0≥zmin0且zobj0≤zmax0};
xdis1:{xobj1|xobj1≥xmin1且xobj1≤xmax1};
ydis1:{yobj1|yobj1≥ymin1且yobj1≤ymax1};
zdis1:{zobj1|zobj1≥zmin1且zobj1≤zmax1}。
计算集合距离公式如下:
其中,α、β、γ为动态参数,取值例如但不限于1.0;setDis即为要素MOS、要素M1t之间的集合距离。
在得到M01与M11之间的集合距离l1,M01与M12之间的集合距离l2后,若l1<l2,则M11是M01的候选项;否则M12是M01的候选项。计算M02与剩下的未被匹配的元素之间的距离,取距离较小的作为候选项。
本实施例,通过分别对两个不同数据源中的地图离散型要素进行簇的划分,得到第一要素簇集合和第二要素簇集合;对第一要素簇集合和第二要素簇集合中的要素簇进行两两匹配,得到匹配的要素簇对;对要素簇对中的要素进行匹配,得到两个不同数据源中地图离散型要素的匹配结果。本发明可以有效地缩小匹配范围,降低匹配难度,获得更高的匹配精度,从而满足地图离散型要素分布较密的地图场景下,高精度地图的要素更新要求。
图5为本发明一实施例提供的地图离散型要素的匹配装置的结构示意图,如图5所示,本实施例的装置可以包括:
划分模块31,用于分别对两个不同数据源中的地图离散型要素进行簇的划分,得到第一要素簇集合和第二要素簇集合;
第一匹配模块32,用于对第一要素簇集合和第二要素簇集合中的要素簇进行两两匹配,得到匹配的要素簇对;
第二匹配模块33,用于对要素簇对中的要素进行匹配,得到两个不同数据源中地图离散型要素的匹配结果。
可选地,划分模块31,具体用于:
将每个数据源中的所有地图离散型要素作为独立的要素簇,并计算两两要素簇之间的距离;
将距离最小的两个要素簇合并为一个新的要素簇,重新计算两两要素簇之间的距离;该距离包括:绝对值距离、欧式距离、切比雪夫距离中的任一种。
可选地,划分模块31还用于,在重新计算两两要素簇之间的距离之后,判断数据源中任意两个要素簇之间的距离是否大于预设的第一阈值,
若大于预设的第一阈值,则得到所述数据源对应的要素簇集合;
若数据源中任意两个要素簇之间的距离不大于预设的第一阈值,则将距离最小的两个要素簇合并为一个新的要素簇,重新计算两两要素簇之间的距离;直到数据源中任意两个要素簇之间的距离均大于预设的第一阈值。
可选地,第一匹配模块32,具体用于:
获取第一要素簇集合中的任一待匹配的要素簇;
计算待匹配的要素簇与所述第二要素簇集合中所有要素簇之间的几何距离;
从第二要素簇集合中选取出与待匹配的要素簇几何距离最小的要素簇作为候选要素簇。
可选地,第一匹配模块32,还用于:判断待匹配要素簇与候选要素簇之间的几何距离是否小于预设的第二阈值;
若小于预设的第二阈值,则将待匹配要素簇和候选要素簇作为匹配的要素簇对;并从第一要素簇集合中剔除待匹配要素簇,从第二要素簇集合中剔除已经匹配的候选要素簇,得到更新后的第一要素簇集合和更新后的第二要素簇集合;
若待匹配要素簇与候选要素簇之间的几何距离不小于预设的第二阈值,则从第一要素簇集合中剔除所述待匹配要素簇,得到更新后的第一要素簇集合。
可选地,第二匹配模块33,具体用于:
将要素簇对中的两个要素簇分别标记为第一要素簇和第二要素簇;
从第一要素簇中获取任一待匹配的要素;
计算待匹配的要素与第二要素簇中所有要素之间的集合距离;
从第二要素簇中选取出与待匹配的要素集合距离最小的要素作为候选要素。
可选地,第二匹配模块33,还用于根据待匹配的要素的边界点、第二要素簇中的要素的边界点到局部坐标系Lxyz的X轴、Y轴、Z轴上投影点的坐标极值信息,计算待匹配的要素与第二要素簇中要素之间的集合距离。
可选地,第二匹配模块33,还用于:判断待匹配要素与所述候选要素之间的集合距离是否小于预设的第三阈值;
若小于预设的第三阈值,则确定待匹配要素和所述候选要素匹配成功,输出匹配结果;并从第一要素簇中剔除所述待匹配要素,从第二要素簇中剔除所述候选要素;
若待匹配要素与所述候选要素之间的集合距离不小于所述预设的第三阈值,则确定待匹配要素和所述候选要素匹配失败;并从第一要素簇中剔除所述待匹配要素。
本实施例的地图离散型要素的匹配装置,可以执行图2所示方法中的技术方案,其具体实现过程和技术原理参见图2所示方法中的相关描述,此处不再赘述。
本实施例,通过分别对两个不同数据源中的地图离散型要素进行簇的划分,得到第一要素簇集合和第二要素簇集合;对第一要素簇集合和第二要素簇集合中的要素簇进行两两匹配,得到匹配的要素簇对;对要素簇对中的要素进行匹配,得到两个不同数据源中地图离散型要素的匹配结果。本发明可以有效地缩小匹配范围,降低匹配难度,获得更高的匹配精度,从而满足地图离散型要素分布较密的地图场景下,高精度地图的要素更新要求。
图6为本发明一实施例提供的地图离散型要素的匹配***的结构示意图,如图6所示,本实施例的***40可以包括:处理器41和存储器42。
存储器42,用于存储计算机程序(如实现上述地图离散型要素的匹配方法的应用程序、功能模块等)、计算机指令等;
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器42中。并且上述的计算机程序、计算机指令、数据等可以被处理器41调用。
处理器41,用于执行存储器42存储的计算机程序,以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器41和存储器42可以是独立结构,也可以是集成在一起的集成结构。当处理器41和存储器42是独立结构时,存储器42、处理器41可以通过总线43耦合连接。
本实施例的服务器可以执行图2所示方法中的技术方案,其具体实现过程和技术原理参见图2所示方法中的相关描述,此处不再赘述。
此外,本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当用户设备的至少一个处理器执行该计算机执行指令时,用户设备执行上述各种可能的方法。
其中,计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外,该ASIC可以位于用户设备中。当然,处理器和存储介质也可以作为分立组件存在于通信设备中。
本申请还提供一种程序产品,程序产品包括计算机程序,计算机程序存储在可读存储介质中,服务器的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得服务器实施上述本发明实施例任一的方法。
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 (10)
1.一种地图离散型要素的匹配方法,其特征在于,包括:
分别对两个不同数据源中的地图离散型要素进行簇的划分,得到第一要素簇集合和第二要素簇集合;
对所述第一要素簇集合和所述第二要素簇集合中的要素簇进行两两匹配,得到匹配的要素簇对;
对所述要素簇对中的要素进行匹配,得到两个不同数据源中地图离散型要素的匹配结果。
2.根据权利要求1所述的方法,其特征在于,分别对两个不同数据源中的地图离散型要素进行簇的划分,得到第一要素簇集合和第二要素簇集合,包括:
将每个数据源中的所有地图离散型要素作为独立的要素簇,并计算两两要素簇之间的距离;
将距离最小的两个要素簇合并为一个新的要素簇,重新计算两两要素簇之间的距离;所述距离包括:绝对值距离、欧式距离、切比雪夫距离中的任一种。
3.根据权利要求2所述的方法,其特征在于,所述将距离最小的两个要素簇合并为一个新的要素簇,重新计算两两要素簇之间的距离之后,还包括:
判断数据源中任意两个要素簇之间的距离是否大于预设的第一阈值,
若大于预设的第一阈值,则得到所述数据源对应的要素簇集合;
若数据源中任意两个要素簇之间的距离不大于预设的第一阈值,则将距离最小的两个要素簇合并为一个新的要素簇,重新计算两两要素簇之间的距离;直到数据源中任意两个要素簇之间的距离均大于预设的第一阈值。
4.根据权利要求2所述的方法,其特征在于,对所述第一要素簇集合和第二要素簇集合中的要素簇进行两两匹配,得到匹配的要素簇对,包括:
获取所述第一要素簇集合中的任一待匹配的要素簇;
计算所述待匹配的要素簇与所述第二要素簇集合中所有要素簇之间的几何距离;
从所述第二要素簇集合中选取出与所述待匹配的要素簇几何距离最小的要素簇作为候选要素簇。
5.根据权利要求4所述的方法,其特征在于,从所述第二要素簇集合中选取出与所述待匹配的要素簇几何距离最小的要素簇作为候选要素簇之后,还包括:
判断所述待匹配要素簇与所述候选要素簇之间的几何距离是否小于预设的第二阈值;
若小于所述预设的第二阈值,则将所述待匹配要素簇和所述候选要素簇作为匹配的要素簇对;并从所述第一要素簇集合中剔除所述待匹配要素簇,从所述第二要素簇集合中剔除已经匹配的所述候选要素簇,得到更新后的第一要素簇集合和更新后的第二要素簇集合;
若所述待匹配要素簇与所述候选要素簇之间的几何距离不小于所述预设的第二阈值,则从所述第一要素簇集合中剔除所述待匹配要素簇,得到更新后的第一要素簇集合。
6.根据权利要求5所述的方法,其特征在于,对所述要素簇对中的要素进行匹配,得到两个不同数据源中地图离散型要素的匹配结果,包括:
将所述要素簇对中的两个要素簇分别标记为第一要素簇和第二要素簇;
从所述第一要素簇中获取任一待匹配的要素;
计算所述待匹配的要素与所述第二要素簇中所有要素之间的集合距离;
从所述第二要素簇中选取出与所述待匹配的要素集合距离最小的要素作为候选要素。
7.根据权利要求6所述的方法,其特征在于,从所述第二要素簇中选取出与所述待匹配的要素集合距离最小的要素作为候选要素之后,还包括:
判断所述待匹配要素与所述候选要素之间的集合距离是否小于预设的第三阈值;
若小于所述预设的第三阈值,则确定所述待匹配要素和所述候选要素匹配成功,输出匹配结果;并从所述第一要素簇中剔除所述待匹配要素,从所述第二要素簇中剔除所述候选要素;
若所述待匹配要素与所述候选要素之间的集合距离不小于所述预设的第三阈值,则确定所述待匹配要素和所述候选要素匹配失败;并从所述第一要素簇中剔除所述待匹配要素。
8.根据权利要求6所述的方法,其特征在于,计算所述待匹配的要素与所述第二要素簇中所有要素之间的集合距离,包括:
根据待匹配的要素的边界点、所述第二要素簇中的要素的边界点到局部坐标系Lxyz的X轴、Y轴、Z轴上投影点的坐标极值信息,计算待匹配的要素与所述第二要素簇中要素之间的集合距离。
9.一种地图离散型要素的匹配装置,其特征在于,包括:
划分模块,用于分别对两个不同数据源中的地图离散型要素进行簇的划分,得到第一要素簇集合和第二要素簇集合;
第一匹配模块,用于对所述第一要素簇集合和所述第二要素簇集合中的要素簇进行两两匹配,得到匹配的要素簇对;
第二匹配模块,用于对所述要素簇对中的要素进行匹配,得到两个不同数据源中地图离散型要素的匹配结果。
10.一种地图离散型要素的匹配***,其特征在于,包括:处理器和存储器,所述存储器中加载有程序,当所述程序被执行时,所述处理器用于执行如权利要求1-8中任一所述的地图离散型要素的匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910353108.1A CN111858785B (zh) | 2019-04-29 | 2019-04-29 | 地图离散型要素的匹配方法、装置、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910353108.1A CN111858785B (zh) | 2019-04-29 | 2019-04-29 | 地图离散型要素的匹配方法、装置、***及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111858785A true CN111858785A (zh) | 2020-10-30 |
CN111858785B CN111858785B (zh) | 2024-04-30 |
Family
ID=72965317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910353108.1A Active CN111858785B (zh) | 2019-04-29 | 2019-04-29 | 地图离散型要素的匹配方法、装置、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111858785B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114526721A (zh) * | 2021-12-31 | 2022-05-24 | 易图通科技(北京)有限公司 | 地图对齐处理方法、装置及可读存储介质 |
CN114526722A (zh) * | 2021-12-31 | 2022-05-24 | 易图通科技(北京)有限公司 | 地图对齐处理方法、装置及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002032773A (ja) * | 2000-07-18 | 2002-01-31 | Zenrin Co Ltd | 地図データの処理装置及び方法 |
CN103925929A (zh) * | 2013-01-14 | 2014-07-16 | 北京中交兴路信息科技有限公司 | 一种移动目标运动距离统计方法和装置 |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
CN106203491A (zh) * | 2016-07-01 | 2016-12-07 | 交通运输部路网监测与应急处置中心 | 一种公路矢量数据的融合更新方法 |
CN108804588A (zh) * | 2018-05-28 | 2018-11-13 | 山西大学 | 一种混合数据流数据标签方法 |
CN109003028A (zh) * | 2018-07-17 | 2018-12-14 | 北京百度网讯科技有限公司 | 用于划分物流区域的方法和装置 |
-
2019
- 2019-04-29 CN CN201910353108.1A patent/CN111858785B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002032773A (ja) * | 2000-07-18 | 2002-01-31 | Zenrin Co Ltd | 地図データの処理装置及び方法 |
CN103925929A (zh) * | 2013-01-14 | 2014-07-16 | 北京中交兴路信息科技有限公司 | 一种移动目标运动距离统计方法和装置 |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
CN106203491A (zh) * | 2016-07-01 | 2016-12-07 | 交通运输部路网监测与应急处置中心 | 一种公路矢量数据的融合更新方法 |
CN108804588A (zh) * | 2018-05-28 | 2018-11-13 | 山西大学 | 一种混合数据流数据标签方法 |
CN109003028A (zh) * | 2018-07-17 | 2018-12-14 | 北京百度网讯科技有限公司 | 用于划分物流区域的方法和装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114526721A (zh) * | 2021-12-31 | 2022-05-24 | 易图通科技(北京)有限公司 | 地图对齐处理方法、装置及可读存储介质 |
CN114526722A (zh) * | 2021-12-31 | 2022-05-24 | 易图通科技(北京)有限公司 | 地图对齐处理方法、装置及可读存储介质 |
CN114526722B (zh) * | 2021-12-31 | 2024-05-24 | 易图通科技(北京)有限公司 | 地图对齐处理方法、装置及可读存储介质 |
CN114526721B (zh) * | 2021-12-31 | 2024-05-24 | 易图通科技(北京)有限公司 | 地图对齐处理方法、装置及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111858785B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019201135A1 (zh) | 基于全局路网特征的数据匹配方法、装置及存储介质 | |
CN105654483A (zh) | 三维点云全自动配准方法 | |
JP2016110337A (ja) | 経路情報処理装置、方法、及びプログラム | |
CN109214314B (zh) | 一种车道线自动融合匹配算法 | |
WO2021254019A1 (zh) | 协同构建点云地图的方法、设备和*** | |
CN110910483B (zh) | 三维重建方法、装置及电子设备 | |
CN105513083A (zh) | 一种ptam摄像机跟踪方法及装置 | |
CN111858785A (zh) | 地图离散型要素的匹配方法、装置、***及存储介质 | |
CN109885635A (zh) | 地图关联方法、装置、存储介质及计算机设备 | |
CN112215123B (zh) | 一种目标检测方法、装置及存储介质 | |
CN110413716B (zh) | 数据存储和数据查询方法、装置及电子设备 | |
CN112258647A (zh) | 地图重建方法及装置、计算机可读介质和电子设备 | |
US20230401670A1 (en) | Multi-scale autoencoder generation method, electronic device and readable storage medium | |
JP6996200B2 (ja) | 画像処理方法、画像処理装置、および画像処理プログラム | |
CN112669196B (zh) | 一种硬件加速引擎中因子图优化数据的方法和设备 | |
CN111368860A (zh) | 重定位方法及终端设备 | |
CN115797616A (zh) | 一种图像校正点获取方法、装置、电子设备及介质 | |
CN111862163B (zh) | 一种轨迹优化方法及装置 | |
CN113129438B (zh) | 一种车道线的精度提升方法、装置及可读存储介质 | |
CN114445575A (zh) | 一种基于路口拓扑信息的不同地图之间的匹配方法及*** | |
CN112037328A (zh) | 生成地图中的道路边沿的方法、装置、设备和存储介质 | |
JP2017090093A (ja) | 経路グラフ生成方法、装置、及びプログラム | |
CN111460057A (zh) | Poi坐标确定方法、装置与设备 | |
CN111737374A (zh) | 位置坐标确定方法、装置、电子设备及存储介质 | |
CN112784533B (zh) | 车道组编号生成方法、装置、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |