CN113532450B - 一种虚拟停车地图数据处理方法和*** - Google Patents
一种虚拟停车地图数据处理方法和*** Download PDFInfo
- Publication number
- CN113532450B CN113532450B CN202110730129.8A CN202110730129A CN113532450B CN 113532450 B CN113532450 B CN 113532450B CN 202110730129 A CN202110730129 A CN 202110730129A CN 113532450 B CN113532450 B CN 113532450B
- Authority
- CN
- China
- Prior art keywords
- data
- parking lot
- parking
- target
- historical
- 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 description 18
- 238000000034 method Methods 0.000 claims abstract description 62
- 230000008447 perception Effects 0.000 claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000005457 optimization Methods 0.000 claims description 38
- 239000013598 vector Substances 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 20
- 238000012216 screening Methods 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 15
- 238000010606 normalization Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明实施例提供了一种虚拟停车场地图数据处理方法和***,所述方法包括:获取用于构建虚拟停车场地图的原始感知数据;虚拟停车场地图包括至少一种停车场元素,每种停车场元素分别对应一组原始感知数据;对所述原始感知数据进行优化处理,以获取所述停车场元素对应的绘制数据;基于不同停车场元素对应的所述绘制数据,绘制相应的停车场元素。通过优化后的目标感知数据,显示装置可以绘制更加符合实际、更加准确的虚拟停车场地图。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及一种虚拟停车场地图数据处理方法和一种虚拟停车场地图数据处理***。
背景技术
随着智能汽车的发展,越来越多的智能驾驶功能出现在汽车上给驾驶者带来了便利。记忆泊车是车辆可以根据用户泊车习惯进行自动泊车的功能,车辆需要对在停车场的用户泊车行为进行学习,以学习在停车场的行驶轨迹和车位的数据。在学习完成后,车辆可以根据用户的泊车行为进行自动泊车。
为了增强用户体验,在车辆完成在停车场的用户泊车行为学习后,可以基于学习得到的行驶路线和车位等数据,在车载屏幕显示虚拟停车场地图,并在虚拟停车场地图中显示多种停车场元素,例如路线、车位等。但是现有技术中虚拟停车场地图所显示的停车场元素可能存在与实际不符合、不合理的情况。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种虚拟停车场地图数据处理方法和相应的一种虚拟停车场地图数据处理***。
本发明实施例公开了一种虚拟停车场地图数据处理方法,包括:获取用于构建虚拟停车场地图的原始感知数据;所述虚拟停车场地图包括至少一种停车场元素,每种停车场元素分别对应一组原始感知数据;
对所述原始感知数据进行优化处理,以获取所述停车场元素对应的绘制数据;
基于不同停车场元素对应的所述绘制数据,绘制相应的停车场元素。
可选地,在对所述原始感知数据进行优化处理,以获取所述停车场元素对应的绘制数据之前,还包括:
从所述原始感知数据中,确定目标区域中的区域感知数据;所述目标区域为基于车辆位置确定的区域;
所述对所述原始感知数据进行优化处理,以获取所述停车场元素对应的绘制数据,包括:
对所述区域感知数据进行优化处理,以获取所述停车场元素对应的绘制数据。
可选地,所述停车场元素包括路线;所述路线对应的原始感知数据包括:车辆在停车场学习记忆泊车的行驶轨迹的原始坐标点;所述对所述区域感知数据进行优化处理,以获取所述停车场元素对应的绘制数据,包括:
从所述目标区域的原始坐标点中,筛选出目标坐标点集;
根据所述目标坐标点集的坐标点,分别向垂直于道路朝向的左右两个方向扩展道路宽度形成用于绘制路线的图形。
可选地,所述根据所述目标坐标点集的坐标点,分别向垂直于道路朝向的左右两个方向扩展道路宽度形成用于绘制路线的图形,包括:
分别以所述目标坐标点集的各个坐标点为基准点,向垂直于道路朝向的左右两个方向延伸得到第一延伸点和第二延伸点;
以相邻两个坐标点的第一延伸点、第二延伸点为顶点,生成用于绘制路线的多边形。
可选地,所述分别以所述目标坐标点集的各个坐标点为基准点,向垂直于道路朝向的左右两个方向延伸得到第一延伸点和第二延伸点,包括:
对所述目标坐标点集,计算每个坐标点与下一个坐标点之间,在道路朝向的第一向量;
计算每个坐标点与下一个坐标点之间,在垂直于第一向量的方向上的第二向量;
采用多个所述第二向量进行归一化处理,得到多个坐标点对应的归一化值;
对每个坐标点对应的归一化值乘以预设宽度,得到扩展宽度值;
分别以每个坐标点为基准点向垂直于道路朝向的左右两个方向,延伸对应的扩展宽度值,得到第一延伸点和第二延伸点。
可选地,所述停车场元素包括车位;所述车位对应的原始感知数据包括:车辆在停车场学习记忆泊车的过程记录的历史车位数据;所述对所述区域感知数据进行优化处理,以获取所述停车场元素对应的绘制数据,包括:
获取车辆在停车场进行记忆泊车的过程中识别的实时车位数据;
根据所述实时车位数据,对所述目标区域中的历史车位数据进行过滤;
将过滤后的历史车位数据和所述实时车位数据,作为用于绘制车位的绘制数据。
可选地,所述停车场元素包括减速带,所述减速带对应的原始感知数据包括车辆在停车场学习记忆泊车的过程记录的历史减速带数据;所述对所述区域感知数据进行优化处理,以获取所述停车场元素对应的绘制数据,包括:
采用所述目标区域中的历史减速带数据,确定在道路方向上两两减速带之间的距离;
根据两两减速带之间的距离,对所述目标区域中的历史减速带数据进行筛选,得到目标减速带数据作为用于绘制减速带的绘制数据。
可选地,所述从所述原始感知数据中,确定目标区域中的区域感知数据,包括:
过滤所述原始坐标点中,不属于预设的停车场道路规划区域的坐标点,得到候选坐标点集;
从所述候选坐标点集中选取位于所述目标区域的坐标点。
可选地,所述从所述原始感知数据中,确定目标区域中的区域感知数据,包括:
从所述历史车位数据中选取位于所述目标区域的历史车位数据。
可选地,所述从所述原始感知数据中,确定目标区域中的区域感知数据,包括:
从所述历史减速带数据中选取位于所述目标区域的历史减速带数据。
可选地,所述基于不同停车场元素对应的所述绘制数据,绘制相应的停车场元素,包括:
采用所述基于所述坐标点扩展的道路宽度形成的图形,绘制虚拟停车场地图的路线。
可选地,所述基于不同停车场元素对应的所述绘制数据,绘制相应的停车场元素,包括:
采用所述过滤后的历史车位数据和所述实时车位数据,绘制虚拟停车场地图的车位。
可选地,所述基于不同停车场元素对应的所述绘制数据,绘制相应的停车场元素,包括:
采用所述目标减速带数据,绘制虚拟停车场地图的减速带。
本申请实施例还公开了一种虚拟停车场地图数据处理***,包括:数据处理装置和显示装置;
所述数据处理装置包括:
原始感知数据获取模块,用于获取用于构建虚拟停车场地图的原始感知数据;所述虚拟停车场地图包括至少一种停车场元素,每种停车场元素分别对应一组原始感知数据;
优化模块,用于对所述原始感知数据进行优化处理,以获取所述停车场元素对应的绘制数据;
所述显示装置包括:
绘制模块,用于基于不同停车场元素对应的所述绘制数据,绘制相应的停车场元素。
可选地,所述数据处理装置还包括:
区域数据选取模块,用于在所述优化模块对所述原始感知数据进行优化处理,以获取所述停车场元素对应的绘制数据之前,从所述原始感知数据中,确定目标区域中的区域感知数据;所述目标区域为基于车辆位置确定的区域;
所述优化模块包括:
区域数据优化子模块,用于对所述区域感知数据进行优化处理,以获取所述停车场元素对应的绘制数据。
可选地,所述停车场元素包括路线;所述路线对应的原始感知数据包括:车辆在停车场学习记忆泊车的行驶轨迹的原始坐标点;所述区域数据优化子模块包括:
目标坐标点集筛选单元,用于从所述目标区域的原始坐标点中,筛选出目标坐标点集;
图形生成单元,用于根据所述目标坐标点集的坐标点,分别向垂直于道路朝向的左右两个方向扩展道路宽度形成用于绘制路线的图形。
可选地,所述图形生成单元包括:
坐标点延伸子单元,用于分别以所述目标坐标点集的各个坐标点为基准点,向垂直于道路朝向的左右两个方向延伸得到第一延伸点和第二延伸点;
多边形生成子单元,用于以相邻两个坐标点的第一延伸点、第二延伸点为顶点,生成用于绘制路线的多边形。
可选地,所述坐标点延伸子单元包括:
第一向量计算子单元,用于对所述目标坐标点集,计算每个坐标点与下一个坐标点之间,在道路朝向的第一向量;
第二向量计算子单元,用于计算每个坐标点与下一个坐标点之间,在垂直于第一向量的方向上的第二向量;
归一化处理子单元,用于采用多个所述第二向量进行归一化处理,得到多个坐标点对应的归一化值;
宽度值确定子单元,用于对每个坐标点对应的归一化值乘以预设宽度,得到扩展宽度值;
延伸点确定子单元,用于分别以每个坐标点为基准点向垂直于道路朝向的左右两个方向,延伸对应的扩展宽度值,得到第一延伸点和第二延伸点。
可选地,所述停车场元素包括车位;所述车位对应的原始感知数据包括:车辆在停车场学习记忆泊车的过程记录的历史车位数据;所述区域数据优化子模块包括:
实时车位数据获取单元,用于获取车辆在停车场进行记忆泊车的过程中识别的实时车位数据;
车位数据过滤单元,用于根据所述实时车位数据,对所述目标区域中的历史车位数据进行过滤;
车位数据确定单元,用于将过滤后的历史车位数据和所述实时车位数据,作为用于绘制车位的绘制数据。
可选地,所述停车场元素包括减速带,所述减速带对应的原始感知数据包括车辆在停车场学习记忆泊车的过程记录的历史减速带数据;所述区域数据优化子模块包括:
减速带距离确定单元,用于采用所述目标区域中的历史减速带数据,确定在道路方向上两两减速带之间的距离;
减速带筛选单元,用于根据两两减速带之间的距离,对所述目标区域中的历史减速带数据进行筛选,得到目标减速带数据作为用于绘制减速带的绘制数据。
可选地,所述区域数据选取模块包括:
坐标过滤子模块,用于过滤所述原始坐标点中,不属于预设的停车场道路规划区域的坐标点,得到候选坐标点集;
区域坐标选取子模块,用于从所述候选坐标点集中选取位于所述目标区域的坐标点。
可选地,所述区域数据选取模块包括:
车位数据选取子模块,用于从所述历史车位数据中选取位于所述目标区域的历史车位数据。
可选地,所述区域数据选取模块包括:
减速带数据选取子模块,用于从所述历史减速带数据中选取位于所述目标区域的历史减速带数据。
可选地,所述绘制模块包括:
路线绘制子模块,用于采用所述基于所述坐标点扩展的道路宽度形成的图形,绘制虚拟停车场地图的路线。
可选地,所述绘制模块包括:
车位绘制子模块,用于采用所述过滤后的历史车位数据和所述实时车位数据,绘制虚拟停车场地图的车位。
可选地,所述绘制模块包括:
减速带绘制子模块,用于采用所述目标减速带数据,绘制虚拟停车场地图的减速带。
本发明实施例还公开了一种电子设备,包括:处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的虚拟停车场地图数据处理方法的步骤。
本发明实施例还公开了一种车辆,包括:处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的虚拟停车场地图数据处理方法的步骤。
本发明实施例还公开了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如上所述的虚拟停车场地图数据方法的步骤。
本发明实施例包括以下优点:
在本发明实施例中,可以获取用于构建虚拟停车场地图的多种原始感知数据;分别对每一种停车场元素对应的原始感知数据,采用对应的优化方式进行优化处理,以获取相应的绘制数据;基于不同停车场元素对应的绘制数据,绘制相应的停车场元素。通过优化处理后得到的绘制数据,显示装置可以绘制更加符合实际、更加准确的虚拟停车场地图。
附图说明
图1是本发明实施例的一种虚拟停车场地图数据处理方法的步骤流程图;
图2是本发明实施例的另一种虚拟停车场地图数据处理方法的步骤流程图;
图3是现有技术中一种虚拟停车场地图的路线的示意图;
图4是本发明实施例中的一种虚拟停车场地图的路线的示意图;
图5是本发明实施例中一种扩展道路宽度的示意图;
图6是本发明实施例中另一种扩展道路宽度的示意图;
图7是现有技术中另一种虚拟停车场地图的减速带的示意图;
图8是本发明实施例中另一种虚拟停车场地图的减速带的示意图;
图9是本发明实施例的一种虚拟停车场地图数据处理***的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
为了使得虚拟停车场地图中的停车场元素更加直观且符合实际,本发明实施例提出一种数据处理方法,可以对分别对各种停车场元素对应的感知数据,采用对应的优化方式进行优化处理,使得显示装置可以使用优化后得到的目标感知数据绘制虚拟停车场地图。
参照图1,示出了本发明实施例的一种虚拟停车场地图数据处理方法的步骤流程图,所述方法具体可以包括如下步骤:
步骤101,获取车辆用于构建虚拟停车场地图的多种原始感知数据;所述虚拟停车场地图包括至少一种停车场元素,每种停车场元素分别对应一组原始感知数据。
在本发明实施例中,在车辆进行记忆泊车的过程中,为了让用户更直观概览停车场,可以在预设显示装置显示虚拟停车场地图。由于记忆泊车是自动泊车,无需用户操作,虚拟停车场地图可以不需要有很高的精准度以使用户可以通过虚拟停车场地图来操作车辆。
虚拟停车场地图的停车场元素可以包括路线、车位、减速带、闸机等静态对象,以及车辆、行人等移动对象。每种停车场元素都可以通过对应的感知数据绘制。其中,用于绘制路线的感知数据可以是车辆在先学习记忆泊车的过程中采集的车辆的行驶轨迹的坐标点。用于绘制车位的感知数据可以是车辆在先学习记忆泊车的过程中采集的车位数据。用于绘制减速带的感知数据可以是车辆在先学习记忆泊车的过程中采集的减速带数据。
步骤102,对所述原始感知数据进行优化处理,以获取所述停车场元素对应的绘制数据。
车辆在先学习记忆泊车的过程中采集的原始感知数据,可能包括错误采集的感知数据,也可能包括存在误差的感知数据。因此,本发明实施例中,可以分别对每种停车场元素对应的原始感知数据,采用对应的优化方式进行优化处理以获取停车场元素对应的绘制数据。绘制数据可以供预设显示装置绘制虚拟停车场地图。其中预设显示装置可以是车辆中的车载屏幕,也可以是用户的移动终端。优化方式可以包括对感知数据进行筛选、对停车场元素的生成方式的优化等等。
步骤103,基于不同停车场元素对应的所述绘制数据,绘制相应的停车场元素。
本发明实施例的数据处理方法,可以应用于车载屏幕、服务器等电子设备。在电子设备对原始感知数据进行优化处理,得到停车场元素对应的绘制数据,然后可以将绘制数据发送给预设显示装置,以使预设显示装置采用多种停车场元素对应的绘制数据绘制虚拟停车场地图并显示。
在本发明实施例中,可以获取用于构建虚拟停车场地图的多种原始感知数据;分别对每一种停车场元素对应的原始感知数据,采用对应的优化方式进行优化处理,以获取相应的绘制数据;基于不同停车场元素对应的绘制数据,绘制相应的停车场元素。通过优化处理后得到的绘制数据,显示装置可以绘制更加符合实际、更加准确的虚拟停车场地图。
参照图2,示出了本发明实施例的另一种虚拟停车场地图数据处理方法的步骤流程图,所述方法具体可以包括如下步骤:
步骤201,获取用于构建虚拟停车场地图的多种原始感知数据;所述虚拟停车场地图包括至少一种停车场元素,每种停车场元素分别对应一组原始感知数据绘制。
在本发明实施例中,虚拟停车场地图的停车场元素可以包括路线、车位、减速带、闸机等静态对象,以及车辆、行人等移动对象。
步骤202,从所述原始感知数据中,选取与目标区域匹配的区域感知数据;所述目标区域为基于车辆位置确定的区域。
车辆在具有多个楼层的停车场学***面显示。例如,在虚拟停车场地图中,不同楼层的路线、减速带会叠加在同一个平面上显示。为了避免不同楼层的停车场元素叠加到同一个平面,可以将感知数据按楼层进行区分,对每一个楼层的虚拟停车场地图采用对应楼层的感知数据来绘制。
目标区域是基于车辆位置确定的区域。例如,目标区域可以是车辆所在停车场楼层的整个区域或部分区域。可以从所有原始感知数据中,选取出与目标区域匹配的区域感知数据。
在本发明一种可选实施例中,路线对应的原始感知数据可以是车辆在先学习记忆泊车的过程中采集的车辆的行驶轨迹的原始坐标点。所述步骤202可以包括如下子步骤:
子步骤S11,过滤所述原始坐标点中,不属于预设的停车场道路规划区域的坐标点,得到候选坐标点集。
在实际中,车辆记录的行驶轨迹可能包括一些不属于预设的停车场道路规划区域的坐标点,例如,停车场上下楼坡道上的坐标点为不属于停车场道路规划区域的坐标点。
子步骤S12,从所述候选坐标点集中选取位于所述目标区域的坐标点。
在车辆在停车场进行记忆泊车的过程中,可以从候选坐标点集中,选取出根据车辆当前位置确定的目标区域内的坐标点。例如,可以从候选坐标点集中,选取出车辆当前所在楼层的坐标点。
在本发明一种可选实施例中,车位对应的原始感知数据可以是车辆在先学习记忆泊车的过程中采集的历史车位数据。所述步骤202可以包括如下子步骤:
子步骤S21,从所述历史车位数据中选取位于所述目标区域的历史车位数据。
在车辆在停车场进行记忆泊车的过程中,可以从历史车位数据中,选取出车辆当前所在楼层的历史车位数据。
在本发明一种可选实施例中,减速带对应的感知数据可以是车辆在先学习记忆泊车的过程中采集的历史减速带数据。所述步骤202可以包括如下子步骤:
子步骤S31,从所述历史减速带数据中选取位于所述目标区域的历史减速带数据。
在车辆在停车场进行记忆泊车的过程中,可以从历史车位数据中,选取出车辆当前所在楼层的历史减速带数据。
步骤203,对所述区域感知数据进行优化处理,以获取所述停车场元素对应的绘制数据。
可以分别对每一种停车场元素对应的区域感知数据,采用对应的优化方式进行优化处理,得到停车场元素相应的绘制数据。
路线是停车场中车辆可行驶的路线轨迹区域,参照图3所示为现有技术中一种虚拟停车场地图的路线的示意图,图3中虚拟停车场地图可以显示有路线,路线可以根据车辆在先学习记忆泊车的过程中采集的车辆的行驶轨迹的坐标点生成。即使车辆所在道路是笔直的,若车辆的行驶轨迹是弯弯曲曲的,采用行驶轨迹的坐标绘制的虚拟停车场地图中的路线也会弯弯曲曲,与实际道路不符合。参照图4所示为本发明实施例中的一种虚拟停车场地图的路线的示意图,图4中,采用经过优化后得到的路线对应的绘制数据来绘制路线,经过优化后,若车辆实际所在道路是笔直的,即使车辆的行驶轨迹是弯弯曲曲的,采用优化后得到的绘制数据绘制的虚拟停车场地图中的路线也会是笔直的。
在本发明一种可选实施例中,所述步骤203可以包括如下子步骤:
子步骤S41,从所述目标区域的原始坐标点中,筛选出目标坐标点集。
目标坐标点集可以是与目标区域内的部分坐标点或全部坐标点。具体的,可以对所述与目标区域匹配的坐标点,按照预设采样间隔进行采样,得到目标坐标点集。
通过对坐标点进行采样,可以减少数据计算的循环次数和复杂度。采样间隔可以根据实际中,车辆采集坐标点的间隔来确定。例如,可以每隔4个坐标点取一个采样点。
在一种示例中,可以过滤原始坐标点中,不属于预设的停车场道路规划区域的坐标点,得到候选坐标点集;从候选坐标点集中选取位于目标区域的坐标点,然后从目标区域的坐标点中,筛选出目标坐标点集。
子步骤S42,根据所述目标坐标点集的坐标点,分别向垂直于道路朝向的左右两个方向扩展道路宽度形成用于绘制路线的图形。
垂直于道路朝向的两个方向,可以是在水平面上与道路朝向垂直的左右两个方向。参照图5为本发明实施例中一种扩展道路宽度的示意图。假设垂直于道路朝向的两个方向为左方向和右方向,分别以每个坐标点为基准点向左方向和右方向,扩展道路宽度。
在一种可选实施例中,所述子步骤S42可以进一步包括:
子步骤S421,分别以所述目标坐标点集的各个坐标点为基准点,向垂直于道路朝向的左右两个方向延伸得到第一延伸点和第二延伸点。
参照图6所示为本发明实施例中另一种扩展道路宽度的示意图。其中,A1、B1、C1是目标坐标点集的坐标点。A2、A3分别是以A1为基准点向垂直于道路朝向的左右两个方向延伸得到第一延伸点和第二延伸点;B2、B3分别是以B1为基准点向垂直于道路朝向的两个左右方向延伸得到第一延伸点和第二延伸点;C2、C3分别是以C1为基准点向垂直于道路朝向的两个左右方向延伸得到第一延伸点和第二延伸点。
在一种可选实施例中,所述子步骤S421可以进一步包括:
子步骤S4211,对所述目标坐标点集,计算每个坐标点与下一个坐标点之间,在道路朝向的第一向量。
子步骤S4212,计算每个坐标点与下一个坐标点之间,在垂直于第一向量的方向上的第二向量。
子步骤S4213,采用多个第二向量进行归一化处理,得到多个坐标点对应的归一化值。
采用多个第二向量进行归一化处理,可以使得后续通过连接延伸点形成的线更加光滑、棱角分明。
子步骤S4214,对每个坐标点对应的归一化值乘以预设宽度,得到扩展宽度值。
预设宽度可以是预设路宽的一半,预设路宽可以是根据停车场实际的道路宽度设置的路宽。将归一化值乘以预设宽度,可以使得每个坐标点延伸的宽度更加符合实际道路的宽度。
子步骤S4215,分别以每个坐标点为基准点向垂直于道路朝向的左右两个方向,延伸对应的扩展宽度值,得到第一延伸点和第二延伸点。
如图6所示,可以计算坐标点A1与B1之间在道路朝向的第一向量,计算坐标点A1与B1之间,在垂直于第一向量的方向上的第二向量;计算坐标点B1与C1之间在道路朝向的第一向量,计算坐标点B1与C1之间,在垂直于第一向量的方向上的第二向量。
采用A1与B1之间的第二向量,B1与C1之间的第二向量,以及其余坐标点(图中未示出)之间的第二向量进行归一化处理,得到对应的多个归一化值。
采用A1与B1之间的第二向量的归一化值乘以预设宽度,得到对应的扩展宽度值;以A1为基准点向左扩展方向和右扩展方向延伸对应的扩展宽度值,得到第一延伸点A2和第二延伸点A3。
采用B1与C1之间的第二向量的归一化值乘以预设宽度,得到对应的扩展宽度值;以B1为基准点向左扩展方向和右扩展方向延伸对应的扩展宽度值,得到第一延伸点B2和第二延伸点B3。
子步骤S422,以相邻两个坐标点的第一延伸点、第二延伸点为顶点,生成用于绘制路线的多边形。
虚拟停车场地图中的路线,可以通过多边形来绘制,例如,多边形可以是平行四边形或三角形。若以平行四边形来绘制路线,可以以相邻两个坐标点对应的四个延伸点为顶点来确定平行四边形;若以三角形来绘制路线,可以以相邻两个坐标点中,一个坐标点对应的两个延伸点,与另一个坐标点的一个延伸点为顶点确定三角形。如图6所示,以坐标点A1的两个延伸点A2、A3,与坐标点B1的延伸点B2为顶点确定一个三角形;以坐标点A1的两个延伸点A2、A3,与坐标点B1的延伸点B3为顶点确定一个三角形。
显示装置现有技术中,虚拟停车场地图中的车位,可以根据车辆在先学习记忆泊车的过程中确定的车位来生成。若车辆学习记忆泊车识别的车位有遗漏,在虚拟停车场地图也会空缺车位;另一方面,识别的车位具有重叠,则在虚拟停车场地图中显示的车位也会重合,使得虚拟停车场地图的车位不符合实际。在本发明一种可选实施例中,所述步骤203可以包括如下子步骤:
子步骤S51,获取车辆在停车场进行记忆泊车的过程中识别的实时车位数据。
车辆可以通过图像采集设备实时采集周围环境的图像,实时车位数据可以从当前帧图像中识别得到。
子步骤S52,根据所述实时车位数据,对所述目标区域中的历史车位数据进行过滤。
具体的,可以过滤所述位于所述目标区域的历史车位数据中,与所述实时车位数据存在区域重叠的车位数据。
根据车位数据可以确定车位所覆盖的区域范围,遍历位于目标区域的历史车位数据,确定历史车位数据是否与实时车位数据存在区域重叠;将与实时车位数据存在区域重叠的历史车位数据过滤掉,只保留不存在区域充电的历史车位数据。
子步骤S53,将过滤后的历史车位数据和所述实时车位数据,作为用于绘制车位的绘制数据。
若实时车位数据替换了存在区域重叠的历史车位数据,那么在虚拟停车场地图中的车位会发生偏移,为了让车位偏移的过渡不那么突兀,可以对实时车位数据设置动画样式,如50%透明度渐变。预设显示装置在显示车位时,可以根据实时车位数据和对应的动画样式进行显示,使得展示效果更加自然。
参照图7所示为现有技术中另一种虚拟停车场地图的减速带的示意图,图7中虚拟停车场地图中的减速带,可以根据车辆在先学***整的路面时,依当时的车身姿态(直行或拐弯),前后四轮会判确定1~4个上下闭环,导致确定了多个减速带数据,使得虚拟停车场地图中会连续显示多个减速带。如图7中所示,在车辆实际经过一个减速带时由于错误记录减速带,导致虚拟停车场地图会显示三个相近的减速带。
在本发明一种可选实施例中,所述步骤203可以包括如下子步骤:
子步骤S61,采用所述位于所述目标区域的历史减速带数据,确定在道路方向上两两减速带之间的距离。
子步骤S62,根据两两减速带之间的距离,对所述目标区域中的历史减速带数据进行筛选,得到目标减速带数据作为用于绘制减速带的绘制数据。
具体的,对于两两减速带之间距离位于预设距离区间的减速带,删除其中一个减速带数据;将剩余的减速带数据,作为目标减速带数据。
由于减速带数据是基于车轮经过减速带来确定,因此错误识别的减速带数据之间的距离,会位于基于车辆轴距确定的预设距离区间内。例如,驾驶车辆轴距为3m,相邻减速带的距离会位于2.5m~3.5m的区间内。参照图8所示为本发明实施例中另一种虚拟停车场地图的减速带的示意图,图8中以经过过滤后的减速带数据来绘制减速带,虚拟停车场地图中不会出现错误识别的减速带,在车辆实际经过一个减速带时,虚拟停车场地图中显示对应的一个减速带。
在一种示例中,若有多个减速带之间的间隔小于在预设距离区间内,在过滤的时候可以根据减速带与车辆的距离,保留距离车辆最接近的减速带,过滤其余的减速带。
步骤204,基于不同停车场元素对应的所述绘制数据,绘制相应的停车场元素。
对于路线,相应的绘制数据可以包括基于坐标点扩展的道路宽度形成的图形。所述步骤204可以包括:采用所述基于所述坐标点扩展的道路宽度形成的图形,绘制虚拟停车场地图的路线。
对于车位,相应的绘制数据可以包括过滤后的历史车位数据和实时车位数据。所述步骤204可以包括:采用所述过滤后的历史车位数据和所述实时车位数据,绘制虚拟停车场地图的车位。
对于减速带,相应的绘制数据可以包括:筛选后剩余的目标减速带数据。所述步骤204可以包括:采用所述目标减速带数据,绘制虚拟停车场地图的减速带。
在本发明实施例中,可以获取用于构建虚拟停车场地图的多种原始感知数据;可以从原始感知数据中,选取与目标区域匹配的区域感知数据;对区域感知数据进行优化处理,以获取所述停车场元素对应的绘制数据;基于不同停车场元素对应的绘制数据,绘制相应的停车场元素。通过优化处理后得到的绘制数据,显示装置可以绘制更加符合实际、更加准确的虚拟停车场地图。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图9,示出了本发明实施例的一种虚拟停车场地图数据处理***的结构框图,具体可以包括:数据处理装置90和显示装置91;
所述数据处理装置90包括:
原始感知数据获取模块901,用于获取用于构建虚拟停车场地图的原始感知数据;所述虚拟停车场地图包括至少一种停车场元素,每种停车场元素分别对应一组原始感知数据;
优化模块902,用于对所述原始感知数据进行优化处理,以获取所述停车场元素对应的绘制数据;
所述显示装置91包括:
绘制模块911,用于基于不同停车场元素对应的所述绘制数据,绘制相应的停车场元素。
在本申请一种可选实施例中,所述数据处理装置90还可以包括:
区域数据选取模块,用于在所述优化模块对所述原始感知数据进行优化处理,以获取所述停车场元素对应的绘制数据之前,从所述原始感知数据中,确定目标区域中的区域感知数据;所述目标区域为基于车辆位置确定的区域;
所述优化模块902可以包括:
区域数据优化子模块,用于对所述区域感知数据进行优化处理,以获取所述停车场元素对应的绘制数据。
在本申请一种可选实施例中,所述停车场元素可以包括路线;所述路线对应的原始感知数据包括:车辆在停车场学习记忆泊车的行驶轨迹的原始坐标点;所述区域数据优化子模块可以包括:
目标坐标点集筛选单元,用于从所述目标区域的原始坐标点中,筛选出目标坐标点集;
图形生成单元,用于根据所述目标坐标点集的坐标点,分别向垂直于道路朝向的左右两个方向扩展道路宽度形成用于绘制路线的图形。
在本申请一种可选实施例中,所述图形生成单元可以包括:
坐标点延伸子单元,用于分别以所述目标坐标点集的各个坐标点为基准点,向垂直于道路朝向的左右两个方向延伸得到第一延伸点和第二延伸点;
多边形生成子单元,用于以相邻两个坐标点的第一延伸点、第二延伸点为顶点,生成用于绘制路线的多边形。
在本申请一种可选实施例中,所述坐标点延伸子单元可以包括:
第一向量计算子单元,用于对所述目标坐标点集,计算每个坐标点与下一个坐标点之间,在道路朝向的第一向量;
第二向量计算子单元,用于计算每个坐标点与下一个坐标点之间,在垂直于第一向量的方向上的第二向量;
归一化处理子单元,用于采用多个所述第二向量进行归一化处理,得到多个坐标点对应的归一化值;
宽度值确定子单元,用于对每个坐标点对应的归一化值乘以预设宽度,得到扩展宽度值;
延伸点确定子单元,用于分别以每个坐标点为基准点向垂直于道路朝向的左右两个方向,延伸对应的扩展宽度值,得到第一延伸点和第二延伸点。
在本申请一种可选实施例中,所述停车场元素可以包括车位;所述车位对应的原始感知数据包括:车辆在停车场学习记忆泊车的过程记录的历史车位数据;所述区域数据优化子模块可以包括:
实时车位数据获取单元,用于获取车辆在停车场进行记忆泊车的过程中识别的实时车位数据;
车位数据过滤单元,用于根据所述实时车位数据,对所述目标区域中的历史车位数据进行过滤;
车位数据确定单元,用于将过滤后的历史车位数据和所述实时车位数据,作为用于绘制车位的绘制数据。
在本申请一种可选实施例中,所述停车场元素可以包括减速带,所述减速带对应的原始感知数据包括车辆在停车场学习记忆泊车的过程记录的历史减速带数据;所述区域数据优化子模块可以包括:
减速带距离确定单元,用于采用所述目标区域中的历史减速带数据,确定在道路方向上两两减速带之间的距离;
减速带筛选单元,用于根据两两减速带之间的距离,对所述目标区域中的历史减速带数据进行筛选,得到目标减速带数据作为用于绘制减速带的绘制数据。
在本申请一种可选实施例中,所述区域数据选取模块可以包括:
坐标过滤子模块,用于过滤所述原始坐标点中,不属于预设的停车场道路规划区域的坐标点,得到候选坐标点集;
区域坐标选取子模块,用于从所述候选坐标点集中选取位于所述目标区域的坐标点。
在本申请一种可选实施例中,所述区域数据选取模块可以包括:
车位数据选取子模块,用于从所述历史车位数据中选取位于所述目标区域的历史车位数据。
在本申请一种可选实施例中,所述区域数据选取模块可以包括:
减速带数据选取子模块,用于从所述历史减速带数据中选取位于所述目标区域的历史减速带数据。
在本申请一种可选实施例中,所述绘制模块911可以包括:
路线绘制子模块,用于采用所述基于所述坐标点扩展的道路宽度形成的图形,绘制虚拟停车场地图的路线。
在本申请一种可选实施例中,所述绘制模块911可以包括:
车位绘制子模块,用于采用所述过滤后的历史车位数据和所述实时车位数据,绘制虚拟停车场地图的车位。
在本申请一种可选实施例中,所述绘制模块911可以包括:
减速带绘制子模块,用于采用所述目标减速带数据,绘制虚拟停车场地图的减速带。
在本发明实施例中,可以获取用于构建虚拟停车场地图的多种原始感知数据;分别对每一种停车场元素对应的原始感知数据,采用对应的优化方式进行优化处理,以获取相应的绘制数据;基于不同停车场元素对应的绘制数据,绘制相应的停车场元素。通过优化处理后得到的绘制数据,显示装置可以绘制更加符合实际、更加准确的虚拟停车场地图。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明实施例还提供了一种电子设备,包括:
包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,该计算机程序被处理器执行时实现上述虚拟停车场地图数据处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供了一种车辆,包括:
包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,该计算机程序被处理器执行时实现上述虚拟停车场地图数据处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现上述虚拟停车场地图数据处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种虚拟停车场地图数据处理方法和一种虚拟停车场地图数据处理***,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (15)
1.一种虚拟停车场地图数据处理方法,其特征在于,包括:
获取用于构建虚拟停车场地图的原始感知数据;所述虚拟停车场地图包括至少一种停车场元素,每种停车场元素分别对应一组原始感知数据;所述停车场元素包括静态对象和移动对象其中至少一种;
从所述原始感知数据中,确定目标区域中的区域感知数据;所述目标区域为基于车辆位置确定的区域;所述车辆位置为车辆所在停车场楼层;
对所述区域感知数据进行优化处理,以获取所述停车场元素对应的绘制数据;
基于不同停车场元素对应的所述绘制数据,绘制相应的停车场元素;
所述停车场元素包括减速带,所述减速带对应的原始感知数据包括车辆在停车场学习记忆泊车的过程记录的历史减速带数据;所述对所述区域感知数据进行优化处理,以获取所述停车场元素对应的绘制数据,包括:
采用所述目标区域中的历史减速带数据,确定在道路方向上两两减速带之间的距离;
根据两两减速带之间的距离,对所述目标区域中的历史减速带数据进行筛选,得到目标减速带数据作为用于绘制减速带的绘制数据。
2.根据权利要求1所述的方法,其特征在于,所述停车场元素包括路线;所述路线对应的原始感知数据包括:车辆在停车场学习记忆泊车的行驶轨迹的原始坐标点;所述对所述区域感知数据进行优化处理,以获取所述停车场元素对应的绘制数据,包括:
从所述目标区域的原始坐标点中,筛选出目标坐标点集;
根据所述目标坐标点集的坐标点,分别向垂直于道路朝向的左右两个方向扩展道路宽度形成用于绘制路线的图形。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标坐标点集的坐标点,分别向垂直于道路朝向的左右两个方向扩展道路宽度形成用于绘制路线的图形,包括:
分别以所述目标坐标点集的各个坐标点为基准点,向垂直于道路朝向的左右两个方向延伸得到第一延伸点和第二延伸点;
以相邻两个坐标点的第一延伸点、第二延伸点为顶点,生成用于绘制路线的多边形。
4.根据权利要求3所述的方法,其特征在于,所述分别以所述目标坐标点集的各个坐标点为基准点,向垂直于道路朝向的左右两个方向延伸得到第一延伸点和第二延伸点,包括:
对所述目标坐标点集,计算每个坐标点与下一个坐标点之间,在道路朝向的第一向量;
计算每个坐标点与下一个坐标点之间,在垂直于第一向量的方向上的第二向量;
采用多个所述第二向量进行归一化处理,得到多个坐标点对应的归一化值;
对每个坐标点对应的归一化值乘以预设宽度,得到扩展宽度值;
分别以每个坐标点为基准点向垂直于道路朝向的左右两个方向,延伸对应的扩展宽度值,得到第一延伸点和第二延伸点。
5.根据权利要求1所述的方法,其特征在于,所述停车场元素包括车位;所述车位对应的原始感知数据包括:车辆在停车场学习记忆泊车的过程记录的历史车位数据;所述对所述区域感知数据进行优化处理,以获取所述停车场元素对应的绘制数据,包括:
获取车辆在停车场进行记忆泊车的过程中识别的实时车位数据;
根据所述实时车位数据,对所述目标区域中的历史车位数据进行过滤;
将过滤后的历史车位数据和所述实时车位数据,作为用于绘制车位的绘制数据。
6.根据权利要求2所述的方法,其特征在于,所述从所述原始感知数据中,确定目标区域中的区域感知数据,包括:
过滤所述原始坐标点中,不属于预设的停车场道路规划区域的坐标点,得到候选坐标点集;
从所述候选坐标点集中选取位于所述目标区域的坐标点。
7.根据权利要求5所述的方法,其特征在于,所述从所述原始感知数据中,确定目标区域中的区域感知数据,包括:
从所述历史车位数据中选取位于所述目标区域的历史车位数据。
8.根据权利要求1所述的方法,其特征在于,所述从所述原始感知数据中,确定目标区域中的区域感知数据,包括:
从所述历史减速带数据中选取位于所述目标区域的历史减速带数据。
9.根据权利要求2所述的方法,其特征在于,所述基于不同停车场元素对应的所述绘制数据,绘制相应的停车场元素,包括:
采用所述基于所述坐标点扩展的道路宽度形成的图形,绘制虚拟停车场地图的路线。
10.根据权利要求5所述的方法,其特征在于,所述基于不同停车场元素对应的所述绘制数据,绘制相应的停车场元素,包括:
采用所述过滤后的历史车位数据和所述实时车位数据,绘制虚拟停车场地图的车位。
11.根据权利要求1所述的方法,其特征在于,所述基于不同停车场元素对应的所述绘制数据,绘制相应的停车场元素,包括:
采用所述目标减速带数据,绘制虚拟停车场地图的减速带。
12.一种虚拟停车场地图数据处理***,其特征在于,包括:数据处理装置和显示装置;
所述数据处理装置包括:
原始感知数据获取模块,用于获取用于构建虚拟停车场地图的原始感知数据;所述虚拟停车场地图包括至少一种停车场元素,每种停车场元素分别对应一组原始感知数据;所述停车场元素包括静态对象和移动对象其中至少一种;
优化模块,用于从所述原始感知数据中,确定目标区域中的区域感知数据;所述目标区域为基于车辆位置确定的区域;所述车辆位置为车辆所在停车场楼层;对所述区域感知数据进行优化处理,以获取所述停车场元素对应的绘制数据;
所述显示装置包括:
绘制模块,用于基于不同停车场元素对应的所述绘制数据,绘制相应的停车场元素;
所述停车场元素包括减速带,所述减速带对应的原始感知数据包括车辆在停车场学习记忆泊车的过程记录的历史减速带数据;所述优化模块包括:
减速带距离确定单元,用于采用所述目标区域中的历史减速带数据,确定在道路方向上两两减速带之间的距离;
减速带筛选单元,用于根据两两减速带之间的距离,对所述目标区域中的历史减速带数据进行筛选,得到目标减速带数据作为用于绘制减速带的绘制数据。
13.一种电子设备,其特征在于,包括:处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1-11中任一项所述的数据处理方法的步骤。
14.一种车辆,其特征在于,包括:处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1-11中任一项所述的数据处理方法的步骤。
15.一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上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1-11中任一项所述的数据方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110730129.8A CN113532450B (zh) | 2021-06-29 | 2021-06-29 | 一种虚拟停车地图数据处理方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110730129.8A CN113532450B (zh) | 2021-06-29 | 2021-06-29 | 一种虚拟停车地图数据处理方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113532450A CN113532450A (zh) | 2021-10-22 |
CN113532450B true CN113532450B (zh) | 2024-04-30 |
Family
ID=78097187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110730129.8A Active CN113532450B (zh) | 2021-06-29 | 2021-06-29 | 一种虚拟停车地图数据处理方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113532450B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114111815B (zh) * | 2021-11-01 | 2023-02-03 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据的处理方法和装置 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902788A (zh) * | 2014-04-15 | 2014-07-02 | 北京百度网讯科技有限公司 | 电子地图图层绘制方法和装置 |
CN103942338A (zh) * | 2014-05-08 | 2014-07-23 | 百度在线网络技术(北京)有限公司 | 地图绘制方法、服务器及终端 |
CN105015419A (zh) * | 2015-07-17 | 2015-11-04 | 中山大学 | 基于立体视觉定位与建图的自动泊车***及方法 |
CN108959321A (zh) * | 2017-05-25 | 2018-12-07 | 纵目科技(上海)股份有限公司 | 停车场地图构建方法、***、移动终端及存储介质 |
CN108961146A (zh) * | 2018-07-19 | 2018-12-07 | 深圳地平线机器人科技有限公司 | 渲染感知地图的方法和装置 |
CN108981726A (zh) * | 2018-06-09 | 2018-12-11 | 安徽宇锋智能科技有限公司 | 基于感知定位监测的无人车语义地图建模及构建应用方法 |
CN108981734A (zh) * | 2018-05-17 | 2018-12-11 | 北京三快在线科技有限公司 | 电子地图道路拓展方法、装置、电子设备及存储介质 |
CN109084781A (zh) * | 2017-06-13 | 2018-12-25 | 纵目科技(上海)股份有限公司 | 构建相对坐标系下的停车库全景地图数据库的方法和*** |
CN109520513A (zh) * | 2018-10-22 | 2019-03-26 | 浙江吉利汽车研究院有限公司 | 一种三维地图绘制方法及装置 |
CN109544658A (zh) * | 2017-09-21 | 2019-03-29 | 腾讯科技(深圳)有限公司 | 地图的渲染方法和装置、存储介质、电子装置 |
CN110851545A (zh) * | 2018-07-27 | 2020-02-28 | 比亚迪股份有限公司 | 地图绘制方法、装置及设备 |
CN111127589A (zh) * | 2019-12-26 | 2020-05-08 | 南京师范大学 | 顾及线宽一致性的矢量地图圆形虚线符号绘制方法 |
CN111435538A (zh) * | 2019-01-14 | 2020-07-21 | 上海欧菲智能车联科技有限公司 | 定位方法、定位***和计算机可读存储介质 |
CN111709965A (zh) * | 2020-08-19 | 2020-09-25 | 浙江欣奕华智能科技有限公司 | 扫地机器人的地图的优化方法及装置 |
CN112229411A (zh) * | 2020-10-15 | 2021-01-15 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
CN112309004A (zh) * | 2020-10-30 | 2021-02-02 | 广州小鹏自动驾驶科技有限公司 | 一种虚拟减速带生成方法、装置、车辆和存储介质 |
CN112660117A (zh) * | 2021-01-19 | 2021-04-16 | 广州小鹏自动驾驶科技有限公司 | 一种自动泊车方法、泊车***、计算机设备及存储介质 |
CN112960000A (zh) * | 2021-03-15 | 2021-06-15 | 新石器慧义知行智驰(北京)科技有限公司 | 高精地图更新方法、装置、电子设备和存储介质 |
-
2021
- 2021-06-29 CN CN202110730129.8A patent/CN113532450B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902788A (zh) * | 2014-04-15 | 2014-07-02 | 北京百度网讯科技有限公司 | 电子地图图层绘制方法和装置 |
CN103942338A (zh) * | 2014-05-08 | 2014-07-23 | 百度在线网络技术(北京)有限公司 | 地图绘制方法、服务器及终端 |
CN105015419A (zh) * | 2015-07-17 | 2015-11-04 | 中山大学 | 基于立体视觉定位与建图的自动泊车***及方法 |
CN108959321A (zh) * | 2017-05-25 | 2018-12-07 | 纵目科技(上海)股份有限公司 | 停车场地图构建方法、***、移动终端及存储介质 |
CN109084781A (zh) * | 2017-06-13 | 2018-12-25 | 纵目科技(上海)股份有限公司 | 构建相对坐标系下的停车库全景地图数据库的方法和*** |
CN109544658A (zh) * | 2017-09-21 | 2019-03-29 | 腾讯科技(深圳)有限公司 | 地图的渲染方法和装置、存储介质、电子装置 |
CN108981734A (zh) * | 2018-05-17 | 2018-12-11 | 北京三快在线科技有限公司 | 电子地图道路拓展方法、装置、电子设备及存储介质 |
CN108981726A (zh) * | 2018-06-09 | 2018-12-11 | 安徽宇锋智能科技有限公司 | 基于感知定位监测的无人车语义地图建模及构建应用方法 |
CN108961146A (zh) * | 2018-07-19 | 2018-12-07 | 深圳地平线机器人科技有限公司 | 渲染感知地图的方法和装置 |
CN110851545A (zh) * | 2018-07-27 | 2020-02-28 | 比亚迪股份有限公司 | 地图绘制方法、装置及设备 |
CN109520513A (zh) * | 2018-10-22 | 2019-03-26 | 浙江吉利汽车研究院有限公司 | 一种三维地图绘制方法及装置 |
CN111435538A (zh) * | 2019-01-14 | 2020-07-21 | 上海欧菲智能车联科技有限公司 | 定位方法、定位***和计算机可读存储介质 |
CN111127589A (zh) * | 2019-12-26 | 2020-05-08 | 南京师范大学 | 顾及线宽一致性的矢量地图圆形虚线符号绘制方法 |
CN111709965A (zh) * | 2020-08-19 | 2020-09-25 | 浙江欣奕华智能科技有限公司 | 扫地机器人的地图的优化方法及装置 |
CN112229411A (zh) * | 2020-10-15 | 2021-01-15 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
CN112309004A (zh) * | 2020-10-30 | 2021-02-02 | 广州小鹏自动驾驶科技有限公司 | 一种虚拟减速带生成方法、装置、车辆和存储介质 |
CN112660117A (zh) * | 2021-01-19 | 2021-04-16 | 广州小鹏自动驾驶科技有限公司 | 一种自动泊车方法、泊车***、计算机设备及存储介质 |
CN112960000A (zh) * | 2021-03-15 | 2021-06-15 | 新石器慧义知行智驰(北京)科技有限公司 | 高精地图更新方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113532450A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111024100B (zh) | 一种导航地图更新方法、装置、可读存储介质及机器人 | |
CN107341453B (zh) | 一种车道线提取方法及装置 | |
EP4049908A1 (en) | Automatic parking interaction method and device | |
US11282164B2 (en) | Depth-guided video inpainting for autonomous driving | |
CN111376895B (zh) | 一种环视泊车感知方法、装置、自动泊车***和车辆 | |
CN111144211A (zh) | 点云显示方法和装置 | |
CN111402414A (zh) | 一种点云地图构建方法、装置、设备和存储介质 | |
CN101122464A (zh) | 一种gps导航***中道路显示方法、装置及设备 | |
CN113532450B (zh) | 一种虚拟停车地图数据处理方法和*** | |
CN108072385A (zh) | 移动目标的空间坐标定位方法、装置及电子设备 | |
CN115273525B (zh) | 一种停车位映射显示方法和*** | |
CN111338232A (zh) | 自动驾驶仿真方法及装置 | |
CN113722043A (zh) | 用于avp的场景显示方法、装置、电子设备与存储介质 | |
CN115406453A (zh) | 一种导航方法、装置及计算机存储介质 | |
CN113830076B (zh) | 泊车方法、装置、设备及存储介质 | |
CN111746521B (zh) | 泊车路线的规划方法、装置、设备及存储介质 | |
CN114972731A (zh) | 交通灯检测识别方法及装置、移动工具、存储介质 | |
CN114670870A (zh) | 障碍物slt空间风险场环境建模方法及其装置、相关产品 | |
CN103021166A (zh) | 交通气象信息处理的方法和装置 | |
CN113841154A (zh) | 一种障碍物检测方法及装置 | |
CN117830974B (zh) | 一种基于车轮的车速确定方法、装置、设备及存储介质 | |
EP4019350A1 (en) | Method and device for automatic parking, vehicle and storage medium | |
CN112498338B (zh) | 一种库位确定方法、装置及电子设备 | |
CN113516749B (zh) | 自动驾驶视觉传感器数据采集方法、装置、设备及介质 | |
CN115507873B (zh) | 基于公交车尾红绿灯的路径规划方法、装置、设备和介质 |
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 |