CN114485690A - 导航地图的生成方法、装置、电子设备及存储介质 - Google Patents
导航地图的生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114485690A CN114485690A CN202111647851.1A CN202111647851A CN114485690A CN 114485690 A CN114485690 A CN 114485690A CN 202111647851 A CN202111647851 A CN 202111647851A CN 114485690 A CN114485690 A CN 114485690A
- Authority
- CN
- China
- Prior art keywords
- roadside
- road
- facility
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000009877 rendering Methods 0.000 claims description 45
- 238000013459 approach Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 11
- 238000013135 deep learning Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000002955 isolation Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
-
- 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
- G06F16/23—Updating
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Instructional Devices (AREA)
- Navigation (AREA)
Abstract
本公开提供了一种导航地图的生成方法、装置、电子设备及存储介质,涉及数据处理领域,尤其涉及智能交通和深度学习领域。具体实现方案为:获取车辆当前行驶道路的道路图像;基于道路图像,识别行驶道路的路侧附属设施的第一数据;获取导航地图中行驶道路的车道边界线的第二数据;将第一数据和第二数据进行关联,根据关联结果将第一数据更新到导航地图中,生成目标导航地图。本公开中基于道路图像识别出行驶道路的路侧附属设施,并将路侧附属设施数据与车道边界线数据相关联,生成了更高精度的导航地图,提升了导航用户体验,保障用户出行安全。
Description
技术领域
本公开涉及数据处理领域,尤其涉及智能交通和深度学习领域。
背景技术
相关技术中,导航地图的数据精度不高,导致用户在提左提右路口,主辅路出入口,掉头口,匝道出入口等处准备变道时,导航产品往往不能准确地渲染出路侧附属设施,增加了用户在复杂场景走错的概率。
发明内容
本公开提供了一种导航地图的生成方法、装置、电子设备以及存储介质、计算机程序产品。
根据本公开的一方面,提供了一种导航地图的生成方法,包括:
获取车辆当前行驶道路的道路图像;
基于道路图像,识别行驶道路的路侧附属设施的第一数据;
获取导航地图中行驶道路的车道边界线的第二数据;
将第一数据和第二数据进行关联,根据关联结果将第一数据更新到导航地图中,生成目标导航地图。
本公开实施例中基于道路图像识别出行驶道路的路侧附属设施,并将路侧附属设施数据与车道边界线数据相关联,生成了更高精度的导航地图,提升了导航用户体验,保障用户出行安全。
根据本公开的另一方面,提供了一种导航地图的生成装置,包括:
第一获取模块,用于获取车辆当前行驶道路的道路图像;
识别模块,用于基于道路图像,识别行驶道路的路侧附属设施的第一数据;
第二获取模块,用于获取导航地图中行驶道路的车道边界线的第二数据;
生成模块,用于将第一数据和第二数据进行关联,根据关联结果将第一数据更新到导航地图中,生成目标导航地图。
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,以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开第一个方面实施例的导航地图的生成方法。
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,计算机指令用于使计算机执行本公开第一个方面实施例的导航地图的生成方法。
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,计算机程序在被处理器执行时实现本公开第一个方面实施例的导航地图的生成方法。
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是根据本公开一个实施例的导航地图的生成方法的流程图;
图2是根据本公开一个实施例的导航地图的生成方法的流程图;
图3是路侧附属设施识别示意图;
图4是基于数据库获取路侧附属设施的属性信息的流程图;
图5是根据本公开一个实施例的导航地图的生成方法的流程图;
图6是根据本公开一个实施例的导航地图的生成方法的流程图;
图7是根据本公开一个实施例的导航地图的生成方法的流程图;
图8是根据本公开一个实施例的导航地图的生成方法的流程图;
图9是路侧附属设施导航界面渲染图;
图10是渲染后的导航效果图;
图11是根据本公开一个实施例的导航地图的生成方法的流程图;
图12是根据本公开一个实施例的导航地图的生成装置的结构图;
图13是用来实现本公开实施例的导航地图的生成方法的电子设备的框图。
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。
为了方便对本公开的理解,下面首先对本公开涉及的技术领域进行简单解释说明。
数据处理是对数据的采集、存储、检索、加工、变换和传输。通过数据处理可以从大量的、杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的人们来说是有价值、有意义的数据。
智能交通是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理***而建立的一种在大范围内、全方位发挥作用的,实时、准确、高效的综合交通运输管理技术。
深度学习是机器学习领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能。深度学习是学习样本数据的内在律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术。
图1是根据本公开一个实施例的导航地图的生成方法的流程图,如图1所示,该方法包括以下步骤:
S101,获取车辆当前行驶道路的道路图像。
其中,道路图像为道路的俯视图。
在一些实现中,可以根据道路监控、无人机、卫星地图等途径,直接获取道路的俯视图。
在另一些实现中,可以获取多视角的原始道路图像,根据多视角的图像获取道路的俯视图。其中,多视角的原始道路图像可以由行驶车辆上的图像采集装置采集。
S102,基于道路图像,识别行驶道路的路侧附属设施的第一数据。
路侧附属设施的第一数据包括路侧附属设施的属性信息和路侧附属设施的类型。其中,路侧附属设施的属性信息用于指示路侧附属设施的位置;路侧附属设施的类型可以为花坛、路沿、栅栏等物理隔离。
基于道路图像,可以识别出图中的路侧附属设施及其类型,进一步地,可以根据识别出的路侧附属设施,确认其属性信息。
S103,获取导航地图中行驶道路的车道边界线的第二数据。
获取导航地图的电子地图数据,从中确定行驶道路的车道边界线的第二数据。其中,车道边界线的第二数据包括车道边界线的位置信息。
S104,将第一数据和第二数据进行关联,根据关联结果将第一数据更新到导航地图中,生成目标导航地图。
根据第一数据和第二数据中的位置信息,将第一数据和第二数据进行关联,从而给行驶道路添加路侧附属设施的信息,生成目标导航地图。在目标导航地图中,可以查询车道边界线有无路侧附属设施及其具体类型。
基于第一数据和第二数据,可以确定路侧附属设施,及其对应的行驶道路。例如,第一数据中包括5个路侧附属设施ABCDE,第二数据中包括车道线在行驶道路的覆盖范围,可以基于第一数据和第二数据中位置信息,确定ABCDE分别对应到道路的哪个区域或者位置,然后进行绑定,以实现将路侧附属设施精准地添加到行驶道路上。
本公开实施例中,获取车辆当前行驶道路的道路图像,基于道路图像,识别行驶道路的路侧附属设施的第一数据,获取导航地图中行驶道路的车道边界线的第二数据,将第一数据和第二数据进行关联,根据关联结果将第一数据更新到导航地图中,生成目标导航地图。本公开实施例中基于道路图像识别出行驶道路的路侧附属设施,并将路侧附属设施数据与车道边界线数据相关联,生成了更高精度的导航地图,提升了导航用户体验,保障用户出行安全。
在一些实现中,可以从第一数据中提取路侧附属设施的位置点,从第二数据中提取车道边界线的位置点,将路侧附属设施的位置点与车道边界线的位置点进行位置匹配,以将路侧附属设施与车道边界线进行关联。
图2是根据本公开一个实施例的导航地图的生成方法的流程图,在上述实施例的基础上,进一步结合图2,对基于道路图像,识别行驶道路的路侧附属设施的第一数据的过程进行解释说明,包括以下步骤:
S201,提取道路图像的特征信息,基于特征信息对道路图像进行语义分割,以从道路图像中识别出路侧附属设施。
可选地,可以基于CNN卷积神经网络、稀疏自编码器SAE、LSTM循环神经网络对图像进行识别,提取道路图像的特征信息。其中,图像的特征信息包括图像的颜色特征、纹理特征、形状特征和空间关系特征等。
将获取的特征信息输入语义分割网络,即可输出路侧附属设施对应的检测框和路侧附属设施的类型,检测框内的区域即为识别出的路侧附属设施。经过语义分割后,生成的路侧附属设施识别结果如图3所示。
S202,获取路侧附属设施的属性信息。
路侧附属设施的属性信息用于指示路侧附属设施的位置,也可以包括路侧附属设施的长度、宽度等信息。
在一些实现中,基于图像识别和图像语义分割,获取道路图像中属于路侧附属设施的像素点及其在图像中的图像坐标,基于相机内外参数对图像坐标进行坐标转换,可以将图像坐标系中的图像坐标,转换成世界坐标系中的三维坐标,进而确定各像素点的三维坐标,得到构成路侧附属设施的位置点。需要说明的是,有些路侧附属设施的长度较大,在道路图像中可能显示不全,此时需要对道路图像中的路侧附属设施进行持续跟踪,直至路侧附属设施识别结束,获取路侧附属设施的全部像素点,基于像素点得到路侧附属设施的位置点。
在另一些实现中,可以从路侧附属设施数据库中,获取路侧附属设施的属性信息。数据库中包含路侧附属设施的属性信息和类型。
基于数据库获取路侧附属设施的属性信息的流程如图4所示,流程中包括车载采集装置、服务器、数据库三者的交互。其中,车载采集装置负责采集原始道路图像数据;服务器负责将原始道路图像转换为鸟瞰图,并经过图像语义分割提取,从中识别路侧附属设施;基于识别出的路侧附属设施查询数据库,即可获取路侧附属设施的属性信息。
S203,将属性信息和路侧附属设施的类型确定为路侧附属设施的第一数据。
将识别出的每个路侧附属设施,及其属性信息和类型,作为路侧附属设施的第一数据。
本公开实施例中,提取道路图像的特征信息,基于特征信息对道路图像进行语义分割,以从道路图像中识别出路侧附属设施,获取路侧附属设施的属性信息,将属性信息和路侧附属设施的类型确定为路侧附属设施的第一数据。本公开实施例中基于道路图像获取到路侧附属设施及其属性信息和类型,为生成目标导航地图提供了准确的路侧附属设施数据。
图5是根据本公开一个实施例的导航地图的生成方法的流程图,在上述实施例的基础上,进一步结合图5,对从路侧附属设施数据库中,获取路侧附属设施的属性信息的过程进行解释说明,包括以下步骤:
S501,根据车辆的当前位置和路侧附属设施的类型标识,生成路侧附属设施的查询信息。
在一些实现中,直接将车辆的当前位置和路侧附属设施的类型标识,作为路侧附属设施的查询信息。
在另一些实现中,根据车辆的位置,确定行驶道路的道路标识,根据道路标识和路侧附属设施的类型标识,生成路侧附属设施的查询信息。
S502,基于查询信息,查询路侧附属设施数据库,获取路侧附属设施的属性信息。
在一些实现中,直接将车辆的当前位置和路侧附属设施的类型标识,作为路侧附属设施的查询信息。相应地,可以根据车辆的当前位置,在数据库中查询车辆周围的路侧附属设施的类型和地理坐标点的序列,获取属性信息。
例如,可以基于查询信息中当前位置,从路侧附属设施数据库中,获取位于与当前位置相邻且位于当前位置前方的至少一个候选位置点,根据路侧附属设施的类型标识,从候选位置点中选取与类型标识匹配的目标位置点,作为构成路侧附属设施的位置点,其中,属性信息至少包括路侧附属设施的位置点。
在另一些实现中,根据车辆的位置,确定行驶道路的道路标识,根据道路标识和路侧附属设施的类型标识,生成路侧附属设施的查询信息。相应地,可以根据路侧附属设施的类型标识和道路标识,在数据库中查询路侧附属设施,获取属性信息。
例如,可以根据查询信息中的道路标识,从路侧附属设施数据库中,获取属于路侧附属设施的位置点,将查询信息中的类型标识与位置点对应的类型标识进行匹配,以确定行驶道路上每个路侧附属设施的位置点集,其中,属性信息至少包括路侧附属设施的位置点。
本公开实施例中,根据车辆的当前位置和路侧附属设施的类型标识,生成路侧附属设施的查询信息,基于查询信息,查询路侧附属设施数据库,获取路侧附属设施的属性信息。本公开实施例中基于车辆当前位置和路侧附属设施的类型标识,从数据库获取到路侧附属设施的属性信息,为生成目标导航地图奠定了基础。
图6是根据本公开一个实施例的导航地图的生成方法的流程图,在上述实施例的基础上,进一步结合图6,对获取车辆当前行驶道路的道路图像的过程进行解释说明,包括以下步骤:
S601,接收车辆上图像采集装置采集的多视角的原始道路图像。
在车辆的多个方位安装图像采集装置,以在车辆行驶过程中,采集多视角的原始道路图像。其中,多视角的原始道路图像至少包括前方、左后和右后三个方向的图像。
S602,对多视角的原始道路图像进行俯视图转换,生成道路图像。
基于坐标转换,将多视角的原始道路图像按一定的算法转化成俯视图,再基于俯视图中的位置信息,将多张俯视图拼接生成道路图像。
本公开实施例中,接收车辆上图像采集装置采集的多视角的原始道路图像,对多视角的原始道路图像进行俯视图转换,生成道路图像。本公开实施例中基于多视角的原始道路图像生成道路图像,为获取路侧附属设施的第一数据提供了便于识别的道路俯视图。
图7是根据本公开一个实施例的导航地图的生成方法的流程图,在上述实施例的基础上,进一步结合图7,对基于目标导航地图,生成车辆的导航数据的过程进行解释说明,包括以下步骤:
S701,获取目标车辆的导航请求,并基于导航请求确定目标车辆的途径道路。
用户可以在终端设备上向导航地图发送导航请求,可选地,导航请求中包括出发地和目的地,还可以包括途径地点。导航地图获取目标车辆的导航请求,基于导航请求,确定车辆的途径道路的最佳方案。其中,目标车辆为在服务器中注册且当前处于车辆状态中的任意一个车辆。
可选地,途径道路的最佳方案可以是行驶道路最短的方案,也可以是用时最短的方案,或者,导航地图客户端将几种优选方案展示给用户,使用户根据需要进行选择。
S702,从目标导航地图上获取途径道路的路侧附属设施的第一数据,基于第一数据和途径道路的属性信息,生成目标车辆的导航数据。
从目标导航地图上获取途径道路的路侧附属设施的第一数据,基于第一数据和途径道路的属性信息,确定车辆的车道导航信息,进一步生成车辆的导航数据。其中,途径道路的属性信息包括车辆限速信息,车道情况,道路类型等。
其中,车道导航要避开第一数据指示的不可穿越的路侧附属设施。例如,车辆需要在前方路口进行右转,但直行车道与右转车道之间存在一段花坛隔离,此时车道导航需要在花坛隔离之前,指示车辆从直行车道进入右转车道,以避免车道转移不及时,导致无法右转的情况。
本公开实施例中,获取目标车辆的导航请求,并基于导航请求确定目标车辆的途径道路,从目标导航地图上获取途径道路的路侧附属设施的第一数据,基于第一数据和途径道路的属性信息,生成目标车辆的导航数据。本公开实施例中基于路侧附属设施的第一数据生成车辆导航路径,可以使车辆导航避开不可穿越的物理隔离,提升导航用户体验,保障用户出行安全。
图8是根据本公开一个实施例的导航地图的生成方法的流程图,在上述实施例的基础上,进一步结合图8,对将路侧附属设施数据在导航地图客户端进行渲染的过程进行解释说明,包括以下步骤:
S801,获取车辆的当前行驶位置。
S802,根据当前行驶位置,确定位于目标车辆前方且与目标车辆的距离最近的目标路侧附属设施。
可选地,基于全球定位***(Global Positioning System,GPS)获取目标车辆的当前行驶位置,并将位置反馈给导航地图服务器。服务器基于目标车辆的当前行驶位置和路侧附属设施的位置,确定目标车辆附近有无路侧附属设施,将与车辆的距离最近的路侧附属设施,作为目标车辆即将途径的目标路侧附属设施。
S803,基于目标路侧附属设施的属性信息和类型,生成目标路侧附属设施的渲染数据。
响应于车辆前方途径目标路侧附属设施,基于目标路侧附属设施的类型,确定该途径的目标路侧附属设施的渲染图标,根据属性信息,确定目标路侧附属设施在目标导航地图上的渲染区域,其中,渲染数据包括渲染图标和渲染区域。
例如,当路侧附属设施的类型为花坛,确定渲染图标为绿色草坪;当路侧附属设施的类型为路沿,确定渲染图标为灰色石块。
进一步地,根据路侧附属设施的属性信息,确定路侧附属设施的长度和宽度及其位置点,基于上述信息,可以确定路侧附属设施在目标导航地图上的渲染区域。
S804,将目标路侧附属设施的渲染数据发送给目标车辆的地图客户端进行渲染。
将渲染图标和渲染区域发送给车辆的地图客户端,由客户端将渲染图标叠加在渲染区域上,在地图上进行渲染,使其可以在导航路线上展示目标路侧附属设施。渲染后的效果图可以参考图9。
在一些实现中,对导航地图的呈现要求较低,可以不需要渲染图标数据,只需要将渲染区域标注出为路侧附属设施即可,渲染后的导航效果图可以参考图10。
本公开实施例中,根据当前行驶位置,确定位于目标车辆前方且与目标车辆的距离最近的目标路侧附属设施,基于目标路侧附属设施的属性信息和类型,生成目标路侧附属设施的渲染数据,将目标路侧附属设施的渲染数据发送给目标车辆的地图客户端进行渲染。本公开实施例中生成了路侧附属设施的渲染数据,使导航用户可以在客户端中清晰地看到行驶道路中的路侧附属设施,使导航地图与实际情况更加符合,提升导航用户体验。
图11是根据本公开一个实施例的导航地图的生成方法的流程图,在上述实施例的基础上,进一步结合图11,对基于目标导航地图进行语音提示的过程进行解释说明,包括以下步骤:
S1101,获取当前行驶位置与目标路侧附属设施的相对位置关系。
获取目标车辆的当前行驶位置,基于目标车辆当前行驶位置和目标路侧附属设施的位置,确定目标车辆与目标路侧附属设施的相对位置关系。
S1102,根据目标车辆的行驶方向和相对位置关系,生成导航语音信息,发送给目标车辆的地图客户端,以在驶入目标路侧附属设施时进行播报。
根据目标车辆的行驶方向和相对位置关系,生成导航语音信息,并在用户即将进出目标路侧附属设施豁口处时,给出安全提示。具体可以包括以下场景:
当驾车驶入目标路侧附属设施豁口处:在车辆行驶过程中,当其导航路线即将穿过目标路侧附属设施豁口进入其他车道时,在驾车导航界面渲染出目标路侧附属设施的几何形状,并提供语音播报,提醒用户“前方为提右道路入口/主辅路入口/匝道入口/…,您当前位于靠左/中间/靠右车道,请提前变道”。
当驾车驶出目标路侧附属设施豁口处:在车辆行驶过程中,当其导航路线即将穿过目标路侧附属设施豁口进入其他车道时,在驾车导航界面渲染出目标路侧附属设施的几何形状,并提供语音播报,提醒用户“前方为提右道路出口/主辅路出口/匝道出口/…,请注意后方来车”。
本公开实施例中,获取行驶位置与目标路侧附属设施的相对位置关系,根据目标车辆的行驶方向和相对位置关系,生成导航语音信息,发送给目标车辆的地图客户端,在驶入目标路侧附属设施时进行播报。本公开实施例中基于目标路侧附属设施生成语音提醒,可以在行车不方便看电子设备时通过语音提醒用户避开不可穿越的物理隔离,提升导航用户体验,保障用户出行安全。
图12是根据本公开一个实施例的导航地图的生成装置的结构图,如图12所示,导航地图的生成装置1200包括:
第一获取模块1210,用于获取车辆当前行驶道路的道路图像;
识别模块1220,用于基于道路图像,识别行驶道路的路侧附属设施的第一数据;
第二获取模块1230,用于获取导航地图中行驶道路的车道边界线的第二数据;
生成模块1240,用于将第一数据和第二数据进行关联,根据关联结果将第一数据更新到导航地图中,生成目标导航地图。
本公开实施例中基于道路图像识别出行驶道路的路侧附属设施,并将路侧附属设施数据与车道边界线数据相关联,生成了更高精度的导航地图,提升了导航用户体验,保障用户出行安全。
需要说明的是,前述对导航地图的生成方法实施例的解释说明也适用于该实施例的导航地图的生成装置,此处不再赘述。
进一步地,在本公开实施例一种可能的实现方式中,识别模块1220,还用于:提取道路图像的特征信息,基于特征信息对道路图像进行语义分割,以从道路图像中识别出路侧附属设施;获取路侧附属设施的属性信息;将属性信息和路侧附属设施的类型确定为路侧附属设施的第一数据。
进一步地,在本公开实施例一种可能的实现方式中,识别模块1220,还用于:获取属于路侧附属设施的像素点在图像中的图像坐标;基于相机内外参数对图像坐标进行坐标转换,确定像素点的三维坐标,得到构成路侧附属设施的位置点,其中属性信息至少包括位置点。
进一步地,在本公开实施例一种可能的实现方式中,识别模块1220,还用于:从路侧附属设施数据库中,获取路侧附属设施的属性信息。
进一步地,在本公开实施例一种可能的实现方式中,识别模块1220,还用于:根据车辆的当前位置和路侧附属设施的类型标识,生成路侧附属设施的查询信息;基于查询信息,查询路侧附属设施数据库,获取路侧附属设施的属性信息。
进一步地,在本公开实施例一种可能的实现方式中,识别模块1220,还用于:基于查询信息中当前位置,从路侧附属设施数据库中,获取位于与当前位置相邻且位于当前位置前方的至少一个候选位置点;根据路侧附属设施的类型标识,从候选位置点中选取与类型标识匹配的目标位置点,作为构成路侧附属设施的位置点,其中,属性信息至少包括位置点。
进一步地,在本公开实施例一种可能的实现方式中,识别模块1220,还用于:根据车辆的位置,确定行驶道路的道路标识;根据道路标识和路侧附属设施的类型标识,生成路侧附属设施的查询信息;基于查询信息,查询路侧附属设施数据库,获取路侧附属设施的属性信息。
进一步地,在本公开实施例一种可能的实现方式中,识别模块1220,还用于:根据查询信息中的道路标识,从路侧附属设施数据库中,获取属于路侧附属设施的位置点;将查询信息中的类型标识与位置点对应的类型标识进行匹配,以确定行驶道路上每个路侧附属设施的位置点集,其中,属性信息至少包括位置点。
进一步地,在本公开实施例一种可能的实现方式中,生成模块1240,还用于:从第一数据中提取路侧附属设施的位置点;从第二数据中提取车道边界线的位置点;将路侧附属设施的位置点与车道边界线的位置点进行位置匹配,以将路侧附属设施与车道边界线进行关联。
进一步地,在本公开实施例一种可能的实现方式中,第一获取模块1210,还用于:接收车辆上图像采集装置采集的多视角的原始道路图像;对多视角的原始道路图像进行俯视图转换,生成道路图像。
进一步地,在本公开实施例一种可能的实现方式中,生成模块1240,还用于:获取目标车辆的导航请求,并基于导航请求确定目标车辆的途径道路;从目标导航地图上获取途径道路的路侧附属设施的第一数据,基于第一数据和途径道路的属性信息,生成目标车辆的导航数据。
进一步地,在本公开实施例一种可能的实现方式中,生成模块1240,还用于:获取目标车辆的当前行驶位置;根据当前行驶位置,确定位于目标车辆前方且与目标车辆距离最近的目标路侧附属设施,基于目标路侧附属设施的属性信息和类型,生成其中一个路侧附属设施的渲染数据;将目标路侧附属设施的渲染数据发送给目标车辆的地图客户端进行渲染。
进一步地,在本公开实施例一种可能的实现方式中,生成模块1240,还用于:基于类型确定目标路侧附属设施的渲染图标;根据属性信息,确定目标路侧附属设施在目标导航地图上的渲染区域,其中,渲染数据包括渲染图标和渲染区域。
进一步地,在本公开实施例一种可能的实现方式中,生成模块1240,还用于:获取行驶位置与目标路侧附属设施的相对位置关系;根据目标车辆的行驶方向和相对位置关系,生成导航语音信息,发送给目标车辆的地图客户端,以在驶入目标路侧附属设施时进行播报。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,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13示出了可以用来实施本公开的实施例的示例电子设备1300的示意性框图。电子设备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、个人数字助理、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,个人数字处理、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13所示,设备1300包括计算单元1301,其可以根据存储在只读存储器(ROM)1302中的计算机程序或者从存储单元1308加载到随机访问存储器(RAM)1303中的计算机程序,来执行各种适当的动作和处理。在RAM 1303中,还可存储设备1300操作所需的各种程序和数据。计算单元1301、ROM1302以及RAM 1303通过总线1304彼此相连。输入/输出(I/O)接口1305也连接至总线1304。
设备1300中的多个部件连接至I/O接口1305,包括:输入单元1306,例如键盘、鼠标等;输出单元1307,例如各种类型的显示器、扬声器等;存储单元1308,例如磁盘、光盘等;以及通信单元1309,例如网卡、调制解调器、无线通信收发机等。通信单元1309允许设备1300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1301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1301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1301执行上文所描述的各个方法和处理,例如导航地图的生成方法。例如,在一些实施例中,导航地图的生成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1308。在一些实施例中,计算机程序的部分或者全部可以经由ROM1302和/或通信单元1309而被载入和/或安装到设备1300上。当计算机程序加载到RAM 1303并由计算单元1301执行时,可以执行上文描述的导航地图的生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元1301可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行导航地图的生成方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、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***的***(SOC)、负载可编程逻辑设备(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***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***、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***、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***、装置或设备使用或与指令执行***、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***、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***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***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(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***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***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***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***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,也可以为分布式***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 (31)
1.一种导航地图的生成方法,包括:
获取车辆当前行驶道路的道路图像;
基于所述道路图像,识别所述行驶道路的路侧附属设施的第一数据;
获取导航地图中所述行驶道路的车道边界线的第二数据;
将所述第一数据和所述第二数据进行关联,根据关联结果将所述第一数据更新到导航地图中,生成目标导航地图。
2.根据权利要求1所述的方法,其中,所述基于所述道路图像,识别所述行驶道路的路侧附属设施的第一数据,包括:
提取所述道路图像的特征信息,基于所述特征信息对所述道路图像进行语义分割,以从所述道路图像中识别出所述路侧附属设施;
获取所述路侧附属设施的属性信息;
将所述属性信息和所述路侧附属设施的类型确定为所述路侧附属设施的第一数据。
3.根据权利要求2所述的方法,其中,所述获取所述路侧附属设施的属性信息,包括:
获取属于所述路侧附属设施的像素点在所述图像中的图像坐标;
基于相机内外参数对所述图像坐标进行坐标转换,确定所述像素点的三维坐标,得到构成所述路侧附属设施的位置点,其中所述属性信息至少包括所述位置点。
4.根据权利要求2所述的方法,其中,所述获取所述路侧附属设施的属性信息,包括:
从路侧附属设施数据库中,获取所述路侧附属设施的属性信息。
5.根据权利要求4所述的方法,其中,所述从路侧附属设施数据库中,获取所述路侧附属设施的属性信息,包括:
根据所述车辆的当前位置和所述路侧附属设施的类型标识,生成所述路侧附属设施的查询信息;
基于所述查询信息,查询所述路侧附属设施数据库,获取所述路侧附属设施的属性信息。
6.根据权利要求5所述的方法,其中,所述基于所述查询信息,查询所述路侧附属设施数据库,获取所述路侧附属设施的属性信息,包括:
基于所述查询信息中所述当前位置,从所述路侧附属设施数据库中,获取位于与所述当前位置相邻且位于所述当前位置前方的至少一个候选位置点;
根据所述路侧附属设施的类型标识,从所述候选位置点中选取与所述类型标识匹配的目标位置点,作为构成所述路侧附属设施的位置点,其中,所述属性信息至少包括所述位置点。
7.根据权利要求5所述的方法,其中,所述根据所述车辆的当前位置和所述路侧附属设施的类型标识,生成所述路侧附属设施的查询信息,包括:
根据所述车辆的位置,确定所述行驶道路的道路标识;
根据所述道路标识和所述路侧附属设施的类型标识,生成所述路侧附属设施的查询信息;
基于所述查询信息,查询所述路侧附属设施数据库,获取所述路侧附属设施的属性信息。
8.根据权利要求7所述的方法,其中,所述基于所述查询信息,查询所述路侧附属设施数据库,获取所述路侧附属设施的属性信息,包括:
根据所述查询信息中的道路标识,从所述路侧附属设施数据库中,获取属于所述路侧附属设施的位置点;
将所述查询信息中的所述类型标识与所述位置点对应的类型标识进行匹配,以确定所述行驶道路上每个所述路侧附属设施的位置点集,其中,所述属性信息至少包括所述位置点。
9.根据权利要求1所述的方法,其中,所述将所述第一数据和所述第二数据进行关联,包括:
从所述第一数据中提取所述路侧附属设施的位置点;
从所述第二数据中提取所述车道边界线的位置点;
将所述路侧附属设施的位置点与所述车道边界线的位置点进行位置匹配,以将所述路侧附属设施与所述车道边界线进行关联。
10.根据权利要求1-9任一项所述的方法,其中,所述获取车辆当前行驶道路的道路图像,包括:
接收所述车辆上图像采集装置采集的多视角的原始道路图像;
对所述多视角的原始道路图像进行俯视图转换,生成所述道路图像。
11.根据权利要求1-9任一项所述的方法,其中,所述生成目标导航地图之后,还包括:
获取目标车辆的导航请求,并基于所述导航请求确定所述目标车辆的途径道路;
从所述目标导航地图上获取所述途径道路的所述路侧附属设施的第一数据,基于所述第一数据和所述途径道路的属性信息,生成所述目标车辆的导航数据。
12.根据权利要求11所述的方法,其中,所述生成目标车辆的导航数据之后,还包括:
获取所述目标车辆的当前行驶位置;
根据所述当前行驶位置,确定位于所述目标车辆前方且与所述目标车辆的距离最近的目标路侧附属设施;
基于所述目标路侧附属设施的属性信息和类型,生成所述目标路侧附属设施的渲染数据;
将所述目标路侧附属设施的渲染数据发送给所述目标车辆的地图客户端进行渲染。
13.根据权利要求12所述的方法,其中,所述基于所述目标路侧附属设施的属性信息和类型信息,生成所述目标路侧附属设施的渲染数据,包括:
基于所述类型确定所述目标路侧附属设施的渲染图标;
根据所述属性信息,确定所述目标路侧附属设施在所述目标导航地图上的渲染区域,其中,所述渲染数据包括所述渲染图标和所述渲染区域。
14.根据权利要求12所述的方法,其中,所述方法还包括:
获取所述当前行驶位置与所述目标路侧附属设施的相对位置关系;
根据所述目标车辆的行驶方向和所述相对位置关系,生成导航语音信息,发送给所述目标车辆的地图客户端,以在驶入所述目标路侧附属设施时进行播报。
15.一种导航地图的生成装置,其中,包括:
第一获取模块,用于获取车辆当前行驶道路的道路图像;
识别模块,用于基于所述道路图像,识别所述行驶道路的路侧附属设施的第一数据;
第二获取模块,用于获取导航地图中所述行驶道路的车道边界线的第二数据;
生成模块,用于将所述第一数据和所述第二数据进行关联,根据关联结果将所述第一数据更新到导航地图中,生成目标导航地图。
16.根据权利要求15所述的装置,其中,所述识别模块,还用于:
提取所述道路图像的特征信息,基于所述特征信息对所述道路图像进行语义分割,以从所述道路图像中识别出所述路侧附属设施;
获取所述路侧附属设施的属性信息;
将所述属性信息和所述路侧附属设施的类型确定为所述路侧附属设施的第一数据。
17.根据权利要求16所述的装置,其中,所述识别模块,还用于:
获取属于所述路侧附属设施的像素点在所述图像中的图像坐标;
基于相机内外参数对所述图像坐标进行坐标转换,确定所述像素点的三维坐标,得到构成所述路侧附属设施的位置点,其中所述属性信息至少包括所述位置点。
18.根据权利要求16所述的装置,其中,所述识别模块,还用于:
从路侧附属设施数据库中,获取所述路侧附属设施的属性信息。
19.根据权利要求18所述的装置,其中,所述识别模块,还用于:
根据所述车辆的当前位置和所述路侧附属设施的类型标识,生成所述路侧附属设施的查询信息;
基于所述查询信息,查询所述路侧附属设施数据库,获取所述路侧附属设施的属性信息。
20.根据权利要求19所述的装置,其中,所述识别模块,还用于:
基于所述查询信息中所述当前位置,从所述路侧附属设施数据库中,获取位于与所述当前位置相邻且位于所述当前位置前方的至少一个候选位置点;
根据所述路侧附属设施的类型标识,从所述候选位置点中选取与所述类型标识匹配的目标位置点,作为构成所述路侧附属设施的位置点,其中,所述属性信息至少包括所述位置点。
21.根据权利要求19所述的装置,其中,所述识别模块,还用于:
根据所述车辆的位置,确定所述行驶道路的道路标识;
根据所述道路标识和所述路侧附属设施的类型标识,生成所述路侧附属设施的查询信息;
基于所述查询信息,查询所述路侧附属设施数据库,获取所述路侧附属设施的属性信息。
22.根据权利要求21所述的装置,其中,所述识别模块,还用于:
根据所述查询信息中的道路标识,从所述路侧附属设施数据库中,获取属于所述路侧附属设施的位置点;
将所述查询信息中的所述类型标识与所述位置点对应的类型标识进行匹配,以确定所述行驶道路上每个所述路侧附属设施的位置点集,其中,所述属性信息至少包括所述位置点。
23.根据权利要求15所述的装置,其中,所述生成模块,还用于:
从所述第一数据中提取所述路侧附属设施的位置点;
从所述第二数据中提取所述车道边界线的位置点;
将所述路侧附属设施的位置点与所述车道边界线的位置点进行位置匹配,以将所述路侧附属设施与所述车道边界线进行关联。
24.根据权利要求15-23任一项所述的装置,其中,所述第一获取模块,还用于:
接收所述车辆上图像采集装置采集的多视角的原始道路图像;
对所述多视角的原始道路图像进行俯视图转换,生成所述道路图像。
25.根据权利要求15-23任一项所述的装置,其中,所述生成模块,还用于:
获取目标车辆的导航请求,并基于所述导航请求确定所述目标车辆的途径道路;
从所述目标导航地图上获取所述途径道路的所述路侧附属设施的第一数据,基于所述第一数据和所述途径道路的属性信息,生成所述目标车辆的导航数据。
26.根据权利要求25所述的装置,其中,所述生成模块,还用于:
获取所述目标车辆的当前行驶位置;
根据所述当前行驶位置,确定位移所述目标车辆前方且与所述目标车辆距离最近的目标路侧附属设施;
基于所述目标路侧附属设施的属性信息和类型,生成所述目标路侧附属设施的渲染数据;
将所述目标路侧附属设施的渲染数据发送给所述目标车辆的地图客户端进行渲染。
27.根据权利要求26所述的装置,其中,所述生成模块,还用于:
基于所述类型确定所述目标路侧附属设施的渲染图标;
根据所述属性信息,确定所述目标路侧附属设施在所述目标导航地图上的渲染区域,其中,所述渲染数据包括所述渲染图标和所述渲染区域。
28.根据权利要求26所述的装置,其中,所述生成模块,还用于:
获取所述当前行驶位置与所述目标路侧附属设施的相对位置关系;
根据所述目标车辆的行驶方向和所述相对位置关系,生成导航语音信息,发送给所述目标车辆的地图客户端,以在驶入所述目标路侧附属设施时进行播报。
29.一种电子设备,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1-14中任一项所述的方法。
30.一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1-14中任一项所述的方法。
31.一种计算机程序产品,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1-14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111647851.1A CN114485690A (zh) | 2021-12-29 | 2021-12-29 | 导航地图的生成方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111647851.1A CN114485690A (zh) | 2021-12-29 | 2021-12-29 | 导航地图的生成方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114485690A true CN114485690A (zh) | 2022-05-13 |
Family
ID=81508438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111647851.1A Pending CN114485690A (zh) | 2021-12-29 | 2021-12-29 | 导航地图的生成方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114485690A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114705180A (zh) * | 2022-06-06 | 2022-07-05 | 中汽创智科技有限公司 | 高精地图的数据修正方法、装置、设备及存储介质 |
CN115018967A (zh) * | 2022-06-30 | 2022-09-06 | 联通智网科技股份有限公司 | 一种图像生成方法、装置、设备和存储介质 |
CN117191072A (zh) * | 2023-11-07 | 2023-12-08 | 山东高速信息集团有限公司 | 一种高速公路道路实景导航*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018113451A1 (zh) * | 2016-12-22 | 2018-06-28 | 沈阳美行科技有限公司 | 一种地图数据***、其生成和使用方法及应用 |
CN109059954A (zh) * | 2018-06-29 | 2018-12-21 | 广东星舆科技有限公司 | 支持高精度地图车道线实时融合更新的方法和*** |
CN110751133A (zh) * | 2019-12-03 | 2020-02-04 | 清华大学苏州汽车研究院(吴江) | 一种道路交通标志提示*** |
CN110941684A (zh) * | 2018-09-21 | 2020-03-31 | 高德软件有限公司 | 一种地图数据的生产方法、相关装置及*** |
CN111380544A (zh) * | 2018-12-29 | 2020-07-07 | 沈阳美行科技有限公司 | 车道线的地图数据生成方法及装置 |
CN111831742A (zh) * | 2020-05-25 | 2020-10-27 | 佛山市华全电气照明有限公司 | 一种智慧城市视频定位方法及*** |
CN112183440A (zh) * | 2020-10-13 | 2021-01-05 | 北京百度网讯科技有限公司 | 道路信息的处理方法、装置、电子设备和存储介质 |
CN113792061A (zh) * | 2021-09-16 | 2021-12-14 | 北京百度网讯科技有限公司 | 地图数据的更新方法、装置及电子设备 |
-
2021
- 2021-12-29 CN CN202111647851.1A patent/CN114485690A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018113451A1 (zh) * | 2016-12-22 | 2018-06-28 | 沈阳美行科技有限公司 | 一种地图数据***、其生成和使用方法及应用 |
CN109059954A (zh) * | 2018-06-29 | 2018-12-21 | 广东星舆科技有限公司 | 支持高精度地图车道线实时融合更新的方法和*** |
CN110941684A (zh) * | 2018-09-21 | 2020-03-31 | 高德软件有限公司 | 一种地图数据的生产方法、相关装置及*** |
CN111380544A (zh) * | 2018-12-29 | 2020-07-07 | 沈阳美行科技有限公司 | 车道线的地图数据生成方法及装置 |
CN110751133A (zh) * | 2019-12-03 | 2020-02-04 | 清华大学苏州汽车研究院(吴江) | 一种道路交通标志提示*** |
CN111831742A (zh) * | 2020-05-25 | 2020-10-27 | 佛山市华全电气照明有限公司 | 一种智慧城市视频定位方法及*** |
CN112183440A (zh) * | 2020-10-13 | 2021-01-05 | 北京百度网讯科技有限公司 | 道路信息的处理方法、装置、电子设备和存储介质 |
CN113792061A (zh) * | 2021-09-16 | 2021-12-14 | 北京百度网讯科技有限公司 | 地图数据的更新方法、装置及电子设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114705180A (zh) * | 2022-06-06 | 2022-07-05 | 中汽创智科技有限公司 | 高精地图的数据修正方法、装置、设备及存储介质 |
CN115018967A (zh) * | 2022-06-30 | 2022-09-06 | 联通智网科技股份有限公司 | 一种图像生成方法、装置、设备和存储介质 |
CN115018967B (zh) * | 2022-06-30 | 2024-05-03 | 联通智网科技股份有限公司 | 一种图像生成方法、装置、设备和存储介质 |
CN117191072A (zh) * | 2023-11-07 | 2023-12-08 | 山东高速信息集团有限公司 | 一种高速公路道路实景导航*** |
CN117191072B (zh) * | 2023-11-07 | 2024-01-26 | 山东高速信息集团有限公司 | 一种高速公路道路实景导航*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3505869B1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
US20210049412A1 (en) | Machine learning a feature detector using synthetic training data | |
CN114485690A (zh) | 导航地图的生成方法、装置、电子设备及存储介质 | |
CN110163065B (zh) | 点云数据处理方法、点云数据加载方法、及装置和设备 | |
WO2020168747A1 (zh) | 基于高精地图的人机交互方法和装置 | |
CN112270272B (zh) | 高精度地图制作中道路路口提取方法及*** | |
US20230159052A1 (en) | Method for processing behavior data, method for controlling autonomous vehicle, and autonomous vehicle | |
CN114554391A (zh) | 一种停车场寻车方法、装置、设备和存储介质 | |
CN112418081B (zh) | 一种空地联合快速勘察交通事故的方法及*** | |
CN112258568B (zh) | 一种高精度地图要素的提取方法及装置 | |
CN113932796A (zh) | 高精地图车道线生成方法、装置和电子设备 | |
EP4040113A2 (en) | Method and apparatus for road guidance, and electronic device | |
CN116659524A (zh) | 一种车辆定位方法、装置、设备以及存储介质 | |
CN114998863B (zh) | 目标道路识别方法、装置、电子设备以及存储介质 | |
KR102384429B1 (ko) | 도로지도 구축을 위한 도로 혼잡 위치 판별 및 재조사 경로 생성 방법 | |
CN113450794B (zh) | 导航播报的检测方法、装置、电子设备和介质 | |
CN113276888B (zh) | 基于自动驾驶的乘车方法、装置、设备和存储介质 | |
CN114689061A (zh) | 自动驾驶设备的导航路线处理方法、装置及电子设备 | |
CN115077539A (zh) | 一种地图生成方法、装置、设备以及存储介质 | |
CN114689069A (zh) | 自动驾驶设备的导航路线处理方法、装置及电子设备 | |
CN113587937A (zh) | 车辆的定位方法、装置、电子设备和存储介质 | |
CN114719878B (zh) | 车辆导航方法和装置、***、电子设备、计算机介质 | |
JP7419645B2 (ja) | 高精度地図のデータ収集方法、装置、車両、機器、及び記憶媒体 | |
CN115588180A (zh) | 地图生成方法、装置、电子设备、介质和程序产品 | |
CN115294764A (zh) | 人行横道区域确定方法、装置、设备及自动驾驶车辆 |
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 |