CN114580574A - 一种构建高精地图的方法及装置 - Google Patents
一种构建高精地图的方法及装置 Download PDFInfo
- Publication number
- CN114580574A CN114580574A CN202210451473.8A CN202210451473A CN114580574A CN 114580574 A CN114580574 A CN 114580574A CN 202210451473 A CN202210451473 A CN 202210451473A CN 114580574 A CN114580574 A CN 114580574A
- Authority
- CN
- China
- Prior art keywords
- road
- center line
- point
- determining
- track
- 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 77
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 46
- 238000001914 filtration Methods 0.000 claims abstract description 30
- 238000009499 grossing Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 abstract description 20
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 11
- 230000006872 improvement Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Automation & Control Theory (AREA)
- Processing Or Creating Images (AREA)
Abstract
本说明书公开了一种构建高精地图的方法及装置。确定在封闭道路上采集的轨迹数据,确定该轨迹数据对应的各轨迹点的位置,并对各轨迹点聚类得到各轨迹点簇,根据各轨迹点簇的聚类中心,确定初始中心线,并通过滤波算法,对该初始中心线进行平滑处理,得到道路中心线,根据该道路中心线以及预设的道路宽度,生成该道路中心线两侧的边界线,并根据确定出的边界线的位置,确定高精地图。能够基于在封闭道路采集的轨迹数据自动生成道路中心线及其边界线,以自动构建高精地图,对人依赖性低,且高精地图生成速度快、效率高。
Description
技术领域
本说明书涉及无人驾驶技术领域,尤其涉及一种构建高精地图的方法及装置。
背景技术
高精地图是实现无人驾驶的重要基础。
目前,高精地图通常需要通过专业采集设备采集图像、点云等数据作为数据基础,经过一系列复杂的处理流程生成,且在生成过程中需要人工干预进行编辑。
即使是对一些道路环境较为简单的区域构建高精地图,如封闭道路区域,仍需要基于专业的采集设备采集数据,再经繁琐的生成流程构建高精地图,导致生成高精地图的数据处理量大、成本高、耗时久、效率低,且对人工操作的依赖性强。
发明内容
本说明书提供一种构建高精地图的方法及装置,以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种构建高精地图的方法,包括:
确定在封闭道路上采集的轨迹数据,所述轨迹数据为沿所述封闭道路执行任务时采集的;
确定所述轨迹数据对应的各轨迹点的位置,并对各轨迹点聚类得到各轨迹点簇;
根据各轨迹点簇的聚类中心,确定初始中心线,并通过滤波算法,对所述初始中心线进行平滑处理,得到道路中心线;
根据所述道路中心线以及预设的道路宽度,生成所述道路中心线两侧的边界线,并根据确定出的边界线的位置,确定高精地图。
可选地,确定所述轨迹数据对应的各轨迹点的位置之前,所述方法还包括:
确定所述轨迹数据中包含的各位置点以及各位置点的三维坐标;
从各位置点中确定各重复位置点,对各重复位置点进行去重,并将去重后剩余的各位置点作为各轨迹点;
其中,所述重复位置点为与其他位置点三维坐标的至少部分维度的坐标值相同的位置点。
可选地,对各轨迹点聚类得到各轨迹点簇,具体包括:
通过预设的聚类算法,对各轨迹点聚类的到各待定簇;
判断是否存在覆盖直径大于预设的道路宽度的待定簇;
若是,则重新确定各待定簇,并在不存在覆盖直径大于所述道路宽度的待定簇时,将各待定簇作为各轨迹点簇,并确定各轨迹点簇对应的聚类中心;
若否,则将各待定簇作为各轨迹点簇,并确定各轨迹点簇对应的聚类中心。
可选地,根据各轨迹点簇的聚类中心,确定初始中心线,具体包括:
通过递归算法,将各轨迹点簇的聚类中心连接,得到初始中心线。
可选地,根据所述道路中心线以及预设的道路宽度,生成所述道路中心线两侧的边界线,具体包括:
通过道格拉斯抽稀算法,去除所述道路中心线中的部分道路中心点;
根据去除部分道路中心点后的所述道路中心线,以及预设的道路宽度,生成所述道路中心线两侧的边界线。
可选地,各轨迹点的位置为所述轨迹数据的采集设备根据全球定位***芯片对卫星的观测数据、接收到的基站对所述卫星的观测数据以及测站坐标确定的。
可选地,所述滤波算法至少包括均值滤波算法以及中值滤波算法中的一种。
可选地,根据所述道路中心线以及预设的道路宽度,生成所述道路中心线两侧的边界线,具体包括:
确定所述道路中心线的各转折点,并根据各转折点位置,将所述道路中心线划分为各子中心线;
针对每个子中心线,根据该子中心线对应的一对转折点,确定该子中心线匹配的道路区域;
根据预设的道路区域与道路宽度的对应关系,确定该子中心线对应的道路宽度;
根据各子中心线对应的道路宽度,生成所述道路中心线两侧的边界线。
本说明书提供了一种构建高精地图的装置,包括:
数据确定模块,用于确定在封闭道路上采集的轨迹数据,所述轨迹数据为沿所述封闭道路执行任务时采集的;
聚类模块,用于确定所述轨迹数据对应的各轨迹点的位置,并对各轨迹点聚类得到各轨迹点簇;
中心线确定模块,用于根据各轨迹点簇的聚类中心,确定初始中心线,并通过滤波算法,对所述初始中心线进行平滑处理,得到道路中心线;
地图构建模块,用于根据所述道路中心线以及预设的道路宽度,生成所述道路中心线两侧的边界线,并根据确定出的边界线的位置,确定高精地图。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述构建高精地图的方法。
本说明书提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述构建高精地图的方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的构建高精地图的方法中,确定在封闭道路上采集的轨迹数据,确定该轨迹数据对应的各轨迹点的位置,并对各轨迹点聚类得到各轨迹点簇,根据各轨迹点簇的聚类中心,确定初始中心线,并通过滤波算法,对该初始中心线进行平滑处理,得到道路中心线,根据该道路中心线以及预设的道路宽度,生成该道路中心线两侧的边界线,并根据确定出的边界线的位置,确定高精地图。
从上述方法中可以看出,本方法无需专业采集设备专门采集用于构建高精地图的数据,在沿封闭道路执行任务时即可采集轨迹数据。基于在封闭道路采集的轨迹数据能够自动生成道路中心线及其边界线,以自动构建高精地图,对人依赖性低,且生成高精地图的过程精简,无繁杂的流程,高精地图生成速度快、效率高、成本低。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中一种构建高精地图的方法的流程示意图;
图2为本说明书提供的一种地图生成流程示意图;
图3为本说明书提供的一种目标道路的示意图;
图4为本说明书提供的一种构建高精地图的装置的示意图;
图5为本说明书提供的一种电子设备的结构示意图。
具体实施方式
目前,在无人驾驶软件***中,通常包括:感知、定位、决策规划、控制、地图、预测、仿真等几大模块。高精地图是其中各模块实现功能的重要基础。例如,为无人驾驶软件***提供环境中的车道信息等。
目前的第三方图商仅为开放道路场景提供构建高精地图的工具链,在生成高精地图时,需要通过设置有雷达、视觉传感器等多个传感器的专业采集设备去专门采集环境的点云与图像数据,以基于采集的数据,经过预处理、自动化提取、人工编辑、检查批处理、出品转换等一系列繁琐复杂的处理流程,生成高精地图。
该生成高精地图的方法适用于复杂的道路环境,如开放道路。第三方图商并没有针对封闭道路环境提供定制化的适配的工具链。对于道路环境较为简单的区域,如公园、社区、园区等封闭道路区域,基于与针对开放道路相同的方法生成高精地图则显得过程繁琐。且现有的方法以人工修改为主,期间需要大量的人工干预,在复杂的处理流程带来较高的时间成本的基础上,人工干预也增加了生成高精地图的耗时,使得现有的高精地图生成过程耗时久、效率低,且对人工操作的依赖性强,数据处理量极大,耗时耗力。
即,当前无论针对怎样的环境构建高精地图,仅能够通过设置有雷达、视觉传感器等多个传感器的专业采集设备去采集点云与图像数据,以基于采集的数据,经过一系列繁琐复杂的处理流程,生成高精地图,高精地图的构建周期长,通常需要几周时间制成地图,效率较低。
在封闭道路区域中,通常道路环境较为简单,环境中也不存在需要无人驾驶设备关注的路标、交通灯等元素。无人驾驶设备在行驶时需要关注的重点则在于自身所行驶的道路。
因此,对于道路环境较为简单的区域,准确确定各道路的位置、边界及其走向是构建其高精地图的重点。
基于此,为了至少部分解决上述问题,本说明书提供了一种构建高精地图的方法。该构建高精地图的方法适用于针对封闭道路区域构建高精地图,基于该方法,无需专业采集设备采集图像或点云,生成高精地图的过程中也无需人为干预,对人的依赖性低,且构建高精地图的用时短且效率高,对第三方图商依赖低。
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中一种构建高精地图的方法的流程示意图,具体包括以下步骤:
S100:确定在封闭道路上采集的轨迹数据,所述轨迹数据为沿所述封闭道路执行任务时采集的。
在本说明书中,该构建高精地图的方法可用于无人驾驶技术领域中,该构建高精地图的方法可由服务器执行。基于该方法构建得到的高精地图,可用于对无人驾驶设备的定位与导航。
如上所述,在本说明书中,无需专业采集设备专门去采集用于构建高精地图的数据,即轨迹数据。用于构建高精地图的轨迹数据可在沿封闭道路执行任务时采集。轨迹数据的采集设备可以是无人驾驶设备或其他的能够采集轨迹数据的设备,本说明书在此不做限制。
在本说明书一个或多个实施例中,在构建高精地图时,首先,该服务器可确定在封闭道路上采集的轨迹数据。例如,无人驾驶设备在执行无人配送任务时,沿封闭道路行驶时采集的轨迹数据。
需要说明的是,为了使用于构建高精地图的轨迹数据足够全面,该轨迹数据可以是在预设时间内采集设备沿封闭道路运动所累积采集的轨迹数据。则该轨迹数据可以是多个采集设备采集的数据,也可以是一个采集设备在执行多个任务时采集的数据。例如,该轨迹数据可以是采集设备一天内在公园内沿公园内的封闭道路执行任务时累计采集的轨迹数据。
S102:确定所述轨迹数据对应的各轨迹点的位置,并对各轨迹点聚类得到各轨迹点簇。
在确定出轨迹数据后,可通过对轨迹数据的各轨迹点聚类的方式,确定各道路中心点,以便于后续步骤中确定道路中心线。
首先,该服务器则可先确定该轨迹数据对应的各轨迹点的位置,并根据各轨迹点的位置,对各轨迹点聚类得到各轨迹点簇。每个轨迹点簇的聚类中心则对应一个道路中心点。
为了避免轨迹点的位置偏差导致确定出的道路中心线的形状与位置误差较大,各轨迹点的位置可以为该轨迹数据的采集设备根据全球定位***(Global PositioningSystem,GPS)芯片对卫星的观测数据、接收到的基站对同样的卫星的观测数据以及基站对应的测站坐标确定的。
即,采集设备综合利用基站与自身的GPS芯片进行定位,为每个轨迹点确定一个误差更小更准确的位置。并且,每个轨迹点的位置对应一个三维坐标。
由于道路中心点基于各轨迹点簇的聚类中心确定,而聚类中心的确定又受对应的轨迹点簇中各轨迹点的分布影响。
因此,在本说明书一个或多个实施例中,为了保障最终确定出的高精地图中道路的准确性,避免确定出的道路位置偏差,以及避免将属于道路的不同分支上的轨迹点聚类到同一轨迹点簇中,导致道路中心点确定不准确,在对各轨迹点进行聚类时,该服务器可通过预设的聚类算法,对各轨迹点聚类的到各待定簇。并判断是否存在覆盖直径大于预设的道路宽度的待定簇。
若存在覆盖直径大于预设的道路宽度的待定簇,则重新确定各待定簇,并在不存在覆盖直径大于所述道路宽度的待定簇时,将各待定簇作为各轨迹点簇,并确定各轨迹点簇对应的聚类中心。
若存在覆盖直径大于预设的道路宽度的待定簇,则将各待定簇作为各轨迹点簇,并确定各轨迹点簇对应的聚类中心。
在确定出各聚类中心后,可直接将各聚类中心作为各道路中心点。
其中,对所采用的聚类算法不做限制,例如,可采用k均值(k-means)聚类算法对各轨迹点进行聚类。当然,也可以采用其他聚类算法,如基于密度的聚类算法等,本说明书在此不做限制。当通过k-means算法进行聚类时,其k的取值可根据预先确定的道路长度以及用于生成高精地图中道路的中心线上的点的个数确定。
S104:根据各轨迹点簇的聚类中心,确定初始中心线,并通过滤波算法,对所述初始中心线进行平滑处理,得到道路中心线。
在得到各轨迹点簇分别对应的聚类中心后,该服务器则可根据各轨迹点簇的聚类中心,确定初始中心线。
在确定初始中心线时,可通过递归算法,将各轨迹点簇的聚类中心连接,得到初始中心线。
为了使得到的中心线平滑,以使最终得到的高精地图中的道路足够平滑,在确定出初始中心线后,还服务器还可通过滤波算法对该初始中心线进行平滑处理,得到道路中心线。
其中,对该滤波算法具体采用哪种算法不做限制,可采用现有的滤波算法,如,均值滤波、中值滤波等。则该滤波算法至少包括均值滤波算法以及中值滤波算法中的一种,当然也可采用其他的滤波算法,本说明书在此不做限制。
S106:根据所述道路中心线以及预设的道路宽度,生成所述道路中心线两侧的边界线,并根据确定出的边界线的位置,确定高精地图。
在本说明书一个或多个实施例中,在确定出道路中心线后,该服务器可根据该道路中心线以及预设的道路宽度,生成该道路中心线两侧的边界线,道路中心线两侧的一对边界线则对应高精地图中的一条目标道路。
在本说明书一个或多个实施例中,在确定出边界线之后,该服务器则可根据确定出的边界线的位置,确定高精地图。
基于图1所示的构建高精地图的方法,确定在封闭道路上采集的轨迹数据,确定该轨迹数据对应的各轨迹点的位置,并对各轨迹点聚类得到各轨迹点簇,根据各轨迹点簇的聚类中心,确定初始中心线,并通过滤波算法,对该初始中心线进行平滑处理,得到道路中心线,根据该道路中心线以及预设的道路宽度,生成该道路中心线两侧的边界线,并根据确定出的边界线的位置,确定高精地图。
从上述方法中可以看出,本方法无需专业采集设备专门采集用于构建高精地图的数据,在沿封闭道路执行任务时即可采集轨迹数据。基于在封闭道路采集的轨迹数据能够自动生成道路中心线及其边界线,以自动构建高精地图,对人依赖性低,且生成高精地图的过程精简,无繁杂的流程,与现有技术中应用点云数据及图像数据相比,本说明书提供的方法所应用的数据也相对较少,使得高精地图生成速度快、效率高、成本低。
另外,在本说明书提供的一个或多个实施例中,为了过滤噪声,使最终确定出的目标道路及高精地图更准确,并减少构建高精地图的计算量。在本说明书步骤S102确定该轨迹数据对应的各轨迹点的位置之前,该服务器可确定该轨迹数据中包含的各位置点以及各位置点的三维坐标。并从各位置点中确定各重复位置点,以对各重复位置点进行去重,并将去重后剩余的各位置点作为各轨迹点。
其中,各重复位置点为与其他位置点三维坐标的至少部分维度的坐标值相同的位置点。例如,位置点1的三维坐标为(1,3,1.5),位置点2的三维坐标为(1,3,1),位置点3的三维坐标为(1,3,1.5)。括号中的3个数值依次分别对应x(横向)维度的坐标值、y(纵向)维度的坐标值以及z(高度)维度的坐标值。
该服务器可将与其他位置点三维坐标所有维度的坐标值皆相同的位置点,作为重复位置点。则位置点3与位置点1为重复位置点。
该服务器还可将与其他位置点三维坐标的部分维度的坐标值相同的位置点,作为重复位置点。例如,可将与其他位置点x、y维度的坐标值相同的位置点,作为重复位置点。则,位置点2、位置点3与位置点1皆为重复位置点。
在本说明书中,在对各重复位置点去重时,该服务器可针对每组重复位置点,将该组重复位置点删除至剩余一个位置点。例如,位置点1、2、3为三维坐标的所有维度坐标值皆相同的一组重复位置点,位置点5、6、7、8为三维坐标的所有维度坐标值皆相同的一组重复位置点。则该服务器在去重时,可将前一组位置点删除至剩余位置点1、2、3中的一个,并将后一组位置点删除至剩余位置点5、6、7、8中的一个。
当然,由于可能存在一个位置点与不同的其他位置点属于不同组重复位置点的情况,例如,位置点9与位置点10由于x、y维度坐标值相同,对应一组重复位置点,且位置点9与位置点11由于y、z维度坐标值相同,对应另一组重复位置点。在去重时,还可仅将位置点9删除。
另外,为了避免基于位置点确定出的轨迹点中存在异常点,该服务器还可基于位置点的高度值,即z维度对应的坐标值,对各位置点进行验证。具体的,该服务器可针对每个位置点,确定该位置点附近的各相邻位置点,并根据各相邻位置点的三维坐标,确定各相邻位置点对应的高度。之后,确定该位置点的高度分别与各相邻位置点的高度差,并判断各高度差的均值是否不大于预设的高度跨度,若是,则将该位置点作为各轨迹点。否则,将该位置点删除。
其中,相邻位置点可根据位置点间的距离与预设的距离阈值确定。如,可将与该位置点间距离小于预设的距离阈值的各其他位置点作为该位置点的各相邻位置点。
或者,可根据其他位置点与该位置点间距离,对各其他位置点按照距离从小到大的顺序进行排序,并根据预设的数量阈值以及排序结果,从距离该位置点最近的其他位置点开始,确定各相邻位置点。
当然,基于高度进行验证仅为示例,还可基于x和/或y维度进行验证。
另外,在本说明书步骤S106中,在生成边界线时,该服务器还可进一步压缩数据量。具体的,该服务器可通过道格拉斯抽稀算法,去除道路中心线中的部分道路中心点。并根据去除部分道路中心点后的道路中心线,以及预设的道路宽度,生成道路中心线两侧的边界线。如此可以使得道路中心线中直线部分上的点少,弯曲的部分上的点多,从而达到既能保证质量,又可以压缩数据量的目的。
或者,由于滤波后得到的道路中心线可能还不够平滑,该服务器还可通过道格拉斯抽稀算法,去除道路中心线中的部分道路中心点。并根据剩余的道路中心点,重新串连得到道路中心线,以根据重新得到的道路中心线,以及预设的道路宽度,生成道路中心线两侧的边界线。
另外,需要说明的是,本说明书中用于确定高精地图的轨迹数据未必对应一条封闭道路。即,该轨迹数据可以是若干封闭道路对应的轨迹数据的集合,也可以是一条封闭道路的多条轨迹数据的集合。则基于该轨迹数据确定出的道路中心线可以是对应一条道路的,也可以是对应多条道路的。
由于不同道路对应的宽度可能不同,则在生成边界线时需要针对不同的道路分别考虑。
因此,在步骤S106生成道路中心线两侧的边界线时,该服务器可确定该道路中心线的各转折点,并根据各转折点位置,将该道路中心线划分为各子中心线。之后,该服务器可针对每个子中心线,根据该子中心线对应的一对转折点,确定该子中心线匹配的道路区域。并根据预设的道路区域与道路宽度的对应关系,确定该子中心线对应的道路宽度。最后,根据各子中心线对应的道路宽度,生成该道路中心线两侧的边界线。
当然,根据转折点区分不同道路对应的子中心线仅为其中一种方法,该服务器可根据中心线的分支点和/或转折点,确定不同的道路。例如,道路中心线在一个点分为了两条,则该点为分支点,该点连接了三个子中心线,构成“Y”行的中心线,每条子中心线分别对应不同的道路。
并且,为了在高精地图中区分不同的道路,不同道路的边界线可采用不同的标识。同一道路的左边界线与右边界线也可进行区分。
相应的,在本说明书步骤S102对各轨迹点进行聚类时,由于不同道路的宽度不同,为了使得聚类得到的各聚类中心足够准确且尽可能接近道路的中心,该服务器可根据预设的该封闭道路的最小道路宽度以及各簇的覆盖直径,对各轨迹点进行聚类。
在本说明书一个或多个实施例中,该服务器还可在步骤S104确定初始中心线时,分别确定各道路对应的初始中心线,并针对每个初始中心线,确定道路中心线。在步骤S106得到各初始中心线对应的边界线后,再基于各初始中心线对应的边界线的位置,生成高精地图。
当然,在步骤S100中,也可针对每条封闭道路,确定该封闭道路对应的轨迹数据,之后,则可通过后续步骤针对该轨迹数据生成道路中心线以及边界线。在得到各封闭道路对应的道路中心线及边界线后,则可生成高精地图。或者,在采集轨迹数据时,也可针对不同的封闭道路单独采集轨迹数据。
综上所述,在图1所示的构建高精地图的方法中,基于轨迹数据,通过多个数据处理环节得到高精地图。首先,对轨迹数据进行数据处理可从中确定各轨迹点以及各轨迹点的位置。之后,基于各轨迹点数据,可进一步聚类得到各轨迹点簇及各聚类中心,即,基于轨迹点数据,通过数据处理得到作为道路中心点的各聚类中心。进一步地,基于聚类中心得到初始中心线后,针对初始中心线,通过滤波算法,对用于构建高精地图的数据进行调整,可得到道路中心线。最后,基于道路中心线以及预设的道路宽度,则可确定道路的边界线,以生成高精地图。经过各个数据处理环节,实现了对数据的压缩降噪,降低了处理的数据量,并保证了用于构建高精地图的数据的准确性。
为了便于理解,本说明书还该提供了如图2所示的地图生成流程示意图。
如图2所示,箭头所指方向表示生成高精地图的顺序,可见,图2中的四个闭合图形中,沿着箭头方向,第一个闭合图形为采集的沿封闭道路行驶的轨迹数据,基于轨迹数据,可确定各道路中心点,基于各道路中心点可串连得到如第二个闭合图形所示的初始中心线,初始中心线所贯穿的各点即各道路中心点。然后,通过滤波算法对初始中心线进行平滑处理,可得到道路中心线,之后,通过道格拉斯抽稀算法对道路中心线中的各道路中心点进行抽稀,可减少用于构建高精地图的数据量,由第四个闭合图形可见,道路中心点减少。基于抽稀后的道路中心线,可生成该道路中心线对应的各边界线,以得到目标道路。基于目标道路及其对应的边界线的位置可确定高精地图。构建好的高精地图中目标道路的示意图如图3所示。图3中虚线表示道路中心线,实线表示两个边界线。
另外,如上所述,该高精地图可用于定位与导航。如对无人驾驶设备的定位与导航。无人驾驶设备在运行过程中,可基于该高精地图确定自身的位置,以根据自身的位置、该高精地图中展示的各道路,进行轨迹规划、确定自身的运动策略等。
例如,当导航对象是无人驾驶设备时,服务器可接收携带有该无人驾驶的导航信息的导航请求。该导航信息可包括无人驾驶设备的当前位置及终点位置。之后,该服务器可根据该导航请求中的起点位置、终点位置以及该高精地图的道路的分布位置,确定能够从该起点位置通往该终点位置的各道路片段,以基于各道路片段确定导航路径。在无人驾驶设备运动的过程中,该服务器可基于该无人驾驶设备的移动,更新该导航路径。
或者,导航过程可不由无人驾驶设备执行,可由导航对象自身基于起点位置、重点位置以及该高精地图进行。
并且,由于针对基于该构建高精地图的方法生成的高精地图中的每条道路,该道路的道路中心线与边界线皆为由若干位置点组成的。在基于该高精地图进行定位与导航时,该无人驾驶设备可基于自身当前的位置,确定自身当前所处道路。之后,该无人驾驶设备可从自身所处道路的道路中心线上的点以及边界线的点中,确定与自身的距离在预设范围内的各点,作为各相关点。基于各相关点的位置以及该无人驾驶设备的终点位置,该无人驾驶设备可确定自身下一时刻的朝向以及旋转角度,即确定需要直行或转向,以实现沿着导航路径向终点位置行驶。
以上为本说明书的一个或多个实施例提供的构建高精地图的方法,基于同样的思路,本说明书还提供了相应的构建高精地图的装置,如图4所示。
图4为本说明书提供的一种构建高精地图的装置示意图,该装置包括:
数据确定模块200,用于确定在封闭道路上采集的轨迹数据,所述轨迹数据为沿所述封闭道路执行任务时采集的;
聚类模块201,用于确定所述轨迹数据对应的各轨迹点的位置,并对各轨迹点聚类得到各轨迹点簇;
中心线确定模块202,用于根据各轨迹点簇的聚类中心,确定初始中心线,并通过滤波算法,对所述初始中心线进行平滑处理,得到道路中心线;
地图构建模块203,用于根据所述道路中心线以及预设的道路宽度,生成所述道路中心线两侧的边界线,并根据确定出的边界线的位置,确定高精地图。
可选地,所述装置还包括:
去重模块204,用于确定所述轨迹数据中包含的各位置点以及各位置点的三维坐标,从各位置点中确定各重复位置点,对各重复位置点进行去重,并将去重后剩余的各位置点作为各轨迹点,其中,所述重复位置点为与其他位置点三维坐标的至少部分维度的坐标值相同的位置点。
可选地,所述聚类模块201,还用于通过预设的聚类算法,对各轨迹点聚类的到各待定簇,判断是否存在覆盖直径大于预设的道路宽度的待定簇,若是,则重新确定各待定簇,并在不存在覆盖直径大于所述道路宽度的待定簇时,将各待定簇作为各轨迹点簇,并确定各轨迹点簇对应的聚类中心,若否,则将各待定簇作为各轨迹点簇,并确定各轨迹点簇对应的聚类中心。
可选地,所述中心线确定模块202,还用于通过递归算法,将各轨迹点簇的聚类中心连接,得到初始中心线。
可选地,所述地图构建模块203,还用于通过道格拉斯抽稀算法,去除所述道路中心线中的部分道路中心点,根据去除部分道路中心点后的所述道路中心线,以及预设的道路宽度,生成所述道路中心线两侧的边界线。
可选地,各轨迹点的位置为所述轨迹数据的采集设备根据全球定位***芯片对卫星的观测数据、接收到的基站对所述卫星的观测数据以及测站坐标确定的。
可选地,所述滤波算法至少包括均值滤波算法以及中值滤波算法中的一种。
可选地,所述地图构建模块203,还用于确定所述道路中心线的各转折点,并根据各转折点位置,将所述道路中心线划分为各子中心线,针对每个子中心线,根据该子中心线对应的一对转折点,确定该子中心线匹配的道路区域,根据预设的道路区域与道路宽度的对应关系,确定该子中心线对应的道路宽度,根据各子中心线对应的道路宽度,生成所述道路中心线两侧的边界线。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的构建高精地图的方法。
本说明书还提供了图5所示的电子设备的结构示意图。如图5所示,在硬件层面,该电子设备包括处理器、内部总线、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1提供的构建高精地图的方法。
需要说明的是,本说明书中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device, PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明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。
本发明是参照根据本发明实施例的方法、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设备上,使得在计算机或其他可编程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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者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、商品或者设备所固有的要素。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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、***或计算机程序产品。因此,本说明书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,本说明书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。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,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。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (11)
1.一种构建高精地图的方法,其特征在于,包括:
确定在封闭道路上采集的轨迹数据,所述轨迹数据为沿所述封闭道路执行任务时采集的;
确定所述轨迹数据对应的各轨迹点的位置,并对各轨迹点聚类得到各轨迹点簇;
根据各轨迹点簇的聚类中心,确定初始中心线,并通过滤波算法,对所述初始中心线进行平滑处理,得到道路中心线;
根据所述道路中心线以及预设的道路宽度,生成所述道路中心线两侧的边界线,并根据确定出的边界线的位置,确定高精地图。
2.如权利要求1所述的方法,其特征在于,确定所述轨迹数据对应的各轨迹点的位置之前,所述方法还包括:
确定所述轨迹数据中包含的各位置点以及各位置点的三维坐标;
从各位置点中确定各重复位置点,对各重复位置点进行去重,并将去重后剩余的各位置点作为各轨迹点;
其中,所述重复位置点为与其他位置点三维坐标的至少部分维度的坐标值相同的位置点。
3.如权利要求1所述的方法,其特征在于,对各轨迹点聚类得到各轨迹点簇,具体包括:
通过预设的聚类算法,对各轨迹点聚类的到各待定簇;
判断是否存在覆盖直径大于预设的道路宽度的待定簇;
若是,则重新确定各待定簇,并在不存在覆盖直径大于所述道路宽度的待定簇时,将各待定簇作为各轨迹点簇,并确定各轨迹点簇对应的聚类中心;
若否,则将各待定簇作为各轨迹点簇,并确定各轨迹点簇对应的聚类中心。
4.如权利要求1所述的方法,其特征在于,根据各轨迹点簇的聚类中心,确定初始中心线,具体包括:
通过递归算法,将各轨迹点簇的聚类中心连接,得到初始中心线。
5.如权利要求1所述的方法,其特征在于,根据所述道路中心线以及预设的道路宽度,生成所述道路中心线两侧的边界线,具体包括:
通过道格拉斯抽稀算法,去除所述道路中心线中的部分道路中心点;
根据去除部分道路中心点后的所述道路中心线,以及预设的道路宽度,生成所述道路中心线两侧的边界线。
6.如权利要求1所述的方法,其特征在于,各轨迹点的位置为所述轨迹数据的采集设备根据全球定位***芯片对卫星的观测数据、接收到的基站对所述卫星的观测数据以及测站坐标确定的。
7.如权利要求1所述的方法,其特征在于,所述滤波算法至少包括均值滤波算法以及中值滤波算法中的一种。
8.如权利要求1所述的方法,其特征在于,根据所述道路中心线以及预设的道路宽度,生成所述道路中心线两侧的边界线,具体包括:
确定所述道路中心线的各转折点,并根据各转折点位置,将所述道路中心线划分为各子中心线;
针对每个子中心线,根据该子中心线对应的一对转折点,确定该子中心线匹配的道路区域;
根据预设的道路区域与道路宽度的对应关系,确定该子中心线对应的道路宽度;
根据各子中心线对应的道路宽度,生成所述道路中心线两侧的边界线。
9.一种构建高精地图的装置,其特征在于,包括:
数据确定模块,用于确定在封闭道路上采集的轨迹数据,所述轨迹数据为沿所述封闭道路执行任务时采集的;
聚类模块,用于确定所述轨迹数据对应的各轨迹点的位置,并对各轨迹点聚类得到各轨迹点簇;
中心线确定模块,用于根据各轨迹点簇的聚类中心,确定初始中心线,并通过滤波算法,对所述初始中心线进行平滑处理,得到道路中心线;
地图构建模块,用于根据所述道路中心线以及预设的道路宽度,生成所述道路中心线两侧的边界线,并根据确定出的边界线的位置,确定高精地图。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~8任一项所述的方法。
11.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210451473.8A CN114580574A (zh) | 2022-04-27 | 2022-04-27 | 一种构建高精地图的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210451473.8A CN114580574A (zh) | 2022-04-27 | 2022-04-27 | 一种构建高精地图的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114580574A true CN114580574A (zh) | 2022-06-03 |
Family
ID=81778640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210451473.8A Pending CN114580574A (zh) | 2022-04-27 | 2022-04-27 | 一种构建高精地图的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114580574A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115171376A (zh) * | 2022-06-27 | 2022-10-11 | 广州小鹏汽车科技有限公司 | 地图数据处理方法、服务器和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120095682A1 (en) * | 2009-06-16 | 2012-04-19 | Christopher Kenneth Hoover Wilson | Methods and Systems for Creating Digital Street Network Database |
CN105448184A (zh) * | 2015-11-13 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图道路的绘制方法及装置 |
CN106227726A (zh) * | 2016-06-30 | 2016-12-14 | 北京航空航天大学 | 一种基于车辆轨迹数据的路径提取方法 |
CN108036794A (zh) * | 2017-11-24 | 2018-05-15 | 华域汽车***股份有限公司 | 一种高精度地图生成***及生成方法 |
CN110413905A (zh) * | 2019-07-30 | 2019-11-05 | 北京三快在线科技有限公司 | 获取道路线形的方法、装置、设备及存储介质 |
CN112683286A (zh) * | 2021-03-16 | 2021-04-20 | 季华实验室 | 拓扑路网地图的建立方法、***、存储介质及电子设备 |
-
2022
- 2022-04-27 CN CN202210451473.8A patent/CN114580574A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120095682A1 (en) * | 2009-06-16 | 2012-04-19 | Christopher Kenneth Hoover Wilson | Methods and Systems for Creating Digital Street Network Database |
CN105448184A (zh) * | 2015-11-13 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图道路的绘制方法及装置 |
CN106227726A (zh) * | 2016-06-30 | 2016-12-14 | 北京航空航天大学 | 一种基于车辆轨迹数据的路径提取方法 |
CN108036794A (zh) * | 2017-11-24 | 2018-05-15 | 华域汽车***股份有限公司 | 一种高精度地图生成***及生成方法 |
CN110413905A (zh) * | 2019-07-30 | 2019-11-05 | 北京三快在线科技有限公司 | 获取道路线形的方法、装置、设备及存储介质 |
CN112683286A (zh) * | 2021-03-16 | 2021-04-20 | 季华实验室 | 拓扑路网地图的建立方法、***、存储介质及电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115171376A (zh) * | 2022-06-27 | 2022-10-11 | 广州小鹏汽车科技有限公司 | 地图数据处理方法、服务器和存储介质 |
CN115171376B (zh) * | 2022-06-27 | 2024-01-05 | 肇庆小鹏新能源投资有限公司广州分公司 | 地图数据处理方法、服务器和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110674723B (zh) | 一种确定无人驾驶车辆行驶轨迹的方法及装置 | |
CN111508258B (zh) | 一种定位方法及装置 | |
CN111311709B (zh) | 一种生成高精地图的方法及装置 | |
CN109839119B (zh) | 跨路桥梁桥面区域的获取方法及装置 | |
CN114295119B (zh) | 一种构建地图的方法及装置 | |
CN112327864A (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN114580574A (zh) | 一种构建高精地图的方法及装置 | |
CN109871016A (zh) | 一种驾驶参考线生成方法、装置、车辆及服务器 | |
CN115346183A (zh) | 一种车道线检测方法、终端及存储介质 | |
CN115143952A (zh) | 基于视觉辅助的自动驾驶车辆定位方法、装置 | |
CN117146844A (zh) | 路径规划中参考线平滑优化方法、装置、设备及介质 | |
CN115112146A (zh) | 用于生成自动驾驶地图的方法、计算机***及介质 | |
CN112150538A (zh) | 一种在三维地图构建过程中车辆位姿的确定方法和装置 | |
CN111797722A (zh) | 车道线绘制的方法及装置 | |
CN113465615B (zh) | 车道线的生成方法及相关装置 | |
CN115752502B (zh) | 路径筛选方法、装置及电子设备 | |
CN113377748A (zh) | 激光雷达点云数据的静态点去除方法和装置 | |
CN111077893B (zh) | 一种基于多灭点的导航方法、电子设备和存储介质 | |
CN110550025B (zh) | 一种自动泊车的方法及装置 | |
CN111174796B (zh) | 一种基于单灭点的导航方法、电子设备和存储介质 | |
CN114739386A (zh) | 一种地图数据处理的方法、装置、设备及介质 | |
CN103337220A (zh) | 摄影数据提供*** | |
CN112734810A (zh) | 一种障碍物追踪方法及装置 | |
CN117351117B (zh) | 一种道路结构的更新方法、装置、存储介质、设备 | |
CN112069899A (zh) | 一种路肩检测方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |