CN115344655A - 地物要素的变化发现方法、装置及存储介质 - Google Patents

地物要素的变化发现方法、装置及存储介质 Download PDF

Info

Publication number
CN115344655A
CN115344655A CN202210999869.6A CN202210999869A CN115344655A CN 115344655 A CN115344655 A CN 115344655A CN 202210999869 A CN202210999869 A CN 202210999869A CN 115344655 A CN115344655 A CN 115344655A
Authority
CN
China
Prior art keywords
data
new
image
track
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.)
Pending
Application number
CN202210999869.6A
Other languages
English (en)
Inventor
李骐辰
石佩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Autonavi Software Co Ltd
Original Assignee
Autonavi Software Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Autonavi Software Co Ltd filed Critical Autonavi Software Co Ltd
Priority to CN202210999869.6A priority Critical patent/CN115344655A/zh
Publication of CN115344655A publication Critical patent/CN115344655A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Remote Sensing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本说明书实施例提供一种地物要素的变化发现方法、装置及存储介质，所述方法包括：获取目标地理区域的新采集资料数据，所述新采集资料数据包括新轨迹数据和新图像数据；将所述新轨迹数据与所述新图像数据进行关联，得到新轨迹图像关联数据；获取所述目标地理区域的历史轨迹图像关联数据；基于所述新轨迹图像关联数据和所述历史轨迹图像关联数据，确定所述目标地理区域是否存在发生变化的地物要素。

Description

地物要素的变化发现方法、装置及存储介质
技术领域
本说明书涉及地图技术领域，尤其涉及地物要素的变化发现方法、装置及存储介质。
背景技术
目前，车辆的辅助驾驶或者高级辅助驾驶或智慧城市建设等依赖高精度地图(简称高精地图)。在构建高精地图时，首先需要采集车上搭载的各类传感器采集用于制作高精地图的资料数据，资料数据包括图像数据、点云数据等。随后基于采集的资料数据制作各种类型的高精度的地物要素(如车道、标牌等)数据，最终形成高精地图。
随着时间的变迁，现实世界的地物要素也会发生变化。为了使高精地图中的地物要素与现实世界保持一致，高精地图需要定期进行更新。现有的更新方式，通常是由地图采集车在需要更新的地理区域采集新的资料数据，然后，基于采集的新的资料数据制作新的高精地图，即，现有技术是对新的资料数据进行全量处理，以得到新的高精地图。众所周知，现实世界的变化一般都是局部的，因此，对新的资料数据进行全量处理存在效率低、成本高等问题。因此，如何提升高精地图的更新效率、降低更新成本，是本领域技术人员需要解决的技术问题。
发明内容
为克服相关技术中存在的问题，本说明书提供了地物要素的变化发现方法、装置及存储介质。
根据本说明书实施例的第一方面，提供一种地物要素的变化发现方法，所述方法包括：
获取目标地理区域的新采集资料数据，所述新采集资料数据包括新轨迹数据和新图像数据；
将所述新轨迹数据与所述新图像数据进行关联，得到新轨迹图像关联数据；
获取所述目标地理区域的历史轨迹图像关联数据；
基于所述新轨迹图像关联数据和所述历史轨迹图像关联数据，确定所述目标地理区域是否存在发生变化的地物要素。
根据本说明书实施例的第二方面，提供一种地物要素的变化发现装置，所述装置包括：
新数据获取模块，用于：获取目标地理区域的新采集资料数据，所述新采集资料数据包括新轨迹数据和新图像数据；
关联模块，用于：将所述新轨迹数据与所述新图像数据进行关联，得到新轨迹图像关联数据；
历史数据获取模块，用于：获取所述目标地理区域的历史轨迹图像关联数据；
变化确定模块，用于：基于所述新轨迹图像关联数据和所述历史轨迹图像关联数据，确定所述目标地理区域是否存在发生变化的地物要素。
根据本说明书实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述任一方面所述的地物要素的变化发现方法的步骤。
根据本说明书实施例的第四方面，提供一种计算机设备，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，其中，所述处理器执行所述计算机程序时实现前述第一方面所述地物要素的变化发现方法实施例的步骤。
本说明书的实施例提供的技术方案可以包括以下有益效果：
本说明书实施例中，目标地理区域的新采集资料数据包括新轨迹数据和新图像数据，通过将新轨迹数据和新图像数据关联得到新轨迹图像关联数据；同理，获取目标地理区域的历史轨迹图像关联数据，基于此，可以基于新轨迹图像关联数据和历史轨迹图像关联数据的比对，确定目标地理区域是否存在发生变化的地物要素。由于本实施例能够发现地物要素的变化，本实施例无需对新采集资料数据进行全量处理，从而降低了高精地图的更新成本，也提升了高精地图的更新效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。
图1A是本说明书根据一示例性实施例示出的一种地物要素的变化发现方法的流程图。
图1B是本说明书根据一示例性实施例示出的一种路面框的示意图。
图2A是本说明书根据一示例性实施例示出的一种新采集资料数据的处理示意图。
图2B是本说明书根据一示例性实施例示出的一种客户端的示意图。
图2C是本说明书根据一示例性实施例示出的另一种新采集资料数据的处理示意图。
图3是本说明书根据一示例性实施例示出的一种地物要素的变化发现装置所在计算机设备的结构图。
图4是本说明书根据一示例性实施例示出的一种地物要素的变化发现装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
一些方案中，针对需要更新的场景，地图采集车采集新的资料数据，基于新的资料数据制作新的高精地图。如2021年6月已经对某5000km的高速路进行了一遍采集，2022年1月为了对该高速在这六个月内的变化进行更新，又在2022年1月安排采集车对该高速进行了一遍采集。针对第二次采集新的资料数据进行全量处理，但是经统计现实世界的变化率仅在5％左右，也就是说第二次采集实际仅有250km左右的变化段是需要地图数据作业变更的，而4750km的资料数据资源全部被浪费，很明显在更新场景，该方案因为冗余资料处理及重复作业造成了极大的资源成本浪费、效率相对低下、交付周期过长，随着更新采集频率的提升该痛点会越发明显。
基于此，本说明书实施例提供了一种地物要素的变化发现方法，其中，目标地理区域的新采集资料数据包括新轨迹数据和新图像数据，通过将新轨迹数据和新图像数据关联得到新轨迹图像关联数据；同理，获取目标地理区域的历史轨迹图像关联数据，基于此，可以基于新轨迹图像关联数据和历史轨迹图像关联数据的比对，确定目标地理区域是否存在发生变化的地物要素。由于本实施例能够发现地物要素的变化，本实施例无需对新采集资料数据进行全量处理，从而降低了高精地图的更新成本，也提升了高精地图的更新效率。接下来对本说明书实施例进行详细说明。
如图1A所示，图1A是本说明书根据一示例性实施例示出的一种地物要素的变化发现方法的流程图，包括以下步骤：
在步骤102中、获取目标地理区域的新采集资料数据。
其中，所述新采集资料数据包括新轨迹数据和新图像数据。
在步骤104中、将所述新轨迹数据与所述新图像数据进行关联，得到新轨迹图像关联数据。
在步骤106中、获取所述目标地理区域的历史轨迹图像关联数据。
在步骤108中、基于所述新轨迹图像关联数据和所述历史轨迹图像关联数据，确定所述目标地理区域是否存在发生变化的地物要素。
本实施例的采集设备可以是具有移动功能的设备，例如车辆等。作为一个示例，地图采集车是一种用于建立高精度地图的专业采集设备，通常配备有激光雷达、图像采集装置、定位模块、惯性测量单元(Inertial Measurement Unit，IMU)等数据采集装置。
例如，地图采集车在移动过程中，定位模块可以基于全球导航卫星***(GlobalNavigation Satellite System，GNSS)采集车辆的地理位置信息，即经度和维度。定位模块按照第一设定周期采集地理位置信息，每一次采集得到一个轨迹点，多次采集得到的轨迹点形成轨迹数据，轨迹点携带地理位置信息和时间信息。本实施例的新轨迹数据即由多个轨迹点构成的轨迹点序列。
同理，地图采集车在移动过程中，图像采集装置也按照第二设定周期采集图像，其多次采集得到的图像形成图像数据，每一帧图像可以携带时间信息，可选的，还可以携带图像采集装置内置的定位模块采集的地理位置信息，即图像的拍摄位置，还可以携带图像采集装置内置的IMU模块采集的姿态信息等等，本实施例对此不进行限定。其中，地图采集车的定位模块和图像采集装置是独立工作的，即两者设定的采集周期不同。
同理，地图采集车上的其他装置等也独立工作，如激光雷达独立采集点云形成点云数据，点云数据也携带时间信息、姿态信息或地理位置信息等等。
上述定位模块采集的轨迹数据、图像采集装置采集的图像数据和/或激光雷达采集的点云数据，即资料数据；可以理解，实际应用中根据地图采集车的配置以及实际采集需要，资料数据还可以包括其他类型的数据，本实施例对此不进行限定。
通过采集的资料数据，可以识别出如各类道路要素等现实中被地图采集车采集到的地物要素，其中，地物要素可以包括车道线、停止线、减速让行线、地面箭头、文字、导流线、指示杆、指示牌、交通灯、交通标志、龙门架、建筑物等等，实际应用中可以根据高精地图制作的需要而配置，本实施例对此不进行限定。示例性的，从资料数据中识别出地物要素后，可以提取各个地物要素的特征信息并构建高精地图，例如利用图像数据提取地物要素的图像特征，利用点云数据提取地物要素的点云特征，还可以融合图像数据和点云数据后提取特征等。
在对某个地理区域建立好高精地图后，建立地图所使用的资料数据作为历史资料数据存储在数据库中。为了便于区分，本实施例将历史采集的已制作高精地图的数据称为历史采集资料数据，将某个地理区域采集的待用于建立高精度地图的资料数据，称为目标地理区域的新采集资料数据，本领域技术人员清楚，实际应用中可以根据需要灵活配置目标地理区域的范围，本实施例对此不进行限定。
如前所述，新采集资料数据中包括多种类型的数据。本实施例中为了识别地物要素是否发生变化，是基于新采集资料数据中的新轨迹数据和新图像数据进行识别，其中，相对于点云数据，图像数据的数据量相对较少，且从图像数据能更加快速地提取出现实世界中地物要素的精确丰富的视觉特征。并且，本实施例是将所述新轨迹数据与所述新图像数据进行关联，结合后续的处理，能够准确地识别出目标地理区域中存在变化的地物要素。
其中，新轨迹数据与所述新图像数据进行关联，可以是基于新轨迹数据中轨迹点的时间信息和/或地理位置信息，以及新图像数据中图像的时间信息和/或拍摄位置进行关联。例如，将位置匹配的新图像和新轨迹点进行关联，或者时间匹配的新图像和新轨迹点进行关联，或者位置匹配且时间匹配的新图像和新轨迹点进行关联等等。以位置匹配为例，新图像和新轨迹点位置匹配可以有多种实现方式，例如可以是新图像的拍摄位置和新轨迹点的地理位置完全一致，也可以是两者的差异满足匹配条件等，例如，两者的差值小于预设差异阈值确定两者匹配，预设差异阈值可以根据实际需要配置。
其中，关联的实现方式可以是记录关联的新图像的标识和新轨迹点的标识的关联关系，或者，将关联的新图像和新轨迹点配置相同的标记等等，本领域技术人员清楚实际应用时可以根据需要实现，本实施例对此不进行限定。
在一些例子中，由于采集轨迹点的周期和采集图像的周期不相同等原因，新图像数据中一些新图像，在新轨迹数据中可以具有与其位置完全匹配的轨迹点，但也会出现新图像数据中一些新图像的拍摄位置，在新轨迹数据中并不存在与其拍摄位置完全匹配的轨迹点的情况。如前所述实施例中的，新图像的拍摄位置和新轨迹点的地理位置有一些差异，若差异较小，可以将两者关联。如此，此种情况下新轨迹图像关联数据存在一定的误差。
为了获取到准确度较高的新轨迹图像数据，本实施例中，将所述新轨迹数据与所述新图像数据进行关联，得到新轨迹图像关联数据，可以包括：
在所述新轨迹数据中增加新图像轨迹点，将所述新图像数据中的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据。
示例性的，可以根据新图像的地理位置信息在新轨迹数据中增加轨迹点，使得新图像数据中的新图像，在新轨迹数据中都有与其位置匹配的新图像轨迹点。基于此，新图像数据中每一新图像，新轨迹数据中都存在与其关联的轨迹点，从而可以获得到准确度较高的新轨迹图像关联数据，进行后续的变化识别时，也可以保证地物要素的变化发现的准确度。
在一些例子中，轨迹点的采集周期较短，即采集到的轨迹点的数量非常多，密度较大，为了提升数据处理效率，本实施例的方法进一步可以包括：对所述新轨迹数据中的轨迹点按照设定的规则进行抽稀，得到抽稀后的新轨迹数据。
所述在所述新轨迹数据中增加新图像轨迹点，将所述新图像数据中的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据，可以包括：在抽稀后的所述新轨迹数据中增加新图像轨迹点，将所述新图像数据中的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据。
其中，抽稀的规则可以有多种实现方式，例如可以包括每隔N米为M个轨迹点的规则，N和M可以任意设定，本领域技术人员清楚具体的抽稀规则在实际应用中可以灵活实现，本实施例对此不仅限定。
实际应用中，可以是先进行抽稀，之后在抽稀后的新轨迹数据中增加新图像轨迹点，将所述新图像数据中的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据。通过上述方式，一方面对密度较高的新轨迹数据进行抽稀，从而提升了数据处理效率，之后再在其中增加图像轨迹点，使得新图像数据中每一新图像，都存在新轨迹数据中存在与其关联的轨迹点。
实际应用中，增加新图像轨迹点可以有多种方式。在一些例子中，所述在抽稀后的所述新轨迹数据中增加图像轨迹点，将所述新图像数据中的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据，可以包括：
将所述新图像数据包括的新图像的拍摄位置，增加到抽稀后的所述新轨迹数据中作为所述新图像对应的新图像轨迹点；
将所述新图像与其对应的新图像轨迹点进行关联，得到新轨迹图像关联数据。
本实施例中，可以利用新图像的拍摄位置在抽稀后的所述新轨迹数据中增加新图像轨迹点，之后再将新图像与其对应的新图像轨迹点进行关联，得到新轨迹图像关联数据；如此，新图像与新图像轨迹点的位置完全匹配，获得的新轨迹图像关联数据精确度非常高，能够保证后续准确地确定地物要素是否发生变化。
在另一些例子中，所述在抽稀后的所述新轨迹数据中增加新图像轨迹点，将所述新图像数据中的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据，可以包括：
根据抽稀后的所述新轨迹数据包括的新轨迹点，进行插值处理，得到新图像轨迹点的位置；
将所述新图像数据包括的新图像的拍摄位置与所述新图像轨迹点的位置进行匹配，将位置匹配的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据。
本实施例是在抽稀后的所述新轨迹数据进行插值处理，插值规则可以根据需要灵活配置，例如可以根据新图像的采集周期确定插值方式，使得插值后的新轨迹数据中的新轨迹点尽可能地匹配上新图像；通过插值处理得到的图像轨迹点后，可以将所述新图像数据包括的新图像的拍摄位置与所述新图像轨迹点的位置进行匹配，将位置匹配的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据。
其中，新图像的拍摄位置与图像轨迹点的位置的匹配可以有多种实现方式，可以是两个位置相同，也可以是两个位置的差异满足匹配条件等，例如，两者的差值小于预设差异阈值确定两者匹配。基于此，本实施例可以提升数据处理效率，也可以获得精确度较高的新轨迹图像关联数据，能够保证后续准确地确定地物要素是否发生变化。
同理，历史轨迹图像关联数据也可以采用相同的方式获取到。目标地理区域包括历史采集资料数据，该历史采集资料数据已用于建立高精地图，历史采集资料数据也包括历史轨迹数据和历史图像数据，以及其他类型的历史数据。通过对历史轨迹数据和历史图像数据进行关联，得到历史轨迹图像关联数据。
在一些例子中，考虑到地图采集车通常沿道路行驶较长距离，得到的目标地理区域的新采集资料数据的数据量较大，覆盖较大的地理范围。基于此，本实施例中，所述方法还可以包括：对所述目标地理区域的新采集资料数据进行分段处理，得到分段存储的新采集资料数据。
示例性的，所述分段处理可以有多种实现方式，例如，可以是固定长度的分段规则，例如，每段覆盖S米的距离，S可以根据需要配置，例如200米、300米、500米或1000米等数值；或者，各段数据覆盖的地理范围也可以不同，可以根据实际业务需要进行配置，本实施例对此不进行限制。通过分段处理可以提升数据处理效率。
在另一些例子中，所述对目标地理区域的新采集资料数据进行分段处理，得到分段存储的新采集资料数据，包括：
获取预先制作的路面框，所述路面框表征道路的三维空间信息，所述路面框是基于已生成的高精地图的道路数据制作的，所述已生成的高精地图与所述历史轨迹图像关联数据有关；
利用所述路面框确定所述新采集资料数据中新轨迹数据所属的道路；
根据所述新轨迹数据所属的道路对目标地理区域的新采集资料数据进行分段，得到分段存储的新采集资料数据。
实际应用中，一些道路的位置较为接近，例如主路和辅路中，辅路靠近主路。基于此，需要准确地确定地图采集车采集轨迹数据时车辆所处的道路，从而后续才可准确地匹配新轨迹数据与历史轨迹数据。
实际应用中，已建立的高精地图中包括精确的道路数据，能用于对各条道路精确的三维表征进行描述，包括有道路的几何结构信息、道路的各个车道的(地理位置、坡度、曲率、航向、高程等)数据属性信息、道路标示线的形状信息以及道路隔离带等信息。基于此，可以利用已生成的高精地图中的道路数据预先生成各条道路对应的路面框，所述路面框表征对应道路的三维空间信息，示例性的，路面框可以是根据道路表面建立的、携带道路的经度信息、维度信息和高程信息的立体，其具体的形状根据实际道路的几何形状而确定，路面框的生成方式可以参考相关技术，本实施例对此不进行限定。图1B示出了道路A(即图中灰度色块表示的包括三个车道的道路)和道路B两条道路，以及两条道路分别对应的路面框。
示例性的，新采集的新轨迹数据中各个轨迹点携带三维空间信息，可以根据各个轨迹点的三维空间信息与路面框的相对位置关系，确定各个轨迹点所属的道路。同理，历史轨迹数据中各个历史轨迹点，也可以根据历史轨迹点的三维空间位置信息与路面框的相对位置关系，确定各个历史轨迹点所属的道路。因此，利用所述路面框确定所述新采集资料数据中新轨迹数据所属的道路，根据所述新轨迹数据所属的道路对目标地理区域的新采集资料数据进行分段，得到分段存储的新采集资料数据。基于此，针对新采集的新轨迹数据中的一段轨迹数据，可以精确地查找到与其匹配的历史轨迹数据。例如，一段数据即对应实际道路的一段路段，可以分段进行后续的变化发现，例如可以对多段路线并行执行后续步骤等；并且，由于分段处理划分了较小粒度，也便于确定哪一段数据中哪个位置出现地物要素的变化，便于后续对已建立高精地图进行小粒度的更新处理，从而提升地图的更新效率。
对所述目标地理区域的新采集资料数据进行分段处理得到分段存储的新采集资料数据，可选的，可以得到分段的新轨迹图像关联数据。同理，历史采集资料数据也通过分段处理得到分段存储的历史采集资料数据，也可以得到分段的新轨迹图像关联数据。基于此，在确定所述目标地理区域是否存在发生变化的地物要素时，可以是分段执行。例如，针对一段新采集资料数据，得到对应的一段新轨迹图像关联数据，从历史采集资料数据中获取与其匹配的一段历史轨迹图像关联数据，匹配的过程，可以是比对新轨迹数据中轨迹点的位置以及历史轨迹数据中历史轨迹点的位置。
在一些例子中，基于所述新轨迹图像关联数据和所述历史轨迹图像关联数据，确定所述目标地理区域是否存在发生变化的地物要素，包括：
从所述新轨迹图像关联数据与所述历史轨迹图像关联数据中获取位置匹配的新图像轨迹点和历史图像轨迹点，将所述新图像轨迹点关联的新图像和历史图像轨迹点关联的历史图像进行比对，根据比对结果确定所述新图像轨迹点的位置是否存在发生变化的地物要素。
例如，将新轨迹图像关联数据中各个新图像轨迹点，与历史轨迹图像关联数据中各个历史图像轨迹点进行匹配位置，对于位置匹配的一对新图像轨迹点和历史图像轨迹点，将所述新图像轨迹点关联的新图像和历史图像轨迹点关联的历史图像进行比对，根据比对结果确定所述新图像轨迹点的位置是否存在发生变化的地物要素。
在一些例子中，可以利用图像匹配算法计算新图像与历史图像之间是否有差异，以及确定差异的图像内容等。考虑到实际应用中，现实世界中发生变化的地物要素可能较少较小，图像匹配算法可能难以达到较高的精确度，为了提升识别准确度，在另一些例子中，还可以将新图像与历史图像发送给客户端，以供所述客户端展示新图像与历史图像后，获取所述客户端的用户输入的变化状态。
作为例子，可以将前述实施例分段处理得到一段新采集数据中的新轨迹图像关联数据，以及对应的一段历史轨迹图像关联数据作为一次任务，由人工审核图像与历史子数据中的历史图像是否发生变化；本实施例通过分段处理，各段数据可以作为各次审核任务发送给客户端，可以由多个用户同时进行多段数据的审核，从而提升数据处理效率。
作为一个示例，客户端中展示有用于供用户进行输入操作的输入对象，例如，客户端展示有可供用户触发有变化的输入控件，响应于该输入控件被用户触发，获取用户输入的表征地物要素是否发生变化的变化状态。可选的，输入控件可以是用于供用户输入有变化的控件，即有变化的情况下用户才需要触发该输入控件，从而可以减少用户的输入操作。
根据地物要素是否发生变化，可以执行不同的处理；例如，所述方法还包括：若确定所述新图像轨迹点的位置存在发生变化的地物要素，确定所述新图像轨迹点的位置需要更新高精度地图；若确定所述新图像轨迹点的位置未存在发生变化的地物要素，存储所述新图像轨迹点及其关联的新图像。
本实施例中，对于存在发生变化的地物要素，该位置需要更新高精度地图，可以利用该位置采集到的资料数据，进行局部的高精地图的建立，实现对已有高精地图的局部更新。示例性的，可以对该图像轨迹点进行标识，该标识指示该图像轨迹点的位置存在发生变化的地物要素，后续可以获取所有带有该标识的图像轨迹点后再进行高精地图的更新。
对于新图像轨迹点的位置未存在发生变化的地物要素，则可存储所述新图像轨迹点及其关联的新图像，还将该位置对应的如点云数据等其他资料数据也存储至数据库，无需对该位置进行高精地图的更新，从而降低了处理成本，提升高精地图的更新效率。
实际应用中，还可能存在目标地理区域中有部分位置历史未采集到数据的情况，而地图采集车新采集的数据覆盖该位置。基于此，在一些例子中，所述方法还可包括：针对所述新轨迹图像关联数据中包括的新图像轨迹点，在所述历史轨迹图像关联数据中查找是否有位置匹配的历史图像轨迹点。
示例性的，可以将新轨迹图像关联数据中包括的图像轨迹点的位置，从历史轨迹图像关联数据中查找是否有与其位置匹配的历史轨迹点，若未有，说明该位置并未有历史资料数据，也未建立过高精地图，因此可以确定所述新图像轨迹点的位置需要建立高精度地图。示例性的，可以对该图像轨迹点进行标识，该标识指示该位置需要建立高精度地图，后续可以获取所有带有该标识的图像轨迹点后再进行高精地图的建立。因此，可以对局部进行高精地图的建立，无需对新采集资料数据进行全量处理，降低了处理成本，提升高精地图的更新效率。
实际应用中，高精地图的建立过程可能需要持续一定时间，例如，建立高精度地图前需要执行多种处理，例如图像数据和点云数据投影，从点云和/或图像数据中生成地物要素的特征信息并存储等，而生成特征信息的过程通常需要持续一定的时间。基于此，在另一些例子中，所述历史采集资料数据包括与所述历史图像数据对应的历史点云数据，所述方法还包括：获取历史特征数据，所述历史特征数据包括：利用所述历史轨迹图像关联数据中历史图像轨迹点对应的历史图像数据和/或所述历史点云数据生成的历史特征信息；针对所述新轨迹图像关联数据中包括的新图像轨迹点，从所述历史特征数据中查找是否有位置匹配的历史特征信息。
示例性的，可以通过采集历史图像的时间戳和采集点云的时间戳，确定历史点云数据与历史图像数据的对应关系。由于历史轨迹图像关联数据中历史轨迹点与历史图像关联，而历史图像与历史点云关联，因此，历史轨迹点对应有历史图像数据和/或所述历史点云数据生成的历史特征信息。因此，本实施例可以针对所述新轨迹图像关联数据中包括的新图像轨迹点，从所述历史特征数据中查找是否有位置匹配的历史特征信息。根据不同查找结果可以进行不同的处理。例如，若存在与新图像轨迹点对应的历史轨迹点、但未查找到历史特征信息，可以确定在该位置还未完成历史特征信息的生成，可能处于生成的过程中。可以结合该地理位置的地物要素是否发生变化确定对应的处理流程，例如，若有变化可以是待该位置的历史特征信息生成后，根据所述历史特征信息和该位置对应的新采集资料建立高精度地图；或者还可以是中断已有的特征信息生成过程，基于新采集资料数据建立该地理位置对应的高精度地图，若未有变化，可以存储新采集资料数据，不影响已有流程等等。
接下来通过另一实施例进行说明。如图2A所示，是本说明书根据一示例性实施例示出的一种对新采集资料数据的处理示意图，本实施例中，从采集设备采集资料回传后，可以经过如图2A中所示的数据标准化、变化状态的识别、数据分类聚合和数据分类处理四个步骤。本实施例方案可以对原始数据进行识别和分类聚合，不同的更新处理流程对应不同的变化状态，特别是识别出的地物要素无变化的数据，不会进行后续的全流程处理和人工作业，极大地提高了高精度地图生产效率和降低生产成本。
作为例子，在数据标准化处理的过程中，可以根据采集车回传的数据进行数据标准化处理，为后续流程提供标准化数据输入。标准化处理可以参考高精度地图制作过程中的数据标准化处理，包括但不限于轨迹点的可靠性评价、轨迹切分、点云上传等待、点云解算、图像解算、图像格式转换、抽稀或插值等。
作为例子，可以对新采集资料数据进行分段处理，例如，根据新轨迹数据中轨迹点的位置，对新轨迹数据中多个轨迹点进行切分，从而获得细粒度的数据。其中，点云解算、图像解算与格式转换的处理能够输出标准化格式点云、轨迹点和图像。抽稀的处理可以是在新轨迹数据划分出多段之前或之后，例如，可以按照设定规则，例如每隔N米从新轨迹数据中抽取出一个或多个轨迹点，具体的N以及提取多少轨迹点可以根据业务需要灵活确定。例如，500米作为一段路段，该路段每隔100米抽取出一个轨迹点等等。
其中，本实施例对新轨迹数据和新图像数据进行关联，得到新轨迹图像关联数据，关联的过程可以参考前述实施例。关联后，新轨迹图像关联数据中每个图像轨迹点对应有采集车在该位置采集的一张或多张图像，图像的数量基于采集车上搭载的摄像设备的数量而确定。作为例子，采集车搭载有4个摄像设备，分别对应以车头朝向为例，4个摄像设备分别对应4个不同方向，例如前后左右4个方向等，从而一个轨迹点可以对应有4张图像，每段新采集资料数据即包括抽稀后的新轨迹数据中多个新图像轨迹点，以及与每个新图像轨迹点对应的一张或多张图像。
通过上述处理后，可以进行差分识别。本实施例中，可以基于每段新采集资料数据以及与其位置匹配的历史采集资料数据，确定该段新采集资料数据相对于历史采集资料数据的变化状态。在一些例子中，变化状态的类型可以有多种。示例性的，一些地理范围未建立高精度地图，新采集资料数据覆盖了未建立高精度地图的地理范围，因此变化状态可以包括是否建立有高精度地图。在另一些例子中，变化状态还可以包括新采集资料数据中地物要素相是否发生变化等。在其他例子中，新采集资料数据对应的地理范围已建立有高精度地图，但可能存在如下情况：建立高精度地图前需要提取地物要素的特征信息，数据库中存储有基于历史数据提取的地物要素的特征信息，但暂未利用该特征信息建立新的高精度地图。因此，变化状态可以包括是否提取有地物要素的特征信息。实际应用中可以根据业务需要设置多种变化状态，本实施例对此不进行限定。对于不同的变化状态，可以配置不同的更新处理流程，使得新采集的数据可以根据不同变化状态的第一数据执行不同的更新处理，从而提升更新效率。
基于此，变化状态的识别，可以分为三类识别：
有无变化的识别，即基于所述新轨迹图像关联数据和所述历史轨迹图像关联数据，确定所述目标地理区域是否存在发生变化的地物要素。例如，从所述新轨迹图像关联数据与所述历史轨迹图像关联数据中获取位置匹配的新图像轨迹点和历史图像轨迹点，将所述新图像轨迹点关联的新图像和历史图像轨迹点关联的历史图像进行比对，根据比对结果确定所述新图像轨迹点的位置是否存在发生变化的地物要素。
有无历史的识别，即确定新采集资料数据的位置，是否有历史采集资料数据。例如，对于新轨迹图像关联数据中包括的新图像轨迹点，在所述历史轨迹图像关联数据中查找是否有位置匹配的历史图像轨迹点。
有无底图的识别，即确定新采集资料数据的位置，历史采集资料数据中是否有对应的历史特征。
在一些例子中，上述三个识别的过程可以采用三个独立的服务实现，每段新采集资料均可以作为三个服务的输入，分别调用三个服务进行识别，各个服务可以根据每个所述确定步骤确定的该段新采集资料数据的变化状态，对每段新采集资料数据配置指示变化状态的标识。
在其他例子中，上述识别步骤可以是有先后执行顺序，实际应用中可以根据需要进行配置，本实施例对此不进行限定。例如，可以先执行有无历史的识别，若未有位置匹配的历史图像轨迹点，可以确定该位置是新采集的地理位置，该地理位置未建立有高精度地图，因此也可以同时确定该位置未有对应的历史图像和历史特征信息。
作为例子，有无底图的识别和有无历史的识别可以自动处理；有无变化的识别可以是自动识别，还可以生成审核任务，配合人工完成。作为例子，一个用户做整个工程的任务效率和质量低下，本实施例进行了分段处理，将数据量较大的新采集资料数据进行小粒度切分，可以针对每段数据生成一份审核任务，并提供给客户端进行展示，客户端的作业人员可通过客户端进行作业，并上传作业结果，即通过客户端输入变化状态信息。例如，如图2B所示，是本说明书根据一示例性实施例示出的一种客户端的示意图，其中示出一段新采集资料数据，以及与其位置匹配的一段历史采集数据，作业人员通过查阅新图像和历史图像，从而确定是否存在发生变化的地物要素，作业人员可以通过客户端上传确定结果，例如在确定存在发生变化的地物要素的情况下添加标记。
在一些例子中，客户端还可以包括供用户输入其他信息的功能，例如，用户可以对于发生变化的地物要素，输入该发生变化的地物要素的信息，例如，地物要素的类别信息等。作为例子，客户端可以实现输入发生变化的地物要素信息的输入控件，使得用户可以利用该输入控件执行输入操作。例如，输入控件可以是图形框控件，例如矩形框控件等，用户可以在新图像中划定一图形框，该图形框在图像中的位置即表示了发生变化的地物要素在新图像中的像素位置，客户端可以通过该图形框控件获取到图形框在图像中的像素位置信息。或者，输入控件还可以是类别选择控件或文字编辑控件等，用于供用户输入发生变化的地物要素的类别信息，例如如前所述，地物要素包括很多类别，如车道线、指示牌等等多种类别。
根据前述的有无变化的识别，可以获取到各段新采集资料数据的变化状态。接着可以执行数据分类聚合，不同的更新处理流程对应不同的变化状态，每种更新处理流程可以对应多种变化状态。
作为一个例子，可选的，每一种变化状态对应有处理流程，实际应用中可以根据需要确定各种变化状态及其对应的更新处理流程。
示例性的，所述变化状态包括所述历史轨迹数据中未有与所述新轨迹图像关联数据中新图像轨迹点对应的历史轨迹点，所述更新处理流程包括利用所述新图像轨迹点对应的新采集资料数据建立高精度地图。
作为例子，实际应用中建立有数据库用于存储已建立高精度地图的历史数据，例如存储历史轨迹点、历史图像或历史点云或历史特征信息等。本实施例中，历史轨迹点携带有地理位置，可以查找历史采集资料数据中是否有与所述第一数据的地理位置对应的历史轨迹点。若变化状态是没有历史轨迹点，可以确定新图像轨迹点所在位置未建立高精度地图，基于此，对应的更新处理流程可以是基于新采集资料数据建立该地理位置对应的高精地图。若变化状态是有历史轨迹点，表示该地理位置有采集到数据，可以结合历史图像和历史特征信息的查找结果等进一步确定后续的更新流程。
示例性的，若识别出一段新采集资料数据的地理位置是新采集的位置，历史采集资料数据中未有对应的历史图像轨迹点和历史图像，因此，对应的更新处理流程可以是基于新采集资料数据建立该地理位置对应的高精度地图。
示例性的，若一段新采集资料数据中，新轨迹图像关联数据对应位置匹配的历史轨迹图像关联数据，即相同位置具有新采集图像和历史图像，可以通过新采集图像和历史图像确定新图像相对于历史图像的变化状态，即确定是否存在发生变化的地物要素。例如，所述变化状态可以包括新采集图像相对于历史图像未有变化，则所述更新处理流程包括存储该位置的新采集资料数据。和/或，所述变化状态可以包括存在发生变化的地物要素，所述更新流程包括基于该位置的新采集资料数据更新高精度地图。
示例性的，所述变化状态包括新采集资料数据中，新轨迹数据的轨迹点与历史轨迹点的位置相匹配，但在该位置未有历史特征信息，所述更新处理流程包括待该位置的历史特征信息被建立后，根据所述历史特征信息和该位置对应的新采集资料建立高精度地图；还可以是中断已有的特征信息生成过程，基于新采集资料数据建立该地理位置对应的高精度地图。本实施例中，新采集资料数据中，新轨迹点的地理位置，在历史采集资料数据中有历史轨迹点与其位置相匹配、但未有对应的历史特征信息，此种情况的存在是由于建立高精度地图前需要执行多种处理，例如图像数据和点云数据投影，从点云和/或图像数据中生成地物要素的特征信息并存储等，而生成特征信息的过程通常需要持续一定的时间，而未有历史特征信息也表示了高精度地图暂未建立，基于此，采用上述更新处理流程可以降低处理成本，提升高精地图的更新效率。
如图2C所示，是本说明书根据一示例性实施例示出的另一种新采集子数据处理的示意图，图中原始资料即新采集资料数据，有变化资料即地物要素发生变化的位置对应的新采集资料，无变化资料即地物要素发生变化的位置对应的新采集资料。有变化的情况，可以执行对应的处理流程，例如图中所示的上云、资料切分、资料对齐、资料识别和人工作业等建立高精度地图的流程。无变化情况，可以进行仅入库更新采集时间的处理，无需执行其他流程，极大提高了高精地图资料处理及数据生产的效率，降低了生产成本、缩短交付周期。
与前述地物要素的变化发现方法的实施例相对应，本说明书还提供了地物要素的变化发现装置及其所应用的计算机设备的实施例。
本说明书的地物要素的变化发现装置的实施例可以应用在计算机设备上，例如服务器或终端设备等。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图3所示，为本说明书地物要素的变化发现装置所在计算机设备的一种硬件结构图，除了图3所示的处理器310、内存330、网络接口320、以及非易失性存储器340之外，实施例中地物要素的变化发现装置331所在的计算机设备，通常根据该计算机设备的实际功能，还可以包括其他硬件，对此不再赘述。
如图4所示，图4是本说明书根据一示例性实施例示出的一种地物要素的变化发现装置的框图，所述装置包括：
新数据获取模块41，用于：获取目标地理区域的新采集资料数据，所述新采集资料数据包括新轨迹数据和新图像数据；
关联模块42，用于：将所述新轨迹数据与所述新图像数据进行关联，得到新轨迹图像关联数据；
历史数据获取模块43，用于：获取所述目标地理区域的历史轨迹图像关联数据；
变化确定模块44，用于：基于所述新轨迹图像关联数据和所述历史轨迹图像关联数据，确定所述目标地理区域是否存在发生变化的地物要素。
在一些例子中，所述关联模块，还用于：
在所述新轨迹数据中增加新图像轨迹点，将所述新图像数据中的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据。
在一些例子中，所述装置还包括抽稀模块，用于：
对所述新轨迹数据中的轨迹点按照设定的规则进行抽稀，得到抽稀后的新轨迹数据；
所述关联模块，还用于：
在抽稀后的所述新轨迹数据中增加新图像轨迹点，将所述新图像数据中的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据。
在一些例子中，所述关联模块，还用于：
将所述新图像数据包括的新图像的拍摄位置，增加到抽稀后的所述新轨迹数据中作为所述新图像对应的新图像轨迹点；
将所述新图像与其对应的新图像轨迹点进行关联，得到新轨迹图像关联数据。
在一些例子中，所述关联模块，还用于：
根据抽稀后的所述新轨迹数据包括的新轨迹点，进行插值处理，得到新图像轨迹点的位置；
将所述新图像数据包括的新图像的拍摄位置与所述新图像轨迹点的位置进行匹配，将位置匹配的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据。
在一些例子中，所述装置还包括分段处理模块，用于：
对目标地理区域的新采集资料数据进行分段处理，得到分段存储的新采集资料数据。
在一些例子中，所述分段处理模块，还用于：
获取预先制作的路面框，所述路面框表征道路的三维空间信息，所述路面框是基于已生成的高精地图的道路数据制作的，所述已生成的高精地图与所述历史轨迹图像关联数据有关；
利用所述路面框确定所述新采集资料数据中新轨迹数据所属的道路；
根据所述新轨迹数据所属的道路对目标地理区域的新采集资料数据进行分段，得到分段存储的新采集资料数据。
在一些例子中，所述变化确定模块，还用于：
从所述新轨迹图像关联数据与所述历史轨迹图像关联数据中获取位置匹配的新图像轨迹点和历史图像轨迹点；
将所述新图像轨迹点关联的新图像和历史图像轨迹点关联的历史图像进行比对；
根据比对结果确定所述新图像轨迹点的位置是否存在发生变化的地物要素。
在一些例子中，所述变化确定模块，还用于：
若确定所述新图像轨迹点的位置存在发生变化的地物要素，确定所述新图像轨迹点的位置需要更新高精度地图；
若确定所述新图像轨迹点的位置未存在发生变化的地物要素，存储所述新图像轨迹点及其关联的新图像。
在一些例子中，所述装置还包括查找模块，用于：
针对所述新轨迹图像关联数据中包括的新图像轨迹点，在所述历史轨迹图像关联数据中查找是否有位置匹配的历史图像轨迹点；和/或，
所述查找模块，还用于：
获取历史特征数据，所述历史特征数据包括的历史特征信息，是利用所述历史轨迹图像关联数据中历史图像轨迹点对应的历史图像数据，和/或与所述历史图像数据对应的所述历史点云数据生成的；
针对所述新轨迹图像关联数据中包括的新图像轨迹点，从所述历史特征数据中查找是否有位置匹配的历史特征信息。
上述地物要素的变化发现装置中各个模块的功能和作用的实现过程具体详见上述地物要素的变化发现方法中对应步骤的实现过程，在此不再赘述。
相应的，本说明书实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现前述地物要素的变化发现方法实施例的步骤。
相应的，本说明书实施例还提供了一种计算机设备，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，其中，所述处理器执行所述程序时实现地物要素的变化发现方法实施例的步骤。
相应的，本说明书实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现地物要素的变化发现方法实施例的步骤。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
所述地物要素的变化发现方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，所述电子设备的硬件包括但不限于微处理器、专用集成电路(Application Specific IntegratedCircuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能式穿戴式设备等。
所述电子设备还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
上述实施例的具体实施过程可以参考前述实施例的描述，在此不进行赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该申请的保护范围内。
其中，“具体示例”、或“一些示例”等的描述意指结合所述实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是，本说明书并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。

Claims (11)

1.一种地物要素的变化发现方法，包括：
获取目标地理区域的新采集资料数据，所述新采集资料数据包括新轨迹数据和新图像数据；
将所述新轨迹数据与所述新图像数据进行关联，得到新轨迹图像关联数据；
获取所述目标地理区域的历史轨迹图像关联数据；
基于所述新轨迹图像关联数据和所述历史轨迹图像关联数据，确定所述目标地理区域是否存在发生变化的地物要素。
2.根据权利要求1所述的方法，其中，所述将所述新轨迹数据与所述新图像数据进行关联，得到新轨迹图像关联数据，包括：
在所述新轨迹数据中增加新图像轨迹点，将所述新图像数据中的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据。
3.根据权利要求2所述的方法，其中，所述方法进一步包括：
对所述新轨迹数据中的轨迹点按照设定的规则进行抽稀，得到抽稀后的新轨迹数据；
所述在所述新轨迹数据中增加新图像轨迹点，将所述新图像数据中的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据，包括：
在抽稀后的所述新轨迹数据中增加新图像轨迹点，将所述新图像数据中的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据。
4.根据权利要求3所述的方法，其中，所述在抽稀后的所述新轨迹数据中增加新图像轨迹点，将所述新图像数据中的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据，包括：
将所述新图像数据包括的新图像的拍摄位置，增加到抽稀后的所述新轨迹数据中作为所述新图像对应的新图像轨迹点；
将所述新图像与其对应的新图像轨迹点进行关联，得到新轨迹图像关联数据。
5.根据权利要求3所述的方法，其中，所述在抽稀后的所述新轨迹数据中增加新图像轨迹点，将所述新图像数据中的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据，包括：
根据抽稀后的所述新轨迹数据包括的新轨迹点，进行插值处理，得到新图像轨迹点的位置；
将所述新图像数据包括的新图像的拍摄位置与所述新图像轨迹点的位置进行匹配，将位置匹配的新图像与所述新图像轨迹点进行关联，得到新轨迹图像关联数据。
6.根据权利要求1至5中任意一项权利要求所述的方法，其中，所述方法进一步包括：
对所述目标地理区域的新采集资料数据进行分段处理，得到分段存储的新采集资料数据。
7.根据权利要求6所述的方法，其中，所述对所述目标地理区域的新采集资料数据进行分段处理，得到分段存储的新采集资料数据，包括：
获取预先制作的路面框，所述路面框表征道路的三维空间信息，所述路面框是基于已生成的高精地图的道路数据制作的，所述已生成的高精地图与所述历史轨迹图像关联数据有关；
利用所述路面框确定所述新采集资料数据中新轨迹数据所属的道路；
根据所述新轨迹数据所属的道路对目标地理区域的新采集资料数据进行分段，得到分段存储的新采集资料数据。
8.根据权利要求1至5中任意一项权利要求所述的方法，其中，所述基于所述新轨迹图像关联数据和所述历史轨迹图像关联数据，确定所述目标地理区域是否存在发生变化的地物要素，包括：
从所述新轨迹图像关联数据与所述历史轨迹图像关联数据中获取位置匹配的新图像轨迹点和历史图像轨迹点；
将所述新图像轨迹点关联的新图像和历史图像轨迹点关联的历史图像进行比对；
根据比对结果确定所述新图像轨迹点的位置是否存在发生变化的地物要素。
9.根据权利要求1所述的方法，所述方法还包括：
针对所述新轨迹图像关联数据中包括的新图像轨迹点，在所述历史轨迹图像关联数据中查找是否有位置匹配的历史图像轨迹点；和/或，
所述方法还包括：
获取历史特征数据，所述历史特征数据包括的历史特征信息，是利用所述历史轨迹图像关联数据中历史图像轨迹点对应的历史图像数据，和/或与所述历史图像数据对应的所述历史点云数据生成的；
针对所述新轨迹图像关联数据中包括的新图像轨迹点，从所述历史特征数据中查找是否有位置匹配的历史特征信息。
10.一种地物要素的变化发现装置，所述装置包括：
新数据获取模块，用于：获取目标地理区域的新采集资料数据，所述新采集资料数据包括新轨迹数据和新图像数据；
关联模块，用于：将所述新轨迹数据与所述新图像数据进行关联，得到新轨迹图像关联数据；
历史数据获取模块，用于：获取所述目标地理区域的历史轨迹图像关联数据；
变化确定模块，用于：基于所述新轨迹图像关联数据和所述历史轨迹图像关联数据，确定所述目标地理区域是否存在发生变化的地物要素。
11.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至9中任意一项权利要求所述方法的步骤。
CN202210999869.6A 2022-08-19 2022-08-19 地物要素的变化发现方法、装置及存储介质 Pending CN115344655A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210999869.6A CN115344655A (zh) 2022-08-19 2022-08-19 地物要素的变化发现方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210999869.6A CN115344655A (zh) 2022-08-19 2022-08-19 地物要素的变化发现方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN115344655A true CN115344655A (zh) 2022-11-15

Family

ID=83954155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210999869.6A Pending CN115344655A (zh) 2022-08-19 2022-08-19 地物要素的变化发现方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN115344655A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115937673A (zh) * 2022-11-24 2023-04-07 中国测绘科学研究院 一种基于移动终端照片的地理要素快速变化发现方法
CN116821270A (zh) * 2023-08-24 2023-09-29 腾讯科技（深圳）有限公司 地图生成方法、装置、设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115937673A (zh) * 2022-11-24 2023-04-07 中国测绘科学研究院 一种基于移动终端照片的地理要素快速变化发现方法
CN115937673B (zh) * 2022-11-24 2024-04-26 中国测绘科学研究院 一种基于移动终端照片的地理要素快速变化发现方法
CN116821270A (zh) * 2023-08-24 2023-09-29 腾讯科技（深圳）有限公司 地图生成方法、装置、设备及存储介质
CN116821270B (zh) * 2023-08-24 2023-11-21 腾讯科技（深圳）有限公司 地图生成方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
KR102273559B1 (ko) 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체
CN112069856B (zh) 地图生成方法、驾驶控制方法、装置、电子设备及***
US10670416B2 (en) Traffic sign feature creation for high definition maps used for navigating autonomous vehicles
US20200393265A1 (en) Lane line determination for high definition maps
US8359156B2 (en) Map generation system and map generation method by using GPS tracks
CN102208013B (zh) 风景匹配参考数据生成***和位置测量***
CN108230379A (zh) 用于融合点云数据的方法和装置
CN107690840B (zh) 无人机视觉辅助导航方法及***
CN115344655A (zh) 地物要素的变化发现方法、装置及存储介质
CN113034566B (zh) 高精度地图构建方法、装置、电子设备及存储介质
EP3667236B1 (en) A method of determining position data
WO2021003487A1 (en) Training data generation for dynamic objects using high definition map data
CN114509065B (zh) 地图构建方法、***、车辆终端、服务器端及存储介质
JP2008065087A (ja) 静止物地図生成装置
CN112432650B (zh) 高精地图数据的获取方法、车辆控制方法以及设备
US20240077331A1 (en) Method of predicting road attributers, data processing system and computer executable code
CN111854766B (zh) 一种道路信息确定方法、装置、电子设备及存储介质
JP2022039188A (ja) 位置姿勢算出方法および位置姿勢算出プログラム
CN113838129B (zh) 一种获得位姿信息的方法、装置以及***
CN113392170A (zh) 一种高精度地图数据的生成方法、装置及服务器
CN113227713A (zh) 生成用于定位的环境模型的方法和***
KR102384429B1 (ko) 도로지도 구축을 위한 도로 혼잡 위치 판별 및 재조사 경로 생성 방법
WO2022021209A1 (zh) 电子地图生成方法、装置、计算机设备和存储介质
Lee et al. Semi-automatic framework for traffic landmark annotation
EP4343576A1 (en) Method, apparatus, and computer program product for map data conflation

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