CN116166761A - 一种基于新增道路场景的高精地图全要素更新方法及装置 - Google Patents

Abstract

本发明涉及一种基于新增道路场景的高精地图全要素更新方法及装置，其方法包括：获取新增道路场景的差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息，以及点云数据，并根据其确定轨迹线上新增道路的区间位置信息；基于要素分类、第一预设分辨率和所述区间位置信息，对所述点云进行裁剪和旋转，并将旋转后的点云进行投影，并结合深度学习模型，确保投影图像覆盖全部宽度方向；将拓宽后的投影图像进行分割，得到每个要素的二维轮廓和像素坐标，然后对其进行反算并根据反算结果对每个要素进行矢量化。本发明根据先验的差异2D信息，对新增道路进行自动化要素提取，极大地提高了更新效率。

Description

一种基于新增道路场景的高精地图全要素更新方法及装置

技术领域

本发明属于高精度地图制作技术领域，具体涉及一种基于新增道路场景的高精地图全要素更新方法及装置。

背景技术

在当前自动驾驶技术迅猛发展的大背景下，自动驾驶高精地图应运而生，其在ADAS的安全性上扮演者不可或缺的角色，无论是在车端定位、决策还是在实景仿真验证上，均发挥着重要的作用。但高精地图能够发挥最大价值的前提是具有足够强的时效性，这对地图更新的频率提出了较高的要求。实际上，无论哪家图商，若想让自己的地图产品更具有竞争力，除了让产品满足客户需求这个关键因素以外，商业化落地的另一核心因素是保质保量的降本增效，这就需要尽最大限度的实现地图自动化制作和更新。局部单要素地图更新相较于全要素高精地图底图制作而言，具有碎片化、要素相对单一、数据量小等特点，针对以上特性，为满足地图更新的高时效性的要求，需要制定一套不同于地图全要素制作的自动化地图更新方案。

发明内容

为提高高精度地图单要素更新的时效性和效率，在本发明的第一方面提供了一种基于新增道路场景的高精地图全要素更新方法，包括：获取新增道路场景的差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息，以及点云数据；根据所述差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息和点云数据，确定轨迹线上新增道路的区间位置信息；基于要素分类、第一预设分辨率和所述区间位置信息，对所述点云进行裁剪和旋转，并将旋转后的点云进行投影，得到一段或多段点云数据的多个视角的投影图像；基于深度学习模型，从多个视角的投影图像识别并提取一条或多条新增道路图像，并计算每条新增道路宽度的变化信息；根据每条新增道路宽度的变化信息和轨迹点，对所述多个视角的投影图像进行拓宽，以使所述多个视角的投影图像覆盖全部宽度方向上的道路区域；将拓宽后的多个视角的投影图像进行分割，得到每个要素的二维轮廓和像素坐标；将每个要素的二维轮廓及其像素坐标反算到世界坐标系中，并根据反算结果对每个要素进行矢量化。

在本发明的一些实施例中，所述根据所述差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息和点云数据，确定轨迹线上新增道路的区间位置信息包括：基于采集相机的内参和外参，通过PNP透视变换原理，将新增道路场景的先验差异2D像素坐标反算到世界坐标系中，得到每条新增道路在世界坐标系中的坐标；根据每条新增道路在世界坐标系中的坐标，确定采集相机对应的采集轨迹线上每条新增道路的区间范围。

在本发明的一些实施例中，所述基于要素分类、第一预设分辨率和所述区间位置信息，对所述点云进行裁剪和旋转，并将旋转后的点云进行投影，得到一段或多段点云数据的多个视角的投影图像包括：根据所述区间位置信息，从所述点云中裁剪出包含新增道路的一段或多段点云；根据每段点云对应的轨迹及其位姿信息，将所述点云旋转至预设方向；基于第一预设分辨率和要素分类，将旋转后的每段点云进行投影，得到一段或多段点云数据的多个视角的投影图像。

进一步的，所述将旋转后的每段点云进行投影，得到一段或多段点云数据的多个视角的投影图像包括：根据点的反射强度，将旋转后的每段点云投影成前视图、俯视图和侧视图。

进一步的，所述根据每条新增道路宽度的变化信息和轨迹点，对所述多个视角的投影图像进行拓宽，以使所述多个视角的投影图像覆盖全部宽度方向上的道路区域包括：以轨迹点为中心将每段点云进行分块，基于第二预设分辨率和要素分类，将每个分块后的点云进行投影，得到每个点云块的投影图像；基于每条新增道路宽度的变化信息，判断每个点云块的投影图像是否完全覆盖全部宽度方向上的道路区域。

更进一步的，所述根据每条新增道路宽度的变化信息和轨迹点，对所述多个视角的投影图像进行拓宽，以使所述多个视角的投影图像覆盖全部宽度方向上的道路区域包括：以轨迹点为中心将每段点云进行分块，基于第二预设分辨率和要素分类，将每个分块后的点云进行投影，得到每个点云块的投影图像；基于每条新增道路宽度的变化信息，判断每个点云块的投影图像是否完全覆盖全部宽度方向上的道路区域。

在上述的实施例中，所述将每个要素的二维轮廓及其像素坐标反算到世界坐标系中包括：根据每个要素的二维轮廓对应的深度信息和轨迹位姿信息，利用pnp透视变换原理，将每个要素的二维轮廓及其像素坐标反算到世界坐标系。

本发明的第二方面，提供了一种基于新增道路场景的高精地图全要素更新装置，包括：获取模块，用于获取新增道路场景的差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息，以及点云数据；根据所述差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息和点云数据，确定轨迹线上新增道路的区间位置信息；投影模块，用于基于要素分类、第一预设分辨率和所述区间位置信息，对所述点云进行裁剪和旋转，并将旋转后的点云进行投影，得到一段或多段点云数据的多个视角的投影图像；拓宽模块，用于基于深度学习模型，从多个视角的投影图像识别并提取一条或多条新增道路图像，并计算每条新增道路宽度的变化信息；根据每条新增道路宽度的变化信息和轨迹点，对所述多个视角的投影图像进行拓宽，以使所述多个视角的投影图像覆盖全部宽度方向上的道路区域；分割模块，用于将拓宽后的多个视角的投影图像进行分割，得到每个要素的二维轮廓和像素坐标；反算模块，用于将每个要素的二维轮廓及其像素坐标反算到世界坐标系中，并根据反算结果对每个要素进行矢量化。

本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明在第一方面提供的新增道路场景的高精地图全要素更新方法。

本发明的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本发明在第一方面提供的新增道路场景的高精地图全要素更新方法。

本发明的有益效果是：

本发明在自动化全要素底图制作方案的基础上，进行定制化优化，不再对整条采集归集上的数据进行无差别处理，而是引入2D差异信息和三维重建技术定位待更新位置，以满足高效单要素更新的要求。相比于纯人工地图更新，极大地提高了效率；相比于全要素制作方案，本方案对待更新要素进行精准定位，极大地降低了冗余数据。

附图说明

图1为本发明的一些实施例中的新增道路场景的高精地图全要素更新方法的基本流程示意图；

图2为本发明的一些实施例中的新增道路场景的高精地图全要素更新方法的具体流程示意图；

图3为本发明的一些实施例中的新增道路场景的高精地图全要素更新装置的结构示意图；

图4为本发明的一些实施例中的电子设备的结构示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

参考图1与图2，在本发明的第一方面，提供了一种基于新增道路场景的高精地图全要素更新方法，包括：S100.获取新增道路场景的差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息，以及点云数据；根据所述差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息和点云数据，确定轨迹线上新增道路的区间位置信息；S200.基于要素分类、第一预设分辨率和所述区间位置信息，对所述点云进行裁剪和旋转，并将旋转后的点云进行投影，得到一段或多段点云数据的多个视角的投影图像；S300.基于深度学习模型，从多个视角的投影图像识别并提取一条或多条新增道路图像，并计算每条新增道路宽度的变化信息；根据每条新增道路宽度的变化信息和轨迹点，对所述多个视角的投影图像进行拓宽，以使所述多个视角的投影图像覆盖全部宽度方向上的道路区域；S400.将拓宽后的多个视角的投影图像进行分割，得到每个要素的二维轮廓和像素坐标；S500.将每个要素的二维轮廓及其像素坐标反算到世界坐标系中，并根据反算结果对每个要素进行矢量化。

在本发明的一些实施例中的步骤S100中，获取新增道路场景的差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息，以及点云数据；根据所述差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息和点云数据，确定轨迹线上新增道路的区间位置信息。

可以理解，本公开中的采集相机的内参和外参、采集轨迹及其位姿信息是基于采集车辆或采集车辆的采集装置获取的；不失一般性，为了保证上述新增道路场景的差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息，以及点云数据的同步和对应，采集相机、轨迹采集装置和激光雷达部署或安装在同一采集车辆上。位姿信息包括但不限于经纬度、航向角、横滚角、俯仰角等。新增道路应理解为与前一次采集车辆采集到同一道路或同一段道路发生变化的道路；例如在原始道路上的新增道路、分叉、变道、变向、销毁等道路变化。点云数据包括点云的空间位置坐标及其相应的图像信息(像素值和像素坐标)。差异2D像素坐标是指新增路段起点在图像1(道路的起点图像)中的像素坐标和终点在图像2(道路的终点图像)中的像素坐标。

在本发明的一些实施例中的步骤S200，所述根据所述差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息和点云数据，确定轨迹线上新增道路的区间位置信息包括：

S201.基于采集相机的内参和外参，通过PNP透视变换原理，将新增道路场景的先验差异2D像素坐标反算到世界坐标系中，得到每条新增道路在世界坐标系中的坐标；具体地，根据Pnp(Perspective－n－Point)透视变换原理，利用相机内参和相机与Lidar之间的外参，将步骤S100中的2D像素坐标反算成WGS84世界坐标。S202.根据每条新增道路在世界坐标系中的坐标，确定采集相机对应的采集轨迹线上每条新增道路的区间范围。

在本发明的一些实施例的步骤S200中，所述基于要素分类、第一预设分辨率和所述区间位置信息，对所述点云进行裁剪和旋转，并将旋转后的点云进行投影，得到一段或多段点云数据的多个视角的投影图像包括：

S201.根据所述区间位置信息，从所述点云中裁剪出包含新增道路的一段或多段点云；

S202.根据每段点云对应的轨迹及其位姿信息，将所述点云旋转至预设方向；具体地，根据步骤S201获取的包含若干个点云段的点云数据和每个点云段对应的轨迹POS信息将点云段数据旋转至道路方向为正北方向；可选的，预设方向可根据实际需要进行调整。

S203.基于第一预设分辨率和要素分类，将旋转后的每段点云进行投影，得到一段或多段点云数据的多个视角的投影图像。进一步的，在步骤S203中，所述将旋转后的每段点云进行投影，得到一段或多段点云数据的多个视角的投影图像包括：根据点的反射强度，将旋转后的每段点云投影成前视图、俯视图和侧视图。具体地，将步骤S202中旋转后的点云段数据，按照分辨率R1和要素分类，根据点的反射强度值投影成前视图、俯视图和侧视图。上述图像可作为基于深度学习的道路识别模型的输入或其训练样本。

进一步的，在本发明的一些实施例的步骤S300中，所述根据每条新增道路宽度的变化信息和轨迹点，对所述多个视角的投影图像进行拓宽，以使所述多个视角的投影图像覆盖全部宽度方向上的道路区域包括：

S301.以轨迹点为中心将每段点云进行分块，基于第二预设分辨率和要素分类，将每个分块后的点云进行投影，得到每个点云块的投影图像；

S302.基于每条新增道路宽度的变化信息，判断每个点云块的投影图像是否完全覆盖全部宽度方向上的道路区域。

在本发明的一些实施例的步骤S302中，更进一步的，所述根据每条新增道路宽度的变化信息和轨迹点，对所述多个视角的投影图像进行拓宽，以使所述多个视角的投影图像覆盖全部宽度方向上的道路区域包括：S3021.以轨迹点为中心将每段点云进行分块，基于第二预设分辨率和要素分类，将每个分块后的点云进行投影，得到每个点云块的投影图像；

S3022.基于每条新增道路宽度的变化信息，判断每个点云块的投影图像是否完全覆盖全部宽度方向上的道路区域。具体地，以轨迹点为中心将点云段点云进行分块，按照分辨率R2进行类似S200的投影，然后参考路宽信息，判断轨迹点为投影中心的点云块投影图是否可以覆盖关键区域，若不能，则将轨迹中心左右移动，增加投影图的区域。

在本发明的一些实施例的步骤S400中，将拓宽后的多个视角的投影图像进行分割，得到每个要素的二维轮廓和像素坐标。具体地，针对每一个要素训练一个深度学习网络模型，对步骤S300生成的投影图进行图像分割处理，得到每个要素的2D目标结果；2D目标结果包括每个要素的二维轮廓和像素坐标(每个关键点的像素坐标)。可以理解，二维轮廓通常由一个或多个顶点、角点、关键点之间的几何连线勾勒而成，因此，二维轮廓的像素坐标对应于上述一个或多个顶点、角点、关键点的像素坐标。

可以理解，要素通常包括车道模型、道路模型和道路标记模型中的一个或多个要素，例如车道模型包括车道边界线、车道宽度、车道类型等；道路模型包括道路中心线、道路拓扑、隧道、收费站、曲率和坡度。道路标记模型包括道路的文字、箭头、导流区和路面限度等标志；

在上述的实施例的步骤S500中，所述将每个要素的二维轮廓及其像素坐标反算到世界坐标系中包括：根据每个要素的二维轮廓对应的深度信息和轨迹位姿信息，利用pnp透视变换原理，将每个要素的二维轮廓及其像素坐标反算到世界坐标系。具体地，根据投影时保存的深度信息和轨迹pos信息，利用pnp透视变换原理，将步骤S400中的2D结果反算回WGS84世界坐标系下。然后，根据要素的制作标准，将每个要素对应的现状或关键点进行矢量化处理。

最后，对步骤S500得到的全要素的矢量化数据进行校验，修正异常值；将正确的矢量化结果写入数据库，完成输出。

实施例2

参考图3，本发明的第二方面，提供了一种基于新增道路场景的高精地图全要素更新装置1，包括：获取模块11，用于获取新增道路场景的差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息，以及点云数据；根据所述差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息和点云数据，确定轨迹线上新增道路的区间位置信息；投影模块12，用于基于要素分类、第一预设分辨率和所述区间位置信息，对所述点云进行裁剪和旋转，并将旋转后的点云进行投影，得到一段或多段点云数据的多个视角的投影图像；拓宽模块13，用于基于深度学习模型，从多个视角的投影图像识别并提取一条或多条新增道路图像，并计算每条新增道路宽度的变化信息；根据每条新增道路宽度的变化信息和轨迹点，对所述多个视角的投影图像进行拓宽，以使所述多个视角的投影图像覆盖全部宽度方向上的道路区域；分割模块14，用于将拓宽后的多个视角的投影图像进行分割，得到每个要素的二维轮廓和像素坐标；反算模块15，用于将每个要素的二维轮廓及其像素坐标反算到世界坐标系中，并根据反算结果对每个要素进行矢量化。

进一步的，所述投影模块12包括：裁剪单元，用于根据所述区间位置信息，从所述点云中裁剪出包含新增道路的一段或多段点云；旋转单元，用于根据每段点云对应的轨迹及其位姿信息，将所述点云旋转至预设方向；投影单元，用于基于第一预设分辨率和要素分类，将旋转后的每段点云进行投影，得到一段或多段点云数据的多个视角的投影图像。

实施例3

参考图4，本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明在第一方面的基于新增道路场景的高精地图全要素更新方法。

电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM502被安装。在该计算机程序被处理装置501执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD－ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算

机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分5在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器

上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和0计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或

框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以

以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可5以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能

而定。需要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明0的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于新增道路场景的高精地图全要素更新方法，其特征在于，包括：

获取新增道路场景的差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息，以及点云数据；根据所述差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息和点云数据，确定轨迹线上新增道路的区间位置信息；

基于要素分类、第一预设分辨率和所述区间位置信息，对所述点云进行裁剪和旋转，并将旋转后的点云进行投影，得到一段或多段点云数据的多个视角的投影图像；

基于深度学习模型，从多个视角的投影图像识别并提取一条或多条新增道路图像，并计算每条新增道路宽度的变化信息；根据每条新增道路宽度的变化信息和轨迹点，对所述多个视角的投影图像进行拓宽，以使所述多个视角的投影图像覆盖全部宽度方向上的道路区域；

将拓宽后的多个视角的投影图像进行分割，得到每个要素的二维轮廓和像素坐标；

将每个要素的二维轮廓及其像素坐标反算到世界坐标系中，并根据反算结果对每个要素进行矢量化。

2.根据权利要求1所述的基于新增道路场景的高精地图全要素更新方法，其特征在于，所述根据所述差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息和点云数据，确定轨迹线上新增道路的区间位置信息包括：

基于采集相机的内参和外参，通过PNP透视变换原理，将新增道路场景的先验差异2D像素坐标反算到世界坐标系中，得到每条新增道路在世界坐标系中的坐标；

根据每条新增道路在世界坐标系中的坐标，确定采集相机对应的采集轨迹线上每条新增道路的区间范围。

3.根据权利要求1所述的基于新增道路场景的高精地图全要素更新方法，其特征在于，所述基于要素分类、第一预设分辨率和所述区间位置信息，对所述点云进行裁剪和旋转，并将旋转后的点云进行投影，得到一段或多段点云数据的多个视角的投影图像包括：

根据所述区间位置信息，从所述点云中裁剪出包含新增道路的一段或多段点云；

根据每段点云对应的轨迹及其位姿信息，将所述点云旋转至预设方向；

基于第一预设分辨率和要素分类，将旋转后的每段点云进行投影，得到一段或多段点云数据的多个视角的投影图像。

4.根据权利要求3所述的基于新增道路场景的高精地图全要素更新方法，其特征在于，所述将旋转后的每段点云进行投影，得到一段或多段点云数据的多个视角的投影图像包括：

根据点的反射强度，将旋转后的每段点云投影成前视图、俯视图和侧视图。

5.根据权利要求3所述的基于新增道路场景的高精地图全要素更新方法，其特征在于，所述根据每条新增道路宽度的变化信息和轨迹点，对所述多个视角的投影图像进行拓宽，以使所述多个视角的投影图像覆盖全部宽度方向上的道路区域包括：

以轨迹点为中心将每段点云进行分块，基于第二预设分辨率和要素分类，将每个分块后的点云进行投影，得到每个点云块的投影图像；

基于每条新增道路宽度的变化信息，判断每个点云块的投影图像是否完全覆盖全部宽度方向上的道路区域。

6.根据权利要求1至5任一项所述的基于新增道路场景的高精地图全要素更新方法，其特征在于，所述将每个要素的二维轮廓及其像素坐标反算到世界坐标系中包括：

根据每个要素的二维轮廓对应的深度信息和轨迹位姿信息，利用pnp透视变换原理，将每个要素的二维轮廓及其像素坐标反算到世界坐标系。

7.一种基于新增道路场景的高精地图全要素更新装置，其特征在于，包括：

获取模块，用于获取新增道路场景的差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息，以及点云数据；根据所述差异2D像素坐标、采集相机的内参和外参、采集轨迹及其位姿信息和点云数据，确定轨迹线上新增道路的区间位置信息；

投影模块，用于基于要素分类、第一预设分辨率和所述区间位置信息，对所述点云进行裁剪和旋转，并将旋转后的点云进行投影，得到一段或多段点云数据的多个视角的投影图像；

拓宽模块，用于基于深度学习模型，从多个视角的投影图像识别并提取一条或多条新增道路图像，并计算每条新增道路宽度的变化信息；根据每条新增道路宽度的变化信息和轨迹点，对所述多个视角的投影图像进行拓宽，以使所述多个视角的投影图像覆盖全部宽度方向上的道路区域；

分割模块，用于将拓宽后的多个视角的投影图像进行分割，得到每个要素的二维轮廓和像素坐标；

反算模块，用于将每个要素的二维轮廓及其像素坐标反算到世界坐标系中，并根据反算结果对每个要素进行矢量化。

8.根据权利要求7所述的基于非新增道路场景的高精地图单要素更新装置，其特征在于，所述投影模块包括：

裁剪单元，用于根据所述区间位置信息，从所述点云中裁剪出包含新增道路的一段或多段点云；

旋转单元，用于根据每段点云对应的轨迹及其位姿信息，将所述点云旋转至预设方向；

投影单元，用于基于第一预设分辨率和要素分类，将旋转后的每段点云进行投影，得到一段或多段点云数据的多个视角的投影图像。

9.一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至6任一项所述的基于新增道路场景的高精地图全要素更新方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于新增道路场景的高精地图全要素更新方法。

Images