CN114111813A - 高精地图元素更新方法、装置、电子设备及存储介质 - Google Patents
高精地图元素更新方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114111813A CN114111813A CN202111210659.6A CN202111210659A CN114111813A CN 114111813 A CN114111813 A CN 114111813A CN 202111210659 A CN202111210659 A CN 202111210659A CN 114111813 A CN114111813 A CN 114111813A
- Authority
- CN
- China
- Prior art keywords
- information
- map
- scene
- description information
- determining
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种高精地图元素更新方法、装置、电子设备及存储介质，涉及计算机技术领域，尤其涉及自动驾驶、大数据处理等人工智能技术领域。具体实现方案为：确定地图元素的参考属性信息，再获取场景图像，并对场景图像进行解析得到场景描述信息，再根据所述参考属性信息，从所述场景描述信息中解析得到与所述地图元素对应的元素描述信息，并根据所述元素描述信息，确定所述地图元素映射于场景中的目标空间位置信息，以及根据所述目标空间位置信息对所述地图元素进行更新，能够在有效降低地图元素更新成本的同时，有效地提升地图元素的更新效率，从而能够有效地保障地图新鲜度，使得更新后的地图元素能够有效地满足实时性更高的驾驶场景需求。
Description
技术领域
本公开涉及计算机技术领域，尤其涉及自动驾驶、大数据处理等人工智能技术领域，具体涉及一种高精地图元素更新方法、装置、电子设备及存储介质。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术，以及机器学习、深度学习、大数据处理技术、知识图谱技术等几大方向。
高精地图也称高精度地图，是自动驾驶汽车使用。高精地图，拥有精确的车辆位置信息和丰富的道路元素数据信息，可以帮助汽车预知路面复杂信息，如坡度、曲率、航向等，更好地规避潜在的风险。高精地图中的地图元素更新方法，通常需要依赖于高精点云数据，从而导致地图元素更新成本较高，更新周期较长，更新效率不高。
发明内容
本公开提供了一种高精地图元素更新方法、装置、电子设备、存储介质以及计算机程序产品。
根据本公开的第一方面，提供了一种高精地图元素更新方法，包括：确定地图元素的参考属性信息；获取场景图像，并对所述场景图像进行解析得到场景描述信息；根据所述参考属性信息，从所述场景描述信息中解析得到与所述地图元素对应的元素描述信息；根据所述元素描述信息，确定所述地图元素映射于场景中的目标空间位置信息；以及根据所述目标空间位置信息对所述地图元素进行更新。
根据本公开的第二方面，提供了一种高精地图元素更新装置，包括：第一确定模块，用于确定地图元素的参考属性信息；获取模块，用于获取场景图像，并对所述场景图像进行解析得到场景描述信息；解析模块，用于根据所述参考属性信息，从所述场景描述信息中解析得到与所述地图元素对应的元素描述信息；第二确定模块，用于根据所述元素描述信息，确定所述地图元素映射于场景中的目标空间位置信息；以及更新模块，用于根据所述目标空间位置信息对所述地图元素进行更新。
根据本公开的第三方面，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实施例的高精地图元素更新方法。
根据本公开的第四方面，提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本公开实施例的高精地图元素更新方法。
根据本公开的第五方面，提出了一种计算机程序产品，包括计算机程序，当计算机程序由处理器执行时实现本公开实施例的高精地图元素更新方法的步骤。
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。本公开的其他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是根据本公开第一实施例的示意图；
图2是根据本公开第二实施例的示意图；
图3是根据本公开第三实施例的示意图；
图4是根据本公开第四实施例的示意图；
图5是根据本公开第五实施例的示意图；
图6是根据本公开第六实施例的示意图；
图7示出了用来实施本公开实施例的高精地图元素更新方法的示例电子设备的示意性框图。
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。
图1是根据本公开第一实施例的示意图。
其中，需要说明的是，本实施例的高精地图元素更新方法的执行主体为高精地图元素更新装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。
本公开实施例涉及计算机技术领域，尤其涉及自动驾驶、大数据处理等人工智能技术领域。
其中，人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
而大数据处理，是指采用人工智能的方式对规模巨大的数据进行分析以及处理的过程，而大数据可以概括为5个V，数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值(Value)、真实性(Veracity)。
自动驾驶，是指利用雷达、激光、超声波、全球定位系统(Global PositionSystem，GPS)、里程计、计算机视觉等多种技术来感知其周边环境，通过先进的计算和控制系统，来识别障碍物和各种标识牌，规划合适的路径来控制车辆行驶的技术。
如图1所示，该高精地图元素更新方法，包括：
S101：确定地图元素的参考属性信息。
其中，用于对地图进行描述的元素即可以被称为地图元素，地图元素可以具体例如为道路，交通标志，车道线、限速牌等，对此不做限制。
其中，地图元素可以具有一些相关的属性信息，该属性信息即可以被称为参考属性信息，参考属性信息可以具体例如为地图元素的类型，而地图元素的类型可以具体例如为道路类型，车道线类型，信号灯类型、限速牌类型等，对此不做限制。
其中，确定地图元素的参考属性信息，可以是获取高精度地图，而后，确定高精度地图中的多个地图元素分别对应的地图元素的类型，并将该地图元素的类型作为地图元素的参考属性信息。
举例而言，当地图元素具体为限速牌时，地图元素的参考属性信息可以具体例如为限速牌类型(例如最高限速类型，最低限速类型)，对此不做限制。
S102：获取场景图像，并对所述场景图像进行解析得到场景描述信息。
其中，用于描述地图所对应场景(而地图所对应场景，可以理解为该地图所对应呈现的地理位置所属场景)的图像即可以被称为场景图像，场景图像的数量可以是一张或者多张，该图像可以是通过手机、相机等具有拍摄功能的摄像装置，对地图所对应场景进行多角度，或者是多摄像参数拍摄得到的，或者该图像也可以是从视频流中解析得到的，例如该图像可以是从视频流中提取得到的包含场景的部分视频帧图像，对此不做限制。
其中，场景图像可以具有一些相关的描述信息，该信息即可以被称为场景描述信息，场景描述信息可以具体例如为场景图像的像素信息，场景图像的特征信息，场景图像的参数信息等，对此不做限制。
本公开实施例中，获取场景图像，可以是利用具备实时差分定位(Real TimeKinematic，RTK)技术的图像采集设备对地图对应的场景图像进行采集处理，以得到多个场景图像，多个场景图像可以构成有序的场景图像序列：I＝{Ii}。
上述在获取场景图像的同时，可以搭载相应的定位设备，基于RTK给出的解算信息，融合惯性测量单元(Inertial Measurement Unit，IMU)与全球定位系统(GlobalPosition System，GPS)，对场景图像进行解析，以得到RTK的图像采集设备的参数序列：P＝{(Ri,Ti,Ki)}，其中，Ri为图像Ii的旋转矩阵，Ti为图像Ii平移矩阵，Ki为图像Ii的内参矩阵。
其中，上述Ri,Ti,Ki即可以被称为场景图像对应场景描述信息，对此不做限制。
需要说明的是，本公开实施例中，关于场景图像的获取、处理，存储，其过程均符合相关法律法规的规定，且不违背公序良俗。
S103：根据参考属性信息，从场景描述信息中解析得到与地图元素对应的元素描述信息。
上述在确定地图元素的参考属性信息后，可以根据参考属性信息，从场景描述信息中解析得到与地图元素对应的元素描述信息。
其中，用于对地图元素进行描述的信息，即可以被称为地图描述信息，地图元素描述信息可以具体例如为地图元素的位置描述信息，地图元素的参数描述信息，地图元素的语义描述信息等，对此不做限制。
一些实施例中，根据参考属性信息，从场景描述信息中解析得到与地图元素对应的元素描述信息，可以是根据参考属性信息，从场景描述信息中匹配得到与地图元素对应的场景描述信息，并将该场景描述信息作为与地图元素对应的元素描述信息，或者，也可以采用其他任意可能的方式，从场景描述信息中解析得到与地图元素对应的描述信息，例如，模型匹配处理方式、数学算法方式、工程学方式等，对此不做限制。
S104：根据元素描述信息，确定地图元素映射于场景中的目标空间位置信息。
上述在根据参考属性信息，从场景描述信息中解析得到与地图元素对应的元素描述信息后，可以根据元素描述信息，确定地图元素映射于场景中的空间位置信息，该空间位置信息即可以被称为目标空间位置信息，目标空间位置信息可以具体例如为空间的三维位置坐标或者多维位置坐标等，对此不做限制。
一些实施例中，根据元素描述信息，确定地图元素映射于场景中的目标空间位置信息，可以是根据元素描述信息，确定地图元素在地图所在坐标系的坐标位置，而后可以将地图元素在地图所在坐标系的坐标位置映射到场景坐标系中，并确定地图元素在场景所在坐标系的坐标位置，并将该坐标位置作为目标空间位置信息。
或者，也可以采用其他任意可能的方法，执行根据元素描述信息，确定地图元素映射于场景中的目标空间位置信息，例如匹配算法的方式，投影处理的方式等，对此不做限制。
S105：根据目标空间位置信息对地图元素进行更新。
上述在根据元素描述信息，确定地图元素映射于场景中的目标空间位置信息后，可以根据目标空间位置信息对地图元素进行更新。
也即是说，本公开实施例中，可以根据目标空间位置信息，对高精度地图中的地图元素进行更新，另外一些实施例中，本公开也支持对元素库中的地图元素进行更新。
在一些应用场景下，当在设备上显示加载地图时，通常会确定当前位置信息，而后，从元素库中提取到与当前位置信息对应的一个或者多个地图元素，并将该一个或者多个地图元素加载至地图中，从而实现地图的加载显示，从而本公开实施例中还可以支持对该场景中的地图中已经加载的地图元素进行更新，还可以支持对元素库中的地图元素进行更新，对此不做限制。
一些实施例中，根据目标空间位置信息对地图元素进行更新，可以是在地图元素的空间位置信息与目标空间位置信息不一致时，将地图元素的空间位置信息更新为目标空间位置信息，或者是在地图元素的空间位置信息与目标空间位置信息一致时，直接将地图元素的空间位置信息作为目标空间位置信息。
另一些实施例中，根据目标空间位置信息对地图元素进行更新，还可以是在目标空间位置信息指示，高精度地图中不存在与目标空间位置信息对应的位置信息时(如果高精度地图中不存在与目标空间位置信息对应的位置信息，则表明此时高精度地图中不存在与目标空间位置信息对应的地图元素)，删除高精度地图中的地图元素，对此不做限制。
本实施例中，通过确定地图元素的参考属性信息，再获取场景图像，并对场景图像进行解析得到场景描述信息，再根据参考属性信息，从场景描述信息中解析得到与地图元素对应的元素描述信息，并根据元素描述信息，确定地图元素映射于场景中的目标空间位置信息，以及根据目标空间位置信息对地图元素进行更新，能够在有效降低高精地图元素更新成本的同时，有效地提升地图元素的更新效率，从而能够有效地保障地图新鲜度，使得更新后的地图元素能够有效地满足实时性更高的驾驶场景需求。
图2是根据本公开第二实施例的示意图。
如图2所示，该高精地图元素更新方法，包括：
S201：确定地图元素的参考属性信息。
S202：获取场景图像，并对场景图像进行解析得到场景描述信息。
S201-S202的描述说明可以具体参加上述实施例，在此不再赘述。
S203：根据参考属性信息，分别从多个场景图像中识别出对应的多个元素图像，元素图像，是相应场景图像中地图元素对应的局部图像。
上述在确定地图元素的参考属性信息后，可以根据参考属性信息，分别从多个场景中识别出对应的多个元素图像。
其中，场景图像中地图元素对应的局部图像，即可以被称为元素图像。
本公开实施例中，根据参考属性信息，分别从多个场景图像中识别出对应的多个元素图像，可以是根据地图元素的参考属性信息，利用图像检测算法识别场景图像中的多个地图元素对应的多个局部图像，并将多个局部图像作为多个元素图像，对此不做限制。
举例而言，可以根据地图元素的参考属性信息，利用图像检测算法识别场景图像序列：I＝{Ii}中多个限速牌图像，并将识别得到的多个限速牌图像作为多个元素图像。
S204：确定与多个元素图像分别对应的多个元素图像信息。
其中，多个元素图像可以具有一些相关的图像信息，该图像信息即可以被称为元素图像信息，元素图像信息可以具体例如为元素图像对应的索引值，元素图像的描述值等，对此不做限制。
举例而言，当元素图像是限速牌图像时，多个元素图像信息可以具体例如为限速牌图像对应的索引值，限速牌限速值等，对此不做限制。
上述在根据参考属性信息，分别从多个场景图像中识别出对应的多个元素图像后，可以确定与多个元素图像分别对应的多个元素图像信息。
也即是说，在从多个场景图像中识别出多个限速牌图像，并将多个限速牌图像作为多个元素图像后，可以确定多个限速牌图像分别对应的多个元素图像信息集合：N＝{(Ci,j,Li,j)}，其中，Ci,j表示场景图像序列：I＝{Ii}中第i张图像中索引值为j的限速牌，Li,j表示第i张图像的限速牌限速值。
本公开实施例中，在确定多个限速牌图像分别对应的多个元素图像信息集合：N＝{(Ci,j,Li,j)}后，可以对元素图像信息集合N进行聚类处理，以得到相应的聚类结果：Mi＝{Mi,j}，其中Mi,j∈N，其中i为聚类结果索引，j为归属于该聚类中心的限速牌索引值。
S205：根据元素图像信息，从相应场景描述信息中解析得到对应的元素描述信息。
可选地，一些实施例中，根据元素图像信息，从相应场景描述信息中解析得到对应的元素描述信息，可以是根据元素图像信息，确定相应地图元素对应于场景图像中的元素位置，再根据元素位置，从相应场景描述信息中解析得到对应的元素描述信息，实现先对场景图像中的元素位置进行识别，而后根据该元素位置辅助从场景描述信息中解析得到对应的元素描述信息，由于元素位置能够用于表达地图元素对应的真实场景中的元素(地图元素假设是限速牌，则真实场景中的元素即为真实场景中的该限速牌本体)的空间位置情况，从而当基于该空间位置情况辅助解析元素描述信息时，使得解析方法更具有针对性，避免场景中相近或相似的干扰元素带来噪音干扰，降低去噪所需要的运算资源消耗，提升元素描述信息的解析效率，保障元素描述信息解析的准确性，使得元素描述信息能够更为准确地表达出相应地图元素的特征。
其中，地图元素对应于场景图像中的位置即可以被称为元素位置，元素位置可以具体例如为元素的位置坐标，对此不做限制。
本公开实施例中，在确定多个限速牌图像分别对应的多个元素图像信息集合：N＝{(Ci,j,Li,j)}后，可以对元素图像信息集合N进行聚类处理，以得到相应的聚类结果：Mi＝{Mi,j}，并将该聚类结果：Mi＝{Mi,j}作为地图元素对应于场景图像中的元素位置。
其中，Mi,j∈N，其中i为聚类结果索引，j为归属于该聚类中心的限速牌索引值。
上述在得到元素位置Mi＝{Mi,j}后，可以根据元素位置，从相应场景描述信息中解析得到对应的元素描述信息。
本公开实施例中，在得到元素位置Mi＝{Mi,j}后，可以根据元素位置，从场景描述信息P＝{(Ri,Ti,Ki)}中，解析得到相应的元素描述信息，即对于任意Mi,j∈M，在场景描述信息均有对应的(R，T，K)，前述(R，T，K)即为元素描述信息。
或者，也可以采用其他任意可能的方式，根据元素图像信息，从相应场景描述信息中解析得到对应的元素描述信息，例如，模型解析的方式，匹配算法的方式等，对此不做限制。
本公开实施例中，由于是根据所述参考属性信息，分别从所述多个场景图像中识别出对应的多个元素图像，并确定与所述多个元素图像分别对应的多个元素图像信息，再根据所述元素图像信息，从相应所述场景描述信息中解析得到所述对应的元素描述信息，从而能够实现先对场景图像中的元素图像信息进行识别，而后基于元素图像信息辅助从场景描述信息中解析得到对应的元素描述信息，由于元素图像信息能够用于描述地图元素对应的真实场景中的元素(地图元素假设是限速牌，则真实场景中的元素即为真实场景中的该限速牌本体)的信息，从而当基于该元素图像信息辅助解析元素描述信息时，使得解析方法能够更具针对性，基于元素图像信息有效地提升元素描述信息的表征能力，有效地保障元素描述信息解析的准确性，从而能够基于元素描述信息有效地辅助后续地图元素方法的执行。
S206：根据元素描述信息，生成与地图元素对应的外参描述信息。
其中，用于描述与地图元素对应的外参的信息，即可以被称为外参描述信息。
本公开实施例中，根据元素描述信息，生成与地图元素对应的外参描述信息，可以是根据元素描述信息，生成与地图元素的元素位置Mi,j对应的外参(Rk，Tk，Kk)，并将(Rk，Tk，Kk)作为外参描述信息。
S207：根据外参描述信息，确定地图元素映射于场景中的初始空间位置信息。
其中，用于描述空间位置的信息即可以被称为空间位置信息，空间位置信息可以具体例如为空间坐标，对此不做限制。
上述在根据元素描述信息，生成与地图元素对应的外参描述信息后，可以根据外参描述信息，确定地图元素映射于场景中的空间位置信息，该空间位置信息即可以被称为初始空间位置信息，而初始空间位置信息可以具体例如为三维空间位置坐标，对此不做限制。
本公开实施例中，上述在生成与地图元素对应的外参描述信息(Rk，Tk，Kk)后，可以利用超定线性方程，结合多视图几何技术，解算出地图元素映射于场景中的三维空间位置信息Hi，并将三维空间位置信息Hi作为初始空间位置信息。
S208：根据外参描述信息结合元素位置，从多个初始空间位置信息中确定出目标空间位置信息。
上述在确定初始空间位置信息后，可以根据外参描述信息结合元素位置，从多个初始空间位置信息中确定出相应的空间位置信息，该空间位置信息即可以被称为目标空间位置信息，由于是根据外参描述信息结合元素位置，从多个初始空间信息中，确定出目标空间位置信息，从而能够在基于外参描述信息辅助确定目标空间位置信息时，能够避免信息差异对目标空间位置信息确定带来的干扰，从而能够在有效地保障目标空间位置信息的准确性地同时，有效地提升目标空间位置信息确定过程的合理性。
一些实施例中，根据外参描述信息结合元素位置，从多个初始空间位置信息中确定出目标空间位置信息，可以是根据外参描述信息结合元素位置，对多个初始空间位置信息进行筛选处理，即从多个初始空间位置信息中选择符合预设条件的空间位置信息，并将该空间位置信息作为目标空间位置信息，对此不做限制。
或者，也可以采用其他任意可能的方式，根据外参描述信息结合元素位置，从多个初始空间位置信息中确定出目标空间位置信息，例如模型预测的方式，特征匹配的方式等，对此不做限制。
S209：根据目标空间位置信息对地图元素进行更新。
S209的描述说明可以具体参见上述实施例，在此不再赘述。
本实施例中，通过确定地图元素的参考属性信息，再获取场景图像，并对场景图像进行解析得到场景描述信息，再根据所述参考属性信息，分别从所述多个场景图像中识别出对应的多个元素图像，并确定与所述多个元素图像分别对应的多个元素图像信息，再根据所述元素图像信息，从相应所述场景描述信息中解析得到所述对应的元素描述信息，当基于该元素图像信息辅助解析元素描述信息时，使得解析方法能够更具针对性，基于元素图像信息有效地提升元素描述信息的表征能力，有效地保障元素描述信息解析的准确性，从而能够基于元素描述信息有效地辅助后续地图元素方法的执行，再根据元素描述信息，生成与地图元素对应的外参描述信息，并根据外参描述信息结合元素位置，从多个初始空间位置信息中确定出目标空间位置信息，并根据目标空间位置信息对地图元素进行更新，从而能够在基于外参描述信息辅助确定目标空间位置信息时，能够避免信息差异对目标空间位置信息确定带来的干扰，从而能够在有效地保障目标空间位置信息的准确性地同时，有效地提升目标空间位置信息确定过程的合理性，有效地提升地图元素的更新效果。
图3是根据本公开第四实施例的示意图。
如图3所示，该高精地图元素更新方法，包括：
S301：确定地图元素的参考属性信息。
S302：获取场景图像，并对场景图像进行解析得到场景描述信息。
S303：根据参考属性信息，从场景描述信息中解析得到与地图元素对应的元素描述信息。
S304：根据外参描述信息，确定地图元素映射于场景中的初始空间位置信息。
S301-S304的描述说明可以具体参见上述实施例，在此不再赘述。
S305：根据外参描述信息结合元素位置，确定与多个初始空间位置信息分别对应的多个位置损失值。
其中，与多个初始空间位置信息对应的损失值，即可以被称为位置损失值，位置损失值可以用于辅助进行初始空间位置信息的优化。
可选地，一些实施例中，根据外参描述信息结合元素位置，确定与多个初始空间位置信息分别对应的多个位置损失值，可以是将外参描述信息、元素位置，以及初始空间位置信息输入至目标调整模型之中，以得到目标调整模型输出的与初始空间位置信息对应的位置损失值，由于是结合目标调整模型，确定与多个初始空间位置信息分别对应的多个位置损失值，从而能够有效的简化位置损失值的确定逻辑，能够在有效地保障位置损失值准确性的同时，有效地提升位置损失值的确定效率。
其中，预先根据与样本地图元素相关的样本外参描述信息、样本元素位置，以及标注空间位置信息训练初始的调整模型，直至调整模型收敛，将训练得到的调整模型作为目标调整模型。
其中，在训练的初始阶段获取得到的调整模型，即可以被称为初始的调整模型，该初始的调整模型可以是人工智能模型，具体可以例如为神经网络模型或者是机器学习模型，当然，也可以采用其他任意可能的能够执行调整任务的人工智能模型，对此不做限制。
另一些实施例中，还可以针对目标调整模型预先配置相应的损失函数：
而后将外参描述信息、元素位置，以及初始空间位置信息作为损失函数的输入参数，以得到损失函数输出的损失值，并将该损失值作为与多个初始空间位置信息分别对应的多个位置损失值，对此不做限制。
S306：从多个位置损失值中确定出值最小的目标位置损失值。
上述在确定与多个初始空间位置信息分别对应的多个位置损失值后，可以从多个位置损失值中确定出值最小的损失值，该损失值即可以被称为目标位置损失值。
S307：将目标位置损失值所对应的初始空间位置信息作为目标空间位置信息。
其中，多个初始空间位置信息中，目标位置损失值对应的初始空间位置信息，即可以被称为目标空间位置信息。
上述在从多个位置损失值中确定值最小的目标位置损失值后，可以确定目标位置损失值对应的初始空间位置信息，并将该初始空间位置信息，作为目标空间位置信息，由于是从初始空间位置信息中确定损失值最小的初始空间位置信息，并将其作为目标空间位置信息，由此能够实现基于位置损失值实现对初始空间位置信息的优化，以得到更为准确的目标空间位置信息，由于目标空间位置信息的数据量小于初始空间位置信息的数据量，从而能够在一定程度上减少运算资源的消耗，从而能够有效地辅助提升地图元素的更新效率。
S308：确定参考属性信息分别与元素库中多个候选属性信息之间的多个相关值，其中，元素库中包括：多个候选属性信息，以及与部分的候选属性信息对应的已有地图元素。
其中，未经更新的高精度地图中的地图元素，即可以被称为已有地图元素，多个已有地图元素可以构成元素库。
其中，已有地图元素可以具有一些相关的属性信息，该属性信息即可以被称为候选属性信息。
其中，以地图元素是是限速牌为例，元素库中的已有地图元素位置可以表示为G＝{Gi}，候选属性信息可以表示为W＝{Wi}，对此不做限制。
其中，用于描述参考属性信息分别与元素库中多个候选属性信息之间相关性的值，即可以被称为相关值。
本公开实施例中，确定参考属性信息分别与元素库中多个候选属性信息之间的多个相关值，可以是对候选属性信息W＝{Wi}进行聚类处理，以得到聚类结果为Wi＝{Wi,j}，以及对参考属性信息L＝{Li}进行聚类处理，以得到聚类结果为Li＝{Li,j}。
上述在得到聚类结果Li＝{Li,j}和Wi＝{Wi,j}后，对于任意Li,j∈L，和Wi,j∈W，如果满足||Li,j-Wi,j||2≤d(其中，d为预先设定的距离阈值)，则Li和Wi的相关值加一，由此可以确定参考属性信息与元素库中多个候选属性信息之间的多个相关值。
S309：确定多个相关值之中值最大相关值对应的候选属性信息。
上述在确定参考属性信息分别与元素库中多个候选属性信息之间的多个相关值后，可以确定多个相关值之中值最大相关值对应的候选属性信息Wi。
S310：根据对应的候选属性信息和目标空间位置信息，对地图元素和元素库中的已有地图元素进行匹配，以得到匹配结果。
S311：根据匹配结果，对地图元素进行更新。
本公开实施例中，由于是根据候选属性信息和所述目标空间位置信息，对所述地图元素和所述元素库中的所述已有地图元素进行匹配，再根据匹配结果，对地图元素进行更新，而候选属性信息能够用于描述地图元素对应的真实场景中的元素相关属性(地图元素假设是限速牌，则真实场景中的元素属性即为该限速牌的限速牌类型)，目标位置信息能够用于表达地图元素对应的真实场景中的元素(地图元素假设是限速牌，则真实场景中的元素即为真实场景中的该限速牌本体)的空间位置情况，从而在基于匹配结果对地图元素进行更新时，能够基于位置信息和属性信息两种维度，对地图元素进行全方位的更新，从而有效地提升地图元素更新的全面性和准确性。
可选地，一些实施例中，如图4所示，图4是根据本公开第四实施例的示意图，根据匹配结果，对地图元素进行更新，包括：
S401：如果元素库中不存在与对应的候选属性信息相应已有地图元素，则将地图元素标记为新增地图元素。
其中，元素库中不存在的地图元素即可以被称为新增地图元素。
本公开实施例中，可以根据候选属性信息Wi，在元素库中进行查找，如果元素库中不存在与对应的候选属性信息相应已有地图元素，即
则可以将对应的候选属性信息相关的参考属性信息Li对应的地图元素标记为新增地图元素。
S402：如果元素库中存在与对应的候选属性信息相应已有地图元素，且相应已有地图元素的参考空间位置信息，和目标空间位置信息之间的欧式距离满足设定条件，则将地图元素标记为已有地图元素。
其中，已有地图元素的空间位置信息，即可以被称为参考空间位置信息。
本公开实施例中，如果元素库中存在与对应的候选属性信息相应已有地图元素，即Wi不为空集，且相应已有地图元素的参考空间位置信息，和目标空间位置信息之间的欧式距离满足设定条件(其中，设定条件可以根据实际业务场景自适应配置，对此不做限制)，则可以将地图元素标记为已有地图元素。
也即是说，在候选属性信息Wi不为空集，且元素库中存在与对应的候选属性信息属性相同的已有地图元素，且相应已有地图元素的参考空间位置信息，和目标空间位置信息之间的欧式距离满足设定条件时，可以将地图元素标记为已有地图元素。
S403：如果元素库中不存在与对应的候选属性信息相应已有地图元素，且元素库中任意已有地图元素和地图元素之间的欧式距离均不满足设定条件，则将地图元素标记为删除地图元素。
其中，多个地图元素中需要进行删除更新的地图元素，即可以被称为删除地图元素。
本公开实施例中，如果元素库中不存在与对应的候选属性信息相应已有地图元素，即Wi不为空集，且相应已有地图元素的参考空间位置信息，和目标空间位置信息之间的欧式距离不满足设定条件(其中，设定条件可以根据实际业务场景自适应配置，对此不做限制)，则可以将地图元素标记为删除地图元素。
也即是说，在候选属性信息Wi不为空集，且元素库中存在与对应的候选属性信息属性相同的已有地图元素，但相应已有地图元素的参考空间位置信息，和目标空间位置信息之间的欧式距离不满足设定条件时，可以将地图元素标记为删除地图元素。
综上所述，本公开实施例中，由于是根据参考属性信息分别与所述元素库中多个候选属性信息之间具有相关性时，地图元素和所述元素库中的所述已有地图元素之间的匹配结果，对地图元素进行更新，从而能够准确地，快速地发现元素库中地图元素的变化情况，从而能够基于地图元素的变化情况高效地实现地图元素的更新，有效地提升高精地图的新鲜度，从而能够有效地保障实际驾驶场景中车辆驾驶的安全性。
S404：如果确定参考属性信息分别与元素库中多个候选属性信息之间均不具有相关性，则将地图元素标记为删除地图元素。
本公开实施例中，如果确定参考属性信息Li分别与元素库中多个候选属性信息Wi之间均不具有相关性，则可以将元素库中与多个候选属性信息Wi对应的地图元素标记为删除地图元素，对此不做限制。
从而本实施例中，由于是根据参考属性信息分别与所述元素库中多个候选属性信息之间具有相关性时，地图元素和所述元素库中的所述已有地图元素之间的匹配结果，对地图元素进行更新，从而能够准确地，快速地发现元素库中地图元素的变化情况，从而能够基于地图元素的变化情况高效地实现地图元素的更新，有效地提升高精地图的新鲜度，从而能够有效地保障实际驾驶场景中车辆驾驶的安全性，由于是在参考属性信息分别与元素库中多个候选属性信息之间均不具有相关性时，直接将地图元素标记为删除地图元素，从而可以基于地图元素的属性维度，直接实现地图元素的删除更新处理，从而能够有效地简化地图元素的更新处理逻辑，有效避免计算资源的浪费，在有效地保障地图元素更新效果的同时，有效地提升地图元素的更新效率。
本实施例中，通过确定地图元素的参考属性信息，并获取多个场景图像，场景图像对应场景描述信息，再根据参考属性信息，从场景描述信息中解析得到与地图元素对应的元素描述信息，以及根据外参描述信息，确定地图元素映射于场景中的初始空间位置信息，并根据外参描述信息结合元素位置，确定与多个初始空间位置信息分别对应的多个位置损失值，再确定目标位置损失值对应的初始空间位置信息，并将该初始空间位置信息，作为目标空间位置信息，由于是从初始空间位置信息中确定损失值最小的初始空间位置信息，并将其作为目标空间位置信息，由此能够实现基于位置损失值实现对初始空间位置信息的优化，以得到更为准确的目标空间位置信息，由于目标空间位置信息的数据量小于初始空间位置信息的数据量，从而能够在一定程度上减少运算资源的消耗，从而能够有效地辅助提升地图元素的更新效率，由于是根据候选属性信息和所述目标空间位置信息，对所述地图元素和所述元素库中的所述已有地图元素进行匹配，再根据匹配结果，对地图元素进行更新，从而能够基于位置信息和属性信息两种维度，对地图元素进行全方位的更新，从而有效地提升高精地图元素更新的全面性和准确性。
图5是根据本公开第五实施例的示意图。
如图5所示，该高精地图元素更新装置50，包括：
第一确定模块501，用于确定地图元素的参考属性信息；
获取模块502，用于获取场景图像，并对场景图像进行解析得到场景描述信息；
解析模块503，用于根据参考属性信息，从场景描述信息中解析得到与地图元素对应的元素描述信息；
第二确定模块504，用于根据元素描述信息，确定地图元素映射于场景中的目标空间位置信息；以及
更新模块505，用于根据目标空间位置信息对地图元素进行更新。
在本公开的一些实施例中，如图6所示，图6是根据本公开第六实施例的示意图，该高精地图元素更新装置60，包括：第一确定模块601，获取模块602，解析模块603，第二确定模块604，更新模块605，其中，解析模块603，包括：
识别子模块6031，用于根据参考属性信息，分别从多个场景图像中识别出对应的多个元素图像，元素图像，是相应场景图像中地图元素对应的局部图像；
第一确定子模块6032，用于确定与多个元素图像分别对应的多个元素图像信息；
解析子模块6033，用于根据元素图像信息，从相应场景描述信息中解析得到对应的元素描述信息。
在本公开的一些实施例中，其中，解析子模块6033，具体用于：
根据元素图像信息，确定相应地图元素对应于场景图像中的元素位置；
根据元素位置，从相应场景描述信息中解析得到对应的元素描述信息。
在本公开的一些实施例中，其中，第二确定模块604，包括：
生成子模块6041，用于根据元素描述信息，生成与地图元素对应的外参描述信息；
第二确定子模块6042，用于根据外参描述信息，确定地图元素映射于场景中的初始空间位置信息；以及
第三确定子模块6043，用于根据外参描述信息结合元素位置，从多个初始空间位置信息中确定出目标空间位置信息。
在本公开的一些实施例中，其中，第三确定子模块6043，包括：
第一确定单元60431，用于根据外参描述信息结合元素位置，确定与多个初始空间位置信息分别对应的多个位置损失值；
第二确定单元60432，用于从多个位置损失值中确定出值最小的目标位置损失值；
处理单元60433，用于将目标位置损失值所对应的初始空间位置信息作为目标空间位置信息。
在本公开的一些实施例中，其中，第一确定单元60431，具体用于：
将外参描述信息、元素位置，以及初始空间位置信息输入至目标调整模型之中，以得到目标调整模型输出的与初始空间位置信息对应的位置损失值；
其中，预先根据与样本地图元素相关的样本外参描述信息、样本元素位置，以及标注空间位置信息训练初始的调整模型，直至调整模型收敛，将训练得到的调整模型作为目标调整模型。
在本公开的一些实施例中，其中，更新模块605，包括：
第四确定子模块6051，用于确定参考属性信息分别与元素库中多个候选属性信息之间的多个相关值，其中，元素库中包括：多个候选属性信息，以及与部分的候选属性信息对应的已有地图元素；
第五确定子模块6052，用于确定多个相关值之中值最大相关值对应的候选属性信息；
匹配子模块6053，用于根据对应的候选属性信息和目标空间位置信息，对地图元素和元素库中的已有地图元素进行匹配，以得到匹配结果；
更新子模块6054，用于根据匹配结果，对地图元素进行更新。
在本公开的一些实施例中，已有地图元素具有对应的参考空间位置信息，其中，更新子模块6054，具体用于：
如果元素库中不存在与对应的候选属性信息相应已有地图元素，则将地图元素标记为新增地图元素；
如果元素库中存在与对应的候选属性信息相应已有地图元素，且相应已有地图元素的参考空间位置信息，和目标空间位置信息之间的欧式距离满足设定条件，则将地图元素标记为已有地图元素；
如果元素库中不存在与对应的候选属性信息相应已有地图元素，且元素库中任意已有地图元素和地图元素之间的欧式距离均不满足设定条件，则将地图元素标记为删除地图元素。
在本公开的一些实施例中，其中，更新子模块6054，具体用于：
如果确定参考属性信息分别与元素库中多个候选属性信息之间均不具有相关性，则将地图元素标记为删除地图元素。
可以理解的是，本实施例附图6中的高精地图元素更新装置60与上述实施例中的高精地图元素更新装置50，第一确定模块601与上述实施例中的第一确定模块501，获取模块602与上述实施例中的获取模块502，解析模块603与上述实施例中的解析模块503，第二确定模块604与上述实施例中的第二确定模块504，更新模块605与上述实施例中的更新模块505可以具有相同的功能和结构。
需要说明的是，前述对高精地图元素更新方法的解释说明也适用于本实施例的高精地图元素更新装置，在此不再赘述。
本实施例中，通过确定地图元素的参考属性信息，再获取场景图像，并对场景图像进行解析得到场景描述信息，再根据所述参考属性信息，从所述场景描述信息中解析得到与所述地图元素对应的元素描述信息，并根据所述元素描述信息，确定所述地图元素映射于场景中的目标空间位置信息，以及根据所述目标空间位置信息对所述地图元素进行更新，能够在有效降低高精地图元素更新成本的同时，有效地提升地图元素的更新效率，从而能够有效地保障地图新鲜度，使得更新后的地图元素能够有效地满足实时性更高的驾驶场景需求。
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7示出了用来实施本公开的实施例的高精地图元素更新方法的示例电子设备的示意性框图。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、和其他适合的计算机。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、可穿戴设备和其他类似的计算装置。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7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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701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701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701执行上文所描述的各个方法和处理，例如高精地图元素更新方法。例如，在一些实施例中，高精地图元素更新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708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的高精地图元素更新方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行高精地图元素更新方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(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系统上执行和/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，可以从存储系统、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系统、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系统、装置或设备使用或与指令执行系统、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、或半导体系统、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系统和技术，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。其他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。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(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系统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系统中。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)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网及区块链网络。
计算机系统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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，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 (21)
1.一种高精地图元素更新方法，包括：
确定地图元素的参考属性信息；
获取场景图像，并对所述场景图像进行解析得到场景描述信息；
根据所述参考属性信息，从所述场景描述信息中解析得到与所述地图元素对应的元素描述信息；
根据所述元素描述信息，确定所述地图元素映射于场景中的目标空间位置信息；以及
根据所述目标空间位置信息对所述地图元素进行更新。
2.根据权利要求1所述的方法，其中，所述根据所述参考属性信息，从所述场景描述信息中解析得到与所述地图元素对应的元素描述信息，包括：
根据所述参考属性信息，分别从所述多个场景图像中识别出对应的多个元素图像，所述元素图像，是相应所述场景图像中所述地图元素对应的局部图像；
确定与所述多个元素图像分别对应的多个元素图像信息；
根据所述元素图像信息，从相应所述场景描述信息中解析得到所述对应的元素描述信息。
3.根据权利要求2所述的方法，其中，所述根据所述元素图像信息，从相应所述场景描述信息中解析得到所述对应的元素描述信息，包括：
根据所述元素图像信息，确定相应所述地图元素对应于所述场景图像中的元素位置；
根据所述元素位置，从相应所述场景描述信息中解析得到所述对应的元素描述信息。
4.根据权利要求3所述的方法，其中，所述根据所述元素描述信息，确定所述地图元素映射于场景中的目标空间位置信息，包括：
根据所述元素描述信息，生成与所述地图元素对应的外参描述信息；
根据所述外参描述信息，确定所述地图元素映射于场景中的初始空间位置信息；以及
根据所述外参描述信息结合所述元素位置，从多个所述初始空间位置信息中确定出目标空间位置信息。
5.根据权利要求4所述的方法，其中，所述根据所述外参描述信息结合所述元素位置，从多个所述初始空间位置信息中确定出目标空间位置信息，包括：
根据所述外参描述信息结合所述元素位置，确定与所述多个所述初始空间位置信息分别对应的多个位置损失值；
从所述多个位置损失值中确定出值最小的目标位置损失值；
将所述目标位置损失值所对应的初始空间位置信息作为所述目标空间位置信息。
6.根据权利要求5所述的方法，其中，所述根据所述外参描述信息结合所述元素位置，确定与所述多个所述初始空间位置信息分别对应的多个位置损失值，包括：
将所述外参描述信息、所述元素位置，以及所述初始空间位置信息输入至目标调整模型之中，以得到所述目标调整模型输出的与所述初始空间位置信息对应的位置损失值；
其中，预先根据与样本地图元素相关的样本外参描述信息、样本元素位置，以及标注空间位置信息训练初始的调整模型，直至所述调整模型收敛，将训练得到的所述调整模型作为所述目标调整模型。
7.根据权利要求1所述的方法，其中，所述根据所述目标空间位置信息对所述地图元素进行更新，包括：
确定所述参考属性信息分别与元素库中多个候选属性信息之间的多个相关值，其中，所述元素库中包括：多个候选属性信息，以及与部分的所述候选属性信息对应的已有地图元素；
确定所述多个相关值之中值最大所述相关值对应的候选属性信息；
根据所述对应的候选属性信息和所述目标空间位置信息，对所述地图元素和所述元素库中的所述已有地图元素进行匹配，以得到匹配结果；
根据所述匹配结果，对所述地图元素进行更新。
8.根据权利要求7所述的方法，所述已有地图元素具有对应的参考空间位置信息，其中，所述根据所述匹配结果，对所述地图元素进行更新，包括：
如果所述元素库中不存在与所述对应的候选属性信息相应已有地图元素，则将所述地图元素标记为新增地图元素；
如果所述元素库中存在与所述对应的候选属性信息相应已有地图元素，且所述相应已有地图元素的参考空间位置信息，和所述目标空间位置信息之间的欧式距离满足设定条件，则将所述地图元素标记为已有地图元素；
如果所述元素库中不存在与所述对应的候选属性信息相应已有地图元素，且所述元素库中任意所述已有地图元素和所述地图元素之间的欧式距离均不满足所述设定条件，则将所述地图元素标记为删除地图元素。
9.根据权利要求7所述的方法，还包括：
如果确定所述参考属性信息分别与所述元素库中多个候选属性信息之间均不具有相关性，则将所述地图元素标记为删除地图元素。
10.一种高精地图元素更新装置，包括：
第一确定模块，用于确定地图元素的参考属性信息；
获取模块，用于获取场景图像，并对所述场景图像进行解析得到场景描述信息；
解析模块，用于根据所述参考属性信息，从所述场景描述信息中解析得到与所述地图元素对应的元素描述信息；
第二确定模块，用于根据所述元素描述信息，确定所述地图元素映射于场景中的目标空间位置信息；以及
更新模块，用于根据所述目标空间位置信息对所述地图元素进行更新。
11.根据权利要求10所述的装置，其中，所述解析模块，包括：
识别子模块，用于根据所述参考属性信息，分别从所述多个场景图像中识别出对应的多个元素图像，所述元素图像，是相应所述场景图像中所述地图元素对应的局部图像；
第一确定子模块，用于确定与所述多个元素图像分别对应的多个元素图像信息；
解析子模块，用于根据所述元素图像信息，从相应所述场景描述信息中解析得到所述对应的元素描述信息。
12.根据权利要求11所述的装置，其中，所述解析子模块，具体用于：
根据所述元素图像信息，确定相应所述地图元素对应于所述场景图像中的元素位置；
根据所述元素位置，从相应所述场景描述信息中解析得到所述对应的元素描述信息。
13.根据权利要求12所述的装置，其中，所述第二确定模块，包括：
生成子模块，用于根据所述元素描述信息，生成与所述地图元素对应的外参描述信息；
第二确定子模块，用于根据所述外参描述信息，确定所述地图元素映射于场景中的初始空间位置信息；以及
第三确定子模块，用于根据所述外参描述信息结合所述元素位置，从多个所述初始空间位置信息中确定出目标空间位置信息。
14.根据权利要求13所述的装置，其中，所述第三确定子模块，包括：
第一确定单元，用于根据所述外参描述信息结合所述元素位置，确定与所述多个所述初始空间位置信息分别对应的多个位置损失值；
第二确定单元，用于从所述多个位置损失值中确定出值最小的目标位置损失值；
处理单元，用于将所述目标位置损失值所对应的初始空间位置信息作为所述目标空间位置信息。
15.根据权利要求14所述的装置，其中，所述第一确定单元，具体用于：
将所述外参描述信息、所述元素位置，以及所述初始空间位置信息输入至目标调整模型之中，以得到所述目标调整模型输出的与所述初始空间位置信息对应的位置损失值；
其中，预先根据与样本地图元素相关的样本外参描述信息、样本元素位置，以及标注空间位置信息训练初始的调整模型，直至所述调整模型收敛，将训练得到的所述调整模型作为所述目标调整模型。
16.根据权利要求10所述的装置，其中，所述更新模块，包括：
第四确定子模块，用于确定所述参考属性信息分别与元素库中多个候选属性信息之间的多个相关值，其中，所述元素库中包括：多个候选属性信息，以及与部分的所述候选属性信息对应的已有地图元素；
第五确定子模块，用于确定所述多个相关值之中值最大所述相关值对应的候选属性信息；
匹配子模块，用于根据所述对应的候选属性信息和所述目标空间位置信息，对所述地图元素和所述元素库中的所述已有地图元素进行匹配，以得到匹配结果；
更新子模块，用于根据所述匹配结果，对所述地图元素进行更新。
17.根据权利要求16所述的装置，所述已有地图元素具有对应的参考空间位置信息，其中，所述更新子模块，具体用于：
如果所述元素库中不存在与所述对应的候选属性信息相应已有地图元素，则将所述地图元素标记为新增地图元素；
如果所述元素库中存在与所述对应的候选属性信息相应已有地图元素，且所述相应已有地图元素的参考空间位置信息，和所述目标空间位置信息之间的欧式距离满足设定条件，则将所述地图元素标记为已有地图元素；
如果所述元素库中不存在与所述对应的候选属性信息相应已有地图元素，且所述元素库中任意所述已有地图元素和所述地图元素之间的欧式距离均不满足所述设定条件，则将所述地图元素标记为删除地图元素。
18.根据权利要求16所述的装置，其中，所述更新子模块，具体用于：
如果确定所述参考属性信息分别与所述元素库中多个候选属性信息之间均不具有相关性，则将所述地图元素标记为删除地图元素。
19.一种电子设备，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1-9中任一项所述的方法。
20.一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1-9中任一项所述的方法。
21.一种计算机程序产品，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1-9中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111210659.6A CN114111813B (zh) | 2021-10-18 | 2021-10-18 | 高精地图元素更新方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111210659.6A CN114111813B (zh) | 2021-10-18 | 2021-10-18 | 高精地图元素更新方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114111813A true CN114111813A (zh) | 2022-03-01 |
| CN114111813B CN114111813B (zh) | 2024-06-18 |
Family
ID=80376256
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111210659.6A Active CN114111813B (zh) | 2021-10-18 | 2021-10-18 | 高精地图元素更新方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114111813B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114581667A (zh) * | 2022-03-04 | 2022-06-03 | 北京百度网讯科技有限公司 | 地图数据处理方法、装置、电子设备和存储介质 |
| CN115253290A (zh) * | 2022-08-01 | 2022-11-01 | 北京字跳网络技术有限公司 | 地图生成的方法、装置、电子设备和计算机存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108318043A (zh) * | 2017-12-29 | 2018-07-24 | 百度在线网络技术（北京）有限公司 | 用于更新电子地图的方法、装置和计算机可读存储介质 |
| EP3594902A1 (en) * | 2018-07-09 | 2020-01-15 | Autonomous Intelligent Driving GmbH | Method for estimating a relative position of an object in the surroundings of a vehicle and electronic control unit for a vehicle and vehicle |
| CN111256687A (zh) * | 2018-11-30 | 2020-06-09 | 广东星舆科技有限公司 | 地图数据的处理方法、装置、采集设备和存储介质 |
| CN111784798A (zh) * | 2020-06-30 | 2020-10-16 | 滴图(北京)科技有限公司 | 地图生成方法、装置、电子设备和存储介质 |
| WO2020224305A1 (zh) * | 2019-05-07 | 2020-11-12 | 北京市商汤科技开发有限公司 | 用于设备定位的方法、装置及设备 |
| CN111982133A (zh) * | 2019-05-23 | 2020-11-24 | 北京地平线机器人技术研发有限公司 | 基于高精地图对车辆进行定位的方法、装置及电子设备 |
| CN112050806A (zh) * | 2019-06-06 | 2020-12-08 | 北京初速度科技有限公司 | 一种移动车辆的定位方法及装置 |
| CN112069856A (zh) * | 2019-06-10 | 2020-12-11 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及系统 |
| CN112785655A (zh) * | 2021-01-28 | 2021-05-11 | 中汽创智科技有限公司 | 一种基于车道线检测的环视相机外参自动标定方法、装置、设备及计算机存储介质 |
| WO2021149254A1 (ja) * | 2020-01-24 | 2021-07-29 | 株式会社ソニー・インタラクティブエンタテインメント | 環境地図管理装置、環境地図管理方法及びプログラム |
-
2021
- 2021-10-18 CN CN202111210659.6A patent/CN114111813B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108318043A (zh) * | 2017-12-29 | 2018-07-24 | 百度在线网络技术（北京）有限公司 | 用于更新电子地图的方法、装置和计算机可读存储介质 |
| US20190204094A1 (en) * | 2017-12-29 | 2019-07-04 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method, apparatus, and computer readable storage medium for updating electronic map |
| EP3594902A1 (en) * | 2018-07-09 | 2020-01-15 | Autonomous Intelligent Driving GmbH | Method for estimating a relative position of an object in the surroundings of a vehicle and electronic control unit for a vehicle and vehicle |
| CN111256687A (zh) * | 2018-11-30 | 2020-06-09 | 广东星舆科技有限公司 | 地图数据的处理方法、装置、采集设备和存储介质 |
| WO2020224305A1 (zh) * | 2019-05-07 | 2020-11-12 | 北京市商汤科技开发有限公司 | 用于设备定位的方法、装置及设备 |
| CN111982133A (zh) * | 2019-05-23 | 2020-11-24 | 北京地平线机器人技术研发有限公司 | 基于高精地图对车辆进行定位的方法、装置及电子设备 |
| CN112050806A (zh) * | 2019-06-06 | 2020-12-08 | 北京初速度科技有限公司 | 一种移动车辆的定位方法及装置 |
| CN112069856A (zh) * | 2019-06-10 | 2020-12-11 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及系统 |
| WO2021149254A1 (ja) * | 2020-01-24 | 2021-07-29 | 株式会社ソニー・インタラクティブエンタテインメント | 環境地図管理装置、環境地図管理方法及びプログラム |
| CN111784798A (zh) * | 2020-06-30 | 2020-10-16 | 滴图(北京)科技有限公司 | 地图生成方法、装置、电子设备和存储介质 |
| CN112785655A (zh) * | 2021-01-28 | 2021-05-11 | 中汽创智科技有限公司 | 一种基于车道线检测的环视相机外参自动标定方法、装置、设备及计算机存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| J. S. BERRIO, J. WARD, S. WORRALL AND E. NEBOT: "Updating the visibility of a feature-based map for long-term maintenance", 2019 IEEE INTELLIGENT VEHICLES SYMPOSIUM (IV) * |
| 夏辉;王喜春;: "低空管廊线状要素增量更新制图研究", 电子测量技术, no. 09 * |
| 夏辉;王喜春;: "低空管廊线状要素增量更新制图研究", 电子测量技术, no. 09, 27 April 2018 (2018-04-27) * |
| 曾利萍: "利用RGB-D传感器数据的室内导航数据模型构建", 《中国优秀硕士学位论文全文数据库·信息科技辑》, no. 8 * |
| 王冕;: "面向自动驾驶的高精度地图及其应用方法", 地理信息世界, no. 04 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114581667A (zh) * | 2022-03-04 | 2022-06-03 | 北京百度网讯科技有限公司 | 地图数据处理方法、装置、电子设备和存储介质 |
| CN114581667B (zh) * | 2022-03-04 | 2024-08-20 | 北京百度网讯科技有限公司 | 地图数据处理方法、装置、电子设备和存储介质 |
| CN115253290A (zh) * | 2022-08-01 | 2022-11-01 | 北京字跳网络技术有限公司 | 地图生成的方法、装置、电子设备和计算机存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114111813B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113191256B (zh) | 车道线检测模型的训练方法、装置、电子设备及存储介质 | |
| CN113361578B (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
| CN113920307A (zh) | 模型的训练方法、装置、设备、存储介质及图像检测方法 | |
| CN113947147B (zh) | 目标地图模型的训练方法、定位方法及相关装置 | |
| CN114648676B (zh) | 点云处理模型的训练和点云实例分割方法及装置 | |
| CN114003613A (zh) | 高精地图车道线更新方法、装置、电子设备以及存储介质 | |
| CN113859264B (zh) | 车辆控制方法、装置、电子设备及存储介质 | |
| CN112785625A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
| CN114743178B (zh) | 道路边缘线生成方法、装置、设备及存储介质 | |
| CN113724388B (zh) | 高精地图的生成方法、装置、设备以及存储介质 | |
| EP4194807A1 (en) | High-precision map construction method and apparatus, electronic device, and storage medium | |
| CN113361710A (zh) | 学生模型训练方法、图片处理方法、装置及电子设备 | |
| CN114140759A (zh) | 高精地图车道线位置确定方法、装置及自动驾驶车辆 | |
| CN114111813B (zh) | 高精地图元素更新方法、装置、电子设备及存储介质 | |
| CN113298910A (zh) | 生成交通标志线地图的方法、设备和存储介质 | |
| CN114443794A (zh) | 数据处理和地图更新方法、装置、设备以及存储介质 | |
| CN114186007A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
| CN114723949A (zh) | 三维场景分割方法和用于训练分割模型的方法 | |
| CN114972910B (zh) | 图文识别模型的训练方法、装置、电子设备及存储介质 | |
| JP2023531759A (ja) | 車線境界線検出モデルの訓練方法、車線境界線検出モデルの訓練装置、電子機器、記憶媒体及びコンピュータプログラム | |
| CN113762397A (zh) | 检测模型训练、高精度地图更新方法、设备、介质及产品 | |
| CN113932796A (zh) | 高精地图车道线生成方法、装置和电子设备 | |
| CN113706705A (zh) | 用于高精地图的图像处理方法、装置、设备以及存储介质 | |
| CN112987707A (zh) | 一种车辆的自动驾驶控制方法及装置 | |
| CN114445668A (zh) | 图像识别方法、装置、电子设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |