地图生成方法、装置、电子设备和计算机可读介质与流程

办公文教;装订;广告设备的制造及其产品制作工艺1.本公开的实施例涉及计算机技术领域，具体涉及地图生成方法、装置、电子设备和计算机可读介质。背景技术：2.目前，高精地图已经广泛应用于人们的日常生活。对于地图中道路标识的提取，通常采用的方法为：通过人工标注的方式确定地图中的道路标识。3.然而，发明人发现，当采用上述方式来提取道路标识，经常会存在如下技术问题：第一，标注数据生成周期较长，效率较低，人工成本较高，且存在标注道路标识不够准确的问题。4.第二，道路标识的点云提取难度较大，准确率较低，且提取效率较低。5.该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。技术实现要素：6.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。7.本公开的一些实施例提出了地图生成方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。8.第一方面，本公开的一些实施例提供了一种地图生成方法，包括：获取针对目标路段的点云数据序列和针对上述目标路段的图像序列，其中，上述点云数据序列和上述图像序列之间存在时间一一对应关系，上述点云数据序列和上述图像序列是基于目标车辆所装置的激光雷达装置和拍摄装置生成的，上述目标路段是基于各个子路段生成的路段；根据上述点云数据序列，生成针对各个子路段的地面点云数据序列；根据上述地面点云数据序列，生成针对目标路段的道路标识信息；生成与上述道路标识信息相对应的地图；通过上述图像序列中各个图像所包括的道路标识信息，对上述地图中的道路标识信息进行矫正，得到矫正后的地图。9.第二方面，本公开的一些实施例提供了一种地图生成装置，包括：获取单元，被配置成获取针对目标路段的点云数据序列和针对上述目标路段的图像序列，其中，上述点云数据序列和上述图像序列之间存在时间一一对应关系，上述点云数据序列和上述图像序列是基于目标车辆所装置的激光雷达装置和拍摄装置生成的，上述目标路段是基于各个子路段生成的路段；第一生成单元，被配置成根据上述点云数据序列，生成针对各个子路段的地面点云数据序列；第二生成单元，被配置成根据上述地面点云数据序列，生成针对目标路段的道路标识信息；第三生成单元，被配置成生成与上述道路标识信息相对应的地图；矫正单元，被配置成通过上述图像序列中各个图像所包括的道路标识信息，对上述地图中的道路标识信息进行矫正，得到矫正后的地图。10.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。11.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一实现方式描述的方法。12.本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的地图生成方法可以高效、准确的生成矫正道路标识信息后的地图。具体来说，造成相关的地图中道路标识不够准确的原因在于：标注数据生成周期较长，效率较低，人工成本较高，且存在标注道路标识不够准确的问题。基于此，本公开的一些实施例的地图生成方法可以首先，获取针对目标路段的点云数据序列和针对上述目标路段的图像序列，其中，上述点云数据序列和上述图像序列之间存在时间对应关系，上述点云数据序列和上述图像序列是基于目标车辆所装置的激光雷达装置和拍摄装置生成的，上述目标路段是基于各个子路段生成的路段。在这里，目标路段的点云数据序列用于后续得到各个子路段的地面点云数据，目标路段的图像序列用于后续矫正提取地图中的道路标识。其次，根据上述点云数据序列，生成针对各个子路段的地面点云数据序列。在这里，各个子路段的地面点云数据用于后续提取目标路段的道路标识。接着，根据上述地面点云数据序列，生成针对目标路段的道路标识信息。在这里，目标路段的道路标识的提取用于后续生成地图。然后，生成与上述道路标识信息相对应的地图。在这里，可以得到比较精准的地图，有利于提高车辆行驶的安全性。最后，通过上述图像序列中各个图像所包括的道路标识信息，对上述地图中的道路标识信息进行矫正，得到矫正后的地图。在这里，得到的矫正后的地图中的道路标识信息更加精准，更有利于保障车辆行驶的安全性。由此可得，该地图生成方法可以高效、准确的生成矫正道路标识信息后的地图。附图说明13.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。14.图1是根据本公开的地图生成方法的一些实施例的流程图；图2是根据本公开的地图生成装置的一些实施例的结构示意图；图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。具体实施方式15.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。16.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。17.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。18.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。19.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。20.下面将参考附图并结合实施例来详细说明本公开。21.参考图1，示出了根据本公开的地图生成方法的一些实施例的流程100。该地图生成方法，包括以下步骤：步骤101，获取针对目标路段的点云数据序列和针对上述目标路段的图像序列。22.在一些实施例中，上述地图生成方法的执行主体可以通过有线连接方式或者无线连接方式来获取针对目标路段的点云数据序列和针对上述目标路段的图像序列，其中，上述点云数据序列和上述图像序列之间存在时间一一对应关系。例如，点云数据序列可以包括：第一点云数据，第二点云数据。图像序列包括：第一图像，第二图像。第一点云数据对应的生成时间和第一图像对应的生成时间是相同的。第二点云数据对应的生成时间和第二图像对应的生成时间是相同的。上述点云数据序列和上述图像序列是基于目标车辆所装置的激光雷达装置和拍摄装置生成的。目标路段可以是待采集道路标识的路段。目标路段是基于各个子路段生成的路段。子路段可以是点云数据对应点云辐射范围内的路段。点云数据是激光雷达装置扫描目标车辆周围环境物体所产生的点云。实践中，点云数据可以包括：空间坐标、反射率和时间戳。激光雷达装置可以是采集点云数据的装置。例如，激光雷达装置可以是velodyne hdl-64e激光雷达装置。目标车辆可以是用于采集点云数据序列和图像序列的车辆。例如，目标车辆可以是无人驾驶车辆。点云数据序列可以是目标车辆所装载的激光雷达装置在不同时间对目标车辆周围环境物体依次连续扫描的一系列点云数据。图像序列是目标车辆所装载的拍摄装置在不同时间对目标车辆周围环境物体依次连续拍摄的一系列图像。23.可选的，点云数据序列的存储方式为异步存储方式，上述点云数据序列为以二进制文件格式进行数据流的传输和处理的数据序列。例如，点云数据的异步存储将点云数据的获取存放到一个连接池中，再同时将连接池的数据存储到数据库中。24.步骤102，根据上述点云数据序列，生成针对各个子路段的地面点云数据序列。25.在一些实施例中，上述执行主体可以根据上述点云数据序列，生成针对各个子路段的地面点云数据序列。子路段可以是点云数据对应点云辐射范围内的路段。各个子路段与各个地面点云数据存在一一对应的关系。例如，各个地面点云数据包括：第一地面点云数据和第二地面点云数据。各个子路段包括：第一子路段和第二子路段。第一地面点云数据对应地面所属路段为第一子路段。第二地面点云数据对应地面所属路段为第二子路段。地面点云数据可以是点云数据切割前或者点云数据切割后得到的有关地面的点云数据。26.作为示例，首先，上述执行主体可以通过对点云数据序列进行划分，得到多个网格窗口内的点云数据。然后，比较连续网格的高度差确定地面高度，再根据一致性检查和中值滤波完成点云数据的分割，得到各个子路段的地面点云数据。27.在一些实施例的一些可选的实现方式中，上述根据上述点云数据序列，生成针对各个子路段的地面点云数据序列，可以包括以下步骤：对于上述点云数据序列中的每个点云数据，执行地面点云数据确定步骤：子步骤1，上述执行主体可以确定上述点云数据对应的子路段。28.作为示例，上述执行主体可以利用预先建立的关联表，来确定上述点云数据对应的子路段。其中，关联表可以表征点云数据与子路段之间的对应关系。29.子步骤2，上述执行主体可以依据预设点云数据切割比例，对上述点云数据进行点云切割，得到切割后的点云数据。例如，预设点云数据切割比例可以是横向±40m，纵向±30m区域的切割比例。点云数据对应的点云范围可以是水平覆盖半径为80m的范围，竖直方向覆盖6m范围。切割后的点云数据的点云范围是横向80m，纵向60m的范围。30.子步骤3，上述执行主体可以根据上述切割后的点云数据，来生成针对上述子路段的地面点云数据。31.作为示例，上述执行主体可以根据上述切割后的点云数据，利用渐进式形态学滤波方法，来生成针对上述子路段的地面点云数据可选地，上述地面点云数据序列中的地面点云数据对应点云坐标为车辆坐标系下的点云坐标，上述车辆坐标系是基于上述目标车辆建立的坐标系。其中，车辆坐标系可以是以目标车辆为原点的坐标系。以及上述方法还可以包括以下步骤：第一步，上述执行主体可以获取里程计数据序列。其中，里程计数据可以是目标车辆的实时定位信息。里程计数据序列可以是目标车辆所装载的定位导航装置在不同时间对目标车辆周围环境物体所采集的一系列的里程计数据。里程计数据序列和点云数据序列具有时间对应关系。例如，点云数据序列包括：第一点云数据、第二点云数据和第三点云数据。里程计数据序列包括：第一里程计数据和第二里程计数据。第一点云数据对应的生成时间和第一里程计数据对应的生成时间是相同的。第三点云数据对应的生成时间和第二里程计数据对应的生成时间是相同的。里程计数据序列和图像数据序列的时间对应关系与里程计数据序列和点云数据序列的时间关系是一样的。32.第二步，上述执行主体可以对上述里程计数据序列进行数据插值处理，得到插值后里程计数据序列。其中，上述里程计数据序列与上述点云数据序列之间存在时间对应关系。33.作为示例，上述执行主体可以利用球型线性插值算法，生成插值后的里程计数据序列。插值前的里程计数据序列相比于插值后的里程计数据序列有更多的数据元素。插值后的里程计数据序列和点云数据序列之间存在时间一一对应关系。例如，插值后的里程计数据序列包括：第一插值后的里程计数据和第二插值后的里程计数据。点云数据序列包括:第一点云数据和第二点云数据。第一插值后的里程计数据对应的生成时间和第一点云数据对应的生成时间是相同的。第二插值后的里程计数据对应的生成时间和第二点云数据对应的生成时间是相同的。插值后的里程计数据序列和图像序列之间存在时间一一对应关系与插值后的里程计数据序列和点云数据序列之间存在时间一一对应关系是相同的。34.第三步，上述执行主体可以根据上述插值后里程计数据序列，对所得到的地面点云数据序列中的每个地面点云数据进行数据坐标转换，以生成世界坐标系下的地面点云数据。35.作为示例，首先，对里程计数据序列进行插值，得到地面点云序列中每一个地面点云对应的目标车辆坐标系中的位置。然后，计算目标车辆坐标系到世界坐标系的位姿。最后，根据得到的位姿，将地面点云数据还原到世界坐标系中，实现对地面点云数据在真实世界中的位置的还原。其中，位姿是世界坐标系到目标车辆坐标系的变换，变换包括旋转变换与平移变换。36.步骤103，根据上述地面点云数据，生成针对目标路段的道路标识信息。37.在一些实施例中，上述执行主体可以根据上述地面点云数据，生成针对目标路段的道路标识信息。道路标识可以是道路地面上的用于辅助驾驶的标识。例如，道路标识可以包括但不限于以下至少一项：导向车道线，标线，车道道路标识。38.作为示例，首先，上述执行主体可以将地面点云数据输入到基于自适应点云强度值分析的算法，初步提取道路标志线。然后，上述执行主体可以对初步提取的道路标志线点云数据采用基于统计离群值剔除算法进行去噪，将噪声点从道路标志线中去除。最后，上述执行主体可以将去噪的标志线点云数据输入到基于形态分析和条件欧式聚类方法，提取出道路标识。39.在一些实施例的一些可选的实现方式中，上述根据上述地面点云数据序列，生成针对目标路段的道路标识信息，可以包括以下步骤：第一步，对于上述地面点云数据序列中的待拼接的地面点云数据，执行地面点云拼接步骤：子步骤1，上述执行主体可以响应于确定待拼接的地面点云数据不为上述地面点云数据序列中的第一个地面点云数据，确定与上述地面点云数据的上一个地面点云数据，作为目标地面点云数据。例如，地面点云数据序列可以包括：第一地面点云数据，第二地面点云数据，第三地面点云数据，第四地面点云数据。例如，待拼接的地面点云数据是第三地面点云数据。则目标地面点云数据可以是第二地面点云数据。40.子步骤2，上述执行主体可以确定与上述目标地面点云数据相对应的点云拼接数据。41.例如，针对目标地面点云数据为第二地面点云数据，与上述目标地面点云数据相对应的点云拼接数据可以是第一地面点云数据和第二地面点云数据进行拼接以及除去重叠部分的点云拼接数据。42.子步骤3，上述执行主体可以将上述待拼接的地面点云数据与上述点云拼接数据进行拼接，得到上述待拼接的地面点云数据对应的点云拼接数据。43.例如，上述待拼接的地面点云数据对应的点云拼接数据可以是第一地面点云数据、第二地面点云数据和第三地面点云数据进行拼接以及除去重叠部分的点云拼接数据。44.子步骤4，上述执行主体可以响应于确定上述待拼接的地面点云数据为上述地面点云数据序列中的最后一个地面点云数据，将上述地面点云数据对应的点云拼接数据确定为针对上述目标路段的点云拼接数据。45.第二步，上述执行主体可以响应于确定上述待拼接的地面点云数据不为上述地面点云数据序列中的最后一个地面点云数据，将上述待拼接的地面点云数据的下一个地面点云数据确定为待拼接的地面点云数据，继续执行上述地面点云拼接步骤。46.第三步，上述执行主体可以根据上述目标路段的点云拼接数据，生成针对上述目标路段的道路标识信息。47.可选的，上述执行主体可以根据上述目标路段的点云拼接数据，生成针对上述目标路段的道路标识信息，可以包括以下步骤：第一步，上述执行主体可以将上述目标路段的点云拼接数据纵向的开始点、中间点和结尾点分别确定为第一起始点、第二起始点和第三起始点。其中，上述纵向是目标车辆行驶的方向。48.第二步，上述执行主体可以确定针对第一起始点的第一截取范围、第二起始点对应的第二截取范围和第三起始点对应的第三截取范围。其中，第一截取范围、第二截取范围和第三截取范围可以是相同的，也可以是互不相同的。例如，第一截取范围可以是沿目标车辆行驶方向截取4m。第二截取范围可以是沿目标车辆行驶方向截取5m。第三截取范围可以是沿目标车辆行驶方向截取6m。49.第三步，上述执行主体可以根据第一截取范围、第二截取范围和第三截取范围，分别对上述目标路段的点云拼接数据进行截取，得到点云拼接子数据集组。50.作为示例，上述执行主体可以将第一截取范围作为截取步长，第一起始点作为截取起始点，依次对上述目标路段的点云拼接数据进行截取，得到针对第一起始点的点云拼接子数据集。上述执行主体可以将第二截取范围作为截取步长，第二起始点作为截取起始点，依次对上述目标路段的点云拼接数据进行截取，得到针对第二起始点的点云拼接子数据集。上述执行主体可以将第三截取范围作为截取步长，第三起始点作为截取起始点，依次对上述目标路段的点云拼接数据进行截取，得到针对第三起始点的点云拼接子数据集。51.第四步，上述执行主体可以对于点云拼接子数据集组中的每个点云拼接子数据集，根据上述点云拼接子数据集，生成针对上述第一起始点的三阶曲线、第二起始点的三阶曲线和第三起始点的三阶曲线。52.作为示例，根据上述点云拼接子数据集，利用超定方程组，来生成针对第一起始点的三阶曲线、第二起始点的三阶曲线和第三起始点的三阶曲线。53.第五步，上述执行主体可以根据所得到的三阶路段曲线集，生成针对目标路段的三阶路段曲线，作为目标三阶路段曲线。其中，基于道路标识平行于目标道路，目标道路曲率和道路标识曲率相同的假设，道路标识的三阶曲线和目标三阶路段曲线是相同的。54.作为示例，上述执行主体可以将得到的三阶路段曲线集的所有三阶路段曲线的截距进行加和求平均，得到针对目标路段的三阶路段曲线的截距，进而得到针对目标路段的三阶路段曲线。55.第六步，上述执行主体可以根据横向截取值，生成针对目标路段的多条道路标识候选线。其中，上述横向可以是上述目标路段宽度的方向。56.作为示例，上述执行主体可以将横向截取值设定为0.5m，对目标路段进行截取，得到多条道路标识候选线。57.第七步，上述执行主体可以针对上述多条道路标识候选线中的每一条道路标识候选线，执行处理步骤：子步骤1，上述执行主体可以确定针对上述道路标识候选线已执行次数。其中，上述已执行次数可以是针对上述每一条道路标识候选线，已执行处理步骤的执行次数。58.子步骤2，上述执行主体可以根据上述目标三阶路段曲线的曲线系数和已执行次数，生成针对上述道路标识候选线的感兴趣区域。其中，上述感兴趣区域的宽度随着执行次数的增加而减小。59.作为示例，根据目标三阶路段曲线的曲线系数和已执行次数为1次，在道路标识候选线双侧横向扩展0.5m得到道路标识候选线的感兴趣区域。60.子步骤3，上述执行主体可以根据上述目标路段的点云拼接数据，确定处于感兴趣区域内的点云集，作为目标点云集。61.作为示例，利用重载函数，确定处于感兴趣区域内的点云集。62.子步骤4，上述执行主体可以确定针对上述已执行次数的反射率阈值。其中，上述反射率阈值随着已执行次数的增加而增大。例如，已执行次数为一次时，反射率阈值可以是根据选型激光的历史数据统计的柏油地面点的反射率经验值。63.子步骤5，上述执行主体可以根据上述反射率阈值，对上述目标点云集进行点云过滤，得到过滤后的点云集。其中，上述反射率阈值是指点云集的反射率的取值范围的最低值。64.作为示例，上述反射率阈值可以是0.1，利用阈值点云滤波方法，对反射率阈值小于0.1的点云进行过滤，得到过滤后的点云集。65.子步骤6，上述执行主体可以确定上述过滤后的点云集的点云稀疏度。其中，上述点云稀疏度阈值是在感兴趣区域内含有点云数目程度的数值的临界值。点云稀疏度阈值为历史数据统计的经验值，基于点云预处理拼接的长度生成的。例如，预处理拼接的长度为20cm，点云集的数目最低为400。那么，预处理拼接长度为30cm，则点云集的数目最低应该是600。如果，预处理拼接长度为30cm，点云集的数目是500，则认为改点云集的点云比较稀少，而点云集的数目是700，则认为改点云集的点云比较稠密。66.子步骤7，上述执行主体可以根据上述点云稀疏度，确定上述感兴趣区域内的上述道路标识候选线是否为真实道路标识。例如，针对预拼接的长度为20cm，点云集的数目最低应该是400。而上述感兴趣区域的点云集的数目为300，则确定感兴趣区域内的上述道路标识候选线不是真实道路标识。67.子步骤8，上述执行主体可以响应于确定不是为真实道路标识，将上述道路标识候选线从上述多条道路标识候选线中删除，结束上述处理步骤。68.第八步，上述执行主体可以响应于确定是，确定针对上述处理步骤的预设执行次数。69.作为示例，道路宽30m，感兴趣区域的宽度为0.5m，则预设执行次数为60次。70.第九步，上述执行主体可以响应于确定上述已执行次数与上述预设执行次数的比值小于或者等于预定阈值，将过滤后的点云集确定为目标点云集，继续执行针对每一条道路标识候选线的处理步骤，以及将上述道路标识候选线已执行次数+1。例如，预定阈值可以是30%。71.第十步，上述执行主体可以响应于确定上述已执行次数与上述预设执行次数的比值大于上述预定阈值，动态调整感兴趣区域的区域范围和反射率阈值，以使得道路标识候选线的拟合中心不断趋于感兴趣区域内道路标识实例的位置。72.作为示例，上述执行主体可以确定已执行次数与上述预执行次数的比值大于30%，动态调整感兴趣区域不断趋于道路标识候选线所在的区域，并且感兴趣区域内点云集的反射率阈值趋近于动态调整的反射率阈值。最终使得道路标识候选线的拟合中心不断趋于感兴趣区域内道路标识实例的位置。73.第十一步，上述执行主体可以响应于确定上述已执行次数与上述预设执行次数的比值大于上述预定阈值，以及确定感兴趣区域的区域范围内的点云集的数目小于指定数目时，则将参数进行回滚，以及停止对中选候选线参数的调整，以及执行线性判断步骤。其中，参数包括：上述目标三阶路段曲线系数，感兴趣区域，反射率阈值和点云稀疏度阈值。回滚可以是将参数恢复到已执行次数的上一次执行次数的处理行为。74.作为示例，预设执行次数为30次，已执行次数为10次。上述执行主体可以确定感兴趣区域的区域范围内的点云集的数目小于100时，就将参数变成执行次数为第9次时的参数。然后，停止对上述道路标识候选线参数的调整，对上述道路标识候选线进行线性判断。75.第十二步，响应于针对每一条道路标识候选线的感应区域的区域范围和反射率阈值调整结束，执行线性判断步骤：子步骤1，上述执行主体可以根据点云拼接子数据集的起始点和结束点，对上述道路标识候选线的目标三阶路段曲线对应的点云集进行插值，得到插值后的道路标识候选线的点云集。其中，点云集为点云拼接子数据集中的、贯穿于上述目标三阶路段曲线的点云。例如，利用线性插值，对上述道路标识候选线的点云集进行插值，得到插值后的点云集。76.子步骤2，上述执行主体可以对上述插值后的道路标识候选线的点云集进行采样，得到针对道路标识候选线的采样点集。例如，利用滑动最小二乘法采样方法，对上述插值后的道路标识候选线的点云集进行采样，得到针对道路标识候选线的采样点集。77.子步骤3，上述执行主体可以根据预设感兴趣区域，确定上述道路标识候选线的采样点集中的每个采样点的感兴趣区域，得到针对采样点集的感兴趣区域集。78.作为示例，在上述道路标识候选线的采样点集中的每个采样点横向±0.1m的范围内截取感兴趣区域，得到针对采样点集的感兴趣区域集。79.子步骤4，上述执行主体可以计算感兴趣区域集中每个感兴趣区域的点云集反射强度，以及将得到的点云反射强度作为每个采样点的反射强度特征值。其中，感兴趣区域的点云集反射强度是感兴趣区域内的点云集的平均反射强度。80.作为示例，在第一个采样点的感兴趣区域内，计算所有点云的反射强度的平均值，将得到的平均值作为第一个采样点的反射强度特征值。81.子步骤5，上述执行主体可以根据铺设路面的材质的反射强度经验值，将道路标识候选线转换成高低位波。例如，铺设路面的材质可以是柏油材质。第一个采样点的反射强度特征值比柏油材质的反射强度经验值高，则第一个采样点是高位波。第二个采样点的反射强度特征值比柏油材质的反射强度经验值低，则第二个采样点是低位波。82.子步骤6，上述执行主体可以根据道路标识候选线的高低位波的周期性，判断道路标识候选线的线型。例如，道路标识候选线的每个周期都是高位波，则该道路标识候选线是实线。道路标识候选线的第一个周期是高位波，第二个周期是低位波，并且高位波周期数目和低位波周期数目相同，则该道路标识候选线是虚线。83.上述技术方案及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“道路标识的点云提取难度较大，准确率较低，且提取效率较低。”。导致道路标识提取效率低下的因素往往如下：道路标识的点云提取难度较大，准确率较低，且提取效率较低。如果解决了上述因素，就能达到提高道路标识提取的效率。为了达到这一效果，对上述多条道路标识候选线中的每一条道路标识候选线，执行处理步骤：首先，将上述目标路段的点云拼接数据纵向的开始点、中间点和结尾点分别确定为第一起始点、第二起始点和第三起始点；确定针对第一起始点的第一截取范围、第二起始点对应的第二截取范围和第三起始点对应的第三截取范围；根据第一截取范围、第二截取范围和第三截取范围，分别对上述目标路段的点云拼接数据进行截取，得到点云拼接子数据集组；对于点云拼接子数据集组中的每个点云拼接子数据集，根据上述点云拼接子数据集，生成针对上述第一起始点的三阶曲线、第二起始点的三阶曲线和第三起始点的三阶曲线；根据所得到的三阶路段曲线集，生成针对目标路段的三阶路段曲线，作为目标三阶路段曲线。由此，得到的针对目标路段的三阶路段曲线更加精准，更加趋近于真实的目标路段的三阶曲线。根据横向截取值，生成针对目标路段的多条道路标识候选线。由此，利用目标路段的三阶路段曲线和横向截取值，生成多条道路标识候选线，进一步缩小了道路标识所在感兴趣区域的范围。其次，针对上述多条道路标识候选线中的每一条道路标识候选线，执行以下处理步骤：确定针对上述道路标识候选线已执行次数；由此，确定已执行次数是为了确定后续反射率阈值和感兴趣区域的具体数值。根据上述目标三阶路段曲线的曲线系数和已执行次数，生成针对上述道路标识候选线的感兴趣区域；由此，生成针对上述道路标识候选线的感兴趣区域便于确定道路标识候选线的大致范围，便于后续继续进行处理步骤。根据上述目标路段的点云拼接数据，确定处于感兴趣区域内的点云集，作为目标点云集；确定针对上述已执行次数的反射率阈值；由此，已执行次数的反射率阈值的确定便于进一步缩小道路标识候选线的感兴趣区域，有利于提高道路标识候选线点云的提取效率。根据上述反射率阈值，对上述目标点云集进行点云过滤，得到过滤后的点云集；由此，得到过滤后的点云集有利于确定道路标识候选线的感兴趣区域是否含有道路标识。确定上述过滤后的点云集的点云稀疏度；由此，根据点云稀疏度可以判断感兴趣区域是否含有道路标识，便于对道路标识候选线的筛选。根据上述点云稀疏度，确定上述感兴趣区域内的上述道路标识候选线是否为真实道路标识；响应于确定不是为真实道路标识，将上述道路标识候选线从上述多条道路标识候选线中删除，结束上述处理步骤。由此，在不断筛选道路标识候选线的过程中，筛选掉不符合阈值的道路标识候选线，进一步确定了道路标识所在的区域，有利于后续对道路标识点云的提取。然后，响应于已执行次数与预执行次数的比值大于预定阈值，执行以下处理步骤：响应于确定是，确定针对上述处理步骤的预设执行次数；响应于确定上述已执行次数与上述预设执行次数的比值小于或者等于预定阈值，将过滤后的点云集确定为目标点云集，继续执行针对每一条道路标识候选线的处理步骤，以及将上述道路标识候选线已执行次数+1；由此，对该条道路标识候选线进行进一步的处理，进一步缩小包含道路标识候选线的感兴趣区域范围。响应于确定上述已执行次数与上述预设执行次数的比值大于上述预定阈值，动态调整感兴趣区域的区域范围和反射率阈值，以使得道路标识候选线的拟合中心不断趋于感兴趣区域内道路标识实例的位置；由此，基本可以确定道路标识候选线的位置，对于道路标识点云的提取更加精准，提取效率也更高。响应于确定上述已执行次数与上述预设执行次数的比值大于上述预定阈值，以及确定感兴趣区域的区域范围内的点云集的数目小于指定数目时，则将参数进行回滚，以及停止对中选候选线参数的调整，以及执行线性判断步骤。由此，对道路标识候选线的感兴趣区域的区域范围和反射率阈值的调整，得到真正含有道路标识的道路标识候选线，提高了对道路标识的点云的提取效率。最后，响应于针对每一条道路标识候选线的感应区域的区域范围和反射率阈值调整结束，执行线性判断步骤：根据点云拼接子数据集的起始点和结束点，对上述道路标识候选线的目标三阶路段曲线对应的点云集进行插值，得到插值后的道路标识候选线的点云集；由此，得到插值后的道路标识候选线的点云集更加密集，能够更准确的表示道路标识，更有利于道路标识点云的提取。对上述插值后的道路标识候选线的点云集进行采样，得到针对道路标识候选线的采样点集；根据预设感兴趣区域，确定上述道路标识候选线的采样点集中的每个采样点的感兴趣区域，得到针对采样点集的感兴趣区域集；计算感兴趣区域集中每个感兴趣区域的点云集反射强度，以及将得到的点云反射强度作为每个采样点的反射强度特征值；根据铺设路面的材质的反射强度经验值，将道路标识候选线转换成高低位波；根据道路标识候选线的高低位波的周期性，判断道路标识候选线的线型。由此，完成了对道路标识候选线的线型判断，达到了提高道路标识点云提取的准确率。84.可选地，在上述响应于确定待拼接的地面点云数据不为上述地面点云数据序列中的第一个地面点云数据，确定与上述地面点云数据的上一个地面点云数据，作为目标地面点云数据之前，上述方法还可以包括以下步骤：上述执行主体可以响应于确定待拼接的地面点云数据为上述地面点云数据序列中的第一个地面点云数据，将上述待拼接的地面点云数据确定为上述地面点云数据对应的点云拼接数据。85.步骤104，生成与上述道路标识信息相对应的地图。86.在一些实施例中，上述执行主体可以生成与上述道路标识信息相对应的地图。地图可以是已嵌入道路标识信息的地图。87.作为示例，上述执行主体可以将提取到的道路标识数据录制成gpkg（geopackage）格式，以便于将道路标识信息嵌入到地图中，生成内容比较丰富的地图。88.步骤105，通过上述图像序列中各个图像所包括的道路标识信息，对上述地图中的道路标识信息进行矫正，得到矫正后的地图。89.在一些实施例中，上述执行主体可以通过上述图像序列中各个图像所包括的道路标识信息，对上述地图中的道路标识信息进行矫正，得到矫正后的地图。其中，矫正后的地图中的道路标识信息相较于矫正前的地图中的道路标识信息更加精准。90.在一些实施例的一些可选的实现方式中，上述通过上述图像序列中各个图像所包括的道路标识信息，对上述地图中的道路标识信息进行矫正，得到矫正后的地图，可以包括以下步骤：第一步，根据上述图像序列中各个图像所包括的道路标识信息，与上述地图中的道路标识信息进行对比，得到对比结果。其中，对比结果可以是图像中的道路标识信息和生成的道路标识信息之间对比的结果。对比结果可以包括：无差别和有差别。91.第二步，将上述对比结果发送给审核终端，以供人工审核。其中，审核终端可以是显示对比结果的显示屏。例如，审核终端可以是平板电脑。92.本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的地图生成方法可以高效、准确的生成矫正道路标识信息后的地图。具体来说，可以自动化的提取道路标识，然后，将提取到的道路标识与图像获取的道路标识进行比对，得到矫正后的高精度地图。基于此，本公开的一些实施例的地图生成方法可以首先获取针对目标路段的点云数据序列和针对上述目标路段的图像序列，其中，上述点云数据序列和上述图像序列之间存在时间对应关系，上述点云数据序列和上述图像序列是基于目标车辆所装置的激光雷达装置和拍摄装置生成的。在这里，目标路段的点云数据序列用于后续得到各个子路段的地面点云数据，目标路段的图像序列用于后续矫正提取地图中的道路标识。其次，根据上述点云数据序列，生成针对各个子路段的各个地面点云数据，其中，上述目标路段包括：各个子路段。在这里，各个子路段的地面点云数据用于后续提取目标路段的道路标识。接着，根据上述地面点云数据，生成针对目标路段的道路标识信息。在这里，目标路段的道路标识的提取用于后续生成地图。然后，生成与上述道路标识信息相对应的地图。在这里，可以得到比较精准的地图，有利于提高车辆行驶的安全性。最后，通过上述图像序列中各个图像所包括的道路标识信息，对上述地图中的道路标识信息进行矫正，得到矫正后的地图。由此可得，该地图生成方法可以高效、准确的生成矫正道路标识信息后的地图。93.进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种地图生成装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。94.如图2所示，一种地图生成装置200包括：获取单元201、第一生成单元202、第二生成单元203、第三生成单元204和矫正单元205。其中，获取单元201被配置成：获取针对目标路段的点云数据序列和针对上述目标路段的图像序列，其中，上述点云数据序列和上述图像序列之间存在时间一一对应关系，上述点云数据序列和上述图像序列是基于目标车辆所装置的激光雷达装置和拍摄装置生成的，上述目标路段是基于各个子路段生成的路段。第一生成单元202被配置成：根据上述点云数据序列，生成针对各个子路段的地面点云数据序列。第二生成单元203被配置成：根据上述地面点云数据序列，生成针对目标路段的道路标识信息。第三生成单元204被配置成：生成与上述道路标识信息相对应的地图。矫正单元205被配置成：通过上述图像序列中各个图像所包括的道路标识信息，对上述地图中的道路标识信息进行矫正，得到矫正后的地图。95.可以理解的是，该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元，在此不再赘述。96.下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备（例如，电子设备）300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。97.如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（rom）302中的程序或者从存储装置308加载到随机访问存储器（ram）303中的程序而执行各种适当的动作和处理。在ram 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、rom 302以及ram 303通过总线304彼此相连。输入/输出（i/o）接口305也连接至总线304。98.通常，以下装置可以连接至i/o接口305：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306；包括例如液晶显示器（lcd）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，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3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。99.特别地，根据本公开的一些实施例，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，本公开的一些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。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从rom 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。100.需要说明的是，本公开的一些实施例上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、或半导体的系统、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。在本公开的一些实施例中，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系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，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系统、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。101.在一些实施方式中，客户端、服务器可以利用诸如http（hypertext transfer protocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“lan”），广域网（“wan”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。102.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：获取针对目标路段的点云数据序列和针对上述目标路段的图像序列，其中，上述点云数据序列和上述图像序列之间存在时间一一对应关系，上述点云数据序列和上述图像序列是基于目标车辆所装置的激光雷达装置和拍摄装置生成的，上述目标路段是基于各个子路段生成的路段；根据上述点云数据序列，生成针对各个子路段的地面点云数据序列；根据上述地面点云数据序列，生成针对目标路段的道路标识信息；生成与上述道路标识信息相对应的地图；通过上述图像序列中各个图像所包括的道路标识信息，对上述地图中的道路标识信息进行矫正，得到矫正后的地图。103.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一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，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）。104.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和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。也要注意的是，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系统来实现，或者可以用专用硬件与计算机指令的组合来实现。105.描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一生成单元、第二生成单元、第三生成单元和矫正单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取针对目标路段的点云数据序列和针对上述目标路段的图像序列的单元”。106.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（fpga）、专用集成电路（asic）、专用标准产品（assp）、片上系统（soc）、复杂可编程逻辑设备（cpld）等等。107.以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!