[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN114661842B - 地图匹配方法、装置和电子设备 - Google Patents

地图匹配方法、装置和电子设备 Download PDF

Info

Publication number
CN114661842B
CN114661842B CN202210181870.8A CN202210181870A CN114661842B CN 114661842 B CN114661842 B CN 114661842B CN 202210181870 A CN202210181870 A CN 202210181870A CN 114661842 B CN114661842 B CN 114661842B
Authority
CN
China
Prior art keywords
node
map
feature vector
precision map
score
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.)
Active
Application number
CN202210181870.8A
Other languages
English (en)
Other versions
CN114661842A (zh
Inventor
颜青悦
蔡育展
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.)
Apollo Zhilian Beijing Technology Co Ltd
Apollo Zhixing Technology Guangzhou Co Ltd
Original Assignee
Apollo Zhilian Beijing Technology Co Ltd
Apollo Zhixing Technology Guangzhou 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 Apollo Zhilian Beijing Technology Co Ltd, Apollo Zhixing Technology Guangzhou Co Ltd filed Critical Apollo Zhilian Beijing Technology Co Ltd
Priority to CN202210181870.8A priority Critical patent/CN114661842B/zh
Publication of CN114661842A publication Critical patent/CN114661842A/zh
Priority to EP22189783.8A priority patent/EP4235103B1/en
Priority to US17/819,394 priority patent/US12025447B2/en
Application granted granted Critical
Publication of CN114661842B publication Critical patent/CN114661842B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28Navigation; 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
    • G01C21/30Map- or contour-matching
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28Navigation; 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
    • G01C21/30Map- or contour-matching
    • G01C21/32Structuring or formatting of map data
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804Creation or updating of map data
    • G01C21/3807Creation or updating of map data characterised by the type of data
    • G01C21/3815Road data
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3863Structures of map data
    • G01C21/387Organisation of map data, e.g. version management or database structures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/02Knowledge representation; Symbolic representation
    • G06N5/022Knowledge engineering; Knowledge acquisition

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Instructional Devices (AREA)

Abstract

本公开提供了一种地图匹配方法、装置和电子设备,涉及高精地图、自动驾驶、车联网、智能座舱等人工智能技术领域。具体实现方案为:在将高精地图和标精地图进行匹配时,先获取与待匹配的高精地图和标精地图分别对应的路网数据;并基于高精地图对应的路网数据构建第一图网络,以及基于标精地图对应的路网数据构建第二图网络;再基于第一图网络和第二图网络,确定高精地图与标精地图的匹配结果。这样通过图网络的方法,可以准确地实现高精地图与标精地图的匹配,从而有效地提高了匹配结果的准确度。

Description

地图匹配方法、装置和电子设备
技术领域
本公开涉及图像处理技术领域,尤其涉及高精地图、自动驾驶、车联网、智能座舱等人工智能技术领域,具体涉及一种地图匹配方法、装置和电子设备。
背景技术
车辆在自动驾驶场景中,鉴于自动驾驶技术采用的地图为高精地图,车辆导航系统采用的地图为标精地图,因此,需要对高精地图和标精地图进行匹配,以根据匹配结果控制车辆自动驾驶。
目前,在对高精地图和标精地图进行匹配时,由于高精地图的link数据和标精地图的link数据描述的道路形状存在差异,因此,会导致匹配结果的准确度较差。
发明内容
本公开提供了一种地图匹配方法、装置和电子设备,可以准确地实现高精地图与标精地图的匹配,提高了匹配结果的准确度。
根据本公开的第一方面,提供了一种地图匹配方法,该地图匹配方法可以包括:
获取与待匹配的高精地图和标精地图分别对应的路网数据。
基于所述高精地图对应的路网数据构建第一图网络,并基于所述标精地图对应的路网数据构建第二图网络。
基于所述第一图网络和所述第二图网络,确定所述高精地图与所述标精地图的匹配结果。
根据本公开的第二方面,提供了一种地图匹配装置,该地图匹配装置可以包括:
获取单元,用于获取与待匹配的高精地图和标精地图分别对应的路网数据。
构建单元,用于基于所述高精地图对应的路网数据构建第一图网络,并基于所述标精地图对应的路网数据构建第二图网络。
处理单元,用于基于所述第一图网络和所述第二图网络,确定所述高精地图与所述标精地图的匹配结果。
根据本公开的第三方面,提供了一种电子设备,该电子设备可以包括:
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上述第一方面所述的地图匹配方法。
根据本公开的第四方面,提供了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上述第一方面所述的地图匹配方法。
根据本公开的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的地图匹配方法。
根据本公开的技术方案,可以准确地实现高精地图与标精地图的匹配,提高了匹配结果的准确度。
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。本公开的其它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是本公开实施例提供的一种应用框架示意图;
图2是根据本公开第一实施例提供的地图匹配方法的流程示意图;
图3是本申请实施例提供的一种构建的初始图网络的示意图;
图4是本申请实施例提供的一种构建的图网络的示意图;
图5是根据本公开第二实施例提供的确定高精地图与标精地图的匹配结果的方法的流程示意图;
图6是根据本公开第三实施例提供的一种地图匹配装置的结构示意图;
图7是本公开实施例提供的一种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。
在本公开的实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的访问关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。在本公开的文字描述中,字符“/”一般表示前后关联对象是一种“或”的关系。此外,在本公开实施例中,“第一”、“第二”、“第三”、“第四”、“第五”以及“第六”只是为了区分不同对象的内容而已,并无其它特殊含义。
本公开实施例提供的技术方案可以应用于高精地图、自动驾驶、车联网、智能座舱等人工智能技术领域。车辆在自动驾驶场景中,自动驾驶技术采用的地图为高精地图,但车辆导航系统采用的地图为标精地图,这样当自动驾驶技术采用的地图和导航系统采用的地图精度不同时,如何基于不同精度的地图控制车辆自动驾驶,对于车辆行驶的安全性是至关重要的。
其中,标精地图为“米级”精度的地图,其精度一般在10米左右。
高精地图为“厘米级”精度的地图,其精度需要达到20厘米。高精地图是指绝对精度和相对精度均在1米以内的高精度、高新鲜度、高丰富度的电子地图。高精地图所蕴含的信息丰富,含有道路类型、曲率、车道线位置等道路信息,以及路边基础设施、障碍物、交通标志等环境对象信息,同时包括交通流量、红绿灯状态信息等实时动态信息。
通常情况下,为了基于不同精度的地图控制车辆自动驾驶,需要先建立不同精度地图的link数据之间的静态关联关系表,以对不同精度地图的link数据进行匹配;并基于匹配结果控制车辆自动驾驶。但是,由于高精地图的link数据为描述基线的link数据,基线为按通行方向的最内侧车道边线;而标精地图的link数据为描述道路中心线的link数据,这样会使得不同精度地图的link数据描述的道路形状存在差异,因此,采用现有的地图匹配方法,会导致匹配结果的准确度较差。
为了提高匹配结果的准确度,在本公开中,可以考虑基于link数据构造对应的图网络,并基于图网络实现不同精度的地图匹配。示例的,可参见图1所示,图1是本公开实施例提供的一种应用框架示意图,用于实现技术方案的电子设备可以为车载设备,也可以为其它电子设备,具体可以根据实际需要进行设置。以车载设备为例,示例的,该车载设备可以包括三个模块,分别为数据预处理模块、图神经网络模块以及匹配模块。
其中,数据预处理模块,主要用于获取待匹配的高精地图和标精地图各自对应的link数据。
图神经网络模块,主要用于基于高精地图对应的link数据构建高精地图对应的图网络,以及基于标精地图对应的link数据构建标精地图对应的图网络。
匹配模块,主要用于基于高精地图对应的图网络和标精地图对应的图网络,确定高精地图与标精地图的匹配结果。
如上所述,这样通过构建高精地图和标精地图各自对应的图网络,并基于高精地图和标精地图各自对应的图网络对高精地图和标精地图进行匹配,以确定高精地图与标精地图的匹配结果,这样通过图网络的方法,可以准确地实现高精地图与标精地图的匹配,从而有效地提高了匹配结果的准确度。
下面,将通过具体的实施例对本公开提供的地图匹配方法进行详细地说明。可以理解的是,下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例一
图2是根据本公开第一实施例提供的地图匹配方法的流程示意图,该地图匹配方法可以由软件和/或硬件装置执行,例如,该硬件装置可以为终端或者服务器。示例的,请参见图2所示,该地图匹配方法可以包括:
S201、获取与待匹配的高精地图和标精地图分别对应的路网数据。
示例的,路网数据可以为link数据。通常情况下,相对于现实世界,高精地图的link数据为描述基线的link数据,基线为按通行方向的最内侧车道边线;标精地图的link数据为描述道路中心线的link数据。
示例的,获取待匹配的高精地图和标精地图各自对应的路网数据时,可以从其他设备接收待匹配的高精地图和标精地图各自对应的路网数据;也可以从本地存储中查找获取待匹配的高精地图和标精地图各自对应的路网数据;也可以通过其它方式,例如从第三方获取待匹配的高精地图和标精地图各自对应的路网数据,具体可以根据实际需要进行设置,在此,对于路网数据的获取方法,本公开实施例不做具体限制。
在分别获取到待匹配的高精地图和标精地图各自对应的路网数据后,就可以执行下述S202:
S202、基于高精地图对应的路网数据构建第一图网络,并基于标精地图对应的路网数据构建第二图网络。
其中,图网络中包括多个节点,且节点之间存在连接关系。
在分别构建得到高精地图对应的第一图网络和标精地图对应的第二图网络后,就可以基于第一图网络和第二图网络,确定高精地图与标精地图的匹配结果。
S203、基于第一图网络和第二图网络,确定高精地图与标精地图的匹配结果。
可以看出,本公开实施例中,在将高精地图和标精地图进行匹配时,先获取待匹配的高精地图和标精地图各自对应的路网数据;并基于高精地图对应的路网数据构建第一图网络,以及基于标精地图对应的路网数据构建第二图网络;再基于第一图网络和第二图网络,确定高精地图与标精地图的匹配结果。这样通过图网络的方法,可以准确地实现高精地图与标精地图的匹配,从而有效地提高了匹配结果的准确度。
基于上述图2所示的实施例,在上述S202中,考虑到基于高精地图对应的路网数据构建第一图网络,以及基于标精地图对应的路网数据构建第二图网络的构建方法类似,为了避免赘述,将以基于高精地图或标精地图对应的路网数据构建对应的图网络为例进行说明。
示例的,在基于地图对应的路网数据构建对应的图网络时,可以包括下述至少两种可能的实现方式:
在一种可能的实现方式中,可以先基于地图对应的路网数据构建初始图网络;再从初始图网络中剔除结点度为预设值的相关节点,得到仅包括分歧点的图网络,从而获取到地图对应的图网络。
示例的,预设值可以为2。在本公开实施例中,可以从初始图网络中剔除结点度为2的节点,得到仅包括分歧点的图网络,即高精地图对应的第一图网络和标精地图对应的第二图网络均为仅包括分歧点的图网络。其中,非分歧点为结点度为2的节点。
示例的,在基于地图对应的路网数据,即link数据构建初始图网络时,可以将地图对应的每个link数据的起点、link数据的终点和不同link数据之间的连接关系加入至图网络,图网络中的节点用于表示link数据,节点的标识可用link-id或者node-id表示,只要保证其标识在图网络中唯一即可,这样就可以构建得到地图对应的路网数据构建初始图网络。示例的,可参见图3所示,图3是本申请实施例提供的一种构建的初始图网络的示意图,可以看出,图网络中的包括多个用于表示link数据的节点,以及不同节点之间的连接关系;为了提高地图匹配的准确度,在得到初始图网络后,还需要进一步从初始图网络中剔除结点度为2的相关节点,得到仅包括分歧点的图网络,示例的,可参见图4所示,图4是本申请实施例提供的一种构建的图网络的示意图,可以看出,图网络中不再包括结点度为2的相关节点,为仅包括分歧点的图网络。
在另一种可能的实现方式中,可以先从地图对应的路网数据中,剔除掉非分歧点数据,得到更新后的路网数据;再从基于更新后的路网数据,构建仅包括分歧点的图网络,从而获取到地图对应的图网络。
可以理解的是,在构建地图对应的图网络时,本公开实施例只是以上述至少两种可能的实现方式为例进行说明,但并不代表本公开实施例仅局限于此。
这样通过构建高精地图对应的第一图网络和标精地图对应的第二图网络,就可以基于高精地图对应的第一图网络和标精地图对应的第二图网络,对高精地图和标精地图进行匹配,以确定高精地图与标精地图的匹配结果,即上述S203。为了便于理解在上述S203中,如何基于第一图网络和第二图网络,确定高精地图与标精地图的匹配结果,下面,将通过下述图5所示的实施例二进行详细描述。
实施例二
图5是根据本公开第二实施例提供的确定高精地图与标精地图的匹配结果的方法的流程示意图,该方法同样可以由软件和/或硬件装置执行,示例的,请参见图5所示,该确定方法可以包括:
S501、确定第一图网络中各第一节点对应的第一目标特征向量,以及第二图网络中各第二节点对应的第二目标特征向量。
示例的,确定第一节点对应的第一目标特征向量,以及第二节点对应的第二目标特征向量时,可以先分别对第一节点对应的第一初始特征向量,和第二节点对应的第二初始特征向量进行多层感知机处理,得到第一节点对应的第一特征向量和第二节点对应的第二特征向量;再通过第一特征向量和第二特征向量对第一特征向量进行基于注意力机制的信息传递,从而得到第一目标特征向量;并通过第一特征向量和第二特征向量对第一特征向量进行基于注意力机制的信息传递,从而得到第二目标特征向量。
示例的,在进行基于注意力机制的信息传递时,信息传递所采用的权重是基于注意力机制点击模型确定的,从而基于多层感知机处理和注意力机制的神经网络确定节点的目标特征向量,可参见下述公式1、公式2、公式3、公式4、以及公式5所示。
Qi=W1 l(l)xi Q+b1 公式1
si=Q·KT 公式3
mε→i=∑j:(i,j∈ε)αijVj 公式5
其中,上述公式中的Q表示query,K表示key,V表示value,m表示传递的信息,W和b均表示超参数,x表示节点的目标特征向量,dim表示输入参数的维度;在进行信息传输时,可以先计算score:si=Q·KT,T表示转置,αij可以通过得到,节点之间的信息传输可以通过上述公式5实现。
在分别确定出第一图网络中第一节点对应的第一目标特征向量,以及第二图网络中第二节点对应的第二目标特征向量后,就可以根据第一目标特征向量和第二目标特征向量,确定第一节点和第二节点之间的匹配度得分,即执行下述S502:
S502、根据第一目标特征向量和第二目标特征向量,确定第一节点和第二节点之间的匹配度得分。
通常情况下,匹配度得分与匹配程度成正比例关系,即匹配度得分越大,对应的匹配程度越高;匹配度得分越小,对应的匹配程度越低。
可以理解的是,在本公开实施例中,为了提高匹配结果的准确度,在确定第一节点和第二节点之间的匹配度得分时,通常情况下,需要计算多个第一节点和多个第二节点中,任意两个节点之间的匹配度得分,这样可以确保匹配度得分覆盖的全面性。
S503、根据第一节点和第二节点之间的匹配度得分,确定高精地图与标精地图的匹配结果。
示例的,根据第一节点和第二节点之间的匹配度得分,确定高精地图与标精地图的匹配结果时,可以先根据第一节点和第二节点之间的匹配度得分,确定匹配度得分对应的目标得分矩阵;并基于最优传输算法对目标得分矩阵进行转换处理,得到对应的指配矩阵;其中,指配矩阵中的元素用于表示第一节点和第二节点之间的匹配关系;再根据指配矩阵,确定高精地图与标精地图的匹配结果。
其中,目标得分矩阵中的元素记为第一节点和第二节点之间的匹配度得分,不同得分表示不同节点之间的匹配程度。指配矩阵是一个仅包括0和1的矩阵,元素1的位置对应的第一节点和第二节点具有匹配关系,元素0的位置对应的第一节点和第二节点不具有匹配关系,这样可以根据指配矩阵中的元素,准确地确定高精地图与标精地图的匹配结果。
示例的,根据第一节点和第二节点之间的匹配度得分,确定匹配度得分对应的目标得分矩阵时,可以先根据第一节点和第二节点之间的匹配度得分,确定匹配度得分对应的初始得分矩阵;并确定初始得分矩阵中各行元素的得分和,以及各列元素的得分和;再基于行元素的得分和,以及列元素的得分和对初始得分矩阵进行更新,得到目标得分矩阵。
示例的,基于行元素的得分和,以及列元素的得分和对初始得分矩阵进行更新时,可以引入“垃圾桶”机制,将得分和小于预设得分值的行元素和/或列元素丢弃到“垃圾桶”中,即从初始得分矩阵中剔除得分和小于预设得分值的行元素和/或列元素,得到更新后的得分矩阵;并将更新后的得分矩阵,确定为目标得分矩阵。
假设高精地图对应的第一图网络中包括m个第一节点,标精地图对应的第二图网络中包括n个第二节点,则对应的得到的初始得分矩阵为m*n的得分矩阵;并计算初始得分矩阵中各行元素的得分和,以及各列元素的得分和;其中,初始得分矩阵中第i行第j列的元素为第i个第一节点和第j个第二节点之间的匹配度得分,i小于或等于m,j小于或等于n。假设第i行元素的得分和小于预设得分值,则从初始得分矩阵中剔除该第i行元素,得到目标得分矩阵。其中,目标得分矩阵中,各行元素的得分和,以及各列元素的得分和均大于或等于预设得分值。
在得到目标得分矩阵后,就可以基于最优传输算法对目标得分矩阵进行转换处理,得到对应的指配矩阵。示例的,可以对目标得分矩阵进行转换处理,在进行转换处理时,可以采用预先训练获取的高精地图和标精地图之间的真值表,并基于真值表对目标得分矩阵进行转换处理,得到对应的指配矩阵。其中,真值表是基于有监督的损失,最小化真值和预测值之间的对数损失函数训练得到的。
可以看出,本公开实施例中,在确定高精地图与标精地图的匹配结果时,可以先确定高精地图对应的第一图网络中第一节点对应的第一目标特征向量,以及标精地图对应的第二图网络中第二节点对应的第二目标特征向量;并根据第一目标特征向量和第二目标特征向量,确定第一节点和第二节点之间的匹配度得分;再根据第一节点和第二节点之间的匹配度得分,确定高精地图与标精地图的匹配结果,这样可以准确地确定出高精地图与标精地图的匹配结果,提高了匹配结果的准确度。
实施例三
图6是根据本公开第三实施例提供的一种地图匹配装置60的结构示意图,示例的,请参见图6所示,该地图匹配装置60可以包括:
获取单元601,用于获取与待匹配的高精地图和标精地图分别对应的路网数据。
构建单元602,用于基于高精地图对应的路网数据构建第一图网络,并基于标精地图对应的路网数据构建第二图网络。
处理单元603,用于基于第一图网络和第二图网络,确定高精地图与标精地图的匹配结果。
可选的,处理单元603包括第一处理模块、第二处理模块以及第三处理模块。
第一处理模块,用于确定第一图网络中各第一节点对应的第一目标特征向量,以及第二图网络中各第二节点对应的第二目标特征向量。
第二处理模块,用于根据第一目标特征向量和第二目标特征向量,确定第一节点和第二节点之间的匹配度得分。
第三处理模块,用于根据第一节点和第二节点之间的匹配度得分,确定高精地图与标精地图的匹配结果。
可选的,第一处理模块包括第一处理子模块和第二处理子模块。
第一处理子模块,用于分别对第一节点对应的第一初始特征向量,和第二节点对应的第二初始特征向量进行多层感知机处理,得到第一节点对应的第一特征向量和第二节点对应的第二特征向量。
第二处理子模块,用于通过第一特征向量和第二特征向量对第一特征向量进行基于注意力机制的信息传递,得到第一目标特征向量;并通过第一特征向量和第二特征向量对第一特征向量进行基于注意力机制的信息传递,得到第二目标特征向量。
可选的,第三处理模块包括第三处理子模块、第四处理子模块以及第五处理子模块。
第三处理子模块,用于根据第一节点和第二节点之间的匹配度得分,确定匹配度得分对应的目标得分矩阵。
第四处理子模块,用于基于最优传输算法对目标得分矩阵进行转换处理,得到对应的指配矩阵;其中,指配矩阵中的元素用于表示第一节点和第二节点之间的匹配关系。
第五处理子模块,用于根据指配矩阵,确定高精地图与标精地图的匹配结果。
可选的,第三处理子模块,具体用于根据第一节点和第二节点之间的匹配度得分,确定匹配度得分对应的初始得分矩阵;确定初始得分矩阵中各行元素的得分和,以及各列元素的得分和;基于行元素的得分和,以及列元素的得分和对初始得分矩阵进行更新,得到目标得分矩阵。
可选的,第三处理子模块,具体用于从初始得分矩阵中剔除得分和小于预设得分值的行元素和/或列元素,得到更新后的得分矩阵;并将更新后的得分矩阵,确定为目标得分矩阵。
可选的,获取单元601包括第一获取模块和第二获取模块。
第一获取模块,用于基于地图对应的路网数据构建初始图网络。
第二获取模块,用于从初始图网络中剔除结点度为预设值的节点,得到图网络。
本公开实施例提供的地图匹配装置60,可以执行上述任一实施例所示的地图匹配方法的技术方案,其实现原理以及有益效果与地图匹配方法的实现原理及有益效果类似,可参见地图匹配方法的实现原理及有益效果,此处不再进行赘述。
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。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图7是本公开实施例提供的一种电子设备70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、和其它适合的计算机。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、可穿戴设备和其它类似的计算装置。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70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70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70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70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,例如地图匹配方法。例如,在一些实施例中,地图匹配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70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地图匹配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)而被配置为执行地图匹配方法。
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)、复杂可编程逻辑设备(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。其它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)和互联网。
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 (13)

1.一种地图匹配方法,包括:
获取与待匹配的高精地图和标精地图分别对应的路网数据,所述高精地图的路网数据为描述基线的link数据,所述标精地图的路网数据为描述道路中心线的link数据;
基于所述高精地图对应的路网数据构建第一图网络,并基于所述标精地图对应的路网数据构建第二图网络;
基于所述第一图网络和所述第二图网络,确定所述高精地图与所述标精地图的匹配结果;
所述基于所述第一图网络和所述第二图网络,确定所述高精地图与所述标精地图的匹配结果,包括:
确定所述第一图网络中各第一节点对应的第一目标特征向量,以及所述第二图网络中各第二节点对应的第二目标特征向量;
根据所述第一目标特征向量和所述第二目标特征向量,确定所述第一节点和所述第二节点之间的匹配度得分;
根据所述第一节点和所述第二节点之间的匹配度得分,确定所述高精地图与所述标精地图的匹配结果;
所述确定所述第一图网络中各第一节点对应的第一目标特征向量,以及所述第二图网络中各第二节点对应的第二目标特征向量,包括:
分别对所述第一节点对应的第一初始特征向量,和所述第二节点对应的第二初始特征向量进行多层感知机处理,得到所述第一节点对应的第一特征向量和所述第二节点对应的第二特征向量;
通过所述第一特征向量和所述第二特征向量对所述第一特征向量进行基于注意力机制的信息传递,得到所述第一目标特征向量;并通过所述第一特征向量和所述第二特征向量对所述第一特征向量进行基于注意力机制的信息传递,得到所述第二目标特征向量。
2.根据权利要求1所述的方法,其中,所述根据所述第一节点和所述第二节点之间的匹配度得分,确定所述高精地图与所述标精地图的匹配结果,包括:
根据所述第一节点和所述第二节点之间的匹配度得分,确定匹配度得分对应的目标得分矩阵;
基于最优传输算法对所述目标得分矩阵进行转换处理,得到对应的指配矩阵;其中,所述指配矩阵中的元素用于表示所述第一节点和所述第二节点之间的匹配关系;
根据所述指配矩阵,确定所述高精地图与所述标精地图的匹配结果。
3.根据权利要求2所述的方法,其中,所述根据所述第一节点和所述第二节点之间的匹配度得分,确定匹配度得分对应的目标得分矩阵,包括:
根据所述第一节点和所述第二节点之间的匹配度得分,确定匹配度得分对应的初始得分矩阵;
确定所述初始得分矩阵中各行元素的得分和,以及各列元素的得分和;
基于所述行元素的得分和,以及所述列元素的得分和对初始得分矩阵进行更新,得到所述目标得分矩阵。
4.根据权利要求3所述的方法,其中,所述基于所述行元素的得分和,以及所述列元素的得分和对初始得分矩阵进行更新,得到所述目标得分矩阵,包括:
从所述初始得分矩阵中剔除得分和小于预设得分值的行元素和/或列元素,得到更新后的得分矩阵;并将所述更新后的得分矩阵,确定为所述目标得分矩阵。
5.根据权利要求1-4任一项所述的方法,其中,基于地图对应的路网数据构建图网络,包括:
基于地图对应的路网数据构建初始图网络;
从所述初始图网络中剔除结点度为预设值的相关节点,得到所述图网络。
6.一种地图匹配装置,包括:
获取单元,用于获取与待匹配的高精地图和标精地图分别对应的路网数据,所述高精地图的路网数据为描述基线的link数据,所述标精地图的路网数据为描述道路中心线的link数据;
构建单元,用于基于所述高精地图对应的路网数据构建第一图网络,并基于所述标精地图对应的路网数据构建第二图网络;
处理单元,用于基于所述第一图网络和所述第二图网络,确定所述高精地图与所述标精地图的匹配结果;
所述处理单元包括第一处理模块、第二处理模块以及第三处理模块;
所述第一处理模块,用于确定所述第一图网络中各第一节点对应的第一目标特征向量,以及所述第二图网络中各第二节点对应的第二目标特征向量;
所述第二处理模块,用于根据所述第一目标特征向量和所述第二目标特征向量,确定所述第一节点和所述第二节点之间的匹配度得分;
所述第三处理模块,用于根据所述第一节点和所述第二节点之间的匹配度得分,确定所述高精地图与所述标精地图的匹配结果;
所述第一处理模块包括第一处理子模块和第二处理子模块;
所述第一处理子模块,用于分别对所述第一节点对应的第一初始特征向量,和所述第二节点对应的第二初始特征向量进行多层感知机处理,得到所述第一节点对应的第一特征向量和所述第二节点对应的第二特征向量;
所述第二处理子模块,用于通过所述第一特征向量和所述第二特征向量对所述第一特征向量进行基于注意力机制的信息传递,得到所述第一目标特征向量;并通过所述第一特征向量和所述第二特征向量对所述第一特征向量进行基于注意力机制的信息传递,得到所述第二目标特征向量。
7.根据权利要求6所述的装置,其中,所述第三处理模块包括第三处理子模块、第四处理子模块以及第五处理子模块;
所述第三处理子模块,用于根据所述第一节点和所述第二节点之间的匹配度得分,确定匹配度得分对应的目标得分矩阵;
所述第四处理子模块,用于基于最优传输算法对所述目标得分矩阵进行转换处理,得到对应的指配矩阵;其中,所述指配矩阵中的元素用于表示所述第一节点和所述第二节点之间的匹配关系;
所述第五处理子模块,用于根据所述指配矩阵,确定所述高精地图与所述标精地图的匹配结果。
8.根据权利要求7所述的装置,其中,
所述第三处理子模块,具体用于根据所述第一节点和所述第二节点之间的匹配度得分,确定匹配度得分对应的初始得分矩阵;确定所述初始得分矩阵中各行元素的得分和,以及各列元素的得分和;基于所述行元素的得分和,以及所述列元素的得分和对初始得分矩阵进行更新,得到所述目标得分矩阵。
9.根据权利要求8所述的装置,其中,
所述第三处理子模块,具体用于从所述初始得分矩阵中剔除得分和小于预设得分值的行元素和/或列元素,得到更新后的得分矩阵;并将所述更新后的得分矩阵,确定为所述目标得分矩阵。
10.根据权利要求6-9任一项所述的装置,其中,所述获取单元包括第一获取模块和第二获取模块;
所述第一获取模块,用于基于地图对应的路网数据构建初始图网络;
所述第二获取模块,用于从所述初始图网络中剔除结点度为预设值的相关节点,得到所述图网络。
11.一种电子设备,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1-5中任一项所述的地图匹配方法。
12.一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1-5中任一项所述的地图匹配方法。
13.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1-5中任一项所述地图匹配方法的步骤。
CN202210181870.8A 2022-02-25 2022-02-25 地图匹配方法、装置和电子设备 Active CN114661842B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202210181870.8A CN114661842B (zh) 2022-02-25 2022-02-25 地图匹配方法、装置和电子设备
EP22189783.8A EP4235103B1 (en) 2022-02-25 2022-08-10 Map matching method, apparatus and electronic device
US17/819,394 US12025447B2 (en) 2022-02-25 2022-08-12 Map matching method, apparatus and electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210181870.8A CN114661842B (zh) 2022-02-25 2022-02-25 地图匹配方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN114661842A CN114661842A (zh) 2022-06-24
CN114661842B true CN114661842B (zh) 2024-06-21

Family

ID=82026992

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210181870.8A Active CN114661842B (zh) 2022-02-25 2022-02-25 地图匹配方法、装置和电子设备

Country Status (3)

Country Link
US (1) US12025447B2 (zh)
EP (1) EP4235103B1 (zh)
CN (1) CN114661842B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116429125B (zh) * 2023-06-09 2023-08-11 高德软件有限公司 道路匹配方法、装置、设备及介质
CN116881515B (zh) * 2023-09-07 2023-12-19 杭州行芯科技有限公司 对不同算法求解的电容结果进行比较的方法及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1653505A (zh) * 2002-03-29 2005-08-10 松下电器产业株式会社 地图匹配方法、地图匹配设备、用于形状匹配的数据库、和形状匹配设备
CN111380540A (zh) * 2018-12-29 2020-07-07 阿里巴巴集团控股有限公司 地图匹配方法及装置、介质、终端
CN113701776A (zh) * 2021-08-27 2021-11-26 中国第一汽车股份有限公司 自动驾驶引导系统及方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106776996B (zh) * 2016-12-02 2018-09-07 百度在线网络技术(北京)有限公司 用于测试高精度地图的准确性的方法和装置
US11537719B2 (en) * 2018-05-18 2022-12-27 Deepmind Technologies Limited Deep neural network system for similarity-based graph representations
CA3136262A1 (en) * 2019-04-16 2020-10-22 rideOS, Inc. Systems and methods of generating composite routing maps
CN110174110B (zh) * 2019-05-28 2021-05-14 北京百度网讯科技有限公司 地图对应的方法和装置、电子设备、计算机可读介质
DE102020120479A1 (de) * 2019-08-07 2021-02-11 Harman Becker Automotive Systems Gmbh Fusion von Strassenkarten
US10969232B1 (en) * 2019-12-06 2021-04-06 Ushr Inc. Alignment of standard-definition and High-Definition maps
CN113280824A (zh) 2020-02-20 2021-08-20 北京四维图新科技股份有限公司 高精度地图与标准地图关联方法及设备
CN111858805A (zh) * 2020-07-08 2020-10-30 中国第一汽车股份有限公司 高精地图更新方法、车辆、服务器及存储介质
CN113190768B (zh) * 2021-04-29 2024-03-12 北京百度网讯科技有限公司 路径处理方法及装置
CN113971723B (zh) * 2021-10-25 2024-04-09 北京百度网讯科技有限公司 高精地图中三维地图的构建方法、装置、设备和存储介质
US11802771B2 (en) * 2021-11-04 2023-10-31 Aptiv Technologies Limited Standard-definition to high-definition navigation route determination

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1653505A (zh) * 2002-03-29 2005-08-10 松下电器产业株式会社 地图匹配方法、地图匹配设备、用于形状匹配的数据库、和形状匹配设备
CN111380540A (zh) * 2018-12-29 2020-07-07 阿里巴巴集团控股有限公司 地图匹配方法及装置、介质、终端
CN113701776A (zh) * 2021-08-27 2021-11-26 中国第一汽车股份有限公司 自动驾驶引导系统及方法

Also Published As

Publication number Publication date
CN114661842A (zh) 2022-06-24
US20220390240A1 (en) 2022-12-08
EP4235103B1 (en) 2024-08-07
EP4235103A1 (en) 2023-08-30
US12025447B2 (en) 2024-07-02

Similar Documents

Publication Publication Date Title
CN114661842B (zh) 地图匹配方法、装置和电子设备
CN113205041B (zh) 结构化信息提取方法、装置、设备和存储介质
CN112580733B (zh) 分类模型的训练方法、装置、设备以及存储介质
CN113971723B (zh) 高精地图中三维地图的构建方法、装置、设备和存储介质
US20230104225A1 (en) Method for fusing road data to generate a map, electronic device, and storage medium
CN114648676A (zh) 点云处理模型的训练和点云实例分割方法及装置
CN113947147A (zh) 目标地图模型的训练方法、定位方法及相关装置
CN113724388B (zh) 高精地图的生成方法、装置、设备以及存储介质
CN113361710A (zh) 学生模型训练方法、图片处理方法、装置及电子设备
CN113298910A (zh) 生成交通标志线地图的方法、设备和存储介质
CN113792061A (zh) 地图数据的更新方法、装置及电子设备
CN115829058A (zh) 训练样本处理方法、跨模态匹配方法、装置、设备和介质
CN114111813B (zh) 高精地图元素更新方法、装置、电子设备及存储介质
CN113932796B (zh) 高精地图车道线生成方法、装置和电子设备
CN112541464A (zh) 关联道路对象的确定方法、装置、路侧设备和云控平台
CN117056446A (zh) 轨迹数据查询方法、装置、电子设备及介质
CN113723405B (zh) 区域轮廓的确定方法、装置和电子设备
CN115984791A (zh) 自动驾驶感知模型的生成方法、装置及电子设备
CN115062240A (zh) 一种停车场排序方法、装置、电子设备和存储介质
CN114170282A (zh) 点云融合方法、装置、电子设备和介质
CN113032443A (zh) 用于处理数据的方法、装置、设备和计算机可读存储介质
CN112507951B (zh) 指示灯识别方法、装置、设备、路侧设备和云控平台
CN114490909B (zh) 对象关联方法、装置和电子设备
CN114625984B (zh) 兴趣点验证方法、装置、电子设备及存储介质
CN113408661B (zh) 误匹配确定方法、装置、设备和介质

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