[發明專利]高精度地圖更新方法和裝置

有效

• 申請號: 201910650809.1
• 申請日: 2019-07-18
• 公開（公告）號: CN112241414B
• 公開（公告）日: 2022-10-21
• 發明（設計）人: 彭良龍;李鵬航;黃爽;劉琨;宋向勃
• 申請（專利權）人: 武漢四維圖新科技有限公司
• 主分類號: G06F16/23
• 分類號: G06F16/23;G06F16/29
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張子青;劉芳

1.一種高精度地圖更新方法，其特征在于，包括：

獲取同一地圖要素的M種連續數值型屬性的M x N個分解結果，其中，N表示所述同一地圖要素的眾包數據的采集次數，M大于等于1，N大于等于2；所述連續數值型屬性包括位置屬性；

所述獲取同一地圖要素的M種連續數值型屬性的M x N個分解結果，包括：獲取所述同一地圖要素的所述M種連續數值型屬性的M x N個分類數據，并對所述M x N個分類數據進行分解，得到所述M x N個分解結果；

其中，在所述連續數值型屬性為位置屬性時，獲取所述位置屬性的N個分類數據的正交模型坐標，所述位置屬性的N個分類數據的正交模型坐標為所述位置屬性的N個分解結果；

根據所述M x N個分解結果，分別對每一種所述連續數值型屬性進行去噪處理，得到每一種連續數值型屬性的去噪結果；

根據所述去噪結果，對所述高精度地圖進行更新。

2.根據權利要求1所述的方法，其特征在于，所述獲取所述同一地圖要素的所述M種連續數值型屬性的M x N個分類數據，包括：

接收所述同一地圖要素的N次眾包數據；

對每次眾包數據進行分類，得到所述同一地圖要素的所述M種連續數值型屬性的M x N個分類數據。

3.根據權利要求1所述的方法，其特征在于，所述獲取同一地圖要素的M種連續數值型屬性的M x N個分解結果，還包括：

接收眾包車機上傳的M x N個分解結果，所述M x N個分解結果是所述眾包車機根據每次采集到的眾包數據進行分類和分解后得到的。

4.根據權利要求2所述的方法，其特征在于，所述連續數值型屬性還包括：形狀屬性和姿態屬性中的至少一種。

5.根據權利要求1所述的方法，其特征在于，所述獲取所述位置屬性的N個分類數據的正交模型坐標，包括：

根據所述位置屬性的N個分類數據，確定所述同一地圖要素在經緯度坐標系下的平均中心點；

將所述N個分類數據轉換至以所述平均中心點為原點的東北天坐標系ENU下，得到所述N個分類數據的ENU坐標；

確定所述平均中心點所對應的道路的道路方向；

根據所述N個分類數據的ENU坐標和所述道路方向，確定所述N個分類數據的正交模型坐標。

6.根據權利要求5所述的方法，其特征在于，所述根據所述N個分類數據的ENU坐標和所述道路方向，確定所述N個分類數據的正交模型坐標，包括：

根據所述道路方向和正北方向，確定所述正北方向順時針旋轉至所述道路方向的角度；

將所述N個分類數據的ENU坐標順時針旋轉所述角度，得到所述N個分類數據的正交模型坐標。

7.根據權利要求4所述的方法，其特征在于，所述連續數值型屬性為形狀屬性時，所述對所述M x N個分類數據進行分解，得到所述M x N個分解結果，包括：

對所述形狀屬性的每個分類數據中的角點進行排序，得到各角點的序號；

根據所述各角點的序號，確定每個分類數據對應的模型化表達，所述形狀屬性的N個分類數據對應的模型化表達為所述形狀屬性的N個分解結果。

8.根據權利要求4所述的方法，其特征在于，所述連續數值型屬性為姿態屬性時，所述對所述M x N個分類數據進行分解，得到所述M x N個分解結果，包括：

針對所述姿態屬性的每個分類數據，采用四元數姿態解算或者旋轉矩陣姿態解算將對應的分類數據轉換為所述姿態屬性的模型化表達，所述姿態屬性的N個分類數據對應的模型化表達為所述姿態屬性的N個分解結果。