地图的质检方法、装置、系统及存储介质制造方法及图纸

本发明专利技术提供一种地图的质检方法、装置、系统及存储介质，该方法包括：获取地图上各个区域的热力值；其中，每一个区域的热力值用于表征对应区域的可靠性；热力值与热力值所对应的区域的可靠值呈负相关的映射关系；确定所述热力值大于预设阈值的区域为目标区域；在所述地图上显示所述目标区域。从而使得地图质检人员可以快速的确定出有问题的区域，进而对该区域进行修正，减少了人工检测的时间，降低了人力成本；缩短了地图生产的时间，提高了地图的生产效率。

【技术实现步骤摘要】
地图的质检方法、装置、系统及存储介质
本专利技术涉及无人驾驶
，尤其涉及一种地图的质检方法、装置、系统及存储介质。
技术介绍
随着汽车技术的发展，无人车开始得到应用和发展。在无人车行驶的过程中，需要为无人车提供高精度地图，以便于无人车根据高精度地图进行自动行驶。现有技术中，需要对生成的高精度地图进行检测，以确定生成的高精度地图与真实环境之间的差异，以调整生成的高精度地图。但是，现有技术中，一般采用人工检测的方式对生成的高精度地图进行检测。由于高精度地图中包含的信息较多，因此人工检测所耗费的时间较长，人力成本较高，使得高精度地图的生产效率低下。
技术实现思路
本专利技术提供一种地图的质检方法、装置、系统及存储介质，以提高地图的检测速度，缩短地图的生成时间。第一方面，本专利技术实施例提供一种地图的质检方法，包括：获取地图上各个区域的热力值；其中，每一个区域的热力值用于表征区域的可靠性；热力值与热力值所对应的区域的可靠值呈负相关的映射关系；确定所述热力值大于预设阈值的区域为目标区域；在所述地图上显示所述目标区域。在一种可能的设计中，所述获取地图上各个区域的热力值，包括：确定地图中各个区域的热力值判定条件；根据所述热力值判定条件，获取各个区域的热力值。在一种可能的设计中，所述热力值判定条件包括以下任一或者任多：区域的置信度，其中，置信度与置信度所对应的区域的热力值呈负相关的映射关系；所述置信度是在生成地图过程中自动获取到的；区域内车道线上的每一点的局部曲率值；局部曲率值与局部曲率值所对应区域的热力值呈负相关的映射关系；其中，局部曲率值为车道线上任一点与该点的上一点连线，以及与该点的下一点连线之间的夹角；区域内车道线之间的重合度；重合度与重合度对应区域的热力值呈正相关的映射关系；其中，车道线之间的距离与重合度呈负相关的映射关系；区域内车道线之间的角度差值；角度差值与角度差值对应区域的热力值呈正相关的映射关系。在一种可能的设计中，根据所述热力值判定条件，获取各个区域的热力值，包括：若所述热力值判定条件为一个以上时，确定各个热力值判定条件对应的权重值；根据各个判定条件对应的权重值，获取区域内每个热力值判定条件所对应的热力值分量；将区域内所有热力值判定条件所对应的热力值分量之和，作为所述区域的热力值。在一种可能的设计中，在所述地图上显示所述目标区域之后，还包括：获取所述目标区域对应的问题类型。在一种可能的设计中，获取所述目标区域对应的问题类型，包括：从所述地图中获取所述目标区域对应的图像块；将所述图像块输入到所述预设的深度学习模型中，得到所述目标区域对应的问题类型。在一种可能的设计中，所述问题类型包括：车道线压线、车道线连接错误、车道线断线。在一种可能的设计中，在所述地图上显示所述目标区域之后，还包括：生成所述目标区域对应的修改建议。在一种可能的设计中，生成所述目标区域对应的修改建议，包括：通过预设的深度学习模型判别所述目标区域对应的问题类型；根据所述问题类型，输出与所述目标区域对应的修改建议。在一种可能的设计中，通过预设的深度学习模型判别所述目标区域对应的问题类型，包括：从所述地图中获取所述目标区域对应的图像块；将所述图像块输入到所述预设的深度学习模型中，由所述预设的深度学习模型判别出所述目标区域对应的问题类型。在一种可能的设计中，所述修改建议包括：所述问题类型被解决后所对应的参考图片、所述问题类型对应解决策略。在一种可能的设计中，在生成所述目标区域对应的修改建议之后，还包括：在所述地图的目标区域处显示所述修改建议，和/或将所述修改建议发送给终端设备。第二方面，本专利技术实施例提供一种地图的质检装置，包括：获取模块，用于获取地图上各个区域的热力值；其中，每一个区域的热力值用于表征区域的可靠性；热力值与热力值所对应的区域的可靠值呈负相关的映射关系；确定模块，用于确定所述热力值大于预设阈值的区域为目标区域；显示模块，用于在所述地图上显示所述目标区域。在一种可能的设计中，所述获取模块，具体用于：确定地图中各个区域的热力值判定条件；根据所述热力值判定条件，获取各个区域的热力值。在一种可能的设计中，所述热力值判定条件包括以下任一或者任多：区域的置信度，其中，置信度与置信度所对应的区域的热力值呈负相关的映射关系，所述置信度是在生成地图过程中自动获取到的；区域内车道线上的每一点的局部曲率值；局部曲率值与局部曲率值所对应区域的热力值呈负相关的映射关系；其中，局部曲率值为车道线上任一点与该点的上一点连线，以及与该点的下一点连线之间的夹角；区域内车道线之间的重合度；重合度与重合度对应区域的热力值呈正相关的映射关系；其中，车道线之间的距离与重合度呈负相关的映射关系；区域内车道线之间的角度差值；角度差值与角度差值对应区域的热力值呈正相关的映射关系。在一种可能的设计中，根据所述热力值判定条件，获取各个区域的热力值，包括：若所述热力值判定条件为一个以上时，确定各个热力值判定条件对应的权重值；根据各个判定条件对应的权重值，获取区域内每个热力值判定条件所对应的热力值分量；将区域内所有热力值判定条件所对应的热力值分量之和作为所述区域的热力值。在一种可能的设计中，还包括：判别模块，用于在所述地图上显示所述目标区域之后，获取所述目标区域对应的问题类型。在一种可能的设计中，获取所述目标区域对应的问题类型包括：从所述地图中获取所述目标区域对应的图像块；将所述图像块输入到所述预设的深度学习模型中，得到所述目标区域对应的问题类型。在一种可能的设计中，所述问题类型包括：车道线压线、车道线连接错误、车道线断线。在一种可能的设计中，还包括：建议模块，用于生成所述目标区域对应的修改建议。在一种可能的设计中，所述建议模块，具体用于通过预设的深度学习模型判别所述目标区域对应的问题类型；根据所述问题类型，输出与所述目标区域对应的修改建议。在一种可能的设计中，通过预设的深度学习模型判别所述目标区域对应的问题类型，包括：从所述地图中获取所述目标区域对应的图像块；将所述图像块输入到所述预设的深度学习模型中，由所述预设的深度学习模型判别出所述目标区域对应的问题类型。在一种可能的设计中，所述修改建议包括：所述问题类型被解决后所对应的参考图片、所述问题类型对应解决策略。在一种可能的设计中，所述呈现模块，还用于在生成所述目标区域对应的修改建议之后，在所述地图的目标区域处显示所述修改建议，和/或将所述修改建议发送给终端设备。第三方面，本专利技术实施例提供地图的质检系统，包括：存储器和处理器，存储器中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行第一方面中任一项所述的地图的质检方法。第四方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面中任一项所述地图的质检方法。第五方面，本专利技术实施例提供一种程序产品，所述程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，服务器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服务器执行第一方面中任一所述的地图的质检方法。本专利技术提供一种地图的质检方法、装置、系统及存储介质，通过获取地图上各个区域的热力值；其中，每一个区域本文档来自技高网...

【技术保护点】
1.一种地图的质检方法，其特征在于，包括：获取地图上各个区域的热力值，其中，每一个区域的热力值用于表征区域的可靠性，热力值与热力值所对应的区域的可靠值呈负相关的映射关系；确定所述热力值大于预设阈值的区域为目标区域；在所述地图上显示所述目标区域。

【技术特征摘要】
1.一种地图的质检方法，其特征在于，包括：获取地图上各个区域的热力值，其中，每一个区域的热力值用于表征区域的可靠性，热力值与热力值所对应的区域的可靠值呈负相关的映射关系；确定所述热力值大于预设阈值的区域为目标区域；在所述地图上显示所述目标区域。2.根据权利要求1所述的方法，其特征在于，所述获取地图上各个区域的热力值，包括：确定地图中各个区域的热力值判定条件；根据所述热力值判定条件，获取各个区域的热力值。3.根据权利要求2所述的方法，其特征在于，所述热力值判定条件包括以下任一或者任多：区域的置信度，其中，置信度与置信度所对应的区域的热力值呈负相关的映射关系，所述置信度是在生成地图过程中自动获取到的；区域内车道线上的每一点的局部曲率值；局部曲率值与局部曲率值所对应区域的热力值呈负相关的映射关系；其中，局部曲率值为车道线上任一点与该点的上一点连线，以及与该点的下一点连线之间的夹角；区域内车道线之间的重合度；重合度与重合度对应区域的热力值呈正相关的映射关系；其中，车道线之间的距离与重合度呈负相关的映射关系；区域内车道线之间的角度差值；角度差值与角度差值对应区域的热力值呈正相关的映射关系。4.根据权利要求3所述的方法，其特征在于，根据所述热力值判定条件，获取各个区域的热力值，包括：若所述热力值判定条件为一个以上时，确定各个热力值判定条件对应的权重值；根据各个判定条件对应的权重值，获取区域内每个热力值判定条件所对应的热力值分量；将区域内所有热力值判定条件所对应的热力值分量之和，作为所述区域的热力值。5.根据权利要求1所述的方法，其特征在于，在所述地图上显示所述目标区域之后，还包括：获取所述目标区域对应的问题类型。6.根据权利要求5项所述的方法，其特征在于，获取所述目标区域对应的问题类型，包括：从所述地图中获取所述目标区域对应的图像块；将所述图像块输入到所述预设的深度学习模型中，得到...

【专利技术属性】
技术研发人员：杨光垚，侯瑞杰，沈莉霞，何雷，宋适宇，董芳芳，彭亮，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11