用于使用机器学习和图像处理来构建地图的设备制造技术

本发明专利技术公开一种用于构建地图的设备。根据本发明专利技术的所述用于构建地图的设备包括：数据收集单元，用于单独地收集向量数据和栅格数据；向量数据处理单元，用于通过处理向量数据产生事先设定的大小的地面实况图像；栅格数据处理单元，用于通过处理栅格数据产生设定大小的已划分的栅格图像；以及多边形产生单元，用于经由地面实况图像和已划分的栅格图像的机器学习产生预测的多边形，且基于预测的多边形和地面实况图像产生能够基于栅格数据应用于地图构建的多边形。

Equipment for building maps using machine learning and image processing

The invention discloses a device for constructing a map. According to the present invention, the equipment for constructing a map includes: a data collection unit for collecting vector data and raster data separately; a vector data processing unit for generating a pre-set size ground live image by processing vector data; and a raster data processing unit for generating a set size divided raster image by processing raster data; The polygon generating unit is used to generate predicted polygons through machine learning of ground real-time images and divided raster images, and the polygons based on predicted polygons and ground real-time images can be applied to map construction based on raster data.

【技术实现步骤摘要】
【国外来华专利技术】用于使用机器学习和图像处理来构建地图的设备
本专利技术涉及一种用于使用机器学习和图像处理来构建地图的设备，且更明确地说涉及一种用于使用机器学习和图像处理来构建地图的设备，所述设备基于机器学习方法当中的卷积神经网络(CNN)以深度学习的方式自动构建地图。
技术介绍
随着被提供给电子信息终端的地图相关技术的发展，从地图提供的各种形式的基于位置的服务(LBS)正在开发中。LBS包括用于提供商业实体的电话号码、商业实体的地址和详细信息的兴趣点(pointofinterest，简称“POI”)信息服务、交通状况信息服务、地理信息全景服务(例如道路视图和航摄虚拟现实(VR)，其示出以摄影全景的形式产生的用户实际地理特征)等。在此方面，近来已提供OpenStreetMap作为开放式地图服务。OpenStreetMap是用户个人创建地图的地图服务。因为每一用户可根据需要个人构建地图，所以OpenStreetMap已经结合谷歌地图(GoogleMaps)在各种领域中使用。作为与本专利技术相关的
技术介绍
，存在公开号为10-2005-0097618(2005年10月10日)，专利技术名称为“用于使用GPS和INS来制作数字地图的系统和方法(SystemandMethodforMakingDigitalMapUsingGPSandINS)”的韩国专利。
技术实现思路
[技术问题]对于由现有导航系统或网站提供的地图，用户个人通过查看卫星图片并作出决策而将建筑物或道路分类，且通过手动地绘制建筑物、道路等以新的形式产生地图。然而，因为现有方法涉及用户亲自手动地创建地图，所以存在以下问题：构建地图花费时间长、生产成本高，以及地图的精度由于用户的错误操作或失误而降低。并且，因为现有方法涉及手动地查找频繁改变的建筑物和道路的数据来以最新信息更新数据，所以更新地图并不容易。为了解决常规技术的上文所描述的问题，本专利技术旨在提供一种用于使用机器学习和图像处理来构建地图的设备，所述设备基于对基于向量数据划分的训练数据和基于栅格数据划分的训练数据的深度学习(即，机器学习)来经由所述栅格数据自动构建地图。本专利技术还提供一种用于使用机器学习和图像处理来构建地图的设备，所述设备可以减少地图创建期间的失误并提高地图的精度，因为可以使用栅格数据自动构建地图。[技术解决方案]本专利技术的一个方面提供一种用于使用机器学习和图像处理来构建地图的设备，所述设备包括：数据收集单元，用于单独地收集向量数据和栅格数据；向量数据处理单元，用于通过处理向量数据产生事先设定的大小的地面实况图像；栅格数据处理单元，用于通过处理栅格数据产生所述设定的大小的已划分的栅格图像；以及多边形产生单元，用于经由对地面实况图像和已划分的栅格图像的机器学习来产生预测的多边形，且基于预测的多边形和地面实况图像产生能够基于所述栅格数据应用于地图构建的多边形。本专利技术的向量数据处理单元可包括数据解析单元，用于单独地解析数条向量数据，使得当向量数据的文件格式或坐标系中的至少一个彼此不同时，所述数条向量数据的格式或坐标系彼此一致。本专利技术的向量数据处理单元可包括：地图产生单元，用于使用向量数据产生地图且对地图的相应类别进行彩色编码；以及向量数据划分单元，用于通过将地图划分为设定大小的区块而产生地面实况图像。本专利技术的地图产生单元可以不同颜色对地图的相应类别进行彩色编码。本专利技术的设定大小可以是针对机器学习预设的训练数据大小。本专利技术的栅格数据处理单元可包括栅格数据划分单元，用于通过将栅格数据划分为设定大小的数条数据来产生用于机器学习的预设数目或更大数目的已划分的栅格图像。本专利技术的栅格数据处理单元可包括坐标校正单元，用于根据栅格数据的参考坐标的精度以实际地图的坐标校正栅格数据的坐标。本专利技术的栅格数据处理单元可包括图像校正单元，用于移除存在于已划分的栅格图像中的机器学习妨碍因素。本专利技术的多边形产生单元可包括：多边形预测单元，用于经由对地面实况图像和已划分的栅格图像的机器学习来产生预测的多边形；向量数据转换单元，用于通过将预测的多边形转换为向量数据来产生预测的向量数据；以及精度验证单元，用于通过比较地面实况图像和预测的向量数据来验证预测的向量数据的精度，且根据验证结果将预测的多边形确定为能够基于栅格数据应用于地图构建的多边形。本专利技术的多边形产生单元可经由对地面实况图像和已划分的栅格图像的机器学习根据类别辨识预测的多边形的形状，且通过对预测的多边形进行分类来预测位置。本专利技术的向量数据转换单元可根据类别使用向量跟踪技术将预测的多边形转换为预测的向量数据。本专利技术的精度验证单元可通过以像素级单位比较地面实况图像和预测的向量数据彼此重叠的部分来确定精度。本专利技术的精度验证单元可基于预测的向量数据相对于地面实况图像的精度是否为事先设定值或更大来确定预测的多边形是否能够基于栅格数据应用于地图构建。当精度小于设定值时，本专利技术的精度验证单元可使得多边形预测单元重复地面实况图像的机器学习来提高预测的向量数据的精度。本专利技术的多边形产生单元可包括形状调整单元，用于将预测的多边形调整为能够基于栅格数据应用于地图构建的多边形形状。本专利技术的形状调整单元可调整预测的多边形的边形状，且使预测的多边形的节点数目最小化，使得预测的多边形能够基于栅格数据应用于地图构建。[有利效果]根据本专利技术的一方面用于使用机器学习和图像处理来构建地图的设备能够基于对基于向量数据划分的训练数据和基于栅格数据划分的训练数据的机器学习来经由栅格数据自动构建地图。因为根据本专利技术的另一方面用于使用机器学习和图像处理来构建地图的设备能够使用栅格数据自动构建地图，所以可以减少地图创建期间的失误并提高地图的精度。附图说明图1是根据本专利技术的实施例用于使用机器学习和图像处理来构建地图的设备的框图。图2是根据本专利技术的实施例的向量数据处理单元的框图。图3是根据本专利技术的实施例的向量数据的实例图。图4是根据本专利技术的实施例在彩色编码之后划分成训练数据大小的区块的向量数据图像的实例图。图5是根据本专利技术的实施例的栅格数据处理单元的框图。图6示出根据本专利技术的实施例的栅格数据的横向和纵向校正的实例。图7示出根据本专利技术的实施例基于栅格数据划分成训练数据大小的区块的栅格图像。图8示出根据本专利技术的实施例基于图像处理的图像校正的实例。图9是根据本专利技术的实施例的多边形产生单元的框图。图10示出根据本专利技术的实施例经由地面实况和已划分的栅格图像的机器学习来预测多边形的实例。图11示出根据本专利技术的实施例将预测的多边形转换为预测的向量数据的实例。图12示出根据本专利技术的实施例通过比较地面实况和预测的向量数据来验证精度的实例。图13示出根据本专利技术的实施例调整多边形的形状的实例。图14是说明根据本专利技术的实施例使用机器学习和图像处理来构建地图的方法的流程图。具体实施方式下文中，将参看附图详细地描述根据本专利技术的实施例用于使用机器学习和图像处理来构建地图的设备。在图中，为了说明的清晰和便利起见，可能夸大了线的粗细、元件的大小等。此外，下文描述的术语考虑本专利技术中的功能性来定义，且可取决于用户或管理者的意图或实践而变化。因此，术语的定义应基于本说明书的总体内容作出。图1是根据本专利技术的实施例用于使用机器学习和图像处理来构建地图的设备的框图。参看图1，根据本发本文档来自技高网...

【技术保护点】
1.一种用于使用机器学习和图像处理来构建地图的设备，所述设备包括：数据收集单元，用于单独地收集向量数据和栅格数据；向量数据处理单元，用于通过处理所述向量数据产生事先设定的大小的地面实况图像；栅格数据处理单元，用于通过处理所述栅格数据产生所述设定大小的已划分的栅格图像；以及多边形产生单元，用于经由对所述地面实况图像和所述已划分的栅格图像的机器学习来产生预测的多边形，且基于所述预测的多边形和所述地面实况图像产生能够应用于基于栅格数据的地图构建的多边形。

【技术特征摘要】
【国外来华专利技术】2017.09.13 KR 10-2017-01171241.一种用于使用机器学习和图像处理来构建地图的设备，所述设备包括：数据收集单元，用于单独地收集向量数据和栅格数据；向量数据处理单元，用于通过处理所述向量数据产生事先设定的大小的地面实况图像；栅格数据处理单元，用于通过处理所述栅格数据产生所述设定大小的已划分的栅格图像；以及多边形产生单元，用于经由对所述地面实况图像和所述已划分的栅格图像的机器学习来产生预测的多边形，且基于所述预测的多边形和所述地面实况图像产生能够应用于基于栅格数据的地图构建的多边形。2.根据权利要求1所述的设备，其中所述向量数据处理单元包括数据解析单元，所述数据解析单元用于单独地解析数条向量数据，使得当所述向量数据的文件格式或坐标系中的至少一个彼此不同时，所述数条向量数据的格式或坐标系彼此一致。3.根据权利要求1所述的设备，其中所述向量数据处理单元包括：地图产生单元，用于使用所述向量数据产生地图且对所述地图的相应类别进行彩色编码；以及向量数据划分单元，用于通过将所述地图划分为所述设定大小的区块来产生所述地面实况图像。4.根据权利要求3所述的设备，其中所述地图产生单元以不同颜色对所述地图的所述相应类别进行彩色编码。5.根据权利要求1所述的设备，其中所述设定大小是为机器学习预设的训练数据大小。6.根据权利要求1所述的设备，其中所述栅格数据处理单元包括栅格数据划分单元，所述栅格数据划分单元用于通过将所述栅格数据划分为所述设定大小的数条数据来产生用于机器学习的预设数目或更大数目的已划分的栅格图像。7.根据权利要求1所述的设备，其中所述栅格数据处理单元包括坐标校正单元，所述坐标校正单元用于根据所述栅格数据的参考坐标的精度以实际地图的坐标校正所述栅格数据的坐标。8.根据权利要求1所述的设备，其中所述栅格数据处理单元包括图像校正单元，所述图...

【专利技术属性】
技术研发人员：朴周钦，
申请(专利权)人：达飞奥，
类型：发明
国别省市：韩国,KR