一种生成地图车道线的聚类参数的确定方法及系统技术方案

本发明专利技术涉及一种生成地图车道线的聚类参数的确定方法及系统，该方法包括：步骤1，设置半径区域内的核心点最小个数的值minPts，确定用于聚类的车道线中的各条线段到最近的第k条线段的距离数组；步骤2，将各条线段到最近的第k条线段的距离数组的分布转换成累积概率曲线；步骤3，确定密度聚类的半径参数的值eps为该累积概率曲线的拐点对应的距离或者该距离数组的中位数。根据用于聚类的车道线中线段之间的距离确定密度聚类的半径参数，该确定过程可以通过系统自动确定，实现地图车道线的聚类过程中的自动化调参，不用人工干预即可得到较好的结果。

A Method and System for Determining Clustering Parameters of Lane Lines in Maps

【技术实现步骤摘要】
一种生成地图车道线的聚类参数的确定方法及系统
本专利技术涉及电子地图领域，具体涉及一种生成地图车道线的聚类参数的确定方法及系统。
技术介绍
为了生成高精度地图中的车道线数据，需要对大量从车端上传的车道线矢量数据做聚类，当前的聚类的常用算法是基于线段的密度聚类算法DBSCAN(Density-BasedSpatialClusteringofApplicationswithNoise)。DBSCAN为一个比较有代表性的基于密度的聚类算法，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类，但聚类之前需要选择eps和minPts这两个聚类参数，eps为核心点半径，minPts为半径区域内的核心点最小个数。这两个聚类参数常常是通过业务经验得到，在不同的场景，会有不同的取值，这种人工干预行为不利于高精度地图的自动化生成。
技术实现思路
本专利技术针对现有技术中存在的技术问题，提供一种生成地图车道线的聚类参数的确定方法及系统。本专利技术解决上述技术问题的技术方案如下：一种生成地图车道线的聚类参数的确定方法，包括：所述聚类参数包括密度聚类的半径参数，所述确定方法包括：步骤1，设置半径区域内的核心点最小个数的值minPts，确定用于聚类的车道线中的各条线段到最近的第k条线段的距离数组，其中，k＝minPts-1；步骤2，将各条线段到最近的第k条线段的所述距离数组的分布转换成累积概率曲线；步骤3，确定所述密度聚类的半径参数的值eps为所述累积概率曲线的拐点对应的距离或者所述距离数组的中位数。一种生成地图车道线的聚类参数的确定系统，所述聚类参数包括密度聚类的半径参数，所述确定系统包括：距离数组确定模块、累计概率曲线转换模块和聚类参数确定模块；距离数组确定模块，用于设置半径区域内的核心点最小个数的值minPts，确定用于聚类的车道线中的各条线段到最近的第k条线段的距离数组，其中，k＝minPts-1；累计概率曲线转换模块，用于将各条线段到最近的第k条线段的所述距离数组的分布转换成累积概率曲线；聚类参数确定模块，用于确定所述密度聚类的半径参数的值eps为所述累积概率曲线的拐点对应的距离或者所述距离数组的中位数。一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述生成地图车道线的聚类参数的确定方法的步骤。本专利技术的有益效果是：根据用于聚类的车道线中线段之间的距离确定密度聚类的半径参数，该确定过程可以通过系统自动确定，实现地图车道线的聚类过程中的自动化调参，不用人工干预即可得到较好的结果。在上述技术方案的基础上，本专利技术还可以做如下改进。进一步，所述聚类参数包括半径区域内的核心点最小个数；所述步骤1中设置的半径区域内的核心点最小个数的值minPts为有效观测到的车道线的次数。所述步骤1中两条线段的距离为两条线段的垂直距离、平行距离和角度距离的加权和。所述步骤1中确定用于聚类的车道线中的各条线段到最近的第k条线段的距离数组的过程包括：步骤101，计算用于聚类的车道线中的两两线段之间的距离，构成距离矩阵；步骤102，对所述距离矩阵进行横向从小到大的排序后，对所述距离矩阵中的第k列进行纵向排序，得到从小到大排序的各条线段到最近的第k条线段的距离数组。所述步骤2包括：步骤201，设置距离区间，得到所述距离数组分别落在每个所述距离区间的距离个数，各个所述距离个数除以距离的总个数表示所述距离区间的概率，得到以所述距离区间节点为自变量、所述概率为因变量的概率密度曲线；步骤202，绘制以所述距离区间节点为自变量、距离区间节点及其之前的累积概率为因变量的累积概率曲线。所述步骤3包括：步骤301，采用最小二乘法对所述累积概率曲线进行曲线拟合得到累积概率曲线的拟合多项式；步骤302，求所述拟合多项式的二阶导数为0的方程的解；步骤303，计算得到所述方程有在正常区域的解时，确定所述密度聚类的半径参数的值eps为所述累积概率曲线的拐点对应的距离；否则确定所述密度聚类的半径参数的值eps为所述距离数组的中位数。所述步骤303中所述距离数组的中位数为：当n为奇数时，m＝x(n+1)/2；当n为偶数时，m表示所述距离数组的中位数，n表示所述距离数组的数据个数，x1...xn表示从小到大排序的所述距离数组的单个数据。采用上述进一步方案的有益效果是，计算距离矩阵并排序，并将距离在把每个区间概率转换成累积概率，得到一条单调上升地累积概率曲线，可以更方便地获取距离变化的拐点，使整个聚类参数的确定过程简单明了，结果经试验准确率高。附图说明图1为本专利技术实施例提供的一种生成地图车道线的聚类参数的确定方法流程图；图2为本专利技术提供的一种生成地图车道线的聚类参数的确定方法的实施例的流程图；图3为本专利技术提供的一种生成地图车道线的聚类参数的确定方法的实施例中线段序号和距离的对应关系图；图4为本专利技术提供的一种生成地图车道线的聚类参数的确定方法的实施例中概率密度和累积概率密度图；图5为本专利技术提供的一种生成地图车道线的聚类参数的确定方法的实施例中不同k值的累积概率曲线的拐点示意图；图6为本专利技术提供的一种生成地图车道线的聚类参数的确定方法的实施例中根据确定的聚类参数的计算结果图；图7为本专利技术提供的一种生成地图车道线的聚类参数的确定系统的结构框图。附图中，各标号所代表的部件列表如下：1、距离数组确定模块2、累计概率曲线转换模块，3、聚类参数确定模块。具体实施方式以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。如图1所示为本专利技术实施例提供的一种生成地图车道线的聚类参数的确定方法流程图，由图1可知，该聚类参数包括密度聚类的半径参数，该方法包括：步骤1，设置半径区域内的核心点最小个数的值minPts，确定用于聚类的车道线中的各条线段到最近的第k条线段的距离数组，其中，k＝minPts-1。步骤2，将各条线段到最近的第k条线段的距离数组的分布转换成累积概率曲线。步骤3，确定密度聚类的半径参数的值eps为该累积概率曲线的拐点对应的距离或者该距离数组的中位数。本专利技术实施例提供的一种生成地图车道线的聚类参数的确定方法，根据用于聚类的车道线中线段之间的距离确定密度聚类的半径参数，该确定过程可以通过系统自动确定，实现地图车道线的聚类过程中的自动化调参，不用人工干预即可得到较好的结果。实施例1本专利技术提供的实施例1为本专利技术提供的一种生成地图车道线的聚类参数的确定方法的实施例，该实施例中确定的聚类参数包括半径区域内的核心点最小个数和密度聚类的半径参数。如图2所示为本专利技术提供的一种生成地图车道线的聚类参数的确定方法的实施例的流程图。步骤1，设置半径区域内的核心点最小个数的值minPts，确定用于聚类的车道线中的各条线段到最近的第k条线段的距离数组，其中，k＝minPts-1。其中，步骤1中设置的半径区域内的核心点最小个数的值minPts为有效观测到的车道线的次数。例如，有效观察到车道线4次则认为该车道线存在，那么半径区域内的核心点最小个数的值minPts固定为4。两条线段的距离定义为Trajectory-Hausdorff距离，为两条线段的垂直距离、平行距离和角度距离的加权和，公式为本文档来自技高网...

【技术保护点】
1.一种生成地图车道线的聚类参数的确定方法，其特征在于，所述聚类参数包括密度聚类的半径参数，所述确定方法包括：步骤1，设置半径区域内的核心点最小个数的值minPts，确定用于聚类的车道线中的各条线段到最近的第k条线段的距离数组，其中，k＝minPts‑1；步骤2，将各条线段到最近的第k条线段的所述距离数组的分布转换成累积概率曲线；步骤3，确定所述密度聚类的半径参数的值eps为所述累积概率曲线的拐点对应的距离或者所述距离数组的中位数。

【技术特征摘要】
1.一种生成地图车道线的聚类参数的确定方法，其特征在于，所述聚类参数包括密度聚类的半径参数，所述确定方法包括：步骤1，设置半径区域内的核心点最小个数的值minPts，确定用于聚类的车道线中的各条线段到最近的第k条线段的距离数组，其中，k＝minPts-1；步骤2，将各条线段到最近的第k条线段的所述距离数组的分布转换成累积概率曲线；步骤3，确定所述密度聚类的半径参数的值eps为所述累积概率曲线的拐点对应的距离或者所述距离数组的中位数。2.根据权利要求1所述的确定方法，其特征在于，所述聚类参数包括半径区域内的核心点最小个数；所述步骤1中设置的半径区域内的核心点最小个数的值minPts为有效观测到的车道线的次数。3.根据权利要求1所述的确定方法，其特征在于，所述步骤1中两条线段的距离为两条线段的垂直距离、平行距离和角度距离的加权和。4.根据权利要求1所述的方法，其特征在于，所述步骤1中确定用于聚类的车道线中的各条线段到最近的第k条线段的距离数组的过程包括：步骤101，计算用于聚类的车道线中的两两线段之间的距离，构成距离矩阵；步骤102，对所述距离矩阵进行横向从小到大的排序后，对所述距离矩阵中的第k列进行纵向排序，得到从小到大排序的各条线段到最近的第k条线段的距离数组。5.根据权利要求1所述的方法，其特征在于，所述步骤2包括：步骤201，设置距离区间，得到所述距离数组分别落在每个所述距离区间的距离个数，各个所述距离个数除以距离的总个数表示所述距离区间的概率，得到以所述距离区间节点为自变量、所述概率为因变量的概率密度曲线；步骤202，绘制以所述距离区间节点为自变量、距离...

【专利技术属性】
技术研发人员：石涤文，尹玉成，王璇，罗跃军，
申请(专利权)人：武汉中海庭数据技术有限公司，
类型：发明
国别省市：湖北,42