地图渲染系统、地图渲染方法、车载系统以及车辆技术方案

本申请提供了一种地图渲染系统、地图渲染方法、车载系统以及车辆。该地图渲染系统包括：第一算力平台，用于获取全局地图，并根据当前位置在全局地图中确定与当前位置关联的局部地图；第二算力平台，与第一算力平台通信连接，用于获取第一算力平台的局部地图，并对局部地图进行渲染。通过上述地图渲染系统，本申请的第一算力平台利用当前位置在全局地图中确定关联的局部地图，以使第二算力平台只需要渲染局部地图，减少第二算力平台渲染地图的算力资源。源。源。

【技术实现步骤摘要】
地图渲染系统、地图渲染方法、车载系统以及车辆


[0001]本申请涉及地图处理
，特别是涉及一种地图渲染系统、地图渲染方法、车载系统以及车辆。

技术介绍

[0002]对于L0～L4级别的自动驾驶来说，自动驾驶/自动驾驶辅助系统的HMI(Human Machine Interface，人机界面)展示是非常有必要的，在这种情况下，机器还是不能完全代替人，人需要更加直观的掌握车辆的情况，以便在某些情况下快速的接管车辆的控制权。同时，作为用户，乘坐无人车必须有一套友好的交互界面从而完成整套搭车流程。其中语义地图作为自动驾驶周边感知环境的重要对象之一。如何实时、高性能的渲染周边语义地图，成为判断了自动驾驶HMI系统是否成熟、可靠的标准之一。
[0003]目前车载显示屏通常为安卓平板电脑或ipad。如何在硬件配置远低于自动驾驶算力平台的平板电脑中实时查询并渲染无人车周边地图数据，是当前自动驾驶可视化领域需要迫切解决的问题。以平板电脑的算力无法同时进行全局语义地图加载+局部地图数据查询+渲染这三项功能，大量地图数据的加载会将导致卡顿、掉帧，大大降低用户体验。

技术实现思路

[0004]本申请提供了一种地图渲染系统、地图渲染方法、车载系统以及车辆。
[0005]本申请提供了一种地图渲染系统，
[0006]所述地图渲染系统包括：
[0007]第一算力平台，用于获取全局地图，并根据当前位置在所述全局地图中确定与所述当前位置关联的局部地图；
[0008]第二算力平台，与所述第一算力平台通信连接，用于获取所述第一算力平台的局部地图，并对所述局部地图进行渲染。
[0009]其中，
[0010]所述地图渲染系统还包括：
[0011]存储器，与所述第一算力平台通信连接，用于存储并向所述第一算力平台提供所述全局地图。
[0012]其中，所述第一算力平台，还用于根据所述全局地图构建地图点集，根据所述当前位置，在所述地图点集中搜索在所述当前位置预设范围内的部分点集，并根据所述部分点集确定局部地图。
[0013]其中，所述第一算力平台，还用于在所述全局地图中构建预设索引结构，根据所述当前位置，在所述预设索引结构中搜索在所述当前位置预设范围内的节点，作为所述部分点集。
[0014]其中，所述第一算力平台与所述第二算力平台通过预设通信协议传输所述局部地图。
[0015]其中，所述第一算力平台，还用于对所述局部地图进行压缩处理，并将压缩处理后的局部地图发送给所述第二算力平台。
[0016]其中，所述第二算力平台为车载平板电脑。
[0017]本申请还提供了一种地图渲染方法，所述地图渲染方法包括：
[0018]获取全局地图；
[0019]根据当前位置，在所述全局地图中确定与所述当前位置关联的局部地图；
[0020]将所述局部地图发送给终端，以使所述终端对所述局部地图进行渲染。
[0021]本申请还提供了一种车载系统，所述车载系统包括处理器和存储器，所述车载系统连接外部终端；其中，所述存储器中存储有程序数据，所述处理器用于执行所述程序数据以实现如上述的地图渲染方法。
[0022]本申请还提供了一种车辆，所述车辆包括如上述的车载系统。
[0023]本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序数据，所述程序数据在被处理器执行时，用以实现上述的地图渲染方法。
[0024]本申请的有益效果是：地图渲染系统包括：第一算力平台，用于获取全局地图，并根据当前位置在全局地图中确定与当前位置关联的局部地图；第二算力平台，与第一算力平台通信连接，用于获取第一算力平台的局部地图，并对局部地图进行渲染。通过上述地图渲染系统，本申请的第一算力平台利用当前位置在全局地图中确定关联的局部地图，以使终端第二算力平台只需要渲染局部地图，减少终端第二算力平台渲染地图的算力资源。
附图说明
[0025]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
[0026]图1是本申请提供的地图渲染系统一实施例的结构示意图；
[0027]图2是本申请提供的地图渲染方法一实施例的流程示意图；
[0028]图3是图2所述地图渲染方法中步骤S12的子步骤的流程示意图；
[0029]图4是本申请提供的局部地图远景的渲染示意图；
[0030]图5是本申请提供的局部地图近景的渲染示意图；
[0031]图6是本申请提供的全局地图的渲染示意图；
[0032]图7是本申请提供的车载系统一实施例的结构示意图；
[0033]图8是本申请提供的车载系统另一实施例的结构示意图；
[0034]图9是本申请提供的车辆一实施例的结构示意图；
[0035]图10是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
[0036]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本申请保护的范围。
[0037]语义地图通常为道路、路口、交通信号灯、逻辑关系元素以及其他的道路对象元素。对于自动驾驶而言，语义信息是指那些能让无人车更好地理解行车规则、感知路面交通状况、规划行车路线，且被涵盖在高精度地图里的多层次、富维度的信息。相对于典型的点云地图而言，语义地图能够很好的表示出无人车到的地方是什么，无人车“看”到的东西是什么。比如当无人车进入一条马路，点云地图中，无人车并不能识别显示出来的一块块的点云到底是什么。但是语义地图的构建可以分辨出马路中的车道、汽车、隔离带、路边树木、指示牌、蓝天等诸多不同对象及概念。语义地图可帮助车辆保持在某一正常车道内运行，让自动驾驶车辆了解不同类型的道路之间、道路与路灯和行人之间是怎样的关系，并按照社会公序良俗和具体环境中他人的期望(如避让行人和车辆等)来选择如何作为。
[0038]然而，真实的自动驾驶HMI算力平台通常是移动平板电脑(一般为ARM处理器)，其算力远低于PC算力平台(高端CPU+高端GPU)。以启动驾驶HMI算力平台的算力无法很好地完成全局语义地图的渲染，大量语义地图数据的加载会将导致卡顿、掉帧，大大降低用户体检。因此，本申请针对移动平板设备等算力平台算力较低的情况，提出一种能够在百万级的语义地图数据中查询出自动驾驶车辆周边近距离的语义地图数据，并在移动平板设备中实现渲染的技术方案。
[0039]具体请参阅图1，图1是本申请提供的地图渲染系统一实施例的结构示意图。
[0040]如图1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地图渲染系统，其特征在于，所述地图渲染系统包括：第一算力平台，用于获取全局地图，并根据当前位置在所述全局地图中确定与所述当前位置关联的局部地图；第二算力平台，与所述第一算力平台通信连接，用于获取所述第一算力平台的局部地图，并对所述局部地图进行渲染。2.根据权利要求1所述的地图渲染系统，其特征在于，所述地图渲染系统还包括：存储器，与所述第一算力平台通信连接，用于存储并向所述第一算力平台提供所述全局地图。3.根据权利要求1所述的地图渲染系统，其特征在于，所述第一算力平台，还用于根据所述全局地图构建地图点集，根据所述当前位置，在所述地图点集中搜索在所述当前位置预设范围内的部分点集，并根据所述部分点集确定局部地图。4.根据权利要求3所述的地图渲染系统，其特征在于，所述第一算力平台，还用于在所述全局地图中构建预设索引结构，根据所述当前位置，在所述预设索引结构中搜索在所述当前位置预设范围内的节点，作为所述部分点集。5.根据权利要求1所述的地...

【专利技术属性】
技术研发人员：黄浩，张雨，
申请(专利权)人：东风汽车集团股份有限公司，
类型：发明
国别省市：