【技术实现步骤摘要】
一种地图数据的优化方法、装置、设备以及存储介质
[0001]本公开涉及图像处理
，尤其涉及人工智能、智能交通、智慧城市等，特别涉及一种地图数据的优化方法、装置、设备以及存储介质。
技术介绍
[0002]随着交通智能化的提升，每一个交通参与者均可以作为数据提供者。例如，交通参与者可以对当前的交通情况进行记录，地图服务器端可以根据交通参与者上传的数据进行智能地图数据的生成以及发布。相关技术中，对于交通参与者上传的数据无法做到满足兼容性、精准性的处理，导致智能地图数据的发布效果较差。
技术实现思路
[0003]本公开提供了一种地图数据的优化方法、装置、设备以及存储介质。
[0004]根据本公开的一方面，提供了一种地图数据的优化方法，该方法可以包括以下步骤：
[0005]对接收到的包含路况信息的局部地图数据进行车道线的完整性检测，得到检测结果，检测结果包括完整或存在缺失区域；
[0006]在检测结果为存在缺失区域的情况下，对存在缺失区域的车道线进行补全处理，得到补全的局部地图数据；
【技术保护点】
【技术特征摘要】
1.一种地图数据的优化方法，包括：对接收到的包含路况信息的局部地图数据进行车道线的完整性检测，得到检测结果，所述检测结果包括完整或存在缺失区域；在所述检测结果为存在缺失区域的情况下，对存在缺失区域的车道线进行补全处理，得到补全的局部地图数据；对所述补全的局部地图数据进行合理性检测，在检测通过的情况下，将所述补全的局部地图数据与全局地图数据进行合成，得到地图数据的优化结果。2.根据权利要求1所述的方法，其中，所述在所述检测结果为存在缺失区域的情况下，对存在缺失区域的车道线进行补全处理，包括：将所述检测结果为存在缺失区域的局部地图数据进行预处理，得到预处理结果；将所述预处理结果输入至预先训练的车道线补全模型，以对所述存在缺失区域的车道线进行补全处理。3.根据权利要求2所述的方法，其中，所述车道线补全模型的训练过程，包括：将已标注的训练样本输入初步训练的车道线补全模型，得到车道线缺失区域的补全预测结果；利用预设的合理性检测规则，对所述车道线缺失区域的补全预测结果进行评判，得到评判结果；利用所述评判结果对所述初步训练的车道线补全模型中的参数进行调整，得到调整结果；在所述调整结果符合预定要求的情况下，得到训练好的车道线补全模型。4.根据权利要求3所述的方法，其中，所述初步训练的车道线补全模型的确定方式，包括：对已标注的车道线完整的局部地图数据进行车道线随机缺失化处理，得到一次训练样本；利用所述一次训练样本对待训练的车道线补全模型进行一次训练；利用已标注的包含路况信息的局部地图数据样本对一次训练后的车道线补全模型进行二次训练，得到初步训练的车道线补全模型。5.根据权利要求3所述的方法，其中，所述利用预设的合理性检测规则，对所述车道线缺失区域的补全预测结果进行评判，包括：在所述包含路况信息的局部地图数据中获取相邻车道线，所述相邻车道线包括与所述存在缺失区域的车道线具有前后相邻关系的车道线；根据所述车道线缺失区域的补全预测结果与所述相邻车道线的几何连续性，对所述车道线缺失区域的补全预测结果进行评判。6.根据权利要求3所述的方法，其中，所述利用预设的合理性检测规则，对所述车道线缺失区域的补全预测结果进行评判，包括：在所述包含路况信息的局部地图数据中获取相邻车道线，所述相邻车道线包括与所述存在缺失区域的车道线具有前后相邻关系的车道线；根据所述车道线缺失区域的补全预测结果与所述相邻车道线的交通拓扑连续性，对所述车道线缺失区域的补全预测结果进行评判。
7.根据权利要求3所述的方法，其中，所述利用预设的合理性检测规则，对所述车道线缺失区域的补全预测结果进行评判，包括：确定所述存在缺失区域的车道线对应的第一物理属性；确定车道线缺失区域的补全预测结果对应的第二物理属性；根据所述第二物理属性与所述第一物理属性的差异，对所述车道线缺失区域的补全预测结果进行评判。8.根据权利要求1所述的方法，还包括：将所述地图数据的优化结果发送给指定的交通参与者。9.一种地图数据的优化装置，包括：完整性检测模块，用于对接收到的包含路况信息的局部地图数据进行车道线的完整性检测，得到检测结果，所述检测结果包括完整或存在缺失区域；车道线补全处理模块，用于在所述检测结果为存在缺失区域的情况下，对存在缺失区域的车道线进行补全处理，得到补全的局部地图数据；合理性检测模块，用于对所述补全的局部地图数据进行合理性检测，在检测通过的情况下，将所述补...
【专利技术属性】
技术研发人员：蔡育展，颜青悦，闫超，
申请(专利权)人：阿波罗智联北京科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。