停车场地图元素处理方法、装置、设备和计算可读存储介质制造方法及图纸

本申请涉及一种停车场地图元素处理方法、装置、设备和计算可读存储介质。该方法包括：基于车端上报的轨迹文件提取停车场中元素对应的点云；对元素对应的点云进行融合并提取各目标地图元素；基于融合和提取过程确定各目标地图元素的置信度指标；根据各目标地图元素的置信度指标，计算各目标地图元素的置信度；对各目标地图元素中置信度低于预设置信度阈值的目标地图元素进行标识后输出。本申请提供的方案提升地图元素的校对效率和准确度。案提升地图元素的校对效率和准确度。案提升地图元素的校对效率和准确度。

【技术实现步骤摘要】
停车场地图元素处理方法、装置、设备和计算可读存储介质


[0001]本申请涉及多视图几何领域，尤其涉及停车场地图元素处理方法、装置、设备和计算可读存储介质。

技术介绍

[0002]停车位、减速带和各种形状的指示箭头等等，是停车场这类区域重要的地图元素，尤其是一些用户多、业务繁忙的公共停车场，对地图元素的识别误差、甚至错误几乎零容忍。因此，在基于算法构建了包含停车场的电子地图后，需要进行审核和编辑等校对过程，以发现停车场地图元素的错误。相关技术中，停车场地图元素处理方法是依靠人工对照视频逐帧校对，发现错误进行修改，完成停车场全部地图元素后，转给质检人员进一步审核。然而，一些公共停车场的面积动辄上万平方米，依靠人眼校对每个地图元素不可避免会产生视力疲劳，从而发生校对谬误，再者，这种方法的人效只能达到0.5人/天，即一张停车场地图需要耗费4小时的人力完成地图元素的校对。显然，现有的停车场地图元素处理方法具有费时耗力和错误率高等缺陷。

技术实现思路

[0003]为解决或部分解决相关技术中存在的问题，本申请提供一种停车场地图元素处理方法、装置、设备和计算可读存储介质，可以提升地图元素的校对效率和准确度。
[0004]本申请第一方面提供一种停车场地图元素处理方法，包括：
[0005]基于车端上报的轨迹文件提取停车场中元素对应的点云；
[0006]对所述元素对应的点云进行融合并提取各目标地图元素；
[0007]基于融合和提取过程确定所述各目标地图元素的置信度指标；
[0008]根据所述置信度指标，计算所述各目标地图元素的置信度；
[0009]对所述各目标地图元素中置信度低于预设置信度阈值的目标地图元素进行标识后输出。
[0010]本申请第二方面提供一种停车场地图元素处理装置，包括：
[0011]提取模块，用于基于车端上报的轨迹文件提取停车场中元素对应的点云；
[0012]融合模块，用于对所述元素对应的点云进行融合并提取各目标地图元素；
[0013]确定模块，用于基于融合和提取过程确定所述各目标地图元素的置信度指标；
[0014]计算模块，用于根据所述置信度指标，计算所述各目标地图元素的置信度；
[0015]标识模块，用于对所述各目标地图元素中置信度低于预设置信度阈值的目标地图元素进行标识后输出。
[0016]本申请第三方面提供一种电子设备，包括：
[0017]处理器；以及
[0018]存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
[0019]本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
[0020]本申请提供的技术方案可知，相比于相关技术提供的停车场地图元素处理方法依靠人工检视停车场地图元素导致效率低、误判率高，本申请的技术方案基于融合和提取过程确定各目标地图元素的置信度指标，然后根据各目标地图元素的置信度指标，计算各目标地图元素的置信度，由于上述过程由计算机程序严格完成，因此，最后计算得到的各目标地图元素的置信度准确率高，若人工按照标识，重点校对置信度低于预设置信度阈值的目标地图元素，不仅效率显著提升，而且准确率也有所提高。
[0021]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0022]通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
[0023]图1是本申请实施例提供的停车场地图元素处理方法的流程示意图；
[0024]图2是本申请实施例提供的7个目标停车位与其源停车位集中各个源停车位的交并比的示意图；
[0025]图3是本申请实施例提供的传感器和深度学习网络分别对识别的同一停车位匹配的示意图；
[0026]图4是本申请实施例提供的箭头源点云集中任意一个箭头源点云的起止点至目标指示箭头的距离之和示意图；
[0027]图5是本申请实施例提供的停车场的指示箭头示意图；
[0028]图6是本申请实施例提供的停车场地图元素处理装置的结构示意图；
[0029]图7是本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0030]下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。
[0031]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0032]应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更
多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0033]停车位、减速带和各种形状的指示箭头等等，是停车场这类区域重要的地图元素，尤其是一些用户多、业务繁忙的公共停车场，对地图元素的识别误差、甚至错误几乎零容忍。因此，在基于算法构建了包含停车场的电子地图后，需要进行审核和编辑等校对过程，以发现停车场地图元素的错误。相关技术中，停车场地图元素处理方法是依靠人工对照视频逐帧校对，发现错误进行修改，完成停车场全部地图元素后，转给质检人员进一步审核。然而，一些公共停车场的面积动辄上万平方米，依靠人眼校对每个地图元素不可避免会产生视力疲劳，从而发生校对谬误，再者，这种方法的人效只能达到0.5人/天，即平均一张停车场地图需要耗费4小时的人力完成地图元素的校对。显然，现有的停车场地图元素处理方法具有费时耗力和错误率高等缺陷。
[0034]针对上述问题，本申请实施例提供一种停车场地图元素处理方法，可以提升地图元素的校对效率和准确度。
[0035]以下结合附图详细描述本申请实施例的技术方案。
[0036]参见图1，是本申请实施例示出的停车场地图元素处理方法的流程示意图，主要包括步骤S101至步骤S105，说明如下：
[0037]步骤S101：基于车端上报的轨迹文件提取停车场中元素对应的点云。
[0038]本申请的技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种停车场地图元素处理方法，其特征在于，所述方法包括：基于车端上报的轨迹文件提取停车场中元素对应的点云；对所述元素对应的点云进行融合并提取各目标地图元素；基于融合和提取过程确定所述各目标地图元素的置信度指标；根据所述置信度指标，计算所述各目标地图元素的置信度；对所述各目标地图元素中置信度低于预设置信度阈值的目标地图元素进行标识后输出。2.根据权利要求1所述的停车场地图元素处理方法，其特征在于，所述各目标地图元素包括停车位，所述基于融合和提取过程确定所述各目标地图元素的置信度指标，包括：根据对目标停车位的观测次数match_num，计算对所述目标停车位的检测率detect_ratio；根据所述目标停车位与其他停车位交并比在预设区间的所述其他停车位的数量，确定所述目标停车位与所述其他停车位的重叠率covered_ratio；根据所述目标停车位和源停车位集对应的点云，计算所述目标停车位和所述源停车位集中任意一个源停车位的交并比IoU(map_slot，traj
i
_slot)，所述源停车位集包括参与到融合和提取所述目标停车位过程中的所有停车位；以及根据传感器和深度学习网络分别识别的所述目标停车位，计算所述传感器和深度学习网络分别识别的目标停车位的匹配率matched_ratio。3.根据权利要求2所述的停车场地图元素处理方法，其特征在于，所述根据所述置信度指标，计算所述各目标地图元素的置信度，包括：若对所述目标停车位的观测次数match_num小于预设次数pre_num_th，则按照如下公式计算所述目标停车位的置信度slot_confidence_1：所述表示取1、和detec_ratio中的最小数值，所述nearby_num_th为经过所述目标停车位附近的车辆轨迹条数，所述ω1、ω2和ω3为权重系数，且ω1+ω2+ω3＝1；若对所述目标停车位的观测次数match_num大于所述预设次数pre_num_th，则按照如下公式计算所述目标停车位的置信度slot_confidence_2：下公式计算所述目标停车位的置信度slot_confidence_2：所述median(IoU(map_slot，traj
i
_slot))表示对所述目标停车位和所述源停车位集中多个交并比取中位数，所述ω
′1、ω
′2、ω
′3和ω
′4为权重系数，且ω
′1+ω
′2+ω
′3+ω
′4＝1。4.根据权利要求1所述的停车场地图元素处理方法，其特征在于，所述各目标地图元素包括指示箭头，所述基于融合和提取过程确定所述各目标地图元素的置信度指标，包括：根据对目标指示箭头的观测次数match_num，计算对所述目标指示箭头的检测率
detect_ratio；根据箭头源点云集中任意一个箭头源点云的起止点至所述目标指示箭头的距离之和，计算所述任意一个箭头源点云与所述目标指示箭头的聚拢度dist_ratio(map_arrow，traji_arrow)，所述箭头源点云集包括参与到融合和提取所述目标指示箭头过程中的所有箭头源点云；以及根据第一预设阈值长度和所述目标指示箭头的长度，计算所述目标指示箭头的长度匹配度length_ratio。5.根据权利要求4所述的停车场地图元素处理方法，其特征在于，所述目标指示箭头包括直行指示箭头和非直行指示箭头，所述根据所述置信度指标，计算所述各目标地图元素的置信度，包括：若所述目标指示箭头为所述直行指示箭头或所述目标指示箭头为所述非直行指示箭头且所述非直行指示箭头小于第二预设阈值长度，则按照如下公式计算所述直行指示箭头的置信度arrow_confidence_l：的置信度arrow_confidence_l：所述表示取1、和detec_ratio...

【专利技术属性】
技术研发人员：代仲君，林建松，董元生，
申请(专利权)人：广东鲲鹏空间信息技术有限公司，
类型：发明
国别省市：