特開 2023-15230 高精度マップを生成する方法及び装置、電子機器並びに記憶媒体

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023015230

(43)【公開日】2023-01-31

(54)【発明の名称】高精度マップを生成する方法及び装置、電子機器並びに記憶媒体

(51)【国際特許分類】

   G06T 7/00 20170101AFI20230124BHJP

【ＦＩ】

G06T7/00 650A

【審査請求】有

【請求項の数】17

【出願形態】ＯＬ

【公開請求】

(21)【出願番号】P 2022179212

(22)【出願日】2022-11-09

(31)【優先権主張番号】202111334734.X

(32)【優先日】2021-11-11

(33)【優先権主張国・地域又は機関】CN

(71)【出願人】

【識別番号】514322098

【氏名又は名称】ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド

【氏名又は名称原語表記】Ｂｅｉｊｉｎｇ Ｂａｉｄｕ Ｎｅｔｃｏｍ Ｓｃｉｅｎｃｅ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．， Ｌｔｄ．

【住所又は居所原語表記】２／Ｆ Ｂａｉｄｕ Ｃａｍｐｕｓ， Ｎｏ．１０， Ｓｈａｎｇｄｉ １０ｔｈ Ｓｔｒｅｅｔ， Ｈａｉｄｉａｎ Ｄｉｓｔｒｉｃｔ， Ｂｅｉｊｉｎｇ １０００８５， Ｃｈｉｎａ

(74)【代理人】

【識別番号】100118913

【弁理士】

【氏名又は名称】上田 邦生

(74)【代理人】

【識別番号】100142789

【弁理士】

【氏名又は名称】柳 順一郎

(74)【代理人】

【識別番号】100201466

【弁理士】

【氏名又は名称】竹内 邦彦

(72)【発明者】

【氏名】ファン， ジエ

(57)【要約】      （修正有）

【課題】高精度マップを生成する方法及び装置、電子機器並びに記憶媒体を提供する。
【解決手段】方法は、高精度マップを生成するための道路データをサンプリングし、サンプリング位置ポイント及びそれに対応する道路データが含まれるサンプリング軌跡を取得ステップと、第１の道路要素を含むナビゲーションマップを取得ステップと、サンプリング軌跡に基づいて、第１の道路要素を高精度マップに関連付けて、ターゲット高精度マップを生成ステップと、を含み、道路データと従来のナビゲーションマップとを位置情報によりマッチングして、ターゲット高精度マップを生成する。
【効果】マッチとマップとを関連付けてターゲット高精度マップを生成するという従来の方式と比べ、本開示の高精度マップを生成する方法のアルゴリズムが熟成しており、精度がより高い。
【選択図】図１

【特許請求の範囲】

【請求項1】

高精度マップを生成するための道路データをサンプリングし、サンプリング位置ポイント及びそれに対応する道路データが含まれるサンプリング軌跡を取得するステップと、
第１の道路要素を含むナビゲーションマップを取得するステップと、
前記サンプリング軌跡に基づいて、前記第１の道路要素を高精度マップに関連付けて、ターゲット高精度マップを生成するステップと、
を含む、高精度マップを生成する方法。

【請求項2】

前記サンプリング軌跡に基づいて、前記第１の道路要素を高精度マップに関連付けて、ターゲット高精度マップを生成するステップが、
前記サンプリング位置ポイントに対応するナビゲーションマップ上の第１の道路要素を取得するステップと、
前記第１の道路要素と、前記サンプリング位置ポイントに対応する道路データとを関連付けて、ターゲット道路データを生成するステップと、
前記ターゲット道路データに基づいて、前記第１の道路要素を高精度マップに関連付けて、前記ターゲット高精度マップを生成するステップと、
を含む請求項１に記載の高精度マップを生成する方法。

【請求項3】

前記サンプリング位置ポイントに対応するナビゲーションマップ上の第１の道路要素を取得するステップが、
前記サンプリング位置ポイントに基づいて、ナビゲーションマップ上で位置測位を行って、前記サンプリング位置ポイントの前記ナビゲーションマップ上での測位位置ポイントを決定するステップと、
前記位置決め位置ポイントにおける前記第１の道路要素を、前記サンプリング位置ポイントに対応する前記ナビゲーションマップ上の第１の道路要素として取得するステップと、
を含む請求項２に記載の高精度マップを生成する方法。

【請求項4】

前記ターゲット道路データに基づいて、前記第１の道路要素を高精度マップに関連付けて、前記ターゲット高精度マップを生成するステップが、
前記ターゲット道路データ内の道路データに基づいて、第２の道路要素を含む初期高精度マップを生成するステップと、
前記第２の道路要素と、前記ターゲット道路データに含まれる第１の道路要素との位置マッチングを行うステップと、
前記第２の道路要素と位置マッチングする前記第１の道路要素を、前記初期高精度マップにおける前記第２の道路要素に対応する位置サンプリングポイントに関連付けて、前記ターゲット高精度マップを生成するステップと、
を含む請求項２に記載の高精度マップを生成する方法。

【請求項5】

前記サンプリング軌跡に基づいて、前記第１の道路要素を高精度マップに関連付けて、ターゲット高精度マップを生成するステップが、
前記サンプリング軌跡に基づいて、第２の道路要素を含む高精度マップを生成するステップと、
関連付け選択操作に応答して、前記関連付け選択操作から、関連付けるべき前記第１の道路要素と前記第２の道路要素とを決定するステップと、
関連付けるべき前記第１の道路要素を、高精度マップの関連付けるべき前記第２の道路要素に対応するサンプリング位置ポイントに関連付けて、前記ターゲット高精度マップを生成するステップと、
を含む請求項１に記載の高精度マップを生成する方法。

【請求項6】

高精度マップを生成するための道路データをサンプリングするステップが、
道路の画像収集を行い、前記道路の画像を取得するステップと、
前記道路の点群データを収集し、前記道路の点群画像を取得するステップと、
前記道路の画像及び前記点群画像を、前記サンプリング位置ポイントの道路データとして決定するステップと、
を含む請求項１に記載の高精度マップを生成する方法。

【請求項7】

前記サンプリング位置ポイントの道路データとして決定するステップの後に、
前記サンプリング位置ポイント及び／又は前記サンプリング位置ポイントのサンプリング時刻に基づいて、あらかじめ設定された数の前記道路データのフレームをマージするステップを含む請求項１に記載の高精度マップを生成する方法。

【請求項8】

高精度マップを生成するための道路データをサンプリングし、サンプリング位置ポイント及びそれに対応する道路データが含まれるサンプリング軌跡を取得するように構成されるサンプリングモジュールと、
第１の道路要素を含むナビゲーションマップを取得するように構成される取得モジュールと、
前記サンプリング軌跡に基づいて、前記第１の道路要素を高精度マップに関連付けて、ターゲット高精度マップを生成するように構成される生成モジュールと、
を備える、高精度マップを生成する装置。

【請求項9】

前記生成モジュールが、
前記サンプリング位置ポイントに対応するナビゲーションマップ上の第１の道路要素を取得し、
前記第１の道路要素と、前記サンプリング位置ポイントに対応する道路データとを関連付けて、ターゲット道路データを生成し、
前記ターゲット道路データに基づいて、前記第１の道路要素を高精度マップに関連付けて、前記ターゲット高精度マップを生成するように構成される請求項８に記載の高精度マップを生成する装置。

【請求項10】

前記生成モジュールが、
前記サンプリング位置ポイントに基づいて、前記ナビゲーションマップ上で位置測位を行って、前記サンプリング位置ポイントの前記ナビゲーションマップ上での測位位置ポイントを決定し、
前記測位位置ポイントにおける前記第１の道路要素を、前記サンプリング位置ポイントに対応する前記ナビゲーションマップ上の第１の道路要素として取得するように構成される請求項９に記載の高精度マップを生成する装置。

【請求項11】

前記生成モジュールが、
前記ターゲット道路データ内の道路データに基づいて、第２の道路要素を含む初期高精度マップを生成し、
前記第２の道路要素と、前記ターゲット道路データに含まれる第１の道路要素との位置マッチングを行い、
前記第２の道路要素と位置マッチングする前記第１の道路要素を前記初期高精度マップにおける前記第２の道路要素に対応する位置サンプリングポイントに関連付けて、前記ターゲット高精度マップを生成するように構成される請求項９又は請求項１０に記載の高精度マップを生成する装置。

【請求項12】

前記生成モジュールが、
前記サンプリング軌跡に基づいて、第２の道路要素を含む高精度マップを生成し、
関連付け選択操作に応答して、前記関連付け選択操作から、関連付けるべき前記第１の道路要素と前記第２の道路要素とを決定し、
関連付けるべき前記第１の道路要素を、高精度マップの関連付けるべき前記第２の道路要素に対応するサンプリング位置ポイントに関連付けて、前記ターゲット高精度マップを生成するように構成される請求項８に記載の高精度マップを生成する装置。

【請求項13】

前記サンプリングモジュールが、
道路の画像収集を行い、前記道路の画像を取得し、
前記道路の点群データを収集し、前記道路の点群画像を取得し、
前記道路の画像及び前記点群画像を、前記サンプリング位置ポイントの道路データとして決定するように構成される請求項８に記載の高精度マップを生成する装置。

【請求項14】

前記サンプリングモジュールが、
前記サンプリング位置ポイント及び／又は前記サンプリング位置ポイントのサンプリング時刻に基づいて、あらかじめ設定された数の前記道路データのフレームをマージするように構成される請求項８に記載の高精度マップを生成する装置。

【請求項15】

少なくとも１つのプロセッサと、
該少なくとも１つのプロセッサに通信可能に接続されるメモリと、
を備え、
前記メモリには、前記少なくとも１つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも１つのプロセッサによって実行される場合、前記少なくとも１つのプロセッサが請求項１から７のいずれか一項に記載の高精度マップを生成する方法を実行できる電子機器。

【請求項16】

コンピュータに、請求項１から７のいずれか一項に記載の高精度マップを生成する方法を実行させるためのコンピュータ命令を記憶した非一時的コンピュータ読み取り可能な記憶媒体。

【請求項17】

プロセッサによって実行される場合、請求項１から７のいずれか一項に記載の高精度マップを生成する方法を実現するコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示はインテリジェント交通技術の分野に関し、具体的には、人工知能、自動運転、ビッグデータ及びクラウドコンピューティングなどの技術分野に関し、特に高精度マップを生成する方法及び装置、電子機器並びに記憶媒体に関する。

【背景技術】

【0002】

現在では、自動運転機能を備える車両には通常、高精度マップがインストールされており、高精度マップは車両の自動運転プロセスを補助することができる。自動運転のシーンでは、実現時に、高精度マップと従来のナビゲーションマップとの正確な関連付けを実現する必要がある。

【発明の概要】

【0003】

本開示は、高精度マップを生成する方法及び装置、電子機器並びに記憶媒体を提供する。

【0004】

本開示の第１の態様は、高精度マップを生成するための道路データをサンプリングし、サンプリング位置ポイント及びそれに対応する道路データが含まれるサンプリング軌跡を取得するステップと、第１の道路要素を含むナビゲーションマップを取得するステップと、前記サンプリング軌跡に基づいて、前記第１の道路要素を高精度マップに関連付けて、ターゲット高精度マップを生成するステップと、を含む、高精度マップを生成する方法を提供する。

【0005】

本開示の第２の態様は、高精度マップを生成するための道路データをサンプリングし、サンプリング位置ポイント及びそれに対応する道路データが含まれるサンプリング軌跡を取得するように構成されるサンプリングモジュールと、第１の道路要素を含むナビゲーションマップを取得するように構成される取得モジュールと、前記サンプリング軌跡に基づいて、前記第１の道路要素を高精度マップに関連付けて、ターゲット高精度マップを生成するように構成される生成モジュールと、を備える、高精度マップを生成する装置を提供する。

【0006】

本開示の第３の態様は、電子機器であって、少なくとも１つのプロセッサと、前記少なくとも１つのプロセッサと通信可能に接続されるメモリと、を備え、前記メモリには、前記少なくとも１つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも１つのプロセッサによって実行される場合前記少なくとも１つのプロセッサが上記第１の態様に記載の高精度マップを生成する方法を実行できる電子機器を提供する。

【0007】

本開示の第４の態様は、コンピュータに上記第１の態様に記載の高精度マップを生成する方法を実行させるためのコンピュータ命令を記憶した、非一時的コンピュータ読み取り可能な記憶媒体を提供する。

【0008】

本開示の第５の態様は、プロセッサによって実行される場合上記第１の態様の実施例に記載の高精度マップを生成する方法を実現するコンピュータプログラム品を提供する。

【0009】

なお、この部分で説明された内容は本開示の実施例の肝心又は重要な特徴を特定するものではなく、本開示の範囲を限定するものでもない。本開示の他の特徴は以下の明細書を通して分かりやすくなる。

【図面の簡単な説明】

【0010】

図面は本解決案をよりよく理解するためのものであり、本開示を限定するものではない。

【図1】本開示の実施例に係る高精度マップを生成する方法の概略フローチャートである。

【図2】本開示の実施例に係る別の高精度マップを生成する方法の概略フローチャートである。

【図3】本開示の実施例に係る別の高精度マップを生成する方法の概略フローチャートである。

【図4】本開示の実施例に係る別の高精度マップを生成する方法の概略フローチャートである。

【図5】本開示の実施例に係る別の高精度マップを生成する方法の概略フローチャートである。

【図6】本開示の実施例に係る高精度マップを生成する装置の概略構成図である。

【図7】本開示の実施例に係る高精度マップを生成する方法を実現可能な電子機器のブロック図である。

【発明を実施するための形態】

【0011】

以下、図面に合わせて本開示の例示的な実施例を説明し、ここで、理解を助けるために、本開示の実施例の様々な詳細が含まれており、それらを例示的なものとして見なすべきである。そのため、当業者であれば、本開示の範囲と精神から逸脱しない限り、ここで説明される実施例に対して様々な変更と修正を行うことができることを認識されたい。同様に、明確と簡潔のために、以下の説明では、周知技術と構成に対する説明を省略している。

【0012】

以下、図面を参照して本開示の実施例の高精度マップを生成する方法、装置及び電子機器を説明する。

【0013】

インテリジェント交通システム（Ｉｎｔｅｌｌｉｇｅｎｔ Ｔｒａｆｆｉｃ Ｓｙｓｔｅｍ、ＩＴＳと略す）は高度道路交通システム（Ｉｎｔｅｌｌｉｇｅｎｔ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｓｙｓｔｅｍ）とも呼ばれ、高度な科学技術（情報技術、コンピュータ技術、データ通信技術、センサ技術、電子制御技術、自動制御理論、オペレーションズリサーチ、人工知能等）を交通輸送、サービス制御及び車両製造に効果的に適用し、車両、道路、使用者の三者の間の関係を強め、これにより、安全性を保証し、効率を向上させ、環境を改善し、エネルギーを節約する包括的な輸送システムを生成する。インテリジェント交通システムは歩行者、車両、道路の調和の取れた緊密な協力を通じて交通輸送効率を向上させ、交通の渋滞を緩和し、道路網通行能力を高め、交通事故を減らし、エネルギー消費を削減し、環境汚染を軽減する。

【0014】

大量リソースとも呼ばれるビッグデータ（ｂｉｇ ｄａｔａ）とは、現在の主流のソフトウェアツールを介して、合理的な時間内に情報を取得、管理、処理し且つ整理して企業の業務上の意思決定をより積極的なものにするという目的を達成できないほど、関連するリソースの量が大きいことを指す。「ビッグデータ」はより強い意思決定能力、洞察発見力及びプロセス最適化能力で大量、高成長率及び多様化された情報資産に適応するために、新しい処理パターンが必要とされている。ビッグデータ技術の戦略的意義は、大量のデータ情報を支配することではなく、意味のあるこれらデータに対して専門的な処理を行うことである。言い換えると、ビッグデータを１つの産業に例えると、この産業が利益を収める鍵は、データに対する「加工能力」を高め、「加工」によってデータの「価値増殖」を実現することである。

【0015】

人工知能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）、英語の略称はＡＩである。それは、人間の知能をシミュレーションし且つ拡張する理論、方法、技術及びアプリケーションシステムを研究、開発する新しい技術科学である。人工知能は、コンピュータ科学の１つの分岐であり、それは知能の本質を理解し、且つ人間の知能と同様な方式で反応できる新しいスマートマシンを生み出そうとしており、当該分野の研究はロボット、言語認識、画像認識、自然言語処理及びエキスパートシステムなどを含む。人工知能は誕生以来、理論と技術が日増しに成熟し、適応の分野も次第に拡大している。将来、人工知能による技術製品が、人類の知恵の「うつわ」になり得ることは想像できる。人工知能は人間の意識、思惟の情報プロセスをシミュレーションすることができる。人工知能は人間の知能ではないが、人間のように思考することができ、人間の知能を超える可能性もある。

【0016】

インテリジェント運転は本質的には注意力吸引と注意力分散の認知工学に関し、主にネットワークナビゲーション、自己運転と手動介入の３つの部分を含む。インテリジェント運転の前提条件は、選択された車両が運転の動力学要件を満たし、車両におけるセンサが関連する視聴覚信号と情報を取得でき、且つ認知計算に基づいて、対応するフォローアップシステムを制御できることである。インテリジェント運転のネットワークナビゲーションは、どこにいるか、どこに行くか、どの道のどの車線を選ぶかなどの問題を解決する。自己運転はインテリジェントシステムの制御により、車線保持、追い越し、車線変更、赤信号の時の停車、青信号の時の発進、ヘッドライトやクラクションによる対話などの運転行為を完成させる。手動介入は、つまり、運転手がインテリジェントシステムの一連のヒントにより、実際の道路状況を対応して反応することである。

【0017】

クラウドコンピューティング（ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ）は分散コンピューティングの一種であり、ネットワーク「クラウド」を介して膨大なデータ計算処理プログラムを無数のアプレットに分解し、その後、複数のサーバから構成されるシステムでこれらのアプレットを処理分析して、結果を得てユーザに返すことを指す。クラウドコンピューティングは初期の時には、簡単に言えば、シンプルな分散コンピューティングであり、タスクの配分を解決し且つ計算結果の結合を行う。そのため、クラウドコンピューティングはグリッド計算とも呼ばれる。この技術により、極めて短い時間内（数秒）に数万のデータに対する処理を完成させることができ、さらには強力なネットワークサービスを達成する。「クラウド」は実質的に１つのネットワークであり、狭義的に言えば、クラウドコンピューティングはリソースを提供するネットワークであり、使用者はいつでも「クラウド」のリソースを取得することができ、必要な量に応じて使用し、そして、無限に拡張されたものとして見なすことができ、使用量に応じてお金を払えば、「クラウド」は水道水の供給工場のようなものであり、我々はいつでも制限なしに水を取得することができ、自分の家の水使用量に応じて、料金を水道水の供給工場に払えば良い。図１は本開示の実施例に係る高精度マップを生成する方法の概略フローチャートである。

【0018】

図１に示すように、当該高精度マップを生成する方法は以下のステップＳ１０１～ステップＳ１０３を含む。

【0019】

Ｓ１０１において、高精度マップを生成するための道路データをサンプリングし、サンプリング位置ポイント及びそれに対応する道路データが含まれるサンプリング軌跡を取得する。

【0020】

なお、道路データは道路の画像及び点群画像などを含むことができる。本開示の実施例では、車両に取り付けられるデータ取得装置によって道路の道路データを取得し、且つ車両測位システム又は車両にインストールされるナビゲーションアプリケーション（Ａｐｐｌｉｃａｔｉｏｎ、ＡＰＰ）を介して道路データをクラウドサーバにアップロードすることができる。例えば、当該データ取得装置は車載カメラ、車載レーダ、車両センサなどであってもよい。

【0021】

選択可能に、サーバはさらに道路情報データベース及び／又は交通管理プラットフォームに接続され、情報ベース及び／又は交通管理プラットフォームから高精度マップの道路データを取得することができる。

【0022】

本開示の実施例では、一定のサンプリング距離ごとにサンプリングポイントの位置を決定することができる。サンプリング距離は一定ではなく、実際の状況に応じて設定することができ、例えば、サンプリング距離を５０ｍ、１００ｍ、１５０ｍなどとしてもよい。

【0023】

選択可能に、道路の重要なノードに応じてサンプリングポイントを選択してもよい。例えば、道路のトンネル位置、急カーブ位置、信号灯位置にサンプリングポイントを設けることができる。

【0024】

なお、サンプリング軌跡にはサンプリングポイントの位置情報、サンプリング時刻、及びサンプリングポイントにおけるサンプリングの道路データが含まれる。本開示では、サンプリング時間及び／又はサンプリングポイントの位置情報に基づいて、すべてのサンプリングポイントを並べ替えて、１つのサンプリング軌跡を生成することができる。当該サンプリング軌跡は、通常、道路の形にマッチングしており、これにより、サンプリング軌跡に含まれる道路データに基づいて正確なマップを構築することができる。

【0025】

Ｓ１０２において、第１の道路要素を含むナビゲーションマップを取得する。

【0026】

本開示の実施例では、第１の道路要素は、道路タイプ、インジケーターランプ情報、車線情報などを含むことができる。なお、第１の道路要素は通常、従来のナビゲーションマップに適用され、道路の状況を示すために使用される。

【0027】

なお、上記実施例で説明されたナビゲーションマップは、予め構築されたものであってもよく、また、後で呼び出して使用することを容易にするように、サーバのストレージスペースに記憶されている。選択可能に、サンプリングされた、ナビゲーションマップを生成するための道路データに基づいて、ナビゲーションマップをリアルタイムに生成することもできる。

【0028】

Ｓ１０３において、サンプリング軌跡に基づいて、第１の道路要素を高精度マップに関連付けて、ターゲット高精度マップを生成する。

【0029】

本開示の実施例では、高精度マップを生成するアルゴリズムにより第１の道路要素及び道路データを計算することにより、ターゲット高精度マップを生成することができる。なお、当該アルゴリズムは、電子マップナビゲーションアルゴリズムに似ており、サンプリング位置ポイントごとに確認することにより、データ誤差による計算結果のエラーを回避し、ターゲットナビゲーションマップの精度を向上させることができる。なお、マップとマップとを関連付けることと比べて、本実施例では提案されるマップと軌跡とを関連付けるアルゴリズムはより熟成しており、精度がより高い。

【0030】

選択可能に、第１の道路要素及び道路データを、ターゲット高精度マップを生成するモデルに入力して処理することで、ターゲット高精度マップを生成することができる。なお、当該ターゲット高精度マップを生成するモデルは予めトレーニングされたものであってもよく、必要な時に呼び出して使用するように、サーバのストレージスペースに記憶されている。

【0031】

本開示の実施例では、まず、高精度マップを生成するための道路データをサンプリングし、サンプリング位置ポイント及びそれに対応する道路データが含まれサンプリング軌跡を取得し、その後、第１の道路要素を含むナビゲーションマップを取得し、最後に、サンプリング軌跡に基づいて、第１の道路要素を高精度マップに関連付けて、ターゲット高精度マップを生成する。これにより、道路データと従来のナビゲーションマップとを位置情報によりマッチングして、ターゲット高精度マップを生成する。マッチとマップとを関連付けてターゲット高精度マップを生成するという従来の方式と比べ、アルゴリズムがより熟成しており、精度がより高い。

【0032】

上記実施例では、サンプリング軌跡に基づいて、第１の道路要素を高精度マップに関連付けて、ターゲット高精度マップを生成するステップについて、図２を参照してさらに説明することができる。当該方法は以下のステップＳ２０１～ステップＳ２０３を含むことができる。

【0033】

Ｓ２０１において、サンプリング位置ポイントに対応するナビゲーションマップ上の第１の道路要素を取得する。

【0034】

実現時に、すべての道路の各区間が車両自動運転の条件を備えるわけではなく、ナビゲーションマップ上の位置粒度は通常、高精度マップ上の位置粒度より粗く、つまり、ナビゲーションマップ上の位置ポイントは通常、高精度マップ上の複数の位置ポイントを含むことができる。本開示では、ナビゲーションマップの位置情報とサンプリング位置ポイントの位置情報とをマッチングすることにより、ナビゲーションマップ上の第１の道路要素を取得する。

【0035】

選択可能に、サンプリング位置ポイントに基づいて、ナビゲーションマップ上で位置測位を行って、サンプリング位置ポイントのナビゲーションマップ上での測位位置ポイントを決定し、その後、測位位置ポイントにおける第１の道路要素を、サンプリング位置ポイントに対応するナビゲーションマップ上の第１の道路要素として取得することができる。つまり、サンプリング位置ポイントとナビゲーションマップ上の位置ポイントとをマッチングして、当該サンプリング位置ポイントをカバーするナビゲーションマップ上の位置ポイントを測位位置ポイントと取得し、その後、測位位置ポイントにおける第１の道路要素を、サンプリング位置ポイントに対応するナビゲーションマップ上の第１の道路要素として決定することができる。

【0036】

これにより、サンプリング位置ポイントの座標とナビゲーションマップとのマッチングにより、サンプリング位置ポイントの正確な第１の道路要素を取得することができ、後続のターゲット高精度マップを生成するための基礎を築く。

【0037】

Ｓ２０２において、第１の道路要素と、サンプリング位置ポイントに対応する道路データとを関連付けて、ターゲット道路データを生成する。

【0038】

サンプリング位置ポイントにおいてサンプリングされた道路データが含まれ、本開示では、サンプリング位置ポイントに対応する第１の道路要素が取得された後、同じサンプリング位置ポイントに対応する道路データとそれに対応する第１の道路要素とを関連付けて、当該サンプリング位置ポイントのターゲット道路データを生成する。

【0039】

なお、取得された道路データはシングルフレームデータであってもよいし、マルチフレームデータであってもよく、道路データが取得された後、さらに道路データを処理することができる。

【0040】

選択可能に、道路データに対して異常データ検査を行い、明らかなエラーのある道路データを選別して削除することにより、マップ構築の精度を確保することができる。

【0041】

選択可能に、使用可能なデータを生成するように、道路データを前処理することができる。具体的には、サンプリング位置ポイント及び／又はサンプリング位置ポイントのサンプリング時刻に基づいて、あらかじめ設定された数の道路データのフレームをマージすることができる。これにより、サーバが処理できるデータを取得することができ、ナビゲーションマップを作成するための基礎を築く。

【0042】

本開示の実施例では、サンプリング位置ポイントの座標情報と高精度マップの座標情報とのマッチングを行うことにより、マッチングポイントの道路データを取得し、ターゲット道路データを生成することができる。

【0043】

Ｓ２０３において、ターゲット道路データに基づいて、第１の道路要素を高精度マップに関連付けて、ターゲット高精度マップを生成する。

【0044】

本開示の実施例では、ターゲット道路データには、高精度マップによって生成された道路データだけではなく、関連付けられた第１の道路要素も含まれているため、ターゲット道路データに基づいて、ナビゲーションマップの第１の道路要素が関連付けられたターゲット高精度マップを構築することができる。これにより、ターゲット道路データを生成することにより、正確なターゲット高精度マップを構築することができるとともに、第１の要素をターゲット高精度マップに関連付けることにより、データの関連付けも実現することができる。

【0045】

上記実施例では、ターゲット道路データに基づいて、第１の道路要素を高精度マップに関連付けて、ターゲット高精度マップを生成するステップについて、図３を参照してさらに説明することができる。当該方法は以下のステップＳ３０１～ステップＳ３０３を含む。

【0046】

Ｓ３０１において、ターゲット道路データ内の道路データに基づいて、第２の道路要素を含む初期高精度マップを生成する。

【0047】

本開示の実施例では、第２の道路要素は、道路タイプ、インジケーターランプ情報、車線情報などを含むことができる。なお、第２の道路要素は通常、高精度マップに適用され、道路の状況を示すために使用される。従来のマップの第１の道路要素と比べて、初期高精度マップの第２の道路要素の精度がより高く、含まれるデータがより多い。例えば、第１の道路要素の精度は１０ｍであってもよく、第２の道路要素の精度は０．１ｍであってもよい。第１の道路要素は車線情報を含んでもよく、第２の道路要素は車線情報だけではなく、車線の色、幅などの情報を含んでもよい。

【0048】

Ｓ３０２において、第２の道路要素と、ターゲット道路データに含まれる第１の道路要素との位置マッチングを行う。

【0049】

本開示の実施例では、第２の道路要素及び第１の道路要素は座標情報をさらに含み、第２の道路要素の座標情報及び第１の道路要素の座標情報に基づいてマッチングを行うことができる。

【0050】

Ｓ３０３において、第２の道路要素と位置マッチングする第１の道路要素を、初期高精度マップにおける第２の道路要素に対応する位置サンプリングポイントに関連付けて、ターゲット高精度マップを生成する。

【0051】

上記実施例では、ターゲット道路データ内の道路データに基づいて、第２の道路要素を含む初期高精度マップを生成し、その後、第２の道路要素と、ターゲット道路データに含まれる第１の道路要素との位置マッチングを行い、最後に、第２の道路要素と位置マッチングする第１の道路要素を、初期高精度マップにおける第２の道路要素に対応する位置サンプリングポイントに関連付けて、ターゲット高精度マップを生成する。これにより、第１の道路要素と第２の道路要素とを座標位置により関連付ける方式でターゲット高精度マップを生成する。マップとマップとを関連付けるという従来の方式と比べて、精度がより高く、更新コストがより低い。

【0052】

上記実施例では、サンプリング軌跡に基づいて、第１の道路要素を高精度マップに関連付けて、ターゲット高精度マップを生成するステップについて、図４を参照してさらに説明する。当該方法は以下のステップＳ４０１～ステップＳ４０３を含むことができる。

【0053】

Ｓ４０１において、サンプリング軌跡に基づいて、第２の道路要素を含む高精度マップを生成する。

【0054】

本開示の実施例では、サンプリング軌跡を、高精度マップを生成するモデルに入力して処理することで、高精度マップを生成することができる。なお、当該高精度マップを生成するモデルは予めトレーニングされたものであってもよく、必要な時に呼び出して使用するように、サーバのストレージスペースに記憶されている。

【0055】

Ｓ４０２において、関連付け選択操作に応答して、関連付け選択操作から、関連付けるべき第１の道路要素と第２の道路要素とを決定する。

【0056】

本開示の実施例では、関連付け選択操作には、関連付けるべき第１の道路要素と第２の道路要素とが含まれており、関連付け選択操作のスクリーンでの停止位置に基づいて、当該停止位置に対応する第１の道路要素及び／又は第２の道路要素を決定し、当該停止位置に対応する第１の道路要素及び／又は第２の道路要素を関連付けるべき第１の道路要素と第２の道路要素として決定することができる。

【0057】

例えば、サーバにナビゲーションマップ及び高精度マップを同時に表示することができ、ユーザは，ドラッグという方式により、ナビゲーションマップから第１の道路要素を関連付けるべき第１の道路要素として選定し、且つ高精度マップから第２の道路要素を関連付けるべき第２の道路要素として選択し、その後、ドラッグ操作に基づいて関連付け選択操作を生成することにより、関連付けるべき第１の道路要素と第２の道路要素とをサーバに報知する。

【0058】

Ｓ４０３において、関連付けるべき第１の道路要素を、高精度マップにおける関連付けるべき第２の道路要素に対応するサンプリング位置ポイントに関連付けて、ターゲット高精度マップを生成する。

【0059】

さらに、サーバは、関連付け選択操作命令を受信すると、第１の道路要素の位置情報と第２の道路要素の位置情報とのマッチングを行うことにより、ターゲット高精度マップを生成することができる。

【0060】

本開示の実施例では、まず、サンプリング軌跡に基づいて、第２の道路要素を含む高精度マップを生成し、その後、関連付け選択操作に応答して、関連付け選択操作から、関連付けるべき第１の道路要素と第２の道路要素とを決定し、最後に、関連付けるべき第１の道路要素を、高精度マップにおける関連付けるべき第２の道路要素に対応するサンプリング位置ポイントに関連付けて、ターゲット高精度マップを生成する。関連付け選択操作命令を手動で又はサーバで生成することにより、ターゲット高精度マップを生成することができる。これにより、ユーザが従来のマップ、高精度マップ、及びターゲット高精度マップの使用を選択することができ、ユーザの使用体験が向上する。

【0061】

上記実施例では、高精度マップを生成するための道路データをサンプリングするステップについて、図５を参照してさらに説明することができる。当該方法は以下のステップＳ５０１～ステップＳ５０３を含むことができる。

【0062】

Ｓ５０１において、道路の画像収集を行い、道路の画像を取得する。

【0063】

本開示の実施例では、車両に取り付けられる画像収集装置によって道路の画像を取得し、車両測位システム又は車両にインストールされたナビゲーションアプリケーション（Ａｐｐｌｉｃａｔｉｏｎ、ＡＰＰ）を介して道路の画像をクラウドサーバにアップロードすることができる。例えば、当該画像収集装置は車載カメラ、車載レーダなどであってもよい。

【0064】

Ｓ５０２において、道路の点群データを収集し、道路の点群画像を取得する。

【0065】

本開示の実施例では、車両に取り付けられる点群データ収集装置によって道路の点群画像を取得し、車両測位システム又は車両にインストールされたナビゲーションアプリケーション（Ａｐｐｌｉｃａｔｉｏｎ、ＡＰＰ）を介して道路の点群画像をクラウドサーバにアップロードすることができる。例えば、当該画像収集装置は車載カメラ、車載レーダなどであってもよい。

【0066】

Ｓ５０３において、道路の画像及び点群画像を、サンプリング位置ポイントの道路データとして決定する。

【0067】

なお、サーバが取得した画像及び点群画像には位置情報が含まれてもよく、サーバは、画像及び点群画像の位置情報とサンプリング位置ポイントの位置情報とに基づいてマッチングを行って、サンプリング位置ポイントの道路データを決定することができる。

【0068】

本開示の実施では、まず、道路の画像収集を行い、道路の画像を取得し、その後、道路の点群データを収集し、道路の点群画像を取得し、最後に、道路の画像及び点群画像を、サンプリング位置ポイントの道路データとして決定する。これにより、車載装置によって道路の位置画像及び点群画像を取得することは、道路の道路データをより直観的に取得することができ、道路に対するデータ分析及び手動確認が容易になり、データ誤差による不正確なターゲット高精度マップが回避される。

【0069】

さらに、本開示の実施例で生成されるターゲット高精度マップは、従来のマップと比べて、両者のデータのリアルタイム性が異なる。従来のナビゲーション電子マップの更新頻度は永続静的データ及び半永続静的データに分けられ、例えば、永続静的データの更新頻度１ヶ月で、半永続静的データの更新頻度は１時間であってもよい。高精度マップはデータのリアルタイム性に関する要件が高く、更新頻度は通常、半動的データ及び動的データに分けられ、例えば、半動的データの更新頻度は１分で、動的データの更新頻度は１秒であってもよい。従来技術によって生成されるターゲット高精度マップは高精度マップ及び従来マップを個別に更新することができないのに対して、本解決案によって生成されるターゲット高精度マップはマップ更新時に、高精度マップ及び従来マップの更新ニーズ（例えば、更新周期）に応じてそれぞれ更新することができるため、ターゲット高精度マップの更新コストを削減することができる。

【0070】

上記いくつかの実施例に係る高精度マップを生成する方法に対応して、本開示の一実施例は高精度マップを生成する装置をさらに提供する。本開示の実施例に係る高精度マップを生成する装置は上記いくつかの実施例に係る高精度マップを生成する方法に対応しているため、上記高精度マップを生成する方法の実施形態は本開示の実施例に係る高精度マップを生成する装置にも適用可能であり、以下の実施例では詳しい説明を省略する。

【0071】

図６は本開示の実施例に係る高精度マップを生成する装置の概略構成図である。

【0072】

図６に示すように、高精度マップを生成する装置６００は、サンプリングモジュール６０１、取得モジュール６０２、生成モジュール６０３を備えることができる。

【0073】

サンプリングモジュール６０１は、高精度マップを生成するための道路データをサンプリングし、サンプリング位置ポイント及びそれに対応する道路データが含まれるサンプリング軌跡を取得するように構成される。

【0074】

取得モジュール６０２は、第１の道路要素を含むナビゲーションマップを取得するように構成される。

【0075】

生成モジュール６０３は、サンプリング軌跡に基づいて、第１の道路要素を高精度マップに関連付けて、ターゲット高精度マップを生成するように構成される。

【0076】

本開示の一実施例では、生成モジュール６０３はさらに、サンプリング位置ポイントに対応するナビゲーションマップ上の第１の道路要素を取得し、第１の道路要素と、サンプリング位置ポイントに対応する道路データとを関連付けて、ターゲット道路データを生成し、ターゲット道路データに基づいて、第１の道路要素を高精度マップに関連付けて、ターゲット高精度マップを生成するように構成される。

【0077】

本開示の一実施例では、生成モジュール６０３はさらに、サンプリング位置ポイントに基づいて、ナビゲーションマップ上で位置測位を行って、サンプリング位置ポイントのナビゲーションマップ上での測位位置ポイントを決定し、測位位置ポイントにおける第１の道路要素を、サンプリング位置ポイントに対応するナビゲーションマップ上の第１の道路要素として取得するように構成される。

【0078】

本開示の一実施例では、生成モジュール６０３はさらに、ターゲット道路データ内の道路データに基づいて、第２の道路要素を含む初期高精度マップを生成し、第２の道路要素と、ターゲット道路データに含まれる第１の道路要素との位置マッチングを行い、第２の道路要素と位置マッチングする第１の道路要素を、初期高精度マップにおける第２の道路要素に対応する位置サンプリングポイントに関連付けて、ターゲット高精度マップを生成するように構成される。

【0079】

本開示の一実施例では、生成モジュール６０３はさらに、サンプリング軌跡に基づいて、第２の道路要素を含む高精度マップを生成し、関連付け選択操作に応答して、関連付け選択操作から、関連付けるべき第１の道路要素と第２の道路要素とを決定し、関連付けるべき第１の道路要素を、高精度マップの関連付けるべき第２の道路要素に対応するサンプリング位置ポイントに関連付けて、ターゲット高精度マップを生成するように構成される。

【0080】

本開示の一実施例では、サンプリングモジュール６０１はさらに、道路の画像収集を行い、道路の画像を取得し、道路の点群データを収集し、道路の点群画像を取得し、道路の画像及び点群画像を、サンプリング位置ポイントの道路データとして決定するように構成される。

【0081】

本開示の一実施例では、サンプリングモジュール６０１はさらに、サンプリング位置ポイント及び／又はサンプリング位置ポイントのサンプリング時刻に基づいて、あらかじめ設定された数の道路データのフレームをマージするように構成される。

【0082】

本開示の技術案では、係るユーザ個人情報の取得、記憶及びアプリケーションなどは、すべて関連する法律及び規制による規定に合致しており、且つ公序良俗に違反しない。

【0083】

本開示の実施例によれば、本開示は、電子機器、読み取り可能な記憶媒体及びコンピュータプログラム製品をさらに提供する。

【0084】

図７は本開示の実施例に係る高精度マップを生成する方法を実現可能な例示的な電子機器７００の例示的なブロック図である。電子機器は、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、メインフレームコンピュータ、及び他の適切なコンピュータなどの様々な形態のデジタルコンピュータを表すことを目的とする。電子機器は、携帯情報端末、携帯電話、スマートフォン、ウェアラブルデバイス、及び他の同様のコンピューティングデバイスなどの様々な形態のモバイルデバイスを表すこともできる。本明細書で示される部品、それらの接続と関係、及びそれらの機能は、単なる例であり、本明細書の説明及び／又は要求される本開示の実現を制限することを意図したものではない。

【0085】

図７に示すように、電子機器７００は、読み取り専用メモリ（ＲＯＭ）７０２に記憶されているコンピュータプログラム、又は記憶ユニット７０６からランダムアクセスメモリ（ＲＡＭ）７０３にロードされたコンピュータプログラムに従って、様々な適切な動作及び処理を実行することができる計算ユニット７０１を備える。ＲＡＭ７０３には、電子機器７００の動作に必要な各種のプログラムやデータも記憶されていてもよい。計算ユニット７０１、ＲＯＭ７０２、及びＲＡＭ７０３は、バス７０４を介して互いに接続されている。入力／出力（Ｉ／Ｏ）インターフェース７０５もバス７０４に接続されている。

【0086】

電子機器７００における複数の部品は、Ｉ／Ｏインターフェース７０５に接続され、キーボード、マウスなどの入力ユニット７０６と、各種のディスプレイ、スピーカなどの出力ユニット７０７と、磁気ディスク、光ディスクなどの記憶ユニット７０８と、ネットワークカード、モデム、無線通信トランシーバなどの通信ユニット７０９と、を備える。通信ユニット７０９は、電子機器７００が、インターネットなどのコンピュータネットワーク及び／又は様々な通信ネットワークを介して他の装置と情報／データを交換することを可能にする。

【0087】

計算ユニット７０１は、処理能力及びコンピューティング能力を有する様々な汎用及び／又は専用の処理コンポーネントであってもよい。計算ユニット７０１のいくつかの例は、中央処理ユニット（ＣＰＵ）、グラフィックス処理ユニット（ＧＰＵ）、様々な専用の人工知能（ＡＩ）コンピューティングチップ、機械学習モデルアルゴリズムを実行する様々な計算ユニット、デジタル信号プロセッサ（ＤＳＰ）、及び任意の適切なプロセッサ、コントローラ、マイクロコントローラなどを含むが、これに限定されない。計算ユニット７０１は、前文で説明された様々な方法及び処理、例えば、高精度マップを生成する方法を実行する。例えば、いくつかの実施例では、高精度マップを生成する方法は、記憶ユニット７０６などの機械読み取り可能な記憶媒体に有形的に含まれるコンピュータソフトウェアプログラムとして実現することができる。いくつかの実施例では、コンピュータプログラムの一部又は全部を、ＲＯＭ７０２及び／又は通信ユニット７０９を介して電子機器７００にロード及び／又はインストールすることができる。コンピュータプログラムがＲＡＭ７０３にロードされ且つ計算ユニット７０１によって実行される場合、前文に記載された高精度マップを生成する方法の１つ以上のステップを実行することができる。代替的に、他の実施例では、計算ユニット７０１は、他の任意の適切な方法で（例えば、ファームウェアを介して）ネットワーク機器のテストを実行するように構成されてもよい。

【0088】

本明細書で説明されたシステムと技術の様々な実施形態は、デジタル電子回路システム、集積回路システム、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途向け標準製品（ＡＳＳＰ）、チップオンシステム（ＳＯＣ）、複数のプログラマブルロジックデバイス（ＣＰＬＤ）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／又はそれらの組み合わせで実現することができる。これらの様々な実施形態は、１つ又は複数のコンピュータプログラム／命令で実施されることを含むことができ、当該１つ又は複数のコンピュータプログラム／命令は、少なくとも１つのプログラマブルプロセッサを備えるプログラム可能なシステムで実行及び／又は解釈することができ、当該プログラマブルプロセッサは、特定用途向け又は汎用プログラマブルプロセッサであってもよく、ストレージシステム、少なくとも１つの入力装置、及び少なくとも１つの出力装置からデータ及び命令を受信し、データ及び命令を当該ストレージシステム、当該少なくとも１つの入力装置、及び当該少なくとも１つの出力装置に伝送することができる。

【0089】

本開示の方法を実行するためのプログラムコードは、１つ以上のプログラミング言語の任意の組み合わせを用いて書くことができる。これらのプログラムコードは、汎用コンピュータ、専用コンピュータ、又は他のプログラマブルデータ処理装置のプロセッサ又はコントローラに提供され、プロセッサ又はコントローラによって実行される場合、フローチャート及び／又はブロック図に規定された機能／動作を実行させることができる。プログラムコードは、完全に、又は部分的に、マシン上で実行することができ、独立したソフトウェアパッケージとしてマシンで部分的に実行され、リモートマシンで部分的に実行され、又は、リモートマシン又はサーバで完全に実行される。

【0090】

本開示の文脈では、機械読み取り可能な媒体は、命令実行システム、装置、又はデバイスが使用するために、又は命令実行システム、装置、又はデバイスを組み合わせて使用されるプログラムを含むか又は記憶することができる有形的な媒体であってもよい。機械読み取り可能な媒体は、機械読み取り可能な信号媒体又は機械読み取り可能な記憶媒体であってもよい。機械読み取り可能な媒体は、電子的、磁気的、光学的、電磁的、赤外線的、又は半導体的なシステム、装置又はデバイス、又はこれらの任意の適切な組み合わせを含むことができるが、これらに限定されるものではない。機械読み取り可能な媒体のより具体的な例は、１つ以上のラインに基づく電気的接続、ポータブルコンピュータディスク、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、消去可能プログラマブル読み取り専用メモリ（ＥＰＲＯＭ又はフラッシュメモリ）、光ファイバ、ポータブルコンパクトディスク読み取り専用メモリ（ＣＤ－ＲＯＭ）、光ストレージデバイス、磁気ストレージデバイス、又はこれらの任意の適切な組み合わせ、を含むことができる。

【0091】

ユーザとのインタラクションを提供するために、ここで説明されているシステム及び技術をコンピュータ上で実施することができ、当該コンピュータは、ユーザに情報を表示するためのディスプレイ装置（例えば、ＣＲＴ（陰極線管）又はＬＣＤ（液晶ディスプレイ）モニタ）と、キーボード及びポインティングデバイス（例えば、マウス又はトラックボール）とを有し、ユーザは、当該キーボード及び当該ポインティングデバイスによって入力をコンピュータに提供することができる。他の種類の装置も、ユーザとのインタラクションを提供することができ、例えば、ユーザに提供されるフィードバックは、任意の形式のセンシングフィードバック（例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバック）であってもよく、任意の形式（音響入力と、音声入力、又は、触覚入力とを含む）でユーザからの入力を受信することができる。

【0092】

ここで説明されるシステム及び技術は、バックエンドコンポーネントを備えるコンピューティングシステム（例えば、データサーバとする）、又はミドルウェアコンポーネントを備えるコンピューティングシステム（例えば、アプリケーションサーバ）、又はフロントエンドコンポーネントを備えるコンピューティングシステム（例えば、グラフィカルユーザインタフェース又はウェブブラウザを有するユーザコンピュータ、ユーザは、当該グラフィカルユーザインタフェース又は当該ウェブブラウザによってここで説明されるシステム及び技術の実施形態とインタラクションできる）、又はこのようなバックエンドコンポーネントと、ミドルウェアコンポーネントと、フロントエンドコンポーネントのいずれかの組み合わせを備えるコンピューティングシステムで実行することができる。いずれかの形態又は媒体のデジタルデータ通信（例えば、通信ネットワーク）によってシステムのコンポーネントを相互に接続することができる。通信ネットワークの例は、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、インターネット及びブロックチェーンネットワークを含むことができる。

【0093】

コンピュータシステムはクライアントとサーバを備えることができる。クライアントとサーバは一般に、互いに離れており、通常、通信ネットワークを介して対話する。対応するコンピュータで実行され且つ互いにクライアント－サーバ関係を有するコンピュータプログラム／命令によってクライアントとサーバとの関係を生成する。サーバはクラウドサーバであってもよく、分散システムのサーバであってもよく、又はブロックチェーンを組み込んだサーバであってもよい。

【0094】

なお、以上に示される様々な形のフローを使用して、ステップを並べ替え、追加、又は削除することができることを理解されたい。例えば、開示に記載された各ステップは並列に実行されてもよいし、順次実行されてもよいし、異なる順序で実行されてもよいが、本開示に開示された技術案の所望の結果を実現できる限り、本文はここで限定されない。

【0095】

上記具体的な実施形態は、本開示の保護範囲を制限するものではない。当業者は、設計要件と他の要因に応じて、様々な修正、組み合わせ、サブコンビネーション、及び代替を行うことができることを理解されたい。任意の本開示の精神と原則内で行われる修正、同等の置換、及び改善などは、いずれも本開示の保護範囲内に含まれるべきである。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】