CN113671460B - 一种地图生成方法、装置、计算机设备及存储介质 - Google Patents
一种地图生成方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113671460B CN113671460B CN202110960811.6A CN202110960811A CN113671460B CN 113671460 B CN113671460 B CN 113671460B CN 202110960811 A CN202110960811 A CN 202110960811A CN 113671460 B CN113671460 B CN 113671460B
- Authority
- CN
- China
- Prior art keywords
- sub
- map
- data
- map data
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000004927 fusion Effects 0.000 claims abstract description 94
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 5
- 239000010410 layer Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 239000002356 single layer Substances 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000274965 Cyrestis thyodamas Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种地图生成方法、装置、计算机设备及存储介质，包括：获取在目标区域采集的雷达数据；针对所述雷达数据中的每一帧雷达数据，将该帧雷达数据中的点云点划分至多个第一子地图区域中，得到多个第一子地图区域的第一子地图数据；基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合，得到至少一个第二子地图数据；基于所述至少一个第二子地图数据中的点云点，确定所述目标区域对应的至少一个目标子地图。
Description
技术领域
本公开涉及自动驾驶技术领域，具体而言，涉及一种地图生成方法、装置、计算机设备及存储介质。
背景技术
随着人们生活水平的提高，汽车已经成为了人类社会不可获取的一部分，同时自动驾驶技术有利于减少道路拥堵，提高驾驶安全性，成为了当前热门的研究和落地方向。而高精度、实时的地图是保证自动驾驶正常运行的基本要求，在自动驾驶领域是非常重要的一环。
栅格地图是一种自动驾驶领域常用的地图格式，其分为三维栅格地图和二维栅格地图，考虑大部分道路都是单层场景(这里单层场景指道路上沿着高度方向不会存在另外一条道路的场景)，以及储存量，二维栅格地图是自动驾驶中更为常见的地图格式，其主要是将三维环境，沿着水平方向进行栅格化，再沿着竖直方向压缩成一层地图。但是环境中也存在多层场景(这里多层场景指沿着高度方向存在多条道路的场景)，比如高架上下两层道路，在这样的场景下仅生成单层地图会对地图标注以及定位带来较大的挑战。
发明内容
本公开实施例至少提供一种地图生成方法、装置、计算机设备及存储介质。
第一方面，本公开实施例提供了一种地图生成方法，包括：
获取在目标区域采集的雷达数据；
针对所述雷达数据中的每一帧雷达数据，将该帧雷达数据中的点云点划分至多个第一子地图区域中，得到多个第一子地图区域的第一子地图数据；
基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合，得到至少一个第二子地图数据；
基于所述至少一个第二子地图数据中的点云点，确定所述目标区域对应的至少一个目标子地图。
上述方法中，在获取雷达数据之后，可以先将所述雷达数据划分到不同的第一子地图区域中，得到多个第一子地图数据，然后基于点云点的采集时间以及各个第一子地图区域的位置信息，将各个第一子地图数据进行融合，这样在确定目标区域对应的地图时，可以将所述目标区域划分为至少一个目标子地图进行存储，对于多层场景中，由于是分块存储，可以分别存储多层的目标子地图，这样在进行定位时，可以分别基于多层的目标子地图进行定位，进而可以在降低存储量的同时，提高在多层场景下的定位精度。
一种可能的实施方式中，所述针对所述雷达数据中的每一帧雷达数据，将该帧雷达数据中的点云点划分至预先划分的多个第一子地图区域中，包括：
将所述雷达数据中的点云点从雷达坐标系转换到世界坐标系中；
基于每个所述点云点在世界坐标系中的坐标，以及所述多个第一子地图区域的位置信息，将所述点云点划分至对应的第一子地图区域中。
一种可能的实施方式中，所述基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合，包括：
基于各个第一子地图区域的位置信息，确定各第一子地图区域的中心点在世界坐标系下的位置坐标；
确定所述多个第一子地图区域中，中心点的位置坐标相同的多个待融合子地图区域；
确定各个所述待融合子地图区域对应的第一待融合子地图数据对应的采集时间；
将对应的采集时间之间的时间差值小于预设时间的第一待融合子地图数据进行融合。
通过这种方式，可以减少子地图数据的数量，进而可以减少目标子地图的数量，另外，中心点的位置坐标相同且对应的采集时间之间的差值小于预设时间的第一待融合子地图数据为同一子地图区域对应的数据，通过进行融合可以提高所述同一子地图区域的点云点密度，进而提高最终确定的目标子地图的精度。
一种可能的实施方式中，所述获取在目标区域采集的雷达数据，包括：
获取在所述目标区域采集的多组雷达数据；不同组雷达数据对应的采集批次不同；
所述基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合，得到至少一个第二子地图数据，包括：
针对任一组雷达数据，基于该组雷达数据的各个点云点对应的采集时间，以及该组雷达数据对应的各个所述第一子地图区域的位置信息，将该组雷达数据对应的第一子地图数据进行第一融合，并将融合后的第一子地图数据以及未融合的第一子地图数据作为该组雷达数据对应的至少一个第二子地图数据；
所述基于所述至少一个第二子地图数据中的点云点，确定至少一个目标子地图，包括：
基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，确定至少一个目标子地图。
通过采集多组雷达数据，可以提高最终确定的目标子地图的精度，避免出现所述目标区域内的部分位置未扫描到而无法建立完整的目标子地图的情况。
一种可能的实施方式中，所述基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，确定至少一个目标子地图，包括：
基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，以及所述至少一个第二子地图数据对应的位置信息，将所述多组雷达数据分别对应的至少一个第二子地图数据进行第二融合，并将融合后的第二子地图数据以及未融合的第二子地图数据作为第三子地图数据；
基于所述第三子地图数据中的点云点，确定至少一个目标子地图。
通过对第二子地图数据进行融合，可以减少最终确定的目标子地图的数量，避免对于部分区域的地图的重复保存，减少存储量。
一种可能的实施方式中，所述方法还包括：
基于所述多个第一子地图区域之间的第一连接关系，确定各个第一子地图数据之间的第二连接关系；
在将所述第一子地图数据进行第一融合之后，所述方法还包括：
基于第一融合的融合结果，对各个第一子地图数据之间的第二连接关系进行融合，得到各个第二子地图数据之间的第三连接关系。
一种可能的实施方式中，在将所述多组雷达数据分别对应的至少一个第二子地图数据进行第二融合后，所述方法还包括：
基于第二融合的融合结果，对各个第二子地图数据之间的第三连接关系进行融合，得到各个所述第三子地图数据之间的第四连接关系。
一种可能的实施方式中，所述基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，以及所述至少一个第二子地图数据对应的位置信息，将所述多组雷达数据分别对应的至少一个第二子地图数据进行第二融合，包括：
基于所述第二子地图数据对应的位置信息，确定所述第二地图数据的中心点的位置坐标；
确定中心点的位置坐标相同的多个第二子地图数据为第二待融合地图数据；
确定多个所述第二待融合地图数据之间的匹配分数，并将匹配分数超过预设分数的多个第二待融合地图数据进行融合。
通过将匹配分数超过预设分数的第二子地图数据进行融合，可以避免融合后的第三子地图数据对应的位置范围过大，导致基于第三子地图数据生成的目标子地图中包含多层道路的情况。
一种可能的实施方式中，所述确定多个所述第二待融合地图数据之间的匹配分数，包括：
针对任意两个第二待融合地图数据，分别将该两个第二待融合地图数据对应的空间区域划分为多个三维网格，并确定各个三维网络内所包含的点云点；
基于包含相同点云点的目标三维网格的个数，以及所述空间区域划分的三维网络的个数，确定所述匹配分数。
一种可能的实施方式中，所述基于所述至少一个第二子地图数据中的点云点，确定至少一个目标子地图，包括：
将所述至少一个第二子地图数据中的点云点进行投影，得到至少一个目标子地图。
一种可能的实施方式中，所述方法还包括：
获取待定位车辆的初始定位数据；
确定与所述待定位车辆的初始定位数据匹配的目标子地图，并基于确定的目标子地图为所述待定位车辆进行定位。
一种可能的实施方式中，所述确定与所述待定位车辆的初始定位数据匹配的目标子地图，包括：
确定对应的位置范围包含所述初始定位数据对应的位置的待筛选地图；
在确定的待筛选地图有多个的情况下，获取所述待定位车辆的雷达数据，并基于所述待定位车辆的雷达数据，确定与所述待定位车辆的初始定位数据匹配的目标子地图。
一种可能的实施方式中，所述确定与所述待定位车辆的初始定位数据匹配的目标子地图，包括：
确定所述待定位车辆所在的前一目标子地图；
基于其他目标子地图与所述前一目标子地图之间的连接关系，确定与所述待定位车辆的当前位置信息匹配的目标子地图。
第二方面，本公开实施例还提供一种地图生成装置，包括：
获取模块，用于获取在目标区域采集的雷达数据；
划分模块，用于针对所述雷达数据中的每一帧雷达数据，将该帧雷达数据中的点云点划分至多个第一子地图区域中，得到多个第一子地图区域的第一子地图数据；
融合模块，用于基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合，得到至少一个第二子地图数据；
确定模块，用于基于所述至少一个第二子地图数据中的点云点，确定所述目标区域对应的至少一个目标子地图。
一种可能的实施方式中，所述划分模块，在针对所述雷达数据中的每一帧雷达数据，将该帧雷达数据中的点云点划分至预先划分的多个第一子地图区域中时，用于：
将所述雷达数据中的点云点从雷达坐标系转换到世界坐标系中；
基于每个所述点云点在世界坐标系中的坐标，以及所述多个第一子地图区域的位置信息，将所述点云点划分至对应的第一子地图区域中。
一种可能的实施方式中，所述融合模块，在基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合时，用于：
基于各个第一子地图区域的位置信息，确定各第一子地图区域的中心点在世界坐标系下的位置坐标；
确定所述多个第一子地图区域中，中心点的位置坐标相同的多个待融合子地图区域；
确定各个所述待融合子地图区域对应的第一待融合子地图数据对应的采集时间；
将对应的采集时间之间的时间差值小于预设时间的第一待融合子地图数据进行融合。
一种可能的实施方式中，所述获取模块，在获取在目标区域采集的雷达数据时，用于：
获取在所述目标区域采集的多组雷达数据；不同组雷达数据对应的采集批次不同；
所述融合模块，在基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合，得到至少一个第二子地图数据时，用于：
针对任一组雷达数据，基于该组雷达数据的各个点云点对应的采集时间，以及该组雷达数据对应的各个所述第一子地图区域的位置信息，将该组雷达数据对应的第一子地图数据进行第一融合，并将融合后的第一子地图数据以及未融合的第一子地图数据作为该组雷达数据对应的至少一个第二子地图数据；
所述确定模块，在基于所述至少一个第二子地图数据中的点云点，确定至少一个目标子地图时，用于：
基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，确定至少一个目标子地图。
一种可能的实施方式中，所述确定模块，在基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，确定至少一个目标子地图时，用于：
基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，以及所述至少一个第二子地图数据对应的位置信息，将所述多组雷达数据分别对应的至少一个第二子地图数据进行第二融合，并将融合后的第二子地图数据以及未融合的第二子地图数据作为第三子地图数据；
基于所述第三子地图数据中的点云点，确定至少一个目标子地图。
一种可能的实施方式中，所述融合模块，还用于：
基于所述多个第一子地图区域之间的第一连接关系，确定各个第一子地图数据之间的第二连接关系；
在将所述第一子地图数据进行第一融合之后，所述融合模块还用于：
基于第一融合的融合结果，对各个第一子地图数据之间的第二连接关系进行融合，得到各个第二子地图数据之间的第三连接关系。
一种可能的实施方式中，在将所述多组雷达数据分别对应的至少一个第二子地图数据进行第二融合后，所述融合模块，还用于：
基于第二融合的融合结果，对各个第二子地图数据之间的第三连接关系进行融合，得到各个所述第三子地图数据之间的第四连接关系。
一种可能的实施方式中，所述融合模块，在基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，以及所述至少一个第二子地图数据对应的位置信息，将所述多组雷达数据分别对应的至少一个第二子地图数据进行第二融合时，用于：
基于所述第二子地图数据对应的位置信息，确定所述第二地图数据的中心点的位置坐标；
确定中心点的位置坐标相同的多个第二子地图数据为第二待融合地图数据；
确定多个所述第二待融合地图数据之间的匹配分数，并将匹配分数超过预设分数的多个第二待融合地图数据进行融合。
一种可能的实施方式中，所述融合模块，在确定多个所述第二待融合地图数据之间的匹配分数时，用于：
针对任意两个第二待融合地图数据，分别将该两个第二待融合地图数据对应的空间区域划分为多个三维网格，并确定各个三维网络内所包含的点云点；
基于包含相同点云点的目标三维网格的个数，以及所述空间区域划分的三维网络的个数，确定所述匹配分数。
一种可能的实施方式中，所述确定模块，在基于所述至少一个第二子地图数据中的点云点，确定至少一个目标子地图时，用于：
将所述至少一个第二子地图数据中的点云点进行投影，得到至少一个目标子地图。
一种可能的实施方式中，所述装置还包括定位模块，用于：
获取待定位车辆的初始定位数据；
确定与所述待定位车辆的初始定位数据匹配的目标子地图，并基于确定的目标子地图为所述待定位车辆进行定位。
一种可能的实施方式中，所述定位模块，在确定与所述待定位车辆的初始定位数据匹配的目标子地图时，用于：
确定对应的位置范围包含所述初始定位数据对应的位置的待筛选地图；
在确定的待筛选地图有多个的情况下，获取所述待定位车辆的雷达数据，并基于所述待定位车辆的雷达数据，确定与所述待定位车辆的初始定位数据匹配的目标子地图。
一种可能的实施方式中，所述定位模块，在确定与所述待定位车辆的初始定位数据匹配的目标子地图时，用于：
确定所述待定位车辆所在的前一目标子地图；
基于其他目标子地图与所述前一目标子地图之间的连接关系，确定与所述待定位车辆的当前位置信息匹配的目标子地图。
第三方面，本公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
第四方面，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
关于上述地图生成装置、计算机设备、及计算机可读存储介质的效果描述参见上述地图生成方法的说明，这里不再赘述。
为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本公开实施例所提供的一种地图生成方法的流程图；
图2示出了本公开实施例所提供的地图生成方法中，第一融合的具体方法的流程图；
图3示出了本公开实施例所提供的地图生成方法中，连接关系融合的示意图；
图4示出了本公开实施例所提供的地图生成方法中，确定目标子地图的具体方法的流程图；
图5示出了本公开实施例所提供的地图生成方法中，第二融合的具体方法的流程图；
图6示出了本公开实施例所提供的一种地图生成装置的架构示意图；
图7示出了本公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
经研究发现，二维栅格地图是自动驾驶中更为常见的地图格式，其主要是将三维环境，沿着水平方向进行栅格化，再沿着竖直方向压缩成一层地图。但是环境中也存在多层场景(这里多层场景指沿着高度方向存在多条道路的场景)，比如高架上下两层道路，在这样的场景下仅生成单层地图会对地图标注以及定位带来较大的挑战。
基于上述研究，本公开提供了一种地图生成方法、装置、计算机设备及存储介质，在获取雷达数据之后，可以先将所述雷达数据划分到不同的第一子地图区域中，得到多个第一子地图数据，然后基于点云点的采集时间以及各个第一子地图区域的位置信息，将各个第一子地图数据进行融合，这样在确定目标区域对应的地图时，可以将所述目标区域划分为至少一个目标子地图进行存储，对于多层场景中，由于是分块存储，可以分别存储多层的目标子地图，这样在进行定位时，可以分别基于多层的目标子地图进行定位，进而可以在降低存储量的同时，提高在多层场景下的定位精度。
针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案，都应该是发明人在本公开过程中对本公开做出的贡献。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
为便于对本实施例进行理解，首先对本公开实施例所公开的一种地图生成方法进行详细介绍，本公开实施例所提供的地图生成方法的执行主体一般为具有一定计算能力的计算机设备，该计算机设备例如包括：个人计算机、服务器等。
参见图1所示，为本公开实施例提供的地图生成方法的流程图，所述方法包括步骤101～步骤104，其中：
步骤101、获取在目标区域采集的雷达数据。
步骤102、针对所述雷达数据中的每一帧雷达数据，将该帧雷达数据中的点云点划分至多个第一子地图区域中，得到多个第一子地图区域的第一子地图数据。
步骤103、基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合，得到至少一个第二子地图数据。
步骤104、基于所述至少一个第二子地图数据中的点云点，确定所述目标区域对应的至少一个目标子地图。
以下是对上述步骤的详细说明。
这里，所述目标区域可以是指待确定地图的区域；所述获取在目标区域采集的雷达数据可以是指获取移动设备在目标区域采集的多帧雷达数据，每帧雷达数据中包括多个点云点。
在一种可能的实施方式中，所述针对所述雷达数据中的每一帧雷达数据，在将该帧雷达数据中的点云点划分至预先划分的多个第一子地图区域中时，可以先将所述雷达数据中的点云点从雷达坐标系转换到世界坐标系中，然后基于每个点云点在世界坐标系中的坐标，以及所述多个第一子地图区域的位置信息(这里可以是指在世界坐标系下的坐标范围)，将所述点云点划分至对应的第一子地图区域中。
这里，所述点云点在进行记录时，是记录的各个点云点在雷达坐标系下的位置坐标以及强度信息，所述雷达坐标系是以雷达为坐标原点的三维坐标系；所述世界坐标系可以是以车辆的任一位置点为坐标原点的三维坐标系；在将点云点从雷达坐标系转换到世界坐标系中时，可以先基于雷达外参，确定所述雷达坐标系与世界坐标系的转换关系，然后针对任一点云点，基于所述转换关系，将该点云点在雷达坐标系下的坐标转换至世界坐标系中。
所述多个第一子地图区域对应的世界坐标系范围可以是指水平方向上的坐标系范围，在将所述点云点转换到世界坐标系中之后，可以基于所述点云点在水平方向上的坐标(即x坐标和y坐标)，以及所述世界坐标范围，将所述点云点划分至对应的第一子地图区域中。
所述第一子地图数据为该第一子地图区域内所包含的所有点云点在世界坐标系下的位置坐标。
在一种可能的实施方式中，在基于所述雷达数据中的点云点对应的采集时间，以及所述各个第一子地图区域的位置信息，将所述第一子地图数据进行第一融合，得到至少一个第二子地图数据时，可以通过如图2所示的方法，包括以下几个步骤：
步骤201、基于各个第一子地图区域的位置信息，确定各第一子地图区域的中心点的在世界坐标系下的位置坐标。
这里，所述第一子地图区域的位置信息即为该第一子地图区域在世界坐标系下的坐标范围。
步骤202、确定所述多个第一子地图区域中，中心点的位置坐标相同的多个待融合子地图区域。
这里，可能会出现中心点的位置坐标相同的多个待融合子地图区域的原因是，在采集雷达数据的过程中，可能会由于安装雷达的移动装置的移动速度的原因，导致对同一区域的重复扫描，这样在不同帧雷达数据中，可能会出现中心点位置相同的多个待融合子地图区域。
步骤203、确定各个所述待融合子地图区域对应的第一待融合子地图数据对应的采集时间。
这里，由于在确定各个第一子地图数据时，是将同一帧的点云点划分至各个第一子地图区域中，因此第一子地图数据中所包含的点云点的采集时间相同。所述第一待融合子地图数据为各个待融合子地图区域对应的第一子地图数据。
步骤204、将对应的采集时间之间的时间差值小于预设时间的第一待融合子地图数据进行融。
通过这种方式，可以减少子地图数据的数量，进而可以减少目标子地图的数量，另外，中心点的位置坐标相同且对应的采集时间之间的差值小于预设时间的第一待融合子地图数据为同一子地图区域对应的数据，通过进行融合可以提高所述同一子地图区域的点云点密度，进而提高最终确定的目标子地图的精度。
这里，需要说明的是，可能会存在多个(超过两个)中心点的位置坐标相同的待融合子地图区域，在对多个中心点的位置坐标相同的待融合子区域对应的第一待融合地图数据进行第一融合时，针对中心点的位置坐标为(X，Y)的多个第一待融合地图数据，可以先按照对应的采集时间对所述第一待融合地图数据进行排序，然后判断第N个第一待融合地图数据与第N+1个第一待融合地图数据之间的时间差值，若小于预设时间则将第N个第一待融合地图数据与第N+1个第一待融合数据进行融合，得到中间融合子地图数据，然后判断第N+1个第一待融合地图数据与第N+2个第一待融合地图数据之间的时间差值，若小于预设时间则将第N+2个第一待融合数据与上一次融合得到的中间融合子地图数据进行融合…，以此类推，直至将中心点的位置坐标为(X，Y)的所有第一待融合地图数据都进行上述判断。
示例性的，若中心点的位置坐标为(a，b)的待融合子地图区域对应的第一待融合地图数据及对应的采集时间如下表1所示：
表1
若预设时间为2分钟，则第一待融合地图数据1和第一待融合地图数据2之间的时间差值小于预设时间，第一待融合地图数据2和第一待融合地图数据3之间的时间差值也小于预设时间，则将第一待融合地图数据1、2、3进行融合，得到第二子地图数据，而第一待融合地图数据4和5第一待融合地图数据1、2、3之间的时间差值超过预设时间，则不与第一待融合地图数据1、2、3进行融合，而第一待融合地图数据4和5之间的时间差值也小于预设时间，则可以将第一待融合地图数据4和5进行融合，得到第二子地图数据。
通过对上表1中的各第一待融合地图数据进行融合之后，可以得到两个第二子地图数据。
这里，需要说明的是，在对中心点的位置坐标相同的多个待融合子地图区域对应的第一待融合子地图数据进行第一融合时，结合第一待融合子地图数据的采集时间的原因在于，由于在进行第一融合时，理论上是将同一位置区域对应的子地图数据进行融合，但是可能会出现中心点的位置坐标相同，高度不同的第一待融合子地图数据，因此为了避免高度对于第一待融合子地图数据融合的影响，需要结合各个第一待融合子地图数据的采集时间。这样，中心点位置相同的多个第一待融合地图数据经过第一融合之后，可能融合为多个第二子地图数据。
示例性的，高架桥上方的第一子地图数据与高架桥下方的第一子地图数据对应的中心点的位置坐标可能相同，但是在同一组雷达数据的采集过程中，高架桥上方的第一子地图数据中的点云点的采集时间与高架桥下方的第一子地图数据中的点云点的采集时间之间的时间间隔较长，超过了预设时间，因此集合采集时间，可以避免将高架桥上方的第一子地图数据与高架桥下方的第一子地图数据识别为同一位置区域的子地图数据，进而影响生成的地图精度。
在一种可能的实施方式中，任意两个第一子地图数据在进行第一融合时，可以是基于所述任意两个第一子地图数据中所包含的点云点在世界坐标系下的坐标，对所述任意两个第一子地图数据中所包含的点云点求并集，得到第一融合后的第一子地图数据。
示例性的，若第一子地图数据包括点云点A、B、C、D，第二子地图数据包括点云点C、D、E、F，则在将这两个第一子地图数据进行第一融合后，第一融合后的第一子地图数据包括点云点A、B、C、D、E、F。
在一种可能的实施方式中，在对第一子地图数据进行第一融合之后，还可以对各个第一子地图数据的连接关系进行融合。
具体的，可以基于所述多个第一子地图区域之间的第一连接关系，确定各个第一子地图数据之间的第二连接关系，这里，所述第一连接关系即为所述第二连接关系；在将所述第一子地图数据进行第一融合之后，可以基于第一融合的融合结果，对各个第一子地图数据之间的第二连接关系进行融合，得到各个第二子地图数据之间的第三连接关系。
这里，所述连接关系可以用于表示是否相邻，若第一子地图区域A与所述第一子地图区域B之间相邻，则可以确定第一子地图区域A与第一子地图区域B之间具有连接关系。
示例性的，第二连接关系的融合可以如图3所示，第一帧雷达数据被划分为9个第一子地图区域，经检测，第一子地图区域A1和第一子地图区域B1、第一子地图区域C1具有连接关系(图中实线表示连接关系)，第二帧雷达数据也被划分为9个第一子地图区域，经检测，第一子地图区域A2和第一子地图区域D2、第一子地图区域E2具有连接关系，第一子地图区域A1的中心点的位置坐标与第一子地图区域A2的中心点的位置坐标相同，则可以确定第一子地图区域A1与第一子地图区域A2为同一区域，则可以将第一子地图区域A1对应的第一子地图数据与第一子地图区域A2对应的第一子地图数据进行融合，在融合之后的连接关系可以为第一子地图区域A与第一子地图区域B1、第一子地图区域C1、第一子地图区域D2、第一子地图区域E2具有连接关系，其对应的第一子地图数据也具有第三连接关系。
在一种可能的实施方式中，在基于上述步骤103进行第一融合之后，可以将第一融合之后的第一子地图数据以及未融合的第一子地图数据作为第二子地图数据，然后将每个第二子地图数据中的点云点进行投影，得到所述目标区域对应的至少一个目标子地图。
需要说明是，在这种实施方式中，采集的雷达数据是一组雷达数据，即装有雷达的移动设备仅在所述目标区域内移动一次采集所述目标区域对应的雷达数据，这种实施方式在所述目标区域较小的情况下精度较高，但是当目标区域较大时，确定的目标子地图的精度可能较低，因此可能需要采集多组雷达数据。
在一种可能的实施方式中，在获取在所述目标区域采集的雷达数据时，可以获取在所述目标区域采集的多组雷达数据，不同组雷达数据对应的采集批次不同。
这里，所述不同批次的雷达数据可以理解为同一移动装置上的雷达在不同时刻在所述目标区域采集的雷达数据，或者可以理解为不同移动装置上的雷达在所述目标区域采集的雷达数据。
上述步骤103中所述，基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合，可以理解为针对任一组雷达数据，均基于步骤103中所述的方法进行第一融合；在进行第一融合之后，可以将第一融合后的第一子地图数据以及未融合的第一子地图数据作为该组雷达数据对应的第二子地图数据，这样在基于所述至少一个第二子地图数据中的点云点，确定至少一个目标子地图时，可以是基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，确定至少一个目标子地图。
这里，在进行第一融合之后，还有未融合的第一子地图数据的原因在于，可能部分第一子地图数据的中心点的位置坐标与其他的第一子地图数据的中心点的位置坐标均不相同，和/或，部分第一子地图数据对应的采集时间与其他第一子地图数据的采集时间的时间间隔超过预设时间。
示例性的，在基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，确定至少一个目标子地图时，可以参照如图4所示的方法，包括以下几个步骤：
步骤401、基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，以及所述至少一个第二子地图数据对应的位置信息，将所述多组雷达数据分别对应的至少一个第二子地图数据进行第二融合，并将融合后的第二子地图数据以及未融合的第二子地图数据作为第三子地图数据。
步骤402、基于所述第三子地图数据中的点云点，确定至少一个目标子地图。
具体的，在将多组雷达数据分别对应的至少一个第二子地图数据进行第二融合时，可以参照如图5所示的方法，包括以下几个步骤：
步骤4011、基于所述第二子地图数据对应的位置信息，确定所述第二地图数据的中心点的位置坐标。
这里，所述第二子地图数据包括融合之后的第一子地图数据，以及未融合的第一子地图数据。
融合之后的第一子地图数据对应的位置信息为，参与融合的第一子地图数据对应的第一子地图区域的位置信息的合集，示例性的第二子地图数据A是由第一子地图数据A1和第一子地图数据A2融合得到的，则第二子地图数据A对应的位置信息为第一子地图数据A1对应的第一子地图区域的位置信息和第一子地图数据A2的第一子地图区域的位置信息的合集(或并集)。
未融合的第一子地图数据对应的位置信息为，未融合的第一子地图数据对应的第一子地图区域的位置信息。
步骤4012、确定中心点的位置坐标相同的多个第二子地图数据为第二待融合地图数据。
步骤4013、确定多个所述第二待融合地图数据之间的匹配分数，并将匹配分数超过预设分数的多个第二待融合地图数据进行融合。
这里，经过上图2所示的方法进行第一融合之后，是将同一位置区域在不同时刻采集的点云点进行了融合，而图5所示的第二融合，是将包含相同区域的第二子地图数据进行融合。
通过将匹配分数超过预设分数的第二子地图数据进行融合，可以避免融合后的第三子地图数据对应的位置范围过大，导致基于第三子地图数据生成的目标子地图中包含多层道路的情况。
具体的，针对任意两个第二待融合地图数据，在确定该任意两个所述第二待融合地图数据之间的匹配分数时，可以先分别将该两个第二待融合地图数据对应的空间区域划分为多个三维网格，并确定各个三维网络内所包含的点云点，然后基于包含相同点云点的目标三维网格的个数，以及所述空间区域划分的三维网络的个数，确定所述匹配分数。
其中，在将第二待融合地图数据对应的空间区域划分为多个三维网格，每个三维网络的体积可以是相同的；在确定各个三维网络内所包含的点云点，可以基于第二待融合地图数据对应的位置信息，确定各个三维网络的三维坐标范围，然后可以基于各个三维网络的三维坐标范围以及各个点云点的三维坐标，确定各个三维网格内所包含的点云点。
所述相同点云点可以是指在世界坐标系下三维坐标相同的点云点。
在一种可能的实施方式中，在基于包含相同点云点的目标三维网格的个数，以及所述空间区域划分的三维网络的个数，确定所述匹配分数时，由于两个第二待融合地图数据对应的空间区域的大小可能不同，因此可以先分别确定两个第二待融合地图数据对应的空间区域划分的三维网络的个数，然后确定较小的个数，再将目标三维网格的个数与所述较小的个数之间的比例，作为所述匹配分数。
这里，所述融合后第三子地图数据中可能包括：融合后的第二子地图数据、未融合的第二子地图数据、以及未融合的第一子地图数据。
在一种可能的实施方式中，步骤402中，在基于所述第三子地图数据中的点云点，确定至少一个目标子地图时，示例性的可以将所述第三子地图数据中的点云点向下进行投影，得到至少一个目标子地图。
在一种可能的实施方式中，在将所述多组雷达数据分别对应的至少一个第二子地图数据进行第二融合后，还可以基于第二融合的融合结果，对各个第二子地图数据之间的第三连接关系进行融合，得到各个所述第三子地图数据之间的第四连接关系。
这里，所述第三子地图之间的第四连接关系可以即为所述目标子地图之间的连接关系。具体的，对第三连接关系进行融合的方法与对第二连接关系进行融合的方法相同，在此将不再赘述。
在一种可能的实施方式中，在基于上述方法确定目标子地图之后，所述目标子地图可以用于车辆定位。
具体的，可以先获取所述待定位车辆的初始定位数据，然后确定与所述待定位车辆的初始定位数据匹配的目标子地图，并基于确定的目标子地图为所述待定位车辆进行定位。
这里，所述初始定位数据例如可以通过全球定位系统(Global PositioningSystem，GPS)来获得，所述初始定位数据的定位精度一般较低，因此需要通过目标子地图来对待定位车辆进行更精确的定位。
具体的，在确定与所述待定位车辆的初始定位数据匹配的目标子地图时，示例性的可以通过以下方法中的任意一种：
方法A、
确定对应的位置范围包含所述初始定位数据对应的位置的待筛选地图；
在确定的待筛选地图有多个的情况下，获取所述待定位车辆的雷达数据，并基于所述待定位车辆的雷达数据，确定与所述待定位车辆的初始定位数据匹配的目标子地图。
这里，所述基于所述待定位车辆的雷达数据，确定与所述待定位车辆的初始定位数据匹配的目标子地图，示例性的，可以将所述待定位车辆的雷达数据在水平方向上进行投影，然后将投影结果与各个待筛选地图进行匹配，并将匹配度最高的待筛选地图作为目标地图。
或者，可以计算所述待定位车辆的雷达数据分别与所述待筛选地图的第三子地图数据之间的匹配分数，并将匹配分数最高的待筛选地图作为目标地图。
方法B、
确定所述待定位车辆所在的前一目标子地图；
基于其他目标子地图与所述前一目标子地图之间的连接关系，确定与所述待定位车辆的当前位置信息匹配的目标子地图。
示例性的，若待定位车辆所在的前一目标子地图为目标子地图A，与目标子地图A具有连接关系的为目标子地图B，则该定位车辆必然在目标子地图B中。
或者，在方法A中，若确定的待筛选地图有多个的情况下，则可以将与前一目标子地图具有连接关系的待筛选地图作为所述目标子地图。
示例性的，若包含待定位车辆的初始定位数据的待筛选地图为目标子地图1和目标子地图2，则目标子地图1和目标子地图2可能分别为高架上的子地图和高架下的子地图，因此在确定待定位车辆当前所在的目标子地图时，则可以确定待定位车辆所在的前一目标子地图，若前一目标子地图为目标子地图3，目标子地图3与目标子地图1具有连接关系，则可以将目标子地图1作为与所述待定位车辆的当前位置信息匹配的目标子地图。
上述方法中，在获取雷达数据之后，可以先将所述雷达数据划分到不同的第一子地图区域中，得到多个第一子地图数据，然后基于点云点的采集时间以及各个第一子地图区域的位置信息，将各个第一子地图数据进行融合，这样在确定目标区域对应的地图时，可以将所述目标区域划分为至少一个目标子地图进行存储，对于多层场景中，由于是分块存储，可以分别存储多层的目标子地图，这样在进行定位时，可以分别基于多层的目标子地图进行定位，进而可以在降低存储量的同时，提高在多层场景下的定位精度。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思，本公开实施例中还提供了与地图生成方法对应的地图生成装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述地图生成方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参照图6所示，为本公开实施例提供的一种地图生成装置的架构示意图，所述装置包括：获取模块601、划分模块602、融合模块603、确定模块604、以及定位模块605；其中，
获取模块601，用于获取在目标区域采集的雷达数据；
划分模块602，用于针对所述雷达数据中的每一帧雷达数据，将该帧雷达数据中的点云点划分至多个第一子地图区域中，得到多个第一子地图区域的第一子地图数据；
融合模块603，用于基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合，得到至少一个第二子地图数据；
确定模块604，用于基于所述至少一个第二子地图数据中的点云点，确定所述目标区域对应的至少一个目标子地图。
一种可能的实施方式中，所述划分模块602，在针对所述雷达数据中的每一帧雷达数据，将该帧雷达数据中的点云点划分至预先划分的多个第一子地图区域中时，用于：
将所述雷达数据中的点云点从雷达坐标系转换到世界坐标系中；
基于每个所述点云点在世界坐标系中的坐标，以及所述多个第一子地图区域的位置信息，将所述点云点划分至对应的第一子地图区域中。
一种可能的实施方式中，所述融合模块603，在基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合时，用于：
基于各个第一子地图区域的位置信息，确定各第一子地图区域的中心点在世界坐标系下的位置坐标；
确定所述多个第一子地图区域中，中心点的位置坐标相同的多个待融合子地图区域；
确定各个所述待融合子地图区域对应的第一待融合子地图数据对应的采集时间；
将对应的采集时间之间的时间差值小于预设时间的第一待融合子地图数据进行融合。
一种可能的实施方式中，所述获取模块601，在获取在目标区域采集的雷达数据时，用于：
获取在所述目标区域采集的多组雷达数据；不同组雷达数据对应的采集批次不同；
所述融合模块603，在基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合，得到至少一个第二子地图数据时，用于：
针对任一组雷达数据，基于该组雷达数据的各个点云点对应的采集时间，以及该组雷达数据对应的各个所述第一子地图区域的位置信息，将该组雷达数据对应的第一子地图数据进行第一融合，并将融合后的第一子地图数据以及未融合的第一子地图数据作为该组雷达数据对应的至少一个第二子地图数据；
所述确定模块604，在基于所述至少一个第二子地图数据中的点云点，确定至少一个目标子地图时，用于：
基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，确定至少一个目标子地图。
一种可能的实施方式中，所述确定模块604，在基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，确定至少一个目标子地图时，用于：
基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，以及所述至少一个第二子地图数据对应的位置信息，将所述多组雷达数据分别对应的至少一个第二子地图数据进行第二融合，并将融合后的第二子地图数据以及未融合的第二子地图数据作为第三子地图数据；
基于所述第三子地图数据中的点云点，确定至少一个目标子地图。
一种可能的实施方式中，所述融合模块603，还用于：
基于所述多个第一子地图区域之间的第一连接关系，确定各个第一子地图数据之间的第二连接关系；
在将所述第一子地图数据进行第一融合之后，所述融合模块603还用于：
基于第一融合的融合结果，对各个第一子地图数据之间的第二连接关系进行融合，得到各个第二子地图数据之间的第三连接关系。
一种可能的实施方式中，在将所述多组雷达数据分别对应的至少一个第二子地图数据进行第二融合后，所述融合模块603，还用于：
基于第二融合的融合结果，对各个第二子地图数据之间的第三连接关系进行融合，得到各个所述第三子地图数据之间的第四连接关系。
一种可能的实施方式中，所述融合模块603，在基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，以及所述至少一个第二子地图数据对应的位置信息，将所述多组雷达数据分别对应的至少一个第二子地图数据进行第二融合时，用于：
基于所述第二子地图数据对应的位置信息，确定所述第二地图数据的中心点的位置坐标；
确定中心点的位置坐标相同的多个第二子地图数据为第二待融合地图数据；
确定多个所述第二待融合地图数据之间的匹配分数，并将匹配分数超过预设分数的多个第二待融合地图数据进行融合。
一种可能的实施方式中，所述融合模块603，在确定多个所述第二待融合地图数据之间的匹配分数时，用于：
针对任意两个第二待融合地图数据，分别将该两个第二待融合地图数据对应的空间区域划分为多个三维网格，并确定各个三维网络内所包含的点云点；
基于包含相同点云点的目标三维网格的个数，以及所述空间区域划分的三维网络的个数，确定所述匹配分数。
一种可能的实施方式中，所述确定模块604，在基于所述至少一个第二子地图数据中的点云点，确定至少一个目标子地图时，用于：
将所述至少一个第二子地图数据中的点云点进行投影，得到至少一个目标子地图。
一种可能的实施方式中，所述装置还包括定位模块605，用于：
获取待定位车辆的初始定位数据；
确定与所述待定位车辆的初始定位数据匹配的目标子地图，并基于确定的目标子地图为所述待定位车辆进行定位。
一种可能的实施方式中，所述定位模块605，在确定与所述待定位车辆的初始定位数据匹配的目标子地图时，用于：
确定对应的位置范围包含所述初始定位数据对应的位置的待筛选地图；
在确定的待筛选地图有多个的情况下，获取所述待定位车辆的雷达数据，并基于所述待定位车辆的雷达数据，确定与所述待定位车辆的初始定位数据匹配的目标子地图。
一种可能的实施方式中，所述定位模块605，在确定与所述待定位车辆的初始定位数据匹配的目标子地图时，用于：
确定所述待定位车辆所在的前一目标子地图；
基于其他目标子地图与所述前一目标子地图之间的连接关系，确定与所述待定位车辆的当前位置信息匹配的目标子地图。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
基于同一技术构思，本公开实施例还提供了一种计算机设备。参照图7所示，为本公开实施例提供的计算机设备700的结构示意图，包括处理器701、存储器702、和总线703。其中，存储器702用于存储执行指令，包括内存7021和外部存储器7022；这里的内存7021也称内存储器，用于暂时存放处理器701中的运算数据，以及与硬盘等外部存储器7022交换的数据，处理器701通过内存7021与外部存储器7022进行数据交换，当计算机设备700运行时，处理器701与存储器702之间通过总线703通信，使得处理器701在执行以下指令：
获取在目标区域采集的雷达数据；
针对所述雷达数据中的每一帧雷达数据，将该帧雷达数据中的点云点划分至多个第一子地图区域中，得到多个第一子地图区域的第一子地图数据；
基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合，得到至少一个第二子地图数据；
基于所述至少一个第二子地图数据中的点云点，确定所述目标区域对应的至少一个目标子地图。
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的地图生成方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品，该计算机产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的地图生成方法的步骤，具体可参见上述方法实施例，在此不再赘述。
其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。
Claims (14)
1.一种地图生成方法，其特征在于，包括：
获取在目标区域采集的雷达数据；其中，所述雷达数据包括多组雷达数据，不同组雷达数据对应的采集批次不同；
针对所述雷达数据中的每一帧雷达数据，将该帧雷达数据中的点云点划分至多个第一子地图区域中，得到多个第一子地图区域的第一子地图数据；
基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合，得到至少一个第二子地图数据；
基于所述至少一个第二子地图数据中的点云点，确定所述目标区域对应的至少一个目标子地图；其中，所述基于所述至少一个第二子地图数据中的点云点，确定所述目标区域对应的至少一个目标子地图，包括：
基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，以及所述至少一个第二子地图数据对应的位置信息，将所述多组雷达数据分别对应的至少一个第二子地图数据进行第二融合，并将融合后的第二子地图数据以及未融合的第二子地图数据作为第三子地图数据；所述第二融合包括基于所述第二子地图数据对应的位置信息，确定所述第二子地图数据的中心点的位置坐标；确定中心点的位置坐标相同的多个第二子地图数据为第二待融合地图数据；确定多个所述第二待融合地图数据之间的匹配分数，并将匹配分数超过预设分数的多个第二待融合地图数据进行融合；
基于所述第三子地图数据中的点云点，确定至少一个目标子地图。
2.根据权利要求1所述的方法，其特征在于，所述针对所述雷达数据中的每一帧雷达数据，将该帧雷达数据中的点云点划分至预先划分的多个第一子地图区域中，包括：
将所述雷达数据中的点云点从雷达坐标系转换到世界坐标系中；
基于每个所述点云点在世界坐标系中的坐标，以及所述多个第一子地图区域的位置信息，将所述点云点划分至对应的第一子地图区域中。
3.根据权利要求1或2所述的方法，其特征在于，所述基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合，包括：
基于各个第一子地图区域的位置信息，确定各第一子地图区域的中心点在世界坐标系下的位置坐标；
确定所述多个第一子地图区域中，中心点的位置坐标相同的多个待融合子地图区域；
确定各个所述待融合子地图区域对应的第一待融合子地图数据对应的采集时间；
将对应的采集时间之间的时间差值小于预设时间的第一待融合子地图数据进行融合。
4.根据权利要求1～3任一所述的方法，其特征在于，所述基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合，得到至少一个第二子地图数据，包括：
针对任一组雷达数据，基于该组雷达数据的各个点云点对应的采集时间，以及该组雷达数据对应的各个所述第一子地图区域的位置信息，将该组雷达数据对应的第一子地图数据进行第一融合，并将融合后的第一子地图数据以及未融合的第一子地图数据作为该组雷达数据对应的至少一个第二子地图数据；
所述基于所述至少一个第二子地图数据中的点云点，确定至少一个目标子地图，包括：
基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，确定至少一个目标子地图。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
基于所述多个第一子地图区域之间的第一连接关系，确定各个第一子地图数据之间的第二连接关系；
在将所述第一子地图数据进行第一融合之后，所述方法还包括：
基于第一融合的融合结果，对各个第一子地图数据之间的第二连接关系进行融合，得到各个第二子地图数据之间的第三连接关系。
6.根据权利要求5所述的方法，其特征在于，在将所述多组雷达数据分别对应的至少一个第二子地图数据进行第二融合后，所述方法还包括：
基于第二融合的融合结果，对各个第二子地图数据之间的第三连接关系进行融合，得到各个所述第三子地图数据之间的第四连接关系。
7.根据权利要求5所述的方法，其特征在于，所述确定多个所述第二待融合地图数据之间的匹配分数，包括：
针对任意两个第二待融合地图数据，分别将该两个第二待融合地图数据对应的空间区域划分为多个三维网格，并确定各个三维网络内所包含的点云点；
基于包含相同点云点的目标三维网格的个数，以及所述空间区域划分的三维网络的个数，确定所述匹配分数。
8.根据权利要求1～7任一所述的方法，其特征在于，所述基于所述至少一个第二子地图数据中的点云点，确定至少一个目标子地图，包括：
将所述至少一个第二子地图数据中的点云点进行投影，得到至少一个目标子地图。
9.根据权利要求1～8任一所述的方法，其特征在于，所述方法还包括：
获取待定位车辆的初始定位数据；
确定与所述待定位车辆的初始定位数据匹配的目标子地图，并基于确定的目标子地图为所述待定位车辆进行定位。
10.根据权利要求9所述的方法，其特征在于，所述确定与所述待定位车辆的初始定位数据匹配的目标子地图，包括：
确定对应的位置范围包含所述初始定位数据对应的位置的待筛选地图；
在确定的待筛选地图有多个的情况下，获取所述待定位车辆的雷达数据，并基于所述待定位车辆的雷达数据，确定与所述待定位车辆的初始定位数据匹配的目标子地图。
11.根据权利要求9所述的方法，其特征在于，所述确定与所述待定位车辆的初始定位数据匹配的目标子地图，包括：
确定所述待定位车辆所在的前一目标子地图；
基于其他目标子地图与所述前一目标子地图之间的连接关系，确定与所述待定位车辆的当前位置信息匹配的目标子地图。
12.一种地图生成装置，其特征在于，包括：
获取模块，用于获取在目标区域采集的雷达数据；其中，所述雷达数据包括多组雷达数据，不同组雷达数据对应的采集批次不同；
划分模块，用于针对所述雷达数据中的每一帧雷达数据，将该帧雷达数据中的点云点划分至多个第一子地图区域中，得到多个第一子地图区域的第一子地图数据；
融合模块，用于基于所述雷达数据中的点云点对应的采集时间，以及所述雷达数据对应的各个所述第一子地图区域的位置信息，将各个所述第一子地图数据进行第一融合，得到至少一个第二子地图数据；
确定模块，用于基于所述至少一个第二子地图数据中的点云点，确定所述目标区域对应的至少一个目标子地图；其中，所述确定模块，在基于所述至少一个第二子地图数据中的点云点，确定所述目标区域对应的至少一个目标子地图时，用于：
基于所述多组雷达数据分别对应的至少一个第二子地图数据中的点云点，以及所述至少一个第二子地图数据对应的位置信息，将所述多组雷达数据分别对应的至少一个第二子地图数据进行第二融合，并将融合后的第二子地图数据以及未融合的第二子地图数据作为第三子地图数据；所述第二融合包括基于所述第二子地图数据对应的位置信息，确定所述第二子地图数据的中心点的位置坐标；确定中心点的位置坐标相同的多个第二子地图数据为第二待融合地图数据；确定多个所述第二待融合地图数据之间的匹配分数，并将匹配分数超过预设分数的多个第二待融合地图数据进行融合；
基于所述第三子地图数据中的点云点，确定至少一个目标子地图。
13.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至11任一项所述的地图生成方法的步骤。
14.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至11任一项所述的地图生成方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110960811.6A CN113671460B (zh) | 2021-08-20 | 2021-08-20 | 一种地图生成方法、装置、计算机设备及存储介质 |
| PCT/CN2022/077121 WO2023019898A1 (zh) | 2021-08-20 | 2022-02-21 | 用于地图生成的方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110960811.6A CN113671460B (zh) | 2021-08-20 | 2021-08-20 | 一种地图生成方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113671460A CN113671460A (zh) | 2021-11-19 |
| CN113671460B true CN113671460B (zh) | 2024-03-22 |
Family
ID=78544533
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110960811.6A Active CN113671460B (zh) | 2021-08-20 | 2021-08-20 | 一种地图生成方法、装置、计算机设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113671460B (zh) |
| WO (1) | WO2023019898A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113671460B (zh) * | 2021-08-20 | 2024-03-22 | 上海商汤临港智能科技有限公司 | 一种地图生成方法、装置、计算机设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101625414A (zh) * | 2009-08-11 | 2010-01-13 | 中国气象局北京城市气象研究所 | 雷达与地理信息数据的融合方法、装置，及天气监测系统 |
| CN108921947A (zh) * | 2018-07-23 | 2018-11-30 | 百度在线网络技术（北京）有限公司 | 生成电子地图的方法、装置、设备、存储介质以及采集实体 |
| CN109829386A (zh) * | 2019-01-04 | 2019-05-31 | 清华大学 | 基于多源信息融合的智能车辆可通行区域检测方法 |
| CN109991605A (zh) * | 2019-04-03 | 2019-07-09 | 吉林大学 | 一种智能网联汽车环境感知系统的多雷达数据融合方法 |
| CN111882977A (zh) * | 2020-05-06 | 2020-11-03 | 北京嘀嘀无限科技发展有限公司 | 一种高精度地图构建方法及系统 |
| WO2020250020A1 (en) * | 2019-06-14 | 2020-12-17 | Kpit Technologies Limited | Lidar and radar based tracking and mapping system and method thereof |
| CN112164138A (zh) * | 2020-10-30 | 2021-01-01 | 上海商汤临港智能科技有限公司 | 一种点云数据筛选方法及装置 |
| CN112799096A (zh) * | 2021-04-08 | 2021-05-14 | 西南交通大学 | 基于低成本车载二维激光雷达的地图构建方法 |
| CN112907747A (zh) * | 2021-03-26 | 2021-06-04 | 上海商汤临港智能科技有限公司 | 一种点云数据处理的方法、装置、电子设备及存储介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10816654B2 (en) * | 2016-04-22 | 2020-10-27 | Huawei Technologies Co., Ltd. | Systems and methods for radar-based localization |
| US10816666B2 (en) * | 2017-11-21 | 2020-10-27 | Magna Electronics Inc. | Vehicle sensing system with calibration/fusion of point cloud partitions |
| US12158518B2 (en) * | 2019-01-07 | 2024-12-03 | Qualcomm Incorporated | Resolution of elevation ambiguity in one-dimensional radar processing |
| CN111694903B (zh) * | 2019-03-11 | 2023-09-12 | 北京地平线机器人技术研发有限公司 | 地图构建方法、装置、设备以及可读存储介质 |
| CN111968229B (zh) * | 2020-06-28 | 2024-07-16 | 阿波罗智能技术(北京)有限公司 | 高精度地图制图方法及装置 |
| CN111784579B (zh) * | 2020-06-28 | 2024-06-07 | 北京百度网讯科技有限公司 | 制图方法及装置 |
| CN113671460B (zh) * | 2021-08-20 | 2024-03-22 | 上海商汤临港智能科技有限公司 | 一种地图生成方法、装置、计算机设备及存储介质 |
-
2021
- 2021-08-20 CN CN202110960811.6A patent/CN113671460B/zh active Active
-
2022
- 2022-02-21 WO PCT/CN2022/077121 patent/WO2023019898A1/zh active Application Filing
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101625414A (zh) * | 2009-08-11 | 2010-01-13 | 中国气象局北京城市气象研究所 | 雷达与地理信息数据的融合方法、装置，及天气监测系统 |
| CN108921947A (zh) * | 2018-07-23 | 2018-11-30 | 百度在线网络技术（北京）有限公司 | 生成电子地图的方法、装置、设备、存储介质以及采集实体 |
| CN109829386A (zh) * | 2019-01-04 | 2019-05-31 | 清华大学 | 基于多源信息融合的智能车辆可通行区域检测方法 |
| CN109991605A (zh) * | 2019-04-03 | 2019-07-09 | 吉林大学 | 一种智能网联汽车环境感知系统的多雷达数据融合方法 |
| WO2020250020A1 (en) * | 2019-06-14 | 2020-12-17 | Kpit Technologies Limited | Lidar and radar based tracking and mapping system and method thereof |
| CN111882977A (zh) * | 2020-05-06 | 2020-11-03 | 北京嘀嘀无限科技发展有限公司 | 一种高精度地图构建方法及系统 |
| CN112164138A (zh) * | 2020-10-30 | 2021-01-01 | 上海商汤临港智能科技有限公司 | 一种点云数据筛选方法及装置 |
| CN112907747A (zh) * | 2021-03-26 | 2021-06-04 | 上海商汤临港智能科技有限公司 | 一种点云数据处理的方法、装置、电子设备及存储介质 |
| CN112799096A (zh) * | 2021-04-08 | 2021-05-14 | 西南交通大学 | 基于低成本车载二维激光雷达的地图构建方法 |
Non-Patent Citations (3)
| Title |
|---|
| 3D mapping of discontinuity traces using fusion of point cloud and image data;peng zhang et al.;Bulletin of Engineering Geology and the Environment;第78卷;全文 * |
| 一种改进ICP算法的移动机器人激光与视觉建图方法研究;张杰;周军;;机电工程(12);全文 * |
| 基于激光SLAM和深度学习的语义地图构建;何松;孙静;郭乐江;陈梁;;计算机技术与发展(09);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113671460A (zh) | 2021-11-19 |
| WO2023019898A1 (zh) | 2023-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110163930B (zh) | 车道线生成方法、装置、设备、系统及可读存储介质 | |
| US10685201B2 (en) | Method and system for recognizing location information in two-dimensional code | |
| US10467771B2 (en) | Method and system for vehicle localization from camera image | |
| CN110226186B (zh) | 表示地图元素的方法和装置以及定位的方法和装置 | |
| CN110799989A (zh) | 一种障碍物检测方法、设备、可移动平台及存储介质 | |
| CN111308500B (zh) | 基于单线激光雷达的障碍物感知方法、装置和计算机终端 | |
| CN106092102A (zh) | 一种无人机路径规划方法及装置 | |
| CN112166457A (zh) | 点云分割方法、系统和可移动平台 | |
| CN112446227A (zh) | 物体检测方法、装置及设备 | |
| CN113859228A (zh) | 一种车辆控制方法、装置、电子设备及存储介质 | |
| CN113111513B (zh) | 传感器配置方案确定方法、装置、计算机设备及存储介质 | |
| TW201738838A (zh) | 共乘路徑的計算方法及使用此方法的計算裝置與記錄媒體 | |
| CN115164919B (zh) | 基于双目相机的空间可行驶区域地图构建方法及装置 | |
| CN113671460B (zh) | 一种地图生成方法、装置、计算机设备及存储介质 | |
| CN112347986A (zh) | 样本生成、神经网络训练、智能行驶控制方法及装置 | |
| JP2022039188A (ja) | 位置姿勢算出方法および位置姿勢算出プログラム | |
| CN115185200A (zh) | 一种自动驾驶场景还原方法及装置 | |
| CN114398253B (zh) | 自动驾驶实车测试场景生成方法和系统 | |
| CN114328788B (zh) | 区域编码方法、装置、设备和存储介质 | |
| CN114906170A (zh) | 一种运动规划的方法、装置、电子设备及存储介质 | |
| US8483478B1 (en) | Grammar-based, cueing method of object recognition, and a system for performing same | |
| CN111742242A (zh) | 点云处理方法、系统、设备及存储介质 | |
| CN112184900B (zh) | 高程数据的确定方法、装置及存储介质 | |
| CN114743001B (zh) | 语义分割方法、装置、电子设备及存储介质 | |
| CN117765508A (zh) | 一种车辆不可行驶区域检测方法、装置及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40053986 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |