一种更新地图数据库的方法及装置与流程

本发明实施例涉及数据处理技术领域，尤其涉及一种更新地图数据库的方法及装置。

背景技术：

随着众多应用场景对于空间地理信息数据的要求逐渐细化、规模化和实时化，地图数据库中的地理信息更新的频率也越来越高。目前，采用众包方式更新地图数据库中的地理信息时，通过人工作业的方式从众包返回的数据中提取交通要素，然后写入地图数据库。随着众包返回的数据量日益增大，由于人工作业的方式效率较低，导致很难满足快节奏的地图数据库更新频率。

技术实现要素：

由于通过人工作业的方式从众包返回的数据中提取交通要素，然后写入地图数据库的方法，作业效率低的问题，本发明实施例提供了一种更新地图数据库的方法及装置。

一方面，本发明实施例提供了一种更新地图数据库的方法，包括：

获得待更新路段的道路图像；

根据所述待更新路段的道路图像确定所述待更新路段的交通要素的当前状态；

将所述待更新路段的交通要素的当前状态与所述地图数据库中所述待更新路段的交通要素的存储状态进行比对；

在所述当前状态与所述存储状态不一致时，采用所述当前状态更新所述存储状态。

一方面，本发明实施例提供了一种更新地图数据库的装置，包括：

获取模块，用于获得待更新路段的道路图像；

识别模块，用于根据所述待更新路段的道路图像确定所述待更新路段的交通要素的当前状态；

比对模块，用于将所述待更新路段的交通要素的当前状态与所述地图数据库中所述待更新路段的交通要素的存储状态进行比对；

更新模块，用于在所述当前状态与所述存储状态不一致时，采用所述当前状态更新所述存储状态。

一方面，本发明实施例提供了一种终端设备，包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有计算机程序，当所述程序被所述处理单元执行时，使得所述处理单元执行更新地图数据库的方法的步骤。

一方面，本发明实施例提供了一种计算机可读介质，其存储有可由终端设备执行的计算机程序，当所述程序在终端设备上运行时，使得所述终端设备执行更新地图数据库的方法的步骤。

本发明实施例中，通过识别待更新路段的道路图像中的交通要素的当前状态，然后将待更新路段的交通要素的当前状态与地图数据库中保存的待更新路段的交通要素的存储状态进行比对，若比对一致，则采用道路图像中的交通要素的当前状态更新地图数据库中保存的待更新路段的交通要素的存储状态，否则不更新地图数据库。由于不需要通过人工作业的方式提取道路图像的交通要素，并将交通要素的当前状态与地图数据库中的交通要素的存储状态进行比对，进而更新地图数据库，从而一方面提高了地图数据库的更新效率，另一方面节约了人力成本。

附图说明

为了更清楚地说明本发明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要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例适用的一种应用场景图；

图2为本发明实施例提供的一种更新地图数据库的方法的流程示意图；

图3为本发明实施例提供的一种更新图像的示意图；

图4为本发明实施例提供的一种道路图像的示意图；

图5为本发明实施例提供的一种道路图像的示意图；

图6为本发明实施例提供的一种道路图像的示意图；

图7为本发明实施例提供的一种道路图像的示意图；

图8为本发明实施例提供的一种道路图像的示意图；

图9为本发明实施例提供的一种确定交通要素的当前状态的方法的流程示意图；

图10为本发明实施例提供的一种多级分类方法的流程示意图；

图11为本发明实施例提供的一种更新地图数据库的装置的结构示意图；

图12为本发明实施例提供的一种终端设备的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了方便理解，下面对本发明实施例中涉及的名词进行解释。

地图数据库：地图数据库(cartographicdatabase)是以地图数字化数据为基础的数据库，是存储在计算机中的地图内容各要素(如控制点、地貌、土地类型、居民地、水文、植被、交通运输、境界等)的数字信息文件、数据库管理系统及其它软件和硬件的集合。

众包：指一个公司或机构把过去由员工执行的工作任务，以自由自愿的形式外包给非特定的(而且通常是大型的)大众志愿者的做法。

在具体实践过程中，本发明的发明人发现，在获取众包返回的图片后，采用全人工作业的方式提取图片内的交通要素并填入地图数据库时，作业效率较低。随着众包返回的数据量日益增大，人工作业很难满足快节奏的地图数据库更新频率。

为此，考略到在对地图数据库进行更新时，主要是更新地图数据库中的道路的交通要素的存储状态，如果交通要素的状态发生变化，则对地图数据库中的交通要素的存储状态进行更新，否则不需要对地图数据库进行更新。因此，本发明实施例中，获取到待更新路段的道路图像后，可以自动识别待更新路段的道路图像中的交通要素的当前状态，之后再将待更新路段的交通要素的当前状态与地图数据库中待更新路段的交通要素的存储状态进行比对。在当前状态与存储状态不一致时，采用当前状态更新存储状态。通过自动识别道路图像中交通要素的状态来替代人工作业，进而更新地图数据库，从而一方面提高了地图数据库的更新效率，另一方面节约了人力成本。

本发明实施例中的更新地图数据库的方法可以应用于如图1所示的应用场景，在该应用场景中包括终端设备101、服务器102。

终端设备101是具备网络通信能力的电子设备，该电子设备可以是智能手机、平板电脑或便携式个人计算机等等。终端设备101通过无线网络与服务器102连接。服务器102中包括地图数据库，服务器102是一台服务器或若干台服务器组成的服务器集群或云计算中心。

在需要对地图数据库中的道路进行更新时，服务器102发布待更新路段的图像采集任务。众包人员可以通过终端设备101领取图像采集任务，然后前往待更新路段采集更新图像。众包人员可以通过终端设备101采集更新图像后发送至服务器102，或者采用其他具备图像采集功能的设备采集更新图像并发送至服务器102。服务器102在接收到更新图像之后，对更新图像进行清洗，去除不包含道路、清晰度差的更新图像。然后从更新图像中切割出待更新路段的道路图像，然后从待更新路段的道路图像中提取待更新路段的交通要素的当前状态。之后再将待更新路段的交通要素的当前状态与地图数据库中待更新路段的交通要素的存储状态进行比对。在当前状态与存储状态不一致时，采用待更新路段的交通要素的当前状态更新地图数据库中待更新路段的交通要素的存储状态，否则不更新地图数据库。

基于图1所示的应用场景图，本发明实施例提供了一种更新地图数据库的方法的流程，该方法的流程可以由更新地图数据库的装置执行，更新地图数据库的装置可以是图1所示的服务器102，如图2所示，包括以下步骤：

步骤s201，获得待更新路段的道路图像。

步骤s202，根据待更新路段的道路图像确定待更新路段的交通要素的当前状态。

具体地，一个待更新路段可能对应一张或多张道路图像，交通要素包括但不限于限速牌、交限牌、红绿灯、车道数、道路铺设状态。待更新路段的道路图像中可能包含上述一种或多种交通要素。待更新路段的道路图像是最新采集的道路图像，通过检测道路图像中交通要素可以确定待更新路段的交通要素的当前状态。

步骤s203，将待更新路段的交通要素的当前状态与地图数据库中待更新路段的交通要素的存储状态进行比对。

步骤s204，在当前状态与所述存储状态不一致时，采用当前状态更新存储状态。

具体地，当待更新路段中检测到多个交通要素时，将检测到的每个交通要素的当前状态与地图数据库中对应的交通要素的存储状态进行比对，在比对不一致时，采用当前状态更新存储状态。

由于在更新地图数据库时，自动提取道路图像中交通要素的当前状态，然后与地图数据库中待更新路段的交通要素的存储状态进行比对，根据比对结果更新地图数据库，而不需要通过人工作业的方式提取道路图像的交通要素，并将交通要素的当前状态与地图数据库中的交通要素的存储状态进行比对，进而更新地图数据库，从而一方面提高了地图数据库的更新效率，另一方面节约了人力成本。

可选地，在上述步骤s201中，由于同一时间段内可能对多个路段进行更新，为了便于对众包人员上报的更新图像进行分类，每张更新图像对应一个位置信息。在采集多张更新图像和多张更新图像的位置信息后，将待更新路段的位置信息和多张更新图像的位置进行匹配，从多张更新图像中确定待更新路段的更新图像。然后从待更新路段的更新图像中切割出待更新路段的道路图像。

具体地，待更新图像的位置信息可以是采集点的全球定位系统(globalpositioningsystem，简称gps)信息。根据更新图像的gps信息以及已知的待更新路段的位置信息，将更新图像吸附至对应的待更新路段上。一个待更新路段对应一张或多张更新图像。由于在对地图数据库中进行更新时，主要是更新道路上的交通要素的状态，而更新图像中可能包括道路，还包括其他的对象。示例性地，如图3所示，更新图像中不仅包括道路，还包括树木、建筑等。为了提高提取交通要素的准确性，可以从待更新路段的更新图像中切割出待更新路段的道路图像，然后再从道路图像中提取交通要素。本发明实施例至少提供以下两种从待更新路段的更新图像中切割出待更新路段的道路图像的实施方式：

在一种可能的实施方式中，为了滤除道路两旁其他物的干扰，同时适应摄像头变化较大的俯仰角问题，切割出的道路图像的高可以大于宽。具体地，针对分辨率1080×720的更新图像，从该更新图像中切割160×240的区域作为道路图像，道路图像下边缘为更新图像的下边缘，道路图像的中心点为更新图像的中心点。对于其他分辨率的更新图像，可以以分辨率1080×720的更新图像为参考基准确定，设定其他任意一张更新图像的分辨率为mage_width×image_height，首先计算更新图像与基准参考的宽度比a和高度比b，具体满足下述公式(1)和公式(2)：

a＝(mage_width)/1080……………………………(1)

其中，a为更新图像与基准参考的宽度比。

b＝(image_height)/720……………………………(2)

其中，b为更新图像与基准参考的高度比。

当a大于b时，将a确定为更新图像的切割比例c，否则将b确定为更新图像的切割比例c。

然后根据切割比例以及参考基准从更新图像中切割出道路图像，具体地，道路图像的宽度满足下述公式(3)：

mage_width_roi＝c*160……………………………(3)

其中，mage_width_roi为道路图像的宽度，c为更新图像的切割比例。

道路图像的高度满足下述公式(4)：

image_height_roi＝c*240……………………………(4)

其中，image_height_roi为道路图像的高度，c为更新图像的切割比例。

道路图像下边缘与更新图像的下边缘之间的距离为5*c，道路图像的中心点为更新图像的中心点。

示例性地，设定如图2所示的更新图像的分辨率为1080×900，根据公式(1)和公式(2)可得，更新图像与基准参考的宽度比a＝1，更新图像与基准参考的高度比b＝1.25。由于a小于b，则更新图像的切割比例c＝b＝1.25。进一步地，根据公式(3)可得从更新图像中切割出的道路图像的宽度mage_width_roi＝200，根据公式(4)可得从更新图像中切割出的道路图像的高度image_height_roi＝300。道路图像下边缘与更新图像的下边缘之间的距离为6.25，道路图像的中心点为更新图像的中心点进行切割，得到图4中框选的道路图像。

在一种可能的实施方式中，由于更新图像中，有时候天空占据更新图像中的很大一部分，为了更加准确地切割出道路部分的图像，可以先确定更新图像中的道路的灭点，其中，道路的灭点为道路的延长线所形成相交点。然后基于道路灭点切割出道路图像。示例性地，针对图2所示的更新图像，首先确定图2中道路的灭点m，然后以与更新图像的下边缘平行的且穿过灭点m的直线作为道路图像的上边缘，以更新图像的下边缘、左边缘、右边缘作为道路图像的下边缘、左边缘、右边缘进行切割，得到图5所示的道路图像。

由于在采集待更新路段的更新图像之后，从更新图像中切割出道路部分的图像，从而缩小了提取交通要素的范围，提高了后续识别交通要素的当前状态的精度。

可选地，在上述步骤s202中，本发明实施例至少提供以下两种确定待识别路段的交通要素的当前状态的实施方式：

在一种可能的实施方式中，针对待更新路段的每张道路图像，采用神经网络模型识别道路图像中的交通要素的当前状态，然后根据待更新路段的每张道路图像中的交通要素的当前状态确定待更新路段的交通要素的当前状态。

具体地，待更新路段可能包括多张道路图像，每张道路图像中可能包括多个交通要素。神经网络模型包括但不限于深度可分离卷积的模型(mobilenetv1)、卷积神经网络(convolutionalneuralnetworks，简称cnn)、深度卷积神经网络(deepconvolutionalneuralnetworks，简称dcnn)。预先离线训练神经网络模型，训练结束后，将道路图像输入训练好的神经网络模型，获得道路图像的分类结果以及每个类别的置信度。

示例性地，设定交通要素为道路铺设状态，道路铺设状态包括“1-已铺设”、“2-未铺设”以及“3-不确定”三类，类别的置信度阈值为0.7。预先采集道路铺设状态为“已铺设”、“未铺设”以及“不确定”的道路图像作为训练样本，对神经网络模型进行训练。训练结束后，将图6所示的道路图像输入神经网络模型，输出类别“1-已铺设”的置信度为0.999988，类别“2-未铺设”的置信度为0.000006，类别“3-不确定”的置信度为0.000006。由于类别“1-已铺设”的置信度大于0.7，则图6所示的道路图像的类别为“1-已铺设”。将图7所示的道路图像输入神经网络模型，输出类别“1-已铺设”的置信度为0.116188，类别“2-未铺设”的置信度为0.883812，类别“3-不确定”的置信度为0.000000。由于类别“2-未铺设”的置信度大于0.7，则图7所示的道路图像的类别为“2-未铺设”。将图8所示的道路图像输入神经网络模型，输出类别“1-已铺设”的置信度为0.000016，类别“2-未铺设”的置信度为0.000001，类别“3-不确定”的置信度为0.999983。由于类别“3-不确定”的置信度大于0.7，则图8所示的道路图像的类别为“3-不确定”。

针对限速牌、交限牌、红绿灯、车道数等其他交通要素，也可以采用上述方法训练对应的神经网络模型，然后采用神经网络模型确定道路图像中的分类结果以及每个类别的置信度。其中，对于限速牌、交限牌等具有文字内容的交通要素来说，可以采用神经网络模型先识别道路图像中是否有限速牌、交限牌，然后进一步识别限速牌和交限牌中的文字。

示例性地，设定交通要素为限速牌，限速牌状态包括“1-已设”、“2-未设”以及“3-不确定”三类。预先采集限速牌状态为“已设”、“未设”以及“不确定”的道路图像作为训练样本，对神经网络模型进行训练。训练结束后，采用神经网络模型对待更新路段的道路图像进行分类，当待更新路段的道路图像的类别为“1-已设”时，进一步采用预先训练好的文字识别模型识别道路图像中限速牌中具体文件。当待更新路段的道路图像的类别为“2-未设”或“3-不确定”时，直接输出。

为了提高识别待识别路段的交通要素的当前状态的准确性，可以结合待更新路段的每张道路图像中的交通要素的当前状态确定待更新路段的交通要素的当前状态。

示例性地，设定交通要素为道路铺设状态。设置待更新路段的道路铺设状态为“1-已铺设”的条件为：道路图像对应的类别为“1-已铺设”的图像数量与道路图像总数量的比值大于第一阈值，道路图像对应的类别为“2-未铺设”的图像数量与道路图像总数量的比值小于第二阈值。设置待更新路段的道路铺设状态为“2-未铺设”的条件为：道路图像对应的类别为“2-未铺设”的图像数量与道路图像总数量的比值大于第三阈值，道路图像对应的类别为“1-已铺设”的图像数量与道路图像总数量的比值小于第四阈值。具体包括以下步骤，如图9所示：

步骤s901，采用神经网络模型确定待更新路段的多张道路图像对应的类别。

步骤s902，判断多张道路图像对应的类别是否满足待更新路段的道路铺设状态为“1-已铺设”的条件，若是，则执行步骤s903，否则执行步骤s904。

步骤s903，将待更新路段的道路铺设状态确定为“1-已铺设”，同时确定待更新路段的道路铺设状态为“1-已铺设”的置信度。

步骤s904，判断多张道路图像对应的类别是否满足待更新路段的道路铺设状态为“2-未铺设”的条件，若是，则执行步骤s905，否则执行步骤s906。

步骤s905，将待更新路段的道路铺设状态确定为“2-未铺设”，同时确定待更新路段的道路铺设状态为“2-未铺设”的置信度。

步骤s906，将待更新路段的道路铺设状态确定为“3-不确定”。

针对限速牌、交限牌、红绿灯、车道数等其他交通要素，也可以采用上述方法确定待更新路段的交通要素的当前状态。其中，对于限速牌、交限牌等具有文字内容的交通要素来说，可以将道路图像中是否有限速牌和交限牌以及限速牌和交限牌中的文字作为待更新路段的交通要素的当前状态。

示例性地，设定交通要素为限速牌，设置待更新路段的限速牌状态为“1-已设”的条件、待更新路段的限速牌状态为“2-未设”的条件。采用神经网络模型确定待更新路段的多张道路图像对应的类别。判断多张道路图像对应的类别是否满足更新路段的限速牌状态为“1-已设”的条件，若是，则将待更新路段的限速牌状态确定为“1-已设”，同时确定待更新路段的限速牌状态为“1-已设”的置信度，然后进一步综合多张道路图像中识别的限速牌的文字确定待更新路段的限速牌中的文字。否则，判断多张道路图像对应的类别是否满足待更新路段的限速牌状态为“2-未设”的条件，若是，则将待更新路段的限速牌状态确定为“2-未设”，同时确定待更新路段的限速牌状态为“2-未设”的置信度。否则将待更新路段的限速牌状态确定为“3-不确定”。

通过神经网络模型识别待更新路段的道路图像中的交通要素的状态，然后结合多张道路图像中交通要素的状态确定待更新路段的交通要素的状态，从而提高识别待更新路段的交通要素状态的精度。

在另一种可能的实施方式中，对于交通要素的状态在相邻路段上可能相同的情况，比如，道路铺设状态、车道数等交通要素，相邻两个待更新路段的状态可能是相同的，因此，可以同时结合与待更新路段相邻的路段的交通要素的当前状态判断待更新路段的交通要素的当前状态。具体为：针对待更新路段的每张道路图像，采用神经网络模型识别道路图像中的交通要素的当前状态。根据待更新路段的每张道路图像中的交通要素的当前状态，以及与待更新路段相邻的路段的每张道路图像中的交通要素的当前状态，确定待更新路段的交通要素的当前状态。

具体地，可以根据待更新路段的每张道路图像中的交通要素的当前状态确定待更新路段的交通要素的第一状态，根据相邻路段的每张道路图像中的交通要素的当前状态确定相邻路段的第二状态，判断第一状态和第二状态是否相同，若是，则将第一状态确定为待更新路段的交通要素的当前状态。

示例性地，设定交通要素为道路铺设状态，道路铺设状态包括“1-已铺设”、“2-未铺设”以及“3-不确定”三类，预先采集道路铺设状态为“已铺设”、“未铺设”以及“不确定”的道路图像作为训练样本，对神经网络模型进行训练。训练结束后，采用神经网络模型对待更新路段的多张道路图像进行分类，确定每张道路图像对应的类别。当多张道路图像对应的类别满足待更新路段的道路铺设状态为“1-已铺设”的条件时，将待更新路段的第一状态确定为“1-已铺设”，同时获取待更新路段的相邻路段的第二状态。如果相邻路段的第二状态为“1-已铺设”，则将待更新路段的道路铺设状态确定为“1-已铺设”，同时确定待更新路段的道路铺设状态为“1-已铺设”的置信度，否则将待更新路段的道路铺设状态确定为“3-不确定”。

当多张道路图像对应的类别不满足待更新路段的道路铺设状态为“1-已铺设”的条件时，判断多张道路图像对应的类别是否满足待更新路段的道路铺设状态为“2-未铺设”的条件，若是，则将待更新路段的第一状态确定为“2-未铺设”，同时获取待更新路段的相邻路段的第二状态，如果相邻路段的第二状态为“2-未铺设”，则将待更新路段的道路铺设状态确定为“2-未铺设”，同时确定待更新路段的道路铺设状态为“2-未铺设”的置信度，否则将待更新路段的道路铺设状态确定为“3-不确定”。

当多张道路图像对应的类别不满足待更新路段的道路铺设状态为“1-已铺设”的条件，且不满足待更新路段的道路铺设状态为“2-未铺设”的条件时，将待更新路段的道路铺设状态确定为“3-不确定”。

由于在检测待更新路段的交通要素的状态时，同时结合多张道路图像中交通要素的状态以及待更新路段的相邻路段的交通要素的状态，有效提高了识别交通要素的状态的准确性。

可选地，在上述步骤s203和步骤s204中，对于限速牌、交限牌等具有文字内容的交通要素来说，将待更新路段的交通要素的当前状态与地图数据库中待更新路段的交通要素的存储状态进行比对时，同时比较限速牌状态以及对应的文字。对于道路铺设状态、车道数等不具有文字内容的交通要素来说，直接将待更新路段的交通要素的当前状态与地图数据库中待更新路段的交通要素的存储状态进行比对。

在一种可能的实施方式中，在当前状态与所述存储状态不一致时，采用当前状态更新存储状态。

示例性地，设定交通要素为限速牌，待更新路段的限速牌状态为“1-已设”，限速牌中的文字为“限速60km/h”。将待更新路段的限速牌状态与地图数据库中待更新路段的限速牌状态进行比对。

当地图数据库中待更新路段的限速牌状态为“1-已设”，则将待更新路段的限速牌文字“限速60km/h”与地图数据库中待更新路段的限速牌文字进行比对，若地图数据库中待更新路段的限速牌文字为“限速80km/h”，则将地图数据库中待更新路段的限速牌文字更新为“限速60km/h”。当地图数据库中待更新路段的限速牌状态为“2-未设”，则在地图数据库中添加待更新路段的限速牌以及待更新路段的限速牌文字“限速60km/h”。

在一种可能的实施方式中，在当前状态与存储状态不一致，且待更新路段的交通要素的当前状态的置信度大于预设阈值时，采用当前状态更新存储状态。

示例性地，设定交通要素为道路铺设状态，待更新路段的道路铺设状态为“1-已铺设”，将待更新路段的道路铺设状态与地图数据库中待更新路段的道路铺设状态进行比对。

当地图数据库中待更新路段的道路铺设状态为“2-未铺设”时，进一步判断待更新路段的道路铺设状态为“1-已铺设”的置信度是否大于预设阈值，若是，则将地图数据库中待更新路段的道路铺设状态更新为“1-已铺设”。

由于在待更新路段的交通要素的当前状态与地图数据库中待更新路段的交通要素的存储状态进行比对后，确定当前状态与存储状态不一致时，进一步判断交通要素的当前状态的置信度是否大于预设阈值，如果是，才更新地图数据库，从而保证了地图数据库中数据的准确性。

可选地，在当前状态与存储状态一致时，不更新地图数据库。

示例性地，设定交通要素为限速牌，待更新路段的限速牌状态为“1-已设”，限速牌中的文字为“限速60km/h”。将待更新路段的限速牌状态与地图数据库中待更新路段的限速牌状态进行比对。当地图数据库中待更新路段的限速牌状态为“1-已设”，且限速牌中的文字为“限速60km/h”时，不更新地图数据库。

示例性地，设定交通要素为道路铺设状态，待更新路段的道路铺设状态为“1-已铺设”，将待更新路段的道路铺设状态与地图数据库中待更新路段的道路铺设状态进行比对。当地图数据库中待更新路段的道路铺设状态为“1-已铺设”时，不更新地图数据库。

由于道路上只是少部分交通要素改变，大部分的交通要素还是会保持原本属性，因此通过人工提取交通要素，然后与地图数据库进行比对时，存在大量不必要的重读作业，因此本发明实施例中将待更新路段的交通要素的当前状态与地图数据库中待更新路段的交通要素的存储状态进行比对，在比对一致时，不更新地图数据库，相较于人工作业来说，大大减少了作业量，提高了作业效率。

可选地，在当前状态与存储状态不一致，且待更新路段的交通要素的当前状态的置信度不大于预设阈值时，采用人工比对的方式更新地图数据库。另外对于交通要素的当前状态识别为“不确定”的情况，也可以采用人工比对的方式更新地图数据库。

为了更好的解释本发明实施例，下面结合具体的实施场景描述本发明实施例提供的一种更新地图数据库的方法，设定交通要素为道路铺设状态，道路铺设状态包括“1-已铺设”、“2-未铺设”以及“3-不确定”三类。预先采集道路铺设状态为“已铺设”、“未铺设”以及“不确定”的道路图像作为训练样本，对神经网络模型进行训练。

获取众包人员上传的多张更新图像和多张更新图像的位置信息，针对一个待更新路段，根据待更新路段的位置信息以及多张更新图像的位置信息，确定待更新路段的多张更新图像。然后从每张更新图像中切割出道路部分的图像，确定待更新路段的多张道路图像。之后再采用如图10所示的多级分类流程确定待更新路段的道路铺设状态。

先基于单张道路图像进行分类，具体为：采用训练好的神经网络模型确定待更新路段的每张道路图像的分类结果以及每个类别的置信度，然后将类别的置信度与置信度阈值进行比较，确定道路图像对应的类别。

然后基于多张道路图像进行分类，具体为：设置待更新路段的道路铺设状态为“1-已铺设”的条件为：道路图像对应的类别为“1-已铺设”的图像数量与道路图像总数量的比值大于第一阈值，道路图像对应的类别为“2-未铺设”的图像数量与道路图像总数量的比值小于第二阈值。设置待更新路段的道路铺设状态为“2-未铺设”的条件为：道路图像对应的类别为“2-未铺设”的图像数量与道路图像总数量的比值大于第三阈值，道路图像对应的类别为“1-已铺设”的图像数量与道路图像总数量的比值小于第四阈值。判断多张道路图像对应的类别是否满足待更新路段的道路铺设状态为“1-已铺设”的条件，若是，则将待更新路段的道路铺设状态确定为“1-已铺设”。否则，判断多张道路图像对应的类别是否满足待更新路段的道路铺设状态为“2-未铺设”的条件，若是，则将待更新路段的道路铺设状态确定为“2-未铺设”，否则将待更新路段的道路铺设状态确定为“3-不确定”。

最后基于多个待更新路段进行分类，具体为：当待更新路段的道路铺设状态为“1-已铺设”时，判断待更新路段的相邻路段的道路铺设状态是否为“1-已铺设”，若是，则将待更新路段的道路铺设状态确定为“1-已铺设”，同时确定待更新路段的道路铺设状态为“1-已铺设”的置信度，否则将待更新路段的道路铺设状态确定为“3-不确定”。当待更新路段的道路铺设状态为“2-未铺设”时，判断待更新路段的相邻路段的道路铺设状态是否为“2-未铺设”，若是，则将待更新路段的道路铺设状态确定为“2-未铺设”，同时确定待更新路段的道路铺设状态为“2-未铺设”的置信度，否则将待更新路段的道路铺设状态确定为“3-不确定”。

进一步地，将待更新路段的道路铺设状态与地图数据库中待更新路段的道路铺设状态进行比对，在比对不一致，且待更新路段的道路铺设状态的置信度大于预设阈值时，采用当前状态更新存储状态，否则不更新地图数据库。

由于在更新地图数据库时，自动提取道路图像中交通要素的当前状态，然后与地图数据库中待更新路段的交通要素的存储状态进行比对，根据比对结果更新地图数据库，而不需要通过人工作业的方式提取道路图像的交通要素，并将交通要素的当前状态与地图数据库中的交通要素的存储状态进行比对，进而更新地图数据库，从而一方面提高了地图数据库的更新效率，另一方面节约了人力成本。

基于相同的技术构思，本发明实施例提供了一种更新地图数据库的装置，如图11所示，该装置1100包括：

获取模块1101，用于获得待更新路段的道路图像；

识别模块1102，用于根据所述待更新路段的道路图像确定所述待更新路段的交通要素的当前状态；

比对模块1103，用于将所述待更新路段的交通要素的当前状态与所述地图数据库中所述待更新路段的交通要素的存储状态进行比对；

更新模块1104，用于在所述当前状态与所述存储状态不一致时，采用所述当前状态更新所述存储状态。

可选地，获取模块1101具体用于：

采集多张更新图像和所述多张更新图像的位置信息；

将所述待更新路段的位置信息和所述多张更新图像的位置进行匹配，从所述多张更新图像中确定所述待更新路段的更新图像；

从所述待更新路段的更新图像中切割出所述待更新路段的道路图像。

可选地，识别模块1102具体用于：

针对所述待更新路段的每张道路图像，采用神经网络模型识别所述道路图像中的交通要素的当前状态；

根据所述待更新路段的每张道路图像中的交通要素的当前状态确定所述待更新路段的交通要素的当前状态。

可选地，识别模块1102具体用于：

针对所述待更新路段的每张道路图像，采用神经网络模型识别所述道路图像中的交通要素的当前状态；

根据所述待更新路段的每张道路图像中的交通要素的当前状态，以及与所述待更新路段相邻的路段的每张道路图像中的交通要素的当前状态，确定所述待更新路段的交通要素的当前状态。

可选地，比对模块1103具体用于：

在所述当前状态与所述存储状态不一致，且所述待更新路段的交通要素的当前状态的置信度大于预设阈值时，采用所述当前状态更新所述存储状态。

可选地，更新模块1104还用于：

在所述当前状态与所述存储状态一致时，不更新所述地图数据库。

基于相同的技术构思，本发明实施例提供了一种终端设备，如图12所示，包括至少一个处理器1201，以及与至少一个处理器连接的存储器1202，本发明实施例中不限定处理器1201与存储器1202之间的具体连接介质，图12中处理器1201和存储器1202之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。

在本发明实施例中，存储器1202存储有可被至少一个处理器1201执行的指令，至少一个处理器1201通过执行存储器1202存储的指令，可以执行前述的更新地图数据库的方法中所包括的步骤。

其中，处理器1201是终端设备的控制中心，可以利用各种接口和线路连接终端设备的各个部分，通过运行或执行存储在存储器1202内的指令以及调用存储在存储器1202内的数据，从而更新地图数据库。可选的，处理器1201可包括一个或多个处理单元，处理器1201可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1201中。在一些实施例中，处理器1201和存储器1202可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。

处理器1201可以是通用处理器，例如中央处理器(cpu)、数字信号处理器、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器1202作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器1202可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(randomaccessmemory，ram)、静态随机访问存储器(staticrandomaccessmemory，sram)、可编程只读存储器(programmablereadonlymemory，prom)、只读存储器(readonlymemory，rom)、带电可擦除可编程只读存储器(electricallyerasableprogrammableread-onlymemory，eeprom)、磁性存储器、磁盘、光盘等等。存储器1202是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本发明实施例中的存储器1202还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。

基于同一发明构思，本发明实施例还提供一种计算机可读存储介质，该可读存储介质存储有计算机指令，当该计算机指令在终端设备上运行时，使得终端设备执行如前述的更新地图数据库的方法的步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。