本发明涉及自动驾驶技术领域，尤其涉及一种适用于自动驾驶的路网地图生成方法、系统、设备及存储介质。
背景技术
随着自动驾驶技术的不断演进，对高精度地图和路网地图的要求越来越高，在l4级别以上的自动驾驶场景都要求厘米级别的地图。高精度地图是指面向机器的供自动驾驶汽车使用的高精度地图，不仅有高精度的坐标，同时哈有准确的道路形状，并且含有每个车道的坡度、曲率、航向、高程以及侧倾的数据。高精度地图不仅描述道路，更描绘出一条道路上有多少条车道，会真实地反映出道路的实际样式。路网地图是高精度地图的信息提取，用于自动驾驶车辆的路径规划，具体是指从高精度地图中还原的由各级道路组成的网状系统的地图，因此路网地图同样包括高精度地图中的与道路相关的道路级和车道级的数据。如今，提取路网地图的精度以及准确性成为了高级别自动驾驶的瓶颈之一。
技术实现要素：
针对现有技术中的问题，本发明的目的在于提供一种路网地图生成方法、系统、设备及存储介质，解决了手工提取方法的精度较低和效率较低的问题。
本发明实施例提供一种路网地图生成方法，包括如下步骤：
s100：获取在预设场景中行驶的移动采集装置上激光雷达的采集数据，得到多帧点云数据，并获取各帧对应的移动采集装置上惯性测量单元的采集数据，所述惯性测量单元的采集数据包括移动采集装置在当前帧的线速度和角速度；
s200：根据所述点云数据和所述惯性测量单元的采集数据生成高精度地图；
s300：从高精度地图中提取路网地图；
其中，所述步骤s200包括如下步骤：
s201：对每一帧点云进行滤波操作，得到路面以上预设高度范围内的点云数据；
s202：依次对各帧点云进行配准，将当前配准的帧作为配准的点云，同时选择一参考点云；
s203：将参考点云所占的空间划分为多个预设大小的网格，计算每个网格的多维正态分布的均值和协方差矩阵，将迭代次数初始化；
s204：根据移动采集装置在当前帧的线速度和角速度，计算得到旋转矩阵和平移矩阵；
s205：对于要配准的点云，根据所述旋转矩阵和平移矩阵将该帧点云中的点转换到参考点云的网格中；
s206：根据正态分布参数计算每个转换点的概率密度；
s207：对所有转换点的概率密度取平均值，得到ndt配准得分；
s208：判断ndt配准得分是否达到预设收敛条件，如果是，则继续步骤s210，否则继续步骤s209；
s209：根据牛顿优化算法对所述ndt配准得分进行优化，得到更新的线速度和角速度，然后将更新的线速度和角速度替换移动采集装置在当前帧的线速度和角速度，将迭代次数加一，并继续步骤s204；
s210：将当前的旋转矩阵和平移矩阵作为当前帧的旋转矩阵和平移矩阵，记录所有帧的旋转矩阵和平移矩阵，将原始点云帧叠加到参考点云上，得到在世界坐标系下的点云地图。
可选地，所述步骤s203中计算每个网格的多维正态分布的均值和协方差矩阵，包括如下步骤：
获取当前网格中各个点的坐标值pi(xi,yi,zi)，i∈(1，n)，n为该网格中点的个数；
根据如下公式计算当前网格的多维正态分布的均值pmean(xm,ym)：
根据如下公式计算当前网格的协方差矩阵：
c＝[cov(x,x),cov(x,y),cov(y,x),cov(y,y)]
其中，计算得到的c即为当前网格的协方差矩阵。
可选地，所述步骤s204中，根据当前帧的线速度和角速度，计算得到旋转矩阵和平移矩阵，包括如下步骤：
根据如下公式计算得到当前帧的旋转矩阵r和平移矩阵t：
t＝[v(xv)*t,v(yv)*t,v(zv)*t]；
r＝[w(xw)*t,0,00，w(yw)*t,00,0,w(zw)*t]
其中，t为两帧之间的间隔时长，v(xv，yv，zv)为当前帧的线速度，w(xw，yw，zw)为当前帧的角速度。
可选地，所述步骤s205中，对于要配准的点云，根据所述旋转矩阵和平移矩阵将该帧点云的点转换到参考点云的网格中，包括如下步骤：
根据如下公式，将配准的点云p1通过旋转矩阵r和平移矩阵t转换到参考点云的网格中：
p2＝p1*r+t
其中，p1为转换前的配准的点云，p2为转换后的点云，*表示矩阵乘法。
可选地，所述步骤s206中，根据正态分布参数计算每个转换点的概率密度，包括如下步骤：
根据如下公式计算每个转换点的概率密度：
ρ＝(sqrt(c(0,1)+c(1.0)))2
其中，该转换点的坐标为(x，y)，μ1和μ2分别为当前网格的多维正态分布的均值pmean(xm)和pmean(ym)，σ1和σ2分别为c(0,0)的值和c(1,1)的值。
可选地，所述步骤s208中，判断ndt配准得分是否大于预设收敛条件，包括如下步骤：
如果当前迭代次数达到预设迭代次数n，则判断近n次迭代中，ndt配准得分的最大波动值是否大于预设波动阈值，如果是，则判定ndt配准得分未达到预设收敛条件，否则，判定ndt配准得分达到预设收敛条件；
如果当前迭代次数未达到预设迭代次数n，则判定ndt配准得分未达到预设收敛条件。
可选地，所述步骤s209中，根据牛顿优化算法对所述ndt配准得分进行优化，得到更新的线速度和角速度，包括如下步骤：
计算得到所有转换点的概率密度的总和
根据如下公式更新当前帧的角速度：
w(xw)k+1＝w(xw)k–l'(w(xw)k)/l”(w(xw)k)
w(yw)k+1＝w(yw)k–l'(w(yw)k)/l”(w(yw)k)
w(zw)k+1＝w(zw)k–l'(w(zw)k)/l”(w(zw)k)
其中，k为当前的迭代次数，w(xw)k、w(yw)k和w(zw)k为更新前的角速度分量，w(xw)k+1、w(yw)k+1和w(zw)k+1为更新后的角速度分量，l'和l”分别为目标函数的一阶求导和二阶求导；
根据如下公式更新当前帧的线速度：
v(xv)k+1＝v(xv)k–l'(v(xv)k)/l”(v(xv)k)
v(yv)k+1＝v(yv)k–l'(v(yv)k)/l”(v(yv)k)
v(zv)k+1＝v(zv)k–l'(v(zv)k)/l”(v(zv)k)
其中，v(xv)k、v(yv)k和v(zv)k为更新前的线速度分量，v(xv)k+1、v(yv)k+1和v(zv)k+1为更新后的线速度分量。
可选地，所述步骤s200和s300之间，还包括如下步骤：
s211：获取摄像头采集的图像，根据摄像头和激光雷达的位姿变换关系，为所述世界坐标系下的点云地图添加rgb值。
可选地，所述步骤s211包括如下步骤：
获取摄像头采集的图像，并根据所述激光雷达与摄像头的位姿变换关系，将激光雷达测量得到的点投射回到摄像头的二维坐标系上；
找到摄像头采集的图像中与投射点最近的像素点的rgb值，作为当前激光雷达测量得到的点的rgb值；
如果投射点在摄像头采集的图像之外，则将当前激光雷达测量得到的点的rgb值设置为默认值。
可选地，所述步骤s300中从高精度地图中提取路网地图，包括如下步骤：
s301：利用区域生长算法提取路面，用法向量和曲率作为区域生长的联通依据；
s302：采用预设光强阈值对提取的路面的点云进行过滤，保留光强大于预设光强阈值的点云，得到车道线的点云；
s303：对得到的车道线的点云进行欧式距离聚类，得到所有车道线的聚类点云；
s304：对每一个类，采用直线拟合，得到每个车道线的特征参数(a,b,c,x1,y1,z1,x2,y2,z2)，其中a,b,c为车道线的直线拟合结果，x1,y1,z1为车道线的一个端点的坐标值，x2,y2,z2为车道线另一个端点的坐标值。
本发明实施例还提供一种路网地图生成系统，用于实现所述的路网地图生成方法，所述系统包括：
数据采集模块，用于获取激光雷达的采集数据，得到多帧点云数据，并获取各帧对应的惯性测量单元的采集数据；
高精度地图生成模块，用于根据所述点云数据和所述惯性测量单元的采集数据生成高精度地图；
路网地图提取模块，用于从高精度地图中提取路网地图。
本发明还提供一种路网地图生成设备，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行所述的路网地图生成方法的步骤。
本发明还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的路网地图生成方法的步骤。
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，并不能限制本公开。
本发明所提供的路网地图生成方法、系统、设备及存储介质具有下列优点：
本发明提供了一种路网地图生成的技术方案，自动提取和生成路网地图，解决了现有技术中手工提取方法的精度较低和效率较低的问题，可以用于特定开放的工业区域的路网地图提取，具有高自动化、高鲁棒性和高精确度的特点。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。
图1是本发明一实施例的路网地图生成方法的流程图；
图2是本发明一实施例的根据所述点云数据和所述惯性测量单元的采集数据生成高精度地图的流程图；
图3是本发明一实施例的从高精度地图中提取路网地图的流程图；
图4是本发明一实施例的基于双向链表的地图的结构示意图；
图5是本发明一实施例的路网地图生成系统的结构示意图；
图6是本发明一实施例的路网地图生成设备的结构示意图；
图7是本发明一实施例的计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
如图1所示，本发明实施例提供一种路网地图生成方法，包括如下步骤：
s100：传感器数据采集：获取在预设场景中行驶的移动采集装置上激光雷达的采集数据，得到多帧点云数据，并获取各帧对应的移动采集装置上惯性测量单元的采集数据，所述惯性测量单元的采集数据包括移动采集装置在当前帧的线速度和角速度；
在该实施例中，数据采集的传感器组包括一个惯性测量单元、至少一个激光雷达、至少一个高动态鱼眼摄像头。用数字机床加工支撑架，将传感器固定连接至数据采集装置上，数据采集装置可以在特定开放的工业区域中运动，从而获取到不同时间的多帧点云数据，并且可以根据惯性测量单元得到移动采集装置在各个时刻的线速度和角速度。此处移动采集装置可以是设置有激光雷达和惯性测量单元的车、机器人、无人机等各种可移动的装置。
s200：根据所述点云数据和所述惯性测量单元的采集数据生成高精度地图；
s300：从高精度地图中提取路网地图；
其中，如图2所示，所述步骤s200包括如下步骤：
s201：对每一帧点云进行滤波操作，得到路面以上预设高度范围内的点云数据；例如，去掉较高的点云数据，留下路面以上50cm的点云数据，但本发明不以此为限，具体的高度可以根据需要进行设定；
s202：依次对各帧点云进行配准，将当前配准的帧作为配准的点云，同时选择一参考点云，即作为世界地图；
s203：将参考点云所占的空间划分为多个预设大小的网格，计算每个网格的多维正态分布的均值和协方差矩阵，将迭代次数k的值初始化为0；
s204：根据移动采集装置在当前帧的线速度和角速度，计算得到旋转矩阵和平移矩阵，此处，如果是第一次迭代，则当前帧的线速度和角速度即为惯性测量单元的输出数据，如果非第一次迭代，则为前一次迭代中步骤s209中更新的线速度和角速度；
s205：对于要配准的点云，根据所述旋转矩阵和平移矩阵将该帧点云中的点转换到参考点云的网格中；
s206：根据正态分布参数计算每个转换点的概率密度；
s207：对所有转换点的概率密度取平均值，得到ndt配准得分；
s208：判断ndt配准得分是否达到预设收敛条件，如果是，则继续步骤s210，否则继续步骤s209；
s209：根据牛顿优化算法对所述ndt配准得分进行优化，得到更新的线速度和角速度，然后将更新的线速度和角速度替换当前帧的线速度和角速度，将迭代次数k的值加一，并继续步骤s204；
s210：将当前的旋转矩阵和平移矩阵作为当前帧的旋转矩阵和平移矩阵，对每个帧都如步骤s204～s210的方式进行配准，得到每个帧的旋转矩阵和平移矩阵，根据所有帧的旋转矩阵和平移矩阵，将原始采用激光雷达测得的点云帧均叠加到参考点云上，得到在世界坐标系下的点云地图。
在该实施例中，首先对各个传感器进行标定。标定可以根据如下步骤进行。此处标定的方式仅为示例，本发明不限于此，采用其他现有的传感器标定的方式也是可以的，均属于本发明的保护范围之内。
1、鱼眼摄像头的标定：
(1)标定板为11*9的黑白棋盘格；
(2)将输入的图像进行二值化、腐蚀、膨胀处理；
(3)遍历每个轮廓，如果该轮廓是闭合形状，同时有4个角点，且边长近似，认为是内部方形，推入队列；
(4)寻找相邻方格，将该方格记做是当前方格的相邻方格；
(5)寻找相互连接的方格，遍历所有的方格，如果该方格有相邻的方格并且它还没有被归类，则将这个方格归在一个新的组中，如果相邻方格的相邻方格没有被归类，那么再将新的方格加入队列；
(6)将方格排序。将所有的相互连接的方格进行排序，考察每一个方格的相邻方格的个数，并且通过角点的坐标是否在一直线上，可以考察每一个方格位于哪一列哪一行；
(7)找出亚像素角点。对于最终提取出来的方格，找到其亚像素的精确角点，返回这些角点；
(8)建立鱼眼相机的畸变参数为：{k1,k2,k3,k4},内参数矩阵形式如下：
(9)利用雅克比矩阵不断迭代运算，最终得到平移矩阵、旋转矩阵和旋转向量；
(10)利用不确定性评估，得到误差参数，如果误差参数控制在一定的范围内，则确认通过。最终返回鱼眼相机内参数和畸变系数；
(11)由图像坐标系反变换到相机坐标系中；
(12)然后，校正反变换r-1，一般无校正变换的相机，默认为单位矩阵；
(13)归一化，并进行相机透镜畸变处理；
(14)由相机坐标转换到图像坐标。
2、激光视觉标定：
(1)将标定板在摄像头和激光同时可见处采集标定样本数据；
(2)世界坐标系转换到相机坐标系下；
(3)拟合各个位置下标定板所在的三维平面方程；
(4)根据标定板平面方程，利用激光坐标系下，标定板的法向量求出激光的平面方程；
(5)用最小二乘法优化激光的法向量和视觉投影到激光坐标系下的乘积；
(6)使用所有的激光三维坐标来拟合激光的平面方程ax+by+cz＝d，生成平面方程系数a、b、c、d。
然后使用安装有标定后的传感器的移动采集装置，在目标场景中行驶采集数据。
在该实施例中，所述步骤s203中计算每个网格的多维正态分布的均值和协方差矩阵，包括如下步骤：
获取当前网格中各个点的坐标值pi(xi,yi,zi)，i∈(1，n)，n为该网格中点的个数；
根据如下公式计算当前网格的多维正态分布的均值pmean(xm,ym)：
根据如下公式计算当前网格的协方差矩阵：
c＝[cov(x,x),cov(x,y),cov(y,x),cov(y,y)]
其中，计算得到的c即为当前网格的协方差矩阵。
在该实施例中，所述步骤s204中，根据当前帧的线速度和角速度，计算得到旋转矩阵和平移矩阵，包括如下步骤：
根据如下公式计算得到当前帧的旋转矩阵r和平移矩阵t：
t＝[v(xv)*t,v(yv)*t,v(zv)*t]；
r＝[w(xw)*t,0,00，w(yw)*t,00,0,w(zw)*t]
其中，t为两帧之间的间隔时长，v(xv，yv，zv)为当前帧的线速度，w(xw，yw，zw)为当前帧的角速度，如上所述，如果是第一次迭代，则当前帧的线速度和角速度即为惯性测量单元的输出数据，如果非第一次迭代，则为前一次迭代中步骤s209中更新的线速度和角速度。
进一步地，所述步骤s205中，对于要配准的点云，根据所述旋转矩阵和平移矩阵将该帧点云的点转换到参考点云的网格中，包括如下步骤：
根据如下公式，将配准的点云p1通过旋转矩阵r和平移矩阵t转换到参考点云的网格中：
p2＝p1*r+t
其中，p1为转换前的配准的点云，p2为转换后的点云，*表示矩阵乘法。
在该实施例中，所述步骤s206中，根据正态分布参数计算每个转换点的概率密度，包括如下步骤：
根据如下公式计算每个转换点的概率密度：
ρ＝(sqrt(c(0,1)+c(1.0)))2
其中，该转换点的坐标为(x，y)，μ1和μ2分别为当前网格的多维正态分布的均值pmean(xm)和pmean(ym)，σ1和σ2分别为c(0,0)的值和c(1,1)的值，即矩阵c中(0,0)位置的数据和(1,1)位置的数据。
在该实施例中，所述步骤s208中，判断ndt(normaldistributionstransform，正态分布变换)配准得分是否大于预设收敛条件，包括如下步骤：
如果当前迭代次数达到预设迭代次数n，则判断近n次迭代中，ndt配准得分的最大波动值是否大于预设波动阈值，如果是，则判定ndt配准得分未达到预设收敛条件，否则，判定ndt配准得分达到预设收敛条件；此处这个预设波动阈值和预设迭代次数均是可以根据需要进行自由设定的；
如果当前迭代次数未达到预设迭代次数n，则判定ndt配准得分未达到预设收敛条件。
在该实施例中，所述步骤s209中，根据牛顿优化算法对所述ndt配准得分进行优化，得到更新的线速度和角速度，即寻找当前帧的最佳旋转矩阵和平移矩阵使得ndt配准得分值最大，具体地，步骤s209包括如下步骤：
计算得到所有转换点的概率密度的总和
根据如下公式更新当前帧的角速度：
w(xw)k+1＝w(xw)k–l'(w(xw)k)/l”(w(xw)k)
w(yw)k+1＝w(yw)k–l'(w(yw)k)/l”(w(yw)k)
w(zw)k+1＝w(zw)k–l'(w(zw)k)/l”(w(zw)k)
其中，k为当前的迭代次数，w(xw)k、w(yw)k和w(zw)k为更新前的角速度分量，w(xw)k+1、w(yw)k+1和w(zw)k+1为更新后的角速度分量，l'和l”分别为目标函数的一阶求导和二阶求导；
根据如下公式更新当前帧的线速度：
v(xv)k+1＝v(xv)k–l'(v(xv)k)/l”(v(xv)k)
v(yv)k+1＝v(yv)k–l'(v(yv)k)/l”(v(yv)k)
v(zv)k+1＝v(zv)k–l'(v(zv)k)/l”(v(zv)k)；
其中，v(xv)k、v(yv)k和v(zv)k为更新前的线速度分量，v(xv)k+1、v(yv)k+1和v(zv)k+1为更新后的线速度分量。
进一步地，所述步骤s200和s300之间，还包括如下步骤：
s211：获取摄像头采集的图像，根据摄像头和激光雷达的位姿变换关系，为所述世界坐标系下的点云地图添加rgb值。
在该实施例中，所述步骤s211包括如下步骤：
获取摄像头采集的图像，并根据所述激光雷达与摄像头的位姿变换关系，将激光雷达测量得到的点投射回到摄像头的二维坐标系上；
找到摄像头采集的图像中与投射点最近的像素点的rgb值，作为当前激光雷达测量得到的点的rgb值；
如果投射点在摄像头采集的图像之外，则将当前激光雷达测量得到的点的rgb值设置为默认值。
在该实施例中，如图3所示，所述步骤s300中从高精度地图中提取路网地图，包括如下步骤：
s301：利用区域生长算法提取路面，用法向量和曲率作为区域生长的联通依据，此处区域生长算法提取路面可以采用现有的区域生长算法；
s302：采用预设光强阈值对提取的路面的点云进行过滤，保留光强大于预设光强阈值的点云，得到车道线的点云，即pi(x,y,z)>ith的点保留，pi(x,y,z)是点(x,y,z)的光强，ith是预设光强阈值，为一个固定值；
s303：对得到的车道线的点云进行欧式距离聚类，得到所有车道线的聚类点云；
s304：对每一个类，采用直线拟合，得到每个车道线的特征参数(a,b,c,x1,y1,z1,x2,y2,z2)，其中a,b,c为车道线的直线拟合结果，x1,y1,z1为车道线的一个端点的坐标值，x2,y2,z2为车道线另一个端点的坐标值。
此处仅列举了一种通过高精度地图提取路网地图的方法，在实际应用中，也可以采用其他现有的高精度地图提取路网地图的方法，均属于本发明的保护范围之内。
如图4所示，本发明的路网地图是基于双向链表的地图，bid1和bid2是前向的链接，fid1和fid2是后向的链接，r是曲率，speed是限制速度，slope是坡度，type是点所属的区域类型。其中，链表结构记录的是车道中心线，曲率和坡度是保留字段，限制速度是根据道路情况标注上去的。
如图5所示，本发明实施例还提供一种路网地图生成系统，用于实现所述的路网地图生成方法，所述系统包括：
数据采集模块100，用于获取激光雷达的采集数据，得到多帧点云数据，并获取各帧对应的惯性测量单元的采集数据；
高精度地图生成模块200，用于根据所述点云数据和所述惯性测量单元的采集数据生成高精度地图；
路网地图提取模块300，用于从高精度地图中提取路网地图。
本发明实施例还提供一种路网地图生成设备，包括处理器；存储器，其中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行所述的路网地图生成方法的步骤。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。
下面参照图6来描述根据本发明的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储平台等。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的路网地图生成方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图7所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本发明所提供的路网地图生成方法、系统、设备及存储介质具有下列优点：
本发明提供了一种路网地图生成的技术方案，自动提取和生成路网地图，解决了现有技术中手工提取方法的精度较低和效率较低的问题，可以用于特定开放的工业区域的路网地图提取，具有高自动化、高鲁棒性和高精确度的特点。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。