高清晰度3D映射的制作方法

本发明涉及车辆导航的领域，并且更具体地，涉及车辆映射图。

背景技术：

诸如自主车辆或半自主车辆等车辆可以使用来自lidar(光探测和测距)传感器的数据以帮助导航。lidar传感器可以用于生成点云数据，即，在三个维度中描述点的数据的集合。此外，自主车辆可以将它的基本上实时lidar点云数据与车辆在其中操作的区域的三维(3d)映射图进行比较以便在该区域内导航。区域的3d映射图可以从由一个或多个映射车辆收集的lidar数据中生成，所述映射车辆先前已经穿越该区域中的道路以获得映射图的点云数据。然而，使用当前技术的问题在于，映射车辆可以穿越要映射的区域中的路段等，但收集的数据不够创建3d映射图。当发生这种情况时，需要另外的数据收集，例如，通常，必须另外一次或多次穿越被映射的区域的路段或其他部分。

技术实现要素：

简介

本文中公开一种系统，所述系统包括处理器和存储器。所述存储器存储指令，所述指令可由所述处理器执行以：通过分析区域的接收的航拍图像来确定用于映射所述区域的多个路点；选择用于映射的最佳数量的路点；以及致动车辆以穿越被确定为覆盖所述选择的路点的路线。

所述选择的路点中的每一个可以至少是在路面和十字路口上。

所述选择的路点可以包括路段上的第一点和第二点，并且拟合到所述第一点和所述第二点的曲线可以对应于所述第一点与所述第二点之间的所述路段。

所述指令还可以包括用于进行以下中的至少一个的指令：至少部分地基于接收的lidar传感器数据而生成和更新映射图，所述映射图覆盖所述接收的航拍图像中包括的区域。

所述映射图可以包括一条或多条道路以及包括交通标志和建筑物的道路特征的定位坐标。

所述指令还可以包括用于进行以下的指令：确定车辆路线以穿越所述选择的路点中的每一个至少某一预定次数。

所述指令还可以包括用于将图像输出到显示装置的指令，其中所述图像包括具有叠加在所述多个路点上的数据的所述区域，并且所述路点中的每一个上的所述叠加数据是基于相应路点的穿越次数。

所述指令还可以包括用于进行以下的指令：从车辆传感器接收车辆定位坐标，以及将所接收的车辆传感器数据和车辆定位坐标存储在远程计算机中。

本文中还公开一种方法，所述方法包括：通过分析区域的接收的航拍图像来确定用于映射所述区域的多个路点；选择用于映射的最佳数量的路点；以及致动车辆以穿越被确定为覆盖所述选择的路点的路线。

所述选择的路点中的每一个可以至少是在路面和十字路口上。

所述选择的路点可以包括路段上的第一点和第二点，并且拟合到所述第一点和所述第二点的曲线对应于所述第一点与所述第二点之间的所述路段。

所述方法还可以包括以下中的至少一个：至少部分地基于接收的lidar传感器数据而生成和更新映射图，所述映射图覆盖所述接收的航拍图像中包括的区域。

所述映射图可以包括一条或多条道路以及包括交通标志和建筑物的道路特征的定位坐标。

所述方法还可以包括确定车辆路线以穿越所述选择的路点中的每一个至少某一预定次数。

所述方法还可以包括将图像输出到显示装置，其中所述图像包括具有叠加在所述多个路点上的数据的所述区域，并且所述路点中的每一个上的所述叠加数据是基于相应路点的穿越次数。

所述方法还可以包括：从车辆传感器接收车辆定位坐标；以及将所接收的车辆传感器数据和车辆定位坐标存储在远程计算机中。

本文中还公开一种系统，所述系统包括：车辆；用于通过分析区域的接收的航拍图像来确定用于映射所述区域的多个路点的构件；用于选择用于映射的最佳数量的路点的构件；以及用于致动车辆以穿越被确定为覆盖所述选择的路点的路线的构件。

所述选择的路点中的每一个至少是在路面和十字路口上。

所述系统还可以包括用于确定车辆路线以穿越所述选择的路点中的每一个至少某一预定次数的构件。

所述系统还可以包括用于将图像输出到显示装置的构件，其中所述图像包括具有叠加在所述多个路点上的数据的所述区域，并且所述路点中的每一个上的所述叠加数据是基于相应路点的穿越次数。

还公开一种计算装置，所述计算装置被编程为执行上述方法步骤中的任一个。

另外还公开一种计算机程序产品，所述计算机程序产品包括计算机可读介质，所述计算机可读介质存储指令，所述指令可由计算机处理器执行以执行上述方法步骤中的任一个。

附图说明

图1是示例性区域和提供该区域的航拍图像的示例卫星的框图。

图2示出用于映射图1的区域的示例车辆。

图3示出被确定在图1的区域的航拍图像中的路点。

图4示出被确定在图1的航拍图像中的减少数量的路点。

图5示出该区域的一部分的混合图像，该混合图像包括将具有充分数据的路点与具有不充分数据的路点区分开的所生成的图像数据。

图6示出包括用于映射车辆的路线指令的混合横向图像。

图7是用于导航映射车辆的示例性过程的流程图。

具体实施方式

系统元件

车辆导航可以是基于车辆在其中操作的区域的三维(3d)映射图数据。车辆计算机可以使用区域的3d映射图来确定车辆定位和/或在所述区域内导航车辆。3d映射图可以从通过车辆在所述区域中驾驶并收集lidar数据而收集到的数据中生成。所述区域的航拍图像可以用于管理lidar数据收集装置在所述区域中的导航。

图1示出用于在地理区域105中获得用于3d映射的lidar数据的示例系统100。区域105的特征可以例如由卫星140捕获在航拍图像110中。在本公开的背景下，地理区域105(或简称区域105)是指地球表面上的二维区域。区域105的边界或边缘可以由全球定位系统(gps)坐标限定，例如，作为三角形或矩形区域105的顶点、圆形区域105的中心等。区域105可以具有任何尺寸和/或形状，例如，矩形、椭圆形、圆形、非几何形状等。例如，区域105可以包括街区、城镇、机场等。区域105的3d映射图可以包括被所述区域限定为底侧的体积中的特征。例如，矩形区域105的3d映射图是数字映射图，所述数字映射图通常包括由矩形底部区域105限定的矩形体积中的特征，以及用于执行映射的指定高度，例如，地平面上方3米、5米、25米等。区域105的3d映射图包括定位坐标，诸如区域105内的点的全球定位系统(gps)坐标，例如，限定诸如道路130、路点120、十字路口160等映射图特征的点，以及在由区域105限定的体积内的点的高度。在一个示例中，映射图可以包括例如交通标志、建筑物等道路130特征的定位坐标，和/或诸如建筑物、交通标志、植被等道路130特征的外表面上的点的高度。在当前背景下，图像(诸如，航拍图像110)是数字图像，所述数字图像包括多个像素(或点)和与像素中的每一个相关的数据，例如，颜色、强度等。图像可以是“捕获的”图像，即，由相机或者诸如车辆相机、卫星140相机等其他光学传感器捕获，和/或可以包括“生成的”图像数据，即，从诸如映射图数据的存储信息中生成的数据，例如，示出区域105内的道路的所生成的线。另外地或可选地，图像可以是“混合”图像，即，可以包括捕获的图像数据和生成的图像数据两者，例如，基于映射图数据、图像处理算法等。例如，混合图像可以包括具有叠加在捕获的图像数据上的标记的道路图像，例如，基于图像处理算法的输出。

航拍图像110是区域105的俯视图，例如，由在地面上方指向地面的相机捕获的图像。相机可以安装在卫星140、飞机、直升机、无人航空载具(或无人机)、气球、独立杆等上。在一个示例中，卫星140相机的视野150可以输出包括区域105的航拍图像110数据。

区域105可以包括诸如路点120、道路130、十字路口160、建筑物、景观、山等特征。在本公开的背景下，路点120是位于道路130和/或十字路口160路面上的点，与不位于道路130的路面上的点形成对照，例如，树林区域中、建筑物顶上等的点。路点120可以被指定为支持导航车辆180来映射区域105，如下文进一步描述。

两条或更多条道路130可以交叉。其中两条或更多条道路130交叉的定位或点集就是十字路口160。

道路130可以具有各种特征。道路130特征是道路130的物理性质，诸如，道路130路面材料、宽度、车道数量、车道标记、单向或双向等，和/或道路130周围的任何物理结构，诸如，防护轨、通道、交通标志、交通灯、一个或多个建筑物、桥等。在本文中，道路130包括任何类型的泥土道路130或者例如被混凝土、沥青、焦油等覆盖的铺面道路130。道路130可以具有一个或多个车道。道路130可以是单向或双向。

与航拍图像110相反，在本公开的背景下，横向图像(例如，诸如图6所示)是提供基本上垂直于地面的视图的二维图像，例如，由具有基本上平行于地面的轴线的相机得到。可选地或另外地，轴线与地面之间的角度可以小于45度。另外地或可选地，横向图像600可以是混合图像，即，可以包括由相机捕获的图像数据和基于映射图数据而生成的图像数据和/或由图像处理算法生成的数据两者，例如，指示规划路线的箭头。

道路130可以包括多个路段170a、170b。道路130路段170a、170b可以包括两个或更多个路点120。路段170a、170b由第一路点120a和第二路点120b限定。例如，路段170a包括道路130的在第一路点120a与第二路点120b之间的所有路点。路段170b可以包括在第二路点120b与第三路点120c之间的每个路点120。在本公开的背景下，穿越例如道路130路段170a是指车辆180已经从道路130路段170a的第一路点120a行进到道路130路段170a的第二路点120b。

示例车辆180包括计算机210、一个或多个驱动器220、诸如(光探测和测距)lidar传感器230、gps传感器230等传感器230，以及其他部件，诸如下文论述。车辆180可以通过多种方式来提供动力，例如，包括利用电动马达和/或内燃发动机。

计算机210包括处理器和存储器。存储器包括计算机可读介质的一个或多个形式，并且存储指令，所述指令可由计算机210执行以实施各种操作，包括如本文中公开的操作。

计算机210可以在自主模式、半自主模式或非自主模式下操作车辆180。出于本公开的目的，自主模式被定义为其中由计算机210控制车辆180推进、制动和转向中的每一个的模式；在半自主模式下，计算机210控制车辆180推进、制动和转向中的一个或两个；在非自主模式下，人类驾驶员控制车辆推进、制动和转向。

计算机210可以包括编程，以操作车辆制动器、推进(例如，通过控制内燃发动机、电动马达、混合发动机等中的一个或多个来控制车辆180的加速度)、转向、温度控制、内灯和/或外灯等中的一个或多个，并且确定计算机210(与人类驾驶员相反)是否以及何时控制此类操作。

计算机210可以包括或者可以例如经由如下文进一步描述的车辆通信总线而通信地耦合到不止一个处理器，例如，车辆中包括的用于监测和/或控制各种车辆控制器的控制器等，例如，动力传动系统控制器、制动控制器、转向控制器等。计算机210通常被布置成在诸如车辆中的总线的车辆通信网络上通信，诸如控制器局域网(can)等。

经由车辆网络，计算机210可以将消息传输到车辆中的各种装置和/或从各种装置接收消息，例如，lidar传感器230、驱动器220等。可选地或另外地，在计算机210实际上包括多个装置的情况下，车辆通信网络可以用于在本公开中被表示为计算机210的装置之间的通信。另外，如下文所述，各种控制器或传感器230可以经由车辆通信网络将数据提供到计算机210。

车辆180驱动器220可以经由电路、芯片或者可以根据如已知的适当控制信号而致动各种车辆子系统的其他电子部件来实施。驱动器220可以用于控制第一车辆180的制动、加速度和转向。作为示例，车辆180计算机210可以输出控制指令，以控制驱动器220。

车辆180可以包括一个或多个lidar传感器130，从而提供涵盖车辆180的外部中的至少一些的数据。lidar传感器230可以包括处理器，所述处理器被编程为经由车辆180网络来传输lidar数据。lidar数据可以由车辆180计算机210以已知的方式从lidar传感器230接收，例如，经由车辆180网络，借此lidar数据可以存储在计算机210的存储器中。lidar数据可以包括例如三维笛卡尔坐标系中的坐标。lidar数据还可以包括涉及其他对象的其他数据，诸如大小、与主车辆180的相对速度等。在图2所示的一个示例中，lidar传感器230可以通过发射lidar射束(例如，激光束)来在lidar传感器230视野中扫描区域105，例如，车辆180周围的区域105，并且接收所发射的lidar射束的反射。通常，lidar传感器230可以提供用于以极高的清晰度映射所感测到的对象的物理特征的数据。

此外，计算机210可以被编程为通过无线通信网络与例如远程计算机通信。可以包括车辆对车辆(v对v)和/或车辆对基础设施(v对i)通信网络的无线通信网络包括一个或多个结构，借此车辆180、远程计算机等可以彼此通信，所述结构包括无线(例如，蜂窝、无线、卫星、微波和射频)通信机构和任何期望的网络拓扑(或者在使用多个通信机构时，多个拓扑)的任何期望的组合。示例性v对v或v对i通信网络包括蜂窝、蓝牙、ieee802.11、专用短程通信(dsrc)和/或广域网(wan)，包括互联网，从而提供数据通信服务。

如上文论述，映射车辆180可以穿越区域105内的道路130，以收集lidar数据来生成相应区域105的3d映射图。参考图3至图4，计算机210和/或远程计算机可以被编程为：通过分析区域105的接收的航拍图像110来确定用于映射区域105的多个路点120；选择用于映射的最佳数量的路点120；并且致动车辆180以穿越被确定为覆盖所选择的路点120的路线。

路线(即，开始位置与结束位置之间的路径)可以包括诸如路段170c的一个或多个道路130路段的集合。车辆180计算机210可以被编程为操作车辆180穿越所述路线。车辆180计算机210可以被编程为在自主模式下操作车辆180部件，诸如推进、制动和/或转向，以穿越所述路线。另外地或可选地，车辆180计算机210可以被编程为在半自主模式或非自主模式下操作车辆180，如参考图6论述。

如上文论述，路点120是道路130路面和/或十字路口160路面上的点。如图3所示，计算机210可以被编程为基于航拍图像110例如使用图像处理过程来确定多个路点120。如上文论述，道路130包括路段170。道路130路段170由在相应路段170的第一端和第二端处的第一路点和第二路点120指定。因此，道路130可以由在航拍图像110中识别的多个路点120指定。然而，指定道路130不一定需要基于航拍图像110而识别的每个单一路点120，因为道路130可以由最佳数量的路点120的定位坐标指定，如下文参考图4论述。

最佳数量的路点120是指足够拟合曲线的最小数量的路点120，所述曲线的误差不超过距道路130侧面中间点的预定误差阈值，例如，1米。换言之，当曲线拟合在道路130路段上的最佳数量的路点120上时，那么在拟合曲线上的任何地方，从拟合曲线上的点到道路130的相应侧面中间点的横向距离都不超过预定误差阈值。如图4所示，计算机210可以被编程为识别路段170c上的路点120d、120h以及路点120d、120h之间的多个其他路点。计算机210可以被编程为识别路点120d、120e、120f、120g和120h的最佳集合并且在路点120d、120e、120f、120g和120h的最佳集合上拟合曲线，以基于最大误差阈值(例如，1m)来确定道路130路段170c。因此，所选择的路点120d、120e、120f、120g和120h可以包括道路130路段170c上的第一路点120d和第二路点120h，并且拟合到第一路点120d和第二路点120h的曲线对应于第一路点120d与第二路点120h之间的道路130路段170c。“对应”意味着在拟合曲线上的任何地方，曲线上的点距道路130的中心的横向距离都不超过预定误差阈值，例如，1m。

计算机210和/或远程计算机可以被编程为至少部分地基于接收的lidar传感器230数据而生成和/或更新3d映射图，所述映射图覆盖接收的航拍图像110中包括的区域105。计算机210可以被编程为从车辆180gps传感器230接收车辆180定位坐标，并且将接收的车辆lidar传感器230数据和车辆180定位坐标存储在远程计算机中。远程计算机可以被编程为通过生成包括道路130以及包括交通标志和建筑物的道路130特征的定位坐标的3d映射图来生成区域105的3d映射图。换言之，3d映射图中包括的3d定位坐标可以包括点的gps定位坐标和点距地面的高度。

基于通过映射车辆180穿越区域105中的路线来收集到的lidar数据而生成3d映射图。计算机210可以例如使用已知的优化技术而编程为基于路点120来确定路线，使得穿越区域105的每条道路130的总驾驶距离最小化。换言之，计算机210可以被编程为优化用于穿越区域105的每个路点120的时间和/或燃料量。

计算机210可以被编程为确定车辆180路线以穿越所选择的路点120中的每一个至少某一预定次数(例如，3次)。多次穿越每个路点120可以提供来自例如建筑物、交通标志、桥、道路130边界等的更多数据，从而可以提高所生成的3d映射图的质量。本文中的质量指的是3d映射图中包括的3d定位坐标的准确性。

在图5所示的一个示例中，计算机210可以被编程为识别已经收集充分数据(例如，穿越3次)的路点120与已经收集不充分数据的路点120。例如，计算机210可以被编程为存储最佳数量的路点120中的每一个的穿越计数并且生成航拍混合图像500，所述航拍混合图像500示出未充分地穿越的路点510和充分地穿越的路点520。计算机210可以被编程为当相应路点120的穿越计数超过预定阈值(例如，3)时将路点120识别为充分地穿越并且当相应路点120的穿越计数小于预定阈值时将路点120识别为未充分地穿越。计算机210可以被编程为将图像500输出到显示装置，例如，车辆180hmi240。图像500可以包括具有叠加在多个路点120上的数据的区域105，并且路点120中的每一个上的叠加数据是基于相应路点120的穿越次数(或计数)。例如，计算机210可以被编程为基于针对每个路点120存储的穿越的计数而生成混合图像，诸如，包括相应区域105的航拍图像110和生成图像(例如，图像的虚线部分)的图像500。

计算机210可以编程为基于每个路点120的存储的穿越计数和预定最小次数的预期穿越(例如，3次)而生成区域105的路线。计算机210可以被编程为确定路线，使得具有小于阈值的穿越计数的路点120被包括在路线中。如上文论述，计算机210可以被编程为通过在自主模式下致动车辆180推进、制动和/或转向以穿越所生成的路线来导航车辆180。在另一示例中，计算机210可以被编程为基于所生成的路线而生成例如图像600，所述图像600包括叠加在道路130上的引导车辆180的数据(诸如，箭头)。因此，车辆180用户可以基于所生成的路线来导航车辆180，以从其中收集到不充分数据的路点120收集数据。

处理

图7是用于导航映射车辆的示例性过程700的流程图。车辆180计算机210可以被编程为执行过程700的框。

过程700在判定框710中开始，其中计算机210确定是否接收到航拍图像110数据。计算机210可以被编程为接收来自卫星140、远程计算机等的航拍图像110数据。如果计算机210确定接收到航拍图像110数据，那么过程700行进到框720；否则，过程700返回到判定框710。

在框720中，计算机210基于接收的航拍图像110数据而确定路点120。计算机210可以被编程为通过分析接收的航拍图像110数据来识别航拍图像110中包括的区域105中的路点120。

接下来，在框730中，计算机210选择最佳数量的路点120。计算机210可以被编程为识别最佳数量(或集合)的路点120d、120e、120f、120g和120h的，并且在路点120d、120e、120f、120g和120h的最佳集合上拟合曲线，以基于最大误差阈值(例如，1m)来确定道路130路段170c。

接下来，在框740中，计算机210确定车辆180路线以穿越所确定的路点120。计算机210可以被编程为确定车辆180路线以穿越所选择的路点120中的每一个至少某一预定次数(例如，3次)。计算机210可以被编程为确定车辆180路线，所述路线包括整个区域105，即，区域105内的所有路点120。另外地或可选地，计算机210可以被编程为确定车辆180路线，所述路线至少包括已经收集到不充分数据的路点120。

接下来，在框750中，计算机210导航车辆180穿越所确定的路线。车辆180计算机210可以被编程为通过致动部件(诸如推进、致动和/或转向)来导航车辆180在自主模式下穿越所述路径。另外地或可选地，车辆180计算机210可以被编程为在半自主模式或非自主模式下操作车辆180，例如，通过将指令输出到车辆180hmi240。

在框750之后，过程700结束，或者可选地，返回到判定框710，但图7中未示出。

如本文中论述的计算装置通常各自包括可由诸如上文所述的那些的一个或多个计算装置执行并且用于执行上述过程的框或步骤的指令。计算机可执行指令可以从使用各种编程语言和/或技术创建的计算机程序中编译或解译，所述编程语言和/或技术包括，但不限于，单独或组合的java^tm、c、c++、visualbasic、javascript、perl、html等。通常，处理器(例如，微处理器)例如从存储器、计算机可读介质等接收指令，并且执行这些指令，由此执行一个或多个过程，包括本文所述的过程中的一个或多个过程。可以使用各种计算机可读介质来存储和传输此类指令和其他数据。计算装置中的文件通常是存储在诸如存储介质、随机存取存储器等计算机可读介质上的数据的集合。

计算机可读介质包括参与提供可以由计算机读取的数据(例如，指令)的任何介质。此种介质可以采取许多形式，包括但不限于，非易失性介质、易失性介质等。非易失性介质包括例如光盘或磁盘以及其他持久性存储器。易失性介质包括通常构成主存储器的动态随机存取存储器(dram)。计算机可读介质的常见形式包括例如软盘、软磁盘、硬盘、磁带、任何其他磁性介质、cd-rom、dvd、任何其他光学介质、穿孔卡、纸带、任何其他具有孔图案的物理介质、ram、prom、eprom、flash-eeprom、任何其他存储芯片或盒式磁带，或者计算机可以从中读取的任何其他介质。

关于本文所述的介质、过程、系统、方法等，应当理解，虽然此类过程的步骤等已被描述为按照特定的顺序发生，但是可以在按照除本文所述顺序外的顺序执行所述步骤的情况下实践此类过程。还应理解，可以同时执行某些步骤，可以添加其他步骤，或可以省略本文所述的某些步骤。换言之，本文对系统和/或过程的描述是出于说明某些实施例的目的而提供的，并且绝不应当被解释为限制所公开的主题。

因此，应理解，本公开(包括以上描述和附图以及所附权利要求)意图说明，而非限制。在阅读以上描述后，本领域技术人员将明白除了所提供的示例外的很多实施例和应用。本发明的范围不应参考以上描述来确定，而是应参考附加到此和/或被包括在基于此的非临时专利申请中的权利要求以及享有此类权利要求的权利的等效物的完整范围来确定。本文所论述的领域中预期并且意图将出现未来的发展，并且所公开的系统和方法将合并到此类未来的实施例中。总而言之，应理解，所公开的主题能够进行更改和变化。

根据本发明，一种系统包括处理器和存储器，所述存储器存储指令，所述指令可由所述处理器执行以：通过分析区域的接收的航拍图像来确定用于映射所述区域的多个路点；选择用于映射的最佳数量的路点；以及致动车辆以穿越被确定为覆盖所述选择的路点的路线。

根据实施例，所述选择的路点中的每一个至少是在路面和十字路口上。

根据实施例，所述选择的路点包括路段上的第一点和第二点，并且拟合到所述第一点和所述第二点的曲线对应于所述第一点与所述第二点之间的所述路段。

根据实施例，所述指令还包括用于进行以下中的至少一个的指令：至少部分地基于接收的lidar传感器数据而生成和更新映射图，所述映射图覆盖所述接收的航拍图像中包括的区域。

根据实施例，所述映射图包括一条或多条道路以及包括交通标志和建筑物的道路特征的定位坐标。

根据实施例，所述指令还包括用于进行以下的指令：确定车辆路线以穿越所述选择的路点中的每一个至少某一预定次数。

根据实施例，所述指令还包括用于将图像输出到显示装置的指令，其中所述图像包括具有叠加在所述多个路点上的数据的所述区域，并且所述路点中的每一个上的所述叠加数据是基于相应路点的穿越次数。

根据实施例，所述指令还包括用于进行以下的指令：从车辆传感器接收车辆定位坐标；以及将接收的车辆传感器数据和车辆定位坐标存储在远程计算机中。

根据本发明，一种方法包括：通过分析区域的接收的航拍图像来确定用于映射所述区域的多个路点；选择用于映射的最佳数量的路点；以及致动车辆以穿越被确定为覆盖所述选择的路点的路线。

根据实施例，所述选择的路点中的每一个至少是在路面和十字路口上。

根据实施例，所述选择的路点包括路段上的第一点和第二点，并且拟合到所述第一点和所述第二点的曲线对应于所述第一点与所述第二点之间的所述路段。

根据实施例，上述发明的特征还在于以下中的至少一个：至少部分地基于接收的lidar传感器数据而生成和更新映射图，所述映射图覆盖所述接收的航拍图像中包括的区域。

根据实施例，所述映射图包括一条或多条道路以及包括交通标志和建筑物的道路特征的定位坐标。

根据实施例，上述发明的特征还在于，确定车辆路线以穿越所述选择的路点中的每一个至少某一预定次数。

根据实施例，上述发明的特征还在于，将图像输出到显示装置，其中所述图像包括具有叠加在所述多个路点上的数据的所述区域，并且所述路点中的每一个上的所述叠加数据是基于相应路点的穿越次数。

根据实施例，上述发明的特征还在于，从车辆传感器接收车辆定位坐标；以及将接收的车辆传感器数据和车辆定位坐标存储在远程计算机中。

根据本发明，提供一种系统，所述系统具有：车辆；用于通过分析区域的接收的航拍图像来确定用于映射所述区域的多个路点的构件；用于选择用于映射的最佳数量的所述路点的构件；以及用于致动车辆以穿越被确定为覆盖所述选择的路点的路线的构件。

根据实施例，所述选择的路点中的每一个至少是在路面和十字路口上。

根据实施例，上述发明的特征还在于，用于确定车辆路线以穿越所述选择的路点中的每一个至少某一预定次数的构件。

根据实施例，上述发明的特征还在于，用于将图像输出到显示装置的构件，其中所述图像包括具有叠加在所述多个路点上的数据的所述区域，并且所述路点中的每一个上的所述叠加数据是基于相应路点的穿越次数。