高精地图制作方法、装置、电子设备和存储介质与流程

本申请涉及信息处理技术领域，尤其涉及一种高精地图制作方法、装置、电子设备和存储介质。

背景技术：

相比于传统地图，高精度地图不仅提供了道路信息，还提供了车道信息，交通标志，以及这些道路的位置信息，精度比传统导航地图更高，因此广泛应用于自动驾驶。

现有技术中制作高精地图的方法为：获取道路的航迹线，手动对航迹线进行车道划分后，根据航迹线制作高精地图，但该方法完全依赖人工对航迹线进行车道划分，以及手动提取道路边界，耗时耗力，无法准确制作高精地图。

技术实现要素：

本申请提供一种高精地图制作方法、装置、电子设备和存储介质，以实现准确制作高精地图。

本申请提供一种高精地图制作方法，包括：

获取道路对应的航迹线及道路点云；

基于所述航迹线中各轨迹点的曲率特征值，对所述航迹线进行车道划分；所述曲率特征值是基于以各轨迹点为中心的区域内所有轨迹点的曲率确定的；

基于所述道路点云中各道路点的密度分布值，获取道路边界线；

基于车道划分后的航迹线，以及所述道路边界线，获取道路对应的高精地图。

根据本申请提供的一种高精地图制作方法，在基于所述航迹线中各轨迹点的曲率特征值，对所述航迹线进行车道划分之前，还包括：基于所述航迹线中各轨迹点的距离特征值，对所述航迹线进行去噪，具体包括：

基于所述航迹线中各轨迹点间的距离，获取各轨迹点的距离特征值；所述距离特征值用于表征各轨迹点间的聚集度；

基于非极大抑制算法，从航迹线各轨迹点中选取距离特征值大于距离预设值的轨迹点作为候选分割点集；

基于所述候选分割点集中各轨迹点的距离特征值，获取所述航迹线的首端异常分割点和尾端异常分割点，并以所述首端异常分割点和所述尾端异常分割点之间的航迹线作为去噪后的航迹线。

根据本申请提供的一种高精地图制作方法，基于所述航迹线中各轨迹点间的距离，获取各轨迹点的距离特征值，包括：

以各轨迹点为中心分别设置第一预设区域，将各第一预设区域均分为第一区域和第二区域；

基于各第一预设区域的距离方差差值，确定各第一预设区域中心轨迹点的距离特征值；所述距离方差差值是各第一预设区域中第一区域内所有轨迹点的距离方差与第二区域内所有轨迹点的距离方差的差值。

根据本申请提供的一种高精地图制作方法，基于所述候选分割点集中各轨迹点的距离特征值，获取所述航迹线的首端异常分割点和尾端异常分割点，包括：

将所述候选分割点集中的各轨迹点，按照对应距离特征值从大到小排序，选取排序在前的两个轨迹点作为待定分割点；

将位于航迹线首端的待定分割点作为所述首端异常分割点，以及位于航迹线尾端的待定分割点作为所述尾端异常分割点。

根据本申请提供的一种高精地图制作方法，基于所述航迹线中各轨迹点的曲率，对所述航迹线进行车道划分，包括：

基于所述航迹线中轨迹点的曲率，获取所述轨迹点的曲率特征值；

基于非极大抑制算法，从航迹线各轨迹点中选取曲率特征值小于曲率预设值的轨迹点作为航迹线直道和弯道的临界点；

基于所述临界点，对所述航迹线进行车道划分。

根据本申请提供的一种高精地图制作方法，基于所述航迹线中轨迹点的曲率，获取所述轨迹点的曲率特征值，包括：

以各轨迹点为中心分别设置第二预设区域，将各第二预设区域均分为第三区域和第四区域；

基于各第二预设区域的曲率差值，确定各第二预设区域中心轨迹点的曲率特征值；所述曲率差值是各第二预设区域中第三区域内所有轨迹点的曲率之和与第四区域内所有轨迹点的曲率之和的差值。

根据本申请提供的一种高精地图制作方法，基于所述临界点，对所述航迹线进行车道划分，包括：

以所述临界点为中心，在所述航迹线上确定预设长度的车道作为初始车道；所述预设长度是基于临界点左右两侧选取预设数量的轨迹点确定的；

计算所述初始车道上各轨迹点的曲率平均值，并以所述曲率平均值作为车道曲率；

基于所述车道曲率，对所述初始车道进行合并，并获取合并后的合并车道曲率；

若所述合并车道曲率小于预设曲率，则将所述合并车道划分为直道，否则将所述合并车道划分为弯道。

根据本申请提供的一种高精地图制作方法，基于所述车道曲率，对所述初始车道进行合并，并获取合并后的合并车道曲率，包括：

若两个相邻的初始车道的车道曲率之差的绝对值在预设范围内，则将所述两个相邻的初始车道合并，并以所述两个相邻的初始车道的车道曲率平均值作为合并后的车道曲率。

根据本申请提供的一种高精地图制作方法，基于所述道路点云中各道路点的密度分布值，获取道路边界线，包括：

基于密度聚类算法，获取所述密度分布值；

基于所述密度分布值，获取边界候选点；其中，所述边界候选点为密度分布值小于预设值的道路点；

基于随机抽样一致算法，对所述边界候选点进行线性拟合，获取道路边界直线。

本申请还提供一种高精地图制作装置，包括：

航迹线获取单元，用于获取待制作高精地图道路对应的航迹线及道路点云；

划分单元，用于基于所述航迹线中各轨迹点的曲率特征值，对所述航迹线进行车道划分；所述曲率特征值是基于以各轨迹点为中心的区域内所有轨迹点的曲率确定的；

边界提取单元，用于基于所述道路点云中各道路点的密度分布值，获取道路边界线；

地图获取单元，用于基于车道划分后的航迹线，以及所述道路边界线，获取道路对应的高精地图。

根据本申请提供的一种高精地图制作装置，还包括去噪单元，用于在基于所述航迹线中各轨迹点的曲率特征值，对所述航迹线进行车道划分之前，基于所述航迹线中各轨迹点的距离特征值，对所述航迹线进行去噪；所述去噪单元包括：

距离特征值获取单元，用于基于所述航迹线中各轨迹点间的距离，获取各轨迹点的距离特征值；所述距离特征值用于表征各轨迹点间的聚集度；

分割点获取单元，用于基于非极大抑制算法，从航迹线各轨迹点中选取距离特征值大于距离预设值的轨迹点作为候选分割点集；

分割单元，用于基于所述候选分割点集中各轨迹点的距离特征值，获取所述航迹线的首端异常分割点和尾端异常分割点，并以所述首端异常分割点和所述尾端异常分割点之间的航迹线作为去噪后的航迹线。

根据本申请提供的一种高精地图制作装置，所述划分单元，包括：

曲率特征值获取单元，用于基于所述航迹线中轨迹点的曲率，获取所述轨迹点的曲率特征值；

临界点获取单元，用于基于非极大抑制算法，从航迹线各轨迹点中选取曲率特征值小于曲率预设值的轨迹点作为航迹线直道和弯道的临界点；

车道获取单元，用于基于所述临界点，对所述航迹线进行车道划分。

根据本申请提供的一种高精地图制作装置，所述边界提取单元，包括：

密度值获取单元，用于基于密度聚类算法，获取所述密度分布值；

边界点确定单元，用于基于所述密度分布值，获取边界候选点；其中，所述边界候选点为密度分布值小于预设值的道路点；

拟合单元，用于基于随机抽样一致算法，对所述边界候选点进行线性拟合，获取道路边界直线。

本申请还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述高精地图制作方法的步骤。

本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述高精地图制作方法的步骤。

本申请提供的高精地图制作方法、装置、电子设备和存储介质，基于航迹线中各轨迹点的曲率特征值对航迹线进行车道划分，基于道路点云中各道路点的密度分布值，获取道路边界线，然后基于车道划分后的航迹线，以及道路边界线，获取对应道路的高精地图。由此可见，本申请基于航迹线各轨迹点曲率特征值，可以自动且准确对航迹线进行车道划分，基于各道路点的密度分布值自动获取道路边界线，进而准确获取对应的高精地图。

附图说明

为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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的附图。

图1是本申请提供的高精地图制作方法的流程示意图；

图2是本申请提供的高精地图界面示意图；

图3是本申请提供的高精地图制作方法中步骤120的实施方式的流程示意图；

图4是本申请提供的高精地图制作方法中步骤121的实施方式的流程示意图；

图5是本申请提供的高精地图制作方法中步骤123的实施方式的流程示意图；

图6是本申请提供的高精地图制作方法中步骤130的实施方式的流程示意图；

图7是本申请提供的高精地图制作方法中步骤131的实施方式的流程示意图；

图8是本申请提供的高精地图制作方法中步骤133的实施方式的流程示意图；

图9是本申请提供的高精地图制作方法中步骤140的实施方式的流程示意图；

图10是本申请提供的高精地图制作装置的结构示意图；

图11是本申请提供的高精地图制作装置的去噪单元的结构示意图；

图12是本申请提供的高精地图制作装置的划分单元的结构示意图；

图13是本申请提供的高精地图制作装置的边界提取单元的结构示意图；

图14是本申请提供的电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

相比于传统地图，高精度地图不仅提供了道路信息，还提供了车道信息，交通标志，以及这些道路的位置信息，精度比传统导航地图更高，因此广泛应用于自动驾驶。

现有技术中制作高精地图的方法为：获取道路的航迹线，手动对航迹线进行车道划分后，根据航迹线制作高精地图，但该方法完全依赖人工对航迹线进行车道划分，以及手动提取道路边界，耗时耗力，无法准确制作高精地图。

对此，本申请提供一种高精地图制作方法。如图1所示，该方法包括如下步骤：

步骤110、获取道路对应的航迹线及道路点云。

在本步骤中，需要说明的是，航迹线是指通过装备有激光雷达、相机、gps、imu等传感器的数据采集车采集的行驶轨迹，由于行驶轨迹是采集车在车道上行驶的轨迹，可以用于表征该车道的特征信息，因此根据航迹线可以制作高精度地图。由于采集设备的误差，导致航迹线的首端和尾端会出现异常轨迹点，这些异常轨迹点会影响高精地图的制作精度，因此需要对轨迹线进行去噪处理。同时，在高精地图应用于自动驾驶过程中，需要获取航迹线的直道和弯道信息，以便进行导航规划。

在本步骤中，道路点云是道路表面特性的海量点集合，道路点云可以表征道路的表面特征，如道路边界的特征，因此基于道路点云可以获取道路边界的信息，用于后续进行道路边界提取。

步骤120、基于航迹线中各轨迹点的曲率特征值，对航迹线进行车道划分；曲率特征值是基于以各轨迹点为中心的区域内所有轨迹点的曲率确定的。

在本步骤中，需要说明的是，由于航迹线可以表征对应车道中直道和弯道的特征信息，而直道和弯道的差异在于弯道的曲率大于直道的曲率，因此车航迹线中各轨迹点的曲率可以用于区分该轨迹点属于直道内的轨迹点或弯道内的轨迹点。此外，由于设备不稳定等因素造成的噪声，在航迹线中会存在异常点，例如属于弯道的异常轨迹点的曲率小于直道轨迹点的曲率，若仅根据单个轨迹点的曲率区分直道和弯道，则会将弯道的异常轨迹点划分为直道，影响车道划分的准确率。

因此，本实施例为了准确区分直道和弯道，基于航迹线中轨迹点的曲率特征值，进行车道划分；其中，曲率特征值是基于以各轨迹点为中心的区域内所有轨迹点的曲率确定的，例如特征值可以在以轨迹点为中心的预设区域内，获取预设区域内所有轨迹点的曲率平均值作为曲率特征值，或者将预设区域均分为2个子区域，分别获取2个子区域内所有轨迹点的曲率之和，以2个子区域曲率之和的差值作为曲率特征值。其中，曲率特征值越小，表明对应的轨迹点为直道和弯道的临界点的概率越大。

步骤130、基于道路点云中各道路点的密度分布值，获取道路边界线。

在本步骤中，需要说明的是，由于道路点云获取的根据道路表面各点的特征信息获取的数据，从而道路表面不同位置对应的点云密度分布也不同，例如道路边界对应的点云密度分布会小于道路中央对应的点云密度分布。因此，本实施例通过获取道路点云中各道路点的密度分布值，若密度分布值小于预设值，则表明对应的道路点为道路边界的概率较高。例如可以根据预设区域的平均密度分度值获取道路边界线，也可以设置密度分布阈值获取道路边界，本实施例对此不作具体限定。由于道路边界线可以为规则的直线，也可以为曲线，因此本实施例可以基于线性拟合获取直线，基于曲线拟合获取曲线。

步骤140、基于车道划分后的航迹线，获取道路对应的高精地图。

在本步骤中，在根据上述实施例进行车道划分后的航迹线，能够准确反映道路的特征信息，同时基于道路点云中各道路点的密度分布值可以自动生成道路边界，因此基于此能够获取精度较高的高精地图。

如图2所示，本实施例可以通过将步骤120、步骤130以及步骤140中的算法输入计算机程序，然后在界面上点击“拟合离散”，就可自动对航迹线进行去噪，并在界面上点击“添加属性”，就可自动进行车道划分，以及提取道路边界。通过生成bin文件，将高精地图的所有属性存储并输出，然后通过自动验证地图各种属性，保证输出的高精地图能够正常应用于自动驾驶。

本申请提供的高精地图制作方法，基于航迹线中各轨迹点的曲率特征值对航迹线进行车道划分，基于道路点云中各道路点的密度分布值，获取道路边界线，然后基于车道划分后的航迹线，以及道路边界线，获取对应道路的高精地图。由此可见，本申请基于航迹线各轨迹点曲率特征值，可以自动且准确对航迹线进行车道划分，基于各道路点的密度分布值自动获取道路边界线，进而准确获取对应的高精地图。

基于上述实施例，如图3所示，在执行步骤120之前，还包括基于航迹线中各轨迹点的距离特征值，对航迹线进行去噪，具体包括：包括：

步骤121、基于航迹线中各轨迹点间的距离，获取各轨迹点的距离特征值；所述距离特征值用于表征各轨迹点间的聚集度；

步骤122、基于非极大抑制算法，从航迹线各轨迹点中选取距离特征值大于距离预设值的轨迹点作为候选分割点集；

步骤123、基于候选分割点集中各轨迹点的距离特征值，获取航迹线的首端异常分割点和尾端异常分割点，并以首端异常分割点和所述尾端异常分割点之间的航迹线作为去噪后的航迹线。

在本步骤中，需要说明的是，航迹线中异常轨迹点相较于正常轨迹点，异常轨迹点的分布密集且不均匀，导致异常轨迹点之间的距离较小且距离分布不均，而正常轨迹点之间的距离较大且距离分布均匀。因此，本实施例基于航迹线中各轨迹点的距离特征值，可以确定航迹线中的正常轨迹点和异常轨迹点，进而对航迹线进行去噪；特征值用于表征航迹线中各轨迹点间的聚集度，例如特征值越大，表明对应轨迹点与其它轨迹点间的聚集程度较密。其中，距离特征值可以是任一轨迹点与其它轨迹点距离的平均值，也可以是任一轨迹点与其它轨迹点距离方差的差值，本实施例对此不作具体限定。然而，在分割点附近会存在多个干扰轨迹点，即干扰轨迹点的距离特征值与分割点的特征值相近，为了准确获取分割点，本实施例采用非极大抑制算法获取分割点，非极大值抑制算法(non-maximumsuppression，nms)的本质是搜索局部极大值，抑制非极大值元素。也就是，当判断分割点为极大值点时，则不会再对分割点附近的干扰轨迹点进行判断，从而抑制分割点附近的干扰轨迹点，精确获取分割点。

此外，由于航迹线首端异常分割点和尾端异常分割点附近的轨迹点较密集，即首端异常分割点和尾端异常分割点对应的距离特征值最大，因此，本实施例可以通过候选分割点集中轨迹点的特征值，获取航迹线的首端异常分割点和尾端异常分割点，进而可以将航迹线中的异常轨迹线去除，保留首端异常分割点和尾端异常分割点之间的航迹线作为正常航迹线，即去噪后的航迹线。

基于上述实施例，如图4所示，步骤121包括：

步骤121a、以各轨迹点为中心分别设置第一预设区域，将各第一预设区域均分为第一区域和第二区域；

步骤121b、基于各第一预设区域的距离方差差值，确定各第一预设区域中心轨迹点的距离特征值；距离方差差值是各第一预设区域中第一区域内所有轨迹点的距离方差与第二区域内所有轨迹点的距离方差的差值。

在本实施例中，由于正常轨迹线中各轨迹点间的距离分布均匀，而异常轨迹线中各轨迹点间的距离分布不均匀，因此，本实施例采用轨迹点的距离方差作为区分正常轨迹点和异常轨迹点的依据。距离方差是用于衡量各轨迹点间距离离散程度，即各轨迹点距离分布情况。

因此，本实施例在判断任一轨迹点是否为异常轨迹点时，以该轨迹点为中心，设置第一预设区域，并将第一预设区域均分为第一区域和第二区域。例如，第一预设区域可以设置为一个窗口，窗口中包含的轨迹点数占总点数的1/100。若第一区域内所有轨迹点的距离方差，与第二区域内所有轨迹点的距离方差相同，则表明第一区域内轨迹点分布与第二区域内轨迹点的分布情况相同，即预设区域内轨迹点均匀分布，是正常轨迹点的概率较大。反之，若第一区域内所有轨迹点的距离方差，与第二区域内所有轨迹点的距离方差相差较大，即两者差值越大，则表明第一预设区域内轨迹点分布不均匀，是异常轨迹点的概率较大。基于此，本实施例将第一区域与第二区域内轨迹点的距离方差作为各轨迹点的距离特征值，从而以各轨迹点的距离特征值准确判断是否属于正常轨迹点或异常轨迹点。

基于上述实施例，如图5所示，步骤123包括：

步骤123a、将候选分割点集中的各轨迹点，按照对应距离特征值从大到小排序，选取排序在前的两个轨迹点作为待定分割点；

步骤123b、将位于航迹线首端的待定分割点作为首端异常分割点，以及位于航迹线尾端的待定分割点作为尾端异常分割点。

在本实施例中，首端异常分割点和尾端异常分割点处的轨迹点分布比较密集且不均匀，即首端异常分割点和尾端异常分割点处对应的特征值大于其它轨迹点的特征值，因此本实施例中将候选分割点集中的各轨迹点，按照对应特征值从大到小排序，选取排序在前(即最大两个特征值)的两个轨迹点作为待定分割点。

在确定待定分割点之后，通过查询索引可以确定待定分割点的位置，从而可以将位于航迹线首端的待定分割点作为首端异常分割点，以及位于航迹线尾端的待定分割点作为尾端异常分割点，进而以首端异常分割点和尾端异常分割点之间的航迹线作为去噪后的航迹线。

基于上述实施例，如图6所示，步骤120包括：

步骤124、基于航迹线中轨迹点的曲率，获取轨迹点的曲率特征值；

步骤125、基于非极大抑制算法，从航迹线各轨迹点中选取曲率特征值小于曲率预设值的轨迹点作为航迹线直道和弯道的临界点；

步骤126、基于临界点，对航迹线进行车道划分。

在本实施例中，由于航迹线可以表征对应车道中直道和弯道的特征信息，而直道和弯道的差异在于弯道的曲率大于直道的曲率，因此航迹线中各轨迹点的曲率特征值可以用于区分该轨迹点属于直道内的轨迹点或弯道内的轨迹点。

此外，在直道和弯道临界点附近会存在多个干扰轨迹点，即干扰轨迹点的曲率特征值与临界点的特征值相近，为了准确获取分割点，本实施例采用非极大抑制算法获取分割点，当判断分割点为极大值点时，则不会再对临界点附近的干扰轨迹点进行判断，从而抑制临界点附近的干扰轨迹点，精确获取临界点。由于临界点是直道和弯道的临界点，因此临界点可以作为直道或弯道的起点或者终点，进而可以基于临界点将航迹线划分为若干个直道和弯道，实现对车道划分。

基于上述实施例，如图7所示，步骤124包括：

步骤124a、以各轨迹点为中心分别设置第二预设区域，将各第二预设区域均分为第三区域和第四区域；

步骤124b、基于各第二预设区域的曲率差值，确定各第二预设区域中心轨迹点的曲率特征值；曲率差值是各第二预设区域中第三区域内所有轨迹点的曲率之和与第四区域内所有轨迹点的曲率之和的差值。

在本实施例中，需要说明的是，基于设备采集的轨迹点，由于设备不稳定等因素会存在异常轨迹点，为了降低异常轨迹点的噪声干扰，准确对车道进行划分，本实施例基于各轨迹点的曲率获取各轨迹点的曲率特征值，具体为：以各轨迹点为中心，将第二预设区域均分为第三区域和第四区域，例如可以将第二预设区域设置为预设尺寸大小的窗口，该窗口以轨迹点为中心，将窗口均分为左右两个大小相同的第三区域和第四区域。其中，预设尺寸可以基于窗口内包含轨迹点的数量确定，如窗口内包含轨迹点的数量占轨迹点总数的1/8。在划分第三区域和第四区域后，分别计算第三区域内所有轨迹点的曲率之和，以及第四区域内所有轨迹点的曲率之和，求取两个区域内曲率之和的差值作为对应轨迹点的曲率特征值。由于曲率特征值考虑了第二预设区域内其它轨迹点的曲率，从而可以降低异常轨迹点带来的噪声影响，从而准确获取曲率特征值，同时由于曲率特征值作为区分直道和弯道临界点的依据，进而能够准确进行车道划分。

基于上述实施例，如图8所示，步骤126包括：

步骤126a、以临界点为中心，在航迹线上确定预设长度的车道作为初始车道；预设长度是基于临界点左右两侧选取预设数量的轨迹点确定的；

步骤126b、计算初始车道上各轨迹点的曲率平均值，并以曲率平均值作为车道曲率；

步骤126c、基于车道曲率，对初始车道进行合并，并获取合并后的合并车道曲率；

步骤126d、若合并车道曲率小于预设曲率，则将合并车道划分为直道，否则将合并车道划分为弯道。

在本实施例中，需要说明的是，由于临界点是直道和弯道划分的临界点，因此在确定临界点后，需要获取车道的长度，基于车道的长度和临界点，可以确定对应的直道范围或弯道范围。在本实施例中，以临界点为中心，在航迹线上确定预设长度的车道作为初始车道，其中预设长度是基于临界点左右两侧选取预设数量的轨迹点确定的，例如预设数量为轨迹点总数的1/8，则以临界点为中心，在左右两侧各选取预设数量轨迹点，确定初始车道的长度。在确定初始车道后，以初始车道上各轨迹点的曲率平均值作为车道曲率。

此外，由于初始车道中可能存在若干个连续的直道，而通常情况下车道曲率小于0.05时，则可以认为该车道为直道。因此，本实施例基于车道曲率，对初始车道进行合并，例如若存在两个相邻的连续初始车道，且两个连续初始车道的车道曲率均小于0.05，则表明两个初始车道均为直道，因此将两个初始车道合并为一个车道，并以两个初始车道的车道曲率平均值作为合并车道曲率。

在按照上述方法将车道合并后，航迹线被划分为若干个车道，在此基础上，需要对若干个车道进行直道和弯道的区分，由于直道和弯道的差异在于：弯道的曲率大于直道的曲率，因此以车道曲率作为最终区分直道和弯道的依据，即若合并车道曲率小于预设曲率(如合并车道曲率小于0.05)，则将合并车道划分为直道，否则将合并车道划分为弯道。

基于上述实施例，步骤126c包括：若两个相邻的初始车道的车道曲率之差的绝对值在预设范围内，则将两个相邻的初始车道合并，并以两个相邻的初始车道的车道曲率平均值作为合并后的车道曲率。

在本实施例中，需要说明的是，当车道曲率小于预设值(如0.05)时，则表明该车道为直道。由于各轨迹点在采集过程中存在误差，因此各轨迹点的曲率不同，从而基于各轨迹点曲率划分车道的车道曲率也不完全相同，但若完全按照车道曲率值进行划分车道，则会出现一个直道被划分为若干个连续的子直道的情况，使得车道划分结果不简洁直观。因此，本实施例设置一个预设范围，当两个相邻的初始车道的车道曲率之差的绝对值在预设范围内时，则表明两个初始车道的属性相同，因此将两个相邻的初始车道合并，并以两个相邻的初始车道的车道曲率平均值作为合并后的车道曲率，从而大幅度减少了车道划分的数量，提高车道划分的效率，而且由于采用本实施例进行车道合并后，使得车道划分更简洁直观，便于进行智能驾驶规划。

基于上述实施例，如图9所示，步骤130包括：

步骤131、基于密度聚类算法，获取密度分布值；

步骤132、基于密度分布值，获取边界候选点；其中，边界候选点为密度分布值小于预设值的道路点；

步骤133、基于随机抽样一致算法，对边界候选点进行线性拟合，获取道路边界直线。

在本实施例中，需要说明的是，密度聚类方法是只要样本点的密度大于某个阈值，则将该样本添加到最近的簇中。通过密度聚类算法可以克服基于距离的算法只能发现凸聚类的缺点，可以发现任意形状的聚类，而且对噪声数据不敏感。本实施例可以采用基于密度的聚类算法(density-basedspatialclusteringofapplicationswithnoise，dbscan)，也可以采用k均值聚类算法(k-meansclusteringalgorithm，k-means)，本实施例对此不作具体限定。其中，dbscan可以对任意形状的稠密数据集进行聚类，相对的k-means之类的聚类算法一般只适用于凸数据集，从而dbscan相较于其它密度聚类算法，能够更准确且快速实现对数据集进行密度聚类。

在基于密度聚类算法对道路点云进行聚类后，道路边界点云所在簇中点云个数，相较于道路中央所在簇中点云个数较少，即道路边界点云所在簇的密度较小，因此本实施例将密度分布值小于预设值的道路点作为边界候选点，从而能够从道路点云中准确筛选出道路边界点。可以理解的是，预设值可以根据实际情况具体设置，本实施例对此不作具体限定。

此外，随机抽样一致算法(randomsampleconsensus，ransac)可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。ransac的基本假设是：①数据由“局内点”组成，例如：数据的分布可以用一些模型参数来解释；②“局外点”是不能适应该模型的数据；③除此之外的数据属于噪声。由此可见，ransac能够鲁棒的估计模型参数，例如，它能从包含大量局外点的数据集中估计出高精度的参数。

下面对本申请提供的高精地图制作装置进行描述，下文描述的高精地图制作装置与上文描述的高精地图制作方法可相互对应参照。

基于上述实施例，如图10所示，本申请提供一种高精地图制作装置，该装置包括：

航迹线获取单元1010，用于获取道路对应的航迹线；

划分单元1020，用于基于航迹线中各轨迹点的曲率特征值，对航迹线进行车道划分；曲率特征值是基于以各轨迹点为中心的区域内所有轨迹点的曲率确定的；

边界提取单元1030，用于基于道路点云中各道路点的密度分布值，获取道路边界线；

地图获取单元1040，用于基于车道划分后的航迹线，以及道路边界线，获取道路对应的高精地图。

基于上述实施例，如图11所示，还包括去噪单元，用于在基于航迹线中各轨迹点的曲率特征值，对航迹线进行车道划分之前，基于航迹线中各轨迹点的距离特征值，对航迹线进行去噪；去噪单元包括：

距离特征值获取单元1021，用于基于航迹线中各轨迹点间的距离，获取各轨迹点的距离特征值；

分割点获取单元1022，用于基于非极大抑制算法，从航迹线各轨迹点中选取距离特征值大于距离预设值的轨迹点作为候选分割点集；

分割单元1023，用于基于候选分割点集中各轨迹点的距离特征值，获取航迹线的首端异常分割点和尾端异常分割点，并以首端异常分割点和尾端异常分割点之间的航迹线作为去噪后的航迹线。

基于上述实施例，距离特征值获取单元1021，包括：

第一区域划分单元，用于以各轨迹点为中心分别设置第一预设区域，将各第一预设区域均分为第一区域和第二区域；

第一计算单元，用于基于各第一预设区域的距离方差差值，确定各第一预设区域中心轨迹点的距离特征值；距离方差差值是各第一预设区域中第一区域内所有轨迹点的距离方差与第二区域内所有轨迹点的距离方差的差值。

基于上述实施例，分割单元1023，包括：

排序单元，用于将候选分割点集中的各轨迹点，按照对应距离特征值从大到小排序，选取排序在前的两个轨迹点作为待定分割点；

选取单元，用于将位于航迹线首端的待定分割点作为首端异常分割点，以及位于航迹线尾端的待定分割点作为尾端异常分割点。

基于上述实施例，如图12所示，划分单元1020，包括：

曲率特征值获取单元1024，用于基于航迹线中轨迹点的曲率，获取轨迹点的曲率特征值；

临界点获取单元1025，用于基于非极大抑制算法，从航迹线各轨迹点中选取曲率特征值小于曲率预设值的轨迹点作为航迹线直道和弯道的临界点；

车道获取单元1026，用于基于临界点，对航迹线进行车道划分。

基于上述实施例，曲率特征值获取单元1024，包括：

第二区域划分单元，用于以各轨迹点为中心分别设置第二预设区域，将各第二预设区域均分为第三区域和第四区域；

第二计算单元，用于基于各第二预设区域的曲率差值，确定各第二预设区域中心轨迹点的曲率特征值；曲率差值是各第二预设区域中第三区域内所有轨迹点的曲率之和与第四区域内所有轨迹点的曲率之和的差值。

基于上述实施例，车道获取单元1026，包括：

初始车道确定单元，用于以临界点为中心，在航迹线上确定预设长度的车道作为初始车道；预设长度是基于临界点左右两侧选取预设数量的轨迹点确定的；

曲率计算单元，用于计算初始车道上各轨迹点的曲率平均值，并以曲率平均值作为车道曲率；

车道合并单元，用于基于车道曲率，对初始车道进行合并，并获取合并后的合并车道曲率；

划分子单元，用于若合并车道曲率小于预设曲率，则将合并车道划分为直道，否则将合并车道划分为弯道。

基于上述实施例，车道合并单元，用于：若两个相邻的初始车道的车道曲率之差的绝对值在预设范围内，则将所述两个相邻的初始车道合并，并以所述两个相邻的初始车道的车道曲率平均值作为合并后的车道曲率。

基于上述实施例，如图13所示，边界提取单元1030，包括：

密度值获取单元1031，用于基于密度聚类算法，获取密度分布值；

边界点确定单元1032，用于基于密度分布值，获取边界候选点；其中，边界候选点为密度分布值小于预设值的道路点；

拟合单元1033，用于基于随机抽样一致算法，对边界候选点进行线性拟合，获取道路边界直线。

本申请实施例提供的高精地图制作装置用于执行上述高精地图制作方法，其实施方式与本申请提供的高精地图制作方法的实施方式一致，且可以达到相同的有益效果，此处不再赘述。

图14示例了一种电子设备的实体结构示意图，如图14所示，该电子设备可以包括：处理器(processor)1410、通信接口(communicationsinterface)1420、存储器(memory)1430和通信总线1440，其中，处理器1410，通信接口1420，存储器1430通过通信总线1440完成相互间的通信。处理器1410可以调用存储器1430中的逻辑指令，以执行高精地图制作方法，该方法包括：获取道路对应的航迹线及道路点云；基于所述航迹线中各轨迹点的曲率特征值，对所述航迹线进行车道划分；所述曲率特征值是基于以各轨迹点为中心的区域内所有轨迹点的曲率确定的；基于所述道路点云中各道路点的密度分布值，获取道路边界线；基于车道划分后的航迹线，以及所述道路边界线，获取道路对应的高精地图。

此外，上述的存储器1430中的逻辑指令可以通过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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请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)执行本申请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(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

本申请实施例提供的电子设备中的处理器810可以调用存储器1430中的逻辑指令，实现上述高精地图制作方法，其实施方式与本申请提供的高精地图制作方法的实施方式一致，且可以达到相同的有益效果，此处不再赘述。

另一方面，本申请还提供一种计算机程序产品，下面对本申请提供的计算机程序产品进行描述，下文描述的计算机程序产品与上文描述的高精地图制作方法可相互对应参照。

所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的高精地图制作方法，该方法包括：获取道路对应的航迹线及道路点云；基于所述航迹线中各轨迹点的曲率特征值，对所述航迹线进行车道划分；所述曲率特征值是基于以各轨迹点为中心的区域内所有轨迹点的曲率确定的；基于所述道路点云中各道路点的密度分布值，获取道路边界线；基于车道划分后的航迹线，以及所述道路边界线，获取道路对应的高精地图。

本申请实施例提供的计算机程序产品被执行时，实现上述高精地图制作方法，其实施方式与本申请提供的高精地图制作方法的实施方式一致，且可以达到相同的有益效果，此处不再赘述。

又一方面，本申请还提供一种非暂态计算机可读存储介质，下面对本申请提供的非暂态计算机可读存储介质进行描述，下文描述的非暂态计算机可读存储介质与上文描述的高精地图制作方法可相互对应参照。

本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的高精地图制作方法，该方法包括：获取道路对应的航迹线及道路点云；基于所述航迹线中各轨迹点的曲率特征值，对所述航迹线进行车道划分；所述曲率特征值是基于以各轨迹点为中心的区域内所有轨迹点的曲率确定的；基于所述道路点云中各道路点的密度分布值，获取道路边界线；基于车道划分后的航迹线，以及所述道路边界线，获取道路对应的高精地图。

本申请实施例提供的非暂态计算机可读存储介质上存储的计算机程序被执行时，实现上述高精地图制作方法，其实施方式与本申请提供的高精地图制作方法的实施方式一致，且可以达到相同的有益效果，此处不再赘述。

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。