角点提取、精度测评、载体定位方法、设备、介质及产品

技术领域

本公开实施例涉及地理数据处理技术领域，具体涉及一种角点提取、精度测评、载体定位方法、设备、介质及产品。

背景技术

随着无人驾驶技术的发展，道路标线(如车道虚线、转向箭头等)的自动化识别与提取已成为刚需，考虑到道路标线的几何形状多为规则矩形或角形，因此，道路标线的角点提取就变得至关重要。目前的角点提取方案都是基于采集的点云数据进行的角点提取，其中一种提取方案是基于深度学习、SVM(support vector machines，支持向量机)等分类器的角点提取，但该类方案需要大量的样本数据和强力的计算能力，还有一种方案是特征角点提取方案，如FAST(Features from Accelerated Segment Test，加速段测试的特征)角点提取方案等，该类角点提取方案的原理是若某像素与其周围邻域内足够多的像素点相差较大，则该像素可能是角点，此类方案提取的角点并没有实际的物理世界的意义，没法与现实世界的物体很好的对应，提取的角点较多，误提取的情况也很多。而且采集的点云数据由于激光雷达的扫描误差会具有一定的随机性，并且激光雷达扫描线是一根根的，具有稀疏性，并不能保证刚好扫描到道路标线上的角点，这些原因均会导致上述两种基于点云数据进行角点提取不够准确。

发明内容

本公开实施例提供一种角点提取、精度测评、载体定位方法、设备、介质及产品。

第一方面，本公开实施例中提供了一种角点提取方法。

具体的，所述角点提取方法，包括：

从目标区域的点云数据中提取语义信息，所述语义信息用于表征道路标识的物理含义；

基于所述语义信息，确定所表征的道路标识的预设形状；

使用所述语义信息对应的点云数据拟合所述预设形状，得到所表征的道路标识的线方程，所述线方程包括所表征的道路标识的边缘线；

确定所述线方程中任意两条相交的边缘线的交点坐标，作为所表征的道路标识的语义信息角点坐标。

结合第一方面，本公开在第一方面的第一种实现方式中，其中，所述基于所述语义信息，确定所表征的道路标识的预设形状，包括：

基于预存的各道路标识的预设形状和预设尺寸，得到所述语义信息所表征的道路标识的预设形状和预设寸尺；

所述使用所述语义信息对应的点云数据拟合所述预设形状，得到所表征的道路标识的线方程，包括：

使用所述语义信息对应的点云数据拟合所述预设尺寸的预设形状，得到所表征的道路标识的线方程。

结合第一方面和第一种实现方式，本公开在第一方面的第二种实现方式中，其中，所述确定所述线方程中任意两条相交的边缘线的交点坐标，包括：

根据所表征的道路标识的预设形状，获取相交于目标角点的两条边缘线的几何关系，所述目标角点为所表征的道路标识上的任一角点；

采用所述几何关系作为约束，优化所述目标角点对应的两条边缘线的线方程；

确定优化后的两条边缘线的线方程的交点坐标，作为所述目标角点的语义信息角点坐标。

第二方面，本公开实施例中提供了一种精度测评方法。

具体的，所述精度测评方法，包括：

根据上述的角点提取方法提取待测评地图区域内目标道路标识的语义信息角点坐标；

采集所述待测评地图区域内的目标道路标识的实际角点坐标；

计算所述语义信息角点坐标与所述实际角点坐标之间的误差，得到地图精度信息。

结合第二方面，本公开在第二方面的第一种实现方式中，其中，所述目标道路标识包括位于所述待测评地图区域内多个预设区域内的道路标识。

结合第二方面、第二方面的以上各种实现方式，本公开在第二方面的第二种实现方式中，其中，所述方法还包括：

将所述待测评地图区域划分为多个方形区域；

将每个方形区域内的中心区域和四角区域确定为预设区域。

结合第二方面、第二方面的以上各种实现方式，本公开在第二方面的第三种实现方式中，其中，所述计算所述语义信息角点与所述实际角点之间的误差，得到地图精度信息，包括：

计算同一角点对应的所述语义信息角点坐标与所述实际角点坐标之间的误差；

对各目标道路标识中各角点对应的误差进行加权平均计算，得到地图精度信息。

第三方面，本公开实施例提供了一种载体定位方法。

具体的，所述载体定位方法，包括：

获取载体采集的目标区域的第一点云数据，从所述第一点云数据中提取第一语义信息角点坐标；

从地图数据中获取所述目标区域的第二语义信息角点坐标；

计算所述第一语义信息角点坐标和所述第二语义信息角点坐标之间的对应关系，确定所述载体的位姿信息。

结合第三方面，本公开在第三方面的第一种实现方式中，其中，所述从地图数据中获取所述目标区域的第二语义信息角点坐标，包括：

从地图数据中获取所述目标区域的第二点云数据；

从所述第二点云数据中提取第二语义信息角点坐标。

第四方面，本公开实施例中提供了一种角点提取装置。

具体的，所述角点提取装置，包括：

第一提取模块，被配置为从目标区域的点云数据中提取语义信息，所述语义信息用于表征道路标识的物理含义；

第一确定模块，被配置为基于所述语义信息，确定所表征的道路标识的预设形状；

拟合模块，被配置为使用所述语义信息对应的点云数据拟合所述预设形状，得到所表征的道路标识的线方程，所述线方程包括所表征的道路标识的边缘线；

第二确定模块，被配置为确定所述线方程中任意两条相交的边缘线的交点坐标，作为所表征的道路标识的语义信息角点坐标。

结合第四方面，本公开在第四方面的第一种实现方式中，其中，第一确定模块，被配置为：

基于预存的各道路标识的预设形状和预设尺寸，得到所述语义信息所表征的道路标识的预设形状和预设寸尺；

所述拟合模块被配置为：

使用所述语义信息对应的点云数据拟合所述预设尺寸的预设形状，得到所表征的道路标识的线方程。

结合第四方面和第一种实现方式，本公开在第四方面的第二种实现方式中，其中，第二确定模块被配置为：

根据所表征的道路标识的预设形状，获取相交于目标角点的两条边缘线的几何关系，所述目标角点为所表征的道路标识上的任一角点；

采用所述几何关系作为约束，优化所述目标角点对应的两条边缘线的线方程；

确定优化后的两条边缘线的线方程的交点坐标，作为所述目标角点的语义信息角点坐标。

第五方面，本公开实施例中提供了一种精度测评装置。

具体的，所述精度测评装置，包括：

第二提取模块，被配置为基于所述待测评地图区域内的点云数据，提取待测评地图区域内目标道路标识的语义信息角点坐标，

采集模块，被配置为采集所述待测评地图区域内的目标道路标识的实际角点坐标；

第一计算模块，被配置为计算所述语义信息角点坐标与所述实际角点坐标之间的误差，得到地图精度信息。

结合第五方面，本公开在第五方面的第一种实现方式中，其中，所述目标道路标识包括位于所述待测评地图区域内多个预设区域内的道路标识。

结合第二方面、第五方面的以上各种实现方式，本公开在第五方面的第二种实现方式中，其中，所述装置还包括：

划分模块，被配置为将所述待测评地图区域划分为多个方形区域；

第三确定模块，被配置为将每个方形区域内的中心区域和四角区域确定为预设区域。

结合第五方面、第五方面的以上各种实现方式，本公开在第五方面的第三种实现方式中，其中，所述第一计算模块被配置为：

计算同一角点对应的所述语义信息角点坐标与所述实际角点坐标之间的误差；

对各目标道路标识中各角点对应的误差进行加权平均计算，得到地图精度信息。

第六方面，本公开实施例中提供了一种载体定位装置，所述装置包括：

第三提取模块，被配置为获取载体采集的目标区域的第一点云数据，从所述第一点云数据中提取第一语义信息角点坐标；

获取模块，被配置为从地图数据中获取所述目标区域的第二语义信息角点坐标；

第二计算模块，被配置为计算所述第一语义信息角点坐标和所述第二语义信息角点坐标之间的对应关系，确定所述载体的位姿信息。

结合第六方面，本公开在第六方面的第一种实现方式中，其中，所述获取模块被配置为：

从地图数据中获取所述目标区域的第二点云数据；

从所述第二点云数据中提取第二语义信息角点坐标。

第七方面，本公开实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条支持上述装置执行上述方法的计算机指令，所述处理器被配置为用于执行所述存储器中存储的计算机指令。

第八方面，本公开实施例提供了一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现上述任一方面所述的方法步骤。

第九方面，本公开实施例提供了一种计算机程序产品，包括计算机程序/指令，其中，该计算机程序/指令被处理器执行时实现上述任一方面所述的方法步骤。

第十方面，本公开实施例提供了一种导航方法，其中，基于电子地图获取至少基于起点、终点及路况情况计算的导航路线，基于所述导航路线和载体的定位对所述载体进行导航引导，所述载体的定位基于第三方面所述的方法实现的。

本公开实施例提供的技术方案可包括以下有益效果：

上述技术方案可以从目标区域的点云数据中提取语义信息，参考语义信息所表征道路标识的预设形状，将所述语义信息对应的点云数据拟合预设形状，得到所表征的道路标识的线方程，再通过求解线方程的交点得到所表征的道路标识的语义信息角点坐标，如此通过构建线方程的方式求解角点可以中和点云数据中的噪声，规避激光雷达扫描线由于稀疏性导致不能够扫描到角点的问题，最终提取出准确的语义信息角点坐标。

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，并不能限制本公开实施例。

附图说明

结合附图，通过以下非限制性实施方式的详细描述，本公开实施例的其它特征、目的和优点将变得更加明显。在附图中：

图1A示出根据本公开一实施方式的直线箭头的结构示意图。

图1B示出根据本公开一实施方式的高精地图制作系统的示意图。

图1C示出根据本公开一实施方式的一种载体定位场景示意图。

图2示出根据本公开一实施方式的电子设备的结构框图。

图3是适于用来实现根据本公开实施例所述方法的计算机系统的结构示意图。

图4示出根据本公开一实施方式的角点提取方法的流程图。

图5示出根据本公开一实施方式的精度测评方法的流程图。

图6示出根据本公开一实施方式的确定预设区域的示意图。

图7示出根据本公开一实施方式的载体定位方法的流程图。

图8示出根据本公开一实施方式的角点提取装置的结构框图。

图9示出根据本公开一实施方式的精度测评装置的结构框图。

图10示出根据本公开一实施方式的载体定位装置的结构框图。

具体实施方式

下文中，将参考附图详细描述本公开实施例的示例性实施方式，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施方式无关的部分。

在本公开实施例中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。

另外还需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开实施例。

上文提及，随着无人驾驶技术的发展，道路标线(如车道虚线、转向箭头等)的自动化识别与提取已成为刚需，考虑到道路标线的几何形状多为规则矩形或角形，因此，道路标线的角点提取就变得至关重要。目前的角点提取方案都是基于采集的点云数据进行的角点提取，其中一种提取方案是基于深度学习、SVM(support vector machines，支持向量机)等分类器的角点提取，但该类方案需要大量的样本数据和强力的计算能力，还有一种方案是特征角点提取方案，如FAST(Features from Accelerated SegmentTest，加速段测试的特征)角点提取方案等，该类角点提取方案的原理是若某像素与其周围邻域内足够多的像素点相差较大，则该像素可能是角点，此类方案提取的角点并没有实际的物理世界的意义，没法与现实世界的物体很好的对应，提取的角点较多，误提取的情况也很多。而且采集的点云数据由于激光雷达的扫描误差会具有一定的随机性，并且激光雷达扫描线是一根根的(激光雷达扫描线如图1A中虚线所示)，具有稀疏性，并不能保证刚好扫描到道路标线上的角点，这些原因均会导致使用上述两种方案基于点云数据进行角点提取都不够准确。

为了解决上述问题，本公开实施例提供了一种角点提取方案，可以提取出准确的语义信息角点坐标。

本公开实施例中，语义信息用于表征道路标识的物理含义，示例的，如图1A所示，从图1A所示直行箭头形状的点云数据中提取的语义信息为向前直行，用于表征道路标识即直行箭头标线的物理含义。语义信息角点指的是该语义信息所表征的道路标识的角点，如图1A所示，该语义信息所表征的道路标识即直行箭头标线10上的每个角点(图1A中的圆圈圈定的角点)就是语义信息角点坐标。

本公开提供的角点提取方案可以从目标区域的点云数据中提取用于表征道路标识的物理含义的语义信息，利用该语义信息对应的点云数据拟合所表征的道路标识的预设形状，得到所表征的道路标识的线方程，再通过求解线方程的交点得到所表征的道路标识的语义信息角点坐标，如此通过构建线方程的方式求解角点可以中和点云数据中的噪声，规避激光雷达扫描线由于稀疏性导致不能够扫描到角点的问题，最终提取出准确的语义信息角点坐标。

图1B示出根据本公开一实施方式的高精地图制作系统的示意图，如图1B所示，该系统包括配置有采集设备101的车辆和服务器102，采集设备101和服务器102之间通过网络进行数据传输。在车辆的行驶过程中，该车辆上的采集设备101可以实时采集得到采集数据如点云数据、图像数据等等，并将采集到的采集数据反送给服务器，服务器可以基于该采集数据进行高精地图的制作。高精地图的制作完成后，需要对评估高精地图的精度进行评估，在精度满足条件的情况下，就可以使用该高精地图定位载体的位置信息和姿态信息，进而精确地对该载体进行自动驾驶。本公开提供的角点提取方案就主要用于进行高精地图的精度评估和利用高精地图进行载体定位。比如，可以通过计算待测评高精地图区域内提取的语义信息角点坐标与实际角点坐标之间的误差来进行高精地图的精度计算；可以通过载体采集的数据中提取的语义信息角点坐标与高精地图区域内提取的语义信息角点坐标的比对，确定载体的位置信息和姿态信息，进而精确地对该载体进行自动驾驶。

图1C示出根据本公开一实施方式的一种车辆行驶场景示意图。如图1C所示，该载体为采集车辆也可以为自动驾驶车辆，该载体上安装的采集设备101，载体上的采集设备101可以在采集位姿下采集当前的道路环境数据，例如，图1C中所示的直行箭头标线等路标信息。

本公开实施例，该角点提取方法在用于高精地图的精度评估时，可以在服务器上执行，在此种场景下，图1C中所示的车辆为采集车辆，该采集车辆可以采集当前的道路环境数据，如图1C中所示的直行箭头标线等路标信息。该服务器从采集设备上获取道路环境数据进行高精地图制作之后，可以按照上述的角点提取方法，基于采集设备采集的道路环境数据如图1C中所示的直行箭头标线的点云数据提取出语义信息角点坐标，然后根据提取出的语义信息角点坐标与实际角点坐标之间的误差来进行高精地图的精度计算，因此提取的语义信息角点坐标需要很准确，才能计算得到准确的精度信息。

本公开实施例，该角点提取方法也可以用于载体定位场景，在图1C所示的场景下，载体上的采集设备101在当前的采集位姿下采集点云数据包括图1C所示的直线箭头103的点云数据，可以采用本公开的角点提取方法从该点云数据中提取到该采集位姿下该直线箭头103的语义信息角点坐标，将该采集位姿下语义信息角点坐标与高精地图中直线箭头103的语义信息角点坐标进行比对，就可以确定该采集设备101的采集位姿，也即该载体的位姿，因此，提取的语义信息角点坐标需要很准确，这样才能准确地确定载体的位姿，进而精确地控制该载体进行自动驾驶。这里需要说明的是，在载体定位场景中，该角点提取方法可以在服务器端执行，也可以在载体端执行，若在服务器端执行，则需要载体将采集的点云数据返回给服务器，这样服务器就可以基于该点云数据提取语义信息角点坐标，并与高精地图区域内提取的语义信息角点坐标进行比对，确定载体的位置信息和姿态信息，进而向该载体发送导航信息，精确地控制该载体进行自动驾驶。若在载体端执行，则载体可以基于其采集的点云数据提取语义信息角点坐标，并与服务器发送的高精地图区域内提取的语义信息角点坐标进行比对，确定载体的位置信息和姿态信息，进而精确地控制该载体进行自动驾驶。如确定该载体的位姿偏离预定车道时，可以控制该载体调整行驶角度回归预定车道。

本公开还公开了一种电子设备，图2示出根据本公开一实施方式的电子设备的结构框图，该电子设备可以是服务器也可以是无人驾驶车辆上的控制设备，如图2所示，所述电子设备200包括存储器201和处理器202；其中，

所述存储器201用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器202执行本公开中的方法步骤。

图3是适于用来实现根据本公开实施例所述方法的计算机系统的结构示意图。该计算机系统可以是服务器上的计算机系统，也可以是无人驾驶车辆上的控制设备的计算机系统。

如图3所示，计算机系统300包括处理单元301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行上述实施方式中的各种处理。在RAM303中，还存储有系统300操作所需的各种程序和数据。处理单元301、ROM302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。

以下部件连接至I/O接口305：包括键盘、鼠标等的输入部分306；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307；包括硬盘等的存储部分308；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器310上，以便于从其上读出的计算机程序根据需要被安装入存储部分308。其中，所述处理单元301可实现为CPU、GPU、TPU、FPGA、NPU等处理单元。

特别地，根据本公开的实施方式，本公开描述的方法可以被实现为计算机软件程序。例如，本公开的实施方式包括一种计算机程序产品，其包括有形地包含在及其可读介质上的计算机程序，所述计算机程序包含用于执行下文描述的方法的程序代码。在这样的实施方式中，该计算机程序可以通过通信部分309从网络上被下载和安装，和/或从可拆卸介质311被安装。

图4示出根据本公开一实施方式的角点提取方法的流程图，如图4所示，所述角点提取方法包括以下步骤S401-S404：

在步骤S401中，从目标区域的点云数据中提取语义信息，所述语义信息用于表征道路标识的物理含义；

在步骤S402中，基于所述语义信息，确定所表征的道路标识的预设形状；

在步骤S403中，使用所述语义信息对应的点云数据拟合所述预设形状，得到所表征的道路标识的线方程，所述线方程包括所表征的道路标识的边缘线；

在步骤S404中，确定所述线方程中任意两条相交的边缘线的交点坐标，作为所表征的道路标识的语义信息角点坐标。

在本公开一实施方式中，该目标区域指的是需要提取角点的道路标识所在的道路区域，比如说在高精地图的精度估计场景中，该目标区域可以是待测评的地图区域；在载体定位场景中，该目标区域可以是载体上的采集设备当前采集到的道路区域。

在本公开一实施方式中，点云数据一般是由激光雷达等3D扫描设备采集到的目标区域内若干点的信息，包括XYZ位置信息、RGB颜色信息和强度信息等，是一种多维度的复杂数据，目标区域的点云数据是指目标区域内各物体表面特性的海量点集合。

在本公开一实施方式中，所述语义信息指的是用于表征道路标识的物理含义的信息，示例的，从如图1A所示形状的点云中可以提取到的语义信息为直行箭头，其表征的道路标识为直行箭头标线。通常情况下，道路上的各道路标识的形状都是特定的，如直行箭头标线的形状都是直线箭头，左转标线的形状都是向左弯曲指向左边的箭头，故在提取该语义信息，得到该语义信息表征的道路标识后，就可以直接获取其表征的道路标识的预设形状。示例的，假设该语音信息所表征的道路标识为直行箭头标线，则可以得到该直行箭头标线10的预设形状如图1A中实线所示。

在本公开一实施方式中，语义信息对应的点云数据指的是能够提取出该语义信息的点云数据，也即该语音信息所表征道路标识的点云集合，这些点云集合可以形成该语音信息所表征道路标识的大概轮廓，使用这些点云集合拟合该预设形状，就可以得到该语音信息所表征道路标识的各条边缘线，可以使用线方程来描述所表征道路标识的各条边缘线。

在本公开一实施方式中，如图1A所示，该直行箭头标线10上的每个角点(图1A中的圆圈圈定的角点)均为该直行箭头标线上相应两条边缘线的交点，故可以将两条相交的边缘线的交点坐标确定为所述语音信息所表征道路标识的语义信息角点坐标。

这里需要说明的是，本实施方式中提到的坐标为3D坐标。

本实施方式可以采用点云语义分割技术，基于目标区域内的点云数据，提取用于表征道路标识的物理含义的语义信息，利用该语义信息对应的点云数据拟合所表征的道路标识的预设形状，得到所表征的道路标识的线方程，再通过求解线方程的交点得到所表征的道路标识的语义信息角点坐标，如此通过构建线方程的方式求解角点可以中和点云数据中的噪声，规避激光雷达扫描线由于稀疏性导致不能够扫描到角点的问题，最终提取出准确的语义信息角点坐标。其与现有使用深度学习或SVM等分类器的角点提取方法相比，计算方案更简单，节省计算资源；与特征角点提取方案相比，本实施方式基于语义信息进行角点提取，提取的角点更准确。

在本公开一实施方式中，为了更准确地提取到语义信息角点，上述角点提取方法中的步骤S402即所述基于所述语义信息，确定所表征的道路标识的预设形状，可以包括以下步骤：

基于预存的各道路标识的预设形状和预设尺寸，得到所述语义信息所表征的道路标识的预设形状和预设寸尺；

所述步骤S403即使用所述语义信息对应的点云数据拟合所述预设形状，得到所表征的道路标识的线方程，可以包括以下步骤：

使用所述语义信息对应的点云数据拟合所述预设尺寸的预设形状，得到所表征的道路标识的线方程。

在该实施方式中，道路上的各道路标识的大小和形状的设置都是有标准的，故可以基于各道路标识的设置标准，预先存储各道路标识的预设形状和预设尺寸；这样，在提取该语义信息，得到该语义信息表征的道路标识后，就可以直接获取其表征的道路标识的预设形状预设尺寸。

在该实施方式中，为了使该语义信息所表征的道路标识的线方程更准确，在拟合该线方程中的边缘线时，会按照该语义信息所表征的道路标识的预设尺寸和预设形状进行拟合。

在本公开一实施方式中，上述角点提取方法中的步骤S404即确定所述线方程中任意两条相交的边缘线的交点坐标，作为所表征的道路标识的语义信息角点坐标，还可以包括以下步骤：

根据所表征的道路标识的预设形状，获取相交于目标角点的两条边缘线的几何关系，所述目标角点为所表征的道路标识上的任一角点；

采用所述几何关系作为约束，优化所述目标角点对应的两条边缘线的线方程；

确定优化后的两条边缘线的线方程的交点坐标，作为所述目标角点的语义信息角点坐标。

在该实施方式中，该目标角点指的是该语义信息所表征道路标识上的任意一个角点，该目标角点处有该道路标识上两条边缘线相交，示例的，假设该目标角点为图1A中的角点11，则相交于该角点11处的两条边缘线为第一边缘线12和第二边缘线13，根据图1A所示的直线箭头的形状，可以得到该第一边缘线12和第二边缘线13的几何关系为同一平面上的垂直关系。

在该实施方式中，得到相交于目标角点的两条边缘线的几何关系后，就可以基于该几何关系对该目标角点对应的两条边缘线的线方程的空间关系进行优化，使得该两条边缘线的线方程的空间关系趋近于该两条边缘线的几何关系，如此得到的两条边缘线的线方程就更准确，求解优化后的线方程的交点坐标即可得到该目标角点的语义信息角点坐标，由于优化后的线方程就更准确，故基于此求解得到的义信息角点坐标也就更准确。

本实施方式通过语义信息所表征道路标识的预设形状确定目标角点的两条边缘线的几何关系，使用该几何关系约束目标角点处的两条边缘线的空间关系来修正线方程的拟合误差，使最终得到的语义信息角点坐标也就更准确。

本公开提取的高精度的角点可以应用于地图的精度测评和载体定位，故本公开还提供一种精度测评方法和载体定位方法。

图5示出根据本公开一实施方式的精度测评方法的流程图，如图5所示，所述精度测评方法包括以下步骤S501-S503：

在步骤S501中，提取待测评地图区域内目标道路标识的语义信息角点坐标；

在步骤S502中，采集所述待测评地图区域内的目标道路标识的实际角点坐标；

在步骤S503中，计算所述语义信息角点坐标与所述实际角点坐标之间的误差，得到地图精度信息。

在该实施方式中，所述精度测评方法可适用于可执行地图精度测评的计算机、计算设备、电子设备、服务器、服务集群等电子设备。

在本公开一实施方式中，可以参考上述实施例中的角点提取方法，基于该待测评地图区域的地图数据中的点云数据，提取该待测评地图区域内目标道路标识的语义信息角点坐标，在此不再赘述。

在本公开一实施方式中，可以使用传统测绘方式比如PPP(PrecisePointPositioning，精密单点定位)、RTK(Real-time kinematic，实时差分定位)等定位技术，直接获得目标道路标识上的实际角点的坐标(如经纬度和高度值)。

在本公开一实施方式中，可以计算待测评地图区域内同一个角点对应的所述语义信息角点坐标与所述实际角点坐标之间的误差，这些误差就反映了待测评地图区域与实际地理区域之间的差距，将这个差距作为该地图的精度信息。

本实施方式可以使用上述实施例中的角点提取方法从地图数据中提取到高精度的语义信息角点坐标，故据此计算得到的地图的精度信息也就更能反应该地图的精度情况，更准确。

在本公开一实施方式中，上述精度测评方法中，所述目标道路标识包括位于所述待测评地图区域内多个预设区域内的道路标识。

在该实施方式中，如果该待测评地图区域很大，获取该待测评地图区域内所有道路标识的语义信息角点坐标和实际角点坐标，计算量就会太大，故，为了减少计算量，可以从该待测评地图区域中选择多个预设区域，仅提取这多个预设区域内的道路标识的语义信息角点坐标和采集这多个预设区域内的道路标识的实际角点坐标，计算这多个预设区域内同一个角点对应的所述语义信息角点坐标与所述实际角点坐标之间的误差作为地图精度信息。

在本公开一实施方式中，上述精度测评方法还可以包括以下步骤：

将所述待测评地图区域划分为多个方形区域；

将每个方形区域内的中心区域和四角区域确定为预设区域。

在该实施方式中，可以将该待测评地图区域划分为多个如图5所示的方形区域61，将每个方形区域61内的中心区域610和四角区域即区域611、区域612、区域613和区域614确定为预设区域，如此选择出的预设区域分布较为均匀，计算出的误差能够更准确地反应出地图精度。示例的，如图4所示，该方形区域61可以是1000mⅹ1000m的区域，该中心区域610可以是以方形区域的中心点为圆点，半径为20m的圆形区域，该四角区域可以是分别以方形区域的四角点为圆点，半径为20m的圆形区域。

在本公开一实施方式中，上述精度测评方法中的步骤S503还可以包括以下步骤：

计算同一角点对应的所述语义信息角点坐标与所述实际角点坐标之间的误差；

对各目标道路标识中各角点对应的误差进行加权平均计算，得到地图精度信息。

在该实施方式中，该待测评地图区域内包含有若干目标道路标识，每个目标道路标识上也包含有若干角点，可以先计算同一角点对应的所述语义信息角点坐标与所述实际角点坐标之间的误差，然后将该待测评地图区域内的各角点对应的误差进行加权平均计算，得到地图精度信息。

在该实施方式中，可以为不同道路标识的角点设置不同的权重值，如可以将直行箭头标线和转向箭头的角点的权重设置为较大值，将车道虚线的角点的设置为较小值等等。或者也可以为不同区域的道路标识的角点设置不同的权重值，如将车流量较多的重要区域的道路标识的角点的权重设置为较大值，将车流量较少的区域的道路标识的角点的权重设置为较小值等等。

图7示出根据本公开一实施方式的载体定位方法的流程图，如图7所示，所述载体定位方法包括以下步骤S701-S703：

在步骤S701中，获取载体采集的目标区域的第一点云数据，从所述第一点云数据中提取第一语义信息角点坐标；

在步骤S702中，从地图数据中获取所述目标区域的第二语义信息角点坐标；

在步骤S703中，计算所述第一语义信息角点坐标和所述第二语义信息角点坐标之间的映射关系，确定所述载体的位姿信息。

在该实施方式中，所述载体定位方法可适用于可执行载体定位的计算机、计算设备、电子设备、服务器、服务集群等电子设备。

在该实施方式中，该载体可以是机器人或自动驾驶车辆，该载体上可以设置有激光雷达来采集目标区域的第一点云数据，该目标区域指的是该载体所在的区域，当自动驾驶移动的载体在某一道路上行驶的过程中，通过其上设置的激光雷达对该道路区域进行扫描，得到该道路区域的第一点云数据。

在该实施方式中，可以按照上述实施例中所述的角点提取方法，从第一点云数据中提取语义信息角点坐标，得到第一语义信息角点坐标。

在该实施方式中，地图数据库存储的地图数据中包括地图上各区域的语义信息角点坐标，可以从地图数据中获取目标区域的第二语义信息角点坐标。

在该实施方式中，该第一语义信息角点坐标是载体在相应位姿下采集到的，该第二语义信息角点坐标是地图中的角点坐标，故通过相匹配的第一语义信息角点坐标和所述第二语义信息角点坐标之间的对应关系，就可以计算得到采集该第一语义信息角点坐标的载体的位姿信息，该相匹配的第一语义信息角点坐标和所述第二语义信息角点坐标指的是同一角点的第一语义信息角点坐标和所述第二语义信息角点坐标，该载体的位姿信息包括位置信息和姿态信息。得到载体的位姿信息后，就得到精确地对该载体进行自动驾驶。

在一种可能的实施方式中，上述载体定位方法中的步骤S702，即所述从地图数据中获取所述目标区域的第二语义信息角点坐标的步骤，还可以包括以下步骤：

从地图数据中获取所述目标区域的第二点云数据；

从所述第二点云数据中提取第二语义信息角点坐标。

在该实施方式中，若该地图数据中未存储语义信息角点坐标，则可以先从该地图数据中获取该目标区域的第二点云数据，然后按照上述实施例中所述的角点提取方法，从第二点云数据中提取语义信息角点坐标，得到第二语义信息角点坐标。

下述为本公开装置实施例，可以用于执行本公开方法实施例。

图8示出根据本公开一实施方式的角点提取装置的结构框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图8所示，所述角点提取装置包括：

第一提取模块801，被配置为从目标区域的点云数据中提取语义信息，所述语义信息用于表征道路标识的物理含义；

第一确定模块802，被配置为基于所述语义信息，确定所表征的道路标识的预设形状；

拟合模块803，被配置为使用所述语义信息对应的点云数据拟合所述预设形状，得到所表征的道路标识的线方程，所述线方程包括所表征的道路标识的边缘线；

第二确定模块804，被配置为确定所述线方程中任意两条相交的边缘线的交点坐标，作为所表征的道路标识的语义信息角点坐标。

在本公开一实施方式中，该目标区域指的是需要提取角点的道路标识所在的道路区域，比如说在高精地图的精度估计场景中，该目标区域可以是待测评的地图区域；在载体定位场景中，该目标区域可以是载体上的采集设备当前采集到的道路区域。

在本公开一实施方式中，点云数据一般是由激光雷达等3D扫描设备采集到的目标区域内若干点的信息，包括XYZ位置信息、RGB颜色信息和强度信息等，是一种多维度的复杂数据，目标区域的点云数据是指目标区域内各物体表面特性的海量点集合。

在本公开一实施方式中，所述语义信息指的是用于表征道路标识的物理含义的信息，示例的，从如图1A所示形状的点云中可以提取到的语义信息为直行箭头，其表征的道路标识为直行箭头标线。通常情况下，道路上的各道路标识的形状都是特定的，如直行箭头标线的形状都是直线箭头，左转标线的形状都是向左弯曲指向左边的箭头，故在提取该语义信息，得到该语义信息表征的道路标识后，就可以直接获取其表征的道路标识的预设形状。示例的，假设该语音信息所表征的道路标识为直行箭头标线，则可以得到该直行箭头标线10的预设形状如图1A中实线所示。

在本公开一实施方式中，语义信息对应的点云数据指的是能够提取出该语义信息的点云数据，也即该语音信息所表征道路标识的点云集合，这些点云集合可以形成该语音信息所表征道路标识的大概轮廓，使用这些点云集合拟合该预设形状，就可以得到该语音信息所表征道路标识的各条边缘线，可以使用线方程来描述所表征道路标识的各条边缘线。

在本公开一实施方式中，如图1A所示，该直行箭头标线10上的每个角点(图1A中的圆圈圈定的角点)均为该直行箭头标线上相应两条边缘线的交点，故可以将两条相交的边缘线的交点坐标确定为所述语音信息所表征道路标识的语义信息角点坐标。

这里需要说明的是，本实施方式中提到的坐标为3D坐标。

本实施方式可以采用点云语义分割技术，基于目标区域内的点云数据，提取用于表征道路标识的物理含义的语义信息，利用该语义信息对应的点云数据拟合所表征的道路标识的预设形状，得到所表征的道路标识的线方程，再通过求解线方程的交点得到所表征的道路标识的语义信息角点坐标，如此通过构建线方程的方式求解角点可以中和点云数据中的噪声，规避激光雷达扫描线由于稀疏性导致不能够扫描到角点的问题，最终提取出准确的语义信息角点坐标。其与现有使用深度学习或SVM等分类器的角点提取方法相比，计算方案更简单，节省计算资源；与特征角点提取方案相比，本实施方式基于语义信息进行角点提取，提取的角点更准确。

在本公开一可能的实施方式中，第一确定模块802，被配置为：

基于预存的各道路标识的预设形状和预设尺寸，得到所述语义信息所表征的道路标识的预设形状和预设寸尺；

所述拟合模块803被配置为：

使用所述语义信息对应的点云数据拟合所述预设尺寸的预设形状，得到所表征的道路标识的线方程。

在该实施方式中，道路上的各道路标识的大小和形状的设置都是有标准的，故可以基于各道路标识的设置标准，预先存储各道路标识的预设形状和预设尺寸；这样，在提取该语义信息，得到该语义信息表征的道路标识后，就可以直接获取其表征的道路标识的预设形状预设尺寸。

在该实施方式中，为了使该语义信息所表征的道路标识的线方程更准确，在拟合该线方程中的边缘线时，会按照该语义信息所表征的道路标识的预设尺寸和预设形状进行拟合。

在本公开一可能的实施方式中，第二确定模块804被配置为：

根据所表征的道路标识的预设形状，获取相交于目标角点的两条边缘线的几何关系，所述目标角点为所表征的道路标识上的任一角点；

采用所述几何关系作为约束，优化所述目标角点对应的两条边缘线的线方程；

确定优化后的两条边缘线的线方程的交点坐标，作为所述目标角点的语义信息角点坐标。

在该实施方式中，该目标角点指的是该语义信息所表征道路标识上的任意一个角点，该目标角点处有该道路标识上两条边缘线相交，示例的，假设该目标角点为图1A中的角点11，则相交于该角点11处的两条边缘线为第一边缘线12和第二边缘线13，根据图1A所示的直线箭头的形状，可以得到该第一边缘线12和第二边缘线13的几何关系为同一平面上的垂直关系。

在该实施方式中，得到相交于目标角点的两条边缘线的几何关系后，就可以基于该几何关系对该目标角点对应的两条边缘线的线方程的空间关系进行优化，使得该两条边缘线的线方程的空间关系趋近于该两条边缘线的几何关系，如此得到的两条边缘线的线方程就更准确，求解优化后的线方程的交点坐标即可得到该目标角点的语义信息角点坐标，由于优化后的线方程就更准确，故基于此求解得到的义信息角点坐标也就更准确。

本实施方式通过语义信息所表征道路标识的预设形状确定目标角点的两条边缘线的几何关系，使用该几何关系约束目标角点处的两条边缘线的空间关系来修正线方程的拟合误差，使最终得到的语义信息角点坐标也就更准确。

图9示出根据本公开一实施方式的精度测评装置的结构框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图9所示，所述精度测评装置包括：

第二提取模块901，被配置为基于所述待测评地图区域内的点云数据，提取待测评地图区域内目标道路标识的语义信息角点坐标，

采集模块902，被配置为采集所述待测评地图区域内的目标道路标识的实际角点坐标；

第一计算模块903，被配置为计算所述语义信息角点坐标与所述实际角点坐标之间的误差，得到地图精度信息。

在一种可能的实施方式中，所述目标道路标识包括位于所述待测评地图区域内多个预设区域内的道路标识。

在该实施方式中，所述精度测评装置可适用于可执行地图精度测评的计算机、计算设备、电子设备、服务器、服务集群等电子设备。

在本公开一实施方式中，可以参考上述实施例中的角点提取方法，基于该待测评地图区域的地图数据中的点云数据，提取该待测评地图区域内目标道路标识的语义信息角点坐标，在此不再赘述。

在本公开一实施方式中，可以使用传统测绘方式比如PPP(PrecisePointPositioning，精密单点定位)、RTK(Real-time kinematic，实时差分定位)等定位技术，直接获得目标道路标识上的实际角点的坐标(如经纬度和高度值)。

在本公开一实施方式中，可以计算待测评地图区域内同一个角点对应的所述语义信息角点坐标与所述实际角点坐标之间的误差，这些误差就反映了待测评地图区域与实际地理区域之间的差距，将这个差距作为该地图的精度信息。

本实施方式可以使用上述实施例中的角点提取方法提取到高精度的语义信息角点坐标，故据此计算得到的地图的精度信息也就更准确。

在一种可能的实施方式中，所述装置还包括：

划分模块，被配置为将所述待测评地图区域划分为多个方形区域；

第三确定模块，被配置为将每个方形区域内的中心区域和四角区域确定为预设区域。

在该实施方式中，如果该待测评地图区域很大，获取该待测评地图区域内所有道路标识的语义信息角点坐标和实际角点坐标，计算量就会太大，故，为了减少计算量，可以从该待测评地图区域中选择多个预设区域，仅提取这多个预设区域内的道路标识的语义信息角点坐标和采集这多个预设区域内的道路标识的实际角点坐标，计算这多个预设区域内同一个角点对应的所述语义信息角点坐标与所述实际角点坐标之间的误差作为地图精度信息。

在一种可能的实施方式中，所述第一计算模块903被配置为：

计算同一角点对应的所述语义信息角点坐标与所述实际角点坐标之间的误差；

对各目标道路标识中各角点对应的误差进行加权平均计算，得到地图精度信息。

在该实施方式中，可以将该待测评地图区域划分为多个如图6所示的方形区域61，将每个方形区域61内的中心区域610和四角区域即区域611、区域612、区域613和区域614确定为预设区域，如此选择出的预设区域分布较为均匀，计算出的误差能够更准确地反应出地图精度。示例的，如图4所示，该方形区域61可以是1000mⅹ1000m的区域，该中心区域610可以是以方形区域的中心点为圆点，半径为20m的圆形区域，该四角区域可以是分别以方形区域的四角点为圆点，半径为20m的圆形区域。

图10示出根据本公开一实施方式的载体定位装置的结构框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图10所示，所述载体定位装置包括：

第二提取模块1001，被配置为获取载体采集的目标区域的第一点云数据，从所述第一点云数据中提取第一语义信息角点坐标；

获取模块1002，被配置为从地图数据中获取所述目标区域的第二语义信息角点坐标；

第二计算模块1003，被配置为计算所述第一语义信息角点坐标和所述第二语义信息角点坐标之间的对应关系，确定所述载体的位姿信息。

在该实施方式中，所述载体定位装置可适用于可执行载体定位的计算机、计算设备、电子设备、服务器、服务集群等电子设备。

在该实施方式中，该待测评地图区域内包含有若干目标道路标识，每个目标道路标识上也包含有若干角点，可以先计算同一角点对应的所述语义信息角点坐标与所述实际角点坐标之间的误差，然后将该待测评地图区域内的各角点对应的误差进行加权平均计算，得到地图精度信息。

在该实施方式中，可以为不同名称的道路标识的角点设置不同的权重值，如可以将直行箭头标线和转向箭头的角点的权重设置为较大值，将车道虚线的角点的设置为较小值等等。或者也可以为不同区域的道路标识的角点设置不同的权重值，如将车流量较多的重要区域的道路标识的角点的权重设置为较大值，将车流量较少的区域的道路标识的角点的权重设置为较小值等等。

在一种可能的实施方式中，所述第二获取模块1002被配置为：

从地图数据中获取所述目标区域的第二点云数据；

从所述第二点云数据中提取第二语义信息角点坐标。

在该实施方式中，若该地图数据中未存储语义信息角点坐标，则可以先从该地图数据中获取该目标区域的第二点云数据，然后按照上述实施例中所述的角点提取方法，从第二点云数据中提取语义信息角点坐标，得到第二语义信息角点坐标。

本公开实施例还公开了一种导航服务，其中，基于上述的载体定位方法确定载体的定位，并基于所述载体的定位为所述载体提供相应场景的导航引导服务。其中，所述相应场景为AR导航或者高架导航或者主辅路导航中的一种或多种的组合。

本公开实施例还公开了一种导航方法，其中，基于电子地图获取至少基于起点、终点及路况情况计算的导航路线，基于所述导航路线和载体的定位对所述载体进行导航引导，所述载体的定位上述的载体定位方法实现的。

附图中的流程图和框图，图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。

作为另一方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开实施例的方法。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。