[发明专利]用于存储高精度地图的方法和装置

说明书

本发明提供了用于存储高精度地图的方法和装置。该方法可包括并且该装置可用于：获得高精度地图的道路模型；对于所述道路模型中的每一个道路区段，确定该道路区段中的每个对象的对象特征，所述对象特征包括所述对象的点云；以及将所述道路模型与所述对象特征存储在一个地图描述文件中。通过采用上述方法和装置，所获得的高精度地图具有相对较小的大小，能够容易且快速地下载。此外，可以按需选择性地使用高精度图地图中的各个对象的点云。

技术领域

本发明涉及高精度地图，更具体地，涉及用于存储高精度地图的方法和装置。

背景技术

高精度地图(High Definition Map)是指高精度、精细化定义的地图，其精度需要达到分米级才能够区分各个车道。如今随着定位技术的发展，高精度的定位已经成为可能。与传统电子地图不同，高精度地图的主要服务对象是无人驾驶车，或者说是机器驾驶员。和人类驾驶员不同，机器驾驶员缺乏与生俱来的视觉识别、逻辑分析能力。比如，人可以很轻松、准确地利用图像、GPS定位自己，鉴别障碍物、人、交通信号灯等，但这对当前的机器人来说都是非常困难的任务。因此，高精度地图是当前无人驾驶车技术中必不可少的一个组成部分。高精度地图包含大量行车辅助信息，其中，最重要的是对路网精确的三维表征(厘米级精度)。比如，路面的几何结构，道路标示线的位置，周边道路环境的点云模型等。有了这些高精度的三维表征，车载机器人就可以通过比对车载GPS、激光雷达(LiDAR)或摄像头数据来精确确认自己的当前位置。

一般而言，高精度地图被划分成两层：道路模型(Road Model)和特征图(FeatureMap)。图1示出了现有技术中的高精度地图的分层结构100。如图1中所解说的，第一层110是道路模型，其包括车道信息(诸如车道线的位置、类型、宽度等)。第二层120是特征图，其包括车道及其周边环境中的各个对象的点云信息，这些点云信息可被用于与无人驾驶车辆的实时测量数据进行比较以精确地确定无人驾驶车辆的当前位置。

当前，道路模型和特征图被分开地存储在两个地图描述文件中。为了将一个地图描述文件中的道路模型中的对象与该对象在另一地图描述文件中的特征(例如，点云)相关联，需要附加地建立索引表以建立两者的对应关系。此类索引表通常占用较大的存储空间。此外，特征图包含地图中的所有对象的点云。因此，当用户仅想要特定对象的点云时，该用户不得不首先加载包含特征图的整个地图描述文件，然后从中提取该特定对象的点云。这种做法将占用较多资源并且也是不方便的。

因此，希望提供一种新的存储高精度地图的方法，以便克服以上提及的缺点。

发明内容

提供本发明内容以便以简化形式介绍将在以下具体实施方式中进一步的描述一些概念。本发明内容并非旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。

根据本发明的一个实施例，提供了一种用于存储高精度地图的方法，该方法可包括：获得高精度地图的道路模型；对于所述道路模型中的每一个道路区段，确定该道路区段中的每个对象的对象特征，所述对象特征包括所述对象的点云；以及将所述道路模型与所述对象特征存储在一个地图描述文件中。

根据本发明的一个实施例，提供了一种用于存储高精度地图的装置，包括：获得单元，其配置成获得高精度地图的道路模型；确定单元，其配置成对于所述道路模型中的每一个道路区段，确定该道路区段中的每个对象的对象特征，所述对象特征包括所述对象的点云；以及存储单元，其配置成将所述道路模型与所述对象特征存储在一个地图描述文件中。

根据本发明的一个实施例，提供了一种用于存储高精度地图的装置，包括：存储器，所述存储器存储计算机可执行指令；以及处理器，所述处理器耦合至所述存储器并且被配置成：获得高精度地图的道路模型；对于所述道路模型中的每一个道路区段，确定该道路区段中的每个对象的对象特征，所述对象特征包括所述对象的点云；以及将所述道路模型与所述对象特征存储在一个地图描述文件中。