地圖生成方法和裝置的制造方法
【技術領域】
[0001]本申請涉及交通及通信技術領域，具體涉及電子地圖領域，尤其涉及地圖生成方法和裝置。
【背景技術】
[0002]隨著網絡技術、通信技術以及地理信息系統技術的快速發展，電子地圖已經成為人們日常出行不可或缺的重要部分。現有的電子地圖制作過程往往需要通過專業的電子地圖數據采集團隊和車輛進行數據采集，然后將采集的數據進行整理和編輯，最后生成和更新電子地圖，因此，整個制作過程需要投入大量的人力和物力，且數據采集范圍僅限于電子地圖數據采集團隊和車輛到達的地理范圍。此外，由于數據采集過程中受測量成本、測量遺漏等因素的影響，因此道路測量點往往比較稀疏，因此嚴重影響生成的電子地圖的精度和準確性。
【發明內容】
[0003]本申請的目的在于提出一種改進的地圖生成方法和裝置，來解決以上【背景技術】部分提到的技術問題。
[0004]第一方面，本申請提供了一種地圖生成方法，所述方法包括:接收至少一輛車輛在行駛過程中的GPS數據和行駛狀況信息;將各車輛的GPS數據進行分析處理，得到道路線路；對各車輛的行駛狀況信息進行分析得到各條道路線路的線路信息;根據各條道路線路和各條道路線路的線路信息生成地圖。
[0005]在一些實施例中，所述行駛狀況信息包括車輛行駛速度、車輛行駛加速度、車輛啟停位置和車輛停止時間；以及所述對各車輛的行駛狀況信息進行分析得到各條道路線路的線路信息，包括:對各車輛的車輛行駛速度、車輛行駛加速度、車輛啟停位置和車輛停止時長進行統計分析，根據分析結果確定各條道路線路上的紅綠燈信息。
[0006]在一些實施例中，所述行駛狀況信息包括車輛的繞行曲線半徑；以及所述對各車輛的行駛狀況信息進行分析得到各條道路線路的線路信息，包括:對各條道路線路上行駛車輛的車輛繞行位置和繞行曲線半徑進行統計分析，根據分析結果確定各條道路線路上的障礙物位置和障礙物大小。
[0007]在一些實施例中，所述行駛狀況信息包括行車記錄儀拍攝的視頻信息；以及所述對各車輛的行駛狀況信息進行分析得到各條道路線路的線路信息，包括:根據各車輛的車輛型號獲取各車輛的車身寬度;基于各車輛的行車記錄儀拍攝的視頻信息和車身寬度分析各車輛所在道路線路的車道線寬度和線路寬度。
[0008]在一些實施例中，所述對各車輛的行駛狀況信息進行分析得到各條道路線路的線路信息，包括:從各車輛的行車記錄儀拍攝的視頻信息中獲取道路線路上的交通標志牌圖像;將獲取的交通標志牌圖像轉化為交通標志牌數據信息，并將數據信息導入預先訓練的交通標志牌識別模型進行匹配得到交通標志牌描述信息，其中，所述交通標志牌識別模型用于表征交通標志牌圖像的數據信息與交通標志牌描述信息的對應關系。
[0009]在一些實施例中，所述交通標志牌識別模型通過以下方法獲得:根據包含交通標志牌圖像和與交通標志牌圖像對應的交通標志牌描述信息的數據樣本得到樣本交通標志牌數據信息;將所述樣本交通標志牌數據信息作為輸入，所述數據樣本中的交通標志牌描述信息作為輸出，用數據樣本集通過深度神經網絡訓練交通標志牌識別模型。
[0010]在一些實施例中，在對各車輛的行駛狀況信息進行分析得到各條道路線路的線路信息之前，所述方法還包括:對接收到的行駛狀況信息中包括的數據進行統計，并根據統計結果去除不滿足預設條件的數據。
[0011]第二方面，本申請提供了一種地圖生成裝置，所述裝置包括:接收單元，用于接收至少一輛車輛在行駛過程中的GPS數據和行駛狀況信息；第一分析單元，用于將各車輛的GPS數據進行分析處理，得到道路線路;第二分析單元，用于對各車輛的行駛狀況信息進行分析得到各條道路線路的線路信息；生成單元，用于根據各條道路線路和各條道路線路的線路信息生成地圖。
[0012]在一些實施例中，所述行駛狀況信息包括車輛行駛速度、車輛行駛加速度、車輛啟停位置和車輛停止時間；以及所述第二分析單元進一步用于:對各車輛的車輛行駛速度、車輛行駛加速度、車輛啟停位置和車輛停止時長進行統計分析，根據分析結果確定各條道路線路上的紅綠燈信息。
[0013]在一些實施例中，所述行駛狀況信息包括車輛的繞行曲線半徑；以及所述第二分析單元進一步用于:對各條道路線路上行駛車輛的車輛繞行位置和繞行曲線半徑進行統計分析，根據分析結果確定各條道路線路上的障礙物位置和障礙物大小。
[0014]在一些實施例中，所述行駛狀況信息包括行車記錄儀拍攝的視頻信息；以及所述第二分析單元進一步用于:根據各車輛的車輛型號獲取各車輛的車身寬度;基于各車輛的行車記錄儀拍攝的視頻信息和車身寬度分析各車輛所在道路線路的車道線寬度和線路寬度。
[0015]在一些實施例中，所述第二分析單元進一步用于:從各車輛的行車記錄儀拍攝的視頻信息中獲取道路線路上的交通標志牌圖像;將獲取的交通標志牌圖像轉化為交通標志牌數據信息，并將數據信息導入預先訓練的交通標志牌識別模型進行匹配得到交通標志牌描述信息，其中，所述交通標志牌識別模型用于表征交通標志牌圖像的數據信息與交通標志牌描述信息的對應關系。
[0016]在一些實施例中，所述交通標志牌識別模型通過以下方法獲得:根據包含交通標志牌圖像和與交通標志牌圖像對應的交通標志牌描述信息的數據樣本得到樣本交通標志牌數據信息;將所述樣本交通標志牌數據信息作為輸入，所述數據樣本中的交通標志牌描述信息作為輸出，用數據樣本集通過深度神經網絡訓練交通標志牌識別模型。
[0017]在一些實施例中，所述方法還包括去除單元，所述去除單元用于:對接收到的行駛狀況信息中包括的數據進行統計，并根據統計結果去除不滿足預設條件的數據。
[0018]本申請提供的地圖生成方法和裝置，通過對多輛車輛在行駛過程中采集的GPS數據進行分析以便得到道路線路，通過對多輛車輛在行駛過程中的行駛狀況信息進行分析以便得到各條道路線路的線路信息，最后基于各條道路線路和各條道路線路的線路信息生成電子地圖，從而在擴大了數據采集范圍的同時減少了數據采集的投入，簡化了電子地圖制作過程，提高了電子地圖的精度和準確度。
【附圖說明】
[0019]通過閱讀參照以下附圖所作的對非限制性實施例所作的詳細描述，本申請的其它特征、目的和優點將會變得更明顯:
[0020]圖1是本申請可以應用于其中的示例性系統架構圖；
[0021]圖2是根據本申請的地圖生成方法的一個實施例的流程圖；
[0022]圖3是根據本申請的地圖生成方法的又一個實施例的流程圖；
[0023]圖4是根據本申請的地圖生成裝置的一個實施例的結構示意圖；
[0024]圖5是適于用來實現本申請實施例的云中心包括的云服務器的計算機系統的結構示意圖。
【具體實施方式】
[0025]下面結合附圖和實施例對本申請作進一步的詳細說明。可以理解的是，此處所描述的具體實施例僅僅用于解釋相關發明，而非對該發明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與有關發明相關的部分。
[0026]需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。下面將參考附圖并結合實施例來詳細說明本申請。
[0027]圖1示出了可以應用本申請的地圖生成方法或地圖生成裝置的實施例的示例性系統架構100。
[0028]如圖1所示，系統架構100可以包括車輛101、102、103以及云中心104。車輛101、102、103可以是道路上行駛的各種機動車