[发明专利]一种道路要素的情报处理方法、装置、服务器及存储介质在审
申请号: | 201711487553.4 | 申请日: | 2017-12-29 |
公开(公告)号: | CN108073721A | 公开(公告)日: | 2018-05-25 |
发明(设计)人: | 陈恒宇 | 申请(专利权)人: | 百度在线网络技术(北京)有限公司 |
主分类号: | G06F17/30 | 分类号: | G06F17/30;G06T11/20 |
代理公司: | 北京品源专利代理有限公司 11332 | 代理人: | 孟金喆 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 关联道路 道路要素 目标道路要素 存储介质 情报处理 缓冲区 情报 服务器 关联性判断 底图数据 关联关系 生产效率 位置生成 跳过 外业 节约 环节 | ||
1.一种道路要素的情报处理方法,其特征在于,包括:
确定与目标道路要素具有强关联关系的关联道路要素;
识别道路底图数据中包含的各关联道路要素,并确定各关联道路要素的缓冲区;
针对每一所述关联道路要素,若该关联道路要素的缓冲区中不存在目标道路要素,则依据该关联道路要素的位置生成目标道路要素缺失情报。
2.根据权利要求1所述的方法,其特征在于,确定与目标道路要素具有强关联关系的关联道路要素,包括:
获取所述目标道路要素的候选关联道路要素;
从所述道路底图数据中抽取预设数值个所述候选关联道路要素,并获取各所述候选关联道路要素所在位置处的候选全景照片;
若包含所述目标道路要素的候选全景照片的数量占所述候选全景照片的总数量的比例值大于预设的强关联比例阈值,则将所述候选关联道路要素确定为所述目标道路要素的强关联道路要素。
3.根据权利要求1所述的方法,其特征在于,依据该关联道路要素的位置生成目标道路要素缺失情报之后,还包括:
若该关联道路要素所在位置处的底图数据中不包含目标道路要素,且该关联道路要素所在位置处的全景照片中包含目标道路要素,则确定生成的目标道路要素缺失情报属实,并确定该全景照片中所述目标道路要素的类型。
4.根据权利要求1所述的方法,其特征在于,所述目标道路要素是斑马线,所述关联道路要素是红绿灯路口。
5.根据权利要求4所述的方法,其特征在于,确定各关联道路要素的缓冲区,包括:
以各红绿灯路口所在位置为中心的预设长度区域作为各斑马线的缓冲区。
6.一种道路要素的情报处理装置,其特征在于,包括:
关联要素确定模块,用于确定与目标道路要素具有强关联关系的关联道路要素;
关联要素识别模块,用于识别道路底图数据中包含的各关联道路要素;
缓冲区确定模块,用于确定各关联道路要素的缓冲区;
缺失情报生成模块,用于针对每一所述关联道路要素,若该关联道路要素的缓冲区中不存在目标道路要素,则依据该关联道路要素的位置生成目标道路要素缺失情报。
7.根据权利要求6所述的装置,其特征在于,所述关联要素确定模块具体用于:
获取所述目标道路要素的候选关联道路要素;
从所述道路底图数据中抽取预设数值个所述候选关联道路要素,并获取各所述候选关联道路要素所在位置处的候选全景照片;
若包含所述目标道路要素的候选全景照片的数量占所述候选全景照片的总数量的比例值大于预设的强关联比例阈值,则将所述候选关联道路要素确定为所述目标道路要素的强关联道路要素。
8.根据权利要求6所述的装置,其特征在于,还包括:
缺失情报属实确定模块,用于在依据该关联道路要素的位置生成目标道路要素缺失情报后,若该关联道路要素所在位置处的底图数据中不包含目标道路要素,且该关联道路要素所在位置处的全景照片中包含目标道路要素,则确定生成的目标道路要素缺失情报属实;
类型确定模块,用于确定该全景照片中所述目标道路要素的类型。
9.根据权利要求6所述的装置,其特征在于,所述目标道路要素是斑马线,所述关联道路要素是红绿灯路口。
10.根据权利要求9所述的装置,其特征在于,所述缓冲区确定模块具体用于:以各红绿灯路口所在位置为中心的预设长度区域作为各斑马线的缓冲区。
11.一种服务器,其特征在于,所述服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的道路要素的情报处理方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的道路要素的情报处理方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711487553.4/1.html,转载请声明来源钻瓜专利网。