[发明专利]一种众包数据融合优化方法、装置及存储介质

说明书

本发明涉及一种众包数据融合优化方法、装置及存储介质。该方法包括：获取同一区域的众包数据，提取众包数据中特定数据形成观测数据表；拼接观测数据表，对拼接的观测数据表进行无标签聚类，将每个聚类对应的类别作为一组对同一交通标志实体的观测值；根据轨迹运动方程及第一轨迹点，对第二轨迹点进行预测；根据第二轨迹点的预测值与实际观测值的误差，基于g2o图优化技术，优化车辆轨迹信息中轨迹点；基于优化后的轨迹点与交通标志的关联，根据coslam图优化过程优化交通标志位置。通过该方案可以简化车辆轨迹及交通标志位置的优化过程，减少计算量和带宽需求，降低服务端的负载。

技术领域

本发明涉及自动驾驶领域，尤其涉及一种众包数据融合优化方法、装置及存储介质。

背景技术

在自动驾驶领域，为准确控制车辆的行驶，常需要绘制高精度地图，而绘制要借助的采集车辆往往成本高昂，而且针对较大区域的高精度地图，采集车辆需求也相应增大。由此，借助多车数据众包，多批次多车进行同区域或不同区域的采集，可以有效降低采集成本。

多车采集的众包数据精度不一，难以保障准确性，需要对多车的slam(simultaneous localization and mapping，即同步定位于地图构建)数据进行优化。然而，若直接将多车众包数据上传优化，对带宽及存储空间要求较高，同时会导致服务器负载过大。

发明内容

有鉴于此，本发明实施例提供了一种众包数据融合优化方法、装置及存储介质，能有效减小服务器负载，降低资源需求。

在本发明实施例的第一方面，提供了一种众包数据融合优化方法，包括：

获取预定区域的众包数据，提取所述众包数据中特定数据形成观测数据表，所述特定数据包括交通标志位置信息、车辆轨迹信息以及车辆轨迹信息与交通标志位置信息间的关联关系；

拼接所述观测数据表，对拼接得到的观测数据表进行无标签聚类，将每个聚类对应的类别作为一组对同一交通标志实体的观测值；

根据轨迹运动方程及第一轨迹点，对第二轨迹点进行预测；

根据第二轨迹点的预测值与实际观测值的误差，基于g2o图优化技术，优化所述车辆轨迹信息中轨迹点；

基于优化后的轨迹点与交通标志的关联，根据coslam图优化过程优化交通标志位置。

在本发明实施例的第二方面，提供了一种众包数据融合优化装置，包括：

提取模块，用于获取预定区域的众包数据，提取所述众包数据中特定数据形成观测数据表，所述特定数据包括交通标志位置信息、车辆轨迹信息以及车辆轨迹信息与交通标志位置信息间的关联关系；

拼接模块，用于拼接所述观测数据表，对拼接得到的观测数据表进行无标签聚类，将每个聚类对应的类别作为一组对同一交通标志实体的观测值；

预测模块，用于根据轨迹运动方程及第一轨迹点，对第二轨迹点进行预测；

第一优化模块，用于根据第二轨迹点的预测值与实际观测值的误差，基于g2o图优化技术，优化所述车辆轨迹信息中轨迹点；

第二优化模块，用于基于优化后的轨迹点与交通标志的关联，根据coslam图优化过程优化交通标志位置。

在本发明实施例的第三方面，提供了一种装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。

在本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。