语义地图的构建方法、装置及设备

技术领域

本申请涉及高精地图领域技术，尤其涉及一种语义地图的构建方法、装置及设备。

背景技术

随着车辆智能化的不断发展，自动驾驶技术已经应用到车辆中。自动驾驶过程需要基于语义地图的信息，其中，语义地图提供了丰富的标注信息，例如，道路的向量化表示、道路类型、车道线类型等。

现有技术中，在生成预设地理区域的语义地图的时候，会采集该预设地理区域下的多份地图数据，进而基于多份地图数据生成该预设地理区域下的语义地图。

上述方式中，由于针对同一预设地理区域所采集的地图数据中的对象会有重复的对象，例如，多份地图数据中路灯是同一路灯；但是不同的地图数据同一对象的位置信息是不同的，进而如何准确的基于预设地理区域下的多份地图数据，生成预设地理区域下的语义地图是一个亟需解决的问题。

发明内容

本申请提供一种语义地图的构建方法、装置及设备，用以提高语义地图的准确度。

第一方面，本申请提供一种语义地图的构建方法，包括：

获取车辆所采集的预设地理区域的每一地图数据中的矢量对象，其中，所述地图数据中具有多个矢量对象，所述矢量对象具有位置信息和类别；

针对同一类别的多个矢量对象，根据该类别下每一矢量对象的位置信息，确定该类别的距离矩阵信息；其中，所述距离矩阵信息中的元素表征该类别下每一对矢量对象中矢量对象之间的矢量距离；

针对同一类别，根据该类别的距离矩阵信息，确定该类别的对象集合，并根据该类别的对象集合中矢量对象的位置信息，确定该类别的对象集合对应的最终位置；其中，所述对象集合中包括同一类别下的至少一个矢量对象，所述对象集合中的各矢量对象表征为同一矢量对象；所述最终位置表征类别下对象集合所表征的矢量对象的位置；

根据各所述类别的对象集合对应的最终位置，构建所述预设地理区域的语义地图。

可选的，所述距离矩阵信息指示出N个矢量对象；

其中，所述距离矩阵信息中的元素T

可选的，针对同一类别，根据该类别的距离矩阵信息，确定该类别的对象集合，包括：

针对该类别的距离矩阵信息中每一行所表征的矢量对象，若确定该类别的距离矩阵信息中第i行所表征的矢量对象A

根据该类别的距离矩阵信息中的j取值属于[0，N]的元素T

针对每一邻接矢量对象，基于深度优先遍历原则，分别重复执行以下各步骤，直至每一邻接矢量对象均被访问过，得到矢量对象A

针对每一邻接矢量对象，若确定邻接矢量对象未被访问过，则将邻接矢量对象，添加到矢量对象A

根据该类别的距离矩阵信息中的j取值属于[0，N]的元素T

可选的，所述预设条件为矢量距离所表征的取值小于或等于预设阈值。

可选的，根据该类别的对象集合中矢量对象的位置信息，确定该类别的对象集合对应的最终位置，包括：

确定该类别的对象集合中矢量对象的位置信息所表征的数值的均值，为该类别的对象集合对应的最终位置；

或者，对该类别的对象集合中矢量对象的位置信息所表征的数值，进行加权求和处理，得到该类别的对象集合对应的最终位置。

可选的，获取车辆所采集的预设地理区域的每一地图数据中的矢量对象，包括：

获取车辆所采集的预设地理区域的每一地图数据；

基于预设的识别模型，对各所述地图数据进行识别，得到每一所述地图数据中的矢量对象。

可选的，针对同一类别的多个矢量对象，根据该类别下每一矢量对象的位置信息，确定该类别的距离矩阵信息，包括：

针对同一类别的多个矢量对象，基于该类别所使用的预设的识别模型对应的计算方式，对该类别下的每一矢量对象的位置信息进行处理，得到该类别的距离矩阵信息；

其中，所述预设的识别模型为得到地图数据中的矢量对象时所使用的模型。

可选的，所述方法还包括：

根据所述语义地图，生成高精地图；并根据所述高精地图控制车辆进行自动驾驶。

第二方面，本申请提供一种语义地图的构建装置，包括：

获取单元，用于获取车辆所采集的预设地理区域的每一地图数据中的矢量对象，其中，所述地图数据中具有多个矢量对象，所述矢量对象具有位置信息和类别；

第一确定单元，用于针对同一类别的多个矢量对象，根据该类别下每一矢量对象的位置信息，确定该类别的距离矩阵信息；其中，所述距离矩阵信息中的元素表征该类别下每一对矢量对象中矢量对象之间的矢量距离；

第二确定单元，用于针对同一类别，根据该类别的距离矩阵信息，确定该类别的对象集合，并根据该类别的对象集合中矢量对象的位置信息，确定该类别的对象集合对应的最终位置；其中，所述对象集合中包括同一类别下的至少一个矢量对象，所述对象集合中的各矢量对象表征为同一矢量对象；所述最终位置表征类别下对象集合所表征的矢量对象的位置；

构建单元，用于根据各所述类别的对象集合对应的最终位置，构建所述预设地理区域的语义地图。

第三方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面中任一项所述的语义地图的构建方法。

第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面任一项所述的语义地图的构建方法。

第五方面，本申请提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面任一项所述的语义地图的构建方法。

第六方面，本申请提供一种芯片，所述芯片上存储有计算机程序，所述计算机程序被所述芯片执行时，实现如第一方面任一项所述的语义地图的构建方法。

本申请提供的语义地图的构建方法、装置及设备，获取到预设地理区域的地图数据中的各矢量对象，针对同一类别的矢量对象，根据该类别的矢量对象的位置信息确定该类别的距离矩阵信息，进而根据该类别的距离矩阵信息确定该类别的对象集合，并确定该对象集合对应的最终位置，最后根据各类别的对象集合对应的最终位置，构建该预设地理区域的语义地图。该方式利用类别的距离矩阵信息确定属于该类别下同一矢量对象的对象集合，进而基于对象集合中的矢量对象的位置信息，确定出该对象集合对应的最终位置，对于对象集合中的各矢量对象的位置信息而言是确定的，相较于现有技术中预测得到的属于同一对象的各位置信息，并根据预测到的各位置信息确定最终位置，提高了对象的位置信息的准确度，进而提高语义地图的准确度。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为本申请提供的一种语义地图的构建方法的流程示意图；

图2为本申请提供的一种基于深度优先遍历的原则确定该类别的对象集合的示意图；

图3为本申请提供的一种基于深度优先遍历的原则确定该类别的对象集合的示意图；

图4为本申请提供一种语义地图的构建装置的结构示意图；

图5为本申请提供一种语义地图的构建装置的结构示意图；

图6为本申请提供的一种电子设备结构示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

目前，在生成预设地理区域的语义地图的时候，会采集该预设地理区域下的多份地图数据，进而基于多份地图数据生成该预设地理区域下的语义地图。由于针对同一预设地理区域所采集的地图数据中的对象会有重复的对象，例如，多份地图数据中路灯是同一路灯；但是不同的地图数据同一对象的位置信息是不同的，因此，需要确定该同一对象的位置信息，以能够基于准确的对象的位置信息，构建该预设地理区域的语义地图。

现有技术中，确定对象的位置信息多是根据顺序采集到的图像帧，基于跟踪算法和二分图，将预测位置和实际位置看作是二分图的两个点集，基于该对象在第一帧图像中的初始位置，预测该对象在下一帧图像中的位置，并基于该对象在下一帧中的实际位置与预测的位置，继续预测该对象的位置直至最后一帧图像，得到预测位置的点集，基于该点集中每次预测位置确定该对象的位置。

但该方式每次预测都是基于前一次预测结果进行的，得到的预测位置的点集中每个预测位置的误差不断累积，导致确定的对象的位置的准确度较低，进而导致构建的语义地图的准确度较低。

有鉴于此，本申请提供了一种语义地图的构建方法，基于预设地理区域的同一类别的矢量对象的位置信息，得到该类别的距离矩阵，并利用该距离矩阵确定该类别的对象集合，即可利用该对象集合中的对象的位置信息确定该对象的位置。该方式相较于现有技术中利用预测位置的点集确定对象的位置而言，对象集合中的对象的位置是确定的，能够提高对象位置的准确度，进而提高语义地图的准确度。

本申请的执行主体可以是具有处理能力的电子设备，例如计算机、服务器等。

下面结合具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

图1为本申请提供的一种语义地图的构建方法的流程示意图。如图1所示，该方法包括：

S101、获取车辆所采集的预设地理区域的每一地图数据中的矢量对象。

示例性地，上述预设地理区域可以是指固定的某一地理区域，例如街道A；也可以是预设范围的某一地理区域，例如以某一点为起点，距离该起点500米的范围内的地理区域。需说明，该预设地理区域可以根据实际需求进行设置，本申请对该预设地理区域的大小不做限制。

上述地图数据是指采集的该预设地理区域的数据，例如可以是图像数据，也可以是点云数据，本申请对该地图数据的形式不做限定。

上述地图数据中具有多个矢量对象，该矢量对象具有位置信息和类别。示例性地，上述矢量对象可以表征该地图数据中的地图元素，例如可以是路灯、车道线、路缘石等。

一个示例中，电子设备获取车辆所采集的预设地理区域的每一地图数据，基于预设的识别模型，对各地图数据进行识别，得到每一地图数据中的矢量对象的类别和位置信息。

示例性地，上述电子设备可以与其他设备进行通信获取车辆所采集的预设地理区域的每一地图数据；也可以是从外部设备导入车辆所采集的预设地理区域的每一地图数据；或者是接收车辆发送的车辆所采集的预设地理区域的每一地图数据。

示例性地，上述识别模型例如可以是基于TRANSFORMER的目标检测(DETR3d)、MapTransformer(Maptr)等，本申请在此不做限定。通过上述识别模型，可以得到每一地图数据中的矢量对象的类别和位置信息。需说明，上述位置信息的表示形式与该识别模型的类型有关。

另一个示例中，上述电子设备可以与其他设备进行通信，以直接获取到该预设地理区域的每一地图数据的矢量对象的类别和位置信息，也可以是从外部设备导入该预设地理区域的每一地图数据的矢量对象的类别和位置信息，该外部设备例如可以是U盘等。

S102、针对同一类别的多个矢量对象，根据该类别下每一矢量对象的位置信息，确定该类别的距离矩阵信息。

上述距离矩阵信息中的元素表征该类别下每一对矢量对象中矢量对象之间的矢量距离。示例性地，上述矢量距离可以用于表征一对矢量对象中矢量对象之间的相似度。需说明，上述距离矩阵信息的大小与该类别的矢量对象的数量有关。例如，类别A包括5个矢量对象，那么该距离矩阵信息的大小可以是5*5。

示例性地，表1为一种5*5的距离矩阵信息的示意。需说明，表中的第一行和第一列为该类别的矢量对象，分别从第二行和第二列开始为该距离矩阵信息。需说明，表1中所列矢量距离数据仅是一种示意。

表1

一个示例中，可以预设计算模型，将该类别下每一矢量对象的位置信息输入至该预设计算模型中，输出该类别的距离矩阵信息。

另一个示例中，针对同一类别的多个矢量对象，基于该类别所使用的预设的识别模型对应的计算方式，对该类别下的每一矢量对象的位置信息进行处理，得到该类别的距离矩阵信息。

示例性地，上述预设的识别模型为得到地图数据中的矢量对象时所使用的模型。如前述所说，上述位置信息的表示方式与识别模型的类型有关，因此，基于位置信息进行处理的计算方式也与识别模型的类型有关。

示例性的，可以预设识别模型与计算方式的对应关系，根据该类别所使用的预设的识别模型，确定该类别的矢量对象的计算方式，对该类别下的每一矢量对象的位置信息进行处理，即，计算每一对矢量对象之间的矢量距离，进而根据每一对矢量对象之间的矢量距离，得到该类别的距离矩阵信息。

S103、针对同一类别，根据该类别的距离矩阵信息，确定该类别的对象集合。

上述对象集合中包括同一类别下的至少一个矢量对象，该对象集合中的各矢量对象表征为同一矢量对象。

需说明，该类别下可以有多个对象集合，对象集合的数量即表征该类别下的矢量对象的实际数量。

一个示例中，可以预设预测模型，将该类别的距离矩阵信息输入至该预测模型中，输出该类别的对象集合。该方式虽然也是进行预测，相较于现有技术中预测的是位置信息，而该方式是预测属于同一矢量对象的矢量对象，对于位置信息而言是固定的，因此，可以提高对象的位置信息的准确度，进而提高语义地图的准确度。

另一个示例中，可以基于聚类算法和距离矩阵信息，根据预设的距离阈值，得到多个簇，将每个簇作为该类别的对象集合。该聚类算法例如可以是欧式聚类算法、区域生长算法等，可以根据实际需求进行设置。

S104、根据该类别的对象集合中矢量对象的位置信息，确定该类别的对象集合对应的最终位置。

上述最终位置表征类别下对象集合所表征的矢量对象的位置。

一个示例中，可以对该类别的对象集合中各矢量对象的位置信息中的数据进行平均，得到该类别的对象集合对应的最终位置；也可以是对该类别的对象集合中各矢量对象的位置信息中的数据进行加权求和处理，得到该类别的对象集合对应的最终位置；或者是，预设条件，将该对象集合中符合条件的矢量对象的位置信息作为该类别的对象集合对应的最终位置。

另一个示例中，预设类别和最终位置的计算方式之间的对应关系，根据该类别对应的计算方式，确定该类别的对象集合对应的最终位置，使得最终位置的确定更加准确。例如，最终位置的计算方式例如可以包括平均、加权平均、基于非极大值抑制(Non-maximumsuppression，NMS)算法确定最终位置、基于随机样本一致(Random Sample Consensus，RANSAC)算法确定最终位置等，本申请在此不做限定，具体实现方式可以参考现有技术。

S105、根据各类别的对象集合对应的最终位置，构建预设地理区域的语义地图。

一个示例中，可以将各类别的对象集合对应的最终位置和类别，加入至该预设地理区域的地理空间数据库中，并根据该地理空间数据库，基于预设的构建算法，得到该预设地理区域的语义地图。该地理空间数据库中包括矢量对象的类别、编号和位置信息等。

另一个示例中，获取到该预设地理区域的初始语义地图，该初始语义地图是根据该预设地理区域的历史地图数据构建得到的。根据该各类别的对象集合对应的最终位置和类别，更新该预设地理区域的地理空间数据库，并根据该地理空间数据库，更新该预设地理区域的初始语义地图，得到该预设地理区域的语义地图。

需说明，本申请对构建语义地图的方式不做限定。

可选的，在构建完该预设地理区域的语义地图之后，可以根据该语义地图，生成高精地图；并根据该高精地图控制车辆进行自动驾驶。

示例性地，可以根据预设的生成模型和该语义地图，生成高精地图。进而，根据该高精地图，生成控制指令发送至车辆，以控制车辆进行自动驾驶。

在本实施例中，获取到预设地理区域的地图数据中的各矢量对象，针对同一类别的矢量对象，根据该类别的矢量对象的位置信息确定该类别的距离矩阵信息，进而根据该类别的距离矩阵信息确定该类别的对象集合，并确定该对象集合对应的最终位置，最后根据各类别的对象集合对应的最终位置，构建该预设地理区域的语义地图。该方式利用类别的距离矩阵信息确定属于该类别下同一矢量对象的对象集合，进而基于对象集合中的矢量对象的位置信息，确定出该对象集合对应的最终位置，对于对象集合中的各矢量对象的位置信息而言是确定的，相较于现有技术中预测得到的属于同一对象的各位置信息，并根据预测到的各位置信息确定最终位置，提高了对象的位置信息的准确度，进而提高语义地图的准确度。

下面对针对同一类别的多个矢量对象，基于该类别所使用的预设的识别模型对应的计算方式，对该类别下的每一矢量对象的位置信息进行处理，得到该类别的距离矩阵信息进行说明。

一个示例中，该计算方式例如可以是计算一对矢量对象中两个矢量对象的预设位置点之间的欧氏距离。该预设位置点例如可以是该矢量对象的位置信息中的起点、终点或者中心点等，本申请在此不做限定，具体可以根据实际需求进行设置。例如，根据每一矢量对象的位置信息中的中心点间的欧氏距离，确定该对矢量对象之间的矢量距离。

另一个示例中，该计算方式例如可以是根据一对矢量对象中两个矢量对象的位置信息的面积确定的。例如，可以分别计算两个矢量对象对应的位置信息所确定的交集的面积，和两个矢量对象对应的位置信息所确定的并集的面积，将交集的面积和并集的面积之比作为该对矢量对象之间的矢量距离。

再一个示例中，该计算方式例如可以是计算一对矢量对象中两个矢量对象的位置信息之间的豪斯多夫(Hausdorff)距离。例如，可以根据该对矢量对象的位置信息，确定两个矢量对象之间的Hausdorff距离，将该两个矢量对象之间的Hausdorff距离，作为该对矢量对象之间的矢量距离。

需说明，不同类别的矢量对象之间的计算方式可以不同，但需要保障同一类别的矢量对象之间的计算方式相同。

根据上述类别的所使用的预设的识别模型对应的计算方式，计算每一对矢量对象之间的矢量距离，进而根据每一对矢量对象之间的矢量距离，得到该类别的距离矩阵信息。

在本实施例中，基于该类别所使用的预设的识别模型对应的计算方式，对该类别下的每一矢量对象的位置信息进行处理，进而得到该类别的距离矩阵信息。由于位置信息的表示方式与识别模型的类型有关，该方式基于使用的预设的识别模型对应的计算方式来对该类别下的每一矢量对象的位置信息进行处理，可以提高计算的准确度，提高得到的距离矩阵信息的准确度，进而提高了语义地图的准确度。

下面对如何根据距离矩阵信息，确定该类别的对象集合进行说明。

上述距离矩阵信息指示出N个矢量对象。上述距离矩阵信息中的元素T

示例性地，以上述N＝5，0≤i≤4，0≤j≤4为例，该距离矩阵信息可以如表2所示。

表2

参考表2，当上述i与j的取值相同时，例如i＝j＝0时，此时矢量对象A

针对同一类别，根据该类别的距离矩阵信息，确定该类别的对象集合，可以包括如下步骤：

针对该类别的距离矩阵信息中每一行所表征的矢量对象，若确定该类别的距离矩阵信息中第i行所表征的矢量对象A

S201、根据该类别的距离矩阵信息中的j取值属于[0，N]的元素T

上述矢量对象A

示例性地，上述预设条件可以为矢量距离所表征的取值小于或等于预设阈值。也可以是矢量距离属于预设的阈值范围，例如矢量距离属于[0.1,0.5]。需说明，本申请对该预设条件不做限定，具体可以根据实际需求进行设置。

一个示例中，关于如何确定该类别的距离矩阵信息中第i行所表征的矢量对象A

一个示例中，若确定该类别的距离矩阵信息中第i行所表征的矢量对象A

若确定该类别的距离矩阵信息中第i行所表征的矢量对象A

针对每一邻接矢量对象，基于深度优先遍历原则，分别重复执行以下各步骤，直至每一邻接矢量对象均被访问过，得到矢量对象A

S202、针对每一邻接矢量对象，若确定邻接矢量对象未被访问过，则将邻接矢量对象，添加到矢量对象A

需说明，在该步骤中，不限定是哪一个对象的邻接矢量对象，例如可以是上述矢量对象A

示例性地，针对该矢量对象A

S203、根据该类别的距离矩阵信息中的j取值属于[0，N]的元素T

上述每一邻接矢量对象的邻接矢量对象，为与每一邻接矢量对象之间的矢量距离符合预设条件的矢量对象；且每一邻接矢量对象的邻接矢量对象与每一邻接矢量对象不同，且，每一邻接矢量对象的邻接矢量对象是矢量对象A

下面以表2为例，对前述步骤S201-203进行说明。

示例性地，预设起始节点为该类别的距离矩阵信息中第0行所表征的矢量对象A

图2为本申请提供的一种基于深度优先遍历的原则确定该类别的对象集合的示意图。如图2所示，从起始节点矢量对象A

S301、确定矢量对象A

例如，确定上述集合C中是否存在矢量对象A

S302、根据该类别的距离矩阵信息中的j取值属于[0，5]的元素T

例如，参考表2，遍历该矢量对象A

根据深度优先遍历原则，此时需要针对矢量对象A

S303、确定矢量对象A

例如，确定上述集合C中是否存在矢量对象A

S304、将矢量对象A

例如，矢量对象A

S305、根据该类别的距离矩阵信息中的j取值属于[0，5]的元素T

例如，参考表2，遍历该矢量对象A

根据深度优先遍历原则，此时需要针对矢量对象B

S306、确定矢量对象A

例如，确定上述集合C中是否存在矢量对象A

S307、确定矢量对象A

S308、将矢量对象A

例如，矢量对象A

S309、根据该类别的距离矩阵信息中的j取值属于[0，5]的元素T

例如，参考表2，遍历该矢量对象A

根据深度优先遍历原则，此时需要针对矢量对象A

S310、确定矢量对象A

针对矢量对象A

S311、确定矢量对象A

针对矢量对象A

S312、确定矢量对象A

针对起始节点矢量对象A

此时，移动起始节点至矢量对象A

图3为本申请提供的一种基于深度优先遍历的原则确定该类别的对象集合的示意图。如图3所示，第二次遍历包括：

S401、确定矢量对象A

例如，由于上述集合C中不存在矢量对象A

S402、根据该类别的距离矩阵信息中的j取值属于[0，5]的元素T

例如，参考表2，遍历该矢量对象A

根据深度优先遍历原则，此时需要针对矢量对象A

S403、确定矢量对象A

例如，确定上述集合C中是否存在矢量对象A

针对矢量对象A

S404、确定矢量对象A

例如，确定上述集合C中是否存在矢量对象A

针对矢量对象A

S405、确定矢量对象A

例如，确定上述集合C中是否存在矢量对象A

S406、将矢量对象A

例如，矢量对象A

S407、根据该类别的距离矩阵信息中的j取值属于[0，5]的元素T

例如，参考表2，遍历该矢量对象A

S408、确定矢量对象A

针对起始节点矢量对象A

此时，移动起始节点至矢量对象A

根据该类别的所有对象集合可以得知，矢量对象A

可选的，基于该类别的所有对象集合中矢量对象的位置信息，确定该类别的对象集合对应的最终位置。例如，将A

在本实施例中，基于深度优先遍历原则，根据预设条件和距离矩阵信息，确定出该类别下的对象集合，相较于现有技术中利用k-均值(k-means)算法、基于密度的聚类(Density-Based Spatial Clustering of Applications with Noise，DBSCAN)算法，对矢量对象的位置信息进行聚类，得到属于一个簇的矢量对象而言，该方式无需基于约束条件进行不断迭代，直至得到最优解，提高了处理效率，进而提高了语义地图的构建效率。同时，基于对象集合中的矢量对象的位置信息，确定该类别的对象集合对应的最终位置，提高了位置的准确度，进而提高了语义地图的准确度。

图4为本申请提供一种语义地图的构建装置的结构示意图。如图4所示，该装置50包括：

获取单元51，用于获取车辆所采集的预设地理区域的每一地图数据中的矢量对象，其中，所述地图数据中具有多个矢量对象，所述矢量对象具有位置信息和类别；

第一确定单元52，用于针对同一类别的多个矢量对象，根据该类别下每一矢量对象的位置信息，确定该类别的距离矩阵信息；其中，所述距离矩阵信息中的元素表征该类别下每一对矢量对象中矢量对象之间的矢量距离；

第二确定单元53，用于针对同一类别，根据该类别的距离矩阵信息，确定该类别的对象集合，并根据该类别的对象集合中矢量对象的位置信息，确定该类别的对象集合对应的最终位置；其中，所述对象集合中包括同一类别下的至少一个矢量对象，所述对象集合中的各矢量对象表征为同一矢量对象；所述最终位置表征类别下对象集合所表征的矢量对象的位置；

构建单元54，用于根据各所述类别的对象集合对应的最终位置，构建所述预设地理区域的语义地图。

本申请提供的语义地图的构建装置，可以执行上述方法实施例中的语义地图的构建方法，其实现原理和技术效果类似，在此不再赘述。

图5为本申请提供一种语义地图的构建装置的结构示意图。如图5所示，该装置60包括：

获取单元61，用于获取车辆所采集的预设地理区域的每一地图数据中的矢量对象，其中，所述地图数据中具有多个矢量对象，所述矢量对象具有位置信息和类别；

第一确定单元62，用于针对同一类别的多个矢量对象，根据该类别下每一矢量对象的位置信息，确定该类别的距离矩阵信息；其中，所述距离矩阵信息中的元素表征该类别下每一对矢量对象中矢量对象之间的矢量距离；

第二确定单元63，用于针对同一类别，根据该类别的距离矩阵信息，确定该类别的对象集合，并根据该类别的对象集合中矢量对象的位置信息，确定该类别的对象集合对应的最终位置；其中，所述对象集合中包括同一类别下的至少一个矢量对象，所述对象集合中的各矢量对象表征为同一矢量对象；所述最终位置表征类别下对象集合所表征的矢量对象的位置；

构建单元64，用于根据各所述类别的对象集合对应的最终位置，构建所述预设地理区域的语义地图。

一个示例中，上述距离矩阵信息指示出N个矢量对象；

其中，所述距离矩阵信息中的元素T

一个示例中，上述第二确定单元63，包括：

第一确定模块631，用于针对该类别的距离矩阵信息中每一行所表征的矢量对象，若确定该类别的距离矩阵信息中第i行所表征的矢量对象A

根据该类别的距离矩阵信息中的j取值属于[0，N]的元素T

针对每一邻接矢量对象，基于深度优先遍历原则，分别重复执行以下各步骤，直至每一邻接矢量对象均被访问过，得到矢量对象A

针对每一邻接矢量对象，若确定邻接矢量对象未被访问过，则将邻接矢量对象，添加到矢量对象A

根据该类别的距离矩阵信息中的j取值属于[0，N]的元素T

一个示例中，所述预设条件为矢量距离所表征的取值小于或等于预设阈值。

一个示例中，上述第二确定单元63，包括：

第二确定模块632，用于确定该类别的对象集合中矢量对象的位置信息所表征的数值的均值，为该类别的对象集合对应的最终位置；或者，对该类别的对象集合中矢量对象的位置信息所表征的数值，进行加权求和处理，得到该类别的对象集合对应的最终位置。

一个示例中，上述获取单元61，包括：

获取模块611，用于获取车辆所采集的预设地理区域的每一地图数据；

识别模块612，用于基于预设的识别模型，对各所述地图数据进行识别，得到每一所述地图数据中的矢量对象。

一个示例中，上述第一确定单元62，包括：

处理模块621，用于针对同一类别的多个矢量对象，基于该类别所使用的预设的识别模型对应的计算方式，对该类别下的每一矢量对象的位置信息进行处理，得到该类别的距离矩阵信息；

其中，所述预设的识别模型为得到地图数据中的矢量对象时所使用的模型。

一个示例中，上述装置60还可以包括生成单元65，用于根据所述语义地图，生成高精地图；并根据所述高精地图控制车辆进行自动驾驶。

本申请提供的语义地图的构建装置，可以执行上述方法实施例中的语义地图的构建方法，其实现原理和技术效果类似，在此不再赘述。

图6为本申请提供的一种电子设备结构示意图。如图6所示，该电子设备700可以包括：至少一个处理器701、存储器702。

存储器702，用于存储程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。

存储器702可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

处理器701用于执行存储器702存储的计算机执行指令，以实现前述方法实施例所描述的语义地图的构建方法。其中，处理器701可能是一个中央处理器(CentralProcessing Unit，简称为CPU)，或者是特定集成电路(Application Specific IntegratedCircuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。

该电子设备700还可以包括通信接口703，以通过通信接口703可以与外部设备进行通信交互。外部设备例如可以是计算机、平板等。

在具体实现上，如果通信接口703、存储器702和处理器701独立实现，则通信接口703、存储器702和处理器701可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(Peripheral Component，简称为PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等，但并不表示仅有一根总线或一种类型的总线。

可选的，在具体实现上，如果通信接口703、存储器702和处理器701集成在一块芯片上实现，则通信接口703、存储器702和处理器701可以通过内部接口完成通信。

本申请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包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、磁盘或者光盘等各种可以存储程序代码的介质，具体的，该计算机可读存储介质中存储有计算机执行指令，计算机执行指令用于上述实施例中的语义地图的构建方法。

本申请还提供一种计算机程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。电子设备700的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得电子设备700实施上述的各种实施方式提供的方法。

本申请还提供一种芯片，所述芯片上存储有计算机程序，所述计算机程序被所述芯片执行时，实现各种实施方式提供的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。