地图要素生成方法、装置、计算机设备和存储介质

技术领域

本申请涉及人工智能技术领域，特别是涉及一种地图要素生成方法、装置、计算机设备和存储介质。

背景技术

随着人工智能技术的不断革新，越来越多的产业(例如汽车产业和地图产业)开始向着人工智能领域不断发展，数字地图技术应运而生。数字地图中包括多个地图要素，数字地图的建设与更新过程，往往伴随着地图要素的生成。

传统技术中，由专业人员基于采集到的相关数据绘制地图要素，进而实现数字地图的建设与更新，上述处理过程需要依赖于人机交互实现，长时间的人机交互需要耗费较多的计算处理资源，存在效率低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高效率的地图要素生成方法、装置、计算机设备和存储介质。

第一方面，本申请提供了一种地图要素生成方法。该方法包括：

获取目标区域的区域图像，以及区域图像对应的定位参数；区域图像中包括至少一个图像要素；

根据定位参数对区域图像进行角度分析，确定区域图像的拍摄角度；

针对每一图像要素，基于拍摄角度对图像要素进行位置转换处理，确定图像要素在区域图像中的位置信息；

按照图像要素的位置信息，在目标区域的区域地图中生成图像要素对应的地图要素。

在其中一个实施例中，根据定位参数对区域图像进行角度分析，确定区域图像的拍摄角度，包括：

根据定位参数确定区域图像的第一延伸焦点；

提取区域图像中图像要素各自的像素分布，并基于像素分布确定区域图像的第二延伸焦点；

基于第一延伸焦点和第二延伸焦点对区域图像进行角度分析，确定区域图像的拍摄角度。

在其中一个实施例中，基于第一延伸焦点和第二延伸焦点对区域图像进行角度分析，确定区域图像的拍摄角度，包括：

确定第一延伸焦点和第二延伸焦点的焦点差值；

根据焦点差值与差值阈值的大小关系，对区域图像进行角度分析，确定区域图像的拍摄角度。

在其中一个实施例中，根据定位参数确定区域图像的第一延伸焦点，包括：

根据定位参数对区域图像进行位姿预测，确定区域图像的采样设备的经纬值和位姿朝向；

根据经纬值和位姿朝向，确定区域图像的第一延伸焦点。

在其中一个实施例中，根据经纬值和位姿朝向，确定区域图像的第一延伸焦点，包括：

对经纬值进行坐标转换，得到采集区域图像的采样设备的坐标值；

根据坐标值，确定采样设备的第一俯仰角变化值；

根据位姿朝向，确定采样设备的第二俯仰角变化值；

根据第一俯仰角变化值和第二俯仰角变化值，确定区域图像的第一延伸焦点。

在其中一个实施例中，根据第一俯仰角变化值和第二俯仰角变化值，确定区域图像的第一延伸焦点，包括：

根据第一俯仰角变化值和第二俯仰角变化值，确定区域图像的第一延伸焦点变化值；

根据区域图像的第一延伸焦点变化值，确定区域图像的第一延伸焦点。

在其中一个实施例中，按照图像要素的位置信息，在目标区域的区域地图中生成图像要素对应的地图要素，包括：

基于图像要素的位置信息，确定图像要素在目标区域的区域地图中的映射位置；

基于映射位置，将图像要素映射至目标区域的区域地图中，生成图像要素对应的地图要素。

第二方面，本申请还提供了一种地图要素生成装置。该装置包括：

获取模块，用于获取目标区域的区域图像，以及区域图像对应的定位参数；区域图像中包括至少一个图像要素；

第一确定模块，用于根据定位参数对区域图像进行角度分析，确定区域图像的拍摄角度；

第二确定模块，用于针对每一图像要素，基于拍摄角度对图像要素进行位置转换处理，确定图像要素在区域图像中的位置信息；

生成模块，用于按照图像要素的位置信息，在目标区域的区域地图中生成图像要素对应的地图要素。

第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上述第一方面任一实施例的地图要素生成方法。

第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面任一实施例的地图要素生成方法。

上述地图要素生成方法、装置、计算机设备和存储介质，通过获取区域图像和区域图像对应的定位参数，实现根据定位参数对区域图像进行角度分析，进而，确定区域图像对应的拍摄角度；进而，根据区域图像对应的拍摄角度，确定图像要素在区域图像中的位置信息，并在目标区域的区域地图中生成图像要素对应的地图要素。因此，在目标区域的区域地图的构建和更新的过程中，无需人工针对该目标区域的区域图像进行数据处理，可根据该目标区域的区域图像和定位参数，自动生成目标区域中图像要素对应的地图要素，实现低人工成本且高效率的完成地图绘制。

附图说明

图1为本申请实施例提供的一种地图要素生成方法的应用环境图；

图2为本申请实施例提供的一种地图要素生成方法的流程图；

图3为本申请实施例提供的一种计算图像要素位置信息的连线图；

图4为本申请实施例提供的一种确定区域图像的拍摄角度的流程图；

图5为本申请实施例提供的一种确定地图要素的流程图；

图6为本申请实施例提供的一种确定车道线地图要素的流程图；

图7为本申请实施例提供的另一种地图要素生成方法的流程图；

图8为本申请实施例提供的一种确定地图要素的流程框图；

图9为本申请实施例提供的第一种地图要素生成装置的结构框图；

图10为本申请实施例提供的第二种地图要素生成装置的结构框图；

图11为本申请实施例提供的第三种地图要素生成装置的结构框图；

图12为本申请实施例提供的第四种地图要素生成装置的结构框图；

图13为本申请实施例提供的第五种地图要素生成装置的结构框图；

图14为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。在本申请的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

本申请实施例提供的地图要素生成方法，可以应用于如图1所示的应用环境中。其中，采集设备102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。服务器104在生成地图要素的过程中：从采集设备102获取目标区域的区域图像，以及该区域图像对应的定位参数，根据定位参数对区域图像进行角度分析，确定该区域图像的拍摄角度；针对每一图像要素，基于拍摄角度对该图像要素进行位置转换处理，确定该图像要素在区域图像中的位置信息；按照图像要素的位置信息，在目标区域的区域地图中生成图像要素对应的地图要素。其中，采集设备102是具备图像采集功能的设备，该采集设备102可以但不限于是各种个人计算机、图像采集设备、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种地图要素生成方法，以该方法应用于图1中的服务器为例进行说明，可以包括以下步骤：

步骤201，获取目标区域的区域图像，以及区域图像对应的定位参数。

其中，区域图像指的是通过采集设备采集到的目标区域中每条道路的图像数据；并且，区域图像对应的定位参数，指的是采集设备在采集区域图像时对应的惯性测量数据和坐标定位数据。进一步的，采集设备指的是具有图像采集功能的设备，例如：摄像头、摄影机等。在一个具体的实施例中，采集设备可以是指用于进行众包数据采集的设备。众包数据采集是指由用户端的众包设备进行数据采集，并将采集得到的众包数据上传至服务器，再由服务器根据接收到的众包数据构建和更新数据信息，以便服务器可以基于更新后的数据信息向用户端提供更好的服务。该众包设备例如可以是车载终端、飞行器、便携式穿戴设备等等。

需要说明的是，区域图像中包括至少一个图像要素。图像要素指的是目标区域中用文字或符号传递引导、限制、警告或指示信息的道路设施，举例说明，图像要素可以包括但不限于：车道线、交通灯、交通标牌、路面箭头、人行横道等。

需要说明的是，当需要获取目标区域的区域图像时，可通过采集设备对目标区域中每条道路进行图像采集，从而获取目标区域的区域图像。例如，可通过将采集设备安装至车辆或者无人机，从而通过控制车辆或者无人机实现获取目标区域的区域图像。

在本申请的一种实施例中，控制带有采集设备的车辆在目标区域的每条道路中进行行驶，进而，在车辆行驶过程中控制采集设备对目标区域的每条道路进行图像采集，得到目标区域的区域图像。

进一步说明，当通过采集设备采集目标区域的区域图像时，可通过在采集设备中设置惯性测量单元和全球定位单元，实现根据惯性测量单元获取采集设备在获取区域图像时的惯性测量数据，以及根据全球定位单元获取采集设备在获取区域图像时的坐标定位数据。

作为另一种实现方式，当需要获取目标区域的区域图像，以及区域图像对应的定位参数时，还可通过查找图像数据库中是否包含目标区域的区域图像和区域图像对应的定位参数，若包含，则从图像数据库中，获取目标区域的区域图像和区域图像对应的定位参数。

具体的，基于目标区域的区域ID(Identity document，身份标识号)对图像数据库中包含的区域图像和区域图像对应的定位参数进行筛选，判断图像数据库中是否包含目标区域的区域图像和区域图像对应的定位参数；若包含，则从图像数据库中提取目标区域的区域图像和区域图像对应的定位参数。该图像数据库中包含至少一个候选区域的区域图像和区域图像对应的定位参数。

步骤202，根据定位参数对区域图像进行角度分析，确定区域图像的拍摄角度。

其中，区域图像的拍摄角度指的是采集设备在采集区域图像时，采集设备的拍摄角度。该拍摄角度可以是指拍摄视角的中心线与地面的夹角，也可以是指拍摄视角中心线与地面垂线的夹角。

需要说明的是，当需要确定区域图像的拍摄角度时，可通过确定区域图像的第一延伸焦点和第二延伸焦点，通过第一延伸焦点和第二延伸焦点，对区域图像进行角度分析，确定区域图像的拍摄角度。

其中，延伸焦点(英文表示为focus of expansion)为用于表示区域图像中图像要素对应的关键点，进一步说明，第一延伸焦点(foe_predict)为根据采集区域图像的采样设备的经纬值和位姿朝向确定的延伸焦点；第二延伸焦点(foe_observe)为根据图像要素的像素分布确定的延伸焦点。

在本申请的一种实施例中，可确定第一延伸焦点和第二延伸焦点的焦点差值，进而根据焦点差值与差值阈值的大小关系，对焦点差值进行赋值，进而，根据赋值后的焦点差值、第一延伸焦点和第二延伸焦点对区域图像进行角度分析，确定区域图像的拍摄角度。

其中，若焦点差值大于差值阈值，则将焦点差值赋值为零；若焦点差值小于或者等于差值阈值，则焦点差值赋值为第一延伸焦点和第二延伸焦点差值运算结果的绝对值。

进一步说明，当需要确定区域图像的拍摄角度时，还可获取区域图像中图像要素的特征信息；将区域图像的特征信息与分析数据库中的特征信息进行相似度比较，确定分析数据库中特征信息与区域图像的特征信息相似度最高的目标图像，并将该目标图像已知的拍摄角度，作为区域图像的拍摄角度。

其中，分析数据库中储存有至少一个候选图像的特征信息与拍摄角度，其中，将候选图像中特征信息与区域图像的特征信息相似度最高的作为目标图像。

其中，图像要素的特征信息可以包括但不限于：图像要素的角度、图像要素的位置等。

进一步说明，当需要确定区域图像的拍摄角度时，还可在采集设备的同一水平面中设置有带陀螺仪的摄像设备，其中，摄像设备可实时对目标区域进行视频采集；将区域图像与摄像设备采集到的区域视频进行逐帧比对，确定区域视频中与区域图像具有相同拍摄角度的帧图像；获取摄像设备在拍摄该帧图像时的拍摄角度，该拍摄角度即为区域图像的拍摄角度。其中，摄像设备在拍摄该帧图像时的拍摄角度可根据摄像设备的陀螺仪进行读取。

步骤203，针对每一图像要素，基于拍摄角度对图像要素进行位置转换处理，确定图像要素在区域图像中的位置信息。

需要说明的是，当需要确定图像要素在区域图像中的位置信息时，可构建图像要素与采集设备光心的第一三角形，以及采集设备光心与图像要素在区域图像中的位置信息的第二三角形，由于第一三角形和第二三角形为相似三角形，进而根据拍摄角度、第一三角形和第二三角形，确定图像要素在区域图像中的位置信息。

在本申请的一种实施例中，以图像要素为车道线举例说明，构建图像要素与采集设备光心的第一三角形，以及采集设备光心与图像要素在区域图像中的位置信息的第二三角形，其中，第一三角形和第二三角形如图3所示，其中，根据拍摄角度、第一三角形和第二三角形，确定图像要素在区域图像中的位置信息可包括以下内容：

如图3所示，图3中O为采集设备光心的位置，O'为采集设备的像面中心，O O'为光轴，I为地面，l'为平行于地面I且过光心的直线，OA平行于像平面A'B'，B点为目标区域上的车道线点，OD为采集设备距地高度Hc，θ为区域图像的拍摄角度。

首先，根据计算过程(1)，基于采集设备距地高度和区域图像的拍摄角度，确定O'A。

O'A＝ Hc / cos(θ) (1)

其中，O'A指的是点O'距离点A的距离，Hc指的是采集设备距地高度，θ指的是区域图像的拍摄角度。

并且，通过计算过程(2)，基于第一三角形和第二三角形的相似关系，确定AB。

AB＝OA/A'B'*O A'

＝ Hc * sqrt(pow(f,2) + pow(foe_y - cy))/ cos(θ) / delta_y (2)

其中，f指的是采集设备在采集区域图像时对应的焦距，OA指的是采集设备光心的位置距离点A的距离；A'B'指的是点A'到点B'的距离，OA'指的是点O距离点A'的距离，foe_y是y方向的第一延伸焦点，delta_y为成像点坐标y方向的值减去foe_y。

进而，根据计算过程(3)，基于O'A、AB和区域图像的拍摄角度，计算图像要素对应的三维坐标Y值。

O'N ＝ O'A – NA＝ O'A– AB sin(θ) (3)

其中，O'N指的是图像要素对应的三维坐标Y值，O'A指的是点O'距离点A的距离，NA指的是点N距离点A的距离，AB指的是点A到点B的距离，θ指的是区域图像的拍摄角度。

根据计算公式(4)，基于AB和区域图像的拍摄角度，计算图像要素对应的三维坐标Z值。

NB ＝ AB * cos(θ) (4)

其中，NB指的是图像要素对应的三维坐标Z值，AB指的是点A到点B的距离，θ指的是区域图像的拍摄角度。

根据计算公式(5)，基于图像要素对应的三维坐标Z值和OO'，计算图像要素对应的三维坐标X值。

X_c ＝ NB / OO' * (x - cx) (5)

其中，X_c指的是图像要素对应的三维坐标X值，O O'指的是光轴，x指的是点B成像坐标的x轴像素值，cx指的是x方向的主点坐标。

综内容，可得到图像要素在区域图像中的三维坐标，该三维坐标即为图像要素在区域图像中的位置信息。

步骤204，按照图像要素的位置信息，在目标区域的区域地图中生成图像要素对应的地图要素。

需要说明的是，为保证区域地图中图像要素对应地图要素的准确性，需要预先确定地图要素位置信息在区域地图中对应的映射位置，从而实现将图像要素映射到对应的映射位置，以保证在目标区域的区域地图中生成图像要素对应的地图要素。

进一步说明，当地图要素的数量为多个时，则分别确定每一地图要素位置信息在区域地图中对应的映射位置，在根据每一地图要素位的映射位置，将每一图像要素映射到对应的映射位置，以保证在目标区域的区域地图中生成各图像要素对应的地图要素。

在本申请的一种实施例中，当用户想要获取城市A的城市地图，而城市A中共包含4个目标区域，因此，可先通过上述步骤，在4个目标区域的区域地图中生成图像要素对应的地图要素，在将四个目标区域的区域地图按照城市A布局进行组合，即可得到城市A的城市地图。

上述地图要素生成方法，通过获取区域图像和区域图像对应的定位参数，实现根据定位参数对区域图像进行角度分析，进而，确定区域图像对应的拍摄角度；进而，根据区域图像对应的拍摄角度，确定图像要素在区域图像中的位置信息，并在目标区域的区域地图中生成图像要素对应的地图要素。因此，在目标区域的区域地图的构建和更新的过程中，无需人工针对该目标区域的区域图像进行数据处理，可根据该目标区域的区域图像和定位参数，自动生成目标区域中图像要素对应的地图要素，实现低人工成本且高效率的完成地图绘制。由于在绘制地图的过程中，需要人工对采集到的相关数据进行地图建设与更新，此过程费时费力，且绘制地图的效率较低；为了解决上述问题，本实施例的计算机设备可以通过如图4所示的方式，根据定位参数对区域图像进行角度分析，确定区域图像的拍摄角度，具体包括如下步骤：

步骤401，根据定位参数确定区域图像的第一延伸焦点。

需要说明的是，当需要确定区域图像的第一延伸焦点时，可根据区域图像的采样设备的经纬值和位姿朝向，确定区域图像的第一延伸焦点，具体可包括以下步骤：根据定位参数对区域图像进行位姿预测，确定区域图像的采样设备的经纬值和位姿朝向；根据经纬值和位姿朝向，确定区域图像的第一延伸焦点。

具体的，可以采用ESKF(error-state Kalman filter，卡尔曼滤波)方法对目标区域的区域图像和区域图像对应的定位参数进行预测，从而确定区域图像的采样设备的经纬值和位姿朝向。

进一步说明，当需要根据经纬值和位姿朝向，确定区域图像的第一延伸焦点时，具体可包括以下内容：对经纬值进行坐标转换，得到采集区域图像的采样设备的坐标值；根据坐标值，确定采样设备的第一俯仰角变化值；根据位姿朝向，确定采样设备的第二俯仰角变化值；根据第一俯仰角变化值和第二俯仰角变化值，确定区域图像的第一延伸焦点。

在本申请的一种实施例中，可通过以下计算过程，实现根据经纬值和位姿朝向，确定区域图像的第一延伸焦点：

通过将采集区域图像的采样设备的坐标值代入计算公式(6)，确定采样设备的第一俯仰角变化值，计算公式(6)如下所示：

其中，delta_theta_v为采样设备的第一俯仰角变化值，[X

根据位姿朝向，确定区域图像在坐标系中对应的俯仰角yaw

根据上述内容，将各区域图像在坐标系中对应的俯仰角代入计算公式(7)，确定采样设备的第二俯仰角变化值，计算公式(7)如下所示：

delta_theta_c＝yaw

其中，delta_theta_c为采样设备的第二俯仰角变化值，yaw

综上内容，通过上述内容确定第一俯仰角变化值和第二俯仰角变化值，进而，根据第一俯仰角变化值和第二俯仰角变化值，确定区域图像的第一延伸焦点。

需要说明的是，当根据第一俯仰角变化值和第二俯仰角变化值，确定区域图像的第一延伸焦点时，具体可包括以下内容：根据第一俯仰角变化值和第二俯仰角变化值，确定区域图像的第一延伸焦点变化值；根据区域图像的第一延伸焦点变化值，确定区域图像的第一延伸焦点。

在本申请的一种实施例中，可通过计算公式(8)确定第一延伸焦点变化值，进而，将预先设定首张区域图像的最初延伸焦点和第一延伸焦点变化值代入计算公式(9)，确定后续每一区域图像的第一延伸焦点。

具体的，计算公式(8)如下式所示：

delta_foe＝f*sin(delta_theta_v+delta_theta_c) (8)

其中，delta_foe为第一延伸焦点变化值，f为采集设备在采集区域图像时对应的焦距，delta_theta_v为采样设备的第一俯仰角变化值，delta_theta_c为采样设备的第二俯仰角变化值。

进一步的，计算公式(9)如下式所示：

foe_predict ＝ foe_last + delta_foe (9)

其中，foe_predict为区域图像的第一延伸焦点，foe_last为预先设定首张区域图像的最初延伸焦点，delta_foe为第一延伸焦点变化值。

步骤402，提取区域图像中图像要素各自的像素分布，并基于像素分布确定区域图像的第二延伸焦点。

需要说明是，当需要提取区域图像中图像要素各自的像素分布时，可将语义分割模型，对区域图像进行识别，从而确定出图像要素各自的像素分布。

其中，针对不通过的图像要素，可采用不同图像要素对应的语义分割模型进行像素分布的提取操作；并且，不同图像要素对应的语义分割模型需要采用不同的训练样本进行训练，以使得语义分割模型能够针对不同的图像要素，分别进行像素分布的提取操作。

举例说明，车道线对应的语义分割模型需要采用车道线的训练样本进行训练，以使得车道线对应的语义分割模型能够对车道线进行像素分布的提取操作。

需要说明的是，在得到图像要素的像素分布后，可确定该图像要素对应的坐标表示，并确定该区域要素的中心点坐标作为区域图像的第二延伸焦点。

进一步说明，若区域要素为车道线时，由于车道线通常为两条车道线组合出现，因此，可将车道线以等间隔的二维点串进行表征，并且，以两条车道线的中心线为基准，左侧的车道线赋负值，右侧的车道线赋正值，从而，确定车道线对应的坐标表示，将两车道线进行延长，并将两车道线延长后的焦点作为区域图像的第二延伸焦点。

步骤403，基于第一延伸焦点和第二延伸焦点对区域图像进行角度分析，确定区域图像的拍摄角度。

需要说明的是，在对区域图像进行角度分析时，具体可包括以下内容：确定第一延伸焦点和第二延伸焦点的焦点差值；根据焦点差值与差值阈值的大小关系，对区域图像进行角度分析，确定区域图像的拍摄角度。

具体的，可通过计算公式(10)，对第一延伸焦点和第二延伸焦点进行差值运算，得到焦点差值，其中，计算公式(10)如下所示：

diff_foe ＝ abs(foe_predict – foe_observe) (10)

其中，diff_foe为第一延伸焦点和第二延伸焦点的焦点差值，abs为取绝对值操作，foe_predict为区域图像的第一延伸焦点，foe_observe为区域图像的第二延伸焦点。

进一步说明，在根据焦点差值与差值阈值的大小关系，对区域图像进行角度分析时，若焦点差值大于差值阈值，则确定diff_foe＝0，若焦点差值小于或者等于差值阈值，则确定diff_foe＝abs(foe_predict–foe_observe)。

其中，差值阈值可以基于历史经验和区域图像的第一延伸焦点和第二延伸焦点设定，在此不对差值阈值的取值范围进行限定。

因此，在根据焦点差值与差值阈值的大小关系，确定diff_foe取值结果后，根据计算公式(11)，确定区域图像的目标焦点；进而，将区域图像的目标焦点和采集设备在采集区域图像时对应的焦距代入计算公式(12)，得到区域图像的拍摄角度。

具体的，计算公式(11)如下所示：

foe_estimate＝(diff_threshold–diff_foe)/diff_threshold*foe_predict+diff_foe/diff_threshold*foe_observe(11)

其中，foe_estimate为区域图像的目标焦点，diff_threshold为差值阈值，diff_foe为焦点差值，foe_predict为区域图像的第一延伸焦点，foe_observe为区域图像的第二延伸焦点。

进一步的，计算公式(12)如下所示：

theta_estimate ＝ foe_estimate / f (12)

其中，theta_estimate为区域图像的拍摄角度，foe_estimate为区域图像的目标焦点，f为采集设备在采集区域图像时对应的焦距。

上述地图要素生成方法，通过确定第一延伸焦点和第二延伸焦点，实现对区域图像进行角度分析，确定区域图像的拍摄角度，保证了拍摄角度确定的准确性，为后续确定图像要素在区域图像中的位置信息提供了判断基础，保证了能够生成图像要素对应的地图要素，实现低人工成本且高效率的完成地图绘制。

在一个实施例中，按照图像要素的位置信息，在目标区域的区域地图中生成图像要素对应的地图要素，具体可包括以下内容，如图5，该方法包括：

步骤501，基于图像要素的位置信息，确定图像要素在目标区域的区域地图中的映射位置。

需要说明的是，当需要确定图像要素在目标区域的区域地图中的映射位置时，可确定图像要素的位置信息在目标区域的区域地图的对应位置作为映射位置。

进一步说明，当需要确定图像要素在目标区域的区域地图中的映射位置时，还可基于图像要素周围的环境信息，在目标区域的区域图像中筛选相同的环境信息，从而将目标区域的区域图像中具有相同环境信息的位置，作为图像要素在目标区域的区域地图中的映射位置。

步骤502，基于映射位置，将图像要素映射至目标区域的区域地图中，生成图像要素对应的地图要素。

需要说明的是，通过将图像要素映射至目标区域的区域地图中，实现在区域地图中添加图像要素，从而得到包含图像要素的地图要素。并且，当包含多个图像要素，则将各图像要素分别映射至目标区域的区域地图中，进而，得到包含各图像要素的地图要素。

进一步说明，由于车道线具有连贯性，因此，为保证确定车道线对应的地图要素的真实性和有效性，需要对车道线进行成熟验证，从而，根据验证结果，确定车道线的地图要素。举例说明：如图6所示，当区域图像的数量为多个，并且，图像要素为车道线时，可判断区域图像是否为首帧区域图像，若是，则将该首帧区域图像作为基准与后续区域图像进行融合；若否，则将各区域图像进行相互匹配，以使得各区域图像中的车道线相互连通，当对各区域图像完成匹配后，对各区域图像按照匹配顺序进行融合。当完成全部区域图像的融合操作后，对融合后的车道线进行成熟验证，若成熟验证通过，则得到车道线的地图要素；若成熟验证不通过，则重新对多个区域图像进行匹配。

其中，成熟验证可包括但不限于：(1)车道线是否为平滑连线，若是，则成熟验证通过，若否，则成熟验证不通过；(2)车道线长度是否超过阈值，若是，则成熟验证通过，若否，则成熟验证不通过。

上述地图要素生成方法，通过确定图像要素在目标区域的区域地图中的映射位置，实现对图像要素的映射操作，进而得到图像要素对应的地图要素，实现低人工成本且高效率的完成地图绘制。

本实施例中，如图7所示，图7为本申请实施例提供的另一种地图要素生成方法的流程图，当需要绘制图像要素对应的地图要素时，具体可包括以下内容：

步骤701，获取目标区域的区域图像，以及区域图像对应的定位参数。

其中，区域图像中包括至少一个图像要素。

步骤702，根据定位参数对区域图像进行位姿预测，确定区域图像的采样设备的经纬值和位姿朝向。

步骤703，对经纬值进行坐标转换，得到采集区域图像的采样设备的坐标值。

步骤704，根据坐标值，确定采样设备的第一俯仰角变化值。

步骤705，根据位姿朝向，确定采样设备的第二俯仰角变化值。

步骤706，根据第一俯仰角变化值和第二俯仰角变化值，确定区域图像的第一延伸焦点变化值。

步骤707，根据区域图像的第一延伸焦点变化值，确定区域图像的第一延伸焦点。

步骤708，提取区域图像中图像要素各自的像素分布，并基于像素分布确定区域图像的第二延伸焦点。

步骤709，确定第一延伸焦点和第二延伸焦点的焦点差值。

步骤710，根据焦点差值与差值阈值的大小关系，对区域图像进行角度分析，确定区域图像的拍摄角度。

步骤711，针对每一图像要素，基于拍摄角度对图像要素进行位置转换处理，确定图像要素在区域图像中的位置信息。

步骤712，基于图像要素的位置信息，确定图像要素在目标区域的区域地图中的映射位置。

步骤713，基于映射位置，将图像要素映射至目标区域的区域地图中，生成图像要素对应的地图要素。

在本申请的一种实施例中，以图像要素为车道线为例，得到图像要素对应的地图要素可包括以下内容：如图8所示，通过传感器，获取目标区域的区域图像，以及区域图像对应的定位参数；通过语音分割模型，确定车道线的像素分布，并基于述像素分布确定区域图像的第二延伸焦点；通过定位参数，确定区域图像的第一延伸焦点。通过第一延伸焦点和第二延伸焦点，确定区域图像的拍摄角度，并基于区域图像的拍摄角度，确定车道线在区域图像中的位置信息；进而，对区域图像中的车道线进行匹配，并将匹配后的车道线按照匹配结果进行融合，对融合后的车道线进行成熟验证，若成熟验证通过，则得到车道线的地图要素；若成熟验证不通过，则重新对多个区域图像进行匹配。

上述地图要素生成方法，通过获取区域图像和区域图像对应的定位参数，实现根据定位参数对区域图像进行角度分析，进而，确定区域图像对应的拍摄角度；进而，根据区域图像对应的拍摄角度，确定图像要素在区域图像中的位置信息，并在目标区域的区域地图中生成图像要素对应的地图要素。因此，在目标区域的区域地图的构建和更新的过程中，无需人工针对该目标区域的区域图像进行数据处理，可根据该目标区域的区域图像和定位参数，自动生成目标区域中图像要素对应的地图要素，实现低人工成本且高效率的完成地图绘制。应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的地图要素生成方法的地图要素生成装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个地图要素生成装置实施例中的具体限定可以参见上文中对于地图要素生成方法的限定，在此不再赘述。

在一个实施例中，如图9所示，提供了一种地图要素生成装置，包括：获取模块10、第一确定模块20、第二确定模块30和生成模块40，其中：

获取模块10，用于获取目标区域的区域图像，以及区域图像对应的定位参数；区域图像中包括至少一个图像要素。

第一确定模块20，用于根据定位参数对区域图像进行角度分析，确定区域图像的拍摄角度。

第二确定模块30，用于针对每一图像要素，基于拍摄角度对图像要素进行位置转换处理，确定图像要素在区域图像中的位置信息。

生成模块40，用于按照图像要素的位置信息，在目标区域的区域地图中生成图像要素对应的地图要素。

在一个实施例中，如图10所示，提供了一种地图要素生成装置，该地图要素生成装置中第一确定模块20包括：第一确定单元21、提取单元22和第二确定单元23，其中：

第一确定单元21，用于根据定位参数确定区域图像的第一延伸焦点。

提取单元22，用于提取区域图像中图像要素各自的像素分布，并基于像素分布确定区域图像的第二延伸焦点。

第二确定单元23，用于基于第一延伸焦点和第二延伸焦点对区域图像进行角度分析，确定区域图像的拍摄角度。

在一个实施例中，如图11所示，提供了一种地图要素生成装置，该地图要素生成装置中第二确定单元23包括：第一确定子单元231和第二确定子单元232，其中：

第一确定子单元231，用于确定第一延伸焦点和第二延伸焦点的焦点差值。

第二确定子单元232，用于根据焦点差值与差值阈值的大小关系，对区域图像进行角度分析，确定区域图像的拍摄角度。

在一个实施例中，如图12所示，提供了一种地图要素生成装置，该地图要素生成装置中第一确定单元21包括：第三确定子单元211和第四确定子单元212，其中：

第三确定子单元211，用于根据定位参数对区域图像进行位姿预测，确定区域图像的采样设备的经纬值和位姿朝向。

第四确定子单元212，用于根据经纬值和位姿朝向，确定区域图像的第一延伸焦点。

其中，第四确定子单元具体用于：对经纬值进行坐标转换，得到采集区域图像的采样设备的坐标值；根据坐标值，确定采样设备的第一俯仰角变化值；根据位姿朝向，确定采样设备的第二俯仰角变化值；根据第一俯仰角变化值和第二俯仰角变化值，确定区域图像的第一延伸焦点。

所示第四确定子单元还可用于：根据第一俯仰角变化值和第二俯仰角变化值，确定区域图像的第一延伸焦点变化值；根据区域图像的第一延伸焦点变化值，确定区域图像的第一延伸焦点。

在一个实施例中，如图13所示，提供了一种地图要素生成装置，该地图要素生成装置中生成模块40包括：第三确定单元41和映射单元42，其中：

第三确定单元41，用于基于图像要素的位置信息，确定图像要素在目标区域的区域地图中的映射位置。

映射单元42，用于基于映射位置，将图像要素映射至目标区域的区域地图中，生成图像要素对应的地图要素。

上述地图要素生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是采集设备，其内部结构图可以如图14所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种地图要素生成方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图14中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取目标区域的区域图像，以及区域图像对应的定位参数；区域图像中包括至少一个图像要素；

根据定位参数对区域图像进行角度分析，确定区域图像的拍摄角度；

针对每一图像要素，基于拍摄角度对图像要素进行位置转换处理，确定图像要素在区域图像中的位置信息；

按照图像要素的位置信息，在目标区域的区域地图中生成图像要素对应的地图要素。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

根据定位参数确定区域图像的第一延伸焦点；

提取区域图像中图像要素各自的像素分布，并基于像素分布确定区域图像的第二延伸焦点；

基于第一延伸焦点和第二延伸焦点对区域图像进行角度分析，确定区域图像的拍摄角度。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

确定第一延伸焦点和第二延伸焦点的焦点差值；

根据焦点差值与差值阈值的大小关系，对区域图像进行角度分析，确定区域图像的拍摄角度。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

根据定位参数对区域图像进行位姿预测，确定区域图像的采样设备的经纬值和位姿朝向；

根据经纬值和位姿朝向，确定区域图像的第一延伸焦点。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

对经纬值进行坐标转换，得到采集区域图像的采样设备的坐标值；

根据坐标值，确定采样设备的第一俯仰角变化值；

根据位姿朝向，确定采样设备的第二俯仰角变化值；

根据第一俯仰角变化值和第二俯仰角变化值，确定区域图像的第一延伸焦点。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

根据第一俯仰角变化值和第二俯仰角变化值，确定区域图像的第一延伸焦点变化值；

根据区域图像的第一延伸焦点变化值，确定区域图像的第一延伸焦点。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

基于图像要素的位置信息，确定图像要素在目标区域的区域地图中的映射位置；

基于映射位置，将图像要素映射至目标区域的区域地图中，生成图像要素对应的地图要素。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取目标区域的区域图像，以及区域图像对应的定位参数；区域图像中包括至少一个图像要素；

根据定位参数对区域图像进行角度分析，确定区域图像的拍摄角度；

针对每一图像要素，基于拍摄角度对图像要素进行位置转换处理，确定图像要素在区域图像中的位置信息；

按照图像要素的位置信息，在目标区域的区域地图中生成图像要素对应的地图要素。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据定位参数确定区域图像的第一延伸焦点；

提取区域图像中图像要素各自的像素分布，并基于像素分布确定区域图像的第二延伸焦点；

基于第一延伸焦点和第二延伸焦点对区域图像进行角度分析，确定区域图像的拍摄角度。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

确定第一延伸焦点和第二延伸焦点的焦点差值；

根据焦点差值与差值阈值的大小关系，对区域图像进行角度分析，确定区域图像的拍摄角度。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据定位参数对区域图像进行位姿预测，确定区域图像的采样设备的经纬值和位姿朝向；

根据经纬值和位姿朝向，确定区域图像的第一延伸焦点。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

对经纬值进行坐标转换，得到采集区域图像的采样设备的坐标值；

根据坐标值，确定采样设备的第一俯仰角变化值；

根据位姿朝向，确定采样设备的第二俯仰角变化值；

根据第一俯仰角变化值和第二俯仰角变化值，确定区域图像的第一延伸焦点。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据第一俯仰角变化值和第二俯仰角变化值，确定区域图像的第一延伸焦点变化值；

根据区域图像的第一延伸焦点变化值，确定区域图像的第一延伸焦点。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

基于图像要素的位置信息，确定图像要素在目标区域的区域地图中的映射位置；

基于映射位置，将图像要素映射至目标区域的区域地图中，生成图像要素对应的地图要素。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。