基于量产车的地图数据更新方法、装置和系统

技术领域

本公开涉及车辆导航技术领域，尤其涉及一种基于量产车的地图数据更新方法、装置和系统。

背景技术

随着众多应用场景对空间地理信息数据的要求逐渐细化、规模化和实时化，地图数据库中的数据的(包括地理位置信息和待更新对象的形状、尺寸、姿态等属性)更新频率也越来越高。

现有的地图数据库的更新方法，通常需要派出专业的采集车，对疑似需要更新的地点进行数据采集，再由专业的地图数据作业人员对采集的数据进行作业，完成地图数据库的更新。作业人员的作业流程通常包括：首先，作业人员对采集的数据进行处理，提取关键的地图元素(待更新对象)；然后，将提取到的待更新对象与地图数据库中的原对象进行对比，找到需要更新的待更新对象；最后，将更新的内容融合到地图数据库中。

上述更新地图数据库的方法中需要专业的采集车和专业的作业人员，采集成本较高，由于采用人工进行作业，还比较容易出错，更新周期也比较长，实时性较差。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种基于量产车的地图数据更新方法、装置和系统。

本公开提供了一种基于量产车的地图数据更新方法，该方法包括：获取量产车的采集数据；

基于所述采集数据，识别待更新对象；

基于所述采集数据，补充修正所述量产车的行车轨迹，并确定所述待更新对象的地理位置；

基于所述待更新对象及其地理位置，以及地图数据库中的对应对象，更新地图数据库。

可选的，所述采集数据包括图像数据；所述基于所述采集数据，识别待更新对象，包括：

基于所述图像数据，对图像进行检测识别，判断是否存在道路标示牌；

若存在所述道路标示牌，则对所述道路标示牌进行文字识别。

可选的，采用光学文字识别算法对所述道路标示牌进行文字识别。

可选的，所述采集数据包括图像数据；所述基于所述采集数据，识别待更新对象，包括：

基于所述图像数据，对图像进行识别，判断是否存在红绿灯，以及确定道路的几何形状、车道的几何形状、道路和车道的属性以及通行信息。

可选的，所述采集数据包括GPS数据和CAN数据；所述基于所述采集数据，补充修正所述量产车的行车轨迹，并确定所述待更新对象的地理位置，包括：

基于所述GPS数据，确定所述量产车的行车轨迹；

基于所述CAN数据，确定轮速计信息和车辆转角信息；

利用所述轮速计信息和所述车辆转角信息，采用轨迹推算算法，对所述行车轨迹进行补充和修正；

基于补充修正后的所述行车轨迹，确定所述待更新对象的全局位置坐标。

可选的，所述利用所述轮速计信息和所述车辆转角信息，采用轨迹推算算法，对所述行车轨迹进行补充和修正，包括：

在基于GPS数据确定的所述行车轨迹中，获取任一轨迹点的车辆当前车速V1、当前位置(X0，Y0)以及当前车辆取向Theta；

基于所述轮速计信息和所述车辆转向角信息，获取dt时间后的车速V2、车辆转向角度yaw_rate和侧向加速度acc；

基于所述当前车速V1、当前位置(X0，Y0)、当前车辆取向Theta、dt时间后的所述车速V2、所述车辆转向角度yaw_rate和所述侧向加速度acc，确定dt时间后的车辆的位置(X1，Y1)；

其中：X1＝X0+dL×cos(Theta+dTheta/2)，

Y1＝Y0+dL×sin(Theta+dTheta/2)；

式中，dL代表车辆移动距离，dL＝dt×(V1+V2)/2；dTheta代表车辆朝向变化量，dTheta＝dt×(yaw_rate+2×acc/(V1+V2))；

经过迭代计算，补充修正所述行车轨迹。

可选的，所述基于补充修正后的所述行车轨迹，确定所述待更新对象的全局位置坐标，包括：

基于补充修正后的所述行车轨迹，对所述待更新对象附加全局位置坐标。

可选的，所述基于所述待更新对象及其地理位置，以及地图数据库中的对应对象，更新地图数据库，包括：

将所述待更新对象的地理位置与所述地图数据库中的最近的对应对象的位置进行比较；

若位置偏差超出预设偏差值，则单车单次计数；

当计数次数超过预设次数值，则利用所述地理位置更新所述地图数据库中的对应对象的位置。

可选的，所述基于所述待更新对象及其地理位置，以及地图数据库中的对应对象，更新地图数据库，还包括：

将所述待更新对象与所述地图数据库中的对应对象进行比较；

若所述待更新对象与所述对应对象不同，则单车单次计数；

当计数次数超过预设次数值，则利用所述待更新对象更新所述地图数据库中的对应对象。

可选的，所述预设次数值等于或大于50次，且小于或等于150次。

可选的，采用差分对比法将所述待更新对象及其地理位置与所述地图数据库中的对应对象及其位置进行比较。

可选的，该方法还包括：

发布更新后的所述地图数据库。

本公开还提供了一种基于量产车的地图数据更新装置，该装置包括：

数据获取模块，用于获取量产车的采集数据；

对象识别模块，用于基于所述采集数据，识别待更新对象；

位置确定模块，用于基于所述采集数据，补充修正所述量产车的行车轨迹，并确定所述待更新对象的地理位置；

数据更新模块，用于基于所述待更新对象及其地理位置，以及地图数据库中的对应对象，更新地图数据库。

可选的，所述采集数据包括图像数据；所述对象识别模块包括：

道路标示牌识别子模块，用于基于所述图像数据，对图像进行检测识别，判断是否存在道路标示牌；

文字识别子模块，用于在存在所述道路标示牌时，对所述道路标示牌进行文字识别。

可选的，所述文字识别子模块内置光学文字识别算法，所述文字识别子模块具体用于：采用光学文字识别算法对所述道路标示牌进行文字识别。

可选的，所述采集数据包括图像数据；所述对象识别模块包括：

道路及红绿灯识别子模块，用于基于所述图像数据，对图像进行识别，判断是否存在红绿灯，以及确定道路的几何形状、车道的几何形状、道路和车道的属性以及通行信息。

可选的，所述采集数据包括GPS数据和CAN数据；所述位置确定模块包括：

行车轨迹确定子模块，用于基于所述GPS数据，确定所述量产车的行车轨迹；

行车参量确定子模块，用于基于所述CAN数据，确定轮速计信息和车辆转角信息；

行车轨迹补充和修正子模块，用于利用所述轮速计信息和所述车辆转角信息，采用轨迹推算算法，对所述行车轨迹进行补充和修正；

位置坐标确定子模块，用于基于补充修正后的所述行车轨迹，确定所述待更新对象的全局位置坐标。

可选的，所述行车轨迹补充和修正子模块包括：

当前行车状态确定单元，用于在基于GPS数据确定的所述行车轨迹中，获取任一轨迹点的车辆当前车速V

行车状态变化量确定单元，用于基于所述轮速计信息和所述车辆转向角信息，获取d

变化后的车辆位置确定单元，用于基于所述当前车速V

其中：X

Y

式中，d

行车轨迹补充修正单元，用于经过迭代计算，补充修正所述行车轨迹。

可选的，所述位置坐标确定子模块具体用于：

基于补充修正后的所述行车轨迹，对所述待更新对象附加全局位置坐标。

可选的，所述数据更新模块包括：

第一比较子模块，用于将所述待更新对象的地理位置与所述地图数据库中的最近的对应对象的位置进行比较；

第一计数子模块，用于若位置偏差超出预设偏差值，则单车单次计数；

第一更新子模块，用于当计数次数超过预设次数值，则利用所述地理位置更新所述地图数据库中的对应对象的位置。

可选的，所述数据更新模块还包括：

第二比较子模块，用于将所述待更新对象与所述地图数据库中的对应对象进行比较；

第二计数子模块，用于若所述待更新对象与所述对应对象不同，则单车单次计数；

第二更新子模块，用于当计数次数超过预设次数值，则利用所述待更新对象更新所述地图数据库中的对应对象。

可选的，所述预设次数值等于或大于50次，且小于或等于150次。

可选的，所述第一比较子模块采用差分对比法将所述待更新对象的地理位置与所述地图数据库中的对应对象的位置进行比较；所述第二比较子模块具体采用差分对比法将所述待更新对象与所述地图数据库中的对应对象进行比较。

可选的，该装置还包括：

数据发布模块，用于发布更新后的所述地图数据库。

本公开还提供了一种基于量产车的地图数据更新系统，该系统包括上述任一种基于量产车的地图数据更新装置，还包括量产车；

所述量产车用于采集数据。

本公开实施例提供的技术方案与现有技术相比具有如下优点：

本公开提供的基于量产车的地图数据更新方法，通过设置利用量产车采集数据，而非利用专业的采集车采集数据，可改善现有技术中地图数据库更新的成本较高的问题；同时，更新作业过程无需人工参与，可改善现有技术中的地图数据库更新的自动化程度较低且准确性较差的问题。如此，本公开提供的方法可降低地图数据库的更新成本、提高更新自动化程度以及提高更新准确性。

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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本公开实施例的一种基于量产车的地图数据库更新方法的流程示意图；

图2为本公开实施例的另一种基于量产车的地图数据库更新方法的流程示意图；

图3为图1所示方法中S130的细化流程示意图；

图4为图1所示方法中S140的一种细化流程示意图；

图5为图1所示方法中S140的另一种细化流程示意图；

图6为本公开实施例的又一种基于量产车的地图数据库更新方法的流程示意图；

图7为本公开实施例的又一种基于量产车的地图数据库更新方法的流程示意图；

图8为本公开实施例的一种基于量产车的地图数据库更新装置的结构示意图；

图9为本公开实施例的另一种基于量产车的地图数据库更新装置的结构示意图；

图10为本公开实施例的一种基于量产车的地图数据库更新系统的结构示意图。

具体实施方式

为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。

本公开实施例提供的基于量产车的地图数据库更新方法，可应用于地图，例如导航地图的数据库更新场景中，可以对道路的几何形状、车道的几何形状进行更新，也可以对车道和道路的属性进行更新，也可以对交通标牌、限速信息、通行信息等进行更新。该地图数据库更新方法提出了使用量产车进行数据采集，使用算法自动化的方式判断疑似需要更新的内容，确定待更新对象；然后使用算法自动化的方法对采集的数据进行加工，更新地图数据。

本公开实施例提供的地图数据库更新方法实现了高度自动化的地图元素数据更新，并且简洁，实现成本低。即利用量产车采集数据，而非利用专业的采集车采集数据，可改善现有技术中地图数据库更新的成本较高的问题；同时，更新作业过程无需人工参与，可改善现有技术中的地图数据库更新的自动化程度较低且准确性较差的问题。如此，可降低地图数据库的更新成本、提高更新自动化程度以及提高更新准确性。

下面结合图1-图10，对本公开实施例提供的基于量产车的地图数据库更新方法、装置和系统进行示例性说明。

示例性地，图1为本公开实施例的一种基于量产车的地图数据库更新方法的流程示意图。参照图1，该基于量产车的地图数据更新方法可包括：

S110、获取量产车的采集数据。

其中，量产车与非量产车，例如上述背景技术中的专业的采集车进行区分。量产车是指面向社会公开发行的车辆，其“量产”的产量需达到50辆，市场定位较为准确，且价格相对稳定。

示例性地，该量产车可包括家用车辆、货运车辆或其他类型的量产车，本公开实施例对此不限定。

本公开实施例中，量产车自带图像采集、全球定位系统(Global PositioningSystem，GPS)数据以及控制器局域网络(Controller Area Network，CAN)数据获取结构，无需额外加装。量产车的成本较低，而且不需要专业的人员按照既定的路线采集相关数据，只需要统计用户行驶过程中的数据，并利用数据统计结果对相关地图信息进行更新即可。由此，采用量产车进行数据采集，而非采用专业的采集车进行数据采集，并基于此进行地图数据库更新，有利于降低用于数据采集的车辆的成本。

其中，量产车的采集数据可包括量产车可采集到的、可用于地图数据库更新的任何数据，例如可包括直接用于表征车辆周边环境的图像数据和影音数据，可包括用于表征车辆位置的GPS数据，可包括用于表征车辆行驶状态的CAN数据，还可包括本领域技术人员可知的其他类型的数据，本公开实施例对此不限定。

示例性地，该步骤可包括采用数据调用算法，调用量产车的采集数据。该方法的实际应用过程中，该步骤中的数据调用可采用无线传输的方式实现。

S120、基于采集数据，识别待更新对象。

其中，待更新对象即相对于原地图数据库可能发生变化的对象，若待更新对象发生变化，则需要对待更新对象进行更新，下文中详述。

示例性地，待更新对象可包括自然景观和人为建筑，例如山谷河流、公路、铁路、路边建筑、行车标示牌、红绿灯等基于采集数据可识别的地图元素。

示例性地，该步骤可包括采用图像处理算法，对待更新对象进行检测识别。

S130、基于采集数据，补充修正量产车的行车轨迹，并确定待更新对象的地理位置。

其中，基于采集数据中的GPS数据，可确定当前量产车的行车轨迹，在此基础上，结合CAN数据，可进一步地对行车轨迹进行补充和修正，以得到精度较高且较完整的量产车的行车轨迹信息，下文详述。

在确定量产车的行车轨迹后，结合S120，可确定待更新对象的地理位置，即该步骤为地图元素附加地理位置数据，为后续地图数据库的更新做准备。

S140、基于待更新对象及其地理位置，以及地图数据库中的对应对象，更新地图数据库。

其中，待更新对象的地理位置可能发生变化，或者待更新对象的文字内容、几何形状或者大侠尺寸可能发生变化，该步骤中将基于采集数据获取的待更新对象的信息与地图数据库中的对应对象的信息进行比较，可确定地图数据库是否需要更新。在地图数据库需要更新时，利用获取的待更新对象替代地图数据库中的对应原对象，即得到更新后的地图数据库，从而实现对地图数据库的更新。

本公开实施例提供的基于量产车的地图数据库更新方法中，采用量产车的采集数据进行地图数据库更新，可改善现有技术中地图数据库更新的成本较高的问题；同时，更新作业过程无需人工参与，可改善现有技术中的地图数据库更新的自动化程度较低且准确性较差的问题。如此，该方法可降低地图数据库的更新成本、提高更新自动化程度以及提高更新准确性。

在上述实施方式中，量产车的采集数据可包括图像数据、GPS数据以及CAN数据。基于GPS数据和CAN数据可确定准确度较高且较完整的行程轨迹。随着该行车轨迹的延伸方向，通过对图像数据进行检测识别，识别出的待更新对象可包括道路标示牌，例如限速牌、限高牌或其他类型的标识牌，也可包括红绿灯、道路、车道或建筑，包括自然景观和人为建筑等；待更新对象的属性可包括其地理位置、文字信息、几何形状、尺寸大小以及空间位姿等属性。下面对不同待更新对象的不同属性进行更新的可选流程进行示例性说明。

在一些实施例中，采集数据包括图像数据。基于此，图2为本公开实施例的另一种基于量产车的地图数据库更新方法的流程示意图。在图1的基础上，参照图2，S120可包括：

S121、基于图像数据，对图像进行检测识别，判断是否存在道路标示牌。

其中，道路标示牌可包括道路交通标识牌、道路指示牌、龙门架标识牌、景区指示牌、限速标识牌、限高标识牌或者其他类型的标识牌，本公开实施例对此不限定。

示例性地，该步骤可采用基于深度学习的图像处理算法，例如可采用开源的算法方案或本领域技术人员可知的其他算法，对图像数据进行识别检测，以判断是否存在道路标示牌。

在存在道路标示牌时，还需要对其显示的具体内容进行识别，即后续执行S122。

S122、若存在道路标示牌，则对道路标示牌进行文字识别。

其中，如果存在道路标示牌，则对文字进行识别，以确认道路标示牌显示的内容。

在一些实施例中，可采用光学文字识别(Optical Character Recogni-tion，OCR)算法对道路标示牌进行文字识别。

其中，光学文字识别也称为光学字符识别，可通过检测暗、亮的模式确定字符的形状，并将该形状翻译成计算机文字，从而实现对道路标示牌上的文字的识别。

在其他实施方式中，还可采用本领域技术人员可知的其他方式，识别道路标示牌上的文字，本公开实施例对此不限定。

上述结合S121和S122示例性地说明了对道路标示牌及其上的文字的识别流程，下面结合S125示例性地说明对红绿灯、道路形状以及车道形状的识别流程。

在一些实施例中，采集数据包括图像数据。继续参照图2，S120还可包括：

S125、基于图像数据，对图像进行识别，判断是否存在红绿灯，以及确定道路的几何形状、车道的几何形状、道路和车道的属性以及通行信息。

示例性地，该步骤中，可采用基于深度学习的图像处理算法，例如可采用开源的算法方案或本领域技术人员可知的其他算法，对图像数据进行识别检测，以判断是否存在红绿灯，以及确定道路或车道的相关信息，例如道路的几何形状和尺寸大小、车道的几何形状和尺寸大小、车道为土路、石子路、柏油路等车道属性以及通行状况顺畅、道路前方塌方、漫水或泥石流造成无法通行等通行信息。

在其他实施方式中，还可基于图像数据，利用基于深度学习的图像处理算法，检测识别其他类型的地图元素，本公开实施例对此不赘述也不限定。

在上述实施方式中，S125可单独执行，S121和S122可单独执行，或者二者可并行，本公开实施例对此不限定。

上述，结合图2说明了对待更新图像的检测识别方法，下文中结合图3示例性地说明对GPS数据和CAN数据的处理流程。

在一些实施例中，采集数据包括GPS数据和CAN数据。图3为图1所示方法中S130的细化流程示意图。结合图1和图3，S130具体可包括：

S131、基于GPS数据，确定量产车的行车轨迹。

其中，利用GPS数据可实现车辆在行驶过程中的定位，集合行驶过程中的位置信息，即得到量产车的行车轨迹。

在GPS信号不好或信号丢失，例如通过隧道或周围存在较强磁场的路段时，可通过CAN数据对行车轨迹进行补充和修正，以得到较准确且精度较高的行车轨迹。

下面结合S132和S133进行示例性说明。

S132、基于CAN数据，确定轮速计信息和车辆转角信息。

其中，CAN数据可包括车辆在行驶过程中的行驶状态信息，可包括底盘信息，例如轮速计信息和车辆转角信息。集合行驶过程中的任意时刻的行驶状态信息，即可得到车辆在行驶过程中的轮速计信息和车辆转角信息的集合。

其中，轮速计信息可由轮速计测量得到，可表征车轮转速，可用于计算车速。车辆转角信息是指车辆前轮向左或者向右转到某个位置时，其与前轮不发生偏转时中心线所形成的角度，可由转向角度传感器测得，可用于表征车辆的行驶方向趋势。

该步骤为后续推算车辆的行车轨迹做准备。

S133、利用轮速计信息和车辆转角信息，采用轨迹推算算法，对行车轨迹进行补充和修正。

其中，可利用GPS信号较好时的车辆位置作为参考位置，结合由CAN数据确定的轮速计信息和车辆转角信息，采用轨迹推算算法，确定GPS信号不好或丢失时的车辆的行车轨迹，以实现对行车轨迹的补充和修正。下文中详述。

S134、基于补充修正后的行车轨迹，确定待更新对象的全局位置坐标。

示例性地，可将S133得到的较完整且准确的行车轨迹所携带的地理位置信息同步给图像算法识别检测出的地图元素数据，使得地图元素，例如红绿灯、限速牌和道路标示牌等附加地理位置信息。

在一些实施例中，在图3的基础上，S133具体可包括：

步骤一：在基于GPS数据确定的行车轨迹中，获取任一轨迹点的车辆当前车速V

示例性地，该任一轨迹点优先选择GPS信号较好时的轨迹点。

步骤二、基于轮速计信息和车辆转向角信息，获取d

其中，d

步骤三、基于当前车速V

其中：X

X

Y

式中，d

如此，可由任一轨迹点的车辆位置，推算出经dt时间后的车辆位置。其后，以该推算出的位置作为参考点，可推算再经dt时间后的车辆位置，从而得到车辆的多个不同时刻的位置，即执行下述步骤四。

步骤四、经过迭代计算，补充修正行车轨迹。

即，以步骤三中确定的车辆状态作为车辆当前状态，重复上述步骤，即可推算出完整的轨迹信息。

至此，可实现对由GPS数据确定的行车轨迹的修正和补充，得到精度较高且较完整的行车轨迹。

在一些实施例中，在图3的基础上，S134具体可包括：

基于补充修正后的行车轨迹，对待更新对象附加全局位置坐标。

其中，上述步骤可包括：在获取行车轨迹的同时，记录每个轨迹点处的地图元素(即待更新对象)。基于此，该步骤可包括计算地图元素的全局位置坐标，为后续步骤中更新地图元素的地理位置做准备。

在一些实施例中，图4为图1所示方法中S140的一种细化流程示意图。结合图1和图4，S140具体可包括：

S141、将待更新对象的地理位置与地图数据库中的最近的对应对象的位置进行比较。

示例性地，该步骤中将基于量产车的采集数据确定的待更新对象的地理位置与地图数据库中最近的对应对象的位置进行比较，若二者位置一致，表明该对象的位置没有发生变化，若二者位置不一致，则表明该对象的位置发生了变化，可能需要更新。

需要说明的是，上一段中的“一致”不是指在数学意义上的坐标位置的各坐标值严格相等，而是在允许误差范围内相等。具体的误差范围可根据本公开实施例提供的地图数据库更新方法的需求设置，本公开实施例对此不限定。

S142、若位置偏差超出预设偏差值，则单车单次计数。

其中，若待更新对象的地理位置相对于数据库中的对应对象的位置发生较大偏差，即表明该对象位置可能错误；同时为了避免由于单一量产车的采集数据有误而产生的无更新，该步骤中先对该对象的需要更新的需求进行计数，后续当计数次数达到预设次数值，即表明该对象确定需要更新，即后续执行S143。

此外，该步骤中的单车单次计数可理解为，一辆车单次经过该位置时，尽管车辆可多次进行数据采集，但仅计数一次；基于此，某辆车多次(例如：2次)经过该地点，则计数对应多次(2次)；多辆车(例如：10辆车)分别单次经过该地点，则计数对应多次(10次)。

如此设置，可避免地图数据库的错误更新，有利于确保地图数据库的可靠性。

S143当计数次数超过预设次数值，则利用地理位置更新地图数据库中的对应对象的位置。

其中，预设次数值可用于表征同一待更新对象的地址位置变化的可信度，当S142中的单车单次计数的计数次数超过预设次数值时，则表明该待更新对象的地理位置的变化可信，此时利用前述步骤中确定的待更新对象的地理位置替换地图数据库中对应对象的原位置，以实现地图数据库中的待更新对象的地理位置的更新。

示例性地，预设次数值可为50、100、150或其他数值，可根据地图数据库更新方法的需求设置，本公开实施例对此不限定。

上述结合图1和图4，对地图数据库中地图元素的地理位置的更新流程进行了示例性说明，下面结合图5对地图数据库中地图元素的内容的更新流程进行示例性说明。

在一些实施例中，图5为图1所示方法中S140的另一种细化流程示意图。结合图1和图5，S140具体还可包括：

S145、将待更新对象与地图数据库中的对应对象进行比较。

该步骤中，将待更新对象的形状、尺寸或文字内容等于地图数据库中对应对象的对应属性进行比较。若二者相同属性对应一致，表明该对象的属性没有发生变化，若二者相同属性对应不一致，则表明该对象的属性发生了变化，可能需要更新。

S146、若待更新对象与对应对象不同，则单车单次计数。

与S142同理，在地图元素的属性发生变化时，该步骤中先对该对象的需要更新的需求进行计数，后续当计数次数达到预设次数值，即表明该对象确定需要更新，即后续执行S147。

S147、当计数次数超过预设次数值，则利用待更新对象更新地图数据库中的对应对象。

与S143同理，当S146中的单车单次计数的计数次数超过预设次数值时，则表明该待更新对象的属性的变化可信，此时可利用前述步骤中确定的待更新对象的属性替换地图数据库中对应对象的原属性，以实现地图数据库中的对应对象的属性的更新。

在上述实施方式的基础上，图4和图5示出的对于S140的细化流程可并行执行。

在一些实施例中，预设次数值的取值范围可设置为：等于或大于50次，且小于或等于150次。

如此，预设次数值的取值不会过小，从而确保地图元素的地址位置或属性的变化的可信性；同时，预设次数值的取值不会过大，从而确保地图数据库更新的实时性和有效性。

在一些实施例中，采用差分对比法(也称“差分比较法”)将待更新对象及其地理位置与地图数据库中的对应对象及其位置进行比较。

其中，可将待更新对象及其地理位置与地图数据库中的对应对象及其位置做差，并计算差的平方和，如果平方和小于一定阈值(根据地图数据库更新方法的需求设置)，则确定二者相同；否则，确定二者不相同。

如此设置，用于更新地图数据库的差分数据的数据量较小，便于传输，可提高地图数据库更新的有效性和准确性。

在一些实施例中，图6为本公开实施例的又一种基于量产车的地图数据库更新方法的流程示意图。在图1的基础上，参照图6，该方法可包括：

S210、获取量产车的采集数据。

S220、基于采集数据，识别待更新对象。

S230、基于采集数据，补充修正量产车的行车轨迹，并确定待更新对象的地理位置。

S240、基于待更新对象及其地理位置，以及地图数据库中的对应对象，更新地图数据库。

上述各步骤与图1示出的方法中的各步骤对应相同，可参照上文中对图1中各步骤的解释说明进行理解，在此不赘述。

其后，可执行S250。

S250、发布更新后的地图数据库。

该步骤可包括，将更新后的地图数据库发布，以使其相关使用者可应用更新后的地图信息。

在上述实施方式的基础上，图7为本公开实施例的又一种基于量产车的地图数据库更新方法的流程示意图。参照图7，该方法可包括：

首先，获取量产车的采集数据，该采集数据包括图像数据、GPS数据和CAN数据；

其后，基于图像数据，采用基于深度学习的图像处理算法，进行识别检测和OCR，得到地图元素数据；示例性地，可包括：

对图像数据进行算法处理(算法可以使用开源的算法方案)，以对图像进行检测识别，看是否有道路标示牌；如果存在道路标示牌，则进行OCR识别文字，判断是否是限速或者其他类型道路标牌；

对图像进行检测识别，判断是否有红绿灯，如果存在则记录该红绿灯信息。

其后，基于GPS数据和CAN数据，结合轨迹推算算法获取定位信息；并对上一步骤得到的地图元素数据附加地理位置数据；示例性地，可包括：

利用轮速记和车辆转角信息，采用轨迹推算算法，补充纠正GPS信号不好或GPS丢失时的行车轨迹，获取较GPS精度更高更完整的轨迹信息。

其后，将基于行车轨迹得到的地理位置信息同步给图像算法检测识别出的地图元素数据，使的红绿灯、限速牌和道路标示牌拥有地理位置信息。

至此，可得到红绿灯元素数据、限速元素数据和道路标示牌数据。

其后，进行差分判断比较；即将上述得到的地图元素数据与地图数据库中的数据进行差分比较，判断是否更新；示例性地，可包括：

利用上述的地理位置信息在地图数据库中检索红绿灯、限速信息和道路标示牌属性，差分对比与检测的结果是否相同；如果不同则记录一次不同的情报数据。如果有多辆车上传的数据均判断该处有变化，或由单辆车多次上传的数据均判断该处有变化，则该情报数据的置信度增加，当超过某个阈值(即上文中的预设次数值)，则触发更新流程。

其后，进行更新作业；更新作业将地图中的差异数据变更为采集检测出的数据值，并保存到更新作业库，更新作业库上进行验证测试。测试通过后将数据发布到正式的地图数据库中。

本公开实施例提供的基于量产车的地图数据库更新方法，利用量产车的采集数据来实现地图更新，相比地图专业采集车来说，成本更低；同时，无需专业的作业人员参与，而是可由程序执行，其自动化程度较高，准确性较高，可实现大规模低成本自动化更新地图。

在上述实施方式的基础上，本公开实施例还提供了一种基于量产车的地图数据库更新装置，该装置可用于执行上述实施方式中的任一种基于量产车的地图数据库更新方法。因此，该装置也具有上述实施方式中的方法所具有的有益效果，相同之处可参照上文中对方法的解释说明进行理解，下文中不赘述。

下面结合图8和图9，对本公开实施例提供的基于量产车的地图数据更新装置进行示例性说明。

示例性地，图8为本公开实施例的一种基于量产车的地图数据库更新装置的结构示意图。参照图8，该装置包括：数据获取模块310，用于获取量产车的采集数据；对象识别模块320，用于基于采集数据，识别待更新对象；位置确定模块330，用于基于采集数据，补充修正量产车的行车轨迹，并确定待更新对象的地理位置；数据更新模块340，用于基于待更新对象及其地理位置，以及地图数据库中的对应对象，更新地图数据库。

本公开实施例提供的基于量产车的地图数据更新装置中，数据获取模块310可获取量产车的采集数据，后续通过设置利用量产车采集数据，而非利用专业的采集车采集数据进行地图数据库更新，可改善地图数据库更新的成本较高的问题；同时，对象识别模块320可基于采集数据，识别待更新对象；位置确定模块330可基于采集数据，补充修正量产车的行车轨迹，并确定待更新对象的地理位置；数据更新模块340可基于待更新对象及其地理位置，以及地图数据库中的对应对象，更新地图数据库，由此更新作业过程无需人工参与，可改善地图数据库更新的自动化程度较低且准确性较差的问题。如此，该装置可降低地图数据库的更新成本、提高更新自动化程度以及提高更新准确性。

在一些实施例中，图9为本公开实施例的另一种基于量产车的地图数据库更新装置的结构示意图。在图8的基础上，参照图9，采集数据包括图像数据；对象识别模块320包括：道路标示牌识别子模块321，用于基于图像数据，对图像进行检测识别，判断是否存在道路标示牌；文字识别子模块322，用于在存在道路标示牌时，对道路标示牌进行文字识别。

如此，可实现对道路标示牌及其文字的识别。

在一些实施例中，结合图9，文字识别子模块322内置光学文字识别算法，文字识别子模块322具体用于：采用光学文字识别算法对道路标示牌进行文字识别。

如此，可采用OCR算法，实现文字识别。

在一些实施例中，继续参照图9，采集数据包括图像数据；对象识别模块320包括：道路及红绿灯识别子模块323，用于基于图像数据，对图像进行识别，判断是否存在红绿灯，以及确定道路的几何形状、车道的几何形状、道路和车道的属性以及通行信息。

如此，可实现对红绿灯、道路、车道及通信信息的识别。

在一些实施例中，继续参照图9，采集数据包括GPS数据和CAN数据；位置确定模块330包括：行车轨迹确定子模块331，用于基于GPS数据，确定量产车的行车轨迹；行车参量确定子模块332，用于基于CAN数据，确定轮速计信息和车辆转角信息；行车轨迹补充和修正子模块333，用于利用轮速计信息和车辆转角信息，采用轨迹推算算法，对行车轨迹进行补充和修正；位置坐标坐确定模块334，用于基于补充修正后的行车轨迹，确定待更新对象的全局位置坐标。

如此，可得到较完整且准确性较高的行车轨迹，从而可较准确地确定地图元素的地理位置。

在一些实施例中，继续参照图9，行车轨迹补充和修正子模块333包括：当前行车状态确定单元3331，用于在基于GPS数据确定的行车轨迹中，获取任一轨迹点的车辆当前车速V

如此，可基于GPS确定的行车轨迹和CAN数据确定的行车状态，对行车轨迹进行修正和补充，从而得到较完整且精度较高的行车轨迹。

在一些实施例中，位置坐标坐确定模块334具体用于：基于补充修正后的行车轨迹，对待更新对象附加全局位置坐标。

如此，可得到较准确地待更新对象的地理位置。

在一些实施例中，继续参照图9，数据更新模块340包括：第一比较子模块341，用于将待更新对象的地理位置与地图数据库中的最近的对应对象的位置进行比较；第一计数子模块342，用于若位置偏差超出预设偏差值，则单车单次计数；第一更新子模块343，用于当计数次数超过预设次数值，则利用地理位置更新地图数据库中的对应对象的位置。

如此，可实现对地图数据库中的地图元素的地理位置的更新。

在一些实施例中，继续参照图9，数据更新模块340还包括：第二比较子模块345，用于将待更新对象与地图数据库中的对应对象进行比较；第二计数子模块346，用于若待更新对象与对应对象不同，则单车单次计数；第二更新子模块347，用于当计数次数超过预设次数值，则利用待更新对象更新地图数据库中的对应对象。

如此，可实现对地图数据库中的地图元素的其他属性的更新。

在一些实施例中，第一比较子模块341采用差分对比法将待更新对象的地理位置与地图数据库中的对应对象的位置进行比较；第二比较子模块345具体采用差分对比法将待更新对象与地图数据库中的对应对象进行比较。

如此，可使得用于更新地图数据库的差分数据的数据量较小，便于传输，可提高地图数据库更新的有效性和准确性。

在一些实施例中，继续参照图9，该装置还包括：数据发布模块350，用于发布更新后的地图数据库。

如此，可实现更新后的地图数据库的发布。

需要说明的是，图8和图9仅示例性地示出了对地图数据库更新装置在功能上的模块划分，在实际产品中，各模块可相互集成设置，本公开实施例对此不限定。

本公开实施例提供的基于量产车的地图数据库更新装置，利用量产车的采集数据来实现地图更新，相比地图专业采集车来说，成本更低；同时，无需专业的作业人员参与，而是可由程序执行，其自动化程度较高，准确性较高，可实现大规模低成本自动化更新地图。

在上述实施方式的基础上，本公开实施例还提供了一种基于量产车的地图数据更新系统。

示例性地，图10为本公开实施例的一种基于量产车的地图数据库更新系统的结构示意图。参见图10，该系统包括上述实施方式中的任一种基于量产车的地图数据更新装置420，该系统还包括量产车410；量产车410具备采集数据系统，用于采集数据，量产车的数量可为一辆、两辆、四辆(见图10)或更多辆，本公开实施例对此不限定。该系统采用量产车采集数据，而不需要专业的采集车，成本较低。同时无需专业人员参与作业，自动化程度较高且准确性较高。

在其他实施方式中，该系统还可包括本领域技术人员可知的其他功能或结构部件，本公开实施例对此不限定。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。