道路场景识别方法、高精度地图更新方法、装置及设备

技术领域

本申请实施例涉及高精地图技术领域，尤其涉及一种道路场景识别方法、高精度地图更新方法、装置及设备。

背景技术

为了提高对高精地图(High Definition Map，HD地图)的更新效率，可以识别出道路场景的模型，进而，将道路场景模型作为高精地图更新的单元。

一种常规的道路场景识别方法包括：采集多张道路图像，之后，利用深度学习算法分割出多张道路图像中的道路场景图像，再将分割出的道路场景图像与矢量数据进行融合，得到道路场景的模型。然而这种方式，所采集的图像的质量、深度学习算法和融合算法等处理环节，均会对道路场景的识别效果产生影响，导致识别的鲁棒性较差。

发明内容

为克服相关技术中存在的问题，本申请实施例提供了一种道路场景识别方法、高精度地图更新方法、装置及设备。

根据本申请实施例的第一方面，提供了一种时延测量方法，方法包括：

从地图矢量数据集中获取多个目标地图元素的矢量数据，所述地图矢量数据集包括多个地图元素的矢量数据，所述多个目标地图元素是指与待识别的道路场景相关的地图元素；

根据所述多个目标地图元素的矢量数据确定至少两条分割线；

根据所述至少两条分割线作为区域边界的地图区域构建所述道路场景。

根据本申请实施例的第二方面，提供了一种高精地图更新方法，方法包括：

基于第一方面或者第一方面任一可能的实现方式中所述的道路场景识别方法识别得到道路场景；基于所述道路场景更新高精地图。

根据本申请实施例的第三方面，提供了一种道路场景识别装置，所述装置包括：

获取模块，用于从地图矢量数据集中获取多个目标地图元素的矢量数据，所述矢量数据集包括所述地图的多个地图元素的矢量数据，所述多个目标地图元素是指与待识别的道路场景相关的地图元素；

确定模块，用于根据所述多个目标地图元素的矢量数据确定至少两条分割线；

构建模块，用于根据所述至少两条分割线作为区域边界的地图区域构建所述道路场景。

根据本申请实施例的第四方面，提供了一种高精地图更新装置，所述装置包括：

识别模块，用于基于第一方面或者第一方面任一可能的实现方式中所述道路场景识别方法识别得到道路场景；

更新模块，用于基于所述道路场景更新高精地图。

根据本申请实施例的第五方面，提供了一种电子设备，电子设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如第一方面、第一方面任一可能的实现方式或第二方面所述的方法。

第六方面，本申请实施例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中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如第一方面、第一方面任一可能的实现方式或第二方面所述的方法。

本说明书的实施例提供的技术方案可以包括以下有益效果：

本说明书实施例中，将地图矢量数据集作为道路场景识别的基础数据，矢量数据集包括多个地图元素的矢量数据。这样一来，与现有技术的以道路图像作为道路场景识别的基础数据相比，不仅不受图像清晰度的限制，而且有利于提高识别的准确性。从地图矢量数据集中提取出多个与待识别的道路场景相关的目标地图元素矢量数据，根据所述多个目标地图元素的矢量数据确定至少两条分割线，以根据所述至少两条分割线作为区域边界的地图区域构建所述道路场景。可见，由于将地图矢量数据集作为基础数据，本申请实施例的技术方案，无需部署与图像处理相关的深度学习算法和融合算法，部署对矢量数据进行处理的算法即可，这样不仅有利于简化识别的过程，而且能够避免多种处理算法对识别效果产生的影响，优化识别效果，并且能够提高道路场景识别的鲁棒性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍。应理解，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为本申请实施例提供的一种示例性应用场景的场景示意图；

图2为本申请实施例提供的道路场景识别方法的示例性方法流程示意图；

图3A为本申请实施例提供的一种绘制分割线的示例性场景示意图；

图3B为本申请实施例提供的第二种绘制分割线的示例性场景示意图；

图3C为本申请实施例提供的第三种绘制分割线的示例性场景示意图；

图3D为本申请实施例提供的第四种绘制分割线的示例性场景示意图；

图3E为本申请实施例提供的第五种绘制分割线的示例性场景示意图；

图4为本申请实施例提供的道路场景的示例性场景示意图；

图5为本申请实施例提供的道路场景识别装置的示例性组成示意图；

图6为本申请实施例提供的高精地图更新装置的示例性组成示意图；

图7为本申请实施例提供的电子设备的示例性结构示意图。

具体实施方式

下面结合本申请实施例中的附图，对本申请实施例的技术方案进行描述。

本申请以下实施例中所使用的术语是为了描述特定实施例的目的，而并非旨在作为对本申请技术方案的限制。如在本申请的说明书和所附权利要求书中所使用的那样，单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式，除非其上下文中明确地有相反指示。还应当理解，尽管在以下实施例中可能采用术语第一、第二等来描述某一类对象，但所述对象不应限于这些术语。这些术语用来将该类对象的具体实现对象进行区分。例如，以下实施例中采用术语第一、第二等来描述分割线的类型，但分割线的类型不限于这些术语。这些术语仅用来区分不同的道路场景所对应的分割线。以下实施例中可能采用术语第一、第二等来描述的其他类对象同理，此处不再赘述。

下面对本申请实施例涉及的相关技术进行解释。

道路场景：是指按照路面区域的功能，将路面划分为几个功能区域，可以将该几个功能区域称为“道路场景”。示例性的，本申请实施例涉及的道路场景可以包括路口场景、路段场景和交换区场景。

路段场景是指仅由路面的左侧道路边界线、右侧道路边界线确定的道路行驶区域的场景；路口场景是指两条或两条以上的路段在同一路面相交，但未出现分流的区域的场景；交换区场景是指路段出现分流或合流的场景产生交汇的区域的场景。

矢量数据：是指以矢量格式呈现的地图元素的数据。矢量数据可以包括所表征的地图元素的几何特征和语义特征。几何特征可以包括该地图元素的形状、尺寸、曲率和方向等特征；语义特征可以包括该地图元素的颜色、线型和类型等特征。

本申请实施例涉及的道路场景，可以实现为相应道路场景的区域内包含的全部地图元素的矢量数据，以及各个地图元素的矢量数据之间的拓扑结构。任一道路场景的区域内例如可以包括道路边界线、人行横道线和导流线中等地图元素。

结合本申请背景技术的描述，现有道路场景识别方法，将多张道路图像作为数据源，涉及深度学习算法和融合算法等处理环节，不仅需要对大量的图像数据进行处理，计算量大，而且数据源和该两种算法的任意一项的性能不佳，均会恶化对道路场景的识别效果，导致识别的鲁棒性较差。

有鉴于此，本申请实施例提供一种道路场景识别方法，不再将多张道路图像作为数据源，而是将地图矢量数据集作为数据源，从而，基于地图元素的矢量数据包含的几何特征和语义特征，以及结合地图元素与道路场景之间的拓扑关系，可以在地图元素的基础上确定切割出道路场景的分割线，进而，根据这些分割线形成的地图区域识别出道路场景。这样一来，无需对图像数据进行计算和处理，有利于降低识别过程的计算量。另外，面向地图的矢量数据进行识别，识别效果不受图像质量以及图像处理算法的影响，不但识别的鲁棒性更强，且有利于提高对道路场景识别的准确性。

需要指出的是，本申请实施例涉及的分割线，是指道路场景区域的边界线，用于将路口场景、路段场景和交换区场景从一个场景特征中进行分割。一些实施例中，该分割线可以实现为矢量线，该矢量线可以标注在道路场景区域的边界处(如图3A至图3E所示)，以协助识别各个道路场景。这样一来，有利于更准确的确定出各个道路场景，以及对各个道路场景进行建模。当然，在确定各个道路场景的之后，可以删除各个分割线。

参考图1，图1示出了本申请实施例涉及的一种应用场景。如图1所示，本申请实施例提供的道路场景识别方法对应的应用场景可以包括：云服务器10和电子设备20。

云服务器10，也可以被称为“云”或者“云平台”，可以用于接收并存储来自大量车辆传感器采集的道路数据。这些道路数据可以包括多个区域的道路图像或者点云等数据，且，针对一个区域，这些道路数据可以包括该区域的多个道路数据，该多个道路数据可以包括多个角度的数据。云服务器10在接收大量道路图像或者道路数据之后，可以将所采集的道路图像或者道路数据进行处理，以得到地图矢量数据集。

电子设备20可以作为本申请实施例的执行主体。电子设备20可以实现为服务器、服务器集群、计算机等。该电子设备20可以预存储用于支持本申请技术方案实施的信息和数据，信息例如包括预配置的道路场景的类型、各个类型的道路场景与地图元素相关性；数据例如可以包括各个地图元素拼接和组合得到的区域的场景特征、各个场景特征对应的分割线、识别出的各道路场景区域的矢量数据等。该电子设备20中还可以预部署用于支持本申请技术方案实施的程序指令和算法等，该程序指令运行时，可以使该电子设备20执行诸如获取地图矢量数据集、确定场景特征以及分割线、按照道路场景更新高精地图等处理步骤。该算法的功能可以通过深度学习模型来实现，例如，电子设备20可以调用深度学习模型提取矢量数据的几何特征和语义特征，以及确定多个地图元素之间的拓扑结构等。

在执行本申请实施例技术方案的过程中，该电子设备20可以获取用于识别道路场景的地图的初始数据集，该初始数据集可以包括目标区域内全部地图元素的矢量数据。在对该初始数据集进行异常数据过滤等预处理操作之后，得到可以用作道路场景识别的矢量数据集。之后，该电子设备20可以根据各个地图元素的语义特征获取与道路场景相关的矢量数据以及场景特征，可以在场景特征的基础上绘制分割线，进而，可以根据各个场景特征之间的拓扑结构，确定各个分割线之间的拓扑结构，之后，电子设备20可以根据分割线之间以及分割线与道路边界线之间的连接关系，获得道路场景。

此外，一些实施例中，该电子设备20还可以包括显示器，或者外接显示器，该显示器可以用于对上述场景特征、分割线以及上述拓扑结构进行可视化。

下面以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。

请参考图2，图2示出了一种示例性道路场景识别方法，该道路场景识别方法可以由图1中的电子设备20执行。该道路场景识别方法可以包括如下步骤：

在步骤S101中，从地图矢量数据集中获取多个目标地图元素的矢量数据。

其中，所述地图矢量数据集包括所述地图的多个地图元素的矢量数据。

一些实施例中，电子设备可以按照区域从云服务器中获取一个区域的地图矢量数据集。示例性的，所述区域例如可以是城市等，此处不予限制。云服务器中预存储的多个区域的地图矢量数据集，来自于大量车辆传感器的采集。相应的，电子设备获取到的区域地图矢量数据集中，即使针对同一路段，可以包括该道路不同视角下的多个矢量数据。而实际实现场景中，各个车辆的行驶速度、行驶轨迹等可以各不相同，并且各个车辆的传感器硬件质量也各不相同，使得即使针对同一路段，不同视角下的多个矢量数据中可能包括不符合规则的矢量数据。

有鉴于此，电子设备在获取到地图矢量数据集之后，对地图矢量数据集进行预处理，以过滤掉地图矢量数据集当中不符合规则的矢量数据，得到候选的地图矢量数据集。之后，电子设备可以从候选的地图矢量数据集中获取多个目标地图元素的矢量数据。这样一来，一方面能够降低数据处理量，另一方面能够有针对性的处理待处理的矢量数据，从而有利于提高识别的准确性。

其中，不符合规则的矢量数据可以指与道路规则有冲突的数据，例如长度超出规定长度的车道线的矢量数据、两车道线之间的宽度小于道路规定宽度的车道线的矢量数据、曲率异常的转弯车道线的矢量数据等。

本申请实施例所述的目标地图元素是指与待识别的道路场景相关的地图元素。与待识别的道路场景相关的地图元素，可以根据常规经验得到，例如，路段场景通常包括道路边界线，交换区场景通常包括导流线/尖，那么，道路边界线、导流线/尖则为可以被配置为目标地图元素。一些实施例中，所述目标地图元素可以包括以下至少一项：道路边界线、停止线、人行横道线、导流线。

示例性的，电子设备中可以预存储目标地图元素的类型或者标识，以使电子设备可以从候选的地图矢量数据集中，获取预存储的地图元素类型或者标识对应的地图元素矢量数据，作为所述目标地图元素的矢量数据。电子设备可以提取候选的矢量数据集中各个矢量数据的语义特征，之后，选择语义特征表征目标地图元素的矢量数据，以得到所述多个目标地图元素的矢量数据。

其中，地图元素的语义特征可以包括该地图元素的颜色特征，例如：白色、黄色等；以及该地图元素的类型特征，例如：单实线、虚线、导流线、车道护栏等。各种特征值或者各种特征值的组合，可以表征一个地图元素的语义，例如，导流线，可以表征该地图元素为导流线；再如，白色和单实线组合，可以表征该地图元素为道路边界线。

可见，采用本实现方式，电子设备将矢量数据作为道路场景识别的基础数据，与现有技术的以道路图像作为道路场景识别的基础数据相比，不仅不受图像清晰度的限制，而且有利于提高识别的准确性。

在步骤S102中，根据所述多个目标地图元素的矢量数据确定至少两条分割线。

其中，至少两条分割线均可以是矢量线。

实际实施场景中，各个道路场景可以与一些特定的区域元素相关，具体的，一些道路场景可以是多个区域元素相连接构成的。例如，路口场景可以由多个路段相连接构成，交换区场景可以多个分叉路段构成等。基于此，电子设备可以从所述多个目标地图元素的矢量数据中，获取所述各个目标地图元素的拓扑特征和各个目标地图元素的几何特征，进而，根据所述各个目标地图元素的拓扑特征和几何特征，确定所述多个目标地图元素对应的至少一种场景特征。针对任一场景特征，按照所述场景特征与所述道路场景的对应的关系确定所述场景特征对应的分割线。

场景特征可以是指组建道路场景的特征单元。任一场景特征是相应目标地图元素对应的区域元素的特征表征，例如，一个场景特征可以表征地图的一个区域元素的拓扑特征，例如，场景特征可以包括导流尖、人行横道、隔离带、车道转弯等。电子设备可以根据各个目标地图元素的拓扑特征，获取所述各个目标地图元素中未组成区域元素的目标地图元素集，所述区域元素是指形成所述道路场景的区域单元。之后，可以以所述目标地图元素集中任一目标地图元素为索引，根据所述目标地图元素集中各个目标地图元素的拓扑特征，查找所述目标地图元素预设范围内的至少一个目标地图元素，所述目标地图元素与所述至少一个目标地图元素组成区域元素。在得到所述多个目标地图元素对应的至少一个区域元素之后，根据各个区域元素所包含的目标地图元素的拓扑特征和几何特征，确定各个区域元素的场景特征。

其中，任一目标地图元素的拓扑特征可以包括该目标地图元素的左右关系、该目标地图元素延伸的方向、该目标地图元素的长度等，处于一定范围内的一定数量的地图元素之间的拓扑结构，即可以作为一个区域元素。根据本申请实施例对区域元素的设定，可以将上述预设范围设定为半径5米的范围。其中，该5米的长度值按照实际地面的长度设定，对应到高精地图，可以按照数据处理时的比例尺的比例灵活调整。

示例性的，以所述目标地图元素集中任一目标地图元素为索引，可以实现为将被选中的目标地图元素作为参考位置，根据各个所述目标地图元素集中，各个目标地图元素与被选中的目标地图元素的拓扑关系，选择距离参考位置预设范围内的目标地图元素，并将这些目标地图元素组成的区域作为区域元素。

进一步的，若前述多个目标地图元素中还包括未组成区域元素的目标地图元素，针对未组成区域元素的目标地图元素重复以上处理过程，直到所述多个目标地图元素全部组成区域元素。

其中，针对任一区域元素，该区域元素所包含的各个目标地图元素的拓扑特征，可以表征各个目标地图元素之间的空间关系，例如各个目标地图元素之间的左右关系(比如，与该目标地图元素之间相邻的左右目标地图元素分别是什么，与相邻的左右目标地图元素分别是相同方向还是相反方向)、方向(比如，若目标地图元素是车道线，该车道线是纵向还是横向)、距离(比如，与相邻目标地图元素之间的距离)等关系。空间关系结合各个目标地图元素的几何特征可以表征一种场景特征。基于此，电子设备可以根据各个区域元素所包含的目标地图元素的拓扑特征和几何特征，确定各个区域元素的场景特征。

这样一来，将各个目标地图元素组合得到区域元素，不仅对各个目标地图元素进行了进一步识别和验证，而且将区域元素作为道路场景识别的数据依据，使得道路场景的识别可以不受目标地图元素矢量精度的影响，提高道路场景识别的准确性。

一些实施例中，本申请实施例可以预设置若干场景类型，场景类型可以根据场景特征的特点来设置，例如，导流尖的特点包括在两根同向的车道线相交，并且相交部分的夹角小于5度、车道线的线型是单实线或者导流线，那么，可以将两根车道线、相交、交点夹角小于5度作为导流尖的场景类型。基于此，电子设备可以提取各个区域元素包含的各个目标地图元素的拓扑特征和几何特征，然后，将所提取的拓扑特征和几何特征与预设的场景类型进行匹配，若与其中一个场景类型相匹配，则认为该区域元素表征所述相匹配的场景类型对应的场景特征。

示例性的，本申请实施例所述的场景特征例如可以包括导流尖、车道断点、转弯和人行横道。若所述区域元素的场景类型包括两条车道线，且所述两条车道线的拓扑特征表征所述两条车道线相交，将所述区域元素的场景特征确定为所述导流尖，所述两条车道线为所述多个目标地图元素中包含的导流线或者道路边界线(如图3A所示)。若所述区域元素的场景类型包括道路边界线，且所述道路边界线的拓扑特征包括断点，将所述区域元素的场景特征确定为所述车道断点(如图3B所示)。若所述区域元素的场景类型包括道路边界线，且所述道路边界线的几何特征为曲线，将所述区域元素的场景特征确定为所述转弯(如图3C所示)。若所述区域元素的场景类型包括至少一条人行横道线，根据所述至少一条人行横道线的拓扑特征获取所述至少一条人行横道线所属的一列人行横道线，将所述一列人行横道线对应的区域元素的场景特征确定为所述人行横道(如图3D所示)。

应理解，以上场景特征是根据本申请实施例涉及的道路场景所定义的示意性描述，对本申请实施例的场景特征不构成限制。在另一些实施例中，场景特征还可以包括更多的示例。此外，实际实施场景中，电子设备所获取的区域中可以包括部分或全部上述场景特征。此处不予限制。

可见，采用本实现方式，基于区域元素所匹配的场景类型确定各区域元素的场景特征，可以进一步体现出各个目标元素组合后的区域表征语义特征，以及各区域之间的几何关系，从而有利于进一步提高道路场景识别的效率和准确性。

结合上述对场景类型和道路场景的描述可知，上述各场景类型的场景特征与本申请实施例涉及的几类道路场景存在对应关系，且上述各场景特征可以认为是两个道路场景的连接处。其中，上述各场景特征与道路场景的对应关系例如包括：导流尖可以连接路段场景和交换区场景；车道断点可以连接至少一个路段场景；转弯可以连接路口场景和路段场景，或者交换区场景和路段场景；人行横道可以连接路口场景和路段场景，等等。一些实施例中，可以将上述各场景特征与道路场景的对应关系预存储，之后，可以按照以上对应关系，基于各个场景特征确定两个道路场景的分界处，并通过添加分割线确定道路场景的区域边界。

参见图3A，场景特征是所述导流尖的情况下，可以在所述导流尖垂直于所述导流尖左侧道路边界线和右侧道路边界线的方向，分别绘制分割线，例如图3A中的分割线311和分割线312。以及沿着所述导流尖的反方向，在道路的左侧道路边界线和右侧道路边界线满足平行条件的区域绘制分割线，例如图3A中的分割线313。

示例性，导流尖的导流方向例如指示一条道路分叉为两条道路，即导流尖通常出现在分叉路口，那么，在确定所述导流尖之后，电子设备可以查找与所述导流尖处于同一路面的左侧道路边界线和右侧道路边界线，在所述导流尖垂直于所述左侧道路边界线的方向，绘制一条分割线，并且在所述导流尖垂直于所述右侧道路边界线的方向绘制一条分割线，这样在分叉后的两条路的起始路段分别绘制两条分割线。另外，沿着导流方向的反方向确定道路左侧道路边界线和右侧道路边界线进行平行状态的起始点，在该起始点垂直于所述左侧道路边界线和所述右侧道路边界线的方向绘制分割线。所述满足平行条件的区域是指每条道路左侧道路边界线和右侧道路边界线进行平行状态的起始点。

参见图3B，场景特征是所述车道断点的情况下，在所述车道断点对应的两条道路边界线的断点处绘制连线，所述连线为分割线，例如图3B中的分割线320。

示例性，电子设备在确定一个车道断点后，可以查找与所述车道断点对应的道路边界线断点处于同于路面的另一道路边界线的断点，之后，绘制所述道路边界线断点与所述另一道路边界线的断点的连线，并将该连线作为分割线。

参见图3C，针对所述转弯，可以将在所述转弯的路段中宽度大于预设宽度的部分，绘制连接左侧道路边界线与右侧道路边界线的分割线，例如图3C中的分割线330。

示例性，针对转弯的场景特征，电子设备可以获取转弯的道路边界线的曲率，确定转弯的道路边界线同一路面的另一条转弯的道路边界线，之后，可以获取转弯的道路边界线与另一条转弯的道路边界线之间的路段的宽度，将路段的宽度中大于预设宽度的部分两条道路边界线的连线作为分割线。所述预设宽度可以是转弯的场景特征所在路段中直行路段的宽度。

参见图3D，针对所述人行横道，可以确定与道路边界线临近的两条人行横道线，分别将所述两条人行横道线延长得到分割线，例如图3C中的分割线341和分割线342。

参见图3E，针对包含停止线的场景特征，将所述停止线延长至与所述停止线垂直的两条道路边界线相交，延长后的线为所述分割线，如分割线350。

需要指出的是，图3A至图3E所示的五种实现方式相互独立，本申请实施例对该五种实现方式的执行顺序可以不限制。一些实施例中，图3A至图3E所示的五种实现方式可以并行执行。

可见，以矢量数据作为道路场景识别的基础数据，基于从矢量数据中提取出的语义特征、拓扑特征、场景特征等，来确定道路场景的分割线，不仅能够提高识别的准确性，而且与现有技术相比，无需部署与图像处理算法和融合算法，不仅有利于简化识别的过程，并且能够提高道路场景识别的鲁棒性。

在步骤S103中，根据所述至少两条分割线作为区域边界的地图区域构建所述道路场景。

其中，在根据目标区域内至少一种场景特征绘制多条分割线之后，电子设备可以获取所述至少一种场景特征的拓扑结构，也即目标区域的拓扑结构。根据所述拓扑结构确定所述至少两条分割线的拓扑关系，并基于所述至少两条分割线的拓扑关系，确定以所述两条分割线和道路边界线为区域边界的多个地图区域，所述多个地图区域分别为一个道路场景。

需要指出的是，在确定场景特征的过程中，一些实施例中，可能存在将一些非场景特征的区域元素，识别为某类场景特征，例如，将一些并非导流尖的道路边界线交点确定为导流尖的情况；另一些实施例中，可能存在重复确定场景特征的情况，例如，针对一个车道断点，从车道线的一个方向确定为一个车道断点，而从该车道线的相反方向，可能会将该车道断点确定为另一个车道断点。这样，导致针对这些场景特征所绘制的分割线无效或者重复。电子设备可以在构建所述道路场景之前，可以过滤掉无效或重复的分割线。

示例性的，在确定所述至少两条分割线的拓扑关系之后，电子设备根据拓扑关系可以识别出其中无效或者重复的分割线，以及保留其中有效的分割线。之后，根据所保留的分割线之间，以及分割线与道路边界线之间的连接关系，将分割线与道路边界线作为区域边界的地图区域，确定为道路场景，并可以获取各个道路场景面的矢量数据。例如，图4所示的示例性道路场景。

综上，本申请实施例中，将地图矢量数据集作为道路场景识别的基础数据，矢量数据集包括地图的多个地图元素的矢量数据。这样一来，与现有技术的以道路图像作为道路场景识别的基础数据相比，不仅不受图像清晰度的限制，而且有利于提高识别的准确性。从地图矢量数据集中提取出多个与待识别的道路场景相关的目标地图元素矢量数据，根据所述多个目标地图元素的矢量数据确定至少两条分割线，以根据所述至少两条分割线作为区域边界的地图区域构建所述道路场景。可见，由于将地图矢量数据集作为基础数据，本申请实施例的技术方案，无需部署与图像处理相关的深度学习算法和融合算法，部署对矢量数据进行处理的算法即可，这样不仅有利于简化识别的过程，而且能够避免多种处理算法对识别效果产生的影响，优化识别效果，并且能够提高道路场景识别的鲁棒性。

进一步的，在根据图2对应的全部或部分实施例获得道路场景后，本申请实施例还提供了一种高精地图更新方法，该高精地图更新方法中，电子设备可以基于所述道路场景更新高精地图。这样一来，可以提高对高精地图的更新效率。

上述实施例从确定场景特征、绘制分割线、根据分割线构建道路场景的角度，对本申请实施例提供的方法的各实施方式进行了介绍。应理解，对应上述处理步骤，本申请实施例可以以硬件或硬件和计算机软件的结合形式来实现上述功能。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

例如，若上述实现步骤通过软件模块来实现相应的功能。如图5所示，提供了一种道路场景识别装置，道路场景识别装置可以包括获取模块51、确定模块52和构建模块53。该道路场景识别装置可用于执行上述图2至图4中的部分或全部操作。

例如：获取模块51可以用于从地图矢量数据集中获取多个目标地图元素的矢量数据，所述地图矢量数据集包括多个地图元素的矢量数据，所述多个目标地图元素是指与待识别的道路场景相关的地图元素。确定模块52可以用于根据所述多个目标地图元素的矢量数据确定至少两条分割线。构建模块53可以用于根据所述至少两条分割线作为区域边界的地图区域构建所述道路场景。

可选的，获取模块51还用于提取所述地图矢量数据集中各个矢量数据的语义特征；选择语义特征表征目标地图元素的矢量数据，以得到所述多个目标地图元素的矢量数据，所述目标地图元素包括以下至少一项：道路边界线、停止线、人行横道线、导流线。

可选的，确定模块52还用于从所述多个目标地图元素的矢量数据中，获取各个目标地图元素的拓扑特征和各个目标地图元素的几何特征；根据所述各个目标地图元素的拓扑特征和几何特征，确定所述多个目标地图元素对应的至少一种场景特征，任一场景特征是相应目标地图元素对应的区域元素的特征表征；针对任一场景特征，按照所述场景特征与所述道路场景的对应的关系确定所述场景特征对应的分割线。

可选的，确定模块52还用于获取所述各个目标地图元素中未组成区域元素的目标地图元素集，所述区域元素是指形成所述道路场景的区域单元；以所述目标地图元素集中任一目标地图元素为索引，根据所述目标地图元素集中各个目标地图元素的拓扑特征，查找所述目标地图元素预设范围内的至少一个目标地图元素，所述目标地图元素与所述至少一个目标地图元素组成区域元素；在得到所述多个目标地图元素对应的至少一个区域元素之后，根据各个区域元素所包含的目标地图元素的拓扑特征和几何特征，确定各个区域元素的场景特征。

可选的，确定模块52还用于针对任一区域元素，提取所述区域元素包含的各个目标地图元素的拓扑特征和几何特征；将所提取的拓扑特征和几何特征与预设的多个场景类型分别进行匹配；将所述多个场景类型中相匹配的场景类型对应的场景特征作为所述区域元素的场景特征。

可选的，所述场景特征包括导流尖、车道断点、转弯和人行横道，确定模块52还用于若所述区域元素的场景类型包括两条车道线，且所述两条车道线的拓扑特征表征所述两条车道线相交，将所述区域元素的场景特征确定为所述导流尖，所述两条车道线为所述多个目标地图元素中包含的导流线或者道路边界线；若所述区域元素的场景类型包括道路边界线，且所述道路边界线的拓扑特征包括断点，将所述区域元素的场景特征确定为所述车道断点；若所述区域元素的场景类型包括道路边界线，且所述道路边界线的几何特征为曲线，将所述区域元素的场景特征确定为所述转弯；若所述区域元素的场景类型包括至少一条人行横道线，根据所述至少一条人行横道线的拓扑特征获取所述至少一条人行横道线所属的一列人行横道线，将所述一列人行横道线对应的区域元素的场景特征确定为所述人行横道。

可选的，确定模块52还用于针对所述导流尖，在所述导流尖垂直于所述导流尖左侧道路边界线和右侧道路边界线的方向，分别绘制分割线；以及以及沿着所述导流尖的反方向，在道路的左侧道路边界线和右侧道路边界线满足平行条件的区域绘制分割线；针对所述车道断点，在所述车道断点对应的两条道路边界线的断点处绘制连线，所述连线为分割线；针对所述转弯，在所述转弯的路段中宽度大于预设宽度的部分，绘制连接左侧道路边界线与右侧道路边界线的分割线；针对所述人行横道，确定与道路边界线临近的两条人行横道线，分别将所述两条人行横道线延长得到分割线；针对包含停止线的场景特征，将所述停止线延长至与所述停止线垂直的两条道路边界线相交，延长后的线为分割线。

可选的，构建模块53还用于确定所述至少两条分割线的拓扑关系；基于所述至少两条分割线的拓扑关系，确定以所述两条分割线和道路边界线为区域边界的多个地图区域，所述多个地图区域分别为一个道路场景。

可选的，构建模块53还用于获取所述至少一种场景特征的拓扑结构；根据所述拓扑结构确定所述至少两条分割线的拓扑关系。

相应的，如图6所示，提供了一种高精地图更新装置，高精地图更新装置可以包括识别模块61和更新模块62。该高精地图更新装置可用于执行上述高精地图更新方法。

例如，识别模块61可以用于图5中道路场景识别的步骤，以得到道路场景。更新模块62可以用于基于所述道路场景更新高精地图。

可以理解的是，以上各个模块的划分仅仅是一种逻辑功能的划分，实际实现时，该以上各模块的功能可以集成到硬件实体实现，例如，获取模块51的功能可以集成到收发器实现，确定模块52的功能、构建模块53以及更新模块62的功能可以集成到处理器实现等。

请参考图7，图7提供了一种电子设备7，该电子设备7可以实现为图1中的电子设备20。该电子设备可以包括处理器71、收发器72、和存储器73，这些组件通过通信总线74连接和通信。其中，收发器72可以用于与云服务器10进行通信以获取矢量数据集。存储器73用于存储应用程序和道路场景识别过程中产生的数据，当该应用程序被调用时，使得处理器71执行上述图2至图4中电子设备的部分或全部操作。

具体实现过程，参见图2至图4中相关的描述，此处不赘述。

应当理解，在一些可行的实施方式中，图7中示意的处理器可以是处理单元(central processing unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor，DSP)、专用集成电路(application specific integratedcircuit，ASIC)、现成可编程门阵列(field-programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。图7中示意的存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息等。

本申请实施例中还提供一种计算机可读存储介质，该计算机可读存储介质中存储有图像处理的指令，当其在计算机上运行时，使得计算机执行如前述图2至图4所示实施例描述的方法中的部分或全部步骤。

本申请实施例中还提供一种包括图像处理的指令的计算机程序产品，当其在计算机上运行时，使得计算机执行如前述图2至图4所示实施例描述的方法中的部分或全部步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，智能手机或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-onlymemory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

尽管已描述了本申请的可选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

以上所述的具体实施方式，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请的具体实施方式而已，并不用于限定本申请的保护范围，凡在本申请的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。