高架桥区域的建图方法、装置及其车辆定位方法、装置与流程

1.本技术涉及高架桥区域的建图与定位技术领域，尤其涉及一种高架桥区域的建图方法、装置及其车辆定位方法、装置。


背景技术：

2.目前大部分车辆都装有摄像头和地图导航软件，但受制于车端算力的影响，一般没有高精地图，当这些车辆进入高架桥区域时，gps(global positioning system，全球定位系统)会因为高架桥的遮挡以及附近高楼等的影响导致车辆出现定位偏差，尤其是在平行的高架桥区域，无法准确分辨出自身处于高架桥上还是高架桥下。因此，高架桥的准确识别能够帮助车辆在行驶过程中及时发现自身是否偏航，从而能够尽快找到合适的正确行驶路线。
3.对于高架桥区域的识别和定位，现有方案主要是通过图像识别分类的方式来确定车辆是位于高架桥上还是高架桥下，但是这种识别方式必然会存在误检，其输出的结果要么高架桥上，要么是高架桥下，这种分类模型的输出结果并且不具有可解释性，并且很多城市的高架桥区域，会存在车辆已经在桥上，但是车辆上方还有桥的情况，例如对向行驶车道的高架，此种方案显然不能够提供准确的识别结果。
4.此外，现有方案通过imu(inertial measurement unit)，即惯性测量单元)中的加速度计与陀螺仪来推算车辆的上下坡状态，但imu数据存在噪声，并且会造成累计误差，尤其在缓坡的情况下，无法准确分辨。
5.因此，上述方案对于高架桥区域的识别和定位存在较高的误检率，而一旦出现误检导致地图发起偏航，会影响用户的出行体验。


技术实现要素：

6.本技术实施例提供了一种高架桥区域的建图方法、装置及其车辆定位方法、装置，以提高高架桥区域车辆定位的准确性。
7.本技术实施例采用下述技术方案：
8.第一方面，本技术实施例提供一种高架桥区域的建图方法，其中，所述高架桥区域的建图方法包括：
9.获取车端发送的高架桥区域的建图数据，所述高架桥区域的建图数据包括高架桥区域的道路图像、惯导定位数据以及所述车端在所述高架桥区域对应的导航路线；
10.基于所述高架桥区域的惯导定位数据，利用预设特征提取模型对所述高架桥区域的道路图像进行特征提取，得到所述高架桥区域的特征数据；
11.基于所述车端在所述高架桥区域对应的导航路线，利用预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果；
12.根据所述高架桥区域的特征匹配结果构建所述高架桥区域的特征地图。
13.可选地，所述基于所述高架桥区域的惯导定位数据，利用预设特征提取模型对所
述高架桥区域的道路图像进行特征提取，得到所述高架桥区域的特征数据包括：
14.根据所述高架桥区域的道路图像和惯导定位数据，确定所述高架桥区域的关键帧图像；
15.利用预设特征提取模型对所述高架桥区域的关键帧图像进行特征提取，得到所述高架桥区域的关键帧特征数据。
16.可选地，所述基于所述车端在所述高架桥区域对应的导航路线，利用预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果包括：
17.基于所述车端在所述高架桥区域对应的导航路线，确定所述高架桥区域的特征数据的数据量是否满足预设建图条件；
18.在所述高架桥区域的特征数据的数据量满足所述预设建图条件的情况下，利用所述预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果。
19.可选地，所述高架桥区域的建图数据还包括所述高架桥区域对应的岔路口标识，所述基于所述车端在所述高架桥区域对应的导航路线，利用预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果包括：
20.基于所述车端在所述高架桥区域对应的导航路线，确定所述高架桥区域的特征数据对应的特征数据类型，所述特征数据类型包括桥上特征数据和桥下特征数据；
21.确定所述高架桥区域的特征数据、所述特征数据类型以及所述高架桥区域对应的岔路口标识的对应关系；
22.基于所述高架桥区域的特征数据、所述特征数据类型以及所述高架桥区域对应的岔路口标识的对应关系，利用所述预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果。
23.可选地，所述桥上特征数据和所述桥下特征数据分别包括多份，所述基于所述高架桥区域的特征数据、所述特征数据类型以及所述高架桥区域对应的岔路口标识的对应关系，利用所述预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果包括：
24.将任意两份桥上特征数据之间进行特征匹配，得到桥上特征匹配结果；
25.将任意两份桥下特征数据之间进行特征匹配，得到桥下特征匹配结果；
26.在所述桥上特征匹配结果满足预设桥上特征匹配要求，且所述桥下特征匹配结果满足预设桥下特征匹配要求的情况下，根据所述桥上特征匹配结果和所述桥下特征匹配结果确定所述高架桥区域的特征匹配结果。
27.可选地，所述根据所述高架桥区域的特征匹配结果构建所述高架桥区域的特征地图包括：
28.根据所述高架桥区域的特征匹配结果，确定匹配成功的特征数据；
29.确定所述匹配成功的特征数据对应的高架桥区域位置，并根据所述匹配成功的特征数据对应的高架桥区域位置对所述匹配成功的特征数据进行筛选，得到筛选后的特征数据；
30.根据所述筛选后的特征数据构建所述高架桥区域的特征地图。
31.第二方面，本技术实施例还提供一种高架桥区域的车辆定位方法，其中，所述高架桥区域的车辆定位方法包括：
32.获取车端发送的高架桥区域的特征地图获取请求，所述高架桥区域的特征地图获取请求包括高架桥区域对应的岔路口标识；
33.根据所述高架桥区域对应的岔路口标识，确定对应的高架桥区域的特征地图；
34.获取所述车端发送的当前道路图像，并利用预设特征提取模型对所述当前道路图像进行特征提取，得到当前道路图像的特征数据；
35.将所述当前道路图像的特征数据与所述高架桥区域的特征地图进行匹配，得到高架桥区域的车辆定位结果；
36.其中，所述高架桥区域的特征地图基于前述之任一所述高架桥区域的建图方法构建得到。
37.可选地，在根据所述当前道路图像的特征数据和所述高架桥区域的特征地图，得到高架桥区域的车辆定位结果之后，所述方法还包括：
38.获取所述车端的导航路线；
39.将所述高架桥区域的车辆定位结果与所述导航路线进行比较；
40.根据比较结果确定是否需要重新规划所述车端的导航路线。
41.第三方面，本技术实施例还提供一种高架桥区域的建图装置，其中，所述高架桥区域的建图装置包括：
42.第一获取单元，用于获取车端发送的高架桥区域的建图数据，所述高架桥区域的建图数据包括高架桥区域的道路图像、惯导定位数据以及所述车端在所述高架桥区域对应的导航路线；
43.第一特征提取单元，用于基于所述高架桥区域的惯导定位数据，利用预设特征提取模型对所述高架桥区域的道路图像进行特征提取，得到所述高架桥区域的特征数据；
44.第一匹配单元，用于基于所述车端在所述高架桥区域对应的导航路线，利用预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果；
45.构建单元，用于根据所述高架桥区域的特征匹配结果构建所述高架桥区域的特征地图。
46.第四方面，本技术实施例还提供一种高架桥区域的车辆定位装置，其中，所述高架桥区域的建图装置包括：
47.第二获取单元，用于获取车端发送的高架桥区域的特征地图获取请求，所述高架桥区域的特征地图获取请求包括高架桥区域对应的岔路口标识；
48.第一确定单元，用于根据所述高架桥区域对应的岔路口标识，确定对应的高架桥区域的特征地图；
49.第二特征提取单元，用于获取所述车端发送的当前道路图像，并利用预设特征提取模型对所述当前道路图像进行特征提取，得到当前道路图像的特征数据；
50.第二匹配单元，用于将所述当前道路图像的特征数据与所述高架桥区域的特征地图进行匹配，得到高架桥区域的车辆定位结果；
51.其中，所述高架桥区域的特征地图基于前述高架桥区域的建图装置构建得到。
52.第五方面，本技术实施例还提供一种电子设备，包括：
53.处理器；以及
54.被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述高架桥区域的建图方法。
55.第六方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述之任一所述高架桥区域的建图方法。
56.本技术实施例采用的上述至少一个技术方案能够达到以下有益效果：本技术实施例的高架桥区域的建图方法，先获取车端发送的高架桥区域的建图数据，高架桥区域的建图数据包括高架桥区域的道路图像、惯导定位数据以及车端在高架桥区域对应的导航路线；然后基于高架桥区域的道路图像和惯导定位数据，利用预设特征提取模型进行特征提取，得到高架桥区域的特征数据；之后基于车端在高架桥区域对应的导航路线，利用预设特征匹配策略对高架桥区域的特征数据进行匹配，得到高架桥区域的特征匹配结果；最后根据高架桥区域的特征匹配结果构建高架桥区域的特征地图。本技术实施例的高架桥区域的建图方法针对高架桥区域采集了足够的特征数据，并基于车端自带的地图导航工具提供的导航路线实现了特征数据的自标注，以此构建得到的高架桥区域的特征地图能够为后续高架桥区域的车辆定位提供有效支撑，保证用户有更加智能的出行体验。
附图说明
57.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
58.图1为本技术实施例中一种高架桥区域的建图方法的流程示意图；
59.图2为本技术实施例中一种高架桥区域提取关键帧图像的示意图；
60.图3为本技术实施例中一种高架桥区域的车辆定位方法的流程示意图；
61.图4为本技术实施例中一种高架桥区域的特征地图构建及定位流程框图；
62.图5为本技术实施例中一种高架桥区域的建图装置的结构示意图；
63.图6为本技术实施例中一种高架桥区域的车辆定位装置的结构示意图；
64.图7为本技术实施例中一种电子设备的结构示意图。
具体实施方式
65.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
66.以下结合附图，详细说明本技术各实施例提供的技术方案。
67.本技术实施例提供了一种高架桥区域的建图方法，如图1所示，提供了本技术实施例中一种高架桥区域的建图方法的流程示意图，所述高架桥区域的建图方法至少包括如下的步骤s110至步骤s140：
68.步骤s110，获取车端发送的高架桥区域的建图数据，所述高架桥区域的建图数据
包括高架桥区域的道路图像、惯导定位数据以及所述车端在所述高架桥区域对应的导航路线。
69.本技术实施例的高架桥区域的建图方法可以由云端来执行，在构建高架桥区域的地图时，需要先获取车端采集的高架桥区域的建图数据，这里的车端可以是未来一段时间内任何会经过同一高架桥区域且能够与云端进行通信的车辆，车端根据自身的gps定位和导航路线可以确定是否即将会抵达高架桥区域，如果即将抵达高架区域可以先访问云端是否已经有该高架区域对应的完整特征地图，如果没有，则触发后续的建图数据采集和上报的流程，从而构建或者更新完善该高架区域对应的特征地图。这些车端采集和上报的数据是云端建图的重要基础，也即本技术实施例的建图过程可以通过“众包”方式来实现，数据丰富且采集效率高。当然，也可以由专门的数据采集车来采集，在此不作具体限定。
[0070]“高架桥区域”可以是指从即将进入高架桥的岔路口位置到沿着高架桥的桥上或者桥下行驶预设距离后所形成的区域，例如，从高架桥岔路口位置的前10m到沿着高架桥的桥上或者桥下行驶200m后这段距离所对应的区域作为高架桥区域。当然，高架桥区域的具体范围大小本领域技术人员也可以根据实际场景和需求灵活调整，在此不作具体限定。
[0071]
车端采集的高架桥区域的建图数据主要包括高架桥区域的一系列的道路图像、对应的惯导定位数据以及车端在高架桥区域对应的导航路线等，车端可以在即将到达高架桥的岔路口位置开启车辆上的前方摄像头开始采集道路图像，并在行驶预设距离后停止采集道路图像，在这个过程中，车端的imu也在实时输出惯导定位数据，包括加速度与角速度等，车端基于自带的地图导航软件还可以得到车辆在即将进入高架桥区域时对应的导航路线，这些数据都可以发送给云端作为后续建图的基础数据。
[0072]
步骤s120，基于所述高架桥区域的惯导定位数据，利用预设特征提取模型对所述高架桥区域的道路图像进行特征提取，得到所述高架桥区域的特征数据。
[0073]
惯导定位数据能够反映车辆在整个高架桥区域行驶过程中的大致行驶状态，虽然在gps定位信号较差的情况下单纯依赖imu的惯导定位数据进行定位会存在一定程度的累计误差，但本技术实施例并不是利用惯导定位数据来判断车辆的上下坡状态，而是基于惯导定位数据推算的粗略位置信息，利用预设特征提取模型对高架桥区域的道路图像进行特征提取，从而得到高架桥区域的特征数据。
[0074]
上述预设特征提取模型可以基于现有的深度学习模型事先训练得到，提取出的特征数据具体可以包括道路图像中的特征点坐标以及每个特征点对应的特征描述子。
[0075]
步骤s130，基于所述车端在所述高架桥区域对应的导航路线，利用预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果。
[0076]
大部分情况下，车辆都会按照地图导航软件提供的导航路线行驶，因此对于高架桥区域的导航路线，其能够反映出车辆在行驶到高架桥区域时具体是行驶在桥上区域还是桥下区域，因此本技术实施例可以基于高架桥区域对应的导航路线，分别得到桥上区域和桥下区域对应的足量的特征数据，然后利用预设特征匹配策略对桥上区域和桥下区域对应的特征数据分别进行特征匹配，从而能够得到正确且充分表征桥上和桥下区域特点的特征数据。
[0077]
步骤s140，根据所述高架桥区域的特征匹配结果构建所述高架桥区域的特征地图。
[0078]
这里的高架桥区域的特征匹配结果主要是特征明显且匹配效果较好的特征数据，基于这些特征数据就可以构建高架桥区域的特征地图了，从而为后续即将行驶到高架桥区域的车辆位置的准确判断提供有效支撑。
[0079]
本技术实施例的高架桥区域的建图方法针对高架桥区域采集了足够的特征数据，并基于车端自带的地图导航工具提供的导航路线实现了特征数据的自标注，以此构建得到的高架桥区域的特征地图能够为后续高架桥区域的车辆定位提供有效支撑，保证用户有更加智能的出行体验。
[0080]
在本技术的一些实施例中，所述基于所述高架桥区域的惯导定位数据，利用预设特征提取模型对所述高架桥区域的道路图像进行特征提取，得到所述高架桥区域的特征数据包括：根据所述高架桥区域的道路图像和惯导定位数据，确定所述高架桥区域的关键帧图像；利用预设特征提取模型对所述高架桥区域的关键帧图像进行特征提取，得到所述高架桥区域的关键帧特征数据。
[0081]
由于车端采集的高架桥区域的道路图像是一段距离内的连续多帧图像，多个车端最终采集的数据量往往很大，实际定位过程往往并不需要用到全量的道路图像提供的特征数据，这也将影响后续匹配定位的效率。基于此，本技术实施例可以采用一定的关键帧提取策略从各个车端采集的高架桥区域的多帧道路图像中分别提取出关键帧图像进行后续处理。
[0082]
由于每个车端进入高架桥区域采集的道路图像数量及对应的特征可能并不完全一致，例如车端a上报了高架桥区域的20帧道路图像，而车端b则上报了同一高架桥区域的22帧道路图像，如果仅仅从图像帧的帧间间隔来选取关键帧并不准确，因此本技术实施例可以借助imu的惯导定位数据来实现关键帧图像的选取，例如可以采用slam(simultaneous localization and mapping，同步定位与建图)算法对道路图像和对应的imu惯导定位数据进行处理，每隔一定距离如30m可以选取一帧关键帧，而这个距离的判断就是通过slam算法对图像与imu惯导定位数据进行定位得出的。如图2所示，提供了本技术实施例中一种高架桥区域提取关键帧图像的示意图，对于从进入高架桥区域到驶出高架桥区域采集的所有道路图像中，利用上述关键帧提取方式可以每隔30m的距离分别提取出0,1,2,
……
,n帧关键帧图像。
[0083]
最后利用预设特征提取模型对高架桥区域的关键帧图像进行特征提取，从而得到高架桥区域的关键帧特征数据，为了提高后续特征匹配效率，这里还可以进一步对提取出的关键帧特征数据进行抽稀处理后再保存。
[0084]
在本技术的一些实施例中，所述基于所述车端在所述高架桥区域对应的导航路线，利用预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果包括：基于所述车端在所述高架桥区域对应的导航路线，确定所述高架桥区域的特征数据的数据量是否满足预设建图条件；在所述高架桥区域的特征数据的数据量满足所述预设建图条件的情况下，利用所述预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果。
[0085]
由于车端采集和上传建图数据是一个逐步的过程，建图数据也是逐渐积累的过程，因此云端在构建具体的特征地图时，可以先判断当前获取到的高架桥区域的建图数据的数据量是否已经达到建图要求，即是否能够为后续匹配定位提供充足的特征数据。当然，
数据量的具体要求可以根据实际场景和需求灵活设置，例如可以设置为当获取到100份高架桥区域的建图数据时，认为数据量能够满足后续建图要求。
[0086]
此外，还可以进一步限定桥上区域对应的数据量和桥下区域对应的数据量分别达到一定要求。由于车端同时上报了导航路线，假设正常情况下车辆都会按照导航路线行驶，那么根据该导航路线就能够确定出该车端采集的道路图像具体是桥上区域的道路图像还是桥下区域的道路图像，从而能够分别统计桥上区域和桥下区域的数据量情况，进而能够判断数据量是否满足后续建图要求。
[0087]
在本技术的一些实施例中，所述高架桥区域的建图数据还包括所述高架桥区域对应的岔路口标识，所述基于所述车端在所述高架桥区域对应的导航路线，利用预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果包括：基于所述车端在所述高架桥区域对应的导航路线，确定所述高架桥区域的特征数据对应的特征数据类型，所述特征数据类型包括桥上特征数据和桥下特征数据；确定所述高架桥区域的特征数据、所述特征数据类型以及所述高架桥区域对应的岔路口标识的对应关系；基于所述高架桥区域的特征数据、所述特征数据类型以及所述高架桥区域对应的岔路口标识的对应关系，利用所述预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果。
[0088]
由于车端具有自带的地图导航工具，地图导航工具会针对每一个高架桥区域的岔路口分配一个全局唯一标识如link id，该标识能够唯一表征该岔路口对应的高架桥区域，因此可以作为后续匹配定位阶段的索引使用。
[0089]
如前所述，基于车端在高架桥区域的导航路线能够确定出该车端采集的道路图像中的特征数据对应的是桥上还是桥下的特征数据，也即能够确定出高架桥区域的特征数据对应的特征数据类型。那么结合车端同时上传的该高架桥区域对应的岔路口标识，就可以建立起特征数据-岔路口标识-特征数据类型(桥上/桥下)三者之间的对应关系，基于该对应关系就可以进行后续的特征匹配操作了。
[0090]
在本技术的一些实施例中，所述桥上特征数据和所述桥下特征数据分别包括多份，所述基于所述高架桥区域的特征数据、所述特征数据类型以及所述高架桥区域对应的岔路口标识的对应关系，利用所述预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果包括：将任意两份桥上特征数据之间进行特征匹配，得到桥上特征匹配结果；将任意两份桥下特征数据之间进行特征匹配，得到桥下特征匹配结果；在所述桥上特征匹配结果满足预设桥上特征匹配要求，且所述桥下特征匹配结果满足预设桥下特征匹配要求的情况下，根据所述桥上特征匹配结果和所述桥下特征匹配结果确定所述高架桥区域的特征匹配结果。
[0091]
本技术实施例在进行特征数据的匹配时，可以针对桥上区域的特征数据和桥下区域的特征数据分别进行匹配，例如可以将桥上区域的多份特征数据两两之间进行匹配，得到桥上区域匹配成功的特征数据，同样将桥下区域的多份特征数据两两之间进行匹配，得到桥下区域匹配成功的特征数据。由于每一份特征数据分别包含的是多个关键帧图像中的特征数据，例如，第一份特征数据和第二份特征数据均包括10帧特征数据，在将两份特征数据进行匹配时，可以将这两份数据中的10帧特征数据分别比较，当两份数据中有多帧特征数据均匹配成功时，也即相似度很高时，则可以认为这两份特征数据匹配成功，以此类推，
可以得到任意两份特征数据的匹配结果。
[0092]
匹配成功的特征数据量越多，说明特征数据越能够正确表征该位置的特点，进而也就能够为后续定位阶段的特征匹配提供更准确的支撑，因此这里还可以分别对桥上区域和桥下区域匹配成功的特征数据的数据量进行约束，例如，假设桥上区域分别对应有50份特征数据，其中有40份数据均匹配成功，那么就可以认为桥上区域的特征匹配结果已经达到要求，同理，桥下区域也可以设置相应的要求进行判断。
[0093]
特征数据之间的具体匹配算法可以结合现有技术灵活选择，例如可以采用sift(scale-invariant feature transform，尺度不变特征变换)算法或者fast(features from accelerated segment test，加速分割测试特征)算法等，在此不作具体限定。
[0094]
基于上述过程在无需人工标注的情况下就可以得到关于高架桥区域对应的桥上与桥下的正确特征数据，通过在云端保存这些特征数据，从而能够在整个高架桥区域内实现较高的识别准确率。
[0095]
在本技术的一些实施例中，所述根据所述高架桥区域的特征匹配结果构建所述高架桥区域的特征地图包括：根据所述高架桥区域的特征匹配结果，确定匹配成功的特征数据；确定所述匹配成功的特征数据对应的高架桥区域位置，并根据所述匹配成功的特征数据对应的高架桥区域位置对所述匹配成功的特征数据进行筛选，得到筛选后的特征数据；根据所述筛选后的特征数据构建所述高架桥区域的特征地图。
[0096]
由于上述匹配成功的特征数据往往表征的是针对同一位置点的多帧特征数据，也即由于是在同一位置采集和提取出的特征，因此具有较高的特征相似度，而对于后续匹配定位过程来说，并不需要用到同一位置点对应的所有特征数据进行匹配，因此这里可以根据每个匹配成功的特征数据对应的高架桥区域的具体位置对匹配成功的特征数据进行筛选，保证每一个位置点有对应的一个或者少数几个特征数据即可，从而提高后续特征匹配的效率。
[0097]
本技术实施例还提供了一种高架桥区域的车辆定位方法，如图3所示，提供了本技术实施例中一种高架桥区域的车辆定位方法的流程示意图，所述高架桥区域的车辆定位方法至少包括如下的步骤s310至步骤s340：
[0098]
步骤s310，获取车端发送的高架桥区域的特征地图获取请求，所述高架桥区域的特征地图获取请求包括高架桥区域对应的岔路口标识。
[0099]
本技术实施例在进行高架桥区域的车辆定位时，需要先获取车端发送的高架桥区域的特征地图获取请求，请求中需要携带高架桥区域对应的岔路口标识如link id，link id是表征每一个高架桥区域的唯一标识，因此车端需要提供该岔路口标识从而便于后续确认车辆即将进入的是哪个高架桥区域。
[0100]
步骤s320，根据所述高架桥区域对应的岔路口标识，确定对应的高架桥区域的特征地图。
[0101]
由于在特征地图的构建过程，每一个高架桥区域的特征地图都有对应的岔路口标识进行标记，因此这里在获取到车端的特征地图获取请求后，就可以根据车端发送的高架桥区域的岔路口标识，确定出车端当前即将进入是哪个高架桥区域，从而获取该高架桥区域对应的特征地图即可。
[0102]
步骤s330，获取所述车端发送的当前道路图像，并利用预设特征提取模型对所述
当前道路图像进行特征提取，得到当前道路图像的特征数据。
[0103]
之后还需要进一步获取车端发送的当前道路图像，这里的当前道路图像可以是指车辆在已经进入高架桥区域行驶一段距离之后上报的图像，例如车辆在经过岔路口50m后采集的道路图像，车端根据gps定位数据和imu采集的惯导定位数据能够大致推算出当前在高架桥区域行驶的距离，从而确定是否需要采集道路图像。
[0104]
在得到当前道路图像后，同样可以利用基于深度学习训练得到的预设特征提取模型对当前道路图像进行特征提取，从而得到当前道路图像的特征数据。
[0105]
步骤s340，将所述当前道路图像的特征数据与所述高架桥区域的特征地图进行匹配，得到高架桥区域的车辆定位结果；其中，所述高架桥区域的特征地图基于前述之任一所述高架桥区域的建图方法构建得到。
[0106]
将当前道路图像的特征数据与高架桥区域的特征地图中包含的多帧特征数据一一进行特征匹配，从而根据匹配程度确定出最匹配的那一帧特征数据，由于特征地图中的特征数据事先已经标注了桥下/桥下的具体类型，进而也就能够确定出车辆当前是位于高架桥的桥上区域还是桥下区域。匹配程度的要求例如可以是与桥上特征数据的匹配点对的数量要远大于与桥下特征数据匹配点对的数量，或者与桥下特征数据的匹配点对的数量要远大于与桥上特征数据匹配点对的数量，具体数量要求可以根据实际需求灵活设置，只要能够明显区分出当前道路图像中的特征数据的类型即可。当然，还可以对最低匹配点对的数量进行限制，具体可以通过预设最低数量阈值来限制，从而进一步降低误检率。
[0107]
由于特征匹配的程度是一个具体量化的指标，匹配程度越高，越有可能说明二者对应的是同一位置的特征数据，也即二者越有可能属于同一数据类型，因此本技术实施例输出的特征匹配结果具有可解释性，相比现有方案中基于图像识别模型得到的桥下/桥下的分类结果来说，更加可信和可靠。此外，由于本技术实施例采用的是特征匹配的方式，因此对于一些复杂的高架桥场景，如车辆已经在桥上但该车辆上方还有桥的情况，仍然能够准确识别。
[0108]
需要说明的是，本技术实施例的上述高架桥区域的车辆定位方法可以由云端来执行，云端执行的好处是可以降低对车端算力的要求，因为大部分的车端可能尚不具备满足特征地图匹配需求的算力，因此通过云端执行可以适用于更多的车端。当然，如果一些车端具备相应的算力条件，也可以由车端来执行，当由车端来执行时，由于高架桥区域的特征地图数据都存储在云端，因此车端需要先将对应的高架桥区域的特征地图从云端下载下来，然后在车端进行后续的特征提取和匹配定位等操作，从而能够降低高架桥区域车辆定位的延迟性，提高实时性。
[0109]
在本技术的一些实施例中，在根据所述当前道路图像的特征数据和所述高架桥区域的特征地图，得到高架桥区域的车辆定位结果之后，所述方法还包括：获取所述车端的导航路线；将所述高架桥区域的车辆定位结果与所述导航路线进行比较；根据比较结果确定是否需要重新规划所述车端的导航路线。
[0110]
由于在高架桥区域难以准确识别车辆位置，因此可能会由于误检而触发偏航导致重新规划导航路线，而本技术实施例则能够得到准确的高架桥区域的定位结果，通过将该定位结果与导航路线规划的结果进行比较，从而能够更加准确确定车辆是否偏航，即是否需要重新规划路线。
[0111]
例如，基于特征匹配的方式识别到车辆当前行驶在桥上区域，而导航路线对应的也是位于桥上区域行驶的路线，那么这时就验证了车辆并没有发生偏航，从而能够避免由于定位偏差的存在导致导航路线被错误重新规划的问题，进而保证车辆按照正确路线行驶。
[0112]
为了便于对本技术各实施例的理解，如图4所示，提供了本技术实施例中一种高架桥区域的特征地图构建及定位流程框图。对于建图流程，需要先获取高架桥区域的道路图像并进行特征提取，得到高架桥区域的特征数据，然后进行特征数据的自标注，从而得到高架桥区域的特征地图。对于定位流程，需要先确定车端即将进入的高架桥区域，加载对应的高架桥区域的特征地图数据，然后获取车端采集的当前道路图像并进行特征提取，得到当前道路图像中的特征数据，然后将当前道路图像中的特征数据与对应的高架桥区域的特征地图数据进行特征匹配，从而确定出高架桥区域的车辆定位结果。
[0113]
本技术实施例还提供了一种高架桥区域的建图装置500，如图5所示，提供了本技术实施例中一种高架桥区域的建图装置的结构示意图，所述高架桥区域的建图装置500包括：第一获取单元510、第一特征提取单元520、第一匹配单元530以及构建单元540，其中：
[0114]
第一获取单元510，用于获取车端发送的高架桥区域的建图数据，所述高架桥区域的建图数据包括高架桥区域的道路图像、惯导定位数据以及所述车端在所述高架桥区域对应的导航路线；
[0115]
第一特征提取单元520，用于基于所述高架桥区域的惯导定位数据，利用预设特征提取模型对所述高架桥区域的道路图像进行特征提取，得到所述高架桥区域的特征数据；
[0116]
第一匹配单元530，用于基于所述车端在所述高架桥区域对应的导航路线，利用预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果；
[0117]
构建单元540，用于根据所述高架桥区域的特征匹配结果构建所述高架桥区域的特征地图。
[0118]
在本技术的一些实施例中，所述第一特征提取单元520具体用于：根据所述高架桥区域的道路图像和惯导定位数据，确定所述高架桥区域的关键帧图像；利用预设特征提取模型对所述高架桥区域的关键帧图像进行特征提取，得到所述高架桥区域的关键帧特征数据。
[0119]
在本技术的一些实施例中，所述第一匹配单元530具体用于：基于所述车端在所述高架桥区域对应的导航路线，确定所述高架桥区域的特征数据的数据量是否满足预设建图条件；在所述高架桥区域的特征数据的数据量满足所述预设建图条件的情况下，利用所述预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果。
[0120]
在本技术的一些实施例中，所述高架桥区域的建图数据还包括所述高架桥区域对应的岔路口标识，所述第一匹配单元530具体用于：基于所述车端在所述高架桥区域对应的导航路线，确定所述高架桥区域的特征数据对应的特征数据类型，所述特征数据类型包括桥上特征数据和桥下特征数据；确定所述高架桥区域的特征数据、所述特征数据类型以及所述高架桥区域对应的岔路口标识的对应关系；基于所述高架桥区域的特征数据、所述特征数据类型以及所述高架桥区域对应的岔路口标识的对应关系，利用所述预设特征匹配策
略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果。
[0121]
在本技术的一些实施例中，所述桥上特征数据和所述桥下特征数据分别包括多份，所述第一匹配单元530具体用于：将任意两份桥上特征数据之间进行特征匹配，得到桥上特征匹配结果；将任意两份桥下特征数据之间进行特征匹配，得到桥下特征匹配结果；在所述桥上特征匹配结果满足预设桥上特征匹配要求，且所述桥下特征匹配结果满足预设桥下特征匹配要求的情况下，根据所述桥上特征匹配结果和所述桥下特征匹配结果确定所述高架桥区域的特征匹配结果。
[0122]
在本技术的一些实施例中，所述构建单元540具体用于：根据所述高架桥区域的特征匹配结果，确定匹配成功的特征数据；确定所述匹配成功的特征数据对应的高架桥区域位置，并根据所述匹配成功的特征数据对应的高架桥区域位置对所述匹配成功的特征数据进行筛选，得到筛选后的特征数据；根据所述筛选后的特征数据构建所述高架桥区域的特征地图。
[0123]
能够理解，上述高架桥区域的建图装置，能够实现前述实施例中提供的高架桥区域的建图方法的各个步骤，关于高架桥区域的建图方法的相关阐释均适用于高架桥区域的建图装置，此处不再赘述。
[0124]
本技术实施例还提供了一种高架桥区域的车辆定位装置600，如图6所示，提供了本技术实施例中一种高架桥区域的车辆定位装置的结构示意图，所述高架桥区域的建图装置600包括：第二获取单元610、第一确定单元620、第二特征提取单元630以及第二匹配单元640，其中：
[0125]
第二获取单元610，用于获取车端发送的高架桥区域的特征地图获取请求，所述高架桥区域的特征地图获取请求包括高架桥区域对应的岔路口标识；
[0126]
第一确定单元620，用于根据所述高架桥区域对应的岔路口标识，确定对应的高架桥区域的特征地图；
[0127]
第二特征提取单元630，用于获取所述车端发送的当前道路图像，并利用预设特征提取模型对所述当前道路图像进行特征提取，得到当前道路图像的特征数据；
[0128]
第二匹配单元640，用于将所述当前道路图像的特征数据与所述高架桥区域的特征地图进行匹配，得到高架桥区域的车辆定位结果；
[0129]
其中，所述高架桥区域的特征地图基于前述高架桥区域的建图装置构建得到。
[0130]
在本技术的一些实施例中，所述高架桥区域的车辆定位装置还包括：第三获取单元，用于获取所述车端的导航路线；比较单元，用于将所述高架桥区域的车辆定位结果与所述导航路线进行比较；第二确定单元，用于根据比较结果确定是否需要重新规划所述车端的导航路线。
[0131]
能够理解，上述高架桥区域的车辆定位装置，能够实现前述实施例中提供的高架桥区域的车辆定位方法的各个步骤，关于高架桥区域的车辆定位方法的相关阐释均适用于高架桥区域的车辆定位装置，此处不再赘述。
[0132]
图7是本技术的一个实施例电子设备的结构示意图。请参考图7，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(random-access memory，ram)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他
业务所需要的硬件。
[0133]
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是isa(industry standard architecture，工业标准体系结构)总线、pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
[0134]
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
[0135]
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成高架桥区域的建图装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
[0136]
获取车端发送的高架桥区域的建图数据，所述高架桥区域的建图数据包括高架桥区域的道路图像、惯导定位数据以及所述车端在所述高架桥区域对应的导航路线；
[0137]
基于所述高架桥区域的惯导定位数据，利用预设特征提取模型对所述高架桥区域的道路图像进行特征提取，得到所述高架桥区域的特征数据；
[0138]
基于所述车端在所述高架桥区域对应的导航路线，利用预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果；
[0139]
根据所述高架桥区域的特征匹配结果构建所述高架桥区域的特征地图。
[0140]
上述如本技术图1所示实施例揭示的高架桥区域的建图装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(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。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。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。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
[0141]
该电子设备还可执行图1中高架桥区域的建图装置执行的方法，并实现高架桥区域的建图装置在图1所示实施例的功能，本技术实施例在此不再赘述。
[0142]
本技术实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中高架桥区域的建图装置执行的方法，并具体用于执行：
[0143]
获取车端发送的高架桥区域的建图数据，所述高架桥区域的建图数据包括高架桥区域的道路图像、惯导定位数据以及所述车端在所述高架桥区域对应的导航路线；
[0144]
基于所述高架桥区域的惯导定位数据，利用预设特征提取模型对所述高架桥区域的道路图像进行特征提取，得到所述高架桥区域的特征数据；
[0145]
基于所述车端在所述高架桥区域对应的导航路线，利用预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果；
[0146]
根据所述高架桥区域的特征匹配结果构建所述高架桥区域的特征地图。
[0147]
需要说明的是，本技术实施例的电子设备还可以用于执行图6所示实施例揭示的高架桥区域的车辆定位装置执行的方法，具体不再赘述。
[0148]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0149]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0150]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0151]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0152]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0153]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0154]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备
或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0155]
还需要说明的是，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、商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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0156]
本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0157]
以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：
1.一种高架桥区域的建图方法，其中，所述高架桥区域的建图方法包括：获取车端发送的高架桥区域的建图数据，所述高架桥区域的建图数据包括高架桥区域的道路图像、惯导定位数据以及所述车端在所述高架桥区域对应的导航路线；基于所述高架桥区域的惯导定位数据，利用预设特征提取模型对所述高架桥区域的道路图像进行特征提取，得到所述高架桥区域的特征数据；基于所述车端在所述高架桥区域对应的导航路线，利用预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果；根据所述高架桥区域的特征匹配结果构建所述高架桥区域的特征地图。2.如权利要求1所述高架桥区域的建图方法，其中，所述基于所述高架桥区域的惯导定位数据，利用预设特征提取模型对所述高架桥区域的道路图像进行特征提取，得到所述高架桥区域的特征数据包括：根据所述高架桥区域的道路图像和惯导定位数据，确定所述高架桥区域的关键帧图像；利用预设特征提取模型对所述高架桥区域的关键帧图像进行特征提取，得到所述高架桥区域的关键帧特征数据。3.如权利要求1所述高架桥区域的建图方法，其中，所述基于所述车端在所述高架桥区域对应的导航路线，利用预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果包括：基于所述车端在所述高架桥区域对应的导航路线，确定所述高架桥区域的特征数据的数据量是否满足预设建图条件；在所述高架桥区域的特征数据的数据量满足所述预设建图条件的情况下，利用所述预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果。4.如权利要求1所述高架桥区域的建图方法，其中，所述高架桥区域的建图数据还包括所述高架桥区域对应的岔路口标识，所述基于所述车端在所述高架桥区域对应的导航路线，利用预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果包括：基于所述车端在所述高架桥区域对应的导航路线，确定所述高架桥区域的特征数据对应的特征数据类型，所述特征数据类型包括桥上特征数据和桥下特征数据；确定所述高架桥区域的特征数据、所述特征数据类型以及所述高架桥区域对应的岔路口标识的对应关系；基于所述高架桥区域的特征数据、所述特征数据类型以及所述高架桥区域对应的岔路口标识的对应关系，利用所述预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果。5.如权利要求4所述高架桥区域的建图方法，其中，所述桥上特征数据和所述桥下特征数据分别包括多份，所述基于所述高架桥区域的特征数据、所述特征数据类型以及所述高架桥区域对应的岔路口标识的对应关系，利用所述预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果包括：将任意两份桥上特征数据之间进行特征匹配，得到桥上特征匹配结果；
将任意两份桥下特征数据之间进行特征匹配，得到桥下特征匹配结果；在所述桥上特征匹配结果满足预设桥上特征匹配要求，且所述桥下特征匹配结果满足预设桥下特征匹配要求的情况下，根据所述桥上特征匹配结果和所述桥下特征匹配结果确定所述高架桥区域的特征匹配结果。6.如权利要求1所述高架桥区域的建图方法，其中，所述根据所述高架桥区域的特征匹配结果构建所述高架桥区域的特征地图包括：根据所述高架桥区域的特征匹配结果，确定匹配成功的特征数据；确定所述匹配成功的特征数据对应的高架桥区域位置，并根据所述匹配成功的特征数据对应的高架桥区域位置对所述匹配成功的特征数据进行筛选，得到筛选后的特征数据；根据所述筛选后的特征数据构建所述高架桥区域的特征地图。7.一种高架桥区域的车辆定位方法，其中，所述高架桥区域的车辆定位方法包括：获取车端发送的高架桥区域的特征地图获取请求，所述高架桥区域的特征地图获取请求包括高架桥区域对应的岔路口标识；根据所述高架桥区域对应的岔路口标识，确定对应的高架桥区域的特征地图；获取所述车端发送的当前道路图像，并利用预设特征提取模型对所述当前道路图像进行特征提取，得到当前道路图像的特征数据；将所述当前道路图像的特征数据与所述高架桥区域的特征地图进行匹配，得到高架桥区域的车辆定位结果；其中，所述高架桥区域的特征地图基于权利要求1～6之任一所述高架桥区域的建图方法构建得到。8.如权利要求7所述高架桥区域的车辆定位方法，其中，在根据所述当前道路图像的特征数据和所述高架桥区域的特征地图，得到高架桥区域的车辆定位结果之后，所述方法还包括：获取所述车端的导航路线；将所述高架桥区域的车辆定位结果与所述导航路线进行比较；根据比较结果确定是否需要重新规划所述车端的导航路线。9.一种高架桥区域的建图装置，其中，所述高架桥区域的建图装置包括：第一获取单元，用于获取车端发送的高架桥区域的建图数据，所述高架桥区域的建图数据包括高架桥区域的道路图像、惯导定位数据以及所述车端在所述高架桥区域对应的导航路线；第一特征提取单元，用于基于所述高架桥区域的惯导定位数据，利用预设特征提取模型对所述高架桥区域的道路图像进行特征提取，得到所述高架桥区域的特征数据；第一匹配单元，用于基于所述车端在所述高架桥区域对应的导航路线，利用预设特征匹配策略对所述高架桥区域的特征数据进行匹配，得到所述高架桥区域的特征匹配结果；构建单元，用于根据所述高架桥区域的特征匹配结果构建所述高架桥区域的特征地图。10.一种高架桥区域的车辆定位装置，其中，所述高架桥区域的建图装置包括：第二获取单元，用于获取车端发送的高架桥区域的特征地图获取请求，所述高架桥区域的特征地图获取请求包括高架桥区域对应的岔路口标识；
第一确定单元，用于根据所述高架桥区域对应的岔路口标识，确定对应的高架桥区域的特征地图；第二特征提取单元，用于获取所述车端发送的当前道路图像，并利用预设特征提取模型对所述当前道路图像进行特征提取，得到当前道路图像的特征数据；第二匹配单元，用于将所述当前道路图像的特征数据与所述高架桥区域的特征地图进行匹配，得到高架桥区域的车辆定位结果；其中，所述高架桥区域的特征地图基于权利要求9所述高架桥区域的建图装置构建得到。11.一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1～6之任一所述高架桥区域的建图方法，或者执行所述权利要求7～8之任一所述高架桥区域的车辆定位方法。12.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～6之任一所述高架桥区域的建图方法，或者执行所述权利要求7～8之任一所述高架桥区域的车辆定位方法。

技术总结
本申请公开了一种高架桥区域的建图方法、装置及其车辆定位方法、装置，该方法包括：获取车端发送的高架桥区域的建图数据，建图数据包括高架桥区域的道路图像、惯导定位数据以及车端在高架桥区域对应的导航路线；基于惯导定位数据，利用预设特征提取模型对高架桥区域的道路图像进行特征提取，得到高架桥区域的特征数据；基于导航路线，利用预设特征匹配策略对高架桥区域的特征数据进行匹配；根据特征匹配结果构建高架桥区域的特征地图。本申请针对高架桥区域采集了足够的特征数据，并基于车端自带的地图导航工具提供的导航路线实现了特征数据的自标注，以此构建的高架桥区域的特征地图能够为后续高架桥区域的车辆定位提供有效支撑，保证用户的出行体验。保证用户的出行体验。保证用户的出行体验。


技术研发人员：张上鑫
受保护的技术使用者：智道网联科技（北京）有限公司
技术研发日：2023.04.28
技术公布日：2023/9/5