[发明专利]一种无人值守的高精度地图质检方法和装置

权利要求书

1.一种无人值守的高精度地图质检方法，其特征在于，包括：

S1，基于采集的高精地图数据，通过第一深度学习模型提取第一交通要素集；所述高精地图数据包括GPS数据、点云数据和图像数据；

S2，通过第二深度学习模型从所述高精地图数据中提取第二交通要素集，以所述第二交通要素集为标准，对所述第一交通要素集进行质检；其中，所述第二深度学习模型对高精地图数据中交通要素的提取精度大于所述第一深度学习模型；

S3，对质检不合格的错误目标进行错误类型标记，并记录在数据库中，以供作业人员根据所述错误类型标记，对所述错误目标进行修改。

2.根据权利要求1所述的方法，其特征在于，所述错误类型包括：目标缺失、数据冗余、平面精度错误、高程精度错误和属性错误。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括，在所述错误目标的修改完成后，所述方法还包括：

对修改完成后的地图数据以预设抽样率进行抽检；

将抽检不合格的错误数据反馈到样本库中作为训练样本，并分别对所述错误数据进行粗标注和精细标注；将粗标注后的第一样本作为第一深度学习模型的训练样本，精细标注后的第二样本作为第二深度学习模型的训练样本。

4.根据权利要求1所述的方法，其特征在于，S1中，所述基于采集的高精地图数据，通过第一深度学习模型提取第一交通要素集，具体包括：

将GPS数据、点云数据和图像数据进行融合，通过第一深度学习模型从融合数据中提取第一交通要素集；

相应的，S2中，所述通过第二深度学习模型从所述高精地图数据中提取第二交通要素集，包括：

通过第二深度学习模型，从所述融合数据中提取第二交通要素集。

5.根据权利要求1所述的方法，其特征在于，在S1之后，所述方法还包括：

将所述第一交通要素集存入数据库中。

6.根据权利要求1所述的方法，其特征在于，S2中，以所述第二交通要素集为标准，对所述第一交通要素集进行质检，具体包括：

比对所述第一交通要素集和所述第二交通要素集中，每一交通要素的几何偏差，若所述几何偏差小于预设偏差阈值，则判定质检合格；

若所述几何偏差大于等于预设偏差阈值，则判定质检不合格。

7.一种无人值守的高精度地图质检装置，其特征在于，包括：

交通要素提取模块，用于基于采集的高精地图数据，通过第一深度学习模型提取第一交通要素集；所述高精地图数据包括GPS数据、点云数据和图像数据；

质检模块，用于通过第二深度学习模型从所述高精地图数据中提取第二交通要素集，以所述第二交通要素集为标准，对所述第一交通要素集进行质检；

修改模块，用于对质检不合格的错误目标进行错误类型标记，并记录在数据库中，以供作业人员根据所述错误类型标记，对所述错误目标进行修改。

8.根据权利要求7所述的装置，其特征在于，还包括：

抽检模块，用于对修改完成后的地图数据以预设抽样率进行抽检；将抽检不合格的错误数据反馈到样本库中作为训练样本，并分别对所述错误数据进行粗标注和精细标注；将粗标注后的第一样本作为第一深度学习模型的训练样本，精细标注后的第二样本作为第二深度学习模型的训练样本。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述无人值守的高精度地图质检方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1～6任一项所述无人值守的高精度地图质检方法的步骤。