专利交易市场

本发明公开了一种基于仿人记忆机制的机器人概率地图更新方法，包括：针对目标物建立记忆和遗忘模型，将目标物在任意位置的概率赋予记忆属性和遗忘属性，以记忆量和遗忘速率组成遗忘曲线表示目标物在该位置的概率变化曲线；当目标物被重复识别时，触发重复识别量化机制，将每一个已发现过该目标物的位置对应的剩余记忆量和新增记忆量叠加得到对应位置的阶段起始记忆量，并赋予阶段遗忘速率，其中每个位置的新增记忆量根据历史统计数据中目标物出现次数占比得出；任意时刻下目标物在每个位置的概率，为该位置记忆量占所有位置记忆量的比重。本发明利用记忆模型提高长航时动态环境下地图更新的自适应性，从而为机器人提供相对准确的概率信息。

本公开的实施例公开了地图更新方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取待检测对象信息集合，单目相机的相机位置姿态信息以及道路元素信息集合。基于该待检测对象信息集合，生成备选向量集合。从该道路元素信息集合中选择道路元素坐标与该待检测对象信息集合中待检测对象信息包括的待检测对象坐标相同的道路元素信息，生成第一道路元素信息集合。确定该备选向量集合中每个备选向量对应的概率值，得到概率值集合。从该备选向量集合中选择该概率值集合中满足预定条件的概率值对应的备选向量作为候选向量。基于该候选向量，对地图进行更新。该实施方式提高了地图更新精确度以及更新速度，使得更新的地图可以用于自动驾驶领域。

本申请涉及一种地图更新方法、装置、计算机设备和存储介质。所述方法包括：获取目标车辆在预设范围内的地图矢量图和环境图像，然后识别所述环境图像中的至少一种交通标识，并采用深度学习方法确定所述环境图像中的至少一种交通标识对应的信息，进而判断所述地图矢量图中的至少一种交通标识对应的信息与环境图像中的至少一种交通标识对应的信息是否匹配，若不匹配，则根据所述环境图像中的交通标识对应的信息，更新所述地图矢量图中的交通标识对应的信息。采用本方法能够提高地图更新效率、精度以及安全性。

本申请实施例提供一种滑动地图更新方法和装置，本申请实施例通过为点云特征新增“累计距离维度”这一维度信息，并根据该“累计距离维度”更新滑动地图，可以保留滑动地图中近期被观测区域附近的点云特征，保证了滑动地图中点云特征的有效性；以及，可以删除滑动地图中较久未被观测的冗余的点云特征，保证了滑动地图的精简性和一致性。进一步地，由于本申请实施例提供的滑动地图更新方法本质上是一种基于空间距离的更新方法，因此能够保证激光雷达长时间的运动静止不会导致滑动地图收缩至当前观测范围。