(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210629958.1 (22)申请日 2022.06.06 (71)申请人 北京四维图新科技股份有限公司 地址 100094 北京市海淀区丰豪东路四维 图新大厦A座10层 (72)发明人 许军　 (74)专利代理 机构 北京国科程知识产权代理事 务所(普通 合伙) 11862 专利代理师 曹晓斐 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/82(2022.01) G06V 10/44(2022.01) G06V 10/26(2022.01) G06N 3/08(2006.01)G06N 3/04(2006.01) (54)发明名称 提取地下停车场要素坐标的方法、 系统、 制 图方法及 介质 (57)摘要 本申请公开了一种提取地下停车场要素坐 标的方法、 系统、 制图方法及介质， 属于地理信息 领域和图像技术领域。 该方法包括： 采集地下停 车场的环 境数据， 并确定环境数据中基准点的经 纬度坐标； 对环境数据进行转换， 并对得到的初 始图像进行分割， 得到瓦片图； 对瓦片图中的停 车场要素进行标记， 并利用深度学习算法模型对 瓦片图进行处理， 得到停车场要素的多边形轮 廓； 对多个瓦片图进行融合， 并在融合图像中， 根 据基准点的位置和经纬度坐标确定多边形轮廓 对应的经纬度坐标。 本申请通过确定地下停车场 环境数据的经纬度坐标， 使 得采集的环境数据之 间具备相互联系， 进而在进行地下停车场的车位 和立柱的建图时， 降低了制作成本， 加快停车场 地图制作进程。 权利要求书2页 说明书11页 附图4页 CN 115205812 A 2022.10.18 CN 115205812 A 1.一种提取地下停车场要素坐标的方法， 其特 征在于， 包括： 采集地下停车场的环境数据， 并确定所述环境数据中基准 点的经纬度坐标； 对所述环境数据进行转换， 并对转换 得到的初始图像进行分割， 得到多个瓦片图； 对所述瓦片图中的停车场要素进行标记， 并利用预训练 的深度学习算法模型对所述瓦 片图进行处 理， 得到各个所述瓦片图中所述停车场要素对应的多边形轮廓； 以及 对处理后的多个所述瓦片图进行融合， 得到融合图像， 并在所述融合图像 中， 根据所述 停车场要素 的多边形轮廓与所述基准点的相对位置和所述基准点的经纬度坐标确定所述 停车场要素的多边形轮廓对应的经纬度坐标。 2.根据权利要求1所述的提取地下停车场要素坐标的方法， 其特征在于， 所述利用预训 练的深度学习算法模型对所述瓦片图进行 处理， 得到各个所述瓦片图中所述停车场要 素对 应的多边形轮廓， 包括： 对所述瓦片图进行 下采样卷积 操作， 提取 所述瓦片图中的特 征图； 通过聚类降维算法对所述特 征图进行处 理， 得到所述特 征图对应的检测框； 对所述特征图进行反卷积操作， 并对所述反卷积操作后所述特征图中的所述检测框进 行回归处 理， 确定所述停车场要素的所述多边形轮廓。 3.根据权利要求2所述的提取地下停车场要素坐标的方法， 其特征在于， 所述利用预训 练的深度学习算法模型对所述瓦片图进行 处理， 得到各个所述瓦片图中所述停车场要 素对 应的多边形轮廓， 还 包括： 在对所述瓦片图进行下采样卷积操作之前， 对所述瓦片图进行扩增， 得到多维度的所 述瓦片图， 所述扩增包括角度旋转； 在对所述特征图进行反卷积操作之前， 对相互对应的多个多维度所述瓦片图进行融 合， 使对所述瓦片图中的特 征进行增强。 4.根据权利要求1所述的提取地下停车场要素坐标的方法， 其特征在于， 所述在所述融 合图像中， 根据所述停车场要 素的多边形轮廓和所述基准点的相对位置和所述基准点的经 纬度坐标确定所述停车场要素的轮廓对应的经纬度坐标， 包括： 在所述融合点图像中， 获取所述停车场要素的轮廓的像素坐标和所述基准点的像素坐 标， 进而确定所述停车场要素的轮廓和所述基准 点的相对位置； 根据所述相对位置对所述基准点的经纬度坐标进行转换， 得到所述停车场要素的所述 多边形轮廓对应的经纬度坐标。 5.根据权利要求4所述的提取地下停车场要素坐标的方法， 其特征在于， 所述在所述融 合图像中， 根据所述停车场要 素的轮廓和所述基准点的相对位置和所述基准点的经纬度坐 标确定所述停车场要素的轮廓对应的经纬度坐标， 还 包括： 对所述融合图像中的所述停车场要素的所述多边形轮廓进行矢量化操作， 对所述多边 形轮廓进行修 正， 得到所述停车场要素的矩形轮廓； 获取所述矩形轮廓的像素坐标和所述基准点的像素坐标， 进而确定所述矩形轮廓和所 述基准点的相对位置 。 6.根据权利要求1所述的提取地下停车场要素坐标的方法， 其特征在于， 所述对所述初 始图像进行分割， 得到多个瓦片图， 包括： 根据相邻的所述瓦片图之间预设比例的重合度， 对所述初始图像进行分割， 得到多个权　利　要　求　书 1/2 页 2 CN 115205812 A 2所述瓦片图。 7.根据权利要求1所述的提取地下停车场要素坐标的方法， 其特征在于， 所述对所述环 境数据进行转换， 包括： 在所述环境数据 是点云数据的条件下， 根据 所述点云数据的高程信 息对所述点云数据 进行选择， 确定车位 点云数据和立柱点云数据； 分别对所述车位点云数据和立柱点云数据进行转换， 得到包含车位点云图和立柱点云 图的所述初始图像。 8.根据权利要求1所述的提取地下停车场要素坐标的方法， 其特征在于， 所述对所述初 始图像进行分割， 得到多个瓦片图， 包括： 根据所述 地下停车场中车位的大小， 确定分割范围； 根据所述分割范围对所述初始图像进行分割， 得到多个所述瓦片图。 9.一种提取地下停车场要素坐标的系统， 其特 征在于， 包括： 数据采集模块， 其采集地下停车场的环境数据， 并确定所述环境数据中基准点的经纬 度坐标； 图像转换及 分割模块， 其对所述环境数据进行转换， 并对得到的初始图像进行分割， 得 到多个瓦片图； 轮廓确定模块， 其对所述瓦片图中的停车场要素进行标记， 并利用预训练的深度学习 算法模型对所述瓦片图进 行处理， 得到各个所述瓦片图中所述停车场要 素对应的多边形轮 廓； 以及 坐标确定模块， 其对处理后的多个所述瓦片图进行融合， 得到 融合图像， 并在所述融合 图像中， 根据所述停车场要素的多边形轮廓与所述基准点的相对位置和所述基准点的经纬 度坐标确定所述停车场要素的多边形轮廓对应的经纬度坐标。 10.一种地下停车场地图制作方法， 其特 征在于， 包括： 采集地下停车场的环境数据， 并确定所述环境数据中基准 点的经纬度坐标； 对所述环境数据进行转换， 并对得到的初始图像进行分割， 得到多个瓦片图； 对所述瓦片图中的停车场要素进行标记， 并利用预训练 的深度学习算法模型对所述瓦 片图进行处 理， 得到各个所述瓦片图中所述停车场要素对应的多边形轮廓； 对处理后的多个所述瓦片图进行融合， 得到融合图像， 并在所述融合图像 中， 根据所述 停车场要素 的多边形轮廓与所述基准点的相对位置和所述基准点的经纬度坐标确定所述 停车场要素的多边形轮廓对应的经纬度坐标； 根据所述多边形轮廓以及所述多边形轮廓对应的经纬度坐标， 建立 地下停车场地图。 11.一种计算机可读存储介质， 其存储有计算机指令， 其中所述计算机指令被操作以执 行权利要求 1‑8任一项所述的提取地下停车场要 素坐标的方法或权利要求 10所述的地下停 车场地图制作方法。权　利　要　求　书 2/2 页 3 CN 115205812 A 3