一种快速的高精度地图构建方法及其装置、车辆与流程

1.本发明涉及自动驾驶和高精度地图构建技术领域，特别是涉及一种快速的高精度地图构建方法及其装置、车辆。


背景技术：

2.自动驾驶技术是近年的热点话题，在缓解交通拥堵、提高道路安全性、减少空气污染等领域，自动驾驶将会带来颠覆性的改变。
3.在自动驾驶商业化进程中，限定区域场景内的无人清扫车、无人快递派送车辆以及无人出租车等，为自动驾驶技术的落地提供了实质性的应用场景。而高精度地图，可以为车辆提供先验的地图信息，因此，基于高精度地图的自动驾驶技术，在行业内已然成为实现l4、l5级自动驾驶的最佳解决方案。
4.随着相关行业对自动驾驶需求日益突显，使得自动驾驶落地场景越发清晰化，尤其在gnss(global navigation satellite system，全球导航卫星系统)信号良好的室外场景下，无人环卫、无人配送等车辆的需求不断提升，对自动驾驶地图的构建效率、质量以及精度提出了考验，
5.目前，在自动驾驶行业中，应用较多的地图构建方法是基于激光或者视觉数据，来构建点云或者栅格地图的方法。该高精度地图构建方法，主要分为离线和在线两种策略。
6.其中，离线构建高精度地图的策略，先通过车辆等采集设备，采集相关的传感器数据，然后，将离线数据传至本地或者云端，最后，在本地或者云端完成高精度地图的构建。在离线构建高精度地图的策略中，涉及原始数据上传与下载、成果数据备份与下发等繁琐过程，需要人为干预较多，自动化程度低，导致效率降低，严重造成人工资源和本地计算资源浪费。
7.而在线构建高精度地图的策略，首先，实时获取车辆的相关传感器数据，并通过计算传感器数据得到局部地图，其次，根据设定的策略对地图进行实时优化，最后，得到全局一致性的高精度地图。对于在线构建高精度地图的策略，由于点云或栅格地图构建任务均在车载处理器内完成，对其性能要求很高，大地图难以处理，地图质量和误差均无法保障。
8.对于现有的基于激光或者视觉数据，来构建点云或者栅格地图的方法，其在广场等gnss信号良好的场景下，对高精度地图的构建效果不友好。在gnss信号良好且需要简单的场景下，该方法对点云或者栅格地图的构建流程复杂、耗时长以及资源消耗大。


技术实现要素：

9.本发明的目的是针对现有技术存在的技术缺陷，提供一种快速的高精度地图构建方法及其装置、车辆。
10.为此，本发明提供了一种快速的高精度地图构建方法，其包括以下步骤：
11.步骤s1，在室外场景下，获取无人车辆上安装的包括gnss在内的预设多个传感器的原始测量数据，然后根据gnss的原始测量数据，判断室外场景的gnss信号是否良好，如果
是，则继续对无人车辆上预设多个传感器的原始测量数据中的预设有用数据，进行预设格式处理操作；
12.步骤s2，根据经过步骤s1处理的预设多个传感器的预设有用数据，生成无人车辆的行驶轨迹以及标记特殊功能点或特殊任务功能区；
13.步骤s3，对从步骤s2中获得的无人车辆的行驶轨迹以及标记的特殊功能点或特殊任务功能区进行处理，生成高精度地图；
14.步骤s4，对步骤s3生成的高精度地图进行完整性检测，最终获得完整的高精度地图。
15.优选地，步骤s1具体包括以下子步骤：
16.步骤s11，在室外场景下，获取无人车辆上安装的包括gnss在内的预设多个传感器的原始测量数据，然后根据gnss的原始测量数据，判断室外场景的gnss信号是否良好，如果是，则继续执行步骤s12；
17.其中，预设多个传感器，包括gnss、imu和轮速计；
18.步骤s12，根据扩展卡尔曼滤波ekf融合算法的格式需求，将步骤s11的原始测量数据中预设有用数据，解析成相对应的特定格式，并继续执行步骤s2。
19.优选地，在步骤s11中，gnss，用于提供无人车辆的gnss信号原始测量数据，具体包括：gnss信号的经纬度、航向、北东天方向的速度、收星数、状态、航向标志位和水平精度因子；
20.imu，用于提供无人车辆的imu原始测量数据，具体包括：在imu坐标系下的x、y和z方向的加速度和角速度；
21.轮速计，用于提供无人车辆的轮速原始测量数据，具体包括无人车辆左轮速度和右轮速度；
22.在步骤s12中，步骤s11的原始测量数据中预设有用数据，具体包括gnss测量的gnss信号中的经纬度、航向、北东地方向的速度，惯性测量单元imu测量的x、y和z方向的加速度和角速度，以及轮速计测量的无人车辆左轮速度和右轮速度；
23.其中，在步骤s11中，当gnss信号的状态、收星数、水平精度因子以及航向标志位符合要求，达到或者超过设定的阈值时，判断室外场景的gnss信号良好。
24.优选地，步骤s2具体包括以下子步骤：
25.步骤s21，根据经过步骤s1处理的惯性测量单元imu的预设有用数据和轮速计的预设有用数据，计算出无人车辆在预设周期内位姿的变化量，并结合全球导航卫星系统gnss在上一个预设周期中计算得到的无人车辆融合位姿，计算无人车辆在预设周期后的最新预测位姿；
26.步骤s22，将经过步骤s1处理后的gnss的预设有用数据、步骤s21获得的无人车辆的最新预测位姿、由惯性测量单元imu所计算提供的姿态信息以及由轮速计测量的无人车辆左轮速度和右轮速度，经由扩展卡尔曼滤波ekf融合算法进行处理，得到高精度的、经过融合处理的无人车辆的融合位姿信息以及无人车辆的行驶轨迹；
27.其中，融合位姿信息包括融合位置信息和融合姿态信息；
28.步骤s23，判断当前室外场景是否适配完成，如果没有完成，则返回执行步骤s1，如果完成场景适配，则继续执行步骤s3，也就是说，将存储和标记的各项数据输入到后面的步
骤s3。
29.优选地，在步骤s22中，同时还包括步骤：根据运营用户的需求，标记特殊功能点或特殊任务功能区，具体包括以下处理步骤：
30.步骤s220，对于经过融合处理的无人车辆的融合位置信息，实时检测运营用户是否具有向该融合位置处输入特殊功能点或特殊任务功能区的标记需求，如果是，则在该融合位置处对应标记上特殊功能点或特殊任务功能区，并修改特殊功能点或特殊任务功能区的功能属性信息，如果否，则实时存储经过融合处理的无人车辆的位姿信息。
31.优选地，步骤s3具体包括以下子步骤：
32.步骤s31，通过将步骤s2中获得的无人车辆的行驶轨迹，向外扩展预设距离值k，得到在当前室外场景下无人车辆行驶的可通行区域，并以特定格式存储；
33.在步骤s31中，对于不同的室外场景，分别具有对应的预设距离值k；
34.步骤s32，根据步骤s2标记的特殊功能点或者特殊任务功能区的功能属性信息，生成相应的特殊功能点位姿信息或者特殊任务功能区的功能区边界以及可通行区域边界；
35.步骤s33，按照现有的回字形策略或者全局路径规划策略，根据特殊功能点和特殊任务功能区之间的对应关系、可通行区域边界以及特殊任务功能区边界信息，自动生成无人车辆在正常运营时的参考路径，并依据特殊功能点和特殊任务功能区之间的对应关系，生成当前室外场景内所有相关联的运营任务，然后存储，从而获得高精度地图。
36.优选地，步骤s4具体包括以下子步骤：
37.步骤s41，检测步骤s3生成的高精度地图的文件是否完整，如果是，继续执行步骤s42，如果否，返回执行步骤s1；
38.步骤s42，检测步骤s3生成的高精度地图中，预设的高精度必要元素是否都完整，如果是，则将步骤s3生成的高精度地图作为最终向外发布的高精度地图，如果否，返回执行步骤s1。
39.优选地，在步骤s42中，预设的高精度必要元素，包括特殊功能点、特殊任务功能区、参考路径以及任务；
40.其中，检测步骤s3生成的高精度地图中，预设的高精度必要元素是否都完整，具体为：对于特殊功能点、特殊任务功能区、参考路径这三个元素，检测是否存在，如果存在，则认为这三个元素完整；而对于任务，检测运营任务对应的参考路径是否为连通，如果连通，则认为任务完整，否则，认为任务不完整。
41.此外，本发明还提供了一种快速的高精度地图构建装置，其包括以下模块：
42.传感器数据预处理模块，用于在室外场景下，获取无人车辆上安装的包括gnss在内的预设多个传感器的原始测量数据，然后根据gnss(即全球导航卫星系统)的原始测量数据，判断室外场景的gnss信号是否良好，如果是，则继续对无人车辆上预设多个传感器的原始测量数据中的预设有用数据，进行预设格式处理操作；
43.车辆轨迹和功能信息处理模块，与传感器数据预处理模块相连接，根据经过传感器数据预处理模块处理的预设多个传感器的预设有用数据，生成无人车辆的行驶轨迹以及标记特殊功能点或特殊任务功能区；
44.高精度地图处理模块，与车辆轨迹和功能信息处理模块相连接，用于对从车辆轨迹和功能信息处理模块中获得的无人车辆的行驶轨迹以及标记的特殊功能点或特殊任务
功能区进行处理，生成高精度地图，然后发送给；
45.地图完整性检测模块，与高精度地图处理模块相连接，用于对高精度地图处理模块生成的高精度地图进行完整性检测，最终获得完整的高精度地图。
46.另外，本发明还提供了一种车辆，包括前面所述的快速的高精度地图构建装置。
47.由以上本发明提供的技术方案可见，与现有技术相比较，本发明提供了一种快速的高精度地图构建方法及其装置、车辆，其设计科学，能够有效地提升高精度地图的构建效率，同时提高了无人车辆对gnss信号的利用率和适应性，尤其是大广场等环境的适应力，具有重大的实践意义。
48.对于本发明，其是一种高效、低消耗且高精度的地图构建方法，设计原理科学、容易实现，逻辑清晰，对gnss信号良好的场景适应性良好，满足了无人车辆对高精度场景地图的构建效率、计算资源消耗和精度的技术需求，有利于保障自动驾驶车辆安全，以及加快无人车辆商业化落地步伐，保障可靠的商业化落地。
附图说明
49.图1为本发明提供的一种快速的高精度地图构建方法的主要流程图；
50.图2为本发明提供的一种快速的高精度地图构建方法的整体工作流程图；
51.图3为通过应用本发明，获得的无人车辆在一种室外场景的可通行区域的示意图。
具体实施方式
52.为了使本技术领域的人员更好地理解本发明方案，下面结合附图和实施方式对本发明作进一步的详细说明。
53.参见图1、图2，本发明提供了一种快速的高精度地图构建方法，包括以下步骤：
54.步骤s1，在室外场景下，获取无人车辆上安装的包括gnss在内的预设多个传感器的原始测量数据，然后根据gnss(即全球导航卫星系统)的原始测量数据，判断室外场景的gnss信号是否良好，如果是，则继续对无人车辆上预设多个传感器的原始测量数据中的预设有用数据，进行预设格式处理操作；
55.需要说明的是，如果gnss信号不良好，则不再进行下一步操作，这时候，可以选择采用现有的高精度地图构建方法。
56.在本发明中，步骤s1具体包括以下子步骤：
57.步骤s11，在室外场景下，获取无人车辆上安装的包括gnss在内的预设多个传感器的原始测量数据，然后根据gnss(即全球导航卫星系统)的原始测量数据，判断室外场景的gnss信号是否良好，如果是，则继续执行步骤s12，否则，不继续执行；
58.其中，预设多个传感器，包括gnss(即全球导航卫星系统)、imu(inertial measurement unit，惯性测量单元)和轮速计；
59.需要说明的是，gnss信号好的广场等场景，其中，gnss信号良好，即指的是：gnss信号的状态、收星数、水平精度因子以及航向标志位符合要求，达到或者超过设定的阈值。
60.在步骤s11中，当gnss信号的状态、收星数、水平精度因子以及航向标志位符合要求，达到或者超过设定的阈值时，判断室外场景的gnss信号良好。
61.需要说明的是，gnss(即全球导航卫星系统)，是能在地球表面或近地空间的任何
地点为用户提供全天候的三维坐标和速度以及时间信息的空基无线电导航定位系统。
62.在本发明中，在步骤s11中，全球导航卫星系统gnss，用于提供无人车辆的gnss信号原始测量数据，具体包括：gnss信号的经纬度、航向、北东天方向的速度、收星数、状态、航向标志位和水平精度因子。
63.需要说明的是，gnss信号的收星数、状态、航向标志位和水平精度因子，是用于判断gnss信号是否良好的评价参数。
64.惯性测量单元imu，用于提供无人车辆的imu原始测量数据，具体包括：在imu坐标系下的x、y和z方向的加速度和角速度；
65.轮速计，用于提供无人车辆的轮速原始测量数据，具体包括无人车辆左轮速度和右轮速度。
66.步骤s12，根据ekf(extended kalman filter，扩展卡尔曼滤波)融合算法的格式需求，将步骤s11的原始测量数据中预设有用数据，解析成相对应的特定格式(例如png、xml等格式)，并继续执行步骤s2。
67.在步骤s12中，步骤s11的原始测量数据中预设有用数据，具体包括gnss测量的gnss信号中的经纬度、航向、北东地方向的速度，惯性测量单元imu测量的三个方向(x、y、z)的加速度和角速度，以及轮速计测量的无人车辆左轮速度和右轮速度。
68.需要说明的是，对于本发明，s1中没有涉及数据存储一说，从各个传感器的原始测量数据中，抽取需要的有用数据后，得到的数据量很小，而且是实时处理单帧传感器数据，因此可以直接存放在缓存中。解析方式也很简单，直接将各个传感器中需要的预设有用数据抽离出来，存放在定义好的数据结构(例如png、xml等格式)内，从而可以输入给下一步进行操作。
69.步骤s2，根据经过步骤s1处理的预设多个传感器的预设有用数据，生成无人车辆的行驶轨迹以及标记特殊功能点或特殊任务功能区；
70.在本发明中，步骤s2具体包括以下子步骤：
71.步骤s21，根据经过步骤s1处理的惯性测量单元imu的预设有用数据和轮速计的预设有用数据，计算出无人车辆在预设周期(即预设长度的一段时间)内位姿(包括位置和姿态)的变化量，并结合全球导航卫星系统gnss在上一个预设周期中(具体为该周期内的某个时刻)计算得到的无人车辆融合位姿，计算无人车辆在预设周期后的最新预测位姿(包括位置和姿态)；
72.需要说明的是，在步骤s21中，无人车辆在预设周期(即预设长度的一段时间)内位姿的变化量，具体包括：东向速度和位置的变化量，北向的速度和位置的变化量、天向速度和位置的变化量以及横滚角(roll)、俯仰角(pitch)和偏航角(yaw)的变化量。
73.在步骤s21中，预设周期与车速相关，预设周期与车速成反比关系，车速越高，周期越短，根据乘用车的平均速度，推荐预设周期为t(t小于或者等于0.01ms)
74.在步骤s21中，根据经过步骤s1处理的惯性测量单元imu的预设有用数据和轮速计的预设有用数据，计算出无人车辆在预设周期(即预设长度的一段时间)内位姿的变化量，这个计算处理操作，是公知的技术常识，采用的是常规的计算手段，在此不再赘述。例如，轮速计测量的是速度，那么速度在周期内积分，便可以得到位置变化量；imu的角速度积分，得到角度变化量，加速度一次积分得到速度变化量，二次积分便可得到位置变化量。
75.需要说明的是，在步骤s21中，本发明的算法运行在一个严格的周期系统中，也是上述说的预设周期t，可以保证融合位姿输出的频率是固定不变的。具体实现上，gnss在上一个预设周期内计算得到的无人车辆融合位姿，是在上一个预设周期t中的一个时间点(时刻)得到，在时间点输出融合位姿。
76.需要说明的是，gnss在每个时刻提供的位姿都是绝对位姿态。无人车辆在预设周期(即预设长度的一段时间)内的位姿变化量，加上全球导航卫星系统gnss在上一个预设周期中计算得到的无人车辆融合位姿，便可以得到在预设周期后的最新预测位姿。
77.步骤s22，将经过步骤s1处理后的全球导航卫星系统gnss的预设有用数据、步骤s21获得的无人车辆的最新预测位姿、由惯性测量单元imu所计算提供的姿态信息以及由轮速计测量的无人车辆左轮速度和右轮速度，经由ekf(extended kalman filter，扩展卡尔曼滤波)融合算法进行处理，得到高精度的、经过融合处理的无人车辆的融合位姿信息(包括位置和姿态)以及无人车辆的行驶轨迹；其中，融合位姿信息包括融合位置信息和融合姿态信息；
78.需要说明的是，ekf(extended kalman filter，扩展卡尔曼滤波)融合算法，为现有公知的算法，是目前很成熟的技术，其作用为：融合各输入(gnss、imu和轮速计)数据，得到此时刻无人车辆最终的高精度位姿。
79.在本发明中，在步骤s22中，通过将无人车辆在每个时刻的融合位姿存储在一起，以时间为序，便可以形成一条无人车辆的行驶轨迹。
80.在本发明中，在步骤s22中，同时还包括步骤：根据运营用户的需求，标记特殊功能点或特殊任务功能区。具体包括以下处理步骤：
81.步骤s220，对于经过融合处理的无人车辆的融合位置信息，实时检测运营用户是否具有向该融合位置处输入特殊功能点或特殊任务功能区的标记需求，如果是，则在该融合位置处对应标记上特殊功能点或特殊任务功能区，并修改特殊功能点或特殊任务功能区的功能属性信息(即具体的功能信息)，如果否，则实时存储经过融合处理的无人车辆的位姿信息(包括位置和姿态)。
82.需要说明的是，特殊功能点：是具备特殊功能的位姿点(类似公交车站点)，如乘用车的发车点，中途停车点以及终点。特殊功能点，是客户通过交互页面按钮选择功能点属性并下发，算法会在每个周期结束处检测是否存在下发此命令，如存在，记录此时刻的融合位姿和功能点属性(即具体具有或者发挥的功能)。
83.特殊任务功能区：是具备特殊功能的区域，比如乘用车的限速区，环卫车的清扫区，以及道路上人行车道、路口、上下坡以及特殊标识区域等，实现方法和功能点相同，只是协议不同而已。
84.步骤s23，判断当前室外场景是否适配完成，如果没有完成，则返回执行步骤s1，如果完成场景适配，则继续执行步骤s3，也就是说，将存储和标记的各项数据输入到后面的步骤s3。
85.在本发明中，在步骤s23中，适配：指的是构建无人车辆运行环境的高精度地图的整个过程。
86.在步骤s23中，判断适配完成：指定相对应的协议，客户通过交互页面中相关按钮，下发结束适配过程，在算法每个周期结束后，均会检测是否存在下发结束命令。
87.也就是说，在步骤s23中，判断当前室外场景是否适配完成，具体为：当接收到客户(用户)输入的适配结束指令时，判断室外场景适配完成。如果没有接收到客户(用户)输入的适配结束指令，则判断室外场景没有适配完成。
88.步骤s3，对从步骤s2中获得的无人车辆的行驶轨迹以及标记的特殊功能点或特殊任务功能区进行处理，生成高精度地图；
89.在本发明中，步骤s3具体包括以下子步骤：
90.步骤s31，通过将步骤s2中获得的无人车辆的行驶轨迹，向外(例如在三维空间的各个方向)扩展预设距离值(即k值，k值为在当前室外场景适配时，无人车辆的运行路线距离场景边界的平均距离值，此值为适配约束的固定值)，得到在当前室外场景下无人车辆行驶的可通行区域，并以特定格式(例如png、xml等格式)存储；
91.在本发明中，在步骤s31中，预设距离值k，为经验值，比如，如果适配场景为标准的城市道路，预设值为若干个的车道宽度值，如果为广场场景，便是一个若干个车辆宽度值，如果是公园场景，便是道路宽度的一半等，此值会根据场景不同，选择不同的固定值(一一对应便是一种约束)。例如，如图3所示。图3为通过应用本发明，获得的无人车辆在一种室外场景的可通行区域的示意图。
92.在步骤s31中，对于不同的室外场景，分别具有对应的预设距离值k。
93.在步骤s31中，将步骤s2中获得的无人车辆的行驶轨迹，向外(例如在三维空间的各个方向)扩展预设距离值，具体操作为：参见图3所示，具体以行驶轨迹中的融合位置为中心，按照“十”字形方式(即正前方、正后方、正左方和正右方四个方向)，向外扩展距离为k大小的正方形区域。
94.在本发明中，在步骤s31中，可通行区域：车辆可以行驶的区域，而不可通行区域为车辆不可行驶区域，两者分界为高精度地图边界，可以理解为电子围栏。上述说的以“十”字形向外扩展区域，将所有的融合位置全部完成扩展，在区域内为可通行区域，不在扩展区域内的为不可通行区域。
95.步骤s32，根据步骤s2标记的特殊功能点或者特殊任务功能区的功能属性信息(具体在无人车辆的融合位姿上标记)，生成相应的特殊功能点位姿信息或者特殊任务功能区的功能区边界以及可通行区域边界。
96.需要说明的是，可通行区域边界包含功能区域边界。
97.需要说明的是，功能点位姿信息，包括：三个方向(x、y、z)的加速度和角速度，以及横滚角(roll)、俯仰角(pitch)和偏航角(yaw)，功能点位姿信息的作用是：保证无人车辆达到此处车辆位姿的要求。
98.功能区边界：为几条只包含三个方向(x、y、z)的位置点组成的曲线集合，作用是：用于规范车辆在不同的区域执行不同的操作或者任务，如减速、限速、转向等。
99.在本发明中，特殊任务功能区的功能区边界的获取方式，与功能点和功能区获取方式相同，只是协议不相同，包含一个起点和一个终点，且功能区起始点和终点时成对出现。
100.在本发明中，参见图3所示，按照“十”字形方式(即正前方、正后方、正左方和正右方四个方向)，向外扩展，扩展的路段为功能区的起点和终点之间，并且生成的功能区域边界简单平滑连接，便可得到边界曲线。
101.在本发明中，在步骤s32中，需要说明的是，只是有一部分类型的功能点是在特殊任务的功能区域内，而此类功能点便需要按照制定的任务模式规则，自动生成相应的任务(为下游的决策规划，提供任务起始和终点的全局关系)。
102.在本发明中，在步骤s32中，需要说明的是，特殊功能点一定是特殊任务功能区的起始或者终点，这是特殊功能点和特殊任务功能区之间的对应关系。
103.步骤s33，按照现有的回字形策略或者全局路径规划策略，根据特殊功能点和特殊任务功能区之间的对应关系、可通行区域边界以及特殊任务功能区边界信息，自动生成无人车辆在正常运营时的参考路径，并依据特殊功能点和特殊任务功能区之间的对应关系(即特殊功能点是特殊任务功能区的起始或者终点)，生成当前室外场景内所有相关联(存在对应关系)的运营任务，然后存储，从而获得高精度地图。
104.在步骤s33中，需要说明的是，回字形，是针对清扫车的清扫区域实现全覆盖清扫，而自动生成全覆盖参考路径的一种方法，是现有常规的一种自动生成全覆盖参考路径的方法。全局路径规划，是针对乘用车而言，只需要经过这个道路，无需执行各种特殊任务。
105.需要说明的是，受车辆硬件限制，车辆存在一个最小的转弯半径，因此，在步骤s33中，无人车辆在正常运营时的参考路径的转弯处的弯道半径，需要大于无人车辆的最小转弯半径。
106.需要说明的是，在步骤s33中，关于无人车辆在正常运营时的参考路径，在正常运行时，无人车辆需要沿着此路线行驶
107.在步骤s33中，需要说明的是，基于现有的回字形策略或者全局路径规划策略(例如a*算法)，根据特殊功能点和特殊任务功能区之间的对应关系、可通行区域边界以及特殊任务功能区边界信息，就可以自动生成无人车辆在正常运营时的参考路径。此为现有公知的技术，在此不再赘述。
108.在步骤s33中，关于当前室外场景内所有可能的运营任务，指的是：对于通过特殊功能点和特殊任务功能区之间的对应关系，所生成的参考路线，客户可以通过交互界面，可以选择指定的任务进行运营。
109.对于本发明，根据特殊功能点和特殊任务功能区之间的对应关系，所生成的若干个相关连的参考路径，每一个关联的参考路径即为一个运营任务，组合成所有相关联的运营任务。
110.步骤s4，对步骤s3生成的高精度地图进行完整性检测，最终获得完整的高精度地图；
111.在本发明中，步骤s4具体包括以下子步骤：
112.步骤s41，检测步骤s3生成的高精度地图的文件是否完整，如果是，继续执行步骤s42，如果否，返回执行步骤s1；
113.在步骤s41中，检测步骤s3生成的高精度地图的文件是否完整，具体为：检测步骤s3是否生成全部文件夹(即是否存在有的文件夹没有生成的问题)，以及是否生成全部结果文件(即是否存在有的结果文件没有生成的问题)。如果没有这个检测步骤，高精度的完整性无法保证，从而无法实现自动驾驶。
114.步骤s42，检测步骤s3生成的高精度地图中，预设的高精度必要元素是否都完整，如果是，则将步骤s3生成的高精度地图作为最终向外发布的高精度地图，如果否，返回执行
步骤s1。
115.在步骤s42中，预设的高精度必要元素，包括特殊功能点、特殊任务功能区、参考路径以及任务。
116.其中，检测步骤s3生成的高精度地图中，预设的高精度必要元素是否都完整，具体为：对于特殊功能点、特殊任务功能区、参考路径这三个元素，检测是否存在，如果存在，则认为这三个元素完整；而对于任务，是检测运营任务(例如是客户选择输入的主要运营任务)对应的参考路径是否为连通的(即不是断开的)，如果连通，则认为任务完整，否则，认为任务不完整。
117.需要说明的是，对于本发明，步骤s41和步骤s42的两项检测中，如果有一条不满足，则删除步骤s3生成的高精度地图数据，重新适配该场景的地图，进而重新步骤s1～s4；若检测均满足，结束地图的构建，并发布高精度地图。
118.需要说明的是，对于本发明提供的快速的高精度地图构建方法，按照特定的路线对gnss信号良好的室外场景(例如广场)进行适配，并根据适配过程中，车辆运行的高精度轨迹和标记的特殊功能点或特殊任务功能区数据，自动生成包含场景可通行区、特殊功能点或特殊任务区、参考路径以及运营任务等信息的高精度地图，最终达到场景地图构建效率、计算资源低消耗和精度要求，提升了高精度地图的构建效率，同时提高了无人车辆对gnss信号的利用率和适应性，尤其是大广场等环境的适应力。
119.此外，基于以上本发明提供的一种快速的高精度地图构建方法，为了执行上述快速的高精度地图构建方法，本发明还提供了一种快速的高精度地图构建装置，该装置包括以下模块：
120.传感器数据预处理模块，用于在室外场景下，获取无人车辆上安装的包括gnss在内的预设多个传感器的原始测量数据，然后根据gnss(即全球导航卫星系统)的原始测量数据，判断室外场景的gnss信号是否良好，如果是，则继续对无人车辆上预设多个传感器的原始测量数据中的预设有用数据，进行预设格式处理操作；
121.车辆轨迹和功能信息处理模块，与传感器数据预处理模块相连接，根据经过传感器数据预处理模块处理的预设多个传感器的预设有用数据，生成无人车辆的行驶轨迹以及标记特殊功能点或特殊任务功能区；
122.高精度地图处理模块，与车辆轨迹和功能信息处理模块相连接，用于对从车辆轨迹和功能信息处理模块中获得的无人车辆的行驶轨迹以及标记的特殊功能点或特殊任务功能区进行处理，生成高精度地图，然后发送给；
123.地图完整性检测模块，与高精度地图处理模块相连接，用于对高精度地图处理模块生成的高精度地图进行完整性检测，最终获得完整的高精度地图。
124.另外，本发明还提供了一种车辆，所述车辆包括前面所述的快速的高精度地图构建装置。
125.综上所述，与现有技术相比较，本发明提供的一种快速的高精度地图构建方法及其装置、车辆，其设计科学，能够有效地提升高精度地图的构建效率，同时提高了无人车辆对gnss信号的利用率和适应性，尤其是大广场等环境的适应力，具有重大的实践意义。
126.对于本发明，其是一种高效、低消耗且高精度的地图构建方法，设计原理科学、容易实现，逻辑清晰，对gnss信号良好的场景适应性良好，满足了无人车辆对高精度场景地图
的构建效率、计算资源消耗和精度的技术需求，有利于保障自动驾驶车辆安全，以及加快无人车辆商业化落地步伐，保障可靠的商业化落地。
127.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。