底图渲染效果的检测方法、装置、设备及存储介质与流程

1.本技术实施例涉及图像处理技术，尤其涉及一种底图渲染效果的检测方法、装置、设备及存储介质。


背景技术：

2.随着导航技术的不断发展，人们对导航图像的渲染精度要求越来越高。由于导航图像通常是一个三维空间图像，包括：天空、地面和其他控制空间的图像，而地面图像，简称底图是导航图像的重要组成部分，因此，对底图的渲染效果进行检测至关重要。
3.目前底图渲染效果的检测方法是：测试人员需要驾驶测试车对底图中的路线进行实地测试，以检测底图的渲染效果。然而，一方面这种检测方式存在检测效率低的问题，另一方面这种检测方式由于依赖于测试人员的检测经验，因此可能存在检测精度低的问题。


技术实现要素：

4.本技术提供一种底图渲染效果的检测方法、装置、设备及存储介质，一方面这种自动化检测方式可以提高检测效率，另一方面这种自动化检测方式不依赖于测试人员的检测经验，从而可以提高检测精度。
5.第一方面，提供一种底图渲染效果的检测方法，包括：获取两点之间的轨迹数据；根据两点之间的轨迹数据进行图像渲染，得到目标视频；获取目标视频中的目标底图；根据目标底图和目标模型，得到目标底图的渲染效果的检测结果。
6.第二方面，提供一种底图渲染效果的检测装置，包括：第一获取模块、渲染模块、第二获取模块和处理模块，其中，第一获取模块用于获取两点之间的轨迹数据；渲染模块用于根据两点之间的轨迹数据进行图像渲染，得到目标视频；第二获取模块用于获取目标视频中的目标底图；处理模块用于根据目标底图和目标模型，得到目标底图的渲染效果的检测结果。
7.第三方面，提供一种电子设备，包括：处理器和存储器，该存储器用于存储计算机程序，该处理器用于调用并运行该存储器中存储的计算机程序，执行如第一方面或其各实现方式中的方法。
8.第四方面，提供一种计算机可读存储介质，用于存储计算机程序，计算机程序使得计算机执行如第一方面或其各实现方式中的方法。
9.第五方面，提供一种计算机程序产品，包括计算机程序指令，该计算机程序指令使得计算机执行如第一方面或其各实现方式中的方法。
10.第六方面，提供一种计算机程序，计算机程序使得计算机执行如第一方面或其各实现方式中的方法。
11.通过本技术提供的技术方案，电子设备可以根据目标底图和目标模型，得到目标底图的渲染效果的检测结果。也就是说，无需测试人员进行实地检测，而是采用这种自动化检测方式来检测底图的渲染效果，一方面这种自动化检测方式可以提高检测效率，另一方
面这种自动化检测方式不依赖于测试人员的检测经验，从而可以提高检测精度。
附图说明
12.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
13.图1提供了常见的底图渲染问题的示意图；
14.图2为本技术实施例提供的一种底图渲染效果的检测方法的流程图；
15.图3为本技术实施例提供的一种轨迹数据生成方法的流程图；
16.图4为本技术实施例提供的一种图像渲染方法的流程图；
17.图5为本技术实施例提供的渲染问题分类的示意图；
18.图6为本技术实施例提供的目标模型的示意图；
19.图7为本技术实施例提供的一种针对目标底图的渲染效果检测方法的流程图；
20.图8为本技术实施例提供的一种针对目标底图的渲染效果检测方法的示意图；
21.图9为本技术实施例提供的一种创建渲染问题单的示意图；
22.图10为本技术实施例提供的训练模型的方法流程图；
23.图11为本技术实施例提供的一种底图渲染效果的检测装置的示意图；
24.图12是本技术实施例提供的电子设备的示意性框图。
具体实施方式
25.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
26.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
27.在介绍本技术技术方案之前，下面将对本技术的相关知识进行说明：
28.底图：导航图像通常是一个三维空间图像，包括：天空、地面和其他控制空间的图像，而地面图像可以被称为底图。
29.图1提供了常见的底图渲染问题的示意图，如图1所示，常见的底图渲染问题可以包括：当前车道线数据丢失、对向车道线数据丢失、车道线数据丢失、路口连接不平滑、桥墩绘制错误、道路裂缝、斑马线绘制缺失、隔离带裂缝、导流线缺失、隔离带显示路面、显示多个限速牌和转向箭头未对齐问题。
30.需要说明的是，图1只是列举了部分底图渲染缺失或错误的问题，实际还有其它渲染缺失或错误的问题，如限速牌缺失、斑马线错位、道路接缝错位等问题。
31.下面将对本技术所要解决的技术问题、发明构思以及应用场景进行说明：
32.如上所述，目前底图渲染效果的检测方法是：测试人员需要驾驶测试车对底图中的路线进行实地测试，以检测底图的渲染效果。然而，一方面这种检测方式存在检测效率低的问题，另一方面这种检测方式由于依赖于测试人员的检测经验，因此可能存在检测精度低的问题。
33.为了解决上述技术问题，本技术提供了一种自动检测底图渲染效果的方法。
34.本技术技术方案可以应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景，但不限于此。
35.下面将对本技术技术方案进行详细阐述：
36.图2为本技术实施例提供的一种底图渲染效果的检测方法的流程图，该方法可以由台式电脑、笔记本电脑、掌上电脑、云服务器等电子设备执行，但不限于此，如图2所示，该方法包括：
37.s210：获取两点之间的轨迹数据；
38.s220：根据两点之间的轨迹数据进行图像渲染，得到目标视频；
39.s230：获取目标视频中的目标底图；
40.s240：根据目标底图和目标模型，得到目标底图的渲染效果的检测结果。
41.应理解的是，两点之间可以存在一条或者多条路线，每条路线可以包括至少一条道路。
42.可选地，该路线可以是标清(standard-definition，sd)路线，相应的，该路线所包括的道路可以是sd道路。该路线也可以是高精(high-definition，hd)路线，相应的，该路线所包括的道路可以是hd道路。
43.应理解的是，在本技术中，两点之间的轨迹数据指的是两点之间的轨迹上的数据，其中，电子设备可以对两点之间的道路中心线上的点进行采集，将这些采集的点进行拟合，得到两点之间的轨迹。
44.可选地，两点之间的轨迹数据包括以下至少一项，但不限于此：卫星数量、卫星位置、卫星状态、卫星朝向、卫星类型等。
45.可选地，卫星数量可以是一个或者多个，本技术对此不做限制。
46.应理解的是，该卫星数量指的是每个卫星位置上的卫星数量，不同的卫星位置上的卫星数量可以相同，也可以不同。
47.应理解的是，卫星位置也可以被称为卫星坐标，该坐标可以是二维或者三维坐标。
48.可选地，卫星状态包括：可用状态和不可用状态，但不限于此。通常卫星状态均为可用状态。
49.可选地，卫星朝向可以是轨迹方向的相反方向，例如：对于起点为a点，终点为b点的轨迹，该轨迹的轨迹方向指向b点，当然该轨迹方向与b点方向可以存在一定的夹角，那么卫星朝向可以指向a点，当然该卫星朝向与a点方向也可以存在一定的夹角。总之，本技术对卫星朝向不做限制。
50.可选地，卫星类型可以是任意用于实现定位的卫星类型，本技术对此不做限制。
51.可选地，上述两点之间的轨迹数据可以是测试人员实地采集得到的轨迹数据或者是基于sd路线规划结果生成的轨迹数据，本技术对此不做限制。
52.下面将提供两种基于sd路线规划结果生成轨迹数据的可选方式，本技术对基于sd路线规划结果生成轨迹数据的方式不限于此：
53.可实现方式一：如图3所示，基于sd路线规划结果生成轨迹数据的方式包括：
54.s310：获取两点之间的sd路线规划结果；
55.s320：根据所述sd路线规划结果确定两点之间的hd路线规划结果；
56.s330：根据hd路线规划结果确定两点之间的轨迹数据。
57.可选地，电子设备可以采用路线规划算法，如a*算法计算两点之间的sd路线，得到两点之间的sd路线规划结果，该sd路线规划结果可以包括：两点之间的至少一条sd道路的道路标识，但不限于此。进一步地，电子设备可以根据sd路线规划结果确定两点之间的hd路线规划结果，该hd路线规划结果可以包括：两点之间的至少一条hd道路的道路标识和每条hd道路的块标识，但不限于此。将每条hd道路的道路标识和块标识作为搜索条件到数据引擎中查找这些标识对应的hd道路的道路中心线，其中，每条hd道路的道路中心线由一系列形状点组成。更进一步地，电子设备可以获取轨迹生成参数，根据该轨迹生成参数和上述至少一条hd道路的道路中心线，生成两点之间的轨迹数据。
58.可选地，电子设备可以获取上述至少一条sd道路的道路标识与上述至少一条hd道路的道路标识之间的映射关系，根据该映射关系和至少一条sd道路的道路标识，得到至少一条hd道路的道路标识；再将每条hd道路的道路标识作为搜索条件到数据引擎获取每条hd道路的块标识。
59.应理解的是，hd道路的块标识是hd道路被划分为多个区域块时，每个区域块对应的标识。
60.可选地，上述至少一条sd道路的道路标识与上述至少一条hd道路的道路标识之间的映射关系是一一对应关系。
61.示例性地，表1示例性地示出了部分sd道路的道路标识与部分hd道路的道路标识之间的映射关系：
62.表1
63.sd道路的道路标识hd道路的道路标识123134456467789791
…………
64.可选地，假设每条hd道路的道路标识与该hd道路的所有块标识构成一个联合标识，电子设备可以获取上述至少一条sd道路的道路标识与联合标识之间的映射关系，根据该映射关系和至少一条sd道路的道路标识，得到该联合标识，并进一步地对该联合标识进行解析，可以得到hd道路的道路标识和块标识。
65.可选地，上述至少一条sd道路的道路标识与上述联合标识的映射关系是一一对应关系。
66.示例性地，表2示例性地示出了部分sd道路的道路标识与部分联合标识之间的映
射关系：
67.表2
68.sd道路的道路标识联合标识123134012456467234789791567
…………
69.可选地，电子设备可以按照预设规则将hd道路的道路标识与块标识进行组合，相应的，电子设备在得到联合标识之后，可以按照该预设规则解析联合标识。
70.示例性地，假设预设规则规定联合标识中的前三位是hd道路的道路标识，从第四位开始每一位是一个块标识，那么假设联合标识是134012，电子设备解析该联合标识，可以得到hd道路的道路标识是134，并且可以解析到三个块标识，分别是0，1，2。
71.应理解的是，hd道路的道路标识以及块标识与道路中心线具有一一对应关系，例如：当hd道路的道路标识是134，三个块标识分别是0，1，2时，它们对应的道路中心线是道路中心线l1，这里的“l1”是道路中心线的标识，也可以被称为索引。
72.可选地，轨迹生成参数包括模拟帧率、模拟速度和模拟干扰量，但不限于此。
73.可选地，上述模拟帧率可以是电子设备预定义的，也可以是根据实验得到的，又或者是其他设备如云服务器指定的，总之本技术对模拟帧率的确定方式不做限制。
74.可选地，上述模拟速度可以是电子设备预定义的，也可以是根据实验得到的，又或者是其他设备如云服务器指定的，总之本技术对模拟速度的确定方式不做限制。
75.可选地，上述模拟干扰量可以是电子设备预定义的，也可以是根据实验得到的，又或者是其他设备如云服务器指定的，总之本技术对模拟干扰量的确定方式不做限制。
76.可选地，电子设备可以按照上述模拟帧率和模拟速度对每条hd道路的道路中心线上的点进行采集；根据采集到的点和模拟干扰量，对采集到的点进行修正，得到修正后的点，修正后的点构成两点之间的轨迹；将两点之间的轨迹上的卫星数量、卫星位置、卫星状态、卫星朝向和卫星类型中的至少一项确定为两点之间的轨迹数据。
77.可选地，电子设备可以根据模拟帧率确定每隔多长时间采集一个点，进一步地，结合模拟速度，确定每隔多长距离采集一个点，从而按照确定的采集频率在道路中心线上进行点的采集。
78.可选地，电子设备可以对采集到的点的坐标和模拟干扰量进行求和操作，得到修正后的点的坐标，也可以对采集到的点的坐标和模拟干扰量进行求差操作，得到修正后的点的坐标，总之，本技术对点坐标的修正方式不做限制。
79.可选地，电子设备可以对修正后的点采用曲线拟合方式，形成两点之间的轨迹，其中，本技术对曲线拟合方式不做限制。
80.可选地，电子设备确定该轨迹上的各个修正后的点为卫星位置，每个位置上的卫星数量可以是一个或者多个，本技术对此不做限制。每个位置上的卫星状态可以是可用状态，卫星朝向均可以是轨迹方向的相反方向，卫星类型可以是任意用于实现定位的卫星类型。
81.下面通过一个示例对两点之间的轨迹数据的生成方式进行说明：
system，gnss)信号等，该定位sdk可以通过定位信号获取车辆的初始位置，根据该初始位置加载局部地图，并做运动轨迹预测，通过定位算法输出车辆的绝对位置、相对位置、精度半径及置信度等定位数据。
94.应理解的是，本技术对定位sdk所采用的定位算法不做限制。
95.可选地，假设电子设备之前已经获取过该轨迹数据对应的定位数据，这时电子设备无需再次回放上述轨迹数据，而是可以建立该轨迹数据与定位数据的对应关系，基于该对应关系和轨迹数据直接可以获取定位数据。
96.可选地，电子设备可以采用渲染引擎根据定位数据进行图像渲染，得到目标视频。
97.应理解的是，本技术对渲染引擎以及采用的渲染算法不做限制。
98.应理解的是，由于上述定位数据是模拟车辆行驶过程中所形成的，因此，这些定位数据将会被渲染为导航视频，即上述目标视频，这视频是由若干帧图像构成的，每一帧图像包括若干底图元素，如：车道、车道线、桥墩、路口、斑马线、隔离带、导流线、限速牌、转向箭头等。
99.可选地，上述目标底图可以是目标视频中的待检测渲染效果的任一图像帧。
100.可选地，目标模型可以为深度学习模型、支持向量机(support vector machine,svm)模型或者采用模板匹配算法的模型等，本技术对此不做限制。
101.可选地，对于渲染问题可以分为有渲染问题和无渲染问题两大类。
102.可选地，对于有渲染问题里面还可以细分为车道数据问题、车道线数据问题、路口问题、高架桥问题、地面标识问题以及其他。
103.可选地，每个大类渲染问题里面又可以细分为多个小类渲染问题，如图5所示，车道数据问题可以包括：绿化带缺失、车道面缺失、路面压盖绿化带以及其他。路口问题可以包括：导流线/分流线缺失、斑马线缺失、路口面缺失以及其他。高架桥问题可以包括：桥墩穿过路面、桥面压盖路面以及其他。地面标识可以包括：转向箭头缺失、转向箭头未对齐以及其他。基于此，如图6所示，目标模型可以包括：特征提取层、第一分类层和第二分类层，但不限于此，其中，特征提取层用于提取输入的目标底图区域的特征；第一分类层用于获取目标底图区域的特征，并确定目标底图区域的渲染问题所属的第一问题类别；第二分类层用于获取第一问题类别，并确定目标底图区域的渲染问题所属的第二问题类别；其中，第二问题类别是第一问题类别的子类别，例如：第一分类层确定某底图区域存在的渲染问题是车道数据问题，第二分类层确定该底图区域存在的具体渲染问题是绿化带缺失。
104.可选地，特征提取层可以是嵌入(embeding)层，该嵌入层可以采用one-hot编码方式，该one-hot编码又称为一位有效编码，主要是采用n位状态寄存器来对n个状态进行编码，每个状态都由它独立的寄存器位，并且在任意时候只有一位有效。
105.可选地，该目标底图区域可以是任一底图区域，本技术对此不做限制。
106.可选地，电子设备可以采用如下可实现方式确定目标底图的渲染效果的检测结果，但不限于此：
107.可实现方式一：如图7所示，该方法包括：
108.s710：获取目标底图中的特定区域；
109.s720：对特定区域进行区域划分，得到多个子区域；
110.s730：将每个子区域输入至目标模型中，得到每个子区域的渲染效果的检测结果；
111.其中，多个子区域的渲染效果的检测结果构成目标底图的渲染效果的检测结果。
112.可选地，上述特定区域可以是预定义的，或者是电子设备指定的一个区域，又或者是感兴趣区域(region of interest，roi)等，本技术对此不做限制。
113.可选地，上述特定区域可以是目标底图的中心区域，本技术对此不做限制。
114.可选地，电子设备可以采用roi的确定算法来确定roi，本技术对该算法不做限制。
115.可选地，电子设备可以按照预设的分块大小对上述特定区域进行划分，或者按照车道间隔对上述特定区域进行划分，总之，本技术对区域划分方式不做限制。
116.可选地，每个区域的渲染效果的检测结果可以是无渲染问题，或者存在的渲染问题，该渲染问题可以是上述的大类渲染问题，如车道数据问题，也可以是上述的小类渲染问题，如绿化带缺失。具体是哪种类型的渲染问题与训练的目标模型有关。例如：当训练的目标模型只有上述第一分类层时，那么电子设备所确定的渲染问题将是大类渲染问题，当训练的目标模型包括上述第一分类层和第二分类层时，那么电子设备所确定的渲染问题将是小类渲染问题。当然，训练的目标模型还可以包括更细粒度的分类型，这时得到的渲染问题的类别更加细粒度。
117.示例性地，如图8所示，电子设备可以获取到目标底图，确定该目标底图中的roi，并提取目标底图中的roi，进一步地，可以预设的分块大小将该roi划分为10个子区域，或者按照车道间隔将该roi划分为6个子区域，将每个子区域输入至目标模型中，得到每个子区域的渲染效果的检测结果，如图8最下方的图，该图中的黑色框表示存在渲染问题的子区域，条纹框表示无渲染问题的子区域。
118.可实现方式二：电子设备可以直接对目标底图进行区域划分，得到多个子区域；将每个子区域输入至目标模型中，得到每个子区域的渲染效果的检测结果；其中，多个子区域的渲染效果的检测结果构成目标底图的渲染效果的检测结果。
119.可选地，电子设备可以按照预设的分块大小对上述目标底图进行划分，或者按照车道间隔对上述目标底图进行划分，总之，本技术对区域划分方式不做限制。
120.可选地，每个区域的渲染效果的检测结果可以是无渲染问题，或者存在的渲染问题，该渲染问题可以是上述的大类渲染问题，如车道数据问题，也可以是上述的小类渲染问题，如绿化带缺失。具体是哪种类型的渲染问题与训练的目标模型有关。例如：当训练的目标模型只有上述第一分类层时，那么电子设备所确定的渲染问题将是大类渲染问题，当训练的目标模型包括上述第一分类层和第二分类层时，那么电子设备所确定的渲染问题将是小类渲染问题。当然，训练的目标模型还可以包括更细粒度的分类型，这时得到的渲染问题的类别更加细粒度。
121.综上，本技术提供一种底图渲染效果的检测方法，其中，电子设备可以根据目标底图和目标模型，得到目标底图的渲染效果的检测结果。也就是说，无需测试人员进行实地检测，而是采用这种自动化检测方式来检测底图的渲染效果，一方面这种自动化检测方式可以提高检测效率，另一方面这种自动化检测方式不依赖于测试人员的检测经验，从而可以提高检测精度。
122.此外，在本技术中，电子设备可以根据sd路线规划结果确定两点之间的轨迹数据，而无需测试人员实地驾驶车辆来产生轨迹数据，也就是说，本技术提供自动生成轨迹数据的方式，而生成轨迹数据环节决定着图像渲染环节和整个渲染问题检测过程，因此，通过本
申请提供的这种自动化方式还可以提高图像渲染效率和精度，进一步地可以提高检测效率和检测精度。
123.可选地，若目标底图存在渲染问题，则根据目标底图和目标模型，得到目标底图的渲染效果的检测结果之后，电子设备还可以创建目标底图对应的渲染问题单；并推送渲染问题单，以通知处理人员对渲染问题单进行流转。
124.可选地，如图9所示，电子设备可以根据目标底图存在的渲染问题，得到渲染问题对应的问题标题；并且可以获取渲染问题在目标底图中的位置、发生时间、渲染问题的问题截图、导航版本和底图版本中的至少一项信息，将至少一项信息直接填入问题描述字段，并对问题描述和问题标题进行组合，得到目标底图对应的渲染问题单，并且可以将该渲染问题单提交给后台服务，后台服务通过消息提醒等方式可以通知处理人员，以使处理人员对渲染问题单进行流转。
125.示例性地，假设电子设备确定目标底图存在的渲染问题是路口问题中的路口面缺失，并且假设规则是以“高精底图渲染缺陷”开头，那么电子设备生成的问题标题是“高精底图渲染缺陷-路口问题-路口面缺失”。进一步的，关于渲染问题在目标底图中的位置、发生时间、渲染问题的问题截图、导航版本和底图版本中的至少一项信息直接填入问题描述字段即可，无需更多编辑。
126.需要说明的是，电子设备在获取渲染问题在目标底图中的位置、发生时间、渲染问题的问题截图、导航版本和底图版本中的至少一项信息之后，也可以不将至少一项信息填入问题描述字段，而是直接将这些信息与问题标题进行组合，得到目标底图对应的渲染问题单，并且可以将该渲染问题单提交给后台服务，后台服务通过消息提醒等方式可以通知处理人员，以使处理人员对渲染问题单进行流转。本技术对渲染问题单的创建方式不做限制。
127.总之，通过本实施例提供的自动提单方案，可以降低测试成本，减少人工环节，提高问题流转效率。
128.图10为本技术实施例提供的训练模型的方法流程图，如图10所示，该方法包括：
129.s1010：获取正样本和负样本；
130.s1020：通过正样本和负样本训练目标模型。
131.其中，电子设备可以将正样本和负样本输入目标模型，以得到正样本和负样本的渲染效果的检测结果，假设将该检测结果称为预测结果，将正样本和负样本中本身携带的检测结果称为实际结果，通过该预测结果和实际结果来训练目标模型。
132.其中，正样本包括：第一底图区域和第一底图区域的渲染效果的检测结果，第一底图区域的渲染效果的检测结果是无渲染问题；负样本包括：第二底图区域和第二底图区域的渲染效果的检测结果，第二底图区域的渲染效果的检测结果是第二底图区域的渲染问题所属的问题类别。该第二地图区域的渲染问题可以上述的大类渲染问题或者小类渲染问题，本技术对此不做限制。
133.可选地，测试人员在实车测试过程中可以记录渲染问题，以形成正样本和负样本。或者，电子设备也可以按照上述轨迹数据生成方法生成轨迹数据，通过对该轨迹数据进行回放得到定位数据，根据该定位数据进行图像渲染得到目标视频，测试人员可以记录该目标视频中的底图渲染问题，以形成正样本和负样本。进一步地，当正样本和负样本达到一定
数量后，电子设备可以通过这些样本训练目标模型。接下来便可以采用自动化检测方式来检测任意底图区域的渲染问题。
134.综上，本技术提供了上述模型训练方法，得到训练后的目标模型，该目标模型可以用于自动化检测渲染问题。
135.图11为本技术实施例提供的一种底图渲染效果的检测装置1100的示意图，如图11所示，该装置1100包括：第一获取模块1110、渲染模块1120、第二获取模块1130和处理模块1140，其中，第一获取模块1110用于获取两点之间的轨迹数据；渲染模块1120用于根据两点之间的轨迹数据进行图像渲染，得到目标视频；第二获取模块1130用于获取目标视频中的目标底图；处理模块1140用于根据目标底图和目标模型，得到目标底图的渲染效果的检测结果。
136.可选地，第一获取模块1110具体用于：获取两点之间的sd路线规划结果；根据sd路线规划结果确定两点之间的hd路线规划结果；根据hd路线规划结果确定两点之间的轨迹数据。
137.可选地，第一获取模块1110具体用于：获取sd路线规划结果中至少一条sd道路的道路标识；获取至少一条sd道路的道路标识与至少一条hd道路的道路标识之间的映射关系；根据映射关系和至少一条sd道路的道路标识，得到至少一条hd道路的道路标识；获取每条hd道路的块标识；其中，每条hd道路的hd路线规划结果包括：该hd道路的道路标识和块标识。
138.可选地，第一获取模块1110具体用于：根据hd路线规划结果确定至少一条hd道路各自的道路中心线；获取轨迹生成参数；根据轨迹生成参数和至少一条hd道路各自的道路中心线，生成两点之间的轨迹数据。
139.可选地，轨迹生成参数包括模拟帧率、模拟速度和模拟干扰量；第一获取模块1110具体用于：根据模拟帧率和模拟速度对每条hd道路的道路中心线上的点进行采集；根据采集到的点和模拟干扰量，对采集到的点进行修正，得到修正后的点，修正后的点构成两点之间的轨迹；将两点之间的轨迹上的卫星数量、卫星位置、卫星状态、卫星朝向和卫星类型中的至少一项确定为两点之间的轨迹数据。
140.可选地，渲染模块1120用于：对两点之间的轨迹数据进行解析，得到轨迹解析结果；获取轨迹解析结果对应的定位数据；根据定位数据进行图像渲染，得到目标视频。
141.可选地，处理模块1140具体用于：获取目标底图中的特定区域；对特定区域进行区域划分，得到多个子区域；将每个子区域输入至目标模型中，得到每个子区域的渲染效果的检测结果；其中，多个子区域的渲染效果的检测结果构成目标底图的渲染效果的检测结果。
142.可选地，该装置1100还包括：第三获取模块1150和训练模块1160，其中，第三获取模块1150用于获取正样本和负样本；训练模块1160用于通过正样本和负样本训练目标模型；其中，正样本包括：第一底图区域和第一底图区域的渲染效果的检测结果，第一底图区域的渲染效果的检测结果是无渲染问题；负样本包括：第二底图区域和第二底图区域的渲染效果的检测结果，第二底图区域的渲染效果的检测结果是第二底图区域的渲染问题所属的问题类别。
143.可选地，目标模型包括：特征提取层、第一分类层和第二分类层；
144.特征提取层用于提取输入的目标底图区域的特征；
145.第一分类层用于获取目标底图区域的特征，并确定目标底图区域的渲染问题所属的第一问题类别；
146.第二分类层用于获取第一问题类别，并确定目标底图区域的渲染问题所属的第二问题类别；
147.其中，第二问题类别是第一问题类别的子类别。
148.可选地，该装置1100还包括：创建模块1170和推送模块1180，其中，创建模块1170用于创建目标底图对应的渲染问题单，推送模块1180用于推送渲染问题单。
149.可选地，创建模块1170具体用于：根据目标底图存在的渲染问题，得到渲染问题对应的问题标题；获取渲染问题在目标底图中的位置、发生时间、渲染问题的问题截图、导航版本和底图版本中的至少一项信息；对问题标题和上述至少一项信息进行组合，得到目标底图对应的渲染问题单。
150.可选地，目标模型为深度学习模型。
151.应理解的是，装置实施例与方法实施例可以相互对应，类似的描述可以参照方法实施例。为避免重复，此处不再赘述。具体地，图11所示的装置1100可以执行图2对应的方法实施例，并且装置1100中的各个模块的前述和其它操作和/或功能分别为了实现图2中的各个方法中的相应流程，为了简洁，在此不再赘述。
152.上文中结合附图从功能模块的角度描述了本技术实施例的装置1100。应理解，该功能模块可以通过硬件形式实现，也可以通过软件形式的指令实现，还可以通过硬件和软件模块组合实现。具体地，本技术实施例中的方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路和/或软件形式的指令完成，结合本技术实施例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。可选地，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、电可擦写可编程存储器、寄存器等本领域的成熟的存储介质中。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实施例中的步骤。
153.图12是本技术实施例提供的电子设备的示意性框图。
154.如图12所示，该电子设备可包括：
155.存储器1210和处理器1220，该存储器1210用于存储计算机程序，并将该程序代码传输给该处理器1220。换言之，该处理器1220可以从存储器1210中调用并运行计算机程序，以实现本技术实施例中的方法。
156.例如，该处理器1220可用于根据该计算机程序中的指令执行上述方法实施例。
157.在本技术的一些实施例中，该处理器1220可以包括但不限于：
158.通用处理器、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、分立硬件组件等等。
159.在本技术的一些实施例中，该存储器1210包括但不限于：
160.易失性存储器和/或非易失性存储器。其中，非易失性存储器可以是只读存储器(read-only memory，rom)、可编程只读存储器(programmable rom，prom)、可擦除可编程只读存储器(erasable prom，eprom)、电可擦除可编程只读存储器(electrically eprom，
eeprom)或闪存。易失性存储器可以是随机存取存储器(random access memory，ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(static ram，sram)、动态随机存取存储器(dynamic ram，dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，ddr sdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(synch link dram，sldram)和直接内存总线随机存取存储器(direct rambus ram，dr ram)。
161.在本技术的一些实施例中，该计算机程序可以被分割成一个或多个模块，该一个或者多个模块被存储在该存储器1210中，并由该处理器1220执行，以完成本技术提供的方法。该一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述该计算机程序在该电子设备中的执行过程。
162.如图12所示，该电子设备还可包括：
163.收发器1230，该收发器1230可连接至该处理器1220或存储器1210。
164.其中，处理器1220可以控制该收发器1230与其他设备进行通信，具体地，可以向其他设备发送信息或数据，或接收其他设备发送的信息或数据。收发器1230可以包括发射机和接收机。收发器1230还可以进一步包括天线，天线的数量可以为一个或多个。
165.应当理解，该电子设备中的各个组件通过总线系统相连，其中，总线系统除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。
166.本技术还提供了一种计算机存储介质，其上存储有计算机程序，该计算机程序被计算机执行时使得该计算机能够执行上述方法实施例的方法。或者说，本技术实施例还提供一种包含指令的计算机程序产品，该指令被计算机执行时使得计算机执行上述方法实施例的方法。
167.当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本技术实施例该的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc，dvd))、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
168.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
169.在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，该模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
170.作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。例如，在本技术各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
171.以上该，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以该权利要求的保护范围为准。

技术特征：
1.一种底图渲染效果的检测方法，其特征在于，包括：获取两点之间的轨迹数据；根据所述两点之间的轨迹数据进行图像渲染，得到目标视频；获取所述目标视频中的目标底图；根据所述目标底图和目标模型，得到所述目标底图的渲染效果的检测结果。2.根据权利要求1所述的方法，其特征在于，所述获取两点之间的轨迹数据，包括：获取所述两点之间的标清sd路线规划结果；根据所述sd路线规划结果确定所述两点之间的高精hd路线规划结果；根据所述hd路线规划结果确定所述两点之间的轨迹数据。3.根据权利要求2所述的方法，其特征在于，所述根据所述sd路线规划结果确定所述两点之间的高精hd路线规划结果，包括：获取所述sd路线规划结果中至少一条sd道路的道路标识；获取所述至少一条sd道路的道路标识与至少一条hd道路的道路标识之间的映射关系；根据所述映射关系和所述至少一条sd道路的道路标识，得到所述至少一条hd道路的道路标识；获取每条所述hd道路的块标识；其中，每条所述hd道路的hd路线规划结果包括：该hd道路的道路标识和块标识。4.根据权利要求3所述的方法，其特征在于，所述根据所述hd路线规划结果确定所述两点之间的轨迹数据，包括：根据所述hd路线规划结果确定所述至少一条hd道路各自的道路中心线；获取轨迹生成参数；根据所述轨迹生成参数和所述至少一条hd道路各自的道路中心线，生成所述两点之间的轨迹数据。5.根据权利要求4所述的方法，其特征在于，所述轨迹生成参数包括模拟帧率、模拟速度和模拟干扰量；所述根据所述轨迹生成参数和所述至少一条hd道路各自的道路中心线，生成所述两点之间的轨迹数据，包括：根据所述模拟帧率和所述模拟速度对每条所述hd道路的道路中心线上的点进行采集；根据采集到的点和所述模拟干扰量，对所述采集到的点进行修正，得到修正后的点，所述修正后的点构成所述两点之间的轨迹；将所述两点之间的轨迹上的卫星数量、卫星位置、卫星状态、卫星朝向和卫星类型中的至少一项确定为所述两点之间的轨迹数据。6.根据权利要求1-5任一项所述的方法，其特征在于，所述根据所述两点之间的轨迹数据进行图像渲染，得到目标视频，包括：对所述两点之间的轨迹数据进行解析，得到轨迹解析结果；获取所述轨迹解析结果对应的定位数据；根据所述定位数据进行图像渲染，得到所述目标视频。7.根据权利要求1-5任一项所述的方法，其特征在于，所述根据所述目标底图和目标模型，得到所述目标底图的渲染效果的检测结果，包括：
获取所述目标底图中的特定区域；对所述特定区域进行区域划分，得到多个子区域；将每个所述子区域输入至所述目标模型中，得到每个所述子区域的渲染效果的检测结果；其中，所述多个子区域的渲染效果的检测结果构成所述目标底图的渲染效果的检测结果。8.根据权利要求1-5任一项所述的方法，其特征在于，还包括：获取正样本和负样本；通过所述正样本和所述负样本训练所述目标模型；其中，所述正样本包括：第一底图区域和所述第一底图区域的渲染效果的检测结果，所述第一底图区域的渲染效果的检测结果是无渲染问题；所述负样本包括：第二底图区域和所述第二底图区域的渲染效果的检测结果，所述第二底图区域的渲染效果的检测结果是所述第二底图区域的渲染问题所属的问题类别。9.根据权利要求8所述的方法，其特征在于，所述目标模型包括：特征提取层、第一分类层和第二分类层；所述特征提取层用于提取输入的目标底图区域的特征；所述第一分类层用于获取所述目标底图区域的特征，并确定所述目标底图区域的渲染问题所属的第一问题类别；所述第二分类层用于获取所述第一问题类别，并确定所述目标底图区域的渲染问题所属的第二问题类别；其中，所述第二问题类别是所述第一问题类别的子类别。10.根据权利要求1-5任一项所述的方法，其特征在于，若所述目标底图存在渲染问题，则所述根据所述目标底图和目标模型，得到所述目标底图的渲染效果的检测结果之后，还包括：创建所述目标底图对应的渲染问题单；推送所述渲染问题单。11.根据权利要求10所述的方法，其特征在于，所述创建所述目标底图对应的渲染问题单，包括：根据所述目标底图存在的渲染问题，得到所述渲染问题对应的问题标题；获取所述渲染问题在所述目标底图中的位置、发生时间、所述渲染问题的问题截图、导航版本和底图版本中的至少一项信息；对所述问题标题和所述至少一项信息进行组合，得到所述目标底图对应的渲染问题单。12.根据权利要求1-5任一项所述的方法，其特征在于，所述目标模型为深度学习模型。13.一种底图渲染效果的检测装置，其特征在于，包括：第一获取模块，用于获取两点之间的轨迹数据；渲染模块，用于根据所述两点之间的轨迹数据进行图像渲染，得到目标视频；第二获取模块，用于获取所述目标视频中的目标底图；处理模块，用于根据所述目标底图和目标模型，得到所述目标底图的渲染效果的检测
结果。14.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，以执行权利要求1至13中任一项所述的方法。15.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序使得计算机执行如权利要求1至13中任一项所述的方法。

技术总结
本申请提供了一种底图渲染效果的检测方法、装置、设备及存储介质，本申请技术方案可以应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景，该检测方法包括：获取两点之间的轨迹数据；根据两点之间的轨迹数据进行图像渲染，得到目标视频；获取目标视频中的目标底图；根据目标底图和目标模型，得到目标底图的渲染效果的检测结果。使得一方面这种自动化检测方式可以提高检测效率，另一方面这种自动化检测方式不依赖于测试人员的检测经验，从而可以提高检测精度。高检测精度。高检测精度。


技术研发人员：张洪龙
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2022.02.18
技术公布日：2022/5/25