CN106776996A - 用于测试高精度地图的准确性的方法和装置 - Google Patents
用于测试高精度地图的准确性的方法和装置 Download PDFInfo
- Publication number
- CN106776996A CN106776996A CN201611112125.9A CN201611112125A CN106776996A CN 106776996 A CN106776996 A CN 106776996A CN 201611112125 A CN201611112125 A CN 201611112125A CN 106776996 A CN106776996 A CN 106776996A
- Authority
- CN
- China
- Prior art keywords
- difference
- point cloud
- map
- point
- road
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3819—Road shape data, e.g. outline of a route
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3863—Structures of map data
- G01C21/3867—Geometry of map features, e.g. shape points, polygons or for simplified maps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Processing Or Creating Images (AREA)
- Navigation (AREA)
- Instructional Devices (AREA)
Abstract
本申请公开了用于测试高精度地图的准确性的方法和装置。方法的一具体实施方式包括:从高精度地图中还原路网地图;获取已标注地图元素的实际坐标的3D点云道路图片;将3D点云道路图片拟合至路网地图中,得到已拟合3D点云道路图片的路网地图;计算已拟合3D点云道路图片的路网地图中3D点云道路图片的实际坐标与路网地图的地图坐标之间的差值;响应于差值小于或等于预设阈值,确定高精度地图准确。该实施方式实现了验证高精度地图的坐标,提高了验证高精地图的道路信息与实际道路是否有差异的效率,并且避免了人工验证所带来的验证误差,提高了验证高精度地图的准确度。
Description
技术领域
本申请涉及测试技术领域,具体涉及地图测试技术领域,尤其涉及用于测试高精度地图的准确性的方法和装置。
背景技术
高精度地图,用于供自动驾驶汽车使用,需要确定道路坐标、道路信号灯、标识字符、坐标、数字信息等是否与实际道路有差异。
目前确定高精度地图与实际道路的差异时,通常靠人工进行地图检查以及将地图数据还原成路网进行检查。
然而,目前确定高精度地图与实际道路的差异的方法,无法验证高精度地图的坐标,验证高精地图的道路信息与实际道路是否有差异的效率较低,且不能验证地图精度。
发明内容
本申请的目的在于提出一种改进的用于测试高精度地图的准确性的方法和装置,来解决以上背景技术部分提到的技术问题。
第一方面,本申请提供了一种用于测试高精度地图的准确性的方法,所述方法包括:从高精度地图中还原路网地图;获取已标注地图元素的实际坐标的3D点云道路图片;将所述3D点云道路图片拟合至所述路网地图中,得到已拟合3D点云道路图片的路网地图;计算所述已拟合3D点云道路图片的路网地图中所述3D点云道路图片的实际坐标与所述路网地图的地图坐标之间的差值;响应于所述差值小于或等于预设阈值,确定所述高精度地图准确。
在一些实施例中,所述获取已标注实际坐标的3D点云道路图片包括:经由采集设备扫描实际道路的3D点云信息,得到3D点云道路图片;计算所述3D点云道路图片的各个点数据在世界坐标系中的坐标;根据所述3D点云道路图片的各个点数据在世界坐标系中的坐标,对所述3D点云道路图片进行标注,得到已标注实际坐标的3D点云道路图片。
在一些实施例中,所述计算所述已拟合3D点云道路图片的路网地图中所述3D点云道路图片的实际坐标与所述路网地图的地图坐标之间的差值包括:将所述已拟合3D点云道路图片的路网地图中的路网地图元素旋转平移,得到路网地图元素在所述3D点云道路图片中的映射点;响应于单个映射点的整体或部分重合于所述3D点云道路图片中的点,计算所述单个映射点与3D点云道路图片上重合于所述映射点的点的差值。
在一些实施例中,所述计算所述已拟合3D点云道路图片的路网地图中所述3D点云道路图片的实际坐标与所述路网地图的地图坐标之间的差值还包括:响应于单个映射点不重合于所述3D点云道路图片中的点,计算所述单个映射点与所述3D点云道路图片上位于所述单个映射点的法线方向且距所述单个映射点最近的点的差值。
在一些实施例中,所述方法还包括:响应于所述差值大于预设阈值,确定所述高精度地图数据失真。
在一些实施例中,所述差值包括以下一项或多项:欧氏距离、向量方向的角度差值和在世界坐标系下的高度差值。
在一些实施例中,所述响应于所述差值小于或等于预设阈值,确定所述高精度地图准确包括:响应于所述差值所包括的项分别小于或等于所述项的准确阈值,确定所述高精度地图数据准确;其中,所述差值所包括的项小于或等于所述项的准确阈值包括以下一项或多项:所述欧式距离小于或等于欧氏距离阈值;所述角度差值小于或等于角度差值阈值;以及所述高度差值小于或等于高度差值阈值。
在一些实施例中,所述响应于所述差值大于预设阈值,确定所述高精度地图数据失真包括:响应于所述差值所包括的任意一项大于所述任意一项的准确阈值,确定所述高精度地图数据失真;其中,所述差值所包括的任意一项大于所述任意一项的准确阈值包括以下任意一项:所述欧式距离大于欧氏距离阈值;所述角度差值大于角度差值阈值;以及所述高度差值大于高度差值阈值。
第二方面,本申请提供了一种用于测试高精度地图的准确性的装置,所述装置包括:路网还原单元,用于从高精度地图中还原路网地图;图片获取单元,用于获取已标注地图元素的实际坐标的3D点云道路图片;地图拟合单元,用于将所述3D点云道路图片拟合至所述路网地图中,得到已拟合3D点云道路图片的路网地图;差值计算单元,用于计算所述已拟合3D点云道路图片的路网地图中所述3D点云道路图片的实际坐标与所述路网地图的地图坐标之间的差值;准确确定单元,用于响应于所述差值小于或等于预设阈值,确定所述高精度地图准确。
在一些实施例中,所述图片获取单元包括:扫描子单元,用于经由采集设备扫描实际道路的3D点云信息,得到3D点云道路图片;坐标计算子单元,用于计算所述3D点云道路图片的各个点数据在世界坐标系中的坐标;标注子单元,用于根据所述3D点云道路图片的各个点数据在世界坐标系中的坐标,对所述3D点云道路图片进行标注,得到已标注实际坐标的3D点云道路图片。
在一些实施例中,所述差值计算单元包括:配准子单元,用于将所述已拟合3D点云道路图片的路网地图中的路网地图元素旋转平移,得到路网地图元素在所述3D点云道路图片中的映射点;重合计算子单元,用于响应于单个映射点的整体或部分重合于所述3D点云道路图片中的点,计算所述单个映射点与3D点云道路图片上重合于所述映射点的点的差值。
在一些实施例中,所述差值计算单元还包括:不重合计算子单元,用于响应于单个映射点不重合于所述3D点云道路图片中的点,计算所述单个映射点与所述3D点云道路图片上位于所述单个映射点的法线方向且距所述单个映射点最近的点的差值。
在一些实施例中,所述装置还包括:失真确定单元,用于响应于所述差值大于预设阈值,确定所述高精度地图数据失真。
在一些实施例中,所述差值计算单元计算得到的差值包括以下一项或多项:欧氏距离、向量方向的角度差值和在世界坐标系下的高度差值。
在一些实施例中,所述准确确定单元进一步用于:响应于所述差值所包括的项分别小于或等于所述项的准确阈值,确定所述高精度地图数据准确;其中,所述差值所包括的项小于或等于所述项的准确阈值包括以下一项或多项:所述欧式距离小于或等于欧氏距离阈值;所述角度差值小于或等于角度差值阈值;以及所述高度差值小于或等于高度差值阈值。
在一些实施例中,所述失真确定单元进一步用于:响应于所述差值所包括的任意一项大于所述任意一项的准确阈值,确定所述高精度地图数据失真;其中,所述差值所包括的任意一项大于所述任意一项的准确阈值包括以下任意一项:所述欧式距离大于欧氏距离阈值;所述角度差值大于角度差值阈值;以及所述高度差值大于高度差值阈值。
本申请提供的用于测试高精度地图的准确性的方法和装置,首先从高精度地图中还原路网地图,接着获取已标注实际坐标的3D点云道路图片,之后将所述3D点云道路图片拟合至所述路网地图中,得到已拟合3D点云道路图片的路网地图,之后计算3D点云道路图片中标注的实际坐标与所述已拟合3D点云道路图片的路网地图的坐标之间的差值,最后响应于所述差值小于或等于预设阈值,确定所述高精度地图准确。从而实现了验证高精度地图的坐标,提高了验证高精地图的道路信息与实际道路是否有差异的效率,并且避免了人工验证所带来的验证误差,提高了验证高精度地图的准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是根据本申请的用于测试高精度地图的准确性的方法的一个实施例的示意性流程图;
图2示出了计算3D点云道路图片的实际坐标与路网地图的地图坐标之间的差值的方法的一个实施例的示意性流程图;
图3示出了根据本申请的用于测试高精度地图的准确性的方法的一个实施例的示例性应用场景;
图4是根据本申请的用于测试高精度地图的准确性的装置的一个实施例的示例性结构图;
图5是对应上述图4中差值计算单元的一个实施例的示例性结构图;
图6是适于用来实现本申请实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了根据本申请的用于测试高精度地图的准确性的方法的一个实施例的流程100。该用于测试高精度地图的准确性的方法,可以包括以下步骤:
步骤101,从高精度地图中还原路网地图。
在本实施例中,高精度地图是指面向机器的供自动驾驶汽车使用的高精度地图,绝对精度一般都会在亚米级,也就是1米以内的精度,例如20厘米以内,而且横向的相对精度(比如,车道和车道,车道和车道线的相对位置精度)往往还要更高。并且高精度地图不仅有高精度的坐标,同时还有准确的道路形状,并且含有每个车道的坡度,曲率,航向,高程以及侧倾的数据。高精度地图不仅描绘道路,更描绘出一条道路上有多少条车道,会真实的反应出道路的实际样式,比如真实道路在某些地方变宽,那么高精度地图中的道路数据相应变宽,而真实道路在某些地方因为汇合而变窄,高精度地图也是一样因为汇合而变窄。另外,每条车道和车道之间的车道线是什么样子的,是虚线、实线还是双黄线,线的颜色,道路的隔离带,隔离带的材质,马路牙子什么样子,什么材质,甚至道路上的箭头,文字的内容,所在位置都会有描述。而且,为了自动驾驶的考虑,诸如每条车道的限速,推荐速度也需要一并提供。而像人行横道,道路沿线的看板,隔离带,限速标志,红绿灯,路边的电话亭等等,这类我们通常统称为交通参与物的绝对地理坐标,物理尺寸以及他们的特质特性等也都会出现在高精度地图的数据中。同时,高精度地图需要具备辅助完成实现高精度的定位位置功能,道路级和车道级的规划能力,以及车道级的引导能力。
这里的路网地图,是指从高精度地图中还原的由各级道路组成的网状***的地图。应当理解,这里的路网地图同样包括高精度地图中的与道路相关的道路级和车道级的数据。
步骤102,获取已标注实际坐标的3D点云道路图片。
在本实施例中,3D点云道路图片可以通过有人机、无人机空载3D扫描仪或采集车车载地面3D扫描仪扫描实际道路得到(例如通过激光扫描仪或激光雷达扫描仪扫描实际道路得到)。获取的海量点数据扫描资料以点的形式记录,每一个点包含有三维坐标,有些可能含有颜色信息(RGB)或反射强度信息(Intensity)。在标注3D点云道路图片时,可以基于点数据包含的三维坐标所在的坐标系与世界坐标系的映射关系,将该三维坐标转换为世界坐标系中的坐标,从而得到3D点云道路图片的实际坐标。
在一些可选实现方式中,所述获取已标注实际坐标的3D点云道路图片包括:经由采集设备扫描实际道路的3D点云信息,得到3D点云道路图片;计算所述3D点云道路图片的各个点数据在世界坐标系中的坐标;根据所述3D点云道路图片的各个点数据在世界坐标系中的坐标,对所述3D点云道路图片进行标注,得到已标注实际坐标的3D点云道路图片。
在本实现方式中,3D点云道路图片的点数据在世界坐标系中的坐标也即该点数据的实际坐标,因此采用3D点云道路图片的各点数据在世界坐标系中的坐标来标注3D点云道路图片,可以得到已标注实际坐标的3D点云道路图片,从而实现获取3D点云道路图片的精准实际坐标,并为后续测试高精度地图的准确性提供了精准的判定标准。
步骤103,将3D点云道路图片拟合至路网地图中,得到已拟合3D点云道路图片的路网地图。
在本实施例中,在获取路网地图和已标注实际坐标的3D点云道路图片之后,可以拟合路网地图和已标注实际坐标的3D点云道路图片。这里的拟合路网地图和3D点云道路图片的方法,可以采用现有技术中或未来发展的技术中的样条插值曲线拟合方法来实现,本申请对此不作限定。例如,可以采用B样条曲线(B-spline)将3D点云道路图片中的点数据拟合至路网地图中。在进行拟合时,可以首先将3D点云道路图片的实际坐标转换为在路网地图中的坐标,之后根据转换后的坐标将3D点云道路图片拟合至路网地图中。
步骤104,计算3D点云道路图片中标注的实际坐标与已拟合3D点云道路图片的路网地图的坐标之间的差值。
在本实施例中,在得到已拟合3D点云道路图片的路网地图后,可以计算已拟合3D点云道路图片的路网地图中3D点云道路图片的地图元素的实际坐标与路网地图的地图元素的地图坐标之间的差值。
在一些可选实现方式中,差值可以包括欧式距离;备选地或附加地,差值可以包括向量方向的角度差值;备选地或附加地,差值可以包括在世界坐标系下的高度差值。
步骤105,响应于差值小于或等于预设阈值,确定高精度地图准确。
在本实施例中,预设阈值是指用于判断高精度地图数据是否失真的临界阈值,当差值小于或等于预设阈值时,表明实际坐标与地图坐标重合或者重叠区域大于一定阈值,也即地图数据精度符合要求,从而可以确定高精度地图准确。
在一些可选实现方式中,响应于上述的差值包括欧式距离、向量方向的角度差值和在世界坐标系下的高度差值中的任意一项时,当该任意一项小于或等于该任意一项的准确阈值时,确定高精度地图数据准确:响应于上述的差值仅包括欧式距离,当欧式距离小于或等于欧式距离阈值时,确定高精度地图准确;响应于上述的差值仅包括向量方向的角度差值,当角度差值小于或等于角度差值阈值时,确定高精度地图准确;响应于上述的差值仅包括在世界坐标系下的高度差值,当高度差值小于或等于高度差值阈值时,确定高精度地图准确。
响应于上述的差值包括欧式距离、向量方向的角度差值和在世界坐标系下的高度差值中的两项时,当该两项所包括的项分别小于或等于各项的准确阈值时,确定高精度地图数据准确:响应于上述的差值包括欧式距离和向量方向的角度差值,当欧式距离小于或等于欧式距离阈值且角度差值小于或等于角度差值阈值时,确定高精度地图准确;响应于上述的差值包括向量方向的角度差值和在世界坐标系下的高度差值,当角度差值小于或等于角度差值阈值且高度差值小于或等于高度差值阈值时,确定高精度地图准确;响应于上述的差值包括欧式距离和在世界坐标系下的高度差值,当欧式距离小于或等于欧式距离阈值且高度差值小于或等于高度差值阈值时,确定高精度地图准确。
响应于上述的差值包括欧式距离、向量方向的角度差值和在世界坐标系下的高度差值时,当每一项分别小于或等于各自的准确阈值时,确定高精度地图数据准确:也即响应于上述的差值包括欧式距离、向量方向的角度差值和在世界坐标系下的高度差值,当以下三项全部满足时确定高精度地图准确:欧式距离小于或等于欧式距离阈值;角度差值小于或等于角度差值阈值;以及高度差值小于或等于高度差值阈值时
可选地,上述用于测试高精度地图的准确性的方法还可以包括:响应于差值大于预设阈值,确定高精度地图数据失真。
在这里,预设阈值是指用于判断高精度地图数据是否失真的临界阈值,因此当差值大于临界阈值时,可以确定高精度地图数据失真。
上述的响应于差值大于预设阈值,确定高精度地图数据失真可以包括:响应于差值所包括的任意一项大于该任意一项的准确阈值,确定高精度地图数据失真。
其中,差值所包括的任意一项大于任意一项的准确阈值包括以下任意一项:欧式距离大于欧氏距离阈值;角度差值大于角度差值阈值;以及高度差值大于高度差值阈值。也即,响应于出现以下任意一项,确定高精度地图数据失真:差值包括欧式距离大于欧式距离阈值;角度差值大于角度差值阈值;以及高度差值大于高度差值阈值。
本申请上述实施例提供的用于测试高精度地图的准确性的方法和装置,首先从高精度地图中还原路网地图,接着获取已标注实际坐标的3D点云道路图片,之后将所述3D点云道路图片拟合至所述路网地图中,得到已拟合3D点云道路图片的路网地图,之后计算3D点云道路图片中标注的实际坐标与所述已拟合3D点云道路图片的路网地图的坐标之间的差值,最后响应于所述差值小于或等于预设阈值,确定所述高精度地图准确。从而实现了对高精度地图的坐标的验证,提高了验证高精地图的道路信息与实际道路是否有差异的效率,避免了人工验证所带来的验证误差,提高了验证高精度地图的准确度。
进一步参考图2,图2示出了根据本申请的计算已拟合3D点云道路图片的路网地图中3D点云道路图片的实际坐标与路网地图的地图坐标之间的差值的方法的一个实施例的流程200。该计算已拟合3D点云道路图片的路网地图中3D点云道路图片的实际坐标与路网地图的地图坐标之间的差值的方法,包括以下步骤:
步骤201,将已拟合3D点云道路图片的路网地图中的路网地图元素旋转平移,得到路网地图元素在3D点云道路图片中的映射点。
在本实施例中,可以通过对路网地图元素旋转平移来确定其在3D点云道路图片上的映射点,旋转平移的技术可以为现有技术或未来发展的技术中进行曲线配准的技术,本申请对此不做限定。例如,可以采用迭代最近点法ICP来对路网地图元素进行旋转平移,从而得到路网地图元素在3D点云道路图片中的映射点。
步骤202,判断各个映射点是否整体或部分重合于3D点云道路图片中的点。
在本实施例中,基于步骤201中得到的各个映射点,可以对映射点与3D点云道路图片中原有的点的重合关系进行判断,若是,则执行步骤203,若否,则执行步骤204。
步骤203,若单个映射点的整体或部分重合于3D点云道路图片中的点,计算单个映射点与3D点云道路图片上重合于映射点的点的差值。
在本实施例中,若单个映射点的整体或部分重合于3D点云道路图片中的点,说明路网元素中地图元素的点数据与3D点云道路图片中地图元素的点数据的匹配程度较高,也即路网地图元素的坐标较为接近实际地图元素的坐标,此时可以进一步根据两点之间的差值是否符合准确阈值来确定路网地图是否准确,从而确定高精度地图是否准确。
步骤204,若单个映射点不重合于3D点云道路图片中的点,计算单个映射点与3D点云道路图片上位于单个映射点的法线方向且距单个映射点最近的点的差值。
在本实施例中,若单个映射点不重合于3D点云道路图片中的点,说明路网元素中地图元素的点数据与3D点云道路图片中地图元素的点数据的匹配程度需要进一步确定,也即需要根据两点之间的差值是否符合准确阈值来确定路网地图是否准确,从而确定高精度地图是否准确。
通过本申请上述实施例中的计算已拟合3D点云道路图片的路网地图中3D点云道路图片的实际坐标与路网地图的地图坐标之间的差值的方法,可以提供丰富准确的用于判断高精度地图准确度的参数,从而提高了判断高精度地图准确度的精度。
以下结合图3,描述根据本申请的用于测试高精度地图的准确性的方法的一个实施例的示例性应用场景。
如图3所示,在根据世界坐标系与路网地图坐标系的映射关系,将3D点云道路图片的点数据的实际坐标转换为在路网地图中的坐标,并将3D点云道路图片拟合至路网地图中之后,已拟合3D点云道路图片的路网地图可以包括原路网地图和拟合至路网地图的3D点云道路图片,其中,3D点云道路图片的各个点数据包括实际坐标。
原路网地图中,包括车道线301、302、303、311、312、313、321、322、323、331和341。其中,车道线301是车道线302的前驱,车道线303是车道线302的后继;车道线311是车道线312的前驱,车道线313是车道线312的后继;车道线321是车道线322的前驱,车道线323是车道线322的后继;车道线331是车道线313的后继,车道线341是车道线323的后继。
在拟合至路网地图的3D点云道路图片中,包括车道线351、352、353、361、362、363、371和381。其中,车道线351是车道线352的前驱,车道线353是车道线352的后继;车道线361是车道线362的前驱,车道线363是车道线362的后继;车道线371是车道线353的后继,车道线381是车道线363的后继。
之后,可以计算3D点云道路图片中标注的实际坐标转换的路网地图坐标与原路网地图的坐标之间的差值(也即计算3D点云道路图片中标注的实际坐标与路网地图的坐标之间的差值):图中的A点表示路网地图车道线322上的点,A’点表示将A进行旋转平移后得到A在车道线362上的映射点,A”点表示在3D点云道路图片中的车道线362上已标注的点。图中的A’点与A”点重合,可以进一步计算A’点与A”点之间的欧氏距离、向量方向的角度差值以及世界坐标系下的高度差,若此时欧式距离小于或等于欧氏距离阈值、角度差值小于或等于角度差值阈值以及高度差值小于或等于高度差值阈值,也即表明A点的数据准确;若此时欧式距离小于或等于欧氏距离阈值、角度差值小于或等于角度差值阈值或者高度差值小于或等于高度差值阈值,也即表明A点的数据失真。
同理,B点表示路网车道线313上的点,B’点表示将B进行旋转平移后得到B在车道线353上的映射点,B”点表示在3D点云道路图片中的车道线353上已标注的点。图中的B’点与B”点重合,可以进一步计算B’点与B”点之间的欧氏距离、向量方向的角度差值以及世界坐标系下的高度差,若此时欧式距离小于或等于欧氏距离阈值、角度差值小于或等于角度差值阈值以及高度差值小于或等于高度差值阈值,也即表明B点的数据准确;若此时欧式距离小于或等于欧氏距离阈值、角度差值小于或等于角度差值阈值或者高度差值小于或等于高度差值阈值,也即表明B点的数据失真。
图中的C点表示路网地图车道线331上的点,C’点表示将C进行旋转平移后得到映射后的车道线391上的映射点,C”点表示位于C’点的法线方向上、且与其距离最近的3D点云道路图片中的车道线381上的点。图中的C’点与C”点不重合,可以进一步计算C’点与C”点之间的欧氏距离、向量方向的角度差值以及世界坐标系下的高度差,若此时欧式距离大于欧氏距离阈值、角度差值大于角度差值阈值并且高度差值大于高度差值阈值,则表明C点的数据准确;若此时欧式距离大于欧氏距离阈值、角度差值大于角度差值阈值或高度差值大于高度差值阈值,则表明C点的数据失真。
本申请上述实施例提供的用于测试高精度地图的准确性的方法,首先计算高精度地图的坐标与实际坐标的差值,之后根据差值是否符合预设的阈值来验证高精度地图的准确性,从而提高了验证高精度地图的准确性的效率,并且通过多个参数进行验证,提高验证精度。
进一步参考图4,作为对上述方法的实现,本申请提供了一种用于测试高精度地图的准确性的装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,由此,上文针对方法描述的操作和特征同样适用于装置400及其中包含的单元,在此不再赘述。该装置具体可以应用于各种电子设备中。
如图4所示,本实施例的用于测试高精度地图的准确性的装置400包括:路网还原单元410、图片获取单元420、地图拟合单元430、差值计算单元440和准确确定单元450。
路网还原单元410,用于从高精度地图中还原路网地图。
图片获取单元420,用于获取已标注地图元素的实际坐标的3D点云道路图片。
地图拟合单元430,用于将3D点云道路图片拟合至路网地图中,得到已拟合3D点云道路图片的路网地图。
差值计算单元440,用于计算已拟合3D点云道路图片的路网地图中3D点云道路图片的实际坐标与路网地图的地图坐标之间的差值。
准确确定单元450,用于响应于差值小于或等于预设阈值,确定高精度地图准确。
在一些可选实现方式中(图中未示出),图片获取单元420包括:扫描子单元,用于经由采集设备扫描实际道路的3D点云信息,得到3D点云道路图片;坐标计算子单元,用于计算3D点云道路图片的各个点数据在世界坐标系中的坐标;标注子单元,用于根据3D点云道路图片的各个点数据在世界坐标系中的坐标,对3D点云道路图片进行标注,得到已标注实际坐标的3D点云道路图片。
在一些可选实现方式中(图中未示出),装置还包括:失真确定单元,用于响应于差值大于预设阈值,确定高精度地图数据失真。
在一些可选实现方式中(图中未示出),差值计算单元计算得到的差值包括以下一项或多项:欧氏距离、向量方向的角度差值和在世界坐标系下的高度差值。
在一些可选实现方式中(图中未示出),准确确定单元进一步用于:响应于差值所包括的项分别小于或等于项的准确阈值,确定高精度地图数据准确;其中,差值所包括的项小于或等于项的准确阈值包括以下一项或多项:欧式距离小于或等于欧氏距离阈值;角度差值小于或等于角度差值阈值;以及高度差值小于或等于高度差值阈值。
在一些可选实现方式中(图中未示出),失真确定单元进一步用于:响应于差值所包括的任意一项大于任意一项的准确阈值,确定高精度地图数据失真;其中,差值所包括的任意一项大于任意一项的准确阈值包括以下任意一项:欧式距离大于欧氏距离阈值;角度差值大于角度差值阈值;以及高度差值大于高度差值阈值。
进一步参考图5,作为对上述方法的实现,本申请提供了对应上述图4中差值计算单元的一个实施例,该差值计算单元的实施例与图2所示的方法实施例相对应,由此,上文针对方法描述的操作和特征同样适用于单元500及其中包含的子单元,在此不再赘述。该单元具体可以应用于各种电子设备中。
如图5所示,差值计算单元500可以包括:配准子单元510、重合判断子单元520、重合计算子单元530和不重合计算子单元540。
其中,配准子单元510,用于将已拟合3D点云道路图片的路网地图中的路网地图元素旋转平移,得到路网地图元素在3D点云道路图片中的映射点;重合判断子单元520,用于判断各个映射点是否整体或部分重合于3D点云道路图片中的点;重合计算子单元530,用于响应于单个映射点的整体或部分重合于3D点云道路图片中的点,计算单个映射点与3D点云道路图片上重合于映射点的点的差值;不重合计算子单元540,用于响应于单个映射点不重合于3D点云道路图片中的点,计算单个映射点与3D点云道路图片上位于单个映射点的法线方向且距单个映射点最近的点的差值。
下面参考图6,其示出了适于用来实现本申请实施例的终端设备或服务器的计算机***600的结构示意图。
如图6所示,计算机***600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的
程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有***600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口606。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个单元、程序段、或代码的一部分,所述单元、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括路网还原单元、图片获取单元、地图拟合单元、差值计算单元和准确确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,路网还原单元还可以被描述为“从高精度地图中还原路网地图的单元”。
作为另一方面,本申请还提供了一种非易失性计算机存储介质,该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质;也可以是单独存在,未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序,当所述一个或者多个程序被一个设备执行时,使得所述设备:从高精度地图中还原路网地图;获取已标注地图元素的实际坐标的3D点云道路图片;将3D点云道路图片拟合至路网地图中,得到已拟合3D点云道路图片的路网地图;计算已拟合3D点云道路图片的路网地图中3D点云道路图片的实际坐标与路网地图的地图坐标之间的差值;响应于差值小于或等于预设阈值,确定高精度地图准确。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (16)
1.一种用于测试高精度地图的准确性的方法,其特征在于,所述方法包括:
从高精度地图中还原路网地图;
获取已标注地图元素的实际坐标的3D点云道路图片;
将所述3D点云道路图片拟合至所述路网地图中,得到已拟合3D点云道路图片的路网地图;
计算所述已拟合3D点云道路图片的路网地图中所述3D点云道路图片的实际坐标与所述路网地图的地图坐标之间的差值;
响应于所述差值小于或等于预设阈值,确定所述高精度地图准确。
2.根据权利要求1所述的方法,其特征在于,所述获取已标注实际坐标的3D点云道路图片包括:
经由采集设备扫描实际道路的3D点云信息,得到3D点云道路图片;
计算所述3D点云道路图片的各个点数据在世界坐标系中的坐标;
根据所述3D点云道路图片的各个点数据在世界坐标系中的坐标,对所述3D点云道路图片进行标注,得到已标注实际坐标的3D点云道路图片。
3.根据权利要求1所述的方法,其特征在于,所述计算所述已拟合3D点云道路图片的路网地图中所述3D点云道路图片的实际坐标与所述路网地图的地图坐标之间的差值包括:
将所述已拟合3D点云道路图片的路网地图中的路网地图元素旋转平移,得到路网地图元素在所述3D点云道路图片中的映射点;
响应于单个映射点的整体或部分重合于所述3D点云道路图片中的点,计算所述单个映射点与3D点云道路图片上重合于所述映射点的点的差值。
4.根据权利要求3所述的方法,其特征在于,所述计算所述已拟合3D点云道路图片的路网地图中所述3D点云道路图片的实际坐标与所述路网地图的地图坐标之间的差值还包括:
响应于单个映射点不重合于所述3D点云道路图片中的点,计算所述单个映射点与所述3D点云道路图片上位于所述单个映射点的法线方向且距所述单个映射点最近的点的差值。
5.根据权利要求1-4任意一项所述的方法,其特征在于,所述方法还包括:
响应于所述差值大于预设阈值,确定所述高精度地图数据失真。
6.根据权利要求5所述的方法,其特征在于,所述差值包括以下一项或多项:
欧氏距离、向量方向的角度差值和在世界坐标系下的高度差值。
7.根据权利要求6所述的方法,其特征在于,所述响应于所述差值小于或等于预设阈值,确定所述高精度地图准确包括:
响应于所述差值所包括的项分别小于或等于所述项的准确阈值,确定所述高精度地图数据准确;
其中,所述差值所包括的项小于或等于所述项的准确阈值包括以下一项或多项:
所述欧式距离小于或等于欧氏距离阈值;
所述角度差值小于或等于角度差值阈值;以及
所述高度差值小于或等于高度差值阈值。
8.根据权利要求6所述的方法,其特征在于,所述响应于所述差值大于预设阈值,确定所述高精度地图数据失真包括:
响应于所述差值所包括的任意一项大于所述任意一项的准确阈值,确定所述高精度地图数据失真;
其中,所述差值所包括的任意一项大于所述任意一项的准确阈值包括以下任意一项:
所述欧式距离大于欧氏距离阈值;
所述角度差值大于角度差值阈值;以及
所述高度差值大于高度差值阈值。
9.一种用于测试高精度地图的准确性的装置,其特征在于,所述装置包括:
路网还原单元,用于从高精度地图中还原路网地图;
图片获取单元,用于获取已标注地图元素的实际坐标的3D点云道路图片;
地图拟合单元,用于将所述3D点云道路图片拟合至所述路网地图中,得到已拟合3D点云道路图片的路网地图;
差值计算单元,用于计算所述已拟合3D点云道路图片的路网地图中所述3D点云道路图片的实际坐标与所述路网地图的地图坐标之间的差值;
准确确定单元,用于响应于所述差值小于或等于预设阈值,确定所述高精度地图准确。
10.根据权利要求9所述的装置,其特征在于,所述图片获取单元包括:
扫描子单元,用于经由采集设备扫描实际道路的3D点云信息,得到3D点云道路图片;
坐标计算子单元,用于计算所述3D点云道路图片的各个点数据在世界坐标系中的坐标;
标注子单元,用于根据所述3D点云道路图片的各个点数据在世界坐标系中的坐标,对所述3D点云道路图片进行标注,得到已标注实际坐标的3D点云道路图片。
11.根据权利要求9所述的装置,其特征在于,所述差值计算单元包括:
配准子单元,用于将所述已拟合3D点云道路图片的路网地图中的路网地图元素旋转平移,得到路网地图元素在所述3D点云道路图片中的映射点;
重合计算子单元,用于响应于单个映射点的整体或部分重合于所述3D点云道路图片中的点,计算所述单个映射点与3D点云道路图片上重合于所述映射点的点的差值。
12.根据权利要求11所述的装置,其特征在于,所述差值计算单元还包括:
不重合计算子单元,用于响应于单个映射点不重合于所述3D点云道路图片中的点,计算所述单个映射点与所述3D点云道路图片上位于所述单个映射点的法线方向且距所述单个映射点最近的点的差值。
13.根据权利要求9-12任意一项所述的装置,其特征在于,所述装置还包括:
失真确定单元,用于响应于所述差值大于预设阈值,确定所述高精度地图数据失真。
14.根据权利要求13所述的装置,其特征在于,所述差值计算单元计算得到的差值包括以下一项或多项:
欧氏距离、向量方向的角度差值和在世界坐标系下的高度差值。
15.根据权利要求14所述的装置,其特征在于,所述准确确定单元进一步用于:
响应于所述差值所包括的项分别小于或等于所述项的准确阈值,确定所述高精度地图数据准确;
其中,所述差值所包括的项小于或等于所述项的准确阈值包括以下一项或多项:
所述欧式距离小于或等于欧氏距离阈值;
所述角度差值小于或等于角度差值阈值;以及
所述高度差值小于或等于高度差值阈值。
16.根据权利要求14所述的装置,其特征在于,所述失真确定单元进一步用于:
响应于所述差值所包括的任意一项大于所述任意一项的准确阈值,确定所述高精度地图数据失真;
其中,所述差值所包括的任意一项大于所述任意一项的准确阈值包括以下任意一项:
所述欧式距离大于欧氏距离阈值;
所述角度差值大于角度差值阈值;以及
所述高度差值大于高度差值阈值。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611112125.9A CN106776996B (zh) | 2016-12-02 | 2016-12-02 | 用于测试高精度地图的准确性的方法和装置 |
US15/593,660 US10733720B2 (en) | 2016-12-02 | 2017-05-12 | Method and apparatus for testing accuracy of high-precision map |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611112125.9A CN106776996B (zh) | 2016-12-02 | 2016-12-02 | 用于测试高精度地图的准确性的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106776996A true CN106776996A (zh) | 2017-05-31 |
CN106776996B CN106776996B (zh) | 2018-09-07 |
Family
ID=58874617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611112125.9A Active CN106776996B (zh) | 2016-12-02 | 2016-12-02 | 用于测试高精度地图的准确性的方法和装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10733720B2 (zh) |
CN (1) | CN106776996B (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109256028A (zh) * | 2018-08-28 | 2019-01-22 | 武汉市众向科技有限公司 | 一种用于无人驾驶的高精度路网自动生成的方法 |
CN109341704A (zh) * | 2018-09-21 | 2019-02-15 | 宽凳(北京)科技有限公司 | 一种地图精度确定方法及装置 |
CN109547769A (zh) * | 2018-09-26 | 2019-03-29 | 武汉理工大学 | 一种公路交通动态三维数字场景采集构建***及其工作方法 |
CN109635050A (zh) * | 2018-10-31 | 2019-04-16 | 百度在线网络技术(北京)有限公司 | 地图准确度评价方法和装置 |
CN109635053A (zh) * | 2018-10-31 | 2019-04-16 | 百度在线网络技术(北京)有限公司 | 地图的质检方法、装置、***及存储介质 |
CN109658504A (zh) * | 2018-10-31 | 2019-04-19 | 百度在线网络技术(北京)有限公司 | 地图数据标注方法、装置、设备及存储介质 |
CN110174115A (zh) * | 2019-06-05 | 2019-08-27 | 武汉中海庭数据技术有限公司 | 一种基于感知数据自动生成高精度定位地图的方法及装置 |
CN110210576A (zh) * | 2019-06-14 | 2019-09-06 | 北京师范大学 | 一种地图数据的图斑相似性计算方法及*** |
CN110388924A (zh) * | 2018-04-18 | 2019-10-29 | 法拉第未来公司 | 用于与自动导航有关的基于雷达的车辆定位的***和方法 |
CN110633342A (zh) * | 2019-07-29 | 2019-12-31 | 武汉光庭信息技术股份有限公司 | 车道拓扑网络生成方法 |
CN110870332A (zh) * | 2017-07-07 | 2020-03-06 | 罗伯特·博世有限公司 | 用于对自动化程度较高的车辆(haf)、尤其高度自动化车辆的数字地图进行验证的方法 |
CN110873568A (zh) * | 2018-08-30 | 2020-03-10 | 百度在线网络技术(北京)有限公司 | 高精度地图的生成方法、装置以及计算机设备 |
CN110906954A (zh) * | 2019-12-02 | 2020-03-24 | 武汉中海庭数据技术有限公司 | 一种基于自动驾驶平台的高精度地图测试评估方法和装置 |
CN111061820A (zh) * | 2018-10-17 | 2020-04-24 | 宝马股份公司 | 用于存储高精度地图的方法和装置 |
CN111508252A (zh) * | 2019-01-30 | 2020-08-07 | 斯特拉德视觉公司 | 利用v2x信息集成技术更新高清地图的方法和装置 |
CN111768339A (zh) * | 2020-06-29 | 2020-10-13 | 广西翼界科技有限公司 | 一种无人机航拍图像快速拼接方法 |
CN112116549A (zh) * | 2019-06-03 | 2020-12-22 | 北京京东叁佰陆拾度电子商务有限公司 | 用于评估点云地图精度的方法和装置 |
CN112414415A (zh) * | 2020-09-22 | 2021-02-26 | 重庆智行者信息科技有限公司 | 高精度点云地图构建方法 |
CN112414430A (zh) * | 2019-08-22 | 2021-02-26 | 北京初速度科技有限公司 | 一种电子导航地图质量检测方法及装置 |
CN112634260A (zh) * | 2020-12-31 | 2021-04-09 | 上海商汤智能科技有限公司 | 一种地图评估的方法、装置、电子设备及存储介质 |
CN113051986A (zh) * | 2019-12-27 | 2021-06-29 | 财团法人工业技术研究院 | 基于2d图像标记信息的3d图像标记方法及3d图像标记装置 |
US11100702B2 (en) | 2019-12-27 | 2021-08-24 | Industrial Technology Research Institute | 3D image labeling method based on labeling information of 2D image and 3D image labeling device |
CN113485907A (zh) * | 2021-05-21 | 2021-10-08 | 北京汽车研究总院有限公司 | 自动驾驶建图结果的测试方法、装置及计算机设备 |
CN113758492A (zh) * | 2020-09-16 | 2021-12-07 | 北京京东叁佰陆拾度电子商务有限公司 | 地图检测方法和装置 |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107093210B (zh) * | 2017-04-20 | 2021-07-16 | 北京图森智途科技有限公司 | 一种激光点云标注方法及装置 |
US11403816B2 (en) * | 2017-11-30 | 2022-08-02 | Mitsubishi Electric Corporation | Three-dimensional map generation system, three-dimensional map generation method, and computer readable medium |
CN110148196B (zh) * | 2018-09-12 | 2022-03-25 | 腾讯大地通途(北京)科技有限公司 | 一种图像处理方法、装置以及相关设备 |
CN111489288B (zh) * | 2019-01-28 | 2023-04-07 | 北京魔门塔科技有限公司 | 一种图像的拼接方法和装置 |
EP3726184A1 (fr) * | 2019-04-16 | 2020-10-21 | PSA Automobiles SA | Procédé et dispositif de détermination de la courbe d'une route |
CN110080326B (zh) * | 2019-04-29 | 2021-11-16 | 北京拓疆者智能科技有限公司 | 一种卸料方法、控制器、挖掘机、电子设备及存储介质 |
CN110057370A (zh) * | 2019-06-13 | 2019-07-26 | 浙江智玲机器人科技有限公司 | 机器人的定位方法和装置 |
WO2021051344A1 (zh) * | 2019-09-19 | 2021-03-25 | 深圳市大疆创新科技有限公司 | 高精度地图中车道线的确定方法和装置 |
CN111242031B (zh) * | 2020-01-13 | 2023-08-01 | 禾多科技(北京)有限公司 | 基于高精度地图的车道线检测方法 |
CN113494914A (zh) * | 2020-04-02 | 2021-10-12 | 宝马股份公司 | 用于车辆定位的方法、用于定位的设备和车辆 |
CN112084625B (zh) * | 2020-08-06 | 2023-07-28 | 上汽大众汽车有限公司 | 一种多特征道路地图的生成方法及*** |
CN112101209B (zh) * | 2020-09-15 | 2024-04-09 | 阿波罗智联(北京)科技有限公司 | 用于路侧计算设备的确定世界坐标点云的方法和装置 |
CN112257762B (zh) * | 2020-10-12 | 2022-08-19 | 武汉中海庭数据技术有限公司 | 一种异源高精度地图间的路网匹配方法及*** |
KR20220068043A (ko) * | 2020-11-18 | 2022-05-25 | 현대자동차주식회사 | 정밀 지도의 오류 판단 장치 및 방법 |
CN112613694B (zh) * | 2020-11-27 | 2023-09-08 | 北京百度网讯科技有限公司 | 导航地图的评测方法、装置、设备及可读存储介质 |
CN112785548B (zh) * | 2020-12-29 | 2023-07-18 | 中央财经大学 | 一种基于车载激光点云的路面裂缝检测方法 |
CN113177993B (zh) * | 2021-03-22 | 2024-03-01 | 中国人民解放军32801部队 | 一种仿真环境中高精地图的生成方法及*** |
CN113094459B (zh) * | 2021-04-21 | 2024-06-28 | 自然资源部地图技术审查中心 | 一种地图的检查方法及装置 |
CN114661842B (zh) | 2022-02-25 | 2024-06-21 | 阿波罗智联(北京)科技有限公司 | 地图匹配方法、装置和电子设备 |
EP4357734A1 (en) * | 2022-10-19 | 2024-04-24 | Electronics and Telecommunications Research Institute | Method, image processing apparatus, and system for generating road image by using two-dimensional map data |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008189A (zh) * | 2014-06-11 | 2014-08-27 | 义乌市勘测设计研究院 | 一种具有信息自动推送功能的可量测街景地图的建立方法 |
US20160063754A1 (en) * | 2014-08-26 | 2016-03-03 | The Boeing Company | System and Method for Detecting a Structural Opening in a Three Dimensional Point Cloud |
CN105528588A (zh) * | 2015-12-31 | 2016-04-27 | 百度在线网络技术(北京)有限公司 | 一种车道线识别方法及装置 |
CN105953805A (zh) * | 2016-04-29 | 2016-09-21 | 百度在线网络技术(北京)有限公司 | 地图验证方法和装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070065002A1 (en) * | 2005-02-18 | 2007-03-22 | Laurence Marzell | Adaptive 3D image modelling system and apparatus and method therefor |
JP4344869B2 (ja) * | 2007-02-16 | 2009-10-14 | 三菱電機株式会社 | 計測装置 |
WO2009089128A1 (en) * | 2008-01-04 | 2009-07-16 | 3M Innovative Properties Company | Hierarchical processing using image deformation |
US20140379254A1 (en) * | 2009-08-25 | 2014-12-25 | Tomtom Global Content B.V. | Positioning system and method for use in a vehicle navigation system |
US9036861B2 (en) * | 2010-04-22 | 2015-05-19 | The University Of North Carolina At Charlotte | Method and system for remotely inspecting bridges and other structures |
US8467810B2 (en) * | 2010-11-29 | 2013-06-18 | Navteq B.V. | Method and system for reporting errors in a geographic database |
US8494285B2 (en) * | 2010-12-09 | 2013-07-23 | The Hong Kong University Of Science And Technology | Joint semantic segmentation of images and scan data |
US9256961B2 (en) * | 2012-06-28 | 2016-02-09 | Here Global B.V. | Alternate viewpoint image enhancement |
JP6864500B2 (ja) * | 2017-03-01 | 2021-04-28 | 株式会社トプコン | 測定素子の補正方法、路面性状の評価方法、及び路面性状の評価装置 |
US10657390B2 (en) * | 2017-11-27 | 2020-05-19 | Tusimple, Inc. | System and method for large-scale lane marking detection using multimodal sensor data |
-
2016
- 2016-12-02 CN CN201611112125.9A patent/CN106776996B/zh active Active
-
2017
- 2017-05-12 US US15/593,660 patent/US10733720B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008189A (zh) * | 2014-06-11 | 2014-08-27 | 义乌市勘测设计研究院 | 一种具有信息自动推送功能的可量测街景地图的建立方法 |
US20160063754A1 (en) * | 2014-08-26 | 2016-03-03 | The Boeing Company | System and Method for Detecting a Structural Opening in a Three Dimensional Point Cloud |
CN105528588A (zh) * | 2015-12-31 | 2016-04-27 | 百度在线网络技术(北京)有限公司 | 一种车道线识别方法及装置 |
CN105953805A (zh) * | 2016-04-29 | 2016-09-21 | 百度在线网络技术(北京)有限公司 | 地图验证方法和装置 |
Non-Patent Citations (2)
Title |
---|
T ONG XIAO-HUA 等: "A novel vehicle navigation map matching algorithm based on fuzzy logic and its application", 《 J. CENT. SOUTH UNIV. TECHNOL》 * |
李磊磊 等: "基于道路信息的智能地图匹配算法", 《中国惯性技术学报》 * |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11435757B2 (en) | 2017-07-07 | 2022-09-06 | Robert Bosch Gmbh | Method for verifying a digital map of a more highly automated vehicle (HAV), especially of a highly automated vehicle |
CN110870332B (zh) * | 2017-07-07 | 2022-04-12 | 罗伯特·博世有限公司 | 用于对自动化程度较高的车辆(haf)、尤其高度自动化车辆的数字地图进行验证的方法 |
CN110870332A (zh) * | 2017-07-07 | 2020-03-06 | 罗伯特·博世有限公司 | 用于对自动化程度较高的车辆(haf)、尤其高度自动化车辆的数字地图进行验证的方法 |
CN110388924A (zh) * | 2018-04-18 | 2019-10-29 | 法拉第未来公司 | 用于与自动导航有关的基于雷达的车辆定位的***和方法 |
CN109256028A (zh) * | 2018-08-28 | 2019-01-22 | 武汉市众向科技有限公司 | 一种用于无人驾驶的高精度路网自动生成的方法 |
CN110873568B (zh) * | 2018-08-30 | 2021-02-23 | 百度在线网络技术(北京)有限公司 | 高精度地图的生成方法、装置以及计算机设备 |
CN110873568A (zh) * | 2018-08-30 | 2020-03-10 | 百度在线网络技术(北京)有限公司 | 高精度地图的生成方法、装置以及计算机设备 |
CN109341704A (zh) * | 2018-09-21 | 2019-02-15 | 宽凳(北京)科技有限公司 | 一种地图精度确定方法及装置 |
CN109547769A (zh) * | 2018-09-26 | 2019-03-29 | 武汉理工大学 | 一种公路交通动态三维数字场景采集构建***及其工作方法 |
CN111061820A (zh) * | 2018-10-17 | 2020-04-24 | 宝马股份公司 | 用于存储高精度地图的方法和装置 |
CN109635050A (zh) * | 2018-10-31 | 2019-04-16 | 百度在线网络技术(北京)有限公司 | 地图准确度评价方法和装置 |
CN109635053A (zh) * | 2018-10-31 | 2019-04-16 | 百度在线网络技术(北京)有限公司 | 地图的质检方法、装置、***及存储介质 |
CN109658504A (zh) * | 2018-10-31 | 2019-04-19 | 百度在线网络技术(北京)有限公司 | 地图数据标注方法、装置、设备及存储介质 |
CN109658504B (zh) * | 2018-10-31 | 2021-04-20 | 百度在线网络技术(北京)有限公司 | 地图数据标注方法、装置、设备及存储介质 |
CN109635053B (zh) * | 2018-10-31 | 2021-01-12 | 百度在线网络技术(北京)有限公司 | 地图的质检方法、装置、***及存储介质 |
CN111508252A (zh) * | 2019-01-30 | 2020-08-07 | 斯特拉德视觉公司 | 利用v2x信息集成技术更新高清地图的方法和装置 |
CN112116549A (zh) * | 2019-06-03 | 2020-12-22 | 北京京东叁佰陆拾度电子商务有限公司 | 用于评估点云地图精度的方法和装置 |
CN110174115A (zh) * | 2019-06-05 | 2019-08-27 | 武汉中海庭数据技术有限公司 | 一种基于感知数据自动生成高精度定位地图的方法及装置 |
CN110210576A (zh) * | 2019-06-14 | 2019-09-06 | 北京师范大学 | 一种地图数据的图斑相似性计算方法及*** |
CN110633342A (zh) * | 2019-07-29 | 2019-12-31 | 武汉光庭信息技术股份有限公司 | 车道拓扑网络生成方法 |
CN112414430A (zh) * | 2019-08-22 | 2021-02-26 | 北京初速度科技有限公司 | 一种电子导航地图质量检测方法及装置 |
CN112414430B (zh) * | 2019-08-22 | 2022-12-02 | 北京初速度科技有限公司 | 一种电子导航地图质量检测方法及装置 |
CN110906954A (zh) * | 2019-12-02 | 2020-03-24 | 武汉中海庭数据技术有限公司 | 一种基于自动驾驶平台的高精度地图测试评估方法和装置 |
CN113051986A (zh) * | 2019-12-27 | 2021-06-29 | 财团法人工业技术研究院 | 基于2d图像标记信息的3d图像标记方法及3d图像标记装置 |
US11100702B2 (en) | 2019-12-27 | 2021-08-24 | Industrial Technology Research Institute | 3D image labeling method based on labeling information of 2D image and 3D image labeling device |
TWI739268B (zh) * | 2019-12-27 | 2021-09-11 | 財團法人工業技術研究院 | 基於2d影像標記資訊的3d影像標記方法及3d影像標記裝置 |
CN111768339A (zh) * | 2020-06-29 | 2020-10-13 | 广西翼界科技有限公司 | 一种无人机航拍图像快速拼接方法 |
CN113758492A (zh) * | 2020-09-16 | 2021-12-07 | 北京京东叁佰陆拾度电子商务有限公司 | 地图检测方法和装置 |
CN112414415A (zh) * | 2020-09-22 | 2021-02-26 | 重庆智行者信息科技有限公司 | 高精度点云地图构建方法 |
CN112634260A (zh) * | 2020-12-31 | 2021-04-09 | 上海商汤智能科技有限公司 | 一种地图评估的方法、装置、电子设备及存储介质 |
CN113485907A (zh) * | 2021-05-21 | 2021-10-08 | 北京汽车研究总院有限公司 | 自动驾驶建图结果的测试方法、装置及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
US10733720B2 (en) | 2020-08-04 |
US20180158206A1 (en) | 2018-06-07 |
CN106776996B (zh) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106776996B (zh) | 用于测试高精度地图的准确性的方法和装置 | |
EP3955158A1 (en) | Object detection method and apparatus, electronic device, and storage medium | |
KR102210715B1 (ko) | 도로 중의 차도선을 확정하기 위한 방법, 장치 및 기기 | |
CN107918753B (zh) | 点云数据处理方法及装置 | |
CN109470254B (zh) | 地图车道线的生成方法、装置、***及存储介质 | |
CN110906954A (zh) | 一种基于自动驾驶平台的高精度地图测试评估方法和装置 | |
CN111080662A (zh) | 车道线的提取方法、装置及计算机设备 | |
CN113674287A (zh) | 高精地图的绘制方法、装置、设备以及存储介质 | |
CN106767914A (zh) | 用于测试基于高精度地图规划的路径的方法和装置 | |
EP4184119A1 (en) | Travelable region determination method, intelligent driving system and intelligent vehicle | |
CN117576652B (zh) | 道路对象的识别方法、装置和存储介质及电子设备 | |
CN110271553A (zh) | 用于稳健地定位车辆的方法和设备 | |
Huang et al. | Deep learning–based autonomous road condition assessment leveraging inexpensive rgb and depth sensors and heterogeneous data fusion: Pothole detection and quantification | |
CN111127582A (zh) | 一种轨迹重合段识别方法、装置、***及存储介质 | |
CN117274338A (zh) | 一种无人机高光谱图像对齐方法、装置、终端及存储介质 | |
Debus et al. | Evaluation of 3D uas flight path planning algorithms | |
CN109520513B (zh) | 一种三维地图绘制方法及装置 | |
CN109003295B (zh) | 一种无人机航空影像快速匹配方法 | |
CN113064415A (zh) | 轨迹规划的方法、装置、控制器和智能车 | |
CN115965831A (zh) | 一种车辆检测模型训练方法和车辆检测方法 | |
CN109117847A (zh) | 用于车辆损伤识别的部件分割方法及装置 | |
CN114840626A (zh) | 高精地图数据处理方法、行车导航方法及相关装置 | |
Lipar et al. | Estimation of road centerline curvature from raw GPS data | |
Blachut et al. | Automotive Perception System Evaluation with Reference Data from a UAV’s Camera Using ArUco Markers and DCNN | |
Roch et al. | Car pose estimation through wheel detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |