CN108319895B - 用于识别电子地图中的路口的方法和装置 - Google Patents
用于识别电子地图中的路口的方法和装置 Download PDFInfo
- Publication number
- CN108319895B CN108319895B CN201711482987.5A CN201711482987A CN108319895B CN 108319895 B CN108319895 B CN 108319895B CN 201711482987 A CN201711482987 A CN 201711482987A CN 108319895 B CN108319895 B CN 108319895B
- Authority
- CN
- China
- Prior art keywords
- road
- intersection
- boundaries
- boundary
- road boundaries
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Artificial Intelligence (AREA)
- Navigation (AREA)
- Instructional Devices (AREA)
- Processing Or Creating Images (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例涉及用于识别电子地图中的路口的方法、装置和计算机可读介质。在此提出的方法包括:从电子地图中获取关于道路边界的边界信息;基于边界信息确定在电子地图的预定大小的区域内的道路边界之间的拓扑关系;以及基于拓扑关系确定区域中的路口分布情况。其相应装置以及实现本公开的方法的设备和计算机可读介质在本公开中也有涉及。通过本公开的技术方案,可以通过检测道路边界来自动识别路口,提升了高精地图的生产效率,具有准召率高、普适性强、方法简单的优点。
Description
技术领域
本公开总体上涉及电子地图领域,更具体地,涉及用于识别电子地图中的路口的方法、装置和计算机可读介质。
背景技术
电子地图,尤其是高精地图,已经在很多方面为用户提供了极大的便利。例如,电子地图所提供的位置查找、自动导航、乃至自动驾驶功能在目前以及将来都是无法替代的。
然而,随着高精地图的覆盖率的增加,地图生产工作对各种采集信息的识别提出了更高的要求。目前,地图生产商主要根据激光点云构建路面模型。即,通过使用激光传感器感测从物体表面返回的激光来采集相关点云数据。海量点云数据中的道路分岔口的位置、类型均需要人工标注,生产效率较低且存在错漏的可能。此外,虽然已存在使用机器学习方法来识别路口的技术,但这也需要人工标注大量样本,同样存在效率低、正确率得不到保证的问题。
因此,亟需一种对电子地图中的路口进行识别的技术,来在保证正确率的前提下提高效率。
发明内容
根据本公开的示例实施例,提供了一种用于识别电子地图中的路口的方案。
在本公开的第一方面中,提供了一种用于识别电子地图中的路口的方法。该方法包括从电子地图中获取关于道路边界的边界信息。该方法还包括基于边界信息确定在电子地图的预定大小的区域内的道路边界之间的拓扑关系。此外,该方法进一步包括基于拓扑关系确定区域中的路口分布情况。
在某些实施例中,拓扑关系中至少包括区域内的道路边界的数目和道路边界中成对道路边界的数目;且道路边界可以具有道路方向信息;则通过如下方式确定成对道路边界的数目可以包括:对于道路边界中的第一道路边界,基于第一道路边界的道路方向信息确定与第一道路边界的距离最小的第二道路边界,第一道路边界和第二道路边界同向;确定第一道路边界的切线与第二道路边界的切线之间的角度是否在预设范围内;以及如果所述切线之间的角度在预设范围内,将成对道路边界的数目增一。
在某些实施例中,拓扑关系中至少包括区域内的道路边界的数目和道路边界中成对道路边界的数目;基于拓扑关系确定区域中的路口分布情况可以包括:响应于拓扑关系指示道路边界的数目为四并且成对道路边界的数目为三,确定区域中存在类型为汇入路口或汇出路口的路口。
在某些实施例中,道路边界可以具有方向信息,该方法可以进一步包括:根据方向信息确定三对成对道路边界中指向路口的成对道路边界的数目;响应于指向路口的成对道路边界的数目为一,确定路口为汇出路口;以及响应于指向路口的成对道路边界的数目为二,确定路口为汇入路口。
在某些实施例中,拓扑关系中至少包括区域内的道路边界的数目和道路边界中成对道路边界的数目;基于拓扑关系确定区域中的路口分布情况可以包括:响应于拓扑关系指示道路边界的数目为三并且成对道路边界的数目为三,确定区域中存在类型为丁字路口的路口。
在某些实施例中,拓扑关系中至少包括区域内的道路边界的数目和道路边界中成对道路边界的数目;基于拓扑关系确定区域中的路口分布情况可以包括:响应于拓扑关系指示道路边界的数目为四并且成对道路边界的数目为四,确定区域中存在类型为十字路口的路口。
在某些实施例中,拓扑关系中至少包括区域内的道路边界的数目和道路边界中成对道路边界的数目;基于拓扑关系确定区域中的路口分布情况可以包括:响应于拓扑关系指示道路边界在区域中的起始点和结束点基本上重合,确定区域中存在类型为环岛路口的路口。
在某些实施例中,拓扑关系中至少包括区域内的道路边界的数目和道路边界中成对道路边界的数目;从电子地图中获取关于道路边界的边界信息可以包括:从用于生成电子地图的激光点云数据中确定跳变点,跳变点的数据指示道路高度的跳变;以及基于跳变点来识别道路边界。
在本公开的第二方面中,提供了一种用于识别电子地图中的路口的装置。该装置包括:边界信息获取模块,被配置为从电子地图中获取关于道路边界的边界信息;拓扑关系确定模块,被配置为基于边界信息确定在电子地图的预定大小的区域内的道路边界之间的拓扑关系;以及路口分布情况确定模块,被配置为基于拓扑关系确定区域中的路口分布情况。
在本公开的第三方面中,提供了一种设备,包括一个或多个处理器;以及存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现根据本公开的第一方面的方法。
在本公开的第四方面中,提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现根据本公开的第一方面的方法。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1示出了本公开的多个实施例能够在其中实现的示例环境的示意图;
图2示出了根据本公开的实施例的用于识别电子地图中的路口的过程的流程图;
图3示出了根据本公开的一些实施例的获取关于道路边界的边界信息的示意图;
图4A、图4B分别示出了根据本公开的一些实施例的汇入路口和汇出路口的道路边界拓扑关系图;
图5示出了根据本公开的一些实施例的丁字路口的道路边界拓扑关系图;
图6示出了根据本公开的一些实施例的十字路口的道路边界拓扑关系图;
图7示出了根据本公开的一些实施例的环岛路口的道路边界拓扑关系图;
图8示出了根据本公开的一些实施例的普通道路(无路口)的道路边界拓扑关系图;
图9示出了根据本公开的实施例的用于识别电子地图中的路口的装置的示意框图;以及
图10示出了能够实施本公开的多个实施例的计算设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
在本公开的实施例的描述中,术语“包括”及其类似用语应当理解为开放性包含,即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
如以上提及的,为了识别电子地图中的路口及其类型,在传统方案中,通过人工方式或通过需要制作大量样本以及大量训练的深度学习方式来实现。这样的方案在准确性、普适性和成本等方面均有缺陷。例如,因为人工方式和深度学习方式的人为因素均很强,极可能导致错误的标定。虽然可以尽力控制人为因素来准确的识别各种路口,然而这在实际应用中不可行,因为对于时间和人力成本方面的投入过大。
此外,无论是人工识别路口还是深度学习识别路口,其思路都是直接把路口本身作为识别对象,从图像或激光点云中,直接识别各种类型的路口。又由于路口类型多种多样(汇入路口、汇出路口、丁字路口、十字路口、环岛路口等),并且路面材质(水泥、沥青)、路面颜色(白色、土色、黑色)、路面宽度也各不相同,在识别时需要考虑各种情况。即使使用深度学习的方法,也需要制作大量的样本及大量的训练,不仅生产效率低下,也不能保证准召率。
总体上,根据本公开的实施例,提出了一种用于识别电子地图中的路口的技术方案。在该方案中,并不是如现有技术那样对路口本身进行识别操作,而是通过提取电子地图中一定区域内的道路边界,根据道路边界间的拓扑关系,来推断出路口分布情况。当电子地图是基于激光点云技术生产的高精地图时,本方案可以先从车载激光点云拼接而生成的三维场景中提出路面信息,进而从路面信息中提取道路边界的信息。继而,就可以得到一定区域内的道路边界之间的拓扑关系。路口类型的不同,与该路口相连的道路边界之间的拓扑关系就会不同。因此,本方案利用这个原理来识别路口分布情况。
在本文中,术语“拓扑关系”是指满足拓扑几何学原理的各空间数据间的相互关系,在数据上主要用于表示道路边界的方向和个数等信息。由于“拓扑关系”不考虑道路边界的具***置以及具体长度,仅考虑其间的相对方位和个数,故能够节约计算资源。
在本公开的实施例中,由于从电子地图中提取道路边界的信息,之后生成道路边界之间的拓扑关系,再根据该拓扑关系识别路口的类型,故电子地图可以是目前仍在使用的二维地图,也可以是将来会得到广泛应用的三维高精地图。附加地或备选地,由于本公开的方案是通过检测道路边界来间接识别路口分布情况,故可以适用于其他任何电子地图。
以下将参照附图来具体描述本公开的实施例。
图1示出了本公开的多个实施例能够在其中实现的示例环境100的示意图。该示例环境100是从车载激光点云进行场景三维重建而得到的。例如,设置有激光点云设备的采集实体(未示出)在示例环境100中的路面上行驶。激光点云设备逐帧记录一定范围(例如,半径为400米的范围)内的环境信息,该环境信息中可以包含且不限于:楼宇信息103和道路信息101。当激光点云设备的环境信息采集工作结束之后,地图制造商可以根据这些环境信息的集合来进行激光点云拼接,从而完成场景三维重建,进而得到如图1所示的示例环境的立体图。
如上所述,目前通过人工方式或深度学习方式来识别路口101是否存在及其具体类型。由于实际上重建的三维场景包含了海量的路口101,所以识别路口101的工作量很大。为了至少部分地解决上述以及其他潜在的问题和缺陷,本公开的多个实施例提供了新颖的路口识别方案。该方案主要分为两个部分。一部分是获取关于道路边界的边界信息的具体方式,另一部分是建立道路边界的拓扑关系与路口类型的对应关系。
本公开的主要思想在于,根据一定区域内道路边界的拓扑关系来识别路口的具体布置情况。下面将参照图2详细描述识别电子地图中的路口的流程。图2示出了根据本公开的实施例的用于识别电子地图中的路口的过程200的流程图。在某些实施例中,方法200可以在下文图10示出的设备中实现。
在框210,从电子地图中获取关于道路边界的边界信息。在一些实施例中,可以先从电子地图的示例环境100中获取关于路面的路面信息,再从该路面信息中获取关于道路边界的边界信息。备选地或附加地,可以直接从电子地图的示例环境100中获取关于道路边界的边界信息。
为便于理解,图3示例性地示出了根据本公开的一些实施例的获取关于道路边界的边界信息的示意图。如图3所示,特征300是垂直于设置有激光点云设备的采集实体的前进方向的截面,该前进方向是进入附图纸张的方向。在特征300所示的截面中,包含路面303以及位于该路面303两侧的道路边界301。当多个特征300的集合被如上文所述重建为三维场景之后,需要从该场景(或对应激光点云)中获取关于道路边界301的边界信息。
在一些实施例中,可以从电子地图的用于重建三维场景的激光点云中确定跳变点,跳变点的数据用于指示道路高度的跳变。如图3所示,在图3中,可以通过相应算法检测到陡峭的跳变高度305,由此检测到跳变点。由于目前城市中的用于机动车辆行驶的路面均为平坦路面,故当检测到路面中存在跳变点时,则可以初步判定该跳变点为路面边界的组成部分,这与目前通过图形识别的方式检测路面边界相比更为精确,且简单有效。备选地或附加地,可以使用诸如积累和(Cusum)算法或自适应阈值算法等的算法来从图像中检测出跳变点305,从而能够简化跳变点的拾取过程。此外,可以在路面的点云内使用生长算法。也即,以设置有激光点云设备的采集实体所处的地平面为基准,向上生长。该生长过程能够得到路面点云。所有的高度跳变点(道路边界点)可被选出备用。通过这种方式,检测出的跳变点305可以作为要提取的道路边界的一个点。
之后,可以将跳变点305的集合视为关于道路边界301的边界信息,从而实现了道路边界信息的获取。在一些实施例中,将提取出的高度跳变点(路面边界点)用预定算法进行矢量化,拟合出道路边界曲线。通过该曲线拟合处理,可以剔除一些不能代表道路边界的跳变点(如路面上的杂物、非常规的突起等)。在一些实施例中,可以使用alpha-shape算法来矢量化高度跳变点的集合,以剔除误检测或干扰的跳变点。在又一些实施例中,可以通过识别跳变点与路面的相对位置来确定道路边界的内外侧,以用于区分是左侧道路边界(也称为“第一道路边界”)还是右侧道路边界(也称为“第二道路边界”),以便于在后续步骤中用于识别成对的道路边界。通过上述方式,可以获取一定区域内的所有道路边界。与现有的将电子地图作为检测对象的方式相比,将道路边界作为检测对象可以极大的节省计算资源。
此外,在获取了关于道路边界的边界信息后,可以生成各道路边界的拓扑关系,并按照如下多种方式来基于该拓扑关系判定路口的具体布置方式。在一些实施例中,该拓扑关系可以包括道路边界的数目以及成对道路边界的数目。由于不同类型的路口的相关道路边界基本都具有不同的道路边界的数目以及成对道路边界的数目,所以完全可以通过识别与这些道路边界的数目和成对道路边界的数目相关的拓扑关系,进而确定路口的具体设置方式。备选地或附加地,该拓扑关系可以包括道路边界的数目、成对道路边界的数目以及指向路口的成对道路边界的数目,从而进一步分辨拓扑关系相近的特定路口类型。下文将对建立道路边界的拓扑关系与路口类型的对应关系进行详细描述。
返回仍然参考图2,在框220,基于边界信息确定在电子地图的示例环境100的预定大小的区域101内的道路边界之间的拓扑关系。在一些实施例中,该拓扑关系可以包括区域101中的道路边界的数目和道路边界中的成对道路边界的数目。备选地或附加地,该拓扑关系还可以包括指向路口的成对道路边界的数目。
为便于理解,现结合图4A至图8来描述道路边界的各拓扑关系以及相对应的路口类型。应注意,图4A至图8中示出的拓扑关系均是示例性的。在本公开所要求的保护范围内的其他修改和变形也均适用于本公开描述的识别路口具体布置方式的技术。
图4A、图4B分别示出了根据本公开的一些实施例的汇入路口400和汇出路口400’的道路边界拓扑关系图。图4A中示出了获取的四条道路边界401、402、403和404,图4B中示出了获取的四条道路边界401’、402’、403’和404’。并且如双向箭头所示,图4A中还示出了道路边界的配对关系412、414和434,以及图4B中示出了道路边界的配对关系412’、414’和434’。即,图4A和图4B中均存在三个成对道路边界。也就是说,如果拓扑关系中指示出,道路边界的数目为四并且成对道路边界的数目为三,则确定该区域中存在类型为汇入路口或汇出路口的路口400或400’。通过此方式,可以自动识别出路口的类型,提高了地图生产的效率,且具有很强的普适性。
根据本公开的实施例,确定道路边界的数目可以基于图像处理(例如,边缘检测、轮廓检测,等等)、人工标注、先验知识和/或任何适当的方式来实现。
在某些实施例中,可以通过如下方式来确定地图的给定区域中存在的成对道路边界的数目。首先,对于区域中的这些道路边界中的左侧道路边界(或称为“第一道路边界”,如图4A中的401),可以基于道路方向信息(如图中各道路边界的箭头所示)确定在一定区域内与该左侧道路边界的距离最小的右侧道路边界(或称为“第二道路边界”,如图4A中的402);或者,对于区域中的这些道路边界中的右侧道路边界,可以基于道路方向信息确定与该右侧道路边界的距离最小的左侧道路边界,此外,该左侧道路边界与该右侧道路边界同向。通过此步骤,可以基本避免对并行双车道(中间存在隔离带)以及没有护栏的双向车道的误识别。
之后,需要确定该左侧道路边界与该右侧道路边界是否基本上切线平行,或者在一定距离内相互平行。在一些实施例中,可以确定该左侧道路边界的切线与该右侧道路边界的切线之间的角度是否在预设范围内。如果该左侧道路边界与该右侧道路边界的切线的角度在预设范围内,则识别出一对道路边界,从而在程序中将成对道路边界的数目增一。在一些实施例中,该角度的预设范围可以是0°到30°。备选地,该角度的预设范围可以是0°到20°。附加地,该角度的预设范围可以是0°到10°或0°到5°。通过此步骤,可以基本避免对不属于同一路面的两条道路边界(例如,图4A中的中间两条边界402、403,以及图4B中的中间两条边界402’、403’)的误识别。
如上所述,基于图4A和图4B中示出的拓扑关系可以识别该区域中存在类型为汇入路口或汇出路口的路口。而对于具体是汇入路口还是汇出路口,可以通过如下方式来识别。在一些实施例中,如图中各道路边界的箭头所示,各道路边界可以具有方向信息。如图4A所示,当指向路口400的成对道路边界的数目为一,确定路口400为汇出路口。又如图4B所示,当指向路口400’的成对道路边界的数目为二,确定路口400’为汇入路口。通过此步骤,可以基本避免对汇入路口和汇出路口的混淆识别。
图5示出了根据本公开的一些实施例的丁字路口500的道路边界拓扑关系图。图5中存在获取的三条道路边界501、502、503。并且如双向箭头所示,还存在三个配对关系512、513、523,即,图5中还存在三个成对道路边界。也就是说,如果拓扑关系中指示出,道路边界的数目为三并且成对道路边界的数目为三,则可以确定该区域中存在类型为丁字路口的路口500。
图6示出了根据本公开的一些实施例的十字路口600的道路边界拓扑关系图。与图4A、图4B和图5的识别方式类似地,图6中存在四条道路边界601、602、603、604。并且如双向箭头所示,还存在四个配对关系612、623、634、614,即,图6中还存在四个成对道路边界。也就是说,如果拓扑关系中指示出,道路边界的数目为四并且成对道路边界的数目为四,则可以确定该区域中存在类型为十字路口的路口600。
图7示出了根据本公开的一些实施例的环岛路口700的道路边界拓扑关系图。与图4A至图6的识别方式不尽相同地,图7中存在一条封闭的道路边界704。当识别出一条封闭的道路边界704时,则判定有路口700,且该路口700存在环岛704。在一些实施例中,如果拓扑关系中指示出,道路边界在区域中的起始点和结束点基本上重合,例如起始点和结束点的矢量差在一预定范围内,则确定区域中存在类型为环岛路口的路口700。
在一些实施例中,可以存在不同类型的环岛路口700。例如,存在三路环岛路口。如图6所示,存在三条道路边界701、702、703。并且如双向箭头所示,还存在六个配对关系712、713、714、723、724、734。即,图7中还存在六个成对道路边界。也就是说,如果拓扑关系中指示出,道路边界的数目为三并且成对道路边界的数目为六,则可以确定该区域中存在类型为三路环岛路口的路口700。备选地或附加地,其他环岛路口,诸如四路环岛路口(未示出)、五路环岛路口(未示出)、六路环岛路口(未示出)等,也存在相应的拓扑关系。本文不再一一赘述。
图8示出了根据本公开的一些实施例的普通道路800(无路口)的道路边界拓扑关系图。与图4A至图7明显不同地,图8中仅存在两条道路边界801和802,且如双向箭头所示,这两条道路边界是一对道路边界812。也就是说,如果拓扑关系中指示出,道路边界的数目为二并且成对道路边界的数目为一,则可以确定该区域中不存在路口。
返回仍然参考图2,在框230,基于拓扑关系确定区域101中的路口分布情况。如上文参照图4A至图8的描述,在一些实施例中,通过如下并行判定来识别路口分布情况:当拓扑关系中指示出道路边界的数目为四并且成对道路边界的数目为三时,确定区域中存在类型为汇入路口400或汇出路口400’的路口;或者当拓扑关系中指示出道路边界的数目为三并且成对道路边界的数目为三时,确定区域中存在类型为丁字路口500的路口;或者当拓扑关系中指示出道路边界的数目为四并且成对道路边界的数目为四时,确定区域中存在类型为十字路口600的路口;或者当拓扑关系指示道路边界在区域中的起始点和结束点基本上重合时,确定区域中存在类型为环岛路口700的路口。备选地或附加地,当遇到除上文所述的拓扑关系之外的其他拓扑关系时,则判定该区域中没有路口。
本文提及的道路边界的拓扑关系,即,与路口连接的各道路边界之间的位置和方向的关系,其不但包括如上述实施例中讨论的道路边界的数目、成对道路边界的数目以及成对道路边界与路口的相对方向,还包括其他拓扑关系。即,同样可以利用除上述实施例讨论的拓扑关系之外的其他道路边界拓扑关系来进行路口识别。由于拓扑关系中不考虑道路边界的具***置和具体长度、角度。而现实中的路口虽然都不相同,但是完全可以分类成有限的几个类型,因此,本公开的基于道路边界的拓扑关系来识别路口类型的技术可以适用于各种路口,具有普适性强的特点。
图9示出了根据本公开的实施例的用于识别电子地图中的路口的装置的示意框图。如图9所示,装置900包括:边界信息获取模块910,被配置为从电子地图中获取关于道路边界的边界信息;拓扑关系确定模块920,被配置为基于边界信息确定在电子地图的预定大小的区域内的道路边界之间的拓扑关系;以及路口分布情况确定模块930,被配置为基于拓扑关系确定区域中的路口分布情况。
图10示出了可以用来实施本公开的实施例的示例设备1000的示意性框图。如图所示,设备1000包括中央处理单元(CPU)1001,其可以根据存储在只读存储器(ROM)1002中的计算机程序指令或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序指令,来执行各种适当的动作和处理。在RAM 1003中,还可存储设备1000操作所需的各种程序和数据。CPU 1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006,例如键盘、鼠标等;输出单元1007,例如各种类型的显示器、扬声器等;存储单元1008,例如磁盘、光盘等;以及通信单元1009,例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理单元1001执行上文所描述的各个方法和处理,例如过程800和/或过程900。例如,在一些实施例中,过程800和/或过程900可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1008。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由CPU 1001执行时,可以执行上文描述的过程800和/或过程900的一个或多个步骤。备选地,在其他实施例中,CPU 1001可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行过程800和/或过程900。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (16)
1.一种用于识别电子地图中的路口的方法,包括:
从所述电子地图中获取关于道路边界的边界信息;
基于所述边界信息,确定在所述电子地图的预定大小的区域内的道路边界之间的拓扑关系;以及
基于所述拓扑关系确定所述区域中的路口分布情况,
其中所述拓扑关系中至少包括所述区域内的道路边界的数目和所述道路边界中成对道路边界的数目;且所述道路边界具有道路方向信息;
则通过如下方式确定所述成对道路边界的数目包括:
对于所述道路边界中的第一道路边界,基于所述第一道路边界的道路方向信息确定与所述第一道路边界的距离最小的第二道路边界,所述第一道路边界和所述第二道路边界同向;
确定所述第一道路边界的切线与所述第二道路边界的切线之间的角度是否在预设范围内;以及
如果所述切线之间的角度在预设范围内,将所述成对道路边界的数目增一。
2.根据权利要求1所述的方法,所述拓扑关系中至少包括所述区域内的道路边界的数目和所述道路边界中成对道路边界的数目;其中基于所述拓扑关系确定所述区域中的路口分布情况包括:
响应于所述拓扑关系指示所述道路边界的数目为四并且所述成对道路边界的数目为三,确定所述区域中存在类型为汇入路口或汇出路口的路口。
3.根据权利要求2所述的方法,其中所述道路边界具有方向信息,所述方法进一步包括:
根据所述方向信息确定三对所述成对道路边界中指向所述路口的成对道路边界的数目;
响应于指向所述路口的成对道路边界的数目为一,确定所述路口为汇出路口;以及
响应于指向所述路口的成对道路边界的数目为二,确定所述路口为汇入路口。
4.根据权利要求1所述的方法,所述拓扑关系中至少包括所述区域内的道路边界的数目和所述道路边界中成对道路边界的数目;其中基于所述拓扑关系确定所述区域中的路口分布情况包括:
响应于所述拓扑关系指示所述道路边界的数目为三并且所述成对道路边界的数目为三,确定所述区域中存在类型为丁字路口的路口。
5.根据权利要求1所述的方法,所述拓扑关系中至少包括所述区域内的道路边界的数目和所述道路边界中成对道路边界的数目;其中基于所述拓扑关系确定所述区域中的路口分布情况包括:
响应于所述拓扑关系指示所述道路边界的数目为四并且所述成对道路边界的数目为四,确定所述区域中存在类型为十字路口的路口。
6.根据权利要求1所述的方法,所述拓扑关系中至少包括所述区域内的道路边界的数目和所述道路边界中成对道路边界的数目;其中基于所述拓扑关系确定所述区域中的路口分布情况包括:
响应于所述拓扑关系指示所述道路边界在所述区域中的起始点和结束点重合,确定所述区域中存在类型为环岛路口的路口。
7.根据权利要求1所述的方法,所述拓扑关系中至少包括所述区域内的道路边界的数目和所述道路边界中成对道路边界的数目;其中从所述电子地图中获取关于道路边界的边界信息包括:
从用于生成所述电子地图的激光点云数据中确定跳变点,所述跳变点的数据指示道路高度的跳变;以及
基于所述跳变点来识别所述道路边界。
8.一种用于识别电子地图中的路口的装置,包括:
边界信息获取模块,被配置为从所述电子地图中获取关于道路边界的边界信息;
拓扑关系确定模块,被配置为基于所述边界信息确定在所述电子地图的预定大小的区域内的道路边界之间的拓扑关系;以及
路口分布情况确定模块,被配置为基于所述拓扑关系确定所述区域中的路口分布情况,
其中所述拓扑关系中至少包括所述区域内的道路边界的数目和所述道路边界中成对道路边界的数目;且所述道路边界具有道路方向信息;
则通过如下方式确定所述成对道路边界的数目包括:
对于所述道路边界中的第一道路边界,基于所述第一道路边界的道路方向信息确定与所述第一道路边界的距离最小的第二道路边界,所述第一道路边界和所述第二道路边界同向;
确定所述第一道路边界的切线与所述第二道路边界的切线之间的角度是否在预设范围内;以及
如果所述切线之间的角度在预设范围内,将所述成对道路边界的数目增一。
9.根据权利要求8所述的装置,所述拓扑关系中至少包括所述区域内的道路边界的数目和所述道路边界中成对道路边界的数目;其中所述路口分布情况确定模块还被配置为:
响应于所述拓扑关系指示所述道路边界的数目为四并且所述成对道路边界的数目为三,确定所述区域中存在类型为汇入路口或汇出路口的路口。
10.根据权利要求9所述的装置,其中所述道路边界具有方向信息,所述路口分布情况确定模块还被配置为:
根据所述方向信息确定三对所述成对道路边界中指向所述路口的成对道路边界的数目;
响应于指向所述路口的成对道路边界的数目为一,确定所述路口为汇出路口;以及
响应于指向所述路口的成对道路边界的数目为二,确定所述路口为汇入路口。
11.根据权利要求8所述的装置,所述拓扑关系中至少包括所述区域内的道路边界的数目和所述道路边界中成对道路边界的数目;其中所述路口分布情况确定模块还被配置为:
响应于所述拓扑关系指示所述道路边界的数目为三并且所述成对道路边界的数目为三,确定所述区域中存在类型为丁字路口的路口。
12.根据权利要求8所述的装置,所述拓扑关系中至少包括所述区域内的道路边界的数目和所述道路边界中成对道路边界的数目;其中所述路口分布情况确定模块还被配置为:
响应于所述拓扑关系指示所述道路边界的数目为四并且所述成对道路边界的数目为四,确定所述区域中存在类型为十字路口的路口。
13.根据权利要求8所述的装置,所述拓扑关系中至少包括所述区域内的道路边界的数目和所述道路边界中成对道路边界的数目;其中所述路口分布情况确定模块还被配置为:
响应于所述拓扑关系指示所述道路边界在所述区域中的起始点和结束点重合,确定所述区域中存在类型为环岛路口的路口。
14.根据权利要求8所述的装置,所述拓扑关系中至少包括所述区域内的道路边界的数目和所述道路边界中成对道路边界的数目;其中所述边界信息获取模块还被配置为:
从用于生成所述电子地图的激光点云数据中确定跳变点,所述跳变点的数据指示道路高度的跳变;以及
基于所述跳变点来识别所述道路边界。
15.一种设备,所述设备包括:
一个或多个处理器;以及
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的方法。
16.一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711482987.5A CN108319895B (zh) | 2017-12-29 | 2017-12-29 | 用于识别电子地图中的路口的方法和装置 |
KR1020180115913A KR102106359B1 (ko) | 2017-12-29 | 2018-09-28 | 전자 지도 중의 교차로를 인식하기 위한 방법 및 장치 |
US16/230,706 US10783368B2 (en) | 2017-12-29 | 2018-12-21 | Method and apparatus for identifying intersection in electronic map |
EP18215855.0A EP3506157A1 (en) | 2017-12-29 | 2018-12-24 | Method and apparatus for identifying intersection in electronic map |
JP2018245183A JP6875365B2 (ja) | 2017-12-29 | 2018-12-27 | 電子地図における交差点を認識するための方法及び装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711482987.5A CN108319895B (zh) | 2017-12-29 | 2017-12-29 | 用于识别电子地图中的路口的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108319895A CN108319895A (zh) | 2018-07-24 |
CN108319895B true CN108319895B (zh) | 2021-09-17 |
Family
ID=62892819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711482987.5A Active CN108319895B (zh) | 2017-12-29 | 2017-12-29 | 用于识别电子地图中的路口的方法和装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10783368B2 (zh) |
EP (1) | EP3506157A1 (zh) |
JP (1) | JP6875365B2 (zh) |
KR (1) | KR102106359B1 (zh) |
CN (1) | CN108319895B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256446B (zh) * | 2017-12-29 | 2020-12-11 | 百度在线网络技术(北京)有限公司 | 用于确定道路中的车道线的方法、装置和设备 |
CN108877267B (zh) * | 2018-08-06 | 2020-11-03 | 武汉理工大学 | 一种基于车载单目相机的交叉路口检测方法 |
CN110873567B (zh) * | 2018-08-29 | 2021-05-25 | 阿里巴巴(中国)有限公司 | 一种高精道路的处理方法及装置 |
CN111831664B (zh) * | 2019-04-16 | 2024-05-28 | 北京四维图新科技股份有限公司 | 一种地图数据更新方法及装置 |
CN112683287A (zh) * | 2019-10-18 | 2021-04-20 | 上海商汤临港智能科技有限公司 | 路径生成方法及装置、电子设备和存储介质 |
CN111814605B (zh) * | 2020-06-23 | 2024-01-19 | 浙江华睿科技股份有限公司 | 基于拓扑地图的主干道识别方法、识别装置及存储装置 |
CN111765893B (zh) * | 2020-06-28 | 2022-06-03 | 北京四维图新科技股份有限公司 | 电子地图道路挂接方法及设备 |
CN112013865B (zh) * | 2020-08-28 | 2022-08-30 | 北京百度网讯科技有限公司 | 确定交通卡口的方法、***、电子设备以及介质 |
JP7380532B2 (ja) * | 2020-11-16 | 2023-11-15 | トヨタ自動車株式会社 | 地図生成装置、地図生成方法及び地図生成用コンピュータプログラム |
CN112561808B (zh) * | 2020-11-27 | 2023-07-18 | 中央财经大学 | 一种基于车载激光点云和卫星影像的道路边界线复原方法 |
CN112818024B (zh) * | 2021-02-01 | 2023-11-03 | 北京百度网讯科技有限公司 | 一种地图数据处理方法、装置、设备及存储介质 |
CN112862844B (zh) * | 2021-02-20 | 2024-01-05 | 园测信息科技股份有限公司 | 基于车载点云数据的道路边界交互式提取方法 |
CN113554869B (zh) * | 2021-07-01 | 2022-04-05 | 华东师范大学 | 一种基于多特征融合的道路封闭检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6628278B1 (en) * | 1999-05-21 | 2003-09-30 | Siemens Aktiengesellschaft | Method for obtaining a three-dimensional map representation, and a navigation system |
CN101650890A (zh) * | 2009-09-18 | 2010-02-17 | 西安煤航信息产业有限公司 | 一种道路在地图上的处理表示方法 |
CN101726308A (zh) * | 2008-10-15 | 2010-06-09 | 北京龙图通信息技术有限公司 | 一种生成导航电子地图路口实景诱导图的方法 |
CN101782399A (zh) * | 2009-01-21 | 2010-07-21 | 北京四维图新科技股份有限公司 | 导航电子地图中道路网络拓扑分区的方法及装置 |
CN105809095A (zh) * | 2014-12-31 | 2016-07-27 | 博世汽车部件(苏州)有限公司 | 交通路口通行状态的确定 |
CN107122757A (zh) * | 2017-05-11 | 2017-09-01 | 南宁市正祥科技有限公司 | 一种实时鲁棒的非结构化道路检测方法 |
CN107478201A (zh) * | 2017-08-07 | 2017-12-15 | 苍穹数码技术股份有限公司 | 一种基于数字正射影像道路数字化采集方法及装置 |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08335264A (ja) | 1995-06-09 | 1996-12-17 | Hitachi Ltd | 道路車線認識方法及び装置 |
US5751852A (en) * | 1996-04-29 | 1998-05-12 | Xerox Corporation | Image structure map data structure for spatially indexing an imgage |
EP1517283A3 (en) * | 1996-06-19 | 2006-05-03 | Matsushita Electric Industrial Co., Ltd. | Road area extracting apparatus for extracting a road area from a block map, deformed map automatic generation system for generating a deformed map from road area data obtained by the road area extracting apparatus, map information providing system, geographical information providing system and geographical information describing method |
JP3683136B2 (ja) * | 1999-09-30 | 2005-08-17 | トヨタ自動車株式会社 | カーブ通知方法、装置および記録媒体 |
JP3793032B2 (ja) | 2001-02-28 | 2006-07-05 | 株式会社東芝 | 道案内方法及び装置 |
US6473690B1 (en) * | 2001-08-24 | 2002-10-29 | Navigation Technologies Corp. | Three-dimensional space curve comparison using spatial angle variance metric and applications thereof |
JP4172941B2 (ja) * | 2002-03-01 | 2008-10-29 | 日立ソフトウエアエンジニアリング株式会社 | 土地区画データ作成方法および装置 |
DE102004003850A1 (de) * | 2004-01-26 | 2005-08-18 | Ibeo Automobile Sensor Gmbh | Verfahren zur Erkennung von Markierungen auf einer Fahrbahn |
KR100819047B1 (ko) * | 2006-11-27 | 2008-04-02 | 한국전자통신연구원 | 교차로 중심선 예측 장치 및 방법 |
JP4983552B2 (ja) | 2007-11-05 | 2012-07-25 | 日産自動車株式会社 | 車載ナビゲーション装置および経路案内方法 |
JP5386850B2 (ja) | 2008-04-25 | 2014-01-15 | トヨタ自動車株式会社 | 物体情報取得装置 |
JP2010008261A (ja) | 2008-06-27 | 2010-01-14 | Alpine Electronics Inc | ナビゲーション装置及びt字路交差点検出方法 |
KR101319471B1 (ko) | 2008-08-29 | 2013-10-17 | 미쓰비시덴키 가부시키가이샤 | 부감 화상 생성장치, 부감 화상 생성방법 및 기록매체 |
WO2011039977A1 (ja) * | 2009-09-29 | 2011-04-07 | パナソニック株式会社 | 横断歩道標示検出方法および横断歩道標示検出装置 |
CN102012230A (zh) * | 2010-08-27 | 2011-04-13 | 杭州妙影微电子有限公司 | 一种道路实景导航方法 |
EP2458335B1 (en) * | 2010-11-24 | 2016-07-06 | Denso Corporation | Road estimation device and method for estimating road |
JP5152306B2 (ja) * | 2010-11-24 | 2013-02-27 | 株式会社デンソー | 道路推定装置 |
JP5753761B2 (ja) | 2011-10-20 | 2015-07-22 | 株式会社パスコ | 路線価流れ図作成装置及び路線価流れ図作成プログラム |
US9355322B2 (en) * | 2012-08-13 | 2016-05-31 | Honda Motor Co., Ltd. | Road environment recognition device |
JP6119225B2 (ja) | 2012-12-11 | 2017-04-26 | 株式会社豊田中央研究所 | 交差点道路境界検出装置及びプログラム |
KR101962727B1 (ko) * | 2012-12-24 | 2019-03-27 | 현대모비스 주식회사 | 네비게이터와 연동되는 차량용 조명 시스템 |
US9495602B2 (en) * | 2013-10-23 | 2016-11-15 | Toyota Motor Engineering & Manufacturing North America, Inc. | Image and map-based detection of vehicles at intersections |
KR101509995B1 (ko) * | 2013-12-03 | 2015-04-07 | 현대자동차주식회사 | Jc 진출입 판단 장치 및 그 방법 |
US9081383B1 (en) | 2014-01-22 | 2015-07-14 | Google Inc. | Enhancing basic roadway-intersection models using high intensity image data |
WO2015130461A2 (en) * | 2014-02-26 | 2015-09-03 | Google Inc. | System and method for conflating road datasets |
US20180307934A1 (en) * | 2017-04-25 | 2018-10-25 | Spatial Corporation | Highly parallelizable algorithm for detecting intersections of shapes |
CN107169464B (zh) * | 2017-05-25 | 2019-04-09 | 中国农业科学院农业资源与农业区划研究所 | 一种基于激光点云的道路边界检测方法 |
CN107358642A (zh) * | 2017-07-17 | 2017-11-17 | 深圳天珑无线科技有限公司 | 一种建立三维图像的方法、装置及计算机可读存储介质 |
-
2017
- 2017-12-29 CN CN201711482987.5A patent/CN108319895B/zh active Active
-
2018
- 2018-09-28 KR KR1020180115913A patent/KR102106359B1/ko active IP Right Grant
- 2018-12-21 US US16/230,706 patent/US10783368B2/en active Active
- 2018-12-24 EP EP18215855.0A patent/EP3506157A1/en active Pending
- 2018-12-27 JP JP2018245183A patent/JP6875365B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6628278B1 (en) * | 1999-05-21 | 2003-09-30 | Siemens Aktiengesellschaft | Method for obtaining a three-dimensional map representation, and a navigation system |
CN101726308A (zh) * | 2008-10-15 | 2010-06-09 | 北京龙图通信息技术有限公司 | 一种生成导航电子地图路口实景诱导图的方法 |
CN101782399A (zh) * | 2009-01-21 | 2010-07-21 | 北京四维图新科技股份有限公司 | 导航电子地图中道路网络拓扑分区的方法及装置 |
CN101650890A (zh) * | 2009-09-18 | 2010-02-17 | 西安煤航信息产业有限公司 | 一种道路在地图上的处理表示方法 |
CN105809095A (zh) * | 2014-12-31 | 2016-07-27 | 博世汽车部件(苏州)有限公司 | 交通路口通行状态的确定 |
CN107122757A (zh) * | 2017-05-11 | 2017-09-01 | 南宁市正祥科技有限公司 | 一种实时鲁棒的非结构化道路检测方法 |
CN107478201A (zh) * | 2017-08-07 | 2017-12-15 | 苍穹数码技术股份有限公司 | 一种基于数字正射影像道路数字化采集方法及装置 |
Non-Patent Citations (2)
Title |
---|
3D Traffic Scene Understanding from Movable Platforms;Andreas Geiger等;《IEEE》;20140501;全文 * |
Road Curb and Intersection Detection Using A 2D LMS;Kodagoda R. S等;《Intelligent Robots and Systems》;20020930;第1-8页 * |
Also Published As
Publication number | Publication date |
---|---|
KR20190082061A (ko) | 2019-07-09 |
EP3506157A1 (en) | 2019-07-03 |
US20190205640A1 (en) | 2019-07-04 |
JP6875365B2 (ja) | 2021-05-26 |
CN108319895A (zh) | 2018-07-24 |
KR102106359B1 (ko) | 2020-05-06 |
JP2019135544A (ja) | 2019-08-15 |
US10783368B2 (en) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108319895B (zh) | 用于识别电子地图中的路口的方法和装置 | |
KR102273559B1 (ko) | 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체 | |
CN109426801B (zh) | 一种车道线实例检测方法和装置 | |
KR102210715B1 (ko) | 도로 중의 차도선을 확정하기 위한 방법, 장치 및 기기 | |
EP3581890B1 (en) | Method and device for positioning | |
CN110687549B (zh) | 障碍物检测方法和装置 | |
US11294392B2 (en) | Method and apparatus for determining road line | |
US10867189B2 (en) | Systems and methods for lane-marker detection | |
CN108955670B (zh) | 信息获取方法和装置 | |
EP3321887A1 (en) | Urban road recognition method, apparatus, storage medium and device based on laser point cloud | |
CN115540896B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
EP3620945A1 (en) | Obstacle distribution simulation method, device and terminal based on multiple models | |
CN111339876A (zh) | 用于识别场景中各区域类型的方法和装置 | |
CN114882316A (zh) | 目标检测模型训练方法、目标检测方法及装置 | |
CN113989777A (zh) | 高精地图限速标牌与车道位置的识别方法、装置和设备 | |
CN110909656A (zh) | 一种雷达与摄像机融合的行人检测方法和*** | |
CN112902911B (zh) | 基于单目相机的测距方法、装置、设备及存储介质 | |
CN115457505A (zh) | 一种摄像头的小障碍物探测方法、装置、设备及存储介质 | |
Li et al. | Segment-based traffic sign detection from mobile laser scanning data | |
CN114998863A (zh) | 目标道路识别方法、装置、电子设备以及存储介质 | |
CN114495049A (zh) | 识别车道线的方法和装置 | |
CN111542828A (zh) | 线状物识别方法及装置、***和计算机存储介质 | |
CN114526720B (zh) | 定位的处理方法、装置、设备及存储介质 | |
CN116503383B (zh) | 道路曲线检测方法、***及介质 | |
US20230025579A1 (en) | High-definition mapping |
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 |