CN109186615A - 基于高精度地图的车道边线距离检测方法、装置及存储介质 - Google Patents
基于高精度地图的车道边线距离检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN109186615A CN109186615A CN201811023540.6A CN201811023540A CN109186615A CN 109186615 A CN109186615 A CN 109186615A CN 201811023540 A CN201811023540 A CN 201811023540A CN 109186615 A CN109186615 A CN 109186615A
- Authority
- CN
- China
- Prior art keywords
- map
- lane line
- sampling
- lane
- distance
- 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.)
- Pending
Links
Classifications
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于高精度地图的车道边线距离检测方法、装置及存储介质;其方法通过相机采集至少一条采样车道线;通过定位模块匹配车辆在高精度地图的位置坐标并根据位置坐标在高精度地图提取当前车道的地图车道线;根据采样车道线及地图车道线分别提取采样元素及地图元素;根据地图元素及采样元素的匹配,提取有效的采样车道线为真实车道线;在任意两条真实车道线之间生成检测点对并获取检测点对的点对距离;在高精度地图提取两条地图车道线之间的宽度距离并根据宽度距离与至少一个点对距离进行匹配,提取有效的点对距离。本发明能够解决现有技术中仅根据高精度地图数据或相机对车辆在车道实时定位存在误差的问题。
Description
技术领域
本发明涉及主动安全及自动驾驶领域,具体而言,涉及一种基于高精度地图的车道边线距离检测方法及装置。
背景技术
自动驾驶车辆通过搭载的相机采集道路环境,用于对车辆相对车道边线进行定位;在使用过程中相机等环境感知用传感器容易受到外在因素的干扰,影响定位精度。
发明内容
本发明实施例至少提供一种基于高精度地图的车道边线距离检测方法,能够解决现有技术中仅根据高精度地图数据或相机对车辆在车道实时定位存在误差的问题。
上述实施例的具体实现,如下所述。
通过相机采集至少一条采样车道线;
通过定位模块匹配车辆在高精度地图的位置坐标并根据所述位置坐标在所述高精度地图提取当前车道的地图车道线;
根据所述采样车道线及地图车道线分别提取采样元素及地图元素;
根据所述地图元素及所述采样元素的匹配,提取有效的所述采样车道线为真实车道线;
在任意两条所述真实车道线之间生成检测点对并获取所述检测点对的点对距离;
在所述高精度地图提取两条所述地图车道线之间的宽度距离并根据所述宽度距离与至少一个所述点对距离进行匹配,提取有效的所述点对距离。
在本实施例中较佳方案是,所述的通过相机采集至少一条采样车道线,包括:
所述相机实时采集道路图像并根据边缘检测算法提取所述道路图像的采样车道线。
在本实施例中较佳方案是,所述的根据所述采样车道线地图车道线分别提取采样元素及地图元素,包括:
建立一包括坐标转换后采样车道线及地图车道线的车辆坐标系;
在所述车辆坐标系分别提取转换后采样车道线及地图车道线的采样元素及地图元素。
在本实施例中较佳方案是,所述的建立一包括坐标转换后所述采样元素及地图元素的车辆坐标系,包括:
建立车辆坐标系并配置大地坐标系与所述车辆坐标系的第一转换关系;
采样根据所述第一转换关系坐标转换所述地图车道线;
配置相机坐标系并确定所述相机坐标系与所述车辆坐标系的第二转换关系;
根据所述第二转换关系坐标转换所述采样车道线。
在本实施例中较佳方案是,所述的根据所述地图元素及所述采样元素的匹配,提取有效的所述采样车道线为真实车道线,包括:
对所述地图元素及所述真素元素进行贝叶斯估计,确定与所述地图车道线最优匹配的采样车道线为真实车道线。
在本实施例中较佳方案是,所述的在任意两条所述真实车道线之间生成检测点对并获取所述检测点对的点对距离,包括:
根据定位模块的误差估计通过正态分布随机生成任意两条所述真实车道线之间的检测点对;
根据所述相机的内参数及外参数测算所述检测点对的点对距离。
在本实施例中较佳方案是,所述的根据所述宽度距离与至少一个所述点对距离进行匹配,提取有效的所述点对距离,包括:
对所述宽度距离及所述点对距离进行贝叶斯估计,提取有效的所述点对距离。
在本实施例中较佳方案是,所述采样元素及地图元素至少包括边线相似度信息、边线曲率信息的一种或多种。
本发明实施例另公开一种存储介质,用于存储计算机指令,所述指令被处理器执行时实现上述方法。
本发明实施例另公开一种基于高精度地图的车道边线距离检测装置,所述装置包括:
地图模块,加载基本地理信息生成高精度地图;
相机,根据边线检测算法采集至少一条采样车道线;
定位模块,通过定位元件匹配车辆在所述高精度地图的位置坐标并根据所述位置坐标在所述高精度地图提取当前车道的地图车道线;
第一估计模块,根据所述采样车道线及地图车道线分别提取采样元素及地图元素,根据所述地图元素及所述采样元素的匹配提取有效的所述采样车道线为真实车道线;
第二估计模块,在任意两条所述真实车道线之间生成检测点对并获取所述检测点对的点对距离,在所述高精度地图提取两条所述地图车道线之间的宽度距离并根据所述宽度距离与至少一个所述点对距离进行匹配,提取有效的所述点对距离。
针对上述方案,本发明通过以下参照附图对公开的示例性实施例作详细描述,亦使本发明实施例的其它特征及其优点清楚。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为实施例的流程图;
图2为实施例的具体实施图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动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。
实施例一
本实施例揭露了一种基于高精度地图的车道边线距离检测方法,用于通过高精度地图、GPS车载定位及视觉检测的结合,提高对车道边线的距离检测精度。
本实施例的方法具体请参考图1,包括:
Step110、加载道路的基本地理信息建立高精度地图。
Step120、根据车载GPS提供的绝对定位信息在高精度地图中匹配车辆当前的位置坐标并根据位置坐标获取车辆附近车道的车道数据。
Step130、在大地坐标系下根据车道数据提取地图车道线。
Step140、建立车辆坐标系并配置高精度地图的大地坐标系与车辆坐标系的第一转换关系,根据第一转换关系转换位于大地坐标系下的地图车道线至车辆坐标系,并在车辆坐标系下提取地图车道线的第一曲率信息。
Step210、确定相机在车辆的安装位置并调整相机的内参数及外参数建立相机坐标系。
Step220、相机采集当前车道的道路图像并根据边缘检测算法提取相机坐标系下的采样车道线。
Step230、配置相机坐标系与车辆坐标系的第二转换关系,根据第二转换关系转换位于相机坐标系下的采样车道线至车辆坐标系,并在车辆坐标系下提取采样车道线的第二曲率信息。
Step300、考虑到在车道上存在轮胎压痕、路缘石等众多干扰因素,会造成提取错误的采样道路线。本实施例的方法选用贝叶斯滤波器分别对地图车道线及采样车道线的边线相似度要素及第一曲率和第二曲率的曲率要素进行估计,筛选与与地图车道线最优匹配的若干条采样车道边线拟为真实车道线。那么前述的筛选方法,有效剔除由于环境噪声对采样车道线的采集造成的干扰。
Step400、在车辆坐标系下结合车载GPS的定位误差估计信息,通过正态分布在任意两条真实车道线上随机生成多对检测点(L1、L2及L3)并测算检测点对的点对距离(d1、d2及d3)。
Step510、通过高精度地图提取两条地图车道线之间的宽度距离;
Step520、选用贝叶斯滤波对宽度距离与多个检测点对的点对距离进行估计,提取与宽度距离最优匹配的点对距离及配置的检测点对。
本实施例的方法结合上述方案,通过相机采集道路图像后,通过道路图像中提取的多个采样车道线分别与高精度地图中地图车道线的最优匹配,确定符合匹配要求的真实车道线;再提取真实车道线上随机生成的多个检测点对,通过检测点对与车道在高精度地图中理论宽度的最优匹配,确定最优的检测点对,提供高精度的车辆定位信息。
本实施例另提供一种计算机可存储介质,用于存储指令,所述指令被处理器执行时本实施例方法的具体步骤。
本实施例另一种基于高精度地图的车道边线距离检测装置,所述装置包括:
地图模块,加载基本地理信息生成高精度地图;
相机,根据边线检测算法采集至少一条采样车道线;
定位模块,通过定位元件匹配车辆在所述高精度地图的位置坐标并根据所述位置坐标在所述高精度地图提取当前车道的地图车道线;
第一估计模块,根据所述采样车道线及地图车道线分别提取采样元素及地图元素,根据所述地图元素及所述采样元素的匹配提取有效的所述采样车道线为真实车道线;
第二估计模块,在任意两条所述真实车道线之间生成检测点对并获取所述检测点对的点对距离,在所述高精度地图提取两条所述地图车道线之间的宽度距离并根据所述宽度距离与至少一个所述点对距离进行匹配,提取有效的所述点对距离。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于高精度地图的车道边线距离检测方法,其特征在于,
通过相机采集至少一条采样车道线;
通过定位模块匹配车辆在高精度地图的位置坐标并根据所述位置坐标在所述高精度地图提取当前车道的地图车道线;
根据所述采样车道线及地图车道线分别提取采样元素及地图元素;
根据所述地图元素及所述采样元素的匹配,提取有效的所述采样车道线为真实车道线;
在任意两条所述真实车道线之间生成检测点对并获取所述检测点对的点对距离;
在所述高精度地图提取两条所述地图车道线之间的宽度距离并根据所述宽度距离与至少一个所述点对距离进行匹配,提取有效的所述点对距离。
2.如权利要求1所述的基于高精度地图的车道边线距离检测方法,其特征在于,所述的通过相机采集至少一条采样车道线,包括:
所述相机实时采集道路图像并根据边缘检测算法提取所述道路图像的采样车道线。
3.如权利要求1所述的基于高精度地图的车道边线距离检测方法,其特征在于,所述的根据所述采样车道线地图车道线分别提取采样元素及地图元素,包括:
建立一包括坐标转换后采样车道线及地图车道线的车辆坐标系;
在所述车辆坐标系分别提取转换后采样车道线及地图车道线的采样元素及地图元素。
4.如权利要求1所述的基于高精度地图的车道边线距离检测方法,其特征在于,所述的建立一包括坐标转换后所述采样元素及地图元素的车辆坐标系,包括:
建立车辆坐标系并配置大地坐标系与所述车辆坐标系的第一转换关系;
采样根据所述第一转换关系坐标转换所述地图车道线;
配置相机坐标系并确定所述相机坐标系与所述车辆坐标系的第二转换关系;
根据所述第二转换关系坐标转换所述采样车道线。
5.如权利要求1所述的基于高精度地图的车道边线距离检测方法,其特征在于,所述的根据所述地图元素及所述采样元素的匹配,提取有效的所述采样车道线为真实车道线,包括:
对所述地图元素及所述真素元素进行贝叶斯估计,确定与所述地图车道线最优匹配的采样车道线为真实车道线。
6.如权利要求1所述的基于高精度地图的车道边线距离检测方法,其特征在于,所述的在任意两条所述真实车道线之间生成检测点对并获取所述检测点对的点对距离,包括:
根据定位模块的误差估计通过正态分布随机生成任意两条所述真实车道线之间的检测点对;
根据所述相机的内参数及外参数测算所述检测点对的点对距离。
7.如权利要求6所述的基于高精度地图的车道边线距离检测方法,其特征在于,所述的根据所述宽度距离与至少一个所述点对距离进行匹配,提取有效的所述点对距离,包括:
对所述宽度距离及所述点对距离进行贝叶斯估计,提取有效的所述点对距离。
8.如权利要求1所述的基于高精度地图的车道边线距离检测方法,其特征在于,
所述采样元素及地图元素至少包括边线相似度信息、边线曲率信息的一种或多种。
9.一种存储介质,用于存储计算机指令,其特征在于,所述指令被处理器执行时实现如权利要求1-8任意一项所述的方法。
10.一种基于高精度地图的车道边线距离检测装置,其特征在于,所述装置包括:
地图模块,加载基本地理信息生成高精度地图;
相机,根据边线检测算法采集至少一条采样车道线;
定位模块,通过定位元件匹配车辆在所述高精度地图的位置坐标并根据所述位置坐标在所述高精度地图提取当前车道的地图车道线;
第一估计模块,根据所述采样车道线及地图车道线分别提取采样元素及地图元素,根据所述地图元素及所述采样元素的匹配提取有效的所述采样车道线为真实车道线;
第二估计模块,在任意两条所述真实车道线之间生成检测点对并获取所述检测点对的点对距离,在所述高精度地图提取两条所述地图车道线之间的宽度距离并根据所述宽度距离与至少一个所述点对距离进行匹配,提取有效的所述点对距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811023540.6A CN109186615A (zh) | 2018-09-03 | 2018-09-03 | 基于高精度地图的车道边线距离检测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811023540.6A CN109186615A (zh) | 2018-09-03 | 2018-09-03 | 基于高精度地图的车道边线距离检测方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109186615A true CN109186615A (zh) | 2019-01-11 |
Family
ID=64914260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811023540.6A Pending CN109186615A (zh) | 2018-09-03 | 2018-09-03 | 基于高精度地图的车道边线距离检测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109186615A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109724615A (zh) * | 2019-02-28 | 2019-05-07 | 北京经纬恒润科技有限公司 | 一种车道线识别结果的校验方法及*** |
CN109883432A (zh) * | 2019-02-21 | 2019-06-14 | 百度在线网络技术(北京)有限公司 | 位置确定方法、装置、设备及计算机可读存储介质 |
CN110415330A (zh) * | 2019-04-29 | 2019-11-05 | 当家移动绿色互联网技术集团有限公司 | 道路生成方法、装置、存储介质及电子设备 |
CN110645996A (zh) * | 2019-09-17 | 2020-01-03 | 武汉中海庭数据技术有限公司 | 一种感知数据的提取方法及*** |
CN110909711A (zh) * | 2019-12-03 | 2020-03-24 | 北京百度网讯科技有限公司 | 检测车道线位置变化的方法、装置、电子设备和存储介质 |
CN110954112A (zh) * | 2019-03-29 | 2020-04-03 | 北京初速度科技有限公司 | 一种导航地图与感知图像匹配关系的更新方法和装置 |
CN111126154A (zh) * | 2019-11-25 | 2020-05-08 | 北京三快在线科技有限公司 | 路面元素的识别方法、装置、无人驾驶设备和存储介质 |
CN111460861A (zh) * | 2019-01-21 | 2020-07-28 | 阿里巴巴集团控股有限公司 | 一种道路交通标志识别方法、装置和识别设备 |
WO2020164010A1 (zh) * | 2019-02-13 | 2020-08-20 | 深圳市大疆创新科技有限公司 | 车道线检测方法、装置、***与车辆、存储介质 |
WO2020232648A1 (zh) * | 2019-05-22 | 2020-11-26 | 深圳市大疆创新科技有限公司 | 车道线的检测方法、电子设备与存储介质 |
CN112328730A (zh) * | 2021-01-04 | 2021-02-05 | 腾讯科技(深圳)有限公司 | 一种地图数据更新的方法、相关装置、设备及存储介质 |
CN112527940A (zh) * | 2020-12-18 | 2021-03-19 | 上海商汤临港智能科技有限公司 | 一种仿真地图生成的方法、装置、电子设备及存储介质 |
CN112697155A (zh) * | 2019-10-23 | 2021-04-23 | 北京京东乾石科技有限公司 | 车道边线生成的方法和装置 |
CN113022573A (zh) * | 2019-12-06 | 2021-06-25 | 华为技术有限公司 | 道路结构检测方法及装置 |
CN114252082A (zh) * | 2022-03-01 | 2022-03-29 | 苏州挚途科技有限公司 | 车辆定位方法、装置和电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008101972A (ja) * | 2006-10-18 | 2008-05-01 | Xanavi Informatics Corp | ナビゲーション装置 |
CN103954275A (zh) * | 2014-04-01 | 2014-07-30 | 西安交通大学 | 基于车道线检测和gis地图信息开发的视觉导航方法 |
US20140358322A1 (en) * | 2013-06-01 | 2014-12-04 | Faroog Ibrahim | System and Method for Map Matching |
CN106352867A (zh) * | 2015-07-16 | 2017-01-25 | 福特全球技术公司 | 用于确定车辆自身位置的方法和设备 |
CN106407893A (zh) * | 2016-08-29 | 2017-02-15 | 东软集团股份有限公司 | 一种检测车道线的方法、装置和设备 |
CN107782321A (zh) * | 2017-10-10 | 2018-03-09 | 武汉迈普时空导航科技有限公司 | 一种基于视觉和高精度地图车道线约束的组合导航方法 |
CN108303103A (zh) * | 2017-02-07 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 目标车道的确定方法和装置 |
-
2018
- 2018-09-03 CN CN201811023540.6A patent/CN109186615A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008101972A (ja) * | 2006-10-18 | 2008-05-01 | Xanavi Informatics Corp | ナビゲーション装置 |
US20140358322A1 (en) * | 2013-06-01 | 2014-12-04 | Faroog Ibrahim | System and Method for Map Matching |
CN103954275A (zh) * | 2014-04-01 | 2014-07-30 | 西安交通大学 | 基于车道线检测和gis地图信息开发的视觉导航方法 |
CN106352867A (zh) * | 2015-07-16 | 2017-01-25 | 福特全球技术公司 | 用于确定车辆自身位置的方法和设备 |
CN106407893A (zh) * | 2016-08-29 | 2017-02-15 | 东软集团股份有限公司 | 一种检测车道线的方法、装置和设备 |
CN108303103A (zh) * | 2017-02-07 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 目标车道的确定方法和装置 |
CN107782321A (zh) * | 2017-10-10 | 2018-03-09 | 武汉迈普时空导航科技有限公司 | 一种基于视觉和高精度地图车道线约束的组合导航方法 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111460861A (zh) * | 2019-01-21 | 2020-07-28 | 阿里巴巴集团控股有限公司 | 一种道路交通标志识别方法、装置和识别设备 |
CN111460861B (zh) * | 2019-01-21 | 2023-05-19 | 阿里巴巴集团控股有限公司 | 一种道路交通标志识别方法、装置和识别设备 |
WO2020164010A1 (zh) * | 2019-02-13 | 2020-08-20 | 深圳市大疆创新科技有限公司 | 车道线检测方法、装置、***与车辆、存储介质 |
CN109883432A (zh) * | 2019-02-21 | 2019-06-14 | 百度在线网络技术(北京)有限公司 | 位置确定方法、装置、设备及计算机可读存储介质 |
CN109883432B (zh) * | 2019-02-21 | 2020-12-29 | 百度在线网络技术(北京)有限公司 | 位置确定方法、装置、设备及计算机可读存储介质 |
CN109724615B (zh) * | 2019-02-28 | 2021-06-29 | 北京经纬恒润科技股份有限公司 | 一种车道线识别结果的校验方法及*** |
CN109724615A (zh) * | 2019-02-28 | 2019-05-07 | 北京经纬恒润科技有限公司 | 一种车道线识别结果的校验方法及*** |
WO2020199566A1 (zh) * | 2019-03-29 | 2020-10-08 | 魔门塔(苏州)科技有限公司 | 一种导航地图与感知图像匹配关系的更新方法和装置 |
CN110954112B (zh) * | 2019-03-29 | 2021-09-21 | 北京初速度科技有限公司 | 一种导航地图与感知图像匹配关系的更新方法和装置 |
CN110954112A (zh) * | 2019-03-29 | 2020-04-03 | 北京初速度科技有限公司 | 一种导航地图与感知图像匹配关系的更新方法和装置 |
CN110415330A (zh) * | 2019-04-29 | 2019-11-05 | 当家移动绿色互联网技术集团有限公司 | 道路生成方法、装置、存储介质及电子设备 |
CN110415330B (zh) * | 2019-04-29 | 2020-05-29 | 当家移动绿色互联网技术集团有限公司 | 道路生成方法、装置、存储介质及电子设备 |
WO2020232648A1 (zh) * | 2019-05-22 | 2020-11-26 | 深圳市大疆创新科技有限公司 | 车道线的检测方法、电子设备与存储介质 |
CN110645996A (zh) * | 2019-09-17 | 2020-01-03 | 武汉中海庭数据技术有限公司 | 一种感知数据的提取方法及*** |
CN112697155A (zh) * | 2019-10-23 | 2021-04-23 | 北京京东乾石科技有限公司 | 车道边线生成的方法和装置 |
CN112697155B (zh) * | 2019-10-23 | 2024-05-17 | 北京京东乾石科技有限公司 | 车道边线生成的方法和装置 |
CN111126154A (zh) * | 2019-11-25 | 2020-05-08 | 北京三快在线科技有限公司 | 路面元素的识别方法、装置、无人驾驶设备和存储介质 |
CN110909711A (zh) * | 2019-12-03 | 2020-03-24 | 北京百度网讯科技有限公司 | 检测车道线位置变化的方法、装置、电子设备和存储介质 |
CN110909711B (zh) * | 2019-12-03 | 2022-08-02 | 阿波罗智能技术(北京)有限公司 | 检测车道线位置变化的方法、装置、电子设备和存储介质 |
CN113022573B (zh) * | 2019-12-06 | 2022-11-04 | 华为技术有限公司 | 道路结构检测方法及装置 |
CN113022573A (zh) * | 2019-12-06 | 2021-06-25 | 华为技术有限公司 | 道路结构检测方法及装置 |
CN112527940A (zh) * | 2020-12-18 | 2021-03-19 | 上海商汤临港智能科技有限公司 | 一种仿真地图生成的方法、装置、电子设备及存储介质 |
CN112328730A (zh) * | 2021-01-04 | 2021-02-05 | 腾讯科技(深圳)有限公司 | 一种地图数据更新的方法、相关装置、设备及存储介质 |
CN112328730B (zh) * | 2021-01-04 | 2021-04-02 | 腾讯科技(深圳)有限公司 | 一种地图数据更新的方法、相关装置、设备及存储介质 |
CN114252082A (zh) * | 2022-03-01 | 2022-03-29 | 苏州挚途科技有限公司 | 车辆定位方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109186615A (zh) | 基于高精度地图的车道边线距离检测方法、装置及存储介质 | |
CN106525025B (zh) | 一种变电站巡检机器人路线规划导航方法 | |
CN111255636B (zh) | 确定风力发电机组的塔架净空的方法和装置 | |
CN110909711B (zh) | 检测车道线位置变化的方法、装置、电子设备和存储介质 | |
CN102034238B (zh) | 基于光学成像测头和视觉图结构的多摄像机***标定方法 | |
CN109900298B (zh) | 一种车辆定位校准方法及*** | |
EP3876189A1 (en) | Geographic object detection device, geographic object detection method, and geographic object detection program | |
CN103186892B (zh) | 利用航拍图像生成等比例实景现场图的方法及*** | |
US20140267250A1 (en) | Method and apparatus for digital elevation model systematic error correction and fusion | |
KR101977652B1 (ko) | 모바일 맵핑 시스템을 이용한 도로 면형 자동 취득 방법 | |
CN106092054A (zh) | 一种电力线路识别精准定位导航方法 | |
KR20140061156A (ko) | 도로표지판의 위치검출 방법 | |
CN109556569B (zh) | 地形图测绘方法及装置 | |
US20200341150A1 (en) | Systems and methods for constructing a high-definition map based on landmarks | |
CN105938554B (zh) | 基于图像自动判读的尖轨伸缩位移监测方法及*** | |
CN109470137A (zh) | 基于二维激光扫描仪的林木信息测量***及数据处理方法 | |
JP2007107962A (ja) | 測定対象物計測システム、及び送電線下離隔計測システム | |
KR101755687B1 (ko) | 촬영화상의 카메라 자세 추정 시스템 및 방법 | |
CN114280582A (zh) | 激光雷达的标定校准方法、装置、存储介质及电子设备 | |
CN102243299A (zh) | 无人机载sar图像正射纠正装置 | |
KR20160002510A (ko) | 스테레오 영상을 이용한 촬영좌표 획득장치 및 그 방법 | |
Huber et al. | Validation of tie-point concepts by the DEM adjustment approach of TanDEM-X | |
Kunz et al. | Application of surface matching for improved measurements of historic glacier volume change in the Antarctic Peninsula | |
CN110285829B (zh) | 一种单站光学伺服监控的地理标定测距方法 | |
CN109241923A (zh) | 光伏组件热斑定位方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190111 |
|
RJ01 | Rejection of invention patent application after publication |