CN110389995A - 车道信息检测方法、装置、设备和介质 - Google Patents
车道信息检测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN110389995A CN110389995A CN201910704429.1A CN201910704429A CN110389995A CN 110389995 A CN110389995 A CN 110389995A CN 201910704429 A CN201910704429 A CN 201910704429A CN 110389995 A CN110389995 A CN 110389995A
- Authority
- CN
- China
- Prior art keywords
- lane
- track
- target
- intersection point
- target 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
- G06F16/20—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computer Networks & Wireless Communication (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Mathematical Analysis (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种车道信息检测方法、装置、设备和介质,涉及地图服务领域。该方法包括:确定与目标道路相交的至少一个目标图形;将所述目标道路的匹配轨迹与所述目标图形的交点作为轨迹交点;根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息。本发明实施例提供了一种车道信息检测方法、装置、设备和介质,实现了在短周期内,低成本、高频率、广覆盖的对车道信息的检测。
Description
技术领域
本发明实施例涉及地图服务领域,尤其涉及一种车道信息检测方法、装置、设备和介质。
背景技术
随着车联网技术的高速发展,地图服务给人们的日常出行带来便利。地图路网数据能否准确地反映最新的道路信息,直接决定了地图服务的质量。在地图路网数据中车道级别的道路信息的获取一直是本行业的研究重点之一。
当前道路信息的获取方法主要包括:1)基于图像识别技术获取车道线及车道转向信息;2)基于点云数据和三维建模等技术获取车道信息;3)基于高精度GPS(全球定位***)轨迹获取道路信息,高精度轨迹一般指GPS定位的绝对精度误差小于5m。
然而,这些方法有一个共同的特点:数据采集成本高、覆盖面不够广、数据制作周期长、更新频率低等问题。而目前各大城市处于高速建设和发展当中,道路数据也在随时随地的频繁发生变化,如何低成本、快速、准确地检测道路信息就成为了地图行业新的热点研究问题。
发明内容
本发明实施例提供一种车道信息检测方法、装置、设备和介质,以实现在短周期内,低成本、高频率、广覆盖的对车道信息的检测。
第一方面,本发明实施例提供了一种车道信息检测方法,该方法包括:
确定与目标道路相交的至少一个目标图形;
将所述目标道路的匹配轨迹与所述目标图形的交点作为轨迹交点;
根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息。
第二方面,本发明实施例还提供了一种车道信息检测装置,该装置包括:
图形确定模块,用于确定与目标道路相交的至少一个目标图形;
交点确定模块,用于将所述目标道路的匹配轨迹与所述目标图形的交点作为轨迹交点;
车道确定模块,用于根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息。
第三方面,本发明实施例还提供了一种电子设备,所述设备包括:
一个或多个处理器;
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本发明实施例中任一项所述的车道信息检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一项所述的车道信息检测方法。
本发明实施例通过根据所述目标道路的匹配轨迹与目标道路相交目标图形的交点,确定所述目标道路在所述目标图形处的车道信息。因为目标道路的匹配轨迹可以通过导航用户的定位信息获取,且导航用户数量较多,所以目标道路的匹配轨迹可以在短周期内低成本的获取。又因为车辆轨迹覆盖广,所以本发明实施例可以实现在短周期内,低成本、高频率、广覆盖的对车道信息的检测。
附图说明
图1为本发明实施例一提供的一种车道信息检测方法的流程图;
图2是本发明实施例二提供的一种车道信息检测方法的流程图;
图3是本发明实施例三提供的一种车道信息检测方法的流程图;
图4a是本发明实施例四提供的一种车道信息检测方法的流程图;
图4b是本发明实施例四提供的一种基于隐马尔可夫模型的地图匹配算法流程图;
图4c是本发明实施例四提供的一种轨迹数据映射算法流程图;
图4d是本发明实施例四提供的一种轨迹数据映射示意图;
图5是本发明实施例五提供的一种车道信息检测装置的结构示意图;
图6是本发明实施例六提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种车道信息检测方法的流程图。本实施例可适用于根据目标道路的匹配轨迹确定目标道路中车道信息的情况。该方法可以由一种车道信息检测装置来执行,该装置可以由软件和/或硬件的方式实现。参见图1,本实施例提供的车道信息检测方法包括:
S110、确定与目标道路相交的至少一个目标图形。
其中,目标道路是待确定车道信息的道路。
目标图形是与目标道路相交的任意图形。
可选地,目标图形可以是线、面或立方体等。典型地,目标图形是线段。
目标图形与面部道路的夹角可以是任意角度。典型地,目标图形与面部道路的夹角为直角。
目标图形实际代表目标道路的横截面。
具体地,至少一个目标图形的尺寸相同。
目标图形的尺寸根据道路匹配轨迹中相距最远的两匹配轨迹之间的距离确定。
因为分布在道路两侧的匹配轨迹数量相近,所以为提升所述目标图形对目标道路匹配轨迹的覆盖率,目标图形与目标道路的交点是目标图形的中心点,以覆盖目标道路两侧的匹配轨迹。
典型地,确定与目标道路相交的至少一个目标图形,包括:
基于固定线段长度,过目标道路中的至少一个位置点,确定与目标道路垂直的至少一个目标线段,且所述位置点位于目标线段的中点位置。
可选地,确定与目标道路相交的至少一个目标图形,包括:
以所述目标道路连接的转向路口为参照物,沿所述目标道路每隔设定距离确定一个目标图形,直至确定的目标图形的数量大于设定数量阈值。
其中设定数量阈值可以根据实际需要设定。
典型地,确定与目标道路相交的至少一个目标图形,包括:
沿转向路口往转向前车辆在所述目标道路中行驶方向的反方向,每隔设定距离垂直所述目标道路绘制一个目标图形,直至绘制的目标图形的数量大于设定数量阈值。
通过该确定方法可以实现的效果为:目标图形集中分布在目标道路中近转向路口位置。
S120、将所述目标道路的匹配轨迹与所述目标图形的交点作为轨迹交点。
其中,所述目标道路的匹配轨迹是指与所述目标道路匹配的车辆轨迹。
S130、根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息。
具体地,根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息,包括:
基于位置信息对所述轨迹交点进行聚类;
根据聚类生成的类别数量确定所述目标道路在所述目标图形处的车道数量;
根据聚类生成的各类别中轨迹交点的位置信息,确定述目标道路在所述目标图形处的车道位置。
本发明实施例的技术方案,通过根据所述目标道路的匹配轨迹与目标道路相交目标图形的交点,确定所述目标道路在所述目标图形处的车道信息。因为目标道路的匹配轨迹可以通过导航用户的定位信息获取,且导航用户数量较多,所以目标道路的匹配轨迹可以在短周期内低成本的获取。又因为车辆轨迹覆盖广,所以本发明实施例可以实现在短周期内,低成本、高频率、广覆盖的对车道信息的检测。
为实现车道信息的变化检测,所述根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息之后,所述方法还包括:
比较不同时间相同目标图形处所述目标道路的车道信息,根据比较结果确定所述目标道路的车道信息是否发生变化。
进一步地,所述车道信息包括:车道数量和/或道路中心线位置;
相应地,所述根据比较结果确定所述目标道路的车道信息是否发生变化,包括:
若所述目标道路中车道数量不同的目标图形的数量大于等于第一阈值,则确定车道信息变化;
若所述目标道路中车道数量不同的目标图形的数量小于第一阈值,则计算所述目标道路中车道数量不同的目标图形的数量与所述目标道路中车道数量相同,且道路中心位置差大于设定位置差阈值的目标图形数量之和;
若计算的和大于等于第二阈值,则确定车道信息变化。
其中,第一阈值是车道信息变化的前提下,所述目标道路中车道数量不同的目标图形数量的最小值。
第二阈值是车道信息变化的前提下,所述目标道路中车道数量不同的目标图形的数量与所述目标道路中车道数量相同,且道路中心位置差大于设定位置差阈值的目标图形数量之和的最小值。
第二阈值可以等于第一阈值,也可以不等于第一阈值。
实施例二
图2是本发明实施例二提供的一种车道信息检测方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图2,本实施提供的一种车道信息检测方法包括:
S210、确定与目标道路相交的至少一个目标图形。
S220、将所述目标道路的匹配轨迹与所述目标图形的交点作为轨迹交点。
S230、确定所述轨迹交点在所述目标道路中的位置信息。
具体地,确定所述轨迹交点在所述目标道路中的位置信息,包括:
确定所述目标道路与目标图形的相交的目标交点;
根据所述轨迹交点与所述目标交点之间的距离以及所述轨迹交点的位置与目标道路的关系,确定所述轨迹交点在所述目标道路中的位置信息。
其中,所述轨迹交点的位置与目标道路的关系可以为,位于目标道路的左侧或右侧。
可选地,确定所述轨迹交点在所述目标道路中的位置信息,包括:
将所述轨迹交点至所述轨迹交点所属目标图形中一端点的距离与该目标图形在目标方向上尺寸的比值,作为所述轨迹交点在所述目标道路中的位置信息,其中所述目标方向是指所述端点和所述轨迹交点连线的方向。
具体地,若目标图形为线段,则将所述轨迹交点至所述轨迹交点所属目标线段中一端点的距离与该目标线段的长度的比值,作为所述轨迹交点在所述目标道路中的位置信息。
S240、根据所述轨迹交点的位置信息,确定所述目标道路在所述目标图形处的车道信息。
具体地,所述根据所述轨迹交点的位置信息,确定所述目标道路在所述目标图形处的车道信息,包括:
将所述轨迹交点的位置信息输入目标模型,输出所述目标道路在所述轨迹交点所属目标图形处的车道信息,其中所述目标模型是带有约束的高斯混合模型,约束条件为同一目标图形处车道的属性信息和/或轨迹分布。
若所述目标图形为垂直目标道路的面或线,则同一目标图形处车道的属性信息包括:同一目标图形处的车道应该具有相同的车道宽度。同一目标图形处车道轨迹分布包括:同一目标图形处车道的轨迹分布情况相同。
具体地,所述目标模型的确定包括:
对所述目标道路中的样本轨迹进行车道聚类,并根据聚类结果得到的各车道的样本轨迹确定车道的交通流量、车道的中心线位置和车道的轨迹分布信息;
将所述车道的交通流量作为初始模型的初始权重,将所述车道的中心线位置作为所述初始模型的初始均值,以及将所述车道的轨迹分布信息作为所述初始模型的初始标准差;
基于所述初始权重、所述初始均值、所述初始标准差和设定车道数量,对至少一个初始模型进行训练,生成至少一个候选模型,其中所述至少一个初始模型中各初始模型的设定车道数量不同;
从所述至少一个候选模型中选择所述目标模型。
对至少一个初始模型进行训练,生成至少一个候选模型,包括:
基于期望最大化算法对初始模型进行训练,生成至少一个候选模型。
从所述至少一个候选模型中选择所述目标模型,包括:
基于损失函数计算所述候选模型的模型损失,其中所述损失函数包括期望损失和基于贝叶斯信息准则的正则化项;
基于模型损失从至少一个候选模型中选择损失最小的候选模型作为目标模型。
本发明实施例的技术方案,通过所述轨迹交点在所述目标道路中的位置信息,确定所述目标道路在所述目标图形处的车道信息。因为轨迹交点在所述目标道路中的位置信息能准确描述该轨迹交点所属车道信息,因此本实施例可以实现对车道信息的准确检测。
实施例三
图3是本发明实施例三提供的一种车道信息检测方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图3,本实施例提供的车道信息检测方法包括:
S310、确定与目标道路相交的至少一个目标图形。
具体地,确定与目标道路相交的至少一个目标图形,包括:
以所述目标道路连接的转向路口为参照物,沿所述目标道路每隔设定距离确定一条目标图形,直至确定的目标图形的数量大于设定数量阈值。
通过该方法使得目标图形集中分布在目标道路中近转向路口位置,进而采集更多目标转向信息,以提高目标转向车道信息的确定准确率。
S320、从所述目标道路的匹配轨迹中,提取目标转向的目标转向轨迹。
其中,目标转向是指待检测车道的转向。具体地,目标转向可以是左转、右转、掉头或直行。
目标转向轨迹是发生目标转向的车辆轨迹。
S330、确定所述目标转向轨迹与所述目标图形的轨迹交点。
S340、根据所述轨迹交点确定所述目标道路在所述目标图形处的目标转向车道信息。
为实现对目标转向车道信息的变化检测,所述根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息之后,所述方法还包括:
比较不同时间相同目标图形处所述目标道路的车道信息;
根据比较结果确定所述目标道路的目标转向车道信息是否发生变化。
需要说明的是,本实施例对上述步骤的执行顺序不做限定。可选地,S320可先于S310执行。
本发明实施例的技术方案,通过从所述目标道路的匹配轨迹中,提取目标转向的目标转向轨迹;确定所述目标转向轨迹与所述目标图形的轨迹交点;根据所述轨迹交点确定所述目标道路在所述目标图形处的目标转向车道信息,从而实现对目标转向车道信息的检测。
实施例四
图4a是本发明实施例四提供的一种车道信息检测方法的流程图。本实施例是在上述实施例的基础上以目标图形为垂直目标道路的线段为例,提出的一种可选方案。参见图4a,本实施例提供的车道信息检测方法包括:
S410、基于隐马尔可夫模型确定目标道路的匹配轨迹。
该步骤的作用是将不同时间的车辆轨迹与已有的路网建立关联,得到目标道路的匹配轨迹集合,具体实施如图4b所示:
S411、轨迹数据预处理,路网数据格式化。
对采样频率高于1/T的轨迹数据进行抽稀,保证得到的轨迹点之间的时间间隔大于T秒,其中T是轨迹点采样时间间隔。
从电子地图中获取路网数据,并构造一张有向图G(V,E),V表示道路交叉点集合,E表示两个交叉点之间的道路。
S412、计算轨迹点的观测概率。
为描述方便,令pt=(x,y,t,v,θ),其中,x,y,t分别表示轨迹点pt的经度、纬度和GPS时间,v表示轨迹点pt的速度,θ表示轨迹点pt的行驶方向。对t时刻的轨迹点pt,采用空间索引技术得到轨迹点pt的所有候选匹配道路,并计算轨迹点pt到候选匹配道路ei的观测概率:
其中,表示轨迹点pt到候选匹配道路ei的观测概率,dt,i表示轨迹点pt到候选匹配道路ei的投影距离,并且假设轨迹点到候选道路的距离服从高斯分布,σ为该高斯分布的标准差,Δθt,i表示轨迹点pt的行驶方向与该点在候选匹配道路ei投影位置行驶方向的差值。显然,假设该方向差值Δθt,i服从参数为β的指数分布。
S413、计算轨迹点间的转移概率。
计算t-1时刻轨迹点pt-1候选匹配道路et-1,j到t时刻轨迹点pt候选匹配道路et,i的转移概率:
其中,dcj,i表示轨迹点pt-1到轨迹点pt的球面距离,routej,i表示轨迹点pt-1在候选匹配道路et-1,j投影点到轨迹点pt在候选匹配道路et,j投影点的转移距离(或者说路由距离),且|dcj,i-routej,i|服从以λ为参数的指数分布。
S414、基于维特比解码算法,获取匹配结果。
基于维特比动态规划解码算法获取轨迹的最大维特比概率,即得到最优道路匹配序列:
其中,Ti和Ti+1分别表示此段轨迹的起始和结束时间。
S420、将目标道路的匹配轨迹与垂直目标道路的目标线段的交点进行数值映射。
该步骤通过轨迹数据映射算法,将S410中得到的目标道路的匹配轨迹集合映射到数值区间[0,1],参见图4c,具体如下:
S421、基于匹配结果,从目标道路的匹配轨迹中提取目标道路的目标转向轨迹。
目标转向包括:右转、直行、左转和掉头。根据目标道路的路口拓扑结构及目标道路的匹配轨迹,分别获取该道路右转、直行、左转、掉头四个转向对应的特定转向轨迹集合。如图4d所示,以目标转向为右转为例,ei是目标道路,T1,T2,T3是目标道路的目转向轨迹。
S422、基于道路几何坐标确定垂直目标道路的目标线段。
为描述方便,将目标道路用中心线表示,即每条道路表示成一条曲线。一般来说,车道转向信息对路口附近的轨迹密度分布会有较大的影响(例如路口处的右转轨迹以较大概率落在道路的右转车道附近)。
因此目标线段的确定方法为:从转向路口处往车辆行驶的反方向每隔设定距离提取一条目标线段,共设定数量的目标线段。每条线段均垂直于目标道路,且目标线段在目标道路左右两边是等长的。继续参见图4d,S1,S2,S3是垂直目标道路的三条目标线段,R是目标线段的长度。
S423、计算与目标道路匹配的目标转向轨迹与目标线段的交点。
继续参见图4d,p1,p2,p3分别是目标转向轨迹与目标线段S1的交点。
S424、将交点坐标映射至数值区间[0,1]。
根据交点到目标线段左边端点的距离,将交点坐标转换到区间[0,1]。继续参见4d,d目标转向轨迹p1到标线段S1左边端点的距离,p1将转换成d/R,显然d/R∈[0,1]。
S430、基于一维约束型高斯混合聚类方法量化轨迹密度分布情况,得到目标线段处的车道数量和车道中心线信息。
进一步地,普通一维高斯混合模型的一般形式为:
其中,p(x)表示轨迹高斯混合分布密度函数,k表示p(x)的高斯分布个数(即车道数量),wj、uj、σj分别表示第j个高斯分布的权重(相应车道的交通流量)、均值(相应车道的中心线位置)和标准差(相应车道的轨迹分布情况)。
一般地,对于同一目标线段上的车道应该具有相同的车道宽度,因此不同高斯分布的均值具有以下约束限制:
其中Δu是相邻两个高斯分布的均值之差,u是最左边高斯分布的均值,也就是说,Δu表示该横截面上的车道宽度,u表示最左边车道的车道中心线。同时,期望所有高斯分布均有相同的标准差,也即每个车道的轨迹分散情况趋近相同,所以σj满足一下约束:
由此,带约束的高斯混合模型可表示为:
在模型的训练和选择阶段,本发明实施例采用k均值聚类(k-means)对初始模型参数进行初始化,基于期望最大化算法(EM)对初始模型参数迭代训练,生成候选模型。选择贝叶斯信息准则(BIC)作为正则化项,构造候选模型的损失函数,具体表示为:
其中,n表示横截面的轨迹数量,λ是正则化系数,d表示模型参数个数,在该带约束的高斯混合模型中,d=k+2。上述公式的加号左边为期望损失,右边为正则化项。
S440、比较不同时间的车道信息,确定车道信息是否变化。
选取任意两不同时间(为描述方便,分别记为p时间和q时间)。确定目标道路的目标转向为右转。
通过上述步骤可以得到时间p在目标线段s上的车道数kp,s和每个车道的中心线位置upi,s,1≤i≤kp,1≤s≤L,时间段q在横截面s上的车道数kq,s和每个车道的中心线位置uqj,s,1≤i≤kq,1≤s≤L。令函数I(s)和J(s)分别为车道数和中心线位置在横截面s上的指示函数,并且
其中,Δd为目标线段s上第i个右转车道的中心线变化阈值,一般取Δd为半个实际车道宽度。值得注意的是,只有当kp,s≠kq,s时,指示函数J(s)生效。
当则可判定目标道路的右转车道信息从时间p到时间q已经发生变化,γ为阈值参数。
当时,如果则可判定目标道路的右转车道信息从时间p到时间q已经发生变化。
通过上述步骤,本发明实施例能够以一种低成本的方式检测目标道路的任意转向车道信息从时间p到时间q是否发生变化。
如果以天级为单位选取时间,上述检测方案就可以作为车道信息变化的实时检测方案。当然本发明不局限于车道信息变化的检测,还可以实现车道信息的检测。
本发明实施例可以实现如下效果:
1、基于普通GPS设备产生的低精度时空轨迹数据检测车道信息变化,降低了原始数据获取成本。
2、对已有的道路车道信息,本实施例的技术方案能及时检测其变化情况,提高了路网道路车道信息的更新频率和现势性。
3、以本实施例技术方案的结果驱动数据采集,可以提高现有技术方案的数据利用价值,从而降低生产成本。
4、本实施例的技术方案可以实现对道路中车道信息的检测。
需要说明的是,经过本实施例的技术教导,本领域技术人员有动机将上述实施例中描述的任一种实施方式进行方案的组合,以实现在短周期内,低成本、高频率、广覆盖的对车道信息的检测。
实施例五
图5是本发明实施例五提供的一种车道信息检测装置的结构示意图;参见图5,本实施例提供的车道信息检测装置包括:图形确定模块10、交点确定模块20和车道确定模块30。
其中,图形确定模块10,用于确定与目标道路相交的至少一个目标图形;
交点确定模块20,用于将所述目标道路的匹配轨迹与所述目标图形的交点作为轨迹交点;
车道确定模块30,用于根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息。
本发明实施例通过根据所述目标道路的匹配轨迹与目标道路相交目标图形的交点,确定所述目标道路在所述目标图形处的车道信息。因为目标道路的匹配轨迹可以通过导航用户的定位信息获取,且导航用户数量较多,所以目标道路的匹配轨迹可以在短周期内低成本的获取。又因为车辆轨迹覆盖广,所以本发明实施例可以实现在短周期内,低成本、高频率、广覆盖的对车道信息的检测。
进一步地,所述车道确定模块,包括:位置确定单元和车道确定单元。
其中,位置确定单元,用于确定所述轨迹交点在所述目标道路中的位置信息;
车道确定单元,用于根据所述轨迹交点的位置信息,确定所述目标道路在所述目标图形处的车道信息。
进一步地,所述车道确定单元具体用于:
将所述轨迹交点的位置信息输入目标模型,输出所述目标道路在所述轨迹交点所属目标图形处的车道信息,其中所述目标模型是带有约束的高斯混合模型,约束条件为同一目标图形处车道的属性信息和/或轨迹分布信息。
进一步地,所述装置还包括:粗确定模块、赋初始值模块、多模型训练模块和目标模型选择模块。
其中,粗确定模块,用于对所述目标道路中的样本轨迹进行车道聚类,并根据聚类结果得到的各车道的样本轨迹确定车道的交通流量、车道的中心线位置和车道的轨迹分布信息;
赋初始值模块,用于将所述车道的交通流量作为初始模型的初始权重,将所述车道的中心线位置作为所述初始模型的初始均值,以及将所述车道的轨迹分布信息作为所述初始模型的初始标准差;
多模型训练模块,用于基于所述初始权重、所述初始均值、所述初始标准差和设定车道数量,对至少一个初始模型进行训练,生成至少一个候选模型,其中所述至少一个初始模型中各初始模型的设定车道数量不同;
目标模型选择模块,用于从所述至少一个候选模型中选择所述目标模型。
进一步地,所述交点确定模块,包括:轨迹提取单元和交点确定单元。
其中,轨迹提取单元,用于从所述目标道路的匹配轨迹中,提取目标转向的目标转向轨迹;
交点确定单元,用于确定所述目标转向轨迹与所述目标图形的轨迹交点。
进一步地,所述位置确定单元具体用于:
将所述轨迹交点至所述轨迹交点所属目标图形中一端点的距离与该目标图形在目标方向上尺寸的比值,作为所述轨迹交点在所述目标道路中的位置信息,其中所述目标方向是指所述端点和所述轨迹交点连线的方向。
进一步地,所述交点确定模块,包括:轨迹提取单元和交点确定单元。
其中,轨迹提取单元,用于从所述目标道路的匹配轨迹中,提取目标转向的目标转向轨迹;
交点确定单元,用于确定所述目标转向轨迹与所述目标图形的轨迹交点。
进一步地,所述装置还包括:
车道信息比较模块,用于所述根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息之后,比较不同时间相同目标图形处所述目标道路的车道信息;
变化确定模块,用于根据比较结果确定所述目标道路的目标转向车道信息是否发生变化。
进一步地,所述图形确定模块,包括:
图形确定单元,用于以所述目标道路连接的转向路口为参照物,沿所述目标道路每隔设定距离确定一个目标图形,直至确定的目标图形的数量大于设定数量阈值。
进一步地,所述装置还包括:
信息变化检测模块,用于所述根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息之后,比较不同时间相同目标图形处所述目标道路的车道信息,根据比较结果确定所述目标道路的车道信息是否发生变化。
进一步地,所述车道信息包括:车道数量和/或道路中心线位置;
相应地,所述信息变化检测模块,包括:
数量判断单元,用于若所述目标道路中车道数量不同的目标图形的数量大于等于第一阈值,则确定车道信息变化;
中心线判断单元,用于若所述目标道路中车道数量不同的目标图形的数量小于第一阈值,则计算所述目标道路中车道数量不同的目标图形的数量与所述目标道路中车道数量相同,且道路中心位置差大于设定位置差阈值的目标图形数量之和;
阈值比较单元,用于若计算的和大于等于第二阈值,则确定车道信息变化。
本发明实施例所提供的车道信息检测装置可执行本发明任意实施例所提供的车道信息检测方法,具备执行方法相应的功能模块和有益效果。
实施例六
图6为本发明实施例六提供的一种设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性设备12的框图。图6显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的车道信息检测方法。
实施例七
本发明实施例七还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一项所述的车道信息检测方法,该方法包括:
确定与目标道路相交的至少一个目标图形;
将所述目标道路的匹配轨迹与所述目标图形的交点作为轨迹交点;
根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (17)
1.一种车道信息检测方法,其特征在于,包括:
确定与目标道路相交的至少一个目标图形;
将所述目标道路的匹配轨迹与所述目标图形的交点作为轨迹交点;
根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息,包括:
确定所述轨迹交点在所述目标道路中的位置信息;
根据所述轨迹交点的位置信息,确定所述目标道路在所述目标图形处的车道信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述轨迹交点的位置信息,确定所述目标道路在所述目标图形处的车道信息,包括:
将所述轨迹交点的位置信息输入目标模型,输出所述目标道路在所述轨迹交点所属目标图形处的车道信息,其中所述目标模型是带有约束的高斯混合模型,约束条件为同一目标图形处车道的属性信息和/或轨迹分布信息。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括通过如下确定所述目标模型:
对所述目标道路中的样本轨迹进行车道聚类,并根据聚类结果得到的各车道的样本轨迹确定车道的交通流量、车道的中心线位置和车道的轨迹分布信息;
将所述车道的交通流量作为初始模型的初始权重,将所述车道的中心线位置作为所述初始模型的初始均值,以及将所述车道的轨迹分布信息作为所述初始模型的初始标准差;
基于所述初始权重、所述初始均值、所述初始标准差和设定车道数量,对至少一个初始模型进行训练,生成至少一个候选模型,其中所述至少一个初始模型中各初始模型的设定车道数量不同;
从所述至少一个候选模型中选择所述目标模型。
5.根据权利要求2所述的方法,其特征在于,所述确定所述轨迹交点在所述目标道路中的位置信息,包括:
将所述轨迹交点至所述轨迹交点所属目标图形中一端点的距离与该目标图形在目标方向上尺寸的比值,作为所述轨迹交点在所述目标道路中的位置信息,其中所述目标方向是指所述端点和所述轨迹交点连线的方向。
6.根据权利要求1所述的方法,其特征在于,所述将所述目标道路的匹配轨迹与所述目标图形的交点作为轨迹交点,包括:
从所述目标道路的匹配轨迹中,提取目标转向的目标转向轨迹;
确定所述目标转向轨迹与所述目标图形的轨迹交点。
7.根据权利要求6所述的方法,其特征在于,所述根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息之后,所述方法还包括:
比较不同时间相同目标图形处所述目标道路的车道信息;
根据比较结果确定所述目标道路的目标转向车道信息是否发生变化。
8.根据权利要求1或3所述的方法,其特征在于,所述确定与目标道路相交的至少一个目标图形,包括:
以所述目标道路连接的转向路口为参照物,沿所述目标道路每隔设定距离确定一个目标图形,直至确定的目标图形的数量大于设定数量阈值。
9.根据权利要求1所述的方法,其特征在于,所述根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息之后,所述方法还包括:
比较不同时间相同目标图形处所述目标道路的车道信息,根据比较结果确定所述目标道路的车道信息是否发生变化。
10.根据权利要求9所述的方法,其特征在于,所述车道信息包括:车道数量和/或道路中心线位置;
相应地,所述根据比较结果确定所述目标道路的车道信息是否发生变化,包括:
若所述目标道路中车道数量不同的目标图形的数量大于等于第一阈值,则确定车道信息变化;
若所述目标道路中车道数量不同的目标图形的数量小于第一阈值,则计算所述目标道路中车道数量不同的目标图形的数量与所述目标道路中车道数量相同,且道路中心位置差大于设定位置差阈值的目标图形数量之和;
若计算的和大于等于第二阈值,则确定车道信息变化。
11.一种车道信息检测装置,其特征在于,包括:
图形确定模块,用于确定与目标道路相交的至少一个目标图形;
交点确定模块,用于将所述目标道路的匹配轨迹与所述目标图形的交点作为轨迹交点;
车道确定模块,用于根据所述轨迹交点确定所述目标道路在所述目标图形处的车道信息。
12.根据权利要求11所述的装置,其特征在于,所述车道确定模块,包括:
位置确定单元,用于确定所述轨迹交点在所述目标道路中的位置信息;
车道确定单元,用于根据所述轨迹交点的位置信息,确定所述目标道路在所述目标图形处的车道信息。
13.根据权利要求12所述的装置,其特征在于,所述车道确定单元具体用于:
将所述轨迹交点的位置信息输入目标模型,输出所述目标道路在所述轨迹交点所属目标图形处的车道信息,其中所述目标模型是带有约束的高斯混合模型,约束条件为同一目标图形处车道的属性信息和/或轨迹分布信息。
14.根据权利要求13所述的方法,其特征在于,所述装置还包括:
粗确定模块,用于对所述目标道路中的样本轨迹进行车道聚类,并根据聚类结果得到的各车道的样本轨迹确定车道的交通流量、车道的中心线位置和车道的轨迹分布信息;
赋初始值模块,用于将所述车道的交通流量作为初始模型的初始权重,将所述车道的中心线位置作为所述初始模型的初始均值,以及将所述车道的轨迹分布信息作为所述初始模型的初始标准差;
多模型训练模块,用于基于所述初始权重、所述初始均值、所述初始标准差和设定车道数量,对至少一个初始模型进行训练,生成至少一个候选模型,其中所述至少一个初始模型中各初始模型的设定车道数量不同;
目标模型选择模块,用于从所述至少一个候选模型中选择所述目标模型。
15.根据权利要求11所述的装置,其特征在于,所述交点确定模块,包括:
轨迹提取单元,用于从所述目标道路的匹配轨迹中,提取目标转向的目标转向轨迹;
交点确定单元,用于确定所述目标转向轨迹与所述目标图形的轨迹交点。
16.一种电子设备,其特征在于,所述设备包括:
一个或多个处理器;
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1-10中任一项所述的车道信息检测方法。
17.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-10中任一项所述的车道信息检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910704429.1A CN110389995B (zh) | 2019-07-31 | 2019-07-31 | 车道信息检测方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910704429.1A CN110389995B (zh) | 2019-07-31 | 2019-07-31 | 车道信息检测方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110389995A true CN110389995A (zh) | 2019-10-29 |
CN110389995B CN110389995B (zh) | 2023-02-21 |
Family
ID=68287934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910704429.1A Active CN110389995B (zh) | 2019-07-31 | 2019-07-31 | 车道信息检测方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110389995B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111341103A (zh) * | 2020-03-03 | 2020-06-26 | 鹏城实验室 | 车道信息提取方法、装置、设备及存储介质 |
CN111858801A (zh) * | 2020-06-30 | 2020-10-30 | 北京百度网讯科技有限公司 | 道路信息的挖掘方法、装置、电子设备及存储介质 |
CN112101527A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 识别车道变化的方法和装置、电子设备和存储介质 |
CN112241806A (zh) * | 2020-07-31 | 2021-01-19 | 深圳市综合交通运行指挥中心 | 道路破损概率预测方法、装置终端设备及可读存储介质 |
CN113139258A (zh) * | 2021-04-28 | 2021-07-20 | 北京百度网讯科技有限公司 | 道路数据处理方法、装置、设备及存储介质 |
CN113469075A (zh) * | 2021-07-07 | 2021-10-01 | 上海商汤智能科技有限公司 | 确定交通流量指标的方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003058997A (ja) * | 2001-08-09 | 2003-02-28 | Nissan Motor Co Ltd | 走行路環境検出装置 |
CN103295420A (zh) * | 2013-01-30 | 2013-09-11 | 吉林大学 | 一种车道线识别的方法 |
CN105005771A (zh) * | 2015-07-13 | 2015-10-28 | 西安理工大学 | 一种基于光流点轨迹统计的车道线实线的检测方法 |
CN105760812A (zh) * | 2016-01-15 | 2016-07-13 | 北京工业大学 | 一种基于Hough变换的车道线检测方法 |
CN105788274A (zh) * | 2016-05-18 | 2016-07-20 | 武汉大学 | 基于时空轨迹大数据的城市交叉口车道级结构提取方法 |
CN109871752A (zh) * | 2019-01-04 | 2019-06-11 | 北京航空航天大学 | 一种基于监控视频检测车流提取车道线的方法 |
-
2019
- 2019-07-31 CN CN201910704429.1A patent/CN110389995B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003058997A (ja) * | 2001-08-09 | 2003-02-28 | Nissan Motor Co Ltd | 走行路環境検出装置 |
CN103295420A (zh) * | 2013-01-30 | 2013-09-11 | 吉林大学 | 一种车道线识别的方法 |
CN105005771A (zh) * | 2015-07-13 | 2015-10-28 | 西安理工大学 | 一种基于光流点轨迹统计的车道线实线的检测方法 |
CN105760812A (zh) * | 2016-01-15 | 2016-07-13 | 北京工业大学 | 一种基于Hough变换的车道线检测方法 |
CN105788274A (zh) * | 2016-05-18 | 2016-07-20 | 武汉大学 | 基于时空轨迹大数据的城市交叉口车道级结构提取方法 |
CN109871752A (zh) * | 2019-01-04 | 2019-06-11 | 北京航空航天大学 | 一种基于监控视频检测车流提取车道线的方法 |
Non-Patent Citations (1)
Title |
---|
郑文斌: "基于浮动车轨迹数据的车道数量信息获取关键技术研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111341103A (zh) * | 2020-03-03 | 2020-06-26 | 鹏城实验室 | 车道信息提取方法、装置、设备及存储介质 |
CN111858801A (zh) * | 2020-06-30 | 2020-10-30 | 北京百度网讯科技有限公司 | 道路信息的挖掘方法、装置、电子设备及存储介质 |
CN111858801B (zh) * | 2020-06-30 | 2024-03-22 | 北京百度网讯科技有限公司 | 道路信息的挖掘方法、装置、电子设备及存储介质 |
CN112241806A (zh) * | 2020-07-31 | 2021-01-19 | 深圳市综合交通运行指挥中心 | 道路破损概率预测方法、装置终端设备及可读存储介质 |
CN112241806B (zh) * | 2020-07-31 | 2021-06-22 | 深圳市综合交通运行指挥中心 | 道路破损概率预测方法、装置终端设备及可读存储介质 |
CN112101527A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 识别车道变化的方法和装置、电子设备和存储介质 |
CN112101527B (zh) * | 2020-09-15 | 2023-09-01 | 北京百度网讯科技有限公司 | 识别车道变化的方法和装置、电子设备和存储介质 |
CN113139258A (zh) * | 2021-04-28 | 2021-07-20 | 北京百度网讯科技有限公司 | 道路数据处理方法、装置、设备及存储介质 |
WO2022227487A1 (zh) * | 2021-04-28 | 2022-11-03 | 北京百度网讯科技有限公司 | 道路数据处理方法、装置、设备及存储介质 |
CN113139258B (zh) * | 2021-04-28 | 2024-01-09 | 北京百度网讯科技有限公司 | 道路数据处理方法、装置、设备及存储介质 |
CN113469075A (zh) * | 2021-07-07 | 2021-10-01 | 上海商汤智能科技有限公司 | 确定交通流量指标的方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110389995B (zh) | 2023-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110389995A (zh) | 车道信息检测方法、装置、设备和介质 | |
CN106912018B (zh) | 基于信令轨迹的地图匹配方法及*** | |
Hsueh et al. | Map matching for low-sampling-rate GPS trajectories by exploring real-time moving directions | |
US10339669B2 (en) | Method, apparatus, and system for a vertex-based evaluation of polygon similarity | |
KR102335389B1 (ko) | 자율 주행 차량의 lidar 위치 추정을 위한 심층 학습 기반 특징 추출 | |
KR102350181B1 (ko) | 자율 주행 차량에서 rnn 및 lstm을 사용하여 시간적 평활화를 수행하는 lidar 위치 추정 | |
CN105528359B (zh) | 用于存储行进轨迹的方法和*** | |
CN112212874B (zh) | 车辆轨迹预测方法、装置、电子设备及计算机可读介质 | |
WO2020224305A1 (zh) | 用于设备定位的方法、装置及设备 | |
CN108995657A (zh) | 操作自动驾驶车辆的方法和数据处理*** | |
CN105069809A (zh) | 一种基于平面混合标识物的相机定位方法及*** | |
CN109256028A (zh) | 一种用于无人驾驶的高精度路网自动生成的方法 | |
CN108287872A (zh) | 一种建筑物变化检测方法、装置、服务器和存储介质 | |
CN110909788A (zh) | 一种基于统计聚类的轨迹数据中道路交叉口位置识别方法 | |
CN105136160A (zh) | 一种基于移动终端和增强现实技术的近距离最优公交站点导航方法 | |
CN109583505A (zh) | 一种多传感器的物体关联方法、装置、设备及介质 | |
CN110097121A (zh) | 一种行驶轨迹的分类方法、装置、电子设备及存储介质 | |
US10909714B2 (en) | Method, apparatus, and system for providing a distance marker in an image | |
CN109101743A (zh) | 一种高精度路网模型的构建方法 | |
CN116518960B (zh) | 路网更新方法、装置、电子设备和存储介质 | |
EP4202365A1 (en) | Method, apparatus, and computer program product for identifying and correcting lane geometry in map data | |
Rehrl et al. | Comparing the effectiveness of GPS-enhanced voice guidance for pedestrians with metric-and landmark-based instruction sets | |
CN104156969B (zh) | 基于全景影像景深图的探面方法 | |
CN104121917B (zh) | 一种自动发现新建桥梁的方法和装置 | |
Yi et al. | Improving synthetic to realistic semantic segmentation with parallel generative ensembles for autonomous urban driving |
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 |