CN110645996B - 一种感知数据的提取方法及*** - Google Patents
一种感知数据的提取方法及*** Download PDFInfo
- Publication number
- CN110645996B CN110645996B CN201910878284.7A CN201910878284A CN110645996B CN 110645996 B CN110645996 B CN 110645996B CN 201910878284 A CN201910878284 A CN 201910878284A CN 110645996 B CN110645996 B CN 110645996B
- Authority
- CN
- China
- Prior art keywords
- data
- map data
- perception data
- curve
- curve equation
- 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
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种感知数据的提取方法,方法包括:获取当前定位,加载当前定位的设定范围内的地图数据;跟据定位结果匹配车辆所在车道,生成地图数据的车道线的三阶曲线方程;处理视觉传感器对车身前方车道线的感知数据,生成感知数据的车道线的三阶曲线方程;将地图数据以及感知数据的车道线的三阶曲线方程进行曲线相似度匹配,将相似度低于设定阈值的感知数据进行提取上传。此种方法极大的削减了传输到云端的数据量,对数据传输的带宽使用率,传输速度都有很大提升,在云端处理数据量占用的内存更小,从而提高了制作效率。
Description
技术领域
本发明涉及电子地图领域,具体涉及一种感知数据的提取方法及***。
背景技术
众包地图是一种新型的网络地理信息服务,具有数据量大、信息丰富以及成本低廉等优点,已经发展成为一种重要的地理信息来源,众包地图是非专业用户协同编辑的结果,受到贡献者能力与空间分布等因素的限制。在众包制图的过程中,将带摄像头的视觉设备或者激光、雷达等光学设备安装在车身上,在车行驶过程中,视觉设备和光学设备会采集到道路的车道线,车道线颜色,标志牌,红绿灯等数据。通过一个应用程序接收到这些数据后,对其进行打包,再传输到自有云,经过分析、处理后,生成地图数据。
在城市道路状况下,使用感知设备采集到的数据量比较大,而使用众包数据制作地图时需要在同一条线路上采集多次,数据采样量越大,在做聚类和融合算法时精度会相对更高,但是数据越多,计算所耗时间和性能越多。
发明内容
本发明针对现有技术中存在的技术问题,提供一种感知数据的提取方法和***,解决感知设备采集到的数据量比较大的问题。
本发明解决上述技术问题的技术方案如下:一种感知数据的提取方法,所述方法包括:
步骤1,获取当前定位,加载当前定位的设定范围内的地图数据;
步骤2,跟据定位结果匹配车辆所在车道,生成地图数据的车道线的三阶曲线方程;
步骤3,处理视觉传感器对车身前方车道线的感知数据,生成感知数据的车道线的三阶曲线方程;
步骤4,将所述地图数据以及所述感知数据的车道线的三阶曲线方程进行曲线相似度匹配,将相似度低于设定阈值的所述感知数据进行提取上传。。
本发明的有益效果是:在获取设备的感知数据时,同步与本地携带的高精度数据作对比,感知数据与高精度能匹配上,就不处理;若不能匹配上,则当成差异点,将感知数据传送到云端,极大的削减了传输到云端的数据量,对数据传输的带宽使用率,传输速度都有很大提升,在云端处理数据量占用的内存更小,从而提高了制作效率。
一种感知数据的提取***,所述***包括:
地图数据获取模块,用于获取当前定位,加载当前定位的设定范围内的地图数据;
地图数据曲线方程生成模块,用于跟据定位结果匹配车辆所在车道,生成地图数据的车道线的三阶曲线方程;
感知数据曲线方程生成模块,用于处理视觉传感器对车身前方车道线的感知数据,生成感知数据的车道线的三阶曲线方程;
感知数据提取上传模块,用于将所述地图数据以及所述感知数据的车道线的三阶曲线方程进行曲线相似度匹配,将相似度低于设定阈值的所述感知数据进行提取上传。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述步骤1中获取GPS定位结果,根据GPS定位结果加载当前定位的设定范围内的地图数据;
所述设定范围根据GPS定位精度或感知数据的范围和精度设置。
进一步,所述步骤2包括:
跟据定位结果匹配车辆所在车道,结合左右车道,对所述地图数据用最小二乘法将车道左右边线的形点串拟合成三阶曲线方程;
进一步,所述步骤4中进行曲线相似度匹配之前还包括:
y1(xi)和y2(xi)分别表示地图数据以及感知数据的车道线的三阶曲线方程,xi表示曲线上每个点的横坐标,N表示点的数量;
给定向量xi,求出所述最小残差平方和e最小时所对应的所述地图数据以及所述感知数据的车道线的三阶曲线方程。
进一步,所述步骤4中根据所述地图数据以及所述感知数据的车道线的三阶曲线方程的曲线距离进行相似度匹配,将曲线距离低于设定的距离阈值的所述感知数据进行提取上传。
进一步,所述曲线距离为曲线的弗雷歇距离,公式为:
inf表示曲线A和曲线B的最小距离,α表示曲线A在t时刻位置,β表示曲线B在t时刻位置,A表示曲线A轨迹,B表示曲线B轨迹。
采用上述进一步方案的有益效果是:通过计算曲线的弗雷歇距离来确定曲线相似度是否超过设定的阈值,确定的过程简单直接。
附图说明
图1为本发明实施例提供的一种感知数据的提取方法的流程图;
图2为本发明实施例提供的一种感知数据的提取***的结构示意图;
图3为本发明实施例提供的一种电子设备的实体结构示意图。
附图中,各标号所代表的部件列表如下:
101、地图数据获取模块,102、地图数据曲线方程生成模块,103、感知数据曲线方程生成模块,104、感知数据提取上传模块,201、处理器,202、通信接口,203、存储器,204、通信总线。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
本发明提供的一种感知数据的提取方法,如图1所示为本发明提供的一种感知数据的提取方法的流程图,由图1可知,包括:
步骤1,获取当前定位,加载当前定位的设定范围内的地图数据。
步骤2,跟据定位结果匹配车辆所在车道,生成地图数据的车道线的三阶曲线方程。
步骤3,处理视觉传感器对车身前方车道线的感知数据,生成感知数据的车道线的三阶曲线方程。
步骤4,将地图数据以及感知数据的车道线的三阶曲线方程进行曲线相似度匹配,将相似度低于设定阈值的感知数据进行提取上传。
在获取设备的感知数据时,同步与本地携带的高精度数据作对比,感知数据与高精度能匹配上,就不处理;若不能匹配上,则当成差异点,将感知数据传送到云端,极大的削减了传输到云端的数据量,对数据传输的带宽使用率,传输速度都有很大提升,在云端处理数据量占用的内存更小,从而提高了制作效率。
实施例1
本发明提供的实施例1为本发明提供的一种感知数据的提取方法的实施例,本实施例包括:步骤1,获取当前定位,加载当前定位的设定范围内的地图数据。
具体的,获取的当前定位为GPS定位,设定范围可以根据GPS定位精度或感知数据的范围和精度设置,本发明提供的实施例中为100米。因此,步骤1具体为获取GPS定位结果,加载半径100米内的高精度地图数据。
步骤2,跟据定位结果匹配车辆所在车道,生成地图数据的车道线的三阶曲线方程:y1=a1+b1+c1xi 2+d1xi 3。
a1表示常量系数,b1表示一次项系数,c1表示二次项系数,d1表示三次项系数,xi表示曲线上每个点的横坐标。
具体的,生成该三阶曲线方程的过程包括:
步骤3,处理视觉传感器对车身前方车道线的感知数据,生成三阶曲线方程y2=a2+b2+c2xi 2+d2xi 3。
a2表示常量系数,b2表示一次项系数,c2表示二次项系数,d2表示三次项系数。
步骤4,将地图数据以及感知数据的车道线的三阶曲线方程进行曲线相似度匹配,将相似度低于设定阈值的感知数据进行提取上传。
具体的,步骤4中进行曲线相似度匹配之前还包括:
y1(xi)和y2(xi)分别表示地图数据以及感知数据的车道线的三阶曲线方程,xi表示曲线上每个点的横坐标,N表示点的数量。
给定向量xi,求出最小残差平方和e最小时所对应的地图数据以及感知数据的车道线的三阶曲线方程。
优选的,根据地图数据以及感知数据的车道线的三阶曲线方程的曲线进行相似度匹配,将曲线距离低于设定的距离阈值的感知数据进行提取上传。
具体的,该距离为弗雷歇距离,具体公式为:
inf表示曲线A和曲线B的最小距离,α表示曲线A在t时刻位置,β表示曲线B在t时刻位置,A表示曲线A轨迹,B表示曲线B轨迹。
如果相似度较高,则认为感知到的真实车道边线和地图数据车道线是能够匹配的,否则认为此处真实车道线发生了变化,则将此处当成一个差异点来处理,对差异点的数据进行提取上传。
实施例2
基于上述实施例的内容,作为一种可选实施例,图2为本发明实施例提供的一种感知数据的提取***的结构示意图,如图2所示,该***包括:地图数据获取模块101、地图数据曲线方程生成模块102、感知数据曲线方程生成模块103和感知数据提取上传模块104。
地图数据获取模块101,用于获取当前定位,加载当前定位的设定范围内的地图数据。
地图数据曲线方程生成模块102,用于跟据定位结果匹配车辆所在车道,生成地图数据的车道线的三阶曲线方程。
感知数据曲线方程生成模块103,用于处理视觉传感器对车身前方车道线的感知数据,生成感知数据的车道线的三阶曲线方程。
感知数据提取上传模块104,用于将地图数据以及感知数据的车道线的三阶曲线方程进行曲线相似度匹配,将相似度低于设定阈值的感知数据进行提取上传。
需要说明的是,本发明实施例提供的装置,具体执行上述各实施例中的方法,具体详见上述各方法实施例,本发明实施例对此不再进行赘述。
图3为本发明实施例提供的一种电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器201、通信接口202、存储器203和通信总线204,其中,处理器201,通信接口202,存储器203通过通信总线204完成相互间的通信。处理器201可以调用存储在存储器203上并可在处理器201上运行的计算机程序,以执行上述各实施例提供的感知数据的提取方法,例如包括:步骤1,获取当前定位,加载当前定位的设定范围内的地图数据。步骤2,跟据定位结果匹配车辆所在车道,生成地图数据的车道线的三阶曲线方程。步骤3,处理视觉传感器对车身前方车道线的感知数据,生成感知数据的车道线的三阶曲线方程。步骤4,将地图数据以及感知数据的车道线的三阶曲线方程进行曲线相似度匹配,将相似度低于设定阈值的感知数据进行提取上传。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的感知数据的提取方法,例如包括:步骤1,获取当前定位,加载当前定位的设定范围内的地图数据。步骤2,跟据定位结果匹配车辆所在车道,生成地图数据的车道线的三阶曲线方程。步骤3,处理视觉传感器对车身前方车道线的感知数据,生成感知数据的车道线的三阶曲线方程。步骤4,将地图数据以及感知数据的车道线的三阶曲线方程进行曲线相似度匹配,将相似度低于设定阈值的感知数据进行提取上传。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (7)
1.一种感知数据的提取方法,其特征在于,所述方法包括:
步骤1,获取当前定位,加载当前定位的设定范围内的地图数据;
步骤2,跟据定位结果匹配车辆所在车道,生成地图数据的车道线的三阶曲线方程;
步骤3,处理视觉传感器对车身前方车道线的感知数据,生成感知数据的车道线的三阶曲线方程;
步骤4,将所述地图数据以及所述感知数据的车道线的三阶曲线方程进行曲线相似度匹配,将相似度低于设定阈值的所述感知数据进行提取上传;
所述步骤4中进行曲线距离相似度匹配之前还包括:
y1(xi)和y2(xi)分别表示地图数据以及感知数据的车道线的三阶曲线方程,xi表示曲线上每个点的横坐标,N表示点的数量;
给定向量xi,求出所述最小残差平方和e最小时所对应的所述地图数据以及所述感知数据的车道线的三阶曲线方程;
所述步骤4中根据所述地图数据以及所述感知数据的车道线的三阶曲线方程的弗雷歇距离进行相似度匹配。
2.根据权利要求1所述的方法,其特征在于,所述步骤1中获取GPS定位结果,根据GPS定位结果加载当前定位的设定范围内的地图数据;
所述设定范围根据GPS定位精度或感知数据的范围和精度设置。
5.一种感知数据的提取***,其特征在于,所述***包括:
地图数据获取模块,用于获取当前定位,加载当前定位的设定范围内的地图数据;
地图数据曲线方程生成模块,用于跟据定位结果匹配车辆所在车道,生成地图数据的车道线的三阶曲线方程;
感知数据曲线方程生成模块,用于处理视觉传感器对车身前方车道线的感知数据,生成感知数据的车道线的三阶曲线方程;
感知数据提取上传模块,用于将所述地图数据以及所述感知数据的车道线的三阶曲线方程的曲线距离进行相似度匹配,将曲线距离低于设定的距离阈值的所述感知数据进行提取上传;
进行曲线距离相似度匹配之前还包括:
y1(xi)和y2(xi)分别表示地图数据以及感知数据的车道线的三阶曲线方程,xi表示曲线上每个点的横坐标,N表示点的数量;
给定向量xi,求出所述最小残差平方和e最小时所对应的所述地图数据以及所述感知数据的车道线的三阶曲线方程。
6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述感知数据的提取方法的步骤。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4任一项所述感知数据的提取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910878284.7A CN110645996B (zh) | 2019-09-17 | 2019-09-17 | 一种感知数据的提取方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910878284.7A CN110645996B (zh) | 2019-09-17 | 2019-09-17 | 一种感知数据的提取方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110645996A CN110645996A (zh) | 2020-01-03 |
CN110645996B true CN110645996B (zh) | 2021-07-16 |
Family
ID=69010630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910878284.7A Active CN110645996B (zh) | 2019-09-17 | 2019-09-17 | 一种感知数据的提取方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110645996B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113155143A (zh) * | 2020-01-23 | 2021-07-23 | 宝马股份公司 | 用于评估自动驾驶用的地图的方法、设备和车辆 |
CN111341103B (zh) * | 2020-03-03 | 2021-04-27 | 鹏城实验室 | 车道信息提取方法、装置、设备及存储介质 |
CN112749680A (zh) * | 2021-01-25 | 2021-05-04 | 蔚来汽车科技(安徽)有限公司 | 用于构建道路模型的方法和设备 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3556766B2 (ja) * | 1996-05-28 | 2004-08-25 | 松下電器産業株式会社 | 道路白線検出装置 |
CN105741595B (zh) * | 2016-04-27 | 2018-02-27 | 常州加美科技有限公司 | 一种基于云端数据库的无人驾驶车辆导航行车方法 |
CN106092097A (zh) * | 2016-06-15 | 2016-11-09 | 北京奇虎科技有限公司 | 空间活动轨迹生成方法、装置 |
CN109084782B (zh) * | 2017-06-13 | 2024-03-12 | 蔚来(安徽)控股有限公司 | 基于摄像头传感器的车道线地图构建方法以及构建*** |
CN107462243B (zh) * | 2017-08-04 | 2019-09-20 | 浙江大学 | 一种基于高精度地图的云控自动驾驶任务生成方法 |
CN109186615A (zh) * | 2018-09-03 | 2019-01-11 | 武汉中海庭数据技术有限公司 | 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 |
CN109781122B (zh) * | 2019-01-31 | 2022-03-01 | 北京经纬恒润科技股份有限公司 | 高精度地图更新方法及装置 |
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*** |
-
2019
- 2019-09-17 CN CN201910878284.7A patent/CN110645996B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110645996A (zh) | 2020-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6862409B2 (ja) | 地図生成及び移動主体の位置決めの方法及び装置 | |
CN108198145B (zh) | 用于点云数据修复的方法和装置 | |
CN110645996B (zh) | 一种感知数据的提取方法及*** | |
CN110345951B (zh) | 一种adas高精度地图的生成方法及装置 | |
AU2017311610B2 (en) | Methods and systems for modifying location information of a request | |
CN111191487A (zh) | 车道线的检测及驾驶控制方法、装置和电子设备 | |
CN112257605B (zh) | 基于自标注训练样本的三维目标检测方法、***及装置 | |
CN110413905B (zh) | 获取道路线形的方法、装置、设备及存储介质 | |
CN111582054B (zh) | 点云数据处理方法及装置、障碍物检测方法及装置 | |
CN108230235B (zh) | 一种视差图生成***、方法及存储介质 | |
CN111190199B (zh) | 定位方法及定位装置、计算机设备和可读存储介质 | |
CN112313703A (zh) | 点云的增量分割 | |
CN115272572A (zh) | 输电线路重建方法、装置、电子设备及存储介质 | |
CN114494435A (zh) | 视觉与高精地图匹配定位的快速优化方法、***及介质 | |
CN110770540B (zh) | 用于构建环境模型的方法和装置 | |
CN109657556B (zh) | 道路及其周边地物的分类方法及*** | |
CN110363847B (zh) | 一种基于点云数据的地图模型构建方法和装置 | |
CN110570468A (zh) | 一种基于深度学习的双目视觉深度估计方法及其*** | |
CN109711363B (zh) | 车辆定位方法、装置、设备和存储介质 | |
CN110660133A (zh) | 电子地图的三维抽稀方法和装置 | |
CN114842287A (zh) | 深度引导变形器的单目三维目标检测模型训练方法及装置 | |
CN114283397A (zh) | 全局重定位方法、装置、设备及存储介质 | |
CN115063759B (zh) | 一种三维车道线检测方法、装置、交通工具及存储介质 | |
CN113269827A (zh) | 一种实现自动化标定的方法和计算装置 | |
JP7425169B2 (ja) | 画像処理方法、装置、電子機器、記憶媒体及びコンピュータプログラム |
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 |