CN110749329B - 一种基于结构化道路的车道级拓扑构建方法及装置 - Google Patents
一种基于结构化道路的车道级拓扑构建方法及装置 Download PDFInfo
- Publication number
- CN110749329B CN110749329B CN201911026990.5A CN201911026990A CN110749329B CN 110749329 B CN110749329 B CN 110749329B CN 201911026990 A CN201911026990 A CN 201911026990A CN 110749329 B CN110749329 B CN 110749329B
- Authority
- CN
- China
- Prior art keywords
- lane
- lines
- acquiring
- road
- line
- 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
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于结构化道路的车道级拓扑构建方法及装置,包括:基于道路内的多条车道线,获取道路内的参考线;获取车道变化的分割点;利用各分割点将多条车道线打断,得到多个车道变化区域块;基于切割后的车道线,获取多个车道变化区域块对应的多条车道中心线;利用多条车道中心线,获取车道级拓扑。相较于现有技术该方法具有以下有益效果:(1)该方案以道路为单位整体进行处理,能够更好的解决道路内的车道增减问题;(2)该方案以车道线首尾点的里程信息聚类分组,更好地基于车道线还原车道增减区域;(3)该方案按区域块构建拓扑,将不规整的车道线切割划分为规整的车道线构建拓扑,更方便车道增减区域的路径规划。
Description
技术领域
本发明涉及网络拓扑构建技术领域,更具体地,涉及一种基于结构化道路的车道级拓扑构建方法及装置。
背景技术
众包车搭载视觉识别技术,采集道路上的车道印刷线构建高精度地图是目前自动驾驶领域低成本快速众包成图的主流趋势。但高精度地图远不止提取出来的高精度车道印刷线,还包含复杂的网络拓扑关系,以满足自动驾驶车定位,导航和路径规划等基本需求。因此如何根据提取的车道印刷线构建网络拓扑是高精度地图众包成图亟需解决的问题,包括车道增减处的拓扑构建以及路口内的拓扑构建。
直接使用结构化的车道线,是无法满足自动驾驶车定位,导航和路径规划等的需求。对于自动驾驶车而言,当它根据GPS位置以及附近的车道线信息定位后,下一步如何规划是车道线信息无法提供的,这种情况下,就需要根据高精度地图的先验知识和传感器实时感知的路况来进行路径规划,而所谓的高精度地图的先验知识很重要的一部分就是路网拓扑信息。因此,亟需提供一种基于结构化道路的车道级拓扑构建方法。
发明内容
本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的基于道路级拓扑的车道线组结构化的方法及装置。
第一方面,本发明实施例提供了一种基于结构化道路的车道级拓扑构建方法,包括:
基于道路内的多条车道线,获取所述道路内的参考线;
获取各车道线首尾点相对于所述参考线的里程,并对各里程进行DBSCAN聚类分组,并将得到的每个分组对应的里程平均值作为车道变化的分割点;
利用各分割点将所述多条车道线打断,得到多个车道变化区域块;
基于切割后的车道线,获取所述多个车道变化区域块对应的多条车道中心线;
利用所述多条车道中心线,获取车道级拓扑。
进一步,所述基于道路内的多条车道线,获取所述道路内的参考线,具体包括:
基于所述多条车道线,构建方向包围盒;
获取所述方向包围盒的中心线,并对所述方向包围盒的中心线进行分段后计算各段内的车道线形点的航向角均值;
基于所述方向包围盒的中心线和所述航向角均值,获取所述参考线。
进一步,所述利用各分割点将所述多条车道线打断,得到多个车道变化区域块,具体包括:
利用各分割点作所述道路参考线的垂线;
利用各垂线将所述多条车道线打断,并将打断后的车道线分块,得到所述多个车道变化区域块。
进一步,所述基于切割后的车道线,获取所述多个车道变化区域块对应的多条车道中心线,具体包括:
基于切割后的车道线,将左右相邻的车道线构成一个车道,收集车道内的GPS轨迹点,并根据收集的轨迹点数据拟合得到所述车道中心线。
进一步,所述基于切割后的车道线,获取所述多个车道变化区域块对应的多条车道中心线,具体包括:
基于切割后的车道线,将左右相邻的车道线构成一个车道,取左右车道边线的中轴线作为所述车道中心线。
进一步,所述利用所述多条车道中心线,获取车道级拓扑,具体包括:
沿着行驶方向,构建各块间车道中心线的拓扑连通,得到车道级拓扑。
第二方面,本发明实施例提供了一种基于结构化道路的车道级拓扑构建装置,包括:
参考线获取模块,用于基于道路内的多条车道线,获取所述道路内的参考线;
分割点获取模块,用于获取各车道线首尾点相对于所述参考线的里程,并对各里程进行DBSCAN聚类分组,并将得到的每个分组对应的里程平均值作为车道变化的分割点;
车道变化区块获取模块,用于利用各分割点将所述多条车道线打断,得到多个车道变化区域块;
车道中心线获取模块,用于基于切割后的车道线,获取所述多个车道变化区域块对应的多条车道中心线;
构建模块,用于利用所述多条车道中心线,获取车道级拓扑。
进一步,所述参考线获取模块具体用于:
所述基于道路内的多条车道线,获取所述道路内的参考线,具体包括:
基于所述多条车道线,构建方向包围盒;
获取所述方向包围盒的中心线,并对所述方向包围盒的中心线进行分段后计算各段内的车道线形点的航向角均值;
基于所述方向包围盒的中心线和所述航向角均值,获取所述参考线。
第三方面,本发明实施例提供一种电子设备,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,所述处理器执行所述程序时实现如第一方面所提供的基于结构化道路的车道级拓扑构建方法的步骤。
第四方面,本发明实施例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如第一方面所提供的基于结构化道路的车道级拓扑构建方法的步骤。
本发明实施例提供的一种基于结构化道路的车道级拓扑构建方法及装置,相较于现有技术该方法具有以下有益效果:
(1)该方案以道路为单位整体进行处理,能够更好的解决道路内的车道增减问题;
(2)该方案以车道线首尾点的里程信息聚类分组,更好地基于车道线还原车道增减区域;
(3)该方案按区域块构建拓扑,将不规整的车道线切割划分为规整的车道线构建拓扑,更方便车道增减区域的路径规划。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1为本发明实施例提供的一种基于结构化道路的车道级拓扑构建方法的流程图;
图2为本发明实施例的具体实现方式的流程示意图;
图3为本发明实施例提供的一种基于结构化道路的车道级拓扑构建装置的结构框图;
图4为本发明实施例提供的电子设备的实体结构示意图。
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。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。
图1为本发明实施例提供的一种基于结构化道路的车道级拓扑构建方法的流程图,如图1所示,该方法包括:
S101,基于道路内的多条车道线,获取所述道路内的参考线;
S102,获取各车道线首尾点相对于所述参考线的里程,并对各里程进行DBSCAN聚类分组,并将得到的每个分组对应的里程平均值作为车道变化的分割点;
S103,利用各分割点将所述多条车道线打断,得到多个车道变化区域块;
S104,基于切割后的车道线,获取所述多个车道变化区域块对应的多条车道中心线;
S105,利用所述多条车道中心线,获取车道级拓扑。
具体地,为了现有技术中存在的问题,本发明实施例以道路为单位,首先根据道路内的车道线计算得到该条道路的道路参考线;其次收集车道线的首尾点相对于道路参考线的里程,根据首尾点的里程进行聚类分组;然后基于分组信息将车道线切割为不同的车道增减区域;最后基于划分的车道增减区域块,沿道路行驶方向,构建各块间的拓扑连通并补充道路与道路间的拓扑连通。
本发明实施例提供的一种基于基于结构化道路的车道级拓扑构建方法,相较于现有技术该方法具有以下有益效果:
(1)该方案以道路为单位整体进行处理,能够更好的解决道路内的车道增减问题;
(2)该方案以车道线首尾点的里程信息聚类分组,更好地基于车道线还原车道增减区域;
(3)该方案按区域块构建拓扑,将不规整的车道线切割划分为规整的车道线构建拓扑,更方便车道增减区域的路径规划。
如图2所示,为本发明实施例的具体实现方式的流程示意图。
基于上述实施例的内容,在本发明的一种可选实施例中,所述基于道路内的多条车道线,获取所述道路内的参考线,具体包括:
基于所述多条车道线,构建方向包围盒;
获取所述方向包围盒的中心线,并对所述方向包围盒的中心线进行分段后计算各段内的车道线形点的航向角均值;
基于所述方向包围盒的中心线和所述航向角均值,获取所述参考线。
具体地,以道路内的车道线形点数据,计算协方差矩阵,构建方向包围盒;取方向包围盒的中心线,以一定距离(可调整,比如3m)分段并计算各段内的车道线形点的航向角均值。指定中心线起点,以航向角往后延伸,得到道路参考线。
该实施例带来的好处是计算的道路参考线来源于原始车道线的形点航向角,在一定距离内,可以描述道路的走势。另外,用一定较短距离的线段累计表达道路参考线,避免了弯曲道路无法描述的问题。
基于上述实施例的内容,在本发明的一种可选实施例中,所述利用各分割点将所述多条车道线打断,得到多个车道变化区域块,具体包括:
利用各分割点作所述道路参考线的垂线;
利用各垂线将所述多条车道线打断,并将打断后的车道线分块,得到所述多个车道变化区域块。
具体地,以分组得到的分割点作道路参考线的垂线,将所有车道线打断,并将打断后的车道线分块,得到多个可能的车道增减区域块。
基于上述实施例的内容,在本发明的一种可选实施例中,所述基于切割后的车道线,获取所述多个车道变化区域块对应的多条车道中心线,具体包括:
基于切割后的车道线,将左右相邻的车道线构成一个车道,收集车道内的GPS轨迹点,并根据收集的轨迹点数据拟合得到所述车道中心线。
基于上述实施例的内容,在本发明的一种可选实施例中,所述基于切割后的车道线,获取所述多个车道变化区域块对应的多条车道中心线,具体包括:
基于切割后的车道线,将左右相邻的车道线构成一个车道,取左右车道边线的中轴线作为所述车道中心线。
具体地,有两种方案构建车道中心线:
第一种方案是基于切割的车道线,将左右相邻的车道线构成一个车道,收集车道内的GPS轨迹点,根据收集的轨迹点数据拟合得到车道中心线;
第二种方案是基于切割的车道线,将左右相邻的车道线构成一个车道,取左右车道边线的中轴线作为车道中心线。
其中,第一种方案的好处在于车道中心线来源于GPS轨迹点,表明采集车在该车道内的行驶路线,可以直接用于路径规划;但是部分车道内,可能没有足够的轨迹覆盖,这时,就需要使用第二种方案来辅助生成车道中心线。
基于上述实施例的内容,在本发明的一种可选实施例中,所述利用所述多条车道中心线,获取车道级拓扑,具体包括:
沿着行驶方向,构建各块间车道中心线的拓扑连通,得到车道级拓扑。
具体地,在道路内,沿着行驶方向,构建各块间车道中心线的拓扑连通。相邻两个区域块中,通过GPS轨迹点的连续性来判断不同区域块的各个车道之间是否存在拓扑连通关系。
在道路间,考虑到路口内一般是不存在车道线的,完全可以通过GPS轨迹,来构建两个道路间的拓扑连通,基于道路内已经分割的区域块结构,最终会转化为前继道路的最后一个区域块与后继道路的一个区域块的网路拓扑构建。
图3为本发明实施例提供的一种基于结构化道路的车道级拓扑构建装置的结构框图,如图3所示,包括:参考线获取模块301、分割点获取模块302、车道变化区块获取模块303、车道中心线获取模块304以及构建模块305。其中:
参考线获取模块301用于基于道路内的多条车道线,获取所述道路内的参考线;
分割点获取模块302用于获取各车道线首尾点相对于所述参考线的里程,并对各里程进行DBSCAN聚类分组,并将得到的每个分组对应的里程平均值作为车道变化的分割点;
车道变化区块获取模块303用于利用各分割点将所述多条车道线打断,得到多个车道变化区域块;
车道中心线获取模块304用于基于切割后的车道线,获取所述多个车道变化区域块对应的多条车道中心线;
构建模块305用于利用所述多条车道中心线,获取车道级拓扑。
具体地,本发明实施例提供的基于结构化道路的车道级拓扑构建装置,具体用于执行上述方法实施例中的基于结构化道路的车道级拓扑构建方法的步骤,由于上述实施例中已对基于结构化道路的车道级拓扑构建方法进行详细介绍,此处不对基于结构化道路的车道级拓扑构建装置的功能模块进行赘述。
本发明实施例提供的基于结构化道路的车道级拓扑构建装置,相较于现有技术该方法具有以下有益效果:
(1)该方案以道路为单位整体进行处理,能够更好的解决道路内的车道增减问题;
(2)该方案以车道线首尾点的里程信息聚类分组,更好地基于车道线还原车道增减区域;
(3)该方案按区域块构建拓扑,将不规整的车道线切割划分为规整的车道线构建拓扑,更方便车道增减区域的路径规划。
图4为本发明实施例提供的电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储在存储器430上并可在处理器410上运行的计算机程序,以执行上述各方法实施例所提供的基于结构化道路的车道级拓扑构建方法,例如包括:基于道路内的多条车道线,获取所述道路内的参考线;获取各车道线首尾点相对于所述参考线的里程,并对各里程进行DBSCAN聚类分组,并将得到的每个分组对应的里程平均值作为车道变化的分割点;利用各分割点将所述多条车道线打断,得到多个车道变化区域块;基于切割后的车道线,获取所述多个车道变化区域块对应的多条车道中心线;利用所述多条车道中心线,获取车道级拓扑。
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上述各方法实施例提供的基于结构化道路的车道级拓扑构建方法,例如包括:基于道路内的多条车道线,获取所述道路内的参考线;获取各车道线首尾点相对于所述参考线的里程,并对各里程进行DBSCAN聚类分组,并将得到的每个分组对应的里程平均值作为车道变化的分割点;利用各分割点将所述多条车道线打断,得到多个车道变化区域块;基于切割后的车道线,获取所述多个车道变化区域块对应的多条车道中心线;利用所述多条车道中心线,获取车道级拓扑。
以上所描述的装置实施例仅仅是示意性的,其中所述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,即可以位于一个地方,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。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于结构化道路的车道级拓扑构建方法,其特征在于,包括:
基于道路内的多条车道线,获取所述道路内的参考线;包括:基于多条车道线,构建方向包围盒;获取所述方向包围盒的中心线,并对所述方向包围盒的中心线进行分段后计算各段内的车道线形点的航向角均值;基于所述方向包围盒的中心线和所述航向角均值,获取道路内的参考线;
获取各车道线首尾点相对于所述参考线的里程,并对各里程进行DBSCAN聚类分组,并将得到的每个分组对应的里程平均值作为车道变化的分割点;
利用各分割点将所述多条车道线打断,得到多个车道变化区域块;
基于切割后的车道线,获取所述多个车道变化区域块对应的多条车道中心线;
利用所述多条车道中心线,获取车道级拓扑。
2.根据权利要求1所述的方法,其特征在于,所述利用各分割点将所述多条车道线打断,得到多个车道变化区域块,具体包括:
利用各分割点作所述道路参考线的垂线;
利用各垂线将所述多条车道线打断,并将打断后的车道线分块,得到所述多个车道变化区域块。
3.根据权利要求1所述的方法,其特征在于,所述基于切割后的车道线,获取所述多个车道变化区域块对应的多条车道中心线,具体包括:
基于切割后的车道线,将左右相邻的车道线构成一个车道,收集车道内的GPS轨迹点,并根据收集的轨迹点数据拟合得到所述车道中心线。
4.根据权利要求1所述的方法,其特征在于,所述基于切割后的车道线,获取所述多个车道变化区域块对应的多条车道中心线,具体包括:
基于切割后的车道线,将左右相邻的车道线构成一个车道,取左右车道边线的中轴线作为所述车道中心线。
5.根据权利要求1所述的方法,其特征在于,所述利用所述多条车道中心线,获取车道级拓扑,具体包括:
沿着行驶方向,构建各块间车道中心线的拓扑连通,得到车道级拓扑。
6.一种基于结构化道路的车道级拓扑构建装置,其特征在于,包括:
参考线获取模块,用于基于道路内的多条车道线,获取所述道路内的参考线;其中,参考线获取模块具体用于:所述基于道路内的多条车道线,获取所述道路内的参考线,具体包括:基于所述多条车道线,构建方向包围盒;获取所述方向包围盒的中心线,并对所述方向包围盒的中心线进行分段后计算各段内的车道线形点的航向角均值;基于所述方向包围盒的中心线和所述航向角均值,获取所述参考线;
分割点获取模块,用于获取各车道线首尾点相对于所述参考线的里程,并对各里程进行DBSCAN聚类分组,并将得到的每个分组对应的里程平均值作为车道变化的分割点;
车道变化区块获取模块,用于利用各分割点将所述多条车道线打断,得到多个车道变化区域块;
车道中心线获取模块,用于基于切割后的车道线,获取所述多个车道变化区域块对应的多条车道中心线;
构建模块,用于利用所述多条车道中心线,获取车道级拓扑。
7.一种电子设备,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5任一项所述基于结构化道路的车道级拓扑构建方法的步骤。
8.一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5任一所述基于结构化道路的车道级拓扑构建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911026990.5A CN110749329B (zh) | 2019-10-26 | 2019-10-26 | 一种基于结构化道路的车道级拓扑构建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911026990.5A CN110749329B (zh) | 2019-10-26 | 2019-10-26 | 一种基于结构化道路的车道级拓扑构建方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110749329A CN110749329A (zh) | 2020-02-04 |
CN110749329B true CN110749329B (zh) | 2021-08-17 |
Family
ID=69280177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911026990.5A Active CN110749329B (zh) | 2019-10-26 | 2019-10-26 | 一种基于结构化道路的车道级拓扑构建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110749329B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113375680B (zh) * | 2020-03-10 | 2024-03-29 | 阿里巴巴集团控股有限公司 | 电子地图中线要素的合并方法、装置与设备 |
CN111707277B (zh) * | 2020-05-22 | 2022-01-04 | 上海商汤临港智能科技有限公司 | 获取道路语义信息的方法、装置及介质 |
CN111947678B (zh) * | 2020-08-27 | 2024-02-02 | 合肥智行者科技有限公司 | 一种针对结构化道路的自动驾驶导航方法及*** |
CN112487123A (zh) * | 2020-12-05 | 2021-03-12 | 武汉中海庭数据技术有限公司 | 基于大范围高精度地图的道路连通性测试方法及*** |
CN112683286A (zh) * | 2021-03-16 | 2021-04-20 | 季华实验室 | 拓扑路网地图的建立方法、***、存储介质及电子设备 |
CN113516865B (zh) * | 2021-03-17 | 2022-07-05 | 北京易控智驾科技有限公司 | 基于高精度地图的矿山无人驾驶路网车辆排队方法和装置 |
CN113945222B (zh) * | 2021-10-14 | 2024-04-12 | 华为技术有限公司 | 道路信息的识别方法、装置、电子设备、车辆及介质 |
CN114291086B (zh) * | 2021-12-31 | 2023-05-23 | 高德软件有限公司 | 一种车道中心线生成方法、装置及计算机存储介质 |
CN115171376B (zh) * | 2022-06-27 | 2024-01-05 | 肇庆小鹏新能源投资有限公司广州分公司 | 地图数据处理方法、服务器和存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013130463A (ja) * | 2011-12-21 | 2013-07-04 | Aisin Aw Co Ltd | レーン案内表示システム、方法およびプログラム |
CN104700617A (zh) * | 2015-04-02 | 2015-06-10 | 武汉大学 | 基于低精度gps轨迹数据的高精度车道信息提取方法 |
CN105957342A (zh) * | 2016-05-30 | 2016-09-21 | 武汉大学 | 基于众包时空大数据的车道级道路测图方法及*** |
CN105984464A (zh) * | 2015-03-18 | 2016-10-05 | 丰田自动车株式会社 | 车辆控制装置 |
CN107798855A (zh) * | 2016-09-07 | 2018-03-13 | 高德软件有限公司 | 一种车道宽度计算方法和装置 |
CN108664016A (zh) * | 2017-03-31 | 2018-10-16 | 腾讯科技(深圳)有限公司 | 确定车道中心线的方法及装置 |
CN108871368A (zh) * | 2018-08-06 | 2018-11-23 | 武汉中海庭数据技术有限公司 | 一种高精度地图车道横向拓扑关系的构建方法、***及存储器 |
CN109059954A (zh) * | 2018-06-29 | 2018-12-21 | 广东星舆科技有限公司 | 支持高精度地图车道线实时融合更新的方法和*** |
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 |
CN110287904A (zh) * | 2019-06-27 | 2019-09-27 | 武汉中海庭数据技术有限公司 | 一种基于众包数据的车道线提取方法、装置及存储介质 |
CN110288675A (zh) * | 2019-06-30 | 2019-09-27 | 武汉中海庭数据技术有限公司 | 一种车道参考线构建方法、装置及存储介质 |
CN110361028A (zh) * | 2019-07-26 | 2019-10-22 | 武汉中海庭数据技术有限公司 | 一种基于自动驾驶循迹的路径规划结果生成方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109186617B (zh) * | 2018-08-13 | 2020-10-30 | 武汉中海庭数据技术有限公司 | 一种基于视觉众包数据自动生成车道级拓扑关系的方法、***及存储器 |
-
2019
- 2019-10-26 CN CN201911026990.5A patent/CN110749329B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013130463A (ja) * | 2011-12-21 | 2013-07-04 | Aisin Aw Co Ltd | レーン案内表示システム、方法およびプログラム |
CN105984464A (zh) * | 2015-03-18 | 2016-10-05 | 丰田自动车株式会社 | 车辆控制装置 |
CN104700617A (zh) * | 2015-04-02 | 2015-06-10 | 武汉大学 | 基于低精度gps轨迹数据的高精度车道信息提取方法 |
CN105957342A (zh) * | 2016-05-30 | 2016-09-21 | 武汉大学 | 基于众包时空大数据的车道级道路测图方法及*** |
CN107798855A (zh) * | 2016-09-07 | 2018-03-13 | 高德软件有限公司 | 一种车道宽度计算方法和装置 |
CN108664016A (zh) * | 2017-03-31 | 2018-10-16 | 腾讯科技(深圳)有限公司 | 确定车道中心线的方法及装置 |
CN109059954A (zh) * | 2018-06-29 | 2018-12-21 | 广东星舆科技有限公司 | 支持高精度地图车道线实时融合更新的方法和*** |
CN108871368A (zh) * | 2018-08-06 | 2018-11-23 | 武汉中海庭数据技术有限公司 | 一种高精度地图车道横向拓扑关系的构建方法、***及存储器 |
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 |
CN110287904A (zh) * | 2019-06-27 | 2019-09-27 | 武汉中海庭数据技术有限公司 | 一种基于众包数据的车道线提取方法、装置及存储介质 |
CN110288675A (zh) * | 2019-06-30 | 2019-09-27 | 武汉中海庭数据技术有限公司 | 一种车道参考线构建方法、装置及存储介质 |
CN110361028A (zh) * | 2019-07-26 | 2019-10-22 | 武汉中海庭数据技术有限公司 | 一种基于自动驾驶循迹的路径规划结果生成方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN110749329A (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110749329B (zh) | 一种基于结构化道路的车道级拓扑构建方法及装置 | |
CN109186617B (zh) | 一种基于视觉众包数据自动生成车道级拓扑关系的方法、***及存储器 | |
US20210001877A1 (en) | Determination of lane connectivity at traffic intersections for high definition maps | |
CN108871368B (zh) | 一种高精度地图车道横向拓扑关系的构建方法、***及存储器 | |
WO2018133851A1 (zh) | 一种点云数据处理方法、装置及计算机存储介质 | |
KR20200101855A (ko) | 차량의 주행 궤적 예측 방법 및 장치 | |
EP3078937A1 (en) | Vehicle position estimation system, device, method, and camera device | |
JP2018534647A (ja) | レーザ点群に基づく都市道路の認識方法、装置、記憶媒体及び機器 | |
EP2427726A1 (en) | Methods and systems for creating digital transportation networks | |
CN104422451A (zh) | 一种道路识别方法及装置 | |
CN112964264B (zh) | 道路边沿检测方法、装置、高精度地图、车辆及存储介质 | |
CN111314857B (zh) | 一种基于过车视频数据的车辆实时出行轨迹获取方法 | |
CN110867131A (zh) | 用于更新地图的方法、装置、设备和存储介质 | |
CN111380544A (zh) | 车道线的地图数据生成方法及装置 | |
CN112325896A (zh) | 导航方法、装置、智能行驶设备及存储介质 | |
CN112257772B (zh) | 一种道路增减区间切分方法、装置、电子设备及存储介质 | |
CN116503510A (zh) | 自动构建车道中心线的方法及*** | |
CN111033591B (zh) | 用于确定道路网的行车道的走向的方法以及服务器设备 | |
CN110782774A (zh) | 一种众包道路数据的分布式处理方法及装置 | |
CN113742437A (zh) | 地图更新方法、装置、电子设备和存储介质 | |
Pu et al. | Road intersection detection based on direction ratio statistics analysis | |
CN116105717A (zh) | 车道级高精度地图构建方法及*** | |
CN114705180A (zh) | 高精地图的数据修正方法、装置、设备及存储介质 | |
CN112685517B (zh) | 分歧/合流区域的识别方法和设备 | |
CN114485684A (zh) | 一种基于地面要素拓扑关系的地图道路匹配方法和*** |
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 |