CN111460986A - 一种车道线处理方法和装置 - Google Patents
一种车道线处理方法和装置 Download PDFInfo
- Publication number
- CN111460986A CN111460986A CN202010241564.XA CN202010241564A CN111460986A CN 111460986 A CN111460986 A CN 111460986A CN 202010241564 A CN202010241564 A CN 202010241564A CN 111460986 A CN111460986 A CN 111460986A
- Authority
- CN
- China
- Prior art keywords
- lane line
- line segment
- lane
- line
- segment
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车道线处理方法和装置,本发明能够自动识别路段图像中的道路边线和若干车道线段,所述道路边线对应所述若干条车道线段;然后确定各个车道线段所属的车道序号,并基于一车道线段的结束端点制作一圆形检测区域;根据车道线段所属的车道序号和检测区域来判断目标车道线段是否存在对应的待融合车道线,若存在待融合车道线,则对其进行融合,按照以上方式能够更加准确地自动完成电子地图中车道线的绘制。
Description
技术领域
本发明涉及地理信息***领域,尤其涉及一种车道线处理方法和装置。
背景技术
电子地图(英语:Electronicmap),即数字地图,是利用计算机技术,以数字方式存储和查阅的地图。电子地图数据一般包括道路、车道线、路网等。电子地图是地图制作和应用的一个***,是由电子计算机控制所生成的地图,是基于数字制图技术的屏幕地图,是可视化的实地图。"在计算机屏幕上可视化"是电子地图的根本特征。
现有技术中的电子导航地图一般包括道路、简单的道路交通规则以及道路拥堵信息,向车主提供定位显示、索引、路径计算和规划等功能,地图数据由图商自主完成道路信息的测绘采集。
目前,由于城市内的路段的上的车道线比较繁杂,司机驾驶汽车如果对路段不熟,很容易走错车道线进而出行驾驶违规的现象,如果车主使用电子导航地图不能准确地对这些复杂的车道线进行显示,车主很容易走错车道线,这样会给车主带来很大的不便,因此目前人们对电子导航地图的精确度要求是越来越高了;
然而,目前图商在制作电子导航地图时,一般的制作方式为:
采用已成熟的人工智能车道线自动识别程序装置来从图商提供的实景地图数据中识别出各个路段的车道线数据,但是由于城市中实景路段中的车道线繁杂,仅靠现有的计算机车道线自动识别程序装置来绘制车道线,很容易出现漏掉车道线的现象发生,因此通过现有的车道线自动识别程序装置绘制出来的电子导航地图误差较大,精确到较低;
而对于这些通过人工智能车道线自动识别程序装置识别的地图中空缺的车道线,绘制人员人工会手动地统计缺失路段,以减少误差;该方式存在的缺陷在于:绘制人员必须人工按轨迹全部查看每个路段上的车道线来统计哪些路段存在缺失的路段,费时费力;并且缺失路段的车道线大多数情况下都是很简单的曲线连接,存在浪费人力的缺点。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种车道线处理方法与装置,旨在解决如何使得计算机程序能够更加自动、准确地绘制电子地图中的车道线的技术问题。
本发明就上述技术问题而提出的技术方案如下:
本发明提供一种车道线处理方法,所述车道线处理方法包括以下步骤:
获取待处理地图中的路段图像,识别所述路段图像中的道路边线和若干车道线段,其中,所述道路边线对应所述若干条车道线段;
从所述路段图像中统计所述道路边线对应的车道线段的数量和车道数量,通过所述车道线段的数量和所述车道数量来确定各个车道线段所属的车道序号;
对各车道线段进行遍历,将遍历到的车道线段作为目标车道线段,并识别出所述目标车道线段的结束端点,以所述结束端点为圆心且半径为预设阈值的圆作为检测区域;
根据所述目标车道线段所属的车道序号和所述检测区域来确定所述目标车道线段是否存在对应的待融合车道线;
将所述待融合车道线与所述目标车道线段融合;
在各条车道线段对应的待融合车道线融合到目标车道线段时,结束对所述各车道线段的遍历。
优选地,所述从所述路段图像中统计所述道路边线对应的车道线段的数量和车道数量,通过所述车道线段的数量和所述车道数量来确定各个车道线段所属的车道序号的步骤,具体包括:
对位于第一坐标轴方向上的各条车道线段进行遍历,确定遍历到的目标车道线段的起点像素,并以所述起点像素沿第一坐标轴方向向所述道路边线作垂线,得到垂线段;
分别统计各个垂线段存在的相交线段的个数,在对各条车道线遍历结束时,选取存在相交线段的个数最多的目标垂线段,通过统计与所述目标垂线段的相交的个数来确定所述道路边线对应的车道线段的数量;
获取各个垂线段的长度,将各个垂线段的长度与预设车道宽度阈值进行比较,在对各条车道线遍历结束时,从不同的垂线段的长度与预设车道宽度阈值的比较结果中,选取比较差值最大的目标比较结果,根据标比较结果确定所述道路边线对应的车道数量;
根据所述道路边线对应的车道线段的数量和所述道路边线对应的车道数量确定不同的车道线段的线段序号和所属的车道序号。
优选地,所述根据所述目标车道线段所属的车道序号和所述检测区域来确定所述目标车道线段是否存在对应的待融合车道线的步骤,具体包括:
检测是否存在与所述检测区域相交的待测线段,若存在与所述检测区域相交的待测线段,则获取所述检测区域与所述待测线段之间的交点,将所述交点与所述结束端点连接,得到待测连接线段;
将所述待测连接线段与所述目标车道线段进行比较,若所述待测连接线段与所述目标车道线段之间的夹角大于预设角度阈值,则判定所述待测连接线段与所述目标车道线段处于同一水平面;
根据所述待测连接线段获取待定线段,若所述待定线段与所述目标车道线段所属的车道序号相同,则判定所述目标车道线段存在缺失线段,并将所述待定线段作为待融合车道线。
优选地,所述将所述待融合车道线与所述目标车道线段融合的步骤,具体包括:
以所述目标车道线段的结束端点向所述道路边线做第一垂线,得到第一垂线距离;
确定所述待融合车道线的起始点;
以所述待融合车道线的起始点向所述道路边线做第二垂线,得到第二垂线距离;
将所述第一垂线距离和所述第二垂线距离送入车道线拟合模型中,以将所述待融合车道线与所述目标车道线段融合,所述车道线拟合模型用以下公式表示:
L(s)=S1+(S2-S1)/Ls*s
其中,Ls为所述道路边线上的第一垂线的垂点P3到所述道路边线上的第二垂线的垂点P4之间的距离长度,变量s用于表征所述待融合车道线对应的缺失线段上存在的像素点,所述变量s的取值范围在[0,Ls]区间内。
优选地,所述获取待处理地图中的路段图像,识别所述路段图像中的道路边线和若干车道线段的步骤之前,所述车道线处理方法还包括:
对待处理地图中进行遍历,获取遍历到的路段图像以及所述遍历到的路段图像对应的路段身份标识,以对所述遍历到的路段图像进行车道线处理;
其中,所述待处理地图由多个具有路段身份标识的路段图像组成,各路段身份标识按自增排列;
相应地,所述在各条车道线段对应的待融合车道线融合到目标车道线段时,结束对所述各车道线段的遍历的步骤之后,访问所述待处理地图中的下一个路段身份标识对应的路段图像,以对所述下一个路段身份标识对应的路段图像进行车道线处理,直至对所述待处理地图的各个路段图像中的车道线处理完毕,结束对所述待处理地图的遍历。
此外,为实现上述目的,本发明还提出一种车道线处理装置,所述车道线处理装置包括:
识别读取模块,用于获取待处理地图中的路段图像,识别所述路段图像中的道路边线和若干车道线段,其中,所述道路边线对应所述若干条车道线段;
车道线分析模块,用于从所述路段图像中统计所述道路边线对应的车道线段的数量和车道数量,通过所述车道线段的数量和所述车道数量来确定各个车道线段所属的车道序号;
车道线断开分析第一模块,用于对各车道线段进行遍历,将遍历到的车道线段作为目标车道线段,并识别出所述目标车道线段的结束端点,以所述结束端点为圆心且半径为预设阈值的圆作为检测区域;
车道线断开分析第二模块,用于根据所述目标车道线段所属的车道序号和所述检测区域来确定所述目标车道线段是否存在对应的待融合车道线;
车道线融合模块,用于将所述待融合车道线与所述目标车道线段融合;
所述识别读取模块,还用于在各条车道线段对应的待融合车道线融合到目标车道线段时,结束对所述各车道线段的遍历。
优选地,所述车道线分析模块具体包括:
像素点遍历单元,用于对位于第一坐标轴方向上的各条车道线段进行遍历,确定遍历到的目标车道线段的起点像素,并以所述起点像素沿第一坐标轴方向向所述道路边线作垂线,得到垂线段;
车道线段确定单元,用于分别统计各个垂线段存在的相交线段的个数,在对各条车道线遍历结束时,选取存在相交线段的个数最多的目标垂线段,通过统计与所述目标垂线段的相交的个数来确定所述道路边线对应的车道线段的数量;
车道数量确定单元,用于获取各个垂线段的长度,将各个垂线段的长度与预设车道宽度阈值进行比较,在对各条车道线遍历结束时,从不同的垂线段的长度与预设车道宽度阈值的比较结果中,选取比较差值最大的目标比较结果,根据标比较结果确定所述道路边线对应的车道数量;
车道线信息确定单元,用于根据所述道路边线对应的车道线段的数量和所述道路边线对应的车道数量确定不同的车道线段的线段序号和所属的车道序号。
优选地,所述车道线断开分析第二模块具体包括:
检测单元,用于检测是否存在与所述检测区域相交的待测线段,若存在与所述检测区域相交的待测线段,则获取所述检测区域与所述待测线段之间的交点,将所述交点与所述结束端点连接,得到待测连接线段;
判定单元,用于将所述待测连接线段与所述目标车道线段进行比较,若所述待测连接线段与所述目标车道线段之间的夹角大于预设角度阈值,则判定所述待测连接线段与所述目标车道线段处于同一水平面;根据所述待测连接线段获取待定线段,若所述待定线段与所述目标车道线段所属的车道序号相同,则判定所述目标车道线段存在缺失线段,并将所述待定线段作为待融合车道线。
优选地,所述车道线融合模块具体包括:
第一垂线计算单元,用于以所述目标车道线段的结束端点向所述道路边线做第一垂线,得到第一垂线距离;
第二垂线单元,用于确定所述待融合车道线的起始点,以所述待融合车道线的起始点向所述道路边线做第二垂线,得到第二垂线距离;
车道线段融合单元,用于将所述第一垂线距离和所述第二垂线距离送入车道线拟合模型中,以将所述待融合车道线与所述目标车道线段融合,所述车道线拟合模型用以下公式表示:
L(s)=S1+(S2-S1)/Ls*s
其中,Ls为所述道路边线上的第一垂线的垂点P3到所述道路边线上的第二垂线的垂点P4之间的距离长度,变量s用于表征所述待融合车道线对应的缺失线段上存在的像素点,所述变量s的取值范围在[0,Ls]区间内。
优选地,所述车道线处理装置还包括:
待处理地图访问单元,用于对待处理地图中进行遍历,获取遍历到的路段图像以及所述遍历到的路段图像对应的路段身份标识,以对所述遍历到的路段图像进行车道线处理;其中,所述待处理地图由多个具有路段身份标识的路段图像组成,各路段身份标识按自增排列。
本发明提供的技术方案带来的有益效果是:本发明能够自动识别路段图像中的道路边线和若干车道线段,所述道路边线对应所述若干条车道线段;然后确定各个车道线段所属的车道序号,并基于一车道线段的结束端点制作一圆形检测区域;根据车道线段所属的车道序号和检测区域来判断目标车道线段是否存在对应的待融合车道线,若存在待融合车道线,则对其进行融合,按照以上方式能够更加准确地自动完成电子地图中车道线的绘制。
附图说明
图1是本发明实施例车道线处理方法的流程示意图;
图2为本发明一实施例中用于车道线分析的一车道线简图;
图3为本发明一实施例中用于车道线分析的又一车道线简图;
图4为本发明实施例车道线处理装置的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为解决现有技术中电子地图的车道线绘制采用的是通过计算机自动识别,同时还需要人工手动绘制车道线,但是车道线缺失路段人工很难统计,通过人工去补齐车道线的缺失路段误差较大,精度低,绘制的结果不理想的缺陷,本发明旨在提供一种车道线处理方法和装置,其核心思想是:识别路段图像中的道路边线和若干车道线段;然后确定各个车道线段所属的车道序号基于一车道线段制作一检测区域;根据车道线段所属的车道序号和检测区域来确定车道线段是否存在待融合车道线,若存在,则融合所述待融合车道线,按照以上方式能够更加准确地自动完成电子地图中车道线的绘制。
实施例一
本发明实施例提供了一种车道线处理方法,参考图1,图1是本发明实施例车道线处理方法的流程示意图,所述车道线处理方法包括以下步骤:
步骤S10:获取待处理地图中的路段图像,识别所述路段图像中的道路边线和若干车道线段,其中,所述道路边线对应所述若干条车道线段。
可理解的是,本实施例的执行主体为计算机本身,所述待处理地图可以是由图商提供的一个城市的实景地图数据,实景地图可以由n个连续的路段图像组成,每个路段图像具有一个唯一的路段身份标识ID,各路段身份标识ID按自增(ID=1、2、3、4、5…n)排列,即各个实景地图按照对应顺序对应依次连续排列。计算机会对待处理地图中的各路段图像进行遍历,以对每一个路段图像的车道线按照本实施例的车道线处理方法进行处理,直至对所述待处理地图的各个路段图像中的车道线处理完毕,计算机会结束对所述待处理地图的遍历。
计算机会利用现有技术对遍历到的路段图像进行识别,从遍历到的路段图像中识别出道路边线、和所述出道路边线对应的若干条车道线段;
具体地,可以将遍历到的路段图像由彩色图像转化为灰度图像,将灰度图像进行平滑滤波以降低图像噪声和减小细节,最后使用边缘检测算法和霍夫变换技术就可以将路段图像中存在的道路边线和车道线段识别出来。
步骤S20:从所述路段图像中统计所述道路边线对应的车道线段的数量和车道数量,通过所述车道线段的数量和所述车道数量来确定各个车道线段的线段序号,本步骤包括以下子步骤:
子步骤S201:对位于第一坐标轴方向上的各条车道线段进行遍历,确定遍历到的目标车道线段的起点像素,并以所述起点像素沿第一坐标轴方向向所述道路边线作垂线,得到垂线段;
可理解的是,参考图2,本实施例适用于二维平面坐标系,所述第一坐标轴方向为二维平面坐标系的y轴,第二坐标轴方向为二维平面坐标系的x轴;图2中y轴方向可能存在多条车道线;对位于y轴方向上的各条车道线段进行遍历,确定遍历到的目标车道线段的起点像素,计算每条车道线的起始点p1到左边线的垂直距离s(图2中,垂线段s的长度为3.5),垂点记为p3,用于评估该车道线在道路中的车道线序号;
子步骤S202:分别统计各个垂线段存在的相交线段的个数,在对各条车道线遍历结束时,选取存在相交线段的个数最多的目标垂线段,通过统计与所述目标垂线段的相交的个数来确定所述道路边线对应的车道线段的数量;
子步骤S203:获取各个垂线段的长度,将各个垂线段的长度与预设车道宽度阈值进行比较,在对各条车道线遍历结束时,从不同的垂线段的长度与预设车道宽度阈值的比较结果中,选取比较差值最大的目标比较结果,根据标比较结果确定所述道路边线对应的车道数量;
子步骤S204:根据所述道路边线对应的车道线段的数量和所述道路边线对应的车道数量确定不同的车道线段的线段序号和所属车道序号。
在具体实现中,计算机会推断可能存在的车道,车道的序号记为M,车道数的个数记为N,将预设车道宽度阈值设置为3-4米以内(因为正常车道宽度范围在3-4米内),则车道数N1的应该为s/3或s/4的之间的整数值,图2中,N1=1;
记p1与p3的连线为L1,计算与L1相交的车道线数N2(本实例中,N2=0),得出该车道线左侧车道数为N2+1,则真实车道数应为(N1,N2+1)的最大值,故本实施例中M=Max(N1,N2+1),则M=Max(1,1)=1;本实施例中,P1点所属第1车道,对应的车道线A1的线段序号为1,所属车道序号M=1。
步骤S31:对各车道线段进行遍历,将遍历到的车道线段作为目标车道线段,并识别出所述目标车道线段的结束端点,以所述结束端点为圆心且半径为预设阈值的圆作为检测区域;
参考图3,所述目标车道线段为图3中车道线A1,车道线A1的结束端为点P1,以所述结束端点P1为圆心且半径为预设阈值(0.1米到2米之间)的圆作为检测区域;
步骤S32:根据所述目标车道线段对应的线段序号和所述检测区域来确定所述目标车道线段是否存在待融合车道线;
在具体实现中,步骤S32具体包括以下子步骤:
子步骤S321:检测是否存在与所述检测区域相交的待测线段,若存在与所述检测区域相交的待测线段,则获取所述检测区域与所述待测线段之间的交点,将所述交点与所述结束端点连接,得到待测连接线段;
子步骤S322:将所述待测连接线段与所述目标车道线段进行比较,若所述待测连接线段与所述目标车道线段之间的夹角大于预设角度阈值,则判定所述待测连接线段与所述目标车道线段处于同一水平面;
可理解的是,所述预设角度阈值设置为178度,看是否存在与所作的圆相交的待测线段,如果存在相交的待测线段,取与这条线相交的交点P0,将该交点P0与圆心P1连接,连接后的线段P1-P0(待测连接线段)与目标车道线段A1比较,如果线段P1-P0与线段A1的角度大于178度,也就说明目标车道线段A1与所述待测连接线段P1-P0几乎位于同一个水平面;
子步骤S323:根据所述待测连接线段获取待定线段,若所述待定线段与所述目标车道线段所属的车道序号相同,则判定所述目标车道线段存在缺失线段,并将所述待定线段作为待融合车道线。
可理解的是,已知待测连接线段P1-P0,那么可以获取与所述待测连接线段P1-P重合的待定线段A2;获取所述待定线段A2所属的车道序号,若待定线段A2与目标车道线段A1均属于用一个车道序号,则判定所述目标车道线段A1存在缺失线段,并将所述待定线段A2作为待融合车道线A2。
此外,如果不存在与所作的圆相交的线,则沿所述目标车道线段A1的车道方向,继续遍历,获取下一个同一个车道线序号的车道线,如果不存在,则记录坐标,以提示程序员通过人工方式进行处理(因为此处计算机无法处理,只能人工手动处理);如果存在,则进行车道线融合处理。
步骤S40:将所述待融合车道线与所述目标车道线段融合;
具体地,本步骤中包括以下子步骤:
子步骤401:以所述目标车道线段的结束端点向所述道路边线做第一垂线,得到第一垂线距离;
可理解的是,即计算附图3中目标车道线段A1的结束端点P1到所述道路边线(左边线)的距离S1,得垂点P3,点P1到P3的线段称之为第一垂线S1;
子步骤402:确定所述待融合车道线的起始点;以所述待融合车道线的起始点向所述道路边线(左边线)做第二垂线,得到第二垂线距离;
具体地,识别出所述待融合车道线A2的起始点P2;以待融合车道线A2的起始点P2到所述道路边线(左边线)的距离S2,得垂点P4,点P2到P4的线段称之为第二垂线S2;
需要说明的是,本实施例中第二垂线S2为3.51米,第一垂线S1为3.5米;
子步骤403:将所述第一垂线距离和所述第二垂线距离送入车道线拟合模型中,以将所述待融合车道线与所述目标车道线段融合,所述车道线拟合模型用以下公式表示:
L(s)=S1+(S2-S1)/Ls*s
其中,Ls为所述道路边线上的第一垂线的垂点P3到所述道路边线上的第二垂线的垂点P4之间的距离长度,变量s用于表征所述待融合车道线对应的缺失线段上存在的像素点,所述变量s的取值范围在[0,Ls]区间内。函数L(s)可以表征P1到P2之间的像素点集合(P1到P2之间的像素点组成了所述待融合车道线A2与所述目标车道线段A1之间的缺失路段);由此方式,可以计算出从P1到P2之间的车道线形状点集合,完成所述待融合车道线A2与所述目标车道线段A1的融合。
步骤S50:在各条车道线段对应的待融合车道线融合到目标车道线段时,结束对所述各车道线段的遍历。
可理解的是,计算机会对待处理地图中的各路段图像进行遍历,以对每一个路段图像的车道线按照本实施例的车道线处理方法进行处理,计算机在执行完步骤S10至S40之间的步骤之后,会访问所述待处理地图中的下一个路段身份标识对应的路段图像(既重新返回所述步骤S10来执行程序),对所述下一个路段身份标识对应的路段图像进行车道线处理,直至对所述待处理地图的各个路段图像中的车道线处理完毕,结束对所述待处理地图的遍历,这样计算机就能够更加准确地自动完成对电子地图中车道线的绘制。
实施例二
进一步地,为实现以上目的,本发明实施还提供了一车道线处理装置,参考图4,图4为本发明实施例车道线处理装置的结构框图,本实施例中,所述车道线处理装置装载有与上述实施例一种车道线处理方法对应的程序。
本实施例中,所述车道线处理装置包括:
识别读取模块10,用于获取待处理地图中的路段图像,识别所述路段图像中的道路边线和若干车道线段,其中,所述道路边线对应所述若干条车道线段。
可理解的是,本实施例的车道线处理装置可理解为是计算机;所述待处理地图可以是由图商提供的一个城市的实景地图数据,实景地图可以由n个连续的路段图像组成,每个路段图像具有一个唯一的路段身份标识ID,各路段身份标识ID按自增(ID=1、2、3、4、5…n)排列,即各个实景地图按照对应顺序对应依次连续排列。本装置会对待处理地图中的各路段图像进行遍历,以对每一个路段图像的车道线按照本实施例的车道线处理方法进行处理,直至对所述待处理地图的各个路段图像中的车道线处理完毕,计算机会结束对所述待处理地图的遍历。
所述车道线处理装置会利用现有技术对遍历到的路段图像进行识别,从遍历到的路段图像中识别出道路边线、和所述出道路边线对应的若干条车道线段;
具体地,可以将遍历到的路段图像由彩色图像转化为灰度图像,将灰度图像进行平滑滤波以降低图像噪声和减小细节,最后使用边缘检测算法和霍夫变换技术就可以将路段图像中存在的道路边线和车道线段识别出来。
车道线分析模块20,用于从所述路段图像中统计所述道路边线对应的车道线段的数量和车道数量,通过所述车道线段的数量和所述车道数量来确定各个车道线段的线段序号:
在具体实现中,车道线分析模块20具体包括以下单元:
像素点遍历单元201,用于对位于第一坐标轴方向上的各条车道线段进行遍历,确定遍历到的目标车道线段的起点像素,并以所述起点像素沿第一坐标轴方向向所述道路边线作垂线,得到垂线段;
可理解的是,参考图2,本实施例适用于二维平面坐标系,所述第一坐标轴方向为二维平面坐标系的y轴,第二坐标轴方向为二维平面坐标系的x轴;图2中y轴方向可能存在多条车道线;对位于y轴方向上的各条车道线段进行遍历,确定遍历到的目标车道线段的起点像素,计算每条车道线的起始点p1到左边线的垂直距离s(图2中,垂线段s的长度为3.5),垂点记为p3,用于评估该车道线在道路中的车道线序号;
车道线段确定单元202,用于分别统计各个垂线段存在的相交线段的个数,在对各条车道线遍历结束时,选取存在相交线段的个数最多的目标垂线段,通过统计与所述目标垂线段的相交的个数来确定所述道路边线对应的车道线段的数量;
车道数量确定单元203,用于获取各个垂线段的长度,将各个垂线段的长度与预设车道宽度阈值进行比较,在对各条车道线遍历结束时,从不同的垂线段的长度与预设车道宽度阈值的比较结果中,选取比较差值最大的目标比较结果,根据标比较结果确定所述道路边线对应的车道数量;
车道线信息确定单元204,用于根据所述道路边线对应的车道线段的数量和所述道路边线对应的车道数量确定不同的车道线段的线段序号和所属车道序号。
在具体实现中,本装置会推断可能存在的车道,车道的序号记为M,车道数的个数记为N,将预设车道宽度阈值设置为3-4米以内(因为正常车道宽度范围在3-4米内),则车道数N1的应该为s/3或s/4的之间的整数值,图2中,N1=1;
记p1与p3的连线为L1,计算与L1相交的车道线数N2(本实例中,N2=0),得出该车道线左侧车道数为N2+1,则真实车道数应为(N1,N2+1)的最大值,故本实施例中M=Max(N1,N2+1),则M=Max(1,1)=1;本实施例中,P1点所属第1车道,对应的车道线A1的线段序号为1,所属车道序号M=1。
车道线断开分析第一模块31,用于对各车道线段进行遍历,将遍历到的车道线段作为目标车道线段,并识别出所述目标车道线段的结束端点,以所述结束端点为圆心且半径为预设阈值的圆作为检测区域;
参考图3,所述目标车道线段为图3中车道线A1,车道线A1的结束端为点P1,以所述结束端点P1为圆心且半径为预设阈值(0.1米到2米之间)的圆作为检测区域;
车道线断开分析第二模块32,用于根据所述目标车道线段对应的线段序号和所述检测区域来确定所述目标车道线段是否存在待融合车道线;
在具体实现中,车道线断开分析第二模块32具体包括以下单元:
检测单元321,用于检测是否存在与所述检测区域相交的待测线段,若存在与所述检测区域相交的待测线段,则获取所述检测区域与所述待测线段之间的交点,将所述交点与所述结束端点连接,得到待测连接线段;
判定单元322,用于将所述待测连接线段与所述目标车道线段进行比较,若所述待测连接线段与所述目标车道线段之间的夹角大于预设角度阈值,则判定所述待测连接线段与所述目标车道线段处于同一水平面;根据所述待测连接线段获取待定线段,若所述待定线段与所述目标车道线段所属的车道序号相同,则判定所述目标车道线段存在缺失线段,并将所述待定线段作为待融合车道线。
可理解的是,所述预设角度阈值设置为178度,看是否存在与所作的圆相交的待测线段,如果存在相交的待测线段,取与这条线相交的交点P0,将该交点P0与圆心P1连接,连接后的线段P1-P0(待测连接线段)与目标车道线段A1比较,如果线段P1-P0与线段A1的角度大于178度,也就说明目标车道线段A1与所述待测连接线段P1-P0几乎位于同一个水平面;
可理解的是,已知待测连接线段P1-P0,那么可以获取与所述待测连接线段P1-P重合的待定线段A2;获取所述待定线段A2所属的车道序号,若待定线段A2与目标车道线段A1均属于用一个车道序号,则判定所述目标车道线段A1存在缺失线段,并将所述待定线段A2作为待融合车道线A2。
此外,如果不存在与所作的圆相交的线,则沿所述目标车道线段A1的车道方向,继续遍历,获取下一个同一个车道线序号的车道线,如果不存在,则记录坐标,将所记录的坐标进行展示,以提示程序员通过人工方式进行处理(因为此处计算机无法处理,只能人工手动处理);如果存在,则进行车道线融合处理。
车道线融合模块40,用于将所述待融合车道线与所述目标车道线段融合;
具体地,车道线融合模块40包括以下单元:
第一垂线计算单元401,用于以所述目标车道线段的结束端点向所述道路边线做第一垂线,得到第一垂线距离;
可理解的是,即计算附图3中目标车道线段A1的结束端点P1到所述道路边线(左边线)的距离S1,得垂点P3,点P1到P3的线段称之为第一垂线S1;
第二垂线单元402,用于确定所述待融合车道线的起始点;以所述待融合车道线的起始点向所述道路边线(左边线)做第二垂线,得到第二垂线距离;
具体地,识别出所述待融合车道线A2的起始点P2;以待融合车道线A2的起始点P2到所述道路边线(左边线)的距离S2,得垂点P4,点P2到P4的线段称之为第二垂线S2;
车道线段融合单元403,用于将所述第一垂线距离和所述第二垂线距离送入车道线拟合模型中,以将所述待融合车道线与所述目标车道线段融合,所述车道线拟合模型用以下公式表示:
L(s)=S1+(S2-S1)/Ls*s
其中,Ls为所述道路边线上的第一垂线的垂点P3到所述道路边线上的第二垂线的垂点P4之间的距离长度,变量s用于表征所述待融合车道线对应的缺失线段上存在的像素点,所述变量s的取值范围在[0,Ls]区间内。函数L(s)可以表征P1到P2之间的像素点集合(P1到P2之间的像素点组成了所述待融合车道线A2与所述目标车道线段A1之间的缺失路段);由此方式,可以计算出从P1到P2之间的车道线形状点集合,完成所述待融合车道线A2与所述目标车道线段A1的融合。
所述识别读取模块10,还用于在各条车道线段对应的待融合车道线融合到目标车道线段时,结束对所述各车道线段的遍历。
本装置会对待处理地图中的各路段图像进行遍历,以对每一个路段图像的车道线按照本实施例的车道线处理方法进行处理,这样本装置就能够更加准确地自动完成电子地图中车道线的绘制。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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上述实施例方法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,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的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,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种车道线处理方法,其特征在于,所述车道线处理方法包括以下步骤:
获取待处理地图中的路段图像,识别所述路段图像中的道路边线和若干车道线段,其中,所述道路边线对应所述若干条车道线段;
从所述路段图像中统计所述道路边线对应的车道线段的数量和车道数量,通过所述车道线段的数量和所述车道数量来确定各个车道线段所属的车道序号;
对各车道线段进行遍历,将遍历到的车道线段作为目标车道线段,并识别出所述目标车道线段的结束端点,以所述结束端点为圆心且半径为预设阈值的圆作为检测区域;
根据所述目标车道线段所属的车道序号和所述检测区域来确定所述目标车道线段是否存在对应的待融合车道线;
将所述待融合车道线与所述目标车道线段融合;
在各条车道线段对应的待融合车道线融合到目标车道线段时,结束对所述各车道线段的遍历。
2.如权利要求1所述的车道线处理方法,其特征在于,所述从所述路段图像中统计所述道路边线对应的车道线段的数量和车道数量,通过所述车道线段的数量和所述车道数量来确定各个车道线段所属的车道序号的步骤,具体包括:
对位于第一坐标轴方向上的各条车道线段进行遍历,确定遍历到的目标车道线段的起点像素,并以所述起点像素沿第一坐标轴方向向所述道路边线作垂线,得到垂线段;
分别统计各个垂线段存在的相交线段的个数,在对各条车道线遍历结束时,选取存在相交线段的个数最多的目标垂线段,通过统计与所述目标垂线段的相交的个数来确定所述道路边线对应的车道线段的数量;
获取各个垂线段的长度,将各个垂线段的长度与预设车道宽度阈值进行比较,在对各条车道线遍历结束时,从不同的垂线段的长度与预设车道宽度阈值的比较结果中,选取比较差值最大的目标比较结果,根据标比较结果确定所述道路边线对应的车道数量;
根据所述道路边线对应的车道线段的数量和所述道路边线对应的车道数量确定不同的车道线段的线段序号和所属的车道序号。
3.如权利要求2所述的车道线处理方法,其特征在于,所述根据所述目标车道线段所属的车道序号和所述检测区域来确定所述目标车道线段是否存在对应的待融合车道线的步骤,具体包括:
检测是否存在与所述检测区域相交的待测线段,若存在与所述检测区域相交的待测线段,则获取所述检测区域与所述待测线段之间的交点,将所述交点与所述结束端点连接,得到待测连接线段;
将所述待测连接线段与所述目标车道线段进行比较,若所述待测连接线段与所述目标车道线段之间的夹角大于预设角度阈值,则判定所述待测连接线段与所述目标车道线段处于同一水平面;
根据所述待测连接线段获取待定线段,若所述待定线段与所述目标车道线段所属的车道序号相同,则判定所述目标车道线段存在缺失线段,并将所述待定线段作为待融合车道线。
4.如权利要求3所述的车道线处理方法,其特征在于,所述将所述待融合车道线与所述目标车道线段融合的步骤,具体包括:
以所述目标车道线段的结束端点向所述道路边线做第一垂线,得到第一垂线距离;
确定所述待融合车道线的起始点;
以所述待融合车道线的起始点向所述道路边线做第二垂线,得到第二垂线距离;
将所述第一垂线距离和所述第二垂线距离送入车道线拟合模型中,以将所述待融合车道线与所述目标车道线段融合,所述车道线拟合模型用以下公式表示:
L(s)=S1+(S2-S1)/Ls*s
其中,Ls为所述道路边线上的第一垂线的垂点P3到所述道路边线上的第二垂线的垂点P4之间的距离长度,变量s用于表征所述待融合车道线对应的缺失线段上存在的像素点,所述变量s的取值范围在[0,Ls]区间内。
5.如权利要求1-4任一项所述车道线处理方法,其特征在于,所述获取待处理地图中的路段图像,识别所述路段图像中的道路边线和若干车道线段的步骤之前,所述车道线处理方法还包括:
对待处理地图中进行遍历,获取遍历到的路段图像以及所述遍历到的路段图像对应的路段身份标识,以对所述遍历到的路段图像进行车道线处理;
其中,所述待处理地图由多个具有路段身份标识的路段图像组成,各路段身份标识按自增排列;
相应地,所述在各条车道线段对应的待融合车道线融合到目标车道线段时,结束对所述各车道线段的遍历的步骤之后,访问所述待处理地图中的下一个路段身份标识对应的路段图像,以对所述下一个路段身份标识对应的路段图像进行车道线处理,直至对所述待处理地图的各个路段图像中的车道线处理完毕,结束对所述待处理地图的遍历。
6.一种车道线处理装置,其特征在于,所述车道线处理装置包括:
识别读取模块,用于获取待处理地图中的路段图像,识别所述路段图像中的道路边线和若干车道线段,其中,所述道路边线对应所述若干条车道线段;
车道线分析模块,用于从所述路段图像中统计所述道路边线对应的车道线段的数量和车道数量,通过所述车道线段的数量和所述车道数量来确定各个车道线段所属的车道序号;
车道线断开分析第一模块,用于对各车道线段进行遍历,将遍历到的车道线段作为目标车道线段,并识别出所述目标车道线段的结束端点,以所述结束端点为圆心且半径为预设阈值的圆作为检测区域;
车道线断开分析第二模块,用于根据所述目标车道线段所属的车道序号和所述检测区域来确定所述目标车道线段是否存在对应的待融合车道线;
车道线融合模块,用于将所述待融合车道线与所述目标车道线段融合;
所述识别读取模块,还用于在各条车道线段对应的待融合车道线融合到目标车道线段时,结束对所述各车道线段的遍历。
7.如权利要求6所述的车道线处理装置,其特征在于,所述车道线分析模块具体包括:
像素点遍历单元,用于对位于第一坐标轴方向上的各条车道线段进行遍历,确定遍历到的目标车道线段的起点像素,并以所述起点像素沿第一坐标轴方向向所述道路边线作垂线,得到垂线段;
车道线段确定单元,用于分别统计各个垂线段存在的相交线段的个数,在对各条车道线遍历结束时,选取存在相交线段的个数最多的目标垂线段,通过统计与所述目标垂线段的相交的个数来确定所述道路边线对应的车道线段的数量;
车道数量确定单元,用于获取各个垂线段的长度,将各个垂线段的长度与预设车道宽度阈值进行比较,在对各条车道线遍历结束时,从不同的垂线段的长度与预设车道宽度阈值的比较结果中,选取比较差值最大的目标比较结果,根据标比较结果确定所述道路边线对应的车道数量;
车道线信息确定单元,用于根据所述道路边线对应的车道线段的数量和所述道路边线对应的车道数量确定不同的车道线段的线段序号和所属的车道序号。
8.如权利要求7所述的车道线处理装置,其特征在于,所述车道线断开分析第二模块具体包括:
检测单元,用于检测是否存在与所述检测区域相交的待测线段,若存在与所述检测区域相交的待测线段,则获取所述检测区域与所述待测线段之间的交点,将所述交点与所述结束端点连接,得到待测连接线段;
判定单元,用于将所述待测连接线段与所述目标车道线段进行比较,若所述待测连接线段与所述目标车道线段之间的夹角大于预设角度阈值,则判定所述待测连接线段与所述目标车道线段处于同一水平面;根据所述待测连接线段获取待定线段,若所述待定线段与所述目标车道线段所属的车道序号相同,则判定所述目标车道线段存在缺失线段,并将所述待定线段作为待融合车道线。
9.如权利要求8所述的车道线处理装置,其特征在于,所述车道线融合模块具体包括:
第一垂线计算单元,用于以所述目标车道线段的结束端点向所述道路边线做第一垂线,得到第一垂线距离;
第二垂线单元,用于确定所述待融合车道线的起始点,以所述待融合车道线的起始点向所述道路边线做第二垂线,得到第二垂线距离;
车道线段融合单元,用于将所述第一垂线距离和所述第二垂线距离送入车道线拟合模型中,以将所述待融合车道线与所述目标车道线段融合,所述车道线拟合模型用以下公式表示:
L(s)=S1+(S2-S1)/Ls*s
其中,Ls为所述道路边线上的第一垂线的垂点P3到所述道路边线上的第二垂线的垂点P4之间的距离长度,变量s用于表征所述待融合车道线对应的缺失线段上存在的像素点,所述变量s的取值范围在[0,Ls]区间内。
10.如权利要求6-9任一项所述车道线处理装置,其特征在于,所述车道线处理装置还包括:
待处理地图访问单元,用于对待处理地图中进行遍历,获取遍历到的路段图像以及所述遍历到的路段图像对应的路段身份标识,以对所述遍历到的路段图像进行车道线处理;其中,所述待处理地图由多个具有路段身份标识的路段图像组成,各路段身份标识按自增排列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010241564.XA CN111460986A (zh) | 2020-03-30 | 2020-03-30 | 一种车道线处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010241564.XA CN111460986A (zh) | 2020-03-30 | 2020-03-30 | 一种车道线处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111460986A true CN111460986A (zh) | 2020-07-28 |
Family
ID=71680909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010241564.XA Pending CN111460986A (zh) | 2020-03-30 | 2020-03-30 | 一种车道线处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111460986A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112309233A (zh) * | 2020-10-26 | 2021-02-02 | 北京三快在线科技有限公司 | 一种道路边界的确定、道路切分方法及装置 |
CN113239906A (zh) * | 2021-07-09 | 2021-08-10 | 新石器慧通(北京)科技有限公司 | 车道线检测方法和装置 |
CN113254563A (zh) * | 2021-06-18 | 2021-08-13 | 智道网联科技(北京)有限公司 | 道路编号的生成方法及相关装置 |
CN113393580A (zh) * | 2021-08-18 | 2021-09-14 | 腾讯科技(深圳)有限公司 | 一种地图道路绘制方法、装置及相关产品 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150235090A1 (en) * | 2014-02-14 | 2015-08-20 | Denso Corporation | Lane-line recognition apparatus |
CN106778593A (zh) * | 2016-12-11 | 2017-05-31 | 北京联合大学 | 一种基于多地面标志融合的车道级定位方法 |
US20180178785A1 (en) * | 2016-12-28 | 2018-06-28 | Automotive Research & Testing Center | System for detecting lane line of road and method thereof |
CN109598199A (zh) * | 2018-10-31 | 2019-04-09 | 百度在线网络技术(北京)有限公司 | 车道线生成方法和装置 |
CN109657686A (zh) * | 2018-10-31 | 2019-04-19 | 百度在线网络技术(北京)有限公司 | 车道线生成方法、装置、设备以及存储介质 |
CN109711242A (zh) * | 2018-10-31 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 车道线的修正方法、装置和存储介质 |
CN109948413A (zh) * | 2018-12-29 | 2019-06-28 | 禾多科技(北京)有限公司 | 基于高精度地图融合的车道线检测方法 |
CN110704560A (zh) * | 2019-09-17 | 2020-01-17 | 武汉中海庭数据技术有限公司 | 一种基于道路级拓扑的车道线组结构化的方法及装置 |
-
2020
- 2020-03-30 CN CN202010241564.XA patent/CN111460986A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150235090A1 (en) * | 2014-02-14 | 2015-08-20 | Denso Corporation | Lane-line recognition apparatus |
CN106778593A (zh) * | 2016-12-11 | 2017-05-31 | 北京联合大学 | 一种基于多地面标志融合的车道级定位方法 |
US20180178785A1 (en) * | 2016-12-28 | 2018-06-28 | Automotive Research & Testing Center | System for detecting lane line of road and method thereof |
CN109598199A (zh) * | 2018-10-31 | 2019-04-09 | 百度在线网络技术(北京)有限公司 | 车道线生成方法和装置 |
CN109657686A (zh) * | 2018-10-31 | 2019-04-19 | 百度在线网络技术(北京)有限公司 | 车道线生成方法、装置、设备以及存储介质 |
CN109711242A (zh) * | 2018-10-31 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 车道线的修正方法、装置和存储介质 |
CN109948413A (zh) * | 2018-12-29 | 2019-06-28 | 禾多科技(北京)有限公司 | 基于高精度地图融合的车道线检测方法 |
CN110704560A (zh) * | 2019-09-17 | 2020-01-17 | 武汉中海庭数据技术有限公司 | 一种基于道路级拓扑的车道线组结构化的方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112309233A (zh) * | 2020-10-26 | 2021-02-02 | 北京三快在线科技有限公司 | 一种道路边界的确定、道路切分方法及装置 |
CN113254563A (zh) * | 2021-06-18 | 2021-08-13 | 智道网联科技(北京)有限公司 | 道路编号的生成方法及相关装置 |
CN113239906A (zh) * | 2021-07-09 | 2021-08-10 | 新石器慧通(北京)科技有限公司 | 车道线检测方法和装置 |
CN113239906B (zh) * | 2021-07-09 | 2021-09-21 | 新石器慧通(北京)科技有限公司 | 车道线检测方法和装置 |
CN113393580A (zh) * | 2021-08-18 | 2021-09-14 | 腾讯科技(深圳)有限公司 | 一种地图道路绘制方法、装置及相关产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111460986A (zh) | 一种车道线处理方法和装置 | |
CN109470254B (zh) | 地图车道线的生成方法、装置、***及存储介质 | |
CN112880693A (zh) | 地图生成方法、定位方法、装置、设备及存储介质 | |
CN107430815A (zh) | 用于自动识别停车区的方法和*** | |
CN111376895A (zh) | 一种环视泊车感知方法、装置、自动泊车***和车辆 | |
CN104422451A (zh) | 一种道路识别方法及装置 | |
CN109448046B (zh) | 一种基于多描述子的半自动道路中心线快速提取方法 | |
CN110991215A (zh) | 车道线检测方法、装置、存储介质及电子设备 | |
CN113205691A (zh) | 一种识别车辆位置的方法及装置 | |
CN115164918A (zh) | 语义点云地图构建方法、装置及电子设备 | |
CN111611329B (zh) | 地图数据检查实现方法、装置和设备 | |
CN113052141A (zh) | 一种检测车辆停放位置的方法及装置 | |
CN114004950A (zh) | 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法 | |
CN111475591A (zh) | 一种用于兴趣点采集的道路关联方法及设备 | |
CN114705180B (zh) | 高精地图的数据修正方法、装置、设备及存储介质 | |
CN111460861A (zh) | 一种道路交通标志识别方法、装置和识别设备 | |
CN111709354B (zh) | 识别目标区域的方法、装置、电子设备和路侧设备 | |
CN116086429A (zh) | 地图更新方法、装置、设备及计算机可读存储介质 | |
CN111709357B (zh) | 识别目标区域的方法、装置、电子设备和路侧设备 | |
CN115618602A (zh) | 一种车道级场景仿真方法及*** | |
CN114791282A (zh) | 一种基于车辆高精度定位的路政设施坐标标定方法及装置 | |
CN115497036A (zh) | 一种内涝积水深度计算方法、***及可读存储介质 | |
CN115015909A (zh) | 一种基于透视变换的雷达数据与视频数据融合方法及*** | |
CN114463717A (zh) | 一种障碍物位置判断方法、***、电子设备及存储介质 | |
CN115243191A (zh) | 一种监控设备的位置确定方法、装置、终端及存储介质 |
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 |