CN111696059B - 一种车道线光滑连接处理方法和装置 - Google Patents
一种车道线光滑连接处理方法和装置 Download PDFInfo
- Publication number
- CN111696059B CN111696059B CN202010470213.6A CN202010470213A CN111696059B CN 111696059 B CN111696059 B CN 111696059B CN 202010470213 A CN202010470213 A CN 202010470213A CN 111696059 B CN111696059 B CN 111696059B
- Authority
- CN
- China
- Prior art keywords
- lane
- lane line
- width
- line
- point
- 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
- 238000003672 processing method Methods 0.000 title claims description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims description 24
- 230000006835 compression Effects 0.000 claims description 15
- 238000007906 compression Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 230000000903 blocking effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种车道线光滑连接处理方法和装置,方法包括:S1,获取沿道路通行方向排列的若干点云块,对各点云块内的车道线异常数据进行剔除和矫正;S2,对应关联相邻点云块中的车道线,并矫正宽度异常的车道线;S3,遍历每一个点云块内的车道线,查找车道增减或分流/合流匝道口;S4,将相邻点云块中的车道线拟合连接。本发明实现了将分块点云中的车道线沿道路的通行方向光滑连接,并且能够识别点云块内的车道增减或分流/合流匝道口,解决了现有技术在点云或图像上识别的结果中,出现漏检车道增减或分流/合流匝道口的问题,提高了车道线连接及拓扑处理的精确性。
Description
技术领域
本发明实施例涉及激光点云车道线提取以及高速道路匝道口识别领域,尤其涉及一种车道线光滑连接处理方法和装置。
背景技术
近年来,伴随自动驾驶技术的快速发展,高精度地图的重要性也越来越明显。制作高精度地图的主要数据源就是激光点云,因为激光点云的位置精度高,并且具有三维立体信息。基于激光点云的要素提取,包括车道线提取、箭头提取、标志牌提取等一直是高精度地图自动化制图技术的重难点,是地图制作效率的关键点。目前的车道线提取技术,主要是各种基于反射强度的点云识别技术,或者是将点云转换为图片,在图片上进行边缘检测的方法来提取车道线。不管是在点云上直接提取,还是在图片上提取,提取结果中,实线车道线表现为连续的长线段,虚线车道线表现为间断的短线段,与地面印刷的效果保持一致。常规定义的高精度地图,一般用连续的矢量化点、线、面来表达现实世界的道路要素。车道线表现为连续的长线,一般只在交叉路口、分流、合流路口、车道有增加或者减少等位置断开。
现有的车道线提取方法,在提取车道线之后,后续车道线的连接、拓扑处理较为复杂,且容易出错。
在根据现有的车道线提取方法提取到车道线以后,需要对提取的车道线进行后处理,保证车道线可以光滑连接起来。现有技术提取到的车道线是线段连接,尤其是虚线与虚线之间的连接,需要依靠方向和距离进行阈值约束,进而进行车道线串接和拓扑网络构建。当前的车道线光滑连接处理方法,如果点云或图像上识别的结果中,出现漏检,或者检测不全时,按照距离和角度的计算,当前车道的车道线可能比非当前车道的车道线更符合阈值的约束条件,导致拓扑连接的错误。从而增加人工修改的工作量。
发明内容
本发明实施例提供一种车道线光滑连接处理方法和装置,用以解决现有技术中,车道线的后续连接处理复杂、易出错的问题。
第一方面,本发明实施例提供一种车道线光滑连接处理方法,包括:
S1,获取沿道路通行方向排列的若干点云块,对各点云块内的车道线异常数据进行剔除和矫正;
S2,对应关联相邻点云块中的车道线,并矫正宽度异常的车道线;
S3,遍历每一个点云块内的车道线,查找车道增减或分流/合流匝道口;
S4,将相邻点云块中的车道线拟合连接,以使全部点云块中的车道线沿道路的通行方向光滑连接。
进一步,在步骤S4之后,所述方法还包括:
S5,将左车道线上的形点和右车道线上的形点调整为位置对称的点对。
进一步,步骤S1中,对各点云块内的车道线异常数据进行剔除和矫正,具体包括:
S11,读取各点云块中车道线反算到三维坐标后的结果,以及点云分块的时保留的分块信息;
S12,短线剔除:计算每一点云块中每一左车道线的长度以及每一右车道线的长度,删除长度小于预设长度阈值的左车道线和右车道线;
S13:高程异常矫正;具体包括:
S131,遍历每一点云块中的车道线上的每一点,计算车道线的起点到尾点中每两个相邻点之间的坡度值;对于任一车道线,若所述车道线小于三个点,则不进行高程异常矫正;
S132,若所述车道线包含三个点,则获取三个点中每两个相邻点之间的坡度值,获得两个坡度值,将其中较小坡度值对应的两个点作为正确点,剩下的一个点作为高程异常点,基于两个正确点的高程值来修正所述高程异常点的高程值;
S133,若所述车道线大于3个点,则获取其中每两个相邻点之间的坡度值集合,对所述坡度值集合使用RANSAC随机拟合方法,设置坡度异常阈值筛选车道线中的正确点和高程异常点,使用高程异常点邻近的正确点的高程值来修正所述高程异常点的高程值;
S14,短线拉伸:查找每一点云块内最长的左车道线作为第一基准线,将与第一基准线平行的待拉伸车道线的首尾点分别作为第一基准点,投影到第一基准线上,使用第一基准点投影的第一垂足点截取第一基准线,并获取第一基准点与其对应的第一垂足点之间的第一偏移量,根据所述第一偏移量将将截取到的部分第一基准线平移到待拉伸车道线上;
S15:形点压缩;具体包括:
S151,计算每一点云块中左右车道线的中心线以及左右车道线之间的宽度,对所述中心线使用道格拉斯形点压缩算法进行形点压缩;
S152,针对形点压缩后的中心线的形点,计算每一个点与前后相邻点的距离,如果当前点到上一个点的距离cur_to_last小于第一预设距离阈值,则计算上一个点到上上一个点的距离last_to_last以及当前点到上一个点的距离cur_to_last;若last_to_last小于cur_to_last,则剔除上一个点;若last_to_last不小于cur_to_last,则剔除当前点;
S153,根据左右车道线之间的宽度,将经S152进一步形点压缩后的中心线还原为左右车道线。
进一步,步骤S2中,所述对应关联相邻点云块中的车道线,并矫正宽度异常的车道线,具体包括:
S21,基于点云分块结果,获取上一点云块对应的车道线集合last_plys,当前点云块对应的车道线集合cur_plys,以及下一点云块对应的车道线集合next_plys;
获取cur_plys中每一车道线的首点方向以及last_plys中每一车道线的尾点方向,基于cur_plys中的任一车道线的首点方向,在last_plys中查找尾点方向最接近,且方向差异小于预设角度阈值的车道线,并将两个车道线对应关联,进而将cur_plys中的车道线与last_plys中的车道线一一对应关联;
获取cur_plys中每一条车道线的尾点方向以及next_plys中每一车道线的首点方向,基于cur_plys中任一条车道线的尾点方向,在next_plys中查找首点方向最接近,且方向差异小于预设角度阈值的车道线,并将两个车道线对应关联,进而将cur_plys中的车道线与next_plys中的车道线一一对应关联;
S22,计算cur_plys中的车道线的线宽cur_width、last_plys中车道线的线宽last_width和next_plys中车道线的线宽next_width;
若所述cur_width、last_width和next_width都属于标准线宽或粗线宽,则求cur_width、last_width和next_width的平均值,并根据所述平均值调整三个线宽各自对应的车道线的形点;
若所述last_width和next_width的宽度属于标准线宽,而cur_width属于粗线宽,或者,last_width和next_width的宽度属于粗线宽,而cur_width属于标准线宽,则根据last_width和next_width的平均值矫正cur_width对应的车道线的形点。
进一步,步骤S3中,遍历每一个点云块内的车道线,查找车道增减或分流/合流匝道口;具体包括:
S31,对于任一点云块,计算所述点云块中左车道线与右车道线的首点距离s_width和尾点距离e_width,若所述s_width小于第二预设距离阈值,且e_width大于s_width,则该点云块内车道线为分流类型;若所述e_width小于第二预设距离阈值,且e_width小于s_width,则该点云块内车道线为合流类型;
S32,对于满足所述分流类型或合流类型的车道线,计算左右车道线的线宽,若线宽为粗线宽,则该点云块内车道线为车道变化;若所述线宽为标准线宽,则该点云块内车道线为道路变化;其中,车道变化是指车道增加或车道减少,道路变化是指该点云块内车道线包含分流匝道口或合流匝道口。
进一步,在步骤S4之前,所述方法还包括:
将每一点云块内缺失的车道线横向拷贝补齐;具体包括:
根据S21所述的方法,将last_plys中的车道线分别与cur_plys和next_plys中的车道线进行对应关联;
若last_plys中的第一车道线在cur_plys中没有找到对应关联的车道线,而在next_plys中找到了第一车道线对应关联的第二车道线,则表示cur_plys中包含待补充车道线,所述待补充车道线在第一车道线和第二车道线之间;
在cur_plys中查找距离待补充车道线最近的车道线,作为第二基准线;用last_plys中的车道线尾点作为第二基准点,向第二基准线做垂线,获得第二垂足点,使用第二垂足点截取第二基准线,获得第二基准点与第二垂足点之间的第二偏移量,根据所述第二偏移量将截取到的一部分第二基准线平移至待补充的车道线上。
进一步,步骤S4中,将相邻点云块中的车道线拟合连接,具体包括:
S41,根据S21所述的方法,将cur_plys中的车道线与last_plys中的车道线一一对应;
S42,遍历cur_plys中的车道线,若当前车道线cur_ply的宽度与其在last_plys中对应关联的上一车道线last_ply的宽度不一致,且last_plys所在的点云块是车道变化或者道路变化,则不进行拟合连接;
若当前车道线cur_ply的宽度与其在last_plys中对应关联的上一车道线last_ply的宽度不一致,且last_plys所在的点云块不是车道变化或者道路变化,在last_ply中割取其首部的预设长度的车道线,在当前车道线cur_ply中割取其尾部预设长度的车道线,组成待拟合车道线fit_ply;
S43,对fit_ply使用圆进行拟合,求得圆心和半径r。若r小于预设半径阈值,则将fit_ply上的形点,按照所述圆心和半径r重新均匀分布。若r大于等于预设半径阈值,则将fit_ply使用直线再次拟合,并剔除不在线上的点;
S44,将S42中切割剩余的部分和fit_ply按顺序组合成新的车道线。
第二方面,本发明实施例提供一种车道线光滑连接处理装置,包括:
异常数据剔除矫正模块,用于获取沿道路通行方向排列的若干点云块,对各点云块内的车道线异常数据进行剔除和矫正;
宽度异常矫正模块,用于对应关联相邻点云块中的车道线,并矫正宽度异常的车道线;
匝道口识别模块,用于遍历每一个点云块内的车道线,查找车道增减或分流/合流匝道口;
拟合连接模块,用于将相邻点云块中的车道线拟合连接,以使全部点云块中的车道线沿道路的通行方向光滑连接。
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本发明第一方面实施例所述车道线光滑连接处理方法的步骤。
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本发明第一方面实施例所述车道线光滑连接处理方法的步骤。
本发明实施例提供的车道线光滑连接处理方法和装置,首先获取沿道路通行方向排列的若干点云块,对各点云块内的车道线异常数据进行剔除和矫正。然后,对应关联相邻点云块中的车道线,并矫正宽度异常的车道线。接着,将相邻点云块中的车道线拟合连接,实现了将分块点云中的车道线沿道路的通行方向光滑连接。并且,本发明提供的方法能够识别点云块内的车道增减或分流/合流匝道口,解决了现有技术在点云或图像上识别的结果中,出现漏检车道增减或分流/合流匝道口的问题,提高了车道线连接及拓扑处理的精确性。
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为根据本发明实施例的车道线光滑连接处理方法流程示意图;
图2为沿道路通行方向的分割点云的多边形序列示意图;
图3为现有技术中结合深度学习在分块点云上提取出的车道线示意图;
图4为本发明实施例提供的包含车道增加的车道线示意图;
图5为本发明实施例提供的包含分流匝道口的车道线示意图;
图6为本发明实施例提供的光滑连接后的车道线示意图;
图7为本发明实施例提供的车道线光滑连接处理装置的结构框图;
图8为根据本发明实施例的一种电子设备结构示意图。
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。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
图1为根据本发明实施例的车道线光滑连接处理方法流程示意图,参照图1,该方法包括:
S1,获取沿道路通行方向排列的若干点云块,对各点云块内的车道线异常数据进行剔除和矫正。
在执行步骤S1之前,首先根据现有技术在激光点云采集车采集的点云数据中提取车道线。图2为沿道路通行方向的分割点云的多边形序列示意图,图2中示出了沿道路通行方向排列的若干点云块。现有方法是将点云沿着道路纵向切割成块,在每一块中使用深度学习的分割网络,推理得到车道线的左右边缘。而获取到的车道线的是长线还是短的线块,由训练的样本决定。样本是由历史的成果地图制作的,故而可以推理得到基本与点云块纵向等长的车道线。图3为现有技术中结合深度学习在分块点云上提取出的车道线示意图。
本实施例在获取沿道路通行方向排列的若干点云块后,对没有点云块内的车道线异常数据进行剔除和矫正,具体包括极短线剔除、高程异常矫正、短线拉伸和形点压缩。
S2,对应关联相邻点云块中的车道线,并矫正宽度异常的车道线。
在不同的点云块中,同一条连续车道线的宽度识别很难保持完全一致。直接使用会导致连接后的车道线不光滑,部分位置精度不好的问题。针对这一问题,本实施例将相邻点云块中的车道线一一对应关联,并矫正宽度异常的车道线。S2可以具体包括以下步骤:
S21,基于点云分块结果,获取上一点云块对应的车道线集合last_plys,当前点云块对应的车道线集合cur_plys,以及下一点云块对应的车道线集合next_plys;
获取cur_plys中每一车道线的首点方向以及last_plys中每一车道线的尾点方向,基于cur_plys中的任一车道线的首点方向,在last_plys中查找尾点方向最接近,且方向差异小于预设角度阈值的车道线,并将两个车道线对应关联,进而将cur_plys中的车道线与last_plys中的车道线一一对应关联;
获取cur_plys中每一条车道线的尾点方向以及next_plys中每一车道线的首点方向,基于cur_plys中任一条车道线的尾点方向,在next_plys中查找首点方向最接近,且方向差异小于预设角度阈值的车道线,并将两个车道线对应关联,进而将cur_plys中的车道线与next_plys中的车道线一一对应关联;
S22,计算cur_plys中的车道线的线宽cur_width、last_plys中车道线的线宽last_width和next_plys中车道线的线宽next_width;
若所述cur_width、last_width和next_width都属于标准线宽或粗线宽,则求cur_width、last_width和next_width的平均值,并根据所述平均值调整三个线宽各自对应的车道线的形点;
若所述last_width和next_width的宽度属于标准线宽,而cur_width属于粗线宽,或者,last_width和next_width的宽度属于粗线宽,而cur_width属于标准线宽,则根据last_width和next_width的平均值矫正cur_width对应的车道线的形点。
S3,遍历每一个点云块内的车道线,查找车道增减或分流/合流匝道口。
S3可以具体包括以下步骤:
S31,对于任一点云块,计算所述点云块中左车道线与右车道线的首点距离s_width和尾点距离e_width,若所述s_width小于第二预设距离阈值,且e_width大于s_width,则该点云块内车道线为分流类型;若所述e_width小于第二预设距离阈值,且e_width小于s_width,则该点云块内车道线为合流类型。此处,第二预设距离阈值可以设置为1.5m,本实施例对此不作具体限定。
S32,对于满足所述分流类型或合流类型的车道线,计算左右车道线的线宽,若线宽为粗线宽,则该点云块内车道线为车道变化;若所述线宽为标准线宽,则该点云块内车道线为道路变化;其中,车道变化是指车道增加或车道减少,道路变化是指该点云块内车道线为分流匝道口或合流匝道口。本实施例中,标准线宽为15厘米,粗线宽为40厘米。图4为本发明实施例提供的包含车道增加的车道线示意图;图5为本发明实施例提供的包含分流匝道口的车道线示意图。
S4,将相邻点云块中的车道线拟合连接,以使全部点云块中的车道线沿道路的通行方向光滑连接。
本发明实施例提供的车道线光滑连接处理方法,首先获取沿道路通行方向排列的若干点云块,对各点云块内的车道线异常数据进行剔除和矫正。然后,对应关联相邻点云块中的车道线,并矫正宽度异常的车道线。接着,将相邻点云块中的车道线拟合连接,实现了将分块点云中的车道线沿道路的通行方向光滑连接。并且,本发明提供的方法能够识别点云块内的车道增减或分流/合流匝道口,解决了现有技术在点云或图像上识别的结果中,出现漏检车道增减或分流/合流匝道口的问题,提高了车道线连接及拓扑处理的精确性。
在上述实施例的基础上,步骤S1中,对各点云块内的车道线异常数据进行剔除和矫正,具体包括:
S11,读取各点云块中车道线反算到三维坐标后的结果,以及点云分块的时保留的分块信息。此处,分块信息包括:点云块对应原始点云的名称、点云块沿道路通行方向分块的顺序索引号、点云块的边想界多边形形点坐标。
S12,短线剔除:计算每一点云块中每一左车道线的长度以及每一右车道线的长度,删除长度小于预设长度阈值的左车道线和右车道线。
具体地,由于在车道线提取中,常会有误提取噪声数据,而通过长度过滤可以剔除部分噪声,降低对后续处理的影响。
因此,本实施例计算每一点云块中每一左车道线的长度以及每一右车道线的长度,删除长度小于预设长度阈值的左车道线和右车道线。本实施例中,预设长度阈值可以设置为1m,本发明实施例对此不作具体限定。
S13:高程异常矫正;由于激光点云采集车在行驶过程中,不可避免会与其他车辆错车,此时横向扫描的点,就是旁边车辆上的点,会造成道路面点云的缺失,且会有车体的点云存在。因此本发明实施例通过步骤S13处理由于此类路面点云空洞,或路面有噪点等原因引起的车道线高程异常。S13具体包括:
S131,遍历每一点云块中的车道线上的每一点,计算车道线的起点到尾点中每两个相邻点之间的坡度值;对于任一车道线,若所述车道线小于三个点,则不进行高程异常矫正。
S132,若所述车道线包含三个点,则获取三个点中每两个相邻点之间的坡度值,获得两个坡度值,将其中较小坡度值对应的两个点作为正确点,剩下的一个点作为高程异常点,基于两个正确点的高程值来修正所述高程异常点的高程值。
S133,若所述车道线大于3个点,则获取其中每两个相邻点之间的坡度值集合,对所述坡度值集合使用RANSAC随机拟合方法,设置坡度异常阈值筛选车道线中的正确点和高程异常点,使用高程异常点邻近的正确点的高程值来修正所述高程异常点的高程值。
S14,短线拉伸:部分车道线识别时,可能只提取了部分。或者在有汽车遮挡等位置,直接反算三维坐标时,部分图像像素找不到符合条件的点云点,也会造成点云块内部分车道线偏短。为解决这一问题,本实施例查找每一点云块内最长的左车道线作为第一基准线,将与第一基准线平行的待拉伸车道线的首尾点分别作为第一基准点,投影到第一基准线上,使用第一基准点投影的第一垂足点截取第一基准线,并获取第一基准点与其对应的第一垂足点之间的第一偏移量,根据所述第一偏移量将将截取到的部分第一基准线平移到待拉伸车道线上。
S15:形点压缩。由于前面图像提取的结果是以骨架的形式提供,骨架的像素坐标是连续的,反算到三维坐标时的车道线形点就非常密集,会增加数据存储量、运算量以及后续人工对不符合标准位置修改的工作量。因此,需要对车道线进行形点压缩。本实施例中,形点是车道线上每一个控制车道线形状的顶点。
S15具体包括:
S151,计算每一点云块中左右车道线的中心线以及左右车道线之间的宽度,对所述中心线使用道格拉斯形点压缩算法进行形点压缩。道格拉斯形点压缩算法是一种采用迭代式方法对折线进行压缩的方法,选取一些特征点代表原折线,并且保证原折线的点距离压缩后的折线不超过一定的范围阈值d。
S152,针对形点压缩后的中心线的形点,计算每一个点与前后相邻点的距离,如果当前点到上一个点的距离cur_to_last小于第一预设距离阈值,则计算上一个点到上上一个点的距离last_to_last以及当前点到上一个点的距离cur_to_last;若last_to_last小于cur_to_last,则剔除上一个点;若last_to_last不小于cur_to_last,则剔除当前点。本实施例中,第一预设距离阈值可以设置为1m,本发明实施例对此不作具体限定。
S153,根据左右车道线之间的宽度,将经S152进一步形点压缩后的中心线还原为左右车道线。
在上述各实施例的基础上,在步骤S4之后,所述方法还包括:
S5,将左车道线上的形点和右车道线上的形点调整为位置对称的点对。
本发明提供的车道线是双线表达,即车道线包括左车道线和右车道线。
S5具体包括:
S51:对所有左车道线和右车道线分别按照上述S15的方法进行形点压缩;
S52:以左车道线为基准,遍历左右车道线的每一形点,针对左车道线的当前形点,查找右车道线上距其最近的形点进行匹配,若匹配到的两形点间距离小于第三预设距离阈值,则不调整当前形点的位置。可选的,第三预设距离阈值可以设置为1m。
针对左车道线的当前形点,若在右车道线上找到的最近点,已经被当前形点之前处理的形点匹配到过,则删除左车道线上的当前形点;若在右车道线上找到的最近点未被匹配到过,将左车道线上形点向右车道线做垂足,把垂足***右车道线形点中;
S53:以右车道线为基准,遍历左右车道线的每一形点,查找左车道线上的最近点,按照S52处理。
在上述各实施例的基础上,在步骤S4之前,所述方法还包括:
将每一点云块内缺失的车道线横向拷贝补齐;具体包括:
根据S21所述的方法,将last_plys中的车道线分别与cur_plys和next_plys中的车道线进行对应关联;
若last_plys中的第一车道线在cur_plys中没有找到对应关联的车道线,而在next_plys中找到了第一车道线对应关联的第二车道线,则表示cur_plys中包含待补充车道线,所述待补充车道线在第一车道线和第二车道线之间;
在cur_plys中查找距离待补充车道线最近的车道线,作为第二基准线;用last_plys中的车道线尾点作为第二基准点,向第二基准线做垂线,获得第二垂足点,使用第二垂足点截取第二基准线,获得第二基准点与第二垂足点之间的第二偏移量,根据所述第二偏移量将截取到的一部分第二基准线平移至待补充的车道线上。
在上述各实施例的基础上,步骤S4中,将相邻点云块中的车道线拟合连接,具体包括:
S41,根据S21所述的方法,将cur_plys中的车道线与last_plys中的车道线一一对应;
S42,遍历cur_plys中的车道线,若当前车道线cur_ply的宽度与其在last_plys中对应关联的上一车道线last_ply的宽度不一致,且last_plys所在的点云块是车道变化或者道路变化,则不进行拟合连接;
若当前车道线cur_ply的宽度与其在last_plys中对应关联的上一车道线last_ply的宽度不一致,且last_plys所在的点云块不是车道变化或者道路变化,在last_ply中割取其首部的预设长度的车道线,在当前车道线cur_ply中割取其尾部预设长度的车道线,组成待拟合车道线fit_ply;
S43,对fit_ply使用圆进行拟合,求得圆心和半径r。若r小于预设半径阈值,则将fit_ply上的形点,按照所述圆心和半径r重新均匀分布。若r大于等于预设半径阈值,则将fit_ply使用直线再次拟合,并剔除不在线上的点;
S44,将S42中切割剩余的部分和fit_ply按顺序组合成新的车道线。图6为本发明实施例提供的光滑连接后的车道线示意图。
本发明实施例通过步骤S1~S4,将车道线按照道路的通行方向连接起来,并且补齐了提取缺失,或者因为点云空洞引起的车道线缺失的情况。
图7为本发明实施例提供的车道线光滑连接处理装置的结构框图,参照图7,该装置包括:
异常数据剔除矫正模块701,用于获取沿道路通行方向排列的若干点云块,对各点云块内的车道线异常数据进行剔除和矫正;
宽度异常矫正模块702,用于对应关联相邻点云块中的车道线,并矫正宽度异常的车道线;
匝道口识别模块703,用于遍历每一个点云块内的车道线,查找车道增减或分流/合流匝道口;
拟合连接模块704,用于将相邻点云块中的车道线拟合连接,以使全部点云块中的车道线沿道路的通行方向光滑连接。
本发明实施例提供了一种电子设备,如图8所示,该电子设备可以包括:处理器(processor)801、通信接口(Communications Interface)802、存储器(memory)803和通信总线804,其中,处理器801,通信接口802,存储器803通过通信总线804完成相互间的通信。处理器801可以调用存储器803中的逻辑指令,以执行上述各实施例提供的车道线光滑连接处理方法,例如包括:S1,获取沿道路通行方向排列的若干点云块,对各点云块内的车道线异常数据进行剔除和矫正;S2,对应关联相邻点云块中的车道线,并矫正宽度异常的车道线;S3,遍历每一个点云块内的车道线,查找车道增减或分流/合流匝道口;S4,将相邻点云块中的车道线拟合连接,以使全部点云块中的车道线沿道路的通行方向光滑连接。
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车道线光滑连接处理方法,例如包括:S1,获取沿道路通行方向排列的若干点云块,对各点云块内的车道线异常数据进行剔除和矫正;S2,对应关联相邻点云块中的车道线,并矫正宽度异常的车道线;S3,遍历每一个点云块内的车道线,查找车道增减或分流/合流匝道口;S4,将相邻点云块中的车道线拟合连接,以使全部点云块中的车道线沿道路的通行方向光滑连接。
综上所述,本发明实施例提供一种车道线光滑连接处理方法和装置,首先获取沿道路通行方向排列的若干点云块,对各点云块内的车道线异常数据进行剔除和矫正。然后,对应关联相邻点云块中的车道线,并矫正宽度异常的车道线。接着,将相邻点云块中的车道线拟合连接,实现了将分块点云中的车道线沿道路的通行方向光滑连接。并且,本发明提供的方法能够识别点云块内的车道增减或分流/合流匝道口,解决了现有技术在点云或图像上识别的结果中,出现漏检车道增减或分流/合流匝道口的问题,提高了车道线连接及拓扑处理的精确性。
本申请实施例中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列部件或单元的***、产品或设备没有限定于已列出的部件或单元,而是可选地还包括没有列出的部件或单元,或可选地还包括对于这些产品或设备固有的其它部件或单元。本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
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 (7)
1.一种车道线光滑连接处理方法,其特征在于,包括:
S1,获取沿道路通行方向排列的若干点云块,对各点云块内的车道线异常数据进行剔除和矫正;
S2,对应关联相邻点云块中的车道线,并矫正宽度异常的车道线;S2包括:S21,基于点云分块结果,获取上一点云块对应的车道线集合last_plys,当前点云块对应的车道线集合cur_plys,以及下一点云块对应的车道线集合next_plys;
获取cur_plys中每一车道线的首点方向以及last_plys中每一车道线的尾点方向,基于cur_plys中的任一车道线的首点方向,在last_plys中查找尾点方向最接近,且方向差异小于预设角度阈值的车道线,并将两个车道线对应关联,进而将cur_plys中的车道线与last_plys中的车道线一一对应关联;
获取cur_plys中每一条车道线的尾点方向以及next_plys中每一车道线的首点方向,基于cur_plys中任一条车道线的尾点方向,在next_plys中查找首点方向最接近,且方向差异小于预设角度阈值的车道线,并将两个车道线对应关联,进而将cur_plys中的车道线与next_plys中的车道线一一对应关联;
S22,计算cur_plys中的车道线的线宽cur_width、last_plys中车道线的线宽last_width和next_plys中车道线的线宽next_width;
若所述cur_width、last_width和next_width都属于标准线宽或粗线宽,则求cur_width、last_width和next_width的平均值,并根据所述平均值调整三个线宽各自对应的车道线的形点;
若所述last_width和next_width的宽度属于标准线宽,而cur_width属于粗线宽,或者,last_width和next_width的宽度属于粗线宽,而cur_width属于标准线宽,则根据last_width和next_width的平均值矫正cur_width对应的车道线的形点;
S3,遍历每一个点云块内的车道线,查找车道增减或分流/合流匝道口;S3包括:S31,对于任一点云块,计算所述点云块中左车道线与右车道线的首点距离s_width和尾点距离e_width,若所述s_width小于第二预设距离阈值,且e_width大于s_width,则该点云块内车道线为分流类型;若所述e_width小于第二预设距离阈值,且e_width小于s_width,则该点云块内车道线为合流类型;
S32,对于满足所述分流类型或合流类型的车道线,计算左右车道线的线宽,若线宽为粗线宽,则该点云块内车道线为车道变化;若所述线宽为标准线宽,则该点云块内车道线为道路变化;其中,车道变化是指车道增加或车道减少,道路变化是指该点云块内车道线为分流匝道口或合流匝道口;
S4,将相邻点云块中的车道线拟合连接,以使全部点云块中的车道线沿道路的通行方向光滑连接;S4包括:S41,根据S21所述的方法,将cur_plys中的车道线与last_plys中的车道线一一对应;
S42,遍历cur_plys中的车道线,若当前车道线cur_ply的宽度与其在last_plys中对应关联的上一车道线last_ply的宽度不一致,且last_plys所在的点云块是车道变化或者道路变化,则不进行拟合连接;
若当前车道线cur_ply的宽度与其在last_plys中对应关联的上一车道线last_ply的宽度不一致,且last_plys所在的点云块不是车道变化或者道路变化,在last_ply中割取其首部的预设长度的车道线,在当前车道线cur_ply中割取其尾部预设长度的车道线,组成待拟合车道线fit_ply;
S43,对fit_ply使用圆进行拟合,求得圆心和半径r;若r 小于预设半径阈值,则将fit_ply上的形点,按照所述圆心和半径r重新均匀分布;若r 大于等于预设半径阈值,则将fit_ply使用直线再次拟合,并剔除不在线上的点;
S44,将S42中切割剩余的部分和fit_ply按顺序组合成新的车道线。
2.根据权利要求1所述的车道线光滑连接处理方法,其特征在于,在步骤S4之后,所述方法还包括:
S5,将左车道线上的形点和右车道线上的形点调整为位置对称的点对。
3.根据权利要求1所述的车道线光滑连接处理方法,其特征在于,步骤S1中,对各点云块内的车道线异常数据进行剔除和矫正,具体包括:
S11,读取各点云块中车道线反算到三维坐标后的结果,以及点云分块的时保留的分块信息;
S12,短线剔除:计算每一点云块中每一左车道线的长度以及每一右车道线的长度,删除长度小于预设长度阈值的左车道线和右车道线;
S13:高程异常矫正;具体包括:
S131,遍历每一点云块中的车道线上的每一点,计算车道线的起点到尾点中每两个相邻点之间的坡度值;对于任一车道线,若所述车道线小于三个点,则不进行高程异常矫正;
S132,若所述车道线包含三个点,则获取三个点中每两个相邻点之间的坡度值,获得两个坡度值,将其中较小坡度值对应的两个点作为正确点,剩下的一个点作为高程异常点,基于两个正确点的高程值来修正所述高程异常点的高程值;
S133,若所述车道线大于3个点,则获取其中每两个相邻点之间的坡度值集合,对所述坡度值集合使用RANSAC随机拟合方法,设置坡度异常阈值筛选车道线中的正确点和高程异常点,使用高程异常点邻近的正确点的高程值来修正所述高程异常点的高程值;
S14,短线拉伸:查找每一点云块内最长的左车道线作为第一基准线,将与第一基准线平行的待拉伸车道线的首尾点分别作为第一基准点,投影到第一基准线上,使用第一基准点投影的第一垂足点截取第一基准线,并获取第一基准点与其对应的第一垂足点之间的第一偏移量,根据所述第一偏移量将截取到的部分第一基准线平移到待拉伸车道线上;
S15:形点压缩;具体包括:
S151,计算每一点云块中左右车道线的中心线以及左右车道线之间的宽度,对所述中心线使用道格拉斯形点压缩算法进行形点压缩;
S152,针对形点压缩后的中心线的形点,计算每一个点与前后相邻点的距离,如果当前点到上一个点的距离cur_to_last小于第一预设距离阈值,则计算上一个点到上上一个点的距离last_to_last以及当前点到上一个点的距离cur_to_last;若last_to_last小于cur_to_last,则剔除上一个点;若last_to_last不小于cur_to_last,则剔除当前点;
S153,根据左右车道线之间的宽度,将经S152进一步形点压缩后的中心线还原为左右车道线。
4.根据权利要求1所述的车道线光滑连接处理方法,其特征在于,在步骤S4之前,所述方法还包括:
将每一点云块内缺失的车道线横向拷贝补齐;具体包括:
根据S21所述的方法,将last_plys中的车道线分别与cur_plys和next_plys中的车道线进行对应关联;
若last_plys中的第一车道线在cur_plys中没有找到对应关联的车道线,而在next_plys中找到了第一车道线对应关联的第二车道线,则表示cur_plys中包含待补充车道线,所述待补充车道线在第一车道线和第二车道线之间;
在cur_plys中查找距离待补充车道线最近的车道线,作为第二基准线;用last_plys中的车道线尾点作为第二基准点,向第二基准线做垂线,获得第二垂足点,使用第二垂足点截取第二基准线,获得第二基准点与第二垂足点之间的第二偏移量,根据所述第二偏移量将截取到的一部分第二基准线平移至待补充的车道线上。
5.一种车道线光滑连接处理装置,其特征在于,包括:
异常数据剔除矫正模块,用于获取沿道路通行方向排列的若干点云块,对各点云块内的车道线异常数据进行剔除和矫正;
宽度异常矫正模块,用于对应关联相邻点云块中的车道线,并矫正宽度异常的车道线;其中,基于点云分块结果,获取上一点云块对应的车道线集合last_plys,当前点云块对应的车道线集合cur_plys,以及下一点云块对应的车道线集合next_plys;
获取cur_plys中每一车道线的首点方向以及last_plys中每一车道线的尾点方向,基于cur_plys中的任一车道线的首点方向,在last_plys中查找尾点方向最接近,且方向差异小于预设角度阈值的车道线,并将两个车道线对应关联,进而将cur_plys中的车道线与last_plys中的车道线一一对应关联;
获取cur_plys中每一条车道线的尾点方向以及next_plys中每一车道线的首点方向,基于cur_plys中任一条车道线的尾点方向,在next_plys中查找首点方向最接近,且方向差异小于预设角度阈值的车道线,并将两个车道线对应关联,进而将cur_plys中的车道线与next_plys中的车道线一一对应关联;
计算cur_plys中的车道线的线宽cur_width、last_plys中车道线的线宽last_width和next_plys中车道线的线宽next_width;
若所述cur_width、last_width和next_width都属于标准线宽或粗线宽,则求cur_width、last_width和next_width的平均值,并根据所述平均值调整三个线宽各自对应的车道线的形点;
若所述last_width和next_width的宽度属于标准线宽,而cur_width属于粗线宽,或者,last_width和next_width的宽度属于粗线宽,而cur_width属于标准线宽,则根据last_width和next_width的平均值矫正cur_width对应的车道线的形点;
匝道口识别模块,用于遍历每一个点云块内的车道线,查找车道增减或分流/合流匝道口;其中,对于任一点云块,计算所述点云块中左车道线与右车道线的首点距离s_width和尾点距离e_width,若所述s_width小于第二预设距离阈值,且e_width大于s_width,则该点云块内车道线为分流类型;若所述e_width小于第二预设距离阈值,且e_width小于s_width,则该点云块内车道线为合流类型;对于满足所述分流类型或合流类型的车道线,计算左右车道线的线宽,若线宽为粗线宽,则该点云块内车道线为车道变化;若所述线宽为标准线宽,则该点云块内车道线为道路变化;其中,车道变化是指车道增加或车道减少,道路变化是指该点云块内车道线为分流匝道口或合流匝道口;
拟合连接模块,用于将相邻点云块中的车道线拟合连接,以使全部点云块中的车道线沿道路的通行方向光滑连接;基于点云分块结果,获取上一点云块对应的车道线集合last_plys,当前点云块对应的车道线集合cur_plys,将cur_plys中的车道线与last_plys中的车道线一一对应;
遍历cur_plys中的车道线,若当前车道线cur_ply的宽度与其在last_plys中对应关联的上一车道线last_ply的宽度不一致,且last_plys所在的点云块是车道变化或者道路变化,则不进行拟合连接;
若当前车道线cur_ply的宽度与其在last_plys中对应关联的上一车道线last_ply的宽度不一致,且last_plys所在的点云块不是车道变化或者道路变化,在last_ply中割取其首部的预设长度的车道线,在当前车道线cur_ply中割取其尾部预设长度的车道线,组成待拟合车道线fit_ply;
对fit_ply使用圆进行拟合,求得圆心和半径r;若r 小于预设半径阈值,则将fit_ply上的形点,按照所述圆心和半径r重新均匀分布;若r 大于等于预设半径阈值,则将fit_ply使用直线再次拟合,并剔除不在线上的点;
将last_ply中切割剩余的部分和fit_ply按顺序组合成新的车道线。
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任一项所述车道线光滑连接处理方法的步骤。
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任一项所述车道线光滑连接处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010470213.6A CN111696059B (zh) | 2020-05-28 | 2020-05-28 | 一种车道线光滑连接处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010470213.6A CN111696059B (zh) | 2020-05-28 | 2020-05-28 | 一种车道线光滑连接处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111696059A CN111696059A (zh) | 2020-09-22 |
CN111696059B true CN111696059B (zh) | 2022-04-29 |
Family
ID=72478582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010470213.6A Active CN111696059B (zh) | 2020-05-28 | 2020-05-28 | 一种车道线光滑连接处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111696059B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112527942A (zh) * | 2020-12-21 | 2021-03-19 | 武汉光庭信息技术股份有限公司 | 分流合流区间adas存储方法、***、服务器及存储介质 |
CN112733078B (zh) * | 2020-12-29 | 2023-10-10 | 武汉中海庭数据技术有限公司 | 众包数据的多道路片段间的多线间的平滑连接方法与装置 |
CN114435402B (zh) * | 2022-02-16 | 2024-05-31 | 智道网联科技(北京)有限公司 | 一种车道线平滑方法、装置和电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015195282A1 (en) * | 2014-06-19 | 2015-12-23 | Toyota Motor Engineering & Manufacturing North America, Inc. | Road branch detection and path selection for lane centering |
CN108171967A (zh) * | 2017-11-24 | 2018-06-15 | 华为技术有限公司 | 一种交通控制方法及装置 |
CN110705577A (zh) * | 2019-09-29 | 2020-01-17 | 武汉中海庭数据技术有限公司 | 一种激光点云车道线提取方法 |
CN111007531A (zh) * | 2019-12-24 | 2020-04-14 | 电子科技大学 | 一种基于激光点云数据的道路边沿检测方法 |
CN111191597A (zh) * | 2019-12-31 | 2020-05-22 | 武汉中海庭数据技术有限公司 | 基于矢量线的道路结构提取***及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8311283B2 (en) * | 2008-07-06 | 2012-11-13 | Automotive Research&Testing Center | Method for detecting lane departure and apparatus thereof |
US10545029B2 (en) * | 2016-12-30 | 2020-01-28 | DeepMap Inc. | Lane network construction using high definition maps for autonomous vehicles |
-
2020
- 2020-05-28 CN CN202010470213.6A patent/CN111696059B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015195282A1 (en) * | 2014-06-19 | 2015-12-23 | Toyota Motor Engineering & Manufacturing North America, Inc. | Road branch detection and path selection for lane centering |
CN108171967A (zh) * | 2017-11-24 | 2018-06-15 | 华为技术有限公司 | 一种交通控制方法及装置 |
CN110705577A (zh) * | 2019-09-29 | 2020-01-17 | 武汉中海庭数据技术有限公司 | 一种激光点云车道线提取方法 |
CN111007531A (zh) * | 2019-12-24 | 2020-04-14 | 电子科技大学 | 一种基于激光点云数据的道路边沿检测方法 |
CN111191597A (zh) * | 2019-12-31 | 2020-05-22 | 武汉中海庭数据技术有限公司 | 基于矢量线的道路结构提取***及方法 |
Non-Patent Citations (1)
Title |
---|
车载激光点云的道路标线提取及语义关联;姚连璧等;《测绘学报》;20200415(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111696059A (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111696059B (zh) | 一种车道线光滑连接处理方法和装置 | |
CN111462275B (zh) | 一种基于激光点云的地图生产方法和装置 | |
CN110705577B (zh) | 一种激光点云车道线提取方法 | |
CN110866871A (zh) | 文本图像矫正方法、装置、计算机设备及存储介质 | |
CN110188778B (zh) | 基于影像提取结果的居民区要素轮廓规则化方法 | |
CN110088766B (zh) | 车道线识别方法、车道线识别装置以及非易失性存储介质 | |
CN111340922A (zh) | 定位与地图构建的方法和电子设备 | |
KR101549155B1 (ko) | 라이다 자료를 활용한 구조물의 직선경계 추출방법 | |
CN114332291A (zh) | 一种倾斜摄影模型建筑物外轮廓规则提取方法 | |
CN114820679B (zh) | 图像标注方法、装置、电子设备和存储介质 | |
CN111222514B (zh) | 一种基于视觉定位的局部地图优化方法 | |
CN109187548A (zh) | 一种岩体裂隙识别方法 | |
CN114898321A (zh) | 道路可行驶区域检测方法、装置、设备、介质及*** | |
CN114005098A (zh) | 高精地图车道线信息的检测方法、装置和电子设备 | |
CN115131761B (zh) | 道路边界的识别方法、绘制方法及装置 | |
CN111862321B (zh) | 视差图的获取方法、装置、***及存储介质 | |
CN111985366A (zh) | 一种道路中心线及桩号识别方法、装置 | |
CN115049997B (zh) | 边缘车道线的生成方法、装置、电子设备及存储介质 | |
CN117011481A (zh) | 构建三维地图的方法、装置、电子设备及存储介质 | |
CN104408437B (zh) | 一种基于合成孔径雷达的道路检测方法 | |
CN114118188A (zh) | 针对待检测图像中移动对象的处理***、方法和存储介质 | |
CN110675338B (zh) | 一种基于多幅影像的矢量数据自动纠正方法 | |
CN113112529B (zh) | 一种基于区域邻近点搜索的密集匹配错配点处理方法 | |
CN115147400B (zh) | 一种钢筋交叉点自适应识别方法、***、电子设备及介质 | |
EP3998458A2 (en) | Method and apparatus for generating zebra crossing in high resolution map, and electronic device |
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 |