CN112487127A - 一种基于颜色特征分布与图像语义的众包建图方法及装置 - Google Patents
一种基于颜色特征分布与图像语义的众包建图方法及装置 Download PDFInfo
- Publication number
- CN112487127A CN112487127A CN202011460638.5A CN202011460638A CN112487127A CN 112487127 A CN112487127 A CN 112487127A CN 202011460638 A CN202011460638 A CN 202011460638A CN 112487127 A CN112487127 A CN 112487127A
- Authority
- CN
- China
- Prior art keywords
- grid
- image
- crowdsourcing
- color
- determining
- 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
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于颜色特征分布与图像语义的众包建图方法及装置,其方法包括:获取众包图像,对所述众包图像依次进行增强处理、灰度转换,得到灰度图像;将所述灰度图像进行网格划分,根据所述灰度图像的语义信息和动态目标确定待统计网格;统计每个所述待统计网格所对应的原始图像的颜色特征,根据所述颜色特征确定众包建图所需的网格;根据所述众包建图的网格对应的图像构建众包地图。本发明通过图像颜色特征分布信息、颜色统计信息和图像的语义信息,以较少的数据量为多批次数据融合提供判断依据,有效增加了众包地图数据匹配的稳定性。
Description
技术领域
本发明属于高精度地图制作领域,具体涉及一种基于颜色特征分布与图像语义的众包建图方法及装置。
背景技术
高精度地图作为自动驾驶领域依赖的重要数据源,能够有效的辅助自动驾驶车辆进行定位和路径规划,但是专业的高精度地图采集和制作周期较长,导致数据更新不够及时,需要采用众包的方法建立众包图层,提升高精度地图的实时性。
众包地图基于众包采集车的图像语义数据进行三维重建,生成局部地图数据,大量的局部地图经过融合可以构建众包地图。数据融合的过程需要局部地图之间能够较好的进行匹配,由于存在一定的GPS定位误差,会出现一些局部地图数据难以匹配的情况。
发明内容
为解决众包地图数据匹配的稳定性差的问题,在本发明的第一方面提供了一种目标检测的标注方法,获取众包图像,对所述众包图像依次进行增强处理、灰度转换,得到灰度图像;将所述灰度图像进行网格划分,根据所述灰度图像的语义信息和动态目标确定待统计网格;统计每个所述待统计网格所对应的原始图像的颜色特征,根据所述颜色特征确定众包建图所需的网格;根据所述众包建图的网格对应的图像构建众包地图。
在本发明的一些实施例中,所述对所述众包图像依次进行增强处理、灰度转换包括如下步骤:对所述众包图像根据边缘检测算子对图像进行增强;然后将经过增强后的众包图像进行灰度转化,得到灰度图像。
在本发明的一些实施例中,所述将所述灰度图像进行网格划分,根据语义信息和动态目标确定待统计网格包括如下步骤:确定网格的大小;利用语义信息标记动态目标所在的网格,计算剩余的非动态目标的每个网格的灰度平均值;遍历查找灰度值由第一阈值降第二阈值且下降值大于跳变阈值的网格位置,并递归搜寻相邻的灰度值小于第二阈值的网格记录为待统计网格。
进一步的,所述统计每个所述待统计网格所对应的原始图像的颜色特征,根据所述颜色特征确定众包建图所需的网格包括如下步骤:将每个所述待统计网格所对应的原始图像的RGB像素值划分为四个颜色区间;根据所述四个颜色区间建立特征颜色对应表;若待统计网格内的相同颜色值的像素点数量超过阈值,则确定该网格为特征颜色网格;若连续两帧图像出现相同的特征颜色网格,则该网格为众包建图所需的网格。
更进一步的,所述将每个所述待统计网格所对应的原始图像的RGB像素值划分为四个颜色区间包括如下步骤:将RGB值划分为[0-63]、[64-127]、[128-191]、[182-255]四个区间,一共64种颜色组合,建立对应的颜色表。
更进一步的,所述若待统计网格内的相同颜色值的像素点数量超过阈值,则确定该网格为特征颜色网格包括如下步骤:若待统计网格内的相同颜色值的像素点数量超过网格内总像素点数量的50%,则确定该网格为特征颜色网格。
本发明的第二方面,提供了一种基于颜色特征分布与图像语义的众包建图装置,包括获取模块、划分模块、统计模块、构建模块,所述获取模块,用于获取众包图像,对所述众包图像依次进行增强处理、灰度转换,得到灰度图像;所述划分模块,用于将所述灰度图像进行网格划分,根据所述灰度图像的语义信息和动态目标确定待统计网格;所述统计模块,用于统计每个所述待统计网格所对应的原始图像的颜色特征,根据所述颜色特征确定众包建图所需的网格;所述构建模块,用于根据所述众包建图的网格对应的图像构建众包地图。
进一步的,所述统计模块包括建立模块、第一确定模块、第二确定模块,所述建立模块,用于将每个所述待统计网格所对应的原始图像的RGB像素值划分为四个颜色区间,根据所述四个颜色区间建立特征颜色对应表;所述第一确定模块,用于若待统计网格内的相同颜色值的像素点数量超过阈值,则确定该网格为特征颜色网格所述第二确定模块,用于若连续两帧图像出现相同的特征颜色网格,则该网格为众包建图所需的网格。
本发明的第三方面,提供了一种电子设备,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本发明第一方面提供的一种目标检测的标注方法。
本发明的第四方面,提供了一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现本发明第一方面提供的一种目标检测的标注方法。
本发明的有益效果是:
1.本发明通过图像颜色特征分布信息、颜色统计信息和图像的语义信息,以较少的数据量为多批次数据融合提供判断依据,有效增加了众包地图数据匹配的稳定性。
附图说明
图1为本发明的一些实施例中的基于颜色特征分布与图像语义的众包建图方法的基本流程图;
图2为本发明的一些实施例中的基于颜色特征分布与图像语义的众包建图方法的流程示意图;
图3为本发明的一些实施例中的网格划分的效果示意图;
图4为本发明的一些实施例中的利用语义信息标记动态目标的效果示意图;
图5为本发明的一些实施例中的基于颜色特征分布与图像语义的众包建图装置的基本结构图;
图6为本发明的一些实施例中的电子设备的基本结构图。
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。
参考图1与图2,在本发明的第一方面提供了一种基于颜色特征分布与图像语义的众包建图方法,包括:S101.获取众包图像,对所述众包图像依次进行增强处理、灰度转换,得到灰度图像;S102.将所述灰度图像进行网格划分,根据所述灰度图像的语义信息和动态目标确定待统计网格;S103.统计每个所述待统计网格所对应的原始图像的颜色特征,根据所述颜色特征确定众包建图所需的网格;S104.根据所述众包建图的网格对应的图像构建众包地图。
在本发明的一些实施例的步骤S101中,所述对所述众包图像依次进行增强处理、灰度转换包括如下步骤:对所述众包图像根据边缘检测算子对图像进行增强;然后将经过增强后的众包图像进行灰度转化,得到灰度图像。
具体地,为了减少地面车辆等动态目标的干扰,只处理车端相机照片的上半部分。然后对所述众包图像根据边缘检测算子对图像边缘进行增强;然后将经过增强后的众包图像进行灰度转化,得到灰度图像。所述边缘检测算子至少包括Roberts、Sobel、Prewitt、Laplacian、Log/Marr、Canny、Kirsch、Nevitia中的一种;优选的,本发明采用Laplacian算子(拉普拉斯)。
可以理解,图像增强算法还包括图像的亮度、对比度、饱和度、色调等进行调节,增加其清晰度,减少噪点等;图像增强往往经过多个算法的组合,完成上述功能,比如图像去燥等同于低通滤波器,增加清晰度则为高通滤波器,当然增强一副图像是为最后获取图像有用信息服务为主。一般的算法流程可为:图像去燥、增加清晰度(对比度)、灰度化或者获取图像边缘特征或者对图像进行卷积、二值化等,上述四个步骤往往可以通过不同的步骤进行实现。
在本发明的一些实施例的步骤S102中,所述将所述灰度图像进行网格划分,根据语义信息和动态目标确定待统计网格包括如下步骤:确定网格的大小;利用语义信息标记动态目标所在的网格,计算剩余的非动态目标的每个网格的灰度平均值;遍历查找灰度值由第一阈值降第二阈值且下降值大于跳变阈值的网格位置,并递归搜寻相邻的灰度值小于第二阈值的网格记录为待统计网格。
参考图3与图4,具体地,将上述灰度图像按照20*20像素大小(可根据采集到的图像大小进行调整)进行网格划分,利用语义信息标记动态目标所在的网格,计算剩余的非动态目标的每个网格的灰度平均值,设置灰度跳变阈值为40,遍历查找灰度值由G1(第一阈值)降为G2且下降值大于跳变阈值的网格位置,并递归搜寻相邻的小于灰度值G2(第二阈值)的网格记录为待统计网格。
进一步的,在本发明的一些实施例的S103中,所述统计每个所述待统计网格所对应的原始图像的颜色特征,根据所述颜色特征确定众包建图所需的网格包括如下步骤:将每个所述待统计网格所对应的原始图像的RGB像素值划分为四个颜色区间;根据所述四个颜色区间建立特征颜色对应表;若待统计网格内的相同颜色值的像素点数量超过阈值,则确定该网格为特征颜色网格;若连续两帧图像出现相同的特征颜色网格,则该网格为众包建图所需的网格。
更进一步的,所述将每个所述待统计网格所对应的原始图像的RGB像素值划分为四个颜色区间包括如下步骤:将RGB值划分为[0-63]、[64-127]、[128-191]、[182-255]四个区间,一共64种颜色组合,建立对应的颜色表。
更进一步的,所述若待统计网格内的相同颜色值的像素点数量超过阈值,则确定该网格为特征颜色网格包括如下步骤:
若待统计网格内的相同颜色值的像素点数量超过网格内总像素点数量的50%,则确定该网格为特征颜色网格。优选的,若待统计网格内的相同颜色值的像素点数量占总数量的50%-70%,则确定该网格为特征颜色网格。
需要说明的是,上述特征颜色信息,可以配合原始图像对应的GPS位置信息和图像语义信息,进一步地提高多次采集的众包地图数据融合的稳定性。
参考图5,本发明的第二方面,提供了一种基于颜色特征分布与图像语义的众包建图装置1,包括获取模块11、划分模块12、统计模块13、构建模块14,所述获取模块11,用于获取众包图像,对所述众包图像依次进行增强处理、灰度转换,得到灰度图像;所述划分模块12,用于将所述灰度图像进行网格划分,根据所述灰度图像的语义信息和动态目标确定待统计网格;所述统计模块13,用于统计每个所述待统计网格所对应的原始图像的颜色特征,根据所述颜色特征确定众包建图所需的网格;所述构建模块14,用于根据所述众包建图的网格对应的图像构建众包地图。
进一步的,所述统计模块13包括建立模块、第一确定模块、第二确定模块,所述建立模块,用于将每个所述待统计网格所对应的原始图像的RGB像素值划分为四个颜色区间,根据所述四个颜色区间建立特征颜色对应表;所述第一确定模块,用于若待统计网格内的相同颜色值的像素点数量超过阈值,则确定该网格为特征颜色网格所述第二确定模块,用于若连续两帧图像出现相同的特征颜色网格,则该网格为众包建图所需的网格。
本发明的第三方面,提供了一种电子设备,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本发明第一方面提供的高精度地图的定制编译方法。
参考图6,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM502被安装。在该计算机程序被处理装置501执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所描述的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开的实施例中,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。而在本公开的实施例中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
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公开的实施例的操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python,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)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
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 (10)
1.一种基于颜色特征分布与图像语义的众包建图方法,其特征在于,包括如下步骤:
获取众包图像,对所述众包图像依次进行增强处理、灰度转换,得到灰度图像;
将所述灰度图像进行网格划分,根据所述灰度图像的语义信息和动态目标确定待统计网格;
统计每个所述待统计网格所对应的原始图像的颜色特征,根据所述颜色特征确定众包建图所需的网格;
根据所述众包建图的网格对应的图像构建众包地图。
2.根据权利要求1所述的基于颜色特征分布与图像语义的众包建图方法,其特征在于,所述对所述众包图像依次进行增强处理、灰度转换包括如下步骤:
对所述众包图像根据边缘检测算子对图像进行增强;
然后将经过增强后的众包图像进行灰度转化,得到灰度图像。
3.根据权利要求1所述的基于颜色特征分布与图像语义的众包建图方法,其特征在于,所述将所述灰度图像进行网格划分,根据语义信息和动态目标确定待统计网格包括如下步骤:
确定网格的大小;
利用语义信息标记动态目标所在的网格,计算剩余的非动态目标的每个网格的灰度平均值;
遍历查找灰度值由第一阈值降第二阈值且下降值大于跳变阈值的网格位置,并递归搜寻相邻的灰度值小于第二阈值的网格记录为待统计网格。
4.根据权利要求3所述的基于颜色特征分布与图像语义的众包建图方法,其特征在于,所述统计每个所述待统计网格所对应的原始图像的颜色特征,根据所述颜色特征确定众包建图所需的网格包括如下步骤:
将每个所述待统计网格所对应的原始图像的RGB像素值划分为四个颜色区间;
根据所述四个颜色区间建立特征颜色对应表;
若待统计网格内的相同颜色值的像素点数量超过阈值,则确定该网格为特征颜色网格;
若连续两帧图像出现相同的特征颜色网格,则该网格为众包建图所需的网格。
5.根据权利要求4所述的基于颜色特征分布与图像语义的众包建图方法,其特征在于,所述将每个所述待统计网格所对应的原始图像的RGB像素值划分为四个颜色区间包括如下步骤:
将RGB值划分为[0-63]、[64-127]、[128-191]、[182-255]四个区间,一共64种颜色组合,建立对应的颜色表。
6.根据权利要求4所述的基于颜色特征分布与图像语义的众包建图方法,其特征在于,所述若待统计网格内的相同颜色值的像素点数量超过阈值,则确定该网格为特征颜色网格包括如下步骤:
若待统计网格内的相同颜色值的像素点数量超过网格内总像素点数量的50%,则确定该网格为特征颜色网格。
7.一种基于颜色特征分布与图像语义的众包建图装置,其特征在于,包括获取模块、划分模块、统计模块、构建模块,
所述获取模块,用于获取众包图像,对所述众包图像依次进行增强处理、灰度转换,得到灰度图像;
所述划分模块,用于将所述灰度图像进行网格划分,根据所述灰度图像的语义信息和动态目标确定待统计网格;
所述统计模块,用于统计每个所述待统计网格所对应的原始图像的颜色特征,根据所述颜色特征确定众包建图所需的网格;
所述构建模块,用于根据所述众包建图的网格对应的图像构建众包地图。
8.根据权利要求7所述的目标检测的标注装置,其特征在于,所述统计模块包括建立模块、第一确定模块、第二确定模块,
所述建立模块,用于将每个所述待统计网格所对应的原始图像的RGB像素值划分为四个颜色区间,根据所述四个颜色区间建立特征颜色对应表;
所述第一确定模块,用于若待统计网格内的相同颜色值的像素点数量超过阈值,则确定该网格为特征颜色网格
所述第二确定模块,用于若连续两帧图像出现相同的特征颜色网格,则该网格为众包建图所需的网格。
9.一种电子设备,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1-6中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011460638.5A CN112487127B (zh) | 2020-12-12 | 2020-12-12 | 一种基于颜色特征分布与图像语义的众包建图方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011460638.5A CN112487127B (zh) | 2020-12-12 | 2020-12-12 | 一种基于颜色特征分布与图像语义的众包建图方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112487127A true CN112487127A (zh) | 2021-03-12 |
CN112487127B CN112487127B (zh) | 2022-06-17 |
Family
ID=74916814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011460638.5A Active CN112487127B (zh) | 2020-12-12 | 2020-12-12 | 一种基于颜色特征分布与图像语义的众包建图方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112487127B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763296A (zh) * | 2021-04-28 | 2021-12-07 | 腾讯云计算(北京)有限责任公司 | 图像处理方法、设备以及介质 |
CN117474991A (zh) * | 2023-10-24 | 2024-01-30 | 纬创软件(武汉)有限公司 | 一种基于SpectFormer的Poi定位方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106777269A (zh) * | 2016-12-28 | 2017-05-31 | 深圳市佳都实业发展有限公司 | 用于构建动态地图的机器人及机器人构建动态地图的方法 |
CN108428254A (zh) * | 2018-03-15 | 2018-08-21 | 斑马网络技术有限公司 | 三维地图的构建方法及装置 |
US20180350030A1 (en) * | 2017-06-06 | 2018-12-06 | Adobe Systems Incorporated | Generating a stylized image or stylized animation by matching semantic features via an appearance guide, a segmentation guide, and a positional guide |
CN111314614A (zh) * | 2020-03-11 | 2020-06-19 | 北京字节跳动网络技术有限公司 | 图像的处理方法、装置、可读介质和电子设备 |
-
2020
- 2020-12-12 CN CN202011460638.5A patent/CN112487127B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106777269A (zh) * | 2016-12-28 | 2017-05-31 | 深圳市佳都实业发展有限公司 | 用于构建动态地图的机器人及机器人构建动态地图的方法 |
US20180350030A1 (en) * | 2017-06-06 | 2018-12-06 | Adobe Systems Incorporated | Generating a stylized image or stylized animation by matching semantic features via an appearance guide, a segmentation guide, and a positional guide |
CN108428254A (zh) * | 2018-03-15 | 2018-08-21 | 斑马网络技术有限公司 | 三维地图的构建方法及装置 |
CN111314614A (zh) * | 2020-03-11 | 2020-06-19 | 北京字节跳动网络技术有限公司 | 图像的处理方法、装置、可读介质和电子设备 |
Non-Patent Citations (1)
Title |
---|
余卓渊等: "全息高精度导航地图: 概念及理论模型", 《地球信息科学》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763296A (zh) * | 2021-04-28 | 2021-12-07 | 腾讯云计算(北京)有限责任公司 | 图像处理方法、设备以及介质 |
CN117474991A (zh) * | 2023-10-24 | 2024-01-30 | 纬创软件(武汉)有限公司 | 一种基于SpectFormer的Poi定位方法及装置 |
CN117474991B (zh) * | 2023-10-24 | 2024-06-07 | 纬创软件(武汉)有限公司 | 一种基于SpectFormer的Poi定位方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112487127B (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106997466B (zh) | 用于检测道路的方法和装置 | |
US20160292837A1 (en) | Image filtering based on image gradients | |
CN112487127B (zh) | 一种基于颜色特征分布与图像语义的众包建图方法及装置 | |
CN110705583A (zh) | 细胞检测模型训练方法、装置、计算机设备及存储介质 | |
CN113607185B (zh) | 车道线信息显示方法、装置、电子设备和计算机可读介质 | |
CN112258519B (zh) | 一种高精度地图制作中道路的让行线自动化提取方法及装置 | |
CN111709965B (zh) | 扫地机器人的地图的优化方法及装置 | |
CN111757100B (zh) | 相机运动变化量的确定方法、装置、电子设备和介质 | |
CN111563517B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110188815B (zh) | 一种特征点采样方法、装置、设备及存储介质 | |
CN112150491B (zh) | 图像检测方法、装置、电子设备和计算机可读介质 | |
CN114202476A (zh) | 一种红外图像增强方法、装置、设备及计算机可读介质 | |
CN114119854A (zh) | 阴影渲染方法、游戏文件打包方法及相应装置 | |
CN112967191A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
US8761507B1 (en) | Bilateral filter optimization | |
CN110047126B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN111091506A (zh) | 图像处理方法及装置、存储介质、电子设备 | |
CN115760578A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN114494574A (zh) | 一种多损失函数约束的深度学习单目三维重建方法及*** | |
WO2017080236A1 (zh) | 图像处理方法及装置 | |
CN116486467A (zh) | 眼睛检测框的确定方法、装置、设备及存储介质 | |
CN111383337B (zh) | 用于识别对象的方法和装置 | |
CN114241044A (zh) | 回环检测方法、装置、电子设备和计算机可读介质 | |
CN111815656B (zh) | 视频处理方法、装置、电子设备和计算机可读介质 | |
CN111914861A (zh) | 目标检测方法和装置 |
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 |