CN113901342A - 一种路网数据处理方法、装置、电子设备及存储介质 - Google Patents
一种路网数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113901342A CN113901342A CN202111161898.7A CN202111161898A CN113901342A CN 113901342 A CN113901342 A CN 113901342A CN 202111161898 A CN202111161898 A CN 202111161898A CN 113901342 A CN113901342 A CN 113901342A
- Authority
- CN
- China
- Prior art keywords
- road
- target
- width
- network data
- pavement
- 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3852—Data derived from aerial or satellite images
-
- 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
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3819—Road shape data, e.g. outline of a route
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Navigation (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种路网数据处理方法、装置、电子设备、存储介质以及计算机程序产品,涉及智能交通领域。具体实现方案为:在道路图像中确定目标道路路面,所述目标道路路面为与第一路网数据中的道路线相匹配的道路路面,所述道路图像为根据卫星影像得到的针对道路的图像,所述第一路网数据为电子地图的基础底图的原始路网数据;将所述道路线调整为与所述目标道路路面道路的道路宽度对应的道路路面,获得所述基础底图的第二路网数据。由于目标道路路面道路是根据卫星影像得到的针对道路的图像,从而目标道路路面道路的道路宽度,能够更真实的反映出真实道路的宽度。将第二路网数据作为基础底图的路网数据,能够更准确的反映出真实道路的实际情况。
Description
技术领域
本公开涉及人工智能领域,具体涉及智能交通技术,具体用于具体可用于智慧城市和智能交通场景。
背景技术
随着计算机技术的发展及车辆的普及,在电子地图的基础底图中采用线数据来表示现实世界中的真实道路的方式,越来越无法满足人们对电子地图的要求。
为了能够更真实的反映真实道路的情况,现有技术中出现了诸多采用道路路面来代替道路线以表示真实道路的方法。例如:基于中线以及车道数的虚拟道路路面生成法,基于车道线要素的道路路面生产法等。虽然上述方法能够实现以道路路面的形式来表示真实道路,但上述采用道路路面来代替道路线以表示真实道路的方法,往往无法准确的反映出真实道路的实际情况。
发明内容
本公开提供了提供一种路网数据处理方法、装置、电子设备、存储介质以及计算机程序产品,以使电子地图能够更准确的反映出真实道路的实际情况。
根据本公开的一方面,提供了一种路网数据处理方法,该方法可以包括以下步骤:
在道路图像中确定目标道路路面,所述目标道路路面为与第一路网数据中的道路线相匹配的道路路面,所述道路图像为根据卫星影像得到的针对道路的图像,所述第一路网数据为电子地图的基础底图的原始路网数据;
将所述道路线调整为与所述目标道路路面道路的道路宽度对应的道路路面,获得所述基础底图的第二路网数据。
根据本公开的第二方面,提供了一种路网数据处理装置,该装置可以包括:
道路路面匹配单元,用于在道路图像中确定目标道路路面,所述目标道路路面为与第一路网数据中的道路线相匹配的道路路面所述道路图像为根据卫星影像得到的针对道路的图像,所述第一路网数据为电子地图的基础底图的原始路网数据;
第二路网数据获得单元,用于将所述道路线调整为与所述目标道路路面道路的道路宽度对应的道路路面,获得所述基础底图的第二路网数据。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现本公开任一实施例中的方法。
本公开的技术,先在根据卫星影像得到的针对道路的道路图像中,确定与第一路网数据中的道路线相匹配的目标道路路面,再将道路线调整为与匹配的目标道路路面道路的道路宽度对应的道路路面,从而获得基础底图的第二路网数据。由于目标道路路面道路是根据卫星影像得到的针对道路的图像,从而目标道路路面道路的道路宽度,能够更真实的反映出真实道路的宽度。因此,将第二路网数据作为基础底图的路网数据,能够更准确的反映出真实道路的实际情况。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开的实施例提供一种路网数据处理方法的流程图;
图2为本公开的实施例中提供的一种道路图像的确定方法的流程图;
图3为本公开的实施例中提供的一种目标道路路面确定方法的流程图;
图4为本公开的实施例中提供的一种道路线调整方法的流程图;
图5为本公开的实施例中提供的一种道路线拓展的示意图;
图6为本公开的实施例中提供的另一种道路线拓展的示意图;
图7为本公开的实施例提供一种路网数据处理装置的示意图;
图8为本公开的实施例提供的一种电子设备的示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开提供一种路网数据处理方法,具体请参照图1,其为本公开的实施例提供一种路网数据处理方法的流程图。该方法可以包括以下步骤:
步骤S101:在道路图像中确定目标道路路面,目标道路路面为与第一路网数据中的道路线相匹配的道路路面,道路图像为根据卫星影像得到的针对道路的图像,第一路网数据为电子地图的基础底图的原始路网数据。
步骤S102:将道路线调整为与目标道路路面道路的道路宽度对应的道路路面,获得基础底图的第二路网数据。
本公开的实施例中提供的路网数据处理方法,先在根据卫星影像得到的针对道路的道路图像中,确定与第一路网数据中的道路线相匹配的目标道路路面,再将道路线调整为与匹配的目标道路路面道路的道路宽度对应的道路路面,从而获得基础底图的第二路网数据。由于目标道路路面道路是根据卫星影像得到的针对道路的图像,从而目标道路路面道路的道路宽度,能够更真实的反映出真实道路的宽度。因此,将第二路网数据作为基础底图的路网数据,能够更准确的反映出真实道路的实际情况。
所谓道路图像,是指对卫星影像进行语义分割后获得的包含道路的图像。
为了确保能够准确的得到道路图像,并且降低道路图像提取的工作量,本公开的实施例中采取如下方式来确定道路图像,具体请参照图2,其为本公开的实施例中提供的一种道路图像的确定方法的流程图。
步骤S201:利用第一路网数据,确定道路线所表示的真实道路在卫星影像中对应的局部卫星影像。
步骤S202:针对局部卫星影像进行道路提取,获得道路图像。
利用第一路网数据,确定道路线所表示的真实道路在卫星影像中对应的局部卫星影像的具体实现方式可以为:首先,利用第一网络数据确定道路线对应的位置信息;然后,基于道路线对应的位置信息,在卫星影像的对应位置,查找获得局部卫星影像。
为了避免在获得局部卫星影像出现重复操作,提高道路图像的提取效率。在基于道路线对应的位置信息,在卫星影像的对应位置,查找获得局部卫星影像之前,可以先将卫星影像划分为多个大小统一的网格,再在查找局部卫星影像时按照网格进行查找,每查找一个网格后可以对该网格进行对应标注,以避免重复查找操作。
针对局部卫星影像进行道路提取,获得道路图像的具体实现方式可以为:基于已经训练好的U型结构全卷积网络(U-net)对局部卫星影像进行语义分割,以实现对局部卫星影像中的道路提取,从而获得道路图像。
该已经训练好的U型结构全卷积网络为基于样本卫星影像以及对应标注的道路训练得到的模型。在基于已经训练好的U型结构全卷积网络来获得道路图像时,将待处理的局部卫星影像输入到该已经训练好的U型结构全卷积网络,来获得待处理的局部卫星影像对应的道路图像。
本公开的实施例中,确定第一路网数据中的道路线在道路图像中匹配的目标道路路面的步骤如图3所示,其为本公开的实施例中提供的一种目标道路路面确定方法的流程图。
步骤S301:将道路线拓展为具有指定宽度的道路路面,获得第三路网数据。
步骤S302:将第三路网数据与道路图像进行匹配,确定道路图像中与指定宽度的道路路面发生重合的候选道路路面。
步骤S303:计算指定宽度的道路路面与对应候选道路路面之间的路面重合面积。
步骤S304:根据路面重合面积以及对应设置的阈值,在候选道路路面中确定目标道路路面。
由于路网数据以及卫星影像在数据采集、处理等过程中,均会由于数据采集设备等的问题,造成路网数据中的道路线,以及道路图像中的道路,均与其所表示的真实道路的实际位置有偏差。基于路面重合面积以及对应设置的阈值,来确定道路线在道路图像中匹配的目标道路路面,能够减少该偏差所导致的路网数据中的道路线不能与道路图像中的道路精准匹配所带来的问题。
将道路线拓展为具有指定宽度的道路路面指定宽度的道路路面的方式,包括但不限于采用缓冲区生成法对道路线进行拓展。所谓指定宽度一般是根据先验值确定出的宽度,例如,可以为10米,也就是以道路线为中心,将道路线对称拓展为左右5米的道路路面。
所谓根据路面重合面积以及对应设置的阈值,在候选道路路面中确定目标道路路面的具体实现方式可以为:确定路面重合面积占指定宽度的道路路面的比率;将比率达到对应设置的比率阈值的候选道路路面,确定为目标道路路面。例如:路面重合面积占指定宽度的道路路面的比率达到70%,则将比率达到70%的候选道路路面,确定为目标道路路面
本公开的实施例中,调整道路线的步骤如图4所示,图4为本公开的实施例中提供的一种道路线调整方法的流程图。
步骤S401:确定目标道路路面道路的道路宽度。
步骤S402:基于目标道路路面道路的道路宽度,以道路线为中心,将道路线对称拓展为与目标道路路面道路的道路宽度对应的道路路面。
先确定目标道路路面道路的道路宽度,再在道路线的基础上,将道路线对称拓展为与目标道路路面道路的道路宽度对应的道路路面,能够确保无需重新进行路网数据的采集,就能够以第一路网数据为基础,获得能够更真实的反映出真实道路的宽度的第二网络数据。
另外,在采用道路线表示的真实道路时,往往会存在将属于统一道路的上下行车道表示为两条不同的道路线,从而导致车道线无法真实的反映出真实道路。为了解决该问题,本公开的实施例中,在存在相邻道路线与相同目标道路路面匹配的情况下,会以相邻道路线为中心,将相邻道路线对称拓展为与目标道路路面道路的道路宽度对应的道路路面。
在存在相邻道路线与相同目标道路路面匹配的情况下,本公开确定目标道路路面道路的道路宽度的方式为:首先,将相邻道路线确定为需要进行上下行合并的道路线;其次,确定需要进行上下行合并的道路线到各自相邻的路边边线的第一距离,相邻的路边边线为目标道路路面的路边边线;再次,确定相邻道路线之间的第二距离;最后,根据第一距离以及第二距离,计算目标道路路面道路的道路宽度。
以图5为例,图5为本公开的实施例中提供的一种道路线拓展的示意图。图5中A、B分别代表需要进行上下行合并的道路线中的第一道路线以及第二道路线;L1、L2均属于第一距离,其中,L1、L2分别代表道路线A到相邻路边边线的距离,以及道路线B到相邻路边边线的距离;L3为第二距离;图5右侧表示拓展后的道路路面,需要进行上下行合并的道路线到拓展后的道路路面的路边边线的距离为:(L1+L2)/2。
为了能够简单、便捷地进行道路线的拓展,在不存在相邻道路线与相同目标道路路面匹配的情况下,也就是第一道路网络中不存在需要上线下合并的道路线时,本公开的实施例会采取如下方式来确定标道路路面道路的道路宽度:首先,道路线到目标道路路面的两路边边线的第三距离。然后,根据第三距离,计算目标道路路面道路的道路宽度。
以图6为例,图6为本公开的实施例中提供的另一种道路线拓展的示意图。图6中L1、L2均属于第三距离,其中,L1代表道路线到左侧路边边线的距离,L2代表道路线到右侧路边边线的距离;图6右侧表示拓展后的道路路面。
本公开的实施例,还可以基于第二路网数据,对用户进行导航的规划。
如图7所示,本公开的实施例提供一种路网数据处理装置,该装置包括:
道路路面匹配单元701,用于在道路图像中确定目标道路路面,目标道路路面为与第一路网数据中的道路线相匹配的道路路面道路图像为根据卫星影像得到的针对道路的图像,第一路网数据为电子地图的基础底图的原始路网数据;
第二路网数据获得单元702,用于将道路线调整为与目标道路路面道路的道路宽度对应的道路路面,获得基础底图的第二路网数据。
在一种实施方式中,道路路面匹配单元701,包括:
局部卫星影像确定子单元,用于利用第一路网数据,确定道路线所表示的真实道路在卫星影像中对应的局部卫星影像;
道路图像获得子单元,用于针对局部卫星影像进行道路提取,获得道路图像。
在一种实施方式中,道路路面匹配单元701,可以包括:
第三路网数据获得子单元,用于将道路线拓展为具有指定宽度的道路路面指定宽度的道路路面,获得第三路网数据;
候选道路路面确定子单元,用于将第三路网数据与道路图像进行匹配,确定道路图像中与指定宽度的道路路面发生重合的候选道路路面;
路面重合面积计算单元,用于计算指定宽度的道路路面与对应候选道路路面之间的路面重合面积;
目标道路路面确定子单元,用于根据路面重合面积以及对应设置的阈值,在候选道路路面中确定目标道路路面。
在一种实施方式中,第二路网数据获得单元702,可以包括:
道路宽度确定子单元,用于确定目标道路路面道路的道路宽度;
道路路面拓展子单元,用于基于目标道路路面道路的道路宽度,以道路线为中心,将道路线对称拓展为与目标道路路面道路的道路宽度对应的道路路面。
在一种实施方式中,道路宽度确定子单元,可以包括:
道路线判定子单元,用于在存在相邻道路线与相同目标道路路面匹配的情况下,将相邻道路线确定为需要进行上下行合并的道路线;
第一距离确定子单元,用于确定需要进行上下行合并的道路线到各自相邻的路边边线的第一距离,相邻的路边边线为目标道路路面的路边边线;
第二距离确定子单元,用于确定相邻道路线之间的第二距离;
第一道路宽度计算子单元,用于根据第一距离以及第二距离,计算目标道路路面道路的道路宽度。
在一种实施方式中,道路路面拓展子单元,可以包括:
第一路面拓展子单元,用于以相邻道路线为中心,将相邻道路线对称拓展为与目标道路路面道路的道路宽度对应的道路路面。
在一种实施方式中,道路宽度确定子单元,包括:
第三距离确定子单元,用于在不存在相邻道路线与相同目标道路路面匹配的情况下,道路线到目标道路路面的两路边边线的第三距离;
第二道路宽度计算子单元,用于根据第三距离,计算目标道路路面道路的道路宽度。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开实施例,本公开还提供了一种电子设备和一种可读存储介质。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如路网数据处理方法。例如,在一些实施例中,路网数据处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM803并由计算单元801执行时,可以执行上文描述的路网数据处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行路网数据处理方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种路网数据处理方法,包括:
在道路图像中确定目标道路路面,所述目标道路路面为与第一路网数据中的道路线相匹配的道路路面,所述道路图像为根据卫星影像得到的针对道路的图像,所述第一路网数据为电子地图的基础底图的原始路网数据;
将所述道路线调整为与所述目标道路路面道路的道路宽度对应的道路路面,获得所述基础底图的第二路网数据。
2.根据权利要求1所述的方法,其中,所述道路图像的确定方式,包括:
利用所述第一路网数据,确定所述道路线所表示的真实道路在所述卫星影像中对应的局部卫星影像;
针对所述局部卫星影像进行道路提取,获得所述道路图像。
3.根据权利要求1或2所述的方法,其中,所述在道路图像中确定目标道路路面,包括:
将所述道路线拓展为具有指定宽度的道路路面,获得第三路网数据;
将所述第三路网数据与所述道路图像进行匹配,确定所述道路图像中与所述指定宽度的道路路面发生重合的候选道路路面;
计算所述指定宽度的道路路面与对应所述候选道路路面之间的路面重合面积;
根据所述路面重合面积以及对应设置的阈值,在所述候选道路路面中确定所述目标道路路面。
4.根据权利要求1所述的方法,其中,所述将所述道路线调整为与所述目标道路路面道路的道路宽度对应的道路路面,包括:
确定所述目标道路路面道路的道路宽度;
基于所述目标道路路面道路的道路宽度,以所述道路线为中心,将所述道路线对称拓展为与所述目标道路路面道路的道路宽度对应的道路路面。
5.根据权利要求4所述的方法,其中,在存在相邻所述道路线与相同所述目标道路路面匹配的情况下,所述确定所述目标道路路面道路的道路宽度,包括:
将相邻所述道路线确定为需要进行上下行合并的道路线;
确定所述需要进行上下行合并的道路线到各自相邻的路边边线的第一距离,所述相邻的路边边线为所述目标道路路面的路边边线;
确定相邻所述道路线之间的第二距离;
根据所述第一距离以及所述第二距离,计算所述目标道路路面道路的道路宽度。
6.根据权利要求5所述的方法,其中,所述基于所述目标道路路面道路的道路宽度,以所述道路线为中心,将所述道路线拓展为与所述目标道路路面道路的道路宽度对应的道路路面,包括:
以相邻所述道路线为中心,将相邻所述道路线对称拓展为与所述目标道路路面道路的道路宽度对应的道路路面。
7.根据权利要求4所述的方法,其中,在不存在相邻所述道路线与相同所述目标道路路面匹配的情况下,所述确定所述目标道路路面道路的道路宽度,包括:
所述道路线到所述目标道路路面的两路边边线的第三距离;
根据所述第三距离,计算所述目标道路路面道路的道路宽度。
8.一种路网数据处理装置,包括:
道路路面匹配单元,用于在道路图像中确定目标道路路面,所述目标道路路面为与第一路网数据中的道路线相匹配的道路路面所述道路图像为根据卫星影像得到的针对道路的图像,所述第一路网数据为电子地图的基础底图的原始路网数据;
第二路网数据获得单元,用于将所述道路线调整为与所述目标道路路面道路的道路宽度对应的道路路面,获得所述基础底图的第二路网数据。
9.根据权利要求8所述的装置,其中,所述道路路面匹配单元,包括:
局部卫星影像确定子单元,用于利用所述第一路网数据,确定所述道路线所表示的真实道路在所述卫星影像中对应的局部卫星影像;
道路图像获得子单元,用于针对所述局部卫星影像进行道路提取,获得所述道路图像。
10.根据权利要求8或9所述的装置,其中,所述道路路面匹配单元,包括:
第三路网数据获得子单元,用于将所述道路线拓展为具有指定宽度的道路路面指定宽度的道路路面,获得第三路网数据;
候选道路路面确定子单元,用于将所述第三路网数据与所述道路图像进行匹配,确定所述道路图像中与所述指定宽度的道路路面发生重合的候选道路路面;
路面重合面积计算单元,用于计算所述指定宽度的道路路面与对应所述候选道路路面之间的路面重合面积;
目标道路路面确定子单元,用于根据所述路面重合面积以及对应设置的阈值,在所述候选道路路面中确定所述目标道路路面。
11.根据权利要求8所述的装置,其中,所述第二路网数据获得单元,包括:
道路宽度确定子单元,用于确定所述目标道路路面道路的道路宽度;
道路路面拓展子单元,用于基于所述目标道路路面道路的道路宽度,以所述道路线为中心,将所述道路线对称拓展为与所述目标道路路面道路的道路宽度对应的道路路面。
12.根据权利要求11所述的装置,其中,所述道路宽度确定子单元,包括:
道路线判定子单元,用于在存在相邻所述道路线与相同所述目标道路路面匹配的情况下,将相邻所述道路线确定为需要进行上下行合并的道路线;
第一距离确定子单元,用于确定所述需要进行上下行合并的道路线到各自相邻的路边边线的第一距离,所述相邻的路边边线为所述目标道路路面的路边边线;
第二距离确定子单元,用于确定相邻所述道路线之间的第二距离;
第一道路宽度计算子单元,用于根据所述第一距离以及所述第二距离,计算所述目标道路路面道路的道路宽度。
13.根据权利要求12所述的装置,其中,所述道路路面拓展子单元,包括:
第一路面拓展子单元,用于以相邻所述道路线为中心,将相邻所述道路线对称拓展为与所述目标道路路面道路的道路宽度对应的道路路面。
14.根据权利要求11所述的装置,其中,所述道路宽度确定子单元,包括:
第三距离确定子单元,用于在不存在相邻所述道路线与相同所述目标道路路面匹配的情况下,所述道路线到所述目标道路路面的两路边边线的第三距离;
第二道路宽度计算子单元,用于根据所述第三距离,计算所述目标道路路面道路的道路宽度。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至7中任意一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行权利要求1至7中任意一项所述的方法。
17.一种计算机程序产品,包括计算机程序/指令,其中,该计算机程序/指令被处理器执行时实现权利要求1至7所述的方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111161898.7A CN113901342B (zh) | 2021-09-30 | 2021-09-30 | 一种路网数据处理方法、装置、电子设备及存储介质 |
US17/809,491 US20220333931A1 (en) | 2021-09-30 | 2022-06-28 | Road network data processing method, electronic device, and storage medium |
EP22181972.5A EP4160149A1 (en) | 2021-09-30 | 2022-06-29 | Road network data processing method and apparatus, electronic device, storage medium, and program product |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111161898.7A CN113901342B (zh) | 2021-09-30 | 2021-09-30 | 一种路网数据处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113901342A true CN113901342A (zh) | 2022-01-07 |
CN113901342B CN113901342B (zh) | 2022-07-26 |
Family
ID=79189901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111161898.7A Active CN113901342B (zh) | 2021-09-30 | 2021-09-30 | 一种路网数据处理方法、装置、电子设备及存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220333931A1 (zh) |
EP (1) | EP4160149A1 (zh) |
CN (1) | CN113901342B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110069087A1 (en) * | 2008-07-30 | 2011-03-24 | Marcin Cuprjak | Method of and computer implemented system for generating a junction view image |
CN103136789A (zh) * | 2011-11-28 | 2013-06-05 | 同济大学 | 基于地形图和影像的交通事故道路底图信息处理方法 |
CN103292816A (zh) * | 2012-02-23 | 2013-09-11 | 北京四维图新科技股份有限公司 | 电子地图生成方法、装置及路径规划方法、装置 |
CN104123310A (zh) * | 2013-04-28 | 2014-10-29 | 百度在线网络技术(北京)有限公司 | 基于卫星图像的路网信息的处理方法及装置 |
CN105893577A (zh) * | 2016-04-01 | 2016-08-24 | 腾讯科技(深圳)有限公司 | 路网数据处理方法及装置 |
KR101715211B1 (ko) * | 2016-11-03 | 2017-03-13 | 한국건설기술연구원 | 영상과 레이저를 융합한 도로 노면 상태 탐지 장치 및 방법 |
DE102015219690A1 (de) * | 2015-10-12 | 2017-04-13 | Siemens Aktiengesellschaft | Verfahren zur Fahrwegerkennung für ein Schienenfahrzeug |
CN108303103A (zh) * | 2017-02-07 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 目标车道的确定方法和装置 |
CN109493320A (zh) * | 2018-10-11 | 2019-03-19 | 苏州中科天启遥感科技有限公司 | 基于深度学习的遥感影像道路提取方法及***、存储介质、电子设备 |
CN109491384A (zh) * | 2018-11-14 | 2019-03-19 | 哈工大机器人(合肥)国际创新研究院 | 一种道路划线数据的获取方法及装置 |
CN110617827A (zh) * | 2019-08-23 | 2019-12-27 | 百度在线网络技术(北京)有限公司 | 一种主辅路绘制方法、装置、服务器和存储介质 |
CN110827286A (zh) * | 2018-08-08 | 2020-02-21 | 菜鸟智能物流控股有限公司 | 基于路网的地理区域分割方法、装置以及电子设备 |
CN112100311A (zh) * | 2020-11-19 | 2020-12-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路交通路网地理信息数据管理方法、装置及*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120071160A (ko) * | 2010-12-22 | 2012-07-02 | 한국전자통신연구원 | 이동체용 실외 지도 제작 방법 및 그 장치 |
CN107203761B (zh) * | 2017-06-15 | 2019-09-17 | 厦门大学 | 基于高分辨率卫星影像的道路宽度估计方法 |
US10628671B2 (en) * | 2017-11-01 | 2020-04-21 | Here Global B.V. | Road modeling from overhead imagery |
US11030457B2 (en) * | 2018-12-17 | 2021-06-08 | Here Global B.V. | Lane feature detection in aerial images based on road geometry |
CN111063004A (zh) * | 2019-11-18 | 2020-04-24 | 东南大学 | 基于高分遥感地图和gis的区域道路物质存量计算方法 |
CN111046768B (zh) * | 2019-12-04 | 2022-02-01 | 武汉大学 | 一种同时提取遥感影像道路路面和中心线的深度学习方法 |
-
2021
- 2021-09-30 CN CN202111161898.7A patent/CN113901342B/zh active Active
-
2022
- 2022-06-28 US US17/809,491 patent/US20220333931A1/en active Pending
- 2022-06-29 EP EP22181972.5A patent/EP4160149A1/en not_active Withdrawn
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110069087A1 (en) * | 2008-07-30 | 2011-03-24 | Marcin Cuprjak | Method of and computer implemented system for generating a junction view image |
CN103136789A (zh) * | 2011-11-28 | 2013-06-05 | 同济大学 | 基于地形图和影像的交通事故道路底图信息处理方法 |
CN103292816A (zh) * | 2012-02-23 | 2013-09-11 | 北京四维图新科技股份有限公司 | 电子地图生成方法、装置及路径规划方法、装置 |
CN104123310A (zh) * | 2013-04-28 | 2014-10-29 | 百度在线网络技术(北京)有限公司 | 基于卫星图像的路网信息的处理方法及装置 |
DE102015219690A1 (de) * | 2015-10-12 | 2017-04-13 | Siemens Aktiengesellschaft | Verfahren zur Fahrwegerkennung für ein Schienenfahrzeug |
CN105893577A (zh) * | 2016-04-01 | 2016-08-24 | 腾讯科技(深圳)有限公司 | 路网数据处理方法及装置 |
KR101715211B1 (ko) * | 2016-11-03 | 2017-03-13 | 한국건설기술연구원 | 영상과 레이저를 융합한 도로 노면 상태 탐지 장치 및 방법 |
CN108303103A (zh) * | 2017-02-07 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 目标车道的确定方法和装置 |
CN110827286A (zh) * | 2018-08-08 | 2020-02-21 | 菜鸟智能物流控股有限公司 | 基于路网的地理区域分割方法、装置以及电子设备 |
CN109493320A (zh) * | 2018-10-11 | 2019-03-19 | 苏州中科天启遥感科技有限公司 | 基于深度学习的遥感影像道路提取方法及***、存储介质、电子设备 |
CN109491384A (zh) * | 2018-11-14 | 2019-03-19 | 哈工大机器人(合肥)国际创新研究院 | 一种道路划线数据的获取方法及装置 |
CN110617827A (zh) * | 2019-08-23 | 2019-12-27 | 百度在线网络技术(北京)有限公司 | 一种主辅路绘制方法、装置、服务器和存储介质 |
CN112100311A (zh) * | 2020-11-19 | 2020-12-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路交通路网地理信息数据管理方法、装置及*** |
Non-Patent Citations (3)
Title |
---|
SHUANGYE CHEN 等: "An Image Processing Method Reducing Road Marking Line Edge Features for Patrol Robots Identifying Road Boundaries", 《ACM》 * |
戴激光 等: "一种高分辨率遥感影像道路提取方法", 《自动化学报》 * |
马瑞峰 等: "三调正射影像生产中道路扭曲的快速纠正方法", 《全球定位***》 * |
Also Published As
Publication number | Publication date |
---|---|
EP4160149A1 (en) | 2023-04-05 |
US20220333931A1 (en) | 2022-10-20 |
CN113901342B (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11861919B2 (en) | Text recognition method and device, and electronic device | |
US20230091252A1 (en) | Method for processing high-definition map data, electronic device and medium | |
US20230104225A1 (en) | Method for fusing road data to generate a map, electronic device, and storage medium | |
CN114626169A (zh) | 交通路网优化方法、装置、设备、可读存储介质及产品 | |
CN113901342B (zh) | 一种路网数据处理方法、装置、电子设备及存储介质 | |
CN114724113B (zh) | 道路标牌识别方法、自动驾驶方法、装置和设备 | |
CN115049997B (zh) | 边缘车道线的生成方法、装置、电子设备及存储介质 | |
CN115527028A (zh) | 地图数据处理方法及装置 | |
CN114140813A (zh) | 高精地图标注方法、装置、设备及存储介质 | |
CN113670295A (zh) | 数据处理方法、装置、电子设备及可读存储介质 | |
CN114187574A (zh) | 变化点识别方法、变化点检测网络的训练方法及装置 | |
CN114064745A (zh) | 一种确定交通提示距离的方法、装置及电子设备 | |
CN112784175A (zh) | 兴趣点数据处理方法、装置、设备及存储介质 | |
CN113447013A (zh) | 施工道路识别方法、装置、设备、存储介质和程序产品 | |
CN114383600B (zh) | 用于地图的处理方法、装置、电子设备和存储介质 | |
CN114155508B (zh) | 一种道路变化检测方法、装置、设备以及存储介质 | |
CN114577225B (zh) | 一种地图绘制方法、装置、电子设备和存储介质 | |
CN113468198A (zh) | 地图更新方法、装置、电子设备和介质 | |
CN114674331A (zh) | 路径规划方法、装置、电子设备及可读存储介质 | |
CN115718789A (zh) | 场景信息确定方法、装置及电子设备 | |
CN114993326A (zh) | 导航处理方法、装置及电子设备 | |
CN116681826A (zh) | 一种道路桥墩生成方法、装置、电子设备和存储介质 | |
CN114549644A (zh) | 一种数据标注方法、装置、电子设备及存储介质 | |
CN117523028A (zh) | 地图生成方法及装置、电子设备、介质和程序产品 | |
CN118392157A (zh) | 高精地图中道路成组方法、装置、电子设备、存储介质和计算机程序产品 |
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 |