CN114332822A - 确定车道组类型的方法、装置及电子设备 - Google Patents
确定车道组类型的方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114332822A CN114332822A CN202111679540.3A CN202111679540A CN114332822A CN 114332822 A CN114332822 A CN 114332822A CN 202111679540 A CN202111679540 A CN 202111679540A CN 114332822 A CN114332822 A CN 114332822A
- Authority
- CN
- China
- Prior art keywords
- lane
- lane group
- road
- group
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 20
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本公开提供了确定车道组类型的方法、装置及电子设备,涉及数据处理技术领域,尤其涉及智能交通领域。具体实现方案为:从路网拓扑图中识别出多组车道组;以每组车道组任意一侧的纵向标线的首尾节点为基础,获取每组车道组的路链;遍历每条路链,检测在任意一条路链左侧的道路区间内是否存在其他路链;如果存在,则确定这两条路链之间存在匹配区间;基于匹配区间占每组车道组的覆盖率,确定该车道组的类型,其中,该车道组的类型包括:对向车道组和非对向车道组。本公开至少解决了现有技术中车道组类型识别效率低的问题。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及智能交通领域,具体而言,涉及一种确定车道组类型的方法、装置及电子设备。
背景技术
在制作车道级导航地图数据的过程中,需要识别车道组对应的类型,例如,根据车道上的纵向标线,车道组可分为对向车道组和非对向车道组。其中,车道组的类型是制作车道级导航地图数据的基本属性。
然而,在现有技术中,采用的是通过人工判别车道组的类型的方式,以保证得到正确的车道级导航地图数据,进而使用正确的车道级导航地图数据生成车道级导航地图。但是,由于现实世界场景多变,形态复杂,因此人工识别的方式受限条件较多,并且识别成本高,从而导致车道组类型的识别效率很低。
发明内容
本公开提供了一种确定车道组类型的方法、装置及电子设备。根据本公开的一方面,提供了一种确定车道组类型的方法,包括:从路网拓扑图中识别出多组车道组;以每组车道组任意一侧的纵向标线的首尾节点为基础,获取每组车道组的路链;遍历每条路链,检测在任意一条路链左侧的道路区间内是否存在其他路链;如果存在,则确定这两条路链之间存在匹配区间;基于匹配区间占每组车道组的覆盖率,确定该车道组的类型,其中,该车道组的类型包括:对向车道组和非对向车道组。
进一步地,确定车道组类型的方法还包括:获取任意一组车道组中沿一侧通行方向上的多条纵向标线;将多条纵向标线的首尾依次进行连接处理,获取该车道组的路链;记录每条路链的头结点的位置信息;其中,如果路链中存在多阶点时,断开该路链,断开处标识为打断点。
进一步地,确定车道组类型的方法还包括:将任意一条路链作为待检测路链,并确定待检测路链中是否存在匹配区间,其中,匹配区间由至少两个位置连续的匹配点之间的区域构成,匹配点为待检测路链中的任意一个几何点,且该几何点在朝向左方向的预定距离内存在其他路链。
进一步地,确定车道组类型的方法还包括:以待检测路链的头结点为起始结点,顺次遍历该待检测路链上的任意一个几何点;统计任意一个几何点在朝向左方向的预定距离内是否存在其他路链;如果存在,将该几何点记录为匹配点,并记录与匹配点关联的其他路链。
进一步地,确定车道组类型的方法还包括:在遍历该待检测路链的过程中,如果连续两个几何点的匹配结果不同,计算两个几何点之间的距离;如果两个几何点之间的距离大于预定长度,在两个几何点之间***新的几何点,直至待检测路链中任意两个连续的几何点在匹配结果不同时,任意两个连续的几何点之间的距离小于预定长度。
进一步地,确定车道组类型的方法还包括:如果匹配区间完全覆盖任意一个车道组的纵向标线,确定该车道组为对向车道组。
进一步地,确定车道组类型的方法还包括:如果匹配区间部分覆盖任意一个车道组的纵向标线;统计匹配区间覆盖该车道组内的路链数量;基于路链数量,获取该车道组的纵向标线占总车道长度的比例;如果比例超过阀值,则确定该车道组为对向车道组。
进一步地,确定车道组类型的方法还包括:在从路网拓扑图中识别出位于道路立交处的多组车道组时,对位于道路立交处的多组车道组进行分层处理,得到位于不同层级的多组车道组,其中,分层部署的多组车道组构成道路立交处的立交***。
根据本公开的另一方面,提供了一种确定车道组类型的装置,包括:识别模块,用于从路网拓扑图中识别出多组车道组;获取模块,用于以每组车道组任意一侧的纵向标线的首尾节点为基础,获取每组车道组的路链;检测模块,用于遍历每条路链,检测在任意一条路链左侧的道路区间内是否存在其他路链;确定模块,用于如果存在,则确定这两条路链之间存在匹配区间;类型识别模块,用于基于匹配区间占每组车道组的覆盖率,确定该车道组的类型,其中,该车道组的类型包括:对向车道组和非对向车道组。
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;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述的确定车道组类型的方法。
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,其中,计算机指令用于使计算机执行上述的确定车道组类型的方法。
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,计算机程序在被处理器执行时实现上述的确定车道组类型的方法。
在本公开的技术方案中,采用通过检测在任意一条路链左侧的道路区间内是否存在其他路链的方式,首先从路网拓扑图中识别出多组车道组,然后以每组车道组任意一侧的纵向标线的首尾节点为基础,获取每组车道组的路链,并遍历每条路链,检测在任意一条路链左侧的道路区间内是否存在其他路链,如果存在,则确定这两条路链之间存在匹配区间,并基于匹配区间占每组车道组的覆盖率,确定该车道组的类型,其中,该车道组的类型包括:对向车道组和非对向车道组。
由上述内容可知,本公开通过在车道组的纵向标线的基础上生成车道组的路链,实现了将实际生活中的车道组转化为虚拟的可处理的路链的效果,从而为基于路链自动化分析车道组的类型提供了数据基础。在此基础上,由于对向车道组以及非对向车道组中的多条路链之间的间隔距离不同,因此本公开通过检测在任意一条路链左侧的道路区间内是否存在其他路链,即可实现初步判断车道组的类型的效果。另外,本公开还可根据两条路链之间所存在的匹配区间计算匹配区间占车道组的覆盖率,从而在初步判断车道组的类型的基础上,进一步地通过覆盖率确定车道组是否为对向车道组,实现了通过自动化的方式高效率地确定车道组类型的效果,解决了现有技术中采用人工方式识别车道组类型所存在的识别效率低的技术问题。
由此可见,通过本公开的技术方案,达到了自动识别车道组的类型的目的,从而实现了提高车道组类型的识别效率的效果,进而解决了现有技术中采用人工方式识别车道组类型所存在的识别效率低的技术问题。
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是根据本公开实施例的确定车道组类型的方法的流程图;
图2是根据本公开实施例的车道组的示意图;
图3是根据本公开实施例的地面标线的示意图;
图4是根据本公开实施例的同向车道组的示意图;
图5是根据本公开实施例的对向车道组的示意图;
图6是根据本公开实施例的确定车道组类型的方法的流程图;
图7是根据本公开实施例的确定车道组类型的装置的示意图
图8是用来实现本公开实施例的确定车道组类型的方法的电子设备的框图。
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。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
另外,还需要说明的是,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。
实施例1
根据本公开实施例,提供了一种确定车道组类型的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
另外,还需要说明的是,电子设备可作为本公开中的确定车道组类型的方法的执行主体。
图1是根据本公开实施例确定车道组类型的方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,从路网拓扑图中识别出多组车道组。
在步骤S102中,电子设备可基于历史道路信息生成路网拓扑图,也可以是通过连接道路监控***,获取道路图像等道路信息,从而根据道路信息生成路网拓扑图。另外,路网拓扑图至少包含有道路上的多个车道组。其中,车道组由多条地面标线组成。如图2所示,在图2中,不同形状的箭头分别表示不同的车道组,箭头方向即车辆在车道组上的通行方向,图2中共示出了车道组1、车道组2、车道组3、车道组4以及车道组5五个车道组,每个车道组中都有多条路链,并且每个路链上标记有头结点。
另外,构成车道组的地面标线也称车道分界线,根据绘制方向地面标线可分为横向标线和纵向(顺向)标线两类地面标线。其中,如图3所示,横向标线表征的是路面上横向的交通标识线,如横向减速标识线、停止线等。纵向标线表征的用于分隔车辆行驶车道的标线。
进一步地,根据实际的车道特征,纵向标线有三种基本类型,其中,分隔对向车道的纵向标线为“对向车道分界线”,分隔同向车道的纵向标线为“同向车道分界线”,作为车行道两侧边缘的纵向标线为“车道边缘线”。这三种基本类型是制作车道级导航地图数据的底层数据逻辑,因此,识别车道组的类型时首先需要识别纵向标线属于哪一种基本类型。
步骤S104,以每组车道组任意一侧的纵向标线的首尾节点为基础,获取每组车道组的路链。
在步骤S104中,在识别出多组车道组之后,电子设备可获取任意一组车道组中沿一侧通行方向上的多条纵向标线,其中,通行方向可以是车辆的通行方向,如图2所示,箭头的方向即为通行方向。另外,一条纵向标线有自己的起点和终点,为了方便分析,电子设备可根据空间几何关系,将纵向标线的起点和终点连接,从而得到有一条纵向标线所对应的路链。其中,纵向标线的起点和终点即为纵向标线的首尾节点,任意一侧至少包含车道组的最左侧。
需要注意到的是,通过在车道组的纵向标线的基础上生成车道组的路链,实现了将实际生活中的车道组转化为虚拟的可处理的路链的效果,从而为基于路链自动化分析车道组的类型提供了数据基础。
步骤S106,遍历每条路链,检测在任意一条路链左侧的道路区间内是否存在其他路链。
在步骤S106中,电子设备可遍历每个车道组内的每条路线,并在遍历过程中检测在任意一条路链的左侧的道路区间内是否存在其他路链,其中,道路区间可以是任意一条路链朝左方向的预定距离,该预定距离可由操作人员自定义设置。另外,预定距离可用于为区分车道组中的每个车道与相邻车道之间是同向车道还是对向车道。具体的,如果车道组内两个相邻车道之间是同向车道,则两个车道分别对应的最左侧的路链之间的距离可表征为第一距离,如果车道组内两个相邻车道之间是对向车道,则两个车道分别对应的最左侧的路链之间的距离可表征为第二距离。根据实际经验可知,第一距离大于第二距离,因此,在预设距离被设置为大于第二距离且小于第一距离时,电子设备即可根据在预设距离内是否存在其他路线确定车道组是否为对向车道组。
在上述过程中,由于对向车道组以及非对向车道组中的多条路链之间的间隔距离不同,因此本公开通过检测在任意一条路链左侧的道路区间内是否存在其他路链,即可实现初步判断车道组的类型的效果。
步骤S108,如果存在,则确定这两条路链之间存在匹配区间。
在步骤S108中,如果电子设备确定一条待检测路链左侧的道路区间内存在其他路链,则电子设备可计算待检测路链与其他路链中每一条路链之间的匹配区间。其中,匹配区间可由至少两个位置连续的匹配点之间的区域构成,匹配点为待检测路链中的任意一个几何点,且该几何点在朝向左方向的预定距离内存在其他路链。匹配点至少包括路链的头结点以及打断点。
需要注意到的是,本公开通过计算两条路链之间所存在的匹配区间,可确定匹配区间占车道组的覆盖率,从而可进一步地通过覆盖率确定车道组是否为对向车道组,进而实现了准确自动化确定车道组的类型的效果,解决了现有技术中采用人工方式识别车道组的类型所存在的识别效率低的技术问题。
步骤S110,基于匹配区间占每组车道组的覆盖率,确定该车道组的类型。
在步骤S110中,由于电子设备根据匹配点记录的匹配区间可能会覆盖整个车道组,也可能不会覆盖整个车道组,因此,为了提高车道组的识别准确率,电子设备可计算匹配区间对车道组的覆盖率。具体的,电子设备可统计匹配区间覆盖车道组内的路链数量,并基于路链数量,获取车道组的纵向标线占总车道程度的比例,其中,纵向标线占总车道程度的比例即可表征匹配区间对车道组的覆盖率。
进一步地,电子设备还可设置阈值,从而在覆盖率超过阈值时,确定车道组为对向车道组,在覆盖率没有超过阈值时,确定车道组为非对向车道组。另外,在电子设备识别到车道组为对向车道组或非对向车道组之后,电子设备还将进一步识别车道组是否为特殊车道组,如果电子设备识别到车道组为特殊车道组,则将车道组确定为特征车道组,如果电子设备识别到车道组不是特殊车道组,则将车道组确定为对应的对向车道组或非对向车道组。其中,特殊车道组至少包括:潮汐车道组、待转区车道组等不符合常规对向车道组、非对向车道组的车道组。
需要注意到的是,在现有技术中,在生成车道级导航地图数据时,车道属性环节的制作要素多达11个,并且全部为人工全量拖屏制作。此外由于数据应用渲染的要求,对向车道分界线以及车道边缘线两个标线类型与其他要素(样式)无法解耦,因此,现有技术在赋值三种标线类型时,还需要同时考虑样式赋值场景。进一步地,采用人工方式识别车道组的类型的方式时,由于识别规则很多,因此人工维护难度较大,尤其是在识别纵向标线类型时,需要考虑的因素更多,操作人员很难准确把握每个相关属性,识别过程极为复杂。由此可见,现有技术在识别车道组的类型时存在识别效率低,容易遗漏,并且准确率较低的问题。而且,现有技术中在车道级导航地图数据初步制作完成后,还需要进行1-2次质量检查与验收,出现问题时还需耗费人力返工返修,从而导致了制作流程长,数据流转速度慢的问题。
而在本公开中,基于路网拓扑图及车道分界线信息计算不同方向的分界线之间的距离,根据实地道路情况划分对向车道分界线、同向车道分界线以及车道边缘线,实现了将车道分界线与其它要素(样式)完成解耦的效果,从而满足数据应用逻辑一致的要求,进而减少了数据转换过程存在的维护难度大等问题。另外,本公开通过根据路链上的几何点自动识别车道组的类型,解决了纯人工识别车道组的类型时所存在的识别效率低的问题。本公开通过自动判断路链之间的距离,并通过路链进行延伸搜索,提高了车道组的类型的识别准确度,在车道级导航地图数据时,可节省大量人力成本。
基于步骤S102至步骤S110的内容可知,本公开的技术方案中,采用通过检测在任意一条路链左侧的道路区间内是否存在其他路链的方式,首先从路网拓扑图中识别出多组车道组,然后以每组车道组任意一侧的纵向标线的首尾节点为基础,获取每组车道组的路链,并遍历每条路链,检测在任意一条路链左侧的道路区间内是否存在其他路链,如果存在,则确定这两条路链之间存在匹配区间,并基于匹配区间占每组车道组的覆盖率,确定该车道组的类型,其中,该车道组的类型包括:对向车道组和非对向车道组。
由上述内容可知,本公开通过在车道组的纵向标线的基础上生成车道组的路链,实现了将实际生活中的车道组转化为虚拟的可处理的路链的效果,从而为基于路链自动化分析车道组的类型提供了数据基础。在此基础上,由于对向车道组以及非对向车道组中的多条路链之间的间隔距离不同,因此本公开通过检测在任意一条路链左侧的道路区间内是否存在其他路链,即可实现初步判断车道组的类型的效果。另外,本公开还可根据两条路链之间所存在的匹配区间计算匹配区间占车道组的覆盖率,从而在初步判断车道组的类型的基础上,进一步地通过覆盖率确定车道组是否为对向车道组,实现了通过自动化的方式高效率地确定车道组类型的效果,解决了现有技术中采用人工方式识别车道组类型所存在的识别效率低的技术问题。
由此可见,通过本公开的技术方案,达到了自动识别车道组的类型的目的,从而实现了提高车道组类型的识别效率的效果,进而解决了现有技术中采用人工方式识别车道组类型所存在的识别效率低的技术问题。
在一种可选的实施例中,电子设备可获取任意一组车道组中沿一侧通行方向上的多条纵向标线,并将多条纵向标线的首尾依次进行连接处理,从而获取该车道组的路链,同时,电子设备还将记录每条路链的头结点的位置信息。其中,如果路链中存在多阶点时,断开该路链,断开处标识为打断点。
可选的,电子设备在获取任意一组车道组中沿一侧通行方向上的多条纵向标线时,可选择获取车道组最左侧通行方向上的多条纵向标线,并根据空间几何关系,将多条纵向标线的首尾依次连接,形成车道组的若干条路链。其中,空间几何关系是点的空间坐标,例如,南纬1°,北纬2°等。同时,为了确保路链不被重复判断,电子设备可识别路链中的合流路、分叉路等多阶点(类似于河流分叉的节点)时,并在出现此类多阶点时,断开路链,以保证每条路链内部都不存在多阶点,其中,电子设备将路链的断开处标识为打断点,并且电子设备将记录每条路链的头结点的位置信息。头结点是电子设备在每条路链上标记的节点。
在上述过程中,通过在路链中存在多阶点时,断开路链,并且在断开处标识为打断点,保证了每条路链的内部都不存在多阶点,从而避免了由于合流路、分岔路等多阶点的干扰,提高了电子设备在识别车道组的类型时的识别精度。
在一种可选的实施例中,在获取得到每组车道组的路链之后,电子设备可将任意一条路链作为待检测路链,并确定待检测路链中是否存在匹配区间,其中,匹配区间由至少两个位置连续的匹配点之间的区域构成,匹配点为待检测路链中的任意一个几何点,且该几何点在朝向左方向的预定距离内存在其他路链。
可选的,每个车道组中会存在多条路链,电子设备可从多条路链中选择任意一条路连作为待检测路链。在确定待检测路链之后,电子设备将识别待检测路链中的几何点,并且检测每个几何点在朝向左方向的预定距离内是否存在其他路链,在检测过程中,电子设备将在朝向左方向的预定距离内存在其他路链的几何点确定为匹配点。进一步地,在得到至少一个匹配点之后,电子设备获取每个匹配点的位置信息,并根据位置信息将由至少两个位置连续的匹配点之间构成的区域确定为匹配区间。
需要注意到的是,根据路链上的几何点确定匹配区间,可确定待检测路链的预设距离内是否存在其他路链,从而根据对向车道与同向车道之间的距离不同的特征,电子设备可自动识别车道组的类型并进行标注,从而实现了提高车道级导航地图数据的生成效率的效果。
在一种可选的实施例中,电子设备以待检测路链的头结点为起始结点,顺次遍历该待检测路链上的任意一个几何点,并且统计任意一个几何点在朝向左方向的预定距离内是否存在其他路链。如果存在,将该几何点记录为匹配点,并记录与匹配点关联的其他路链。
可选的,在确定待检测路链中是否存在匹配区间之前,电子设备需要首先确定待检测路链中的匹配点以及匹配点关联的其他路链。具体的,电子设备将从头结点开始,依次遍历待检测路链上的每一个几何点,同时,根据空间几何关系,电子设备将统计每个几何点在朝向左方向的预定距离内是否存在其他路链。如果存在其他路链,则电子设备确定该几何点为一个匹配点,如果不存在其他路链,则电子设备确定该几何点不是一个匹配点。另外,电子设备将记录所有的匹配点以及每个匹配点所关联的其他路链。
在上述过程中,通过记录匹配点以及匹配点关联的其他路链,可为计算匹配区间对车道组的覆盖率提供数据基础,从而实现了根据覆盖率自动化确定车道组的类型的效果。
在一种可选的实施例中,在遍历该待检测路链的过程中,如果连续两个几何点的匹配结果不同,电子设备将计算两个几何点之间的距离,并且如果两个几何点之间的距离大于预定长度,电子设备将在两个几何点之间***新的几何点,直至待检测路链中任意两个连续的几何点在匹配结果不同时,任意两个连续的几何点之间的距离小于预定长度。
可选的,电子设备在遍历待检测路链的过程中,如果检测到连续有两个几何点的匹配结果不同,即一个几何点为匹配点,另外一个几何点不是匹配点,在这种情况下,电子设备将计算两个几何点之间的距离,如果两个几何点之间的距离大于预设长度,则电子设备将在两个几何点之间***新的几何点,其中,新的几何点位于两个几何点之间的中点位置。然后,电子设备重新检测新的几何点是否为匹配点,直至确保在待检测路链中任意两个连续的几何点的匹配结果不同时,两个连续的几何点之间的距离小于预定长度。其中,预定长度可由操作人员根据实际情况自定义设置。
需要注意到的是,通过设置预设长度,确保了在待检测路链中任意两个连续的几何点的匹配结果不同时,两个连续的几何点之间的距离小于预定长度,从而实现了精准计算匹配区间的效果,避免了由于几何点的距离过长导致的匹配区间计算不准确的问题。
在一种可选的实施例中,如果匹配区间完全覆盖任意一个车道组的纵向标线,电子设备将确定该车道组为对向车道组。
可选的,匹配区间对车道组有一个覆盖率,电子设备根据覆盖率可确定车道组是否为对象车道组。具体的,如果匹配区间完全覆盖了一个车道组的纵向标线,则可视为该车道组在朝向左方向的预定距离内匹配到了其他路链,因此,电子设备可确定该车道组为对向车道组。
可选的,上述电子设备根据匹配区间确定车道组的类型的原理可通过以下分析得知。具体的,如图4和图5所示,在图4中,车道组内两个相邻车道之间是同向车道,其中,车道1最左侧的路链为路链1,车道2最左侧的路链为路链2,路链1与路链2之间的距离为第一距离,两个车道之间存在防护栏;在图5中,车道组内两个相邻车道之间时对向车道,其中,车道3最左侧的路链为路链3,车道4最左侧的路链为路链4,路链3与路链4之间的距离为第二距离,两个车道之间存在防护栏。容易注意到的是,根据实际的道路规划设计,第一距离要大于第二距离。在此基础上,在操作人员将预设距离设置为大于第二距离且小于第一距离时,如果车道组为对向车道组,则电子设备将获取到多个匹配点,从而获取到较大的匹配区间,甚至是完全覆盖车道组的纵向标线的匹配区间。另外,如果车道组为同向车道组等非对向车道组时,则电子设备将无法获取到匹配点或者是只能获取到少量的匹配点。由此可见,在匹配区间完全覆盖一个车道组的纵向标线时,电子设备可确定该车道组的类型为对向车道组。
在上述过程中,通过计算覆盖率,实现了自动化确定车道组的类型的效果,从而解决了现有技术中采用人工方式识别车道组的类型所存在的识别效率低的技术问题。
在一种可选的实施例中,如果匹配区间部分覆盖任意一个车道组的纵向标线,电子设备将统计匹配区间覆盖该车道组内的路链数量,并基于路链数量,获取该车道组的纵向标线占总车道长度的比例,如果比例超过阀值,则确定该车道组为对向车道组。
可选的,在匹配区间未完全覆盖车道组的纵向标线时,待检测路链上的匹配点还有可能匹配到了多条不同的路链。在这种情况下,对于每个未完全覆盖的车道组的纵向标线,电子设备可根据记录的匹配点以及匹配点所关联的其他路链,获取匹配区间覆盖该车道组内的路链数量,即匹配点所关联的其他路链的总体情况。进一步地,基于匹配点所关联的其他路链的数量,电子设备获取车道组的纵向标线的匹配度,即匹配区间中纵向标线占总车道长度的比例。同时,操作人员可根据实际情况在电子设备中设置一个阈值,在匹配区间中纵向标线占总车道长度的比例超过该阈值时,电子设备确定该车道组为对向车道组,在匹配区间中纵向标线占总车道长度的比例不超过该阈值时,电子设备确定该车道组为非对向车道组。
需要注意到的是,通过设置阈值,在匹配区间部分覆盖任意一个车道组的纵向标线时,电子设备可根据覆盖率与阈值的比较结果确定车道组的类型,从而进一步地提高了识别车道组的类型时的识别准确度,进而降低了车道级导航地图数据的获取成本。
在一种可选的实施例中,在从路网拓扑图中识别出位于道路立交处的多组车道组时,电子设备对位于道路立交处的多组车道组进行分层处理,得到位于不同层级的多组车道组,其中,分层部署的多组车道组构成道路立交处的立交***。
可选的,电子设备在基于路网拓扑图识别车道组的类型之前,首先需要从路网拓扑图中识别位于道路立交处的多组车道组,其中,分层部署的多组车道组构成了道路立交处的立交***,例如,城市中的立交桥、高速公路上的多层立交道路以及山路上的立交隧道等等。在实际应用中,车道组的相关数据均存储在数据库中,数据库中记录有车道组的位置信息,电子设备根据车道组的位置信息即可实现对车道组的分层。例如,在道路立交处,电子设备根据车道组的位置信息以及高度数据对多组车道组进行分层处理,从而将不同层级(即不同高度)的车道组进行分离,得到每个层级对应的车道组,进而电子设备对每个层级的车道组进行单独分析,并根据分析结果识别车道组的类型。其中,对于每一层级的车道组,电子设备都采用上述根据匹配点识别车道组的类型的方式确定车道组的类型,在此不再进行赘述。
另外,在识别车道组的类型的过程中,电子设备还将识别车道组是否为处于特殊场景下的车道组,其中,特殊场景主要指已经通过人工判断标注,并且标注结果正确无需修改的场景,例如高速、快速路等车道上左侧根据常识可直接由人工认定为车道边缘线的场景。需要注意到的是,在电子设备获取到的路网拓扑图中,可能上一级人员已经标注了部分车道组的类型,但是一些地方标注的类型可能存在错误。针对这种情况,电子设备不仅仅可对上一级人员未标注的车道组进行标注,还可以对标注错误的部分进行修正。
需要注意到的是,通过对位于道路立交处的多组车道组进行分层处理,避免了由于多层车道组的叠加导致的车道组类型识别困难的问题,并且在提高自动化识别车道组类型的精度的同时,降低了分析过程中的计算量,从而提升了识别效率。
在一种可选的实施例中,图6示出了根据本公开实施例的确定车道组类型的方法的流程图,如图6所示,在获取得到路网拓扑图之后,电子设备首先从路网拓扑图中识别位于道路立交处的多组车道组,并对多层车道组分层。在分层结束之后,对于每一层中的多个车道组,电子设备需要识别每个车道组是否属于特征场景下的车道组,如果一个车道组属于特殊场景下的车道组,则无需再进行判断,结束识别过程。如果一个车道组不属于特殊场景下的车道组,则对每一个车道组形成对应的多条路链,并从多条路链中确定待检测路链,根据待检测路链上的几何点,电子设备识别车道组朝向左方向的预定距离内是否存在其他路链,如果存在其他路链,则确定该车道组为对向车道组,如果不存在其他路链,则确定该车道组为非对向车道组。进一步地,在电子设备识别到车道组为对向车道组或非对向车道组之后,电子设备还将进一步识别车道组是否为特殊车道组,如果电子设备识别到车道组为特殊车道组,则将车道组确定为特征车道组,如果电子设备识别到车道组不是特殊车道组,则将车道组确定为对应的对向车道组或非对向车道组。
需要注意到的是,本公开通过检测在任意一条路链左侧的道路区间内是否存在其他路链,从而自动确定车道组的类型,实现了车道级导航地图数据的对向车道组类型、同向车道组类型、以及车道边缘线三种基本属性的高效率制作。
由上述内容可知,本公开通过在车道组的纵向标线的基础上生成车道组的路链,实现了将实际生活中的车道组转化为虚拟的可处理的路链的效果,从而为基于路链自动化分析车道组的类型提供了数据基础。在此基础上,由于对向车道组以及非对向车道组中的多条路链之间的间隔距离不同,因此本公开通过检测在任意一条路链左侧的道路区间内是否存在其他路链,即可实现初步判断车道组的类型的效果。另外,本公开还可根据两条路链之间所存在的匹配区间计算匹配区间占车道组的覆盖率,从而在初步判断车道组的类型的基础上,进一步地通过覆盖率确定车道组是否为对向车道组,实现了通过自动化的方式高效率地确定车道组类型的效果,解决了现有技术中采用人工方式识别车道组类型所存在的识别效率低的技术问题,进而提升了车道级导航地图数据的生成效率。
由此可见,通过本公开的技术方案,达到了自动识别车道组的类型的目的,从而实现了提高车道组类型的识别效率的效果,进而解决了现有技术中采用人工方式识别车道组类型所存在的识别效率低的技术问题。
实施例2
根据本公开实施例的另一个方面,还提供了一种确定车道组类型的装置。图7是根据本公开实施例的确定车道组类型的装置的示意图,如图7所示,该装置可以包括:获取模块701,用于以每组车道组任意一侧的纵向标线的首尾节点为基础,获取每组车道组的路链;检测模块702,用于遍历每条路链,检测在任意一条路链左侧的道路区间内是否存在其他路链;确定模块703,用于如果存在,则确定这两条路链之间存在匹配区间;类型识别模块704,用于基于匹配区间占每组车道组的覆盖率,确定该车道组的类型,其中,该车道组的类型包括:对向车道组和非对向车道组。
需要说明的是,该实施例中的获取模块701、检测模块702、确定模块703以及类型识别模块704分别对应实施例1中的步骤S102至步骤S108。
可选的,上述获取模块还包括:第一获取模块、第二获取模块、记录模块以及断开模块。其中,第一获取模块,用于获取任意一组车道组中沿一侧通行方向上的多条纵向标线;第二获取模块,用于将多条纵向标线的首尾依次进行连接处理,获取该车道组的路链;记录模块,用于记录每条路链的头结点的位置信息;断开模快,用于如果路链中存在多阶点时,断开该路链,断开处标识为打断点。
可选的,上述检测模块还包括:第一确定模块,用于将任意一条路链作为待检测路链,并确定待检测路链中是否存在匹配区间,其中,匹配区间由至少两个位置连续的匹配点之间的区域构成,匹配点为待检测路链中的任意一个几何点,且该几何点在朝向左方向的预定距离内存在其他路链。
可选的,上述第一确定模块还包括:遍历模块以及统计模块。其中,遍历模块,用于以待检测路链的头结点为起始结点,顺次遍历该待检测路链上的任意一个几何点;统计模块,用于统计任意一个几何点在朝向左方向的预定距离内是否存在其他路链;如果存在,将该几何点记录为匹配点,并记录与匹配点关联的其他路链。
可选的,确定车道组类型的装置还包括:计算模块以及***模块。其中,计算模块,用于在遍历该待检测路链的过程中,如果连续两个几何点的匹配结果不同,计算两个几何点之间的距离;***模块,用于如果两个几何点之间的距离大于预定长度,在两个几何点之间***新的几何点,直至待检测路链中任意两个连续的几何点在匹配结果不同时,任意两个连续的几何点之间的距离小于预定长度。
可选的,上述类型识别模块还包括:第二确定模块,用于如果匹配区间完全覆盖任意一个车道组的纵向标线,确定该车道组为对向车道组。
可选的,上述类型识别模块还包括:第一统计模块、第三获取模块以及第三确定模块。其中,第一统计模块,用于如果匹配区间部分覆盖任意一个车道组的纵向标线;统计匹配区间覆盖该车道组内的路链数量;第三获取模块,用于基于路链数量,获取该车道组的纵向标线占总车道长度的比例;第三确定模块,用于如果比例超过阀值,则确定该车道组为对向车道组。
可选的,确定车道组类型的装置还包括:分层处理模块,用于在从路网拓扑图中识别出位于道路立交处的多组车道组时,对位于道路立交处的多组车道组进行分层处理,得到位于不同层级的多组车道组,其中,分层部署的多组车道组构成道路立交处的立交***。
实施例3
根据本公开实施例的另一方面,还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,其中,计算机指令用于使计算机执行上述实施例1中的确定车道组类型的方法。
实施例4
根据本公开实施例的另一方面,还提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现上述实施例1中的确定车道组类型的方法。
实施例5
根据本公开实施例的另一方面,还提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述实施例1中的确定车道组类型的方法。
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RAM 803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、ROM 802以及RAM 803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,例如确定车道组类型的方法。例如,在一些实施例中,确定车道组类型的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ROM 802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RAM 803并由计算单元801执行时,可以执行上文描述的确定车道组类型的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)而被配置为执行确定车道组类型的方法。
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 (12)
1.一种确定车道组类型的方法,包括:
从路网拓扑图中识别出多组车道组;
以每组车道组任意一侧的纵向标线的首尾节点为基础,获取所述每组车道组的路链;
遍历每条路链,检测在任意一条路链左侧的道路区间内是否存在其他路链;
如果存在,则确定这两条路链之间存在匹配区间;
基于所述匹配区间占所述每组车道组的覆盖率,确定该车道组的类型,其中,该车道组的类型包括:对向车道组和非对向车道组。
2.根据权利要求1所述的方法,其中,以每组车道组任意一侧的纵向标线的首尾节点为基础,获取所述每组车道组的路链,包括:
获取任意一组车道组中沿一侧通行方向上的多条纵向标线;
将所述多条纵向标线的首尾依次进行连接处理,获取该车道组的路链;
记录所述每条路链的头结点的位置信息;
其中,如果所述路链中存在多阶点时,断开该路链,断开处标识为打断点。
3.根据权利要求1所述的方法,其中,检测在任意一条路链左侧的道路区间内是否存在其他路链,包括:
将所述任意一条路链作为待检测路链,并确定所述待检测路链中是否存在所述匹配区间,其中,所述匹配区间由至少两个位置连续的匹配点之间的区域构成,所述匹配点为所述待检测路链中的任意一个几何点,且该几何点在朝向左方向的预定距离内存在所述其他路链。
4.根据权利要求3所述的方法,确定所述待检测路链中是否存在所述匹配区间,包括:
以所述待检测路链的头结点为起始结点,顺次遍历该待检测路链中的任意一个几何点;
统计所述任意一个几何点在所述朝向左方向的预定距离内是否存在所述其他路链;
如果存在,将该几何点记录为所述匹配点,并记录与所述匹配点关联的其他路链。
5.根据权利要求4所述的方法,所述方法还包括:
在遍历该待检测路链的过程中,如果连续两个几何点的匹配结果不同,计算所述两个几何点之间的距离;
如果所述两个几何点之间的距离大于预定长度,在所述两个几何点之间***新的几何点,直至所述待检测路链中任意两个连续的几何点在匹配结果不同时,所述任意两个连续的几何点之间的距离小于所述预定长度。
6.根据权利要求1至5中任意一项所述的方法,基于所述匹配区间占所述每组车道组的覆盖率,确定该车道组的类型包括:
如果所述匹配区间完全覆盖任意一个车道组的纵向标线,确定该车道组为所述对向车道组。
7.根据权利要求1至5中任意一项所述的方法,基于所述匹配区间占所述每组车道组的覆盖率,确定该车道组的类型包括:
如果所述匹配区间部分覆盖任意一个车道组的纵向标线;
统计所述匹配区间覆盖该车道组内的路链数量;
基于所述路链数量,获取该车道组的纵向标线占总车道长度的比例;
如果所述比例超过阀值,则确定该车道组为所述对向车道组。
8.根据权利要求1所述的方法,所述方法还包括:
在从所述路网拓扑图中识别出位于道路立交处的多组车道组时,对所述位于道路立交处的多组车道组进行分层处理,得到位于不同层级的多组车道组,其中,分层部署的多组车道组构成所述道路立交处的立交***。
9.一种确定车道组类型的装置,包括:
识别模块,用于从路网拓扑图中识别出多组车道组;
获取模块,用于以每组车道组任意一侧的纵向标线的首尾节点为基础,获取所述每组车道组的路链;
检测模块,用于遍历每条路链,检测在任意一条路链左侧的道路区间内是否存在其他路链;
确定模块,用于如果存在,则确定这两条路链之间存在匹配区间;
类型识别模块,用于基于所述匹配区间占所述每组车道组的覆盖率,确定该车道组的类型,其中,该车道组的类型包括:对向车道组和非对向车道组。
10.一种电子设备,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8中任一项所述的确定车道组类型的方法。
11.一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根据权利要求1至8中任一项所述的确定车道组类型的方法。
12.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至8中任一项所述的确定车道组类型的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111679540.3A CN114332822A (zh) | 2021-12-31 | 2021-12-31 | 确定车道组类型的方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111679540.3A CN114332822A (zh) | 2021-12-31 | 2021-12-31 | 确定车道组类型的方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114332822A true CN114332822A (zh) | 2022-04-12 |
Family
ID=81022064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111679540.3A Pending CN114332822A (zh) | 2021-12-31 | 2021-12-31 | 确定车道组类型的方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114332822A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115585816A (zh) * | 2022-11-23 | 2023-01-10 | 北京百度网讯科技有限公司 | 车道级地图匹配方法和装置 |
CN117593717A (zh) * | 2024-01-18 | 2024-02-23 | 武汉大学 | 一种基于深度学习的车道追踪方法及*** |
-
2021
- 2021-12-31 CN CN202111679540.3A patent/CN114332822A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115585816A (zh) * | 2022-11-23 | 2023-01-10 | 北京百度网讯科技有限公司 | 车道级地图匹配方法和装置 |
CN117593717A (zh) * | 2024-01-18 | 2024-02-23 | 武汉大学 | 一种基于深度学习的车道追踪方法及*** |
CN117593717B (zh) * | 2024-01-18 | 2024-04-05 | 武汉大学 | 一种基于深度学习的车道追踪方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111862659B (zh) | 一种gps轨迹数据匹配和补全的方法 | |
CN114332822A (zh) | 确定车道组类型的方法、装置及电子设备 | |
US11869247B2 (en) | Perception data detection method and apparatus | |
CN114842450A (zh) | 一种可行驶区域检测方法、装置及设备 | |
CN110008486B (zh) | 轨道交通闭塞设备数据提取方法 | |
CN111295666A (zh) | 一种车道线检测方法、装置、控制设备及存储介质 | |
CN109035783A (zh) | 一种基于公交gps轨迹的虚拟路网缺失路段自动识别方法 | |
CN112033420A (zh) | 一种车道地图构建方法和装置 | |
CN112560862A (zh) | 文本识别方法、装置及电子设备 | |
CN113887418A (zh) | 车辆违规行驶的检测方法、装置、电子设备及存储介质 | |
CN115435798A (zh) | 无人车高精地图路网生成***及方法 | |
CN110490507A (zh) | 一种物流网络的新增线路检测方法、装置及设备 | |
CN110489511B (zh) | 等高线接边高程错误修正方法、***及电子设备和介质 | |
CN112634612A (zh) | 路口流量分析方法、装置、电子设备及存储介质 | |
CN112418081A (zh) | 一种空地联合快速勘察交通事故的方法及*** | |
CN115309846B (zh) | 一种基于平行系数的道路网结构识别方法 | |
CN115797961A (zh) | 车道线变更检测方法、装置、电子设备及存储介质 | |
CN115662124A (zh) | 一种基于网络编码的gps轨迹数据路段流量匹配方法 | |
CN113449403A (zh) | 一种基于分层网络划分的复杂网络节点评价方法 | |
CN112348265A (zh) | 监控场景下的可行路径挖掘方法及装置 | |
CN113220806B (zh) | 一种基于衍生平行线段的大规模路网方向判定方法及*** | |
CN116977950B (zh) | 路口面的确定方法、装置、设备和计算机可读存储介质 | |
CN114743210A (zh) | 平行路检测方法、装置以及电子设备 | |
CN112577497B (zh) | 道路匹配方法及装置、电子设备、存储介质、程序产品 | |
CN115147609A (zh) | 高精地图要素特征提取方法、装置及自动驾驶车辆 |
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 |