CN114863385A - 道路曲面信息生成方法、装置、设备和计算机可读介质 - Google Patents

道路曲面信息生成方法、装置、设备和计算机可读介质 Download PDF

Info

Publication number
CN114863385A
CN114863385A CN202210290272.4A CN202210290272A CN114863385A CN 114863385 A CN114863385 A CN 114863385A CN 202210290272 A CN202210290272 A CN 202210290272A CN 114863385 A CN114863385 A CN 114863385A
Authority
CN
China
Prior art keywords
key point
point coordinate
road surface
sequence
obstacle
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
Application number
CN202210290272.4A
Other languages
English (en)
Other versions
CN114863385B (zh
Inventor
胡禹超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heduo Technology Guangzhou Co ltd
Original Assignee
HoloMatic Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by HoloMatic Technology Beijing Co Ltd filed Critical HoloMatic Technology Beijing Co Ltd
Priority to CN202210290272.4A priority Critical patent/CN114863385B/zh
Publication of CN114863385A publication Critical patent/CN114863385A/zh
Application granted granted Critical
Publication of CN114863385B publication Critical patent/CN114863385B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开的实施例公开了道路曲面信息生成方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：对预获取的道路图像序列中的每个道路图像进行关键点提取以生成障碍物关键点坐标序列组，得到障碍物关键点坐标序列组集合；基于上述障碍物关键点坐标序列组集合，构建直角约束方程；基于上述直角约束方程，对初始道路曲面方程进行更新，得到目标道路曲面方程；将上述目标道路曲面方程确定为道路曲面信息。该实施方式可以提高生成的道路曲面信息的准确度。

Description

道路曲面信息生成方法、装置、设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及道路曲面信息生成方法、装置、设备和计算机可读介质。
背景技术
道路曲面信息的生成，对自动驾驶领域具有重要意义。目前，在生成道路曲面信息时，通常采用的方式为：从道路图像中提取静态特征(例如，车道线)，通过三角化的方法得到特征的三维坐标，进而，生成道路曲面信息。
然而，当采用上述方式进行道路曲面信息生成时，经常会存在如下技术问题：
第一，路面的静态特征容易被遮挡，导致提取的静态特征不够准确，由此，使得生成的道路曲面信息的准确度降低；
第二，路面的静态特征缺乏明显的特征点，从而，导致提取的静态特征不够准确，进而，降低了生成的道路曲面信息的准确度。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了道路曲面信息生成方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种道路曲面信息生成方法，该方法包括：对预获取的道路图像序列中的每个道路图像进行关键点提取以生成障碍物关键点坐标序列组，得到障碍物关键点坐标序列组集合；基于上述障碍物关键点坐标序列组集合，构建直角约束方程；基于上述直角约束方程，对初始道路曲面方程进行更新，得到目标道路曲面方程；将上述目标道路曲面方程确定为道路曲面信息。
第二方面，本公开的一些实施例提供了一种道路曲面信息生成装置，该装置包括：提取单元，被配置成对预获取的道路图像序列中的每个道路图像进行关键点提取以生成障碍物关键点坐标序列组，得到障碍物关键点坐标序列组集合；构建单元，被配置成基于上述障碍物关键点坐标序列组集合，构建直角约束方程；更新单元，被配置成基于上述直角约束方程，对初始道路曲面方程进行更新，得到目标道路曲面方程；确定单元，被配置成将上述目标道路曲面方程确定为道路曲面信息。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的道路曲面信息生成方法，可以提高生成的道路曲面信息的准确度。具体来说，造成生成的道路曲面信息的准确度降低的原因在于：路面的静态特征容易被遮挡，导致提取的静态特征不够准确。基于此，本公开的一些实施例的道路曲面信息生成方法，首先，对预获取的道路图像序列中的每个道路图像进行关键点提取以生成障碍物关键点坐标序列组，得到障碍物关键点坐标序列组集合。通过提取障碍物关键点坐标，可以不依赖静态特征进行道路曲面信息的生成。避免了路面的静态特征容易被遮挡，导致提取的静态特征不够准确的情况。然后，基于上述障碍物关键点坐标序列组集合，构建直角约束方程。通过构建直角约束方程，可以用于提高生成的道路曲面信息的准确度。之后，基于上述直角约束方程，对初始道路曲面方程进行更新，得到目标道路曲面方程。通过更新，可以进一步提高道路曲面方程的准确度。最后，将上述目标道路曲面方程确定为道路曲面信息。从而，本公开的一些实施例的道路曲面信息生成方法，以障碍物关键点坐标为基础，构建直角约束方程，可以提高生成的道路曲面信息的准确度。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的道路曲面信息生成方法的一些实施例的流程图；
图2是根据本公开的道路曲面信息生成方法的另一些实施例的流程图；
图3是根据本公开的道路曲面信息生成装置的一些实施例的结构示意图；
图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的道路曲面信息生成方法的一些实施例的流程100。该道路曲面信息生成方法的流程100，包括以下步骤：
步骤101，对预获取的道路图像序列中的每个道路图像进行关键点提取以生成障碍物关键点坐标序列组，得到障碍物关键点坐标序列组集合。
在一些实施例中，道路曲面信息生成方法的执行主体可以对预获取的道路图像序列中的各个道路图像进行关键点提取，得到障碍物关键点坐标序列组集合。其中，道路图像序列中的各个道路图像可以是车载相机拍摄的连续帧图像。可以通过预设的提取算法，对预获取的道路图像序列中的各个道路图像进行关键点提取，得到障碍物关键点坐标序列组集合。每个障碍物关键点坐标序列可以对应一个障碍物。每个障碍物关键点坐标序列组可以对应一个道路图像中的各个障碍物。障碍物关键点可以表征障碍物车辆与地面接触的轮胎的最外侧的点。障碍物关键点坐标序列中各个障碍物关键点坐标可以按照预设顺序排列的。另外，检测关键点坐标序列中的检测关键点坐标的数量可以是：一个、两个、三个或四个等。上述预设的顺序可以是顺时针顺序或逆时针顺序，例如逆时针顺序：右前轮、左前轮、左后轮、右后轮的顺序。
作为示例，提取算法可以包括但不限于以下至少一项：GUP(GeometryUncertainty Projection，单目三维目标检测网络)、SegNet(图像语义分割深度网络)、FCN(Fully Convolutional Networks，全卷机神经网络)模型等、VGG(Visual Geometry GroupNetwork，卷积神经网络)模型或GoogLeNet(深度神经网络)模型等。例如，检测到障碍物车辆的右前轮、左前轮、左后轮对应的三个点。对应的检测关键点坐标的顺序可以从右前轮开始逆时针排序。那么，对应右前轮、左前轮、左后轮的障碍物关键点坐标的顺序编号可以是(1-2-3)。
步骤102，基于障碍物关键点坐标序列组集合，构建直角约束方程。
在一些实施例中，上述执行主体可以基于上述障碍物关键点坐标序列组集合，通过各种方式构建直角约束方程。
在一些实施例的一些可选的实现方式中，上述执行主体基于上述障碍物关键点坐标序列组集合，构建直角约束方程，可以包括以下步骤：
第一步，对上述障碍物关键点坐标序列组集合中的各个障碍物关键点坐标序列进行筛选处理，得到目标障碍物关键点坐标序列组集合。
在一些实施例的一些可选的实现方式中，上述执行主体对上述障碍物关键点坐标序列组集合中的各个障碍物关键点坐标序列进行筛选处理，得到目标障碍物关键点坐标序列组集合，可以包括以下步骤：
对于上述障碍物关键点坐标序列组集合中的每个障碍物关键点坐标序列，执行如下筛选处理步骤：
第一子步骤，将上述障碍物关键点坐标序列中的各个障碍物关键点坐标进行反投影，得到三维障碍物关键点坐标序列。其中，可以通过逆透视变换的方法，将障碍物关键点坐标从图像坐标系反投影至车辆坐标系。以此可以得到三维障碍物关键点坐标序列。
第二子步骤，利用上述三维障碍物关键点坐标序列中的各个三维障碍物关键点坐标，构建单位向量序列。其中，对于每两个相邻的三维障碍物关键点坐标，可以构建一个单位向量。可以通过以下公式生成单位向量组：
Figure BDA0003561543760000051
其中，j、p表示序号。l表示上述单位向量序列中的单位向量。lj表示上述单位向量序列中的第j个单位向量。w表示上述三维障碍物关键点坐标序列中的三维障碍物关键点坐标。wp表示上述三维障碍物关键点坐标序列中的第p个三维障碍物关键点坐标。wp+1表示上述三维障碍物关键点坐标序列中的第p+1个三维障碍物关键点坐标。||·||2表示2范式。
第三子步骤，响应于确定上述障碍物关键点坐标序列中的各个障碍物关键点坐标满足预设关键点条件，以及上述单位向量序列满足预设向量关系条件，将上述三维障碍物关键点坐标序列确定为目标障碍物关键点坐标序列。其中，上述预设关键点条件可以是：障碍物关键点坐标序列中障碍物关键点的数量为预设数量(例如，3个)，且各个障碍物关键点的顺序编号为预设的顺序编号集中的一种顺序编号。预设向量关系条件可以是单位向量序列中的每两个相邻单位向量之间为垂直关系。单位向量序列中的各个单位向量的顺序可以对应上述障碍物关键点坐标序列中的顺序。
作为示例，上述顺序编号集可以是：{(1-2-3)，(2-3-4)，(1-4-3)，(2-1-4)}。例如，各个障碍物关键点的顺序编号为(1-2-3)。那么可以确定上述障碍物关键点坐标序列满足上述预设关键点条件。由此，生成的单位向量可以有两个，分别是：顺序编号1和2的三维障碍物关键点坐标通过上述公式构成的单位向量，和顺编号2和3的三维障碍物关键点坐标通过上述公式构成的单位向量。若该两个单位向量垂直，则可以确定单位向量序列满足预设向量关系条件。
实践中，障碍物关键点坐标的顺序编号不仅可以用于分辨所对应的障碍物车辆的车轮，还便于生成单位向量。也因为引入了顺序编号，使得生成的单位向量可以表征俯视角度下的近似车辆的矩形的边界。通过引入预设关键点条件，可以筛选出满足预设关键点条件的障碍物关键点坐标序列，以用于构建直角约束方程。另外，通过引入预设向量关系条件，可以用于确定单位向量为矩形边框的边界且相互垂直。以此，提高表征实际的障碍物车辆的准确度。进而，可以用于提高生成的道路曲面信息的准确度。
第二步，基于上述目标障碍物关键点坐标序列组集合，构建直角约束方程。其中，单位向量序列与目标障碍物关键点坐标序列组集合中的目标障碍物关键点坐标序列一一对应。构建的直角约束方程可以是：
Figure BDA0003561543760000071
其中，e1表示直角约束方程的结果，即直角关系误差。
Figure BDA0003561543760000072
表示与上述单位向量序列中的第j个单位向量对应的直角关系误差。lj表示上述单位向量序列中的第j个单位向量。lj+1表示与上述单位向量序列中的第j+1个单位向量。
步骤103，基于直角约束方程，对初始道路曲面方程进行更新，得到目标道路曲面方程。
在一些实施例中，上述执行主体基于上述直角约束方程，可以通过各种方式，对初始道路曲面方程进行更新，得到目标道路曲面方程。
在一些实施例的一些可选的实现方式中，上述初始道路曲面方程通过以下步骤生成：
第一步，对预设的目标道路图像进行车道线点提取，得到车道线点坐标集合。其中，目标道路图像可以是预先获取的第一帧道路图像。可以通过上述提取算法对预设的目标道路图像进行车道线点提取，得到车道线点坐标集合。
第二步，将上述车道线点坐标集合中的各个车道线点坐标反投影至车辆坐标系，得到车道线点三维坐标集合。其中，可以通过逆透视变换的方式将上述车道线点坐标集合中的各个车道线点坐标从图像坐标系反投影至车辆坐标系，得到车道线点三维坐标集合。
第三步，基于上述车道线点三维坐标集合，生成上述初始道路曲面方程。其中，可以将上述车道线点三维坐标集合中的车道线点三维坐标输入至预设的曲面方程中，解得初始道路曲面方程的参数。由此可以得到初始道路曲面方程。初始曲面方程的表达式可以如下式：
Figure BDA0003561543760000081
其中，P(s)表示初始曲面方程。s表示上述车道线点三维坐标集合中的车道线点三维坐标。x表示该车道线点三维坐标的横坐标值。y表示该车道线点三维坐标的纵坐标值。z表示该车道线点三维坐标的竖坐标值。A表示初始曲面方程的系数矩阵。B表示初始曲面方程的系数向量。c表示常数项。a1、a2、a3表示系数矩阵中的数据。b1、b2表示系数向量中的数据。T表示矩阵的转置。
具体的，初始曲面方程中的系数矩阵可以是零矩阵。
步骤104，将目标道路曲面方程确定为道路曲面信息。
在一些实施例中，上述执行主体可以将上述目标道路曲面方程确定为道路曲面信息。其中，道路曲面信息可以是表征道路路面的信息。
可选的，上述执行主体还可以执行以下步骤：
第一步，对上述道路图像序列中的各个道路图像进行特征点提取，得到路面特征点坐标集。其中，可以通过上述提取算法对上述道路图像序列中的各个道路图像进行特征点提取，得到路面特征点坐标集。路面特征点坐标集中的各个路面特征点坐标可以用于表征道路图像对应的车道线。
第二步，将上述路面特征点坐标集中的各个路面特征点坐标反投影至上述目标道路曲面方程所在的坐标系，得到反投影特征点坐标集。其中，可以通过逆投影变换的方法将上述路面特征点坐标集中的各个路面特征点坐标从图像坐标系反投影至上述目标道路曲面方程所在的坐标系，得到反投影特征点坐标集。目标道路曲面方程所在的坐标系可以是车辆坐标系。在提高了目标道路曲面方程的准确度的基础上，通过将上述路面特征点坐标反投影至上述目标道路曲面方程所在的坐标系，可以提高生成的反投影特征点坐标集的准确度。
第三步，将上述反投影特征点坐标集和上述道路曲面信息发送至显示终端以供显示。其中，由于提高了上述反投影特征点坐标集和上述道路曲面信息的准确度。从而，可以提高显示终端所显示的道路信息的准确度。进而，可以用于提高驾驶安全。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的道路曲面信息生成方法，可以提高生成的道路曲面信息的准确度。具体来说，造成生成的道路曲面信息的准确度降低的原因在于：路面的静态特征容易被遮挡，导致提取的静态特征不够准确。基于此，本公开的一些实施例的道路曲面信息生成方法，首先，对预获取的道路图像序列中的各个道路图像进行关键点提取，得到障碍物关键点坐标序列组集合。通过提取障碍物关键点坐标，可以不依赖静态特征进行道路曲面信息的生成。避免了路面的静态特征容易被遮挡，导致提取的静态特征不够准确的情况。然后，基于上述障碍物关键点坐标序列组集合，构建直角约束方程。通过构建直角约束方程，可以用于提高生成的道路曲面信息的准确度。之后，基于上述直角约束方程，对初始道路曲面方程进行更新，得到目标道路曲面方程。通过更新，可以进一步提高道路曲面方程的准确度。最后，将上述目标道路曲面方程确定为道路曲面信息。从而，本公开的一些实施例的道路曲面信息生成方法，以障碍物关键点坐标为基础，构建直角约束方程，可以提高生成的道路曲面信息的准确度。
进一步参考图2，其示出了道路曲面信息生成方法的另一些实施例的流程200。该道路曲面信息生成方法的流程200，包括以下步骤：
步骤201，对预获取的道路图像序列中的每个道路图像进行关键点提取以生成障碍物关键点坐标序列组，得到障碍物关键点坐标序列组集合。
步骤202，基于障碍物关键点坐标序列组集合，构建直角约束方程。
在一些实施例中，步骤201-202的具体实现方式及所带来的技术效果可以参考图1对应的那些实施例中的步骤101-102，在此不再赘述。
步骤203，基于预设的相机内参矩阵和坐标转换矩阵，生成关键点投影误差序列组集合。
在一些实施例中，上述执行主体可以基于预设的相机内参矩阵和坐标转换矩阵，生成关键点投影误差序列组集合。其中，可以通过以下公式生成关键点投影误差序列组集合：
Figure BDA0003561543760000101
其中，i、k、n表示序号。e2表示关键点投影误差序列组集合中的关键点投影误差。
Figure BDA0003561543760000104
表示关键点投影误差序列组集合中第i个关键点投影误差序列组中的关键点投影误差。
Figure BDA0003561543760000102
表示关键点投影误差序列组集合中第i个关键点投影误差序列组中第k个关键点投影误差序列中的关键点投影误差。
Figure BDA0003561543760000103
表示关键点投影误差序列组集合中第i个关键点投影误差序列组中第k个关键点投影误差序列中的第n个关键点投影误差。K表示相机内参矩阵。R表示坐标旋转矩阵。m表示上述目标障碍物关键点坐标序列组集合中的目标障碍物关键点坐标。mi表示上述目标障碍物关键点坐标序列组集合中第i个目标障碍物关键点坐标序列组中的目标障碍物关键点坐标。mi，p表示上述目标障碍物关键点坐标序列组集合中第i个目标障碍物关键点坐标序列组中第p个目标障碍物关键点坐标序列中的目标障碍物关键点坐标。mi，p，n表示上述目标障碍物关键点坐标序列组集合中第i个目标障碍物关键点坐标序列组中第p个目标障碍物关键点坐标序列中的第n个目标障碍物关键点坐标。k表示与上述目标障碍物关键点坐标序列组集合中的目标障碍物关键点坐标对应的障碍物关键点坐标。ki表示与上述目标障碍物关键点坐标序列组集合中第i个目标障碍物关键点坐标序列组中的目标障碍物关键点坐标对应的障碍物关键点坐标。ki，p表示与上述目标障碍物关键点坐标序列组集合中第i个目标障碍物关键点坐标序列组中第p个目标障碍物关键点坐标序列中的目标障碍物关键点坐标对应的障碍物关键点坐标。ki，p，n表示与上述目标障碍物关键点坐标序列组集合中第i个目标障碍物关键点坐标序列组中第p个目标障碍物关键点坐标序列中的第n个目标障碍物关键点坐标对应的障碍物关键点坐标。N表示正态分布符号。∑p表示预设的投影误差协方差矩阵。()3表示取括号内向量的第3个元素。()1：2表示取括号内向量的第1个到第2个元素。
步骤204，基于直角约束方程，对初始道路曲面方程进行更新，得到目标道路曲面方程。
在一些实施例中，上述执行主体可以基于上述关键点投影误差序列组集合、上述直角约束方程和预设的协方差矩阵，对初始道路曲面方程进行更新，得到目标道路曲面方程。其中，首先，可以确定初始状态方程的初始状态向量。初始状态向量可以是由系数矩阵和系数向量中的数据以及初始曲面方程常数项构成。例如：Z＝[c，b1，b2，a1，a2，a3]。其中，Z可以表示初始状态向量。然后，可以通过以下公式得到目标状态向量序列：
Figure BDA0003561543760000111
其中，Z表示上述初始状态向量。Z′表示目标状态向量序列中的目标状态向量。Z′i表示目标状态向量序列中的第i个目标状态向量。P(mi，p，n)表示将上述目标障碍物关键点坐标序列组集合中第i个目标障碍物关键点坐标序列组中第p个目标障碍物关键点坐标序列中的第n个目标障碍物关键点坐标输入至初始状态方程的结果。
Figure BDA0003561543760000112
表示与目标障碍物关键点坐标序列组集合中第i个目标障碍物关键点坐标序列组中第p个目标障碍物关键点坐标序列中的第j个目标障碍物关键点坐标对应的约束方程的结果，即直角关系误差。
Figure BDA0003561543760000121
表示关键点投影误差序列组集合中第i个关键点投影误差序列组中第k个关键点投影误差序列中的第n个关键点投影误差的转置矩阵。
Figure BDA0003561543760000122
表示预设的投影误差协方差矩阵的逆矩阵。λ表示预设的投影参数组中的投影参数。表示预设的投影参数组中的第i个投影参数。D表示转换参数，用于缩短公式长度。
最后，可以将目标状态向量序列中的最后一个目标状态向量确定为目标道路曲面方程的参数。以此可以完成对初始道路曲面方程进行更新，得到目标道路曲面方程。
实践中，投影参数与车辆的颠簸程度相关：颠簸程度越大，则障碍物车辆的数据可信度越低，投影参数也越小，使得投影参数这一项的结果重要程度越低。由此，可以用于降低颠簸程度对生成目标状态向量的影响。以此，提高生成的目标状态向量的准确度。另外，可以通过非线性优化方法，对上述生成目标状态向量的公式进行求解。例如，非线性优化方法可以包括但不限于以下至少一项：ISAM(Incremental Smoothing And Mapping，增量平滑和建图方法)、GTSAM(非线性优化库)等。在求解过程中需要满足关键点投影误差满足高斯分布的条件。而协方差矩阵的逆则表征误差的确定度，误差值越大，确定度越大，不确定度越小。因此，通过引入坐标协方差矩阵的逆以便降低生成障碍物关键点坐标时的误差所带来的影响。从而，可以减少各项误差，提高生成目标曲面方程的准确度。
上述各个公式及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“路面的静态特征缺乏明显的特征点，从而，导致提取的静态特征不够准确，进而，降低了生成的道路曲面信息的准确度”。导致生成的道路曲面信息的准确度降低的因素往往如下：路面的静态特征缺乏明显的特征点，从而，导致提取的静态特征不够准确。如果解决了上述因素，就能提高生成的道路曲面信息的准确度。为了达到这一效果，首先，通过提取障碍物关键点坐标可以用于替代路面的静态特征。然后，通过生成单位向量的公式，可以生成单位向量，以此便于约束关系的构建。之后，通过直角约束方程，可以用于生成直角关系误差。以供用于提高生成目标状态向量的准确度。而后，通过引入初始曲面方程，可以便于生成初始状态向量。以此便于生成目标状态向量。接着，通过生成关键点投影误差的公式，可以进一步增加约束条件，提高求解目标状态向量的准确度。最后，通过生成目标状态向量的公式，可以实现在满足上述条件的情况下，生成目标状态向量。从而，提高了目标状态向量的准确度。进而，可以用于提高道路曲面信息的准确度。
步骤205，将目标道路曲面方程确定为道路曲面信息。
在一些实施例中，步骤205的具体实现方式及所带来的技术效果可以参考图1对应的那些实施例中的步骤104，在此不再赘述。
从图2中可以看出，与图1对应的一些实施例的描述相比，图2对应的一些实施例中的道路曲面信息生成方法的流程200体现了对初始道路曲面方程进行更新的步骤。通过上述各个公式及其相关内容，解决了“路面的静态特征缺乏明显的特征点，从而，导致提取的静态特征不够准确”的技术问题。进而，提高了生成的道路信息的准确度。
进一步参考图3，作为对上述各图所示方法的实现，本公开提供了一种道路曲面信息生成装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图3所示，一些实施例的道路曲面信息生成装置300包括：提取单元301、构建单元302、更新单元303和确定单元304。其中，提取单元301，被配置成对预获取的道路图像序列中的每个道路图像进行关键点提取以生成障碍物关键点坐标序列组，得到障碍物关键点坐标序列组集合；构建单元302，被配置成基于上述障碍物关键点坐标序列组集合，构建直角约束方程；更新单元303，被配置成基于上述直角约束方程，对初始道路曲面方程进行更新，得到目标道路曲面方程；确定单元304，被配置成将上述目标道路曲面方程确定为道路曲面信息。
可以理解的是，该装置300中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。
下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备400的结构示意图。图4示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：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406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，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4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，根据本公开的一些实施例，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，本公开的一些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。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上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。在本公开的一些实施例中，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。而在本公开的一些实施例中，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。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的；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：对预获取的道路图像序列中的每个道路图像进行关键点提取以生成障碍物关键点坐标序列组，得到障碍物关键点坐标序列组集合；基于上述障碍物关键点坐标序列组集合，构建直角约束方程；基于上述直角约束方程，对初始道路曲面方程进行更新，得到目标道路曲面方程；将上述目标道路曲面方程确定为道路曲面信息。
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一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，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。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括提取单元、构建单元、更新单元和确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，提取单元还可以被描述为“提取障碍物关键点坐标序列组集合的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种道路曲面信息生成方法，包括：
对预获取的道路图像序列中的每个道路图像进行关键点提取以生成障碍物关键点坐标序列组，得到障碍物关键点坐标序列组集合；
基于所述障碍物关键点坐标序列组集合，构建直角约束方程；
基于所述直角约束方程，对初始道路曲面方程进行更新，得到目标道路曲面方程；
将所述目标道路曲面方程确定为道路曲面信息。
2.根据权利要求1所述的方法，其中，所述方法还包括：
对所述道路图像序列中的各个道路图像进行特征点提取，得到路面特征点坐标集；
将所述路面特征点坐标集中的各个路面特征点坐标反投影至所述目标道路曲面方程所在的坐标系，得到反投影特征点坐标集；
将所述反投影特征点坐标集和所述道路曲面信息发送至显示终端以供显示。
3.根据权利要求1所述的方法，其中，所述基于所述障碍物关键点坐标序列组集合，构建直角约束方程，包括：
对所述障碍物关键点坐标序列组集合中的各个障碍物关键点坐标序列进行筛选处理，得到目标障碍物关键点坐标序列组集合；
基于所述目标障碍物关键点坐标序列组集合，构建直角约束方程。
4.根据权利要求3所述的方法，其中，所述对所述障碍物关键点坐标序列组集合中的各个障碍物关键点坐标序列进行筛选处理，得到目标障碍物关键点坐标序列组集合，包括：
对于所述障碍物关键点坐标序列组集合中的每个障碍物关键点坐标序列，执行如下筛选处理步骤：
将所述障碍物关键点坐标序列中的各个障碍物关键点坐标进行反投影，得到三维障碍物关键点坐标序列；
利用所述三维障碍物关键点坐标序列中的各个三维障碍物关键点坐标，构建单位向量序列；
响应于确定所述障碍物关键点坐标序列中的各个障碍物关键点坐标满足预设关键点条件，以及所述单位向量序列满足预设向量关系条件，将所述三维障碍物关键点坐标序列确定为目标障碍物关键点坐标序列。
5.根据权利要求3所述的方法，其中，所述初始道路曲面方程通过以下步骤生成：
对预设的目标道路图像进行车道线点提取，得到车道线点坐标集合；
将所述车道线点坐标集合中的各个车道线点坐标反投影至车辆坐标系，得到车道线点三维坐标集合；
基于所述车道线点三维坐标集合，生成所述初始道路曲面方程。
6.根据权利要求5所述的方法，其中，在所述基于所述直角约束方程，对初始道路曲面方程进行更新，得到目标道路曲面方程之前，所述方法还包括：
基于预设的相机内参矩阵和坐标转换矩阵，生成关键点投影误差序列组集合。
7.根据权利要求6所述的方法，其中，所述基于所述直角约束方程，对初始道路曲面方程进行更新，得到目标道路曲面方程，包括：
基于所述关键点投影误差序列组集合、所述直角约束方程和预设的协方差矩阵，对初始道路曲面方程进行更新，得到目标道路曲面方程。
8.一种道路曲面信息生成装置，包括：
提取单元，被配置成对预获取的道路图像序列中的每个道路图像进行关键点提取以生成障碍物关键点坐标序列组，得到障碍物关键点坐标序列组集合；
构建单元，被配置成基于所述障碍物关键点坐标序列组集合，构建直角约束方程；
更新单元，被配置成基于所述直角约束方程，对初始道路曲面方程进行更新，得到目标道路曲面方程；
确定单元，被配置成将所述目标道路曲面方程确定为道路曲面信息。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
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1-7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，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN202210290272.4A 2022-03-23 2022-03-23 道路曲面信息生成方法、装置、设备和计算机可读介质 Active CN114863385B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210290272.4A CN114863385B (zh) 2022-03-23 2022-03-23 道路曲面信息生成方法、装置、设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210290272.4A CN114863385B (zh) 2022-03-23 2022-03-23 道路曲面信息生成方法、装置、设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN114863385A true CN114863385A (zh) 2022-08-05
CN114863385B CN114863385B (zh) 2023-04-07

Family

ID=82627771

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210290272.4A Active CN114863385B (zh) 2022-03-23 2022-03-23 道路曲面信息生成方法、装置、设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN114863385B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115471708A (zh) * 2022-09-27 2022-12-13 禾多科技（北京）有限公司 车道线类型信息生成方法、装置、设备和计算机可读介质
CN116740382A (zh) * 2023-05-08 2023-09-12 禾多科技（北京）有限公司 障碍物信息生成方法、装置、电子设备和计算机可读介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101469991A (zh) * 2007-12-26 2009-07-01 南京理工大学 全天时结构化道路多行道线检测方法
CN102155230A (zh) * 2011-02-15 2011-08-17 龚晓斌 基于圆坐标的隧道曲线段放样方法
CN103136341A (zh) * 2013-02-04 2013-06-05 北京航空航天大学 一种基于Bézier曲线的车道线重构装置
CN103927418A (zh) * 2014-04-12 2014-07-16 北京工业大学 基于dem的城市道路渠网化排水通道制作方法
CN105005999A (zh) * 2015-08-12 2015-10-28 北京航空航天大学 一种基于计算机立体视觉面向导盲仪的障碍物探测方法
CN106407506A (zh) * 2016-08-24 2017-02-15 中南大学 一种道路三维线形建模方法及***
CN109034047A (zh) * 2018-07-20 2018-12-18 京东方科技集团股份有限公司 一种车道线检测方法及装置
CN109583271A (zh) * 2017-09-29 2019-04-05 杭州海康威视数字技术股份有限公司 一种对车道线进行拟合的方法、装置及终端
CN109829351A (zh) * 2017-11-23 2019-05-31 华为技术有限公司 车道信息的检测方法、装置及计算机可读存储介质
US20190389474A1 (en) * 2018-06-26 2019-12-26 Baidu Online Network Technology (Beijing) Co., Ltd. Method and apparatus for acquiring control amount for performance test of unmanned vehicle
WO2021185104A1 (zh) * 2020-03-16 2021-09-23 华为技术有限公司 一种车道线信息确定方法及装置
CN113551664A (zh) * 2021-08-02 2021-10-26 湖北亿咖通科技有限公司 一种地图构建方法、装置、电子设备及存储介质
CN113869293A (zh) * 2021-12-03 2021-12-31 禾多科技（北京）有限公司 车道线识别方法、装置、电子设备和计算机可读介质
CN114170275A (zh) * 2021-11-30 2022-03-11 重庆长安汽车股份有限公司 一种基于卡尔曼滤波的车道线处理方法及***

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101469991A (zh) * 2007-12-26 2009-07-01 南京理工大学 全天时结构化道路多行道线检测方法
CN102155230A (zh) * 2011-02-15 2011-08-17 龚晓斌 基于圆坐标的隧道曲线段放样方法
CN103136341A (zh) * 2013-02-04 2013-06-05 北京航空航天大学 一种基于Bézier曲线的车道线重构装置
CN103927418A (zh) * 2014-04-12 2014-07-16 北京工业大学 基于dem的城市道路渠网化排水通道制作方法
CN105005999A (zh) * 2015-08-12 2015-10-28 北京航空航天大学 一种基于计算机立体视觉面向导盲仪的障碍物探测方法
CN106407506A (zh) * 2016-08-24 2017-02-15 中南大学 一种道路三维线形建模方法及***
CN109583271A (zh) * 2017-09-29 2019-04-05 杭州海康威视数字技术股份有限公司 一种对车道线进行拟合的方法、装置及终端
CN109829351A (zh) * 2017-11-23 2019-05-31 华为技术有限公司 车道信息的检测方法、装置及计算机可读存储介质
US20190389474A1 (en) * 2018-06-26 2019-12-26 Baidu Online Network Technology (Beijing) Co., Ltd. Method and apparatus for acquiring control amount for performance test of unmanned vehicle
CN109034047A (zh) * 2018-07-20 2018-12-18 京东方科技集团股份有限公司 一种车道线检测方法及装置
WO2021185104A1 (zh) * 2020-03-16 2021-09-23 华为技术有限公司 一种车道线信息确定方法及装置
CN113551664A (zh) * 2021-08-02 2021-10-26 湖北亿咖通科技有限公司 一种地图构建方法、装置、电子设备及存储介质
CN114170275A (zh) * 2021-11-30 2022-03-11 重庆长安汽车股份有限公司 一种基于卡尔曼滤波的车道线处理方法及***
CN113869293A (zh) * 2021-12-03 2021-12-31 禾多科技（北京）有限公司 车道线识别方法、装置、电子设备和计算机可读介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
田锦 等: ""基于实例分割的车道线检测及自适应拟合算法"", 《计算机应用》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115471708A (zh) * 2022-09-27 2022-12-13 禾多科技（北京）有限公司 车道线类型信息生成方法、装置、设备和计算机可读介质
CN115471708B (zh) * 2022-09-27 2023-09-12 禾多科技（北京）有限公司 车道线类型信息生成方法、装置、设备和计算机可读介质
CN116740382A (zh) * 2023-05-08 2023-09-12 禾多科技（北京）有限公司 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN116740382B (zh) * 2023-05-08 2024-02-20 禾多科技（北京）有限公司 障碍物信息生成方法、装置、电子设备和计算机可读介质

Also Published As

Publication number Publication date
CN114863385B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN114419604B (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN114863385B (zh) 道路曲面信息生成方法、装置、设备和计算机可读介质
CN112598762B (zh) 三维车道线信息生成方法、装置、电子设备和介质
CN114742958B (zh) 三维车道信息生成方法、装置、设备和计算机可读介质
CN111967467B (zh) 图像目标检测方法、装置、电子设备和计算机可读介质
CN112395423A (zh) 递归的时序知识图谱补全方法和装置
CN112328731B (zh) 车辆车道级定位方法、装置、电子设备和计算机可读介质
CN110457407B (zh) 用于处理点云数据的方法和装置
CN114993328B (zh) 车辆定位评估方法、装置、设备和计算机可读介质
CN114445597B (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN114399588A (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN112561990A (zh) 定位信息生成方法、装置、设备和计算机可读介质
CN115797565A (zh) 三维重建模型训练方法、三维重建方法、装置及电子设备
CN114894205A (zh) 三维车道线信息生成方法、装置、设备和计算机可读介质
CN114723640B (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN112597174B (zh) 地图更新方法、装置、电子设备和计算机可读介质
CN114663524B (zh) 多相机在线标定方法、装置、电子设备和计算机可读介质
CN114119973A (zh) 一种基于图像语义分割网络的空间距离预测方法及***
WO2020217620A1 (ja) 訓練装置、推定装置、訓練方法、推定方法及びプログラム
CN114708336B (zh) 多相机在线标定方法、装置、电子设备和计算机可读介质
CN116630436B (zh) 相机外参修正方法、装置、电子设备和计算机可读介质
CN110633707A (zh) 预测速度的方法和装置
CN110633596A (zh) 预测车辆方向角的方法和装置
CN114863025B (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN113343959A (zh) 场景图像识别方法、装置、电子设备和计算机可读介质

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806

Patentee after: Heduo Technology (Guangzhou) Co.,Ltd.

Address before: 100099 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing

Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd.

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Method, device, equipment, and computer-readable medium for generating road surface information

Granted publication date: 20230407

Pledgee: Bank of Shanghai Co.,Ltd. Beijing Branch

Pledgor: Heduo Technology (Guangzhou) Co.,Ltd.

Registration number: Y2024980009891