CN114518106B - 高精度地图垂向要素更新检测方法、系统、介质及设备 - Google Patents
高精度地图垂向要素更新检测方法、系统、介质及设备 Download PDFInfo
- Publication number
- CN114518106B CN114518106B CN202210085972.XA CN202210085972A CN114518106B CN 114518106 B CN114518106 B CN 114518106B CN 202210085972 A CN202210085972 A CN 202210085972A CN 114518106 B CN114518106 B CN 114518106B
- Authority
- CN
- China
- Prior art keywords
- vertical
- precision map
- vehicle
- update
- distance
- 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
Images
Classifications
-
- 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
-
- 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
- G01C21/3863—Structures of map data
- G01C21/387—Organisation of map data, e.g. version management or database structures
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Navigation (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种高精度地图垂向要素更新检测方法、系统、介质及设备,其包括:从获取的原始图像数据中检测出图片中的地图垂向要素,得到每个被检测的所述垂向要素的像素边缘点;将获取的相邻时刻图像上的垂向要素进行关联,得到相邻时刻图像中相应关联像素之间的速度向量;根据速度向量得到车辆位置姿态信息,利用车辆位置姿态信息将被检测到的垂向要素的上边缘与下边缘点的像素转标转换为世界坐标系,得到垂向要素相对于车辆的距离;根据垂向要素相对于车辆的距离确定垂直物体是否存在,并计算垂直物体存在的置信度,同时确定垂直物体的位置;根据垂直物体存在的置信度和位置,更新高精度地图数据库。本发明能高效的完成高精地图的更新。
Description
技术领域
本发明涉及一种高清晰度地图数据库更新技术领域,特别是关于一种基于众源视觉数据的高精度地图垂向要素更新检测方法、系统、介质及设备。
背景技术
高精度地图已成为了高级别自动驾驶不可或缺的关键支撑技术,针对高精度地图,车道线、灯杆、交通标志牌等地图要素是高精度地图中的关键组成部分,其中车道线有助于辅助车辆的横向定位精度,杆状物有助于辅助车辆的纵向定位精度。目前常用移动测量系统进行集中式采集与制图来获取高精度的地图要素,虽然这种方式精度较高,但是这种方法对于地图要素更新成本较高、更新周期较长,难以保证高精地图更新需求,难以用于地图要素变化检测与更新中,尤其对于更新要求以天为级别甚至实时更新频率要求的高精度地图更新而言,快速准确的地图要素变化机制是非常关键的一部分。
发明内容
针对上述问题,本发明的目的是提供一种高精度地图垂向要素更新检测方法、系统、介质及设备,其能高效的完成高精地图的更新。
为实现上述目的,本发明采取以下技术方案:一种高精度地图垂向要素更新检测方法,其包括:从获取的原始图像数据中检测出图片中的地图垂向要素,得到每个被检测的所述垂向要素的像素边缘点;将获取的相邻时刻图像上的垂向要素进行关联,得到相邻时刻图像中相应关联像素之间的速度向量;根据速度向量得到车辆位置姿态信息,利用车辆位置姿态信息将被检测到的垂向要素的上边缘与下边缘点的像素转标转换为世界坐标系,得到垂向要素相对于车辆的距离;根据垂向要素相对于车辆的距离确定垂直物体是否存在,并计算垂直物体存在的置信度,同时确定垂直物体的位置;根据垂直物体存在的置信度和位置,更新高精度地图数据库。
进一步,所述每个被检测的所述垂向要素的像素边缘点的获取方法,包括:
将检测到的所述垂向要素进行分割,将分割结果去噪后进行边缘点计算,确定分割后垂向要素的像素边缘点。
进一步,所述将获取的相邻时刻图像上的垂向要素进行关联,包括:基于机器学习方法将相邻时刻图像进行处理,估计相邻时刻两幅图像上像素之间的光流,得到相邻时刻两幅图像中相应像素之间的每个关联的速度向量。
进一步,所述垂向要素相对于车辆的距离的获取方法,包括:
利用车辆位置姿态信息将被检测到的垂向要素的上边缘与下边缘点的像素转标转换为世界坐标系,获取垂直物体在世界坐标中的上下边缘点坐标;
根据上下边缘点坐标计算垂直物体相对于车辆的距离。
进一步,所述根据垂向要素相对于车辆的距离确定垂直物体是否存在,包括:
将所述垂向要素相对于车辆的距离与预先设定的阈值进行比较;
若该距离小于阈值时,则根据垂直物体位置确定道路路段面积;
若该距离大于阈值时,则更新垂直对象占用率,确认垂直物体的存在,但不确定垂直物体的确切位置。
进一步,所述确定垂直物体的位置,包括:
根据当前观测值与过去观测值的概率得到整个观测值的置信度;
根据置信度计算得到所观察到的垂直物体为真的概率;
将垂直物体为真的概率数据注册到路段数据中,将路段上的所有垂直物体与高精地图数据库进行比对,确定垂直物体的位置。
进一步,所述根据垂直物体存在的置信度和位置,更新高精度地图数据库,包括:
过滤掉较低的置信度值,将得到的垂直物体的数量与高精地图数据库进行匹配;
如果数量匹配,则不需要更新;
如果数量不匹配时,则当高精地图数据丢失并且收集的数据具有非常高的置信度时,则需要更新;当置信度不够高时,应延迟更新,并应等待其他车辆的数据。
一种高精度地图垂向要素更新检测系统,其包括:垂向要素检测模块,从获取的原始图像数据中检测出图片中的地图垂向要素,得到每个被检测的所述垂向要素的像素边缘点;关联模块,将获取的相邻时刻图像上的垂向要素进行关联,得到相邻时刻图像中相应关联像素之间的速度向量;距离计算模块,根据速度向量得到车辆位置姿态信息,利用车辆位置姿态信息将被检测到的垂向要素的上边缘与下边缘点的像素转标转换为世界坐标系,得到垂向要素相对于车辆的距离;垂直物体确认模块,根据垂向要素相对于车辆的距离确定垂直物体是否存在,并计算垂直物体存在的置信度,同时确定垂直物体的位置;更新模块,根据垂直物体存在的置信度和位置,更新高精度地图数据库。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行上述方法中的任一方法。
一种计算设备,其包括:一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
本发明由于采取以上技术方案,其具有以下优点:
1、本发明可以确定需要更新垂直对象所在的确切路段信息,并与高精地图数据库中的整个地图元素进行更新相比,高精地图更新的过程可以更高效。
2、本发明通过预期观测来确定垂直物体是否由于检测错误或遮挡问题而未被发现。
附图说明
图1是本发明一实施例中的地图垂向向要素更新检测方法整体流程示意图;
图2是本发明一实施例中的基于图像与车辆位置信息提取垂直目标物的占用率示意图;
图3是本发明一实施例中的将一幅图像与其子序列图像之间的检测关联示意图;
图4是本发明一实施例中的基于路段/路段中垂直物体存在的置信度变化更新模型;
图5是本发明一实施例中的路段/路段中垂直物体确认存在示意图;
图6是本发明一实施例中的相邻时刻图像路段/路段中垂直物体关联失败示意图;
图7是本发明一实施例中的路段/路段中垂直物体位置确定示意图。
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的附图,对本发明实施例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的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明基于机器学习算法来检测分类垂直杆状地图要素(灯杆、交通标志、交通灯等),利用光流方法跟踪垂直物体在2D像素空间上的位置,并在观测结束时确定特征目标物在道路上的确切空间位置及所在路段信息,以用于发现地图要素变化。本发明利用预期观察来确定车辆上的摄像头是否仍然可以在给定当时车辆位置的情况下发现垂直物体的位置。通过最小化车辆与物体本身之间的距离来提高物体定位的准确性。利用贝叶斯更新算法来确定特定路段/链路上垂直物体存在的置信度。计算出垂直对象的置信度值后,再与高精度地图数据库信息进行比较,以确定高精地图更新的紧迫性。
在本发明的一个实施例中,提供一种高精度地图垂向要素更新检测方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,如图1~图3所示,该方法包括以下步骤:
1)获取来源于车载摄像头传输至的原始图像数据,从原始图像数据中检测出图片中的地图垂向要素,得到每个被检测的垂向要素的像素边缘点;
2)将获取的相邻时刻图像上的垂向要素进行关联,得到相邻时刻图像中相应关联像素之间的速度向量;
3)根据速度向量得到车辆位置姿态信息,利用车辆位置姿态信息将被检测到的垂向要素的上边缘与下边缘点的像素转标转换为世界坐标系,得到垂向要素相对于车辆的距离;
4)根据垂向要素相对于车辆的距离确定垂直物体是否存在,并计算垂直物体存在的置信度,同时确定垂直物体的位置;
5)根据垂直物体存在的置信度和位置,更新高精度地图数据库。
上述步骤1)中,每个被检测的垂向要素的像素边缘点的获取方法为:将检测到的垂向要素进行分割,将分割结果去噪后进行边缘点计算,确定分割后垂向要素的像素边缘点。
在本实施例中,可以采用机器学习方法进行地图垂向元素(灯杆、交通志牌和交通灯等杆状物)准确检测,针对该步骤1)的实现方法,本实施例中不做特殊说明,其实现可以采用目前通用方法。本实施例中采用CNN深度学习网络提取垂直地图元素。得到分割结果之后,去除噪声,确定分割后垂向要素的上、下两点。噪声消除与边缘点计算方法也比较灵活,不局限于一种方法。本实施例中,通过垂直地图元素的像素大小对噪声进行过滤处理,通过检测分割结果的垂向最大值与最小值来计算边缘点,同理,找到其他像素的边缘点,得到每个被检测的垂直地图的像素边缘点。
上述步骤2)中,将获取的相邻时刻图像上的垂向要素进行关联,具体为:基于机器学习方法将相邻时刻图像进行处理,估计相邻时刻两幅图像上像素之间的光流,得到相邻时刻两幅图像中相应像素之间的每个关联的速度向量。
在本实施例中,基于机器学习方法将图像及其后续图像进行处理,为这两幅图像上像素之间的Lucas-Kanade光流提供最好的估计。这个过程的最终结果将是第一幅图像中的像素与第二幅图像中相应像素之间的每个关联的速度向量(Vx,Vy)。
其中,qi是表示图像中的像素点,Ix(qi),Iy(qi),It(qi)分别为图像中像素点qi在当前时间对位置x,y,t的偏导数。
上述步骤3)中,由于利用单目相机来获取输入图像,当相机与被测物体的距离较远时,该相机的深度估计精度就更不那么准确了。因此,为了将在第一幅图像上检测到的垂直地图元素与第二幅图像进行关联,本实施例直接使用像素信息进行处理。
其中,垂向要素相对于车辆的距离的获取方法,包括以下步骤:
3.1)利用车辆位置姿态信息将被检测到的垂向要素的上边缘与下边缘点的像素转标转换为世界坐标系,获取垂直物体在世界坐标中的上下边缘点坐标;
利用车辆位置姿态信息将被检测垂直目标的上边缘与下边缘点的像素转标转换为世界坐标系,这个过程需要两步转变,从自车姿态位置到相机姿态,图像坐标通过相机姿态到世界坐标系。最终获取垂直物体在世界坐标中的上下边缘点坐标。
转换公式如下所示:
m(xw,yw,zw)=K·[R|t]·m(xp,yp)
其中,m表示为3D世界坐标系中的垂向物体,xp,yp分别表示垂向物体在x轴、y轴的像素坐标,xw,yw,zw为垂向物体在3D世界坐标系中的三个坐标值,K为相机内参,[R|t]为车辆位姿转换得到的6自由度旋转参数。
3.2)根据上下边缘点坐标计算垂直物体相对于车辆的距离,为了确保垂直物体位置的最佳近似,因为它离车辆越远,物体定位的准确性就越低。
上述步骤4)中,根据垂向要素相对于车辆的距离确定垂直物体是否存在,具体为:将垂向要素相对于车辆的距离与预先设定的阈值进行比较;若该距离小于阈值时,则根据垂直物体位置确定道路路段面积;若该距离大于阈值时,则更新垂直对象占用率,确认垂直物体的存在,但不确定垂直物体的确切位置。
在本实施例中,优选的阈值为8m;距离大于阈值时,更新垂直对象占用率,确认垂直物体的存在,但不确定对象的确切位置,如图5所示。
上述步骤4)中,确定垂直物体的位置,包括以下步骤:
4.1)根据当前观测值与过去观测值的概率得到整个观测值的置信度;
4.2)根据置信度计算得到所观察到的垂直物体为真的概率;
4.3)将垂直物体为真的概率数据注册到路段数据中,将路段上的所有垂直物体与高精地图数据库进行比对,确定垂直物体的位置。
在本实施例中,垂直对象关联发生在每个图像帧上。由于垂直物体的位置在道路的一侧,经常会被移动的物体如卡车、公共汽车或车辆遮挡从而阻碍对物体的观测,这将导致失败的关联过程。如图6所示,关联过程失败的原因一般可以分为两个方面,对象被遮挡和检测算法失败。由于使用的检测算法是最先进的深度学习算法,可以假设,如果垂直物体在现实生活中真的存在,故假设这种情况会很小。因此,在大多数情况下,物体本身的占用可以根据现实情况提高或降低物体的存在置信度。利用logit函数的贝叶斯更新算法计算垂直目标存在的置信度。
将当前观测值与过去观测值的概率结合起来,计算整个观测值的置信度。由此可知,Js为当前观测值,obs为观测占用率。对每个垂直物体的每次正确观测的概率应该不同,并应根据机器学习深度学习算法和应用程序进行调整。
l(obs=1|J1:S)=l(obs=1|Js)+l(obs=1|J1:S-1)
其中,l(obs=1|JS)表示观测占用率为1时当前观测值的置信度,logit()表示回归计算函数,p(obs=1|JS)表示观测占用率为1时当前观测值的概率,l(obs=1J1:S)表示观测占用率为1时整个观测值的置信度。
在本实施例中,确定对象的位置,无论它是否仍在预期的观测区域内,如图7所示。为了确定车辆是否仍然有可能观测到对象。当确定不再可能观测到物体时,置信度将停止计算,产生一个目标物的置信度。因为距离车辆位置距离约小,定位误差越小,最后,在完成所有这些过程并确定观察的终点后,可以计算出所观察到的垂直物体为真的概率为:
然后,将垂直物体为真的概率数据注册到路段数据中,将路段上的所有垂直物体与高精地图数据库进行进一步的比对。
上述步骤5)中,根据垂直物体存在的置信度和位置,更新高精度地图数据库,包括以下步骤:
5.1)过滤掉较低的置信度值,将得到的垂直物体的数量与高精地图数据库进行匹配;
5.2)如果数量匹配,则不需要更新;
5.3)如果数量不匹配时,则当高精地图数据丢失并且收集的数据具有非常高的置信度时,则需要更新;当置信度不够高时,应延迟更新,并应等待其他车辆的数据。
其中,较低的置信度值为置信度低于预先设定的置信度区间下限值,非常高的置信度为置信度高于预先设定的置信度区间上限值,置信度不够高为置信度值低于预设的最优置信度值时,该最优置信度值位于置信度区间内。例如,最优置信度值设置为80。
在本实施例中,如图4所示,根据路段/链路检查高精地图数据库的过程。过滤掉较低的置信度值,然后将前面处理得到的垂直物体的数量与高精地图数据库进行匹配。如果数字匹配,则认为不需要更新。但是,当它不匹配时,可能需要根据丢失的数据进行更新。当高精地图数据丢失并且收集的数据具有非常高的置信度时,则需要更新。但是,当置信度不够高时,应延迟更新,并应等待其他车辆的数据。当收集到的数据丢失时也会发生这种情况,因为在没有观察到垂直物体时无法确保更新,因为它可能是由其他车辆遮挡引起的,因此在这种情况下将需要其他车辆数据。
在本发明的一个实施例中,提供一种高精度地图垂向要素更新检测系统,其包括:
垂向要素检测模块,从获取的原始图像数据中检测出图片中的地图垂向要素,得到每个被检测的垂向要素的像素边缘点;
关联模块,将获取的相邻时刻图像上的垂向要素进行关联,得到相邻时刻图像中相应关联像素之间的速度向量;
距离计算模块,根据速度向量得到车辆位置姿态信息,利用车辆位置姿态信息将被检测到的垂向要素的上边缘与下边缘点的像素转标转换为世界坐标系,得到垂向要素相对于车辆的距离;
垂直物体确认模块,根据垂向要素相对于车辆的距离确定垂直物体是否存在,并计算垂直物体存在的置信度,同时确定垂直物体的位置;
更新模块,根据垂直物体存在的置信度和位置,更新高精度地图数据库。
本实施例提供的系统是用于执行上述各方法实施例的,具体流程和详细内容请参照上述实施例,此处不再赘述。
本发明一实施例中提供一种计算设备结构,该计算设备可以是终端,其可以包括:处理器(processor)、通信接口(Communications Interface)、存储器(memory)、显示屏和输入装置。其中,处理器、通信接口、存储器通过通信总线完成相互间的通信。该处理器用于提供计算和控制能力。该存储器包括非易失性存储介质、内存储器,该非易失性存储介质存储有操作系统和计算机程序,该计算机程序被处理器执行时以实现一种更新检测方法;该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、管理商网络、NFC(近场通信)或其他技术实现。该显示屏可以是液晶显示屏或者电子墨水显示屏,该输入装置可以是显示屏上覆盖的触摸层,也可以是计算设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。处理器可以调用存储器中的逻辑指令,以执行如下方法:从获取的原始图像数据中检测出图片中的地图垂向要素,得到每个被检测的垂向要素的像素边缘点;将获取的相邻时刻图像上的垂向要素进行关联,得到相邻时刻图像中相应关联像素之间的速度向量;根据速度向量得到车辆位置姿态信息,利用车辆位置姿态信息将被检测到的垂向要素的上边缘与下边缘点的像素转标转换为世界坐标系,得到垂向要素相对于车辆的距离;根据垂向要素相对于车辆的距离确定垂直物体是否存在,并计算垂直物体存在的置信度,同时确定垂直物体的位置;根据垂直物体存在的置信度和位置,更新高精度地图数据库。
此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以理解,上述计算设备的结构,仅仅是与本申请方案相关的部分结构,并不构成对本申请方案所应用于其上的计算设备的限定,具体的计算设备可以包括更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在本发明的一个实施例中,提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:从获取的原始图像数据中检测出图片中的地图垂向要素,得到每个被检测的垂向要素的像素边缘点;将获取的相邻时刻图像上的垂向要素进行关联,得到相邻时刻图像中相应关联像素之间的速度向量;根据速度向量得到车辆位置姿态信息,利用车辆位置姿态信息将被检测到的垂向要素的上边缘与下边缘点的像素转标转换为世界坐标系,得到垂向要素相对于车辆的距离;根据垂向要素相对于车辆的距离确定垂直物体是否存在,并计算垂直物体存在的置信度,同时确定垂直物体的位置;根据垂直物体存在的置信度和位置,更新高精度地图数据库。
在本发明的一个实施例中,提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储服务器指令,该计算机指令使计算机执行上述各实施例提供的方法,例如包括:从获取的原始图像数据中检测出图片中的地图垂向要素,得到每个被检测的垂向要素的像素边缘点;将获取的相邻时刻图像上的垂向要素进行关联,得到相邻时刻图像中相应关联像素之间的速度向量;根据速度向量得到车辆位置姿态信息,利用车辆位置姿态信息将被检测到的垂向要素的上边缘与下边缘点的像素转标转换为世界坐标系,得到垂向要素相对于车辆的距离;根据垂向要素相对于车辆的距离确定垂直物体是否存在,并计算垂直物体存在的置信度,同时确定垂直物体的位置;根据垂直物体存在的置信度和位置,更新高精度地图数据库。
上述实施例提供的一种计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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 (10)
1.一种高精度地图垂向要素更新检测方法,其特征在于,包括:
从获取的原始图像数据中检测出图片中的地图垂向要素,得到每个被检测的所述垂向要素的像素边缘点;
将获取的相邻时刻图像上的垂向要素进行关联,得到相邻时刻图像中相应关联像素之间的速度向量;
根据速度向量得到车辆位置姿态信息,利用车辆位置姿态信息将被检测到的垂向要素的上边缘与下边缘点的像素转标转换为世界坐标系,得到垂向要素相对于车辆的距离;
根据垂向要素相对于车辆的距离确定垂直物体是否存在,并计算垂直物体存在的置信度,同时确定垂直物体的位置;
根据垂直物体存在的置信度和位置,更新高精度地图数据库。
2.如权利要求1所述高精度地图垂向要素更新检测方法,其特征在于,所述每个被检测的所述垂向要素的像素边缘点的获取方法,包括:
将检测到的所述垂向要素进行分割,将分割结果去噪后进行边缘点计算,确定分割后垂向要素的像素边缘点。
3.如权利要求1所述高精度地图垂向要素更新检测方法,其特征在于,所述将获取的相邻时刻图像上的垂向要素进行关联,包括:基于机器学习方法将相邻时刻图像进行处理,估计相邻时刻两幅图像上像素之间的光流,得到相邻时刻两幅图像中相应像素之间的每个关联的速度向量。
4.如权利要求1所述高精度地图垂向要素更新检测方法,其特征在于,所述垂向要素相对于车辆的距离的获取方法,包括:
利用车辆位置姿态信息将被检测到的垂向要素的上边缘与下边缘点的像素转标转换为世界坐标系,获取垂直物体在世界坐标中的上下边缘点坐标;
根据上下边缘点坐标计算垂直物体相对于车辆的距离。
5.如权利要求1所述高精度地图垂向要素更新检测方法,其特征在于,所述根据垂向要素相对于车辆的距离确定垂直物体是否存在,包括:
将所述垂向要素相对于车辆的距离与预先设定的阈值进行比较;
若该距离小于阈值时,则根据垂直物体位置确定道路路段面积;
若该距离大于阈值时,则更新垂直对象占用率,确认垂直物体的存在,但不确定垂直物体的确切位置。
6.如权利要求1所述高精度地图垂向要素更新检测方法,其特征在于,所述确定垂直物体的位置,包括:
根据当前观测值与过去观测值的概率得到整个观测值的置信度;
根据置信度计算得到所观察到的垂直物体为真的概率;
将垂直物体为真的概率数据注册到路段数据中,将路段上的所有垂直物体与高精地图数据库进行比对,确定垂直物体的位置。
7.如权利要求1所述高精度地图垂向要素更新检测方法,其特征在于,所述根据垂直物体存在的置信度和位置,更新高精度地图数据库,包括:
过滤掉较低的置信度值,将得到的垂直物体的数量与高精地图数据库进行匹配;
如果数量匹配,则不需要更新;
如果数量不匹配时,则当高精地图数据丢失并且收集的数据具有非常高的置信度时,则需要更新;当置信度不够高时,应延迟更新,并应等待其他车辆的数据。
8.一种高精度地图垂向要素更新检测系统,其特征在于,包括:
垂向要素检测模块,从获取的原始图像数据中检测出图片中的地图垂向要素,得到每个被检测的所述垂向要素的像素边缘点;
关联模块,将获取的相邻时刻图像上的垂向要素进行关联,得到相邻时刻图像中相应关联像素之间的速度向量;
距离计算模块,根据速度向量得到车辆位置姿态信息,利用车辆位置姿态信息将被检测到的垂向要素的上边缘与下边缘点的像素转标转换为世界坐标系,得到垂向要素相对于车辆的距离;
垂直物体确认模块,根据垂向要素相对于车辆的距离确定垂直物体是否存在,并计算垂直物体存在的置信度,同时确定垂直物体的位置;
更新模块,根据垂直物体存在的置信度和位置,更新高精度地图数据库。
9.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行如权利要求1至7所述方法中的任一方法。
10.一种计算设备,其特征在于,包括:一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行如权利要求1至7所述方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210085972.XA CN114518106B (zh) | 2022-01-25 | 2022-01-25 | 高精度地图垂向要素更新检测方法、系统、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210085972.XA CN114518106B (zh) | 2022-01-25 | 2022-01-25 | 高精度地图垂向要素更新检测方法、系统、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114518106A CN114518106A (zh) | 2022-05-20 |
CN114518106B true CN114518106B (zh) | 2023-07-14 |
Family
ID=81597715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210085972.XA Active CN114518106B (zh) | 2022-01-25 | 2022-01-25 | 高精度地图垂向要素更新检测方法、系统、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114518106B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114972824B (zh) * | 2022-06-24 | 2023-07-14 | 小米汽车科技有限公司 | 杆件检测方法、装置、车辆和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108225344A (zh) * | 2016-12-22 | 2018-06-29 | 沈阳美行科技有限公司 | 一种地图系统、生成和使用方法及其应用 |
CN110388928A (zh) * | 2018-04-20 | 2019-10-29 | 比亚迪股份有限公司 | 导航系统和导航地图的更新方法、装置 |
CN113029185A (zh) * | 2021-03-04 | 2021-06-25 | 清华大学 | 众包式高精度地图更新中道路标线变化检测方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10657804B2 (en) * | 2017-08-11 | 2020-05-19 | Here Global B.V. | Updating maps and road status |
JP7156206B2 (ja) * | 2018-08-31 | 2022-10-19 | 株式会社デンソー | 地図システム、車両側装置、およびプログラム |
US11030898B2 (en) * | 2018-12-13 | 2021-06-08 | Here Global B.V. | Methods and systems for map database update based on road sign presence |
-
2022
- 2022-01-25 CN CN202210085972.XA patent/CN114518106B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108225344A (zh) * | 2016-12-22 | 2018-06-29 | 沈阳美行科技有限公司 | 一种地图系统、生成和使用方法及其应用 |
CN110388928A (zh) * | 2018-04-20 | 2019-10-29 | 比亚迪股份有限公司 | 导航系统和导航地图的更新方法、装置 |
CN113029185A (zh) * | 2021-03-04 | 2021-06-25 | 清华大学 | 众包式高精度地图更新中道路标线变化检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
Mapping the Northern Galactic Disk Warp with Classical Cepheids;D.M.Skowron ,et al.;ACTA ASTRONOMICA;第69卷;305-320 * |
自动驾驶地图与定位产业发展若干问题;杨殿阁;中国卫星导航与位置服务第八届年会暨中国北斗应用大会 工程科技Ⅱ辑;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114518106A (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112734852B (zh) | 一种机器人建图方法、装置及计算设备 | |
US9811742B2 (en) | Vehicle-surroundings recognition device | |
CN110678872A (zh) | 通过使用神经网络图像处理的、作为3d限界框的直接载具检测 | |
CN109099915B (zh) | 移动机器人定位方法、装置、计算机设备和存储介质 | |
CN107735797B (zh) | 用于确定第一坐标系与第二坐标系之间的运动的方法 | |
JP2016081525A (ja) | 車両用画像認識システム、及び対応法 | |
JP2018124787A (ja) | 情報処理装置、データ管理装置、データ管理システム、方法、及びプログラム | |
CN111860352B (zh) | 一种多镜头车辆轨迹全跟踪系统及方法 | |
CN108648194B (zh) | 基于cad模型三维目标识别分割和位姿测量方法及装置 | |
JP2004354257A (ja) | キャリブレーションずれ補正装置及びこの装置を備えたステレオカメラ並びにステレオカメラシステム | |
EP3676796A1 (en) | Systems and methods for correcting a high-definition map based on detection of obstructing objects | |
CN111738032B (zh) | 一种车辆行驶信息确定方法及装置、车载终端 | |
CN112927303B (zh) | 一种基于车道线的自动驾驶车载相机位姿估计方法及系统 | |
KR102388806B1 (ko) | 주행 상황 판단 시스템 | |
CN111027381A (zh) | 利用单目相机识别障碍物的方法、装置、设备及存储介质 | |
CN111738033B (zh) | 基于平面分割的车辆行驶信息确定方法及装置、车载终端 | |
Petrovai et al. | A stereovision based approach for detecting and tracking lane and forward obstacles on mobile devices | |
CN114518106B (zh) | 高精度地图垂向要素更新检测方法、系统、介质及设备 | |
CN112200056A (zh) | 人脸活体检测方法、装置、电子设备及存储介质 | |
CN113029185B (zh) | 众包式高精度地图更新中道路标线变化检测方法及系统 | |
US20100027847A1 (en) | Motion estimating device | |
CN112560769B (zh) | 用于检测障碍物的方法、电子设备、路侧设备和云控平台 | |
CN113971697A (zh) | 一种空地协同车辆定位定向方法 | |
CN112837404B (zh) | 一种平面对象的三维信息的构建方法及装置 | |
CN116543143A (zh) | 一种目标检测模型的训练方法、目标检测方法及装置 |
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 |