CN101842808A - 用于产生车道信息的方法及设备 - Google Patents
用于产生车道信息的方法及设备 Download PDFInfo
- Publication number
- CN101842808A CN101842808A CN200780101342A CN200780101342A CN101842808A CN 101842808 A CN101842808 A CN 101842808A CN 200780101342 A CN200780101342 A CN 200780101342A CN 200780101342 A CN200780101342 A CN 200780101342A CN 101842808 A CN101842808 A CN 101842808A
- Authority
- CN
- China
- Prior art keywords
- image
- road
- wave filter
- information
- conversion
- 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 80
- 238000001914 filtration Methods 0.000 claims description 65
- 238000006243 chemical reaction Methods 0.000 claims description 64
- 230000008569 process Effects 0.000 claims description 30
- 230000003287 optical effect Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 5
- 241001269238 Data Species 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 abstract 1
- 238000013507 mapping Methods 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 239000003550 marker Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 238000005728 strengthening Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 229920002457 flexible plastic Polymers 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000001915 proofreading effect Effects 0.000 description 2
- 230000004304 visual acuity Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
-
- 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
- G01C21/32—Structuring or formatting of map 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
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3822—Road feature data, e.g. slope data
-
- G06T5/70—
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Abstract
本发明涉及一种产生供在地图数据库中使用的车道信息的方法。所述方法包括:获取道路表面的一个或一个以上源图像及相关联位置和定向数据,所述道路具有方向及平行于所述道路的所述方向的车道标记;获取表示所述道路的所述方向的道路信息;依据所述道路信息变换所述一个或一个以上源图像以获得经变换的图像,其中所述经变换的图像的每一像素列对应于平行于所述道路的所述方向的表面;对所述经变换的图像应用具有不对称掩模的滤波器以获得经滤波的图像;及,依据与所述一个或一个以上源图像相关联的所述位置和定向数据从所述经滤波的图像中产生车道信息。
Description
技术领域
本发明涉及一种用于产生供在地图数据库中使用的车道信息的方法。本发明进一步涉及一种用于产生车道信息的设备、一种计算机程序产品及一种携载所述计算机程序产品的处理器可读媒体。
背景技术
需要为导航系统及类似系统中所使用的数字地图数据库收集大量的水平道路信息,例如,车道分隔带、道路中心线、道路宽度等等。道路信息的地理位置可存储为绝对或相对位置信息。例如,中心线可以绝对地理位置信息存储,且道路宽度可以相对位置信息存储,所述相对位置信息相对于中心线的绝对地理位置为相对信息。可通过解释高分辨率航摄经正射校正(orthorectified)的图像获得所述道路信息。经正射校正的图像是“按比例校正”的图像,其描绘地面特征,所述地面特征是从其经校正的地面位置上面看到的,其中已使用摄影测量技术移除了由相机及飞行特性以及起伏位移导致的失真。经正射校正的图像是一类航摄照片,已对其进行几何校正(“正射校正”)使得所述照片的比例为均匀的,这意味着可认为所述照片等效于地图。经正射校正的图像可用于测量真实距离,这是因为其是地球表面的精确表示,已针对地形起伏、透镜失真及相机俯仰进行了调整。经正射校正的视图与透视图的不同于在于经正射校正的视图是以直角投影到参考平面,而透视图是从单个固定位置或视点从所述表面投影到所述参考平面。可通过任何适合地图投影来获得经正射校正的图像。所述地图投影可以是通过表面进行的投影,例如圆柱投影、伪圆柱投影、混合投影、圆锥投影、伪圆锥投影或方位角投影。所述投影还可以是通过对度量性质进行保存而进行的投影。所述地图投影的共同之处是其均为正交投影,其意指每一像素表示参考平面的表面(近似地球形状的椭圆面)上沿垂直于所述表面的线所看到的点。因此,地球表面的经正射校正的图像的每一像素大致对应于沿垂直于近似地球形状的椭圆面的线所看到的地球表面的视图。
除了以上投影约束以外,经正射校正的图像还包括启用用以将所述经正射校正的图像的任一像素参考到地理坐标参考系统中的点的算法的元数据。已知每一像素在近似地球形状的椭圆面上的准确位置。因此,可从经正射校正的图像检索地面特征的位置及大小(例如,水平道路信息),且可计算高度精确的距离及地球坐标。经地理编码的经正射校正的图像的元数据界定投影坐标参考系统以为每一像素确定在所述地理坐标参考系统中的对应位置。
经地理编码的经正射校正的图像显示具有(如果存在)道路标记的道路表面。图像处理算法使我们能够检测道路标记并确定对应像素。元数据使我们能够精确地确定道路标记在地理坐标参考系统中的位置。
此类高分辨率航摄经正射校正的图像应具有低于25cm的像素大小。获得此类图像极昂贵且并不保证捕获所有道路水平信息。
可从航摄图像获得经正射校正的图像。然而,常常引入误差,此可导致对地理位置数据的不精确测绘。主要问题是,通常不准确地垂直于地球表面拍摄航摄图像。即使在接近于地球表面拍摄图片时,仅所述图片的中心准确地垂直于地球表面。为对此一图像进行正射校正,必须另外获得地形的高度信息。可通过拍摄重叠图像并比较从来自相同航摄相机的连续图像获得的相同表面来改进精确度。但是仍存在对所获得的精确度对额外成本的限制。应注意,航摄经正射校正的图像可以是俯视图图像的镶嵌图。
此外,为从航摄经正射校正的图像获得“水平”道路信息,必须分析所述图像。在所述图像中,必须检测道路表面。由于已从不同的地理确定装置获得与航摄经正射校正的图像相关联的地理位置及地图数据库中的地理位置,因此无法始终直接使用道路在地图数据库中的地理位置来精确地确定道路表面位于经正射校正的图像中的何处。
现今,可通过分析并解释水平图片图像及借助只在地球上的移动收集装置所收集的其它数据来获得用于导航系统及类似系统中所使用的数字地图数据库的“垂直”道路信息,例如,速度限制、方向路标等等。术语“垂直”指示道路信息的信息平面大致平行于重力向量。移动测绘车辆(其为基于陆地的车辆,例如,汽车或有篷货车)用于为增强数字地图数据库而收集移动数据。增强的实例为交通符号、路线符号、交通灯、显示街道名称等等的街道符号的位置。
移动测绘车辆具有若干相机,这些相机中的一些相机为立体照相相机且所有这些相机因具有车载定位系统(例如,精密GPS接收器)及其它车载位置确定装备(例如,惯性导航系统-INS)的车辆而经精确地地理定位。在行驶于道路网络上时,捕获经地理编码的图像序列。这些图像可为视频或静止图片图像。经地理编码意指将与图像相关联的位置附接到所述图像的元数据。在本发明中,从包含GPS接收器及可能地INS以及可能地距离及方位测量装置的车辆的位置确定系统中导出所述位置。
移动测绘车辆在对象(例如,建筑物或道路表面)的图像序列中记录多于一个图像,且针对图像序列的每一图像,精确地确定相对于坐标参考系统的地理位置和定向。具有对应地理位置和定向信息的图像序列将称为经地理编码的图像序列。由于由相机获得的图像序列表示“水平”道路信息的视觉透视图,因此图像处理算法可提供从所述图像序列提取道路信息的解决方案。借助车载定位系统(例如,GPS接收器)以及其它额外位置和定向确定装备(例如,惯性导航系统-INS)精确地知道相机的地理位置。
在航摄图像及由移动测绘车辆捕获的图像序列两者中,均存在车道信息。借助复杂的图像处理算法,可检测车道信息且可确定对应位置信息。
发明内容
本发明设法提供一种产生供在地图数据库中使用的车道信息的经改进的方法。
根据本发明,所述方法包括:
-获取道路表面的一个或一个以上源图像及相关联位置和定向数据,所述道路具有一方向及平行于所述道路的所述方向的车道标记;
-获取表示所述道路的所述方向的道路信息;
-依据所述道路信息变换所述一个或一个以上源图像以获得经变换的图像,其中所述经变换的图像的每一像素列对应于平行于所述道路的所述方向的表面;
-对所述经变换的图像应用具有不对称掩模的滤波器以获得经滤波的图像;及,
-依据与所述一个或一个以上源图像相关联的所述位置和定向数据从所述经滤波的图像中产生车道信息。
本发明基于以下认识:可从数字地图数据库容易地获得道路的位置和方向的信息。此外,可从在道路上行驶的移动测绘车辆容易地获得道路的位置和定向。在道路上行驶的车辆的方向或多或少地平行于所述道路的方向。此外,车道标记(例如作为喷涂在道路表面上的线性标记的车道标记)为平行于所述道路的方向的标记。现今,经地理编码的图像(其可以是俯视图或经正射校正的视图图像)为可公开获得的,其中对于每一像素,已知预界定坐标系统中的地理位置。经地理编码的图像可以是航摄或卫星图像。所述一个或一个以上源图像还可以是已通过以下步骤获得的源图像:检索借助安装于在所述道路上行驶的移动车辆上的基于陆地的相机获得的一个或一个以上图像序列及相关联位置和定向数据以及对所述一个或一个以上图像序列执行正规化过程以获得所述一个或一个以上图像及相关联位置和定向数据。所述正规化过程可包含正射校正过程。
为增强对车道信息的提取,对所述源图像进行滤波。所述增强改进将要检测的对象的检测率。可使用普遍已知的滤波器(例如噪声滤波器、形态滤波器及边缘滤波器)来增强所述提取。然而,由于在所述源图像中并不知道线性对象的定向,因此所述滤波器必须为定向不变的滤波器。这些滤波器为具有两个维度的对称滤波器,其沿两个方向同时执行一功能。然而,当已知将要检测的线性对象的定向时,可使用仅沿一个维度操作的滤波器。这些滤波器具有数目减少的参数。因此,执行此一滤波需要较少计算能力。此外,如果已知对象的定向及形式,那么可使用较简单的形状检测算法,这是因为形状滤波器仅须在图像中检测具有已知定向的对象。因此,根据本发明,在从所述源图像中提取所述车道信息之前,使用道路方向来获得其中每一像素列平行于所述道路方向的图像。因此,线性车道标记将在图像中具有垂直定向。此允许我们对经变换的图像使用具有仅沿一个维度的功能以增强所述图像,例如通过强调车道信息的特征。这些滤波器称为不对称滤波器,这是因为其仅沿一个方向对图像执行滤波。通过滤波强调图像中的特征的实例为图像噪声的减少、线性道路标记的宽度的放大及不需要的图像信息的移除或抑制。在对图像进行滤波之后,可使用标准特征提取技术来检测线性车道油漆。此外,通过知道将要检测的线性对象的定向,可设计较高效的强调滤波器。
在本发明的实施例中,已同时从由安装于所述移动车辆中的定位确定构件产生的输出信号中捕获所述追踪信息及所述一个或一个以上图像序列的相关联位置和定向信息。此特征改进所产生的车道信息的位置信息的相对精确度。借助定位确定装置确定所述车辆的位置和定向,所述定位确定装置可包含GPS接收器及惯性测量装置,例如一个或一个以上回转仪及/或加速计。由于所述基于陆地的相机与所记录的地球表面之间的距离为有限的且借助车载定位系统(例如,GPS接收器)及其它额外位置和定向确定装备(例如,惯性导航系统-INS)精确地知道所述相机的地理位置,因此可精确地确定每一像素的绝对地理位置(假定所述像素为地球表面的表示)。此使如未公开的专利申请案PCT/NL2006/050252中所揭示的算法能够极精确地产生经正射校正的图像及相关联位置和定向数据。典型的移动测绘系统(MMS)产生经正射校正的镶嵌图或图像,其具有8cm分辨率,其中在100m上的相对精确度为50cm且绝对精确度为200cm。精确的位置和定向数据使我们能够变换经正射校正的图像,使得经变换的图像的每一像素列对应于平行于所述道路的方向的表面。应注意,如果正射校正过程产生其中每一列已平行于所述车辆的行驶方向的图像,那么所述变换可为任选的。
在本发明的实施例中,变换包含旋转操作。图像旋转为用于对准经正射校正的视图图像或俯视图图像使得一像素列对应于地球表面上平行于道路的导出方向的线的简单功能。
在本发明的实施例中,应用具有不对称掩模的滤波器包括:
-首先对所述经变换的图像应用第一滤波器且其次应用第二滤波器,所述第一滤波器具有扩大沿垂直于所述车辆的所述行驶方向的方向的线的宽度的结构化元件,所述第二滤波器具有减小沿平行于所述车辆的所述行驶方向的方向的线的长度的结构化元件。
在本发明的进一步实施例中,所述第一滤波器为最大滤波器且所述第二滤波器为最小滤波器。这些滤波器为用以扩大对象的宽度及用以减小对象的长度的极简单的滤波器。
在本发明的进一步实施例中,应用具有不对称掩模的滤波器进一步包括:
-再次应用第三滤波器,所述第三滤波器具有将沿平行于所述行驶方向的方向的线的长度扩大到其原始大小的结构化元件。在有利实施例中,所述第三滤波器为最大滤波器。这些特征允许我们将对象的长度恢复到其原始大小,此使我们能够精确地确定虚线的每一段的长度。
在本发明的实施例中,产生车道信息包括:
-在所述经滤波的图像中搜索实线;及,
-依据与所述一个或一个以上源图像相关联的所述位置和定向数据计算所述实线的位置。在实例性实施例中,产生车道信息包括:
-在所述经滤波的图像中搜索矩形;及,
-依据与所述一个或一个以上源图像相关联的所述位置和定向数据计算矩形的位置。
可使用软件、硬件或软件与硬件的组合来实施本发明。当本发明的全部或部分在软件中实施时,所述软件可驻存于处理器可读存储媒体上。恰当处理器可读存储媒体的实例包含软磁盘、硬磁盘、CD ROM、DVD、存储器IC等。当系统包含硬件时,所述硬件可包含:输出装置(例如,监视器、扬声器或打印机);输入装置(例如,键盘、指向装置及/或麦克风);及处理器,其与所述输出装置通信;以及处理器可读存储媒体,其与所述处理器通信。所述处理器可读存储媒体存储代码,所述代码能够编程所述处理器以执行实施本发明的动作。本发明的过程还可在可经由电话线或其它网络或因特网连接存取的服务器上实施。
附图说明
下文将使用若干实例性实施例参照附图更详细地论述本发明,所述附图打算图解说明本发明而非限制其由所附权利要求书及其等效实施例界定的范围,附图中
图1显示具有相机的MMS系统;
图2显示位置和定向参数的图示;
图3显示执行本发明可借助的计算机布置的框图;
图4是根据本发明用于产生车道信息的过程的实例性实施方案的流程图;
图5显示将源图像转换成经正射校正的图像块的一般原理的侧视图;
图6显示将源图像转换成经正射校正的图像块的一般原理的俯视图;
图7显示道路段的经正射校正的图像;
图8显示不对称滤波的实例性实施例的流程图;
图9显示滤波器掩模的实例性实施例;
图10显示道路段的经滤波的图像;且
图11显像图10中所示的经滤波的图像中所找到的特征。
具体实施方式
图1显示采取汽车1形式的MMS系统。汽车1具备一个或一个以上相机9(i),i=1,2,3,…I。汽车1可由驾驶员驾驶着沿感兴趣的道路行驶。
汽车1具备多个车轮2。此外,汽车1具备高精确度位置确定装置。如图1中所示,所述位置确定装置包括以下组件:
●GPS(全球定位系统)单元,其连接到天线8且经布置以与多个卫星SLi(i=1,2,3,…)通信且根据从卫星SLi接收的信号计算位置信号。所述GPS单元连接到微处理器μP。基于从所述GPS单元接收的信号,所述微处理器μP可确定将在汽车1中的监视器4上显示的适合显示信号,从而告知驾驶员汽车的所在位置及所述汽车可能正沿哪个方向行进。可使用差分GPS单元替代GPS单元。差分全球定位系统(DGPS)是对全球定位系统(GPS)的增强,其使用固定的基于地面的参考站网络来广播由卫星系统指示的位置与已知的固定位置之间的差异。这些站广播所测量的卫星伪距与实际(在内部计算的)伪距之间的差异,且接收器站可将其伪距校正相同量。
●DMI(距离测量仪器)。此仪器是通过感测车轮2中的一者或一者以上的旋转次数来测量汽车1行进的距离的里程表。所述DMI还连接到微处理器μP以允许所述微处理器μP在根据来自所述GPS单元的输出信号计算显示信号的同时考虑到由所述DMI测量的距离。
●IMU(惯性测量单元)。此一IMU可实施为3个回转仪单元,其经布置以测量沿3个正交方向的旋转加速度及平移加速度。所述IMU还连接到所述微处理器μP以允许所述微处理器μP在根据来自所述GPS单元的输出信号计算显示信号的同时考虑到所述DMI的测量结果。所述IMU还可包含航位推算传感器。
如图1中所示的系统为所谓的“移动测绘系统”,其(举例来说)通过借助安装于汽车1上的一个或一个以上相机9(i)拍摄图片来收集地理数据。所述相机连接到所述微处理器μP。所述汽车前方的相机9(i)可以是立体相机。所述相机可经布置以产生图像序列,其中已以预界定的帧速率捕获了图像。在实例性实施例中,所述相机中的一者或一者以上为静止图片照相机,其经布置以在汽车1的每个预界定位移或每个时间间隔捕获图片。所述预界定位移经选择使得两个连续图片包括道路表面的相似部分。举例来说,可在每行进8米之后捕获图片。
通常想要从3个测量单元GPS、IMU及DMI尽可能精确地提供位置和定向测量。在相机9(i)拍摄图片时,测量这些位置和定向数据。存储这些图片以供稍后在所述μP的适合存储器中结合在拍摄这些图片的同时收集的汽车1的对应位置和定向数据使用。所述图片包含关于车道信息的信息,例如,道路的中心、道路表面边缘及道路宽度。
图2显示可从图1中所示的三个测量单元GPS、DMI及IMU获得哪些位置信号。图2显示微处理器μP经布置以计算6个不同参数,即,相对于预定坐标系统中的原点的3个距离参数x、y、z及分别为ωx、ωy、ωz的3个角度参数,其分别表示绕x轴、y轴及z轴的旋转。z方向与重力向量的方向一致。全球UTM坐标系统可用作预定坐标系统。
汽车1中的微处理器μP及存储器可实施为计算机布置。图3中显示此一计算机布置的实例。
在图3中,给出计算机布置300的概略图,其包括用于实施算术运算的处理器311。在图1中所示的实施例中,所述处理器将是微处理器μP。
处理器311连接到多个存储器组件,包含硬磁盘312、只读存储器(ROM)313、电可擦除可编程只读存储器(EEPROM)314及随机存取存储器(RAM)315。并不一定需要提供所有这些存储器类型。此外,这些存储器组件无需在物理上接近于处理器311定位而是可远离处理器311定位。
处理器311还连接到(例如)用户用来输入指令、数据等的构件,如键盘316及鼠标317。也可提供所属领域的技术人员已知的其它输入构件,例如触摸屏、轨迹球及/或话音转换器。
提供连接到处理器311的读取单元319。读取单元319经布置以从可装卸数据载体或可装卸存储媒体(如软磁盘320或CDROM 321)上读取数据及可能地写入数据。其它可装卸数据载体可以是磁带、DVD、CD-R、DVD-R、存储棒等,如所属领域的技术人员已知。
处理器311可连接到打印机323以在纸张上以及向显示器318打印输出数据,所述显示器例如是监视器或LCD(液晶显示器)屏幕或所属领域的技术人员已知的任何其它类型的显示器。
处理器311可连接到扩音器329。
此外,处理器311可借助I/O构件325连接到通信网络327,例如,公共交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、因特网等。处理器311可经布置以通过网络327与其它通信布置通信。
数据载体320、321可包括呈数据及指令形式的计算机程序产品,其经布置以给所述处理器提供执行根据本发明的方法的能力。然而,另一选择为,此计算机程序产品可经由电信网络327下载。
处理器311可实施为独立系统,或实施为多个各自经布置以实施较大计算机程序的子任务的平行操作处理器,或实施为具有数个子处理器的一个或一个以上主处理器。本发明的部分功能性甚至可由通过电信网络327与处理器311通信的远程处理器实施。
图3的计算机系统中所含有的组件为通常在通用计算机系统中找到的那些组件,且打算表示在所属技术中众所周知的宽泛类别的此类计算机组件。
因此,图3的计算机系统可以是个人计算机、工作站、小型计算机、大型计算机等。所述计算机还可包含不同的总线配置、联网平台、多处理器平台等。可使用各种操作系统,包括UNIX、Solaris、Linux、Windows、Macintosh OS及其它适合操作系统。
为对由相机9(i)拍摄的图像及扫描进行后处理,将使用与图3中的布置类似的布置,但此布置将不定位于汽车1中而是可方便地定位于建筑物中用于离线后处理。将由相机9(i)拍摄的图像及扫描存储于一个或一个以上存储器312到315中。此存储可经由首先将所述图像及扫描存储于DVD、存储棒或类似物上或从存储器9中传输其(可能以无线方式)来完成。
图4显示根据本发明产生车道信息的过程的实例性实施例的流程图。所述过程通过借助图1中所示的移动测绘车辆捕获具有坐标参考系统中的相关联位置和定向数据的源图像的序列并将所捕获的数据存储于存储媒体上而以MMS(移动测绘系统)时间段41开始。在过程块42中,处理所述所捕获的数据以产生每一源图像的经正射校正的图像块,所述经正射校正的图像块具有对应于所述坐标参考系统中的相关联位置和定向数据的元数据。所述正射校正过程移除由集合几何结构及地形引入的图像失真,且将图像重新取样为均匀地面样本距离及用户规定的地图投影。所述相关联位置和定向数据包含可从GPS、DMI及IMU获得的位置信号以及相应相机相对于汽车的位置和定向的位置和定向。将在下文中更详细地描述从源图像中产生经正射校正的图像块。所述位置和定向数据使我们能够叠加经正射校正的图像(包括道路表面的相似部分)以获得经正射校正的镶嵌图。经正射校正的图像43可以是仅从一个源图像中产生的经正射校正的图像或可以是经正射校正的图像的镶嵌图,其表示(例如)从10米到100米不等的笔直道路段。
此外,从所述所捕获的数据中,可导出移动测绘车辆在道路上的行驶方向。当车辆正在道路表面上行驶时,行驶方向大致平行于道路的方向。在此情况下,行驶方向为对道路方向的估计。道路方向由块44指示。
应注意,根据本发明的方法可应用于任一地理参考的经正射校正的图像,例如,航摄或卫星经正射校正的图像(假设所述图像的分辨率足以检测车道信息)。此外,可从市售地图数据库中检索道路的方向。然而,由于移动测绘车辆同时记录图像数据及车辆的位置和定向数据两者,因此此数据使我们能够比在借助航摄或卫星图像完成时在图像中更精确地选择包括道路表面的图像部分且极精确地计算坐标参考系统中的位置。
未公开的专利申请案PCT/NL2006/050252中揭示一种产生经正射校正的图像及界定经正射校正的图像的位置和定向数据的相关联元数据的方法。此方法使我们能够仅从移动测绘系统数据产生极精确的经地理编码的经正射校正的图像。所述经地理编码的图像具有8cm(=图像内的相对位置精确度)的像素分辨率且界定图像在地球表面上的位置和定向的元数据具有分别为1米及0.1度的绝对地理位置精确度。
在块45中,使用道路方向将经正射校正的图像43变换成经变换的图像46。在一实施例中,道路方向对应于移动测绘车辆的行驶方向。在另一实施例中,从航摄或卫星图像中导出所述道路方向。且在又一实施例中,从数字地图数据库中的数据中导出所述道路方向。使用块45处的变换正规化经正射校正的图像。在经变换的图像46中,道路的方向及分辨率均为正规化的。正规化意指在经变换的图像46中,道路具有预界定方向且所述经变换的图像的每一像素表示地球表面固定的预界定物理区域。此使我们能够对所述经变换的图像仅应用一组简单不对称滤波器。在正规化过程(其可以是所述正射校正过程的一部分)中调整像素大小,以使像素比例一致。通过旋转经正射校正的图像来正规化道路方向。优选地,所述道路方向平行于所述经变换图像中的像素列。所述经变换的图像包括相关联位置和定向数据。所述位置和定向数据启用用以在所述经变换的图像中针对每一像素确定预界定坐标系统中的对应地理位置的过程。
在块47中,对所述经变换的图像执行不对称滤波以获得经滤波的图像48。下文将描述所述滤波器的实例性实施例。已发现,可针对每一国家使用一组不对称滤波器,这是因为在每一国家中,道路标记具有标准化的预界定尺寸。通过知道图像中道路标记的尺寸,可针对所述尺寸来优化所述滤波器。道路标记的尺寸可以是车道标记的宽度及虚线车道分隔带的长度,其中在经变换的图像中以像素的数目界定所述长度及宽度。在一实施例中,一像素对应于地球表面8x 8cm的物理区域。通常为3m长及20cm宽的虚线在经变换的图像中将具有37个像素的长度及2到3个像素的宽度。
不对称滤波(在上文所给出的实例中,其为第一、第二及第三滤波器的组合)的目标为加强在经变换的图像中搜索的信息且减少所述经变换的图像中的噪声。加强的一些实例为:大小的放大及像素值的增亮/变暗。增强及噪声减少两者改进经滤波的图像中的特征辨识。
在块50中,执行特征辨识。所使用的特征辨识算法并非本发明的本质特征。将要检测的特征为经滤波的图像中的大致垂直线或矩形。所述线可以是虚线、实线、双实线或经滤波的图像中的任一其它直线。所属领域的技术人员知道哪些算法适于检测所述特征。所述算法必须在经滤波的图像中找到并检测实线或矩形。在经滤波的图像中检测一特征之后,一程序确定所述特征在经滤波的图像中的x,y位置。由于所述经滤波的图像对应于包括相关联位置和定向数据的经变换的图像,因此可从与所述经变换的图像相关联的位置和定向数据中导出所述特征的地理位置。可通过在所述经滤波的图像中检测前两条或两条以上平行实线或虚线来计算道路及车道的宽度。可通过使用所述位置和定向数据将平行线之间的距离翻译成线之间的距离。将所辨识的特征及相关联位置数据存储于数据库中以供在数字地图数据库中使用。
图5显示在块42中执行的将源图像转换成经正射校正的图像块的一般原理的侧视图。相机或CCD相机202(显示于图6中)中的图像传感器101记录源图像序列。所述源图像表示由安装于如图1中所示的汽车上的基于陆地的相机9(i)记录的或多或少垂直的图像。所述源图像可以是借助静止图片相机记录的静止图片序列,每移位(例如)8米触发所述相机。包括所述图像传感器的相机具有视角α。视角α由所述相机的镜头的焦距102确定。视角α可介于45°<α<180°的范围中。此外,所述相机具有视轴103,其位于所述视角的中心。在图1中,视轴103平行于水平平面104。图像传感器101垂直于视轴103而安装。在此情况下,图像传感器101记录“纯”垂直源图像。如果进一步知道所述图像传感器相对于水平平面(例如,地球表面)的高度,那么可将由图像传感器101记录的图像变换成经正射校正的图像块,其表示所述水平平面的经正射校正的视图的经比例缩放版本。为获得沿水平方向具有适合分辨率的水平图像,使用所述图像传感器的有限区域。图5显示图像传感器101中对应于水平平面中的部分108的部分106。所述经正射校正的图像块的最小可接受分辨率确定所述图像传感器与所述水平平面中的最远点之间的最大距离。借助几何结构,可将从基于陆地的相机中检索的源图像转换成任一虚拟平面。即使所述视轴相对于所述水平平面成已知角度,也可从源图像获得经正射校正的图像块。
图6显示将源图像转换成经正射校正的图像块200的一般原理的经正射校正的视图。相机202的视轴103、218的视角α及定向确定水平平面中由图像传感器101记录的部分。经正射校正的图像块200的边界由参考224指示。在图6中,相机202的视轴218与车辆的方向中心轴一致,所述方向中心轴又与道路的车道标记对应。导航系统及类似系统所必需的属性的集合以及其位置精确度需要经正射校正的图像块的预界定最小分辨率。这些要求限制水平平面中可从源图像获得的部分。相机焦点208相对于水平平面的位置与所述水平平面的区域的界线之间的最大距离206确定所述最小分辨率。此外,实际上,最大距离206可由行驶于特定道路上时两辆车之间的最小距离限制。通过如此限定最大距离,其具有以下优点:在大多数情况下,经经正射校正的图像块中的道路表面不包括在移动测绘车辆前方行驶的汽车的背部。此外,最大距离206与最小距离204之间的差确定相机对图像的连续记录之间的最大容许距离。此可界定捕获帧速率且可限制车辆的最大行驶速度。水平平面的矩形对应于源图像中大致具有梯形形式的区域。从图6中可看到,所述最小距离及视角α确定经正射校正的图像块200是否包括在源图像中不具有对应区域的小区域210。经正射校正的图像块200为虚线正方形且小区域210为切去200所指示的虚线正方形的合拢拐角的小三角形。
在一实施例中,经正射校正的图像块200对应于16m宽度220及16m长度222的区域。在每8米捕获图像的情况下,可在两个相继图像中看到99%的道路表面。对于宽于16m的道路,必须使用前视相机及侧视相机来产生所述道路宽度的经正射校正的图像块。从由侧视相机捕获的图像中检索无法从由前视相机捕获的图像中检索的道路部分。侧视相机可以是具有相对于车辆方向的倾斜视轴或垂直视轴的任一相机。经正射校正的图像块200现在为从前视相机及侧视相机获得的经正射校正的图像的镶嵌图。对于所述经正射校正的图片的进一步处理,具有呈矩形形式的经正射校正的图像块是有利的。将对经正射校正的图像块的在源图像中不具有相关联像素的像素赋予预界定色彩值。预界定色彩值的实例为对应于非现有道路表面色彩的色彩或通常将不存在或几乎不存在于源图像中的值。此减小经正射校正的图像块的进一步处理中的误差的可能性。
在转换源图像以获得每一像素216(具有距视轴的距离214及距焦点208的距离204)的经正射校正的图像块的实施例中,借助更详细地描述于未公开的专利申请案PCT/NL2006/050252中的几何结构确定源图像中的对应位置,所述未公开的专利申请案以引用的方式并入本文中。应注意,在将源图像转换成经正射校正的图像时,分辨率(每一像素所表示的物理大小)被改变(使其更大)。通过对源图像中的相关联像素的色彩值求平均以获得经正射校正的图像的像素的色彩值来完成大小增加。所述求平均具有对道路表面色彩样本进行聚类且减少过程内的噪声的效应。
将每一经正射校正的图像与相关联位置和定向数据一起存储。借助坐标参考系统中的位置和定向,界定经正射校正的图像的每一像素的地理位置。所述位置和定向数据使处理器能够叠加经正射校正的图像以获得更大的经正射校正的图像或经正射校正的镶嵌图。图7显示道路段的经正射校正的图像,其已通过叠加5个经正射校正的图像702…710而获得。所述叠加可基于相应经正射校正的图像块的元数据。每一经正射校正的图像块的元数据是从位置确定功能导出的,包含来自移动车辆的地理位置、移动车辆的行驶方向或定向、移动车辆上的相机的位置及移动车辆上的相机的定向。将用以导出经正射校正的图像块的地理位置的参数存储为与源图像相关联的位置和定向数据。可通过对重叠像素的像素值求平均或通过选择所述重叠像素中的一者的值来获得重叠区域712中的像素值。在一实施例中,从图像中选择像素值,在所述图像中对应于一像素的地理位置之间的距离最接近于捕获所述图像的相机的地理位置。以此方式,保存道路段的组合的经正射校正的图像中的最佳分辨率。
图7进一步显示对应于道路表面的左侧及右侧的线714、716。可通过未公开的国际专利申请案PCT/NL2007/050159中所揭示的方法检测这些侧,所述专利申请案以引用的方式并入本文中。使用对道路表面的左侧及右侧的检测来减少经处理用于找到水平车道信息的像素的数目。图7显示两车道车行道及侧空间。可通过处理从一个前视相机获得的图像来获得图7。为获得五个车道的车行道,需要多于一个相机。可通过处理由一个或两个前视相机及两个侧视相机产生的图像序列来获得五个车道的车行道的经正射校正的镶嵌图。
图7在道路段的中间显示具有类似于虚线的色彩值的色彩值的小区域。将要使用的滤波器的选定大小将确定将在经滤波的图像中移除还是强调所述小区域。
图8显示不对称滤波的过程的实例性实施例的流程图。图8及9中的滤波器掩模的大小仅出于解释原因而选择。所属领域的技术人员将根据情形及要求来选择适合大小。所述过程的输入为道路段的经正射校正的图像902与相关联位置和定向数据及界定所述道路段的方向的数据904。经正射校正的图像902表示道路的大致笔直部分。所述道路可在经正射校正的图像902中具有任何的任意定向和位置。界定所述道路段的方向的数据904描述所述道路在预界定坐标系统中的地理位置和定向。通过将与所述经正射校正的图像相关联的位置和定向数据与数据904组合,可将所述经正射校正的图像变换成经变换的图像908,其中所述道路的方向平行于像素列。所述变换过程由过程块906指示。所述变换过程对所述经正射校正的图像执行至少旋转功能。在所述经正射校正的图像的分辨率在图像之间变化的情况下,所述变换过程进一步包括比例缩放功能,其使变换功能能够获得均具有相同分辨率的经变换的图像。此外,所述变换过程计算相关联位置和定向数据。所述相关联位置和定向数据界定所述图像中像素的位置与对应地理位置之间的关系。此使我们能够针对所述经变换的图像中的已辨识车道信息确定所述车道信息的真实尺寸及位置。借助所述变换过程,获得正规化的经正射校正的图像与对应位置和定向数据。
所述经变换的图像具有通常为有噪声的数据,这不仅是由于相机的噪声且还由于显现于道路表面上的擦痕及斑点。如此,从图像中提取车道信息相对困难,尤其在并不知道图像中道路的方向时。
通常,借助具有对称滤波器掩模或二维窗口的滤波器对此类图像进行滤波。滤波器基于特定功能将一个图像变换成另一图像。此功能针对输入图像的每一像素在作为相邻像素值的组合而计算的新图像中输出对应像素的值。所考虑到的相邻像素形成所谓的滤波器掩模。对称滤波器掩模具有以下优点:对图像执行的滤波功能在水平及垂直方向上为等效的。具有对称滤波器掩模的滤波器在用于改进图像的图像处理中极为有用,其中并不知道对象的定向。改进的实例为修饰将要辨识的对象的特征(例如,图像中对象的边缘)、使噪声平滑等等。所属领域的技术人员普遍已知对称形态滤波器。形态滤波器将广泛范围的算子提供给图像处理,所有算子均基于来自集论的几个简单数学概念。所述算子对于二进制图像的分析尤其有用且常见用途包含边缘检测、噪声移除、图像增强及图像分段。一些类型的形态滤波器为膨胀、腐蚀、开运算、闭运算。
由于已知将要辨识的对象的定向,即平行于像素列,因此可在从图像中辨识所需信息之前使用不对称滤波器对所述图像进行滤波。不对称滤波为在实际特征检测或辨识步骤之前应用的数据准备或数据调整步骤。对于车道信息辨识的实施方案,使用滤波器来放大所需信息并减少相同时间中的噪声。可通过(例如)霍夫变换来辨识经滤波的图像中根据车道信息的线。
将经变换的图像908供应到水平滤波器910以获得水平经滤波的图像。水平滤波器为具有不对称滤波器掩模或一维窗口的滤波器,其中所述掩模或窗口在一像素行中仅囊括三个或三个以上相邻像素。所述水平滤波器可具有如图9中所示的滤波器掩模912。滤波器掩模912具有对应于一像素行中的5个相邻像素的窗口。当借助滤波器掩模912计算输出值时,将把所述值指派给相关联水平经滤波的图像中的像素952。所述水平经滤波的图像中像素952的位置类似于经变换的图像中的位置。因此,将把所述输出值指派给由水平滤波器掩模912界定的窗口的中间的像素。在一实施例中,所述水平滤波器为最大滤波器。最大滤波器为其中输出值对应于根据所述掩模具有最大值的像素的值的滤波器。在一实施例中,所述最大值对应于具有RGB值的像素值,所述RGB值对应于最高亮度。
用以针对输入图像的像素执行最大滤波的算法可描述如下:
-针对掩模中的每一像素根据RGB值计算亮度,
-在所述掩模中找到具有最高亮度的像素,
-检索对应于最高像素的RGB值,及
-将RGB值指派给滤波器的输出。
此滤波器应用于整个图像的所有像素。
水平滤波器910对应于具有结构化元件的滤波器,所述结构化元件扩大沿垂直于车辆行驶方向的方向的线的宽度。结构化元件为表示像素的小格栅且应用到图像以改变图像内容的结构。
接下来,将水平经滤波的图像供应给第一垂直滤波器914以获得垂直经滤波的图像。垂直滤波器为具有不对称滤波器掩模或一维窗口的滤波器,其中所述掩模或窗口在一像素列中仅囊括三个或三个以上相邻像素。第一垂直滤波器914可具有如图9中所示的滤波器掩模916。滤波器掩模916具有对应于一像素列中的5个相邻像素的窗口。借助滤波器掩模916,将针对对应于由垂直滤波器掩模916覆盖的窗口中的像素的像素956产生一值。在一实施例中,所述第一垂直滤波器为最小滤波器。最小滤波器为其中输出值对应于根据所述掩模具有最小值的像素的值的滤波器。在一实施例中,所述最小值对应于具有RGB值的像素值,所述RGB值对应于最低亮度或最暗像素。
用以针对输入图像的像素执行最小滤波的算法可描述如下:
-针对掩模中的每一像素根据RGB值计算亮度,
-在所述掩模中找到具有最低亮度的像素(最暗像素),
-检索对应于最暗像素的RGB值,及
-将RGB值指派给滤波器的输出。
此滤波器应用于整个图像的所有像素。
第一垂直滤波器914对应于具有结构化元件的滤波器,所述结构化元件减小平行于车辆行驶方向的方向的线的长度。
任选地,将从第一垂直滤波器914获得的垂直经滤波的图像供应到第二垂直滤波器918以获得经滤波的图像922。第二垂直滤波器918具有如图9中所示的滤波器掩模920。所述滤波器掩模920具有对应于一像素列中的5个相邻像素的窗口。在一实施例中,第二垂直滤波器918为最大滤波器。
第二垂直滤波器918对应于具有结构化元件的滤波器,所述结构化元件扩大平行于车辆行驶方向的方向的线的长度。
可对所述经变换的图像应用不对称滤波器,这是因为已知所述经变换的图像中车道信息的定向。水平滤波器放大沿所述图像的水平方向、因此沿一像素行的车道信息的宽度。在RBG空间中,车道标记具有比道路表面材料亮的色彩。最大滤波器将使车道信息的宽度伸展m-1个像素,其中m为滤波器掩模的相邻像素的数目。举例来说,具有一个像素的宽度的垂直线将变为具有m个像素的垂直线。此外,最大滤波器减少沿所述图像中的像素行的噪声。
作为最小滤波器的第一垂直滤波器减少沿行的噪声且移除具有相对较亮色彩值但无法表示车道信息的一个或一个以上像素。所述第一垂直滤波器将使车道信息的垂直大小减小n-1个像素,其中n为滤波器掩模的相邻像素的数目。n的值应小于将要检测的最小线段的像素中的长度。已发现,介于10到25个像素的范围中的n值极适于对具有8x 8cm的像素大小的图像中具有3m长度的虚线进行滤波。
如果n具有大于图7中所示的道路段的中间的小区域的像素中的最大垂直长度的值,那么将移除所述小区域。图7中的虚线的线宽度为2个像素。所述小区域的长度为8到9个像素。因此,在n=10的情况下,将移除所述小区域。
任选地,作为最大滤波器的第二垂直滤波器进一步减少噪声且还在滤波器掩模的大小类似于所述第一垂直滤波器的大小的情况下恢复车道信息的垂直大小。如果必须精确地确定车道信息的长度,那么此选项为必需的。
借助水平滤波器910及第一垂直滤波器912,获得经滤波的图像,其中可精确地确定平行于(例如)由车辆的轨迹或中心线界定的道路方向的车道信息的位置。通过借助不对称滤波器掩模进行滤波所获得的经滤波的图像极适于车道信息的进一步辨识。车道信息的宽度被扩大,而车道信息的中心线的位置保持不变。此外,车道信息及道路表面为噪声减少的,而不丢失重要信息。
为精确地确定车道信息(例如虚线的个别线)的长度,所述第一垂直滤波器的滤波器掩模的大小应类似于所述第二垂直滤波器的大小。然而,通过知道第一垂直滤波器914的大小,可相应地校正从所述第一垂直滤波器的输出图像中导出的车道信息的长度。类似地,可通过校正在独立于水平滤波器的大小的经滤波的图像中找到的宽度来找到车道信息的宽度。
所述第一垂直滤波器的掩模的相邻像素的数目m应小于经变换的图像中我们正在寻找的线段。否则,将错误地移除车道信息。
所述水平滤波器的掩模的相邻像素的数目n取决于所述第一垂直滤波器的大小及道路方向相对于将要检测的车道信息的方向的偏差。可使用移动测绘车辆的轨迹作为对道路方向的估计。然而,如果车辆改变车道,那么所述车辆的方向将与道路的真实方向有偏差。所述偏差将导致经正射校正的图像的不正当的变换,其意指不正当的旋转。车道信息将不平行于像素列,而将具有对应于所述偏差的角度。以下方程式界定n与m之间的关系:
其中:
m为所述水平滤波器的掩模的像素的数目的大小,
w为将要检测的车道信息的经变换的图像中的像素中的最小宽度,
n为所述第一垂直滤波器的掩模的像素的数目的大小,且
angle_of_vehicle(以度为单位)为汽车的前进方向与道路的实际方向之间的最大角度差。
在一实施例中,应用以下值:n=10、w=3且m=4。这些参数值允许高达30.9度的angle_of_vehicle。笔直行驶车辆的angle_of_vehicle通常在5度内。突然车道改变的angle_of_vehicle可高达9度。可清楚的是,angle_of_vehicle的值n、w及m取决于经变换的图像的水平及垂直分辨率。
以上方程式描述最大容许angle_of_vehicle。所述angle_of_vehicle将对应于变换中的车道信息相对于像素列的角度。当车辆正在道路曲线上行驶时,在经变换的图像中车道标记的第一像素及最后一个像素也将具有相对于像素列的角度。因此,也可使用以上方程式针对预定最大曲率量确定m及n的最优值。所属领域的技术人员可选择值m及n以针对所遇到的关于车辆角度及曲率量的条件优化滤波过程。
如果不符合以上方程式,那么可将线分成多于一个段或可错误地减小线的长度。对于所属领域的技术人员,进一步显而易见的是,m应小于两条平行线之间的像素的最小数目。否则,所述两条线将接合且视为一条线。
图10显示道路段的经滤波的图像。所述道路段具有类似于图7中所示的道路段的分辨率。图10显示虚线车道分隔带1002及分别为1006、1004的左路边实线及右路边实线。可看到,不对称水平及垂直滤波器放大车道信息的宽度。此外,经滤波的图像中的像素噪声得以减少。
图10中所示的经滤波的图像应用于线辨识方法。为减少误检测的数目,经滤波的图像中用于辨识车道信息的区域可限定于道路表面的左侧及右侧1010、1008的位置。由于车道信息仅在道路表面上,因此可舍弃所述道路表面之外的图像区域。可通过未公开的国际专利申请案PCT/NL2007/050159中所揭示的方法确定道路表面的左侧及右侧。用以检测车道信息的简单模式匹配算法可用作具有严格形状的线。在本申请案中,模式辨识算法仅搜索两种类型的模式即足够:实线及作为虚线的部分的矩形。此外,可考虑到线的色彩以确定线的类型。图11显像图10中所示的经滤波的图像中所存在的特征的区域。由于可在对所述经滤波的图像进行分析之前确定道路的左侧及右侧的位置,因此可封闭路边不予分析。因此,图10的右侧处的白色斑点不被辨识为车道信息。
以上所描述的实施例均使用经正射校正的图像,对所述经正射校正的图像执行了变换及不对称滤波。可容易地组合经正射校正的图像以获得(举例来说)道路段或具有多于五个车道的道路的经正射校正的镶嵌图。应注意,不是从源图像中产生16mx16m的经正射校正的图像,而是改为可产生俯视图图像。俯视图图像为其中每一像素是在一个点中从上面看到的图像。具有垂直于地球表面的视轴的相机将提供俯视图图像。借助根据本发明的方法对俯视图图像的处理将提供极适于对车道信息进行辨识的经滤波的图像。通过知道所使用的投影,可从经不对称滤波的俯视图图像中精确地导出车道信息的地理参考的位置。
如上所述,可使用航摄或卫星经正射校正的图像来产生车道信息。现在,对必须确定其车道信息的道路进行取样。每一样本均具有坐标参考系统中的位置和定向。针对每一样本,首先将对应于所述像素周围的区域(例如20mx20m)的航摄或卫星图像的像素变换成其中经变换的图像的每一像素列对应于平行于所述道路的方向的表面的图像。随后,对所述经变换的图像进行不对称滤波。
应进一步注意,如移动测绘车辆中所收集的图像无需出于应用不对称滤波器的目的或甚至对于车道辨识步骤而为地理参考的。相机被安装于车辆上。因此,已知所述相机相对于行驶方向的定向。此允许我们在无地理参考的位置和定向数据的情况下产生经滤波的图像并检测所述图像中的特征。惯性导航系统(INS)使我们能够针对每一所检测特征导出坐标参考系统中的相对位置信息。某一形式的地理参考需要足够精确度以将所检测车道信息匹配到地图数据库中的恰当道路。所属技术中已熟知此地理参考及地图匹配。
还应进一步注意,对于航摄及卫星图像需要足够精确度的地理参考,使得可使用来自适当道路的道路位置和定向确定在图像上的何处及以何种定向应用根据本发明的方法且接着使所产生的车道信息相关联回到地图数据库中的恰当道路。
本发明研究对应于道路的预选长度的图像块。从由移动测绘车辆拍摄的图像中,可产生具有道路的16m长度的图像。极为弯曲的道路是具有高达100m的半径的道路。在所显示的汽车前方的16米中,此一弯曲车道标记的弧在起点与终点之间将具有10度偏差。然而,所应用的不对称滤波器应大至足以消除假定噪声级但应始终小至不足以消除我们正在寻找的车道标记。我们正在寻找的最小车道标记为虚线。虚线通常为3m长。因此,滤波器的大小在真实世界坐标中应小于3m。在适合实施例中,第一垂直滤波器的大小为25个像素。对于8x8cm的像素大小,此对应于具有2m长度的滤波器。在2m内的弧的偏差将仅变化1到2个像素。当对弯曲道路使用根据本发明的方法时,此偏差不会引入问题。
类似地,车道改变不会引入问题。当以40km/h的速度行驶且在2秒内改变车道(此为极快速的)时,车辆向前移动25m且侧向移动4m。此对应于与道路方向的9度偏差。
如上所描述,可通过根据本发明的方法处理道路段(例如)的经正射校正的图像。将已辨识的道路信息连同其类型及位置以及尺寸(如果有必要的话)一起存储于数据库中以供在数字地图数据库中使用。可从与经变换的图像相关联的位置和定向数据导出车道信息的地理位置。所述位置可以预界定坐标系统中的地理位置的形式而为绝对位置或相对于车辆的轨迹或从数据库获得的道路的位置而为相对位置。使用来自数据库的道路的所述位置信息来确定所述道路的方向。可使用车道信息在导航系统中产生道路表面的较现实的视图。举例来说,可显像道路从(例如)三个车道到两个车道的变窄。此外,车道信息可极适用于确定(例如)非泊车/停车区域及其中禁止超过其它汽车的道路段。此外,随着导航变得更精确,车道内车辆的位置可变为用于安全应用以及更精细方向提示的系统的一部分(移到左车道以便于你即将来临的转弯)。
不用说,车道标记及连续车道位置的此精确检测还使所述系统能够自动确定车道的数目及车道的宽度。此可通过在经滤波的图像中搜索两条或两条以上平行实线或虚线来完成。随后,可容易地导出车道的数目。此外,可依据与一个或一个以上源图像相关联的位置和定向数据计算对应车道的宽度。
可自动执行以上所描述的方法。可能发生,图像的质量使得执行本发明的图像处理工具及对象辨识工具需要某一校正。举例来说,可针对沿道路的不连续性对连续道路段的车道信息进行分析。举例来说,一对连续道路段可具有沿道路的不同位置及/或类型信息。在所述情况下,人们可审查对应经变换的图像或经正射校正的图像。现在,所述方法包含一些检验及手动调适动作以实现确认或调适中间结果的可能性。这些动作还可适于接受车道信息产生的中间结果或最终结果。通过这些动作,可改进包括车道信息的数据库的质量。
通过本发明产生的车道信息产生每一经正射校正的图像的车道信息并将其存储于数据库中。可进一步处理所述车道信息以减少信息量。举例来说,对应于与道路区段相关联的图像的道路信息可减少到所述区段的道路宽度的一个参数。此外,如果所述道路区段为足够平滑,那么可通过包含至少所述区段的终点及形状点的一组参数来描述车道分隔带。可由多项式的系数存储表示所述车道分隔带的线。或者,对于一组规则定位的车道,可以宽度及与中心线的偏离体现车道信息。
出于图解说明及描述目的,已呈现了对本发明的前述详细说明。并不打算穷尽列举本发明的形式或将本发明局限于所揭示的确切形式,且显然鉴于以上教示内容许多修改及变化均可行。举例来说,通过改变水平最大滤波器与垂直最大滤波器及垂直最小滤波器与水平最小滤波器,可产生对应于垂直于道路方向的线的道路标记的道路信息。
此外,可由任一其它种类的不对称滤波器(例如边缘检测滤波器、图像聚类滤波器、统计滤波器)替换所述最小及最大滤波器。基于所估计的道路方向的变换提供经变换的图像,其中将要检测的特征具有已知定向,即,车道分隔带的垂直定向。此使我们能够使用仅在对沿一个方向(即,沿像素列的像素行)的图像进行滤波中有效的滤波器。此与能够检测具有任一定向的图像中的特征的对称滤波器相反。因此,在根据本发明的方法中可使用具有滤波器掩模的任一滤波器或滤波器的组合,所述滤波器掩模基于经变换的图像46中将要检测的特征的定向。所述图像中所述特征的已知定向使我们能够使用与在所述图像中并不知道所述特征的定向的情况下必须使用的滤波器相比较不复杂的滤波器。
挑选所描述的实施例以便最佳地解释本发明的原理及其实际应用,借此使所属领域的技术人员能够在各种实施例中且以适于所涵盖的特定应用的各种修改来最佳地利用本发明。本发明的范围打算由所附权利要求书加以界定。
Claims (23)
1.一种产生供在地图数据库中使用的车道信息的方法,其包括:
获取道路表面的一个或一个以上源图像及相关联位置和定向数据,所述道路具有方向及平行于所述道路的所述方向的车道标记;
获取表示所述道路的所述方向的道路信息;
依据所述道路信息变换所述一个或一个以上源图像以获得经变换的图像,其中所述经变换的图像的每一像素列对应于平行于所述道路的所述方向的表面;
对所述经变换的图像应用具有不对称掩模的滤波器以获得经滤波的图像;及,
依据与所述一个或一个以上源图像相关联的所述位置和定向数据从所述经滤波的图像中产生车道信息。
2.根据权利要求1所述的方法,其中从地图数据库获得所述道路信息。
3.根据权利要求1所述的方法,其中从由安装于在所述道路上行驶的移动车辆中的定位确定构件产生的追踪信息获得所述道路信息。
4.根据权利要求1、2及3中任一权利要求所述的方法,其中所述一个或一个以上源图像为航摄或卫星图像。
5.根据权利要求4所述的方法,其中所述图像为经正射校正的图像。
6.根据权利要求1、2及3中任一权利要求所述的方法,其中已通过以下步骤获得所述一个或一个以上源图像:
检索借助安装于在所述道路上行驶的移动车辆上的一个或一个以上基于陆地的相机获得的一个或一个以上图像序列及相关联位置和定向数据;及,
对所述一个或一个以上图像序列执行正规化过程以获得所述一个或一个以上图像及与所述一个或一个以上图像相关联的位置和定向数据。
7.根据权利要求6所述的方法,其中所述一个或一个以上相机包含具有沿所述移动车辆的行驶方向的视轴的至少一个相机。
8.根据权利要求6或7所述的方法,其中所述一个或一个以上相机包含具有相对于所述移动车辆的所述行驶方向的倾斜视轴的至少一个相机。
9.根据权利要求6、7或8所述的方法,其中所述一个或一个以上相机包含具有垂直于所述移动车辆的所述行驶方向的视轴的至少一个相机。
10.根据权利要求6到9中任一权利要求所述的方法,其中所述正规化过程产生经正射校正的图像。
11.根据从属于权利要求3的权利要求6到10中任一权利要求所述的方法,其中已同时从由安装于所述移动车辆中的定位确定构件产生的输出信号中捕获所述追踪信息及所述一个或一个以上图像序列的相关联位置和定向信息。
12.根据权利要求1到11中任一权利要求所述的方法,其中变换包含旋转操作。
13.根据权利要求1到12中任一权利要求所述的方法,其中应用具有不对称掩模的滤波器包括:
首先对所述经变换的图像应用第一滤波器且其次应用第二滤波器,所述第一滤波器具有扩大沿垂直于所述车辆的所述行驶方向的方向的线的宽度的结构化元件,所述第二滤波器具有减小沿平行于所述车辆的所述行驶方向的方向的线的长度的结构化元件。
14.根据权利要求13所述的方法,其中所述第一滤波器为最大滤波器且所述第二滤波器为最小滤波器。
15.根据权利要求13或14所述的方法,其中应用具有不对称掩模的滤波器进一步包括:
再次应用第三滤波器,所述第三滤波器具有将沿平行于所述行驶方向的方向的线的长度扩大到其原始大小的结构化元件。
16.根据权利要求15所述的方法,其中所述第三滤波器为最大滤波器。
17.根据权利要求1到16中任一权利要求所述的方法,其中产生车道信息包括:
在所述经滤波的图像中搜索实线;及,
依据与所述一个或一个以上源图像相关联的所述位置和定向数据计算实线的位置。
18.根据权利要求1到16中任一权利要求所述的方法,其中产生车道信息包括:
在所述经滤波的图像中搜索矩形;及,
依据与所述一个或一个以上源图像相关联的所述位置和定向数据计算矩形的位置。
19.根据权利要求1到16中任一权利要求所述的方法,其中产生车道信息包括:
在所述经滤波的图像中搜索两条或两条以上平行实线或虚线;及,
依据与所述一个或一个以上源图像相关联的所述位置和定向数据根据所述两条或两条以上实线或虚线的位置计算车道的宽度。
20.根据权利要求1到17中任一权利要求所述的方法,其中产生车道信息包括:
在所述经滤波的图像中搜索两条或两条以上平行实线或虚线;及,
根据所述两条或两条以上实线或虚线计算车道的数目。
21.一种用于执行根据权利要求1到20中任一权利要求所述的方法的设备,所述设备包括:
输入装置;
处理器可读存储媒体;及
处理器,其与所述输入装置及所述处理器可读存储媒体通信;
输出装置,其用以实现与显示单元的连接;
所述处理器可读存储媒体存储代码,所述代码用以编程所述处理器以执行包括以下动作的方法:
获取一个或一个以上源图像及相关联位置和定向数据;
获取在道路上行驶的车辆的追踪信息,所述道路具有平行于所述道路的方向的车道标记;
依据所述追踪信息变换所述一个或一个以上源图像以获得经变换的图像,其中所述经变换的图像表示所述车辆前方的道路表面且每一像素列对应于平行于所述车辆的行驶方向的表面;
对所述经变换的图像应用具有不对称掩模的滤波器以获得经滤波的图像;及,
依据与所述一个或一个以上源图像相关联的所述位置和定向数据从所述经滤波的图像中产生车道信息。
22.一种包括指令的计算机程序产品,所述指令当加载于计算机布置上时允许所述计算机布置执行根据权利要求1到20所述的方法中的任一方法。
23.一种携载计算机程序产品的处理器可读媒体,所述计算机程序产品当加载于计算机布置上时允许所述计算机布置执行根据权利要求1到20所述的方法中的任一方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/NL2007/050569 WO2009064172A1 (en) | 2007-11-16 | 2007-11-16 | Method of and apparatus for producing lane information |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101842808A true CN101842808A (zh) | 2010-09-22 |
Family
ID=39737508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200780101342A Pending CN101842808A (zh) | 2007-11-16 | 2007-11-16 | 用于产生车道信息的方法及设备 |
Country Status (7)
Country | Link |
---|---|
US (1) | US8422736B2 (zh) |
EP (1) | EP2210233A1 (zh) |
JP (1) | JP2011504248A (zh) |
CN (1) | CN101842808A (zh) |
AU (1) | AU2007361004A1 (zh) |
CA (1) | CA2705375A1 (zh) |
WO (1) | WO2009064172A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103843035A (zh) * | 2011-10-04 | 2014-06-04 | 罗伯特·博世有限公司 | 用于几何校准借助车辆的传感器系统形成的传感器数据的设备和方法 |
CN104094331A (zh) * | 2012-02-03 | 2014-10-08 | 雷诺股份公司 | 确定车辆在道路行车道中的定位的方法,以及用于检测两个车辆之间的对齐和碰撞风险的方法 |
CN107036607A (zh) * | 2015-12-15 | 2017-08-11 | 本田技研工业株式会社 | 用于核实车辆的地图数据的系统和方法 |
CN107851382A (zh) * | 2015-07-08 | 2018-03-27 | 日产自动车株式会社 | 灯具检测装置及灯具检测方法 |
CN109716060A (zh) * | 2016-07-19 | 2019-05-03 | 视觉机械有限公司 | 通过事件相机利用地表的车辆定位 |
WO2019084898A1 (en) * | 2017-11-03 | 2019-05-09 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for new road determination |
CN110073362A (zh) * | 2017-01-04 | 2019-07-30 | 高通股份有限公司 | 用于车道标记检测的系统及方法 |
CN112446338A (zh) * | 2019-12-06 | 2021-03-05 | 黑芝麻智能科技(上海)有限公司 | 部分帧感知方法 |
CN113748315A (zh) * | 2018-12-27 | 2021-12-03 | 北京嘀嘀无限科技发展有限公司 | 用于自动车道标记的系统 |
Families Citing this family (70)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4697480B2 (ja) * | 2008-01-11 | 2011-06-08 | 日本電気株式会社 | 車線認識装置、車線認識方法および車線認識プログラム |
JP4902575B2 (ja) * | 2008-02-27 | 2012-03-21 | 日立オートモティブシステムズ株式会社 | 道路標示認識装置、および道路標示認識方法 |
JP5363752B2 (ja) * | 2008-03-18 | 2013-12-11 | 株式会社ゼンリン | 路面標示地図生成方法 |
JP5285311B2 (ja) * | 2008-03-18 | 2013-09-11 | 株式会社ゼンリン | 路面標示地図生成方法 |
JP5339753B2 (ja) * | 2008-03-18 | 2013-11-13 | 株式会社ゼンリン | 路面標示地図生成方法 |
JP5281424B2 (ja) * | 2008-03-18 | 2013-09-04 | 株式会社ゼンリン | 路面標示地図生成方法 |
KR100886330B1 (ko) * | 2008-06-11 | 2009-03-02 | 팅크웨어(주) | 사용자 뷰 출력 시스템 및 방법 |
US20100169007A1 (en) * | 2008-12-30 | 2010-07-01 | Shashikumar Kaushik | Method and apparatus for navigation system for detecting and warning traffic rule violation |
JP5324240B2 (ja) * | 2009-01-29 | 2013-10-23 | 株式会社ゼンリン | 路面標示地図生成方法及び路面標示地図生成装置 |
JP5300598B2 (ja) * | 2009-05-29 | 2013-09-25 | 株式会社東芝 | バーコード処理装置及びバーコード処理方法 |
CN101811502B (zh) * | 2010-01-07 | 2013-03-06 | 中国科学院半导体研究所 | 基于并行处理的快速车道线检测装置 |
JP5062498B2 (ja) * | 2010-03-31 | 2012-10-31 | アイシン・エィ・ダブリュ株式会社 | 風景マッチング用参照データ生成システム及び位置測位システム |
JP5057183B2 (ja) * | 2010-03-31 | 2012-10-24 | アイシン・エィ・ダブリュ株式会社 | 風景マッチング用参照データ生成システム及び位置測位システム |
US8451346B2 (en) * | 2010-06-30 | 2013-05-28 | Apple Inc. | Optically projected mosaic rendering |
KR20120071160A (ko) * | 2010-12-22 | 2012-07-02 | 한국전자통신연구원 | 이동체용 실외 지도 제작 방법 및 그 장치 |
EP2541498B1 (en) * | 2011-06-30 | 2017-09-06 | Harman Becker Automotive Systems GmbH | Method of determining extrinsic parameters of a vehicle vision system and vehicle vision system |
WO2013019707A1 (en) * | 2011-08-01 | 2013-02-07 | Magna Electronics Inc. | Vehicle camera alignment system |
KR20130015746A (ko) * | 2011-08-04 | 2013-02-14 | 엘지전자 주식회사 | 차선 인식 장치 및 그 방법 |
DE102012005471A1 (de) * | 2012-03-17 | 2013-09-19 | GM Global Technology Operations LLC (n.d. Ges. d. Staates Delaware) | Verkehrsinformationssystem |
US9997069B2 (en) | 2012-06-05 | 2018-06-12 | Apple Inc. | Context-aware voice guidance |
US9482296B2 (en) | 2012-06-05 | 2016-11-01 | Apple Inc. | Rendering road signs during navigation |
US8983778B2 (en) | 2012-06-05 | 2015-03-17 | Apple Inc. | Generation of intersection information by a mapping service |
US10176633B2 (en) | 2012-06-05 | 2019-01-08 | Apple Inc. | Integrated mapping and navigation application |
US9052197B2 (en) | 2012-06-05 | 2015-06-09 | Apple Inc. | Providing navigation instructions while device is in locked mode |
US9418672B2 (en) | 2012-06-05 | 2016-08-16 | Apple Inc. | Navigation application with adaptive instruction text |
US9886794B2 (en) | 2012-06-05 | 2018-02-06 | Apple Inc. | Problem reporting in maps |
US9230556B2 (en) | 2012-06-05 | 2016-01-05 | Apple Inc. | Voice instructions during navigation |
US20130328861A1 (en) * | 2012-06-06 | 2013-12-12 | Apple Inc. | Generation of Road Data |
DE102012217148A1 (de) * | 2012-09-24 | 2014-03-27 | Robert Bosch Gmbh | Clienteinrichtung zur Darstellung von Kamerabildern einer steuerbaren Kamera, Verfahren, Computerprogramm sowie Überwachungssystem mit der Clienteinrichtung |
RU2571871C2 (ru) * | 2012-12-06 | 2015-12-27 | Александр ГУРЕВИЧ | Способ определения границ дороги, формы и положения объектов, находящихся на дороге, и устройство для его выполнения |
CN103020890B (zh) * | 2012-12-17 | 2015-11-04 | 中国科学院半导体研究所 | 基于多层次并行处理的视觉处理装置 |
US9547805B1 (en) | 2013-01-22 | 2017-01-17 | The Boeing Company | Systems and methods for identifying roads in images |
US9384394B2 (en) | 2013-10-31 | 2016-07-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Method for generating accurate lane level maps |
DE102013222190A1 (de) * | 2013-10-31 | 2015-04-30 | Robert Bosch Gmbh | Situationsanalyse für ein Fahrerassistenzsystem |
CN107533801A (zh) | 2013-11-01 | 2018-01-02 | 国际智能技术公司 | 使用测绘车辆的地图测绘技术 |
JP6087858B2 (ja) * | 2014-03-24 | 2017-03-01 | 株式会社日本自動車部品総合研究所 | 走行区画線認識装置及び走行区画線認識プログラム |
US9170116B1 (en) * | 2014-07-11 | 2015-10-27 | Toyota Motor Engineering & Manufacturing North America, Inc. | Method for generating accurate lane level maps |
CN104149782A (zh) * | 2014-07-31 | 2014-11-19 | 同济大学 | 一种基于磁导航的多传感器融合智能车的自动驾驶系统 |
JP6486069B2 (ja) | 2014-10-31 | 2019-03-20 | 株式会社東芝 | 画像処理装置、検査装置、検査方法及び画像処理プログラム |
CN104392625B (zh) * | 2014-11-26 | 2016-06-08 | 浙江大学 | 一种基于多种传感器的车辆自动驾驶系统及方法 |
KR102622571B1 (ko) * | 2015-02-10 | 2024-01-09 | 모빌아이 비젼 테크놀로지스 엘티디. | 자율 주행을 위한 약도 |
US10223816B2 (en) * | 2015-02-13 | 2019-03-05 | Here Global B.V. | Method and apparatus for generating map geometry based on a received image and probe data |
JP6594039B2 (ja) * | 2015-05-20 | 2019-10-23 | 株式会社東芝 | 画像処理装置、方法及びプログラム |
US11125566B2 (en) * | 2015-07-16 | 2021-09-21 | Ford Global Technologies, Llc | Method and apparatus for determining a vehicle ego-position |
US10013610B2 (en) | 2015-10-23 | 2018-07-03 | Nokia Technologies Oy | Integration of positional data and overhead images for lane identification |
JP6984997B2 (ja) * | 2016-03-31 | 2021-12-22 | 倉敷紡績株式会社 | 画像配置方法及び画像配置用コンピュータプログラム |
US20170330043A1 (en) * | 2016-05-11 | 2017-11-16 | Icatch Technology, Inc. | Method and System for Synthesizing a Lane Image |
WO2018015811A1 (en) * | 2016-07-21 | 2018-01-25 | Mobileye Vision Technologies Ltd. | Crowdsourcing and distributing a sparse map, and lane measurements for autonomous vehicle navigation |
JP6611353B2 (ja) * | 2016-08-01 | 2019-11-27 | クラリオン株式会社 | 画像処理装置、外界認識装置 |
CN106441319B (zh) * | 2016-09-23 | 2019-07-16 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆车道级导航地图的生成系统及方法 |
US20200193176A1 (en) * | 2017-09-29 | 2020-06-18 | Hitachi Automotive Systems, Ltd. | Automatic driving controller and method |
KR102371618B1 (ko) * | 2017-11-24 | 2022-03-08 | 현대자동차주식회사 | 카메라 시스템 및 카메라 시스템의 영상 보정 방법 |
FR3077875A1 (fr) * | 2018-02-15 | 2019-08-16 | Helper-Drone | Dispositif de cartographie tactique evolutive dans un environnement exterieur, systeme et procede associes |
US11465633B2 (en) * | 2018-11-14 | 2022-10-11 | Huawei Technologies Co., Ltd. | Method and system for generating predicted occupancy grid maps |
US11030457B2 (en) | 2018-12-17 | 2021-06-08 | Here Global B.V. | Lane feature detection in aerial images based on road geometry |
US11170230B2 (en) * | 2019-02-26 | 2021-11-09 | Tusimple, Inc. | Method and system for map construction |
US10803635B2 (en) | 2019-02-26 | 2020-10-13 | Tusimple, Inc. | Method and system for map construction |
US20200394838A1 (en) * | 2019-06-14 | 2020-12-17 | GM Global Technology Operations LLC | Generating Map Features Based on Aerial Data and Telemetry Data |
KR102041320B1 (ko) * | 2019-10-01 | 2019-11-06 | 주식회사 아이디어캐슬 | 정밀 위치 기반의 최적화 3d 지도 제공 시스템 |
CN112825196B (zh) * | 2019-11-20 | 2023-04-25 | 阿里巴巴集团控股有限公司 | 一种道路标记的确定方法、装置、存储介质及编辑平台 |
US20210155158A1 (en) * | 2019-11-22 | 2021-05-27 | Telenav, Inc. | Navigation system with lane estimation mechanism and method of operation thereof |
US11287269B2 (en) * | 2019-12-10 | 2022-03-29 | Pony Ai Inc. | Map coordinate distortion compensation |
CN115049990A (zh) * | 2020-04-16 | 2022-09-13 | 阿里巴巴集团控股有限公司 | 数据处理方法、设备及存储介质 |
US11166003B1 (en) * | 2020-04-30 | 2021-11-02 | Ford Global Technologies, Llc | Dynamic vibration sensor optics distortion prediction |
EP4193123A4 (en) | 2020-08-07 | 2024-01-17 | Grabtaxi Holdings Pte Ltd | METHOD FOR PREDICTING ROAD ATTRIBUTES, DATA PROCESSING SYSTEM AND COMPUTER EXECUTABLE CODE |
CN112036359B (zh) * | 2020-09-10 | 2021-07-09 | 湖北亿咖通科技有限公司 | 一种车道线的拓扑信息获得方法、电子设备及存储介质 |
US20220203930A1 (en) * | 2020-12-29 | 2022-06-30 | Nvidia Corporation | Restraint device localization |
US11783453B2 (en) | 2021-06-10 | 2023-10-10 | Bank Of America Corporation | Adapting image noise removal model based on device capabilities |
CN113780067A (zh) * | 2021-07-30 | 2021-12-10 | 武汉中海庭数据技术有限公司 | 一种基于语义分割的车道线状标识物检测方法及系统 |
CN113893517B (zh) * | 2021-11-22 | 2022-06-17 | 动者科技(杭州)有限责任公司 | 基于差帧法的跳绳真假判断方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6526352B1 (en) * | 2001-07-19 | 2003-02-25 | Intelligent Technologies International, Inc. | Method and arrangement for mapping a road |
JP3556766B2 (ja) * | 1996-05-28 | 2004-08-25 | 松下電器産業株式会社 | 道路白線検出装置 |
US6640008B1 (en) * | 2001-06-29 | 2003-10-28 | Shih-Jong J. Lee | Rotation and scale invariant pattern matching method |
JP4744823B2 (ja) * | 2004-08-05 | 2011-08-10 | 株式会社東芝 | 周辺監視装置および俯瞰画像表示方法 |
US8676492B2 (en) * | 2006-01-19 | 2014-03-18 | GM Global Technology Operations LLC | Map-aided vision-based lane sensing |
WO2008044911A1 (en) | 2006-10-09 | 2008-04-17 | Tele Atlas B.V. | Method and apparatus for generating an orthorectified tile |
WO2008130219A1 (en) | 2007-04-19 | 2008-10-30 | Tele Atlas B.V. | Method of and apparatus for producing road information |
-
2007
- 2007-11-16 AU AU2007361004A patent/AU2007361004A1/en not_active Abandoned
- 2007-11-16 JP JP2010533978A patent/JP2011504248A/ja not_active Withdrawn
- 2007-11-16 WO PCT/NL2007/050569 patent/WO2009064172A1/en active Application Filing
- 2007-11-16 CN CN200780101342A patent/CN101842808A/zh active Pending
- 2007-11-16 EP EP07834697A patent/EP2210233A1/en not_active Withdrawn
- 2007-11-16 US US12/734,118 patent/US8422736B2/en active Active
- 2007-11-16 CA CA2705375A patent/CA2705375A1/en not_active Abandoned
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103843035B (zh) * | 2011-10-04 | 2017-07-04 | 罗伯特·博世有限公司 | 用于几何校准借助车辆的传感器系统形成的传感器数据的设备和方法 |
CN103843035A (zh) * | 2011-10-04 | 2014-06-04 | 罗伯特·博世有限公司 | 用于几何校准借助车辆的传感器系统形成的传感器数据的设备和方法 |
CN104094331A (zh) * | 2012-02-03 | 2014-10-08 | 雷诺股份公司 | 确定车辆在道路行车道中的定位的方法,以及用于检测两个车辆之间的对齐和碰撞风险的方法 |
CN104094331B (zh) * | 2012-02-03 | 2016-12-28 | 雷诺股份公司 | 确定车辆在道路行车道中的定位的方法,以及用于检测两个车辆之间的对齐和碰撞风险的方法 |
CN107851382A (zh) * | 2015-07-08 | 2018-03-27 | 日产自动车株式会社 | 灯具检测装置及灯具检测方法 |
CN107036607B (zh) * | 2015-12-15 | 2020-07-28 | 本田技研工业株式会社 | 用于核实车辆的地图数据的系统和方法 |
CN107036607A (zh) * | 2015-12-15 | 2017-08-11 | 本田技研工业株式会社 | 用于核实车辆的地图数据的系统和方法 |
CN109716060A (zh) * | 2016-07-19 | 2019-05-03 | 视觉机械有限公司 | 通过事件相机利用地表的车辆定位 |
CN110073362A (zh) * | 2017-01-04 | 2019-07-30 | 高通股份有限公司 | 用于车道标记检测的系统及方法 |
CN111279386A (zh) * | 2017-11-03 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 用于新道路确定的系统和方法 |
WO2019084898A1 (en) * | 2017-11-03 | 2019-05-09 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for new road determination |
TWI713922B (zh) * | 2017-11-03 | 2020-12-21 | 大陸商北京嘀嘀無限科技發展有限公司 | 用於新道路確定的系統和方法 |
CN111279386B (zh) * | 2017-11-03 | 2023-03-24 | 北京嘀嘀无限科技发展有限公司 | 用于新道路确定的系统和方法 |
CN113748315A (zh) * | 2018-12-27 | 2021-12-03 | 北京嘀嘀无限科技发展有限公司 | 用于自动车道标记的系统 |
CN112446338A (zh) * | 2019-12-06 | 2021-03-05 | 黑芝麻智能科技(上海)有限公司 | 部分帧感知方法 |
Also Published As
Publication number | Publication date |
---|---|
US8422736B2 (en) | 2013-04-16 |
AU2007361004A1 (en) | 2009-05-22 |
CA2705375A1 (en) | 2009-05-22 |
US20100266161A1 (en) | 2010-10-21 |
EP2210233A1 (en) | 2010-07-28 |
WO2009064172A1 (en) | 2009-05-22 |
JP2011504248A (ja) | 2011-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101842808A (zh) | 用于产生车道信息的方法及设备 | |
EP3673407B1 (en) | Automatic occlusion detection in road network data | |
US11959771B2 (en) | Creation and use of enhanced maps | |
CN101815928A (zh) | 捕获供在地图数据库中使用的沿跨越表面的参考线的线性特征的方法 | |
CN101563581A (zh) | 用于图像中的平面对象的识别和位置确定的方法和设备 | |
CN101689296A (zh) | 用于产生道路信息的方法及设备 | |
EP2074379B1 (en) | Method and apparatus for generating an orthorectified tile | |
US8325979B2 (en) | Method and apparatus for detecting objects from terrestrial based mobile mapping data | |
Ma et al. | Generation of horizontally curved driving lines in HD maps using mobile laser scanning point clouds | |
CN101681525A (zh) | 产生多视点全景图的方法及设备 | |
EP1975565A2 (en) | Feature information collecting apparatus and feature information collecting method | |
US20100329508A1 (en) | Detecting Ground Geographic Features in Images Based on Invariant Components | |
CN102246159A (zh) | 产生测地参考数据库产品的方法 | |
JP6916975B2 (ja) | 標識位置特定システム及びプログラム | |
CN113139031B (zh) | 用于自动驾驶的交通标识的生成方法及相关装置 | |
WO2010068185A1 (en) | Method of generating a geodetic reference database product | |
Fischler et al. | The SRI road expert: An overview | |
Nikolić et al. | The usage of geospatial tools in traffic sign detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1148377 Country of ref document: HK |
|
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20100922 |
|
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1148377 Country of ref document: HK |