CN104268513A - 道路引导数据的获取方法及装置 - Google Patents
道路引导数据的获取方法及装置 Download PDFInfo
- Publication number
- CN104268513A CN104268513A CN201410476067.2A CN201410476067A CN104268513A CN 104268513 A CN104268513 A CN 104268513A CN 201410476067 A CN201410476067 A CN 201410476067A CN 104268513 A CN104268513 A CN 104268513A
- Authority
- CN
- China
- Prior art keywords
- view image
- street view
- collection point
- road
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
- G06V20/38—Outdoor scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种道路引导数据的获取方法及装置。本发明实施例通过根据街景图像的采集点位置数据和所获得的目标道路的道路位置数据,确定所述目标道路上或预设范围之内的C个街景图像的采集点,进而获取所述C个街景图像的采集点中每个街景图像的采集点处的目标街景图像,使得能够根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据,从而实现了道路引导数据的获取的这一目的。
Description
【技术领域】
本发明涉及地图技术,尤其涉及一种道路引导数据的获取方法及装置。
【背景技术】
目前,电子地图所使用的路网数据,基本可以包括高速公路、一级公路、二级公路、三级公路、四级公路和步行道路等道路位置数据。
然而,目前的路网数据中,没有道路引导数据,例如,人行横道位置数据和交通指示位置数据等,使得路网数据并不能完整反映当前的道路情况。
【发明内容】
本发明的多个方面提供一种道路引导数据的获取方法及装置,用以实现道路引导数据的获取。
本发明的一方面,提供一种道路引导数据的获取方法,包括:
根据路网数据,获得目标道路的道路位置数据;
根据街景图像的采集点位置数据和所述道路位置数据,确定所述目标道路上或预设范围之内的C个街景图像的采集点,所述C为大于或等于1的整数;
获取所述C个街景图像的采集点中每个街景图像的采集点处的目标街景图像;
根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述道路引导数据包括人行横道位置数据和交通指示位置数据中的至少一项。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据,包括:
利用边缘检测技术,对所述每个街景图像的采集点处的目标街景图像进行识别处理,以获得所述每个街景图像的采集点处的目标街景图像上的M个第一候选边缘特征对象,所述M为大于或等于1的整数;
利用线性回归算法和人行横道的灰度共生矩阵中的至少一项,对所述M个第一候选边缘特征对象进行过滤处理,以获得N个第一目标边缘特征对象,所述N为大于或等于1,且小于或等于M的整数;
对所述N个第一目标边缘特征对象中每个第一目标边缘特征对象,进行相似性打分,以获得所述每个第一目标边缘特征对象的打分结果;
根据所述N个第一目标边缘特征对象中每个第一目标边缘特征对象的打分结果,获得所述每个街景图像的采集点的打分结果;
根据所述每个街景图像的采集点的采集点位置数据和所述每个街景图像的采集点的打分结果,获得所述目标道路上的平均人行横道位置数据;
根据所述平均人行横道位置数据和所述每个街景图像的采集点的采集点位置数据,获得所述目标道路上的人行横道位置数据。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据,包括:
对所述每个街景图像的采集点处的目标街景图像进行像素识别处理,以确定P个指定颜色的像素区域,所述P为大于或等于1的整数;
利用边缘检测技术,对所述P个指定颜色的像素区域进行识别处理,以获得所述P个指定颜色的像素区域内的Q个第二候选边缘特征对象,所述Q为大于或等于1的整数;
利用目标形状特征信息,对所述Q个第二候选边缘特征对象进行过滤处理,以获得R个第二目标边缘特征对象,所述R为大于或等于1,且小于或等于Q的整数;
对所述R个第二目标边缘特征对象中每个第二目标边缘特征对象所形成的封闭区域,进行识别处理,以获得候选指示图像;
利用预先设置的交通指示数据集合,对所述候选指示图像进行匹配处理,以获得目标指示图像;
根据所述目标指示图像所在的目标街景图像的采集点位置数据和所述目标指示图像在所述目标街景图像中的相对位置,获得所述目标道路上的交通指示位置数据。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述根据街景图像的采集点位置数据和所述道路位置数据,确定所述目标道路上或预设范围之内的C个街景图像的采集点,包括:
根据所述采集点位置数据和所述道路位置数据,确定所述目标道路上或预设范围之内的A个街景图像的采集点,所述A为大于或等于C的整数;
根据所述采集点位置数据,确定所述街景图像的采集点的移动方向;
根据所述道路位置数据,确定所述目标道路的通行方向;
根据所述移动方向和所述通行方向,从所述A个街景图像的采集点中确定所述C个街景图像的采集点。
本发明的另一方面,提供一种道路引导数据的获取装置,包括:
定位单元,用于根据路网数据,获得目标道路的道路位置数据;
绑定单元,用于根据街景图像的采集点位置数据和所述道路位置数据,确定所述目标道路上或预设范围之内的C个街景图像的采集点,所述C为大于或等于1的整数;
获取单元,用于获取所述C个街景图像的采集点中每个街景图像的采集点处的目标街景图像;
识别单元,用于根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述道路引导数据包括人行横道位置数据和交通指示位置数据中的至少一项。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述识别单元,具体用于
利用边缘检测技术,对所述每个街景图像的采集点处的目标街景图像进行识别处理,以获得所述每个街景图像的采集点处的目标街景图像上的M个第一候选边缘特征对象,所述M为大于或等于1的整数;
利用线性回归算法和人行横道的灰度共生矩阵中的至少一项,对所述M个第一候选边缘特征对象进行过滤处理,以获得N个第一目标边缘特征对象,所述N为大于或等于1,且小于或等于M的整数;
对所述N个第一目标边缘特征对象中每个第一目标边缘特征对象,进行相似性打分,以获得所述每个第一目标边缘特征对象的打分结果;
根据所述N个第一目标边缘特征对象中每个第一目标边缘特征对象的打分结果,获得所述每个街景图像的采集点的打分结果;
根据所述每个街景图像的采集点的采集点位置数据和所述每个街景图像的采集点的打分结果,获得所述目标道路上的平均人行横道位置数据;以及
根据所述平均人行横道位置数据和所述每个街景图像的采集点的采集点位置数据,获得所述目标道路上的人行横道位置数据。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述识别单元,具体用于
对所述每个街景图像的采集点处的目标街景图像进行像素识别处理,以确定P个指定颜色的像素区域,所述P为大于或等于1的整数;
利用边缘检测技术,对所述P个指定颜色的像素区域进行识别处理,以获得所述P个指定颜色的像素区域内的Q个第二候选边缘特征对象,所述Q为大于或等于1的整数;
利用目标形状特征信息,对所述Q个第二候选边缘特征对象进行过滤处理,以获得R个第二目标边缘特征对象,所述R为大于或等于1,且小于或等于Q的整数;
对所述R个第二目标边缘特征对象中每个第二目标边缘特征对象所形成的封闭区域,进行识别处理,以获得候选指示图像;
利用预先设置的交通指示数据集合,对所述候选指示图像进行匹配处理,以获得目标指示图像;以及
根据所述目标指示图像所在的目标街景图像的采集点位置数据和所述目标指示图像在所述目标街景图像中的相对位置,获得所述目标道路上的交通指示位置数据。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述绑定单元,具体用于
根据所述采集点位置数据和所述道路位置数据,确定所述目标道路上或预设范围之内的A个街景图像的采集点,所述A为大于或等于C的整数;
根据所述采集点位置数据,确定所述街景图像的采集点的移动方向;
根据所述道路位置数据,确定所述目标道路的通行方向;以及
根据所述移动方向和所述通行方向,从所述A个街景图像的采集点中确定所述C个街景图像的采集点。
由上述技术方案可知,本发明实施例通过根据街景图像的采集点位置数据和所获得的目标道路的道路位置数据,确定所述目标道路上或预设范围之内的C个街景图像的采集点,进而获取所述C个街景图像的采集点中每个街景图像的采集点处的目标街景图像,使得能够根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据,从而实现了道路引导数据的获取的这一目的。
另外,采用本发明提供的技术方案,操作简单,无需操作人员参与获取过程,操作简单,而且正确率高,从而提高了道路引导数据的获取的效率和可靠性。
另外,采用本发明提供的技术方案,能够将所获得的目标道路的道路引导数据,添加到现有的路网数据中,使得路网数据能够完整反映当前的道路情况,从而能够有效提高路网数据的完备性。
另外,采用本发明提供的技术方案,由于路网数据能够完整反映当前的道路情况,因此,能够有效提高使用该路网数据的一些服务例如,导航服务等,所提供的服务信息的准确性。
【附图说明】
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的道路引导数据的获取方法的流程示意图;
图2为图1对应的实施例中街景图像的区域组成示意图;
图3为图1对应的实施例中街景图像的一识别区域示意图;
图4为图1对应的实施例中街景图像的另一识别区域示意图;
图5为图1对应的实施例中预先设置的交通指示数据集合中的矢量端点的示意图;
图6为图1对应的实施例中预先设置的交通指示数据集合中的矢量端点的标准方向与标准方向标识的映射示意图;
图7为本发明另一实施例提供的道路引导数据的获取装置的结构示意图。
【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中的附图,对本发明实施例中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一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例中所涉及的终端可以包括但不限于手机、个人数字助理(Personal Digital Assistant,PDA)、无线手持装置、无线上网本、个人电脑、便携电脑、MP3播放器、MP4播放器等。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1为本发明一实施例提供的道路引导数据的获取方法的流程示意图,如图1所示。
101、根据路网数据,获得目标道路的道路位置数据。
102、根据街景图像的采集点位置数据和所述道路位置数据,确定所述目标道路上或预设范围之内的C个街景图像的采集点,所述C为大于或等于1的整数。
103、获取所述C个街景图像的采集点中每个街景图像的采集点处的目标街景图像。
104、根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据。
其中,所述道路引导数据,是指用于描述道路引导设施的数据,例如,道路引导设施的种类和道路引导设施的设置位置等。所述道路引导数据可以包括但不限于人行横道位置数据和交通指示位置数据中的至少一项,本实施例对此不进行特别限定。
需要说明的是,101~104的执行主体可以为位于本地终端的应用,或者还可以为设置在位于本地终端的应用中的插件或软件开发工具包(SoftwareDevelopment Kit,SDK)等功能单元,或者还可以为位于网络侧服务器中的数据挖掘引擎,本实施例对此不进行特别限定。
可以理解的是,所述应用可以是安装在终端上的应用程序(nativeApp),或者还可以是终端上的浏览器的一个网页程序(webApp),本实施例对此不进行限定。
这样,通过根据街景图像的采集点位置数据和所获得的目标道路的道路位置数据,确定所述目标道路上或预设范围之内的C个街景图像的采集点,进而获取所述C个街景图像的采集点中每个街景图像的采集点处的目标街景图像,使得能够根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据,从而实现了道路引导数据的获取的这一目的。
本实施例中,之所以,定义目标道路,目的是为了避免不必要的无效识别,这是因为在一些道路上,根本不可能存在所述道路引导数据,所以,无需关注路网数据中的这些道路的位置数据,以降低处理负担,以及提高道路引导数据的获取效率。因此,可以根据要获取的道路引导数据的不同,确定不同的目标道路。
例如,如果要获取人行横道位置数据,则可以将非封闭式道路,确定为目标道路。非封闭式道路,又可以称为开放式道路,是相对于封闭式道路而言的,封闭式道路是指高速公路,原因在于高速公路不允许车辆随意进入或离开的。
或者,再例如,如果要获取交通指示位置数据,则可以将高速公路和城市主干道,确定为目标道路。
可选地,在本实施例的一个可能的实现方式中,在102中,具体可以根据所述采集点位置数据和所述道路位置数据,确定所述目标道路上或预设范围之内的A个街景图像的采集点,所述A为大于或等于C的整数。然后,根据所述采集点位置数据,确定所述街景图像的采集点的移动方向,以及根据所述道路位置数据,确定所述目标道路的通行方向。最后,根据所述移动方向和所述通行方向,从所述A个街景图像的采集点中确定所述C个街景图像的采集点。
例如,若移动方向与通行方向之间的夹角小于或等于预先设置的夹角阈值,则可以将该移动方向所对应的采集点确定为一个目标采集点,以作为所述C个街景图像的采集点的一个。否则,则可以将该移动方向所对应的采集点删除,不作为所述C个街景图像的采集点的一个。
或者,再例如,具体可以利用 获得若移动方向与同行方向的匹配度。其中,
M为移动方向与同行方向的匹配度;
d为采集点到目标道路的距离;
GPS为定位技术的偏差;
a移动方向与通行方向之间的夹角。
目前,路网数据中目标道路的道路位置数据,以及街景数据中街景图像的采集点位置数据可以利用多种定位技术获得,例如,全球定位系统(GlobalPositioning System,GPS)定位技术等。
若移动方向与同行方向的匹配度小于或等于预先设置的匹配度阈值,则可以将该移动方向所对应的采集点确定为一个目标采集点,以作为所述C个街景图像的采集点的一个。否则,则可以将该移动方向所对应的采集点删除,不作为所述C个街景图像的采集点的一个。
可选地,在本实施例的一个可能的实现方式中,在103中,具体可以利用现有的街景数据,获取所述C个街景图像的采集点中每个街景图像的采集点处的目标街景图像。
可选地,在本实施例的一个可能的实现方式中,若所述道路引导数据为人行横道位置数据,那么,在104中,具体可以利用边缘检测技术,对所述每个街景图像的采集点处的目标街景图像进行识别处理,以获得所述每个街景图像的采集点处的目标街景图像上的M个第一候选边缘特征对象,所述M为大于或等于1的整数。
例如,可以利用现有的边缘检测技术,例如,Canny边缘检测算法等。
可以理解的是,所述识别出的边缘特征对象的长度需要满足预先设置的长度阈值,才可以被识别为M个第一候选边缘特征对象中的一个,否则,将忽略该边缘特征对象。
通常,街景图像是一个360°的全景图像,每个采集点的街景图像通常可以由4×8(32)张的图片构成,如图2所示。本实施例中,为了避免不必要的无效识别,可以根据要获取的道路引导数据的不同,确定不同的识别区域。
例如,如果要获取人行横道位置数据,由于人行横道设置在路面上,因此,则可以将只需要识别图3中的阴影部分即可。
或者,再例如,如果要获取交通指示位置数据,由于交通指示牌设置在距离路面一定高度的位置,因此,则可以将只需要识别图4中的阴影部分即可。
然后,可以利用线性回归算法和人行横道的灰度共生矩阵中的至少一项,对所述M个第一候选边缘特征对象进行过滤处理,以获得N个第一目标边缘特征对象,所述N为大于或等于1,且小于或等于M的整数。
例如,获得每个第一候选边缘特征对象的两侧指定范围之内的图像,进而获得这两个图像中每个图像的灰度共生矩阵。然后,计算每个图像的灰度共生矩阵与人行横道的灰度共生矩阵的相似度,若有一个图像的灰度共生矩阵与人行横道的灰度共生矩阵的相似度大于或等于预先设置的相似度阈值如80%,则可以保留对应的第一候选边缘特征对象,以作为一个第一目标边缘特征对象。否则,则将对应的第一候选边缘特征对象过滤掉。
或者,再例如,利用现有的相关系数公式,计算每个第一候选边缘特征对象的相关系数,若相关系数大于或等于预先设置的系数阈值,则可以保留对应的第一候选边缘特征对象,以作为一个第一目标边缘特征对象。否则,则将对应的第一候选边缘特征对象过滤掉。
接着,对所述N个第一目标边缘特征对象中每个第一目标边缘特征对象,进行相似性打分,以获得所述每个第一目标边缘特征对象的打分结果。
例如,具体可以两两计算第一目标边缘特征对象之间的夹角,若两个第一目标边缘特征对象之间的夹角小于或等于,且两个第一目标边缘特征对象的投影公共区域的长度大于或等于任意一个第一目标边缘特征对象的长度,则可以将这两个第一目标边缘特征对象分为一组,即边缘特征对象组。其中,如果每组的第一目标边缘特征对象的数量小于预先设置的数量阈值如5,则将该组直接过滤掉,不作后续进一步处理。然后,具体可以利用 获得每组的相似性打分结果。其中,
W(j)为第j组的相似性打分结果,其中,j为大于或等于1的整数;
n为第j组的第一目标边缘特征对象的数量,其中,j为大于或等于数量阈值S如5的整数;
o(i)第j组内第i个第一目标边缘特征对象与第i+1个第一目标边缘特征对象之间的投影公共区域的长度与第i个第一目标边缘特征对象的长度的比值,j为大于或等于1的整数。
本步骤中,还可以进一步根据每组的相似性打分结果,对第一目标边缘特征对象进行过滤处理,以过滤掉相似性打分结果小于预先设置的打分阈值的组中的第一目标边缘特征对象。
再然后,可以根据所述N个第一目标边缘特征对象中每个第一目标边缘特征对象的打分结果,获得所述每个街景图像的采集点的打分结果。
例如,根据每个街景图像的采集点所对应的每组的相似性打分结果,计算平均值,以作为每个街景图像的采集点的打分结果。
接着,可以根据所述每个街景图像的采集点的采集点位置数据和所述每个街景图像的采集点的打分结果,获得所述目标道路上的平均人行横道位置数据。
例如,根据所述每个街景图像的采集点的采集点位置数据,按照预先设置的距离阈值,将连续的一个或几个采集点,分为一组,即采集点组。在每个组内,根据和计算所述目标道路上的一个平均人行横道位置数据,即中心点(X,Y)。
最后,则可以根据所述平均人行横道位置数据和所述每个街景图像的采集点的采集点位置数据,获得所述目标道路上的人行横道位置数据。
例如,在每个组内,计算每个采集点与中心点之间的距离,选择最小距离所对应的采集点,该采集点的位置就是人行横道部署的位置,即该采集点的采集点位置数据即为人行横道位置数据。
至此,实现了人行横道位置数据的获取。
可选地,在本实施例的一个可能的实现方式中,若所述道路引导数据为交通指示位置数据,那么,在104中,具体可以对所述每个街景图像的采集点处的目标街景图像进行像素识别处理,以确定P个指定颜色的像素区域,所述P为大于或等于1的整数。
例如,交通指示牌中,最有价值的就是交通禁令指示牌,即通常由白色背景、红色圆圈和黑色或白色指示内容组成。具体地,黑色或白色指示内容包括通行方向类内容和交通工具类内容。其中,通行方向类内容可以包括但不限于禁止掉头、禁止直行、禁止左转和禁止右转;交通工具类内容可以包括但不限于禁止通行、禁止驶入、禁止机动车通行、禁止载货汽车通行、禁止三轮机动车通行、禁止大型客车通行、禁止小型客车通行、禁止汽车拖挂车通行、禁止拖拉机通行、禁止农用车通行、禁止二轮摩托车通行和禁止指定两种车通行。本实施例对此不进行特别限定。因此,针对交通禁令指示牌,具体可以对所述每个街景图像的采集点处的目标街景图像进行像素识别处理,以确定P个红色像素区域。
然后,可以利用边缘检测技术,对所述P个指定颜色的像素区域进行识别处理,以获得所述P个指定颜色的像素区域内的Q个第二候选边缘特征对象,所述Q为大于或等于1的整数。
例如,可以利用现有的边缘检测技术,例如,Canny边缘检测算法等。
接着,利用目标形状特征信息,对所述Q个第二候选边缘特征对象进行过滤处理,以获得R个第二目标边缘特征对象,所述R为大于或等于1,且小于或等于Q的整数。
例如,对于交通禁令指示牌,具体可以利用圆形特征信息,即面积与周长的比值为π,对所述Q个第二候选边缘特征对象进行过滤处理。具体地,可以根据所述Q个第二候选边缘特征对象中每个第二候选边缘特征对象是否形成闭合区域的特征,过滤掉没有形成闭合区域的第二候选边缘特征对象。然后,计算每个第二候选边缘特征对象所形成的闭合区域的面积与每个第二候选边缘特征对象的周长的比值,若所述比值与π的差值小于或等于预先设置的比值阈值,则可以保留对应的第二候选边缘特征对象,以作为一个第二目标边缘特征对象。否则,则将对应的第二候选边缘特征对象过滤掉。
再然后,对所述R个第二目标边缘特征对象中每个第二目标边缘特征对象所形成的封闭区域,进行识别处理,以获得候选指示图像。
例如,对所述R个第二目标边缘特征对象中每个第二目标边缘特征对象所形成的封闭区域如红色圆圈内的区域中的黑色指示内容以及其他干扰内容如红色斜杠,进行二值化处理,以获得黑白图像。其中,如黑白图像中的黑色像素代表黑色指示内容,白色像素代表其他内容。
接着,则可以利用预先设置的交通指示数据集合,对所述候选指示图像进行匹配处理,以获得目标指示图像。
例如,若黑白图像中包含箭头图形,则可以进一步从外边缘向内,剥离生成箭头骨架图。根据所述箭头骨架图,获得矢量端点,如图5中的实心圆点所示,进而获得矢量端点的目标方向标识,进而根据所述矢量端点的目标方向标识,与预先设置的标准方向标识如图6所示,进行匹配,获得所匹配的方向特征信息,利用所述方向特征信息与交通指示数据集合中的方向特征信息进行匹配,获得所匹配的标准方向标识所对应的标准指示图像即为目标指示图像。
若黑白图像中不包含箭头图形,基于预先设置的交通指示数据集合中的标准指示图像,按照10种指定的缩放比例,以及10种指定的旋转角度,得到100个搜索窗口模板。利用这100个搜索窗口模板,分别在所获得的黑白图像上进行平移操作。若黑色像素的重合率大于或等于预先设置的重合率阈值,则该搜索窗口模板所对应的标准指示图像即为目标指示图像。
最后,根据所述目标指示图像所在的目标街景图像的采集点位置数据和所述目标指示图像在所述目标街景图像中的相对位置,获得所述目标道路上的交通指示位置数据。
至此,实现了交通指示位置数据的获取。
本实施例中,通过根据街景图像的采集点位置数据和所获得的目标道路的道路位置数据,确定所述目标道路上或预设范围之内的C个街景图像的采集点,进而获取所述C个街景图像的采集点中每个街景图像的采集点处的目标街景图像,使得能够根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据,从而实现了道路引导数据的获取的这一目的。
另外,采用本发明提供的技术方案,操作简单,无需操作人员参与获取过程,操作简单,而且正确率高,从而提高了道路引导数据的获取的效率和可靠性。
另外,采用本发明提供的技术方案,能够将所获得的目标道路的道路引导数据,添加到现有的路网数据中,使得路网数据能够完整反映当前的道路情况,从而能够有效提高路网数据的完备性。
另外,采用本发明提供的技术方案,由于路网数据能够完整反映当前的道路情况,因此,能够有效提高使用该路网数据的一些服务例如,导航服务等,所提供的服务信息的准确性。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
图7为本发明另一实施例提供的道路引导数据的获取装置的结构示意图,如图7所示。本实施例的道路引导数据的获取装置可以包括定位单元71、绑定单元72、获取单元73和识别单元74。其中,定位单元71,用于根据路网数据,获得目标道路的道路位置数据;绑定单元72,用于根据街景图像的采集点位置数据和所述道路位置数据,确定所述目标道路上或预设范围之内的C个街景图像的采集点,所述C为大于或等于1的整数;获取单元73,用于获取所述C个街景图像的采集点中每个街景图像的采集点处的目标街景图像;识别单元74,用于根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据。
其中,所述道路引导数据,是指用于描述道路引导设施的数据,例如,道路引导设施的种类和道路引导设施的设置位置等。所述道路引导数据可以包括但不限于人行横道位置数据和交通指示位置数据中的至少一项,本实施例对此不进行特别限定。
需要说明的是,本实施例所提供的道路引导数据的获取装置可以为位于本地终端的应用,或者还可以为设置在位于本地终端的应用中的插件或软件开发工具包(Software Development Kit,SDK)等功能单元,或者还可以为位于网络侧服务器中的数据挖掘引擎,本实施例对此不进行特别限定。
可以理解的是,所述应用可以是安装在终端上的应用程序(nativeApp),或者还可以是终端上的浏览器的一个网页程序(webApp),本实施例对此不进行限定。
这样,通过绑定单元根据街景图像的采集点位置数据和定位单元所获得的目标道路的道路位置数据,确定所述目标道路上或预设范围之内的C个街景图像的采集点,进而由获取单元获取所述C个街景图像的采集点中每个街景图像的采集点处的目标街景图像,使得识别单元能够根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据,从而实现了道路引导数据的获取的这一目的。
可选地,在本实施例的一个可能的实现方式中,所述绑定单元72,具体可以用于根据所述采集点位置数据和所述道路位置数据,确定所述目标道路上或预设范围之内的A个街景图像的采集点,所述A为大于或等于C的整数;根据所述采集点位置数据,确定所述街景图像的采集点的移动方向;根据所述道路位置数据,确定所述目标道路的通行方向;以及根据所述移动方向和所述通行方向,从所述A个街景图像的采集点中确定所述C个街景图像的采集点。
例如,若移动方向与通行方向之间的夹角小于或等于预先设置的夹角阈值,所述绑定单元72则可以将该移动方向所对应的采集点确定为一个目标采集点,以作为所述C个街景图像的采集点的一个。否则,所述绑定单元72则可以将该移动方向所对应的采集点删除,不作为所述C个街景图像的采集点的一个。
或者,再例如,所述绑定单元72具体可以利用 获得若移动方向与同行方向的匹配度。其中,
M为移动方向与同行方向的匹配度;
d为采集点到目标道路的距离;
GPS为定位技术的偏差;
a移动方向与通行方向之间的夹角。
目前,路网数据中目标道路的道路位置数据,以及街景数据中街景图像的采集点位置数据可以利用多种定位技术获得,例如,全球定位系统(GlobalPositioning System,GPS)定位技术等。
若移动方向与同行方向的匹配度小于或等于预先设置的匹配度阈值,所述绑定单元72则可以将该移动方向所对应的采集点确定为一个目标采集点,以作为所述C个街景图像的采集点的一个。否则,所述绑定单元72则可以将该移动方向所对应的采集点删除,不作为所述C个街景图像的采集点的一个。
可选地,在本实施例的一个可能的实现方式中,若所述道路引导数据为人行横道位置数据,那么,所述识别单元74,具体可以用于利用边缘检测技术,对所述每个街景图像的采集点处的目标街景图像进行识别处理,以获得所述每个街景图像的采集点处的目标街景图像上的M个第一候选边缘特征对象,所述M为大于或等于1的整数;利用线性回归算法和人行横道的灰度共生矩阵中的至少一项,对所述M个第一候选边缘特征对象进行过滤处理,以获得N个第一目标边缘特征对象,所述N为大于或等于1,且小于或等于M的整数;对所述N个第一目标边缘特征对象中每个第一目标边缘特征对象,进行相似性打分,以获得所述每个第一目标边缘特征对象的打分结果;根据所述N个第一目标边缘特征对象中每个第一目标边缘特征对象的打分结果,获得所述每个街景图像的采集点的打分结果;根据所述每个街景图像的采集点的采集点位置数据和所述每个街景图像的采集点的打分结果,获得所述目标道路上的平均人行横道位置数据;以及根据所述平均人行横道位置数据和所述每个街景图像的采集点的采集点位置数据,获得所述目标道路上的人行横道位置数据。
可选地,在本实施例的一个可能的实现方式中,若所述道路引导数据为交通指示位置数据,那么,所述识别单元74,具体可以用于对所述每个街景图像的采集点处的目标街景图像进行像素识别处理,以确定P个指定颜色的像素区域,所述P为大于或等于1的整数;利用边缘检测技术,对所述P个指定颜色的像素区域进行识别处理,以获得所述P个指定颜色的像素区域内的Q个第二候选边缘特征对象,所述Q为大于或等于1的整数;利用目标形状特征信息,对所述Q个第二候选边缘特征对象进行过滤处理,以获得R个第二目标边缘特征对象,所述R为大于或等于1,且小于或等于Q的整数;对所述R个第二目标边缘特征对象中每个第二目标边缘特征对象所形成的封闭区域,进行识别处理,以获得候选指示图像;利用预先设置的交通指示数据集合,对所述候选指示图像进行匹配处理,以获得目标指示图像;以及根据所述目标指示图像所在的目标街景图像的采集点位置数据和所述目标指示图像在所述目标街景图像中的相对位置,获得所述目标道路上的交通指示位置数据。
需要说明的是,图1对应的实施例中方法,可以由本实施例提供的道路引导数据的获取装置实现。详细描述可以参见图1对应的实施例中的相关内容,此处不再赘述。
本实施例中,通过绑定单元根据街景图像的采集点位置数据和定位单元所获得的目标道路的道路位置数据,确定所述目标道路上或预设范围之内的C个街景图像的采集点,进而由获取单元获取所述C个街景图像的采集点中每个街景图像的采集点处的目标街景图像,使得识别单元能够根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据,从而实现了道路引导数据的获取的这一目的。
另外,采用本发明提供的技术方案,操作简单,无需操作人员参与获取过程,操作简单,而且正确率高,从而提高了道路引导数据的获取的效率和可靠性。
另外,采用本发明提供的技术方案,能够将所获得的目标道路的道路引导数据,添加到现有的路网数据中,使得路网数据能够完整反映当前的道路情况,从而能够有效提高路网数据的完备性。
另外,采用本发明提供的技术方案,由于路网数据能够完整反映当前的道路情况,因此,能够有效提高使用该路网数据的一些服务例如,导航服务等,所提供的服务信息的准确性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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)
1.一种道路引导数据的获取方法,其特征在于,包括:
根据路网数据,获得目标道路的道路位置数据;
根据街景图像的采集点位置数据和所述道路位置数据,确定所述目标道路上或预设范围之内的C个街景图像的采集点,所述C为大于或等于1的整数;
获取所述C个街景图像的采集点中每个街景图像的采集点处的目标街景图像;
根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据。
2.根据权利要求1所述的方法,其特征在于,所述道路引导数据包括人行横道位置数据和交通指示位置数据中的至少一项。
3.根据权利要求1所述的方法,其特征在于,所述根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据,包括:
利用边缘检测技术,对所述每个街景图像的采集点处的目标街景图像进行识别处理,以获得所述每个街景图像的采集点处的目标街景图像上的M个第一候选边缘特征对象,所述M为大于或等于1的整数;
利用线性回归算法和人行横道的灰度共生矩阵中的至少一项,对所述M个第一候选边缘特征对象进行过滤处理,以获得N个第一目标边缘特征对象,所述N为大于或等于1,且小于或等于M的整数;
对所述N个第一目标边缘特征对象中每个第一目标边缘特征对象,进行相似性打分,以获得所述每个第一目标边缘特征对象的打分结果;
根据所述N个第一目标边缘特征对象中每个第一目标边缘特征对象的打分结果,获得所述每个街景图像的采集点的打分结果;
根据所述每个街景图像的采集点的采集点位置数据和所述每个街景图像的采集点的打分结果,获得所述目标道路上的平均人行横道位置数据;
根据所述平均人行横道位置数据和所述每个街景图像的采集点的采集点位置数据,获得所述目标道路上的人行横道位置数据。
4.根据权利要求1所述的方法,其特征在于,所述根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据,包括:
对所述每个街景图像的采集点处的目标街景图像进行像素识别处理,以确定P个指定颜色的像素区域,所述P为大于或等于1的整数;
利用边缘检测技术,对所述P个指定颜色的像素区域进行识别处理,以获得所述P个指定颜色的像素区域内的Q个第二候选边缘特征对象,所述Q为大于或等于1的整数;
利用目标形状特征信息,对所述Q个第二候选边缘特征对象进行过滤处理,以获得R个第二目标边缘特征对象,所述R为大于或等于1,且小于或等于Q的整数;
对所述R个第二目标边缘特征对象中每个第二目标边缘特征对象所形成的封闭区域,进行识别处理,以获得候选指示图像;
利用预先设置的交通指示数据集合,对所述候选指示图像进行匹配处理,以获得目标指示图像;
根据所述目标指示图像所在的目标街景图像的采集点位置数据和所述目标指示图像在所述目标街景图像中的相对位置,获得所述目标道路上的交通指示位置数据。
5.根据权利要求1~4任一权利要求所述的方法,其特征在于,所述根据街景图像的采集点位置数据和所述道路位置数据,确定所述目标道路或预设范围之内的C个街景图像的采集点,包括:
根据所述采集点位置数据和所述道路位置数据,确定所述目标道路上或预设范围之内的A个街景图像的采集点,所述A为大于或等于C的整数;
根据所述采集点位置数据,确定所述街景图像的采集点的移动方向;
根据所述道路位置数据,确定所述目标道路的通行方向;
根据所述移动方向和所述通行方向,从所述A个街景图像的采集点中确定所述C个街景图像的采集点。
6.一种道路引导数据的获取装置,其特征在于,包括:
定位单元,用于根据路网数据,获得目标道路的道路位置数据;
绑定单元,用于根据街景图像的采集点位置数据和所述道路位置数据,确定所述目标道路上或预设范围之内的C个街景图像的采集点,所述C为大于或等于1的整数;
获取单元,用于获取所述C个街景图像的采集点中每个街景图像的采集点处的目标街景图像;
识别单元,用于根据所述每个街景图像的采集点处的目标街景图像,利用图像识别技术,获得所述目标道路的道路引导数据。
7.根据权利要求6所述的装置,其特征在于,所述道路引导数据包括人行横道位置数据和交通指示位置数据中的至少一项。
8.根据权利要求6所述的装置,其特征在于,所述识别单元,具体用于
利用边缘检测技术,对所述每个街景图像的采集点处的目标街景图像进行识别处理,以获得所述每个街景图像的采集点处的目标街景图像上的M个第一候选边缘特征对象,所述M为大于或等于1的整数;
利用线性回归算法和人行横道的灰度共生矩阵中的至少一项,对所述M个第一候选边缘特征对象进行过滤处理,以获得N个第一目标边缘特征对象,所述N为大于或等于1,且小于或等于M的整数;
对所述N个第一目标边缘特征对象中每个第一目标边缘特征对象,进行相似性打分,以获得所述每个第一目标边缘特征对象的打分结果;
根据所述N个第一目标边缘特征对象中每个第一目标边缘特征对象的打分结果,获得所述每个街景图像的采集点的打分结果;
根据所述每个街景图像的采集点的采集点位置数据和所述每个街景图像的采集点的打分结果,获得所述目标道路上的平均人行横道位置数据;以及
根据所述平均人行横道位置数据和所述每个街景图像的采集点的采集点位置数据,获得所述目标道路上的人行横道位置数据。
9.根据权利要求6所述的装置,其特征在于,所述识别单元,具体用于
对所述每个街景图像的采集点处的目标街景图像进行像素识别处理,以确定P个指定颜色的像素区域,所述P为大于或等于1的整数;
利用边缘检测技术,对所述P个指定颜色的像素区域进行识别处理,以获得所述P个指定颜色的像素区域内的Q个第二候选边缘特征对象,所述Q为大于或等于1的整数;
利用目标形状特征信息,对所述Q个第二候选边缘特征对象进行过滤处理,以获得R个第二目标边缘特征对象,所述R为大于或等于1,且小于或等于Q的整数;
对所述R个第二目标边缘特征对象中每个第二目标边缘特征对象所形成的封闭区域,进行识别处理,以获得候选指示图像;
利用预先设置的交通指示数据集合,对所述候选指示图像进行匹配处理,以获得目标指示图像;以及
根据所述目标指示图像所在的目标街景图像的采集点位置数据和所述目标指示图像在所述目标街景图像中的相对位置,获得所述目标道路上的交通指示位置数据。
10.根据权利要求6~9任一权利要求所述的装置,其特征在于,所述绑定单元,具体用于
根据所述采集点位置数据和所述道路位置数据,确定所述目标道路上或预设范围之内的A个街景图像的采集点,所述A为大于或等于C的整数;
根据所述采集点位置数据,确定所述街景图像的采集点的移动方向;
根据所述道路位置数据,确定所述目标道路的通行方向;以及
根据所述移动方向和所述通行方向,从所述A个街景图像的采集点中确定所述C个街景图像的采集点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410476067.2A CN104268513B (zh) | 2014-09-17 | 2014-09-17 | 道路引导数据的获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410476067.2A CN104268513B (zh) | 2014-09-17 | 2014-09-17 | 道路引导数据的获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104268513A true CN104268513A (zh) | 2015-01-07 |
CN104268513B CN104268513B (zh) | 2017-10-31 |
Family
ID=52160033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410476067.2A Active CN104268513B (zh) | 2014-09-17 | 2014-09-17 | 道路引导数据的获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104268513B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105677899A (zh) * | 2016-02-04 | 2016-06-15 | 东南大学 | 一种包含道路行进方向的增强型矢量数字地图制作方法 |
CN106372255A (zh) * | 2016-09-29 | 2017-02-01 | 北京百度网讯科技有限公司 | 一种街景图像的识别方法及装置 |
CN107920329A (zh) * | 2017-09-27 | 2018-04-17 | 无锡神探电子科技有限公司 | 一种基于路测数据的城市道路识别标记方法 |
CN109584706A (zh) * | 2018-10-31 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 电子地图车道线处理方法、设备及计算机可读存储介质 |
CN111429385A (zh) * | 2020-06-10 | 2020-07-17 | 北京云迹科技有限公司 | 地图生成方法、装置和设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477629A (zh) * | 2008-12-29 | 2009-07-08 | 东软集团股份有限公司 | 车道线的感兴趣区域提取方法和装置 |
CN102782725A (zh) * | 2010-03-15 | 2012-11-14 | 爱信精机株式会社 | 人行横道检测装置、人行横道检测方法及程序 |
US20130080054A1 (en) * | 2011-09-26 | 2013-03-28 | Denso Corporation | Navigation system, navigation apparatus and data center |
CN103150759A (zh) * | 2013-03-05 | 2013-06-12 | 腾讯科技(深圳)有限公司 | 一种对街景图像进行动态增强的方法和装置 |
CN104008645A (zh) * | 2014-06-12 | 2014-08-27 | 湖南大学 | 一种适用于城市道路车道线预测及预警方法 |
CN104036246A (zh) * | 2014-06-10 | 2014-09-10 | 电子科技大学 | 一种基于多特征融合及多态均值的车道线定位方法 |
-
2014
- 2014-09-17 CN CN201410476067.2A patent/CN104268513B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477629A (zh) * | 2008-12-29 | 2009-07-08 | 东软集团股份有限公司 | 车道线的感兴趣区域提取方法和装置 |
CN102782725A (zh) * | 2010-03-15 | 2012-11-14 | 爱信精机株式会社 | 人行横道检测装置、人行横道检测方法及程序 |
US20130080054A1 (en) * | 2011-09-26 | 2013-03-28 | Denso Corporation | Navigation system, navigation apparatus and data center |
CN103150759A (zh) * | 2013-03-05 | 2013-06-12 | 腾讯科技(深圳)有限公司 | 一种对街景图像进行动态增强的方法和装置 |
CN104036246A (zh) * | 2014-06-10 | 2014-09-10 | 电子科技大学 | 一种基于多特征融合及多态均值的车道线定位方法 |
CN104008645A (zh) * | 2014-06-12 | 2014-08-27 | 湖南大学 | 一种适用于城市道路车道线预测及预警方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105677899A (zh) * | 2016-02-04 | 2016-06-15 | 东南大学 | 一种包含道路行进方向的增强型矢量数字地图制作方法 |
CN105677899B (zh) * | 2016-02-04 | 2019-01-29 | 东南大学 | 一种包含道路行进方向的增强型矢量数字地图制作方法 |
CN106372255A (zh) * | 2016-09-29 | 2017-02-01 | 北京百度网讯科技有限公司 | 一种街景图像的识别方法及装置 |
WO2018058888A1 (zh) * | 2016-09-29 | 2018-04-05 | 北京百度网讯科技有限公司 | 一种街景图像的识别方法、装置、服务器及存储介质 |
CN106372255B (zh) * | 2016-09-29 | 2019-01-22 | 北京百度网讯科技有限公司 | 一种街景图像的识别方法及装置 |
CN107920329A (zh) * | 2017-09-27 | 2018-04-17 | 无锡神探电子科技有限公司 | 一种基于路测数据的城市道路识别标记方法 |
CN109584706A (zh) * | 2018-10-31 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 电子地图车道线处理方法、设备及计算机可读存储介质 |
CN111429385A (zh) * | 2020-06-10 | 2020-07-17 | 北京云迹科技有限公司 | 地图生成方法、装置和设备 |
CN111429385B (zh) * | 2020-06-10 | 2021-01-08 | 北京云迹科技有限公司 | 地图生成方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104268513B (zh) | 2017-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arya et al. | Transfer learning-based road damage detection for multiple countries | |
US10628890B2 (en) | Visual analytics based vehicle insurance anti-fraud detection | |
WO2018145602A1 (zh) | 车道的确定方法、装置及存储介质 | |
Shin et al. | Visual lane analysis and higher-order tasks: a concise review | |
Loce et al. | Computer vision in roadway transportation systems: a survey | |
CN104268513A (zh) | 道路引导数据的获取方法及装置 | |
US20210241035A1 (en) | Method, apparatus, and system for filtering imagery to train a feature detection model | |
Zakaria et al. | Lane detection in autonomous vehicles: A systematic review | |
CN112307978B (zh) | 目标检测方法、装置、电子设备及可读存储介质 | |
CN112212874A (zh) | 车辆轨迹预测方法、装置、电子设备及计算机可读介质 | |
Ding et al. | Fast lane detection based on bird’s eye view and improved random sample consensus algorithm | |
Huang et al. | Practical limitations of lane detection algorithm based on Hough transform in challenging scenarios | |
Li et al. | A robust lane detection method based on hyperbolic model | |
US20190188538A1 (en) | Method, apparatus, and system for providing skip areas for machine learning | |
US20210350189A1 (en) | Bayesian Methodology for Geospatial Object/Characteristic Detection | |
CN112528477A (zh) | 道路场景仿真方法、设备、存储介质及装置 | |
Choi et al. | Methods to detect road features for video-based in-vehicle navigation systems | |
Zhang et al. | Road marking segmentation based on siamese attention module and maximum stable external region | |
Zhang et al. | Automated detecting and placing road objects from street-level images | |
Singal et al. | RoadWay: lane detection for autonomous driving vehicles via deep learning | |
US9898846B1 (en) | Method and apparatus for traffic condition diagram generation | |
CN113189610A (zh) | 地图增强的自动驾驶多目标追踪方法和相关设备 | |
US20240029296A1 (en) | Orientation Determination for Mobile Computing Devices | |
CN109740502B (zh) | 道路质量检测方法及装置 | |
Fan et al. | Line Filter-Based Parking Slot Detection for Intelligent Parking Assistance System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |