CN105512646A - 一种数据处理方法、装置及终端 - Google Patents
一种数据处理方法、装置及终端 Download PDFInfo
- Publication number
- CN105512646A CN105512646A CN201610035275.8A CN201610035275A CN105512646A CN 105512646 A CN105512646 A CN 105512646A CN 201610035275 A CN201610035275 A CN 201610035275A CN 105512646 A CN105512646 A CN 105512646A
- Authority
- CN
- China
- Prior art keywords
- point
- dimensional
- impact point
- road markings
- target empty
- 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
- G06V20/50—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
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
-
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/09—Recognition of logos
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例提供一种数据处理方法、装置及终端,其中的方法可包括:采集道路数据,所述道路数据包括二维街景图像、三维点云和惯导数据;从所述二维街景图像中检测目标空中道路标识的属性,所述属性包括位置和大小;基于所述惯导数据将所述三维点云与所述二维街景图像在三维空间中进行配准;采用配准后的所述三维点云确定所述目标空中道路标识的三维坐标。本发明通过从二维街景图像中检测空中道路标识,提升检测结果的准确性,提升数据处理的实用性。
Description
技术领域
本发明涉及计算机技术领域,具体涉及关于道路数据处理的技术领域,尤其涉及一种数据处理方法、装置及终端。
背景技术
现有的车载导航、车辆自动驾驶、行车安全提示等领域中,关于诸如信号灯、限速牌等的空中道路标识的检测、提取等处理是一项重要技术。目前,针对空中道路标识的处理方案主要是由人工进行,具体为:获取道路场景空间的三维点云,然后人工直接从三维点云中提取空中道路标识;人工检测的方式操作繁琐并且效率低下易出错,实用性较差。
发明内容
本发明实施例提供一种数据处理方法、装置及终端,通过从二维街景图像中检测空中道路标识,提升检测结果的准确性,提升数据处理的实用性。
本发明实施例第一方面提供一种数据处理方法,可包括:
采集道路数据,所述道路数据包括二维街景图像、三维点云和惯导数据;
从所述二维街景图像中检测目标空中道路标识的属性,所述属性包括位置和大小;
基于所述惯导数据将所述三维点云与所述二维街景图像在三维空间中进行配准;
采用配准后的所述三维点云确定所述目标空中道路标识的三维坐标。
优选地,所述从所述二维街景图像中检测目标空中道路标识的属性,包括:
采用图像识别方法或采用神经网络学习方法从所述二维街景图像中识别目标空中道路标识;
获取所述目标空中道路标识在所述二维街景图像中的属性。
优选地,所述基于所述惯导数据将所述三维点云与所述二维街景图像在三维空间中进行配准,包括:
根据所述惯导数据建立三维空间的惯导坐标系;
基于所述惯导坐标系将所述三维点云与所述二维街景图像在三维空间中进行配准。
在一种实施方式中,优选地,所述采用配准后的所述三维点云确定所述目标空中道路标识的三维坐标,包括:
确定所述目标空中道路标识的入射光线;
从配准后的所述三维点云中查找所述入射光线对应的点集;
选取所述点集中的几何中心点作为目标点;
将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
在另一种实施方式中,优选地,所述采用配准后的所述三维点云确定所述目标空中道路标识的三维坐标,包括:
利用空间前方交会方法确定所述目标空中道路标识的相邻两条入射光线;
求取所述相邻两条入射光线的交点;
从配准后的所述三维点云中查找所述交点对应的目标点;
将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
优选地,所述将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标之前,还包括:
验证所述目标点的有效性;
若所述目标点为有效点,执行将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标的步骤。
优选地,所述验证所述目标点的有效性,包括:
采用配准后的所述三维点云对所述二维街景图像进行区域分割,提取地面区域的图像,所述地面区域包括道路区域及非道路区域;
对所述地面区域的图像进行二值化处理,获得二值化的地面区域图像;
对所述二值化的地面区域图像进行正射投影变换,生成地面正射掩码图;
将所述目标点投影至所述地面正射掩码图中;
根据所述目标点在所述地面正射掩码图中的位置验证所述目标点的有效性。
优选地,所述根据所述目标点在所述地面正射掩码图中的位置验证所述目标点的有效性,包括:
若所述目标点位于所述道路区域,且所述目标点相对所述道路区域的地面高度大于预设值,确认所述目标点为有效点;
若所述目标点位于所述非道路区域,且所述目标点相对所述非道路区域的地面高度小于所述预设值,确认所述目标点为有效点。
本发明实施例第二方面提供一种数据处理装置,可包括:
采集单元,用于采集道路数据,所述道路数据包括二维街景图像、三维点云和惯导数据;
检测单元,用于从所述二维街景图像中检测目标空中道路标识的属性,所述属性包括位置和大小;
配准单元,用于基于所述惯导数据将所述三维点云与所述二维街景图像在三维空间中进行配准;
确定单元,用于采用配准后的所述三维点云确定所述目标空中道路标识的三维坐标。
优选地,所述检测单元包括:
标识识别单元,用于采用图像识别方法或采用神经网络学习方法从所述二维街景图像中识别目标空中道路标识;
属性获取单元,用于获取所述目标空中道路标识在所述二维街景图像中的属性。
优选地,所述配准单元包括:
建立单元,用于根据所述惯导数据建立三维空间的惯导坐标系;
三维配准单元,用于基于所述惯导坐标系将所述三维点云与所述二维街景图像在三维空间中进行配准。
在一种实施方式中,优选地,所述确定单元包括:
入射光线确定单元,用于确定所述目标空中道路标识的入射光线;
点集查找单元,用于从配准后的所述三维点云中查找所述入射光线对应的点集;
目标点选取单元,用于选取所述点集中的几何中心点作为目标点;
坐标确定单元,用于将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
在另一种实施方式中,优选地,所述确定单元包括:
相邻光线确定单元,用于利用空间前方交会方法确定所述目标空中道路标识的相邻两条入射光线;
交点求取单元,用于求取所述相邻两条入射光线的交点;
目标点查找单元,用于从配准后的所述三维点云中查找所述交点对应的目标点;
坐标确定单元,用于将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
优选地,所述确定单元还包括:
验证单元,用于验证所述目标点的有效性,若所述目标点为有效点,通知所述坐标确定单元将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
优选地,所述验证单元包括:
区域分割单元,用于采用配准后的所述三维点云对所述二维街景图像进行区域分割,提取地面区域的图像,所述地面区域包括道路区域及非道路区域;
二值化处理单元,用于对所述地面区域的图像进行二值化处理,获得二值化的地面区域图像;
变换单元,用于对所述二值化的地面区域图像进行正射投影变换,生成地面正射掩码图;
投影单元,用于将所述目标点投影至所述地面正射掩码图中;
有效性验证单元,用于根据所述目标点在所述地面正射掩码图中的位置验证所述目标点的有效性。
优选地,所述有效性验证单元具体用于:若所述目标点位于所述道路区域,且所述目标点相对所述道路区域的地面高度大于预设值,确认所述目标点为有效点;或者,若所述目标点位于所述非道路区域,且所述目标点相对所述非道路区域的地面高度小于所述预设值,确认所述目标点为有效点。
本发明实施例第三方面提供一种终端,可包括上述第二方面所述的数据处理装置。
实施本发明实施例,具有如下有益效果:
本发明实施例中,通过采集包括二维街景图像、三维点云和惯导数据,从二维街景图像中检测目标空中道路标识的属性,借助于惯导数据实现三维点云与二维街景图像的配准,利用配准后的三维点云确定目标空中道路标识的三维空间位置;从而实现了自动化地对二维街景图像中的目标空中道路标识进行空间位置恢复的过程,简化了操作流程,有效地提升了检测结果的准确性,提升了数据处理的实用性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明实施例提供的一种数据处理方法的流程图;
图2a为本发明实施例提供的一种二维街景图像的示意图;
图2b为本发明实施例提供的二维街景图像与三维点云进行配准的示意图;
图3a为本发明实施例提供的一种借助三维点云查找目标点的过程示意图;
图3b为本发明实施例提供的一种利用空间前方交会方法查找目标点的过程示意图;
图3c为本发明实施例提供的一种人工检视操作过程的示意图;
图4a为本发明实施例提供的恢复红绿灯的三维空间位置的示意图一;
图4b为本发明实施例提供的恢复红绿灯的三维空间位置的示意图二;
图5为本发明实施例提供的一种终端的结构示意图;
图6为本发明实施例提供的一种数据处理装置的结构示意图。
具体实施方式
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,所描述的实施例仅仅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所有其他实施例,都属于本发明保护的范围。
本发明实施例中,通过采集包括二维街景图像、三维点云和惯导数据,从二维街景图像中检测目标空中道路标识的属性,借助于惯导数据实现三维点云与二维街景图像的配准,利用配准后的三维点云确定目标空中道路标识的三维空间位置;从而实现了自动化地对二维街景图像中的目标空中道路标识进行空间位置恢复的过程,简化了操作流程,有效地提升了检测结果的准确性,提升了数据处理的实用性。
基于上述原理,本发明实施例提供一种数据处理方法,请参见图1,该方法可包括以下步骤S101-步骤S104。
S101,采集道路数据,所述道路数据包括二维街景图像、三维点云和惯导数据。
其中,二维街景图像可以采用诸如相机、摄像头等摄像设备通过拍摄道路获得,二维街景图像通常包含地面区域的影像及非地面区域的影像,其中地面区域的影像可描述道路路面情况、车道线、道路中运行的车辆、道路中的隔离带等数据。非地面区域的影像可描述道路周边的建筑物、植物、空中道路标识等等。此处,空中道路标识指在道路地面以上的空间所设置的用于传递引导、限制、警告等交通信息的标识,可包括但不限于:信号灯、限速牌等等。三维点云可通过激光雷达(LightDetectionAndRanging,LiDAR)来获取。激光雷达可以对扫描范围内多个空间点进行扫描,获得每一个空间点的三维坐标,结合每一个空间点对应的激光脉冲强度形成三维点云。惯导数据可采用INS(InertialNavigationSystem,惯性导航系统)和IMU(InertialMeasurementUnit,惯性测量单元)扫描获得,具体地INS可获取扫描位置的GPS(GlobalPositioningSystem,全球定位系统)数据以及包含速度、加速度等的载体行驶数据;IMU可获取载体的翻滚、俯仰和偏航等数据。
S102,从所述二维街景图像中检测目标空中道路标识的属性,所述属性包括位置和大小。
具体实现中,该方法在执行步骤S102时具体执行如下步骤s11-s12:
s11,采用图像识别方法或采用神经网络学习方法从所述二维街景图像中识别目标空中道路标识。
步骤s11中,可以预先存储各类空中道路标识的特征作为模板特征,采用图像识别方法从二维街景图像中识别一些图像特征,通过将识别到的图像特征与模板特征比对,从而可确定二维街景图像中的目标空中道路标识。也可以从二维街景图像中识别出一些图像特征,然后利用识别到的图像特征构造模型学习数据,利用该模型学习数据训练学习基于神经网络的空中道路标识的识别模型,并学习获得目标空中道路标识。可以理解的是,步骤s11中还可以人工从所述二维街景图像中识别目标空中道路。所述目标空中道路标识可包括但不限于:信号灯、限速牌等等。
s12,获取所述目标空中道路标识在所述二维街景图像中的属性。
当从二维街景图像中识别出目标空中道路标识之后,步骤s12中可以确定该目标空中道路标识在二维街景图像中的位置和大小;并且,优选地,本发明实施例可以在二维街景图像中采用矩形框或圆形框来标示该目标空中道路标识的位置和大小。
S103,基于所述惯导数据将所述三维点云与所述二维街景图像在三维空间中进行配准。
本发明实施例中,所采集到的二维街景图像、三维点云及惯导数据均是来自于同一场景空间,因此,根据三者之间的空间位置关系,可基于惯导数据实现三维点云与二维街景图像在三维空间中的配准。具体实现中,该方法在执行步骤S103时具体执行如下步骤s21-s22:
s21,根据所述惯导数据建立三维空间的惯导坐标系。
INS是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统。IMU是一种测量物体三轴姿态角(或角速率)以及加速度的装置。INS及IMU均包含陀螺仪和加速度计,其中陀螺仪会形成一个惯导坐标系,使得加速度计的测量轴稳定在该惯导坐标系中形成航向和姿态角。加速度计用于测量载体运动的加速度,并通过一系列计算转换获得载体的速度、位移、翻滚、俯仰等惯导数据;因此,根据采集到的所述惯导数据可以反推算出三维空间所使用的惯导坐标系,该惯导坐标系作为该三维空间在扫描过程中的位置参考基准。
s22,基于所述惯导坐标系将所述三维点云与所述二维街景图像在三维空间中进行配准。
以所述惯导坐标系作为位置参考基准,将三维点云与二维街景图像在三维空间中进行配准。具体实现中,通过激光雷达扫描获得场景空间中的某三维点A(xi,yi,zi),该三维点A(xi,yi,zi)经过摄像设备成像后可获得二维街景图像中某二维点A'(xj,yj),配准的目的就是从三维点云及二维街景图像中找出所有相匹配的三维点A(xi,yi,zi)及二维点A'(xj,yj)。
针对上述步骤s21-s22,可一并参见图2a-图2b,图2a示出所采集到的二维街景图像,步骤s22中基于惯导坐标系将图2a所示的二维街景图像与三维点云进行配准后,可形成图2b所示的图像。
S104,采用配准后的所述三维点云确定所述目标空中道路标识的三维坐标。
当三维点云与二维街景图像在三维空间实现配准之后,借助于三维点云可以比较便捷的确定该目标空中道路标识的三维坐标。具体实现中,该方法在执行步骤S104可以至少包括以下两种可行的实施方式,在一种实施方式中,该方法在执行步骤S104时具体执行如下步骤s31-s34:
s31,确定所述目标空中道路标识的入射光线。
请一并参见图3a,P为二维街景图像的光轴与成像平面的交点,O为原点(即诸如相机、摄像头等摄像设备拍摄该二维街景图像时所在的位置),S为二维街景图像中所标示的目标空中道路标识;那么,OS形成的射线即为该目标空中道路标识的入射光线。
s32,从配准后的所述三维点云中查找所述入射光线对应的点集。
本步骤s32中需要从配准后的三维点云中查找入射光线上的所有点,这些所有点形成该入射光线对应的点集。具体的查找过程可再请参见图3a,如果配准后的三维点云中某一点C在二维街景图像中的投影位于矩形框S范围内,那么则认为该点C属于对应点;按照此方法可查找到一组对应点从而形成该入射光线对应的点集。
s33,选取所述点集中的几何中心点作为目标点。
s34,将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
步骤s33-s34中,从点集中选取几何中心点作为目标点,该目标点的位置即是目标空中道路标识所在的位置,该目标点的三维坐标即为该目标空中道路标识的三维坐标。本发明实施例中,由于配准后的三维点云中各点的坐标均为惯导坐标系中的坐标,因此,步骤s34中可以基于惯导坐标系与大地坐标系的变换规则,将目标点在惯导坐标系中的坐标变换至大地坐标系中的坐标,进而将目标点在大地坐标系中的三维坐标确定为目标空中道路标识的三维坐标。此处,大地坐标系是大地测量中以参考椭球面为基准面建立起来的坐标系,采用大地经度、纬度和高度表示。
在另一种实施方式中,该方法在执行步骤S104时具体执行如下步骤s41-s44:
s41,利用空间前方交会方法确定所述目标空中道路标识的相邻两条入射光线。
空间前方交会方法应用于摄影几何中,是指恢复立体像对摄影时的光束和建立几何模型后,利用同名光线的交会确定模型点空间位置的方法。请一并参见图3b,P1为当前场景点的二维街景图像的光轴与成像平面的交点,O1为当前场景点的原点(即诸如相机、摄像头等摄像设备拍摄当前场景点的二维街景图像时所在的位置),S1为当前场景点的二维街景图像中所标示的目标空中道路标识;那么,O1S1为该目标空中道路标识的一条入射光线。P2为当前场景点之后的下一场景点的二维街景图像的光轴与成像平面的交点,O2为该下一场景点的原点(即诸如相机、摄像头等摄像设备拍摄下一场景点的二维街景图像时所在的位置),S2为下一场景点的二维街景图像中所标示的目标空中道路标识;那么,O2S2为该目标空中道路标识的另一条入射光线。
s42,求取所述相邻两条入射光线的交点。
s43,从配准后的所述三维点云中查找所述交点对应的目标点。
步骤s42-s43中,再请参见图3b,O1S1和O2S2均为同一目标空中道路标识的入射光线,属于同名光线,基于空间前方交会方法,O1S1和O2S2的交点T即为目标空中道路标识的位置;那么,从配准后的三维点云中可查找到的交点T的对应点,该对应点即为目标点。
s44,将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
目标点的三维坐标即为该目标空中道路标识的三维坐标。本发明实施例中,由于配准后的三维点云中各点的坐标均为惯导坐标系中的坐标,因此,步骤s44中可以基于惯导坐标系与大地坐标系的变换规则,将目标点在惯导坐标系中的坐标变换至大地坐标系中的坐标,进而将目标点在大地坐标系中的三维坐标确定为目标空中道路标识的三维坐标。此处,大地坐标系是大地测量中以参考椭球面为基准面建立起来的坐标系,采用在大地经度、纬度和高度表示。
需要说明的是,该方法在执行步骤S104的过程中,上述两种实施方式可以根据实际需要灵活选择使用。具体实现中,该方法在执行步骤S104的过程中,在获得目标点之后,也就是上述的步骤s33或s43之后,还可执行如下步骤:
S105,验证所述目标点的有效性;若所述目标点为有效点,执行将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标的步骤。
由于三维点云在采集过程中,可能会受到一些干扰物的影响,例如道路两侧拉起的横幅或其他标牌等等;这使得三维点云中包括噪声点,这些噪声点属于无效点。为了保证目标空中道路标识的坐标准确性,本发明实施例需要判断目标点的有效性,只有当确认目标点为有效点时,才执行上述步骤s34或s44,依据目标点的三维坐标确定目标空中道路的三维坐标。具体实现中,该方法在执行步骤S105时具体执行如下步骤s51-s55。
s51,采用配准后的所述三维点云对所述二维街景图像进行区域分割,提取地面区域的图像,所述地面区域包括道路区域及非道路区域。
当三维点云与二维街景图像在三维空间实现配准之后,借助于三维点云可以比较便捷的实现对二维街景图像的区域分割。由于三维点云中各点均采用三维坐标(x,y,z)表示,那么,依据x、y、z轴的取值可以比较直观地对三维空间进行区域划分,例如:假设地面区域内的三维点的z轴的取值均为0,那么所述三维点云中所有z轴的取值为0的三维点所构筑的空间区域即为地面空间区域;同理,假设某目标空间区域内的三维点的x轴的取值均为一预设值,那么提取所述三维点云中所有x轴的取值为该预设值的三维点所构筑的空间区域即为该目标空间区域。基于此,本步骤可利用三维点云中各点的三维坐标对三维空间进行区域划分,再查找到与地面空间区域内各三维点相配准的所有二维点,这些二维点在二维街景图像中构成的区域图像即为地面区域的图像。本发明实施例中,所述地面区域包括道路区域及非道路区域,道路区域是指车辆能够正常运行的区域;而非道路区域通常是指道路两侧的步道、花坛等等区域。
s52,对所述地面区域的图像进行二值化处理,获得二值化的地面区域图像。
一般地,采集到的二维街景图像为彩色图像,从该二维街景图像所提取的地面区域图像也为彩色图像,而道路交通标线表现为白色,为了使地面区域图像中的道路交通标线更为清晰且更便于检测,本步骤中需要对彩色的地面区域图像进行二值化处理,使之变换为二值化的地面区域图像。
s53,对所述二值化的地面区域图像进行正射投影变换,生成地面正射掩码图。
正射投影变换的目的是调整所述地面区域图像的光轴方向为垂直于地面的方向;具体地,可以将二值化的地面区域图像投影至所述三维点云所描述的地面空间区域,生成地面的正射掩码图(或称为正射投影图)。由于地面区域图像包含道路区域和非道路区域,因此,地面的正射掩码图包含道路区域的正射掩码图和非道路区域的正射掩码图。
s54,将所述目标点投影至所述地面正射掩码图中。
s55,根据所述目标点在所述地面正射掩码图中的位置验证所述目标点的有效性。
步骤s54-s55中,目标点投影至地面正射掩码图中,可获得该目标点的投影点的掩码值。通过比对该目标点的投影点的掩码值,可以确定该目标点的投影点所在的区域位置,进一步,结合道路交通标志和标线的设置标准(请参见《道路交通标志和标线》GB5768.1-2009)中针对道路区域以内和道路区域以外的空中道路标识的设置高度,可以验证该目标点的有效性。具体如下:(1)若所述目标点位于所述道路区域,且所述目标点相对所述道路区域的地面高度大于预设值,确认所述目标点为有效点。(2)若所述目标点位于所述非道路区域,且所述目标点相对所述非道路区域的地面高度小于所述预设值,确认所述目标点为有效点。
其中,预设值可以根据实际需要进行设定,按照目前标准该预设值优选为4.5m,即道路区域以内的空中道路标识的标识牌高度通常设置为大于4.5m,而非道路区域的空中道路标识的标识牌高度通常设置为小于4.5m。如果目标点的投影点的掩码值位于道路区域的正射掩码图所确定的区域内,那么目标点位于道路区域内;反之,如果目标点的投影点的掩码值位于非道路区域的正射掩码图所确定的区域内,那么目标点位于非道路区域。依据目标点的三维坐标计算目标点相对于道路区域的地面高度,通过将计算结果与预设值进行比较则可确定该目标点是否有效。
进一步需要说明的是,如果由于三维点云存在点云稀疏、遮挡、缺失等情况,而导致根据上述步骤s31-s34的实施方式或者步骤s41-s44的实施方式均无法获得目标点,或者所获得的目标点均为无效点时,本发明实施例的数据处理方法还可以通过引入人工检视的方法来完成剩余工作,具体请结合图3c,由于二维街景图像和三维点云基于惯导坐标系实现配准之后,确定了二维街景图像与三维点云之间的相互位置关系,这时目标空中道路标识的三维坐标必定落在该目标空中道路标识的入射光线OS上,因此,可以人工通过简单的沿着该入射光线OS移动代表目标空中道路标识的矩形框或圆形框(图示为矩形框),结合配准后的三维点云的分布可快速确定出该目标空中道路标识的三维位置。请参见图4a,二维街景图像中包含有两个红绿灯,左侧的红绿灯的三维坐标可以通过步骤S104的两种实施方式获得;右侧的红绿灯的三维坐标由于对应的点云缺失而无法通过步骤S104的两种实施方式获得,通过人工检视的介入,仍可以恢复其三维坐标;参见如图4b所示,通过不断的变换场景视角,可以找到最佳的观察代表目标空中道路标识位置的矩形框沿OS连线变化的视角,方便人工确定其最佳的三维坐标位置;由图4a-4b可以看出,虽然目标空中道路标识(即右侧红绿灯)对应的点云有缺失,但仍可以人工通过其周围物体的点云分布(本实例是通过左侧红绿灯的位置)确定其三维坐标。
本发明实施例的数据处理方法,通过采集包括二维街景图像、三维点云和惯导数据,从二维街景图像中检测目标空中道路标识的属性,借助于惯导数据实现三维点云与二维街景图像的配准,利用配准后的三维点云确定目标空中道路标识的三维空间位置;从而实现了自动化地对二维街景图像中的目标空中道路标识进行空间位置恢复的过程,简化了操作流程,有效地提升了检测结果的准确性,提升了数据处理的实用性。
本发明实施例提供了一种终端,该终端可以为笔记本电脑、手机、PAD(平板电脑)、车载终端等设备。请参见图5,该终端的内部结构可包括但不限于:处理器、用户接口、网络接口及存储器。其中,终端内的处理器、用户接口、网络接口及存储器可通过总线或其他方式连接,在本发明实施例所示图5中以通过总线连接为例。
其中,用户接口是实现用户与终端进行交互和信息交换的媒介,其具体体现可以包括用于输出的显示屏(Display)以及用于输入的键盘(Keyboard)等等,需要说明的是,此处的键盘既可以为实体键盘,也可以为触屏虚拟键盘,还可以为实体与触屏虚拟相结合的键盘。处理器(或称CPU(CentralProcessingUnit,中央处理器))是终端的计算核心以及控制核心,其可以解析终端内的各类指令以及处理终端的各类数据,例如:CPU可以用于解析用户向终端所发送的开关机指令,并控制终端进行开关机操作;再如:CPU可以在终端内部结构之间传输各类交互数据,等等。存储器(Memory)是终端中的记忆设备,用于存放程序和数据。可以理解的是,此处的存储器既可以包括终端的内置存储器,当然也可以包括终端所支持的扩展存储器。存储器提供存储空间,该存储空间存储了终端的操作系统。本发明实施例中,存储器的存储空间还存储了数据处理装置。终端通过运行存储器中的数据处理装置来执行上述图1-4所示方法流程的相应步骤。请参见图6,该数据处理装置运行如下单元:
采集单元101,用于采集道路数据,所述道路数据包括二维街景图像、三维点云和惯导数据。
检测单元102,用于从所述二维街景图像中检测目标空中道路标识的属性,所述属性包括位置和大小。
配准单元103,用于基于所述惯导数据将所述三维点云与所述二维街景图像在三维空间中进行配准。
确定单元104,用于采用配准后的所述三维点云确定所述目标空中道路标识的三维坐标。
具体实现中,该装置在运行所述检测单元102的过程中,具体运行如下单元:
标识识别单元1001,用于采用图像识别方法或采用神经网络学习方法从所述二维街景图像中识别目标空中道路标识。
属性获取单元1002,用于获取所述目标空中道路标识在所述二维街景图像中的属性。
具体实现中,该装置在运行所述配准单元103的过程中,具体运行如下单元:
建立单元2001,用于根据所述惯导数据建立三维空间的惯导坐标系。
三维配准单元2002,用于基于所述惯导坐标系将所述三维点云与所述二维街景图像在三维空间中进行配准。
在一种可行的实施方式中,该装置在运行所述确定单元104的过程中,具体运行如下单元:
入射光线确定单元3001,用于确定所述目标空中道路标识的入射光线。
点集查找单元3002,用于从配准后的所述三维点云中查找所述入射光线对应的点集。
目标点选取单元3003,用于选取所述点集中的几何中心点作为目标点。
坐标确定单元3004,用于将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
在另一种可行的实施方式中,该装置在运行所述确定单元104的过程中,具体运行如下单元:
相邻光线确定单元4001,用于利用空间前方交会方法确定所述目标空中道路标识的相邻两条入射光线。
交点求取单元4002,用于求取所述相邻两条入射光线的交点。
目标点查找单元4003,用于从配准后的所述三维点云中查找所述交点对应的目标点。
坐标确定单元3004,用于将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
具体实现中,该装置在运行所述确定单元104的过程中,还可运行如下单元:
验证单元105,用于验证所述目标点的有效性,若所述目标点为有效点,通知所述坐标确定单元将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
具体实现中,该装置在运行所述验证单元105的过程中,具体运行如下单元:
区域分割单元5001,用于采用配准后的所述三维点云对所述二维街景图像进行区域分割,提取地面区域的图像,所述地面区域包括道路区域及非道路区域。
二值化处理单元5002,用于对所述地面区域的图像进行二值化处理,获得二值化的地面区域图像。
变换单元5003,用于对所述二值化的地面区域图像进行正射投影变换,生成地面正射掩码图。
投影单元5004,用于将所述目标点投影至所述地面正射掩码图中。
有效性验证单元5005,用于根据所述目标点在所述地面正射掩码图中的位置验证所述目标点的有效性。
具体实现中,所述有效性验证单元5005具体用于:若所述目标点位于所述道路区域,且所述目标点相对所述道路区域的地面高度大于预设值,确认所述目标点为有效点;或者,若所述目标点位于所述非道路区域,且所述目标点相对所述非道路区域的地面高度小于所述预设值,确认所述目标点为有效点。
与方法同理,本发明实施例的终端及数据处理装置,通过采集包括二维街景图像、三维点云和惯导数据,从二维街景图像中检测目标空中道路标识的属性,借助于惯导数据实现三维点云与二维街景图像的配准,利用配准后的三维点云确定目标空中道路标识的三维空间位置;从而实现了自动化地对二维街景图像中的目标空中道路标识进行空间位置恢复的过程,简化了操作流程,有效地提升了检测结果的准确性,提升了数据处理的实用性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (17)
1.一种数据处理方法,其特征在于,包括:
采集道路数据,所述道路数据包括二维街景图像、三维点云和惯导数据;
从所述二维街景图像中检测目标空中道路标识的属性,所述属性包括位置和大小;
基于所述惯导数据将所述三维点云与所述二维街景图像在三维空间中进行配准;
采用配准后的所述三维点云确定所述目标空中道路标识的三维坐标。
2.如权利要求1所述的方法,其特征在于,所述从所述二维街景图像中检测目标空中道路标识的属性,包括:
采用图像识别方法或采用神经网络学习方法从所述二维街景图像中识别目标空中道路标识;
获取所述目标空中道路标识在所述二维街景图像中的属性。
3.如权利要求1或2所述的方法,其特征在于,所述基于所述惯导数据将所述三维点云与所述二维街景图像在三维空间中进行配准,包括:
根据所述惯导数据建立三维空间的惯导坐标系;
基于所述惯导坐标系将所述三维点云与所述二维街景图像在三维空间中进行配准。
4.如权利要求3所述的方法,其特征在于,所述采用配准后的所述三维点云确定所述目标空中道路标识的三维坐标,包括:
确定所述目标空中道路标识的入射光线;
从配准后的所述三维点云中查找所述入射光线对应的点集;
选取所述点集中的几何中心点作为目标点;
将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
5.如权利要求3所述的方法,其特征在于,所述采用配准后的所述三维点云确定所述目标空中道路标识的三维坐标,包括:
利用空间前方交会方法确定所述目标空中道路标识的相邻两条入射光线;
求取所述相邻两条入射光线的交点;
从配准后的所述三维点云中查找所述交点对应的目标点;
将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
6.如权利要求4或5所述的方法,其特征在于,所述将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标之前,还包括:
验证所述目标点的有效性;
若所述目标点为有效点,执行将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标的步骤。
7.如权利要求6所述的方法,其特征在于,所述验证所述目标点的有效性,包括:
采用配准后的所述三维点云对所述二维街景图像进行区域分割,提取地面区域的图像,所述地面区域包括道路区域及非道路区域;
对所述地面区域的图像进行二值化处理,获得二值化的地面区域图像;
对所述二值化的地面区域图像进行正射投影变换,生成地面正射掩码图;
将所述目标点投影至所述地面正射掩码图中;
根据所述目标点在所述地面正射掩码图中的位置验证所述目标点的有效性。
8.如权利要求7所述的方法,其特征在于,所述根据所述目标点在所述地面正射掩码图中的位置验证所述目标点的有效性,包括:
若所述目标点位于所述道路区域,且所述目标点相对所述道路区域的地面高度大于预设值,确认所述目标点为有效点;
若所述目标点位于所述非道路区域,且所述目标点相对所述非道路区域的地面高度小于所述预设值,确认所述目标点为有效点。
9.一种数据处理装置,其特征在于,包括:
采集单元,用于采集道路数据,所述道路数据包括二维街景图像、三维点云和惯导数据;
检测单元,用于从所述二维街景图像中检测目标空中道路标识的属性,所述属性包括位置和大小;
配准单元,用于基于所述惯导数据将所述三维点云与所述二维街景图像在三维空间中进行配准;
确定单元,用于采用配准后的所述三维点云确定所述目标空中道路标识的三维坐标。
10.如权利要求9所述的装置,其特征在于,所述检测单元包括:
标识识别单元,用于采用图像识别方法或采用神经网络学习方法从所述二维街景图像中识别目标空中道路标识;
属性获取单元,用于获取所述目标空中道路标识在所述二维街景图像中的属性。
11.如权利要求9或10所述的装置,其特征在于,所述配准单元包括:
建立单元,用于根据所述惯导数据建立三维空间的惯导坐标系;
三维配准单元,用于基于所述惯导坐标系将所述三维点云与所述二维街景图像在三维空间中进行配准。
12.如权利要求11所述的装置,其特征在于,所述确定单元包括:
入射光线确定单元,用于确定所述目标空中道路标识的入射光线;
点集查找单元,用于从配准后的所述三维点云中查找所述入射光线对应的点集;
目标点选取单元,用于选取所述点集中的几何中心点作为目标点;
坐标确定单元,用于将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
13.如权利要求11所述的装置,其特征在于,所述确定单元包括:
相邻光线确定单元,用于利用空间前方交会方法确定所述目标空中道路标识的相邻两条入射光线;
交点求取单元,用于求取所述相邻两条入射光线的交点;
目标点查找单元,用于从配准后的所述三维点云中查找所述交点对应的目标点;
坐标确定单元,用于将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
14.如权利要求12或13所述的装置,所述确定单元还包括:
验证单元,用于验证所述目标点的有效性,若所述目标点为有效点,通知所述坐标确定单元将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
15.如权利要求14所述的装置,其特征在于,所述验证单元包括:
区域分割单元,用于采用配准后的所述三维点云对所述二维街景图像进行区域分割,提取地面区域的图像,所述地面区域包括道路区域及非道路区域;
二值化处理单元,用于对所述地面区域的图像进行二值化处理,获得二值化的地面区域图像;
变换单元,用于对所述二值化的地面区域图像进行正射投影变换,生成地面正射掩码图;
投影单元,用于将所述目标点投影至所述地面正射掩码图中;
有效性验证单元,用于根据所述目标点在所述地面正射掩码图中的位置验证所述目标点的有效性。
16.如权利要求15所述的装置,其特征在于,所述有效性验证单元具体用于:若所述目标点位于所述道路区域,且所述目标点相对所述道路区域的地面高度大于预设值,确认所述目标点为有效点;或者,若所述目标点位于所述非道路区域,且所述目标点相对所述非道路区域的地面高度小于所述预设值,确认所述目标点为有效点。
17.一种终端,其特征在于,包括如权利要求9-16任一项所述的数据处理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610035275.8A CN105512646B (zh) | 2016-01-19 | 2016-01-19 | 一种数据处理方法、装置及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610035275.8A CN105512646B (zh) | 2016-01-19 | 2016-01-19 | 一种数据处理方法、装置及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105512646A true CN105512646A (zh) | 2016-04-20 |
CN105512646B CN105512646B (zh) | 2019-03-01 |
Family
ID=55720613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610035275.8A Active CN105512646B (zh) | 2016-01-19 | 2016-01-19 | 一种数据处理方法、装置及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105512646B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845547A (zh) * | 2017-01-23 | 2017-06-13 | 重庆邮电大学 | 一种基于摄像头的智能汽车定位与道路标识识别系统及方法 |
CN107977453A (zh) * | 2017-12-15 | 2018-05-01 | 深圳供电局有限公司 | 一种无人机巡视图片分类方法以及系统 |
CN108062537A (zh) * | 2017-12-29 | 2018-05-22 | 幻视信息科技(深圳)有限公司 | 一种3d空间定位方法、装置及计算机可读存储介质 |
CN108334802A (zh) * | 2017-01-20 | 2018-07-27 | 腾讯科技(深圳)有限公司 | 道路特征物的定位方法及装置 |
CN108573522A (zh) * | 2017-03-14 | 2018-09-25 | 腾讯科技(深圳)有限公司 | 一种标志数据的展示方法及终端 |
CN108846333A (zh) * | 2018-05-30 | 2018-11-20 | 厦门大学 | 标志牌地标数据集生成及车辆定位方法 |
CN109099901A (zh) * | 2018-06-26 | 2018-12-28 | 苏州路特工智能科技有限公司 | 基于多源数据融合的全自动压路机定位方法 |
CN109165549A (zh) * | 2018-07-09 | 2019-01-08 | 厦门大学 | 基于三维点云数据的道路标识获取方法、终端设备及装置 |
CN109490899A (zh) * | 2018-11-12 | 2019-03-19 | 广西交通科学研究院有限公司 | 一种基于激光雷达和红外热成像仪的隧道内火源定位方法 |
CN109767452A (zh) * | 2018-12-24 | 2019-05-17 | 深圳市道通智能航空技术有限公司 | 一种目标定位方法和装置、无人机 |
CN110135396A (zh) * | 2019-05-27 | 2019-08-16 | 百度在线网络技术(北京)有限公司 | 地面标志的识别方法、装置、设备及介质 |
CN110148196A (zh) * | 2018-09-12 | 2019-08-20 | 腾讯大地通途(北京)科技有限公司 | 一种图像处理方法、装置以及相关设备 |
CN110220501A (zh) * | 2019-06-11 | 2019-09-10 | 北京百度网讯科技有限公司 | 用于获取验证数据的方法、装置、电子设备和计算机存储介质 |
CN110378199A (zh) * | 2019-06-03 | 2019-10-25 | 北京北科安地科技发展有限公司 | 一种基于无人机多期影像的岩土体位移监测方法 |
CN110869974A (zh) * | 2018-11-19 | 2020-03-06 | 深圳市大疆创新科技有限公司 | 点云处理方法、设备及存储介质 |
CN111065123A (zh) * | 2019-12-20 | 2020-04-24 | 南京航空航天大学 | 一种地面信号地图恢复方法及系统 |
CN111062233A (zh) * | 2018-10-17 | 2020-04-24 | 北京地平线机器人技术研发有限公司 | 标识物表示的获取方法、标识物表示的获取装置和电子设备 |
CN111238494A (zh) * | 2018-11-29 | 2020-06-05 | 财团法人工业技术研究院 | 载具、载具定位系统及载具定位方法 |
CN111742242A (zh) * | 2019-06-11 | 2020-10-02 | 深圳市大疆创新科技有限公司 | 点云处理方法、系统、设备及存储介质 |
CN113091757A (zh) * | 2019-12-23 | 2021-07-09 | 百度在线网络技术(北京)有限公司 | 地图生成方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100250125A1 (en) * | 2007-07-04 | 2010-09-30 | Kristian Lundberg | Arrangement and method for providing a three dimensional map representation of an area |
CN103487035A (zh) * | 2013-10-11 | 2014-01-01 | 深圳市多维空间信息技术有限公司 | 基于车载影像的单目定位方法及系统 |
CN104063499A (zh) * | 2014-07-04 | 2014-09-24 | 纵横皆景(北京)信息技术有限公司 | 基于车载空间信息采集的空间矢量poi提取方法 |
CN104537393A (zh) * | 2015-01-04 | 2015-04-22 | 大连理工大学 | 一种基于多分辨率卷积神经网络的交通标志识别方法 |
-
2016
- 2016-01-19 CN CN201610035275.8A patent/CN105512646B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100250125A1 (en) * | 2007-07-04 | 2010-09-30 | Kristian Lundberg | Arrangement and method for providing a three dimensional map representation of an area |
CN103487035A (zh) * | 2013-10-11 | 2014-01-01 | 深圳市多维空间信息技术有限公司 | 基于车载影像的单目定位方法及系统 |
CN104063499A (zh) * | 2014-07-04 | 2014-09-24 | 纵横皆景(北京)信息技术有限公司 | 基于车载空间信息采集的空间矢量poi提取方法 |
CN104537393A (zh) * | 2015-01-04 | 2015-04-22 | 大连理工大学 | 一种基于多分辨率卷积神经网络的交通标志识别方法 |
Non-Patent Citations (1)
Title |
---|
聂倩等: ""车载激光点云与全景影像的配准研究"", 《遥感信息》 * |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334802A (zh) * | 2017-01-20 | 2018-07-27 | 腾讯科技(深圳)有限公司 | 道路特征物的定位方法及装置 |
CN106845547B (zh) * | 2017-01-23 | 2018-08-14 | 重庆邮电大学 | 一种基于摄像头的智能汽车定位与道路标识识别系统及方法 |
CN106845547A (zh) * | 2017-01-23 | 2017-06-13 | 重庆邮电大学 | 一种基于摄像头的智能汽车定位与道路标识识别系统及方法 |
CN108573522A (zh) * | 2017-03-14 | 2018-09-25 | 腾讯科技(深圳)有限公司 | 一种标志数据的展示方法及终端 |
CN108573522B (zh) * | 2017-03-14 | 2022-02-25 | 腾讯科技(深圳)有限公司 | 一种标志数据的展示方法及终端 |
CN107977453A (zh) * | 2017-12-15 | 2018-05-01 | 深圳供电局有限公司 | 一种无人机巡视图片分类方法以及系统 |
CN107977453B (zh) * | 2017-12-15 | 2019-07-02 | 深圳供电局有限公司 | 一种无人机巡视图片分类方法以及系统 |
CN108062537A (zh) * | 2017-12-29 | 2018-05-22 | 幻视信息科技(深圳)有限公司 | 一种3d空间定位方法、装置及计算机可读存储介质 |
CN108846333A (zh) * | 2018-05-30 | 2018-11-20 | 厦门大学 | 标志牌地标数据集生成及车辆定位方法 |
CN108846333B (zh) * | 2018-05-30 | 2022-02-18 | 厦门大学 | 标志牌地标数据集生成及车辆定位方法 |
CN109099901B (zh) * | 2018-06-26 | 2021-09-24 | 中科微易(苏州)智能科技有限公司 | 基于多源数据融合的全自动压路机定位方法 |
CN109099901A (zh) * | 2018-06-26 | 2018-12-28 | 苏州路特工智能科技有限公司 | 基于多源数据融合的全自动压路机定位方法 |
CN109165549A (zh) * | 2018-07-09 | 2019-01-08 | 厦门大学 | 基于三维点云数据的道路标识获取方法、终端设备及装置 |
CN109165549B (zh) * | 2018-07-09 | 2021-03-19 | 厦门大学 | 基于三维点云数据的道路标识获取方法、终端设备及装置 |
CN110148196A (zh) * | 2018-09-12 | 2019-08-20 | 腾讯大地通途(北京)科技有限公司 | 一种图像处理方法、装置以及相关设备 |
US11367217B2 (en) | 2018-09-12 | 2022-06-21 | Tencent Technology (Shenzhen) Company Limited | Image processing method and apparatus, and related device |
CN110148196B (zh) * | 2018-09-12 | 2022-03-25 | 腾讯大地通途(北京)科技有限公司 | 一种图像处理方法、装置以及相关设备 |
CN111062233A (zh) * | 2018-10-17 | 2020-04-24 | 北京地平线机器人技术研发有限公司 | 标识物表示的获取方法、标识物表示的获取装置和电子设备 |
CN109490899A (zh) * | 2018-11-12 | 2019-03-19 | 广西交通科学研究院有限公司 | 一种基于激光雷达和红外热成像仪的隧道内火源定位方法 |
CN110869974A (zh) * | 2018-11-19 | 2020-03-06 | 深圳市大疆创新科技有限公司 | 点云处理方法、设备及存储介质 |
WO2020102944A1 (zh) * | 2018-11-19 | 2020-05-28 | 深圳市大疆创新科技有限公司 | 点云处理方法、设备及存储介质 |
CN110869974B (zh) * | 2018-11-19 | 2024-06-11 | 深圳市卓驭科技有限公司 | 点云处理方法、设备及存储介质 |
CN111238494A (zh) * | 2018-11-29 | 2020-06-05 | 财团法人工业技术研究院 | 载具、载具定位系统及载具定位方法 |
CN111238494B (zh) * | 2018-11-29 | 2022-07-19 | 财团法人工业技术研究院 | 载具、载具定位系统及载具定位方法 |
CN109767452A (zh) * | 2018-12-24 | 2019-05-17 | 深圳市道通智能航空技术有限公司 | 一种目标定位方法和装置、无人机 |
CN110135396A (zh) * | 2019-05-27 | 2019-08-16 | 百度在线网络技术(北京)有限公司 | 地面标志的识别方法、装置、设备及介质 |
CN110378199A (zh) * | 2019-06-03 | 2019-10-25 | 北京北科安地科技发展有限公司 | 一种基于无人机多期影像的岩土体位移监测方法 |
CN111742242A (zh) * | 2019-06-11 | 2020-10-02 | 深圳市大疆创新科技有限公司 | 点云处理方法、系统、设备及存储介质 |
CN110220501A (zh) * | 2019-06-11 | 2019-09-10 | 北京百度网讯科技有限公司 | 用于获取验证数据的方法、装置、电子设备和计算机存储介质 |
CN111065123A (zh) * | 2019-12-20 | 2020-04-24 | 南京航空航天大学 | 一种地面信号地图恢复方法及系统 |
CN113091757A (zh) * | 2019-12-23 | 2021-07-09 | 百度在线网络技术(北京)有限公司 | 地图生成方法和装置 |
US11380035B2 (en) | 2019-12-23 | 2022-07-05 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating map |
Also Published As
Publication number | Publication date |
---|---|
CN105512646B (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105512646A (zh) | 一种数据处理方法、装置及终端 | |
CN110174093B (zh) | 定位方法、装置、设备和计算机可读存储介质 | |
US11482008B2 (en) | Directing board repositioning during sensor calibration for autonomous vehicles | |
JP4232167B1 (ja) | 対象特定装置、対象特定方法および対象特定プログラム | |
CN108694882B (zh) | 用于标注地图的方法、装置和设备 | |
Brenner | Extraction of features from mobile laser scanning data for future driver assistance systems | |
US8571265B2 (en) | Measurement apparatus, measurement method, and feature identification apparatus | |
US8665263B2 (en) | Aerial image generating apparatus, aerial image generating method, and storage medium having aerial image generating program stored therein | |
CN105719284A (zh) | 一种数据处理方法、装置及终端 | |
US11625851B2 (en) | Geographic object detection apparatus and geographic object detection method | |
CN108885106A (zh) | 使用地图的车辆部件控制 | |
JP4978615B2 (ja) | 対象特定装置 | |
CN109931939A (zh) | 车辆的定位方法、装置、设备及计算机可读存储介质 | |
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 | |
KR20210061722A (ko) | 고정밀 지도 제작 방법, 고정밀 지도 제작 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 | |
CN112805766A (zh) | 用于更新详细地图的装置和方法 | |
CN105758411A (zh) | 一种基于车载摄像头提升车载gps定位精度的系统和方法 | |
CN116958935A (zh) | 基于多视角的目标定位方法、装置、设备及介质 | |
JP5435294B2 (ja) | 画像処理装置及び画像処理プログラム | |
CN114252868A (zh) | 激光雷达的标定方法、装置、计算机设备和存储介质 | |
US20240183986A1 (en) | Travelable area extraction apparatus, system, and method, and non-transitory computer readable medium | |
JP6837626B1 (ja) | 地物データの生成システム、地物データベース更新システム及び地物データの生成方法 | |
JP7308772B2 (ja) | データ処理装置、データ処理方法及びデータ処理プログラム | |
US12033388B2 (en) | Positioning method, apparatus, device, and computer-readable storage medium | |
JP2022117835A (ja) | 地物データの生成装置及び地物データの生成方法 |
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 |