CN107992829A - 一种交通信号灯车道级控制关系提取方法及装置 - Google Patents
一种交通信号灯车道级控制关系提取方法及装置 Download PDFInfo
- Publication number
- CN107992829A CN107992829A CN201711269558.XA CN201711269558A CN107992829A CN 107992829 A CN107992829 A CN 107992829A CN 201711269558 A CN201711269558 A CN 201711269558A CN 107992829 A CN107992829 A CN 107992829A
- Authority
- CN
- China
- Prior art keywords
- traffic lights
- track
- level control
- control planning
- track level
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种交通信号灯车道级控制关系提取方法及装置,该方法包括采集前进方向道路路口的激光点云数据和高清实景图像数据,并基于数据融合技术,对两种数据进行匹配;利用图像语义分割技术从激光点云中提取交通信号灯的边界轮廓坐标;从高清实景图像数据中提取交通信号灯图像的特征信息,判断交通信号灯的类型;根据类型将所述交通信号灯与相应的车道匹配,得到交通信号灯的车道级控制关系。自动驾驶车按照车道级的路径行驶,经过交叉路口时,从高精度地图数据中得到受控信号灯的位置及属性信息,配合其他类型传感器一起进行环境感知和车身定位,从而有针对性解译交通信号,大大地提高自动驾驶车辆对交通信号的处理效率和准确度。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种交通信号灯车道级控制关系提取方法及装置。
背景技术
高精度地图是一种致力于服务汽车自动驾驶的地图制作技术和方法,拥有其他自动驾驶传感器所没有的先天优势,尤其是在一些路况复杂、干扰因素较多、GPS信号较差的路段,高精度的“超视距”、“不可感知”和“先验知识”等特性使其正在自动驾驶领域不可替代。常用来辅助自动驾驶车辆进行环境感知、车身定位和决策判断,实现车道级的路径规划和导航。
在复杂交叉路口环境下,多个方向的车流和行人在这里汇集交汇,路权发生冲突,所以需要依赖交通信号灯的相位变化对路权进行重新分配。自动驾驶车按照所规划车道级路径行驶,通过路口时,需要从扫描到的交通信号中找出直接支配当前车道路权的交通信号,并根据实时的交通信号做出是否继续行驶的决策。受车载传感器感知范围和交叉路口复杂交通状况的限制,这一过程并不轻松,决策预判的可靠性大大降低。
发明内容
本发明针对现有技术中存在的技术问题,提供一种交通信号灯车道级控制关系提取方法及装置,根据交通信号灯的朝向、位置、类型等特征,结合进入路口的各个车道左转、右转、掉头等转向规制,自动化提取交通信号灯与车道的控制关系,有效提高决策预判的可靠性。
本发明解决上述技术问题的技术方案如下:
本发明一方面提供一种交通信号灯车道级控制关系提取方法,包括以下步骤:
步骤1,采集前进方向道路路口的激光点云数据和高清实景图像数据,并基于数据融合技术,对所述激光点云数据和所述高清实景图像数据进行位置匹配;
步骤2,基于图像语义分割技术从激光点云中自动检测交通信号灯,提取交通信号灯的边界轮廓坐标;从高清实景图像数据中提取所述边界轮廓坐标内的交通信号灯图像的特征信息,判断所述交通信号灯的类型;
步骤3,根据所述交通信号灯的类型将所述交通信号灯与相应的车道匹配,得到所述交通信号灯的车道级控制关系。
进一步,所述步骤2还包括从所述激光点云数据中提取车道边界,从高清实景图像数据中提取地面标识的车道转向信息。
进一步,步骤2中所述的从高清实景图像数据中提取所述边界轮廓坐标内的交通信号灯图像的特征信息,判断所述交通信号灯的类型,包括:
根据所述交通信号灯的边界轮廓坐标,从高清实景图像数据中提取所述交通信号灯图像并分析获取所述交通信号灯的特征信息,基于深度学习方法将所述特征信息与标准信号灯模型特征信息做比对,判断所述交通信号灯是否为机动车信号灯或方向指示灯。
进一步,所述步骤3包括:
若所述交通信号灯为机动车信号灯,则将所述交通信号灯与各个车道进行关联,得到所述交通信号灯的车道级控制关系;
若所述交通信号灯为方向指示灯,则根据所述车道转向信息,将所述交通信号灯与相应的车道关联,得到所述交通信号灯的车道级控制关系。
本发明另一方面提供一种交通信号灯车道级控制关系提取装置,包括:
数据采集及融合模块,用于采集前进方向道路路口的激光点云数据和高清实景图像数据,并基于数据融合技术,对所述激光点云数据和所述高清实景图像数据进行位置匹配;
类型判断模块,用于基于图像语义分割技术从激光点云中自动检测交通信号灯,提取交通信号灯的边界轮廓坐标;从高清实景图像数据中提取所述边界轮廓坐标内的交通信号灯图像的特征信息,判断所述交通信号灯的类型;
匹配模块,用于根据所述交通信号灯的类型将所述交通信号灯与相应的车道匹配,得到所述交通信号灯的车道级控制关系。
进一步,所述类型判断模块还用于从所述激光点云数据中提取车道边界,从高清实景图像数据中提取地面标识的车道转向信息。
进一步,所述的从高清实景图像数据中提取所述边界轮廓坐标内的交通信号灯图像的特征信息,判断所述交通信号灯的类型,包括:
根据所述交通信号灯的边界轮廓坐标,从高清实景图像数据中提取所述交通信号灯图像并分析获取所述交通信号灯的特征信息,基于深度学习方法将所述特征信息与标准信号灯模型特征信息做比对,判断所述交通信号灯是否为机动车信号灯或方向指示灯。
进一步,所述匹配模块具体用于:
若所述交通信号灯为机动车信号灯,则将所述交通信号灯与各个车道进行关联,得到所述交通信号灯的车道级控制关系;
若所述交通信号灯为方向指示灯,则根据所述车道转向信息,将所述交通信号灯与相应的车道关联,得到所述交通信号灯的车道级控制关系。
本发明的有益效果是:自动驾驶车按照车道级的路径行驶,经过交叉路口时,从高精度地图数据中得到受控信号灯的位置及属性信息,配合其他类型传感器一起进行环境感知和车身定位,从而有针对性解译交通信号,大大地提高自动驾驶车辆对交通信号的处理效率和准确度。
附图说明
图1为本发明实施例提供的一种交通信号灯车道级控制关系提取方法流程图;
图2为本发明本发明实施例提供的一种交通信号灯车道级控制关系提取装置结构示意图。
具体实施方式
以下结合实例对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
图1为本发明实施例提供的一种交通信号灯车道级控制关系提取方法流程图,如图1所示,该方法包括以下步骤:
步骤1,采集前进方向道路路口的激光点云数据和高清实景图像数据,并基于数据融合技术,对所述激光点云数据和所述高清实景图像数据进行位置匹配;
步骤2,基于图像语义分割技术从激光点云中自动检测交通信号灯,提取交通信号灯的边界轮廓坐标;从高清实景图像数据中提取所述边界轮廓坐标内的交通信号灯图像的特征信息,判断所述交通信号灯的类型;
步骤3,根据所述交通信号灯的类型将所述交通信号灯与相应的车道匹配,得到所述交通信号灯的车道级控制关系。
进一步,所述步骤2还包括从所述激光点云数据中提取车道边界,从高清实景图像数据中提取地面标识的车道转向信息。
进一步,步骤2中所述的从高清实景图像数据中提取所述边界轮廓坐标内的交通信号灯图像的特征信息,判断所述交通信号灯的类型,包括:
根据所述交通信号灯的边界轮廓坐标,从高清实景图像数据中提取所述交通信号灯图像并分析获取所述交通信号灯的特征信息,基于深度学习方法将所述特征信息与标准信号灯模型特征信息做比对,判断所述交通信号灯是否为机动车信号灯或方向指示灯。
进一步,所述步骤3包括:
若所述交通信号灯为机动车信号灯,则将所述交通信号灯与各个车道进行关联,得到所述交通信号灯的车道级控制关系;若存在与主路关联的辅路,则辅路继承主路所关联的交通信号灯。
若所述交通信号灯为方向指示灯,则根据所述车道转向信息,将所述交通信号灯与相应的车道关联,得到所述交通信号灯的车道级控制关系。
本发明另一方面提供一种交通信号灯车道级控制关系提取装置,如图2所示,包括:
数据采集及融合模块,用于采集前进方向道路路口的激光点云数据和高清实景图像数据,并基于数据融合技术,对所述激光点云数据和所述高清实景图像数据进行位置匹配;
类型判断模块,用于基于图像语义分割技术从激光点云中自动检测交通信号灯,提取交通信号灯的边界轮廓坐标;从高清实景图像数据中提取所述边界轮廓坐标内的交通信号灯图像的特征信息,判断所述交通信号灯的类型;
匹配模块,用于根据所述交通信号灯的类型将所述交通信号灯与相应的车道匹配,得到所述交通信号灯的车道级控制关系。
进一步,所述类型判断模块还用于从所述激光点云数据中提取车道边界,从高清实景图像数据中提取地面标识的车道转向信息。
进一步,所述的从高清实景图像数据中提取所述边界轮廓坐标内的交通信号灯图像的特征信息,判断所述交通信号灯的类型,包括:
根据所述交通信号灯的边界轮廓坐标,从高清实景图像数据中提取所述交通信号灯图像并分析获取所述交通信号灯的特征信息,基于深度学习方法将所述特征信息与标准信号灯模型特征信息做比对,判断所述交通信号灯是否为机动车信号灯或方向指示灯。
进一步,所述匹配模块具体用于:
若所述交通信号灯为机动车信号灯,则将所述交通信号灯与各个车道进行关联,得到所述交通信号灯的车道级控制关系;若存在与主路关联的辅路,则辅路继承主路所关联的交通信号灯。
若所述交通信号灯为方向指示灯,则根据所述车道转向信息,将所述交通信号灯与相应的车道关联,得到所述交通信号灯的车道级控制关系。
本发明的有益效果是:自动驾驶车按照车道级的路径行驶,经过交叉路口时,从高精度地图数据中得到受控信号灯的位置及属性信息,配合其他类型传感器一起进行环境感知和车身定位,从而有针对性解译交通信号,大大地提高自动驾驶车辆对交通信号的处理效率和准确度。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种交通信号灯车道级控制关系提取方法,其特征在于,包括以下步骤:
步骤1,采集前进方向道路路口的激光点云数据和高清实景图像数据,并基于数据融合技术,对所述激光点云数据和所述高清实景图像数据进行位置匹配;
步骤2,基于图像语义分割技术从激光点云中自动检测交通信号灯,提取交通信号灯的边界轮廓坐标;从高清实景图像数据中提取所述边界轮廓坐标内的交通信号灯图像的特征信息,判断所述交通信号灯的类型;
步骤3,根据所述交通信号灯的类型将所述交通信号灯与相应的车道匹配,得到所述交通信号灯的车道级控制关系。
2.根据权利要求1所述一种交通信号灯车道级控制关系提取方法,其特征在于,所述步骤2还包括从所述激光点云数据中提取车道边界,从高清实景图像数据中提取地面标识的车道转向信息。
3.根据权利要求2所述一种交通信号灯车道级控制关系提取方法,其特征在于,步骤2中所述的从高清实景图像数据中提取所述边界轮廓坐标内的交通信号灯图像的特征信息,判断所述交通信号灯的类型,包括:
根据所述交通信号灯的边界轮廓坐标,从高清实景图像数据中提取所述交通信号灯图像并分析获取所述交通信号灯的特征信息,基于深度学习方法将所述特征信息与标准信号灯模型特征信息做比对,判断所述交通信号灯是否为机动车信号灯或方向指示灯。
4.根据权利要求3所述一种交通信号灯车道级控制关系提取方法,其特征在于,所述步骤3包括:
若所述交通信号灯为机动车信号灯,则将所述交通信号灯与各个车道进行关联,得到所述交通信号灯的车道级控制关系;
若所述交通信号灯为方向指示灯,则根据所述车道转向信息,将所述交通信号灯与相应的车道关联,得到所述交通信号灯的车道级控制关系。
5.一种交通信号灯车道级控制关系提取装置,其特征在于,包括:
数据采集及融合模块,用于采集前进方向道路路口的激光点云数据和高清实景图像数据,并基于数据融合技术,对所述激光点云数据和所述高清实景图像数据进行位置匹配;
类型判断模块,用于基于图像语义分割技术从激光点云中自动检测交通信号灯,提取交通信号灯的边界轮廓坐标;从高清实景图像数据中提取所述边界轮廓坐标内的交通信号灯图像的特征信息,判断所述交通信号灯的类型;
匹配模块,用于根据所述交通信号灯的类型将所述交通信号灯与相应的车道匹配,得到所述交通信号灯的车道级控制关系。
6.根据权利要求5所述一种交通信号灯车道级控制关系提取装置,其特征在于,所述类型判断模块还用于从所述激光点云数据中提取车道边界,从高清实景图像数据中提取地面标识的车道转向信息。
7.根据权利要求6所述一种交通信号灯车道级控制关系提取装置,其特征在于,所述的从高清实景图像数据中提取所述边界轮廓坐标内的交通信号灯图像的特征信息,判断所述交通信号灯的类型,包括:
根据所述交通信号灯的边界轮廓坐标,从高清实景图像数据中提取所述交通信号灯图像并分析获取所述交通信号灯的特征信息,基于深度学习方法将所述特征信息与标准信号灯模型特征信息做比对,判断所述交通信号灯是否为机动车信号灯或方向指示灯。
8.根据权利要求7所述一种交通信号灯车道级控制关系提取装置,其特征在于,所述匹配模块具体用于:
若所述交通信号灯为机动车信号灯,则将所述交通信号灯与各个车道进行关联,得到所述交通信号灯的车道级控制关系;
若所述交通信号灯为方向指示灯,则根据所述车道转向信息,将所述交通信号灯与相应的车道关联,得到所述交通信号灯的车道级控制关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711269558.XA CN107992829A (zh) | 2017-12-05 | 2017-12-05 | 一种交通信号灯车道级控制关系提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711269558.XA CN107992829A (zh) | 2017-12-05 | 2017-12-05 | 一种交通信号灯车道级控制关系提取方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107992829A true CN107992829A (zh) | 2018-05-04 |
Family
ID=62035682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711269558.XA Pending CN107992829A (zh) | 2017-12-05 | 2017-12-05 | 一种交通信号灯车道级控制关系提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107992829A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345574A (zh) * | 2018-08-31 | 2019-02-15 | 西安电子科技大学 | 基于语义点云配准的激光雷达三维建图方法 |
CN110542931A (zh) * | 2018-05-28 | 2019-12-06 | 北京京东尚科信息技术有限公司 | 红绿灯检测方法、装置、电子设备及计算机可读介质 |
CN110852278A (zh) * | 2019-11-12 | 2020-02-28 | 深圳创维数字技术有限公司 | 地面标识线识别方法、设备及计算机可读存储介质 |
CN111104849A (zh) * | 2018-10-29 | 2020-05-05 | 安波福技术有限公司 | 运载工具的导航期间的、地图中的环境特征的自动注释 |
CN111599186A (zh) * | 2020-03-25 | 2020-08-28 | 苏州哈度软件有限公司 | 一种基于数据分析的车道掉头系统及其工作方法 |
CN111661054A (zh) * | 2020-05-08 | 2020-09-15 | 东软睿驰汽车技术(沈阳)有限公司 | 车辆控制方法、装置、电子设备及存储介质 |
CN112434706A (zh) * | 2020-11-13 | 2021-03-02 | 武汉中海庭数据技术有限公司 | 一种基于图像点云融合的高精度交通要素目标提取方法 |
CN112614365A (zh) * | 2020-12-14 | 2021-04-06 | 北京三快在线科技有限公司 | 一种电子地图处理方法及装置 |
KR20210078532A (ko) * | 2018-10-24 | 2021-06-28 | 웨이모 엘엘씨 | 자율 주행 차량을 위한 교통 신호등 검출 및 차선 상태 인식 |
CN113129606A (zh) * | 2020-01-15 | 2021-07-16 | 宁波吉利汽车研究开发有限公司 | 一种道路信号灯预警方法、装置及介质 |
CN114973687A (zh) * | 2022-05-13 | 2022-08-30 | 北京百度网讯科技有限公司 | 一种交通信息处理方法、装置、设备和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102117546A (zh) * | 2011-03-10 | 2011-07-06 | 上海交通大学 | 车载交通信号灯辅助装置 |
CN104280036A (zh) * | 2013-07-05 | 2015-01-14 | 北京四维图新科技股份有限公司 | 一种交通信息的检测与定位方法、装置及电子设备 |
CN104361350A (zh) * | 2014-10-28 | 2015-02-18 | 奇瑞汽车股份有限公司 | 一种交通标识识别系统 |
CN107226087A (zh) * | 2017-05-26 | 2017-10-03 | 西安电子科技大学 | 一种结构化道路自动驾驶运输车及控制方法 |
-
2017
- 2017-12-05 CN CN201711269558.XA patent/CN107992829A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102117546A (zh) * | 2011-03-10 | 2011-07-06 | 上海交通大学 | 车载交通信号灯辅助装置 |
CN104280036A (zh) * | 2013-07-05 | 2015-01-14 | 北京四维图新科技股份有限公司 | 一种交通信息的检测与定位方法、装置及电子设备 |
CN104361350A (zh) * | 2014-10-28 | 2015-02-18 | 奇瑞汽车股份有限公司 | 一种交通标识识别系统 |
CN107226087A (zh) * | 2017-05-26 | 2017-10-03 | 西安电子科技大学 | 一种结构化道路自动驾驶运输车及控制方法 |
Non-Patent Citations (1)
Title |
---|
黄武陵: "基于ROS构建无人驾驶车辆环境感知系统", 《单片机与嵌入式系统应用》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110542931A (zh) * | 2018-05-28 | 2019-12-06 | 北京京东尚科信息技术有限公司 | 红绿灯检测方法、装置、电子设备及计算机可读介质 |
CN110542931B (zh) * | 2018-05-28 | 2021-12-28 | 北京京东乾石科技有限公司 | 红绿灯检测方法、装置、电子设备及计算机可读介质 |
CN109345574A (zh) * | 2018-08-31 | 2019-02-15 | 西安电子科技大学 | 基于语义点云配准的激光雷达三维建图方法 |
CN109345574B (zh) * | 2018-08-31 | 2020-10-09 | 西安电子科技大学 | 基于语义点云配准的激光雷达三维建图方法 |
KR20210078532A (ko) * | 2018-10-24 | 2021-06-28 | 웨이모 엘엘씨 | 자율 주행 차량을 위한 교통 신호등 검출 및 차선 상태 인식 |
KR102558774B1 (ko) * | 2018-10-24 | 2023-07-25 | 웨이모 엘엘씨 | 자율 주행 차량을 위한 교통 신호등 검출 및 차선 상태 인식 |
CN113168513A (zh) * | 2018-10-24 | 2021-07-23 | 伟摩有限责任公司 | 用于自动车辆的交通灯检测和车道状态辨识 |
US11645852B2 (en) | 2018-10-24 | 2023-05-09 | Waymo Llc | Traffic light detection and lane state recognition for autonomous vehicles |
CN111104849A (zh) * | 2018-10-29 | 2020-05-05 | 安波福技术有限公司 | 运载工具的导航期间的、地图中的环境特征的自动注释 |
US11774261B2 (en) | 2018-10-29 | 2023-10-03 | Motional Ad Llc | Automatic annotation of environmental features in a map during navigation of a vehicle |
US11340080B2 (en) | 2018-10-29 | 2022-05-24 | Motional Ad Llc | Automatic annotation of environmental features in a map during navigation of a vehicle |
CN110852278B (zh) * | 2019-11-12 | 2022-08-30 | 深圳创维数字技术有限公司 | 地面标识线识别方法、设备及计算机可读存储介质 |
CN110852278A (zh) * | 2019-11-12 | 2020-02-28 | 深圳创维数字技术有限公司 | 地面标识线识别方法、设备及计算机可读存储介质 |
CN113129606A (zh) * | 2020-01-15 | 2021-07-16 | 宁波吉利汽车研究开发有限公司 | 一种道路信号灯预警方法、装置及介质 |
CN111599186A (zh) * | 2020-03-25 | 2020-08-28 | 苏州哈度软件有限公司 | 一种基于数据分析的车道掉头系统及其工作方法 |
CN111661054A (zh) * | 2020-05-08 | 2020-09-15 | 东软睿驰汽车技术(沈阳)有限公司 | 车辆控制方法、装置、电子设备及存储介质 |
CN111661054B (zh) * | 2020-05-08 | 2022-03-04 | 东软睿驰汽车技术(沈阳)有限公司 | 车辆控制方法、装置、电子设备及存储介质 |
CN112434706A (zh) * | 2020-11-13 | 2021-03-02 | 武汉中海庭数据技术有限公司 | 一种基于图像点云融合的高精度交通要素目标提取方法 |
CN112614365B (zh) * | 2020-12-14 | 2022-07-15 | 北京三快在线科技有限公司 | 一种电子地图处理方法及装置 |
CN112614365A (zh) * | 2020-12-14 | 2021-04-06 | 北京三快在线科技有限公司 | 一种电子地图处理方法及装置 |
CN114973687A (zh) * | 2022-05-13 | 2022-08-30 | 北京百度网讯科技有限公司 | 一种交通信息处理方法、装置、设备和介质 |
CN114973687B (zh) * | 2022-05-13 | 2024-03-05 | 北京百度网讯科技有限公司 | 一种交通信息处理方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107992829A (zh) | 一种交通信号灯车道级控制关系提取方法及装置 | |
US11755024B2 (en) | Navigation by augmented path prediction | |
US11774261B2 (en) | Automatic annotation of environmental features in a map during navigation of a vehicle | |
US11148664B2 (en) | Navigation in vehicle crossing scenarios | |
US20220001872A1 (en) | Semantic lane description | |
CN105928531B (zh) | 一种适用于无人驾驶汽车的行进路线精准生成方法 | |
CN105678316B (zh) | 基于多信息融合的主动驾驶方法 | |
CN109849922B (zh) | 一种用于智能车辆的基于视觉信息与gis信息融合的方法 | |
US11216689B2 (en) | Detection of emergency vehicles | |
US20220383545A1 (en) | Crowd-sourced 3d points and point cloud alignment | |
US20210309231A1 (en) | Driving Environment Information Generation Method, Driving Control Method, Driving Environment Information Generation Device | |
US20140236463A1 (en) | Enhanced clear path detection in the presence of traffic infrastructure indicator | |
CN106441319A (zh) | 一种无人驾驶车辆车道级导航地图的生成系统及方法 | |
CN106525057A (zh) | 高精度道路地图的生成系统 | |
CN111177288A (zh) | 用于导出自主车辆启用的可行驶地图的系统 | |
RU2766038C1 (ru) | Способ и устройство для генерирования информации о среде передвижения для транспортного средства, а также способ управления движением для транспортного средства | |
KR102425735B1 (ko) | 로드뷰 또는 항공뷰 맵 정보를 이용한 자율주행 방법 및 그 시스템 | |
EP4220584A1 (en) | Systems and methods for dynamic road geometry modeling and navigation | |
CN109357680A (zh) | 港口无人驾驶集装箱卡车高精地图生成方法 | |
EP3647733A1 (en) | Automatic annotation of environmental features in a map during navigation of a vehicle | |
US20220363263A1 (en) | Automated bump and/or depression detection in a roadway | |
US20220351526A1 (en) | Multi-frame image segmentation | |
DE112021002680T5 (de) | Systeme und verfahren zum erkennen einer offenen tür | |
WO2021198775A1 (en) | Control loop for navigating a vehicle | |
CN110765224A (zh) | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180504 |
|
RJ01 | Rejection of invention patent application after publication |