CN109084782A - 基于摄像头传感器的车道线地图构建方法以及构建系统 - Google Patents
基于摄像头传感器的车道线地图构建方法以及构建系统 Download PDFInfo
- Publication number
- CN109084782A CN109084782A CN201710441856.6A CN201710441856A CN109084782A CN 109084782 A CN109084782 A CN 109084782A CN 201710441856 A CN201710441856 A CN 201710441856A CN 109084782 A CN109084782 A CN 109084782A
- Authority
- CN
- China
- Prior art keywords
- lane line
- vehicle
- sensing device
- under
- camera sensing
- 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
- 238000000034 method Methods 0.000 title abstract description 7
- 238000011088 calibration curve Methods 0.000 claims abstract description 29
- 238000010276 construction Methods 0.000 claims abstract description 27
- 230000009466 transformation Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3848—Data obtained from both position sensors and additional sensors
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Instructional Devices (AREA)
Abstract
本发明涉及车道线地图的构建方法以及构建系统。该方法包括下述步骤:利用设置在车辆上的GPS传感器获取车辆的位置信息;利用设置在车辆上的摄像头传感器识别车道线并输出车道线曲线信息;根据获取的车辆的位置信息和获取的车道线曲线信息计算得到车道线的轨迹;以及获得的车道线的轨迹拼接而构成车道线地图。根据本发明,能够利用较低成本获得高精度的车道线地图。
Description
技术领域
本发明涉及地理信息数据采集领域、地图测绘领域,具体地涉及一种高精细的车道线地图的构建方法以及构建系统。
背景技术
现有导航地图精度一般不高,并且以整条道路作为对象提供道路信息数据或者进行导航指令发布,这种导航地图称之为道路级别地图,是对实际交通环境的大幅度简化,能提供的信息量数量少,精确度低,对驾驶员的辅助能力较低。
随着车辆的辅助驾驶技术以及无人驾驶技术的发展,对地图精度以及信息量的要求也逐渐提高,原有道路级地图已经无法满足,需要一种能够提供高精度、详细道路信息的新型高精细地图。
作为这样的新型高精细地图已经提出了车道线级别的高精度地图。车道线级别的高精度地图是自动驾驶系统的重要输入。在自动驾驶汽车行驶过程中,车上的传感器检测周围环境信息,完成环境感知,但传感器不具有驾驶员联想的作用,车道线地图能够弥补传感器系统的不足,能够增强自动驾驶系统的环境感知能力。
目前现有技术中主要通过激光雷达扫描周围环境,结合GPS完成地图的构建,而由于车道线采集的难度和工作量,现有的高精度地图一般不包含车道线信息。
由于这样的车道线级别的高精度地图的构建,需要花费极大的时间和成本,因此,急需提供一种能够自动化构成车道线地图的方法。
发明内容
鉴于上述问题,本发明旨在提供一种能够构建高精度车道线地图的车道线地图的构建方法以及构建系统。
本发明的车道线地图的构建方法,其特征在于,包括下述步骤:
车辆位置信息获取步骤,利用设置在车辆上的GPS传感器获取车辆的位置信息;
车道线曲线信息获取步骤,利用设置在车辆上的摄像头传感器识别车道线并输出车道线曲线信息;
车道线轨迹获取步骤,根据上述车辆位置信息获取步骤获取的车辆的位置信息和上述车道线曲线信息获取步骤获取的车道线曲线信息计算得到车道线的轨迹;以及
车道线地图构建步骤,将在上述车道线轨迹获取步骤中得到的车道线的轨迹拼接而构成车道线地图。
可选地,在所述车道线曲线信息获取步骤中,所述摄像头传感器识别车道线,得到由以下公式表示的在摄像头传感器坐标系下的车道曲线:
其中,yc、xc是指车道线上的点在摄像头传感器坐标系下的坐标位置,
C0表示垂直于车辆纵轴方向上摄像头传感器到车道线的距离,
C1表示车辆纵轴方向上与车道线切线方向的夹角,
C2表示车道线的曲率,
C3表示车道线的曲率变换。
可选地,在所述车辆位置信息获取步骤中,利用设置在车辆上的GPS传感器获取车辆在第i时刻的位置信息记作:
其中,o,v表示:o表示在大地坐标系下,v表示车辆。
可选地,在所述车道线曲线信息获取步骤中,将第i时刻获得的车道线上的车辆位置坐标表示为:
在车辆坐标系下的摄像头传感器的位置表示为:
将摄像头传感器坐标系下车道线上的最近的点的位置转换到车辆坐标系下的位置表示为:
由此,作为车道线曲线信息,如下式那样获得第i时刻的车道线上的位置坐标:
可选地,在所述车道线轨迹获取步骤中,第i时刻在大地坐标系下的车道线上的点的位置表示为:
将在大地坐标系下第i时刻的车辆位置表示为:
利用下式将车辆坐标系下的摄像头传感器的位置转换为大地坐标系下:
其次,利用下式将摄像头传感器坐标系下的车道线上的点的位置转换为大地坐标系下:
由此,作为车道线的轨迹,利用下式求得第i时刻在大地坐标系下的车道线上的点的位置:
其中,θ为第i时刻在大地坐标系下,车辆纵轴与大地坐标系横坐标的夹角。
可选地,在所述车道线地图构建步骤中,将在上述车道线轨迹获取步骤中得到的车道线的轨迹、即第i时刻在大地坐标系下的车道线上的点连接起来得到构成车道线地图,其中i=1,2,3,….N,N为正数。
本发明的车道线地图的构建系统,其特征在于,具备:
GPS传感器,设置在车辆上,用于获取车辆的位置信息;
摄像头传感器,用于识别车道线并输出车道线信息;
处理器,从所述GPS传感器获取车辆的位置信息并且从所述摄像头传感器获取车道线信息,根据所述位置信息和所述车道线曲线信息计算得到车道线的轨迹,将计算得到的车道线的轨迹拼接而构成车道线地图。
可选地,所述摄像头传感器识别车道线,得到由以下公式表示的在摄像头传感器坐标系下的车道曲线:
其中,yc、xc是指车道线上的点在摄像头传感器坐标系下的坐标位置,
C0表示垂直于车辆纵轴方向上摄像头传感器到车道线的距离,
C1表示车辆纵轴方向上与车道线切线方向的夹角,
C2表示车道线的曲率,
C3表示车道线的曲率变换。
9.如权利要求8所述的车道线地图的构建系统,其特征在于,
所述GPS传感器获取车辆在第i时刻的位置信息记作:
其中,o,v表示:o表示在大地坐标系下,v表示车辆。
可选地,所述处理器进行如下处理:
将第i时获得的车道线上的车辆位置坐标表示为:
在车辆坐标系下的摄像头传感器的位置表示为:
将摄像头传感器坐标系下车道线上的最近的点的位置转换到车辆坐标系下的位置表示为:
由此,作为车道线曲线信息,如下式那样获得第i时刻的车道线上的位置坐标:
可选地,所述处理器进行如下处理:
第i时刻在大地坐标系下的车道线上的点的位置表示为:
将在大地坐标系下第i时刻的车辆位置表示为:
利用下式将车辆坐标系下的摄像头传感器的位置转换为大地坐标系下:
其次,利用下式将摄像头传感器坐标系下的车道线上的点的位置转换为大地坐标系下:
由此,作为车道线的轨迹,利用下式求得第i时刻在大地坐标系下的车道线上的点的位置:
其中,θ为第i时刻在大地坐标系下,车辆纵轴与大地坐标系横坐标的夹角。
可选地,所述处理器进行如下处理:
将所述车道线的轨迹、即第i时刻在大地坐标系下的车道线上的点连接起来得到构成车道线地图,其中i=1,2,3,….N,N为正数。
本发明的储存设备,其中,储存有多条指令,所述指令适于由处理器加载并执行上述车道线地图的构建方法。
根据本发明的车道线地图的构建方法以及构建系统能够获得以下的有益技术效果:
(1)本发明的车道线地图的构建方法以及构建系统以摄像头传感器、GPS传感器为采集工具,因此采集成本低、花费时间相对少;
(2)本发明的车道线地图的构建方法以及构建系统以摄像头传感器、GPS传感器为采集工具,因此,采集精度高,能够获得高精度的车道线地图;
(3)本发明的车道线地图的构建方法以及构建系统可以应用在实际道路的自动驾驶中;
(4)本发明的车道线地图的构建方法以及构建系统也可以把采集到的车道线地图数据导入仿真场景中,快速还原实际交通场景,能够使得仿真测试更加接近实际的车道线道路环境,例如,能够将车道线地图倒入仿真场景中生成模拟场景,在模拟道路交通场景中开发自动驾驶算法。
附图说明
图1是表示本发明的一实施方式的车道线地图的构建方法的流程图。
图2是表示车道线上的点(即车辆)在摄像头传感器坐标系下的坐标位置。
图3是表示本发明的车道线地图的构建系统的示意图。
具体实施方式
下面介绍的是本发明的多个实施例中的一些,旨在提供对本发明的基本了解。并不旨在确认本发明的关键或决定性的要素或限定所要保护的范围。
本发明的车道线地图的构建方法的技术构思在于,利用摄像头传感器能够识别图像纹理信息的优势,通过图像处理算法实时识别出道路上的车道线,结合高精度GPS传感器获得的位置信号,计算出当前车道线段的参数。将检测到的车道线段连接起来,从而得到车道线地图。
接着对于本发明的一实施方式的车道线地图的构建方法进行说明。
图1是表示本发明的一实施方式的车道线地图的构建方法的流程图。
如图1所示,本发明的一实施方式的车道线地图的构建方法包括下述步骤:
车辆位置信息获取步骤S100:利用设置在车辆上的GPS传感器获取车辆的位置信息;
车道线曲线信息获取步骤S200:利用设置在车辆上的摄像头传感器识别车道线并输出车道线曲线信息;
车道线轨迹获取步骤S300:根据上述车辆位置信息获取步骤S100获取的车辆的位置信息和上述车道线曲线信息获取步骤S200获取的车道线曲线信息计算得到车道线的轨迹;以及
车道线地图构建步骤S400:将在上述车道线轨迹获取步骤S300中得到的车道线的轨迹拼接而构成车道线地图。
接着对于上述各步骤进行具体说明。
图2是表示车道线上的点(即车辆)在摄像头传感器坐标系下的坐标位置。
在车道线曲线信息获取步骤S100中,摄像头传感器识别车道线,得到由以下公式表示的在摄像头传感器坐标系下的车道曲线:
其中,如图2所示,yc、xc是指车道线上的点在摄像头传感器坐标系下的坐标位置。并且,C0表示垂直于车辆纵轴方向上摄像头传感器到车道线的距离,C1表示车辆纵轴方向上与车道线切线方向的夹角,C2表示车道线的曲率,C3表示车道线的曲率变换。其中,θ为图2中的θ。
这样,在车辆位置信息获取步骤S200中,利用设置在车辆上的GPS传感器获取车辆在第i时刻的位置信息记作:
其中,o,v表示:o表示在大地坐标系下,v表示车辆。
在车道线曲线信息获取步骤S300中,将第i时刻获得的车道线上的车辆位置坐标表示为:
并且,在车辆坐标系下的摄像头传感器的位置表示为:
同时,将摄像头传感器坐标系下车道线上的最近的点的位置转换到车辆坐标系下的位置表示为:
由此,作为车道线曲线信息,如下式那样获得第i时刻的车道线上的位置坐标:
接着,在车道线轨迹获取步骤S300中,第i时刻在大地坐标系下的车道线上的点的位置表示为:
将在大地坐标系下第i时刻的车辆位置表示为:
利用下式将车辆坐标系下的摄像头传感器的位置转换为大地坐标系下:
其次,利用下式将摄像头传感器坐标系下的车道线上的点的位置转换为大地坐标系下:
由此,作为车道线的轨迹,利用下式求得第i时刻在大地坐标系下的车道线上的点的位置:
在车道线地图构建步骤S400中,将在上述车道线轨迹获取步骤S300中得到的车道线的轨迹、即第i时刻在大地坐标系下的车道线上的点连接起来得到构成车道线地图,其中i=1,2,3,….N,N为正数。
以上对于本发明一实施方式的车道线地图的构建系统进行了说明。接着,对于本发明的车道线地图的构建系统进行说明。
图3是表示本发明的车道线地图的构建系统的示意图。
如图3所示,本发明的车道线地图的构建系统具备:
GPS传感器100,设置在车辆上,用于获取车辆的位置信息;
摄像头传感器200,设置于车辆上,用于识别车道线并输出车道线信息;以及
处理器300,从GPS传感器100获取车辆的位置信息并且从摄像头传感器200获取车道线信息,根据所述位置信息和所述车道线曲线信息计算得到车道线的轨迹,将计算得到的车道线的轨迹拼接而构成车道线地图。
可选地,摄像头传感器200可设置在车辆前挡风玻璃处。摄像头传感器200用于识别车道线,得到由以下公式表示的在摄像头传感器坐标系下的车道曲线:
其中,yc、xc是指车道线上的点在摄像头传感器坐标系下的坐标位置,
C0表示垂直于车辆纵轴方向上摄像头传感器到车道线的距离,
C1表示车辆纵轴方向上与车道线切线方向的夹角,
C2表示车道线的曲率,
C3表示车道线的曲率变换。
进一步,GPS传感器100获取车辆在第i时刻的位置信息记作:
其中,o,v表示:o表示在大地坐标系下,v表示车辆。
如此,处理器300进行如下处理:
将第i时获得的车道线上的车辆位置坐标表示为:
在车辆坐标系下的摄像头传感器的位置表示为:
将摄像头传感器坐标系下车道线上的最近的点的位置转换到车辆坐标系下的位置表示为:
由此,作为车道线曲线信息,如下式那样获得第i时刻的车道线上的位置坐标:
而且,处理器300进行如下处理:
第i时刻在大地坐标系下的车道线上的点的位置表示为:
将在大地坐标系下第i时刻的车辆位置表示为:
利用下式将车辆坐标系下的摄像头传感器的位置转换为大地坐标系下:
其次,利用下式将摄像头传感器坐标系下的车道线上的点的位置转换为大地坐标系下:
由此,作为车道线的轨迹,利用下式求得第i时刻在大地坐标系下的车道线上的点的位置:
其中,θ为第i时刻在大地坐标系下,车辆纵轴与大地坐标系横坐标的夹角,具体请参见图2。
接着,处理器300进行如下处理:
将所述车道线的轨迹、即第i时刻在大地坐标系下的车道线上的点连接起来得到构成车道线地图,其中i=1,2,3,….N,N为正数。
如上所述,利用本发明的车道线地图的构建方法以及构建系统能够获得以下的有益技术效果:
(1)本发明的车道线地图的构建方法以及构建系统以摄像头传感器、GPS传感器为采集工具,因此采集成本低、花费时间相对少;
(2)本发明的车道线地图的构建方法以及构建系统以摄像头传感器、GPS传感器为采集工具,因此,采集精度高,能够获得高精度的车道线地图;
(3)本发明的车道线地图的构建方法以及构建系统可以应用在实际道路的自动驾驶中;
(4)本发明的车道线地图的构建方法以及构建系统也可以把采集到的车道线地图数据导入仿真场景中,快速还原实际交通场景,能够使得仿真测试更加接近实际的车道线道路环境,例如,能够将车道线地图倒入仿真场景中生成模拟场景,在模拟道路交通场景中开发自动驾驶算法。
以上例子主要说明了本发明的基于摄像头传感器的车道线地图构建方法以及构建系统。尽管只对其中一些本发明的具体实施方式进行了描述,但是本领域普通技术人员应当了解,本发明可以在不偏离其主旨与范围内以许多其他的形式实施。因此,所展示的例子与实施方式被视为示意性的而非限制性的,在不脱离如所附各权利要求所定义的本发明精神及范围的情况下,本发明可能涵盖各种的修改与替换。
Claims (13)
1.一种车道线地图的构建方法,其特征在于,包括下述步骤:
车辆位置信息获取步骤,利用设置在车辆上的GPS传感器获取车辆的位置信息;
车道线曲线信息获取步骤,利用设置在车辆上的摄像头传感器识别车道线并输出车道线曲线信息;
车道线轨迹获取步骤,根据上述车辆位置信息获取步骤获取的车辆的位置信息和上述车道线曲线信息获取步骤获取的车道线曲线信息计算得到车道线的轨迹;以及
车道线地图构建步骤,将在上述车道线轨迹获取步骤中得到的车道线的轨迹拼接而构成车道线地图。
2.如权利要求1所述的车道线地图的构建方法,其特征在于,
在所述车道线曲线信息获取步骤中,所述摄像头传感器识别车道线,得到由以下公式表示的在摄像头传感器坐标系下的车道曲线:
其中,yc、xc是指车道线上的点在摄像头传感器坐标系下的坐标位置,
C0表示垂直于车辆纵轴方向上摄像头传感器到车道线的距离,
C1表示车辆纵轴方向上与车道线切线方向的夹角,
C2表示车道线的曲率,
C3表示车道线的曲率变换。
3.如权利要求2所述的车道线地图的构建方法,其特征在于,
在所述车辆位置信息获取步骤中,利用设置在车辆上的GPS传感器获取车辆在第i时刻的位置信息记作:
,
其中,o,v表示:o表示在大地坐标系下,v表示车辆。
4.如权利要求3所述的车道线地图的构建方法,其特征在于,
在所述车道线曲线信息获取步骤中,将第i时刻获得的车道线上的车辆位置坐标表示为:
,
在车辆坐标系下的摄像头传感器的位置表示为:
,
将摄像头传感器坐标系下车道线上的最近的点的位置转换到车辆坐标系下的位置表示为:
,
由此,作为车道线曲线信息,如下式那样获得第i时刻的车道线上的位置坐标:
。
5.如权利要求4所述的车道线地图的构建方法,其特征在于,
在所述车道线轨迹获取步骤中,第i时刻在大地坐标系下的车道线上的点的位置表示为:
,
将在大地坐标系下第i时刻的车辆位置表示为:
,
利用下式将车辆坐标系下的摄像头传感器的位置转换为大地坐标系下:
,
其次,利用下式将摄像头传感器坐标系下的车道线上的点的位置转换为大地坐标系下:
,
由此,作为车道线的轨迹,利用下式求得第i时刻在大地坐标系下的车道线上的点的位置:
其中,θ为第i时刻在大地坐标系下,车辆纵轴与大地坐标系横坐标的夹角。
6.如权利要求4所述的车道线地图的构建方法,其特征在于,
在所述车道线地图构建步骤中,将在上述车道线轨迹获取步骤中得到的车道线的轨迹、即第i时刻在大地坐标系下的车道线上的点连接起来得到构成车道线地图,其中i=1,2,3,….N,N为正数。
7.一种车道线地图的构建系统,其特征在于,具备:
GPS传感器,设置在车辆上,用于获取车辆的位置信息;
摄像头传感器,用于识别车道线并输出车道线信息;
处理器,从所述GPS传感器获取车辆的位置信息并且从所述摄像头传感器获取车道线信息,根据所述位置信息和所述车道线曲线信息计算得到车道线的轨迹,将计算得到的车道线的轨迹拼接而构成车道线地图。
8.如权利要求7所述的车道线地图的构建系统,其特征在于,
所述摄像头传感器识别车道线,得到由以下公式表示的在摄像头传感器坐标系下的车道曲线:
其中,yc、xc是指车道线上的点在摄像头传感器坐标系下的坐标位置,
C0表示垂直于车辆纵轴方向上摄像头传感器到车道线的距离,
C1表示车辆纵轴方向上与车道线切线方向的夹角,
C2表示车道线的曲率,
C3表示车道线的曲率变换。
9.如权利要求8所述的车道线地图的构建系统,其特征在于,
所述GPS传感器获取车辆在第i时刻的位置信息记作:
,
其中,o,v表示:o表示在大地坐标系下,v表示车辆。
10.如权利要求9所述的车道线地图的构建系统,其特征在于,
所述处理器进行如下处理:
将第i时获得的车道线上的车辆位置坐标表示为:
,
在车辆坐标系下的摄像头传感器的位置表示为:
将摄像头传感器坐标系下车道线上的最近的点的位置转换到车辆坐标系下的位置表示为:
,
由此,作为车道线曲线信息,如下式那样获得第i时刻的车道线上的位置坐标:
。
。
11.如权利要求10所述的车道线地图的构建系统,其特征在于,
所述处理器进行如下处理:
第i时刻在大地坐标系下的车道线上的点的位置表示为:
,
将在大地坐标系下第i时刻的车辆位置表示为:
,
利用下式将车辆坐标系下的摄像头传感器的位置转换为大地坐标系下:
,
其次,利用下式将摄像头传感器坐标系下的车道线上的点的位置转换为大地坐标系下:
,
由此,作为车道线的轨迹,利用下式求得第i时刻在大地坐标系下的车道线上的点的位置:
,
其中,θ为第i时刻在大地坐标系下,车辆纵轴与大地坐标系横坐标的夹角。
12.如权利要求11所述的车道线地图的构建系统,其特征在于,
所述处理器进行如下处理:
将所述车道线的轨迹、即第i时刻在大地坐标系下的车道线上的点连接起来得到构成车道线地图,其中i=1,2,3,….N,N为正数。
13.一种储存设备,其中,储存有多条指令,所述指令适于由处理器加载并执行权利要求1~6任意一项所记载的车道线地图的构建方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710441856.6A CN109084782B (zh) | 2017-06-13 | 2017-06-13 | 基于摄像头传感器的车道线地图构建方法以及构建系统 |
PCT/CN2018/074403 WO2018227980A1 (zh) | 2017-06-13 | 2018-01-29 | 基于摄像头传感器的车道线地图构建方法以及构建系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710441856.6A CN109084782B (zh) | 2017-06-13 | 2017-06-13 | 基于摄像头传感器的车道线地图构建方法以及构建系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109084782A true CN109084782A (zh) | 2018-12-25 |
CN109084782B CN109084782B (zh) | 2024-03-12 |
Family
ID=64659772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710441856.6A Active CN109084782B (zh) | 2017-06-13 | 2017-06-13 | 基于摄像头传感器的车道线地图构建方法以及构建系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109084782B (zh) |
WO (1) | WO2018227980A1 (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108242145A (zh) * | 2016-12-26 | 2018-07-03 | 高德软件有限公司 | 异常轨迹点检测方法和装置 |
CN109724615A (zh) * | 2019-02-28 | 2019-05-07 | 北京经纬恒润科技有限公司 | 一种车道线识别结果的校验方法及系统 |
CN109931944A (zh) * | 2019-04-02 | 2019-06-25 | 百度在线网络技术(北京)有限公司 | 一种ar导航方法、装置、车端设备、服务端及介质 |
CN110288675A (zh) * | 2019-06-30 | 2019-09-27 | 武汉中海庭数据技术有限公司 | 一种车道参考线构建方法、装置及存储介质 |
CN110345952A (zh) * | 2019-07-09 | 2019-10-18 | 同济人工智能研究院(苏州)有限公司 | 一种序列化车道线地图构建方法及构建系统 |
CN110645996A (zh) * | 2019-09-17 | 2020-01-03 | 武汉中海庭数据技术有限公司 | 一种感知数据的提取方法及系统 |
CN111273674A (zh) * | 2020-03-12 | 2020-06-12 | 深圳冰河导航科技有限公司 | 一种测距方法、车辆作业控制方法及控制系统 |
WO2020164010A1 (zh) * | 2019-02-13 | 2020-08-20 | 深圳市大疆创新科技有限公司 | 车道线检测方法、装置、系统与车辆、存储介质 |
CN112050821A (zh) * | 2020-09-11 | 2020-12-08 | 湖北亿咖通科技有限公司 | 一种车道线聚合方法 |
CN112632208A (zh) * | 2020-12-25 | 2021-04-09 | 际络科技(上海)有限公司 | 一种交通流轨迹变形方法及装置 |
CN112734927A (zh) * | 2021-03-31 | 2021-04-30 | 湖北亿咖通科技有限公司 | 高精地图车道线的简化方法、简化装置及计算机存储介质 |
WO2021169993A1 (zh) * | 2020-02-29 | 2021-09-02 | 华为技术有限公司 | 自动驾驶地图的构建方法及相关装置 |
CN114510055A (zh) * | 2022-02-18 | 2022-05-17 | 科大国创合肥智能汽车科技有限公司 | 一种构建后方车道线的方法 |
CN114719873A (zh) * | 2022-06-02 | 2022-07-08 | 四川省公路规划勘察设计研究院有限公司 | 一种低成本精细地图自动生成方法、装置及可读介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446234A (zh) * | 2019-08-28 | 2021-03-05 | 北京初速度科技有限公司 | 一种基于数据关联的位置确定方法及装置 |
CN111516673B (zh) * | 2020-04-30 | 2022-08-09 | 重庆长安汽车股份有限公司 | 基于智能摄像头和高精地图定位的车道线融合系统及方法 |
CN112749680A (zh) * | 2021-01-25 | 2021-05-04 | 蔚来汽车科技(安徽)有限公司 | 用于构建道路模型的方法和设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090167560A1 (en) * | 2006-08-14 | 2009-07-02 | Jan-Carsten Becker | Method and device for driver assistance by generating lane information for supporting of replacing lane information of a video-based lane information device |
US20100002911A1 (en) * | 2008-07-06 | 2010-01-07 | Jui-Hung Wu | Method for detecting lane departure and apparatus thereof |
WO2012011713A2 (ko) * | 2010-07-19 | 2012-01-26 | 주식회사 이미지넥스트 | 차선 인식 시스템 및 방법 |
CN103676949A (zh) * | 2012-09-03 | 2014-03-26 | 现代摩比斯株式会社 | 车道线跟踪控制系统及其控制方法 |
CN105260699A (zh) * | 2015-09-10 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法及装置 |
CN106096525A (zh) * | 2016-06-06 | 2016-11-09 | 重庆邮电大学 | 一种复合型车道识别系统及方法 |
CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 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 |
CN106767853A (zh) * | 2016-12-30 | 2017-05-31 | 中国科学院合肥物质科学研究院 | 一种基于多信息融合的无人驾驶车辆高精度定位方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9384394B2 (en) * | 2013-10-31 | 2016-07-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Method for generating accurate lane level maps |
KR20150061445A (ko) * | 2013-11-27 | 2015-06-04 | 부산대학교 산학협력단 | 3차원 도로 지도 작성 및 차선인식 장치 |
CN106525057A (zh) * | 2016-10-26 | 2017-03-22 | 陈曦 | 高精度道路地图的生成系统 |
-
2017
- 2017-06-13 CN CN201710441856.6A patent/CN109084782B/zh active Active
-
2018
- 2018-01-29 WO PCT/CN2018/074403 patent/WO2018227980A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090167560A1 (en) * | 2006-08-14 | 2009-07-02 | Jan-Carsten Becker | Method and device for driver assistance by generating lane information for supporting of replacing lane information of a video-based lane information device |
US20100002911A1 (en) * | 2008-07-06 | 2010-01-07 | Jui-Hung Wu | Method for detecting lane departure and apparatus thereof |
WO2012011713A2 (ko) * | 2010-07-19 | 2012-01-26 | 주식회사 이미지넥스트 | 차선 인식 시스템 및 방법 |
CN103676949A (zh) * | 2012-09-03 | 2014-03-26 | 现代摩比斯株式会社 | 车道线跟踪控制系统及其控制方法 |
CN105260699A (zh) * | 2015-09-10 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法及装置 |
CN106096525A (zh) * | 2016-06-06 | 2016-11-09 | 重庆邮电大学 | 一种复合型车道识别系统及方法 |
CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 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 |
CN106767853A (zh) * | 2016-12-30 | 2017-05-31 | 中国科学院合肥物质科学研究院 | 一种基于多信息融合的无人驾驶车辆高精度定位方法 |
Non-Patent Citations (2)
Title |
---|
刘冠宇: "基于视觉的车道线检测与车辆识别技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
郑斌 等: "基于移动测量技术的车道级道路电子地图制作", 《现代测绘》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108242145A (zh) * | 2016-12-26 | 2018-07-03 | 高德软件有限公司 | 异常轨迹点检测方法和装置 |
CN108242145B (zh) * | 2016-12-26 | 2020-10-16 | 阿里巴巴(中国)有限公司 | 异常轨迹点检测方法和装置 |
WO2020164010A1 (zh) * | 2019-02-13 | 2020-08-20 | 深圳市大疆创新科技有限公司 | 车道线检测方法、装置、系统与车辆、存储介质 |
CN109724615B (zh) * | 2019-02-28 | 2021-06-29 | 北京经纬恒润科技股份有限公司 | 一种车道线识别结果的校验方法及系统 |
CN109724615A (zh) * | 2019-02-28 | 2019-05-07 | 北京经纬恒润科技有限公司 | 一种车道线识别结果的校验方法及系统 |
CN109931944A (zh) * | 2019-04-02 | 2019-06-25 | 百度在线网络技术(北京)有限公司 | 一种ar导航方法、装置、车端设备、服务端及介质 |
CN110288675A (zh) * | 2019-06-30 | 2019-09-27 | 武汉中海庭数据技术有限公司 | 一种车道参考线构建方法、装置及存储介质 |
CN110288675B (zh) * | 2019-06-30 | 2022-05-13 | 武汉中海庭数据技术有限公司 | 一种车道参考线构建方法、装置及存储介质 |
CN110345952A (zh) * | 2019-07-09 | 2019-10-18 | 同济人工智能研究院(苏州)有限公司 | 一种序列化车道线地图构建方法及构建系统 |
CN110645996A (zh) * | 2019-09-17 | 2020-01-03 | 武汉中海庭数据技术有限公司 | 一种感知数据的提取方法及系统 |
WO2021169993A1 (zh) * | 2020-02-29 | 2021-09-02 | 华为技术有限公司 | 自动驾驶地图的构建方法及相关装置 |
CN111273674A (zh) * | 2020-03-12 | 2020-06-12 | 深圳冰河导航科技有限公司 | 一种测距方法、车辆作业控制方法及控制系统 |
CN112050821B (zh) * | 2020-09-11 | 2021-08-20 | 湖北亿咖通科技有限公司 | 一种车道线聚合方法 |
CN112050821A (zh) * | 2020-09-11 | 2020-12-08 | 湖北亿咖通科技有限公司 | 一种车道线聚合方法 |
CN112632208A (zh) * | 2020-12-25 | 2021-04-09 | 际络科技(上海)有限公司 | 一种交通流轨迹变形方法及装置 |
CN112734927A (zh) * | 2021-03-31 | 2021-04-30 | 湖北亿咖通科技有限公司 | 高精地图车道线的简化方法、简化装置及计算机存储介质 |
CN114510055A (zh) * | 2022-02-18 | 2022-05-17 | 科大国创合肥智能汽车科技有限公司 | 一种构建后方车道线的方法 |
CN114719873A (zh) * | 2022-06-02 | 2022-07-08 | 四川省公路规划勘察设计研究院有限公司 | 一种低成本精细地图自动生成方法、装置及可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109084782B (zh) | 2024-03-12 |
WO2018227980A1 (zh) | 2018-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109084782A (zh) | 基于摄像头传感器的车道线地图构建方法以及构建系统 | |
CN110174093B (zh) | 定位方法、装置、设备和计算机可读存储介质 | |
CN109324337B (zh) | 无人飞行器的航线生成及定位方法、装置及无人飞行器 | |
EP3650814B1 (en) | Vision augmented navigation | |
CN104865578B (zh) | 一种室内停车场高精细地图生成装置及方法 | |
KR102627453B1 (ko) | 위치 추정 장치 및 방법 | |
CN113870343B (zh) | 相对位姿标定方法、装置、计算机设备和存储介质 | |
CN110426051A (zh) | 一种车道线绘制方法、装置及存储介质 | |
CN110673115A (zh) | 雷达与组合导航系统的联合标定方法、装置、设备及介质 | |
CN110386142A (zh) | 用于自动驾驶车辆的俯仰角校准方法 | |
CN109405836A (zh) | 用于确定无人驾驶汽车的可驾驶导航路径的方法和系统 | |
WO2019126950A1 (zh) | 一种定位方法、云端服务器、终端、系统、电子设备及计算机程序产品 | |
CN111830953A (zh) | 车辆自定位方法、装置及系统 | |
EP3885866A1 (en) | High-precision localization method and system based on shared slam map | |
KR20210089602A (ko) | 차량의 제어 방법, 장치 및 차량 | |
CN110119138A (zh) | 用于自动驾驶车辆的自定位方法、系统和机器可读介质 | |
CN111114544A (zh) | 一种补偿车道线确定方法、装置、可移动设备及存储介质 | |
US20220178703A1 (en) | Vehicle control device | |
CN112964291A (zh) | 一种传感器标定的方法、装置、计算机存储介质及终端 | |
CN111982133B (zh) | 基于高精地图对车辆进行定位的方法、装置及电子设备 | |
CN116990830B (zh) | 基于双目和tof的距离定位方法、装置、电子设备及介质 | |
CN113758492A (zh) | 地图检测方法和装置 | |
US20220404170A1 (en) | Apparatus, method, and computer program for updating map | |
CN114581509A (zh) | 一种目标定位方法及装置 | |
CN111258312B (zh) | 可移动模型及其控制方法、装置、系统、设备和存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200804 Address after: Susong Road West and Shenzhen Road North, Hefei Economic and Technological Development Zone, Anhui Province Applicant after: Weilai (Anhui) Holding Co.,Ltd. Address before: Room 502, Minsheng Bank Building, 12 Cecil Harcourt Road, central, Hongkong, China Applicant before: NIO NEXTEV Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |