CN109243289B - 高精度地图制作中地下车库停车位提取方法及系统 - Google Patents

高精度地图制作中地下车库停车位提取方法及系统 Download PDF

Info

Publication number
CN109243289B
CN109243289B CN201811033589.XA CN201811033589A CN109243289B CN 109243289 B CN109243289 B CN 109243289B CN 201811033589 A CN201811033589 A CN 201811033589A CN 109243289 B CN109243289 B CN 109243289B
Authority
CN
China
Prior art keywords
image
parking space
extracting
underground garage
parking
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.)
Active
Application number
CN201811033589.XA
Other languages
English (en)
Other versions
CN109243289A (zh
Inventor
李叶伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heading Data Intelligence Co Ltd
Original Assignee
Heading Data Intelligence Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Heading Data Intelligence Co Ltd filed Critical Heading Data Intelligence Co Ltd
Priority to CN201811033589.XA priority Critical patent/CN109243289B/zh
Publication of CN109243289A publication Critical patent/CN109243289A/zh
Priority to US16/618,440 priority patent/US20200152060A1/en
Priority to PCT/CN2019/086895 priority patent/WO2020048152A1/zh
Application granted granted Critical
Publication of CN109243289B publication Critical patent/CN109243289B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G09B29/003—Maps
    • G09B29/005—Map projections or methods associated specifically therewith
    • 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
    • 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
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
    • G01C21/3685—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities the POI's being parking facilities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • 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
    • G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • 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
    • G09B29/003—Maps
    • G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
    • G09B29/007—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes using computer methods
    • 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
    • G06V2201/12—Acquisition of 3D measurements of objects

Abstract

本发明涉及一种高精度地图制作中地下车库停车位提取方法及系统，其包括如下步骤：S1、将包含停车位的3D激光点云投影为2D鸟瞰模式图像；S2、计算图像对比度估计指标，根据对比度估计使用不同的图像预处理方法得到二值图像；S3、使用概率霍夫变换检测二值图像的直线段，根据检测直线段计算得到停车线旋转角度估计；S4、根据旋转角并以图像中心点为圆心旋转图像；S5、统计旋转图像每行、列包含停车线像素点个数，得到图像在水平与垂直方法的积分投影；S6、根据图像在水平与垂直方向的积分投影搜索得到停车位四个内角点坐标；S7、停车位内角点坐标逆变换到点云数据，从而提取出停车位。

Description

高精度地图制作中地下车库停车位提取方法及系统
技术领域
本发明涉及高精度地图制作技术领域，特别涉及一种高精度地图制作中地下车库停车位提取方法及系统。
背景技术
高精地图是无人驾驶核心技术之一，精准的地图对无人车定位、导航与控制，以及安全至关重要，如何生成高精度地图也是无人驾驶的领域亟待解决的问题。地下车库停车位表示建筑在地下并可供机动车长期或长期或临时停放的区域，由停车线按一定大小划分了每辆车了每辆车的停车区域。地下停车场与不同等级的城市道路相配合，满足不同规模的停车需要，对城市中心区的交通起到非常重要的调节和控制作用。高精度的地下车库停车位数据，作为高精度地图的重要一部分尤为重要。
现有的停车位提取方法，往往是基于原始图像数据的提取方法，采用边缘检测方法进行边缘检测得到停车线的边缘点集，然后对边缘点集进行霍夫变换与直线提取，通过对停车线的提取得到最终的停车位。
但是该方法对光照敏感，在不同光照条件下，停车位在图像中的梯度差异较大，容易导致错提取和漏提取。与此同时，由于实际应用中边缘检测方法得到的边缘点集中存在噪声不全是停车线的边缘，单一使用霍夫变换与直线提取容易造成误差，从而导致提取精度不高，无法满足高精度地图的精度需求。
发明内容
有鉴于此，本发明提出一种高精度地图制作中地下车库停车位提取方法及系统。
一种高精度地图制作中地下车库停车位提取方法，其包括如下步骤：
S1、将包含停车位的3D激光点云投影为2D鸟瞰模式图像I；
S2、计算图像I对比度估计指标，根据对比度估计使用不同的图像预处理方法得到二值化图像Ib；
S3、使用概率霍夫变换检测二值化图像Ib的直线段，根据检测直线段计算得到停车线旋转角度估计；
S4、根据旋转角并以二值化图像Ib中心点为圆心旋转二值化图像Ib，得到旋转图像Ir；
S5、统计旋转图像Ir每行、列包含停车线像素点个数，得到旋转图像Ir在水平与垂直方向的积分投影；
S6、根据旋转图像Ir在水平与垂直方向的积分投影搜索得到停车位四个内角点坐标；
S7、停车位内角点坐标逆变换到点云数据，从而提取出停车位。
在本发明所述的高精度地图制作中地下车库停车位提取方法中，
所述步骤S2包括：
使用图像标准差估计图像I的对比度e＝std(I)；
当e小于第一给定阈值te时，对图像I依次进行中值滤波、高斯自适应二值化、形态学闭处理得到二值化图像Ib，当e大于等于第一给定阈值te时，对图像I依次进行形态学闭处理、局部拉普拉斯滤波、高斯自适应二值化得到二值化图像Ib：
其中，中值滤波操作medianBlur()表示，高斯自适应二值化gB()表示，形态学闭处理close()表示，局部拉普拉斯滤波localLaplacian()表示。
在本发明所述的高精度地图制作中地下车库停车位提取方法中，
由概率霍夫变换检测出二值化图像Ib具有停车线方向性的直线集合，遍历直线集合保留直线线段大于第二给定阈值t且夹角为θ容忍度为tθ最多的直线集合lk，计算lk线段长度dk和倾斜角ak，计算权重
Figure GDA0002647703410000021
计算出停车位倾斜角θ＝wkak即为停车线旋转角。
在本发明所述的高精度地图制作中地下车库停车位提取方法中，
所述步骤S4包括：
以停车线旋转角θ作为旋转角，并以二值化图像Ib中心点(xc，yc)为圆心旋转二值化图像Ib，得到的旋转图像Ir中停车线与图像x方向平行或垂直。
在本发明所述的高精度地图制作中地下车库停车位提取方法中，
所述步骤S5包括：
分别计算旋转图像Ir每列、行包含停车线像素点的个数，得到计算旋转图像Ir的水平和垂直积分投影一维向量分别为vv和vh。
在本发明所述的高精度地图制作中地下车库停车位提取方法中，
所述步骤S6包括：
由向量vv和vh中心索引处向正负方向搜索大于第二给定阈值t的第一个元素分别得到vv[i]、vv[j]、vh[m]、vh[n]，并由元素索引i、j、m、n的得到停车线在旋转图像Ir中的四个交点坐标(xi，ym)、(xj，ym)、(xj，yn)、(xi，yn)，即为四个内角点。
在本发明所述的高精度地图制作中地下车库停车位提取方法中，
所述步骤S7包括：
根据夹角θ，以旋转图像Ir中心点(xc’,yc’)为圆心逆旋转变换上四个内角点的坐标，再经过逆变换投影到输入点云中，从而提取出停车位。
本发明还提供一种高精度地图制作中地下车库停车位提取系统，其包括如下单元：
投影单元，用于将包含停车位的3D激光点云投影为2D鸟瞰模式图像；
对比度估计单元，用于计算图像对比度估计指标，根据对比度估计使用不同的图像预处理方法得到二值图像；
角度估计单元，用于使用概率霍夫变换检测二值图像的直线段，根据检测直线段计算得到停车线旋转角度估计；
旋转单元，用于根据旋转角并以图像中心点为圆心旋转图像；
统计单元，用于统计旋转图像每行、列包含停车线像素点个数，得到图像在水平与垂直方法的积分投影；
坐标搜索单元，用于根据图像在水平与垂直方向的积分投影搜索得到停车位四个内角点坐标；
车位提取单元，用于对停车位内角点坐标逆变换到点云数据，从而提取出停车位。
实施本发明提供的高精度地图制作中地下车库停车位提取方法及系统与现有技术相比具有以下有益效果：在于使用三维点云数据作为输入，该数据由激光扫描仪得到，激光扫描仪为一种主动光源，不受光照影响；根据图像质量评价使用不同的图像预处理方法提高了算法鲁棒性；改进概率霍夫变换检测图像倾斜角，提高检测与检测对象的一致性；使用旋转投影图像的方法求取停车线交点坐标进行停车位提取，能够有效保证提取的停车位数据的精度，满足高精度地图的制作精度需求。
附图说明
图1是高精度地图制作中地下车库停车位提取方法流程图。
具体实施方式
如图1、一种高精度地图制作中地下车库停车位提取方法，其包括如下步骤：
S1、将包含停车位的3D激光点云投影为2D鸟瞰模式图像I；
S2、计算图像I对比度估计指标，根据对比度估计使用不同的图像预处理方法得到二值化图像Ib；
S3、使用概率霍夫变换检测二值化图像Ib的直线段，根据检测直线段计算得到停车线旋转角度估计；
S4、根据旋转角并以二值化图像Ib中心点为圆心旋转二值化图像Ib，得到旋转图像Ir；
S5、统计旋转图像Ir每行、列包含停车线像素点个数，得到旋转图像Ir在水平与垂直方向的积分投影；
S6、根据旋转图像Ir在水平与垂直方向的积分投影搜索得到停车位四个内角点坐标；
S7、停车位内角点坐标逆变换到点云数据，从而提取出停车位。
高精度地图表示基于Lane的拓扑网元素组成的地图，相较于传统地图地理信息更精确。
在本发明所述的高精度地图制作中地下车库停车位提取方法中，
所述步骤S2包括：
使用图像标准差估计图像I的对比度e＝std(I)；
当e小于第一给定阈值te时，对图像I依次进行中值滤波、高斯自适应二值化、形态学闭处理得到二值化图像Ib，当e大于等于第一给定阈值te时，对图像I依次进行形态学闭处理、局部拉普拉斯滤波、高斯自适应二值化得到二值化图像Ib：
其中，中值滤波操作medianBlur()表示，高斯自适应二值化gB()表示，形态学闭处理close()表示，局部拉普拉斯滤波localLaplacian()表示。
其中
Figure GDA0002647703410000051
在本发明所述的高精度地图制作中地下车库停车位提取方法中，
由概率霍夫变换检测出二值化图像Ib具有停车线方向性的直线集合，遍历直线集合保留直线线段大于t且夹角为θ容忍度为tθ最多的直线集合lk，计算lk线段长度dk和倾斜角ak，计算权重
Figure GDA0002647703410000052
可以计算出夹角θ＝wkak即为停车线旋转角。l表示直线集合，k表示索引。
在本发明所述的高精度地图制作中地下车库停车位提取方法中，
所述步骤S4包括：
以停车线旋转角θ作为旋转角，并以二值化图像Ib中心点(xc，yc)为圆心旋转二值化图像Ib，得到的旋转图像Ir中停车线与图像x方向平行或垂直。
其中，
I(x′,y′)r＝((x-xc)cos(θ)-(y-yc)sin(θ)+xc,(x-xc)sin(θ)-(y-yc)cos(θ)+yc)
在本发明所述的高精度地图制作中地下车库停车位提取方法中，
所述步骤S5包括：
分别计算旋转图像Ir每列、行包含停车线像素点的个数，得到计算旋转图像Ir的水平和垂直积分投影一维向量分别为vv和vh。
在本发明所述的高精度地图制作中地下车库停车位提取方法中，
所述步骤S6包括：
由向量vv和vh中心索引处向正负方向搜索大于第二给定阈值t的第一个元素分别得到vv[i]、vv[j]、vh[m]、vh[n]，并由元素索引i、j、m、n的得到停车线在旋转图像Ir中的四个交点坐标(xi，ym)、(xj，ym)、(xj，yn)、(xi，yn)，即为四个内角点。
在本发明所述的高精度地图制作中地下车库停车位提取方法中，
所述步骤S7包括：
根据夹角θ，以旋转图像Ir中心点(xc’,yc’)为圆心逆旋转变换上四个内角点的坐标，再经过逆变换投影到输入点云中，从而提取出停车位。
本发明还提供一种高精度地图制作中地下车库停车位提取系统，其包括如下单元：
投影单元，用于将包含停车位的3D激光点云投影为2D鸟瞰模式图像；
对比度估计单元，用于计算图像对比度估计指标，根据对比度估计使用不同的图像预处理方法得到二值图像；
角度估计单元，用于使用概率霍夫变换检测二值图像的直线段，根据检测直线段计算得到停车线旋转角度估计；
旋转单元，用于根据旋转角并以图像中心点为圆心旋转图像；
统计单元，用于统计旋转图像每行、列包含停车线像素点个数，得到图像在水平与垂直方法的积分投影；
坐标搜索单元，用于根据图像在水平与垂直方向的积分投影搜索得到停车位四个内角点坐标；
车位提取单元，用于对停车位内角点坐标逆变换到点云数据，从而提取出停车位。
实施本发明提供的高精度地图制作中地下车库停车位提取方法及系统与现有技术相比具有以下有益效果：在于使用三维点云数据作为输入，该数据由激光扫描仪得到，激光扫描仪为一种主动光源，不受光照影响；根据图像质量评价使用不同的图像预处理方法提高了算法鲁棒性；改进概率霍夫变换检测图像倾斜角，提高检测与检测对象的一致性；使用旋转投影图像的方法求取停车线交点坐标进行停车位提取，能够有效保证提取的停车位数据的精度，满足高精度地图的制作精度需求。
可以理解的是，对于本领域的普通技术人员来说，可以根据本发明的技术构思做出其它各种相应的改变与变形，而所有这些改变与变形都应属于本发明权利要求的保护范围。

Claims (8)

1.一种高精度地图制作中地下车库停车位提取方法，其特征在于，其包括如下步骤：
S1、将包含停车位的3D激光点云投影为2D鸟瞰模式图像I；
S2、计算图像I对比度估计指标，根据对比度估计使用不同的图像预处理方法得到二值化图像Ib；
S3、使用概率霍夫变换检测二值化图像Ib的直线段，根据检测直线段计算得到停车线旋转角度估计；
S4、根据旋转角并以二值化图像Ib中心点为圆心旋转二值化图像Ib，得到旋转图像Ir；
S5、统计旋转图像Ir每行、列包含停车线像素点个数，得到旋转图像Ir在水平与垂直方向的积分投影；
S6、根据旋转图像Ir在水平与垂直方向的积分投影搜索得到停车位四个内角点坐标；
S7、停车位内角点坐标逆变换到点云数据，从而提取出停车位。
2.如权利要求1所述的高精度地图制作中地下车库停车位提取方法，其特征在于，
所述步骤S2包括：
使用图像标准差估计图像I的对比度e＝std(I)；
当e小于第一给定阈值te时，对图像I依次进行中值滤波、高斯自适应二值化、形态学闭处理得到二值化图像Ib，当e大于等于第一给定阈值te时，对图像I依次进行形态学闭处理、局部拉普拉斯滤波、高斯自适应二值化得到二值化图像Ib：
其中，中值滤波操作medianBlur()表示，高斯自适应二值化gB()表示，形态学闭处理close()表示，局部拉普拉斯滤波localLaplacian()表示。
3.如权利要求2所述的高精度地图制作中地下车库停车位提取方法，其特征在于，
由概率霍夫变换检测出二值化图像Ib具有停车线方向性的直线集合，遍历直线集合保留直线线段大于第二给定阈值t且夹角为θ容忍度为tθ最多的直线集合lk，计算lk线段长度dk和倾斜角ak，计算权重
Figure FDA0002647703400000021
计算出夹角θ＝wkak即为停车线旋转角。
4.如权利要求3所述的高精度地图制作中地下车库停车位提取方法，其特征在于，
所述步骤S4包括：
以停车线旋转角θ作为旋转角，并以二值化图像Ib中心点(xc，yc)为圆心旋转二值化图像Ib，得到的旋转图像Ir中停车线与图像x方向平行或垂直。
5.如权利要求4所述的高精度地图制作中地下车库停车位提取方法，
所述步骤S5包括：
分别计算旋转图像Ir每列、行包含停车线像素点的个数，得到计算旋转图像Ir的水平和垂直积分投影一维向量分别为vv和vh。
6.如权利要求5所述的高精度地图制作中地下车库停车位提取方法，其特征在于，
所述步骤S6包括：
由向量vv和vh中心索引处向正负方向搜索大于第二给定阈值t的第一个元素分别得到vv[i]、vv[j]、vh[m]、vh[n]，并由元素索引i、j、m、n的得到停车线在旋转图像Ir中的四个交点坐标(xi，ym)、(xj，ym)、(xj，yn)、(xi，yn)，即为四个内角点。
7.如权利要求6所述的高精度地图制作中地下车库停车位提取方法，其特征在于，
所述步骤S7包括：
根据夹角θ，以旋转图像Ir中心点(xc’,yc’)为圆心逆旋转变换上四个内角点的坐标，再经过逆变换投影到输入点云中，从而提取出停车位。
8.一种高精度地图制作中地下车库停车位提取系统，其特征在于，其包括如下单元：
投影单元，用于将包含停车位的3D激光点云投影为2D鸟瞰模式图像；
对比度估计单元，用于计算图像对比度估计指标，根据对比度估计使用不同的图像预处理方法得到二值图像；
角度估计单元，用于使用概率霍夫变换检测二值图像的直线段，根据检测直线段计算得到停车线旋转角度估计；
旋转单元，用于根据旋转角并以图像中心点为圆心旋转图像；
统计单元，用于统计旋转图像每行、列包含停车线像素点个数，得到图像在水平与垂直方法的积分投影；
坐标搜索单元，用于根据图像在水平与垂直方向的积分投影搜索得到停车位四个内角点坐标；
车位提取单元，用于对停车位内角点坐标逆变换到点云数据，从而提取出停车位。
CN201811033589.XA 2018-09-05 2018-09-05 高精度地图制作中地下车库停车位提取方法及系统 Active CN109243289B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201811033589.XA CN109243289B (zh) 2018-09-05 2018-09-05 高精度地图制作中地下车库停车位提取方法及系统
US16/618,440 US20200152060A1 (en) 2018-09-05 2019-05-14 Underground garage parking space extraction method and system for high-definition map making
PCT/CN2019/086895 WO2020048152A1 (zh) 2018-09-05 2019-05-14 高精度地图制作中地下车库停车位提取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811033589.XA CN109243289B (zh) 2018-09-05 2018-09-05 高精度地图制作中地下车库停车位提取方法及系统

Publications (2)

Publication Number Publication Date
CN109243289A CN109243289A (zh) 2019-01-18
CN109243289B true CN109243289B (zh) 2021-02-05

Family

ID=65067242

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811033589.XA Active CN109243289B (zh) 2018-09-05 2018-09-05 高精度地图制作中地下车库停车位提取方法及系统

Country Status (3)

Country Link
US (1) US20200152060A1 (zh)
CN (1) CN109243289B (zh)
WO (1) WO2020048152A1 (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109243289B (zh) * 2018-09-05 2021-02-05 武汉中海庭数据技术有限公司 高精度地图制作中地下车库停车位提取方法及系统
CN110132278B (zh) * 2019-05-14 2021-07-02 驭势科技（北京）有限公司 一种即时定位与建图的方法及装置
CN110232835B (zh) * 2019-06-27 2020-11-13 浙江工业大学 一种基于图像处理的地下车库停车位检测方法
CN110390306B (zh) * 2019-07-25 2021-08-10 湖州宏威新能源汽车有限公司 直角车位的检测方法、车辆和计算机可读存储介质
CN111159811B (zh) * 2020-01-02 2023-06-09 广东博智林机器人有限公司 地下车库布局方法、装置、设备和存储介质
CN111428616B (zh) * 2020-03-20 2023-05-23 东软睿驰汽车技术（沈阳）有限公司 一种车位检测方法、装置、设备及存储介质
CN111754468A (zh) * 2020-06-10 2020-10-09 深圳南方德尔汽车电子有限公司 基于投影的车位检测方法、装置、计算机设备及存储介质
CN111813882A (zh) * 2020-06-18 2020-10-23 浙江大华技术股份有限公司 一种机器人地图构建方法、设备及存储介质
CN112084943A (zh) * 2020-09-09 2020-12-15 中国航空工业集团公司雷华电子技术研究所 深度语义分割结合霍夫变换的高压线检测方法
CN112991808B (zh) * 2020-12-29 2022-09-30 杭州海康威视数字技术股份有限公司 一种停车区域的车位显示方法、装置及电子设备
CN112767425A (zh) * 2020-12-30 2021-05-07 智车优行科技（北京）有限公司 一种基于视觉的车位检测方法及装置
CN113192356B (zh) * 2021-04-01 2023-01-03 上海欧菲智能车联科技有限公司 一种多传感器融合的车位检测方法、装置及车辆
GB2607598A (en) * 2021-06-07 2022-12-14 Correvate Ltd Aligning 3D datasets
CN115564673B (zh) * 2022-09-26 2024-03-15 浙江省测绘科学技术研究院 三维点云地下车库柱状物提取与矢量自动生成方法及系统
CN115661098B (zh) * 2022-10-31 2024-02-06 河海大学 一种海底管线二维冲刷剖面图像识别与数据提取方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1131296A (ja) * 1997-07-10 1999-02-02 Hitachi Cable Ltd 駐車場管理方法及びその装置
WO2010042466A1 (en) * 2008-10-06 2010-04-15 Kevin Scott Williams Apparatus and method for classifying point cloud data based on principal axes
CN101656023B (zh) * 2009-08-26 2011-02-02 西安理工大学 一种视频监视模式下的室内停车场管理方法
CN101807352B (zh) * 2010-03-12 2012-12-05 北京工业大学 一种模糊模式识别的车位检测方法
US8537338B1 (en) * 2011-08-24 2013-09-17 Hrl Laboratories, Llc Street curb and median detection using LIDAR data
WO2013136134A1 (en) * 2012-03-15 2013-09-19 Nokia Corporation Method, apparatus and computer program for capturing images
CN103473950B (zh) * 2012-06-06 2017-04-12 刘鉵 一种停车场车位监控方法
DE102014224104A1 (de) * 2014-11-26 2016-06-02 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Fahrzeugs respektive eines Parkplatzes
CN105355083A (zh) * 2015-12-14 2016-02-24 宁波裕兰信息科技有限公司 一种基于视觉的360度泊车辅助智能引导系统
CN106897655A (zh) * 2015-12-18 2017-06-27 富士通株式会社 停车位的检测装置、方法以及图像处理设备
JP6564713B2 (ja) * 2016-02-01 2019-08-21 三菱重工業株式会社 自動運転制御装置、車両及び自動運転制御方法
CN107463918B (zh) * 2017-08-17 2020-04-24 武汉大学 基于激光点云与影像数据融合的车道线提取方法
CN108281041A (zh) * 2018-03-05 2018-07-13 东南大学 一种基于超声波和视觉传感器相融合的泊车车位检测方法
CN109243289B (zh) * 2018-09-05 2021-02-05 武汉中海庭数据技术有限公司 高精度地图制作中地下车库停车位提取方法及系统

Also Published As

Publication number Publication date
WO2020048152A1 (zh) 2020-03-12
US20200152060A1 (en) 2020-05-14
CN109243289A (zh) 2019-01-18

Similar Documents

Publication Publication Date Title
CN109243289B (zh) 高精度地图制作中地下车库停车位提取方法及系统
WO2018068653A1 (zh) 点云数据处理方法、装置及存储介质
CN108802785B (zh) 基于高精度矢量地图和单目视觉传感器的车辆自定位方法
JP7138718B2 (ja) 地物検出装置、地物検出方法および地物検出プログラム
CN111626217A (zh) 一种基于二维图片和三维点云融合的目标检测和追踪方法
CN111145228B (zh) 基于局部轮廓点与形状特征融合的异源图像配准方法
CN112667837A (zh) 图像数据自动标注方法及装置
CN104077760A (zh) 一种航空摄影测量的快速拼接系统及其实现方法
CN112740225B (zh) 一种路面要素确定方法及装置
CN110197173B (zh) 一种基于双目视觉的路沿检测方法
CN115372989A (zh) 基于激光雷达的越野自动小车长距离实时定位系统及方法
CN111354083B (zh) 一种基于原始激光点云的递进式建筑物提取方法
CN115717894A (zh) 一种基于gps和普通导航地图的车辆高精度定位方法
CN111242000A (zh) 一种结合激光点云转向的道路边沿检测方法
Ding et al. Efficient vanishing point detection method in complex urban road environments
CN116452852A (zh) 一种高精度矢量地图的自动生成方法
CN112070756A (zh) 一种基于无人机倾斜摄影的路面立体病害测量方法
Choi et al. Map-matching-based cascade landmark detection and vehicle localization
CN111383286A (zh) 定位方法、装置、电子设备及可读存储介质
EP4287137A1 (en) Method, device, equipment, storage media and system for detecting drivable space of road
WO2023131203A1 (zh) 语义地图更新方法、路径规划方法以及相关装置
CN109785388B (zh) 一种基于双目摄像头的短距离精确相对定位方法
CN111353481A (zh) 基于激光点云与视频图像的道路障碍物识别方法
Jin et al. Road curvature estimation using a new lane detection method
Yuan et al. Estimation of vehicle pose and position with monocular camera at urban road intersections

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
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Method and System for Extracting Parking Spaces in Underground Garages in High Precision Map Production

Granted publication date: 20210205

Pledgee: Productivity Promotion Center of Wuhan East Lake New Technology Development Zone

Pledgor: WUHHAN KOTEL BIG DATE Corp.

Registration number: Y2024980005100