CN109712231B - 道路特效设置方法及装置 - Google Patents
道路特效设置方法及装置 Download PDFInfo
- Publication number
- CN109712231B CN109712231B CN201811585215.9A CN201811585215A CN109712231B CN 109712231 B CN109712231 B CN 109712231B CN 201811585215 A CN201811585215 A CN 201811585215A CN 109712231 B CN109712231 B CN 109712231B
- Authority
- CN
- China
- Prior art keywords
- special effect
- motion path
- road
- model
- traffic
- 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
Links
Images
Landscapes
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供一种道路特效设置方法及装置,方法包括:获取待识别的三维道路模型;采用基于深度学习算法实现的图像识别模型对三维道路模型中的交通指示线进行识别;将识别到的交通指示线作为特效对象的运动路径,并将该特效对象设置于该运动路径上,以使该特效对象沿该运动路径进行显示。如此,可以实现特效的运动路径的自动确定及特效的自动设置,减少人工操作量。
Description
技术领域
本申请涉及软件开发技术领域,具体而言,涉及一种三维道路模型的道路特效设置方法及装置。
背景技术
在软件开发过程中,需要为三维可视化场景中的三维道路模型设置特效。例如,在一些情况下,需要沿目标在三维道路上的行进方向设置一束追光。相关技术中,通常由美工人员手动地在三维道路模型上进行纹理贴图UV坐标的拆分,再由技术人员编写相应的渲染代码以对拆分出的UV坐标进行解析,从而获得特效的运动路径。采用上述方式设置特效所需的人工操作量大,操作效率低,耗时较长,人力成本高。尤其当三维可视化场景较大时,所涉及的三维道路场景模型进一步增多,将导致人工操作量进一步增大,耗时进一步变长,使得开发周期变长。
发明内容
有鉴于此,本申请的目的之一在于提供一种道路特效设置方法及装置,以至少部分地改善上述问题。
为了达到上述目的,本申请实施例采用以下技术方案:
第一方面,本申请实施例提供一种道路特效设置方法,该方法包括:
获取待识别的三维道路模型;
采用基于深度学习算法实现的图像识别模型对所述三维道路模型中的交通指示线进行识别;
将识别到的交通指示线作为特效对象的运动路径,并将所述特效对象设置于所述运动路径上,以使所述特效对象沿所述运动路径进行显示。
可选地,在上述方法中,将识别到的交通指示线作为特效对象的运动路径,包括:
若识别到至少两条交通指示线,则从所述至少两条交通指示线中选取一条作为所述特效对象的运动路径。
可选地,在上述方法中,从所述至少两条交通指示线中选取一条作为所述特效对象的运动路径,包括:
从所述至少两条交通指示线中随机选取一条作为所述特效对象的运动路径;或者,
从所述至少两条交通指示线中确定分别位于两侧的两条交通指示线,在该两条交通指示线的中心处绘制一条指示线作为所述运动路径。
可选地,在上述方法中,所述图像识别模型通过以下步骤训练获得:
采用预先拍摄的多个道路场景图像作为训练数据集;
将所述训练数据集中的各道路场景图像分别输入预先建立的所述图像识别模型,获得针对输入的道路场景图像中的交通指示线的识别结果;
根据所述识别结果调整所述图像识别模型的超参数,以对所述图像识别模型进行优化。
可选地,在上述方法中,所述特效对象与一控制脚本绑定,所述方法还包括:
向所述控制脚本发送触发指令,以控制所述特效对象沿所设置的运动路径进行显示。
第二方面,本申请实施例还提供一种道路特效设置装置,该装置包括:
模型获取模块,应用于获取待识别的三维道路模型;
识别模块,用于采用基于深度学习算法实现的图像识别模型对所述三维道路模型中的交通指示线进行识别;
特效设置模块,用于将识别到的交通指示线作为特效对象的运动路径,并将所述特效对象设置于所述运动路径上,以使所述特效对象沿所述运动路径进行显示。
可选地,在上述装置中,所述特效设置模块,具体用于在识别到至少两条交通指示线的情况下,从所述至少两条交通指示线中选取一条作为所述特效对象的运动路径。
可选地,在上述装置中,所述特效设置模块,具体还用于从所述至少两条交通指示线中随机选取一条作为所述特效对象的运动路径,或者,从所述至少两条交通指示线中确定分别位于两侧的两条交通指示线,在该两条交通指示线的中心处绘制一条指示线作为所述运动路径。
可选地,所述装置还包括:
模型训练模块,用于采用预先拍摄的多个道路场景图像作为训练数据集;将所述训练数据集中的各道路场景图像分别输入预先建立的所述图像识别模型,获得针对输入的道路场景图像中的交通指示线的识别结果;根据所述识别结果调整所述图像识别模型的超参数,以对所述图像识别模型进行优化。
可选地,所述特效对象与一控制脚本绑定,所述装置还包括:
特效显示模块,用于向所述控制脚本发送触发指令,以控制所述特效对象沿所设置的运动路径进行显示。
第三方面,本申请实施例还提供一种数据处理设备,包括处理器及机器可读存储介质,该机器可读存储介质上存储有机器可执行指令,该机器可执行指令被执行时促使该处理器实现本申请实施例提供的道路特效设置方法。
第四方面,本申请实施例还提供一种机器可读存储介质,该机器可读存储介质上存储有机器可执行指令,该机器可执行指令被执行时实现本申请实施例提供的道路特效设置方法。
相较于现有技术而言,本申请实施例包括以下效果:
本申请实施例提供的一种道路特效设置方法及装置,方法包括:获取待识别的三维道路模型;采用基于深度学习算法实现的图像识别模型对三维道路模型中的交通指示线进行识别;将识别到的交通指示线作为特效对象的运动路径,并将该特效对象设置于该运动路径上,以使该特效对象沿该运动路径进行显示。如此,可以实现特效的运动路径的自动确定及特效的自动设置,减少人工操作量,减少耗时,使得软件开发周期变短。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的一种数据处理设备的方框示意图;
图2为本申请实施例提供的一种道路特效设置方法的流程示意图;
图3为本申请实施例提供的图像识别模型的一种训练流程示意图;
图4为本申请实施例提供的一种道路特效设置装置的功能模块框图。
图标:100-数据处理设备;110-道路特效设置装置;111-模型获取模块;112-识别模块;113-特效设置模块;114-模型训练模块;115-特效显示模块;120-机器可读存储介质;130-处理器;140-通信单元。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该申请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
请参阅图1,图1是本申请实施例提供的一种数据处理设备100的方框示意图。所述数据处理设备100可以是任意具有数据处理功能和通信功能的电子设备,例如可以是个人计算机(PersonalComputer,PC)、服务器等,该服务器可以是单台服务器,也可以是相互通信的多台服务器组成的集群。
所述数据处理设备100包括道路特效设置装置110、机器可读存储介质120、处理器130以及通信单元140。
所述机器可读存储介质120、处理器130以及通信单元140各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述道路特效设置装置110包括至少一个可以软件或固件(firmware)的形式存储于所述机器可读存储介质120中或固化在所述数据处理设备100的操作系统(operating system,OS)中的软件功能模块。所述处理器130用于执行所述机器可读存储介质120中存储的可执行模块,例如所述道路特效设置装置110所包括的软件功能模块及计算机程序等。
其中,所述机器可读存储介质120可以是,但不限于,随机存取存储器(RandomAccess Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable ProgrammableRead-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。其中,机器可读存储介质120用于存储程序,所述处理器130在接收到执行指令后,执行所述程序。所述处理器130可以是一种集成电路芯片,具有信号处理能力。该处理器130也可以是通用处理器,包括中央处理器(CentralProcessingUnit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,FPGA)、分立门或晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或任何常规的处理器。
所述通信单元140用于通过所述网络与外部设备(例如,提供待识别的三维道路模型的服务器等)建立通信连接,以实现数据交互或通讯。
应当理解,图1所示的结构仅为示意,数据处理设备100可以具有比图1更少或更多的组件,或是具有与图1所示不同的配置。例如,数据处理设备100还可以包括显示单元。其中,图1所示的各组件可以通过软件、硬件或其组合实现。
请参照图2,图2为应用于图1所示的数据处理设备100的一种道路特效设置方法的流程示意图,以下将对所述方法包括各个步骤进行详细阐述。
步骤S21,获取待识别的三维道路模型。
其中,三维道路模型为三维可视化场景中的道路模型。
步骤S22,采用基于深度学习算法实现的图像识别模型对所述三维道路模型中的交通指示线进行识别。
经研究发现,道路上通常设置有交通指示线,例如设置在道路的路面上的线条、箭头、文字、标记和轮廓标等用于进行管制和引导交通的标记。例如,斑马线,用于分割同向车道的白色实线、用于禁止双方向车辆越线或压线行驶的单黄实线。这些交通指示线的方向通常与道路的延伸方向一致。基于此,本实施例提供的道路特效设置方法采用图像识别模型来识别道路上的交通指示线,进而根据识别的交通指示线确定特效对象的运动路径。
在一种具体实施方式中,如果只识别到一条交通指示线,可以将该交通指示线作为所述特效对象的运动路径。
在又一种具体实施方式中,如果识别到至少两条交通指示线,可以从该至少两条交通指示线中选取一条作为所述特效对象的运动路径。
可选地,在本实施例中,可以通过以下步骤从所述至少两条交通指示线中选取一条作为所述特效对象的运动路径:
从所述至少两条交通指示线中随机选取一条作为所述特效对象的运动路径;或者,
从所述至少两条交通指示线中确定分别位于两侧的两条交通指示线,在该两条交通指示线的中心处绘制一条指示线作为所述运动路径。
可选地,在本实施例中,所述图像识别模型可以通过图3所示的步骤训练得到。
步骤S31,采用预先拍摄的多个道路场景图像作为训练数据集。
其中,在预先拍摄的所述道路场景图像中包括至少一条交通指示线。
步骤S32,将所述训练数据集中的各道路场景图像分别输入预先建立的所述图像识别模型,获得针对输入的道路场景图像中的交通指示线的识别结果。
步骤S33,根据所述识别结果调整所述图像识别模型的超参数,以对所述图像识别模型进行优化。
步骤S23,将识别到的交通指示线作为特效对象的运动路径,并将所述特效对象设置于所述运动路径上,以使所述特效对象沿所述运动路径进行显示。
可选地,在本实施例中,所述特效对象可以和一控制脚本绑定。在实施过程中,可以向控制脚本发送触发指令,以控制所述特效对象沿所设置的运动路径进行显示。其中,该触发指令可以由用户发起,也可以是三维可视化场景中任意目标发生运动时生成的触发指令。
通过上述设计,采用基于深度学习算法的图像识别模型对道路模型中的交通指示线进行识别,并将识别到的交通指示线作为特效对象的运动路径,从而可以将特效对象自动设置于该运动路径,减少人工操作量,加快软件开发的周期。
请参照图4,本实施例还提供一种道路特效设置装置110,道路特效设置装置110包括至少一个可以软件形式存储于机器可读存储介质120中的功能模块。从功能上划分,道路特效设置装置110可以包括模型获取模块111、识别模块112以及特效设置模块113。
其中,所述模型获取模块111用于获取待识别的三维道路模型。
在本实施例中,所述模型获取模块111可以执行步骤S21,关于所述模型获取模块111的描述具体可以参考对步骤S21的详细描述。
所述识别模块112用于采用基于深度学习算法实现的图像识别模型对所述三维道路模型中的交通指示线进行识别。
在本实施例中,所述识别模块112可以执行步骤S22,关于所述识别模块112的描述具体可以参考对步骤S22的详细描述。
所述特效设置模块113用于将识别到的交通指示线作为特效对象的运动路径,并将所述特效对象设置于所述运动路径上,以使所述特效对象沿所述运动路径进行显示。
在本实施例中,所述特效设置模块113可以执行步骤S23,关于所述特效设置模块113的描述具体可以参考对步骤S23的详细描述。
可选地,所述特效设置模块113具体可以用于在识别到至少两条交通指示线的情况下,从所述至少两条交通指示线中选取一条作为所述特效对象的运动路径。
可选地,所述特效设置模块113具体还可以用于从所述至少两条交通指示线中随机选取一条作为所述特效对象的运动路径,或者,从所述至少两条交通指示线中确定分别位于两侧的两条交通指示线,在该两条交通指示线的中心处绘制一条指示线作为所述运动路径。
可选地,所述道路特效设置装置110还可以包括模型训练模块114。
所述模型训练模块114用于采用预先拍摄的多个道路场景图像作为训练数据集;将所述训练数据集中的各道路场景图像分别输入预先建立的所述图像识别模型,获得针对输入的道路场景图像中的交通指示线的识别结果;根据所述识别结果调整所述图像识别模型的超参数,以对所述图像识别模型进行优化。
可选地,所述道路特效设置装置110还可以包括特效显示模块115。
所述特效显示模块115用于向所述控制脚本发送触发指令,以控制所述特效对象沿所设置的运动路径进行显示。
本申请实施例还提供一种机器可读存储介质,该机器可读存储介质上存储有机器可执行指令,该机器可执行指令被执行时可以实现本申请实施例提供的道路特效设置方法。
综上所述,本申请实施例提供的一种道路特效设置方法及装置,方法包括:获取待识别的三维道路模型;采用基于深度学习算法实现的图像识别模型对三维道路模型中的交通指示线进行识别;将识别到的交通指示线作为特效对象的运动路径,并将该特效对象设置于该运动路径上,以使该特效对象沿该运动路径进行显示。如此,可以实现特效的运动路径的自动确定及特效的自动设置,减少人工操作量,减少耗时,使得软件开发周期变短。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种道路特效设置方法,其特征在于,所述方法包括:
获取待识别的三维道路模型,所述三维道路模型为三维可视化场景中的道路模型;
采用基于深度学习算法实现的图像识别模型对所述三维道路模型中的交通指示线进行识别;
若识别到至少两条交通指示线,则从所述至少两条交通指示线中选取一条作为特效对象的运动路径,并将所述特效对象设置于所述运动路径上,以使所述特效对象沿所述运动路径进行显示。
2.根据权利要求1所述的方法,其特征在于,从所述至少两条交通指示线中选取一条作为所述特效对象的运动路径,包括:
从所述至少两条交通指示线中随机选取一条作为所述特效对象的运动路径;或者,
从所述至少两条交通指示线中确定分别位于两侧的两条交通指示线,在该两条交通指示线的中心处绘制一条指示线作为所述运动路径。
3.根据权利要求1-2中任意一项所述的方法,其特征在于,所述图像识别模型通过以下步骤训练获得:
采用预先拍摄的多个道路场景图像作为训练数据集;
将所述训练数据集中的各道路场景图像分别输入预先建立的所述图像识别模型,获得针对输入的道路场景图像中的交通指示线的识别结果;
根据所述识别结果调整所述图像识别模型的超参数,以对所述图像识别模型进行优化。
4.根据权利要求1-2中任意一项所述的方法,其特征在于,所述特效对象与一控制脚本绑定,所述方法还包括:
向所述控制脚本发送触发指令,以控制所述特效对象沿所设置的运动路径进行显示。
5.一种道路特效设置装置,其特征在于,所述装置包括:
模型获取模块,用于获取待识别的三维道路模型,所述三维道路模型为三维可视化场景中的道路模型;
识别模块,用于采用基于深度学习算法实现的图像识别模型对所述三维道路模型中的交通指示线进行识别;
特效设置模块,用于若识别到至少两条交通指示线,则从所述至少两条交通指示线中选取一条作为特效对象的运动路径,并将所述特效对象设置于所述运动路径上,以使所述特效对象沿所述运动路径进行显示。
6.根据权利要求5所述的装置,其特征在于,所述特效设置模块,具体还用于从所述至少两条交通指示线中随机选取一条作为所述特效对象的运动路径,或者,从所述至少两条交通指示线中确定分别位于两侧的两条交通指示线,在该两条交通指示线的中心处绘制一条指示线作为所述运动路径。
7.根据权利要求5-6中任意一项所述的装置,其特征在于,所述装置还包括:
模型训练模块,用于采用预先拍摄的多个道路场景图像作为训练数据集;将所述训练数据集中的各道路场景图像分别输入预先建立的所述图像识别模型,获得针对输入的道路场景图像中的交通指示线的识别结果;根据所述识别结果调整所述图像识别模型的超参数,以对所述图像识别模型进行优化。
8.根据权利要求5-6中任意一项所述的装置,其特征在于,所述特效对象与一控制脚本绑定,所述装置还包括:
特效显示模块,用于向所述控制脚本发送触发指令,以控制所述特效对象沿所设置的运动路径进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811585215.9A CN109712231B (zh) | 2018-12-24 | 2018-12-24 | 道路特效设置方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811585215.9A CN109712231B (zh) | 2018-12-24 | 2018-12-24 | 道路特效设置方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109712231A CN109712231A (zh) | 2019-05-03 |
CN109712231B true CN109712231B (zh) | 2022-12-06 |
Family
ID=66256167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811585215.9A Active CN109712231B (zh) | 2018-12-24 | 2018-12-24 | 道路特效设置方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109712231B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436678A (zh) * | 2010-09-29 | 2012-05-02 | 比亚迪股份有限公司 | 一种三维道路模型生成方法及系统 |
CN102682472A (zh) * | 2012-05-07 | 2012-09-19 | 电子科技大学 | 一种粒子特效的可视化合成系统与方法 |
CN104392212A (zh) * | 2014-11-14 | 2015-03-04 | 北京工业大学 | 一种基于视觉的道路信息检测及前方车辆识别方法 |
CN105069842A (zh) * | 2015-08-03 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 道路三维模型的建模方法和装置 |
CN105825542A (zh) * | 2016-03-15 | 2016-08-03 | 北京图安世纪科技股份有限公司 | 一种三维道路快速建模及其动态仿真渲染方法和系统 |
CN106960097A (zh) * | 2017-03-27 | 2017-07-18 | 北京图安世纪科技股份有限公司 | 一种构建三维城市级路网及微观交通流仿真方法及系统 |
CN106971040A (zh) * | 2017-03-29 | 2017-07-21 | 北京晶众智慧交通科技股份有限公司 | 一种基于平纵横设计的三维道路快速建模方法 |
CN107480725A (zh) * | 2017-08-23 | 2017-12-15 | 京东方科技集团股份有限公司 | 基于深度学习的图像识别方法、装置和计算机设备 |
CN107705363A (zh) * | 2017-10-20 | 2018-02-16 | 北京世纪高通科技有限公司 | 一种道路三维可视化建模方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996220A (zh) * | 2014-05-26 | 2014-08-20 | 江苏大学 | 一种智能交通中的三维重建方法及系统 |
CN106600688A (zh) * | 2016-12-12 | 2017-04-26 | 合肥华耀广告传媒有限公司 | 基于三维建模技术的虚拟现实系统 |
CN107844635B (zh) * | 2017-10-12 | 2023-07-18 | 上海市政工程设计研究总院(集团)有限公司 | 实现bim信息与交通仿真信息集成系统及其集成方法 |
CN107943286B (zh) * | 2017-11-14 | 2023-02-28 | 国网山东省电力公司 | 一种增强漫游沉浸感的方法 |
-
2018
- 2018-12-24 CN CN201811585215.9A patent/CN109712231B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436678A (zh) * | 2010-09-29 | 2012-05-02 | 比亚迪股份有限公司 | 一种三维道路模型生成方法及系统 |
CN102682472A (zh) * | 2012-05-07 | 2012-09-19 | 电子科技大学 | 一种粒子特效的可视化合成系统与方法 |
CN104392212A (zh) * | 2014-11-14 | 2015-03-04 | 北京工业大学 | 一种基于视觉的道路信息检测及前方车辆识别方法 |
CN105069842A (zh) * | 2015-08-03 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 道路三维模型的建模方法和装置 |
CN105825542A (zh) * | 2016-03-15 | 2016-08-03 | 北京图安世纪科技股份有限公司 | 一种三维道路快速建模及其动态仿真渲染方法和系统 |
CN106960097A (zh) * | 2017-03-27 | 2017-07-18 | 北京图安世纪科技股份有限公司 | 一种构建三维城市级路网及微观交通流仿真方法及系统 |
CN106971040A (zh) * | 2017-03-29 | 2017-07-21 | 北京晶众智慧交通科技股份有限公司 | 一种基于平纵横设计的三维道路快速建模方法 |
CN107480725A (zh) * | 2017-08-23 | 2017-12-15 | 京东方科技集团股份有限公司 | 基于深度学习的图像识别方法、装置和计算机设备 |
CN107705363A (zh) * | 2017-10-20 | 2018-02-16 | 北京世纪高通科技有限公司 | 一种道路三维可视化建模方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于车载激光点云的三维道路精细化建模;张慧智 等;《测绘与空间地理信息》;20181130;第41卷(第11期);第100-109页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109712231A (zh) | 2019-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11288627B2 (en) | Information processing apparatus, control method, and program | |
CN106558026B (zh) | 偏离用户界面 | |
US10964057B2 (en) | Information processing apparatus, method for controlling information processing apparatus, and storage medium | |
CN113392693A (zh) | 不同照明条件下的对象检测 | |
CN111324945B (zh) | 传感器方案确定方法、装置、设备及存储介质 | |
CN110969592B (zh) | 图像融合方法、自动驾驶控制方法、装置和设备 | |
CN112735253B (zh) | 红绿灯自动标注方法及计算机设备 | |
CN110222641B (zh) | 用于识别图像的方法和装置 | |
CN113780201B (zh) | 手部图像的处理方法及装置、设备和介质 | |
US11821751B2 (en) | Verifying map data using challenge questions | |
CN108510528A (zh) | 一种可见光和红外图像配准融合的方法及装置 | |
CN116582653B (zh) | 一种基于多摄像头数据融合的智能视频监控方法及系统 | |
CN112668428A (zh) | 车辆变道的检测方法、路侧设备、云控平台和程序产品 | |
JP2015103188A (ja) | 画像解析装置、画像解析方法及び画像解析プログラム | |
EP1638048A1 (en) | Information presentation apparatus and information presentation method | |
CN109712231B (zh) | 道路特效设置方法及装置 | |
CN114520893B (zh) | 画面投影方法、装置、投影设备及可读存储介质 | |
CN112837384A (zh) | 车辆标记方法、装置和电子设备 | |
CN109523570B (zh) | 运动参数计算方法及装置 | |
CN112434582A (zh) | 一种车道线颜色识别方法、系统、电子设备及存储介质 | |
CN107515844B (zh) | 字体设置方法、装置及移动设备 | |
CN113762397B (zh) | 检测模型训练、高精度地图更新方法、设备、介质及产品 | |
CN111142825B (zh) | 多屏视野的显示方法、系统及电子设备 | |
CN112614181B (zh) | 一种基于高亮目标的机器人定位方法及装置 | |
CN112435293B (zh) | 一种车道线的结构化参数表示确定方法及装置 |
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 |