CN109798903A - 一种从地图数据中获取道路信息的方法及装置 - Google Patents
一种从地图数据中获取道路信息的方法及装置 Download PDFInfo
- Publication number
- CN109798903A CN109798903A CN201811554922.1A CN201811554922A CN109798903A CN 109798903 A CN109798903 A CN 109798903A CN 201811554922 A CN201811554922 A CN 201811554922A CN 109798903 A CN109798903 A CN 109798903A
- Authority
- CN
- China
- Prior art keywords
- information
- road
- map
- boundary
- semantic map
- 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 claims abstract description 49
- 230000015654 memory Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 3
- 238000002372 labelling Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 30
- 238000004422 calculation algorithm Methods 0.000 description 15
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000009933 burial Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请涉及一种从地图数据中获取道路信息的方法及装置。所述方法包括:获取点云地图数据和语义地图数据;从语义地图数据中抽取语义地图中的道路信息;从点云地图数据中获取初步道路边界;根据初步道路边界,将语义地图中的道路信息中的道路边界与点云地图数据进行匹配,得到待生成语义地图的道路边界信息;将语义地图中的道路信息中的车道线信息与点云地图数据进行匹配,得到待生成语义地图的车道线信息;根据待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息。通过将传统数据地图中的数据与高精地图数据中的点云进行匹配的方式,达到节省大量人工标注的技术效果,提高地图的绘制速度。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种从地图数据中获取道路信息的方法、装置、计算机设备和存储介质。
背景技术
随着科学技术的发展,车辆自动驾驶技术也越来越成熟,车辆自动驾驶技术依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让计算机可以在没有任何人类主动的操作下,自动安全地操作机动车辆。
车辆自动驾驶技术中的障碍物检测、障碍物预测与行车规划等任务一般依赖于高精度的地图数据;现有的高精度的地图数据主要为通过激光雷达采集而来的点云数据,从其中提取道路信息是一个至关重要的步骤。
现有的道路信息的提取方法主要依赖于人工标记,即人工对点云数据中的信息进行标记,由于人工标记慢,地图绘制效率较低。
另一方面,传统地图中包含丰富的道路信息,但其数据的精度不足以支持自动驾驶场景。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高地图绘制效率及道路信息精度的从地图数据中获取道路信息的方法、装置、计算机设备和存储介质。
一种从地图数据中获取道路信息的方法,包括:
获取点云地图数据和语义地图数据;
从所述语义地图数据中抽取语义地图中的道路信息;
从所述点云地图数据中获取初步道路边界;
根据所述初步道路边界,将所述语义地图中的道路信息中的道路边界与所述点云地图数据进行匹配,得到待生成语义地图的道路边界信息;
将所述语义地图中的道路信息中的车道线信息与所述点云地图数据进行匹配,得到待生成语义地图的车道线信息;
根据所述待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息。
在其中一个实施例中,所述从所述点云地图数据中获取初步道路边界,包括:
对所述点云地图数据进行聚类和分割处理,得到不同区域的点云特征;
将所述不同区域按照连通性连接,根据高度信息及所述点云特征对每个相连通的区域进行筛选,得到路面区域,根据所述路面区域获取初步道路边界。
在其中一个实施例中,所述对所述点云地图数据进行聚类和分割处理,得到不同区域的点云特征,包括:
对所述点云地图数据按照范围进行聚类,根据聚类结果去除噪声点;
采用最小二乘法拟合数据,将所述点云地图数据分割为多个平面,得到不同区域的点云特征。
在其中一个实施例中,所述将所述不同区域按照连通性连接,根据高度信息及所述点云特征对每个相连通的区域进行筛选,得到路面区域,根据所述路面区域获取初步道路边界,包括:
根据高度信息及所述点云特征,确定所述每个相连通的区域中的路面区域;
采用所述路面区域对所述点云地图数据进行拟合,得到所述初步道路边界。
在其中一个实施例中,所述根据所述初步道路边界,将所述语义地图中的道路信息中的道路边界与所述点云地图数据进行匹配,得到待生成语义地图的道路边界信息,包括:
计算所述初步道路边界中的边界点与所述语义地图中的道路边界的边界点的匹配概率,获取匹配概率达到预设概率阈值的初步道路边界中的边界点;
以所述匹配概率达到预设概率阈值的初步道路边界中的边界为基准,将所述语义地图中的道路边界映射到所述点云地图数据中,得到待生成语义地图的道路边界信息。
在其中一个实施例中,所述将所述语义地图中的道路信息中的车道线信息与所述点云地图数据进行匹配,得到待生成语义地图的车道线信息,包括:
根据所述初步道路边界确定所述点云地图数据中的道路区域;
根据所述语义地图中的道路信息中的车道数,将所述点云地图数据中的道路区域分为多个车道区域;
获取所述多个车道区域中所有点云的反射强度,根据所述反射强度计算多个车道区域的点云的第一平均反射强度及方差;
将点云按所述反射强度信息进行聚类,得到多个连续区域,并获得所述连续区域的第二平均反射强度;
根据第二平均反射强度、第一平均反射强度及方差筛选连续区域作为点云地图数据中的车道线信息;
根据所述点云地图数据中的车道线信息生成所述待生成语义地图的车道线信息。
在其中一个实施例中,所述将所述语义地图中的道路信息中的车道线信息与所述点云地图数据进行匹配,得到待生成语义地图的车道线信息,包括:
根据所述反射强度信息从所述点云地图数据中获取候选车道线信息,通过边界匹配将所述语义地图中的道路信息中的车道线信息与所述候选车道线信息进行匹配,得到待生成语义地图的车道线信息。
在其中一个实施例中,所述根据所述待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息,包括:
获取所述语义地图数据中与所述车道线信息绑定的道路相关信息,所述道路相关信息包括道路名称信息、行驶方向信息、限速信息及红绿灯信息中的至少一种;
根据所述待生成语义地图中的道路边界信息、车道线信息以及所述道路相关信息,得到所述待生成语义地图中的道路信息。
在其中一个实施例中,在根据所述待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息之后,还包括:
显示所述待生成语义地图的道路信息;
获取对所述待生成语义地图的道路信息的修正指令;
根据所述修正指令修改所述待生成语义地图的道路信息。
一种从地图数据中获取道路信息的装置,包括:
地图数据获取模块,用于获取点云地图数据和语义地图数据;
道路信息提取模块,用于从所述语义地图数据中抽取语义地图中的道路信息;
道路边界获取模块,用于从所述点云地图数据中获取初步道路边界;
第一匹配模块,用于根据所述初步道路边界,将所述语义地图中的道路信息中的道路边界与所述点云地图数据进行匹配,得到待生成语义地图的道路边界信息;
第二匹配模块,用于将所述语义地图中的道路信息中的车道线信息与所述点云地图数据进行匹配,得到待生成语义地图的车道线信息;
道路信息获取模块,用于根据所述待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取点云地图数据和语义地图数据;
从所述语义地图数据中抽取语义地图中的道路信息;
从所述点云地图数据中获取初步道路边界;
根据所述初步道路边界,将所述语义地图中的道路信息中的道路边界与所述点云地图数据进行匹配,得到待生成语义地图的道路边界信息;
将所述语义地图中的道路信息中的车道线信息与所述点云地图数据进行匹配,得到待生成语义地图的车道线信息;
根据所述待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取点云地图数据和语义地图数据;
从所述语义地图数据中抽取语义地图中的道路信息;
从所述点云地图数据中获取初步道路边界;
根据所述初步道路边界,将所述语义地图中的道路信息中的道路边界与所述点云地图数据进行匹配,得到待生成语义地图的道路边界信息;
将所述语义地图中的道路信息中的车道线信息与所述点云地图数据进行匹配,得到待生成语义地图的车道线信息;
根据所述待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息。
上述从地图数据中获取道路信息的方法、装置、计算机设备和存储介质,获取点云地图数据和语义地图数据;从所述语义地图数据中抽取语义地图中的道路信息;从所述点云地图数据中获取初步道路边界;根据所述初步道路边界,将所述语义地图中的道路信息中的道路边界与所述点云地图数据进行匹配,得到待生成语义地图的道路边界信息;将所述语义地图中的道路信息中的车道线信息与所述点云地图数据进行匹配,得到待生成语义地图的车道线信息;根据所述待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息;提供了一个从原始高精度地图数据中获取道路信息的方法,通过将传统数据地图中的数据与高精地图数据中的点云进行匹配的方式,达到节省大量人工标注的技术效果,高效地获取道路信息,提高地图的绘制速度。
附图说明
图1是一个实施例的一种从地图数据中获取道路信息的方法的流程示意图;
图2是一个实施例的一种获取初步道路边界步骤的流程示意图;
图3是一个实施例的一种获取点云特征步骤的流程示意图;
图4是一个实施例的一种获取初步道路边界步骤的流程示意图;
图5是一个实施例的一种获取道路边界信息步骤的流程示意图;
图6是一个实施例的一种生成车道线信息步骤的流程示意图;
图7是一个实施例的一种获取道路信息步骤的流程示意图;
图8是一个实施例的一种从地图数据中获取道路信息的装置的结构框图;
图9是一个实施例的一种道路边界获取模块的结构框图;
图10是一个实施例的一种点云特征获取子模块的结构框图;
图11是一个实施例的一种初步道路边界获取子模块的结构框图;
图12是一个实施例的一种第一匹配模块的结构框图;
图13是一个实施例的一种第二匹配模块的结构框图;
图14是一个实施例的一种道路信息获取模块的结构框图;
图15是一个实施例的一种从地图数据中获取道路信息的装置的结构框图;
图16是一个实施例的一种计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的从地图数据中获取道路信息的方法,可应用于车载设备、终端或者服务器中,其中,终端可以是个人计算机、笔记本电脑、智能手机、平板电脑等。该方法可应用于自动驾驶场景中。
在一个实施例中,如图1所示,提供了一种从地图数据中获取道路信息的方法,包括以下步骤:
步骤S201,获取点云地图数据和语义地图数据;
本实施例中,首先可以分别获取到点云地图数据及语义地图数据;需要说明的是,点云地图数据可以包括通过采集车辆上的激光雷达在车辆行驶过程中扫描车辆周围相对于车身的三维点云数据,结合车辆的定位信息与姿态信息,将三维点云数据映射到世界坐标系中,拼接成三维点云数据而构成的高精度地图数据。
进一步应用到本实施例中,该语义地图数据与传统的数字地图相同,是在一定坐标系统内具有确定的坐标和属性的地面要素和现象的离散数据,在计算机可识别的可存储介质上概括的、有序的集合;其可以包含有多种道路信息。
步骤S202,从语义地图数据中抽取语义地图中的道路信息;
实际应用到本实施例中,可以从语义地图数据抽取出语义地图中的道路信息,其中,道路信息包括道路边界信息、车道线信息及道路相关信息等,本实施例对此不作限制。
具体应用中,可以识别出道路信息后,将道路信息进行提取;具体地,可以从公开或商用的语义地图数据中提取出道路信息;举例而言,可以从Open Street Map(OSM,公开地图)中提取出道路信息,OSM是一款由网络用户共同打造的免费开源、可编辑的地图服务。
步骤S203,从点云地图数据中获取初步道路边界;
进一步地,可以从点云地图数据中获取初步道路边界,具体而言,首先可以对点云地图数据中的点云数据进行聚类,得到不同区域及其对应的点云特征,按照连通性将不同区域进行连接,然后对每个的相连通的区域进行筛选,获得路面区域,进而可以确定该区域边界为初步道路边界,需要说明的是,该初步道路边界是由点云地图数据一系列的点云数据组成,当然,还可以包括点云数据对应的反射强度信息。
步骤S204,根据初步道路边界,将语义地图中的道路信息中的道路边界与点云地图数据进行匹配,得到待生成语义地图的道路边界信息;
进一步地,得到该初步道路边界之后,将语义地图中的道路信息与该点云地图数据进行匹配,即将语义地图中的道路信息的边界点与初步道路边界中的边界点进行匹配,若符合预设条件时,将语义地图中的道路信息中的道路边界映射到点云地图数据中,得到待生成语义地图的道路边界信息。
需要说明的是,该待生成语义地图的道路边界信息中的位置信息(经纬度信息)被调整为点云地图数据中对应的位置信息,提高了语义地图中道路边界信息的精度,使采用该道路边界信息生成的新的语义地图可以适用于多个场景,如自动驾驶场景等。
步骤S205,将语义地图中的道路信息中的车道线信息与点云地图数据进行匹配,得到待生成语义地图的车道线信息;
实际应用中,还可以将语义地图中的道路信息中的车道线信息与点云地图数据进行匹配,得到待生成语义地图的车道线信息;具体地,该车道线信息可以包括车道数,根据该车道数将道路区域进行划分,再将平均反射强度高于阀值的连续区域作为点云地图数据的车道线信息,根据点云地图数据的车道线信息生成待生成语义地图的车道线信息,即将点云地图数据的车道线信息对应的点云数据的中心点连接形成待生成语义地图的车道线信息。
在一种优选的实施例中,当该语义地图数据中的道路信息包括每个车道的具体位置信息,可以首先通过点云地图数据中的反射强度抽取候选车道线信息,再通过边界匹配将语义地图中的道路信息中的车道线信息与候选车道线信息进行匹配,获得待生成语义地图的车道线信息。
在本实施例中,当语义地图数据中车道的具体位置信息未知时,可以根据道路区域的反射强度得到该点云地图数据的车道线信息,再根据点云地图数据的车道线信息生成该待生成语义地图的车道线信息。
当语义地图数据中车道的具体位置信息已知时,通过与步骤203及步骤204相同的方式得到该待生成语义地图的车道线信息,即首先抽取点云地图数据的候选车道线信息,将语义地图数据中的车道线的边界点及点云地图数据的候选车道线信息的边界点进行匹配,得到待生成语义地图的车道线信息。
步骤S206,根据待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息。
具体应用到本实施例中,语义地图数据中的道路相关信息还可以包括道路名称信息、行驶方向信息、限速信息、红绿灯信息、建筑信息、距离信息及高度信息等,该道路相关信息与语义地图数据的车道线信息绑定,则在得到待生成语义地图的车道线信息及道路边界信息后,提取出语义地图数据的道路相关信息,将该道路相关信息匹配到待生成语义地图的道路边界信息和车道线信息,得到待生成语义地图的道路信息。
根据本实施例提供的从地图数据中获取道路信息的方法,获取点云地图数据和语义地图数据;从语义地图数据中抽取语义地图中的道路信息;从点云地图数据中获取初步道路边界;根据初步道路边界,将语义地图中的道路信息中的道路边界与点云地图数据进行匹配,得到待生成语义地图的道路边界信息;将语义地图中的道路信息中的车道线信息与点云地图数据进行匹配,得到待生成语义地图的车道线信息;根据待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息;提供了一个从原始高精度地图数据中获取道路信息的方法,通过将传统数据地图中的数据与高精地图数据中的点云进行匹配的方式,达到节省大量人工标注的技术效果,高效地获取道路信息,提高地图的绘制速度。
在另一个实施例中,参照图2,示出了本实施例的一种获取初步道路边界步骤的流程示意图,步骤S203包括以下子步骤:
子步骤S11,对点云地图数据进行聚类和分割处理,得到不同区域的点云特征;
子步骤S12,将不同区域按照连通性连接,根据高度信息及点云特征对每个相连通的区域进行筛选,得到路面区域,根据路面区域获取初步道路边界。
具体地,将点云地图数据中的点云数据根据表面平滑性进行聚类,再将聚类后的点云数据进行分割处理,得到不同区域的点云特征;进一步地,将不同区域按照连通性连接,得到相连通的区域,再根据点云特征及高度信息对相连通的区域进行筛选,得到路面区域,根据路面区域获取初步道路边界;通过聚类的方式处理数据,降低工作量,提高数据处理效率。
需要说明的是,对点云数据进行聚类的具体算法可以包括kMeans算法、四维DBSCAN(Density-Based Spatial Clustering of Applications with Noise,有代表性的基于密度的聚类算法)算法、密度聚类(density-based clustering)算法、层次聚类(系统聚类)算法、最大期望(EM,Expectation Maximization Algorithm)算法等,本实施例对此不作限制;
在另一个实施例中,参照图3,示出了本实施例的一种获取点云特征步骤的流程示意图,对点云地图数据进行聚类和分割处理,得到不同区域的点云特征,包括以下子步骤:
子步骤S21,对点云地图数据按照范围进行聚类,根据聚类结果去除噪声点;
子步骤S22,采用最小二乘法拟合数据,将点云地图数据分割为多个平面,得到不同区域的点云特征。
具体而言,通过上述的聚类算法将对点云地图数据按照范围进行聚类,根据去除噪声点,该噪声点是指点云数据中离群且稀疏的点。
进一步地,采用最小二乘法拟合数据,将点云地图数据分割为多个平面,抽取出每个区域的法向特征、形状特征等作为该区域的点云特征;其中,该最小二乘法是指通过最小化误差的平方和寻找数据的最佳函数匹配的数学优化方法。
在另一个实施例中,参照图4,示出了本实施例的一种获取初步道路边界步骤的流程示意图,将不同区域按照连通性连接,根据高度信息及点云特征对每个相连通的区域进行筛选,得到路面区域,根据路面区域获取初步道路边界,包括以下子步骤:
子步骤S31,根据高度信息及点云特征,确定每个相连通的区域中的路面区域;
子步骤S32,采用路面区域对点云地图数据进行拟合,得到初步道路边界。
需要说明的是,该点云特征可以包括法向特征、形状特征等种类的特征,当然,也可以包括其他的点云特征,本实施例对此不作限制。
实际应用中,得到点云特征及相连通的区域后,可以根据高度信息及点云特征,确定每个相连通的区域中的路面区域。
第一方面,由于空间中可能不止一层路面,如隧道、高架桥等信息,无法直接将高度最低的区域作为路面;故首先基于连通性得到相连通的区域,再根据高度信息筛选得到相连通的区域中的路面区域。
在根据高度信息进行筛选的基础上,还可以结合法向特征、形状特征进行筛选,具体地,计算该相连通的区域中的法向特征与预设直线的夹角,根据该夹角是否符合预设角度阀值而确定该相连通的区域是否为路面区域;进一步,生成该相连通的区域中的形状特征对应的包围盒,根据该包围盒的尺寸而确定该相连通的区域是否为路面区域;举例而言,该包围盒的尺寸可以包括长度、宽度及高度,若长度或宽度的数值是高度的100倍时,则确定该相连通的区域不为路面区域。
进一步地,可以通过最小二乘法根据上述的路面区域将点云地图数据进行拟合,得到完整的初步道路边界,即补全点云地图数据的路面区域,而不受障碍物(如树木,楼房)的影响,提高数据精度。
在另一个实施例中,参照图5,示出了本实施例的一种获取道路边界信息步骤的流程示意图,步骤S204包括以下子步骤:
子步骤S41,计算初步道路边界中的边界点与语义地图中的道路边界的边界点的匹配概率,获取匹配概率达到预设概率阈值的初步道路边界中的边界点;
子步骤S42,以匹配概率达到预设概率阈值的初步道路边界中的边界为基准,将语义地图中的道路边界映射到点云地图数据中,得到待生成语义地图的道路边界信息。
本实施例中,在得到初步道路边界后,获取到初步道路边界中的边界点及语义地图中的道路边界的边界点,通过隐马尔科夫算法计算初步道路边界中的边界点与语义地图中的道路边界的边界点的匹配概率;当匹配概率达到预设概率阈值时,获得对应的初步道路边界中的边界点;当匹配概率低于预设概率阈值时,则放弃此段边界。
需要说明的是,该预设概率阈值可以为75%至85%,优选的实施例中,预设概率阈值可以为80%,该预设概率阈值可以是本领域技术人员根据实际情况而设定的任何数值,本实施例对此不作限制。
举例而言,当预设概率阈值为80%时,通过隐马尔科夫算法计算得到某段初步道路边界中的边界点与某段语义地图中的道路边界的边界点的匹配概率为50%,小于预设概率阈值,则放弃该段初步道路边界;
若通过隐马尔科夫算法计算得到某段初步道路边界中的边界点与某段语义地图中的道路边界的边界点的匹配概率为90%,则大于预设概率阈值,以该段初步道路边界的边界为基准,将该段语义地图中的道路边界映射到点云地图数据中,得到待生成语义地图的道路边界信息。
即以匹配概率达到预设概率阈值的初步道路边界中的边界为基准,将语义地图中的道路边界映射到点云地图数据中,得到待生成语义地图的道路边界信息;通过边界匹配的方式高效地获取道路信息。
在另一个实施例中,参照图6,示出了本实施例的一种生成车道线信息步骤的流程示意图,步骤S205包括以下子步骤:
子步骤S51,根据初步道路边界确定点云地图数据中的道路区域;
子步骤S52,根据语义地图中的道路信息中的车道数,将点云地图数据中的道路区域分为多个车道区域;
子步骤S53,获取多个车道区域中所有点云的反射强度,根据反射强度计算多个车道区域的点云的第一平均反射强度及方差;
子步骤S54,将点云按反射强度信息进行聚类,得到多个连续区域,并获得连续区域的第二平均反射强度;
子步骤S55,根据第二平均反射强度、第一平均反射强度及方差筛选连续区域作为点云地图数据中的车道线信息;
子步骤S56,根据点云地图数据中的车道线信息生成待生成语义地图的车道线信息。
具体地,首先可以根据上述初步道路边界确定点云地图数据中的道路区域,进一步地,可以获取到语义地图中的道路信息中的车道数,根据该车道数将道路区域分为多个车道区域;具体地,可以将道路区域平均分为多个车道区域,举例而言,当语义地图中的道路信息中的车道数为3时,则将该道路区域按照行车方向划分为3块均等的区域。
实际应用中,还可以获取多个车道区域中所有点云的反射强度,根据反射强度计算多个车道区域的点云的第一平均反射强度及方差;需要说明的是,该该点云的第一平均反射强度是道路区域中每个点云的反射强度的平均值,即该点云的平均反射强度可以由计算每个点云的反射强度的平均值而得到。
进一步地,还可以将点云数据按反射强度信息进行聚类,得到多个连续区域,针对聚类的具体方式,可以通过kMeans算法、四维DBSCAN算法等聚类算法进行,在此不再赘述;并计算出该连续区域的第二平均反射强度,该第二平均反射强度的计算方式与上述的相同,在此也不再赘述。
得到连续区域及其第二平均反射强度后,根据第二平均反射强度、第一平均反射强度及方差筛选连续区域作为点云地图数据中的车道线信息;具体而言,首先可以筛选出第二平均反射强度大于预设强度阀值的连续区域,举例而言,预设强度阀值可以为第一平均反射强度加上两倍方差的和,本实施例对此不作过多的限制。
其中,筛选出第二平均反射强度大于预设强度阀值的连续区域后,从连续区域选取出高度值稳定及形状位置与道路边缘的平行度符合一定阀值的区域作为点云地图数据中的车道线信息。再将点云地图数据的车道线信息对应的点云数据的中心点连接形成待生成语义地图的车道线信息,准确、高效地获取道路信息。
在一个优选实施例中,将语义地图中的道路信息中的车道线信息与点云地图数据进行匹配,得到待生成语义地图的车道线信息的步骤还可以包括:根据反射强度信息从点云地图数据中获取候选车道线信息,通过边界匹配将语义地图中的道路信息中的车道线信息与候选车道线信息进行匹配,得到待生成语义地图的车道线信息。
即在另一种优选实施例中,可以根据反射强度从点云地图数据中获取候选车道线信息,然后将语义地图中的车道线信息的边界点与候选车道线信息的边界点进行匹配,得到待生成语义地图的车道线信息;具体的匹配过程如下:
1、计算候选车道线信息中的边界点与语义地图中的车道线信息的边界点的匹配概率,获取匹配概率达到预设概率阈值的候选车道线信息中的边界点;
2、以匹配概率达到预设概率阈值的候选车道线信息中的边界为基准,将语义地图中的车道线信息映射到点云地图数据中,得到待生成语义地图的车道线信息。
在另一个实施例中,参照图7,示出了本实施例的一种获取道路信息步骤的流程示意图,步骤S206包括:
子步骤S61,获取语义地图数据中与车道线信息绑定的道路相关信息,道路相关信息包括道路名称信息、行驶方向信息、限速信息及红绿灯信息中的至少一种;
子步骤S62,根据待生成语义地图中的道路边界信息、车道线信息以及道路相关信息,得到待生成语义地图中的道路信息。
进一步应用到本实施例中,可以获取到与车道线信息绑定的道路相关信息,将道路相关信息匹配到待生成语义地图中的道路边界信息、车道线信息中,得到待生成语义地图中的道路信息,即将三者进行匹配,得到完整的待生成语义地图中的道路信息。
在根据待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息之后,还包括:显示待生成语义地图的道路信息;获取对待生成语义地图的道路信息的修正指令;根据修正指令修改待生成语义地图的道路信息。
具体而言,车载设备、终端设备或者服务器设备首先可以显示待生成语义地图的道路信息;而后获取到对语义地图的道路信息的修正指令,响应修正指令修改待生成语义地图的道路信息,删除错误的地图信息,并通过标注来添加必要的道路信息,提高地图数据的精确性。
本实施例中,在获取点云地图数据和语义地图数据,得到上述的待生成语义地图的道路信息后,可以根据该道路信息生成新的语义地图;
在形成新的语义地图数据之后,将新的语义地图数据进行渲染或加载,显示于车载设备、终端设备或者服务器设备的显示装置上;也可以将该更高精度的待生成语义地图中的道路信息更新到原有的语义地图数据中,形成新的语义地图数据;或者,将该更高精度的待生成语义地图中的道路信息替换原有的语义地图数据的道路信息,形成新的语义地图数据,本实施例对此不作限制。
应该理解的是,虽然图1-7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-7中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图8所示,提供了一种从地图数据中获取道路信息的装置,包括:地图数据获取模块401、道路信息提取模块402、道路边界获取模块404、第一匹配模块404、第二匹配模块405和道路信息获取模块406,其中:
地图数据获取模块401,用于获取点云地图数据和语义地图数据;
道路信息提取模块402,用于从语义地图数据中抽取语义地图中的道路信息;
道路边界获取模块403,用于从点云地图数据中获取初步道路边界;
第一匹配模块404,用于根据初步道路边界,将语义地图中的道路信息中的道路边界与点云地图数据进行匹配,得到待生成语义地图的道路边界信息;
第二匹配模块405,用于将语义地图中的道路信息中的车道线信息与点云地图数据进行匹配,得到待生成语义地图的车道线信息;
道路信息获取模块406,用于根据待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息。
在其中一个实施例中,参照图9,示出了本实施例的一种道路边界获取模块的结构框图,道路边界获取模块403包括:
点云特征获取子模块4031,用于对点云地图数据进行聚类和分割处理,得到不同区域的点云特征;
初步道路边界获取子模块4032,用于将不同区域按照连通性连接,根据高度信息及点云特征对每个相连通的区域进行筛选,得到路面区域,根据路面区域获取初步道路边界。
在其中一个实施例中,参照图10,示出了本实施例的一种点云特征获取子模块的结构框图,点云特征获取子模块4031包括:
聚类单元40311,用于对点云地图数据按照范围进行聚类,根据聚类结果去除噪声点;
点云特征获取单元40312,用于采用最小二乘法拟合数据,将点云地图数据分割为多个平面,得到不同区域的点云特征。
在其中一个实施例中,参照图11,示出了本实施例的一种初步道路边界获取子模块的结构框图,初步道路边界获取子模块4032包括:
路面区域获取单元40321,用于根据高度信息及点云特征,确定每个相连通的区域中的路面区域;
初步道路边界获取单元40322,用于采用路面区域对点云地图数据进行拟合,得到初步道路边界。
在其中一个实施例中,参照图12,示出了本实施例的一种第一匹配模块的结构框图,第一匹配模块404包括:
概率计算子模块4041,用于计算初步道路边界中的边界点与语义地图中的道路边界的边界点的匹配概率,获取匹配概率达到预设概率阈值的初步道路边界中的边界点;
映射子模块4042,用于以匹配概率达到预设概率阈值的初步道路边界中的边界为基准,将语义地图中的道路边界映射到点云地图数据中,得到待生成语义地图的道路边界信息。
在其中一个实施例中,参照图13,示出了本实施例的一种第二匹配模块的结构框图,第二匹配模块405包括:
确定子模块4051,用于根据初步道路边界确定点云地图数据中的道路区域;
车道区域划分子模块4052,用于根据语义地图中的道路信息中的车道数,将点云地图数据中的道路区域分为多个车道区域;
强度及方差计算子模块4053,用于获取多个车道区域中所有点云的反射强度,根据反射强度计算多个车道区域的点云的第一平均反射强度及方差;
连续区域获取子模块4054,用于将点云按反射强度信息进行聚类,得到多个连续区域,并获得连续区域的第二平均反射强度;
车道线信息获取子模块4055,用于根据第二平均反射强度、第一平均反射强度及方差筛选连续区域作为点云地图数据中的车道线信息;
生成子模块4056,用于根据点云地图数据中的车道线信息生成待生成语义地图的车道线信息。
在其中一个实施例中,第二匹配模块405还用于根据反射强度信息从点云地图数据中获取候选车道线信息,通过边界匹配将语义地图中的道路信息中的车道线信息与候选车道线信息进行匹配,得到待生成语义地图的车道线信息。
在其中一个实施例中,参照图14,示出了本实施例的一种道路信息获取模块的结构框图,道路信息获取模块406包括:
道路相关信息获取子模块4061,用于获取语义地图数据中与车道线信息绑定的道路相关信息,道路相关信息包括道路名称信息、行驶方向信息、限速信息及红绿灯信息中的至少一种;
道路信息获取子模块4062,用于根据待生成语义地图中的道路边界信息、车道线信息以及道路相关信息,得到待生成语义地图中的道路信息。
在其中一个实施例中,参照图15,示出了本实施例的一种从地图数据中获取道路信息的装置的结构框图,与道路信息获取模块406相连的模块,还包括:
显示模块407,用于显示所述待生成语义地图的道路信息;
修正指令获取模块408,用于获取对待生成语义地图的道路信息的修正指令;
修改模块409,用于根据修正指令修改待生成语义地图的道路信息。
关于从地图数据中获取道路信息的装置的具体限定可以参见上文中对于从地图数据中获取道路信息的方法的限定,在此不再赘述。上述从地图数据中获取道路信息的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
上述提供的从地图数据中获取道路信息的装置可用于执行上述任意实施例提供的从地图数据中获取道路信息的方法,具备相应的功能和有益效果。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是车载设备、终端设备或者服务器设备,其内部结构图可以如图16所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种从地图数据中获取道路信息的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图16中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各实施例中的从地图数据中获取道路信息的方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各实施例提供的从地图数据中获取道路信息的方法中的步骤。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种从地图数据中获取道路信息的方法,其特征在于,包括:
获取点云地图数据和语义地图数据;
从所述语义地图数据中抽取语义地图中的道路信息;
从所述点云地图数据中获取初步道路边界;
根据所述初步道路边界,将所述语义地图中的道路信息中的道路边界与所述点云地图数据进行匹配,得到待生成语义地图的道路边界信息;
将所述语义地图中的道路信息中的车道线信息与所述点云地图数据进行匹配,得到待生成语义地图的车道线信息;
根据所述待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息。
2.根据权利要求1所述的方法,其特征在于,所述从所述点云地图数据中获取初步道路边界,包括:
对所述点云地图数据进行聚类和分割处理,得到不同区域的点云特征;
将所述不同区域按照连通性连接,根据高度信息及所述点云特征对每个相连通的区域进行筛选,得到路面区域,根据所述路面区域获取初步道路边界。
3.根据权利要求2所述的方法,其特征在于,所述对所述点云地图数据进行聚类和分割处理,得到不同区域的点云特征,包括:
对所述点云地图数据按照范围进行聚类,根据聚类结果去除噪声点;
采用最小二乘法拟合数据,将所述点云地图数据分割为多个平面,得到不同区域的点云特征。
4.根据权利要求2所述的方法,其特征在于,所述将所述不同区域按照连通性连接,根据高度信息及所述点云特征对每个相连通的区域进行筛选,得到路面区域,根据所述路面区域获取初步道路边界,包括:
根据高度信息及所述点云特征,确定所述每个相连通的区域中的路面区域;
采用所述路面区域对所述点云地图数据进行拟合,得到所述初步道路边界。
5.根据权利要求1所述的方法,其特征在于,所述根据所述初步道路边界,将所述语义地图中的道路信息中的道路边界与所述点云地图数据进行匹配,得到待生成语义地图的道路边界信息,包括:
计算所述初步道路边界中的边界点与所述语义地图中的道路边界的边界点的匹配概率,获取匹配概率达到预设概率阈值的初步道路边界中的边界点;
以所述匹配概率达到预设概率阈值的初步道路边界中的边界为基准,将所述语义地图中的道路边界映射到所述点云地图数据中,得到待生成语义地图的道路边界信息。
6.根据权利要求1所述的方法,其特征在于,所述将所述语义地图中的道路信息中的车道线信息与所述点云地图数据进行匹配,得到待生成语义地图的车道线信息,包括:
根据所述初步道路边界确定所述点云地图数据中的道路区域;
根据所述语义地图中的道路信息中的车道数,将所述点云地图数据中的道路区域分为多个车道区域;
获取所述多个车道区域中所有点云的反射强度,根据所述反射强度计算多个车道区域的点云的第一平均反射强度及方差;
将点云按所述反射强度信息进行聚类,得到多个连续区域,并获得所述连续区域的第二平均反射强度;
根据第二平均反射强度、第一平均反射强度及方差筛选连续区域作为点云地图数据中的车道线信息;
根据所述点云地图数据中的车道线信息生成所述待生成语义地图的车道线信息。
7.根据权利要求1所述的方法,其特征在于,所述将所述语义地图中的道路信息中的车道线信息与所述点云地图数据进行匹配,得到待生成语义地图的车道线信息,包括:
根据所述反射强度信息从所述点云地图数据中获取候选车道线信息,通过边界匹配将所述语义地图中的道路信息中的车道线信息与所述候选车道线信息进行匹配,得到待生成语义地图的车道线信息。
8.根据权利要求1至7任一项所述的方法,其特征在于,所述根据所述待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息,包括:
获取所述语义地图数据中与所述车道线信息绑定的道路相关信息,所述道路相关信息包括道路名称信息、行驶方向信息、限速信息及红绿灯信息中的至少一种;
根据所述待生成语义地图中的道路边界信息、车道线信息以及所述道路相关信息,得到所述待生成语义地图中的道路信息。
9.根据权利要求1至7任一项所述的方法,其特征在于,在根据所述待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息之后,还包括:
显示所述待生成语义地图的道路信息;
获取对所述待生成语义地图的道路信息的修正指令;
根据所述修正指令修改所述待生成语义地图的道路信息。
10.一种从地图数据中获取道路信息的装置,其特征在于,包括:
地图数据获取模块,用于获取点云地图数据和语义地图数据;
道路信息提取模块,用于从所述语义地图数据中抽取语义地图中的道路信息;
道路边界获取模块,用于从所述点云地图数据中获取初步道路边界;
第一匹配模块,用于根据所述初步道路边界,将所述语义地图中的道路信息中的道路边界与所述点云地图数据进行匹配,得到待生成语义地图的道路边界信息;
第二匹配模块,用于将所述语义地图中的道路信息中的车道线信息与所述点云地图数据进行匹配,得到待生成语义地图的车道线信息;
道路信息获取模块,用于根据所述待生成语义地图的道路边界信息和车道线信息得到待生成语义地图的道路信息。
11.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的从地图数据中获取道路信息的方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的从地图数据中获取道路信息的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811554922.1A CN109798903B (zh) | 2018-12-19 | 2018-12-19 | 一种从地图数据中获取道路信息的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811554922.1A CN109798903B (zh) | 2018-12-19 | 2018-12-19 | 一种从地图数据中获取道路信息的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109798903A true CN109798903A (zh) | 2019-05-24 |
CN109798903B CN109798903B (zh) | 2021-03-30 |
Family
ID=66557159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811554922.1A Active CN109798903B (zh) | 2018-12-19 | 2018-12-19 | 一种从地图数据中获取道路信息的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109798903B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110148099A (zh) * | 2019-05-29 | 2019-08-20 | 北京百度网讯科技有限公司 | 投影关系的修正方法及装置、电子设备、计算机可读介质 |
CN110163880A (zh) * | 2019-06-04 | 2019-08-23 | 奥特酷智能科技(南京)有限公司 | 一种在Unity中获取点云路面高度的方法 |
CN111221808A (zh) * | 2019-12-31 | 2020-06-02 | 武汉中海庭数据技术有限公司 | 一种无人值守的高精度地图质检方法和装置 |
CN111553859A (zh) * | 2020-04-29 | 2020-08-18 | 清华大学 | 一种激光雷达点云反射强度补全方法及系统 |
CN111680347A (zh) * | 2020-05-22 | 2020-09-18 | 重庆新创科技股份有限公司 | 一种道路标线设计方法、装置、计算机设备及存储介质 |
CN111982152A (zh) * | 2020-07-31 | 2020-11-24 | 广州文远知行科技有限公司 | 点云地图量化方法、装置、计算机设备和存储介质 |
CN111999752A (zh) * | 2020-08-25 | 2020-11-27 | 北京百度网讯科技有限公司 | 确定道路信息数据的方法、装置和计算机存储介质 |
CN112257207A (zh) * | 2020-10-27 | 2021-01-22 | 智慧足迹数据科技有限公司 | 一种路网边界确定方法、装置、电子设备和存储介质 |
CN112507977A (zh) * | 2021-01-21 | 2021-03-16 | 国汽智控(北京)科技有限公司 | 一种车道线定位方法、装置及电子设备 |
CN112802095A (zh) * | 2019-11-14 | 2021-05-14 | 北京四维图新科技股份有限公司 | 定位方法、装置及设备、以及自动驾驶定位系统 |
CN112824997A (zh) * | 2019-11-20 | 2021-05-21 | 通用汽车环球科技运作有限责任公司 | 用于局部行进车道感知的方法和系统 |
CN112988932A (zh) * | 2021-03-10 | 2021-06-18 | 北京百度网讯科技有限公司 | 高精地图标注方法、装置、设备、可读存储介质及产品 |
CN112989946A (zh) * | 2021-02-10 | 2021-06-18 | 福瑞泰克智能系统有限公司 | 一种车道线的确定方法、装置、设备及车辆 |
CN113252053A (zh) * | 2021-06-16 | 2021-08-13 | 中智行科技有限公司 | 高精度地图生成方法、装置和电子设备 |
CN113701743A (zh) * | 2021-10-29 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 地图数据处理方法、装置、计算机设备及存储介质 |
CN113984071A (zh) * | 2021-09-29 | 2022-01-28 | 云鲸智能(深圳)有限公司 | 地图匹配方法、装置、机器人和计算机可读存储介质 |
CN114111814A (zh) * | 2021-10-21 | 2022-03-01 | 北京百度网讯科技有限公司 | 高精地图数据处理方法、装置、电子设备及存储介质 |
CN114136333A (zh) * | 2021-10-15 | 2022-03-04 | 阿波罗智能技术(北京)有限公司 | 基于分层特征的高精地图道路数据生成方法、装置、设备 |
CN114620055A (zh) * | 2022-03-15 | 2022-06-14 | 阿波罗智能技术(北京)有限公司 | 道路数据处理方法、装置、电子设备及自动驾驶车辆 |
CN115248447A (zh) * | 2021-09-29 | 2022-10-28 | 上海仙途智能科技有限公司 | 一种基于激光点云的路沿识别方法及系统 |
CN115359478A (zh) * | 2022-10-17 | 2022-11-18 | 中汽创智科技有限公司 | 一种目标检测方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104197897A (zh) * | 2014-04-25 | 2014-12-10 | 厦门大学 | 一种基于车载激光扫描点云的城区道路标线自动分类方法 |
CN105260988A (zh) * | 2015-09-09 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 一种高精地图数据的处理方法和装置 |
US20170039436A1 (en) * | 2015-08-03 | 2017-02-09 | Nokia Technologies Oy | Fusion of RGB Images and Lidar Data for Lane Classification |
CN106525057A (zh) * | 2016-10-26 | 2017-03-22 | 陈曦 | 高精度道路地图的生成系统 |
US20180136332A1 (en) * | 2016-11-15 | 2018-05-17 | Wheego Electric Cars, Inc. | Method and system to annotate objects and determine distances to objects in an image |
CN108088448A (zh) * | 2017-11-21 | 2018-05-29 | 武汉中海庭数据技术有限公司 | 一种高精度车道组与传统道路的匹配方法及装置 |
CN108256446A (zh) * | 2017-12-29 | 2018-07-06 | 百度在线网络技术(北京)有限公司 | 用于确定道路中的车道线的方法、装置和设备 |
CN108268483A (zh) * | 2016-12-30 | 2018-07-10 | 乐视汽车(北京)有限公司 | 生成用于无人车导航控制的网格地图的方法 |
CN108898672A (zh) * | 2018-04-27 | 2018-11-27 | 厦门维斯云景信息科技有限公司 | 一种制作三维高清道路图车道线的半自动点云方法 |
-
2018
- 2018-12-19 CN CN201811554922.1A patent/CN109798903B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104197897A (zh) * | 2014-04-25 | 2014-12-10 | 厦门大学 | 一种基于车载激光扫描点云的城区道路标线自动分类方法 |
US20170039436A1 (en) * | 2015-08-03 | 2017-02-09 | Nokia Technologies Oy | Fusion of RGB Images and Lidar Data for Lane Classification |
CN105260988A (zh) * | 2015-09-09 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 一种高精地图数据的处理方法和装置 |
CN106525057A (zh) * | 2016-10-26 | 2017-03-22 | 陈曦 | 高精度道路地图的生成系统 |
US20180136332A1 (en) * | 2016-11-15 | 2018-05-17 | Wheego Electric Cars, Inc. | Method and system to annotate objects and determine distances to objects in an image |
CN108268483A (zh) * | 2016-12-30 | 2018-07-10 | 乐视汽车(北京)有限公司 | 生成用于无人车导航控制的网格地图的方法 |
CN108088448A (zh) * | 2017-11-21 | 2018-05-29 | 武汉中海庭数据技术有限公司 | 一种高精度车道组与传统道路的匹配方法及装置 |
CN108256446A (zh) * | 2017-12-29 | 2018-07-06 | 百度在线网络技术(北京)有限公司 | 用于确定道路中的车道线的方法、装置和设备 |
CN108898672A (zh) * | 2018-04-27 | 2018-11-27 | 厦门维斯云景信息科技有限公司 | 一种制作三维高清道路图车道线的半自动点云方法 |
Non-Patent Citations (1)
Title |
---|
常欢: "无人车基于三维点云场景理解的语义地图构建", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110148099B (zh) * | 2019-05-29 | 2021-09-10 | 北京百度网讯科技有限公司 | 投影关系的修正方法及装置、电子设备、计算机可读介质 |
CN110148099A (zh) * | 2019-05-29 | 2019-08-20 | 北京百度网讯科技有限公司 | 投影关系的修正方法及装置、电子设备、计算机可读介质 |
CN110163880A (zh) * | 2019-06-04 | 2019-08-23 | 奥特酷智能科技(南京)有限公司 | 一种在Unity中获取点云路面高度的方法 |
CN112802095A (zh) * | 2019-11-14 | 2021-05-14 | 北京四维图新科技股份有限公司 | 定位方法、装置及设备、以及自动驾驶定位系统 |
CN112802095B (zh) * | 2019-11-14 | 2024-04-16 | 北京四维图新科技股份有限公司 | 定位方法、装置及设备、以及自动驾驶定位系统 |
CN112824997A (zh) * | 2019-11-20 | 2021-05-21 | 通用汽车环球科技运作有限责任公司 | 用于局部行进车道感知的方法和系统 |
CN111221808A (zh) * | 2019-12-31 | 2020-06-02 | 武汉中海庭数据技术有限公司 | 一种无人值守的高精度地图质检方法和装置 |
US11099275B1 (en) | 2020-04-29 | 2021-08-24 | Tsinghua University | LiDAR point cloud reflection intensity complementation method and system |
CN111553859B (zh) * | 2020-04-29 | 2020-12-01 | 清华大学 | 一种激光雷达点云反射强度补全方法及系统 |
CN111553859A (zh) * | 2020-04-29 | 2020-08-18 | 清华大学 | 一种激光雷达点云反射强度补全方法及系统 |
CN111680347A (zh) * | 2020-05-22 | 2020-09-18 | 重庆新创科技股份有限公司 | 一种道路标线设计方法、装置、计算机设备及存储介质 |
CN111680347B (zh) * | 2020-05-22 | 2023-10-27 | 重庆新创科技股份有限公司 | 一种道路标线设计方法、装置、计算机设备及存储介质 |
CN111982152A (zh) * | 2020-07-31 | 2020-11-24 | 广州文远知行科技有限公司 | 点云地图量化方法、装置、计算机设备和存储介质 |
CN111999752A (zh) * | 2020-08-25 | 2020-11-27 | 北京百度网讯科技有限公司 | 确定道路信息数据的方法、装置和计算机存储介质 |
US11783570B2 (en) | 2020-08-25 | 2023-10-10 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for determining road information data and computer storage medium |
CN111999752B (zh) * | 2020-08-25 | 2024-03-26 | 阿波罗智能技术(北京)有限公司 | 确定道路信息数据的方法、装置和计算机存储介质 |
CN112257207A (zh) * | 2020-10-27 | 2021-01-22 | 智慧足迹数据科技有限公司 | 一种路网边界确定方法、装置、电子设备和存储介质 |
CN112507977A (zh) * | 2021-01-21 | 2021-03-16 | 国汽智控(北京)科技有限公司 | 一种车道线定位方法、装置及电子设备 |
CN112989946A (zh) * | 2021-02-10 | 2021-06-18 | 福瑞泰克智能系统有限公司 | 一种车道线的确定方法、装置、设备及车辆 |
CN112989946B (zh) * | 2021-02-10 | 2024-03-19 | 福瑞泰克智能系统有限公司 | 一种车道线的确定方法、装置、设备及车辆 |
CN112988932A (zh) * | 2021-03-10 | 2021-06-18 | 北京百度网讯科技有限公司 | 高精地图标注方法、装置、设备、可读存储介质及产品 |
CN112988932B (zh) * | 2021-03-10 | 2024-06-11 | 阿波罗智联(北京)科技有限公司 | 高精地图标注方法、装置、设备、可读存储介质及产品 |
CN113252053B (zh) * | 2021-06-16 | 2021-09-28 | 中智行科技有限公司 | 高精度地图生成方法、装置和电子设备 |
CN113252053A (zh) * | 2021-06-16 | 2021-08-13 | 中智行科技有限公司 | 高精度地图生成方法、装置和电子设备 |
CN115248447B (zh) * | 2021-09-29 | 2023-06-02 | 上海仙途智能科技有限公司 | 一种基于激光点云的路沿识别方法及系统 |
CN115248447A (zh) * | 2021-09-29 | 2022-10-28 | 上海仙途智能科技有限公司 | 一种基于激光点云的路沿识别方法及系统 |
CN113984071B (zh) * | 2021-09-29 | 2023-10-13 | 云鲸智能(深圳)有限公司 | 地图匹配方法、装置、机器人和计算机可读存储介质 |
CN113984071A (zh) * | 2021-09-29 | 2022-01-28 | 云鲸智能(深圳)有限公司 | 地图匹配方法、装置、机器人和计算机可读存储介质 |
CN114136333A (zh) * | 2021-10-15 | 2022-03-04 | 阿波罗智能技术(北京)有限公司 | 基于分层特征的高精地图道路数据生成方法、装置、设备 |
CN114111814A (zh) * | 2021-10-21 | 2022-03-01 | 北京百度网讯科技有限公司 | 高精地图数据处理方法、装置、电子设备及存储介质 |
CN113701743B (zh) * | 2021-10-29 | 2022-02-22 | 腾讯科技(深圳)有限公司 | 地图数据处理方法、装置、计算机设备及存储介质 |
CN113701743A (zh) * | 2021-10-29 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 地图数据处理方法、装置、计算机设备及存储介质 |
CN114620055B (zh) * | 2022-03-15 | 2022-11-25 | 阿波罗智能技术(北京)有限公司 | 道路数据处理方法、装置、电子设备及自动驾驶车辆 |
CN114620055A (zh) * | 2022-03-15 | 2022-06-14 | 阿波罗智能技术(北京)有限公司 | 道路数据处理方法、装置、电子设备及自动驾驶车辆 |
CN115359478A (zh) * | 2022-10-17 | 2022-11-18 | 中汽创智科技有限公司 | 一种目标检测方法、装置、电子设备及存储介质 |
CN115359478B (zh) * | 2022-10-17 | 2023-08-22 | 中汽创智科技有限公司 | 一种目标检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109798903B (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109798903A (zh) | 一种从地图数据中获取道路信息的方法及装置 | |
JP7068989B2 (ja) | グリッドマップを作成する方法及び装置 | |
CN108763287B (zh) | 大规模可通行区域驾驶地图的构建方法及其无人驾驶应用方法 | |
JP6561199B2 (ja) | レーザ点群に基づく都市道路の認識方法、装置、記憶媒体及び機器 | |
WO2018068653A1 (zh) | 点云数据处理方法、装置及存储介质 | |
CN108765487A (zh) | 重建三维场景的方法、装置、设备和计算机可读存储介质 | |
US11994593B2 (en) | Detection method and device based on laser radar, and computer readable storage medium | |
CN114930401A (zh) | 基于点云的三维重建方法、装置和计算机设备 | |
CN111291811B (zh) | 区域划分和分类方法、装置和计算机可读存储介质 | |
CN109685898B (zh) | 点云数据的分层方法、装置、计算机设备和存储介质 | |
CN113010793A (zh) | 地图数据处理的方法、装置、设备、存储介质及程序产品 | |
CN111897906A (zh) | 处理地图数据的方法、装置、设备和存储介质 | |
CN112712138A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
WO2021185121A1 (zh) | 模型生成方法、目标检测方法、装置、设备及存储介质 | |
CN109033170A (zh) | 停车场的数据修补方法、装置、设备及存储介质 | |
CN113066160A (zh) | 室内移动机器人场景数据及其测试用例的生成方法 | |
CN115797592B (zh) | 一种基于倾斜摄影三维模型自动生成建筑物体块的方法和装置 | |
US12026229B2 (en) | Generating synthetic training data for perception machine learning models using simulated environments | |
US20240200973A1 (en) | Method, data processing apparatus and computer program product for generating map data | |
CN111611900A (zh) | 一种目标点云识别方法、装置、电子设备和存储介质 | |
CN114283148A (zh) | 一种道路元素提取方法、装置、存储介质及电子设备 | |
Fan et al. | Confidence-guided roadside individual tree extraction for ecological benefit estimation | |
CN114325759A (zh) | 激光雷达定位中的动态障碍物剔除方法及相关方法、装置 | |
CN104090945B (zh) | 一种地理空间实体构建方法及系统 | |
CN117011413A (zh) | 道路图像重建方法、装置、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231121 Address after: Building 1801, Building 1, No. 2 South Ronghua Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing, 100176 Patentee after: Wenyuan Jingxing (Beijing) Technology Co.,Ltd. Address before: Room 687, No. 333, jiufo Jianshe Road, Guangzhou Zhongxin Guangzhou Knowledge City, Huangpu District, Guangzhou, Guangdong 510700 Patentee before: Guangzhou WeRide Technology Limited Company |