CN109916415A - 道路类型确定方法、装置、设备及存储介质 - Google Patents
道路类型确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109916415A CN109916415A CN201910295066.0A CN201910295066A CN109916415A CN 109916415 A CN109916415 A CN 109916415A CN 201910295066 A CN201910295066 A CN 201910295066A CN 109916415 A CN109916415 A CN 109916415A
- Authority
- CN
- China
- Prior art keywords
- road type
- road
- image
- described image
- panorama sketch
- 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
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例公开了一种道路类型确定方法、装置、设备及存储介质。其中,方法包括:获取位置处信息和所述位置处拍摄的图像;从所述位置处对应的道路全景图库中,获取标示道路类型的全景图;根据所述图像与所述全景图的匹配度,确定所述位置处的道路类型。本发明实施例能够减少终端的工作量,简化操作。本实施例中,通过图像与全景图进行匹配,能够有效提高道路类型确定的准确性,降低了对周围环境及设备的依赖。
Description
技术领域
本发明实施例涉及智能汽车技术,尤其涉及一种道路类型确定方法、装置、设备及存储介质。
背景技术
随着电子地图导航技术的发展,能够精确区分当前车辆所在的道路类型。但是,当路况复杂或者存在多条道路垂直交叉时,电子地图导航很难有效区分道路类型。例如,高架道路和高架桥下的普通道路重叠时,电子地图导航很难区分当前道路是高架道路还是高架桥下的普通道路。
鉴于电子地图导航的缺陷,现有技术通过全球定位系统、方向传感器、陀螺仪、重力感应器、气压等传感器,检测道路相关数据,进而得到与道路相关数据匹配的道路类型。
但是,不同道路类型的高度差一般不大,难以引起定位系统的变化;而方向传感器、陀螺仪、重力感应器、气压等传感器的数据采集精度较低,且容易受地形和周围环境的影响,导致无法准确确定道路类型。
发明内容
本发明实施例提供一种道路类型确定方法、装置、设备及存储介质,以准确确定道路类型。
第一方面,本发明实施例提供了一种道路类型确定方法,包括:
获取位置处信息和所述位置处拍摄的图像;
从所述位置处对应的道路全景图库中,获取标示道路类型的全景图;
根据所述图像与所述全景图的匹配度,确定所述位置处的道路类型。
第二方面,本发明实施例还提供了一种道路类型确定装置,包括:
第一获取模块,用于获取位置处信息和所述位置处拍摄的图像;
第二获取模块,用于从所述位置处对应的道路全景图库中,获取标示道路类型的全景图;
确定模块,用于根据所述图像与所述全景图的匹配度,确定所述位置的道路类型。
第三方面,本发明实施例还提供了一种电子设备,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现任一实施例所述的道路类型确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一实施例所述的道路类型确定方法。
本发明实施例中,通过获取位置处信息和位置处拍摄的图像,从位置处对应的道路全景图库中,获取标示道路类型的全景图,根据所述图像与所述全景图的匹配度,确定位置处的道路类型,从而通过拍摄的图像与全景图进行匹配,确定位置处的道路类型,从而实现了基于全景图的道路类型确定方法,降低了对周围环境及设备的依赖。由于全景图来源于实景拍摄,与图像的来源相同,且均能够清晰显示各类道路的实际景象,将不同类型道路的区别最大化,因此,通过图像与全景图进行匹配,能够有效提高道路类型确定的准确性。
附图说明
图1是本发明实施例一提供的一种道路类型确定方法的流程图;
图2是本发明实施例二提供的一种道路类型确定方法的流程图;
图3是本发明实施例三提供的一种道路类型确定方法的流程图;
图4是本发明实施例四提供的一种道路类型确定装置的结构示意图;
图5是本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种道路类型确定方法的流程图,本实施例可适用于确定位置处的道路类型的情况,尤其适用于多种类型的道路交叉、重叠、紧密分布的场景。该方法可以由道路类型确定装置来执行,该装置可以由硬件和/或软件构成,并一般集成在电子设备中,具体包括如下操作:
S110、获取位置处信息和位置处拍摄的图像。
其中,位置处可以是用户所在的当前道路位置,或者有人驾驶车辆或者无人驾驶车辆所在的当前道路位置,还可以任意指定的某个位置处。位置处信息用于唯一标示位置,至少包括坐标信息和地理信息。坐标信息包括经纬度坐标、在世界坐标系下的坐标、全球定位系统(Global Positioning System,GPS)坐标等。地理信息包括地标信息、道路信息、位置处的建筑物信息等。
在一应用场景中,位置处位于高架道路或者高架桥下的普通道路。
用户或者车辆在位置处,拍摄位置处周围的图像,例如位置处前方的图像、位置处左/右侧的图像。其中,图像的数量为至少一张。示例性地,在车辆行驶过程中或者用户行进过程中,通过摄像机拍摄多张图像,可以连续拍摄或者间隔预设时长拍摄。
S120、从位置处对应的道路全景图库中,获取标示道路类型的全景图。
本实施例中,道路全景图库又称为街景图库,来源于360度实景拍摄。全景图包括当地全部区域的全景图,例如某个城市的全景图、某个社区的全景图。每张全景图标示有拍摄地点的位置信息,例如坐标信息和地理信息。基于此,首先根据位置信息,确定位置处周围的全景图。接着从位置处周围的全景图中,筛选标示道路类型的全景图。其中,获取的全景图的数量为至少一张,全景图标示的道路类型包括高架道路和高架桥下的普通道路,普通道路包括铺设在地面上的道路,以及地面上、高架桥下的中层道路。可选地,道路类型可以以字符形式标示在全景图上或者全景图携带的文件中,也可以通过图像的形式标示在全景图上。
对于通过图像的形式标示在全景图上的情况,识别全景图中显示的建筑物、路标等物体;根据物体所属的道路类型,确定全景图标示的道路类型,进而筛选出标示道路类型的全景图。
S130、根据图像与全景图的匹配度,确定位置处的道路类型。
将拍摄的图像与全景图进行图像匹配,得到匹配度。当拍摄的图像数量为两个以上时,可选择其中像素数量最多,或者图像占用空间最大,或者清晰度最高的图像参与匹配;或者每张图像均参与匹配。
图像匹配的算法包括但不限于基于灰度的匹配算法、基于特征的匹配算法和基于关系的匹配算法。具体算法描述参见现有技术,此处不再赘述。在一实施方式中,将与图像的匹配度最大的全景图标示的道路类型,确定为位置处的道路类型。例如,多张全景图包括显示高架道路的全景图和显示普通道路的全景图,如果显示高架道路的全景图与图像的匹配度大于显示普通道路的全景图与图像的匹配度,则位置处的道路类型为高架道路类型。在另一实施方式中,将与图像的匹配度大于匹配度阈值的全景图标示的道路类型,确定为位置处的道路类型。其中,匹配度阈值可以设置为80%或者90%。如果从道路全景图库中,获取标示道路类型的一张全景图,且该全景图与图像的匹配度大于匹配度阈值,则确定该全景图标示的道路类型。如果该全景图与图像的匹配度不大于匹配度阈值,则继续从道路全景图库中,获取标示道路类型的一张全景图,并继续比较匹配度,直到确定位置处的道路类型。如果从道路全景图库中,获取标示道路类型的两张以上的全景图,且存在多张全景图的匹配度大于匹配度阈值,则任选一张全景图标示的道路类型,或者选择其中的最大匹配度的全景图标示的道路类型,确定为位置处的道路类型。
本发明实施例中,通过获取位置处信息和位置处拍摄的图像,从位置处对应的道路全景图库中,获取标示道路类型的全景图,根据所述图像与所述全景图的匹配度,确定位置处的道路类型,从而通过拍摄的图像与全景图进行匹配,确定位置处的道路类型,从而实现了基于全景图的道路类型确定方法,降低了对周围环境及设备的依赖。由于全景图来源于实景拍摄,与图像的来源相同,且均能够清晰显示各类道路的实际景象,将不同类型道路的区别最大化,因此,通过图像与全景图进行匹配,能够有效提高道路类型确定的准确性。
实施例二
本实施例在上述实施例各可选实施方式的基础上,进一步优化。可选地,将“根据所述图像与所述全景图的匹配度,确定所述位置处的道路类型”细化为“判断图像是否满足明亮度要求;如果图像满足明亮度要求,根据图像与全景图的匹配度,确定位置处的道路类型”,可选地,“如果图像不满足明亮度要求,提取图像中的对象轮廓,形成第一成果图;提取全景图中的对象轮廓,形成第二成果图;根据第一成果图与第二成果图的匹配度,确定位置处的道路类型”。
由于全景图大多在白天天气晴朗的条件下拍摄,使得全景图的明亮度较高。然而,位置处拍摄的图像却不受拍摄条件的限制,有时是夜晚拍摄,有时是在阴天、雨天等恶劣天气的情况下拍摄,使得图像的明亮度明暗不定。在明亮度相差较大的情况下,图像匹配的结果往往不够准确,因此,根据全景图的明亮度设置一明亮度要求,例如亮度值范围,如果图像的亮度值在亮度值范围内,则满足明亮度要求,进而直接将图像与全景图进行匹配。
如果图像的亮度值在亮度值范围外,过亮或者过暗,则需要提取图像和全景图中的对象轮廓。提取轮廓指在包含目标和背景的图像中,忽略背景和目标内部的纹理以及噪声干扰的影响,采用一定的技术和方法实现目标轮廓的提取。轮廓提取方法包括两类,一类是利用传统的边缘检测算子检测目标轮廓,另一类是从人类视觉系统中提取可以使用的数学模型完成目标轮廓检测。具体方法参见现有技术,此处不再赘述。本实施例通过各种提取轮廓的方法,将图像和全景图中的建筑物、路标等对象的轮廓提取出来。
进一步地,将图像中对象轮廓包围的掩膜(Mask)作为上述第一成果图,将全景图中对象轮廓包围的Mask作为上述第二成果图。接着,将第一成果图与第二成果图进行图像匹配;根据第一成果图与第二成果图的匹配度,确定位置处的道路类型。
其中,第二成果图的数量为至少一张。当第二成果图的数量为一张时,如果其与第一成果图的匹配度大于匹配度阈值,则将第二成果图对应的道路类型确定为位置处的道路类型,如果其与第一成果图的匹配度不大于匹配度阈值,继续获取下一张全景图,并提取下一张全景图中的对象轮廓形成第二成果图,继续比较匹配度,直到确定位置处的道路类型。当第二成果图的数量为两张以上时,将与第一成果图的匹配度最大的第二成果图标示的道路类型确定为位置处的道路类型。显然,第一成果图和第二成果图滤掉了图像的颜色、灰度等信息。通过轮廓匹配的方法,不受图像明亮度和拍摄条件的影响,使得道路类型确定方法适用更多的拍摄场景。
下面,通过图像的灰度值分布判断图像是否满足明亮度要求。结合图2,本实施例提供的方法具体包括以下操作:
S210、获取位置处信息和位置处拍摄的图像。
S220、从位置处对应的道路全景图库中,获取标示道路类型的全景图。
S230、判断图像的灰度值分布是否小于等于灰度值分布阈值,如果是,跳转到S231;如果否,调整到S232。
可选地,在判断图像是否满足明亮度要求之前,亦即本实施例中S230之前,还包括灰度值分布阈值的确定过程。值得说明的是,灰度值分布阈值的确定过程在S230之前执行即可,一般在S210之前执行,且执行一次即可。
具体地,获取不同灰度值分布范围的样本图像,样本图像的数量为多张;识别样本图像中的目标对象,得到多个识别置信度;在多个识别置信度中,选择与置信度阈值匹配的目标识别置信度;根据目标识别置信度对应的样本图像的灰度值分布,确定灰度值分布阈值。
首先,设定多个不同的灰度值分布范围,例如0-100、101-200、201-255。收集多张样本图像,对每张样本图像进行灰度处理,例如将每张样本图像转换为灰度图,或者提取各像素的灰度值以构成灰度直方图。进而得到每张样本图像的灰度值分布。接着,根据设定的多个不同的灰度值分布值范围,获取灰度值分布落在不同灰度值分布范围的多张样本图像。
多张样本图像中显示的目标对象相同,例如均显示A大厦,或者B路标。对每张样本图像进行目标对象的识别,得到每张样本图像的识别置信度,亦称为准确率。预先设置一置信度阈值,例如90%。在多个识别置信度中选择与置信度阈值最接近的识别置信度,例如87%,作为目标识别置信度。将目标识别置信度对应的样本图像的灰度值分布作为灰度值分布阈值,例如120-130。
灰度值分布阈值确定之后,对拍摄的图像进行灰度处理,获取其灰度值分布。如果灰度值分布小于等于灰度值分布阈值,判定图像不满足明亮度要求;如果灰度值分布大于灰度值分布阈值,判定图像满足明亮度要求。
S231、判定图像不满足明亮度要求,提取图像中的对象轮廓,形成第一成果图。继续执行S240。
S232、判定图像满足明亮度要求,根据图像与全景图的匹配度,确定位置处的道路类型。结束本次操作。
S240、提取全景图中的对象轮廓,形成第二成果图。继续执行S250。
S250、根据第一成果图与第二成果图的匹配度,确定位置处的道路类型。
本实施例中,根据识别置信度确定灰度值分布阈值,并根据灰度值分布与灰度值分布阈值进行比较,判断图像是否满足明亮度要求,并根据判断结果选择合适的匹配方式,从而有效保证匹配准确率,提高了道路类型识别的准确率。
实施例三
本实施例在上述各实施例的基础上进一步优化,通过拍摄时间和/或拍摄天气判断图像是否满足明亮度要求。结合图3,本实施例提供的方法具体包括以下操作:
S310、从位置处对应的道路全景图库中,获取标示道路类型的全景图。
S320、判断拍摄时的光线强度是否大于等于强度阈值,如果是,跳转到S331,;如果否,跳转到S332。
首先,获取位置处拍摄图像的拍摄时间和/或拍摄天气。例如,在车辆行驶过程中拍摄图像的同时,记录下拍摄时间。根据拍摄时间和当前位置,通过天气系统查询位置处、拍摄时间时的拍摄天气。拍摄天气包括阴天、雨天、晴天等。
接着,根据拍摄时间和/或拍摄天气确定拍摄时的光线强度。具体地,预先建立拍摄时间和/或拍摄天气与光线强度的对应关系。例如,拍摄时间8:00-17:00对应光线强度90%,7:00-8:00和17:00-18:00对应光线强度60%,其它时间对应光线强度10%。又例如,晴天对应光线强度100%,阴天和雨天对应光线强度50%,雾霾天对应光线强度30%。又例如,8:00-17:00和晴天对应光线强度100%,8:00-17:00和阴天/雨天对应光线强度70%,7:00-8:00和17:00-18:00,以及阴天/雨天/雾霾天,对应光线强度10%。基于此,根据拍摄时间和/或拍摄天气,以及预先建立的对应关系,确定拍摄时的光线强度。
如果光线强度大于等于强度阈值,判定图像满足明亮度要求;如果光线强度小于强度阈值,判定图像不满足明亮度要求。其中,强度阈值根据拍摄全景图的光线强度确定。
S331、判定图像满足明亮度要求,根据图像与全景图的匹配度,确定位置处的道路类型。结束本次操作。
S332、判定图像不满足明亮度要求,提取图像中的对象轮廓,形成第一成果图。继续执行S340。
S340、提取全景图中的对象轮廓,形成第二成果图。继续执行S350。
S350、根据第一成果图与第二成果图的匹配度,确定位置处的道路类型。
本实施例中,通过拍摄时间和/或拍摄天气确定拍摄时的光线强度;如果光线强度大于等于强度阈值,判定图像满足明亮度要求;如果光线强度小于强度阈值,判定图像不满足明亮度要求,并根据判断结果选择合适的匹配方式,从而根据光线强度选择合适的匹配方式,有效保证匹配准确率,提高了道路类型识别的准确率。
实施例四
图4是本发明实施例四提供的一种道路类型确定装置的结构示意图,本发明实施例适用于确定位置处的道路类型的情况,尤其适用于多种类型的道路交叉、重叠、紧密分布的场景。结合图4,道路类型确定装置包括:第一获取模块410、第二获取模块420和确定模块430。
第一获取模块410,用于获取位置处信息和所述位置处拍摄的图像;
第二获取模块420,用于从所述位置处对应的道路全景图库中,获取标示道路类型的全景图;
确定模块430,用于根据所述图像与所述全景图的匹配度,确定所述位置的道路类型。
本发明实施例中,通过获取位置处信息和位置处拍摄的图像,从位置处对应的道路全景图库中,获取标示道路类型的全景图,根据所述图像与所述全景图的匹配度,确定位置处的道路类型,从而通过拍摄的图像与全景图进行匹配,确定位置处的道路类型,从而实现了基于全景图的道路类型确定方法,降低了对周围环境及设备的依赖。由于全景图来源于实景拍摄,与图像的来源相同,且均能够清晰显示各类道路的实际景象,将不同类型道路的区别最大化,因此,通过图像与全景图进行匹配,能够有效提高道路类型确定的准确性。
可选地,确定模块430在根据图像与全景图的匹配度,确定位置处的道路类型时,具体用于:将与图像的匹配度最大的全景图标示的道路类型,确定为位置处的道路类型;或者,将与图像的匹配度大于匹配度阈值的全景图标示的道路类型,确定为位置处的道路类型。
可选地,确定模块430在根据图像与全景图的匹配度,确定位置处的道路类型时,具体用于:判断图像是否满足明亮度要求;如果图像满足明亮度要求,根据图像与全景图的匹配度,确定位置处的道路类型;还用于:如果图像不满足明亮度要求,提取图像中的对象轮廓,形成第一成果图;提取全景图中的对象轮廓,形成第二成果图;根据第一成果图与第二成果图的匹配度,确定位置处的道路类型。
可选地,确定模块430在判断图像是否满足明亮度要求时,具体用于:如果图像的灰度值分布小于等于灰度值分布阈值,判定图像不满足明亮度要求;如果图像的灰度值分布大于灰度值分布阈值,判定图像满足明亮度要求。
可选地,该装置还包括灰度值分布阈值确定模块,用于在判断图像是否满足明亮度要求之前,获取不同灰度值分布范围的样本图像;分别识别样本图像中的目标对象,得到多个识别置信度;在多个识别置信度中,选择与置信度阈值匹配的目标识别置信度;根据目标识别置信度对应的样本图像的灰度值分布,确定灰度值分布阈值。
可选地,确定模块430在判断图像是否满足明亮度要求时,具体用于:根据拍摄时间和/或拍摄天气确定拍摄时的光线强度;如果光线强度大于等于强度阈值,判定图像满足明亮度要求;如果光线强度小于强度阈值,判定图像不满足明亮度要求。
可选地,位置处位于高架道路或高架桥下的普通道路;道路类型包括:高架道路和高架桥下的普通道路。
本发明实施例所提供的道路类型确定装置可执行本发明任意实施例所提供的道路类型确定方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5是本发明实施例五提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图5显示的电子设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24、摄像头、定位系统等)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的道路类型确定方法。
实施例六
本发明实施例六还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一实施例的道路类型确定方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种道路类型确定方法,其特征在于,包括:
获取位置处信息和所述位置处拍摄的图像;
从所述位置处对应的道路全景图库中,获取标示道路类型的全景图;
根据所述图像与所述全景图的匹配度,确定所述位置处的道路类型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述图像与所述全景图的匹配度,确定所述位置处的道路类型,包括:
将与所述图像的匹配度最大的全景图标示的道路类型,确定为所述位置处的道路类型;或者,
将与所述图像的匹配度大于匹配度阈值的全景图标示的道路类型,确定为所述位置处的道路类型。
3.根据权利要求1所述的方法,其特征在于,所述根据所述图像与所述全景图的匹配度,确定所述位置处的道路类型,包括:
判断所述图像是否满足明亮度要求;
如果所述图像满足明亮度要求,根据所述图像与所述全景图的匹配度,确定所述位置处的道路类型。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
如果所述图像不满足明亮度要求,提取所述图像中的对象轮廓,形成第一成果图;
提取全景图中的对象轮廓,形成第二成果图;
根据所述第一成果图与第二成果图的匹配度,确定位置处的道路类型。
5.根据权利要求3所述的方法,其特征在于,所述判断所述图像是否满足明亮度要求,包括:
如果所述图像的灰度值分布小于等于灰度值分布阈值,判定所述图像不满足明亮度要求;
如果所述图像的灰度值分布大于灰度值分布阈值,判定所述图像满足明亮度要求。
6.根据权利要求5所述的方法,其特征在于,在所述判断所述图像是否满足明亮度要求之前,还包括:
获取不同灰度值分布范围的样本图像;
分别识别样本图像中的目标对象,得到多个识别置信度;
在多个识别置信度中,选择与置信度阈值匹配的目标识别置信度;
根据所述目标识别置信度对应的样本图像的灰度值分布,确定灰度值分布阈值。
7.根据权利要求3所述的方法,其特征在于,所述判断所述图像是否满足明亮度要求,包括:
根据拍摄时间和/或拍摄天气确定拍摄时的光线强度;
如果光线强度大于等于强度阈值,判定所述图像满足明亮度要求;
如果光线强度小于所述强度阈值,判定所述图像不满足明亮度要求。
8.根据权利要求1-7任一项所述的方法,其特征在于,
所述位置处位于高架道路或高架桥下的普通道路;
所述道路类型包括:高架道路和高架桥下的普通道路。
9.一种道路类型确定装置,其特征在于,包括:
第一获取模块,用于获取位置处信息和所述位置处拍摄的图像;
第二获取模块,用于从所述位置处对应的道路全景图库中,获取标示道路类型的全景图;
确定模块,用于根据所述图像与所述全景图的匹配度,确定所述位置的道路类型。
10.一种电子设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一项所述的道路类型确定方法。
11.一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,该程序被处理器执行时实现如权利要求1-8中任一项所述的道路类型确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910295066.0A CN109916415B (zh) | 2019-04-12 | 2019-04-12 | 道路类型确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910295066.0A CN109916415B (zh) | 2019-04-12 | 2019-04-12 | 道路类型确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109916415A true CN109916415A (zh) | 2019-06-21 |
CN109916415B CN109916415B (zh) | 2021-05-04 |
Family
ID=66969741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910295066.0A Active CN109916415B (zh) | 2019-04-12 | 2019-04-12 | 道路类型确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109916415B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110650328A (zh) * | 2019-09-20 | 2020-01-03 | 北京三快在线科技有限公司 | 一种图像传输的方法及装置 |
CN111126154A (zh) * | 2019-11-25 | 2020-05-08 | 北京三快在线科技有限公司 | 路面元素的识别方法、装置、无人驾驶设备和存储介质 |
CN112339622A (zh) * | 2020-11-10 | 2021-02-09 | 宁波均联智行科技股份有限公司 | 一种座椅的调整方法、装置及车载系统 |
CN112650772A (zh) * | 2021-01-08 | 2021-04-13 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、存储介质及计算机设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100262365A1 (en) * | 2009-04-08 | 2010-10-14 | Hon Fu Jin Precision Industry (Shenzhen) Co., Ltd. | Mobile device with navigation function and method thereof |
CN105959546A (zh) * | 2016-05-25 | 2016-09-21 | 努比亚技术有限公司 | 一种全景拍摄装置和方法 |
CN106530794A (zh) * | 2016-12-28 | 2017-03-22 | 上海仪电数字技术股份有限公司 | 行车道路的自动识别和校准方法及系统 |
CN107301405A (zh) * | 2017-07-04 | 2017-10-27 | 上海应用技术大学 | 自然场景下的交通标志检测方法 |
CN107577981A (zh) * | 2016-07-04 | 2018-01-12 | 高德信息技术有限公司 | 一种道路交通标识识别方法及装置 |
CN108549874A (zh) * | 2018-04-19 | 2018-09-18 | 广州广电运通金融电子股份有限公司 | 一种目标检测方法、设备及计算机可读存储介质 |
CN109099903A (zh) * | 2018-07-09 | 2018-12-28 | 百度在线网络技术(北京)有限公司 | 用于生成导航路线的方法和装置 |
-
2019
- 2019-04-12 CN CN201910295066.0A patent/CN109916415B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100262365A1 (en) * | 2009-04-08 | 2010-10-14 | Hon Fu Jin Precision Industry (Shenzhen) Co., Ltd. | Mobile device with navigation function and method thereof |
CN105959546A (zh) * | 2016-05-25 | 2016-09-21 | 努比亚技术有限公司 | 一种全景拍摄装置和方法 |
CN107577981A (zh) * | 2016-07-04 | 2018-01-12 | 高德信息技术有限公司 | 一种道路交通标识识别方法及装置 |
CN106530794A (zh) * | 2016-12-28 | 2017-03-22 | 上海仪电数字技术股份有限公司 | 行车道路的自动识别和校准方法及系统 |
CN107301405A (zh) * | 2017-07-04 | 2017-10-27 | 上海应用技术大学 | 自然场景下的交通标志检测方法 |
CN108549874A (zh) * | 2018-04-19 | 2018-09-18 | 广州广电运通金融电子股份有限公司 | 一种目标检测方法、设备及计算机可读存储介质 |
CN109099903A (zh) * | 2018-07-09 | 2018-12-28 | 百度在线网络技术(北京)有限公司 | 用于生成导航路线的方法和装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110650328A (zh) * | 2019-09-20 | 2020-01-03 | 北京三快在线科技有限公司 | 一种图像传输的方法及装置 |
CN111126154A (zh) * | 2019-11-25 | 2020-05-08 | 北京三快在线科技有限公司 | 路面元素的识别方法、装置、无人驾驶设备和存储介质 |
CN112339622A (zh) * | 2020-11-10 | 2021-02-09 | 宁波均联智行科技股份有限公司 | 一种座椅的调整方法、装置及车载系统 |
CN112650772A (zh) * | 2021-01-08 | 2021-04-13 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、存储介质及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109916415B (zh) | 2021-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109916415A (zh) | 道路类型确定方法、装置、设备及存储介质 | |
US10628890B2 (en) | Visual analytics based vehicle insurance anti-fraud detection | |
CN112793564B (zh) | 一种基于全景鸟瞰图和深度学习的自主泊车辅助系统 | |
JP5747549B2 (ja) | 信号機検出装置及びプログラム | |
CN109389618B (zh) | 前景和背景检测方法 | |
CN105608417B (zh) | 交通信号灯检测方法及装置 | |
CN113822247B (zh) | 基于航拍影像的违章建筑识别方法及系统 | |
WO2004095374A1 (ja) | 映像オブジェクト認識装置および認識方法、映像アノテーション付与装置および付与方法ならびにプログラム | |
CN111768498A (zh) | 基于稠密语义三维地图与混合特征的视觉定位方法、系统 | |
WO2021017211A1 (zh) | 一种基于视觉的车辆定位方法、装置及车载终端 | |
JP6278790B2 (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラムならびに車両位置検出システム | |
CN114299457A (zh) | 积水深度检测方法及装置 | |
CN115965934A (zh) | 一种停车位检测方法及装置 | |
JP2002259969A (ja) | 画像検出装置、プログラムおよび記録媒体 | |
JP5200861B2 (ja) | 標識判定装置および標識判定方法 | |
CN114969221A (zh) | 一种更新地图的方法及相关设备 | |
CN114095910A (zh) | 一种用于智能ar眼镜的防偷拍方法、设备以及介质 | |
CN109345567A (zh) | 物体运动轨迹识别方法、装置、设备和存储介质 | |
CN111723805A (zh) | 一种信号灯的前景区域识别方法及相关装置 | |
CN111881996A (zh) | 目标检测方法、计算机设备和存储介质 | |
JP6874315B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
JP6825299B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
JPH08255245A (ja) | ランドマーク認識装置およびランドマーク認識方法 | |
CN115620079A (zh) | 样本标签的获取方法和镜头失效检测模型的训练方法 | |
CN115565072A (zh) | 一种道路垃圾识别和定位方法、装置、电子设备及介质 |
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 |