CN110543541A - 基于拐点的道路边线提取方法和装置 - Google Patents
基于拐点的道路边线提取方法和装置 Download PDFInfo
- Publication number
- CN110543541A CN110543541A CN201910824947.7A CN201910824947A CN110543541A CN 110543541 A CN110543541 A CN 110543541A CN 201910824947 A CN201910824947 A CN 201910824947A CN 110543541 A CN110543541 A CN 110543541A
- Authority
- CN
- China
- Prior art keywords
- point
- inflection
- rectangular frame
- road
- elevation
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种基于拐点的道路边线提取方法和装置，延道路边线设定第一点和第二点，基于所述第一点和所述第二点的距离和方向作垂直与所述第一点和所述第二点走向的矩形框；对所述矩形框中的点云网格化，获取每个网格中的最大高程点和最低高程点，若所述最大高程点和所述最低高程点的高程差在预设高程差范围内，且所述最大高程点和所述最低高程点的坡度值在预设坡度范围内，则判断所述网格为拐点；将矩形框中的拐点对应的点云点作为道路边线的形点，依次连接查询到的形点形成道路边线。通过人机交互的方式，既可以提高人工生产数据的效率，也可以随时修改生产数据中不满意的地方，提高数据生产精度。
Description
技术领域
本发明涉及电子地图技术领域，更具体地，涉及一种基于拐点的道路边线提取方法和装置。
背景技术
高质量的无人驾驶汽车研究工作起步较晚，21世纪初才开始有相关的研究，随着软硬件及相关技术的发展，越来越多的机构和企业开始研究无人驾驶及其相关技术。
在自动驾驶领域，车道线检测一直是关注的重点，主流检测方法分为传统的车道线检测方法和基于深度学习的检测方法，由于传统的车道线、道路边线检测方法在恶劣环境，图像不清晰等条件下鲁棒性较差。而基于计算机视觉的深度学习技术的更新呈爆发状态。
在高精度数据生产过程中，车道线、车道边线目前可以实现自动化生产，但道路边线的生产仍需要人工采集，这不仅浪费人力、财力，更直接影响高精度数据的更新频率。
发明内容
为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的基于拐点的道路边线提取方法和装置。
根据本发明实施例的第一方面，提供一种基于拐点的道路边线提取方法，包括：
延道路边线设定第一点和第二点，基于所述第一点和所述第二点的距离和方向作垂直与所述第一点和所述第二点走向的矩形框；
对所述矩形框中的点云网格化，获取每个网格中的最大高程点和最低高程点，若所述最大高程点和所述最低高程点的高程差在预设高程差范围内，且所述最大高程点和所述最低高程点的坡度值在预设坡度范围内，则判断所述网格为拐点；
将矩形框中的拐点对应的点云点作为道路边线的形点，依次连接查询到的形点形成道路边线。
作为优选的，延道路边线设定第一点和第二点前，还包括：
基于道路边线轨迹，提出道路边线轨迹点云数据中与路边高程差大于预设第一阈值的点。
作为优选的，基于所述第一点和所述第二点的距离和方向作垂直与所述第一点和所述第二点走向的矩形框，具体包括：
获取所述第一点和所述第二点的走向和距离d，得到垂直于所述第一点和所述第二点走向，且与所述第二点相距d的矩形框，所述矩形框的长度为车道边线宽度的1.5～3倍，所述矩形框的宽度为车道边线宽度的0.8～1.5倍。
作为优选的，所述预设高程差范围内为10～20cm；所述预设坡度值范围为60～90°。
作为优选的，则判断所述网格为拐点后，还包括：
以矩形框中多个拐点的平均坐标作为所述矩形框的最终拐点，若未有找到，则重新设定第一点和第二点。
作为优选的，将矩形框中的拐点对应的点云点作为道路边线的形点后，还包括：
以所述第二点和所述拐点的距离和方向作垂直与所述第二点和所述形点走向的矩形框，重复查找可作为道路边线的形点。
作为优选的，所述第一阈值为50cm。
根据本发明实施例的第二方面，提供了基于拐点的道路边线提取装置，包括矩形框模块、拐点查找模块和道路边线形成模块；
矩形框模块，用于延道路边线设定第一点和第二点，基于所述第一点和所述第二点的距离和方向作垂直与所述第一点和所述第二点走向的矩形框；
拐点查找模块，用于对所述矩形框中的点云网格化，获取每个网格中的最大高程点和最低高程点，若所述最大高程点和所述最低高程点的高程差在预设高程差范围内，且所述最大高程点和所述最低高程点的坡度值在预设坡度范围内，则判断所述网格为拐点；
道路边线形成模块，用于将矩形框中的拐点对应的点云点作为道路边线的形点，依次连接查询到的形点形成道路边线。
根据本发明实施例的第三方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于拐点的道路边线提取方法。
根据本发明实施例的第四方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于拐点的道路边线提取方法。
本发明实施例提供的基于拐点的道路边线提取方法和装置，通过人机交互的方式，既可以提高人工生产数据的效率，也可以随时修改生产数据中不满意的地方，提高数据生产精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些图获得其他的附图。
图1为本发明实施例提供的基于拐点的道路边线提取方法的流程示意图；
图2为本发明另一实施例提供的拐点示意图；
图3为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在高精度数据生产过程中，车道线、车道边线目前可以实现自动化生产，但道路边线的生产仍需要人工采集，这不仅浪费人力、财力，更直接影响高精度数据的更新频率。一般道路均有道路和路缘石构成，而道路和路缘石一般存在一定的高度差，在点云数据中也由于存在变形，在道路和路缘石附近的点之间也会存在坡度差。在此基础上提出“拐点”的概念，通过连接一系列“拐点”，最终生成道路边线。因此，本发明实施例提供的基于拐点的道路边线提取方法和装置，通过人机交互的方式，既可以提高人工生产数据的效率，也可以随时修改生产数据中不满意的地方，提高数据生产精度。以下将通过多个实施例进行展开说明和介绍。
如图1和图2中所示，本发明实施例提供了一种基于拐点的道路边线提取方法，包括：
延道路边线设定第一点和第二点，基于所述第一点和所述第二点的距离和方向作垂直与所述第一点和所述第二点走向的矩形框；
对所述矩形框中的点云网格化，获取每个网格中的最大高程点和最低高程点，若所述最大高程点和所述最低高程点的高程差在预设高程差范围内，且所述最大高程点和所述最低高程点的坡度值在预设坡度范围内，则判断所述网格为拐点；
将矩形框中的拐点对应的点云点作为道路边线的形点，依次连接查询到的形点形成道路边线。
在本实施例中，根据道路轨迹线，剔除点云数据中与路面高程差值大于设定阈值的点；设定道路边线的前两个点，通过人机交互的方式，既可以提高人工生产数据的效率，也可以随时修改生产数据中不满意的地方，提高数据生产精度；根据给定两点间的距离和方向，做垂直两点走向的矩形框，对矩形框中的点云网格化，保存每个网格中的高程值；计算网格中最低高程和最高高程，若两点高程差值在10cm到20cm之间，并且坡度值在60到90度之间，则该网格暂定为“拐点”；查找距离“拐点”最近的点云点，依次连接，形成道路边线。在道路和路缘石附近的点之间也会存在坡度差。在此基础上提出“拐点”的概念，通过连接一系列“拐点”，最终生成道路边线。
在上述实施例的基础上，延道路边线设定第一点和第二点前，还包括：
基于道路边线轨迹，提出道路边线轨迹点云数据中与路边高程差大于预设第一阈值的点。
在上述实施例的基础上，基于所述第一点和所述第二点的距离和方向作垂直与所述第一点和所述第二点走向的矩形框，具体包括：
获取所述第一点和所述第二点的走向和距离d，得到垂直于所述第一点和所述第二点走向，且与所述第二点相距d的矩形框，所述矩形框的长度为车道边线宽度的1.5～3倍，所述矩形框的宽度为车道边线宽度的0.8～1.5倍。
在本实施例中，计算两点走向和距离d，得到垂直走向、与第二个点相距d的矩形框，矩形框长一般设置为车道边线宽度的2倍，宽等于车道边线宽度。
在上述实施例的基础上，所述预设高程差范围内为10～20cm；所述预设坡度值范围为60～90°。计算网格中两点的高程差dh与坡度值ds，若dh在10cm到20cm之间，ds在60到90之间，则认为当前网格为“拐点”。
在上述实施例的基础上，则判断所述网格为拐点后，还包括：
以矩形框中多个拐点的平均坐标作为所述矩形框的最终拐点，若未有找到，则重新设定第一点和第二点。
在上述实施例的基础上，将矩形框中的拐点对应的点云点作为道路边线的形点后，还包括：
以所述第二点和所述拐点的距离和方向作垂直与所述第二点和所述形点走向的矩形框，重复查找可作为道路边线的形点。
在上述实施例的基础上，所述第一阈值为50cm。
在本实施例中，具体进行道路边线提取时，包括：
1.1数据预处理：根据道路轨迹线，剔除点云数据中与路面高程差值大于50cm阈值的点；
2.1在道路边线上手动设置前两个点；通过人机交互的方式，既可以提高人工生产数据的效率，也可以随时修改生产数据中不满意的地方，提高数据生产精度；
2.2计算两点走向和距离d，得到垂直走向、与第二个点相距d的矩形框，矩形框长一般设置为车道边线宽度的2倍，宽等于车道边线宽度；
2.3使用矩形框裁剪点云数据并网格化，存储每个网格中最大高程点与最低高程点；
2.4计算网格中两点的高程差dh与坡度值ds，若dh在10cm到20cm之间，ds在60到90之间，则认为当前网格为“拐点”；
2.5以多个“拐点”的平均坐标，作为当前矩形框的最终“拐点”，若没找到，则结束；
2.6查找矩形框中“拐点”对应的点云点作为道路边线的形点；
2.7以上一个点和当前“拐点”为起始两点，重复步骤2.2到2.6。
3连接查找到的一系列形点，形成一条道路边线。
根据本发明实施例的第二方面，提供了基于拐点的道路边线提取装置，包括矩形框模块、拐点查找模块和道路边线形成模块；
矩形框模块，用于延道路边线设定第一点和第二点，基于所述第一点和所述第二点的距离和方向作垂直与所述第一点和所述第二点走向的矩形框；
拐点查找模块，用于对所述矩形框中的点云网格化，获取每个网格中的最大高程点和最低高程点，若所述最大高程点和所述最低高程点的高程差在预设高程差范围内，且所述最大高程点和所述最低高程点的坡度值在预设坡度范围内，则判断所述网格为拐点；
道路边线形成模块，用于将矩形框中的拐点对应的点云点作为道路边线的形点，依次连接查询到的形点形成道路边线。
本发明实施例提供了本发明实施例提供了一种电子设备，如图3所示，该设备包括：处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503上并可在处理器501上运行的计算机程序，以执行上述各实施例提供的基于拐点的道路边线提取方法，例如包括：
延道路边线设定第一点和第二点，基于所述第一点和所述第二点的距离和方向作垂直与所述第一点和所述第二点走向的矩形框；
对所述矩形框中的点云网格化，获取每个网格中的最大高程点和最低高程点，若所述最大高程点和所述最低高程点的高程差在预设高程差范围内，且所述最大高程点和所述最低高程点的坡度值在预设坡度范围内，则判断所述网格为拐点；
将矩形框中的拐点对应的点云点作为道路边线的形点，依次连接查询到的形点形成道路边线。
此外，上述的存储器503中的逻辑指令可以通过软件功能单元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，本发明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)执行本发明各个实施例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。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的基于拐点的道路边线提取方法，例如包括：
延道路边线设定第一点和第二点，基于所述第一点和所述第二点的距离和方向作垂直与所述第一点和所述第二点走向的矩形框；
对所述矩形框中的点云网格化，获取每个网格中的最大高程点和最低高程点，若所述最大高程点和所述最低高程点的高程差在预设高程差范围内，且所述最大高程点和所述最低高程点的坡度值在预设坡度范围内，则判断所述网格为拐点；
将矩形框中的拐点对应的点云点作为道路边线的形点，依次连接查询到的形点形成道路边线。
综上所述，本发明实施例提供的基于拐点的道路边线提取方法和装置，通过人机交互的方式，既可以提高人工生产数据的效率，也可以随时修改生产数据中不满意的地方，提高数据生产精度。
以上所描述的电子设备等实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于拐点的道路边线提取方法，其特征在于，包括：
延道路边线设定第一点和第二点，基于所述第一点和所述第二点的距离和方向作垂直与所述第一点和所述第二点走向的矩形框；
对所述矩形框中的点云网格化，获取每个网格中的最大高程点和最低高程点，若所述最大高程点和所述最低高程点的高程差在预设高程差范围内，且所述最大高程点和所述最低高程点的坡度值在预设坡度范围内，则判断所述网格为拐点；
将矩形框中的拐点对应的点云点作为道路边线的形点，依次连接查询到的形点形成道路边线。
2.根据权利要求1所述的基于拐点的道路边线提取方法，其特征在于，延道路边线设定第一点和第二点前，还包括：
基于道路边线轨迹，提出道路边线轨迹点云数据中与路边高程差大于预设第一阈值的点。
3.根据权利要求1所述的基于拐点的道路边线提取方法，其特征在于，基于所述第一点和所述第二点的距离和方向作垂直与所述第一点和所述第二点走向的矩形框，具体包括：
获取所述第一点和所述第二点的走向和距离d，得到垂直于所述第一点和所述第二点走向，且与所述第二点相距d的矩形框，所述矩形框的长度为车道边线宽度的1.5～3倍，所述矩形框的宽度为车道边线宽度的0.8～1.5倍。
4.根据权利要求1所述的基于拐点的道路边线提取方法，其特征在于，所述预设高程差范围内为10～20cm；所述预设坡度值范围为60～90°。
5.根据权利要求1所述的基于拐点的道路边线提取方法，其特征在于，则判断所述网格为拐点后，还包括：
以矩形框中多个拐点的平均坐标作为所述矩形框的最终拐点，若未有找到，则重新设定第一点和第二点。
6.根据权利要求1所述的基于拐点的道路边线提取方法，其特征在于，将矩形框中的拐点对应的点云点作为道路边线的形点后，还包括：
以所述第二点和所述拐点的距离和方向作垂直与所述第二点和所述形点走向的矩形框，重复查找可作为道路边线的形点。
7.根据权利要求2所述的基于拐点的道路边线提取方法，其特征在于，所述第一阈值为50cm。
8.一种基于拐点的道路边线提取装置，其特征在于，包括矩形框模块、拐点查找模块和道路边线形成模块；
矩形框模块，用于延道路边线设定第一点和第二点，基于所述第一点和所述第二点的距离和方向作垂直与所述第一点和所述第二点走向的矩形框；
拐点查找模块，用于对所述矩形框中的点云网格化，获取每个网格中的最大高程点和最低高程点，若所述最大高程点和所述最低高程点的高程差在预设高程差范围内，且所述最大高程点和所述最低高程点的坡度值在预设坡度范围内，则判断所述网格为拐点；
道路边线形成模块，用于将矩形框中的拐点对应的点云点作为道路边线的形点，依次连接查询到的形点形成道路边线。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910824947.7A CN110543541A (zh) | 2019-09-02 | 2019-09-02 | 基于拐点的道路边线提取方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910824947.7A CN110543541A (zh) | 2019-09-02 | 2019-09-02 | 基于拐点的道路边线提取方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110543541A true CN110543541A (zh) | 2019-12-06 |
Family
ID=68712371
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910824947.7A Pending CN110543541A (zh) | 2019-09-02 | 2019-09-02 | 基于拐点的道路边线提取方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110543541A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111209360A (zh) * | 2019-12-31 | 2020-05-29 | 武汉中海庭数据技术有限公司 | 一种自动提取路口面的方法及系统 |
| CN112598075A (zh) * | 2020-12-29 | 2021-04-02 | 武汉中海庭数据技术有限公司 | 一种众包数据多道路片段的高程处理方法及装置 |
| CN113012255A (zh) * | 2019-12-19 | 2021-06-22 | 百度在线网络技术（北京）有限公司 | 道路边线提取方法、装置、设备和介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150120244A1 (en) * | 2013-10-31 | 2015-04-30 | Here Global B.V. | Method and apparatus for road width estimation |
| CN107742091A (zh) * | 2016-08-22 | 2018-02-27 | 腾讯科技（深圳）有限公司 | 一种路肩提取的方法及装置 |
| CN108267747A (zh) * | 2017-01-03 | 2018-07-10 | 中交宇科（北京）空间信息技术有限公司 | 基于激光点云的道路特征提取方法和装置 |
-
2019
- 2019-09-02 CN CN201910824947.7A patent/CN110543541A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150120244A1 (en) * | 2013-10-31 | 2015-04-30 | Here Global B.V. | Method and apparatus for road width estimation |
| CN107742091A (zh) * | 2016-08-22 | 2018-02-27 | 腾讯科技（深圳）有限公司 | 一种路肩提取的方法及装置 |
| CN108267747A (zh) * | 2017-01-03 | 2018-07-10 | 中交宇科（北京）空间信息技术有限公司 | 基于激光点云的道路特征提取方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| XWB_12340: ""cloudcompar中道路边线半自动提取思路"", 《CSDN》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113012255A (zh) * | 2019-12-19 | 2021-06-22 | 百度在线网络技术（北京）有限公司 | 道路边线提取方法、装置、设备和介质 |
| CN113012255B (zh) * | 2019-12-19 | 2024-01-09 | 百度在线网络技术（北京）有限公司 | 道路边线提取方法、装置、设备和介质 |
| CN111209360A (zh) * | 2019-12-31 | 2020-05-29 | 武汉中海庭数据技术有限公司 | 一种自动提取路口面的方法及系统 |
| CN111209360B (zh) * | 2019-12-31 | 2022-08-23 | 武汉中海庭数据技术有限公司 | 一种自动提取路口面的方法及系统 |
| CN112598075A (zh) * | 2020-12-29 | 2021-04-02 | 武汉中海庭数据技术有限公司 | 一种众包数据多道路片段的高程处理方法及装置 |
| CN112598075B (zh) * | 2020-12-29 | 2022-07-29 | 武汉中海庭数据技术有限公司 | 一种众包数据多道路片段的高程处理方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110634291B (zh) | 基于众包大数据的高精度地图拓扑自动构建方法及系统 | |
| CN110543541A (zh) | 基于拐点的道路边线提取方法和装置 | |
| EP3792901B1 (en) | Ground mark extraction method, model training method, device and storage medium | |
| CN110705577B (zh) | 一种激光点云车道线提取方法 | |
| CN110633342B (zh) | 车道拓扑网络生成方法 | |
| CN110704560B (zh) | 一种基于道路级拓扑的车道线组结构化的方法及装置 | |
| CN107784652B (zh) | 一种基于无人机影像的杆塔快速检测方法 | |
| CN111209770A (zh) | 一种车道线识别方法及装置 | |
| CN102346913B (zh) | 一种图像的多边形模型的简化方法 | |
| CN114488073A (zh) | 激光雷达采集到的点云数据的处理方法 | |
| CN111696059B (zh) | 一种车道线光滑连接处理方法和装置 | |
| CN111581756A (zh) | 洪水淹没范围的确定方法及装置 | |
| CN110728735A (zh) | 道路级拓扑图层构建方法及系统 | |
| CN111209360B (zh) | 一种自动提取路口面的方法及系统 | |
| CN111695389B (zh) | 一种车道线聚类方法及装置 | |
| CN115049997B (zh) | 边缘车道线的生成方法、装置、电子设备及存储介质 | |
| CN114155263A (zh) | 一种倾斜摄影模型建筑轮廓线自动提取方法、系统及装置 | |
| CN112686904A (zh) | 车道划分方法、装置、电子设备和存储介质 | |
| CN115063765A (zh) | 一种道路边界线确定方法、装置、设备及存储介质 | |
| CN112347210B (zh) | 中精度地图的车道中心线弯曲误差修正方法及系统 | |
| CN114529686A (zh) | 建筑模型的生成方法、装置、设备及介质 | |
| CN109034149A (zh) | 一种字符识别方法及装置 | |
| CN110361754B (zh) | 一种基于激光点云数据的道路印刷体生长式聚类方法及装置 | |
| CN112561932A (zh) | 航迹线去噪方法、装置、电子设备和存储介质 | |
| CN112837216B (zh) | 一种高精度地图数据图幅自动接边方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191206 |