CN110941684B - 一种地图数据的生产方法、相关装置及系统 - Google Patents
一种地图数据的生产方法、相关装置及系统 Download PDFInfo
- Publication number
- CN110941684B CN110941684B CN201811104519.9A CN201811104519A CN110941684B CN 110941684 B CN110941684 B CN 110941684B CN 201811104519 A CN201811104519 A CN 201811104519A CN 110941684 B CN110941684 B CN 110941684B
- Authority
- CN
- China
- Prior art keywords
- picture
- map
- data
- image recognition
- attribute information
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 230000004927 fusion Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 238000007689 inspection Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种地图数据的生产方法、相关装置及系统。其中地图数据的生产方法包括:根据采集的各图片及对应的轨迹,对采集的各图片进行图像识别;根据识别结果,确定图片中各地图要素的属性信息,属性信息包括:所属类型、内容和地理位置中的至少一项;将确定出的各地图要素的属性信息,与已有的地图数据进行融合,生成新的地图数据。本发明结合图片所拍摄的内容及图片采集时的轨迹,采用自动化识别的方式,实现图片中各要素数据的自动提取,提高了地图数据的生产效率,同时相对保证了地图要素数据的准确性。在无法正确识别时,将图片及图像识别的结果,通过人工资料作业模块来处理,增加人工识别的流程,进一步保证了地图要素数据的准确性。
Description
技术领域
本发明涉及地理信息技术领域,特别涉及一种地图数据的生产方法、相关装置及系统。
背景技术
电子地图数据的采集和生产可以利用数据采集车通过实地采集的方式采集数据,并对采集后数据进行手工标注等等。电子地图数据采集的过程,会产生数量巨大的实景图片,通常的数据加工过程,需要人工对实景图片一一读图,例如标注出实景图片中的与道路相关的各种要素比如车道、车线、交通指示牌、监控摄像头(电子眼)等的内容、位置等,然后再将人工标注出来的信息,交给制图的人员,完成电子地图数据的生产和补充。
由于电子地图数据对数据的精确性有相当的要求,而道路及道路上各种设施的建设、布置均需要符合各种对应的规范,再结合实际道路的复杂性,上述读图过程,对人员的知识储备、熟悉程度和既往经验要求非常高,但即便能够满足要求,人工读图和标注的方式,依然存在人力成本较高、加工效率较低、准确度难保证的问题。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种地图数据的生产方法、相关装置及系统。
第一方面,本发明实施例提供一种地图数据的生产方法,包括:
根据采集的各图片及对应的轨迹,对采集的所述各图片进行图像识别;
根据识别结果,确定所述图片中各地图要素的属性信息,所述属性信息包括:所属类型、内容和地理位置中的至少一项;
将确定出的所述各地图要素的属性信息,与已有的地图数据进行融合,生成新的地图数据。
在一个实施例中,对采集的图片进行图像识别失败时,所述方法还包括:
将图像识别失败的图片以及图像识别的结果,提交至人工资料作业模块;
接收人工资料作业模块返回的所述图片中各地图要素的属性信息;
将返回的所述各地图要素的属性信息与已有的地图数据进行融合,生成新的地图数据。
在一个实施例中,所述人工资料作业模块返回的所述图片中各地图要素的属性信息通过下述方式获得:所述人工资料作业模块展示所述图片,并根据图像识别的结果和/或母库中保存的已有的地图数据,生成所述图片中各地图要素的类型、内容和地理位置中一项或多项的预测项;接收对所述预测项的选择结果,根据所述选择结果确定所述图片中各地图要素的所属类型、内容和地理位置。
在一个实施例中,接收人工资料作业模块返回的所述图片中各地图要素的属性信息之后,所述方法还包括:
将返回的所述图片中各地图要素的属性信息作为图像识别算法模型的训练样本库的输入,对所述图像识别算法模型进行训练,修正所述图像识别算法模型。
在一个实施例中,对采集的所述各图片进行图像识别之前,还包括:
将采集的所述各图片分别与母库中已保存的图片进行比对,确定采集的图片是否与已保存的图片重复;
若是,丢弃采集的图片;
若否,转向所述图像识别的步骤。
在一个实施例中,将采集的各图片分别与母库中已保存的图片进行比对,确定采集的所述图片是否与已保存的图片重复,包括:
针对采集的每张图片,采用图像差分的方法,分别确定母库的各图片与采集的图片之间的相似度;
当相似度大于等于预设的阈值,则确定采集的图片与已保存的图片重复。
在一个实施例中,将所述各地图要素的属性信息与已有的地图数据进行融合之前,还包括:
使用所述各地图要素的所属类型、内容和地理位置中的至少一项与母库中的地图数据进行比较,确定所述母库中的地图数据中是否已保存有与所述地图要素的所属类型、内容和地理位置重复的数据;
若否,转向与所述与已有的地图数据进行融合的步骤。
第二方面,本发明实施例提供一种地图数据的生产装置,包括:
图像识别模块,用于根据采集的各图片及对应的轨迹,对采集的所述各图片进行图像识别;
确定模块,用于根据识别结果,确定所述图片中各地图要素的属性信息,所述属性信息包括:所属类型、内容和地理位置中的至少一项;
融合模块,用于将确定出的所述各地图要素的属性信息,与已有的地图数据进行融合,生成新的地图数据。
在一个实施例中,前述地图数据的生产装置,还包括:接收模块;
所述图像识别模块,还用于对采集的图片进行图像识别失败时,将图像识别失败的图片以及图像识别的结果,提交至人工资料作业模块;
所述接收模块,用于接收人工资料作业模块返回的所述图片中各地图要素的属性信息;
所述融合模块,还用于将所述接收模块接收到的所述各地图要素的属性信息与已有的地图数据进行融合,生成新的地图数据。
在一个实施例中,前述地图数据的生产装置,还包括:
训练模块,用于将所述接收模块接收到的所述图片中各地图要素的属性信息作为图像识别算法模型的训练样本库的输入,对所述图像识别算法模型进行训练,修正所述图像识别算法模型。
在一个实施例中,前述地图数据的生产装置,还包括:
图像去重模块,用于对采集的所述各图片分别与母库中已保存的图片进行比对,确定采集的图片是否与已保存的图片重复;若是,丢弃采集的图片;若否,通知所述图像识别模块执行所述图像识别的步骤。
在一个实施例中,前述图像去重模块,进一步用于针对采集的每张图片,采用图像差分的方法,分别确定母库的各图片与采集的图片之间的相似度;当相似度大于等于预设的阈值,则确定采集的图片与已保存的图片重复。
在一个实施例中,前述地图数据的生产装置,还包括:
过滤模块,用于在所述融合模块将所述各地图要素的属性信息与已有的地图数据进行融合之前,使用所述各地图要素的所属类型、内容和地理位置中的至少一项与母库中的地图数据进行比较,确定所述母库中的地图数据中是否已保存有与所述地图要素的所属类型、内容和地理位置重复的数据;若否,通知所述融合模块执行与所述与已有的地图数据进行融合的步骤。
第三方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现本发明实施例提供的前述地图数据的生产方法。
第四方面,本发明实施例提供一种地图数据处理设备,包括存储器、处理器及存储于所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现本发明实施例提供的前述地图数据的生产方法。
第五方面,本发明实施例提供一种地图数据的生产系统,包括本发明实施例提供的地图数据的生产装置及人工资料作业模块。
在一个实施例中,前述人工资料作业模块,具体用于展示所述图片,并根据图像识别的结果和/或母库中保存的已有的地图数据,生成所述图片中各地图要素的类型、内容和地理位置中一项或多项的预测项;接收对所述预测项的选择结果,根据所述选择结果确定所述图片中各地图要素的所属类型、内容和地理位置。
在一个实施例中,前述人工资料作业模块,还用于利用质检库中预设图片以及所述预设图片中地图要素的已知数据,混入所述预测项中,对所述选择结果的准确性进行评估计算;当评估通过时,根据所述选择结果确定所述图片中各地图要素的属性信息;所述已知数据,包括类型、内容和地理位置中一项或多项。
本发明实施例提供的上述技术方案的有益效果至少包括:
1、本发明实施例提供的地图数据的生产方法,根据采集的各图片及图片的轨迹,对采集的图片进行图像识别,并根据图像识别的结果,确定图片中所包含的地图要素的所属类型、内容和地理位置等属性信息,再将这些数据融合到已有的地图数据中,从而生成新的地图数据,在这个过程中,结合图片所拍摄的内容及图片采集时的轨迹,采用自动化识别的方式,实现图片中各要素数据的自动提取,提高了地图数据的生产效率,同时相对保证了地图要素数据的准确性。
2、本发明实施例在图片由于各种原因造成不能正确识别时,将图片及图像识别的结果,通过人工资料作业模块来处理,增加人工识别的流程,进一步保证了地图要素数据的准确性。
3、本发明实施例利用人工对图片进行识别得到的结果,再反过来对图像识别的算法模型进行训练,修正和完善该算法模型,提升图像识别算法的智能程度,使得其识别的准确性进一步得到优化。
4、本发明实施例在对采集的各图片进行图像识别之前,还对于图片进行初步的过滤,筛掉其中与母库中重复处理过的图片,避免不必要的图像识别的工作,降低图像识别的工作量,对于大量需要图像识别的情况,可较好地提升整体生产效率。
5、本发明实施例采用图像差分的方式,比较采集的图片与母库的图片是否重复,算法相对简单,计算速度较快。
6、本发明实施例在对采集的各图片进行图像识别之后,还与母库中已存储的地图数据进行比对,如果存在重复的数据,则对于这部分数据不再执行后续融合的操作,同样提升了整体的生产效率。
7、本发明实施例的地图数据的生产系统,包含了可自动生成地图数据的地图的生产装置和具备人机交互功能的人工资料作业模块,在该系统中,人工资料作业模块,也是充分利用了图像识别的结果(不确定的各种可能的结果)以及母库中已有的地图数据,生成该图片中各地图要素的类型、内容和地理位置中的一项或多项的预测项,然后提供给人工进行选择,通过人工对预测项进行选择后,再结合人工选择的项目,最终确定该图片中各地图要素所属类型、内容和地理位置,在人工作业过程中,对于工作人员来说,即使在不通晓地图处理规范的情况下,也可以迅速地根据所见的图片对各种预测项做出简单的判断或者少量的修正,效率高,大大降低了人工作业的工作量和复杂程度,同时也降低了人工读图对人员知识储备、熟悉程度和既往经验的要求,节省了人力成本,同时人工作业效率也较现有技术有较大的提升。
8、为了进一步地保证人工作业的准确性的质量要求,在上述地图数据的生产系统中,利用质检库中预设图片及该图片中地图要素的已知数据,作为质检的参考数据,对人工作业的准确性进行评估,可以进一步保证人工作业的质量,保证最终地图数据的准确性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中地图数据的生产方法的流程图;
图2为本发明实施例中提交人工资料作业模块处理的另一流程图;
图3为本发明实施例中一种人工资料作业的界面示意图;
图4为本发明实施例中又一人工资料作业的界面示意图;
图5为本发明实施例中地图数据的生产方法闭环处理的流程图;
图6为本发明实施例中地图的生产装置的结构示意图;
图7为本发明实施例中地图数据的生产系统的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
下面结合附图,对本发明实施例提供的地图数据的生产方法、相关装置及系统的具体实施方式进行详细说明。
本发明实施例提供的地图数据的生产方法,参照图1所示,包括下述步骤:
S11、根据采集的各图片及对应的轨迹,对采集的各图片进行图像识别;
S12、根据识别结果,确定图片中各地图要素的属性信息,该属性信息包括:该地图要素所属类型、内容和地理位置中的至少一项;
S13、将确定出的各地图要素的所属类型、内容和地理位置,与已有的地图数据进行融合,生成新的地图数据。
本发明实施例提供的上述地图数据的生产方法,根据采集的各图片及图片的轨迹,对采集的图片进行图像识别,并根据图像识别的结果,确定图片中所包含的地图要素的属性信息(所属类型、内容和地理位置等),再将这些数据融合到已有的地图数据中,从而生成新的地图数据,在这个过程中,结合图片所拍摄的内容及图片采集时的轨迹,采用自动化识别的方式,实现图片中各要素数据的自动提取,提高了地图数据的生产效率,同时相对保证了地图要素数据的准确性,从而避免了现有技术中采用纯人工读图和标注方式带来的种种问题。
在本发明实施例中,上述地图要素的属性信息可以包含地图要素所属类型、内容和地理位置中的一项或多项。
上述步骤S21中,根据采集的各图片及对应的轨迹,对采集的各图片进行图像识别,在实施时,由于所采集的图片通常不是独立的一张,而是在一个区域内按照一定的行进方向连续拍摄的图片,每个图片的轨迹可以通过多种方式获取,可以通过采集时的地理位置数据直接获取得到(例如通过GPS数据),或者对采集的地理位置数据进行地图匹配算法校正之后得到的位置数据。通过连续多张图片的识别及对应的轨迹,可以知晓其中包含的地图要素的地理位置,举例来说,如果在在一系列连拍的图片中均识别出某条道路路侧有个限速指示牌,随着拍摄图片的轨迹距离该限速指示牌越来越近,可依据将距离该限速指示牌最近位置拍摄的图片的位置作为该限速指示牌的位置,或根据拍摄图片的位置计算出该限速指示牌的位置。当然,上述例子只是确定地图要素的位置的一种可能的方式而已,在某些方式下,还可以结合识别的内容和已有的地图数据,综合确定图片中某个地理要素的位置。
每个图片中,可能包含多个相同类型或不同类型的地图要素,这些地图要素的属性信息中包含的类型包括但不限于:各级道路、河流、绿化带、街区等地理要素,还可以包含各种交通设施比如道路上的各种标识牌、电子眼、道路上的车行线等等。
地图要素的属性信息还可以包含具体的内容,例如在一个图片中,道路右侧边缘竖立一个限速60的标识牌,对这个限速60的标识牌来说,其指示的类型为:限速标识牌,内容即:60;对于道路指示牌来说,其指示的前方道路的信息,或者指示的前方路口的转弯车道和直行车道信息,即其内容。
对于车道线、人行道等类型的地图要素,它的属性信息中可以不包含内容这一项,例如包含所属类型和地理位置这两项;或者它的属性信息中可以包含所属类型、内容和地理位置信息这三项,但是其中内容这一项为空。
对图像识别的过程中,可能由于拍摄的各种因素,例如拍摄的清晰程度、拍摄当时的环境光线、拍摄角度、拍摄范围等,导致拍摄的图片中某个或某些地图要素本身模糊或者不完整,导致图像识别的失败,这种情况下,无法直接使用图像识别的结果,而需要人工辅助识别,提高识别的准确性。在一个实施例中,可以在图片图像识别失败时,参照图2所示,还执行下述流程:
S21、将图像识别失败的图片以及图像识别的结果,提交至人工资料作业模块;
S22、接收人工资料作业模块返回的图片中各地图要素的属性信息;
S23、将返回的各地图要素的属性信息与已有的地图数据进行融合,生成新的地图数据。
对于人工资料作业模块来说,人工作业识别图片中地图要素的属性信息的流程,可以是与前述图1和图2所示流程相对独立的另外流程,对人工资料作业模块来说,其返回的图片中各地图要素的属性信息可以通过下述方式获得:人工资料作业模块向参与人工作业的工作人员展示图片,并根据图像识别的结果和/或母库中保存的已有的地图数据,生成图片中各地图要素的类型、内容和地理位置中一项或多项的预测项;接收工作人员对预测项的选择结果,根据选择结果确定图片中各地图要素的所属类型、内容和地理位置中的一项或多项。
参照图3所示的界面示意图的例子,在该界面中,最左侧“让”字标识及“减速让行”示意的是人工资料作业模块提供的右侧三张图片中交通指示牌内容的可能结果(即预测项),当然,人工资料作业模块还可以在本界面的上一个或上几个界面或者下一个或者下几个界面提供对该交通标识牌的其他的预测项,供工作人员进行简单判断,当工作人员通过人工读图认为该预测项正确时,反馈给人工资料作业模块,则人工资料作业模块最终确认该交通标识牌的内容为“让”字标识及“减速让行”。如果该界面右侧展示的一张或者多张图片与左侧的自动识别推荐结果不一致,则可以在对应图片下更正该张图片正确的识别结果,如:图3中右侧的三张图片,点击每个图片下方自动识别出的图标按钮,如:“让”、“增加附加信息”按钮进行类型、内容、附加信息的选择,其中,界面右侧每张图片下面对应的图标按钮中的图标,表示当前图片识别出的结果,若对其进行修正,则显示修正后的结果;若该张图片被遮挡等,则可以选择“补”,表示需要另外补充图才能判断;若该张图片中不包含有效信息,则可以选择“X”删除当前图片,使其不流入下游继续作业;若不确定当前识别结果是否正确时,则可以选择“?”表示当前无法确定预测项是否正确。对于地图要素的位置信息、类型信息,均可以通过上述类似方式进行选择。
参见图4所示的界面图的另外一个例子,左侧给出是右侧6张图片中道路上特定范围内的线条的类型的预测项为“人行横道线”,工作人员根据人工识别的结果,进行判断和选择。
在另外的可能的界面图中,还可以将同一个交通标识牌的各个不同的预测项均显示在同一个界面中,用户可以直观地在不同的预测项中进行选择,具体布局方式与图3和图4类似,在此就不再赘述。图3和图4示出了对类型和内容进行作业的界面,在另外的可能的界面图中,还可以同时对类型、内容和位置进行作业。
人工资料作业模块,根据图像识别结果和/或已有地图数据,生成地图要素对应的各个预测项,因此,对于工作人员来说,即使在不通晓地图处理规范的情况下,也可以迅速地根据所见的图片对各种预测项做出简单的判断或者少量的修正,效率高,大大降低了人工作业的工作量和复杂程度,同时也降低了人工读图对人员知识储备、熟悉程度和既往经验的要求,节省了人力成本,同时人工作业效率也较现有技术有较大的提升。
为了保证人工资料作业模块人工作业的准确性,在本发明实施例中,还可以采用多种手段对人工作业的结果进行质检,例如采用两个以上的人员同时对相同的图片和预测项进行选择,根据选择结果判断正确性高低,又或者,采用质检库中预设图片以及预设图片中地图要素的已知数据,混入到需要人工识别的图片以及对应的预测项中,对选择结果的准确性进行评估计算;当评估通过时,才会根据选择结果确定图片中各地图要素的属性信息;上述图片的已知数据,同样可包括类型、内容和地理位置中一项或多项,这个过程又被称为“埋钉子”,从质检库中抽取的图片和图片中地图要素的已知数据,作为钉子,混入到真正需要识别的图片及预测项中。“钉子”的数量,可以根据真正需要人工识别的图片的数量而实时调整。
在一个实施例中,在前述步骤S22之后,该方法还可以将返回的图片中各地图要素的属性信息作为图像识别算法模型的训练样本库的输入,对图像识别算法模型进行训练,修正图像识别算法模型。
人工资料作业模块得到的图片中各地图要素的属性信息,可以作为图像识别算法的样本库的扩充,从而利用这些新的样本,对图像识别算法进行训练,不断修正图像识别算法模型,从而提升图像识别算法的智能程度,使得其识别的准确性进一步得到优化。
参照图5所示的流程图,在对所采集的图片和图片的轨迹进行图像识别之后,当识别成功时,可以直接执行后续过滤、融合得到融合结果,当图像识别不成功,则转向人工资料作业模块进行人工资料作业,确定地图要素的类型、内容和位置中的一项或多项,并根据人工资料作业模块的反馈结果对图像识别进行训练,形成了图像识别→人工资料作业→训练→图像识别的闭环。
在一个实施例中,上述过滤的过程,可使用所述各地图要素的所属类型、内容和地理位置中的至少一项与母库中的地图数据进行比较,确定母库中的地图数据中是否已保存有与地图要素的所属类型、内容和地理位置重复的数据;若否,再转向与已有的地图数据进行融合的步骤,提升了整体的数据生产效率。
在一个实施例中,由于采集的图片的数量往往是巨大的,即使图像识别这个步骤,都会耗费大量的资源,为了避免不必要图像识别运算,提高整体处理速度和效率,还可以对采集的图像预先进行筛选,去除掉与已处理过的,已识别过的图片重复的那些图片,具体来说,可以将采集的各图片分别与母库中已保存的图片进行比对,确定采集的图片是否与已保存的图片重复;若是,丢弃采集的图片;若否,转向前述S11中图像识别的步骤。
采用上述方法可避免不必要的图像识别的工作,降低图像识别的工作量,对于大量需要图像识别的情况,可较好地提升整体生产效率。
识别采集的图片是否与母库中已保存的图片重复,可以采用多种方式,例如采用图像差分的方法,或者采用特征对比的方法,或者直方图匹配等等方式,确定采集的图片与母库中图片的相似度,如果相似度大于等于预设的阈值,则确定采集的图片与已保存的图片重复。本发明实施例对于采用何种具体的匹配算法不做限定。其中图像差分的方法,算法相对简单,计算速度较快。
基于同一发明构思,本发明实施例还提供了一种地图数据的生产装置、计算机可读存储介质和地图数据处理设备,由于这些装置和设备等所解决问题的原理与前述地图数据的生产方法相似,因此该装置和设备等的实施可以参见前述方法的实施,重复之处不再赘述。
本发明实施例中的一种地图数据的生产装置6,参照图6所示,包括:
图像识别模块61,用于根据采集的各图片及对应的轨迹,对采集的各图片进行图像识别;
确定模块62,用于根据识别结果,确定图片中各地图要素的属性信息,属性信息包括:所属类型、内容和地理位置中的至少一项;
融合模块63,用于将确定出的各地图要素的属性信息,与已有的地图数据进行融合,生成新的地图数据。
在一个实施例中,上述地图数据的生产装置6,参照图6所示,还可以包括:接收模块64;
相应地,上述图像识别模块61,还用于对采集的图片进行图像识别失败时,将图像识别失败的图片以及图像识别的结果,提交至人工资料作业模块7;
接收模块64,用于接收人工资料作业模块7返回的图片中各地图要素的属性信息;
上述融合模块63,还用于将接收模块64接收到的各地图要素的属性信息与已有的地图数据进行融合,生成新的地图数据。
在一个实施例中,上述地图数据的生产装置,参照图6所示,还可以包括:训练模块65,用于将接收模块64接收到的图片中各地图要素的属性信息作为图像识别算法模型的训练样本库的输入,对图像识别算法模型进行训练,修正图像识别算法模型。
在一个实施例中,上述地图数据的生产装置6,参照图6所示,还可以包括:图像去重模块66,用于对采集的各图片分别与母库中已保存的图片进行比对,确定采集的图片是否与已保存的图片重复;若是,丢弃采集的图片;若否,通知图像识别模块61执行图像识别的步骤。
在一个实施例中,上述图像去重模块66,进一步用于针对采集的每张图片,采用图像差分的方法,分别确定母库的各图片与采集的图片之间的相似度;当相似度大于等于预设的阈值,则确定采集的图片与已保存的图片重复。
在一个实施例中,上述地图数据的生产装置,参照图6所示,还可以包括:过滤模块67,用于在融合模块63将各地图要素的属性信息与已有的地图数据进行融合之前,使用各地图要素的所属类型、内容和地理位置中的至少一项与母库中的地图数据进行比较,确定母库中的地图数据中是否已保存有与地图要素的所属类型、内容和地理位置重复的数据;若否,通知所述融合模块执行与所述与已有的地图数据进行融合的步骤。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时,可以实现前述地图数据的生产方法。
本发明实施例还提供了一种地图数据处理设备,该地图数据处理设备包括存储器、处理器及存储于所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时可以实现前述地图数据的生产方法。
上述地图处理设备,可以是各种地图数据生产所使用的服务器、计算机、终端等。
本发明实施例还提供了一种地图数据的生产系统,参照图7所示,包括本发明实施例提供的前述地图数据的生产装置6及人工资料作业模块7。
在一个实施例中,上述人工资料作业模块7,具体用于展示所述图片,并根据图像识别的结果和/或母库中保存的已有的地图数据,生成所述图片中各地图要素的类型、内容和地理位置中一项或多项的预测项;接收对所述预测项的选择结果,根据所述选择结果确定所述图片中各地图要素的所属类型、内容和地理位置。
在一个实施例中,上述人工资料作业模块7,还用于利用质检库中预设图片以及所述预设图片中地图要素的已知数据,混入所述预测项中,对所述选择结果的准确性进行评估计算;当评估通过时,根据所述选择结果确定所述图片中各地图要素的属性信息;所述已知数据,包括类型、内容和地理位置中一项或多项。
人工资料作业模块在实施时,可以通过软件或者软件和硬件结合的方式,以服务器、客户端等等多种方式存在,具有人机交互界面,方便人工作业即可。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (14)
1.一种地图数据的生产方法,其特征在于,包括:
根据采集的各图片及对应的轨迹,对采集的所述各图片进行图像识别;
根据识别结果,确定所述图片中各地图要素的属性信息,所述属性信息包括:所属类型、内容和地理位置中的至少一项;
将确定出的所述各地图要素的属性信息,与已有的地图数据进行融合,生成新的地图数据;
对采集的图片进行图像识别失败时,将图像识别失败的图片以及图像识别的结果,提交至人工资料作业模块;
接收人工资料作业模块返回的所述图片中各地图要素的属性信息;
将返回的所述各地图要素的属性信息与已有的地图数据进行融合,生成新的地图数据;
所述人工资料作业模块返回的所述图片中各地图要素的属性信息通过下述方式获得:所述人工资料作业模块展示所述图片,并根据图像识别的结果和/或母库中保存的已有的地图数据,生成所述图片中各地图要素的类型、内容和地理位置中一项或多项的预测项;接收对所述预测项的选择结果,根据所述选择结果确定所述图片中各地图要素的所属类型、内容和地理位置;
采用质检库中预设图片以及预设图片中地图要素的已知数据,混入到需要人工识别的图片以及对应的预测项中,对选择结果的准确性进行评估计算;当评估通过时,才根据选择结果确定图片中各地图要素的属性信息。
2.如权利要求1所述的方法,其特征在于,接收人工资料作业模块返回的所述图片中各地图要素的属性信息之后,所述方法还包括:
将返回的所述图片中各地图要素的属性信息作为图像识别算法模型的训练样本库的输入,对所述图像识别算法模型进行训练,修正所述图像识别算法模型。
3.如权利要求1或2所述的方法,其特征在于,对采集的所述各图片进行图像识别之前,还包括:
将采集的所述各图片分别与母库中已保存的图片进行比对,确定采集的图片是否与已保存的图片重复;
若是,丢弃采集的图片;
若否,转向所述图像识别的步骤。
4.如权利要求3的所述的方法,其特征在于,将采集的各图片分别与母库中已保存的图片进行比对,确定采集的所述图片是否与已保存的图片重复,包括:
针对采集的每张图片,采用图像差分的方法,分别确定母库的各图片与采集的图片之间的相似度;
当相似度大于等于预设的阈值,则确定采集的图片与已保存的图片重复。
5.如权利要求1或2所述的方法,其特征在于,将所述各地图要素的属性信息与已有的地图数据进行融合之前,还包括:
使用所述各地图要素的所属类型、内容和地理位置中的至少一项与母库中的地图数据进行比较,确定所述母库中的地图数据中是否已保存有与所述地图要素的所属类型、内容和地理位置重复的数据;
若否,转向与所述与已有的地图数据进行融合的步骤。
6.一种地图数据的生产装置,其特征在于,包括:
图像识别模块,用于根据采集的各图片及对应的轨迹,对采集的所述各图片进行图像识别;
确定模块,用于根据识别结果,确定所述图片中各地图要素的属性信息,所述属性信息包括:所属类型、内容和地理位置中的至少一项;
融合模块,用于将确定出的所述各地图要素的属性信息,与已有的地图数据进行融合,生成新的地图数据;
所述装置,还包括:接收模块;
所述图像识别模块,还用于对采集的图片进行图像识别失败时,将图像识别失败的图片以及图像识别的结果,提交至人工资料作业模块;
所述接收模块,用于接收人工资料作业模块返回的所述图片中各地图要素的属性信息;
所述融合模块,还用于将所述接收模块接收到的所述各地图要素的属性信息与已有的地图数据进行融合,生成新的地图数据;
所述人工资料作业模块返回的所述图片中各地图要素的属性信息通过下述方式获得:所述人工资料作业模块展示所述图片,并根据图像识别的结果和/或母库中保存的已有的地图数据,生成所述图片中各地图要素的类型、内容和地理位置中一项或多项的预测项;接收对所述预测项的选择结果,根据所述选择结果确定所述图片中各地图要素的所属类型、内容和地理位置;
采用质检库中预设图片以及预设图片中地图要素的已知数据,混入到需要人工识别的图片以及对应的预测项中,对选择结果的准确性进行评估计算;当评估通过时,才根据选择结果确定图片中各地图要素的属性信息。
7.如权利要求6所述的装置,其特征在于,还包括:
训练模块,用于将所述接收模块接收到的所述图片中各地图要素的属性信息作为图像识别算法模型的训练样本库的输入,对所述图像识别算法模型进行训练,修正所述图像识别算法模型。
8.如权利要求6或7所述的装置,其特征在于,还包括:
图像去重模块,用于对采集的所述各图片分别与母库中已保存的图片进行比对,确定采集的图片是否与已保存的图片重复;若是,丢弃采集的图片;若否,通知所述图像识别模块执行所述图像识别的步骤。
9.如权利要求8所述的装置,其特征在于,所述图像去重模块,进一步用于针对采集的每张图片,采用图像差分的方法,分别确定母库的各图片与采集的图片之间的相似度;当相似度大于等于预设的阈值,则确定采集的图片与已保存的图片重复。
10.如权利要求6或7所述的装置,其特征在于,还包括:
过滤模块,用于在所述融合模块将所述各地图要素的属性信息与已有的地图数据进行融合之前,使用所述各地图要素的所属类型、内容和地理位置中的至少一项与母库中的地图数据进行比较,确定所述母库中的地图数据中是否已保存有与所述地图要素的所属类型、内容和地理位置重复的数据;若否,通知所述融合模块执行与所述与已有的地图数据进行融合的步骤。
11.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该指令被处理器执行时实现如权利要求1-5任一项所述的地图数据的生产方法。
12.一种地图数据处理设备,包括存储器、处理器及存储于所述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1-5任一项所述的地图数据的生产方法。
13.一种地图数据的生产系统,其特征在于,包括如权利要求7-10任一项所述的地图数据的生产装置及人工资料作业模块;
所述人工资料作业模块,具体用于展示所述图片,并根据图像识别的结果和/或母库中保存的已有的地图数据,生成所述图片中各地图要素的类型、内容和地理位置中一项或多项的预测项;接收对所述预测项的选择结果,根据所述选择结果确定所述图片中各地图要素的所属类型、内容和地理位置。
14.如权利要求13所述的系统,其特征在于,所述人工资料作业模块,还用于利用质检库中预设图片以及所述预设图片中地图要素的已知数据,混入所述预测项中,对所述选择结果的准确性进行评估计算;当评估通过时,根据所述选择结果确定所述图片中各地图要素的属性信息;所述已知数据,包括类型、内容和地理位置中一项或多项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811104519.9A CN110941684B (zh) | 2018-09-21 | 2018-09-21 | 一种地图数据的生产方法、相关装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811104519.9A CN110941684B (zh) | 2018-09-21 | 2018-09-21 | 一种地图数据的生产方法、相关装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110941684A CN110941684A (zh) | 2020-03-31 |
CN110941684B true CN110941684B (zh) | 2023-06-13 |
Family
ID=69905553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811104519.9A Active CN110941684B (zh) | 2018-09-21 | 2018-09-21 | 一种地图数据的生产方法、相关装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110941684B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611291A (zh) * | 2020-04-14 | 2020-09-01 | 陕西天泽中孚实业有限公司 | 一种地理信息的融合共享及识别系统 |
CN111553894A (zh) * | 2020-04-24 | 2020-08-18 | 上海杏脉信息科技有限公司 | 一种医学图像分割模型训练方法、介质及电子设备 |
CN112084275B (zh) * | 2020-08-26 | 2022-08-23 | 腾讯科技(深圳)有限公司 | 一种作业目标数据确定方法、装置、存储介质及设备 |
CN113887321A (zh) * | 2021-09-09 | 2022-01-04 | 鹏城实验室 | 一种生成车道级仿真路网的方法、设备及存储介质 |
CN114199228B (zh) * | 2021-12-08 | 2024-06-11 | 北京百度网讯科技有限公司 | 地图数据生成方法、装置、电子设备和存储介质 |
CN114485690A (zh) * | 2021-12-29 | 2022-05-13 | 北京百度网讯科技有限公司 | 导航地图的生成方法、装置、电子设备及存储介质 |
CN115344658B (zh) * | 2022-09-02 | 2023-04-28 | 自然资源部地图技术审查中心 | 自动识别线类型问题地图的方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156357A (zh) * | 2013-05-13 | 2014-11-19 | 北京四维图新科技股份有限公司 | 电子地图数据的检验方法及装置 |
CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆车道级导航地图的生成系统及方法 |
CN106845470A (zh) * | 2017-02-20 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 地图数据采集方法和装置 |
CN107122483A (zh) * | 2017-05-05 | 2017-09-01 | 国家测绘地理信息局四川测绘产品质量监督检验站 | 基础地理信息数据质检方法、装置及系统 |
WO2018113451A1 (zh) * | 2016-12-22 | 2018-06-28 | 沈阳美行科技有限公司 | 一种地图数据系统、其生成和使用方法及应用 |
CN108256116A (zh) * | 2018-02-12 | 2018-07-06 | 华东师范大学 | 一种农用地现状数据快速采集方法 |
CN108286972A (zh) * | 2017-01-09 | 2018-07-17 | 北京四维图新科技股份有限公司 | 导航电子地图数据的智能查错方法和装置及混合导航系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100188088A1 (en) * | 2008-10-02 | 2010-07-29 | Certusview Technologies, Llc | Methods and apparatus for displaying and processing facilities map information and/or other image information on a locate device |
CN101975941B (zh) * | 2010-09-08 | 2013-09-18 | 吉林大学 | 便携式遥感影像信息野外采集系统及采集方法 |
CN103996036B (zh) * | 2014-06-09 | 2017-07-28 | 百度在线网络技术(北京)有限公司 | 一种地图数据采集方法及装置 |
CN104535070B (zh) * | 2014-12-26 | 2017-11-14 | 上海交通大学 | 高精细地图数据结构、采集和处理系统及方法 |
CN105260699B (zh) * | 2015-09-10 | 2018-06-26 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法及装置 |
CN105444773A (zh) * | 2015-11-26 | 2016-03-30 | 中山大学 | 一种基于实景识别与增强现实的导航方法及系统 |
CN107229690B (zh) * | 2017-05-19 | 2019-01-25 | 广州中国科学院软件应用技术研究所 | 基于路侧传感器的高精度动态地图数据处理系统及方法 |
-
2018
- 2018-09-21 CN CN201811104519.9A patent/CN110941684B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156357A (zh) * | 2013-05-13 | 2014-11-19 | 北京四维图新科技股份有限公司 | 电子地图数据的检验方法及装置 |
CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆车道级导航地图的生成系统及方法 |
WO2018113451A1 (zh) * | 2016-12-22 | 2018-06-28 | 沈阳美行科技有限公司 | 一种地图数据系统、其生成和使用方法及应用 |
CN108286972A (zh) * | 2017-01-09 | 2018-07-17 | 北京四维图新科技股份有限公司 | 导航电子地图数据的智能查错方法和装置及混合导航系统 |
CN106845470A (zh) * | 2017-02-20 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 地图数据采集方法和装置 |
CN107122483A (zh) * | 2017-05-05 | 2017-09-01 | 国家测绘地理信息局四川测绘产品质量监督检验站 | 基础地理信息数据质检方法、装置及系统 |
CN108256116A (zh) * | 2018-02-12 | 2018-07-06 | 华东师范大学 | 一种农用地现状数据快速采集方法 |
Non-Patent Citations (2)
Title |
---|
基于MicroStation的数字地图质量检查辅助系统;耿晓晖;王万青;蒋玉晓;刘军儒;田鸿杰;;北京测绘(第01期);全文 * |
彩色地图线状要素识别系统的设计与实现;郭玲,王晓兰,周献中;系统仿真学报(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110941684A (zh) | 2020-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110941684B (zh) | 一种地图数据的生产方法、相关装置及系统 | |
CN102903239B (zh) | 交通路口车辆左右违章转向检测方法和系统 | |
CN107992819B (zh) | 一种车辆属性结构化特征的确定方法与装置 | |
CN109782364B (zh) | 基于机器视觉的交通标志牌缺失检测方法 | |
CN111428663A (zh) | 红绿灯状态的识别方法、装置、电子设备和存储介质 | |
CN109740420A (zh) | 车辆违法识别方法及相关产品 | |
WO2018165279A1 (en) | Segmentation of images | |
CN111401228B (zh) | 视频目标标注方法、装置及电子设备 | |
CN111753612A (zh) | 一种抛洒物检测方法、装置及存储介质 | |
CN115050002A (zh) | 图像标注模型训练方法、装置、电子设备及存储介质 | |
CN113591580B (zh) | 图像标注方法、装置、电子设备和存储介质 | |
CN114821247A (zh) | 一种模型的训练方法、装置、存储介质及电子装置 | |
Ding et al. | Mit-avt clustered driving scene dataset: Evaluating perception systems in real-world naturalistic driving scenarios | |
CN113011298A (zh) | 截断物体样本生成、目标检测方法、路侧设备和云控平台 | |
US20230386188A1 (en) | Image analysis system an update method for machine learning model | |
CN113469109A (zh) | 交通灯识别结果处理方法、装置、路侧设备及云控平台 | |
CN112486817A (zh) | 一种数据更新的测评方法、装置、设备及存储介质 | |
CN111311601A (zh) | 一种拼接图像的分割方法及装置 | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
CN114550129B (zh) | 一种基于数据集的机器学习模型处理方法和系统 | |
CN115273025A (zh) | 交通资产的盘点方法、装置、介质及电子设备 | |
WO2022247299A1 (zh) | 指示灯状态识别 | |
CN114998689A (zh) | 一种轨道数据集的生成方法、轨道识别方法和系统 | |
CN114463755A (zh) | 基于高精度地图采集图片中敏感信息自动检测脱敏方法 | |
CN114359147A (zh) | 裂缝检测方法、装置、服务器及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200527 Address after: 310027 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Alibaba (China) Co.,Ltd. Address before: 102200, No. 18, No., Changsheng Road, Changping District science and Technology Park, Beijing, China. 1-5 Applicant before: AUTONAVI SOFTWARE Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |