CN111198562A - 一种众包碎片地图的空间线特征的预处理优化方法 - Google Patents
一种众包碎片地图的空间线特征的预处理优化方法 Download PDFInfo
- Publication number
- CN111198562A CN111198562A CN201911401150.2A CN201911401150A CN111198562A CN 111198562 A CN111198562 A CN 111198562A CN 201911401150 A CN201911401150 A CN 201911401150A CN 111198562 A CN111198562 A CN 111198562A
- Authority
- CN
- China
- Prior art keywords
- point
- shape
- points
- axis
- coordinate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000007781 pre-processing Methods 0.000 title claims abstract description 24
- 238000005457 optimization Methods 0.000 title claims abstract description 14
- 239000012634 fragment Substances 0.000 title abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000009499 grossing Methods 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 abstract description 6
- 238000007499 fusion processing Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 26
- 230000008859 change Effects 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/0202—Control of position or course in two dimensions specially adapted to aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种众包碎片地图的空间线特征的预处理优化方法,包括:对道路片段数据中的单根车道线内的形点按照坐标大小或里程进行排序;对形点形成的车道线进行折角滤波;对形点形成的车道线的曲线进行平滑;根据各个相邻形点之间的距离对形点形成的车道线进行打断。作为众包融合处理流程的前置流程,对众包采集的碎片地图进行预处理,使其经过处理后的数据满足后续进行融合优化的需求。
Description
技术领域
本发明涉及高精度地图领域,尤其涉及一种众包碎片地图的空间线特征的预处理优化方法。
背景技术
在自动驾驶领域,为准确控制车辆行驶,常涉及到高精度地图的绘制,高精度地图绘制的过程中,需要路面的车道线形点数据,给自动驾驶车提供车道级的驾驶指引。
高精度地图可以使用价格高昂的测绘车经过长时间的数据采集绘制,但由于成本高且采集周期长、更新慢的原因难以满足高精度地图的高鲜度需求。众包采集车相比高精度测绘车成本低,比较适宜进行广泛布置以采集高鲜度的数据,提高高精度地图的更新频率,而众包采集车精度较低,其所采集的数据点误差较大且常有错误数据点,因此希望通过多次频繁地采集的大数据量融合优化得到高精度的车道线数据,通过融合处理众包采集车不断上传的道路片段数据,经过云端融合分析后得到高精度地图所需的车道线、路沿石等可以由空间曲线描述的特征。而众包采集车由于采集环境的不稳定,不可避免地会造成局部碎片化地图的质量较差,使其呈现不连续、折角、断裂等局部不符合现实的特征,对后续进行众包融合造成影响,使精度降低。
发明内容
本发明针对现有技术中存在的技术问题,提供一种众包碎片地图的空间线特征的预处理优化方法,解决现有技术中众包碎片地图的空间线特征数据精度低的问题。
本发明解决上述技术问题的技术方案如下:一种众包碎片地图的空间线特征的预处理优化方法,所述方法包括:
步骤1,对道路片段数据中的单根车道线内的形点按照坐标大小或里程进行排序;
步骤2,对所述形点形成的车道线进行折角滤波;
步骤3,对所述形点形成的车道线的曲线进行平滑;
步骤4,根据各个相邻形点之间的距离对所述形点形成的车道线进行打断。
本发明的有益效果是:作为众包融合处理流程的前置流程,对众包采集的碎片地图进行预处理,使其经过处理后的数据满足后续进行融合优化的需求。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,述步骤1中按照坐标大小对形点进行排序的过程包括:比较所有所述形点的坐标的X轴和Y轴的变化范围;
所述X轴的变化范围大于所述Y轴的变化范围时,所述形点按照X轴坐标从小到大进行排序;
所述X轴的变化范围不大于所述Y轴的变化范围时,所述形点按照Y轴坐标从小到大进行排序。
进一步,所述步骤1中按照坐标大小对形点进行排序的过程包括:
将各个所述形点的二维坐标pi(xi,yi)在直线sinθx-cosθy+c=0上做投影,得到投影点坐标;其中直线sinθx-cosθy+c=0为单根车道线内的所有所述形点在二维平面上使用直线进行拟合所得,θ和c为常数;
比较所有所述形点的投影点坐标的X轴和Y轴的变化范围;所述X轴的变化范围大于所述Y轴的变化范围时,所述形点按照X轴投影点坐标从小到大进行排序;所述X轴的变化范围不大于所述Y轴的变化范围时,所述形点按照Y轴投影点坐标从小到大进行排序。
进一步,所述步骤1中按照里程对形点进行排序的过程包括:按照各个所述形点与首点形点的里程距离从小到大进行排序。
进一步,所述步骤1中按照里程对形点进行排序的过程包括:
进一步,所述步骤2中进行折角滤波的过程包括:
其中,所述形点为首点时,dx和dy分别表示所述形点的x坐标序列和y坐标序列的前向差分值;所述形点为尾点时,dx和dy分别表示所述形点的x坐标序列和y坐标序列的后向差分值;否则,dx和dy分别表示所述形点的x坐标序列和y坐标序列的中心差分值。
进一步,所述步骤2中进行折角滤波的过程包括:
进一步,所述步骤3中对曲线进行平滑的过程包括:
步骤301,设置长度为len、滑动步长为step的滑动窗;
步骤302,从首点开始依次计算各个相邻形点之间的里程,判断里程和大于len或里程总和不大于len时,对所述滑动窗口中的所有形点,基于样条函数进行拟合或直线方程进行最小二乘拟合,使用拟合后的结果更新所述形点的坐标值;
步骤303,使所述滑动窗往前行走一个步长step,使所述首点从所述滑动窗的起始处开始,使用更新后的所述形点在所述滑动窗内的形点进行基于样条函数或直线方程的拟合;
步骤304,循环执行步骤303至所述滑动窗的尾部到达所述曲线的尾部。
进一步,所述步骤3中对曲线进行平滑的过程包括:
分别对X坐标、Y坐标或Z坐标进行基于里程和的滑动平均操作。
进一步,所述步骤4之后还包括:
采用上述进一步方案的有益效果是:考虑实际的线状道路特征,首先对形点进行排序,避免发生线条回折的问题;进行折角滤波,避免产生短距离内的较大曲率变化情况;对车道线曲线进行平滑操作,避免曲线产生尖锐的转折;对车道线进行打断,避免一条车道线上的形点过于稀疏;最后计算里程和切线角度值供后续流程使用;实现了对车道线众包碎片化道路地图的预处理工作,可以从杂乱的原始输入数据点中得到精度较高,且完整性、连续性较好的连续线特征形点,方法执行简便快捷,对输入数据的要求少,鲁棒性高,可以适应2D\3D的车道线形点数据,可以适应复杂的城区道路数据,相比直接进行众包融合,可以适应更差的局部地图。
附图说明
图1为本发明提供的一种众包碎片地图的空间线特征的预处理优化方法的流程图;
图2为本发明提供的一种众包碎片地图的空间线特征的预处理优化方法的实施例的流程图;
图3为本发明提供的一种众包碎片地图的空间线特征的预处理优化方法的实施例中对形点进行排序的第一优选实施例的流程图;
图4为本发明提供的一种众包碎片地图的空间线特征的预处理优化方法的实施例中对形点进行排序的第二优选实施例的流程图;
图5为本发明提供的一种众包碎片地图的空间线特征的预处理优化方法的实施例中对形点进行排序的第三优选实施例的流程图;
图6为本发明提供的一种众包碎片地图的空间线特征的预处理优化方法的实施例中对形点进行排序的第四优选实施例的流程图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示为本发明提供的一种众包碎片地图的空间线特征预处理优化方法的流程图,由图1可知,该方法包括:
步骤1,对道路片段数据中的单根车道线内的形点按照坐标大小或里程进行排序。
步骤2,对形点形成的车道线进行折角滤波。
步骤3,对形点形成的车道线的曲线进行平滑。
步骤4,根据各个相邻形点之间的距离对形点形成的车道线进行打断。
本发明提供的一种众包碎片地图的空间线特征的预处理优化方法,作为众包融合处理流程的前置流程,对众包采集的碎片地图进行预处理,使其经过处理后的数据满足后续进行融合优化的需求。
实施例1
本发明提供的实施例1为本发明提供的一种众包碎片地图的空间线特征预处理优化方法的实施例,如图2所示为本发明提供的一种众包碎片地图的空间线特征的预处理优化方法的实施例的流程图,由图2可知,该优化方法的实施例包括:
首先进行数据读入和规范化。数据读入和规范化主要处理从众包采集车直接解析的数据中可能存在的字段缺失、数据丢失的情形,对后续融合所需的字段进行了保留,对无用的字段进行了剔除。对仅存在1个2个或3个点,却被赋予了一条单独的线ID的线进行删除。防止后续处理过程中的计算异常,去除数据量过小的线。
步骤1,对道路片段数据中的单根车道线内的形点按照坐标大小或里程进行排序。
从众包采集车直接传入的数据中可能存在的点在线上的顺序与正常的线顺序不一致,导致发生线条回折的问题。由于车道线、路沿石等线特征在现实中在局部范围内为单调的,因而不可能发生短距离的回折现象,故需要进行排序。如图3-6分别为本发明提供的一种众包碎片地图的空间线特征的预处理优化方法的实施例中对形点进行排序的第一、第二、第三和第四优选实施例的流程图,具体可以根据需要选择使用哪种优选实施例进行形点的排序,由图3-图6可知,优选的,步骤1中按照坐标大小对形点进行排序可以为单一坐标排序或者坐标投影排序;按照里程对形点进行排序可以为按照与首点形点的里程距离排序或者带方向判断的里程排序。
具体的,第一优选实施例中按照单一坐标排序的过程包括:
步骤1中按照坐标大小对形点进行排序的过程包括:比较所有形点的坐标的X轴和Y轴的变化范围。
X轴的变化范围大于Y轴的变化范围时,形点按照X轴坐标从小到大进行排序。
X轴的变化范围不大于Y轴的变化范围时,形点按照Y轴坐标从小到大进行排序。
具体的,对一条线上的三维数据点,取XY坐标跨度较大的那个维度,即取x坐标最大值与最小值之差,y坐标最大值与最小值之差较大的那个维度作为主要维度,将主要维度从大到小排列,以该排列顺序作为输出顺序。
max(X)、min(X)分别表示X轴坐标中的最大值和最小值,max(Y)、min(Y)分别表示Y轴坐标中的最大值和最小值。max(X)-min(X)>max(Y)-min(Y)时,则该车道线中所有形点按照X轴坐标值从小到大排序连接成线,否则,则按照Y轴坐标值从小到大排序连接成线。所有车道线都按此规则重排序连续。
第二优选实施例中按照坐标投影排序的过程包括:
将各个形点的二维坐标pi(xi,yi)在直线sinθx-cosθy+c=0上做投影,得到投影点坐标;其中直线sinθx-cosθy+c=0为单根车道线内的所有形点在二维平面上使用直线进行拟合所得,θ和c为常数。
比较所有形点的投影点坐标的X轴和Y轴的变化范围;X轴的变化范围大于Y轴的变化范围时,形点按照X轴投影点坐标从小到大进行排序;X轴的变化范围不大于Y轴的变化范围时,形点按照Y轴投影点坐标从小到大进行排序。
具体的,直线sinθx-cosθy+c=0的单位方向向量为将pi往直线cosθx-cosθy+c=0上做投影,投影点坐标为直线sinθx-cosθy+c=0与直线cosθx+sinθy-(cosθxi+sinθyi)=0的交点,坐标为p(-c1sinθ-c2cosθ,c1cosθ-c2sinθ),θ、c1以及c2均为常数。
第三优选实施例中按照与首点形点的里程距离排序的过程包括:按照各个形点与首点形点的里程距离从小到大进行排序。
首先选择第一个点p0,该点选取整条线序列中的第一个点,取与p0距离最近的那个点作为第二个点,然后取与第二个点最近,且未排序的点作为第三个点,依次进行,直到所有线上点排序完毕。
第四优选实施例中按照带方向判断的里程对形点进行排序的过程包括:
具体的,取序列中的任意一个点p0(x0,y0)作为起始点,找到与它最近的一个点p1(x1,y1)作为第二个点。从剩余的点集中找到一个点pj,使点pj到已排序点中的最后一个点pi最近,且向量与向量夹角为钝角,即两个向量内积小于0,若无法找到成钝角的点,则不再执行找点到尾部的操作。此时找一个与已排序点的首点p0距离最近的点且使向量与向量夹角为钝角,若无法找到成钝角的点,则不再执行找点加入到已排序序列首部的操作,若可以找到,则将该点加入到已排序序列的首部。持续进行直到所有点处理完毕。
步骤2,对形点形成的车道线进行折角滤波。
由于实际的线状道路特征不存在短距离内的较大曲率变化,故可以通过线切线方向角度的变化程度来对线进行平滑操作,对较大折角的点进行删除。
优选的,步骤2中可以基于角度变化率或者曲率半径进行折角滤波。
具体的,基于角度变化率进行折角过滤的过程包括:
其中,形点为首点时,dx和dy分别表示形点的x坐标序列和y坐标序列的前向差分值;形点为尾点时,dx和dy分别表示形点的x坐标序列和y坐标序列的后向差分值;否则,dx和dy分别表示形点的x坐标序列和y坐标序列的中心差分值。
重复上述基于角度变化率进行折角过滤的过程,直到所有切线方向角度值δ的中心差分值不超过设定阈值。
基于曲率半径进行折角过滤的过程包括:
重复上述基于曲率半径进行折角过滤的过程,直至无不满足曲率要求的形点。
步骤3,对形点形成的车道线的曲线进行平滑。
经过上述步骤处理后,仍可能存在较为尖锐的转折,使整体曲线不够平滑,需要对车道线曲线进行平滑操作。
优选的,步骤3中可以使用样条曲线或者直线对给定曲线进行分段拟合或使用滑动平均来对曲线进行平滑。
具体的,使用样条拟合对曲线进行平滑的过程包括:
步骤301,设置长度为len、滑动步长为step的滑动窗。
长度和滑动步长可以根据情况设定。
步骤302,从首点开始依次计算各个相邻形点之间的里程,判断里程和大于len或里程总和不大于len时,对滑动窗口中的所有形点,基于样条函数进行拟合或直线方程进行最小二乘拟合,使用拟合后的结果更新形点的坐标值。
步骤303,使滑动窗往前行走一个步长step,使首点从滑动窗的起始处开始,使用更新后的形点在滑动窗内的形点进行基于样条函数或直线方程的拟合。
步骤304,循环执行步骤303至滑动窗的尾部到达曲线的尾部。
使用样条拟合对曲线进行平滑可适用分别在XOY平面内进行以对XY平面内的曲线进行平滑,在SOZ平面或XOZ,YOZ平面上进行以对Z高程进行平滑。其中SOZ平面指以里程作为S轴,高程作为Z轴的二维坐标平面。
具体的,使用样条拟合对曲线进行平滑的过程包括:
分别对X坐标、Y坐标或Z坐标进行基于里程和的滑动平均操作。
滑动平均操作的窗口长度为基于里程和计算的长度,滑动步长根据需要设定。长度len可以为15m,滑动步长step可以为5m-10m。
步骤4,根据各个相邻形点之间的距离对形点形成的车道线进行打断。
由于上述过程可能删除了某些形点,导致一些形点之间的距离过远,此时形点形成的一条车道线上的可信点过于稀疏,应该在形点密度过小的位置进行打断。具体的,对形点形成的车道线进行打断的过程包括:
判断连续的两个形点之间的距离超过设定的距离阈值时,将车道线从两个形点之间打断。
距离阈值可设置为3-5m,根据具体的数据输入密度来调整。
保持其中一段车道线的ID不变,另一车道线的ID+1,并对其它大于该ID值的所有车道线的ID进行加1。
优选的,步骤4之后还可以包括:
本发明提供的一种众包碎片地图的空间线特征的预处理优化方法,实现了对车道线众包碎片化道路地图的预处理工作,可以从杂乱的原始输入数据点中得到精度较高,且完整性、连续性较好的连续线特征形点,方法执行简便快捷,对输入数据的要求少,鲁棒性高,可以适应2D\3D的车道线形点数据,可以适应复杂的城区道路数据,相比直接进行众包融合,可以适应更差的局部地图。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种众包碎片地图的空间线特征的预处理优化方法,其特征在于,所述方法包括:
步骤1,对道路片段数据中的单根车道线内的形点按照坐标大小或里程进行排序;
步骤2,对所述形点形成的车道线进行折角滤波;
步骤3,对所述形点形成的车道线的曲线进行平滑;
步骤4,根据各个相邻形点之间的距离对所述形点形成的车道线进行打断。
2.根据权利要求1所述的方法,其特征在于,所述步骤1中按照坐标大小对形点进行排序的过程包括:比较所有所述形点的坐标的X轴和Y轴的变化范围;
所述X轴的变化范围大于所述Y轴的变化范围时,所述形点按照X轴坐标从小到大进行排序;
所述X轴的变化范围不大于所述Y轴的变化范围时,所述形点按照Y轴坐标从小到大进行排序。
3.根据权利要求1所述的方法,其特征在于,所述步骤1中按照坐标大小对形点进行排序的过程包括:
将各个所述形点的二维坐标pi(xi,yi)在直线sinθx-cosθy+c=0上做投影,得到投影点坐标;其中直线sinθx-cosθy+c=0为单根车道线内的所有所述形点在二维平面上使用直线进行拟合所得,θ和c为常数;
比较所有所述形点的投影点坐标的X轴和Y轴的变化范围;所述X轴的变化范围大于所述Y轴的变化范围时,所述形点按照X轴投影点坐标从小到大进行排序;所述X轴的变化范围不大于所述Y轴的变化范围时,所述形点按照Y轴投影点坐标从小到大进行排序。
4.根据权利要求1所述的方法,其特征在于,所述步骤1中按照里程对形点进行排序的过程包括:按照各个所述形点与首点形点的里程距离从小到大进行排序。
8.根据权利要求1所述的方法,其特征在于,所述步骤3中对曲线进行平滑的过程包括:
步骤301,设置长度为len、滑动步长为step的滑动窗;
步骤302,从首点开始依次计算各个相邻形点之间的里程,判断里程和大于len或里程总和不大于len时,对所述滑动窗口中的所有形点,基于样条函数进行拟合或直线方程进行最小二乘拟合,使用拟合后的结果更新所述形点的坐标值;
步骤303,使所述滑动窗往前行走一个步长step,使所述首点从所述滑动窗的起始处开始,使用更新后的所述形点在所述滑动窗内的形点进行基于样条函数或直线方程的拟合;
步骤304,循环执行步骤303至所述滑动窗的尾部到达所述曲线的尾部。
9.根据权利要求1所述的方法,其特征在于,所述步骤3中对曲线进行平滑的过程包括:
分别对X坐标、Y坐标或Z坐标进行基于里程的滑动平均操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911401150.2A CN111198562A (zh) | 2019-12-31 | 2019-12-31 | 一种众包碎片地图的空间线特征的预处理优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911401150.2A CN111198562A (zh) | 2019-12-31 | 2019-12-31 | 一种众包碎片地图的空间线特征的预处理优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111198562A true CN111198562A (zh) | 2020-05-26 |
Family
ID=70744502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911401150.2A Pending CN111198562A (zh) | 2019-12-31 | 2019-12-31 | 一种众包碎片地图的空间线特征的预处理优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111198562A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112050821A (zh) * | 2020-09-11 | 2020-12-08 | 湖北亿咖通科技有限公司 | 一种车道线聚合方法 |
CN112762946A (zh) * | 2020-12-17 | 2021-05-07 | 武汉光庭信息技术股份有限公司 | 一种道路分段处理方法及系统 |
CN114435402A (zh) * | 2022-02-16 | 2022-05-06 | 智道网联科技(北京)有限公司 | 一种车道线平滑方法、装置和电子设备 |
CN114435402B (zh) * | 2022-02-16 | 2024-05-31 | 智道网联科技(北京)有限公司 | 一种车道线平滑方法、装置和电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5740273A (en) * | 1995-06-05 | 1998-04-14 | Motorola, Inc. | Method and microprocessor for preprocessing handwriting having characters composed of a preponderance of straight line segments |
US20030053696A1 (en) * | 2001-06-28 | 2003-03-20 | Darren Schmidt | System and method for performing edge detection in an image |
CN101750090A (zh) * | 2009-12-30 | 2010-06-23 | 东软集团股份有限公司 | 利用轨迹点导航的导航装置 |
CN106846340A (zh) * | 2017-02-17 | 2017-06-13 | 大连理工大学 | 一种基于非固定特征点的光条边界提取方法 |
CN108845569A (zh) * | 2018-04-27 | 2018-11-20 | 厦门维斯云景信息科技有限公司 | 生成三维高清道路图水平弯道行车线的半自动点云方法 |
CN109215347A (zh) * | 2018-10-22 | 2019-01-15 | 北京航空航天大学 | 一种基于众包轨迹数据的交通数据质量控制方法 |
CN109934889A (zh) * | 2019-02-25 | 2019-06-25 | 中铁第四勘察设计院集团有限公司 | 一种基于线性排序的道路中心线确定方法 |
-
2019
- 2019-12-31 CN CN201911401150.2A patent/CN111198562A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5740273A (en) * | 1995-06-05 | 1998-04-14 | Motorola, Inc. | Method and microprocessor for preprocessing handwriting having characters composed of a preponderance of straight line segments |
US20030053696A1 (en) * | 2001-06-28 | 2003-03-20 | Darren Schmidt | System and method for performing edge detection in an image |
CN101750090A (zh) * | 2009-12-30 | 2010-06-23 | 东软集团股份有限公司 | 利用轨迹点导航的导航装置 |
CN106846340A (zh) * | 2017-02-17 | 2017-06-13 | 大连理工大学 | 一种基于非固定特征点的光条边界提取方法 |
CN108845569A (zh) * | 2018-04-27 | 2018-11-20 | 厦门维斯云景信息科技有限公司 | 生成三维高清道路图水平弯道行车线的半自动点云方法 |
CN109215347A (zh) * | 2018-10-22 | 2019-01-15 | 北京航空航天大学 | 一种基于众包轨迹数据的交通数据质量控制方法 |
CN109934889A (zh) * | 2019-02-25 | 2019-06-25 | 中铁第四勘察设计院集团有限公司 | 一种基于线性排序的道路中心线确定方法 |
Non-Patent Citations (2)
Title |
---|
文少波 等: "新能源汽车及其智能化技术", 30 September 2017, 东南大学出版社, pages: 154 - 159 * |
筑根: "车道线滑动窗口及拟合多项式实现", pages 136 - 101 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112050821A (zh) * | 2020-09-11 | 2020-12-08 | 湖北亿咖通科技有限公司 | 一种车道线聚合方法 |
CN112762946A (zh) * | 2020-12-17 | 2021-05-07 | 武汉光庭信息技术股份有限公司 | 一种道路分段处理方法及系统 |
CN114435402A (zh) * | 2022-02-16 | 2022-05-06 | 智道网联科技(北京)有限公司 | 一种车道线平滑方法、装置和电子设备 |
CN114435402B (zh) * | 2022-02-16 | 2024-05-31 | 智道网联科技(北京)有限公司 | 一种车道线平滑方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10627241B2 (en) | Map-centric map matching method and apparatus | |
CN109655805B (zh) | 一种基于扫描线段重合长度估计的激光雷达定位方法 | |
CN111222418B (zh) | 一种车道线的多道路片段的众包数据快速融合优化方法 | |
CN108280840B (zh) | 一种基于三维激光雷达的道路实时分割方法 | |
CN111198562A (zh) | 一种众包碎片地图的空间线特征的预处理优化方法 | |
CN111209291B (zh) | 一种利用众包感知地图更新高精度地图的方法及系统 | |
EP2887315A1 (en) | Calibration device, method for implementing calibration, program and camera for movable body | |
CN112541437A (zh) | 车辆定位方法、装置、电子设备及存储介质 | |
WO2022052567A1 (zh) | 一种车辆定位的方法及装置、车辆、存储介质 | |
CN112747755B (zh) | 道路线确定方法、装置、可读存储介质及地图更新系统 | |
CN111209805B (zh) | 车道线众包数据的多道路片段数据的快速融合优化方法 | |
CN111982127A (zh) | LightWeight-3D避障方法 | |
CN113835102B (zh) | 车道线生成方法和装置 | |
EP3901821A1 (en) | Method and device for calibrating pitch of camera on vehicle and method and device for continual learning of vanishing point estimation model to be used for calibrating the pitch | |
CN111141296B (zh) | 车道线众包数据的多道路片段数据的预处理方法及系统 | |
CN108469263A (zh) | 一种基于曲率进行形点优化的方法及系统 | |
WO2023169337A1 (zh) | 目标物速度的估计方法及装置、车辆和存储介质 | |
US20160063716A1 (en) | Line parametric object estimation | |
CN112435336B (zh) | 一种弯道类型识别方法、装置、电子设备及存储介质 | |
CN109341704B (zh) | 一种地图精度确定方法及装置 | |
CN116469073A (zh) | 目标识别方法、装置、电子设备、介质及自动驾驶车辆 | |
CN112580744B (zh) | 众包数据道路片段中同一车道线测量数据的优化融合方法 | |
CN114238354A (zh) | 地图数据更新方法、装置及计算机存储介质 | |
CN114659537A (zh) | 导航起点道路确定方法、装置、设备及存储介质 | |
JP7344032B2 (ja) | 画像処理装置 |
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 |