CN111324616B - 车道线变化信息的检测方法、装置及设备 - Google Patents
车道线变化信息的检测方法、装置及设备 Download PDFInfo
- Publication number
- CN111324616B CN111324616B CN202010082514.1A CN202010082514A CN111324616B CN 111324616 B CN111324616 B CN 111324616B CN 202010082514 A CN202010082514 A CN 202010082514A CN 111324616 B CN111324616 B CN 111324616B
- Authority
- CN
- China
- Prior art keywords
- lane line
- road
- information
- lane
- detected
- 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
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
- G06F16/23—Updating
-
- 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
Abstract
本申请公开了一种车道线变化信息的检测方法、装置及设备,涉及智能驾驶技术领域,尤其涉及车道线检测技术领域。本申请公开的技术方案包括:获取由多个车辆的采集装置在待检测道路的不同地理位置采集到的多个道路图像,获取每个道路图像对应的车道线检测信息,车道线检测信息包括:车道线数量以及每条车道线的属性的变化位置;根据多个道路图像对应的车道线检测信息,得到待检测道路的当前车道线信息;根据当前车道线信息,以及从地图数据中获取的待检测道路的历史车道线信息,确定待检测道路对应的车道线变化信息。本申请方案能够提高车道线变化信息的获取时效性及精确性。
Description
技术领域
本申请涉及智能驾驶技术领域,尤其涉及一种车道线变化信息的检测方法、装置及设备。
背景技术
目前,智能驾驶正在给交通出行带来巨大变革,地图在智能驾驶中起到至关重要的作用。鲜度和精度是地图的重要属性,鲜度或精度较低的地图除了会给用户带来困扰以及安全隐患外,也会对给车辆的智能驾驶带来极大挑战。
当高精度地图有了基础底图之后,为了维持地图的鲜度,当道路发生变化时,需要及时对地图进行更新。通常为了降低成本,对地图的维护和更新主要针对道路变化区域展开。即,获取道路变化区域对应的变化信息,从而根据该变化信息对地图进行更新。其中一种获取道路变化信息的方式就是通过政府公布渠道获取。
然而,上述道路变化信息的获取方式存在如下缺点:时效性较差,使得无法保证地图的鲜度;另外,获取的道路变化信息通常只涉及发生变化的道路区域范围,而没有具体变化的细节信息,无法保证地图的精度。
发明内容
本申请提供一种车道线变化信息的检测方法、装置及设备,用以提高车道线变化信息的获取时效性和精确性。
第一方面,本申请提供一种车道线变化信息的检测方法,包括:获取由多个车辆的采集装置在待检测道路的不同地理位置采集到的多个道路图像,所述多个道路图像为各所述采集装置在离散时间拍摄得到的;获取每个所述道路图像对应的车道线检测信息,所述车道线检测信息包括:车道线数量以及每条车道线的属性的变化位置;根据所述多个道路图像对应的车道线检测信息,得到所述待检测道路的当前车道线信息;根据所述当前车道线信息,以及从地图数据中获取的所述待检测道路的历史车道线信息,确定所述待检测道路对应的车道线变化信息。
该方案中,实现了利用众包车辆在离散时间采集到的道路图像检测得到车道线变化信息,从而,当路网中的任何一条道路发生变化时,都能够及时地发现道路变化信息,一方面保证了道路变化信息的时效性和全面性,另一方面还能降低采集成本。由于检测到的车道线变化信息不仅包括车道线数量变化还包括车道线属性变化信息,提高了道路变化信息的精确性。进一步的,利用本实施例检测到的车道线变化信息对地图数据进行更新,可以保证地图的鲜度和精度。
一种可能的实现方式中,一个地理位置采集到的道路图像有多个;所述根据所述多个道路图像对应的车道线检测信息,得到所述待检测道路的当前车道线信息,包括:根据在相同的地理位置采集到的多个道路图像各自对应的车道线检测信息,得到该地理位置对应的车道线检测信息;根据不同地理位置对应的车道线检测信息,获取所述待检测道路的当前车道线信息。
该实现方式中,通过对一个地理位置对应的多个道路图像的车道线检测信息进行聚类,能够提高检测结果的精确性。
一种可能的实现方式中,每个道路图像对应有采集时间;所述根据在相同的地理位置采集到的多个道路图像各自对应的车道线检测信息,得到该地理位置对应的车道线检测信息,包括:根据各所述道路图像的采集时间,将处于预设时间范围内的在相同地理位置采集到的多个道路图像各自对应的车道线检测信息进行聚类,得到该地理位置对应的车道线检测信息。
该实现方式中,通过根据采集时间对多个道路图像的车道线检测信息进行聚类,能够进一步提高检测结果的精确性。
一种可能的实现方式中,所述获取每个所述道路图像对应的车道线检测信息,包括:对所述道路图像进行车道线检测,得到车道线数量以及每条车道线对应的车道线方程;根据车道线的属性对所述道路图像进行车道线属性分割,得到车道线属性分割结果;根据所述车道线属性分割结果以及每条车道线对应的车道线方程,获取所述道路图像中的每条车道线的属性的变化位置。
该实现方式中,利用每个车辆在离散时间拍摄的单张道路图像即可检测得到车道线的数量、颜色变化点的位置、虚实变化点的位置、粗细变化点的位置等车道线检测信息,自动化程度高,提高了检测效率。
一种可能的实现方式中,所述对所述道路图像进行车道线检测,得到车道线数量以及每条车道线对应的车道线方程,包括:对所述道路图像进行特征提取,得到所述道路图像的特征信息;根据所述特征信息,获取所述道路图像中的道路边界信息以及车道线位置信息;根据所述道路边界信息以及车道线位置信息,确定出车道线数量以及每条车道线对应的车道线方程。
一种可能的实现方式中,所述根据所述特征信息,获取所述道路图像中的道路边界信息以及车道线位置信息,包括:根据所述特征信息,对所述道路图像进行导流区分割和/或护栏分割,并根据所述导流区分割和/或护栏分割的分割结果,得到所述道路图像中的道路边界信息;根据所述特征信息,对所述道路图像进行车道线分割,并根据车道线分割结果,得到所述道路图像中的车道线位置信息。
一种可能的实现方式中,所述车道线的属性包括下述属性中的至少一种:颜色属性、虚实属性、粗细属性。
该实现方式中,通过获取车道线的颜色属性、虚实属性和粗细属性,使得获取的当前车道线信息更加全面,提高检测结果的精确性。
一种可能的实现方式中,所述根据所述当前车道线信息,以及从地图数据中获取的所述待检测道路的历史车道线信息,确定所述待检测道路对应的车道线变化信息,包括:将所述当前车道线信息与从地图数据中获取的所述待检测道路的历史车道线信息进行差分,得到所述待检测道路对应的车道线变化信息。
第二方面,本申请提供一种车道线变化信息的检测装置,包括:获取模块,用于获取由多个车辆的采集装置在待检测道路的不同地理位置采集到的多个道路图像,所述多个道路图像为各所述采集装置在离散时间拍摄得到的;检测模块,用于获取每个所述道路图像对应的车道线检测信息,所述车道线检测信息包括:车道线数量以及每条车道线的属性的变化位置;所述检测模块,还用于根据所述多个道路图像对应的车道线检测信息,得到所述待检测道路的当前车道线信息;确定模块,用于根据所述当前车道线信息,以及从地图数据中获取的所述待检测道路的历史车道线信息,确定所述待检测道路对应的车道线变化信息。
一种可能的实现方式中,一个地理位置采集到的道路图像有多个;所述检测模块具体用于:根据在相同的地理位置采集到的多个道路图像各自对应的车道线检测信息,得到该地理位置对应的车道线检测信息;根据不同地理位置对应的车道线检测信息,获取所述待检测道路的当前车道线信息。
一种可能的实现方式中,每个道路图像对应有采集时间;所述检测模块具体用于:根据各所述道路图像的采集时间,将处于预设时间范围内的在相同地理位置采集到的多个道路图像各自对应的车道线检测信息进行聚类,得到该地理位置对应的车道线检测信息。
一种可能的实现方式中,所述检测模块具体用于:对所述道路图像进行车道线检测,得到车道线数量以及每条车道线对应的车道线方程;根据车道线的属性对所述道路图像进行车道线属性分割,得到车道线属性分割结果;根据所述车道线属性分割结果以及每条车道线对应的车道线方程,获取所述道路图像中的每条车道线的属性的变化位置。
一种可能的实现方式中,所述检测模块具体用于:对所述道路图像进行特征提取,得到所述道路图像的特征信息;根据所述特征信息,获取所述道路图像中的道路边界信息以及车道线位置信息;根据所述道路边界信息以及车道线位置信息,确定出车道线数量以及每条车道线对应的车道线方程。
一种可能的实现方式中,所述检测模块具体用于:根据所述特征信息,对所述道路图像进行导流区分割和/或护栏分割,并根据所述导流区分割和/或护栏分割的分割结果,得到所述道路图像中的道路边界信息;根据所述特征信息,对所述道路图像进行车道线分割,并根据车道线分割结果,得到所述道路图像中的车道线位置信息。
一种可能的实现方式中,所述车道线的属性包括下述属性中的至少一种:颜色属性、虚实属性、粗细属性。
一种可能的实现方式中,所述确定模块具体用于:将所述当前车道线信息与从地图数据中获取的所述待检测道路的历史车道线信息进行差分,得到所述待检测道路对应的车道线变化信息。
第三方面,本申请提供一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如第一方面任一项所述的方法。
第四方面,本申请提供一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如第一方面任一项所述的方法。
本申请提供的车道线变化信息的检测方法、装置及设备,该方法包括:获取由多个车辆的采集装置在待检测道路的不同地理位置采集到的多个道路图像,获取每个道路图像对应的车道线检测信息,车道线检测信息包括:车道线数量以及每条车道线的属性的变化位置;根据多个道路图像对应的车道线检测信息,得到待检测道路的当前车道线信息;根据当前车道线信息,以及从地图数据中获取的待检测道路的历史车道线信息,确定待检测道路对应的车道线变化信息。通过上述过程,实现了利用众包车辆在离散时间采集到的道路图像检测得到车道线变化信息,从而,当路网中的任何一条道路发生变化时,都能够及时地发现道路变化信息,一方面保证了道路变化信息的时效性和全面性,另一方面还能降低采集成本。由于本实施例检测到的车道线变化信息不仅包括车道线数量变化还包括车道线属性变化信息,提高了道路变化信息的精确性。进一步的,利用本实施例检测到的车道线变化信息对地图数据进行更新,可以保证地图的鲜度和精度。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为本申请实施例的一种可能的应用场景示意图;
图2为本申请一个实施例提供的车道线变化信息的检测方法的流程示意图;
图3A至图3C为本申请实施例提供的车道线的示意图;
图4为本申请一个实施例提供的对单张道路图像进行车道线检测的流程示意图;
图5为本申请实施例提供的对道路图像进行处理的过程示意图;
图6为本申请一个实施例提供的车道线变化信息的检测装置的结构示意图;
图7为本申请一个实施例提供的电子设备的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
如前所述,鲜度和精度是地图的重要属性。地图的鲜度用于衡量地图更新的及时程度。当实际道路发生变化时,若地图能够及时根据道路变化情况进行更新,则说明地图的鲜度较高,否则,说明地图的鲜度较低。地图的精度用于衡量地图的精确度,即地图数据与实际道路的符合程度。若地图数据与实际道路符合程度较高,说明地图的精度较高,否则说明地图的精度较低。
通常,当高精地图有了底图之后,为了维持地图的鲜度,在道路发生变化后,需要及时对地图进行更新。为了降低成本,对地图的维护和更新主要针对道路变化区域展开。即,获取道路变化区域对应的变化信息,从而根据该变化信息对地图进行更新。其中一种获取道路变化信息的方式就是通过政府公布渠道获取。然而,上述道路变化信息的获取方式存在如下缺点:时效性较差,使得无法保证地图的鲜度;另外,获取的道路变化信息通常只涉及发生变化的道路区域范围,而没有具体变化的细节信息,无法保证地图的精度。
车道线是道路的重要属性之一。车道线的变化能够较为准确的反映道路变化信息。通过检测道路上的车道线的变化信息,能够及时、准确地获知道路变化信息,从而为地图更新提供数据来源。因此,本申请实施例提供一种车道线变化信息的检测方法,通过利用多个车辆的采集装置在道路的不同地理位置采集到的多个道路图像,来检测道路的车道线变化信息,一方面提高了检测道路变化的时效性,另一方面还保证了道路变化信息的准确性。利用本实施例检测到的车道线变化信息对地图进行更新,能够保证地图的鲜度和精度。
首先结合图1对本申请实施例的应用场景进行说明。图1为本申请实施例的一种可能的应用场景示意图。如图1所示,一个或者多个车辆10在道路上行驶。每个车辆10上安装有采集装置20,采集装置20用于在车辆行驶过程中对道路进行拍摄得到道路图像。其中,采集装置20可以安装在车辆10的任意位置,只要能够实现对道路进行拍摄即可。本实施例中,采集装置20与车道线变化信息的检测装置(简称检测装置)通信连接,采集装置20将采集到的道路图像传输给该检测装置。该检测装置可以为软件和/或硬件形式。该检测装置还可以设置在服务器中。检测装置通过对接收到的道路图像进行车道线检测,得到道路的当前车道线信息。该检测装置中可以存储有地图数据,或者,该检测装置可以从数据库中获取地图数据,通过将当前车道线信息与地图数据中存储的该道路的历史车道线信息进行比对,得到该道路的车道线变化信息。
能够理解,本实施例中检测得到的车道线变化信息指示的是道路的当前车道线信息(或者称为最新车道线信息)与地图数据中存储的历史车道线信息之间的差异。其中,车道线变化信息中可以包括车道线数量的变化,例如,地图数据中记录该道路有四条车道线,而检测得到的当前车道线信息指示该道路有五条车道线。车道线变化信息中还可以包括车道线属性的变化,其中,车道线属性可以为下述中的一种或者多种:虚实属性、颜色属性、粗细属性等。例如,地图数据中记录该道路中第二条车道线为虚线,而检测得到的当前车道线信息指示该道路中第二条车道线为实线,等。本实施例检测得到的车道线变化信息,可用于对地图的更新。
一些应用场景中,图1中所示的车辆可以为专业采集车。专业采集车中设置有激光雷达、相机等采集装置,通过采集装置对当前道路进行图像采集,并将采集到的图像上传至检测装置。
一些应用场景中,图1中所示的车辆可以为参与众包的车辆,也就是说,以众包模式收集道路图像。具体的,使众多的低成本社会普通车辆(这些车辆称为众包车辆)参与到道路图像采集中,众包车辆在道路正常行驶的过程中,通过车载采集装置对当前道路进行图像采集,并将采集到的图像上传至检测装置。能够理解,从宏观角度来看,路网中的各条道路上行驶的众包车辆源源不断,通过采用众包模式采集道路图像,当路网中的任何一条道路发生变化时,都能够及时地发现道路变化信息,一方面保证了道路变化信息的时效性和全面性,另一方面与专业采集车相比能降低采集成本。
下面结合几个具体的实施例对本申请的技术方案进行详细描述。下面几个实施例可以相互结合,对于相同或者相似的内容在某些实施例中可能不再重复描述。
图2为本申请一个实施例提供的车道线变化信息的检测方法的流程示意图,本实施例的方法可以由图1中的检测装置执行。该检测装置可以为软件和/或硬件的形式。该检测装置可以设置在服务器中。如图2所示,本实施例的方法包括:
S201:获取由多个车辆的采集装置在待检测道路的不同地理位置采集到的多个道路图像,所述多个道路图像为各所述采集装置在离散时间拍摄得到的。
其中,待检测道路可以是路网中的任意道路,例如,可以是路网中的其中一条道路,也可以是其中的多条道路,当然,还可以是路网中的所有道路。
一些实施例中,所述多个车辆可以为专业采集车。专业采集车在待检测道路行驶过程中,专业采集车上的采集装置可以在离散时间对当前道路进行拍摄得到道路图像。例如:每隔1秒或者3秒采集一个道路图像。能够理解,与采集视频相比,本实施例中在离散时间采集道路图像能够降低数据传输压力,并降低实现成本。
另一些实施例中,所述多个车辆可以为众包车辆(众多的低成本社会普通车辆)。众包车辆在正常行驶过程中,众包车辆上安装的采集装置可以在离散时间对当前道路进行拍摄得到道路图像。能够理解,由于路网中的各条道路上的众包车辆源源不断,通过采用众包车辆采集道路图像,当路网中的任何一条道路发生变化时,都能够及时地发现道路变化信息,一方面保证了道路变化信息的时效性和全面性,另一方面与专业采集车相比能降低采集成本。
能够理解,针对一个车辆而言,该车辆在待检测道路上行驶过程中,在离散时间(例如每隔3秒钟)对当前行驶道路进行拍摄,能够采集到不同地理位置的道路图像。另外,由于采集装置是在离散时间对当前行驶的道路进行拍摄,本实施例中同一车辆对待检测道路进行拍摄得到的多个道路图像有可能不具有连续性,即无法保证待检测道路的各个地理位置均被同一车辆的采集装置拍摄到。但是,从宏观而言,当待检测道路上的众包车辆的数量足够多、采集道路图像的时间范围足够长时,通过这些众包车辆获取到的道路图像的数量也足够多,从而能够保证待检测道路的各个地理位置均被拍摄到。
S202:获取每个所述道路图像对应的车道线检测信息,所述车道线检测信息包括:车道线数量以及每条车道线的属性的变化位置。
本实施例中,通过对每个道路图像进行检测,可以得到该道路图像中的车道线检测信息。例如,可以检测得到该道路图像中的车道线的数量,还可以检测得到该道路图像中的车道线的属性的变化位置。
其中,车道线的属性可以包括下述中的一种或者多种:颜色属性、虚实属性、粗细属性等。其中,颜色属性是指车道线的颜色,例如黄色、白色等。虚实属性是指车道线为虚线还是实线。粗细属性是指车道线为粗线还是细线。细线可以是指普通的虚线、实线等。粗线是指宽度大于细线的车道线,例如导流线等。
下面结合图3A至图3C对本实施例中的车道线的属性的变化位置进行说明。图3A至图3C为本申请实施例提供的车道线的示意图,为了以示区分,图中采用不同形式的阴影表示不同的颜色,单斜线阴影表示白色车道线,双线性阴影表示黄色车道线。能够理解,实际路网中,可能存在多种车道线属性变化的情况。图3A至图3C仅为几种可能的示例,本实施例并不以此为限。
本实施例中,车道线的颜色变化位置是指单条车道线存在颜色变化的位置(例如:白线变为黄线,或者黄线变为白线等),参见图3A中的A点,A点是以白线变为黄线为例进行示意的。车道线的虚实变化位置是指单条车道线存在虚实变化的位置(例如:虚线变为实线,或者实线变为虚线等),参见图3B中的B点,B点是以虚线变为实线为例进行示意的。车道线的粗细变化位置是指单条车道线存在粗细变化的位置(例如:由粗线变为细线,或者细线变为粗线等),参见图3C中的C点,C点是以粗线变为细线为例进行示意的。粗细属性的变化位置通常发生在不规则道路、岔路口等位置。
需要说明的是,本实施例对单张道路图像进行检测得到车道线检测信息的方法不作限定,可以采用现有的车道线检测方法进行。一种可能的实施方式可以参见后续实施例的详细描述。
S203:根据所述多个道路图像对应的车道线检测信息,得到所述待检测道路的当前车道线信息。
不难理解,本实施例中单张道路图像对应的车道线检测信息反映的是待检测道路中某一地理位置(即该单张图像所拍摄到的地理位置)处的当前车道线信息。当待检测道路上的众包车辆的数量足够多、采集道路图像的时间范围足够长时,通过这些众包车辆获取到的道路图像的数量也足够多,使得本实施例中获取的多个道路图像能够保证待检测道路的各个地理位置均被拍摄到,因此,根据所述多个道路图像对应的车道线检测信息,能够得到待检测道路的当前车道线信息。
当前车道线信息指示的是待检测道路中的车道线的详细信息,例如:车道线的数量有几条,在哪些位置车道线的数量发生了变化,每条车道线是虚线还是实线,虚实变化点的位置在哪里,每条车道线是黄线还是白线,颜色变化点的位置在哪里,每条车道线是粗线还是细线,粗细变化点的位置在哪里,等等。
一种可能的应用场景中,当通过众包车辆获取到的道路图像的数量足够多的情况下,一个地理位置采集到的道路图像可能有多个。为了提高车道线检测信息的准确性,S203可以采用下述可能的实施方式:根据在相同的地理位置采集到的多个道路图像各自对应的车道线检测信息,得到该地理位置对应的车道线检测信息。换句话说,将相同的地理位置采集到的多个道路图像对应的车道线检测信息进行聚类,得到该地理位置对应的车道线检测信息。进而,根据不同地理位置对应的车道线检测信息,获取所述待检测道路的当前车道线信息。
下面结合举例说明聚类的过程。针对车道线数量进行聚类时,可以针对每个地理位置,统计出在该地理位置采集的不同道路图像检测到的车道线数量,进而对车道线数量进行聚类。例如:某个地理位置采集到7个道路图像,对这7个道路图像进行检测,其中2个道路图像中检测得到3条车道线,其中4个道路图像中检测得到4条车道线,另外1个道路图像中检测得到5条车道线,则确定聚类后该地理位置对应的车道线数量为4条。
针对车道线的属性的变化位置进行聚类时,可以将各道路图像检测到的属性变化点的位置进行聚类,确定出聚类后的变化点的位置。相当于根据检测到的变化点的密度进行聚类。例如,以虚实变化点为例,假设共有6个道路图像,若其中1个道路图像的检测结果指示位置B为虚实变化点位置,其他5个道路图像的检测结果均指示位置A为虚实变化点位置,则经过聚类后确定位置A为虚实变化点的位置。
一种可能的应用场景下,本实施例S201中获取的多个道路图像可以是在一个较长的时间范围内采集得到的,例如:可以是最近一个月内采集到的所有道路图像。每个道路图像可以对应有采集时间。能够理解,在最近一个月内,某条道路可能会发生变化,也就是说,多个道路图像中可能同时包括该道路变化前的图像以及变化后的图像。
为了保证检测结果的时效性,本实施例在对相同地理位置采集到的多个道路图像进行聚类时,还可以考虑道路图像的采集时间,仅针对最新预设时间范围内的道路图像,执行上述的聚类过程。具体的,根据各所述道路图像的采集时间,将处于预设时间范围(例如,最近3天)内的在相同地理位置采集到的多个道路图像各自对应的车道线检测信息进行聚类,得到该地理位置对应的车道线检测信息。需要说明的是,本实施例对于预设时间范围的取值不作具体限定,可以根据实际应用场景进行设置。
S204:根据所述当前车道线信息,以及从地图数据中获取的所述待检测道路的历史车道线信息,确定所述待检测道路对应的车道线变化信息。
本实施例中,车道线变化信息也可以称为车道线情报信息,用于指示当前车道线与历史车道线之间的差异,包括车道线的数量差异和车道线的属性差异。
一些实施例中,检测装置中可以存储有地图数据,该地图数据为更新前的地图数据,即,地图数据中记录的道路车道线信息为历史车道线信息。本实施例检测得到待检测道路的当前车道线信息后,将当前车道线信息与从地图数据中获取的待检测道路的历史车道线信息进行比对,确定出待检测道路对应的车道线变化信息。
可选的,将当前车道线信息与从地图数据中获取的待检测道路的历史车道线信息进行差分运算,得到待检测道路对应的车道线变化信息。
当然,在另一些实施例中,检测装置中也可以不存储地图数据,地图数据可以存储在数据库中,检测装置从数据库中获取地图数据后,执行上述的比对过程。
本实施例提供的车道线变化信息的检测方法,包括:获取由多个车辆的采集装置在待检测道路的不同地理位置采集到的多个道路图像,获取每个道路图像对应的车道线检测信息,车道线检测信息包括:车道线数量以及每条车道线的属性的变化位置;根据多个道路图像对应的车道线检测信息,得到待检测道路的当前车道线信息;根据当前车道线信息,以及从地图数据中获取的待检测道路的历史车道线信息,确定待检测道路对应的车道线变化信息。通过上述过程,实现了利用众包车辆在离散时间采集到的道路图像检测得到车道线变化信息,从而,当路网中的任何一条道路发生变化时,都能够及时地发现道路变化信息,一方面保证了道路变化信息的时效性和全面性,另一方面还能降低采集成本。由于本实施例检测到的车道线变化信息不仅包括车道线数量变化还包括车道线属性变化信息,提高了道路变化信息的精确性。进一步的,利用本实施例检测到的车道线变化信息对地图数据进行更新,可以保证地图的鲜度和精度。
图4为本申请一个实施例提供的对单张道路图像进行车道线检测的流程示意图。本实施例的方法可以作为S202的一种可能的具体实施方式。如图4所示,本实施例的方法包括:
S401:对所述道路图像进行车道线检测,得到车道线数量以及每条车道线对应的车道线方程。
具体的,可以利用深度学习算法对道路图像进行车道线检测,确定出道路图像中的车道线像素点的位置,进而根据车道线像素点的位置拟合得到车道线对应的车道线方程。
图5为本申请实施例提供的对道路图像进行处理的过程示意图。结合图5,作为一种可能的实施方式,可以对所述道路图像进行特征提取,得到所述道路图像的特征信息。其中,特征信息可以包括导流区特征、护栏特征、车道线特征等。
根据上述特征信息,获取道路图像中的道路边界信息以及车道线位置信息。能够理解,对于一条道路而言,道路的边界通常以导流区、护栏等作为分隔。因此,继续参见图5,根据所述特征信息,对所述道路图像进行导流区分割和/或护栏分割,并根据所述导流区分割和/或护栏分割的分割结果,得到所述道路图像中的道路边界信息。进一步的,还可以根据所述特征信息,对所述道路图像进行车道线分割,并根据车道线分割结果,得到所述道路图像中的车道线位置信息(例如,车道线像素点的位置)。
进一步的,根据所述道路边界信息以及车道线位置信息,可以确定出车道线数量,并且,通过对每条车道线的像素点位置进行拟合,可以得到每条车道线对应的车道线方程。
S402:根据车道线的属性对所述道路图像进行车道线属性分割,得到车道线属性分割结果。
S403:根据所述车道线属性分割结果以及每条车道线对应的车道线方程,获取所述道路图像中的每条车道线的属性的变化位置。
继续结合图5,可以根据道路图像的特征信息,按照车道线的颜色属性对道路图像进行车道线属性分割,得到车道线颜色分割结果(即,识别出不同颜色的车道线);根据颜色分割结果以及每条车道线对应的车道线方程,可以确定出每条车道线的颜色变化位置。
类似的,还可以根据道路图像的特征信息,按照车道线的虚实属性对道路图像进行车道线属性分割,得到车道线虚实分割结果(即,识别出实线和虚线);根据虚实分割结果以及每条车道线对应的车道线方程,可以确定出每条车道线的虚实变化位置。
类似的,还可以根据道路图像的特征信息,按照车道线的粗细属性对道路图像进行车道线属性分割,得到车道线粗细分割结果(即,识别出粗线和细线);根据粗细分割结果以及每条车道线对应的车道线方程,可以确定出每条车道线的粗细变化位置。
本实施例中,利用每个车辆在离散时间拍摄的单张道路图像即可检测得到车道线的数量、颜色变化点的位置、虚实变化点的位置、粗细变化点的位置等车道线检测信息,自动化程度高,提高了检测效率。
图6为本申请一个实施例提供的车道线变化信息的检测装置的结构示意图。本实施例的装置可以为软件和/或硬件的形式。如图6所示,本实施例提供的车道线变化信息的检测装置600,包括:获取模块601、检测模块602和确定模块603。其中,
获取模块601,用于获取由多个车辆的采集装置在待检测道路的不同地理位置采集到的多个道路图像,所述多个道路图像为各所述采集装置在离散时间拍摄得到的;检测模块602,用于获取每个所述道路图像对应的车道线检测信息,所述车道线检测信息包括:车道线数量以及每条车道线的属性的变化位置;所述检测模块602,还用于根据所述多个道路图像对应的车道线检测信息,得到所述待检测道路的当前车道线信息;确定模块603,用于根据所述当前车道线信息,以及从地图数据中获取的所述待检测道路的历史车道线信息,确定所述待检测道路对应的车道线变化信息。
一种可能的实现方式中,一个地理位置采集到的道路图像有多个;所述检测模块602具体用于:根据在相同的地理位置采集到的多个道路图像各自对应的车道线检测信息,得到该地理位置对应的车道线检测信息;根据不同地理位置对应的车道线检测信息,获取所述待检测道路的当前车道线信息。
一种可能的实现方式中,每个道路图像对应有采集时间;所述检测模块602具体用于:根据各所述道路图像的采集时间,将处于预设时间范围内的在相同地理位置采集到的多个道路图像各自对应的车道线检测信息进行聚类,得到该地理位置对应的车道线检测信息。
一种可能的实现方式中,所述检测模块602具体用于:对所述道路图像进行车道线检测,得到车道线数量以及每条车道线对应的车道线方程;根据车道线的属性对所述道路图像进行车道线属性分割,得到车道线属性分割结果;根据所述车道线属性分割结果以及每条车道线对应的车道线方程,获取所述道路图像中的每条车道线的属性的变化位置。
一种可能的实现方式中,所述检测模块602具体用于:对所述道路图像进行特征提取,得到所述道路图像的特征信息;根据所述特征信息,获取所述道路图像中的道路边界信息以及车道线位置信息;根据所述道路边界信息以及车道线位置信息,确定出车道线数量以及每条车道线对应的车道线方程。
一种可能的实现方式中,所述检测模块602具体用于:根据所述特征信息,对所述道路图像进行导流区分割和/或护栏分割,并根据所述导流区分割和/或护栏分割的分割结果,得到所述道路图像中的道路边界信息;根据所述特征信息,对所述道路图像进行车道线分割,并根据车道线分割结果,得到所述道路图像中的车道线位置信息。
一种可能的实现方式中,所述车道线的属性包括下述属性中的至少一种:颜色属性、虚实属性、粗细属性。
一种可能的实现方式中,所述确定模块603具体用于:将所述当前车道线信息与从地图数据中获取的所述待检测道路的历史车道线信息进行差分,得到所述待检测道路对应的车道线变化信息。
本实施例提供的车道线变化信息的检测装置,可用于执行上述任一方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图7所示,是根据本申请实施例的车道线变化信息的检测方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示,该电子设备包括:一个或多个处理器701、存储器702,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的车道线变化信息的检测方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的车道线变化信息的检测方法。
存储器702作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的车道线变化信息的检测方法对应的程序指令/模块(例如,附图6所示的获取模块601、检测模块602、确定模块603)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块,从而执行服务器或者终端设备的各种功能应用以及数据处理,即实现上述方法实施例中的车道线变化信息的检测方法。
存储器702可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储电子设备的使用所创建的数据等。此外,存储器702可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器702可选包括相对于处理器701远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
电子设备还可以包括:输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接,图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (18)
1.一种车道线变化信息的检测方法,其特征在于,包括:
获取由多个车辆的采集装置在待检测道路的不同地理位置采集到的多个道路图像,所述多个道路图像为各所述采集装置在离散时间拍摄得到的;
获取每个所述道路图像对应的车道线检测信息,所述车道线检测信息包括:车道线数量以及每条车道线的属性的变化位置;
根据所述多个道路图像对应的车道线检测信息,得到所述待检测道路的当前车道线信息;
根据所述当前车道线信息,以及从地图数据中获取的所述待检测道路的历史车道线信息,确定所述待检测道路对应的车道线变化信息。
2.根据权利要求1所述的方法,其特征在于,一个地理位置采集到的道路图像有多个;所述根据所述多个道路图像对应的车道线检测信息,得到所述待检测道路的当前车道线信息,包括:
根据在相同的地理位置采集到的多个道路图像各自对应的车道线检测信息,得到该地理位置对应的车道线检测信息;
根据不同地理位置对应的车道线检测信息,获取所述待检测道路的当前车道线信息。
3.根据权利要求2所述的方法,其特征在于,每个道路图像对应有采集时间;所述根据在相同的地理位置采集到的多个道路图像各自对应的车道线检测信息,得到该地理位置对应的车道线检测信息,包括:
根据各所述道路图像的采集时间,将处于预设时间范围内的在相同地理位置采集到的多个道路图像各自对应的车道线检测信息进行聚类,得到该地理位置对应的车道线检测信息。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述获取每个所述道路图像对应的车道线检测信息,包括:
对所述道路图像进行车道线检测,得到车道线数量以及每条车道线对应的车道线方程;
根据车道线的属性对所述道路图像进行车道线属性分割,得到车道线属性分割结果;
根据所述车道线属性分割结果以及每条车道线对应的车道线方程,获取所述道路图像中的每条车道线的属性的变化位置。
5.根据权利要求4所述的方法,其特征在于,所述对所述道路图像进行车道线检测,得到车道线数量以及每条车道线对应的车道线方程,包括:
对所述道路图像进行特征提取,得到所述道路图像的特征信息;
根据所述特征信息,获取所述道路图像中的道路边界信息以及车道线位置信息;
根据所述道路边界信息以及车道线位置信息,确定出车道线数量以及每条车道线对应的车道线方程。
6.根据权利要求5所述的方法,其特征在于,所述根据所述特征信息,获取所述道路图像中的道路边界信息以及车道线位置信息,包括:
根据所述特征信息,对所述道路图像进行导流区分割和/或护栏分割,并根据所述导流区分割和/或护栏分割的分割结果,得到所述道路图像中的道路边界信息;
根据所述特征信息,对所述道路图像进行车道线分割,并根据车道线分割结果,得到所述道路图像中的车道线位置信息。
7.根据权利要求1至3任一项所述的方法,其特征在于,所述车道线的属性包括下述属性中的至少一种:颜色属性、虚实属性、粗细属性。
8.根据权利要求1至3任一项所述的方法,其特征在于,所述根据所述当前车道线信息,以及从地图数据中获取的所述待检测道路的历史车道线信息,确定所述待检测道路对应的车道线变化信息,包括:
将所述当前车道线信息与从地图数据中获取的所述待检测道路的历史车道线信息进行差分,得到所述待检测道路对应的车道线变化信息。
9.一种车道线变化信息的检测装置,其特征在于,包括:
获取模块,用于获取由多个车辆的采集装置在待检测道路的不同地理位置采集到的多个道路图像,所述多个道路图像为各所述采集装置在离散时间拍摄得到的;
检测模块,用于获取每个所述道路图像对应的车道线检测信息,所述车道线检测信息包括:车道线数量以及每条车道线的属性的变化位置;
所述检测模块,还用于根据所述多个道路图像对应的车道线检测信息,得到所述待检测道路的当前车道线信息;
确定模块,用于根据所述当前车道线信息,以及从地图数据中获取的所述待检测道路的历史车道线信息,确定所述待检测道路对应的车道线变化信息。
10.根据权利要求9所述的装置,其特征在于,一个地理位置采集到的道路图像有多个;所述检测模块具体用于:
根据在相同的地理位置采集到的多个道路图像各自对应的车道线检测信息,得到该地理位置对应的车道线检测信息;
根据不同地理位置对应的车道线检测信息,获取所述待检测道路的当前车道线信息。
11.根据权利要求10所述的装置,其特征在于,每个道路图像对应有采集时间;所述检测模块具体用于:
根据各所述道路图像的采集时间,将处于预设时间范围内的在相同地理位置采集到的多个道路图像各自对应的车道线检测信息进行聚类,得到该地理位置对应的车道线检测信息。
12.根据权利要求9至11任一项所述的装置,其特征在于,所述检测模块具体用于:
对所述道路图像进行车道线检测,得到车道线数量以及每条车道线对应的车道线方程;
根据车道线的属性对所述道路图像进行车道线属性分割,得到车道线属性分割结果;
根据所述车道线属性分割结果以及每条车道线对应的车道线方程,获取所述道路图像中的每条车道线的属性的变化位置。
13.根据权利要求12所述的装置,其特征在于,所述检测模块具体用于:对所述道路图像进行特征提取,得到所述道路图像的特征信息;
根据所述特征信息,获取所述道路图像中的道路边界信息以及车道线位置信息;
根据所述道路边界信息以及车道线位置信息,确定出车道线数量以及每条车道线对应的车道线方程。
14.根据权利要求13所述的装置,其特征在于,所述检测模块具体用于:
根据所述特征信息,对所述道路图像进行导流区分割和/或护栏分割,并根据所述导流区分割和/或护栏分割的分割结果,得到所述道路图像中的道路边界信息;
根据所述特征信息,对所述道路图像进行车道线分割,并根据车道线分割结果,得到所述道路图像中的车道线位置信息。
15.根据权利要求9至11任一项所述的装置,其特征在于,所述车道线的属性包括下述属性中的至少一种:颜色属性、虚实属性、粗细属性。
16.根据权利要求9至11任一项所述的装置,其特征在于,所述确定模块具体用于:
将所述当前车道线信息与从地图数据中获取的所述待检测道路的历史车道线信息进行差分,得到所述待检测道路对应的车道线变化信息。
17.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010082514.1A CN111324616B (zh) | 2020-02-07 | 2020-02-07 | 车道线变化信息的检测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010082514.1A CN111324616B (zh) | 2020-02-07 | 2020-02-07 | 车道线变化信息的检测方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111324616A CN111324616A (zh) | 2020-06-23 |
CN111324616B true CN111324616B (zh) | 2023-08-25 |
Family
ID=71165160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010082514.1A Active CN111324616B (zh) | 2020-02-07 | 2020-02-07 | 车道线变化信息的检测方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111324616B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113742440B (zh) * | 2021-09-03 | 2023-09-26 | 北京百度网讯科技有限公司 | 道路图像数据处理方法、装置、电子设备及云计算平台 |
CN116563648B (zh) * | 2023-07-07 | 2023-10-13 | 深圳市博昌智控科技有限公司 | 基于人工智能的车道线更新方法、装置、设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894271A (zh) * | 2010-07-28 | 2010-11-24 | 重庆大学 | 汽车偏离车道线角度和距离的视觉计算及预警方法 |
CN103940434A (zh) * | 2014-04-01 | 2014-07-23 | 西安交通大学 | 基于单目视觉和惯性导航单元的实时车道线检测系统 |
CN106228125A (zh) * | 2016-07-15 | 2016-12-14 | 浙江工商大学 | 基于集成学习级联分类器的车道线检测方法 |
CN108921089A (zh) * | 2018-06-29 | 2018-11-30 | 驭势科技(北京)有限公司 | 车道线检测方法、装置和系统及存储介质 |
CN109657632A (zh) * | 2018-12-25 | 2019-04-19 | 重庆邮电大学 | 一种车道线检测识别方法 |
CN109670376A (zh) * | 2017-10-13 | 2019-04-23 | 神州优车股份有限公司 | 车道线识别方法及系统 |
CN110120084A (zh) * | 2019-05-23 | 2019-08-13 | 广东星舆科技有限公司 | 一种生成车道线及道路面的方法 |
CN110163176A (zh) * | 2019-05-28 | 2019-08-23 | 北京百度网讯科技有限公司 | 车道线变化位置识别方法、装置、设备和介质 |
CN110163930A (zh) * | 2019-05-27 | 2019-08-23 | 北京百度网讯科技有限公司 | 车道线生成方法、装置、设备、系统及可读存储介质 |
CN110210303A (zh) * | 2019-04-29 | 2019-09-06 | 山东大学 | 一种北斗视觉融合精准车道辨识与定位方法及其实现装置 |
CN110287276A (zh) * | 2019-05-27 | 2019-09-27 | 百度在线网络技术(北京)有限公司 | 高精地图更新方法、装置及存储介质 |
CN110287779A (zh) * | 2019-05-17 | 2019-09-27 | 百度在线网络技术(北京)有限公司 | 车道线的检测方法、装置及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10859395B2 (en) * | 2016-12-30 | 2020-12-08 | DeepMap Inc. | Lane line creation for high definition maps for autonomous vehicles |
-
2020
- 2020-02-07 CN CN202010082514.1A patent/CN111324616B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894271A (zh) * | 2010-07-28 | 2010-11-24 | 重庆大学 | 汽车偏离车道线角度和距离的视觉计算及预警方法 |
CN103940434A (zh) * | 2014-04-01 | 2014-07-23 | 西安交通大学 | 基于单目视觉和惯性导航单元的实时车道线检测系统 |
CN106228125A (zh) * | 2016-07-15 | 2016-12-14 | 浙江工商大学 | 基于集成学习级联分类器的车道线检测方法 |
CN109670376A (zh) * | 2017-10-13 | 2019-04-23 | 神州优车股份有限公司 | 车道线识别方法及系统 |
CN108921089A (zh) * | 2018-06-29 | 2018-11-30 | 驭势科技(北京)有限公司 | 车道线检测方法、装置和系统及存储介质 |
CN109657632A (zh) * | 2018-12-25 | 2019-04-19 | 重庆邮电大学 | 一种车道线检测识别方法 |
CN110210303A (zh) * | 2019-04-29 | 2019-09-06 | 山东大学 | 一种北斗视觉融合精准车道辨识与定位方法及其实现装置 |
CN110287779A (zh) * | 2019-05-17 | 2019-09-27 | 百度在线网络技术(北京)有限公司 | 车道线的检测方法、装置及设备 |
CN110120084A (zh) * | 2019-05-23 | 2019-08-13 | 广东星舆科技有限公司 | 一种生成车道线及道路面的方法 |
CN110163930A (zh) * | 2019-05-27 | 2019-08-23 | 北京百度网讯科技有限公司 | 车道线生成方法、装置、设备、系统及可读存储介质 |
CN110287276A (zh) * | 2019-05-27 | 2019-09-27 | 百度在线网络技术(北京)有限公司 | 高精地图更新方法、装置及存储介质 |
CN110163176A (zh) * | 2019-05-28 | 2019-08-23 | 北京百度网讯科技有限公司 | 车道线变化位置识别方法、装置、设备和介质 |
Non-Patent Citations (1)
Title |
---|
基于改进Enet网络的车道线检测算法;刘彬;刘宏哲;;计算机科学(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111324616A (zh) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111583668B (zh) | 交通拥堵检测方法、装置、电子设备和存储介质 | |
CN111797187B (zh) | 地图数据的更新方法、装置、电子设备和存储介质 | |
CN110910665B (zh) | 信号灯控制方法、装置以及计算机设备 | |
US20220051032A1 (en) | Road event detection method, apparatus, device and storage medium | |
CN111695488B (zh) | 兴趣面识别方法、装置、设备以及存储介质 | |
CN111291681B (zh) | 车道线变化信息的检测方法、装置及设备 | |
WO2020055767A1 (en) | Mapping objects detected in images to geographic positions | |
CN111666876B (zh) | 用于检测障碍物的方法、装置、电子设备和路侧设备 | |
KR102643425B1 (ko) | 차량의 차로변경을 탐지하는 방법과 장치, 전자 기기, 저장 장치, 노변 기기, 클라우드 제어 플랫폼 및 프로그램 제품 | |
CN111324616B (zh) | 车道线变化信息的检测方法、装置及设备 | |
JP7200207B2 (ja) | 地図生成方法、地図生成装置、電子機器、非一時的なコンピュータ読み取り可能な記憶媒体及びコンピュータプログラム | |
CN110968718A (zh) | 目标检测模型负样本挖掘方法、装置及电子设备 | |
CN111275963A (zh) | 热点区域的挖掘方法、装置、电子设备和存储介质 | |
CN111597287B (zh) | 地图生成方法、装置及设备 | |
CN111507204A (zh) | 倒计时信号灯的检测方法、装置、电子设备及存储介质 | |
CN112800153B (zh) | 隔离带信息的挖掘方法、装置、设备和计算机存储介质 | |
CN111191619A (zh) | 车道线虚线段的检测方法、装置、设备和可读存储介质 | |
CN113361303B (zh) | 临时交通标志牌识别方法、装置及设备 | |
CN112581533B (zh) | 定位方法、装置、电子设备及存储介质 | |
CN111966925B (zh) | 楼栋兴趣点判重方法、装置、电子设备和存储介质 | |
CN111597986B (zh) | 用于生成信息的方法、装置、设备和存储介质 | |
CN113989760A (zh) | 高精地图检测车道线的方法、装置、设备以及存储介质 | |
CN111400537B (zh) | 一种道路元素信息获取方法、装置和电子设备 | |
CN111858811B (zh) | 一种构建兴趣点图像的方法、装置、电子设备及存储介质 | |
CN111753960B (zh) | 模型训练及图像处理方法、装置、电子设备、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 |