CN111709322B - 一种计算车道线置信度的方法及装置 - Google Patents

一种计算车道线置信度的方法及装置 Download PDF

Info

Publication number
CN111709322B
CN111709322B CN202010471011.3A CN202010471011A CN111709322B CN 111709322 B CN111709322 B CN 111709322B CN 202010471011 A CN202010471011 A CN 202010471011A CN 111709322 B CN111709322 B CN 111709322B
Authority
CN
China
Prior art keywords
lane line
rectangles
rectangle
calculating
sampling
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
Application number
CN202010471011.3A
Other languages
English (en)
Other versions
CN111709322A (zh
Inventor
侯国强
熊迹
惠念
刘奋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heading Data Intelligence Co Ltd
Original Assignee
Heading Data Intelligence Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Heading Data Intelligence Co Ltd filed Critical Heading Data Intelligence Co Ltd
Priority to CN202010471011.3A priority Critical patent/CN111709322B/zh
Publication of CN111709322A publication Critical patent/CN111709322A/zh
Application granted granted Critical
Publication of CN111709322B publication Critical patent/CN111709322B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种计算车道线置信度的方法及装置，该方法包括：将自动提取的车道线轮廓离散化，对离散化后的车道线轮廓进行分段抽样；对抽样得到的点进行预处理后，基于车道线区域灰度值判断抽样得到的点是否符合高精度地图制作标准；根据符合高精度地图制作标准的点的数量，计算各分段车道线轮廓的置信度。通过该方案解决了现有高精度地图车道线检验效率低的问题，基于自动求解分段车道线的置信度，可以有效提高车道线检验的效率，减少人工检验导致的误差，保障检验结果的准确可靠。

Description

一种计算车道线置信度的方法及装置
技术领域
本发明涉及高精度地图制作领域，尤其涉及一种计算车道线置信度的方法及装置。
背景技术
在高精度地图制作过程中，需要对地图中的不同要素进行检验，车道线作为高精度地图的要素之一，制作高精度地图时需要首先将车道线等要素提取出来，而后人工对提取的车道线进行检验。一般人工对自动提取的车道线质量进行检验时，需要通过测量等手段确定车道线是否符合制作标准，这个过程不仅需要耗费大量时间，而且人工测量还会存在误差，由此会降低车道线检验效率，影响高精度地图的制作。
发明内容
有鉴于此，本发明实施例提供了一种计算车道线置信度的方法及装置，以解决现有高精度地图车道线检验效率低的问题。
在本发明实施例的第一方面，提供了一种计算车道线置信度的方法，包括：
将自动提取的车道线轮廓离散化，对离散化后的车道线轮廓进行分段抽样；
对抽样得到的点进行预处理后，基于车道线区域灰度值判断抽样得到的点是否符合高精度地图制作标准；
根据符合高精度地图制作标准的点的数量，计算各分段车道线轮廓的置信度。
在本发明实施例的第二方面，提供了一种用于计算车道线置信度的装置，包括：
划取单元，用于以所述抽样得到的点为中心，在所述抽样得到的点对应的车道线方向两侧，分别划取预定数量的矩形，计算各矩形内的灰度值；
其中，在所述抽样得到的点对应的车道线方向两侧划取的矩形数量相同、且两侧矩形大小位置对应。
判断单元，用于基于各矩形内的灰度值，判断所述抽样得到的点是否符合高精度地图制作标准。
在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、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。
本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
本发明实施例中，将自动提取的车道线轮廓离散化，对离散化后的车道线轮廓进行分段抽样，基于车道线区域灰度值判断抽样得到的点是否符合高精度地图制作标准，再根据符合高精度地图制作标准的点的数量，计算各分段车道线轮廓的置信度。从而解决了人工检验高精度地图车道线效率较低的问题，可以有效提高车道线检验效率，减少检验判断过程耗费的时间，在保障检验准确性和可靠性的前提下，减少检验误差。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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介绍，显而易见地，下面描述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，还可以根据这些附图获取其他附图。
图1为本发明的一个实施例提供的一种计算车道线置信度的方法的流程示意图；
图2为本发明的一个实施例提供的一种用于计算车道线置信度的装置的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围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。
本发明的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述，意指覆盖不排他的包含，如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。
一般高精度地图所用的车道线数据为激光点云数据，若自动提取的车道线数据为激光点云数据，则需先将其投影为二维图像数据，若自动提取的车道线数据为二维图像数据则不需要投影。
请参阅图1，图1为本发明一个实施例提供的计算车道线置信度的方法的流程示意图，包括：
S101、将自动提取的车道线轮廓离散化，对离散化后的车道线轮廓进行分段抽样；
在制作高精度地图时，需要对通过相机采集的车道线数据进行检验，保证车道线的准确。在本发明实施例中，对实线车道线或虚线车道线的实线部分进行处理，先对自动提取的车道线点云轮廓数据离散化，即将无限空间中的个体映射到有限的相对空间中进行计算，而后车道线轮廓分段，在各分段里对轮廓点抽样，抽样比例可依据具体场景而定，可以相同或不同，在此不做限定。
S102、对抽样得到的点进行预处理后，基于车道线区域灰度值判断抽样得到的点是否符合高精度地图制作标准；
由于车道线点云数据投影后，二维图像的车道线区域灰度值要大于其周围道路的灰度值，因此，可以根据灰度值来判断抽样点是否符合高精度地图制作标准
具体的，以所述抽样得到的点为中心，在所述抽样得到的点对应的车道线方向两侧，分别划取预定数量的矩形，计算各矩形内的灰度值；其中，在所述抽样得到的点对应的车道线方向两侧划取的矩形数量相同、且两侧矩形大小位置对应；基于各矩形内的灰度值，判断所述抽样得到的点是否符合高精度地图制作标准。
示例性的，已抽样点为中心，在该点左右两侧各取4个矩形(即在车道线方向的两侧)来判断该点是否符合高精度地图制作标准，以制作标准为5cm(即提取的车道线边缘与真实车道线差距小于5cm)投影后的车道线与图像的左右两侧平行为例，在该点右侧，第一个矩形以该点为中心，上下分别取5cm,右侧取5cm构成的矩形，第二个矩形上下分别取10cm，右侧取5cm构成的矩形，第三个矩形上下分别10cm，右侧取10cm构成的矩形，第四个矩形上下分别取10cm，右侧取20cm构成的矩形。左侧的四个矩形与右侧的四个矩形上下尺寸相同，在该点左侧取与右侧相同的矩形，进而得到四对矩形，分别计算8个矩形的灰度值，每一对矩形之间进行灰度值对比，该判断抽样点是否符合高精度地图制作标准。
优选的，当同侧矩形中至少两个矩形的灰度值均大于另一侧任一矩形的灰度值，且所述同侧矩形中至少两个矩形与所述另一侧任一矩形的灰度值之差超过预设阈值，则判定所述抽样得到的点符合高精度地图制作标准，否则认定该点不符合高精度地图制作标准。
S103、根据符合高精度地图制作标准的点的数量，计算各分段车道线轮廓的置信度。
对各分段中判定符合高精度地图制作标准的点的数量进行统计，基于符合高精度地图制作标准的点的数量及抽样得到点的总数量两者间的比例，计算得到分段的置信度。
进一步的，当分段车道线轮廓的置信度低于预定标准，则人工检验修正对应分段的车道线轮廓点。
通过本实施例提供的方法，基于轮廓点抽样和轮廓点周围灰度值判断是否符合标准，计算分段车道线轮廓的置信度，可以节省人力成本和人工检验的误差，提高车道线质量检验的效率，保障检验结果的准确可靠。
应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图2为本发明实施例提供的一种用于计算车道线置信度的方法的装置结构示意图，该装置包括：
抽样模块210，用于将自动提取的车道线轮廓离散化，对离散化后的车道线轮廓进行分段抽样；
判断模块220，用于对抽样得到的点进行预处理后，基于车道线区域灰度值判断抽样得到的点是否符合高精度地图制作标准；
具体的，所述判断模块220包括：
划取单元，用于以所述抽样得到的点为中心，在所述抽样得到的点对应的车道线方向两侧，分别划取预定数量的矩形，计算各矩形内的灰度值；
其中，在所述抽样得到的点对应的车道线方向两侧划取的矩形数量相同、且两侧矩形大小位置对应；
判断单元，用于基于各矩形内的灰度值，判断所述抽样得到的点是否符合高精度地图制作标准。
优选的，所述基于各矩形内灰度值和，判断所述抽样得到的点是否符合高精度地图制作标准包括：
当同侧矩形中至少两个矩形的灰度值均大于另一侧任一矩形的灰度值，且所述同侧矩形中至少两个矩形与所述另一侧任一矩形的灰度值之差超过预设阈值，则判定所述抽样得到的点符合高精度地图制作标准。
计算模块230，用于根据符合高精度地图制作标准的点的数量，计算各分段车道线轮廓的置信度。
可选的，当分段车道线轮廓的置信度低于预定标准，则人工检验修正对应分段的车道线轮廓点。
可以理解的是，在一个实施例中，所述电子设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述计算机程序执行如实施例一中步骤S101～S103，处理器执行所述计算机程序时实现车道线置信度的计算。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括步骤S101～S103，所述的存储介质包括如：ROM/RAM、磁碟、光盘等。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
以上所述，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 (8)

1.一种计算车道线置信度的方法，其特征在于，包括：
将自动提取的车道线轮廓离散化，对离散化后的车道线轮廓进行分段抽样；
对抽样得到的点进行预处理后，基于车道线区域灰度值判断抽样得到的点是否符合高精度地图制作标准；
其中，所述基于车道线区域灰度值判断抽样得到的点是否符合高精度地图制作标准具体为：
以所述抽样得到的点为中心，在所述抽样得到的点对应的车道线方向两侧，分别划取预定数量的矩形，计算各矩形内的灰度值；
其中，在所述抽样得到的点对应的车道线方向两侧划取的矩形数量相同、且两侧矩形大小位置对应；
基于各矩形内的灰度值，判断所述抽样得到的点是否符合高精度地图制作标准；
根据符合高精度地图制作标准的点的数量，计算各分段车道线轮廓的置信度。
2.根据权利要求1所述方法，其特征在于，所述基于各矩形内灰度值和，判断所述抽样得到的点是否符合高精度地图制作标准包括：
当同侧矩形中至少两个矩形的灰度值均大于另一侧任一矩形的灰度值，且所述同侧矩形中至少两个矩形与所述另一侧任一矩形的灰度值之差超过预设阈值，则判定所述抽样得到的点符合高精度地图制作标准。
3.根据权利要求1所述的方法，其特征在于，所述根据符合高精度地图制作标准的点的数量，计算各分段车道线轮廓的置信度还包括
当分段车道线轮廓的置信度低于预定标准，则人工检验修正对应分段的车道线轮廓点。
4.一种用于计算车道线置信度的装置，其特征在于，包括：
抽样模块，用于将自动提取的车道线轮廓离散化，对离散化后的车道线轮廓进行分段抽样；
判断模块，用于对抽样得到的点进行预处理后，基于车道线区域灰度值判断抽样得到的点是否符合高精度地图制作标准；
其中，所述判断模块包括：
划取单元，用于以所述抽样得到的点为中心，在所述抽样得到的点对应的车道线方向两侧，分别划取预定数量的矩形，计算各矩形内的灰度值；
其中，在所述抽样得到的点对应的车道线方向两侧划取的矩形数量相同、且两侧矩形大小位置对应；
判断单元，用于基于各矩形内的灰度值，判断所述抽样得到的点是否符合高精度地图制作标准；
计算模块，用于根据符合高精度地图制作标准的点的数量，计算各分段车道线轮廓的置信度。
5.根据权利要求4所述的装置，其特征在于，所述基于各矩形内灰度值和，判断所述抽样得到的点是否符合高精度地图制作标准包括：
当同侧矩形中至少两个矩形的灰度值均大于另一侧任一矩形的灰度值，且所述同侧矩形中至少两个矩形与所述另一侧任一矩形的灰度值之差超过预设阈值，则判定所述抽样得到的点符合高精度地图制作标准。
6.根据权利要求4所述的装置，其特征在于，所述根据符合高精度地图制作标准的点的数量，计算各分段车道线轮廓的置信度还包括
当分段车道线轮廓的置信度低于预定标准，则人工检验修正对应分段的车道线轮廓点。
7.一种电子设备，包括处理器、存储器以及存储在所述存储器中并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计算机程序时实现如权利要求1至3中任一项所述计算车道线置信度的方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述计算车道线置信度的方法的步骤。
CN202010471011.3A 2020-05-28 2020-05-28 一种计算车道线置信度的方法及装置 Active CN111709322B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010471011.3A CN111709322B (zh) 2020-05-28 2020-05-28 一种计算车道线置信度的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010471011.3A CN111709322B (zh) 2020-05-28 2020-05-28 一种计算车道线置信度的方法及装置

Publications (2)

Publication Number Publication Date
CN111709322A CN111709322A (zh) 2020-09-25
CN111709322B true CN111709322B (zh) 2022-09-06

Family

ID=72538765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010471011.3A Active CN111709322B (zh) 2020-05-28 2020-05-28 一种计算车道线置信度的方法及装置

Country Status (1)

Country Link
CN (1) CN111709322B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112258595A (zh) * 2020-10-26 2021-01-22 武汉中海庭数据技术有限公司 一种用于横向减速标线置信度评估的方法及系统
CN112257725B (zh) * 2020-10-26 2022-06-07 武汉中海庭数据技术有限公司 一种路缘石提取的置信度评估方法及系统
CN112257724B (zh) * 2020-10-26 2022-09-20 武汉中海庭数据技术有限公司 一种道路外侧线置信度评估方法及系统
CN112257723B (zh) * 2020-10-26 2022-09-27 武汉中海庭数据技术有限公司 一种护栏提取的置信度评估方法及系统
CN112435224B (zh) * 2020-11-13 2022-07-01 武汉中海庭数据技术有限公司 一种停止线提取的置信度评估方法及装置
CN114067562B (zh) * 2021-10-28 2022-08-19 武汉中海庭数据技术有限公司 一种基于多维度特征的车道有效性预测方法及预测系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9384394B2 (en) * 2013-10-31 2016-07-05 Toyota Motor Engineering & Manufacturing North America, Inc. Method for generating accurate lane level maps
CN103954275B (zh) * 2014-04-01 2017-02-08 西安交通大学 基于车道线检测和gis地图信息开发的视觉导航方法
CN104318258B (zh) * 2014-09-29 2017-05-24 南京邮电大学 一种基于时域模糊和卡尔曼滤波器的车道线检测方法
KR20170059194A (ko) * 2015-11-20 2017-05-30 주식회사 만도 차선 유지 보조 장치 및 방법

Also Published As

Publication number Publication date
CN111709322A (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN111709322B (zh) 一种计算车道线置信度的方法及装置
CN109376758B (zh) 一种基于图形的元器件识别方法、系统、装置和存储介质
CN112861870B (zh) 指针式仪表图像矫正方法、系统及存储介质
CN110796066A (zh) 一种车道线组构建方法及装置
CN114120149A (zh) 一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质
CN110109165B (zh) 行驶轨迹中异常点的检测方法及装置
CN114820679A (zh) 图像标注方法、装置、电子设备和存储介质
CN111696059B (zh) 一种车道线光滑连接处理方法和装置
CN115542312B (zh) 多传感器关联方法及装置
CN115131761B (zh) 道路边界的识别方法、绘制方法及装置
CN115797310A (zh) 一种光伏电站组串倾角的确定方法及电子设备
KR100472823B1 (ko) 차선 인식 방법 및 시스템
CN110135425B (zh) 样本标注方法及计算机存储介质
CN108124268B (zh) 一种参数准确性识别方法及网络设备
CN113239906B (zh) 车道线检测方法和装置
CN114926817A (zh) 识别车位的方法、装置、电子设备和计算机可读存储介质
CN115619896A (zh) 一种地图道路线的高程信息处理方法及装置
CN112560558B (zh) 车道线的修正方法、装置及电子设备
CN114444185A (zh) 原位标注的识别方法、装置及电子设备
CN112581541A (zh) 参数的评估方法、装置和电子设备
CN115731458A (zh) 一种遥感影像的处理方法、装置和电子设备
CN114155508B (zh) 一种道路变化检测方法、装置、设备以及存储介质
CN112784737A (zh) 结合像素分割和线段锚的文本检测方法、系统及装置
CN112733778A (zh) 一种车辆前导车确定方法、装置及计算机设备
CN111191597A (zh) 基于矢量线的道路结构提取系统及方法

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