CN111854766B - 一种道路信息确定方法、装置、电子设备及存储介质 - Google Patents
一种道路信息确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111854766B CN111854766B CN202010030638.5A CN202010030638A CN111854766B CN 111854766 B CN111854766 B CN 111854766B CN 202010030638 A CN202010030638 A CN 202010030638A CN 111854766 B CN111854766 B CN 111854766B
- Authority
- CN
- China
- Prior art keywords
- information
- lane
- target road
- current
- road intersection
- 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
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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
Abstract
本申请提供了一种道路信息确定方法、装置、电子设备及存储介质,其中,该道路信息确定方法包括:获取目标道路路口的至少一帧图像信息,并基于所述图像信息提取所述目标道路路口的当前车道属性信息;获取所述目标道路路口处当前不同类型的车道属性信息对应的轨迹信息;基于所述当前车道属性信息、预存的车道属性信息和所述轨迹信息,确定所述目标道路路口的道路信息是否发生更新,并在确定发生更新后,将所述目标道路路口的所述当前车道属性信息输出。本申请提供了一种准确地确定道路的车道属性信息的方法,在确定车道属性信息更新后,将道路的车道属性信息及时输出,便于导航系统基于更新后的车道属性信息进行准确导航。
Description
技术领域
本申请涉及信息处理技术领域,具体而言,涉及一种道路信息确定方法、装置、电子设备及存储介质。
背景技术
车载导航系统是利用车载全球定位系统(Global Positioning System,GPS)配合电子地图来进行的,它能方便且准确地告诉驾驶员去往目的地的最短或者最快路径,是驾驶员的好帮手。
在驾驶员开车行驶过程中,不可避免地会遇到各种道路路口,每种道路路口均包含车道转向信息、潮汐车道信息和公交车道信息等一种或多种路口车道属性信息,当驾驶员行驶接近道路路口时,车载导航系统将通过识预存的路口车道属性信息对驾驶员提前进行导航指示。
因此,准确的路口车道属性信息对车载导航系统的准确导航起着重要作用,由于存在定位误差,GPS定位方式获取路口车道属性信息的准确性较差。
发明内容
有鉴于此,本申请的目的在于提供一种道路信息确定方法、装置、电子设备及存储介质,能够准确地确定道路的车道属性信息,并在确定车道属性信息更新后,将道路的车道属性信息及时输出,便于导航系统基于更新后的车道属性信息进行准确导航。
第一方面,本申请实施例提供了一种道路信息确定方法,包括:
获取目标道路路口的至少一帧图像信息,并基于所述图像信息提取所述目标道路路口的当前车道属性信息;
获取所述目标道路路口处当前不同类型的车道属性信息对应的轨迹信息;
基于所述当前车道属性信息、预存的车道属性信息和所述轨迹信息,确定所述目标道路路口的道路信息是否发生更新,并在确定发生更新后,将所述目标道路路口的所述当前车道属性信息输出。
在一些实施方式中,所述获取目标道路路口的至少一帧图像信息,包括:
获取多个车辆终端的行车记录仪采集的所述目标道路路口的至少一帧图像信息。
在一些实施方式中,若所述图像信息包括多帧,所述当前车道属性信息包括当前车道转向信息,按照以下方式提取所述目标道路路口的当前车道转向信息:
将多帧所述图像信息输入预先训练的目标对象检测模型进行目标对象识别,得到每帧所述图像信息中的车道转向标注结果,每帧图像信息中的所述车道转向标注结果包括车道转向类型以及车道转向位置信息;
将每帧所述图像信息输入预先训练的车道线识别模型进行车道线识别,得到每帧所述图像信息中的车道分割线标注结果,每帧所述图像信息中的所述车道分割线标注结果包括车道线类型和车道线位置信息;
基于每帧所述图像信息对应的所述车道转向类型、所述车道转向位置信息、所述车道线类型以及车道线位置信息,确定所述目标道路路口处的每条车道的当前车道转向信息。
在一些实施方式中,所述基于每帧所述图像信息对应的所述车道转向类型、所述车道转向位置信息、所述车道线类型以及车道线位置信息,确定所述目标道路路口处的每条车道的当前车道转向信息,包括:
基于每帧所述图像信息对应的所述车道线类型和所述车道线位置信息,确定该帧图像信息中的所述目标道路路口处的每条车道对应的车道位置信息;
基于每帧所述图像信息对应的所述车道转向位置信息和所述车道位置信息,确定该帧所述图像信息中的所述车道转向位置信息对应的车道转向类型所属的车道;
将每帧所述图像信息对应的所述车道转向类型所属的车道进行融合,得到所述目标道路路口处的每条车道的当前车道转向信息。
在一些实施方式中,所述获取所述目标道路路口对应的轨迹信息,包括:
基于所述目标道路路口处当前每类车道转向信息,以及基于预存的路网信息,确定与所述目标道路路口连接的指向道路;
获取在设定时间段内由所述目标道路路口驶入各条指向道路的车辆的数量;
将驶入各条指向道路的车辆的数量,作为所述轨迹信息。
在一些实施方式中,所述基于所述当前车道属性信息、预存的车道属性信息和所述轨迹信息,确定所述目标道路路口的道路信息是否发生更新,包括:
将所述目标道路路口处每条车道的当前车道转向信息与预存的车道转向信息中该车道对应的车道转向信息进行比较,确定对应的当前车道转向信息与预存的车道转向信息不一致的变化车道;
将所述变化车道的当前车道转向信息对应的所述车辆的数量,与所述目标道路路口处当前所有类型的车道转向信息对应的所述车辆的数量之和的比值,确定为所述变化车道的当前车道转向信息对应的轨迹概率;
判断所述变化车道的当前车道转向信息对应的轨迹概率是否大于设定阈值,若是,确定所述目标道路路口的道路信息发生更新。
在一些实施方式中,所述当前车道属性信息还包括当前潮汐车道信息,按照以下方式提取所述目标道路路口的当前潮汐车道信息:
在每帧所述图像信息中的所述车道线类型中提取潮汐车道线以及该潮汐车道线的位置信息;
基于每帧所述图像信息中的所述潮汐车道线的位置信息,确定所述目标道路路口对应的由所述潮汐车道线构成的所述当前潮汐车道信息。
在一些实施方式中,所述基于所述当前车道属性信息、预存的车道属性信息和所述轨迹信息,确定所述目标道路路口的道路信息是否发生更新,包括:
基于所述当前车道转向信息、预存的车道转向信息和所述轨迹信息判断所述目标道路路口的车道转向信息是否发生更新;
基于所述当前潮汐车道信息、预存的潮汐车道信息判断所述目标道路路口的潮汐车道信息是否发生更新;
在确定所述目标道路路口的车道转向信息和所述目标道路路口的潮汐车道信息至少一个发生更新时,确定所述目标道路路口的道路信息发生更新。
在一些实施方式中,所述当前车道属性信息还包括当前专用车道信息,按照以下方式提取所述目标道路路口的当前专用车道信息:
将每帧所述图像信息输入预先训练的文字识别模型进行文字识别,得到该帧所述图像信息中的车道文字信息标注结果,所述车道文字信息标注结果包括车道文字类型以及车道文字信息的位置信息;
在每帧所述图像信息中的所述车道文字类型中提取专用车道文字信息以及该专用车道文字信息的位置信息;
基于每帧所述图像信息中的所述专用车道文字信息的位置信息,确定所述目标道路路口处所述专用车道文字信息所在的所述当前专用车道信息。
在一些实施方式中,所述基于所述当前车道属性信息、预存的车道属性信息和所述轨迹信息,确定所述目标道路路口的道路信息是否发生更新,包括:
基于所述当前车道转向信息、预存的车道转向信息和所述轨迹信息判断所述目标道路路口的车道转向信息是否发生更新;
基于所述当前专用车道信息、预存的专用车道信息判断所述目标道路路口的专用车道信息是否发生更新;
在确定所述目标道路路口的车道转向信息和所述目标道路路口的专用车道信息至少一个发生更新时,确定所述目标道路路口的道路信息发生更新。
在一些实施方式中,所述采集目标道路路口的至少一帧图像信息,包括:
获取到通过视频采集部件采集的所述目标道路路口的视频图像后,对所述视频图像进行分帧处理,得到所述目标道路路口的多帧图像信息;
在所述多帧图像信息中提取清晰度大于设定清晰度阈值的图像信息,得到至少一帧图像信息。
第二方面,本申请实施例提供了一种道路信息确定装置,包括:
提取模块,用于获取目标道路路口的至少一帧图像信息,并基于所述图像信息提取所述目标道路路口的当前车道属性信息;
获取模块,用于获取所述目标道路路口处当前不同类型的车道属性信息对应的轨迹信息;
处理模块,用于基于所述当前车道属性信息、预存的车道属性信息和所述轨迹信息,确定所述目标道路路口的道路信息是否发生更新,并在确定发生更新后,将所述目标道路路口的所述当前车道属性信息输出。
在一些实施方式中,所述提取模块具体用于按照以下方式获取目标道路路口的至少一帧图像信息:
获取多个车辆终端的行车记录仪采集的所述目标道路路口的至少一帧图像信息。
在一些实施方式中,若所述图像信息包括多帧,所述当前车道属性信息包括当前车道转向信息,所述提取模块具体按照以下方式提取所述目标道路路口的当前车道转向信息:
将多帧所述图像信息输入预先训练的目标对象检测模型进行目标对象识别,得到每帧所述图像信息中的车道转向标注结果,每帧图像信息中的所述车道转向标注结果包括车道转向类型以及车道转向位置信息;
将每帧所述图像信息输入预先训练的车道线识别模型进行车道线识别,得到每帧所述图像信息中的车道分割线标注结果,每帧所述图像信息中的所述车道分割线标注结果包括车道线类型和车道线位置信息;
基于每帧所述图像信息对应的所述车道转向类型、所述车道转向位置信息、所述车道线类型以及车道线位置信息,确定所述目标道路路口处的每条车道的当前车道转向信息。
在一些实施方式中,所述提取模块具体用于:
基于每帧所述图像信息对应的所述车道线类型和所述车道线位置信息,确定该帧图像信息中的所述目标道路路口处的每条车道对应的车道位置信息;
基于每帧所述图像信息对应的所述车道转向位置信息和所述车道位置信息,确定该帧所述图像信息中的所述车道转向位置信息对应的车道转向类型所属的车道;
将每帧所述图像信息对应的所述车道转向类型所属的车道进行融合,得到所述目标道路路口处的每条车道的当前车道转向信息。
在一些实施方式中,所述获取模块具体用于:
基于所述目标道路路口处当前每类车道转向信息,以及基于预存的路网信息,确定与所述目标道路路口连接的指向道路;
获取在设定时间段内由所述目标道路路口驶入各条指向道路的车辆的数量;
将驶入各条指向道路的车辆的数量,作为所述轨迹信息。
在一些实施方式中,所述处理模块,具体用于:
将所述目标道路路口处每条车道的当前车道转向信息与预存的车道转向信息中该车道对应的车道转向信息进行比较,确定对应的当前车道转向信息与预存的车道转向信息不一致的变化车道;
将所述变化车道的当前车道转向信息对应的所述车辆的数量,与所述目标道路路口处当前所有类型的车道转向信息对应的所述车辆的数量之和的比值,确定为所述变化车道的当前车道转向信息对应的轨迹概率;
判断所述变化车道的当前车道转向信息对应的轨迹概率是否大于设定阈值,若是,确定所述目标道路路口的道路信息发生更新。
在一些实施方式中,所述当前车道属性信息还包括当前潮汐车道信息,所述提取模块具体按照以下方式提取所述目标道路路口的当前潮汐车道信息:
在每帧所述图像信息中的所述车道线类型中提取潮汐车道线以及该潮汐车道线的位置信息;
基于每帧所述图像信息中的所述潮汐车道线的位置信息,确定所述目标道路路口对应的由所述潮汐车道线构成的所述当前潮汐车道信息。
在一些实施方式中,所述处理模块,具体用于:
基于所述当前车道转向信息、预存的车道转向信息和所述轨迹信息判断所述目标道路路口的车道转向信息是否发生更新;
基于所述当前潮汐车道信息、预存的潮汐车道信息判断所述目标道路路口的潮汐车道信息是否发生更新;
在确定所述目标道路路口的车道转向信息和所述目标道路路口的潮汐车道信息至少一个发生更新时,确定所述目标道路路口的道路信息发生更新。
在一些实施方式中,所述当前车道属性信息还包括当前专用车道信息,所述提取模块具体按照以下方式提取所述目标道路路口的当前专用车道信息:
将每帧所述图像信息输入预先训练的文字识别模型进行文字识别,得到该帧所述图像信息中的车道文字信息标注结果,所述车道文字信息标注结果包括车道文字类型以及车道文字信息的位置信息;
在每帧所述图像信息中的所述车道文字类型中提取专用车道文字信息以及该专用车道文字信息的位置信息;
基于每帧所述图像信息中的所述专用车道文字信息的位置信息,确定所述目标道路路口处所述专用车道文字信息所在的所述当前专用车道信息。
在一些实施方式中,所述处理模块具体用于:
基于所述当前车道转向信息、预存的车道转向信息和所述轨迹信息判断所述目标道路路口的车道转向信息是否发生更新;
基于所述当前专用车道信息、预存的专用车道信息判断所述目标道路路口的专用车道信息是否发生更新;
在确定所述目标道路路口的车道转向信息和所述目标道路路口的专用车道信息至少一个发生更新时,确定所述目标道路路口的道路信息发生更新。
在一些实施方式中,所述提取模块具体用于:
获取到通过视频采集部件采集的所述目标道路路口的视频图像后,对所述视频图像进行分帧处理,得到所述目标道路路口的多帧图像信息;
在所述多帧图像信息中提取清晰度大于设定清晰度阈值的图像信息,得到至少一帧图像信息。
第三方面,本申请实施例提供了一种电子设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如第一方面所述道路信息确定方法的步骤。
第四方面,本申请实施例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上存储有计算机程序,所述计算机程序被处理器运行时执行如第一方面所述道路信息确定方法的步骤。
本申请实施例给出的车道信息确定方法通过采集目标道路路口的至少一帧图像信息,然后从这些图像信息中提取出该目标道路路口的当前车道属性信息,并获取与该目标道路路口处当前不同类型的车道属性信息对应的轨迹信息,然后能够基于当前车道属性信息、预存的车道属性信息和轨迹信息,共同确定出目标道路路口的道路信息是否发生更新,比如能够确定目标道路路口上的具体车道的车道转向信息是否发生了更新,在确定发生更新后,则将该目标道路路口的当前车道属性信息输出,这样,通过目标道路路口的图像信息和轨迹信息的结合,能够更加准确地确定目标道路路口的车道属性信息是否更新,并在确定更新后能够及时将更新后的车道属性信息输出,比如输出至导航系统的工作后台,从而便于导航系统基于更新后的车道属性信息进行准确导航。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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得其他相关的附图。
图1示出了本申请实施例提供的一种道路信息确定方法的流程示意图;
图2示出了本申请实施例提供的一种提取当前车道转向信息的方法流程示意图;
图3示出了本申请实施例提供的一种具体的确定目标道路路口处的每条车道的当前车道转向信息的方法流程图;
图4示出了本申请实施例提供的一种图像信息在图像坐标系中的示意图;
图5示出了本申请实施例提供的一种获取目标道路路口的当前车道属性信息对应的轨迹信息的方法流程示意图;
图6示出了本申请实施例提供的一种确定目标道路路口的道路信息是否发生更新的方法流程示意图;
图7示出了本申请实施例提供的一种提取目标道路路口的当前潮汐车道信息的方法流程示意图;
图8示出了本申请实施例提供的一种提取目标道路路口的当前专用车道信息的方法流程示意图;
图9示出了本申请实施例提供的一种道路信息确定装置的结构示意图;
图10示出了本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容,结合特定应用场景“道路路口的车道属性信息的确定方法”,给出以下实施方式。对于本领域技术人员来说,在不脱离本申请的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕道路路口的车道属性信息的确定方法进行描述,但是应该理解,这仅是一个示例性实施例。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
城市道路或者高速公路,通常会包含多条车道,在道路的路口即道路会合的地方,车道上均会标注指示信息,驾驶员可以到路口时自己观察指示信息,按照指示信息进行行驶,也可以根据车载导航或者移动终端导航提前得知前方的道路路口该如何行驶,当驾驶员需要提权确定前方该如何行驶时,一般会依靠导航系统的提示,因此导航系统的指示是否准确直接关系到驾驶员通过道路路口后行驶的道路是否准确。本申请实施例将提供一种道路信息确定方法,以提前确定道路信息是否更新,在更新后及时将道路路口的当前车道属性信息输出,以便导航系统能够基于更新后的道路信息进行准确导航。
如图1所示,为本申请实施例提供的一种道路信息确定方法,可以应用于交通信息收集系统的服务器,包括以下具体步骤S101~S103:
S101,获取目标道路路口的至少一帧图像信息,并基于图像信息提取目标道路路口的当前车道属性信息。
这里目标道路路口是指要采集的设定区域的道路路口,可以同时包含多个道路路口,比如采集北京海淀区所有道路路口的图像信息,具体可以采集每个道路路口的一帧图像信息,也可以采集每个道路路口的多帧图像信息。
在获取到目标道路路口的图像信息后,可以基于图像信息提取出目标道路路口的当前车道属性信息,这里的车道属性信息即可以包括车道转向信息,即车道的转向类型,比如某个道路路口包括3条车道,分别为001车道、002车道和003车道,若001车道的转向类型为左转,002车道的转向类型为直行、003车道的转向类型为右转,则该目标道路路口的当前车道属性信息即可以包括:001车道左转;002车道直行;003车道右转。
S102,获取目标道路路口处当前不同类型的车道属性信息对应的轨迹信息;
这里目标道路路口处当前不同类型的车道属性信息对应的轨迹信息可以为经过目标道路路口后按照不同类型的车道转向信息行驶的车辆留下的车辆轨迹,比如目标道路路口处当前车道属性信息包括左转、直行和右转,则当前不同类型的车道属性信息是指经过目标道路路口后按照左转行驶的车辆留下的车辆轨迹,经过目标道路路口后按照直行行驶的车辆留下的车辆轨迹,以及经过目标道路路口后按照右转行驶的车辆留下的车辆轨迹。
S103,基于当前车道属性信息、预存的车道属性信息和轨迹信息,确定目标道路路口的道路信息是否发生更新,并在确定发生更新后,将目标道路路口的当前车道属性信息输出。
本申请中的当前车道属性信息中的当前是指在需要确定道路信息是否发生更新时,获取的最新的车道属性信息,这里预存的车道属性信息可以是该目标道路路口的历史车道属性信息,可以表示该目标道路路口各条车道的历史车道转向信息,比如若需要一周确定一次道路信息是否发生更新,则这里的当前车道属性信息可以是本周对应的车道属性信息,预存的车道属性信息可以是本周的上一周对应的车道属性信息。
当根据图像信息确定出当前车道属性信息后,就可以根据前车道属性信息、预存车道属性信息来初次确定目标道路路口的道路信息是否发生更新,然后再根据该目标道路路口的轨迹信息来进一步验证目标道路路口的道路信息是否发生更新,并在确定目标道路的道路信息更新后,将目标道路路口的当前车道属性信息输出。
这里可以将目标道路的当前车道属性信息输出至交通信息收集系统对应的工作人员的终端、也可以输出至管辖道路地图的单位终端,以便对道路信息及时进行更新。
本申请实施例中的图像信息可以为通过图像采集部件采集的图像,在采集目标道路路口的图像信息时,每帧图像中可能无法覆盖完整的车道,比如针对6车道的目标道路路口,若只采集一帧图像,可能无法覆盖这6条车道,也可能拍摄的图像清晰度不够,则无法精确地提取出目标道路路口的当前车道属性信息,针对此,本申请实施例中,采集目标道路路口的至少一帧图像信息,可以包括以下过程:
(1)通过视频采集部件采集目标道路路口的视频图像,并对视频图像进行分帧处理,得到目标道路路口的多帧图像信息;
(2)在多帧图像信息中提取清晰度大于设定清晰度阈值的图像信息,得到至少一帧图像信息。
这里的图像采集部件可以为设置在各个道路路口的摄像机、安装在车辆上的行车记录仪等可以采集目标道路路口的视频图像的工具,因为这些工具采集的视频图像能够包含多帧图像,在对视频图像进行分帧后即可以得到大量的图像信息。
在得到多帧图像信息后,可以先进行初步删选,比如可以计算每帧图像信息的清晰度,然后提取清晰度大于设定清晰度阈值的图像信息,这样就可以得到至少一帧图像信息,当然,如果初始得到的图像信息数量较大时,最终也会得到较多数量的符合清晰度条件的图像信息。
在一种实施方式中,步骤S101中的获取目标道路路口的至少一帧图像信息,包括:
获取多个车辆终端的行车记录仪采集的目标道路路口的至少一帧图像信息。
车辆终端一般包括行车记录仪、导航部件、通信部件等,可以通过行车记录仪来采集车辆在道路行驶过程中的视频图像,通过导航部件定位车辆在道路行驶过程中的地理位置信息,然后车辆终端可以通过通信部件将车辆的地理位置信息以及车辆在道路行驶过程中的视频图像发送至交通信息收集系统的服务器,该服务器可以通过目标道路路口的地理位置信息,以及车辆采集包含该目标道路路口的地理位置信息时对应的时间段,然后截取该时间段对应的视频图像,进而对该视频图像进行分帧处理,得到多帧图像信息后,在这些多帧图像信息中提取出清晰度大于设定清晰度阈值的图像信息,得到至少一帧图像信息。
因为在一定时间段内经过目标道路路口的车辆可能包括多辆,因而借助行驶过目标道路路口的车辆上的行车记录仪来得到目标道路路口的图像信息较为简便,无需额外消耗额外成本。
下面将具体介绍如何基于图像信息提取目标道路路口的当前车道属性信息,具体地,若图像信息包括多帧所述当前车道属性信息包括当前车道转向信息,如图2所示,按照以下方式提取目标道路路口的当前车道转向信息,包括以下步骤S201~S203:
S201,将多帧图像信息输入预先训练的目标对象检测模型进行目标对象识别,得到每帧图像信息中的车道转向标注结果,每帧图像信息中的车道转向标注结果包括车道转向类型以及车道转向位置信息。
这里的目标对象检测模型在接收到输入的图像信息后,能够对该图像信息进行标注,得到车道转向标注结果,这里的车道转向标注结果具体可以包括车道转向类型以及车道转向位置信息,比如目标道路路口的一帧图像信息中包含左转箭头标志、右转箭头标志和直行箭头标志等,当将该图像信息输入目标对象检测模型后,目标对象检测模型会将这些箭头标志标注出来,比如可以用方框标注出,并注明该箭头标志的类型,这里可以通过预设的标识来注明箭头的类型,比如通过10标识左转箭头标志,11标识直线箭头标志,12标识右转箭头标志,其中方框所在的位置即为这里的车道转向位置信息,这里的车道转向位置信息具体可以指箭头标志在目标道路路口的图像信息上的位置,比如若将图像信息放置在图像坐标系中,这里的车道转向位置信息即可以指箭头在图像坐标系中的位置信息。
这里目标对象检测模型具体可以通过以下方式进行训练:
预先建立目标对象样本库,目标对象样本库包括标注车道转向位置信息以及对应的车道转向类型的图像样本、标注车道转向位置信息的图像样本分别对应的未标注车道转向位置信息和车道转向类型的图像样本、以及没有车道转向类型的图像样本;
将目标对象样本库中的未标注车道转向位置信息和车道转向类型的图像样本和没有车道转向类型的图像样本作为模型输入样本,将标注车道转向位置信息以及对应的车道转向类型的图像样本作为模型输出样本,训练得到目标对象检测模型。
具体地,这里的目标对象检测模型可以是基于分类树模型、逻辑回归模型、神经网络模型中的一种或者几种的结合构成的模型,在此不做具体阐述。
S202,将每帧图像信息输入预先训练的车道线识别模型进行车道线识别,得到每帧图像信息中的车道分割线标注结果,每帧图像信息中的车道分割线标注结果包括车道线类型和车道线位置信息。
这里的车道线识别模型在接收到输入的图像信息后,能够对该图像信息中的车道分割线标注结果,这里的车道线分割标注结果包括车道线类型和车道线位置信息,比如目标道路路口的一帧图像信息中包含车道的分割线、道路的边缘线等,当将该图像信息输入目标对象检测模型后,目标对象检测模型会将这些车道线用方框标注出来,并注明该车道线类型,这里也可以通过预设的标识来注明车道线类型,比如通过20标识车道的分割线,21标识道路的边缘线,其中方框所在的位置即为这里的车道线位置信息,这里的车道线位置信息具体可以指车道线在目标道路路口的图像信息上的位置,比如若将图像信息放置在图像坐标系中,这里的车道线位置信息即可以指车道线在图像坐标系中的位置信息。
具体地,这里车道线识别模型具体可以通过以下方式进行训练:
预先建立车道线样本库,车道线样本库包括标注车道线位置信息以及对应的车道线类型的图像样本、标注车道线位置信息的图像样本分别对应的未标注车道线位置信息和车道线类型的图像样本、以及没有车道线的图像样本;
将车道线样本库中的未标注车道线位置信息和车道线类型的图像样本和没有车道线的图像样本作为模型输入样本,将标注车道线位置信息以及对应的车道线类型的图像样本作为模型输出样本,训练得到车道线识别模型。
这里的车道线识别模型同样可以是基于分类树模型、逻辑回归模型、神经网络模型中的一种或者几种的结合构成的模型,在此不做具体阐述。
S203,基于每帧图像信息对应的车道转向类型、车道转向位置信息、车道线类型以及车道线位置信息,确定目标道路路口处的每条车道的当前车道转向信息。
在得到每帧图像信息对应的车道转向类型、车道转向位置信息、车道线类型以及车道线位置信息后,就可以根据这些来确定该帧图像对应的车道转向信息,然后将每帧图像对应的车道转向信息进行融合后,就可以得到目标道路路口处的每条车道的当前车道转向信息,如图3所示,具体包括如下步骤S301~S303:
S301,基于每帧图像信息对应的车道线类型和车道线位置信息,确定该帧图像信息中的目标道路路口处的每条车道对应的车道位置信息。
通过车道线类型可以确定出车道分割线、道路边缘线,然后相邻两条车道分割线之间的道路即为目标道路路口的中间车道,相邻的一条车道分割线和道路边缘线之间即为目标道路路口的边缘车道,然后再根据车道线位置信息,就可以确定出每条车道在目标道路路口上的位置,即车道位置信息,这里的车道位置信息可以为车道在图像坐标系中所占的区域对应的坐标,具体可以为该车道的两条车道线的坐标相夹区域的坐标。
另外,当目标道路路口的图像信息中包括多条车道时,可以先对每条车道进行标识,比如当包括4条车道时,可以分别对车道进行标识,比如通过数字标识001、002、003和004分别对这四条车道进行标识,即得到001车道、002车道、003车道和004车道,然后确定出每个车道标识对应的车道位置信息。
另外,为了确定出每条车道的方向位置,比如某条车道是左边车道还是右边车道,可以基于图像信息中的箭头标志的朝向以及图像坐标系的横坐标的箭头朝向来确定。
比如接收到图像信息后,若图像信息中的直行箭头标志的朝向方向一致,可以将箭头标志朝向的方向定义为前,则箭头标志朝向的方向的左边即定义为左、箭头朝向的方向的右边即定义为右边;若图像信息中的两条平行的直行箭头标志,且这两条直行箭头标志的朝向不一致的,可以将任一条与转向箭头标志的朝向一致的直行箭头标志的朝向的方向定义为前,则该直行箭头标志的朝向方向的左边即定义为左、箭头朝向的方向的右边即定义为右边,当然也可以通过其他方式来定义目标道路路口的图像信息中车道的方向,但是同一目标道路路口的图像信息的方向定义方式应该保持一致。
为了方便每条车道对应的车道位置信息,在接收到图像信息后,可以对图像信息的方向进行调整,使得图像信息中道路的方向与图像坐标系的坐标轴的方向平行。
比如,如图4所示,使得图像坐标系中车道前进的方向与图像坐标系中的y轴的正向方向一致,若确定出001车道的坐标位置小于002车道的坐标位置,002车道的坐标位置小于003车道的坐标位置,003车道的坐标位置小于004车道的坐标位置,则可以确定001车道为左1车道、002为左2车道,003为右二车道,004为右一车道。
S302,基于每帧图像信息对应的车道转向位置信息和车道位置信息,确定该帧图像信息中的车道转向位置信息对应的车道转向类型所属的车道。
图像信息中的车道转向位置信息也可以是上述提到的箭头标志在图像坐标系中的位置,然后根据箭头标志在图像坐标系中的位置、车道在图像坐标系中的位置,即可以确定出箭头标志所属的车道。
比如左转箭头标志在图像坐标系中位于第一区域,001车道在图像坐标系中的位置为第二区域,若第一区域包含于第二区域中,则确定左转箭头位于001车道,如图4所示,因为左转箭头标志的第一区域包含于001车道的第二区域,则左转箭头标志为001车道的标志。
S303,将每帧图像信息对应的车道转向类型所属的车道进行融合,得到目标道路路口处的每条车道的当前车道转向信息。
这里将每帧图像信息对应的车道转向类型所属的车道进行融合,从而可以避免一帧图像信息对应的车道不完整的情况,比如目标道路路口包括6条车道,若第一帧图像信息对应的车道转向类型所属的车道只有4条,比如包括001~004车道,第二帧图像信息对应的车道转向类型所属的车道也包括4条,比如包括003~006车道,则可以将第一帧图像信息的车道与第二帧图像信息的车道进行融合,即得到001~006车道,基于每条车道的车道转向类型,即可以得到该目标道路路口处的每条车道的当前车道转向信息。
另外,考虑到一些图像信息中的车道的车道转向类型可能出现误判,可以基于多数投票机制排除掉错误的结果,比如,当包含30帧图像信息时,若判断001车道的车道转向类型为直行的图像信息只有3帧,而判断001车道的车道转向类型为左转的图像信息有27帧,则可以确定001车道的车道转向类型为左转。
在基于图像信息确定出目标道路路口的车道转向信息后,若基于预存的该目标道路路口的车道转向信息直接判断目标道路路口的道路信息是否发生更新,可能存在误判,因此,本申请实施例提出通过轨迹信息对是否更新进行进一步验证。
具体地,如图5所示,可以按照以下过程获取目标道路路口对应的轨迹信息,包括以下具体步骤S501~S503:
S501,基于目标道路路口处当前每类车道转向信息,以及基于预存的路网信息,确定与目标道路路口连接的指向道路。
这里的指向道路可以为带有方向的指向道路,即若为同一条指向道路,应该确定该指向道路的方向。
S502,获取在设定时间段内由目标道路路口驶入各条指向道路的车辆的数量。
这里设定时间段可以是一天、一周或者一个月的时间段,可以通过第三方平台获取这里的由目标道路路口驶入各条指向道路的车辆的数量,这里的第三方平台可以为交通部门的平台服务器。
S503,将驶入各条指向道路的车辆的数量,作为该轨迹信息。
根据上述过程确定的目标道路路口处当前每类车道转向信息,比如确定出目标道路路口处包括4条车道,分别为001~004车道,且其各自对应的车道转向信息分别为左转,直行,直行,右转,则该目标道路路口处当前包括三类车道转向信息,根据这三类车道转向转向和预存的路网信息,确定出与该目标道路路口连接的指向道路,比如目标道路路口所在的道路为L道路,通过路网信息确定出L道路左转连接M道路,直行连接K道路,右转连接F道路,则可以将统计出的在设定时间段内由L道路驶入M道路的车辆数量,在该设定时间段内由L道路驶入K道路的车辆的数量以及在该设定时间段内由L道路驶入F道路的车辆的数量,作为这里的轨迹信息。
在确定出当前车道属性信息和轨迹信息后,就可以基于当前车道属性信息、预存的车道属性信息和轨迹信息,确定目标道路路口的道路信息是否发生更新,如图6所示,包括以下具体步骤S601~S603:
S601,将目标道路路口处每条车道的当前车道转向信息与预存的车道转向信息中该车道对应的车道转向信息进行比较,确定对应的当前车道转向信息与预存的车道转向信息不一致的变化车道;
S602,将变化车道的当前车道转向信息对应的车辆的数量,与目标道路路口处当前所有类型的车道转向信息对应的车辆的数量之和的比值,确定为变化车道的当前车道转向信息对应的轨迹概率;
S603,判断变化车道的当前车道转向信息对应的轨迹概率是否大于设定阈值,若是,确定目标道路路口的道路信息发生更新。
比如,目标道路路口包括4条车道,分别为001车道、002车道、003车道和004车道,则分别将001车道、002车道、003车道以及004车道的当前车道转向信息和预存车道转向信息进行比较,挑选出当前车道转向信息与预存的车道转向信息不一致的变化车道,比如001车道的当前车道转向信息为左转,001车道预存的车道转向信息为直行,则将001车道作为这里的变化车道。
若在设定时长内变化车道对应的车辆的数量为100辆,当前目标路口处当前所有类型的车道转向信息包括左转、直行和右转,且每种类型的车道转向信息对应的车辆的数量之和为500辆,则变化车道的车道转向信息对应的轨迹概率为100/500=0.2。
在确定出变化车道的车道转向信息对应的轨迹概率后,判断变化车道的车道转向信息对应的轨迹概率是否大于设定阈值,比如设定阈值为0.05,则这里的0.2大于0.05,则确定目标道路路口的道路信息发生更新。
在一种实施方式中,当前车道属性信息还包括当前潮汐车道信息,可以按照以下方式提取目标道路路口的当前潮汐车道信息,如图7所示,具体包括步骤S701~S702:
S701,在每帧图像信息中的车道线类型中提取潮汐车道线以及该潮汐车道线的位置信息;
S702,基于每帧图像信息中的潮汐车道线的位置信息,确定目标道路路口对应的由潮汐车道线构成的当前潮汐车道信息。
同样,在确定当前潮汐车道信息时,可以将图像信息输入上文提到的预先训练的车道线识别模型进行车道线识别,得到每帧图像信息中的车道分割线标注结果,因为每帧图像信息中的车道分割线标注结果包括车道线类型和车道线位置信息,这里可以在每帧图像信息中的车道线类型中提取出潮汐车道线,然后相邻两条潮汐车道线之间的道路即为目标道路路口的潮汐车道,然后再根据潮汐车道线的位置信息,就可以确定出潮汐车道在目标道路路口上的位置,即潮汐车道的位置信息。
这里的潮汐车道的位置信息可以为潮汐车道在图像坐标系中的区域对应的坐标,然后根据每帧图像信息中的潮汐车道的位置信息和上文提到的车道位置信息(车道在该图像坐标系中所占的区域的坐标)确定出当前潮汐车道所在的具体车道,即得到当前潮汐车道信息。
比如,目标道路路口仍然包括4条车道时,即上文提到的001车道、002车道、003车道和004车道,这里可以根据潮汐车道的位置信息和每个车道标识对应的车道位置信息,确定出该潮汐车道具体位于的车道,比如潮汐车道的位置信息对应的坐标包含于001车道对应的坐标,则能够确定出该当前潮汐车道信息即为:当前潮汐车道位于001车道。
对应地,在当前车道属性信息包括当前潮汐车道信息时,步骤S103中,基于当前车道属性信息、预存的车道属性信息和轨迹信息,确定目标道路路口的道路信息是否发生更新,包括:
(1)基于当前车道转向信息、预存的车道转向信息和轨迹信息判断目标道路路口的车道转向信息是否发生更新;
(2)基于当前潮汐车道信息、预存的潮汐车道信息判断目标道路路口的潮汐车道信息是否发生更新;
(3)在确定目标道路路口的车道转向信息和目标道路路口的潮汐车道信息至少一个发生更新时,确定目标道路路口的道路信息发生更新。
这里基于当前车道转向信息、预存的车道转向信息和轨迹信息判断目标道路路口的车道转向信息是否发生更新,在上文已经介绍过,在此不再赘述,针对基于当前潮汐车道信息、预存的潮汐车道信息判断目标道路路口的潮汐车道信息是否发生更新,具体可以为:
若当前潮汐车道信息和预存的潮汐车道信息不一致,则可以确定目标道路路口的潮汐车道信息发生更新。
综上,若判断出目标道路路口的车道转向信息发生更新、或者判断目标道路路口的潮汐车道信息发生更新,或者目标道路路口的车道转向信息和潮汐车道信息均发生更新时,则可以确定目标道路路口的道路信息发生更新。
在另一种实施方式中,当前车道属性信息还包括当前专用车道信息,按照以下方式提取目标道路路口的当前专用车道信息,如图8所示,包括以下具体步骤S801~S803:
S801,将每帧图像信息输入预先训练的文字识别模型进行文字识别,得到该帧图像信息中的车道文字信息标注结果,车道文字信息标注结果包括车道文字类型以及车道文字信息的位置信息;
S802,在每帧图像信息中的车道文字类型中提取专用车道文字信息以及该专用车道文字信息的位置信息;
S803,基于每帧图像信息中的专用车道文字信息的位置信息,确定目标道路路口处专用车道文字信息所在的当前专用车道信息。
这里文字识别模型在接收到输入的图像信息后,能够对该图像信息进行标注,得到得到该帧图像信息中的车道文字信息标注结果,这里的车道文字信息标注结果具体可以包括车道文字类型以及车道文字信息的位置信息,比如目标道路路口的一帧图像信息中包含公交车道字样、自行车道字样等,当将该图像信息输入文字识别模型后,文字识别模型会将这些字样标注出来,比如可以用方框标注出,并注明该字样对应的类型,这里具体可以通过预设的标识来注明字样的类型,比如通过30标识公交车道字样,通过40标识自行车道字样。
其中,可以将方框在图像坐标系中的区域对应的坐标记为这里的车道文字信息的位置信息,具体地,可以根据每帧图像信息中的专用车道文字信息的位置信息和上文提到的车道位置信息(车道在该图像坐标系中所占的区域的坐标)确定出当前专用车道文字所在的具体车道,即得到当前专用车道信息。
比如,目标道路路口仍然包括4条车道时,即上文提到的001车道、002车道、003车道和004车道,这里可以根据专用车道文字信息的位置信息和每个车道标识对应的车道位置信息,确定出当前专用车道文字所在的具体车道,比如当前专用车道文字信息的位置信息对应的坐标包含于001车道对应的坐标,则能够确定出该当前专用车道文字信息位于001车道,若当前专用车道文字信息为公交车道,即当前专用车道文字所在的当前专用车道信息即为:公交车道位于001车道。
这里文字识别模型具体可以通过以下方式进行训练:
预先建立文字样本库,文字样本库包括标注车道文字信息的位置信息以及对应的车道文字类型的图像样本、标注车道文字信息的位置信息的图像样本分别对应的未标注车道文字信息的位置信息和车道文字类型的图像样本、以及没有车道文字类型的图像样本;
将文字样本库中的未标注车道文字信息的位置信息和车道文字类型的图像样本和没有车道文字类型的图像样本作为模型输入样本,将标注车道文字信息的位置信息以及对应的车道文字类型的图像样本作为模型输出样本,训练得到文字识别模型。
具体地,这里的文字识别模型可以是基于分类树模型、逻辑回归模型、神经网络模型中的一种或者几种的结合构成的模型,在此不做具体阐述。
对应地,在当前车道属性信息包括当前专用车道信息时,步骤S103中,基于当前车道属性信息、预存的车道属性信息和轨迹信息,确定目标道路路口的道路信息是否发生更新,包括:
(1)基于当前车道转向信息、预存的车道转向信息和轨迹信息判断目标道路路口的车道转向信息是否发生更新;
(2)基于当前专用车道信息、预存的专用车道信息判断目标道路路口的专用车道信息是否发生更新;
(3)在确定目标道路路口的车道转向信息和目标道路路口的专用车道信息至少一个发生更新时,确定目标道路路口的道路信息发生更新。
这里基于当前车道转向信息、预存的车道转向信息和轨迹信息判断目标道路路口的车道转向信息是否发生更新,在上文已经介绍过,在此不再赘述,针对基于当前潮汐车道信息、预存的潮汐车道信息判断目标道路路口的潮汐车道信息是否发生更新,具体可以为:
若当前专用车道信息和预存的专用车道信息不一致,则可以确定目标道路路口的专用车道信息发生更新。
综上,若判断出目标道路路口的车道转向信息发生更新、或者判断目标道路路口的专用车道信息发生更新,或者目标道路路口的车道转向信息和专用车道信息均发生更新时,则可以确定目标道路路口的道路信息发生更新。
另外,若当前车道属性信息同时包括当前车道转向信息、当前潮汐车道信息和当前专用车道信息,也可以在确定目标道路路口的车道转向信息、目标道路路口的专用车道信息和目标道路路口的潮汐车道信息中的至少一个发生更新时,确定目标道路路口的道路信息发生更新,具体过程在此不再赘述。
当确定目标道路路口的道路信息发生更新后,将该目标道路路口的全部车道的当前车道属性信息进行输出,具体可以输出至导航系统的工作后台,从而便于导航系统基于更新后的车道属性信息进行准确导航。
基于同一发明构思,本申请实施例中还提供了与道路信息确定方法对应的道路信息确定装置,由于本申请实施例中的装置解决问题的原理与本申请实施例上述道路信息确定方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参照图9所示,为本申请实施例提供的一种道路信息确定装置900的示意图,该道路信息确定装置包括:提取模块901、获取模块902、处理模块903;其中:
提取模块901,用于获取目标道路路口的至少一帧图像信息,并基于图像信息提取目标道路路口的当前车道属性信息;
获取模块902,用于获取目标道路路口处当前不同类型的车道属性信息对应的轨迹信息;
处理模块903,用于基于当前车道属性信息、预存的车道属性信息和轨迹信息,确定目标道路路口的道路信息是否发生更新,并在确定发生更新后,将目标道路路口的所述当前车道属性信息输出。
在一种实施方式中,提取模块901具体用于按照以下方式获取目标道路路口的至少一帧图像信息:
获取多个车辆终端的行车记录仪采集的目标道路路口的至少一帧图像信息。
在一种实施方式中,若图像信息包括多帧,当前车道属性信息包括当前车道转向信息,提取模块901具体按照以下方式提取目标道路路口的当前车道转向信息:
将多帧图像信息输入预先训练的目标对象检测模型进行目标对象识别,得到每帧图像信息中的车道转向标注结果,每帧图像信息中的所述车道转向标注结果包括车道转向类型以及车道转向位置信息;
将每帧图像信息输入预先训练的车道线识别模型进行车道线识别,得到每帧图像信息中的车道分割线标注结果,每帧图像信息中的所述车道分割线标注结果包括车道线类型和车道线位置信息;
基于每帧图像信息对应的所述车道转向类型、车道转向位置信息、车道线类型以及车道线位置信息,确定目标道路路口处的每条车道的当前车道转向信息。
在一种实施方式中,提取模块901具体用于:
基于每帧图像信息对应的车道线类型和车道线位置信息,确定该帧图像信息中的目标道路路口处的每条车道对应的车道位置信息;
基于每帧图像信息对应的车道转向位置信息和车道位置信息,确定该帧图像信息中的车道转向位置信息对应的车道转向类型所属的车道;
将每帧图像信息对应的车道转向类型所属的车道进行融合,得到目标道路路口处的每条车道的当前车道转向信息。
在一种实施方式中,获取模块902具体用于:
基于目标道路路口处当前每类车道转向信息,以及基于预存的路网信息,确定与目标道路路口连接的指向道路;
获取在设定时间段内由目标道路路口驶入各条指向道路的车辆的数量;
将驶入各条指向道路的车辆的数量,作为轨迹信息。
在一种实施方式中,处理模块903,具体用于:
将目标道路路口处每条车道的当前车道转向信息与预存的车道转向信息中该车道对应的车道转向信息进行比较,确定对应的当前车道转向信息与预存的车道转向信息不一致的变化车道;
将变化车道的当前车道转向信息对应的车辆的数量,与目标道路路口处当前所有类型的车道转向信息对应的车辆的数量之和的比值,确定为变化车道的当前车道转向信息对应的轨迹概率;
判断变化车道的当前车道转向信息对应的轨迹概率是否大于设定阈值,若是,确定目标道路路口的道路信息发生更新。
在一种实施方式中,当前车道属性信息还包括当前潮汐车道信息,提取模块901具体按照以下方式提取目标道路路口的当前潮汐车道信息:
在每帧图像信息中的车道线类型中提取潮汐车道线以及该潮汐车道线的位置信息;
基于每帧图像信息中的潮汐车道线的位置信息,确定目标道路路口对应的由潮汐车道线构成的当前潮汐车道信息。
在一种实施方式中,处理模块903,具体用于:
基于当前车道转向信息、预存的车道转向信息和轨迹信息判断所述目标道路路口的车道转向信息是否发生更新;
基于当前潮汐车道信息、预存的潮汐车道信息判断目标道路路口的潮汐车道信息是否发生更新;
在确定目标道路路口的车道转向信息和目标道路路口的潮汐车道信息至少一个发生更新时,确定目标道路路口的道路信息发生更新。
在一种实施方式中,当前车道属性信息还包括当前专用车道信息,提取模块901具体按照以下方式提取目标道路路口的当前专用车道信息:
将每帧图像信息输入预先训练的文字识别模型进行文字识别,得到该帧图像信息中的车道文字信息标注结果,车道文字信息标注结果包括车道文字类型以及车道文字信息的位置信息;
在每帧图像信息中的车道文字类型中提取专用车道文字信息以及该专用车道文字信息的位置信息;
基于每帧图像信息中的专用车道文字信息的位置信息,确定目标道路路口处专用车道文字信息所在的当前专用车道信息。
在一种实施方式中,处理模块903具体用于:
基于当前车道转向信息、预存的车道转向信息和轨迹信息判断目标道路路口的车道转向信息是否发生更新;
基于当前专用车道信息、预存的专用车道信息判断目标道路路口的专用车道信息是否发生更新;
在确定目标道路路口的车道转向信息和目标道路路口的专用车道信息至少一个发生更新时,确定目标道路路口的道路信息发生更新。
在一种实施方式中,提取模块901具体用于:
获取到通过视频采集部件采集的目标道路路口的视频图像后,对视频图像进行分帧处理,得到目标道路路口的多帧图像信息;
在多帧图像信息中提取清晰度大于设定清晰度阈值的图像信息,得到至少一帧图像信息。
本申请实施例提供的道路信息确定装置,一方面通过目标道路路口的图像信息和通过目标道路路口的轨迹信息,能够更加准确地确定目标道路路口的车道属性信息是否更新,并在确定更新后能够及时将更新后的车道属性信息输出,比如输出至导航系统的工作后台,从而便于导航系统基于更新后的车道属性信息进行准确导航。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
本申请实施例还提供了一种电子设备1000,如图10所示,为本申请实施例提供的电子设备1000的结构示意图,包括:处理器1001、存储介质1002、和总线1003。存储介质1002存储有处理器1001可执行的机器可读指令(比如,图9中的装置中提取模块901、获取模块902、处理模块903对应的执行指令等),当电子设备1000运行时,处理器1001与存储介质1002之间通过总线1003通信,机器可读指令被处理器1001执行时执行如下处理:
获取目标道路路口的至少一帧图像信息,并基于图像信息提取目标道路路口的当前车道属性信息;
获取目标道路路口处当前不同类型的车道属性信息对应的轨迹信息;
基于当前车道属性信息、预存的车道属性信息和轨迹信息,确定目标道路路口的道路信息是否发生更新,并在确定发生更新后,将目标道路路口的当前车道属性信息输出。
一种可能的实施方式中,处理器1001执行的指令中,具体包括:
获取多个车辆终端的行车记录仪采集的目标道路路口的至少一帧图像信息。
一种可能的实施方式中,若图像信息包括多帧,当前车道属性信息包括当前车道转向信息,处理器1001执行的指令中,具体包括:
将多帧图像信息输入预先训练的目标对象检测模型进行目标对象识别,得到每帧图像信息中的车道转向标注结果,每帧图像信息中的所述车道转向标注结果包括车道转向类型以及车道转向位置信息;
将每帧图像信息输入预先训练的车道线识别模型进行车道线识别,得到每帧图像信息中的车道分割线标注结果,每帧图像信息中的车道分割线标注结果包括车道线类型和车道线位置信息;
基于每帧图像信息对应的车道转向类型、车道转向位置信息、车道线类型以及车道线位置信息,确定目标道路路口处的每条车道的当前车道转向信息。
一种可能的实施方式中,处理器1001执行的指令中,具体包括:
基于每帧图像信息对应的车道线类型和所述车道线位置信息,确定该帧图像信息中的目标道路路口处的每条车道对应的车道位置信息;
基于每帧图像信息对应的所述车道转向位置信息和车道位置信息,确定该帧图像信息中的车道转向位置信息对应的车道转向类型所属的车道;
将每帧图像信息对应的车道转向类型所属的车道进行融合,得到目标道路路口处的每条车道的当前车道转向信息。
一种可能的实施方式中,处理器1001执行的指令中,具体包括:
基于目标道路路口处当前每类车道转向信息,以及基于预存的路网信息,确定与目标道路路口连接的指向道路;
获取在设定时间段内由目标道路路口驶入各条指向道路的车辆的数量;
将驶入各条指向道路的车辆的数量,作为轨迹信息。
一种可能的实施方式中,处理器1001执行的指令中,具体包括:
将目标道路路口处每条车道的当前车道转向信息与预存的车道转向信息中该车道对应的车道转向信息进行比较,确定对应的当前车道转向信息与预存的车道转向信息不一致的变化车道;
将变化车道的当前车道转向信息对应的车辆的数量,与目标道路路口处当前所有类型的车道转向信息对应的车辆的数量之和的比值,确定为变化车道的当前车道转向信息对应的轨迹概率;
判断变化车道的当前车道转向信息对应的轨迹概率是否大于设定阈值,若是,确定目标道路路口的道路信息发生更新。
一种可能的实施方式中,当前车道属性信息还包括当前潮汐车道信息,处理器1001执行的指令中,具体包括:
在每帧图像信息中的车道线类型中提取潮汐车道线以及该潮汐车道线的位置信息;
基于每帧图像信息中的潮汐车道线的位置信息,确定目标道路路口对应的由潮汐车道线构成的当前潮汐车道信息。
一种可能的实施方式中,处理器1001执行的指令中,具体包括:
基于当前车道转向信息、预存的车道转向信息和轨迹信息判断目标道路路口的车道转向信息是否发生更新;
基于当前潮汐车道信息、预存的潮汐车道信息判断目标道路路口的潮汐车道信息是否发生更新;
在确定目标道路路口的车道转向信息和目标道路路口的潮汐车道信息至少一个发生更新时,确定目标道路路口的道路信息发生更新。
一种可能的实施方式中,当前车道属性信息还包括当前专用车道信息,处理器1001执行的指令中,具体包括:
将每帧图像信息输入预先训练的文字识别模型进行文字识别,得到该帧图像信息中的车道文字信息标注结果,车道文字信息标注结果包括车道文字类型以及车道文字信息的位置信息;
在每帧图像信息中的车道文字类型中提取专用车道文字信息以及该专用车道文字信息的位置信息;
基于每帧图像信息中的专用车道文字信息的位置信息,确定目标道路路口处专用车道文字信息所在的当前专用车道信息。
一种可能的实施方式中,处理器1001执行的指令中,具体包括:
基于当前车道转向信息、预存的车道转向信息和轨迹信息判断目标道路路口的车道转向信息是否发生更新;
基于当前专用车道信息、预存的专用车道信息判断目标道路路口的专用车道信息是否发生更新;
在确定目标道路路口的车道转向信息和目标道路路口的专用车道信息至少一个发生更新时,确定目标道路路口的道路信息发生更新。
一种可能的实施方式中,处理器1001执行的指令中,具体包括:
通过视频采集部件采集目标道路路口的视频图像,并对视频图像进行分帧处理,得到目标道路路口的多帧图像信息;
在多帧图像信息中提取清晰度大于设定清晰度阈值的图像信息,得到至少一帧图像信息。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述道路信息确定方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述道路信息确定方法,进而准确地确定道路的车道属性信息,并在确定车道属性信息更新后,将道路的车道属性信息及时输出,便于导航系统基于更新后的车道属性信息进行准确导航。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考方法实施例中的对应过程,本申请中不再赘述。在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请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)执行本申请各个实施例所述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、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (24)
1.一种道路信息确定方法,其特征在于,包括:
获取目标道路路口的至少一帧图像信息,并基于所述图像信息提取所述目标道路路口的当前车道属性信息;
获取所述目标道路路口处当前不同类型的车道属性信息对应的轨迹信息;其中,所述轨迹信息包括在设定时间段内由所述目标道路路口驶入各条指向道路的车辆的数量;
基于所述当前车道属性信息、预存的车道属性信息和所述轨迹信息,确定所述目标道路路口的道路信息是否发生更新,并在确定发生更新后,将所述目标道路路口的所述当前车道属性信息输出。
2.根据权利要求1所述的道路信息确定方法,其特征在于,所述获取目标道路路口的至少一帧图像信息,包括:
获取多个车辆终端的行车记录仪采集的所述目标道路路口的至少一帧图像信息。
3.根据权利要求1所述的道路信息确定方法,其特征在于,若所述图像信息包括多帧,所述当前车道属性信息包括当前车道转向信息,按照以下方式提取所述目标道路路口的当前车道转向信息:
将多帧所述图像信息输入预先训练的目标对象检测模型进行目标对象识别,得到每帧所述图像信息中的车道转向标注结果,每帧图像信息中的所述车道转向标注结果包括车道转向类型以及车道转向位置信息;
将每帧所述图像信息输入预先训练的车道线识别模型进行车道线识别,得到每帧所述图像信息中的车道分割线标注结果,每帧所述图像信息中的所述车道分割线标注结果包括车道线类型和车道线位置信息;
基于每帧所述图像信息对应的所述车道转向类型、所述车道转向位置信息、所述车道线类型以及车道线位置信息,确定所述目标道路路口处的每条车道的当前车道转向信息。
4.根据权利要求3所述的道路信息确定方法,其特征在于,所述基于每帧所述图像信息对应的所述车道转向类型、所述车道转向位置信息、所述车道线类型以及车道线位置信息,确定所述目标道路路口处的每条车道的当前车道转向信息,包括:
基于每帧所述图像信息对应的所述车道线类型和所述车道线位置信息,确定该帧图像信息中的所述目标道路路口处的每条车道对应的车道位置信息;
基于每帧所述图像信息对应的所述车道转向位置信息和所述车道位置信息,确定该帧所述图像信息中的所述车道转向位置信息对应的车道转向类型所属的车道;
将每帧所述图像信息对应的所述车道转向类型所属的车道进行融合,得到所述目标道路路口处的每条车道的当前车道转向信息。
5.根据权利要求3所述的道路信息确定方法,其特征在于,所述获取所述目标道路路口处当前不同类型的车道属性信息对应的轨迹信息,包括:
基于所述目标道路路口处当前每类车道转向信息,以及基于预存的路网信息,确定与所述目标道路路口连接的指向道路;
获取在设定时间段内由所述目标道路路口驶入各条指向道路的车辆的数量;
将驶入各条指向道路的车辆的数量,作为所述轨迹信息。
6.根据权利要求5所述的道路信息确定方法,其特征在于,所述基于所述当前车道属性信息、预存的车道属性信息和所述轨迹信息,确定所述目标道路路口的道路信息是否发生更新,包括:
将所述目标道路路口处每条车道的当前车道转向信息与预存的车道转向信息中该车道对应的车道转向信息进行比较,确定对应的当前车道转向信息与预存的车道转向信息不一致的变化车道;
将所述变化车道的当前车道转向信息对应的所述车辆的数量,与所述目标道路路口处当前所有类型的车道转向信息对应的所述车辆的数量之和的比值,确定为所述变化车道的当前车道转向信息对应的轨迹概率;
判断所述变化车道的当前车道转向信息对应的轨迹概率是否大于设定阈值,若是,确定所述目标道路路口的道路信息发生更新。
7.根据权利要求3所述的道路信息确定方法,其特征在于,所述当前车道属性信息还包括当前潮汐车道信息,按照以下方式提取所述目标道路路口的当前潮汐车道信息:
在每帧所述图像信息中的所述车道线类型中提取潮汐车道线以及该潮汐车道线的位置信息;
基于每帧所述图像信息中的所述潮汐车道线的位置信息,确定所述目标道路路口对应的由所述潮汐车道线构成的所述当前潮汐车道信息。
8.根据权利要求7所述的道路信息确定方法,其特征在于,所述基于所述当前车道属性信息、预存的车道属性信息和所述轨迹信息,确定所述目标道路路口的道路信息是否发生更新,包括:
基于所述当前车道转向信息、预存的车道转向信息和所述轨迹信息判断所述目标道路路口的车道转向信息是否发生更新;
基于所述当前潮汐车道信息、预存的潮汐车道信息判断所述目标道路路口的潮汐车道信息是否发生更新;
在确定所述目标道路路口的车道转向信息和所述目标道路路口的潮汐车道信息至少一个发生更新时,确定所述目标道路路口的道路信息发生更新。
9.根据权利要求3所述的道路信息确定方法,其特征在于,所述当前车道属性信息还包括当前专用车道信息,按照以下方式提取所述目标道路路口的当前专用车道信息:
将每帧所述图像信息输入预先训练的文字识别模型进行文字识别,得到该帧所述图像信息中的车道文字信息标注结果,所述车道文字信息标注结果包括车道文字类型以及车道文字信息的位置信息;
在每帧所述图像信息中的所述车道文字类型中提取专用车道文字信息以及该专用车道文字信息的位置信息;
基于每帧所述图像信息中的所述专用车道文字信息的位置信息,确定所述目标道路路口处所述专用车道文字信息所在的所述当前专用车道信息。
10.根据权利要求9所述的道路信息确定方法,其特征在于,所述基于所述当前车道属性信息、预存的车道属性信息和所述轨迹信息,确定所述目标道路路口的道路信息是否发生更新,包括:
基于所述当前车道转向信息、预存的车道转向信息和所述轨迹信息判断所述目标道路路口的车道转向信息是否发生更新;
基于所述当前专用车道信息、预存的专用车道信息判断所述目标道路路口的专用车道信息是否发生更新;
在确定所述目标道路路口的车道转向信息和所述目标道路路口的专用车道信息至少一个发生更新时,确定所述目标道路路口的道路信息发生更新。
11.根据权利要求1所述的道路信息确定方法,其特征在于,所述获取目标道路路口的至少一帧图像信息,包括:
获取到通过视频采集部件采集的所述目标道路路口的视频图像后,对所述视频图像进行分帧处理,得到所述目标道路路口的多帧图像信息;
在所述多帧图像信息中提取清晰度大于设定清晰度阈值的图像信息,得到至少一帧图像信息。
12.一种道路信息确定装置,其特征在于,包括:
提取模块,用于获取目标道路路口的至少一帧图像信息,并基于所述图像信息提取所述目标道路路口的当前车道属性信息;
获取模块,用于获取所述目标道路路口处当前不同类型的车道属性信息对应的轨迹信息;其中,所述轨迹信息包括在设定时间段内由所述目标道路路口驶入各条指向道路的车辆的数量;
处理模块,用于基于所述当前车道属性信息、预存的车道属性信息和所述轨迹信息,确定所述目标道路路口的道路信息是否发生更新,并在确定发生更新后,将所述目标道路路口的所述当前车道属性信息输出。
13.根据权利要求12所述的道路信息确定装置,其特征在于,所述提取模块具体用于按照以下方式获取目标道路路口的至少一帧图像信息:
获取多个车辆终端的行车记录仪采集的所述目标道路路口的至少一帧图像信息。
14.根据权利要求12所述的道路信息确定装置,其特征在于,若所述图像信息包括多帧,所述当前车道属性信息包括当前车道转向信息,所述提取模块具体按照以下方式提取所述目标道路路口的当前车道转向信息:
将多帧所述图像信息输入预先训练的目标对象检测模型进行目标对象识别,得到每帧所述图像信息中的车道转向标注结果,每帧图像信息中的所述车道转向标注结果包括车道转向类型以及车道转向位置信息;
将每帧所述图像信息输入预先训练的车道线识别模型进行车道线识别,得到每帧所述图像信息中的车道分割线标注结果,每帧所述图像信息中的所述车道分割线标注结果包括车道线类型和车道线位置信息;
基于每帧所述图像信息对应的所述车道转向类型、所述车道转向位置信息、所述车道线类型以及车道线位置信息,确定所述目标道路路口处的每条车道的当前车道转向信息。
15.根据权利要求14所述的道路信息确定装置,其特征在于,所述提取模块具体用于:
基于每帧所述图像信息对应的所述车道线类型和所述车道线位置信息,确定该帧图像信息中的所述目标道路路口处的每条车道对应的车道位置信息;
基于每帧所述图像信息对应的所述车道转向位置信息和所述车道位置信息,确定该帧所述图像信息中的所述车道转向位置信息对应的车道转向类型所属的车道;
将每帧所述图像信息对应的所述车道转向类型所属的车道进行融合,得到所述目标道路路口处的每条车道的当前车道转向信息。
16.根据权利要求14所述的道路信息确定装置,其特征在于,所述获取模块具体用于:
基于所述目标道路路口处当前每类车道转向信息,以及基于预存的路网信息,确定与所述目标道路路口连接的指向道路;
获取在设定时间段内由所述目标道路路口驶入各条指向道路的车辆的数量;
将驶入各条指向道路的车辆的数量,作为所述轨迹信息。
17.根据权利要求16所述的道路信息确定装置,其特征在于,所述处理模块,具体用于:
将所述目标道路路口处每条车道的当前车道转向信息与预存的车道转向信息中该车道对应的车道转向信息进行比较,确定对应的当前车道转向信息与预存的车道转向信息不一致的变化车道;
将所述变化车道的当前车道转向信息对应的所述车辆的数量,与所述目标道路路口处当前所有类型的车道转向信息对应的所述车辆的数量之和的比值,确定为所述变化车道的当前车道转向信息对应的轨迹概率;
判断所述变化车道的当前车道转向信息对应的轨迹概率是否大于设定阈值,若是,确定所述目标道路路口的道路信息发生更新。
18.根据权利要求14所述的道路信息确定装置,其特征在于,所述当前车道属性信息还包括当前潮汐车道信息,所述提取模块具体按照以下方式提取所述目标道路路口的当前潮汐车道信息:
在每帧所述图像信息中的所述车道线类型中提取潮汐车道线以及该潮汐车道线的位置信息;
基于每帧所述图像信息中的所述潮汐车道线的位置信息,确定所述目标道路路口对应的由所述潮汐车道线构成的所述当前潮汐车道信息。
19.根据权利要求18所述的道路信息确定装置,其特征在于,所述处理模块,具体用于:
基于所述当前车道转向信息、预存的车道转向信息和所述轨迹信息判断所述目标道路路口的车道转向信息是否发生更新;
基于所述当前潮汐车道信息、预存的潮汐车道信息判断所述目标道路路口的潮汐车道信息是否发生更新;
在确定所述目标道路路口的车道转向信息和所述目标道路路口的潮汐车道信息至少一个发生更新时,确定所述目标道路路口的道路信息发生更新。
20.根据权利要求14所述的道路信息确定装置,其特征在于,所述当前车道属性信息还包括当前专用车道信息,所述提取模块具体按照以下方式提取所述目标道路路口的当前专用车道信息:
将每帧所述图像信息输入预先训练的文字识别模型进行文字识别,得到该帧所述图像信息中的车道文字信息标注结果,所述车道文字信息标注结果包括车道文字类型以及车道文字信息的位置信息;
在每帧所述图像信息中的所述车道文字类型中提取专用车道文字信息以及该专用车道文字信息的位置信息;
基于每帧所述图像信息中的所述专用车道文字信息的位置信息,确定所述目标道路路口处所述专用车道文字信息所在的所述当前专用车道信息。
21.根据权利要求20所述的道路信息确定装置,其特征在于,所述处理模块具体用于:
基于所述当前车道转向信息、预存的车道转向信息和所述轨迹信息判断所述目标道路路口的车道转向信息是否发生更新;
基于所述当前专用车道信息、预存的专用车道信息判断所述目标道路路口的专用车道信息是否发生更新;
在确定所述目标道路路口的车道转向信息和所述目标道路路口的专用车道信息至少一个发生更新时,确定所述目标道路路口的道路信息发生更新。
22.根据权利要求12所述的道路信息确定装置,其特征在于,所述提取模块具体用于:
获取到通过视频采集部件采集的所述目标道路路口的视频图像后,对所述视频图像进行分帧处理,得到所述目标道路路口的多帧图像信息;
在所述多帧图像信息中提取清晰度大于设定清晰度阈值的图像信息,得到至少一帧图像信息。
23.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1至11任一所述道路信息确定方法的步骤。
24.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至11任一所述道路信息确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010030638.5A CN111854766B (zh) | 2020-01-13 | 2020-01-13 | 一种道路信息确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010030638.5A CN111854766B (zh) | 2020-01-13 | 2020-01-13 | 一种道路信息确定方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111854766A CN111854766A (zh) | 2020-10-30 |
CN111854766B true CN111854766B (zh) | 2022-05-27 |
Family
ID=72970816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010030638.5A Active CN111854766B (zh) | 2020-01-13 | 2020-01-13 | 一种道路信息确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111854766B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830562A (zh) * | 2022-12-12 | 2023-03-21 | 昆易电子科技(上海)有限公司 | 车道信息的确定方法、计算机设备及介质 |
CN116665157B (zh) * | 2023-08-01 | 2023-11-03 | 腾讯科技(深圳)有限公司 | 道路图像处理方法、装置、计算机设备和存储介质 |
CN117289278B (zh) * | 2023-11-24 | 2024-02-02 | 广州市德赛西威智慧交通技术有限公司 | 基于交通雷达的车道属性确定方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798873A (zh) * | 2017-10-27 | 2018-03-13 | 北京世纪高通科技有限公司 | 一种路口车流均衡程度评估方法及装置 |
CN109166353A (zh) * | 2018-09-12 | 2019-01-08 | 安徽中科美络信息技术有限公司 | 一种车辆行驶前方复杂路口导向车道检测方法及系统 |
CN109903574A (zh) * | 2017-12-08 | 2019-06-18 | 华为技术有限公司 | 路口交通信息的获取方法和装置 |
CN110659539A (zh) * | 2018-06-28 | 2020-01-07 | 杭州海康威视数字技术股份有限公司 | 一种信息处理方法及其装置 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101636636A (zh) * | 2007-03-23 | 2010-01-27 | 三菱电机株式会社 | 导航系统及车道信息显示方法 |
CN101750069B (zh) * | 2008-11-28 | 2014-02-05 | 阿尔派株式会社 | 导航装置及导航装置的限制信息提示方法 |
CN103884350A (zh) * | 2012-12-19 | 2014-06-25 | 环达电脑(上海)有限公司 | 可变车道指示提醒的导航方法 |
JP6305239B2 (ja) * | 2014-06-20 | 2018-04-04 | アルパイン株式会社 | 電子装置、交差点の案内方法および案内プログラム |
CN106323305B (zh) * | 2015-06-29 | 2020-03-06 | 北京四维图新科技股份有限公司 | 一种导航方法及装置 |
CN106289296B (zh) * | 2016-09-05 | 2020-03-24 | 广州极飞科技有限公司 | 一种道路导航的方法和装置 |
KR20180068511A (ko) * | 2016-12-14 | 2018-06-22 | 삼성전자주식회사 | 영상에 포함된 도로와 관련된 정보를 결정하는 뉴럴 네트워크를 학습시키는 학습 데이터를 생성하는 장치 및 방법 |
CN109141464B (zh) * | 2018-09-30 | 2020-12-29 | 百度在线网络技术(北京)有限公司 | 导航变道提示方法和装置 |
CN109859513A (zh) * | 2019-03-07 | 2019-06-07 | 宝能汽车有限公司 | 路口车道导航方法和装置 |
CN110210303B (zh) * | 2019-04-29 | 2023-04-25 | 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 |
CN110108291A (zh) * | 2019-05-06 | 2019-08-09 | 宝能汽车有限公司 | 路口导航修正方法和装置 |
CN110595499A (zh) * | 2019-09-26 | 2019-12-20 | 北京四维图新科技股份有限公司 | 变道提醒方法、装置和系统 |
-
2020
- 2020-01-13 CN CN202010030638.5A patent/CN111854766B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798873A (zh) * | 2017-10-27 | 2018-03-13 | 北京世纪高通科技有限公司 | 一种路口车流均衡程度评估方法及装置 |
CN109903574A (zh) * | 2017-12-08 | 2019-06-18 | 华为技术有限公司 | 路口交通信息的获取方法和装置 |
CN110659539A (zh) * | 2018-06-28 | 2020-01-07 | 杭州海康威视数字技术股份有限公司 | 一种信息处理方法及其装置 |
CN109166353A (zh) * | 2018-09-12 | 2019-01-08 | 安徽中科美络信息技术有限公司 | 一种车辆行驶前方复杂路口导向车道检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111854766A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111854766B (zh) | 一种道路信息确定方法、装置、电子设备及存储介质 | |
EP2113746B1 (en) | Feature information collecting device and feature information collecting program, and vehicle position recognizing device and navigation device | |
CN101910793B (zh) | 导航装置 | |
CN101617197B (zh) | 测量装置、测量方法及地物识别装置 | |
CN108388641B (zh) | 一种基于深度学习的交通设施地图生成方法与系统 | |
CN107560622A (zh) | 一种基于行车图像导航的方法与设备 | |
CN110796007A (zh) | 场景识别的方法与计算设备 | |
US11501463B2 (en) | Method and apparatus for localization of position data | |
CN113358125B (zh) | 一种基于环境目标检测和环境目标地图的导航方法及系统 | |
CN112650772B (zh) | 数据处理方法、装置、存储介质及计算机设备 | |
CN103148861A (zh) | 使用地理标注图像的道路引导显示方法和系统 | |
US11579625B2 (en) | Method and apparatus for de-biasing the detection and labeling of objects of interest in an environment | |
JP5141969B2 (ja) | 画像認識装置及び画像認識プログラム、並びにそれを用いた地点情報収集装置及びナビゲーション装置 | |
CN111521192A (zh) | 定位方法、导航信息显示方法、定位系统及电子设备 | |
CN115344655A (zh) | 地物要素的变化发现方法、装置及存储介质 | |
CN108286973B (zh) | 一种行驶数据校验方法及装置、及混合导航系统 | |
CN115164918A (zh) | 语义点云地图构建方法、装置及电子设备 | |
CN111081063A (zh) | 创建观察数据、求取车道数量的方法及相关的系统、服务器单元和控制器 | |
CN117173669A (zh) | 一种基于人工智能的图片识别方法和系统 | |
US11885640B2 (en) | Map generation device and map generation method | |
JP5013214B2 (ja) | レーン判定装置及びレーン判定プログラム、並びにそれを用いたナビゲーション装置 | |
JP5071737B2 (ja) | レーン判定装置及びレーン判定プログラム、並びにそれを用いたナビゲーション装置 | |
US10922845B2 (en) | Apparatus and method for efficiently training feature detectors | |
TW201309519A (zh) | 車道定位系統與方法 | |
CN116972870B (zh) | 基于计算机图像识别的道路导航增强方法、系统及介质 |
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 |