CN111950434B - 一种基于离散点扫描的车道线结构化方法及系统 - Google Patents
一种基于离散点扫描的车道线结构化方法及系统 Download PDFInfo
- Publication number
- CN111950434B CN111950434B CN202010789930.5A CN202010789930A CN111950434B CN 111950434 B CN111950434 B CN 111950434B CN 202010789930 A CN202010789930 A CN 202010789930A CN 111950434 B CN111950434 B CN 111950434B
- Authority
- CN
- China
- Prior art keywords
- lane
- line
- discrete
- lines
- frame data
- 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
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/005—Map projections or methods associated specifically therewith
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于离散点扫描的车道线结构化方法及系统,该方法包括:构建参考线;构建与参考线垂直且相互之间间隔设定距离的各个垂线段,取垂线段与车道线和轨迹线的各个交点作为离散点;根据各个离散点记录的与垂线段的对应信息,确定相邻的参考线与车道线或轨迹线的交点形成的离散点为相邻前后帧数据,根据各个离散点的帧数序号进行匹配拼接;对车道线和轨迹线进行离散形成离散点,将每一条垂线段及对应的离散点看做一帧数据,根据各个离散点的帧数序号进行匹配拼接和补齐,以离散点数据为基础,将车道线和轨迹线与参考线的相关计算和相关性度量转化为离散点与参考线的计算,避免了线与线之间相关性难以表达的问题,增强了度量的普适性。
Description
技术领域
本发明涉及高精度地图领域,尤其涉及一种基于离散点扫描的车道线结构化方法及系统。
背景技术
众包更新高精度地图过程中,众包采集车搭载GPS和视觉相机,就可以提取海量碎片化的感知车道线以及GPS轨迹数据。但众包采集车直接提取的感知车道线是零散的,碎片化的,部分区域由于车道线自身磨损,甚至严重缺失。
基于这些碎片化的感知车道线无法直接构建车道级拓扑,因此需要先对零散的感知车道线作为结构化处理,将其通过分类、裁剪、补齐和拟合等手段变的完整,可用于构建车道级引导线和车道级拓扑,进而满足自动驾驶的车道级路径规划需求。
对于碎片化的感知车道线,目前比较通用的结构化处理方法是先计算一条描述道路趋势的参考线,再根据参考线和碎片化车道线的相对距离,构建距离矩阵,通过各种聚类方法对车道线进行分类,再将分类的车道线拟合得到结构化的车道线。该方法的缺陷比较明显,一是对参考线的准确性依赖很高,一旦参考线出现偏颇,不能很好的贴合道路,那么基于以参考线构建的距离矩阵来进行分类,结果也是不可控的;二是零散的车道线和参考线都是线型的,线与线之间的距离本身就很难定义,普适性不高;三是对轨迹裸漏、车道线缺失的地方进行逻辑推理时,轨迹线、车道线和参考线的交错会导致很难将轨迹有效的运用起来。
发明内容
本发明针对现有技术中存在的技术问题,提供一种基于离散点扫描的车道线结构化方法,解决现有技术中的问题。
本发明解决上述技术问题的技术方案如下:一种基于离散点扫描的车道线结构化方法,包括:
步骤1,构建参考线;
步骤2,构建与所述参考线垂直且相互之间间隔设定距离的各个垂线段,取所述垂线段与车道线和轨迹线的各个交点作为离散点,所述离散点记录有与所述垂线段的对应信息;
步骤3,根据各个所述离散点记录的与所述垂线段的对应信息,确定相邻的所述参考线与所述车道线或轨迹线的交点形成的所述离散点为相邻前后帧数据,根据各个所述离散点的帧数序号进行匹配拼接。
一种基于离散点扫描的车道线结构化系统,包括:参考线构建模块、离散点构建模块和车道线结构化模块;
参考线构建模块,用于构建参考线;
离散点构建模块,用于构建与所述参考线垂直且相互之间间隔设定距离的各个垂线段,取所述垂线段与车道线和轨迹线的各个交点作为离散点,所述离散点记录有与所述垂线段的对应信息;
车道线结构化模块,用于根据各个所述离散点记录的与所述垂线段的对应信息,确定相邻的所述参考线与所述车道线和轨迹线的交点形成的所述离散点为相邻前后帧数据,根据各个所述离散点的帧数序号进行匹配拼接。
本发明的有益效果是:本发明提供的一种基于离散点扫描的车道线结构化方法及系统,先根据当前道路内的轨迹聚合一条描述道路趋势的参考线,因为轨迹是连续的,在局部范围内的变化是微小的,由此聚合而来的参考线局部信息变化也是微小的,而对于较大范围内,可能出现的较大累计误差则不作约束;然后对车道线和轨迹线进行离散,以参考线构建一定距离间隔的垂线段,取垂线段与感知车道线和轨迹线的交点分别作为车道线和轨迹线的离散点,这样在每一帧数据里,离散点是整齐划一的,在车道线需要逻辑补齐时,可以直接通过离散点记录的数据来源信息即可确定相应的位置;然后将每一条垂线段及对应的离散点看做一帧数据,根据各个离散点的帧数序号进行匹配拼接和补齐,以离散点数据为基础,将车道线和轨迹线与参考线的相关计算和相关性度量转化为离散点与参考线的计算,避免了线与线之间相关性难以表达的问题,增强了度量的普适性。
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,所述步骤1中构建所述参考线的方法为:将所述轨迹线沿着行驶方向划分为设定长度的分段数据,对各个所述分段数据作主成分分析,取主轴方向作为该分段数据内的主方向,将各个所述分段数据拼接组成所述参考线。
进一步,所述步骤2中所述离散点记录与所述垂线段的对应信息的过程包括:
构建所述垂线段时,记录所述各个垂线段的排序编号在其下标上,所述离散点的帧数据的下标与其所在的所述垂线段的下标对应。
进一步,所述离散点还记录有:离散点的三维坐标位置信息、下标、航向角、车道线和轨迹线自身的唯一编号以及离散点到参考线的距离。
进一步,所述步骤3中根据各个所述离散点的帧数序号进行匹配拼接的过程包括:沿着道路行驶方向,以前一帧数据的离散点为基础,将后一帧数据与前一帧数据的离散点进行匹配,对匹配的离散点进行拼接,匹配的判断方法为:
根据所述车道线或轨迹线的唯一编号信息判断所述离散点是否属于同一车道线;
将在同一条车道线上为前后帧数据的离散点直接匹配;
对分属不同车道线上为前后帧数据的离散点,通过离散点到参考线的距离和航向角来分析所述离散点是否匹配。
进一步,所述步骤3进行匹配拼接的过程中,后一帧数据在内部存在感知缺失,无法找到与前一帧数据匹配的离散点时,结合前几帧数据的车道线或轨迹线的离散点,分析当前区域局部范围内车道数的最大似然估计,得到最合适的车道线数量;结合当前帧数据,根据距离和航向角及所述车道线数量对缺失的位置进行补齐。
进一步,所述步骤3进行匹配拼接的过程中,外侧感知车道线缺失导致轨迹裸漏时,用已匹配的帧数据来比对判断是该车道线中只有后面区域感知缺失还是前后区域均感知缺失,通过离散点的帧数据的下标确定相应的位置;
判定只有后面区域感知缺失时,依据已存在的车道线直接去推理当前帧数据缺失的形点;
判定前后区域均感知缺失时,根据当前帧数据的其他车道来分析缺失车道的最佳车道宽度,结合裸漏的轨迹和最邻近的车道线补齐外侧形点。
进一步,所述步骤3之后还包括:将各个所述离散点的帧数据的下标反序,再重复执行所述步骤3进行所述离散点的匹配拼接。
采用上述进一步方案的有益效果是:构建垂线段时,记录各个垂线段的排序编号在其下标上,各个离散点的帧数据的下标与其所在的垂线段的下标对应,在车道线需要逻辑补齐时,可以直接通过帧下标即可确定相应的位置;车道线结构化主要是通过前后帧数据的匹配来实现的,这种相邻前后帧数据匹配和逻辑处理是局部的,而在局部范围内,参考线的微小变化对数据匹配的影响较小,这样就降低了车道线结构化对参考线的依赖,鲁棒性会更好;后续构建道路增减区间,需要对车道线进行切割时,通过帧下标直接获取分段数据会比通过线线相交计算截取相应的分段数据在性能上有很大的提升;对离散点进行扫描处理时,是用后一帧数据去匹配前一帧数据,这样处理的结果是对车道线前侧缺失,后侧完整的情况效果不佳。因此基于正向扫描的结果,直接将帧数据下标反序,再重复执行一次离散点扫描处理,实现最大可能以已有的车道线和轨迹线为参考,对形点进行推理,提升逻辑形点的数据置信度。
附图说明
图1为本发明提供的一种基于离散点扫描的车道线结构化方法的流程图;
图2为本发明提供的一种基于离散点扫描的车道线结构化方法的实施例的流程图;
图3为本发明提供的一种基于离散点扫描的车道线结构化系统的实施例的结构框图;
图4为本发明实施例提供的一种电子设备的实体结构示意图。
附图中,各标号所代表的部件列表如下:
101、参考线构建模块,102、离散点构建模块,103、车道线结构化模块,201、处理器,202、通信接口,203、存储器,204、通信总线。
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基于离散点扫描的车道线结构化方法的流程图,由图1可知,该方法包括:
步骤1,构建参考线。
步骤2,构建与参考线垂直且相互之间间隔设定距离的各个垂线段,取垂线段与车道线和轨迹线的各个交点作为离散点,离散点记录有与垂线段的对应信息。
步骤3,根据各个离散点记录的与垂线段的对应信息,确定相邻的参考线与车道线或轨迹线的交点形成的离散点为相邻前后帧数据,根据各个离散点的帧数序号进行匹配拼接。
本发明提供的一种基于离散点扫描的车道线结构化方法,先根据当前道路内的轨迹聚合一条描述道路趋势的参考线,因为轨迹是连续的,在局部范围内的变化是微小的,由此聚合而来的参考线局部信息变化也是微小的,而对于较大范围内,可能出现的较大累计误差则不作约束;然后对车道线和轨迹线进行离散,以参考线构建一定距离间隔的垂线段,取垂线段与感知车道线和轨迹线的交点分别作为车道线和轨迹线的离散点,这样在每一帧数据里,离散点是整齐划一的,在车道线需要逻辑补齐时,可以直接通过离散点记录的数据来源信息即可确定相应的位置;然后将每一条垂线段及对应的离散点看做一帧数据,根据各个离散点的帧数序号进行匹配拼接和补齐,以离散点数据为基础,将车道线和轨迹线与参考线的相关计算和相关性度量转化为离散点与参考线的计算,避免了线与线之间相关性难以表达的问题,增强了度量的普适性。
实施例1
本发明提供的实施例1为本发明提供的一种基于离散点扫描的车道线结构化方法的实施例,如图2所示为本发明提供的一种基于离散点扫描的车道线结构化方法的实施例的流程图,由图2可知,该实施例包括:
步骤1,构建参考线。
优选的,构建参考线的方法为:将轨迹线沿着行驶方向划分为设定长度的分段数据,对各个分段数据作主成分分析,取主轴方向作为该分段数据内的主方向,将各个分段数据拼接组成参考线。
具体的,轨迹线为众包采集车在当前道路上的行驶轨迹,分段数据的设定长度不能太大,例如可以为3米或5米等,以保持轨迹在小范围内方向变化不大。如果对参考线有更精细的需求,可以在弯道和直道根据角度变化设置弹性长度阈值。
步骤2,构建与参考线垂直且相互之间间隔设定距离的各个垂线段,取垂线段与车道线和轨迹线的各个交点作为离散点,离散点记录有与垂线段的对应信息。
优选的,离散点记录与垂线段的对应信息的过程包括:
构建垂线段时,记录各个垂线段的排序编号在其下标上,离散点的帧数据的下标与其所在的垂线段的下标对应。
具体的,该离散点还记录有:离散点的三维坐标位置信息、下标、航向角、车道线和轨迹线自身的唯一编号以及离散点到参考线的距离等信息,通过这些信息实现前后帧数据的匹配分析和形点逻辑推理。
步骤3,根据各个离散点记录的与垂线段的对应信息,确定相邻的参考线与车道线或轨迹线的交点形成的离散点为相邻前后帧数据,根据各个离散点的帧数序号进行匹配拼接。
优选的,根据各个离散点的帧数序号进行匹配拼接的过程包括:沿着道路行驶方向,以前一帧数据的离散点为基础,将后一帧数据与前一帧数据的离散点进行匹配,对匹配的离散点进行拼接,匹配的判断方法为:
根据车道线或轨迹线的唯一编号信息判断离散点是否属于同一车道线。
将在同一条车道线上为前后帧数据的离散点直接匹配,保持了车道线自身的完整性;对分属不同车道线上为前后帧数据的离散点,通过离散点到参考线的距离和航向角来分析离散点是否匹配,实现了不同车道线间的拼接。
车道线结构化主要是通过前后帧数据的匹配来实现的,这种相邻前后帧数据匹配和逻辑处理是局部的,而在局部范围内,参考线的微小变化对数据匹配的影响较小,这样就降低了车道线结构化对参考线的依赖,鲁棒性会更好;后续构建道路增减区间,需要对车道线进行切割时,通过帧下标直接获取分段数据会比通过线线相交计算截取相应的分段数据在性能上有很大的提升。
具体的,进行匹配拼接的过程中,后一帧数据在内部存在感知缺失,无法找到与前一帧数据匹配的离散点时,可以结合前几帧数据的车道线或轨迹线的离散点,分析当前区域局部范围内车道数的最大似然估计,从而得到最合适的车道线数量;再结合当前帧数据,查漏补缺,根据距离和航向角及车道线数量对缺失的位置进行补齐。
具体的,进行匹配拼接的过程中,外侧感知车道线缺失导致轨迹裸漏时,单纯通过车道线与轨迹线的位置和相关计算得到轨迹裸漏的区域是相对比较麻烦的,而通过一帧帧的数据,直接比对轨迹离散点落在车道线离散点外侧去判断就显得比较容易。然后对于外侧形点缺失的位置,首先用前面已匹配的帧数据来比对判断是该车道线中只有后面区域感知缺失还是前后区域均感知缺失,通过离散点的帧数据的下标即可确定相应的位置,只有后面区域感知缺失是指前面存在车道线,后面感知缺失。
判定只有后面区域感知缺失时,可以依据已存在的车道线直接去推理当前帧数据缺失的形点。
判定前后区域均感知缺失时,则需要先根据当前帧数据的其他车道来分析缺失车道的最佳车道宽度,结合裸漏的轨迹和最邻近的车道线补齐外侧形点。对外侧车道边线精度要求不高的情况下,可以直接根据道路类型设置车道宽度缺省值。
对于轨迹裸漏,车道线存在缺失的帧数据,根据前一帧数据,对外侧轨迹裸漏的位置进行形点的推理补齐,对内侧车道线缺失的位置,作车道线数量的最大似然估计,得到当前帧数据中最合理的车道数,以此来进行形点的逻辑补齐;重复执行前后帧数据的匹配和推理补齐,即可得到结构化的车道线。
优选的,步骤3之后还包括:将各个离散点的帧数据的下标反序,再重复执行步骤3进行离散点的匹配拼接。
对离散点进行扫描处理时,是用后一帧数据去匹配前一帧数据,这样处理的结果是对车道线前侧缺失,后侧完整的情况效果不佳。因此基于正向扫描的结果,直接将帧数据下标反序,再重复执行一次离散点扫描处理,实现最大可能以已有的车道线和轨迹线为参考,对形点进行推理,提升逻辑形点的数据置信度。
实施例2
本发明提供的实施例2为本发明提供的一种基于离散点扫描的车道线结构化系统的实施例,如图3所示为本发明提供的一种基于离散点扫描的车道线结构化系统的实施例的结构框图,由图3可知,该系统包括:参考线构建模块101、离散点构建模块102和车道线结构化模块103。
参考线构建模块101,用于构建参考线。
离散点构建模块102,用于构建与参考线垂直且相互之间间隔设定距离的各个垂线段,取垂线段与车道线和轨迹线的各个交点作为离散点,离散点记录有与垂线段的对应信息。
车道线结构化模块103,用于根据各个离散点记录的与垂线段的对应信息,确定相邻的参考线与车道线和轨迹线的交点形成的离散点为相邻前后帧数据,根据各个离散点的帧数序号进行匹配拼接。
图4为本发明实施例提供的一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器201、通信接口202、存储器203和通信总线204,其中,处理器201,通信接口202,存储器203通过通信总线204完成相互间的通信。处理器201可以调用存储在存储器203上并可在处理器201上运行的计算机程序,以执行上述各实施例提供的基于离散点扫描的车道线结构化方法,例如包括:步骤1,构建参考线;步骤2,构建与参考线垂直且相互之间间隔设定距离的各个垂线段,取垂线段与车道线和轨迹线的各个交点作为离散点,离散点记录有与垂线段的对应信息;步骤3,根据各个离散点记录的与垂线段的对应信息,确定相邻的参考线与车道线和轨迹线的交点形成的离散点为相邻前后帧数据,根据各个离散点的帧数序号进行匹配拼接。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的基于离散点扫描的车道线结构化方法,例如包括:步骤1,构建参考线;步骤2,构建与参考线垂直且相互之间间隔设定距离的各个垂线段,取垂线段与车道线和轨迹线的各个交点作为离散点,离散点记录有与垂线段的对应信息;步骤3,根据各个离散点记录的与垂线段的对应信息,确定相邻的参考线与车道线和轨迹线的交点形成的离散点为相邻前后帧数据,根据各个离散点的帧数序号进行匹配拼接。
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 (7)
1.一种基于离散点扫描的车道线结构化方法,其特征在于,所述方法包括:
步骤1,构建参考线;
步骤2,构建与所述参考线垂直且相互之间间隔设定距离的各个垂线段,取所述垂线段与车道线和轨迹线的各个交点作为离散点,所述离散点记录有与所述垂线段的对应信息;
步骤3,根据各个所述离散点记录的与所述垂线段的对应信息,确定相邻的所述参考线与所述车道线或轨迹线的交点形成的所述离散点为相邻前后帧数据,根据各个所述离散点的帧数序号进行匹配拼接;
所述步骤3中根据各个所述离散点的帧数序号进行匹配拼接的过程包括:沿着道路行驶方向,以前一帧数据的离散点为基础,将后一帧数据与前一帧数据的离散点进行匹配,对匹配的离散点进行拼接,匹配的判断方法为:
根据所述车道线或轨迹线的唯一编号信息判断所述离散点是否属于同一车道线;
将在同一条车道线上为前后帧数据的离散点直接匹配;
对分属不同车道线上为前后帧数据的离散点,通过离散点到参考线的距离和航向角来分析所述离散点是否匹配;
所述步骤3进行匹配拼接的过程中,后一帧数据在内部存在感知缺失,无法找到与前一帧数据匹配的离散点时,结合前几帧数据的车道线或轨迹线的离散点,分析当前区域局部范围内车道数的最大似然估计,得到最合适的车道线数量;结合当前帧数据,根据距离和航向角及所述车道线数量对缺失的位置进行补齐;
所述步骤3进行匹配拼接的过程中,外侧感知车道线缺失导致轨迹裸漏时,用已匹配的帧数据来比对判断是该车道线中只有后面区域感知缺失还是前后区域均感知缺失,通过离散点的帧数据的下标确定相应的位置;
判定只有后面区域感知缺失时,依据已存在的车道线直接去推理当前帧数据缺失的形点;
判定前后区域均感知缺失时,根据当前帧数据的其他车道来分析缺失车道的最佳车道宽度,结合裸漏的轨迹和最邻近的车道线补齐外侧形点。
2.根据权利要求1所述的方法,其特征在于,所述步骤1中构建所述参考线的方法为:将所述轨迹线沿着行驶方向划分为设定长度的分段数据,对各个所述分段数据作主成分分析,取主轴方向作为该分段数据内的主方向,将各个所述分段数据拼接组成所述参考线。
3.根据权利要求1所述的方法,其特征在于,所述步骤2中所述离散点记录与所述垂线段的对应信息的过程包括:
构建所述垂线段时,记录所述各个垂线段的排序编号在其下标上,所述离散点的帧数据的下标与其所在的所述垂线段的下标对应。
4.根据权利要求3所述的方法,其特征在于,所述离散点还记录有:离散点的三维坐标位置信息、下标、航向角、车道线和轨迹线自身的唯一编号以及离散点到参考线的距离。
5.根据权利要求1所述的方法,其特征在于,所述步骤3之后还包括:将各个所述离散点的帧数据的下标反序,再重复执行所述步骤3进行所述离散点的匹配拼接。
6.一种基于离散点扫描的车道线结构化系统,其特征在于,所述系统包括:参考线构建模块、离散点构建模块和车道线结构化模块;
参考线构建模块,用于构建参考线;
离散点构建模块,用于构建与所述参考线垂直且相互之间间隔设定距离的各个垂线段,取所述垂线段与车道线和轨迹线的各个交点作为离散点,所述离散点记录有与所述垂线段的对应信息;
车道线结构化模块,用于根据各个所述离散点记录的与所述垂线段的对应信息,确定相邻的所述参考线与所述车道线和轨迹线的交点形成的所述离散点为相邻前后帧数据,根据各个所述离散点的帧数序号进行匹配拼接;
所述车道线结构化模块根据各个所述离散点的帧数序号进行匹配拼接的过程包括:沿着道路行驶方向,以前一帧数据的离散点为基础,将后一帧数据与前一帧数据的离散点进行匹配,对匹配的离散点进行拼接,匹配的判断方法为:
根据所述车道线或轨迹线的唯一编号信息判断所述离散点是否属于同一车道线;
将在同一条车道线上为前后帧数据的离散点直接匹配;
对分属不同车道线上为前后帧数据的离散点,通过离散点到参考线的距离和航向角来分析所述离散点是否匹配;
所述车道线结构化模块进行匹配拼接的过程中,后一帧数据在内部存在感知缺失,无法找到与前一帧数据匹配的离散点时,结合前几帧数据的车道线或轨迹线的离散点,分析当前区域局部范围内车道数的最大似然估计,得到最合适的车道线数量;结合当前帧数据,根据距离和航向角及所述车道线数量对缺失的位置进行补齐;
所述车道线结构化模块进行匹配拼接的过程中,外侧感知车道线缺失导致轨迹裸漏时,用已匹配的帧数据来比对判断是该车道线中只有后面区域感知缺失还是前后区域均感知缺失,通过离散点的帧数据的下标确定相应的位置;
判定只有后面区域感知缺失时,依据已存在的车道线直接去推理当前帧数据缺失的形点;
判定前后区域均感知缺失时,根据当前帧数据的其他车道来分析缺失车道的最佳车道宽度,结合裸漏的轨迹和最邻近的车道线补齐外侧形点。
7.一种电子设备,包括存储器、处理器及存储在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至5任一项所述基于离散点扫描的车道线结构化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010789930.5A CN111950434B (zh) | 2020-08-07 | 2020-08-07 | 一种基于离散点扫描的车道线结构化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010789930.5A CN111950434B (zh) | 2020-08-07 | 2020-08-07 | 一种基于离散点扫描的车道线结构化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111950434A CN111950434A (zh) | 2020-11-17 |
CN111950434B true CN111950434B (zh) | 2022-06-17 |
Family
ID=73331878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010789930.5A Active CN111950434B (zh) | 2020-08-07 | 2020-08-07 | 一种基于离散点扫描的车道线结构化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111950434B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112284400B (zh) * | 2020-12-24 | 2021-03-19 | 腾讯科技(深圳)有限公司 | 车辆的定位方法、装置、电子设备及计算机可读存储介质 |
CN114691659A (zh) * | 2022-03-30 | 2022-07-01 | 阿波罗智联(北京)科技有限公司 | 一种地图数据的优化方法、装置、设备以及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636724A (zh) * | 2015-02-02 | 2015-05-20 | 华中科技大学 | 一种基于目标一致性的车载相机快速行人车辆检测方法 |
CN105160309A (zh) * | 2015-08-24 | 2015-12-16 | 北京工业大学 | 基于图像形态学分割及区域生长的三车道检测方法 |
CN110288675A (zh) * | 2019-06-30 | 2019-09-27 | 武汉中海庭数据技术有限公司 | 一种车道参考线构建方法、装置及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004253099A (ja) * | 2003-02-21 | 2004-09-09 | Toshiba Corp | シンクフレーム構造、情報記憶媒体、情報記録方法、情報再生方法、および情報再生装置 |
US10739774B2 (en) * | 2017-10-06 | 2020-08-11 | Honda Motor Co., Ltd. | Keyframe based autonomous vehicle operation |
-
2020
- 2020-08-07 CN CN202010789930.5A patent/CN111950434B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636724A (zh) * | 2015-02-02 | 2015-05-20 | 华中科技大学 | 一种基于目标一致性的车载相机快速行人车辆检测方法 |
CN105160309A (zh) * | 2015-08-24 | 2015-12-16 | 北京工业大学 | 基于图像形态学分割及区域生长的三车道检测方法 |
CN110288675A (zh) * | 2019-06-30 | 2019-09-27 | 武汉中海庭数据技术有限公司 | 一种车道参考线构建方法、装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
Zaiying Wang et al..Lane-line Detection Algorithm for Complex Road Based on OpenCV.《2019 IEEE 3rd Advanced Information Management, Communicates, Electronic and Automation Control Conference (IMCEC)》.2020, * |
Also Published As
Publication number | Publication date |
---|---|
CN111950434A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8583355B2 (en) | Road shape estimating device, road shape estimating method and program | |
CN106104656B (zh) | 地图信息生成系统、方法及程序 | |
EP1577834B1 (en) | Lane boundary detector | |
CN111950434B (zh) | 一种基于离散点扫描的车道线结构化方法及系统 | |
US20090248768A1 (en) | Road shape estimating device, road shape estimating method and program | |
US10885358B2 (en) | Method for detecting traffic signs | |
CN103617412A (zh) | 实时车道线检测方法 | |
CN113807333B (zh) | 用于检测车道线的数据处理方法及存储介质 | |
CN107977654B (zh) | 一种道路区域检测方法、装置及终端 | |
CN113127466B (zh) | 一种车辆轨迹数据预处理方法及计算机存储介质 | |
CN116242316A (zh) | 刚性接触网定位点实时检测的方法及装置 | |
CN110120081A (zh) | 一种生成电子地图车道标线的方法、装置及存储设备 | |
US20090245583A1 (en) | Road shape estimating device, road shape estimating method and program | |
CN113029185A (zh) | 众包式高精度地图更新中道路标线变化检测方法及系统 | |
JP2008293064A (ja) | 交通データ推定方法、交通データ推定装置およびカーナビゲーション装置 | |
JP7191671B2 (ja) | キャリブレーション装置、キャリブレーション方法 | |
JP2018190297A (ja) | 評価プログラム、評価方法および評価装置 | |
CN114705180B (zh) | 高精地图的数据修正方法、装置、设备及存储介质 | |
CN116363617A (zh) | 一种超小曲率车道线检测方法 | |
CN116071726A (zh) | 一种基于边缘计算的道路巡检系统及方法 | |
CN111460861A (zh) | 一种道路交通标志识别方法、装置和识别设备 | |
JP5746996B2 (ja) | 道路環境認識装置 | |
JP5682302B2 (ja) | 走行道路推定装置、方法およびプログラム | |
CN113033267B (zh) | 车辆定位方法、装置、计算机设备和存储介质 | |
CN112598314B (zh) | 智能驾驶汽车的感知置信度确定方法、装置、设备及介质 |
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 |