CN111950537A - 斑马线信息获取方法、地图更新方法、装置及系统 - Google Patents
斑马线信息获取方法、地图更新方法、装置及系统 Download PDFInfo
- Publication number
- CN111950537A CN111950537A CN202011014069.1A CN202011014069A CN111950537A CN 111950537 A CN111950537 A CN 111950537A CN 202011014069 A CN202011014069 A CN 202011014069A CN 111950537 A CN111950537 A CN 111950537A
- Authority
- CN
- China
- Prior art keywords
- zebra crossing
- road
- suspected
- map
- image 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.)
- Granted
Links
- 241000283070 Equus zebra Species 0.000 title claims abstract description 209
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000015654 memory Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000013145 classification model Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
-
- 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
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Radar, Positioning & Navigation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Automation & Control Theory (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种斑马线信息获取方法,涉及地图技术领域及数据处理技术领域等人工智能技术领域,可用于智能交通领域。该方法包括:获取道路图像数据和行人轨迹数据;基于所述道路图像数据和所述行人轨迹数据,确定出道路的斑马线信息。本申请还提供了一种地图更新方法、斑马线信息获取装置、地图更新装置、地图系统、电子设备及计算机可读介质。本申请能够有效提高获取道路的斑马线信息的准确性及效率。
Description
技术领域
本申请涉及地图技术领域及数据处理技术领域等人工智能领域,特别涉及一种斑马线信息获取方法、地图更新方法、斑马线信息获取装置、地图更新装置、地图系统、电子设备及计算机可读介质。
背景技术
目前,斑马线数据通常通过室外实地采集的方式获取,或者通过对道路图像进行人工标注的方式采集,或者通过单一图像识别斑马线后,再通过人工确认的方式采集。然而,实地采集和人工标注采集的方式效率低且成本高,而单一图像识别的方式存在冗余和错误提取情况,通过人工二次确认采集,导致采集效率低。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一,提供一种斑马线信息获取方法、地图更新方法、斑马线信息获取装置、地图更新装置、地图系统、电子设备及计算机可读介质。
第一方面,本申请提供了一种斑马线信息获取方法,该斑马线信息获取方法包括:获取道路图像数据和行人轨迹数据;基于所述道路图像数据和所述行人轨迹数据,确定出道路的斑马线信息。
第二方面,本申请提供了一种地图更新方法,该地图更新方法包括:利用上述的斑马线信息获取方法获取道路的斑马线信息;根据获取的所述斑马线信息更新所述地图的当前地图数据。
第三方面,本申请提供了一种斑马线信息获取装置,该斑马线信息获取装置包括:数据获取模块,用于获取道路图像数据和行人轨迹数据;斑马线确定模块,用于基于所述道路图像数据和所述行人轨迹数据,确定出道路的斑马线信息。
第四方面,本申请提供了一种地图更新装置,该地图更新装置包括接收模块和地图更新模块;所述接收模块用于接收上述斑马线信息获取装置获取的道路的斑马线信息;所述地图更新模块用于根据所述斑马线信息更新所述地图的当前地图数据。
第五方面,本申请提供了一种地图系统,其包括上述的斑马线信息获取装置和上述的地图更新装置。
第六方面,本申请提供了一种电子设备,该电子设备包括: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一个或多个指令,一个或多个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上述任一所述方法。
第七方面,本申请提供了一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被执行时实现如上述任一所述方法。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用来提供对本申请的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请,并不构成对本申请的限制。通过参考附图对详细示例实施例进行描述,以上和其他特征和优点对本领域技术人员将变得更加显而易见,在附图中:
图1为本申请实施例提供的一种斑马线信息获取方法的流程图;
图2为图1中步骤S2的一种具体实现方式的流程图;
图3为图2中步骤S21的一种具体实现方式的流程图;
图4为图2中步骤S22的一种具体实现方式的流程图;
图5为一种行人轨迹路网与地图底图路网的示意图;
图6为本申请实施例提供的一种地图更新方法的流程图;
图7为本申请实施例提供的一种斑马线信息获取装置的组成框图;
图8为图7中一种斑马线确定模块的组成框图;
图9为本申请实施例提供的一种地图更新装置的组成框图;
图10为本申请实施例提供的一种地图系统的组成框图;
图11为本申请实施例提供的一种电子设备的组成框图。
具体实施方式
为使本领域的技术人员更好地理解本申请的技术方案,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。
在不冲突的情况下,本申请各实施例及实施例中的各特征可相互组合。
如本文所使用的,术语“和/或”包括一个或多个相关列举条目的任何和所有组合。
本文所使用的术语仅用于描述特定实施例,且不意欲限制本申请。如本文所使用的,单数形式“一个”和“该”也意欲包括复数形式,除非上下文另外清楚指出。还将理解的是,当本说明书中使用术语“包括”和/或“由……制成”时,指定存在所述特征、整体、步骤、操作、元件和/或组件,但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。
除非另外限定,否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解,诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本申请的背景下的含义一致的含义,且将不解释为具有理想化或过度形式上的含义,除非本文明确如此限定。
图1为本申请实施例提供的一种斑马线信息获取方法的流程图。
参照图1,本申请实施例提供一种斑马线信息获取方法,该方法可以由斑马线信息获取装置来执行,该装置可以通过软件和/或硬件的方式实现,该装置可以集成在如服务器等电子设备中。该斑马线信息获取方法包括:
步骤S1、获取道路图像数据和行人轨迹数据。
步骤S2、基于道路图像数据和行人轨迹数据,确定出道路的斑马线信息。
本申请实施例所提供的斑马线信息获取方法,基于道路图像数据和行人轨迹数据挖掘道路的斑马线信息,能够有效提高斑马线信息的采集的准确性,无需人工实地采集、人工标注和人工二次确认,从而有效提高了斑马线信息的采集效率,同时降低了道路的斑马线信息的采集成本,能够有效解决传统斑马线信息的采集方案效率低、投入成本高的问题。在实际应用中,能够快速召回更多的道路的斑马线信息,提升道路的斑马线信息的鲜度,在地图更新过程中,由于能够快速准确地采集道路的斑马线信息,因此能够在一定程度上提升地图更新的效率。
在本申请实施例中,在步骤S1中,道路图像数据可以包括道路的道路图像及道路图像中各个道路区域对应的位置信息,该位置信息可以是位置坐标,道路图像可以通过诸如搭载摄像头的无人机、车载摄像头、手机相机、数码相机等图像采集装置进行采集,采集道路图像后,可以将道路图像映射叠加到预设的地图道路路网上,以得到道路图像中各个道路区域对应的位置信息。其中,道路图像数据还可以通过其他合适的采集方式采集,本申请实施例对于道路图像数据的获取方式不作限制。
在步骤S1中,行人轨迹数据可以包括多个行人的行人轨迹,行人轨迹包括行人在每个时刻对应的轨迹点,行人轨迹可以由多个轨迹点拟合而成,轨迹点用于表示行人在该时刻对应的位置信息,该位置信息可以是位置坐标。其中,行人轨迹数据可以通过电子地图的导航数据库、GPS(Global Positioning System,全球定位系统)等方式获取。示例性地,通过行人终端(例如智能手机)搭载的GPS模块,在行人导航通行的过程中进行轨迹点定位,而后对所定位到的多个轨迹点进行拟合,从而得到行人轨迹。在本申请实施例中,行人轨迹数据还可以通过其他合适的获取方式获取,本申请实施例对于行人轨迹数据的获取方式不作限制。
图2为图1中步骤S2的一种具体实现方式的流程图,参照图2,在一些实施例中,步骤S2可以进一步包括步骤S21~步骤S24。
步骤S21、基于道路图像数据,确定出第一疑似斑马线区域。
步骤S22、基于行人轨迹数据,确定出第二疑似斑马线区域。
步骤S23、将第一疑似斑马线区域和第二疑似斑马线区域进行匹配。
步骤S24、响应于第一疑似斑马线区域和第二疑似斑马线区域相匹配,确定出道路的斑马线信息。
需要说明的是,图2仅示例性示出了基于道路图像数据和行人轨迹数据,确定出道路的斑马线信息的步骤的一种具体实现方式,本申请实施例包括但不限于此,本申请实施例还可以包括其他合适的基于道路图像数据和行人轨迹数据,确定出道路的斑马线信息的方法,只要能够基于道路图像数据和行人轨迹数据识别得到斑马线信息即可。
具体而言,在步骤S21中,从道路图像数据中识别出道路上疑似为斑马线的区域,示例性地,利用预设的图像识别算法,识别出道路图像数据中的道路的第一疑似斑马线区域。
图3为图2中步骤S21的一种具体实现方式的流程图,在一些实施例中,在步骤S21中,利用预设的图像识别算法,识别出道路图像数据中的道路的第一疑似斑马线区域的步骤可以进一步包括步骤S211和步骤S212。
步骤S211、从道路图像数据中提取出道路的路面信息要素特征。
在一些实施例,在步骤S211中,对道路图像数据进行透视处理,得到透视过滤图像数据,从透视过滤图像数据中获取多个路面信息要素特征。具体地,对道路图像数据进行透视变换(IPM),得到IPM图像,使用预设的IPM过滤器对IPM图像进行路面信息要素特征提取过滤,得到透视过滤图像,透视过滤图像中包括过滤出的多个路面信息要素特征。其中,路面信息要素特征可以包括道路的路面上的车道线、斑马线、导流线、导流带、方向指示箭头等路面信息要素的特征信息。
需要说明的是,上述利用透视变换的方式提取路面信息要素特征仅作为本申请实施例的一种示例性方式,本申请实施例对于路面信息要素特征的提取的方式不作限制,本申请实施例还可以采用其他合适的路面信息要素特征提取方式提取道路图像数据中道路的路面信息要素特征,例如还可以采用基于深度学习的图像语义分割模型进行路面信息要素特征识别。
步骤S212、将道路的路面信息要素特征输入预设的斑马线识别模型,以确定出道路图像数据中的第一疑似斑马线区域。
其中,预设的斑马线识别模型的输入为道路图像数据中道路的路面信息要素特征,输出为指示该路面信息要素是否为斑马线的信息,斑马线识别模型可以基于机器学习(如监督学习、深度学习、神经网络)算法实现。
在一些实施例中,可以预先采集多个道路样本图像,提取道路样本图像中的路面信息要素特征,并标注斑马线对应的路面信息要素特征,利用标注的斑马线对应的路面信息要素特征对基于机器学习算法的模型进行模型训练,从而得到斑马线识别模型。因此,在步骤S212中,将道路的路面信息要素特征输入预设的斑马线识别模型,即可识别出道路图像数据中的第一疑似斑马线区域。
需要说明的是,图3仅示例性示出了利用预设的图像识别算法,识别出道路图像数据中的道路的第一疑似斑马线区域的步骤的一种具体实现方式,本申请实施例包括但不限于此,本申请实施例还可以包括其他合适的利用图像识别技术识别道路上疑似为斑马线的区域的方法,只要能够识别得到道路图像数据中的第一疑似斑马线区域即可。
例如,在一些实施例中,道路图像数据中的第一疑似斑马线区域还可以通过其他可实施的方式进行识别,其中,斑马线识别模型可以包括粗分类模型和细分类模型,其中粗分类模型可以采用基于YOLOV3目标检测网络算法的目标检测模型,细分类模型可以采用基于Resnet残差神经网络算法的细分类模型,粗分类模型用于对道路图像中的要素进行图像坐标的定位和粗分类,细分类模型用于对粗分类模型的输出即粗分类结果进行细粒度的分类,从而提取出所需的目标要素,该目标要素即为斑马线。其中,基于YOLOV3目标检测网络算法的目标检测模型可以采用标注有目标要素的样本图像作为训练数据进行模型训练,基于Resnet残差神经网络算法的细分类模型可以采用标注有目标要素的正负样本图像作为训练样本进行模型训练。
在一些实施例中,在步骤S21中,确定出的第一疑似斑马线区域可以包括该第一疑似斑马线区域对应的位置信息。在一些实施例中,在步骤S21中,确定出的第一疑似斑马线区域还可以包括该第一疑似斑马线区域对应的形状信息。一般而言,斑马线区域的形状为矩形或者平行四边形。
图4为图2中步骤S22的一种具体实现方式的流程图,在一些实施例中,在步骤S22中,基于行人轨迹数据,确定出第二疑似斑马线区域的步骤可以进一步包括步骤S221和步骤S222。
步骤S221、根据行人轨迹数据,生成行人轨迹路网。
在一些实施例中,在通过导航数据库、GPS等方式获取的行人轨迹数据中,通常包含一些噪声,这些噪声可能影响后续操作,例如:部分被遮挡的轨迹线所形成的轨迹数据,因信号不佳而出现漂移的轨迹线所形成的轨迹数据。因此,在获取行人轨迹数据之后,在生成行人轨迹路网之前,还需要执行对行人轨迹数据进行预处理的步骤,预处理包括去除行人轨迹数据中的噪声,即去除行人轨迹数据中无效的、漂移的轨迹数据,从而减少噪声对后续校验步骤的干扰,进而提升最终匹配结果的准确度。
在一些实施例中,在步骤S1中所获取的行人轨迹数据不低于设定的数量,从而可以保证所获取的轨迹数据尽可能全面反映行人的通行情况,进而提高后续所进行的匹配的准确性。
在一些实施例中,在步骤S221中,根据预处理后剩余的行人轨迹数据,生成行人轨迹路网。具体地,将行人轨迹数据按照空间位置进行聚合,从而形成行人轨迹路网。在一些实施例中,还可以先从预处理后剩余的行人轨迹数据中进一步筛选出延伸方向相同、形状位置相当的行人轨迹数据,再按照空间位置进行聚合,从而形成行人轨迹路网。可以理解的是,行人轨迹路网是由多个行人轨迹构成的轨迹路网。
步骤S222、将行人轨迹路网与预先配置的地图底图路网进行比对,以确定出行人轨迹路网与地图底图路网中的道路相交叉的区域,相交叉的区域为第二疑似斑马线区域。
图5为一种行人轨迹路网与地图底图路网的示意图,参照图5,在步骤S222中,将行人轨迹路网G与地图底图路网R按照空间位置进行匹配比对,换言之,将行人轨迹路网G按照空间位置对应叠加在地图底图路网R上,从而确定出行人轨迹路网G与地图底图路网R中的道路(如L1,L2)相交叉的区域W,该相交叉的区域W即为第二疑似斑马线区域。其中,可以理解的是,预先配置的地图底图路网是由多条道路构成的道路路网。
在一些实施例中,在步骤S22中,确定出的第二疑似斑马线区域可以包括该第二疑似斑马线区域对应的位置信息。在一些实施例中,在步骤S22中,确定出的第二疑似斑马线区域还可以包括该第二疑似斑马线区域对应的形状信息。
需要说明的是,图4仅示例性示出了基于行人轨迹数据,确定出第二疑似斑马线区域的步骤的一种具体实现方式,本申请实施例包括但不限于此,本申请实施例还可以包括其他合适的从行人轨迹数据中识别出疑似为斑马线的区域的方法,只要能够识别得到行人轨迹数据中的第二疑似斑马线区域即可。
在步骤S23中,将第一疑似斑马线区域和第二疑似斑马线区域进行匹配,具体而言,在一些实施例中,可以通过判断第一疑似斑马线区域的中心位置与第二疑似斑马线区域的中心位置之间的位置距离是否小于或等于预设距离(如30厘米、0.5米、1米等),若判断结果为是,则认为第一疑似斑马线区域和第二疑似斑马线区域匹配,否则认为二者不匹配。
在一些实施例中,还可以根据第一疑似斑马线区域的位置信息和第二疑似斑马线区域的位置信息,判断第一疑似斑马线区域和第二疑似斑马线区域是否存在重叠区,若存在重叠区,则认为第一疑似斑马线区域和第二疑似斑马线区域匹配,否则认为二者不匹配。
需要说明的是,本申请实施例对于如何判断第一疑似斑马线区域和第二疑似斑马线区域是否匹配的方式不作限制,只要能够识别第一疑似斑马线区域和第二疑似斑马线区域是否匹配即可。
在步骤S24中,响应于第一疑似斑马线区域和第二疑似斑马线区域相匹配,确定出道路的斑马线信息,具体而言,在第一疑似斑马线区域和第二疑似斑马线区域相匹配的情形下,确定该第一疑似斑马线区域或者该第二疑似斑马线区域即为最终的斑马线区域,并确定出该斑马线区域对应的斑马线信息。在一些实施例中,斑马线信息包括该最终的斑马线区域的位置信息和/或形状信息。在一些实施例中,根据第一疑似斑马线区域和/或第二疑似斑马线区域的位置信息确定出该最终的斑马线区域的位置信息;在一些实施例中,根据第一疑似斑马线区域和/或第二疑似斑马线区域的形状信息确定出该最终的斑马线区域的形状信息。
图6为本申请实施例提供的一种地图更新方法的流程图。
参照图6,本申请实施例提供了一种地图更新方法,该地图更新方法可以由地图更新装置来执行,该装置可以通过软件和/或硬件的方式实现,该装置可以集成在如服务器等电子设备中。该地图更新方法包括:
步骤S3、利用上述斑马线信息获取方法获取道路的斑马线信息。
步骤S4、根据获取的斑马线信息更新地图的当前地图数据。
其中,当前地图数据可以包括道路的道路数据,在步骤S4中,在道路的道路数据中,根据获取的斑马线信息,将相应的斑马线更新至相应道路的相应位置上,从而更新地图的当前地图数据。其中,地图可以是电子地图。
此外,关于斑马线信息获取方法的具体描述可参见上述第一方面中针对斑马线信息获取方法的描述,此处不再赘述。
图7为本申请实施例提供的一种斑马线信息获取装置的组成框图。
参照图7,本申请实施例提供了一种斑马线信息获取装置300,该斑马线信息获取装置300包括:数据获取模块301和斑马线确定模块302。
其中,数据获取模块301用于获取道路图像数据和行人轨迹数据;斑马线确定模块302用于基于道路图像数据和行人轨迹数据,确定出道路的斑马线信息。
图8为图7中一种斑马线确定模块的组成框图,参照图8,在一些实施例中,斑马线确定模块302包括:第一确定子模块3021、第二确定子模块3022、匹配子模块3023和第三确定子模块3024。
其中,第一确定子模块3021用于基于道路图像数据,确定出第一疑似斑马线区域;第二确定子模块3022用于基于行人轨迹数据,确定出第二疑似斑马线区域;匹配子模块3023用于将第一疑似斑马线区域和第二疑似斑马线区域进行匹配;第三确定子模块3024用于响应于第一疑似斑马线区域和第二疑似斑马线区域相匹配,确定出道路的斑马线信息。
在一些实施例中,第一确定子模块3021具体用于利用预设的图像识别算法,识别出道路图像数据中的第一疑似斑马线区域。示例性地,第一确定子模块3021具体用于:从道路图像数据中提取出道路的路面信息要素特征;将道路的路面信息要素特征输入预设的斑马线识别模型,以确定出道路图像数据中的第一疑似斑马线区域。
在一些实施例中,第二确定子模块3022具体用于:根据行人轨迹数据,生成行人轨迹路网;将行人轨迹路网与预先配置的地图底图路网进行比对,以确定出行人轨迹路网与地图底图路网中的道路相交叉的区域,相交叉的区域为第二疑似斑马线区域。
此外,本申请实施例所提供的斑马线信息获取装置用于实现上述的斑马线信息获取方法,关于该斑马线信息获取装置的相关描述可参见上述的斑马线信息获取方法的描述,此处不再赘述。
图9为本申请实施例提供的一种地图更新装置的组成框图。
参照图9,本申请实施例提供了一种地图更新装置400,该地图更新装置400包括接收模块401和地图更新模块402,其中接收模块401用于接收上述斑马线信息获取装置获取的道路的斑马线信息;地图更新模块402用于根据斑马线信息更新地图的当前地图数据。
此外,本申请实施例所提供的地图更新装置用于实现前述的地图更新方法,具体相关描述可参见前述的地图更新方法中的描述,此处不再赘述。
图10为本申请实施例提供的一种地图系统的组成框图。
参照图10,本申请实施例提供了一种地图系统100,该地图系统100包括上述的斑马线信息获取装置300和上述的地图更新装置400。
图11为本申请实施例提供的一种电子设备的组成框图。
参照图11,本申请实施例提供了一种电子设备,该电子设备包括至少一个处理器501,以及与至少一个处理器501通信连接的存储器502,以及用于连接各部件的接口,该接口可以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5中以一个处理器501为例。
存储器502存储有可被至少一个处理器501执行的一个或多个指令,一个或多个指令被至少一个处理器501执行,以使至少一个处理器501能够执行上述的斑马线信息获取方法或者上述的地图更新方法。
存储器502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斑马线信息获取方法或者地图更新方法对应的程序指令/模块。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器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斑马线信息获取方法或者地图更新方法。
存储器502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;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器502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502可选包括相对于处理器501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。
在本申请实施例中,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。
电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503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504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。
此外,本申请实施例还提供一种计算机可读介质,其上存储有计算机程序,其中,该计算机程序被执行时实现上述的斑马线信息获取方法或者地图更新方法。
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。计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。
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。
根据本申请实施例的技术方案,基于道路图像数据和行人轨迹数据挖掘道路的斑马线信息,能够有效提高斑马线信息的采集的准确性,无需人工实地采集、人工标注和人工二次确认,从而有效提高了斑马线信息的采集效率,同时降低了道路的斑马线信息的采集成本,能够有效解决传统斑马线信息的采集方案效率低、投入成本高的问题。在实际应用中,能够快速召回更多的道路的斑马线信息,提升道路的斑马线信息的鲜度,在地图更新过程中,由于能够快速准确地采集道路的斑马线信息,因此能够在一定程度上提升地图更新的效率。
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。
可以理解的是,以上实施方式仅仅是为了说明本申请的原理而采用的示例性实施方式,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 (17)
1.一种斑马线信息获取方法,包括:
获取道路图像数据和行人轨迹数据;
基于所述道路图像数据和所述行人轨迹数据,确定出道路的斑马线信息。
2.根据权利要求1所述的方法,其中所述基于所述道路图像数据和所述行人轨迹数据,确定出道路的斑马线信息,包括:
基于所述道路图像数据,确定出第一疑似斑马线区域;
基于所述行人轨迹数据,确定出第二疑似斑马线区域;
将所述第一疑似斑马线区域和所述第二疑似斑马线区域进行匹配;
响应于所述第一疑似斑马线区域和所述第二疑似斑马线区域相匹配,确定出道路的斑马线信息。
3.根据权利要求2所述的方法,其中所述基于所述道路图像数据,确定出第一疑似斑马线区域,包括:
利用预设的图像识别算法,识别出所述道路图像数据中的所述第一疑似斑马线区域。
4.根据权利要求3所述的方法,其中所述利用预设的图像识别算法,识别出所述道路图像数据中的所述第一疑似斑马线区域,包括:
从所述道路图像数据中提取出道路的路面信息要素特征;
将所述道路的路面信息要素特征输入预设的斑马线识别模型,以确定出所述道路图像数据中的所述第一疑似斑马线区域。
5.根据权利要求2所述的方法,其中所述基于所述行人轨迹数据,确定出第二疑似斑马线区域,包括:
根据所述行人轨迹数据,生成行人轨迹路网;
将所述行人轨迹路网与预先配置的地图底图路网进行比对,以确定出所述行人轨迹路网与所述地图底图路网中的道路相交叉的区域,所述相交叉的区域为所述第二疑似斑马线区域。
6.根据权利要求1-5中任一项所述的方法,其中所述斑马线信息包括位置信息和/或形状信息。
7.一种地图更新方法,包括:
利用上述权利要求1-6中任一项所述的斑马线信息获取方法获取道路的斑马线信息;
根据获取的所述斑马线信息更新所述地图的当前地图数据。
8.一种斑马线信息获取装置,包括:
数据获取模块,用于获取道路图像数据和行人轨迹数据;
斑马线确定模块,用于基于所述道路图像数据和所述行人轨迹数据,确定出道路的斑马线信息。
9.根据权利要求8所述的装置,其中所述斑马线确定模块包括:
第一确定子模块,用于基于所述道路图像数据,确定出第一疑似斑马线区域;
第二确定子模块,用于基于所述行人轨迹数据,确定出第二疑似斑马线区域;
匹配子模块,用于将所述第一疑似斑马线区域和第二疑似斑马线区域进行匹配;
第三确定子模块,用于响应于所述第一疑似斑马线区域和第二疑似斑马线区域相匹配,确定出道路的斑马线信息。
10.根据权利要求9所述的装置,其中所述第一确定子模块具体用于利用预设的图像识别算法,识别出所述道路图像数据中的所述第一疑似斑马线区域。
11.根据权利要求10所述的装置,其中所述第一确定子模块具体用于:从所述道路图像数据中提取出道路的路面信息要素特征;将所述道路的路面信息要素特征输入预设的斑马线识别模型,以确定出所述道路图像数据中的所述第一疑似斑马线区域。
12.根据权利要求9所述的装置,其中所述第二确定子模块具体用于:根据所述行人轨迹数据,生成行人轨迹路网;将所述行人轨迹路网与预先配置的地图底图路网进行比对,以确定出所述行人轨迹路网与所述地图底图路网中的道路相交叉的区域,所述相交叉的区域为所述第二疑似斑马线区域。
13.根据权利要求8-12中任一项所述的装置,其中所述斑马线信息包括位置信息和/或形状信息。
14.一种地图更新装置,包括接收模块和地图更新模块;
接收模块用于接收上述权利要求8-13中任一项斑马线信息获取装置获取的道路的斑马线信息;
所述地图更新模块用于根据所述斑马线信息更新所述地图的当前地图数据。
15.一种地图系统,包括上述权利要求8-13中任一项斑马线信息获取装置和上述权利要求14所述的地图更新装置。
16.一种电子设备,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一个或多个指令,一个或多个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1-7中任一项所述的方法。
17.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011014069.1A CN111950537B (zh) | 2020-09-24 | 2020-09-24 | 斑马线信息获取方法、地图更新方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011014069.1A CN111950537B (zh) | 2020-09-24 | 2020-09-24 | 斑马线信息获取方法、地图更新方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111950537A true CN111950537A (zh) | 2020-11-17 |
CN111950537B CN111950537B (zh) | 2023-06-23 |
Family
ID=73356533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011014069.1A Active CN111950537B (zh) | 2020-09-24 | 2020-09-24 | 斑马线信息获取方法、地图更新方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111950537B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446315A (zh) * | 2020-11-19 | 2021-03-05 | 武汉中海庭数据技术有限公司 | 高精度地图斑马线融合方法、系统、服务器及存储介质 |
CN112488217A (zh) * | 2020-12-05 | 2021-03-12 | 武汉中海庭数据技术有限公司 | 斑马线纠正方法、电子装置和存储介质 |
CN112800989A (zh) * | 2021-02-02 | 2021-05-14 | 上海博泰悦臻电子设备制造有限公司 | 一种检测斑马线的方法及装置 |
CN113306552A (zh) * | 2021-07-31 | 2021-08-27 | 西华大学 | 混合道路拥堵状态下无人驾驶汽车的超低速蠕行方法 |
JP2021157833A (ja) * | 2020-12-03 | 2021-10-07 | 北京百度網訊科技有限公司 | 道路状況予測方法、道路状況予測モデルを確立する方法及びその対応装置、電子機器、記録媒体並びにコンピュータプログラム製品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944407A (zh) * | 2017-11-30 | 2018-04-20 | 中山大学 | 一种基于无人机的路口斑马线识别方法 |
US20180306594A1 (en) * | 2015-12-24 | 2018-10-25 | Alibaba Group Holding Limited | Method and apparatus for acquiring route popularity in road networks |
CN111428644A (zh) * | 2020-03-25 | 2020-07-17 | 北京以萨技术股份有限公司 | 基于深度神经网络的斑马线区域监测方法、系统及介质 |
-
2020
- 2020-09-24 CN CN202011014069.1A patent/CN111950537B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180306594A1 (en) * | 2015-12-24 | 2018-10-25 | Alibaba Group Holding Limited | Method and apparatus for acquiring route popularity in road networks |
CN107944407A (zh) * | 2017-11-30 | 2018-04-20 | 中山大学 | 一种基于无人机的路口斑马线识别方法 |
CN111428644A (zh) * | 2020-03-25 | 2020-07-17 | 北京以萨技术股份有限公司 | 基于深度神经网络的斑马线区域监测方法、系统及介质 |
Non-Patent Citations (1)
Title |
---|
陈宁;洪丰;白冰;: "基于边缘特征和霍夫变换的斑马线识别方法", 浙江科技学院学报, no. 06, pages 49 - 56 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446315A (zh) * | 2020-11-19 | 2021-03-05 | 武汉中海庭数据技术有限公司 | 高精度地图斑马线融合方法、系统、服务器及存储介质 |
CN112446315B (zh) * | 2020-11-19 | 2022-05-31 | 武汉中海庭数据技术有限公司 | 高精度地图斑马线融合方法、系统、服务器及存储介质 |
JP2021157833A (ja) * | 2020-12-03 | 2021-10-07 | 北京百度網訊科技有限公司 | 道路状況予測方法、道路状況予測モデルを確立する方法及びその対応装置、電子機器、記録媒体並びにコンピュータプログラム製品 |
US11887376B2 (en) | 2020-12-03 | 2024-01-30 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method and apparatus of estimating road condition, and method and apparatus of establishing road condition estimation model |
CN112488217A (zh) * | 2020-12-05 | 2021-03-12 | 武汉中海庭数据技术有限公司 | 斑马线纠正方法、电子装置和存储介质 |
CN112800989A (zh) * | 2021-02-02 | 2021-05-14 | 上海博泰悦臻电子设备制造有限公司 | 一种检测斑马线的方法及装置 |
CN113306552A (zh) * | 2021-07-31 | 2021-08-27 | 西华大学 | 混合道路拥堵状态下无人驾驶汽车的超低速蠕行方法 |
CN113306552B (zh) * | 2021-07-31 | 2021-10-01 | 西华大学 | 混合道路拥堵状态下无人驾驶汽车的超低速蠕行方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111950537B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111950537B (zh) | 斑马线信息获取方法、地图更新方法、装置及系统 | |
CN112131233B (zh) | 识别更新道路的方法、装置、设备和计算机存储介质 | |
US20210223789A1 (en) | Method and apparatus for positioning vehicle, electronic device and storage medium | |
CN110595459B (zh) | 车辆定位方法、装置、设备和介质 | |
CN110979346A (zh) | 确定车辆所处车道的方法、装置及设备 | |
CN111292531B (zh) | 交通信号灯的跟踪方法、装置、设备及存储介质 | |
CN110765227A (zh) | 道路交通网络模型构建方法及装置 | |
CN112069279B (zh) | 地图数据更新方法、装置、设备及可读存储介质 | |
CN112013865B (zh) | 确定交通卡口的方法、系统、电子设备以及介质 | |
EP3842995A1 (en) | Method and apparatus for generating map | |
CN112581533A (zh) | 定位方法、装置、电子设备及存储介质 | |
CN114037966A (zh) | 高精地图特征提取方法、装置、介质及电子设备 | |
CN111597986B (zh) | 用于生成信息的方法、装置、设备和存储介质 | |
CN114443794A (zh) | 数据处理和地图更新方法、装置、设备以及存储介质 | |
CN111950345A (zh) | 摄像头的识别方法、装置、电子设备和存储介质 | |
CN111597987B (zh) | 用于生成信息的方法、装置、设备和存储介质 | |
CN113160693B (zh) | 一种道路路口的处理方法、装置、设备和存储介质 | |
CN113673281A (zh) | 限速信息确定方法、装置、设备以及存储介质 | |
CN111640301A (zh) | 故障车辆的检测方法、系统、装置、电子设备及存储介质 | |
CN111667706A (zh) | 车道级路面状况识别方法、路况提示方法和装置 | |
CN113011298B (zh) | 截断物体样本生成、目标检测方法、路侧设备和云控平台 | |
EP3961422A1 (en) | Method and apparatus for extracting geographic location point spatial relationship | |
CN111400537B (zh) | 一种道路元素信息获取方法、装置和电子设备 | |
CN113742440A (zh) | 道路图像数据处理方法、装置、电子设备及云计算平台 | |
CN112577524A (zh) | 信息校正方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |