CN111967301A - 定位导航方法、装置、电子设备和存储介质 - Google Patents
定位导航方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111967301A CN111967301A CN202010610307.9A CN202010610307A CN111967301A CN 111967301 A CN111967301 A CN 111967301A CN 202010610307 A CN202010610307 A CN 202010610307A CN 111967301 A CN111967301 A CN 111967301A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road
- road surface
- navigation
- traffic scene
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000015654 memory Effects 0.000 claims description 19
- 230000011218 segmentation Effects 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000002955 isolation Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect 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
- 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
- G06V20/50—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
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3626—Details of the output of route guidance instructions
- G01C21/3629—Guidance using speech or audio output, e.g. text-to-speech
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3626—Details of the output of route guidance instructions
- G01C21/3647—Guidance involving output of stored or live camera images or video streams
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种定位导航方法、装置、电子设备和存储介质，涉及人工智能领域、深度学习领域、智能交通领域。具体实现方案为：根据车辆的实时位置判断车辆是否即将驶入预设的交通场景；如果车辆即将驶入交通场景，则获取车辆的前方道路图像；根据前方道路图像生成交通场景的定位辅助信息；根据定位辅助信息确定车辆当前行驶的目标道路；根据预设的目的地和目标道路获取导航信息进行导航提示。本申请可以精准的定位预设交通场景下的车辆行驶道路，从而给用户提供精准的导航路线。
Description
技术领域
本申请涉及图像处理领域，具体涉及人工智能领域、深度学习领域、智能交通领域，尤其涉及一种定位导航方法、装置、电子设备和存储介质。
背景技术
导航电子产品与手机、行车记录仪、车机等多平台设备结合，广泛应用在驾车出行方面。受GPS(Global Positioning System，全球定位系统)精度、导航数据精度等影响，在平行路、立交桥场景下，导航产品难以精准定位到用户处于平行路、立交桥上下的哪条道路上，从而导致给用户导航的路线错误，大大增加用户的时间成本，甚至因此增加用户的交通事故的风险。
发明内容
本申请提供了一种定位导航方法、装置、电子设备和存储介质。
根据本申请的第一方面，提供了一种定位导航方法，包括：
根据车辆的实时位置判断所述车辆是否即将驶入预设的交通场景；
如果所述车辆即将驶入所述交通场景，则获取所述车辆的前方道路图像；
根据所述前方道路图像生成所述交通场景的定位辅助信息；
根据所述定位辅助信息确定所述车辆当前行驶的目标道路；
根据预设的目的地和所述目标道路获取导航信息进行导航提示。
根据本申请的第二方面，提供了一种定位导航装置，包括：
判断模块，用于根据车辆的实时位置判断所述车辆是否即将驶入预设的交通场景；
第一获取模块，用于在所述车辆即将驶入所述交通场景时，获取所述车辆的前方道路图像；
生成模块，用于根据所述前方道路图像生成所述交通场景的定位辅助信息；
确定模块，用于根据所述定位辅助信息确定所述车辆当前行驶的目标道路；
导航提示模块，用于根据预设的目的地和所述目标道路获取导航信息进行导航提示。
根据本申请的第三方面，提供了一种电子设备，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本申请第一方面所述的定位导航方法。
根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本申请第一方面所述的定位导航方法。
根据本申请的技术方案，可根据车辆的实时位置判断车辆是否即将驶入预设的交通场景，如果车辆即将驶入交通场景，则获取车辆的前方道路图像，并根据前方道路图像生成交通场景的定位辅助信息，并根据定位辅助信息确定车辆当前行驶的目标道路，进而根据预设的目的地和目标道路获取导航信息进行导航提示，可以解决现有技术中主要针对在导航过程中平行路、立交桥场景下定位精度不足，导致导航错误的问题。
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
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请一个实施例的定位导航方法的流程图；
图2是根据本申请实施例的前方道路图像的示例图；
图3是对图2进行语义分割后得到的语义分割示意图；
图4是从图3所示的语义分割图提取的定位辅助信息的示例图；
图5是根据本申请一个具体实施例的定位导航方法的流程图；
图6是根据本申请另一个具体实施例的定位导航方法的流程图；
图7是根据本申请一个实施例的定位导航装置的结构框图；
图8是根据本申请另一个实施例的定位导航装置的结构框图；
图9是用来实现本申请实施例的定位导航方法的电子设备的框图。
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。
需要说明的是，导航电子产品与手机、行车记录仪、车机等多平台设备结合，广泛应用在驾车出行方面。受GPS精度、导航数据精度等影响，在平行路、立交桥场景下，导航产品难以精准定位到用户处于平行路、立交桥上下的哪条道路上，从而导致给用户导航的路线错误，大大增加用户的时间成本，甚至因此增加用户的交通事故的风险。
也就是说，目前导航产品未能准确判断用户是在平行路或者立交桥上下的哪条道路上，导航产品在导航界面提供用户选择的界面，根据用户的选择判断用户所行驶的道路。但是，这种方式依赖于用户的判断和导航界面的操作反馈，导致用户驾车行驶时存在安全风险。另外，若用户未进行选择操作时，则导航不能提供正确的导航提示，从而导致用户偏航，增加出行成本。
为解决上述技术问题，本申请提出了一种定位导航方法、装置、电子设备和存储介质。
图1是根据本申请一个实施例的定位导航方法的流程图。需要说明的是，本申请实施例的定位导航方法可应用于本申请实施例的定位导航装置。该装置可被配置于电子设备上。其中，该电子设备可以是车辆上的终端设备，以用于实现车辆的定位导航。
如图1所示，该定位导航方法可以包括：
步骤101，根据车辆的实时位置判断车辆是否即将驶入预设的交通场景。
需要说明的是，本申请实施例的定位导航方法可应用于电子设备上，该电子设备具有导航电子地图。其中，该导航电子地图可预先存储有各道路的导航数据，其中，该导航数据可包括但不限于道路的坐标、道路中所含有的车道数等。该电子设备可基于该导航电子地图实现对车辆的定位导航。
在本申请实施例中，可实时获取车辆的实时位置，并利用该车辆的实时位置，结合电子设备上的导航电子地图，判断车辆是否即将驶入预设的交通场景。也就是说，可预先提取预设的交通场景区域的特征信息，并将提取到的特征信息存储到导航电子地图中，以作为是否驶入该交通场景区域的判断依据。其中，该电子设备可以是车辆上用以实现定位导航的车载终端设备(如行车记录仪、车机等)，或者，还可以是手机等其他可具有定位导航的电子类设备。
需要说明的是，在本申请一些实施例中，上述交通场景可以是平行路或立交桥场景。也就是说，由于受GPS精度、导航数据精度等影响，在平行路、立交桥场景下，导航产品难以精准定位到用户处于平行路、立交桥上下的哪条道路上，为此，本申请提出了一种针对平行路、立交桥场景的定位导航方法，以精准的定位出在平行路、立交桥场景下的车辆当前具体行驶的道路。
还需要说明的是，在本申请实施例中，如果车辆没有进入预设交通场景，则无需通过采集前方道路图像辅助定位车辆当前行驶的具体道路。也就是说，当车辆即将驶入预设交通场景时，可通过采集前方道路图像辅助定位车辆当前行驶的具体道路，从而能够精准的定位出在预设交通场景下车辆的行驶道路。
步骤102，如果车辆即将驶入交通场景，则获取车辆的前方道路图像。
也就是说，在判断车辆即将驶入该交通场景时，将基于前方道路图像辅助定位，从而能够精准地定位出在该预设交通场景下车辆的当前具体行驶的道路。
在本申请的实施例中，在判断车辆即将驶入该预设的交通场景时，可通过车辆上的前视摄像头来采集车辆的前方道路图像。其中，该前视摄像头可以被安装在前挡风玻璃上。或者，可通过车辆上的行车记录仪采集车辆的前方道路图像。对于车辆的前方道路图像的采集工具和方式，本申请不做具体限定。
步骤103，根据前方道路图像生成交通场景的定位辅助信息。
可选地，利用对图像内容进行分析，以获取该预设交通场景的定位辅助信息，其中，该定位辅助信息可理解为用以辅助定位的信息。
在本申请一些实施例中，可基于预训练的深度神经网络模型，对前方道路图像进行语义分割，以得到交通要素信息；从交通要素信息中提取出针对交通场景的定位辅助信息。其中，上述深度神经网络模型基于人工智能技术和深度学习技术而预训练好的模型。该深度神经网络模型已经学习得到对图像进行语义分割的功能。因此，可基于深度神经网络模型对前方道路图像进行语义分割，以得到该图像中所包含的交通要素信息。其中，该交通要素信息可包括不限于行驶的车辆、非机动车、本车、车道线、路面等信息。之后，可从该交通要素信息中提取出针对该预设交通场景的定位辅助信息。
例如，如图2所示，为车辆的当前前方道路图像，可利用深度神经网络模型对该图像进行语义分割，得到该图像中的交通要素信息，如图3所示，该交通要素信息可包括行驶的车辆、非机动车、本车、车道线、路面等信息。之后，可从该交通要素信息中提取出针对该预设交通场景的定位辅助信息。其中，由于交通场景的不同，则会导致定位辅助信息也会不同。例如，假设交通场景包括通过隔离装置左右设置的第一路面和第二路面，即平行路场景，则定位辅助信息可包括车辆映射路面、路面区域面和车道数。又如，假设交通场景包括通过桥体装置上下设置的第一路面和第二路面，即立交桥场景，则定位辅助信息可包括有无桥体信息。
需要说明的是，由于定位辅助信息的不同，则提取不同的定位辅助信息时所使用的方式也会不同。例如，针对路面区域面的识别，如图4所示，可根据图像语义分割的结果，提取出路面区域面，然后根据从左到右的顺序，将路面分成A1、A2这两个路面区域。针对行驶车辆与路面关联，即车辆映射路面，如图4所示，可从图像语义分割图像中，提取出行驶车辆的位置，然后判断行驶车辆与上一步提取的路面区域的关联关系，从而判断车辆行驶在哪个路面区域，即可得到车辆映射路面。针对车辆行驶路面车道数识别，如图4所示，可根据图像语义分割结果，对分割图进行预处理提取车道线，具体可采用二值图提取、形态学操作及霍夫拟合等步骤，然后根据车道线的提取结果，与车辆行驶的路面区域求交，从而计算出车辆行驶路面的车道线数量，进而基于该车道线数量确定该路面的车道数。针对立交桥识别，可根据图像语义分割结果，提取出该交通场景中的桥体信息，其中，该桥体信息可表示为有桥体还是无桥体。
步骤104，根据定位辅助信息确定车辆当前行驶的目标道路。
也就是说，可基于从前方道路图像中识别出的定位辅助信息，来确定该车辆当前行驶的目标道路，即确定车辆当前行驶到交通场景之中的具体哪一道路上。例如，以交通场景为平行路为例，可根据定位辅助信息来确定该车辆当前行驶的目标道路时平行路的主路还是辅路。又如，以交通场景为立交桥为例，可根据定位辅助信息来确定该车辆当前行驶的目标道路是立交桥的桥上还是桥下。
步骤105，根据预设的目的地和目标道路获取导航信息进行导航提示。
具体地，在确定车辆当前行驶的目标道路时，可根据目标地和该目标道路，结合导航电子地图，获取对应的导航信息，进而基于该导航信息进行导航提示。例如，对于车辆驶入立交桥场景，在精确定位出该车辆的当前行驶的目标道路时，若车辆处于桥下，则可提示用户“请在xx桥上继续行驶”，若车辆处于桥下，则可提示用户“请沿xx路继续行驶”。又如，对于车辆驶入平行路场景，在精确定位出该车辆的当前行驶的目标道路时，若车辆处于平行路左侧，则可提示用户“请沿左侧道路/主路继续行驶”，若车辆处于平行路右侧，则可提示用户“请沿右侧道路/辅路继续行驶”。
根据本申请实施例的定位导航方法，可根据车辆的实时位置判断车辆是否即将驶入预设的交通场景，如果车辆即将驶入交通场景，则获取车辆的前方道路图像，并根据前方道路图像生成交通场景的定位辅助信息，并根据定位辅助信息确定车辆当前行驶的目标道路，进而根据预设的目的地和目标道路获取导航信息进行导航提示。由此可见，本申请综合利用图像处理等技术识别出用以辅助定位的信息，进而利用该信息对车辆当前行驶的具体道路进行辅助定位，可以精准地定位出车辆当前行驶在该交通场景中的具体哪条道路上，提高了定位精准性。另外，结合导航电子地图数据信息，可以提高预设交通场景下的导航定位精确，从而提高导航用户体验，在降低交通违章，保障驾车的安全性方面，具有现实意义和价值，同样在AR(Augm ented Reality，增强现实)导航、智能交通等新生领域，也有辅助决策价值。
为了能够实现精确定位出平行路场景下车辆行驶道路，可获取车辆映射路面、路面区域面等定位辅助信息，进而基于该定位辅助信息精准定位出车辆当前行驶的具体道路。具体而言，在本申请一些实施例中，如图5所示，该定位导航方法可以包括：
步骤501，根据车辆的实时位置判断车辆是否即将驶入预设的交通场景。
其中，在本申请实施例中，该交通场景包括：通过隔离装置左右设置的第一路面和第二路面，所述第一路面和所述第二路面为同向行驶路面，即该交通场景可理解为平行路场景。该平行路场景可理解为存在两条同向行驶的平行道路，如某某路的主路和辅路，该主路和辅路同向行驶且平行。
需要说明的是，在本申请实施例中，上述隔离装置可包括但不限于隔离栏、双黄线等。
步骤502，如果车辆即将驶入交通场景，则获取车辆的前方道路图像。
步骤503，根据前方道路图像生成交通场景的车辆映射路面和路面区域面。
步骤504，根据车辆映射路面和路面区域面，判断车辆的右侧是否存在路面。
步骤505，如果车辆的右侧存在路面，则确定车辆当前行驶的目标道路为交通场景之中的第一路面，并执行步骤508。
例如，以如图4所示为例，假设车辆映射路面(即车辆所在的路面)为路面1，可根据车辆映射路面和路面区域面(包括路面1和路面2)，判断车辆的右侧是否存在路面，如图4所示，此时该车辆的右侧存在路面，可确定车辆当前行驶的目标道路为交通场景之中的第一路面，例如，该车辆当前行驶的目标道路为该平行路的主路。
步骤506，如果车辆的右侧不存在路面，则判断车辆的左侧是否存在路面。
也就是说，在根据车辆映射路面和路面区域面，判断车辆的右侧不存在路面，则根据车辆映射路面和路面区域面继续判断车辆的左侧是否存在路面。
步骤507，如果车辆的左侧存在路面，则确定车辆当前行驶的目标道路为交通场景之中的第二路面，并执行步骤508。
也就是说，在根据车辆映射路面和路面区域面判断车辆的左侧存在路面，则确定车辆当前行驶的目标道路为该平行路的辅路。
步骤508，根据预设的目的地和目标道路获取导航信息进行导航提示。
例如，对于车辆驶入平行路场景，在精确定位出该车辆的当前行驶的目标道路时，若车辆处于平行路左侧，则可提示用户“请沿左侧道路/主路继续行驶”，若车辆处于平行路右侧，则可提示用户“请沿右侧道路/辅路继续行驶”。
若由于摄像头图像采集的问题导致图像中平行路中的某个路面过窄，导致路面识别失败，路面区域面该定位辅助信息缺失，为了能够辅助定位，提高定位的精确度，可识别前方道路图像中的车道数，基于车道数来辅助判断车辆当前行驶的目标道路为平行路之中的主路还是辅路。具体而言，在本申请一些实施例中，定位辅助信息还包括车道数。其中，在本申请实施例中，如果车辆的左侧不存在路面，则获取交通场景的导航数据；根据定位辅助信息之中的车道数与导航数据之中的车道数，识别车辆当前行驶的目标道路为交通场景之中的第一路面还是第二路面。
也就是说，在根据车辆映射路面和路面区域面不能判断出车辆当前行驶的具体道路时，可从导航电子地图中获取该平行路场景的导航数据，并将定位辅助信息之中的车道数与导航数据之中的车道数进行匹配，以确定该车辆当前行驶的目标道路为平行路之中的主路还是辅助。可以理解，由于不管平行路的主路还是辅助，其都具有自己对应的车道数，因此，可基于车道数来确定车辆当前行驶的道路是平行路的主路还是辅助。
根据本申请实施例的定位导航方法，在车辆即将驶入平行路场景时，可获取车辆前方道路图像，进而综合利用图像语义分割、语义理解等技术，识别车道区域、车道数等定位辅助信息，并结合导航电子地图数据信息，提高平行路下的导航定位精度，从而提高导航用户体验，在提升导航体验的同时，还可保障驾车安全方面。
为了能够实现精确定位出立交桥场景下车辆行驶道路，可获取桥体信息等定位辅助信息，进而基于该桥体信息精准定位出车辆当前行驶的具体道路。具体而言，在本申请一些实施例中，如图6所示，该定位导航方法可以包括：
步骤601，根据车辆的实时位置判断车辆是否即将驶入预设的交通场景。
其中，在本申请实施例中，该交通场景包括：通过桥体装置上下设置的第一路面和第二路面，所述第一路面和所述第二路面为上下同向行驶路面；所述定位辅助信息包括有无桥体信息。
步骤602，如果车辆即将驶入交通场景，则获取车辆的前方道路图像。
步骤603，根据前方道路图像生成交通场景的定位辅助信息。
步骤604，如果定位辅助信息为有桥体信息，则确定车辆当前行驶的目标道路为交通场景之中的第一路面。
也就是说，当识别出前方道路存在桥体时，此时可确定车辆当前行驶的目标道路为立交桥场之中的第一路面，即说明该车辆当前行驶在立交桥场景的桥下，该桥下所对应的道路即为该车辆当前行驶的目标道路。
步骤605，如果定位辅助信息为无桥体信息，则确定车辆当前行驶的目标道路为交通场景之中的第二路面。
也就是说，当识别出前方道路不存在桥体时，可确定车辆当前行驶的目标道路为交通场景之中的第二路面，即说明该车辆当前行驶在立交桥的桥上，该立交桥所对应的道路名称即为该车辆当前行驶的目标道路的名称。
步骤606，根据预设的目的地和目标道路获取导航信息进行导航提示。
例如，对于车辆驶入立交桥场景，在精确定位出该车辆的当前行驶的目标道路时，若车辆处于桥下，则可提示用户“请在xx桥上继续行驶”，若车辆处于桥下，则可提示用户“请沿xx路继续行驶”。
根据本申请实施例的定位导航方法，在车辆即将驶入立交桥场景时，可获取车辆前方道路图像，进而综合利用图像语义分割、语义理解等技术，识别有无桥体信息等定位辅助信息，并结合导航电子地图数据信息，提高立交桥场景下的导航定位精度，从而提高导航用户体验，在提升导航体验的同时，还可保障驾车安全方面。
图7是根据本申请一个实施例的定位导航装置的结构框图。如图7所示，该定位导航装置700可以包括：判断模块710、第一获取模块720、生成模块730、确定模块740和导航提示模块750。
具体地，判断模块710用于根据车辆的实时位置判断车辆是否即将驶入预设的交通场景。
第一获取模块720用于在车辆即将驶入交通场景时，获取车辆的前方道路图像。
生成模块730用于根据前方道路图像生成交通场景的定位辅助信息。在本申请一些实施例中，生成模块730基于预训练的深度神经网络模型，对所述前方道路图像进行语义分割，以得到交通要素信息；从所述交通要素信息中提取出针对所述交通场景的定位辅助信息。
确定模块740用于根据定位辅助信息确定车辆当前行驶的目标道路。在本申请一些实施例中，交通场景包括：通过隔离装置左右设置的第一路面和第二路面，第一路面和第二路面为同向行驶路面，定位辅助信息包括车辆映射路面和路面区域面；其中，在本申请实施例中，确定模块740具体用于：根据车辆映射路面和路面区域面，判断车辆的右侧是否存在路面；如果车辆的右侧存在路面，则确定车辆当前行驶的目标道路为交通场景之中的第一路面；如果车辆的右侧不存在路面，则判断车辆的左侧是否存在路面；如果车辆的左侧存在路面，则确定车辆当前行驶的目标道路为交通场景之中的第二路面。
在本申请一些实施例中，所述交通场景包括：通过桥体装置上下设置的第一路面和第二路面，所述第一路面和所述第二路面为上下同向行驶路面；所述定位辅助信息包括有无桥体信息；其中，在本申请实施例中，确定模块740具体用于：如果所述定位辅助信息为有桥体信息，则确定所述车辆当前行驶的目标道路为所述交通场景之中的第一路面；如果所述定位辅助信息为无桥体信息，则确定所述车辆当前行驶的目标道路为所述交通场景之中的第二路面。
导航提示模块750用于根据预设的目的地和目标道路获取导航信息进行导航提示。
在本申请一些实施例中，定位辅助信息还包括车道数，其中，如图8所示，该定位导航装置700还可包括：第二获取模块760和识别模块770。其中，第二获取模块760用于在车辆的左侧不存在路面时，获取交通场景的导航数据；识别模块770用于根据定位辅助信息之中的车道数与导航数据之中的车道数，识别车辆当前行驶的目标道路为交通场景之中的第一路面还是第二路面。
根据本申请实施例的定位导航装置，可根据车辆的实时位置判断车辆是否即将驶入预设的交通场景，如果车辆即将驶入交通场景，则获取车辆的前方道路图像，并根据前方道路图像生成交通场景的定位辅助信息，并根据定位辅助信息确定车辆当前行驶的目标道路，进而根据预设的目的地和目标道路获取导航信息进行导航提示。由此可见，本申请综合利用图像处理等技术识别出用以辅助定位的信息，进而利用该信息对车辆当前行驶的具体道路进行辅助定位，可以精准地定位出车辆当前行驶在该交通场景中的具体哪条道路上，提高了定位精准性。另外，结合导航电子地图数据信息，可以提高预设交通场景下的导航定位精确，从而提高导航用户体验，在降低交通违章，保障驾车的安全性方面，具有现实意义和价值，同样在AR导航、智能交通等新生领域，也有辅助决策价值。
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9所示，是根据本申请实施例的用以实现定位导航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9所示，该电子设备包括：一个或多个处理器901、存储器902，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9中以一个处理器901为例。
存储器902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定位导航方法。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定位导航方法。
存储器902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定位导航方法对应的程序指令/模块(例如，附图7所示的判断模块710、第一获取模块720、生成模块730、确定模块740和导航提示模块750)。处理器901通过运行存储在存储器902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定位导航方法。
存储器902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用以实现定位导航的电子设备的使用所创建的数据等。此外，存储器902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902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至用以实现定位导航的电子设备。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。
用以实现定位导航方法的电子设备还可以包括：输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接，图9中以通过总线连接为例。
输入装置903可接收输入的数字或字符信息，以及产生与用以实现定位导航的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904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。
根据本申请实施例的技术方案，通过综合利用图像处理等技术识别出用以辅助定位的信息，进而利用该信息对车辆当前行驶的具体道路进行辅助定位，可以精准地定位出车辆当前行驶在该交通场景中的具体哪条道路上，提高了定位精准性。另外，结合导航电子地图数据信息，可以提高预设交通场景下的导航定位精确，从而提高导航用户体验，在降低交通违章，保障驾车的安全性方面，具有现实意义和价值，同样在AR导航、智能交通等新生领域，也有辅助决策价值。
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 (12)
1.一种定位导航方法，包括：
根据车辆的实时位置判断所述车辆是否即将驶入预设的交通场景；
如果所述车辆即将驶入所述交通场景，则获取所述车辆的前方道路图像；
根据所述前方道路图像生成所述交通场景的定位辅助信息；
根据所述定位辅助信息确定所述车辆当前行驶的目标道路；
根据预设的目的地和所述目标道路获取导航信息进行导航提示。
2.如权利要求1所述的定位导航方法，其中，所述根据所述前方道路图像生成所述交通场景的定位辅助信息，包括：
基于预训练的深度神经网络模型，对所述前方道路图像进行语义分割，以得到交通要素信息；
从所述交通要素信息中提取出针对所述交通场景的定位辅助信息。
3.如权利要求1所述的定位导航方法，其中，所述交通场景包括：通过隔离装置左右设置的第一路面和第二路面，所述第一路面和所述第二路面为同向行驶路面，所述定位辅助信息包括车辆映射路面和路面区域面；
所述根据所述定位辅助信息确定所述车辆当前行驶的目标道路，包括：
根据所述车辆映射路面和所述路面区域面，判断所述车辆的右侧是否存在路面；
如果所述车辆的右侧存在路面，则确定所述车辆当前行驶的目标道路为所述交通场景之中的第一路面；
如果所述车辆的右侧不存在路面，则判断车辆的左侧是否存在路面；
如果所述车辆的左侧存在路面，则确定所述车辆当前行驶的目标道路为所述交通场景之中的第二路面。
4.如权利要求3所述的定位导航方法，其中，所述定位辅助信息还包括车道数，所述方法还包括：
如果所述车辆的左侧不存在路面，则获取所述交通场景的导航数据；
根据所述定位辅助信息之中的车道数与所述导航数据之中的车道数，识别所述车辆当前行驶的目标道路为所述交通场景之中的第一路面还是第二路面。
5.如权利要求1所述的定位导航方法，其中，所述交通场景包括：通过桥体装置上下设置的第一路面和第二路面，所述第一路面和所述第二路面为上下同向行驶路面；所述定位辅助信息包括有无桥体信息；
所述根据所述定位辅助信息确定所述车辆当前行驶的目标道路，包括：
如果所述定位辅助信息为有桥体信息，则确定所述车辆当前行驶的目标道路为所述交通场景之中的第一路面；
如果所述定位辅助信息为无桥体信息，则确定所述车辆当前行驶的目标道路为所述交通场景之中的第二路面。
6.一种定位导航装置，包括：
判断模块，用于根据车辆的实时位置判断所述车辆是否即将驶入预设的交通场景；
第一获取模块，用于在所述车辆即将驶入所述交通场景时，获取所述车辆的前方道路图像；
生成模块，用于根据所述前方道路图像生成所述交通场景的定位辅助信息；
确定模块，用于根据所述定位辅助信息确定所述车辆当前行驶的目标道路；
导航提示模块，用于根据预设的目的地和所述目标道路获取导航信息进行导航提示。
7.如权利要求6所述的定位导航装置，其中，所述生成模块具体用于：
基于预训练的深度神经网络模型，对所述前方道路图像进行语义分割，以得到交通要素信息；
从所述交通要素信息中提取出针对所述交通场景的定位辅助信息。
8.如权利要求6所述的定位导航装置，其中，所述交通场景包括：通过隔离装置左右设置的第一路面和第二路面，所述第一路面和所述第二路面为同向行驶路面，所述定位辅助信息包括车辆映射路面和路面区域面；
所述确定模块具体用于：
根据所述车辆映射路面和所述路面区域面，判断所述车辆的右侧是否存在路面；
如果所述车辆的右侧存在路面，则确定所述车辆当前行驶的目标道路为所述交通场景之中的第一路面；
如果所述车辆的右侧不存在路面，则判断车辆的左侧是否存在路面；
如果所述车辆的左侧存在路面，则确定所述车辆当前行驶的目标道路为所述交通场景之中的第二路面。
9.如权利要求8所述的定位导航装置，其中，所述定位辅助信息还包括车道数，所述装置还包括：
第二获取模块，用于在所述车辆的左侧不存在路面时，获取所述交通场景的导航数据；
识别模块，用于根据所述定位辅助信息之中的车道数与所述导航数据之中的车道数，识别所述车辆当前行驶的目标道路为所述交通场景之中的第一路面还是第二路面。
10.如权利要求6所述的定位导航装置，其中，所述交通场景包括：通过桥体装置上下设置的第一路面和第二路面，所述第一路面和所述第二路面为上下同向行驶路面；所述定位辅助信息包括有无桥体信息；
所述确定模块具体用于：
如果所述定位辅助信息为有桥体信息，则确定所述车辆当前行驶的目标道路为所述交通场景之中的第一路面；
如果所述定位辅助信息为无桥体信息，则确定所述车辆当前行驶的目标道路为所述交通场景之中的第二路面。
11.一种电子设备，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权利要求1至5中任一项所述的定位导航方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1至5中任一项所述的定位导航方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010610307.9A CN111967301A (zh) | 2020-06-30 | 2020-06-30 | 定位导航方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010610307.9A CN111967301A (zh) | 2020-06-30 | 2020-06-30 | 定位导航方法、装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111967301A true CN111967301A (zh) | 2020-11-20 |
Family
ID=73361008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010610307.9A Pending CN111967301A (zh) | 2020-06-30 | 2020-06-30 | 定位导航方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111967301A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112683293A (zh) * | 2020-12-15 | 2021-04-20 | 东风汽车有限公司 | 一种车载导航方法、电子设备及存储介质 |
| CN112833897A (zh) * | 2020-12-24 | 2021-05-25 | 浙江合众新能源汽车有限公司 | 基于车路协同与高精度定位融合的车辆定位方法与装置 |
| CN113008260A (zh) * | 2021-03-26 | 2021-06-22 | 上海商汤临港智能科技有限公司 | 一种导航信息处理方法、装置、电子设备及存储介质 |
| CN113237487A (zh) * | 2021-04-09 | 2021-08-10 | 烟台杰瑞石油服务集团股份有限公司 | 视觉辅助导航方法及装置 |
| CN113237490A (zh) * | 2021-02-08 | 2021-08-10 | 上海博泰悦臻网络技术服务有限公司 | Ar导航方法、系统、电子设备和存储介质 |
| CN113253324A (zh) * | 2021-02-25 | 2021-08-13 | 安徽乐道信息科技有限公司 | 一种高速公路目标场景定位方法、导航方法及系统 |
| CN113901341A (zh) * | 2021-09-30 | 2022-01-07 | 北京百度网讯科技有限公司 | 导航信息提示方法、装置、介质及程序产品 |
| CN113984074A (zh) * | 2021-10-18 | 2022-01-28 | 北京中交兴路信息科技有限公司 | 目标车辆导航路线偏航的识别方法、装置、设备和介质 |
| CN114092911A (zh) * | 2021-11-23 | 2022-02-25 | 北京百度网讯科技有限公司 | 一种道路识别方法、装置、电子设备以及存储介质 |
| CN114646320A (zh) * | 2022-02-09 | 2022-06-21 | 江苏泽景汽车电子股份有限公司 | 一种路径引导方法、装置、电子设备及可读存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090276153A1 (en) * | 2008-05-01 | 2009-11-05 | Chun-Huang Lee | Navigating method and navigation apparatus using road image identification |
| CN102735256A (zh) * | 2012-06-26 | 2012-10-17 | 上海安悦四维信息技术有限公司 | 一种识别主辅路的车载导航装置及导航方法 |
| CN104990558A (zh) * | 2015-06-19 | 2015-10-21 | 上海卓易科技股份有限公司 | 车辆导航方法及系统 |
| CN107560622A (zh) * | 2016-07-01 | 2018-01-09 | 板牙信息科技（上海）有限公司 | 一种基于行车图像导航的方法与设备 |
| WO2018117538A1 (ko) * | 2016-12-23 | 2018-06-28 | 삼성전자 주식회사 | 차선 정보를 추정하는 방법 및 전자 장치 |
| CN109883438A (zh) * | 2019-03-21 | 2019-06-14 | 斑马网络技术有限公司 | 车辆导航方法、装置、介质及电子设备 |
| CN110763246A (zh) * | 2019-08-06 | 2020-02-07 | 中国第一汽车股份有限公司 | 自动驾驶车辆路径规划方法、装置、车辆及存储介质 |
| CN110920604A (zh) * | 2018-09-18 | 2020-03-27 | 阿里巴巴集团控股有限公司 | 辅助驾驶方法、辅助驾驶系统、计算设备及存储介质 |
-
2020
- 2020-06-30 CN CN202010610307.9A patent/CN111967301A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090276153A1 (en) * | 2008-05-01 | 2009-11-05 | Chun-Huang Lee | Navigating method and navigation apparatus using road image identification |
| CN102735256A (zh) * | 2012-06-26 | 2012-10-17 | 上海安悦四维信息技术有限公司 | 一种识别主辅路的车载导航装置及导航方法 |
| CN104990558A (zh) * | 2015-06-19 | 2015-10-21 | 上海卓易科技股份有限公司 | 车辆导航方法及系统 |
| CN107560622A (zh) * | 2016-07-01 | 2018-01-09 | 板牙信息科技（上海）有限公司 | 一种基于行车图像导航的方法与设备 |
| WO2018117538A1 (ko) * | 2016-12-23 | 2018-06-28 | 삼성전자 주식회사 | 차선 정보를 추정하는 방법 및 전자 장치 |
| CN110920604A (zh) * | 2018-09-18 | 2020-03-27 | 阿里巴巴集团控股有限公司 | 辅助驾驶方法、辅助驾驶系统、计算设备及存储介质 |
| CN109883438A (zh) * | 2019-03-21 | 2019-06-14 | 斑马网络技术有限公司 | 车辆导航方法、装置、介质及电子设备 |
| CN110763246A (zh) * | 2019-08-06 | 2020-02-07 | 中国第一汽车股份有限公司 | 自动驾驶车辆路径规划方法、装置、车辆及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 刘颖;: "基于GIS技术的GPS车载导航定位方法研究", 科技信息(学术研究), no. 10 * |
| 安吉尧;文桂林;卢远志;欧志芳;陈中;: "用于车辆自主导航的多传感器数据融合方法", 汽车工程, no. 07 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112683293A (zh) * | 2020-12-15 | 2021-04-20 | 东风汽车有限公司 | 一种车载导航方法、电子设备及存储介质 |
| CN112833897A (zh) * | 2020-12-24 | 2021-05-25 | 浙江合众新能源汽车有限公司 | 基于车路协同与高精度定位融合的车辆定位方法与装置 |
| CN113237490A (zh) * | 2021-02-08 | 2021-08-10 | 上海博泰悦臻网络技术服务有限公司 | Ar导航方法、系统、电子设备和存储介质 |
| CN113253324A (zh) * | 2021-02-25 | 2021-08-13 | 安徽乐道信息科技有限公司 | 一种高速公路目标场景定位方法、导航方法及系统 |
| CN113253324B (zh) * | 2021-02-25 | 2024-03-29 | 安徽乐道智能科技有限公司 | 一种高速公路目标场景定位方法、导航方法及系统 |
| CN113008260B (zh) * | 2021-03-26 | 2024-03-22 | 上海商汤临港智能科技有限公司 | 一种导航信息处理方法、装置、电子设备及存储介质 |
| CN113008260A (zh) * | 2021-03-26 | 2021-06-22 | 上海商汤临港智能科技有限公司 | 一种导航信息处理方法、装置、电子设备及存储介质 |
| CN113237487A (zh) * | 2021-04-09 | 2021-08-10 | 烟台杰瑞石油服务集团股份有限公司 | 视觉辅助导航方法及装置 |
| CN113901341A (zh) * | 2021-09-30 | 2022-01-07 | 北京百度网讯科技有限公司 | 导航信息提示方法、装置、介质及程序产品 |
| CN113984074A (zh) * | 2021-10-18 | 2022-01-28 | 北京中交兴路信息科技有限公司 | 目标车辆导航路线偏航的识别方法、装置、设备和介质 |
| CN114092911B (zh) * | 2021-11-23 | 2023-08-01 | 北京百度网讯科技有限公司 | 一种道路识别方法、装置、电子设备以及存储介质 |
| CN114092911A (zh) * | 2021-11-23 | 2022-02-25 | 北京百度网讯科技有限公司 | 一种道路识别方法、装置、电子设备以及存储介质 |
| CN114646320A (zh) * | 2022-02-09 | 2022-06-21 | 江苏泽景汽车电子股份有限公司 | 一种路径引导方法、装置、电子设备及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111967301A (zh) | 定位导航方法、装置、电子设备和存储介质 | |
| CN111595358B (zh) | 导航数据处理方法、路径诱导方法、设备及存储介质 | |
| CN110675644B (zh) | 道路红绿灯的识别方法、装置、电子设备及存储介质 | |
| CN111859778B (zh) | 泊车模型的生成方法和装置、电子设备和存储介质 | |
| CN112572462B (zh) | 自动驾驶的控制方法、装置、电子设备及存储介质 | |
| CN111854771B (zh) | 地图质量的检测处理方法、装置、电子设备和存储介质 | |
| CN111797187A (zh) | 地图数据的更新方法、装置、电子设备和存储介质 | |
| CN111731283B (zh) | 自动驾驶车辆碰撞风险识别方法、装置以及电子设备 | |
| JP7258938B2 (ja) | 交差点仮想レーンをマークする方法、交差点仮想レーンをマークする装置、電子機器、コンピュータ可読記憶媒体及びコンピュータプログラム | |
| CN111397611B (zh) | 路径规划方法、装置以及电子设备 | |
| CN112415552A (zh) | 车辆位置的确定方法、装置及电子设备 | |
| CN111694973A (zh) | 自动驾驶场景的模型训练方法、装置、电子设备 | |
| CN111623795A (zh) | 实景导航图标显示方法、装置、设备和介质 | |
| CN110595459B (zh) | 车辆定位方法、装置、设备和介质 | |
| CN112258873B (zh) | 用于控制车辆的方法、装置、电子设备及存储介质 | |
| CN113091757B (zh) | 地图生成方法和装置 | |
| CN113819910A (zh) | 车辆导航中高架桥区识别方法及其装置 | |
| CN111693059A (zh) | 环岛的导航方法、装置、设备及存储介质 | |
| CN113844463A (zh) | 基于自动驾驶系统的车辆控制方法、装置及车辆 | |
| CN111652112A (zh) | 一种车道流向的识别方法、装置、电子设备及存储介质 | |
| CN114413920A (zh) | 车道数据处理方法、导航方法及装置 | |
| CN113673281A (zh) | 限速信息确定方法、装置、设备以及存储介质 | |
| CN111540010A (zh) | 一种道路监测的方法、装置、电子设备及存储介质 | |
| CN110866504A (zh) | 标注数据的获取方法、装置和设备 | |
| CN113283272A (zh) | 道路拥堵的实时影像信息提示方法、装置和电子设备 |
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 |