CN112257725A - 一种路缘石提取的置信度评估方法及系统 - Google Patents

一种路缘石提取的置信度评估方法及系统 Download PDF

Info

Publication number
CN112257725A
CN112257725A CN202011159894.0A CN202011159894A CN112257725A CN 112257725 A CN112257725 A CN 112257725A CN 202011159894 A CN202011159894 A CN 202011159894A CN 112257725 A CN112257725 A CN 112257725A
Authority
CN
China
Prior art keywords
kerbstone
curb
confidence
area
sampling
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011159894.0A
Other languages
English (en)
Other versions
CN112257725B (zh
Inventor
侯国强
惠念
熊迹
刘奋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heading Data Intelligence Co Ltd
Original Assignee
Heading Data Intelligence Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Heading Data Intelligence Co Ltd filed Critical Heading Data Intelligence Co Ltd
Priority to CN202011159894.0A priority Critical patent/CN112257725B/zh
Publication of CN112257725A publication Critical patent/CN112257725A/zh
Application granted granted Critical
Publication of CN112257725B publication Critical patent/CN112257725B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/20Drawing from basic elements, e.g. lines or circles
    • G06T11/206Drawing of charts or graphs
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供了一种路缘石提取的置信度评估方法及系统,首先对提取的路缘石数据中的路缘石轮廓进行离散化,然后对离散化后的路缘石轮廓进行抽样;最后对抽样点进行处理,评估路缘石轮廓抽样点的置信度。用置信度来评估提取的路缘石数据是否符合高精地图制作标准。与现有技术采用人工测量的质检方法,耗费人力且质检效率低相比,本发明减少了高精度地图中路缘石提取后质检的时间,提高了高精地图的制作效率。

Description

一种路缘石提取的置信度评估方法及系统
技术领域
本发明涉及自动驾驶高精度地图制作领域,尤其涉及一种路缘石提取的置信度评估方法及系统。
背景技术
路缘石是设在路面与其他构造物之间的标石。在城市道路的分隔带与路面之间、人行道与路面之间一般都需设路缘石,在公路的中央分隔带边缘、行车道右侧边缘或路肩外侧边缘常需设路缘石。
在高精度地图制作领域,路缘石是制作高精度地图的要素之一,针对高精地图中路缘石等要素的质检,首先需要将路缘石等要素提取出来,然后人工对提取的路缘石的质量进行检测,在人工检测过程中需要对提取的路缘石进行测量才能确定是否符合制作标准,这个过程花费大量的时间,而且还存在误检的问题,这就大大的影响了高精度地图制作的效率。
因此,现在亟需一种路缘石提取的置信度评估方法及系统来解决这一问题。
发明内容
本发明提供一种路缘石提取的置信度评估方法及系统,用以解决目前高精度地图数据中的路缘石数据采用人工测量方法进行质检,耗费人力且质检效率低的问题。
第一方面,本发明实施例提供一种路缘石提取的置信度评估方法,包括:
步骤1,对提取的路缘石数据中的路缘石轮廓进行离散化;
步骤2,对离散化后的路缘石轮廓进行抽样;
步骤3,对抽样点进行处理,评估路缘石轮廓抽样点的置信度。
进一步,在步骤1之前,所述方法还包括:
从高精地图数据中提取路缘石数据。
进一步,在从高精地图数据中提取路缘石数据之后,还包括:
若提取的路缘石数据为激光点云数据,则将所述激光点云数据投影为二维图像数据,获得路缘石的二维投影图。
进一步,所述路缘石的二维投影图包括两种类型;其中,第一种类型是路缘石上下边沿在在同一条竖线上,第二种类型是路缘石上下边沿并不在一条竖线上,上下边沿之间存在坡度。
进一步,所述步骤3具体包括:
根据路缘石的二维投影图中路缘石区域的灰度特征,对抽样点进行处理,判断路缘石轮廓抽样点的置信度。
进一步,所述根据路缘石的二维投影图中路缘石区域的灰度特征,对抽样点进行处理,判断路缘石轮廓抽样点的置信度,具体包括:
对于第一种类型的路缘石二维投影图,以抽样点为中心获取设定行*列的矩形区域,记为S区域,获取S区域每个像素的灰度值以及S区域的最大灰度值;统计S区域的每一列中与S区域最大灰度值相近且像素灰度值不小于预设灰度阈值的目标像素个数,若S区域的每一列中目标像素个数不小于一列像素个数的一半,则认为抽样点所在的路缘石二维投影图为第一种类型,所述抽样点的置信度为可信状态;
进一步,所述根据路缘石的二维投影图中路缘石区域的灰度特征,对抽样点进行处理,判断路缘石轮廓抽样点的置信度,具体包括:
对于第二种类型的路缘石二维投影图,若路缘石为道路右侧路缘石,则路缘石边沿轮廓在左下方的斜线和右侧水平线交接拐点处;
以抽样点为中心,在抽样点左右各取一个设定行*列的矩形区域分别记为A区域和B区域,并计算A、B两个区域的灰度值之和,若抽样点位于道路右侧路缘石边沿上,A区域灰度值之和大于B区域灰度值之和,且提取出的路缘石边沿在距离所述拐点处的预设距离阈值内,则判定路缘石轮廓抽样点的置信度为可信状态,所述抽样点满足高精地图制作要求。
第二方面,本发明实施例还提供一种路缘石提取的置信度评估系统,包括:
离散化模块,用于对提取的路缘石数据中的路缘石轮廓进行离散化;
抽样模块,用于对离散化后的路缘石轮廓进行抽样;
置信度评估模块,用于对抽样点进行处理,评估路缘石轮廓抽样点的置信度。
进一步,路缘石提取的置信度评估系统还包括:
路缘石数据提取模块,用于从高精地图数据中提取路缘石数据。
第三方面,本发明实施例提供了一种电子设备,包括处理器、存储器、通信接口和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行上述路缘石提取的置信度评估方法。
第四方面,本发明实施例提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述路缘石提取的置信度评估方法。
本发明实施例提出的路缘石提取的置信度评估方法及系统,首先对提取的路缘石数据中的路缘石轮廓进行离散化,然后对离散化后的路缘石轮廓进行抽样;最后对抽样点进行处理,评估路缘石轮廓抽样点的置信度。用置信度来评估提取的路缘石数据是否符合高精地图制作标准。与现有技术采用人工测量的质检方法,耗费人力且质检效率低相比,本发明减少了高精度地图中路缘石提取后质检的时间,提高了高精地图的制作效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种路缘石提取的置信度评估方法流程示意图;
图2为本发明实施例提供的第一种类型的路缘石二维投影图;
图3为本发明实施例提供的第二种类型的路缘石二维投影图;
图4为本发明实施例提供的路缘石提取的置信度评估系统的结构框图;
图5为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
路缘石是制作高精度地图的要素之一,目前,针对高精地图制作过程中路缘石数据的质检,需要对提取的路缘石的质量进行人工检测。在人工检测过程中需要对提取的路缘石进行测量才能确定是否符合制作标准,这个过程花费大量的时间,而且还存在误检的问题,这就大大的影响了高精度地图制作的效率。
因此,本发明实施例提出一种路缘石提取的置信度评估方法,首先对提取的路缘石数据中的路缘石轮廓进行离散化,然后对离散化后的路缘石轮廓进行抽样;最后对抽样点进行处理,评估路缘石轮廓抽样点的置信度。用置信度来评估提取的路缘石数据是否符合高精地图制作标准。本发明减少了高精度地图中路缘石提取后质检的时间,提高了高精地图的制作效率。解决了现有的路缘石数据质检方法采用人工测量进行质检,耗费人力且质检效率低的缺陷。以下将结合附图通过多个实施例进行展开说明和介绍。
如图1所示,为减少高精度地图制作过程中路缘石提取人工质检的时间,发明实施例提供了一种路缘石提取的置信度评估方法。首先对本发明实施例提供的方法的整体原理进行简要说明,该方法包括以下步骤:
步骤1,对提取的路缘石数据中的路缘石轮廓进行离散化。
具体地,在执行步骤1之前,首先,从高精地图数据中提取路缘石数据。高精度地图所用的数据一般为激光点云数据,若提取的路缘石数据为激光点云数据,则将所述激光点云数据投影为二维图像数据,获得路缘石的二维投影图。若提取的路缘石数据为二维图像数据则不需要投影。图2为本发明实施例提供的路缘石的二维投影图示意图。
在对路缘石的提取中,本实施例提取的是路缘石的上边沿,由路缘石的上下边沿是否在一条竖线上可将路缘石的二维投影图分为两种类型,图2为本发明实施例提供的第一种类型的路缘石二维投影图,图3为本发明实施例提供的第二种类型的路缘石二维投影图。参照图2和图3,第一种类型是路缘石上下边沿在在同一条竖线上,第二种类型是路缘石上下边沿并不在一条竖线上,上下边沿之间存在坡度。
在从高精地图数据中提取路缘石数据后,执行步骤1,将提取的路缘石轮廓离散化:将路缘石轮廓离散化,为下一步处理做准备。
步骤2,对离散化后的路缘石轮廓进行抽样。
本实施例中,对每一段离散化后的路缘石轮廓进行抽样,获得若干抽样点。在路缘石轮廓的一条边上,相邻像素之间基本没有差别,因此,本发明对离散化后的路缘石轮廓进行抽样,以减少计算量。
步骤3,对抽样点进行处理,评估路缘石轮廓抽样点的置信度。
具体地,本发明根据路缘石的二维投影图中路缘石区域的灰度特征,对抽样点进行处理,判断路缘石轮廓抽样点的置信度。其中,置信度包括可信状态和不可信状态,路缘石提取的置信度表示对路缘石提取识别准确的可信度。由于路缘石的二维投影图中,路缘石区域灰度值要大于其周围背景区域的灰度值,因此,本发明根据抽样点对应路缘石区域的灰度值,判断路缘石轮廓抽样点的置信度是否可信,通过置信度可以评估提取的路缘石数据是否符合高精地图制作标准。
本发明实施例提供的路缘石提取的置信度评估方法,首先对提取的路缘石数据中的路缘石轮廓进行离散化,然后对离散化后的路缘石轮廓进行抽样;最后对抽样点进行处理,评估路缘石轮廓抽样点的置信度。用各抽样点置信度来评估提取的路缘石数据是否符合高精地图制作标准。本发明减少了高精度地图中路缘石提取后质检的时间,提高了高精地图的制作效率。
在上述实施例的基础上,由于投影后图像中路缘石区域的灰度值要大于其周围背景区域的灰度值,因此可以根据灰度值来判断该点是否符合高精度地图制作标准,以制作标准5cm(即提取的路缘石上边缘与真实路缘石上边沿差距小于5cm,1个像素为1cm)为例进行说明。在上述实施例的基础上,所述根据路缘石的二维投影图中路缘石区域的灰度特征,对抽样点进行处理,判断路缘石轮廓抽样点的置信度,具体包括:
对于第一种类型的路缘石二维投影图,首先,以抽样点为中心获取设定行*列的矩形区域,记为S区域;示例性的,S区域的大小为19*9。本发明实施例对此不做具体限定。然后,获取S区域每个像素的灰度值以及S区域的最大灰度值。接着,统计S区域的每一列中与S区域最大灰度值相近且像素灰度值不小于预设灰度阈值的目标像素个数,若S区域的每一列中目标像素个数不小于一列像素个数的一半,则认为抽样点所在的路缘石二维投影图为第一种类型,所述抽样点的置信度为可信状态,抽样点满足高精地图制作标准。
在一个实施例中,进一步地,参照图1和图3,根据路缘石的二维投影图中路缘石区域的灰度特征,对抽样点进行处理,还包括:
对于第二种类型的路缘石二维投影图,若路缘石为道路右侧路缘石,则路缘石边沿轮廓在左下方的斜线和右侧水平线交接拐点处,图3中的路缘石为道路右侧路缘石。道路左侧路缘石与图3所示的道路右侧路缘石左右对称。若路缘石为道路左侧路缘石,则道路左侧路缘石边沿轮廓则是在左侧的水平线与右下方斜线交接的拐点处。本实施例中,且提取出的路缘石边沿在距离所述拐点处的预设距离阈值内,则路缘石轮廓满足高精地图制作要求。
首先,以抽样点为中心,在抽样点左右各取一个设定行*列的矩形区域分别记为A区域和B区域,并计算A、B两个区域的灰度值之和。示例性的,A区域和B区域的大小为19*9。若抽样点位于道路右侧路缘石边沿上,A区域灰度值之和大于B区域灰度值之和,且提取出的路缘石边沿在距离所述拐点处的预设距离阈值内,则判定路缘石轮廓抽样点的置信度为可信状态,所述抽样点满足高精地图制作要求。本实施例中高精度地图制作标准5cm(即提取的路缘石上边缘与真实路缘石上边沿差距小于5cm),因此,预设距离阈值取5cm。
本发明实施例提供的路缘石提取的置信度评估方法,根据路缘石的二维投影图中路缘石区域的灰度特征,对抽样点进行处理,来评估提取的路缘石数据是否符合高精地图制作标准。本发明减少了高精度地图中路缘石提取后质检的时间,提高了高精地图的制作效率。
在一个实施例中,图4为本发明实施例提供的路缘石提取的置信度评估系统的结构框图,参照图4,该系统包括:
离散化模块401,用于对提取的路缘石数据中的路缘石轮廓进行离散化;
抽样模块402,用于对离散化后的路缘石轮廓进行抽样;
置信度评估模块403,用于对抽样点进行处理,评估路缘石轮廓抽样点的置信度。
具体的如何利用离散化模块401、抽样模块402和置信度评估模块403进行路缘石提取的置信度评估,可以参照上述方法实施例,本发明实施例在此不再赘述。
本发明实施例提供的路缘石提取的置信度评估系统,首先对提取的路缘石数据中的路缘石轮廓进行离散化,然后对离散化后的路缘石轮廓进行抽样;最后对抽样点进行处理,评估路缘石轮廓抽样点的置信度。用各抽样点置信度来评估提取的路缘石数据是否符合高精地图制作标准。本发明减少了高精度地图中路缘石提取后质检的时间,提高了高精地图的制作效率。
在一个实施例中,基于相同的构思,本发明实施例提供了本发明实施例提供了一种电子设备,如图5所示,该电子设备可以包括:处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503中的逻辑指令,以执行上述各实施例提供的路缘石提取的置信度评估方法的步骤,例如包括:步骤1,对提取的路缘石数据中的路缘石轮廓进行离散化;步骤2,对离散化后的路缘石轮廓进行抽样;步骤3,对抽样点进行处理,评估路缘石轮廓抽样点的置信度。
在一个实施例中,基于相同的构思,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路缘石提取的置信度评估方法的步骤,例如包括:步骤1,对提取的路缘石数据中的路缘石轮廓进行离散化;步骤2,对离散化后的路缘石轮廓进行抽样;步骤3,对抽样点进行处理,评估路缘石轮廓抽样点的置信度。
本发明的各实施方式可以任意进行组合,以实现不同的技术效果。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。并且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
以上所描述的系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种路缘石提取的置信度评估方法,其特征在于,包括:
步骤1,对提取的路缘石数据中的路缘石轮廓进行离散化;
步骤2,对离散化后的路缘石轮廓进行抽样;
步骤3,对抽样点进行处理,评估路缘石轮廓抽样点的置信度。
2.根据权利要求1所述的路缘石提取的置信度评估方法,其特征在于,在步骤1之前,所述方法还包括:
从高精地图数据中提取路缘石数据。
3.根据权利要求2所述的路缘石提取的置信度评估方法,其特征在于,在从高精地图数据中提取路缘石数据之后,还包括:
若提取的路缘石数据为激光点云数据,则将所述激光点云数据投影为二维图像数据,获得路缘石的二维投影图。
4.根据权利要求3所述的路缘石提取的置信度评估方法,其特征在于,所述路缘石的二维投影图包括两种类型;其中,第一种类型是路缘石上下边沿在在同一条竖线上,第二种类型是路缘石上下边沿并不在一条竖线上,上下边沿之间存在坡度。
5.根据权利要求4所述的路缘石提取的置信度评估方法,其特征在于,所述步骤3具体包括:
根据路缘石的二维投影图中路缘石区域的灰度特征,对抽样点进行处理,判断路缘石轮廓抽样点的置信度。
6.根据权利要求5所述的路缘石提取的置信度评估方法,其特征在于,所述根据路缘石的二维投影图中路缘石区域的灰度特征,对抽样点进行处理,判断路缘石轮廓抽样点的置信度,具体包括:
对于第一种类型的路缘石二维投影图,以抽样点为中心获取设定行*列的矩形区域,记为S区域,获取S区域每个像素的灰度值以及S区域的最大灰度值;统计S区域的每一列中与S区域最大灰度值相近且像素灰度值不小于预设灰度阈值的目标像素个数,若S区域的每一列中目标像素个数不小于一列像素个数的一半,则认为抽样点所在的路缘石二维投影图为第一种类型,所述抽样点的置信度为可信状态。
7.根据权利要求5所述的路缘石提取的置信度评估方法,其特征在于,所述根据路缘石的二维投影图中路缘石区域的灰度特征,对抽样点进行处理,判断路缘石轮廓抽样点的置信度,具体包括:
对于第二种类型的路缘石二维投影图,若路缘石为道路右侧路缘石,则路缘石边沿轮廓在左下方的斜线和右侧水平线交接拐点处;
以抽样点为中心,在抽样点左右各取一个设定行*列的矩形区域分别记为A区域和B区域,并计算A、B两个区域的灰度值之和,若抽样点位于道路右侧路缘石边沿上,A区域灰度值之和大于B区域灰度值之和,且提取出的路缘石边沿在距离所述拐点处的预设距离阈值内,则判定路缘石轮廓抽样点的置信度为可信状态,所述抽样点满足高精地图制作要求。
8.一种路缘石提取的置信度评估系统,其特征在于,包括:
离散化模块,用于对提取的路缘石数据中的路缘石轮廓进行离散化;
抽样模块,用于对离散化后的路缘石轮廓进行抽样;
置信度评估模块,用于对抽样点进行处理,评估路缘石轮廓抽样点的置信度。
9.一种电子设备,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7任一项所述路缘石提取的置信度评估方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述路缘石提取的置信度评估方法的步骤。
CN202011159894.0A 2020-10-26 2020-10-26 一种路缘石提取的置信度评估方法及系统 Active CN112257725B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011159894.0A CN112257725B (zh) 2020-10-26 2020-10-26 一种路缘石提取的置信度评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011159894.0A CN112257725B (zh) 2020-10-26 2020-10-26 一种路缘石提取的置信度评估方法及系统

Publications (2)

Publication Number Publication Date
CN112257725A true CN112257725A (zh) 2021-01-22
CN112257725B CN112257725B (zh) 2022-06-07

Family

ID=74262687

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011159894.0A Active CN112257725B (zh) 2020-10-26 2020-10-26 一种路缘石提取的置信度评估方法及系统

Country Status (1)

Country Link
CN (1) CN112257725B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107742091A (zh) * 2016-08-22 2018-02-27 腾讯科技(深圳)有限公司 一种路肩提取的方法及装置
CN110956100A (zh) * 2019-11-15 2020-04-03 北京三快在线科技有限公司 一种高精度地图生成方法、装置、电子设备和存储介质
CN111192311A (zh) * 2019-12-31 2020-05-22 武汉中海庭数据技术有限公司 一种高精度地图制作中纵向减速标线自动提取方法和装置
CN111221808A (zh) * 2019-12-31 2020-06-02 武汉中海庭数据技术有限公司 一种无人值守的高精度地图质检方法和装置
CN111695486A (zh) * 2020-06-08 2020-09-22 武汉中海庭数据技术有限公司 一种基于点云的高精度方向标志牌目标提取方法
CN111709322A (zh) * 2020-05-28 2020-09-25 武汉中海庭数据技术有限公司 一种计算车道线置信度的方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107742091A (zh) * 2016-08-22 2018-02-27 腾讯科技(深圳)有限公司 一种路肩提取的方法及装置
CN110956100A (zh) * 2019-11-15 2020-04-03 北京三快在线科技有限公司 一种高精度地图生成方法、装置、电子设备和存储介质
CN111192311A (zh) * 2019-12-31 2020-05-22 武汉中海庭数据技术有限公司 一种高精度地图制作中纵向减速标线自动提取方法和装置
CN111221808A (zh) * 2019-12-31 2020-06-02 武汉中海庭数据技术有限公司 一种无人值守的高精度地图质检方法和装置
CN111709322A (zh) * 2020-05-28 2020-09-25 武汉中海庭数据技术有限公司 一种计算车道线置信度的方法及装置
CN111695486A (zh) * 2020-06-08 2020-09-22 武汉中海庭数据技术有限公司 一种基于点云的高精度方向标志牌目标提取方法

Also Published As

Publication number Publication date
CN112257725B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
Kumar et al. Automated road markings extraction from mobile laser scanning data
CN110084116B (zh) 路面检测方法、装置、计算机设备和存储介质
CN109284674B (zh) 一种确定车道线的方法及装置
Ryu et al. Image-based pothole detection system for ITS service and road management system
CN108898047B (zh) 基于分块遮挡感知的行人检测方法及系统
CN113252700B (zh) 一种结构裂缝检测方法、设备及系统
CN109785637B (zh) 车辆违规的分析评价方法及装置
CN115424232A (zh) 一种路面坑槽的识别和评价方法、电子设备及存储介质
WO2019126972A1 (zh) 基于InSAR的形变信息提取方法、终端及存储介质
CN110705759B (zh) 水位预警监控方法、装置、存储介质及电子设备
CN112307989B (zh) 路面物体识别方法、装置、计算机设备和存储介质
Tsai et al. Horizontal roadway curvature computation algorithm using vision technology
CN110135216B (zh) 电子地图中车道数变化区域检测方法、装置及存储设备
CN112183301A (zh) 一种建筑物楼层智能识别方法及装置
CN114882316A (zh) 目标检测模型训练方法、目标检测方法及装置
Bosurgi et al. An automatic pothole detection algorithm using pavement 3D data
Ji et al. Image‐based road crack risk‐informed assessment using a convolutional neural network and an unmanned aerial vehicle
CN117037103A (zh) 一种道路检测方法和装置
CN112017213B (zh) 一种目标对象的位置更新方法及系统
CN112257725B (zh) 一种路缘石提取的置信度评估方法及系统
CN114445498A (zh) 深度相机标定方法、系统、设备及介质
CN112257724B (zh) 一种道路外侧线置信度评估方法及系统
CN115834838A (zh) 一种隧道内的监控方法、设备和介质
Wang et al. GPS trajectory-based segmentation and multi-filter-based extraction of expressway curbs and markings from mobile laser scanning data
CN112257723B (zh) 一种护栏提取的置信度评估方法及系统

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