CN112419404A - 一种地图资料的获取方法和装置 - Google Patents
一种地图资料的获取方法和装置 Download PDFInfo
- Publication number
- CN112419404A CN112419404A CN201910773252.0A CN201910773252A CN112419404A CN 112419404 A CN112419404 A CN 112419404A CN 201910773252 A CN201910773252 A CN 201910773252A CN 112419404 A CN112419404 A CN 112419404A
- Authority
- CN
- China
- Prior art keywords
- map
- road surface
- coordinate system
- map data
- camera
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005070 sampling Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 2
- 239000000463 material Substances 0.000 claims 2
- 238000012795 verification Methods 0.000 abstract description 14
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种地图资料的获取方法和装置,该方法包括:对摄像头采集的图像数据进行语义识别,得到语义特征点,并利用所述语义特征点构建地图;根据所述地图中车道线的位置,确定由所述车道线构成的路面在世界坐标系中的第一位置;将所述第一位置转换为基于相机坐标系的第二位置,并将所述图像数据中与所述第二位置对应的像素值赋值给所述第二位置对应的路面,得到地图资料。通过采用上述技术方案,可在地图质量审核环节,提升地图质量的校验精度。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种地图资料的获取方法和装置。
背景技术
高精度地图的质量校验环节需要人工从图像上验证和确认。现有技术中,一般使用遥感图像或者传统地图来进行参考,例如必应航空影像,公开地图(OpenStreetMap,OSM)等。但这样的底图资料精度比较有限,并且由于各类条件的限制很难做到实时更新。因此,在进行地图的质量校验环节,容易影响地图的校验精度。另一方面,也有使用激光雷达获取真实世界点云后,进行图像反投影的方案,但是激光雷达的成本十分高昂。
发明内容
本发明实施例公开一种地图资料的获取方法和装置,提升了地图的质量校验精度。
第一方面,本发明实施例公开了一种地图资料的获取方法,该方法包括:
对摄像头采集的图像数据进行语义识别,得到语义特征点,并利用所述语义特征点构建地图;
根据所述地图中车道线的位置,确定由所述车道线构成的路面在世界坐标系中的第一位置;
将所述第一位置转换为基于相机坐标系的第二位置,并将所述图像数据中与所述第二位置对应的像素值赋值给所述第二位置对应的路面,得到地图资料。
可选的,所述方法还包括:
基于所述第二位置,将所述路面投影到图像平面;
相应的,将所述图像数据中与所述第二位置对应的像素值赋值给所述图像平面上对应像素位置的路面,得到地图资料。
可选的,将所述图像数据中与所述第二位置对应的像素值赋值给所述图像平面上对应像素位置的路面,得到地图资料,包括:
每隔设定距离对所述图像平面上的路面进行采样,得到路面点云;
将所述图像数据中与所述第二位置对应的像素值赋值给所述路面点云,得到地图资料。
可选的,将所述第一位置转换为基于相机坐标系的第二位置,包括:
按照如下公式,将所述第一位置转换为基于相机坐标系的第二位置:
可选的,对摄像头采集的图像数据进行语义识别,得到语义特征点,并利用所述语义特征点构建地图,包括:
对摄像头采集的图像数据进行语义识别,得到车道线语义特征点;
基于及时定位和地图构建SLAM算法,对车道线语义特征点进行重建,构建包含有车道线位置的地图。
第二方面,本发明实施例还提供了一种地图资料的获取装置,该装置包括:
地图构建模块,被配置为对摄像头采集的图像数据进行语义识别,得到语义特征点,并利用所述语义特征点构建地图;
第一位置确定模块,被配置为根据所述地图中车道线的位置,确定由所述车道线构成的路面在世界坐标系中的第一位置;
地图资料获取模块,被配置为将所述第一位置转换为基于相机坐标系的第二位置,并将所述图像数据中与所述第二位置对应的像素值赋值给所述第二位置对应的路面,得到地图资料。
可选的,所述装置还包括:
投影模块,被配置为基于所述第二位置将所述路面投影到图像平面;
相应的,所述地图资料获取模块,具体被配置为:
将所述图像数据中与所述第二位置对应的像素值赋值给所述图像平面上对应像素位置的路面,得到地图资料。
可选的,所述地图资料获取模块,具体被配置为:
将所述第一位置转换为基于相机坐标系的第二位置;
每隔设定距离对所述图像平面上的路面进行采样,得到路面点云;
将所述图像数据中与所述第二位置对应的像素值赋值给所述路面点云,得到地图资料。
可选的,所述地图资料获取模块,具体被配置为:
按照如下公式,将所述第一位置转换为基于相机坐标系的第二位置,并将所述图像数据中与所述第二位置对应的像素值赋值给所述第二位置对应的路面,得到地图资料:
可选的,所述地图构建模块,具体被配置为:
对摄像头采集的图像数据进行语义识别,得到车道线语义特征点;
基于及时定位和地图构建SLAM算法,对车道线语义特征点进行重建,构建包含有车道线位置的地图。
第三方面,本发明实施例还提供了一种车载终端,包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明任意实施例所提供的地图资料的获取方法的部分或全部步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其存储计算机程序,所述计算机程序包括用于执行本发明任意实施例所提供的地图资料的获取方法的部分或全部步骤的指令。
第五方面,本发明实施例还提供了一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行本发明任意实施例所提供的地图资料的获取方法的部分或全部步骤。
本发明实施例提供的技术方案中,由于地图资料是通过采集车的摄像头进行采集的,时效性强,可解决现有技术中用于审核地图的地图影像难以实时更新的问题。此外,由于该地图资料被赋予了RGB像素值,因此,在人工审核环节,利用该地图资料中对应位置的RGB像素值可精准地发现已构建的地图中一些缺失的车道线,从而实现了高质量的地图校验,同时也避免了使用激光雷达所造成的成本高的问题。
本发明的发明点包括:
1、在已构建地图中,通过将车道线构成的路面在世界坐标系中的第一位置转换为基于相机坐标系的第二位置,并通过将图像数据中与该第二位置对应的像素值赋值给第二位置对应的路面,可得到地图资料,以用于对已构建地图的质量校验,解决了现有技术中采用地图影像进行人工校验时精度和时效性较差的问题,提升了地图校验质量。
2、将相机坐标系下的路面投影到图像平面,并对图像平面上的路面进行采样得到路面点云后,可将图像数据中与该路面点云对应像素位置的像素值赋值给该路面点云,得到二维地图资料,以用于对已构建地图进行质量校验,解决了现有技术中采用地图影像进行人工校验时精度和时效性较差的问题,提升了地图校验质量。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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地图资料的获取方法的流程示意图;
图2是本发明实施例提供的一种地图资料的获取装置的结构示意图;
图3是本发明实施例提供的一种车载终端的结构示意图。
具体实施方式
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,所描述的实施例仅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做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。
需要说明的是,本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了更加清楚、明白地解释各实施例的内容,下面先对本发明实施例提供的技术方案的工作原理进行简单介绍:
本发明的目的是:获取用于对高精度地图进行质量校验的地图资料。由于该地图资料是通过采集车的摄像头进行采集的,时效性强,可解决现有技术中审核地图的地图影像难以实时更新的问题。此外,由于该地图资料被赋予了RGB像素值,因此,在人工审核环节,利用该地图资料中对应位置的RGB像素值可精准地发现已构建的地图中一些缺失的车道线,从而实现了高质量的地图校验。
实施例一
请参阅图1,图1是本发明实施例提供的一种地图资料的获取方法的流程示意图。该方法应用于自动驾驶领域,典型的是应用于对已构建地图进行质量审核的场景下。该方法可由地图资料的获取装置来执行,该装置可通过软件和/或硬件的方式实现,一般可集成在车载电脑、车载工业控制计算机(Industrial personal Computer,IPC)等车载终端中,本发明实施例不做限定。如图1所示,本实施例提供的方法具体包括:
110、对摄像头采集的图像数据进行语义识别,得到语义特征点,并利用语义特征点构建地图。
其中,语义特征点中包括车道线、交通牌、路灯杆和车道线虚线端点等元素。在进行地图构建时,一般主要是建立车道线。本实施例中,可对摄像头采集的图像数据进行语义识别,得到车道线语义特征点;基于及时定位和地图构建(simultaneous localizationand mapping,SLAM)算法,对车道线语义特征点进行重建,构建包含有车道线位置的地图。其中,车道线位置是指基于世界坐标系的车道线的经度、维度和高程。
120、根据地图中车道线的位置,确定由车道线构成的路面在世界坐标系中的第一位置。
本实施例中,通过采样可实现对路面位置的估计。其中,采样方式可以为在假设由两条车道线所组成路面平坦的情况下,每隔设定距离对路面进行采样,得到路面点云。在车道线的第一位置确定后,可基于该车道线的位置,确定出该路面点云在世界坐标系中的位置,即路面点云的经度、维度和高程。
130、将第一位置转换为基于相机坐标系的第二位置,并将图像数据中与第二位置对应的像素值赋值给第二位置对应的路面,得到地图资料。
示例性的,按照如下公式,将基于世界坐标系的第一位置转换为基于相机坐标系的第二位置:
在将第一位置转换为基于相机坐标系的第二位置后,可将图像数据中与第二位置对应的像素值赋值给第二位置对应的路面,得到地图资料,这样设置的好处在于,在对已构建地图进行审核时,通过地图资料中对应位置的RGB像素值可精准地发现地图中车道线缺失的一些情况,提升了地图的校验质量。此外,由于该地图资料是通过采集车的摄像头进行采集的,时效性强,可解决现有技术中审核地图的地图影像难以实时更新的问题。另一方面,由于摄像头安装于高精度采集车上,将世界坐标系中的路面位置转换到相机位姿下,即车辆位姿下,可得到精度为厘米级的三维地图资料。
进一步的,本实施例中,可基于路面在相机坐标系的第二位置,将该路面投影到图像平面。相应的,可将图像数据中与第二位置对应的像素值赋值给该图像平面上对应像素位置的路面,得到地图资料。通过上述投影,可将三维地图资料中的高程去掉,并使三维空间中的路面点取得相应的RGB值,即得到的地图资料为二维地图资料。利用该二维地图资料中对应位置的RGB像素值可精准地发现地图中车道线缺失的一些情况,实现了地图质量的精准审核。
具体的,本实施例中,在将图像数据中与第二位置对应的像素值赋值给图像平面上对应像素位置的路面,得到地图资料的过程具体可包括:
每隔设定距离对图像平面上的路面进行采样,得到路面点云,并将图像数据中与第二位置对应的像素值赋值给路面点云,得到地图资料。
本实施例提供的技术方案中,由于地图资料是通过采集车的摄像头进行采集的,时效性强,可解决现有技术中用于审核地图的地图影像难以实时更新的问题。此外,由于该地图资料被赋予了RGB像素值,因此,在人工审核环节,利用该地图资料中对应位置的RGB像素值可精准地发现已构建的地图中一些缺失的车道线,从而实现了高质量的地图校验。
实施例二
请参阅图2,图2是本发明实施例提供的一种地图资料的获取装置的结构示意图。如图2所示,该装置包括:地图构建模块210、第一位置确定模块220和地图资料获取模块230;
其中,地图构建模块210,被配置为对摄像头采集的图像数据进行语义识别,得到语义特征点,并利用所述语义特征点构建地图;
第一位置确定模块220,被配置为根据所述地图中车道线的位置,确定由所述车道线构成的路面在世界坐标系中的第一位置;
地图资料获取模块230,被配置为将所述第一位置转换为基于相机坐标系的第二位置,并将所述图像数据中与所述第二位置对应的像素值赋值给所述第二位置对应的路面,得到地图资料。
进一步的,所述装置还包括:
投影模块,被配置为基于所述第二位置将所述路面投影到图像平面;
相应的,所述地图资料获取模块,具体被配置为:
将所述图像数据中与所述第二位置对应的像素值赋值给所述图像平面上对应像素位置的路面,得到地图资料。
进一步的,所述地图资料获取模块,具体被配置为:
将所述第一位置转换为基于相机坐标系的第二位置;
每隔设定距离对所述图像平面上的路面进行采样,得到路面点云;
将所述图像数据中与所述第二位置对应的像素值赋值给所述路面点云,得到地图资料。
进一步的,所述地图资料获取模块,具体被配置为:
按照如下公式,将所述第一位置转换为基于相机坐标系的第二位置,并将所述图像数据中与所述第二位置对应的像素值赋值给所述第二位置对应的路面,得到地图资料:
进一步的,所述地图构建模块,具体被配置为:
对摄像头采集的图像数据进行语义识别,得到车道线语义特征点;
基于及时定位和地图构建SLAM算法,对车道线语义特征点进行重建,构建包含有车道线位置的地图。
本发明实施例所提供的地图资料的获取装置可执行本发明任意实施例所提供的地图资料的获取方法,具备执行方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的地图资料的获取方法。
实施例三
请参阅图3,图3是本发明实施例提供的一种车载终端的结构示意图。如图3所示,该车载终端可以包括:
存储有可执行程序代码的存储器701;
与存储器701耦合的处理器702;
其中,处理器702调用存储器701中存储的可执行程序代码,执行本发明任意实施例所提供的地图资料的获取方法。
本发明实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行本发明任意实施例所提供的地图资料的获取方法。
本发明实施例公开一种计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行本发明任意实施例所提供的地图资料的获取方法的部分或全部步骤。
在本发明的各种实施例中,应理解,上述各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在本发明所提供的实施例中,应理解,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。
另外,在本发明各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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元若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,可以存储在一个计算机可获取的存储器中。基于这样的理解,本发明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全部或者部分,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器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种地图资料的获取方法和装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种地图资料的获取方法,应用于自动驾驶,其特征在于,包括:
对摄像头采集的图像数据进行语义识别,得到语义特征点,并利用所述语义特征点构建地图;
根据所述地图中车道线的位置,确定由所述车道线构成的路面在世界坐标系中的第一位置;
将所述第一位置转换为基于相机坐标系的第二位置,并将所述图像数据中与所述第二位置对应的像素值赋值给所述第二位置对应的路面,得到地图资料。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述第二位置,将所述路面投影到图像平面;
相应的,将所述图像数据中与所述第二位置对应的像素值赋值给所述图像平面上对应像素位置的路面,得到地图资料。
3.根据权利要求2所述的方法,其特征在于,将所述图像数据中与所述第二位置对应的像素值赋值给所述图像平面上对应像素位置的路面,得到地图资料,包括:
每隔设定距离对所述图像平面上的路面进行采样,得到路面点云;
将所述图像数据中与所述第二位置对应的像素值赋值给所述路面点云,得到地图资料。
5.根据权利要求1-4任一所述的方法,其特征在于,对摄像头采集的图像数据进行语义识别,得到语义特征点,并利用所述语义特征点构建地图,包括:
对摄像头采集的图像数据进行语义识别,得到车道线语义特征点;
基于及时定位和地图构建SLAM算法,对车道线语义特征点进行重建,构建包含有车道线位置的地图。
6.一种地图资料的获取装置,应用于自动驾驶,其特征在于,包括:
地图构建模块,被配置为对摄像头采集的图像数据进行语义识别,得到语义特征点,并利用所述语义特征点构建地图;
第一位置确定模块,被配置为根据所述地图中车道线的位置,确定由所述车道线构成的路面在世界坐标系中的第一位置;
地图资料获取模块,被配置为将所述第一位置转换为基于相机坐标系的第二位置,并将所述图像数据中与所述第二位置对应的像素值赋值给所述第二位置对应的路面,得到地图资料。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
投影模块,被配置为基于所述第二位置将所述路面投影到图像平面;
相应的,所述地图资料获取模块,具体被配置为:
将所述图像数据中与所述第二位置对应的像素值赋值给所述图像平面上对应像素位置的路面,得到地图资料。
8.根据权利要求7所述的装置,其特征在于,所述地图资料获取模块,具体被配置为:
将所述第一位置转换为基于相机坐标系的第二位置;
每隔设定距离对所述图像平面上的路面进行采样,得到路面点云;
将所述图像数据中与所述第二位置对应的像素值赋值给所述路面点云,得到地图资料。
10.根据权利要求6所述的装置,其特征在于,所述地图构建模块,具体被配置为:
对摄像头采集的图像数据进行语义识别,得到车道线语义特征点;
基于及时定位和地图构建SLAM算法,对车道线语义特征点进行重建,构建包含有车道线位置的地图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910773252.0A CN112419404B (zh) | 2019-08-21 | 2019-08-21 | 一种地图资料的获取方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910773252.0A CN112419404B (zh) | 2019-08-21 | 2019-08-21 | 一种地图资料的获取方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112419404A true CN112419404A (zh) | 2021-02-26 |
CN112419404B CN112419404B (zh) | 2024-07-02 |
Family
ID=74779938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910773252.0A Active CN112419404B (zh) | 2019-08-21 | 2019-08-21 | 一种地图资料的获取方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419404B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08305838A (ja) * | 1995-03-06 | 1996-11-22 | Nippon Telegr & Teleph Corp <Ntt> | 道路自動認識方法及びその装置並びに地図情報処理方法及びその装置 |
AU2007359782A1 (en) * | 2007-10-02 | 2009-04-09 | Tele Atlas B.V. | Method of capturing linear features along a reference-line across a surface for use in a map database |
CN101996543A (zh) * | 2009-08-25 | 2011-03-30 | 日本麦可罗尼克斯股份有限公司 | 缺陷像素地址检测方法以及检测装置 |
CN103136782A (zh) * | 2013-02-22 | 2013-06-05 | 广东威创视讯科技股份有限公司 | 一种三维模型地图动态渲染方法及装置 |
CN103198486A (zh) * | 2013-04-10 | 2013-07-10 | 浙江大学 | 一种基于各向异性扩散的深度图像增强方法 |
CN104700072A (zh) * | 2015-02-06 | 2015-06-10 | 中国科学院合肥物质科学研究院 | 基于车道线历史帧的识别方法 |
CN109658504A (zh) * | 2018-10-31 | 2019-04-19 | 百度在线网络技术(北京)有限公司 | 地图数据标注方法、装置、设备及存储介质 |
CN109724615A (zh) * | 2019-02-28 | 2019-05-07 | 北京经纬恒润科技有限公司 | 一种车道线识别结果的校验方法及系统 |
CN110057373A (zh) * | 2019-04-22 | 2019-07-26 | 上海蔚来汽车有限公司 | 用于生成高精细语义地图的方法、装置和计算机存储介质 |
-
2019
- 2019-08-21 CN CN201910773252.0A patent/CN112419404B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08305838A (ja) * | 1995-03-06 | 1996-11-22 | Nippon Telegr & Teleph Corp <Ntt> | 道路自動認識方法及びその装置並びに地図情報処理方法及びその装置 |
AU2007359782A1 (en) * | 2007-10-02 | 2009-04-09 | Tele Atlas B.V. | Method of capturing linear features along a reference-line across a surface for use in a map database |
CN101996543A (zh) * | 2009-08-25 | 2011-03-30 | 日本麦可罗尼克斯股份有限公司 | 缺陷像素地址检测方法以及检测装置 |
CN103136782A (zh) * | 2013-02-22 | 2013-06-05 | 广东威创视讯科技股份有限公司 | 一种三维模型地图动态渲染方法及装置 |
CN103198486A (zh) * | 2013-04-10 | 2013-07-10 | 浙江大学 | 一种基于各向异性扩散的深度图像增强方法 |
CN104700072A (zh) * | 2015-02-06 | 2015-06-10 | 中国科学院合肥物质科学研究院 | 基于车道线历史帧的识别方法 |
CN109658504A (zh) * | 2018-10-31 | 2019-04-19 | 百度在线网络技术(北京)有限公司 | 地图数据标注方法、装置、设备及存储介质 |
CN109724615A (zh) * | 2019-02-28 | 2019-05-07 | 北京经纬恒润科技有限公司 | 一种车道线识别结果的校验方法及系统 |
CN110057373A (zh) * | 2019-04-22 | 2019-07-26 | 上海蔚来汽车有限公司 | 用于生成高精细语义地图的方法、装置和计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112419404B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112069856B (zh) | 地图生成方法、驾驶控制方法、装置、电子设备及系统 | |
CN110146097B (zh) | 自动驾驶导航地图的生成方法、系统、车载终端及服务器 | |
CN110954113B (zh) | 一种车辆位姿的修正方法和装置 | |
CN109214248B (zh) | 用于识别无人驾驶车辆的激光点云数据的方法和装置 | |
US10291898B2 (en) | Method and apparatus for updating navigation map | |
CN109141444B (zh) | 定位方法、装置、存储介质及移动设备 | |
CN112086010B (zh) | 地图生成方法、装置、设备及存储介质 | |
CN111750881B (zh) | 一种基于路灯杆的车辆位姿的修正方法和装置 | |
CN114459471B (zh) | 定位信息确定方法、装置、电子设备及存储介质 | |
CN111750878A (zh) | 一种车辆位姿的修正方法和装置 | |
CN111750882B (zh) | 一种导航地图在初始化时车辆位姿的修正方法和装置 | |
US20190213790A1 (en) | Method and System for Semantic Labeling of Point Clouds | |
CN110619666B (zh) | 用于标定相机的方法及装置 | |
CN112652062B (zh) | 一种点云地图构建方法、装置、设备和存储介质 | |
CN113240813B (zh) | 三维点云信息确定方法及装置 | |
CN112329846A (zh) | 激光点云数据高精度标注方法及系统、服务器及介质 | |
CN111190199A (zh) | 定位方法及定位装置、计算机设备和可读存储介质 | |
CN113706594A (zh) | 三维场景信息生成的系统、方法及电子设备 | |
CN111982132B (zh) | 数据处理方法、装置和存储介质 | |
EP3948660A1 (en) | System and method for determining location and orientation of an object in a space | |
CN112419404A (zh) | 一种地图资料的获取方法和装置 | |
CN111191596A (zh) | 一种封闭区域制图方法、装置及存储介质 | |
CN116543143A (zh) | 一种目标检测模型的训练方法、目标检测方法及装置 | |
CN112859109B (zh) | 无人机全景图像处理方法、装置及电子设备 | |
CN115272531A (zh) | 数据显示方法、系统及存储介质 |
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 |