CN112446314A - 一种基于投影图提取护栏高程的方法及系统 - Google Patents

一种基于投影图提取护栏高程的方法及系统 Download PDF

Info

Publication number
CN112446314A
CN112446314A CN202011308893.8A CN202011308893A CN112446314A CN 112446314 A CN112446314 A CN 112446314A CN 202011308893 A CN202011308893 A CN 202011308893A CN 112446314 A CN112446314 A CN 112446314A
Authority
CN
China
Prior art keywords
guardrail
elevation
value
dimensional image
row
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
CN202011308893.8A
Other languages
English (en)
Other versions
CN112446314B (zh
Inventor
侯国强
惠念
周智颖
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 CN202011308893.8A priority Critical patent/CN112446314B/zh
Publication of CN112446314A publication Critical patent/CN112446314A/zh
Application granted granted Critical
Publication of CN112446314B publication Critical patent/CN112446314B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于投影图提取护栏高程的方法及系统，该方法包括：将激光点云数据中的护栏从其水平一侧投影为二维图像；根据所述二维图像中每行的像素点数和灰度值提取护栏高程。在点云中护栏的提取分为两部分，既有平面部分也有高程部分，将激光点云数据中的护栏投影为二维图像数据,再基于二维图像中每行像素点个数和灰度值提取护栏高程，减少了高精度地图中护栏高程提取的时间，极大的提高了高精度地图制作的时间。

Description

一种基于投影图提取护栏高程的方法及系统
技术领域
本发明涉及自动驾驶高精度地图制作领域，尤其涉及一种基于投影图提取护栏高程的方法及系统。
背景技术
高精度地图，通俗来讲就是精度更高、数据维度更多的电子地图。精度更高体现在精确到厘米级别，数据维度更多体现在其包括了除道路信息之外的与交通相关的周围静态信息。例如车道线的位置、类型、宽度、坡度和曲率等车道信息以及交通标志、交通信号灯、车道限高、下水道口、障碍物及其他道路细节等车道周边的固定对象信息。
护栏是制作高精度地图的要素之一，在制作高精度地图时首先需要将护栏等要素提取出来，然后辅助人工进行制图，以此来提升高精度地图制作的效率，高精度地图传统的绘制方法是采用人工选取护栏外轮廓进行选点绘制，耗时长。
发明内容
本发明针对现有技术中存在的技术问题，提供一种基于投影图提取护栏高程的方法及系统，解决现有技术中耗时长的问题。
本发明解决上述技术问题的技术方案如下：一种基于投影图提取护栏高程的方法，包括：
步骤1，将激光点云数据中的护栏从其水平一侧投影为二维图像；
步骤2，根据所述二维图像中每行的像素点数和灰度值提取护栏高程。
一种基于投影图提取护栏高程的系统，包括：二维图像生成模块和高程提取模块；
所述二维图像生成模块，用于将激光点云数据中的护栏从其水平一侧投影为二维图像；
所述高程提取模块，用于根据所述二维图像中每行的像素点数和灰度值提取护栏高程。
本发明的有益效果是：在点云中护栏的提取分为两部分，既有平面部分也有高程部分，本发明提供的一种基于投影图提取护栏高程的方法，将激光点云数据中的护栏投影为二维图像数据,再基于二维图像中每行像素点个数和灰度值提取护栏高程，减少了高精度地图中护栏高程提取的时间，极大的提高了高精度地图制作的时间。
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2包括：
步骤201，统计所述二维图像中各行的像素个数的最大值及所述为二维图像的最大灰度值，根据所述像素个数的最大值和所述最大灰度值确定所述护栏高程的粗略位置；
步骤202，根据所述护栏高程的粗略位置设置区域的范围，统计所述区域内的最大灰度值，根据所述区域内的最大灰度值确定所述护栏高程的精确位置。
进一步，所述步骤201包括：
步骤20101，统计所述二维图像中每行的像素个数；
步骤20102，确定各行的像素个数的最大值以及所述二维图像的灰度最大值；
步骤20103，设置像素个数相似度阈值和灰度值相似度阈值，从上向下依次计算各行的像素个数相似度和灰度值相似度，确定任意一行的像素个数相似度超过所述像素个数相似度阈值且灰度值相似度超过所述灰度值相似度阈值时，判定该行所在位置为所述护栏高程的粗略位置；
所述像素个数相似度为该行的像素个数与所述像素个数的最大值的比值，所述灰度值相似度为该行的灰度值与所述二维图像的灰度最大值的比值。
进一步，所述步骤20101还包括：设置每行的像素个数的最低阈值，统计所述二维图像中大于所述最低阈值的每行的像素个数。
进一步，所述步骤202包括：
步骤20201，设置范围阈值，确定所述区域为所述护栏高程的粗略位置的上下范围阈值所形成的区域；
步骤20202，确定所述区域内的灰度最大值；
步骤20203，设置灰度相似度阈值，确定灰度相似度超过所述灰度相似度阈值的行，在该行中计算每列中灰度值与所述区域内的灰度最大值最接近的像素点的位置，根据该像素点的位置确定所述护栏高程的精确位置；
所述灰度相似度为该行的灰度值与所述区域内的灰度最大值的比值。
进一步，所述步骤20203之后还包括：
步骤20204，对步骤20203中获取的像素点进行处理，得到直线型的所述护栏高程的精确位置。
采用上述进一步方案的有益效果是：先根据各行的像素个数的最大值和最大灰度值确定护栏高程的粗略位置，再根据粗略位置设置范围，在该范围里面找到精确位置，保证提取的护栏高程的结果的精确性。
附图说明
图1为本发明提供的一种基于投影图提取护栏高程的方法的流程图；
图2为本发明提供的一种基于投影图提取护栏高程的系统的实施例的结构框图；
图3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、二维图像生成模块，102、高程提取模块，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投影图提取护栏高程的方法的流程图，由图1可知，该方法包括：
步骤1，将激光点云数据中的护栏从其水平一侧投影为二维图像。
高精度地图所用的数据一般为激光点云数据，因此需要先将激光点云数据中的护栏投影为二维图像数据。
步骤2，根据二维图像中每行的像素点数和灰度值提取护栏高程。
其中，该二维图像的行的方向为平行于地面方向，列的方向为垂直于地面方向。
在点云中护栏的提取分为两部分，既有平面部分也有高程部分，本发明提供的一种基于投影图提取护栏高程的方法，将激光点云数据中的护栏投影为二维图像数据,再基于二维图像中每行像素点个数和灰度值提取护栏高程，减少了高精度地图中护栏高程提取的时间，极大的提高了高精度地图制作的时间。
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投影图提取护栏高程的方法的实施例，该实施例包括：
步骤1，将激光点云数据中的护栏从其水平一侧投影为二维图像。
步骤2，根据二维图像中每行的像素点数和灰度值提取护栏高程。
优选的，步骤2包括：
步骤201，统计二维图像中各行的像素个数的最大值及为二维图像的最大灰度值，根据像素个数的最大值和最大灰度值确定护栏高程的粗略位置。
进一步的，步骤201包括：
步骤20101，统计二维图像中每行的像素个数。
具体的，步骤20101还包括：设置每行的像素个数的最低阈值，统计二维图像中大于最低阈值的每行的像素个数。
由于二维图像中可能有一些杂点，因此设置一个较小的最低阈值(例如为10)，在每行中统计大于这个阈值的像素个数，得到每行像素个数。
步骤20102，确定各行的像素个数的最大值以及二维图像的灰度最大值。
步骤20103，设置像素个数相似度阈值和灰度值相似度阈值，从上向下依次计算各行的像素个数相似度和灰度值相似度，确定任意一行的像素个数相似度超过像素个数相似度阈值且灰度值相似度超过灰度值相似度阈值时，判定该行所在位置为护栏高程的粗略位置。
像素个数相似度为该行的像素个数与像素个数的最大值的比值，灰度值相似度为该行的灰度值与二维图像的灰度最大值的比值。
该像素个数相似度阈值和灰度值相似度阈值可以根据经验及实际情况设置，即从上向下计算与最大像素个数及图像的最大灰度值相近的行，就可以得到护栏高程的粗略位置。
步骤202，根据护栏高程的粗略位置设置区域的范围，统计区域内的最大灰度值，根据区域内的最大灰度值确定护栏高程的精确位置。
步骤202包括：
步骤20201，设置范围阈值，确定区域为护栏高程的粗略位置的上下范围阈值所形成的区域。
步骤20202，确定区域内的灰度最大值。
在步骤201得到的粗略位置附近进行精提取，在该范围内计算每行的灰度最大值及该区域的灰度最大值。
步骤20203，设置灰度相似度阈值，确定灰度相似度超过灰度相似度阈值的行，在该行中计算每列中灰度值与区域内的灰度最大值最接近的像素点的位置，根据该像素点的位置确定护栏高程的精确位置。
灰度相似度为该行的灰度值与区域内的灰度最大值的比值。
该灰度相似度阈值可以与步骤20103中确定的灰度值相似度阈值相同或不同，根据实际情况和经验设置。
步骤20204，对步骤20203中获取的像素点进行处理，得到直线型的护栏高程的精确位置。
由于护栏高程上的点为一条直线，因此需要对得到的像素点进行处理后得到精提取后的护栏高程的位置，该处理可以为最小二乘法等。
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投影图提取护栏高程的系统的实施例，如图2所示为本发明提供的一种基于投影图提取护栏高程的系统的实施例的结构框图，由图2可知，该系统包括：二维图像生成模块101和高程提取模块102。
二维图像生成模块101，用于将激光点云数据中的护栏从其水平一侧投影为二维图像。
高程提取模块102，用于根据二维图像中每行的像素点数和灰度值提取护栏高程。
图3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3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投影图提取护栏高程的方法，例如包括：步骤1，将激光点云数据中的护栏从其水平一侧投影为二维图像；步骤2，根据二维图像中每行的像素点数和灰度值提取护栏高程。
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投影图提取护栏高程的方法，例如包括：步骤1，将激光点云数据中的护栏从其水平一侧投影为二维图像；步骤2，根据二维图像中每行的像素点数和灰度值提取护栏高程。
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 (9)

1.一种基于投影图提取护栏高程的方法，其特征在于，所述方法包括：
步骤1，将激光点云数据中的护栏从其水平一侧投影为二维图像；
步骤2，根据所述二维图像中每行的像素点数和灰度值提取护栏高程。
2.根据权利要求1所述的方法，其特征在于，所述步骤2包括：
步骤201，统计所述二维图像中各行的像素个数的最大值及所述为二维图像的最大灰度值，根据所述像素个数的最大值和所述最大灰度值确定所述护栏高程的粗略位置；
步骤202，根据所述护栏高程的粗略位置设置区域的范围，统计所述区域内的最大灰度值，根据所述区域内的最大灰度值确定所述护栏高程的精确位置。
3.根据权利要求1所述的方法，其特征在于，所述步骤201包括：
步骤20101，统计所述二维图像中每行的像素个数；
步骤20102，确定各行的像素个数的最大值以及所述二维图像的灰度最大值；
步骤20103，设置像素个数相似度阈值和灰度值相似度阈值，从上向下依次计算各行的像素个数相似度和灰度值相似度，确定任意一行的像素个数相似度超过所述像素个数相似度阈值且灰度值相似度超过所述灰度值相似度阈值时，判定该行所在位置为所述护栏高程的粗略位置；
所述像素个数相似度为该行的像素个数与所述像素个数的最大值的比值，所述灰度值相似度为该行的灰度值与所述二维图像的灰度最大值的比值。
4.根据权利要求3所述的方法，其特征在于，所述步骤20101还包括：设置每行的像素个数的最低阈值，统计所述二维图像中大于所述最低阈值的每行的像素个数。
5.根据权利要求1所述的方法，其特征在于，所述步骤202包括：
步骤20201，设置范围阈值，确定所述区域为所述护栏高程的粗略位置的上下范围阈值所形成的区域；
步骤20202，确定所述区域内的灰度最大值；
步骤20203，设置灰度相似度阈值，确定灰度相似度超过所述灰度相似度阈值的行，在该行中计算每列中灰度值与所述区域内的灰度最大值最接近的像素点的位置，根据该像素点的位置确定所述护栏高程的精确位置；
所述灰度相似度为该行的灰度值与所述区域内的灰度最大值的比值。
6.根据权利要求5所述的方法，其特征在于，所述步骤20203之后还包括：
步骤20204，对步骤20203中获取的像素点进行处理，得到直线型的所述护栏高程的精确位置。
7.一种基于投影图提取护栏高程的系统，其特征在于，所述系统包括：二维图像生成模块和高程提取模块；
所述二维图像生成模块，用于将激光点云数据中的护栏从其水平一侧投影为二维图像；
所述高程提取模块，用于根据所述二维图像中每行的像素点数和灰度值提取护栏高程。
8.一种电子设备，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6任一项所述基于投影图提取护栏高程的方法的步骤。
9.一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6任一项所述基于投影图提取护栏高程的方法的步骤。
CN202011308893.8A 2020-11-19 2020-11-19 一种基于投影图提取护栏高程的方法及系统 Active CN112446314B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011308893.8A CN112446314B (zh) 2020-11-19 2020-11-19 一种基于投影图提取护栏高程的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011308893.8A CN112446314B (zh) 2020-11-19 2020-11-19 一种基于投影图提取护栏高程的方法及系统

Publications (2)

Publication Number Publication Date
CN112446314A true CN112446314A (zh) 2021-03-05
CN112446314B CN112446314B (zh) 2022-07-29

Family

ID=74737545

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011308893.8A Active CN112446314B (zh) 2020-11-19 2020-11-19 一种基于投影图提取护栏高程的方法及系统

Country Status (1)

Country Link
CN (1) CN112446314B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009027089A2 (en) * 2007-08-30 2009-03-05 Valeo Schalter Und Sensoren Gmbh Method and system for weather condition detection with image-based road characterization
CN103292725A (zh) * 2012-02-29 2013-09-11 鸿富锦精密工业（深圳）有限公司 特殊边界量测系统及方法
CN106204547A (zh) * 2016-06-29 2016-12-07 山东科技大学 从车载激光扫描点云中自动提取杆状地物空间位置的方法
WO2017050082A1 (zh) * 2015-09-21 2017-03-30 广州视源电子科技股份有限公司 一种端子位置的确定方法及终端设备
CN108345822A (zh) * 2017-01-22 2018-07-31 腾讯科技（深圳）有限公司 一种点云数据处理方法及装置
CN108961214A (zh) * 2018-05-31 2018-12-07 天津大学 基于改进的连续型最大流算法的脑肿瘤mri三维分割方法
CN109284664A (zh) * 2017-07-20 2019-01-29 大陆汽车有限责任公司 驾驶员辅助系统和护栏检测方法
CN111783648A (zh) * 2020-06-30 2020-10-16 厦门大学 道路点云中护栏的提取方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009027089A2 (en) * 2007-08-30 2009-03-05 Valeo Schalter Und Sensoren Gmbh Method and system for weather condition detection with image-based road characterization
CN103292725A (zh) * 2012-02-29 2013-09-11 鸿富锦精密工业（深圳）有限公司 特殊边界量测系统及方法
WO2017050082A1 (zh) * 2015-09-21 2017-03-30 广州视源电子科技股份有限公司 一种端子位置的确定方法及终端设备
CN106204547A (zh) * 2016-06-29 2016-12-07 山东科技大学 从车载激光扫描点云中自动提取杆状地物空间位置的方法
CN108345822A (zh) * 2017-01-22 2018-07-31 腾讯科技（深圳）有限公司 一种点云数据处理方法及装置
CN109284664A (zh) * 2017-07-20 2019-01-29 大陆汽车有限责任公司 驾驶员辅助系统和护栏检测方法
CN108961214A (zh) * 2018-05-31 2018-12-07 天津大学 基于改进的连续型最大流算法的脑肿瘤mri三维分割方法
CN111783648A (zh) * 2020-06-30 2020-10-16 厦门大学 道路点云中护栏的提取方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郑莉 等；: "《基于车载激光点云的自适应阈值提取道路标记方法》", 《测绘地理信息》 *

Also Published As

Publication number Publication date
CN112446314B (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
CN106951879B (zh) 基于摄像头与毫米波雷达的多特征融合车辆检测方法
CN109752701B (zh) 一种基于激光点云的道路边沿检测方法
US10133941B2 (en) Method, apparatus and device for detecting lane boundary
CN109165549B (zh) 基于三维点云数据的道路标识获取方法、终端设备及装置
CN111179152B (zh) 一种道路标识识别方法及装置、介质、终端
CN103093181B (zh) 一种车牌图像定位的方法和装置
CN109074490B (zh) 通路检测方法、相关装置及计算机可读存储介质
CN110349260B (zh) 一种路面标线自动提取方法及装置
CN109583280A (zh) 车道线识别方法、装置、设备及存储介质
CN111508027B (zh) 摄像机外参标定的方法和装置
CN112254635B (zh) 体积测量方法、装置及系统
CN112183301B (zh) 一种建筑物楼层智能识别方法及装置
CN113408407A (zh) 电子地图车道线修正方法、设备及计算机可读存储介质
CN110738223B (zh) 一种激光雷达的点云数据聚类方法及装置
CN112446314B (zh) 一种基于投影图提取护栏高程的方法及系统
CN113780070A (zh) 一种人行横道预警标识检测方法及系统
CN109389644B (zh) 基于方向梯度增强的车位线检测方法
CN112434593B (zh) 一种基于投影图提取道路外侧线的方法及系统
CN104778657A (zh) 图像二维码融合方法及装置
CN111209826B (zh) 一种高精度地图护栏的半自动点云提取方法及装置
CN112800351B (zh) 轨迹相似度判断方法、系统及计算机介质
CN114581753A (zh) 一种基于占据栅格的盲区内负障碍补全方法、系统及设备
CN114387293A (zh) 道路边缘检测方法、装置、电子设备及车辆
CN110361754B (zh) 一种基于激光点云数据的道路印刷体生长式聚类方法及装置
CN112020722B (zh) 基于三维传感器数据识别路肩

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