CN112446315B - 高精度地图斑马线融合方法、系统、服务器及存储介质 - Google Patents

高精度地图斑马线融合方法、系统、服务器及存储介质 Download PDF

Info

Publication number
CN112446315B
CN112446315B CN202011308915.0A CN202011308915A CN112446315B CN 112446315 B CN112446315 B CN 112446315B CN 202011308915 A CN202011308915 A CN 202011308915A CN 112446315 B CN112446315 B CN 112446315B
Authority
CN
China
Prior art keywords
zebra
line
points
center points
lane
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.)
Active
Application number
CN202011308915.0A
Other languages
English (en)
Other versions
CN112446315A (zh
Inventor
肖德雨
朱紫威
秦峰
王军
尹玉成
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 CN202011308915.0A priority Critical patent/CN112446315B/zh
Publication of CN112446315A publication Critical patent/CN112446315A/zh
Application granted granted Critical
Publication of CN112446315B publication Critical patent/CN112446315B/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
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
    • 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
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking

Abstract

本发明公开了一种高精度地图斑马线融合方法、系统、服务器及存储介质，所述高精度地图斑马线融合方法包括：采集车道线数据及斑马线四角数据，选择斑马线几何中心点最远的两侧车道线作为斑马线的起点及终点，并通过对多同一个路口所有斑马线的几何中心点及两侧边线的中心点进行聚类，最后根据聚类结果生成融合后的斑马线，解决了现有技术中存在的采集的高精度地图在同一个路口有多个斑马线数据且部分斑马线不完整的技术问题，达到了同一个路口只有一个完整斑马线且斑马线的位置与采集到的斑马线位置一致的技术效果。

Description

高精度地图斑马线融合方法、系统、服务器及存储介质
技术领域
本发明涉及自动驾驶技术领域，尤其涉及高精度地图斑马线融合方法、系统、服务器及存储介质。
背景技术
在自动驾驶领域，为准确控制车辆行驶，常涉及到高精度地图的绘制，高精度地图中斑马线数据，可以参与相对地图的匹配，或者用于停止线的推测，甚至可以参与自动驾驶车的行驶决策。
当自动驾驶车辆的传感器受到大雾、冰雹、大雨等恶劣天气影响下出现失灵的情况时，车辆可以通过车内储存的斑马线数据，在接近斑马线时减速行驶。由于斑马线采集过程中因设备等因素的原因导致采集的斑马线出现偏差或者长度不能覆盖整个道路面。而在这样的地图上行驶的车辆如果应用上述自动驾驶方法出现同一个路口连续出现几个斑马线，导致有斑马线参与的行驶决策都会出现异常，使得行驶安全性和舒适性大大降低。
发明内容
本发明的主要目的在于提供高精度地图斑马线融合方法、系统、服务器及存储介质，旨在解决现有技术中，采集设备采集的斑马线偏差较大且数据重复的问题。
为达到上述目的，本发明提出一种高精度地图斑马线融合方法，所述高精度地图斑马线融合方法包括以下步骤：
根据采集到的车道线数据调整所有斑马线的几何中心点及两侧边线中心点，并根据调整后的几何中心点及两侧车道线中心点获得调整后的斑马线；
对所有调整后的斑马线几何中心点及调整后的两侧边线中心点进行聚类，得到聚类后的几何中心点及聚类后的两侧边线中心点；
根据所述聚类后的几何中心点及聚类后的两侧边线中心点生成融合后的斑马线。
优选地，所述根据采集到的车道线数据调整所有斑马线的几何中心点及两侧边线中心点，并根据调整后的几何中心点及两侧车道线中心点获得调整后的斑马线的步骤具体包括：
对采集到的所有斑马线的四角数据及斑马线所在的道路车道线数据进行预处理，得到斑马线四角数据及片段道路结构的中心点，所述片段道路结构为预设长度公路片段的所有车道线数据；
计算斑马线几何中心点与所有片段道路结构中心点的欧拉距离，选取与所述斑马线几何中心点欧拉距离最近的片段道路结构；
计算斑马线几何中心点与所选取的片段道路结构中所有车道线中心点的欧拉距离，选取欧拉距离最远的两侧车道线及欧拉距离最近的中心车道线；
将所述欧拉距离最远的两侧车道线所在直线作为斑马线两侧边线中心点所在的直线调整所述斑马线的四角数据，并将所述欧拉距离最近的中心车道线所在的直线作为斑马线几何中心点所在的直线调整所述斑马线的几何中心点，获得所述调整后的斑马线。
优选地，所述将所述欧拉距离最远的两侧车道线所在直线作为斑马线两侧边线中心点所在的直线调整所述斑马线的四角数据，并将所述欧拉距离最近的中心车道线所在的直线作为斑马线几何中心点所在的直线调整所述斑马线的几何中心点，获得所述调整后的斑马线的步骤具体包括：
调整所述矩形的几何中心点至所述中心车道线所在的直线上；
调整四角坐标的横坐标使得斑马线为矩形，并维持矩形长宽比的情况下调整所述斑马线四角坐标的纵坐标分别至最近的所述两侧车道线所在的直线上。
优选地，所述根据所述聚类后的几何中心点及聚类后的两侧边线中心点生成融合后的斑马线的步骤具体包括：
调整聚类后的两个边线中心点及聚类后的几何中心点至同一与车道线垂直的直线上，作为融合后的边线中心点及融合后的中心点；
根据所述融合后的边线中心点及所述融合后的中心点调整所述斑马线的四角数据融合后的斑马线。
优选地，所述调整聚类后的两个边线中心点及聚类后的几何中心点至同一与车道线垂直的直线上，作为融合后的边线中心点及融合后的中心点的步骤具体包括：
过聚类后的两个边线中心点及聚类后的几何中心点作停止线的平行线；
作一条边线中心点平行线与几何中心点平行线的中间平行线记为第一参考线，并作另一条边线中心点平行线与几何中心点平行线的中间平行线记为第二参考线；
将所述第一参考线与所述第二参考线的中间平行线作为第三参考线；
将所述第三参考线与所述两侧边线的交点作为融合后的边线中心点，则所述第三参考线与所述两侧边线交点之间的线段的中点为融合后的中心点。
本发明还提出一种高精度地图斑马线融合系统，所述高精度地图斑马线融合系统包括：
采集调整单元，用于根据采集到的车道线数据调整所有斑马线的几何中心点及两侧边线中心点，并根据调整后的几何中心点及两侧车道线中心点获得调整后的斑马线；
聚类融合单元，用于对所有调整后的斑马线几何中心点及调整后的两侧边线中心点进行聚类，得到聚类后的几何中心点及聚类后的两侧边线中心点；
斑马线生成单元，用于根据所述聚类后的几何中心点及聚类后的两侧边线中心点生成融合后的斑马线。
本发明还提出一种服务器，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行高精度地图斑马线融合程序，所述高精度地图斑马线融合程序被所述处理器执行时实现如上所述的高精度地图斑马线融合方法的步骤。
本发明还提出一种存储介质，所述存储介质上存储有高精度地图斑马线融合程序，所述高精度地图斑马线融合程序被处理器执行时应用如上所述的高精度地图斑马线融合方法的步骤。
本发明技术方案通过对同一路口多个斑马线进行聚类将其融合为一个斑马线，解决了现有技术中由于采集设备在有斑马线的区域行驶方式发生改变造成的斑马线采集重复的技术问题，通过识别车道线辅助斑马线的定位使得斑马线的位置及外观接近常规车道线及斑马线的位置关系，并使得斑马线覆盖完整，达到了融合重复斑马线，及斑马线在道路覆盖完整的技术效果。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的服务器结构示意图；
图2为本发明高精度地图斑马线融合方法第一实施例的流程示意图；
图3为本发明高精度地图斑马线融合方法第二实施例的流程示意图；
图4为本发明高精度地图斑马线融合系统的功能模块图。
本发明目的、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1是本发明实施例方案涉及的硬件运行环境的服务器结构示意图。
如图1所示，所述服务器可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储介质。
本领域技术人员可以理解，图1中示出的结构并不构成对所述服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及高精度地图斑马线融合程序。
在图1所示的网络设备中，网络接口1004主要用于连接后台服务器，与所述后台服务器进行数据通信；用户接口1003主要用于连接外设；所述网络设备通过处理器1001调用存储器1005中存储的高精度地图斑马线融合程序，并执行以下操作：
根据采集到的车道线数据调整所有斑马线的几何中心点及两侧边线中心点，并根据调整后的几何中心点及两侧车道线中心点获得调整后的斑马线；
对所有调整后的斑马线几何中心点及调整后的两侧边线中心点进行聚类，得到聚类后的几何中心点及聚类后的两侧边线中心点；
根据所述聚类后的几何中心点及聚类后的两侧边线中心点生成融合后的斑马线。
进一步地，处理器1001可以调用存储器1005中存储的高精度地图斑马线融合程序，具体执行以下操作：
对采集到的所有斑马线的四角数据及斑马线所在的道路车道线数据进行预处理，得到斑马线四角数据及片段道路结构的中心点，所述片段道路结构为预设长度公路片段的所有车道线数据；
计算斑马线几何中心点与所有片段道路结构中心点的欧拉距离，选取与所述斑马线几何中心点欧拉距离最近的片段道路结构；
计算斑马线几何中心点与所选取的片段道路结构中所有车道线中心点的欧拉距离，选取欧拉距离最远的两侧车道线及欧拉距离最近的中心车道线；
将所述欧拉距离最远的两侧车道线所在直线作为斑马线两侧边线中心点所在的直线调整所述斑马线的四角数据，并将所述欧拉距离最近的中心车道线所在的直线作为斑马线几何中心点所在的直线调整所述斑马线的几何中心点，获得所述调整后的斑马线。
进一步地，处理器1001可以调用存储器1005中存储的高精度地图斑马线融合程序，具体执行以下操作：
调整所述矩形的几何中心点至所述中心车道线所在的直线上；
调整四角坐标的横坐标使得斑马线为矩形，并维持矩形长宽比的情况下调整所述斑马线四角坐标的纵坐标分别至最近的所述两侧车道线所在的直线上。
进一步地，处理器1001可以调用存储器1005中存储的高精度地图斑马线融合程序，具体执行以下操作：
调整聚类后的两个边线中心点及聚类后的几何中心点至同一与车道线垂直的直线上，作为融合后的边线中心点及融合后的中心点；
根据所述融合后的边线中心点及所述融合后的中心点调整所述斑马线的四角数据融合后的斑马线。
进一步地，处理器1001可以调用存储器1005中存储的高精度地图斑马线融合程序，具体执行以下操作：
过聚类后的两个边线中心点及聚类后的几何中心点作停止线的平行线；
作一条边线中心点平行线与几何中心点平行线的中间平行线记为第一参考线，并作另一条边线中心点平行线与几何中心点平行线的中间平行线记为第二参考线；
将所述第一参考线与所述第二参考线的中间平行线作为第三参考线；
将所述第三参考线与所述两侧边线的交点作为融合后的边线中心点，则所述第三参考线与所述两侧边线交点之间的线段的中点为融合后的中心点。
本实施例通过使用车道线确定整个路面的宽度使得斑马线完整覆盖整个路面，并通过对所有斑马线的几何中心点及两侧边线中心点进行聚类，接近了现有技术中存在的采集设备采集的高精度地图数据中，同一个路口存在多个斑马线的技术问题，达到了同一个路口只有一个完整斑马线的技术效果。
基于上述硬件结构，提出本发明高精度地图斑马线融合方法的实施例。
如图2所示，所述服务器在第一实施例中，所述高精度地图斑马线融合方法包括以下步骤：
S10、根据采集到的车道线数据调整所有斑马线的几何中心点及两侧边线中心点，并根据调整后的几何中心点及两侧车道线中心点获得调整后的斑马线；
需要注意的是，由于有很多斑马线采集的不完整如果直接将这些不完整的斑马线进行聚类会产生较明显的误差，因此需要先将斑马线补充完整，本申请使用车道线数据辅助判断斑马线在整个路面的铺设情况，具体为将斑马线最外侧的两根线与两侧的车道线共线，即可保证斑马线铺设满整个路面。
S20、对所有调整后的斑马线几何中心点及调整后的两侧边线中心点进行聚类，得到聚类后的几何中心点及聚类后的两侧边线中心点；
可以理解的是，经过步骤S10后，所有的斑马线应当都占据相同的面积，且四角坐标的纵向坐标两两相等，即左侧的两个角纵向坐标相等，且右侧的两个角纵向坐标相等，聚类只改变横向坐标。
S30、根据所述聚类后的几何中心点及聚类后的两侧边线中心点生成融合后的斑马线。
值得强调的是，聚类后的横向坐标与实际坐标会存在一定的误差，然而由于本身高精度地图的采集设备的采集精度已经高于自动驾驶的需求，对斑马线四角坐标的采集误差较小，通过聚类后进一步提高了采集精度，即使其与实际坐标存在一定的误差，然而由于上述原因，该误差远远小于自动驾驶对于斑马线精度的需求，在本实施例技术方案中，该误差可以忽略不记。
本实施例通过利用两侧车道线对采集的不完整的斑马线进行完善，并将采集到的所有同一路口的斑马线设置为面积相等形状相同的矩形，解决了现有技术中高精度地图采集装置采集到的部分斑马线不完整的技术问题，并通过将处理后的所有同一路口的斑马线进行聚类，解决了现有技术中存在的部分斑马线偏差较大且同一路口出现多个斑马线的技术问题，达到了同一路口只出现一个完整斑马线的技术效果。
如图3所示，本发明高精度地图斑马线融合方法，具体包括：
S11、对采集到的所有斑马线的四角数据及斑马线所在的道路车道线数据进行预处理，得到斑马线四角数据及片段道路结构的中心点，所述片段道路结构为预设长度公路片段的所有车道线数据；
易于理解的是，由于车道线的采集相对斑马线来说更加简单和准确，因此本实施例使用车道线作为辅助参考目标，将车道线按照每个5米分割为若干个片段道路结构，例如：读取片段道路结构数据集Ω0＝{R1,R2,…,Rn}，每个片段道路结构R由多条车道线组成，每条车道线的长度为5米，每个片段道路结构的中心点为C0，则每个段道路结构内车道线个数集为Ω1＝{q1,q2,…,qn}，片段道路结构内每条车道线由一个点和方向向量构成，即
Figure BDA0002789154860000081
本实施例技术方案还通过寻找斑马线正前方的采集数据作为参考数据，例如：采集到的斑马线数据为四个点表示的矩形框，四个顶点记为A，B，C，D，假设AB为左边线、CD为右边线，其所在直线方向与最近车道线方向平行。采集到该斑马线数据的坐标点可根据采集车辆的车辆信息和时间戳在轨迹数据中得到对应点P。
S12、计算斑马线几何中心点与所有片段道路结构中心点的欧拉距离，选取与所述斑马线几何中心点欧拉距离最近的片段道路结构；
需要说明的是，由于距离斑马线最近的片段道路结构会与斑马线的宽度一致，因此需要找出距离斑马线最近的片段道路结构，例如在上述的场景中：取某个斑马线，其几何中心点为C，计算C与片段道路中心点C01,C02,…,C0n的欧拉距离d01,d02,…,d0n，选择距离最小的片段道路，即为该斑马线所在的片段道路结构R*。
S13、计算斑马线几何中心点与所选取的片段道路结构中所有车道线中心点的欧拉距离，选取欧拉距离最远的两侧车道线及欧拉距离最近的中心车道线；
值得强调的是，在本实施例中，还可通过停止线进行辅助判断，例如在上述的场景中，计算C与片段道路结构R*中每条车道线的中心点C11,C12,…,C1q*的欧拉距离d11,d12,…,d1q*，选择距离最近的车道线l*，即为斑马线的最近车道线l*，斑马线的方向向量
Figure BDA0002789154860000082
从片段道路结构R*中选择距离最远的两个车道线l0,l1，为斑马线边线中心点所在的车道线，假设车道线l0为左侧车道线，车道线l1为右侧车道线，车道线l0的中心点C1l0。
S14、将所述欧拉距离最远的两侧车道线所在直线作为斑马线两侧边线中心点所在的直线调整所述斑马线的四角数据，并将所述欧拉距离最近的中心车道线所在的直线作为斑马线几何中心点所在的直线调整所述斑马线的几何中心点，获得所述调整后的斑马线；
需要强调的是，部分中心车道线为双线的道路则将双线中间的缝隙作为中心车道线，本实施例通过计算车道线所在的直线的垂点确定斑马线的两侧边线中心点例如在上述的场景中：计算在x，y平面下向量
Figure BDA0002789154860000091
在车道线l0所在的直线的垂点，即为斑马线边线中心调整后的点C'AB，其中x，y表示的点C'AB(x,y)，点C'AB的高程与AB高程平均值相同，同理，计算斑马线调整后的点C'CD，其中x，y平面为忽略高度垂直于路面观察下的路面所在平面。
具体地，本发明高精度地图斑马线融合方法，具体包括：
调整所述矩形的几何中心点至所述中心车道线所在的直线上；
易于理解的是，优先调整中心点作为初步的定位，便于后续的四角坐标调整。
调整四角坐标的横坐标使得斑马线为矩形，并维持矩形长宽比的情况下调整所述斑马线四角坐标的纵坐标分别至最近的所述两侧车道线所在的直线上。
需要说明的是，由于本实施例将斑马线按照四角坐标调整为矩形进行处理，因此矩形的几何中心点应当位于两侧边线的正中间，而中心车道线同样位于两侧车道线的正中间，因此仅需调整斑马线矩形的放大比例即可。
本实施例通过数学方法计算出单一的斑马线于车道线的位置关系，便于计算机自动对输入数据进行计算，提高了本申请技术方案的自动化程度，降低了人为参与降低计算效率影响客观结果。
本发明高精度地图斑马线融合方法还包括：
调整聚类后的两个边线中心点及聚类后的几何中心点至同一与车道线垂直的直线上，作为融合后的边线中心点及融合后的中心点；
易于理解的是，本实施例技术方案需要所有的斑马线的中心点，以实现聚类操作，即需要获取中心点集例如在上述场景中：获取所有调整后斑马线中心点集Ω1＝{Pc1，Pc2……Pcn}，其中，中心点为x，y，z表示的点Pcn(x,y,z)，对中心点集Ω1进行聚类，聚类特征为空间坐标x，y，z采用密度聚类法或者与密度聚类相似的聚类方法或者改进k均值聚类法等非监督聚类方法，聚类半径设置为15米，计算每类的中心点坐标C。
根据所述融合后的边线中心点及所述融合后的中心点调整所述斑马线的四角数据融合后的斑马线；
需要说明的是，本实施例根据所述融合后的边线中心点及所述融合后的中心点调整所述斑马线的四角数据融合后的斑马线的步骤通过计算获得，例如在上述场景中：选取某个聚类中心点坐标C2，依据上述计算方法得到调整后的斑马线边线中心点C'AB、C'CD和方向向量
Figure BDA0002789154860000104
计算两个点A'和B'，满足
Figure BDA0002789154860000101
Figure BDA0002789154860000102
与方向向量
Figure BDA0002789154860000103
平行，点A'和点B'为调整后斑马线的两点，同理，得到斑马线另外两个点C'和D'，得到新的矩形A'B'C'D',即为调整完毕的斑马线。
具体地，所述调整聚类后的两个边线中心点及聚类后的几何中心点至同一与车道线垂直的直线上，作为融合后的边线中心点及融合后的中心点的步骤具体包括：
过聚类后的两个边线中心点及聚类后的几何中心点作停止线的平行线；
值得强调的是，由于矩形的两边线中心点于矩形的几何中心点必然位于同一直线上，而三个点分别聚类后，可能出现三个点不在同一直线上的情况，因此需要对三个点的坐标仅需调整，本实施例同通过作平行线的方式直观的体现出三个点的横坐标偏差。
作一条边线中心点平行线与几何中心点平行线的中间平行线记为第一参考线，并作另一条边线中心点平行线与几何中心点平行线的中间平行线记为第二参考线；
易于理解的是，取几何中心点与两个边线中心点的中间平行线作为第一参考线及第二参考线，以几何中心点作为参照点分别将两个边线中心点的坐标纳入参考范畴。
将所述第一参考线与所述第二参考线的中间平行线作为第三参考线；
需要说明的是，通过两个边线中心点与几何中心点横向坐标的不同差值对几何中心点的横向坐标进行修正，进一步提高第三参考线的准确程度，提升最后结果的精准程度。
将所述第三参考线与所述两侧边线的交点作为融合后的边线中心点，则所述第三参考线与所述两侧边线交点之间的线段的中点为融合后的中心点。
值得强调的是，确定第三参考线以后即确定了三个融合后的点所在的直线，则选取其与中间车道线及两个侧边车道线的交点即可得到融合后的中心点与融合后的边线中心点。
本发明技术方案通过公开具体的计算方法，对感知偏移的斑马线进行融合过滤，使得斑马线的位置更加准确，为自动驾驶的行为决策提供更好的支持，方法执行简单快捷，鲁棒性高。
本实施例还提出一种存储介质，所述存储介质上存储有高精度地图斑马线融合程序，所述高精度地图斑马线融合程序被处理器执行时实现如下操作：
根据采集到的车道线数据调整所有斑马线的几何中心点及两侧边线中心点，并根据调整后的几何中心点及两侧车道线中心点获得调整后的斑马线；
对所有调整后的斑马线几何中心点及调整后的两侧边线中心点进行聚类，得到聚类后的几何中心点及聚类后的两侧边线中心点；
根据所述聚类后的几何中心点及聚类后的两侧边线中心点生成融合后的斑马线。
进一步地，所述根据采集到的车道线数据调整所有斑马线的几何中心点及两侧边线中心点，并根据调整后的几何中心点及两侧车道线中心点获得调整后的斑马线的步骤具体包括：
对采集到的所有斑马线的四角数据及斑马线所在的道路车道线数据进行预处理，得到斑马线四角数据及片段道路结构的中心点，所述片段道路结构为预设长度公路片段的所有车道线数据；
计算斑马线几何中心点与所有片段道路结构中心点的欧拉距离，选取与所述斑马线几何中心点欧拉距离最近的片段道路结构；
计算斑马线几何中心点与所选取的片段道路结构中所有车道线中心点的欧拉距离，选取欧拉距离最远的两侧车道线及欧拉距离最近的中心车道线；
将所述欧拉距离最远的两侧车道线所在直线作为斑马线两侧边线中心点所在的直线调整所述斑马线的四角数据，并将所述欧拉距离最近的中心车道线所在的直线作为斑马线几何中心点所在的直线调整所述斑马线的几何中心点，获得所述调整后的斑马线。
进一步地，所述将所述欧拉距离最远的两侧车道线所在直线作为斑马线两侧边线中心点所在的直线调整所述斑马线的四角数据，并将所述欧拉距离最近的中心车道线所在的直线作为斑马线几何中心点所在的直线调整所述斑马线的几何中心点，获得所述调整后的斑马线的步骤具体包括：
调整所述矩形的几何中心点至所述中心车道线所在的直线上；
调整四角坐标的横坐标使得斑马线为矩形，并维持矩形长宽比的情况下调整所述斑马线四角坐标的纵坐标分别至最近的所述两侧车道线所在的直线上。
进一步地，所述根据所述聚类后的几何中心点及聚类后的两侧边线中心点生成融合后的斑马线的步骤具体包括：
调整聚类后的两个边线中心点及聚类后的几何中心点至同一与车道线垂直的直线上，作为融合后的边线中心点及融合后的中心点；
根据所述融合后的边线中心点及所述融合后的中心点调整所述斑马线的四角数据融合后的斑马线。
进一步地，所述调整聚类后的两个边线中心点及聚类后的几何中心点至同一与车道线垂直的直线上，作为融合后的边线中心点及融合后的中心点的步骤具体包括：
过聚类后的两个边线中心点及聚类后的几何中心点作停止线的平行线；
作一条边线中心点平行线与几何中心点平行线的中间平行线记为第一参考线，并作另一条边线中心点平行线与几何中心点平行线的中间平行线记为第二参考线；
将所述第一参考线与所述第二参考线的中间平行线作为第三参考线；
将所述第三参考线与所述两侧边线的交点作为融合后的边线中心点，则所述第三参考线与所述两侧边线交点之间的线段的中点为融合后的中心点。
可理解的是，上述高精度地图斑马线融合程序可用于实现上述高精度地图斑马线融合方法中的各步骤，此处不再赘述。
此外，参照图4本发明还提出一种高精度地图斑马线融合系统，所述高精度地图斑马线融合系统包括：
采集调整单元，用于根据采集到的车道线数据调整所有斑马线的几何中心点及两侧边线中心点，并根据调整后的几何中心点及两侧车道线中心点获得调整后的斑马线；
聚类融合单元，用于对所有调整后的斑马线几何中心点及调整后的两侧边线中心点进行聚类，得到聚类后的几何中心点及聚类后的两侧边线中心点；
斑马线生成单元，用于根据所述聚类后的几何中心点及聚类后的两侧边线中心点生成融合后的斑马线。
本发明所述高精度地图斑马线融合系统的其他实施例或具体实现方式及效果可参照上述各方法实施例，此处不再赘述。
此外本发明还提出一种服务器，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行高精度地图斑马线融合程序，所述高精度地图斑马线融合程序被所述处理器执行时实现如上任一项所述的高精度地图斑马线融合方法的步骤。
本发明所述服务器的其他实施例或具体实现方式及效果可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词解释为名称。
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上述实施例方法可借助软件加必需的通用硬件平台的方式来，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种高精度地图斑马线融合方法，其特征在于，所述高精度地图斑马线融合方法包括以下步骤：
根据采集到的车道线数据调整所有斑马线的几何中心点及两侧边线中心点，并根据调整后的几何中心点及两侧车道线中心点获得调整后的斑马线；
对所有调整后的斑马线几何中心点及调整后的两侧边线中心点进行聚类，得到聚类后的几何中心点及聚类后的两侧边线中心点；
根据所述聚类后的几何中心点及聚类后的两侧边线中心点生成融合后的斑马线；
其中，所述根据采集到的车道线数据调整所有斑马线的几何中心点及两侧边线中心点，并根据调整后的几何中心点及两侧车道线中心点获得调整后的斑马线的步骤具体包括：
对采集到的所有斑马线的四角数据及斑马线所在的道路车道线数据进行预处理，得到斑马线四角数据及片段道路结构的中心点，所述片段道路结构为预设长度公路片段的所有车道线数据；
计算斑马线几何中心点与所有片段道路结构中心点的欧拉距离，选取与所述斑马线几何中心点欧拉距离最近的片段道路结构；
计算斑马线几何中心点与所选取的片段道路结构中所有车道线中心点的欧拉距离，选取欧拉距离最远的两侧车道线及欧拉距离最近的中心车道线；
将所述欧拉距离最远的两侧车道线所在直线作为斑马线两侧边线中心点所在的直线调整所述斑马线的四角数据，并将所述欧拉距离最近的中心车道线所在的直线作为斑马线几何中心点所在的直线调整所述斑马线的几何中心点，获得所述调整后的斑马线。
2.根据权利要求1所述的高精度地图斑马线融合方法，其特征在于，所述将所述欧拉距离最远的两侧车道线所在直线作为斑马线两侧边线中心点所在的直线调整所述斑马线的四角数据，并将所述欧拉距离最近的中心车道线所在的直线作为斑马线几何中心点所在的直线调整所述斑马线的几何中心点，获得所述调整后的斑马线的步骤具体包括：
调整矩形的几何中心点至所述中心车道线所在的直线上；
调整四角坐标的横坐标使得斑马线为矩形，并维持矩形长宽比的情况下调整所述斑马线四角坐标的纵坐标分别至最近的所述两侧车道线所在的直线上。
3.根据权利要求1所述的高精度地图斑马线融合方法，其特征在于，所述根据所述聚类后的几何中心点及聚类后的两侧边线中心点生成融合后的斑马线的步骤具体包括：
调整聚类后的两个边线中心点及聚类后的几何中心点至同一与车道线垂直的直线上，作为融合后的边线中心点及融合后的中心点；
根据所述融合后的边线中心点及所述融合后的中心点调整所述斑马线的四角数据融合后的斑马线。
4.根据权利要求3所述的高精度地图斑马线融合方法，其特征在于，所述调整聚类后的两个边线中心点及聚类后的几何中心点至同一与车道线垂直的直线上，作为融合后的边线中心点及融合后的中心点的步骤具体包括：
过聚类后的两个边线中心点及聚类后的几何中心点作停止线的平行线；
作一条边线中心点平行线与几何中心点平行线的中间平行线记为第一参考线，并作另一条边线中心点平行线与几何中心点平行线的中间平行线记为第二参考线；
将所述第一参考线与所述第二参考线的中间平行线作为第三参考线；
将所述第三参考线与所述两侧边线的交点作为融合后的边线中心点，则所述第三参考线与所述两侧边线交点之间的线段的中点为融合后的中心点。
5.一种高精度地图斑马线融合系统，其特征在于，所述高精度地图斑马线融合系统包括：
采集调整单元，用于根据采集到的车道线数据调整所有斑马线的几何中心点及两侧边线中心点，并根据调整后的几何中心点及两侧车道线中心点获得调整后的斑马线；
聚类融合单元，用于对所有调整后的斑马线几何中心点及调整后的两侧边线中心点进行聚类，得到聚类后的几何中心点及聚类后的两侧边线中心点；
斑马线生成单元，用于根据所述聚类后的几何中心点及聚类后的两侧边线中心点生成融合后的斑马线；
其中，所述采集调整单元，具体用于：
对采集到的所有斑马线的四角数据及斑马线所在的道路车道线数据进行预处理，得到斑马线四角数据及片段道路结构的中心点，所述片段道路结构为预设长度公路片段的所有车道线数据；
计算斑马线几何中心点与所有片段道路结构中心点的欧拉距离，选取与所述斑马线几何中心点欧拉距离最近的片段道路结构；
计算斑马线几何中心点与所选取的片段道路结构中所有车道线中心点的欧拉距离，选取欧拉距离最远的两侧车道线及欧拉距离最近的中心车道线；
将所述欧拉距离最远的两侧车道线所在直线作为斑马线两侧边线中心点所在的直线调整所述斑马线的四角数据，并将所述欧拉距离最近的中心车道线所在的直线作为斑马线几何中心点所在的直线调整所述斑马线的几何中心点，获得所述调整后的斑马线。
6.一种服务器，其特征在于，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行高精度地图斑马线融合程序，所述高精度地图斑马线融合程序被所述处理器执行时实现如权利要求1至4中任一项所述的高精度地图斑马线融合方法的步骤。
7.一种可读存储介质，其特征在于，所述可读存储介质上存储有高精度地图斑马线融合程序，所述高精度地图斑马线融合程序被处理器执行时实现根据权利要求1至4中任一项所述的高精度地图斑马线融合方法的步骤。
CN202011308915.0A 2020-11-19 2020-11-19 高精度地图斑马线融合方法、系统、服务器及存储介质 Active CN112446315B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011308915.0A CN112446315B (zh) 2020-11-19 2020-11-19 高精度地图斑马线融合方法、系统、服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011308915.0A CN112446315B (zh) 2020-11-19 2020-11-19 高精度地图斑马线融合方法、系统、服务器及存储介质

Publications (2)

Publication Number Publication Date
CN112446315A CN112446315A (zh) 2021-03-05
CN112446315B true CN112446315B (zh) 2022-05-31

Family

ID=74737195

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011308915.0A Active CN112446315B (zh) 2020-11-19 2020-11-19 高精度地图斑马线融合方法、系统、服务器及存储介质

Country Status (1)

Country Link
CN (1) CN112446315B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115658840B (zh) * 2022-12-28 2023-04-07 安徽蔚来智驾科技有限公司 众包地图数据的处理方法、设备、驾驶设备和介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103993563A (zh) * 2013-02-20 2014-08-20 深圳市海洋王照明工程有限公司 斑马线信号装置
CN106778593A (zh) * 2016-12-11 2017-05-31 北京联合大学 一种基于多地面标志融合的车道级定位方法
JP2018181063A (ja) * 2017-04-17 2018-11-15 清水建設株式会社 生成装置、生成方法及び生成プログラム
CN109154980A (zh) * 2016-05-19 2019-01-04 大陆汽车有限责任公司 用于验证交通标志的内容和安装地点的方法
CN111695373A (zh) * 2019-03-12 2020-09-22 中国科学院上海高等研究院 斑马线的定位方法、系统、介质及设备
CN111950537A (zh) * 2020-09-24 2020-11-17 北京百度网讯科技有限公司 斑马线信息获取方法、地图更新方法、装置及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103993563A (zh) * 2013-02-20 2014-08-20 深圳市海洋王照明工程有限公司 斑马线信号装置
CN109154980A (zh) * 2016-05-19 2019-01-04 大陆汽车有限责任公司 用于验证交通标志的内容和安装地点的方法
CN106778593A (zh) * 2016-12-11 2017-05-31 北京联合大学 一种基于多地面标志融合的车道级定位方法
JP2018181063A (ja) * 2017-04-17 2018-11-15 清水建設株式会社 生成装置、生成方法及び生成プログラム
CN111695373A (zh) * 2019-03-12 2020-09-22 中国科学院上海高等研究院 斑马线的定位方法、系统、介质及设备
CN111950537A (zh) * 2020-09-24 2020-11-17 北京百度网讯科技有限公司 斑马线信息获取方法、地图更新方法、装置及系统

Also Published As

Publication number Publication date
CN112446315A (zh) 2021-03-05

Similar Documents

Publication Publication Date Title
US10331957B2 (en) Method, apparatus, and system for vanishing point/horizon estimation using lane models
WO2020029601A1 (zh) 一种地图车道横向拓扑关系的构建方法、系统及存储器
KR101843866B1 (ko) 라이다 데이터를 이용하여 도로 영역과 차선을 검출하는 방법 및 그 시스템
CN108519094B (zh) 局部路径规划方法及云处理端
CN107784084B (zh) 基于车辆定位数据的路网生成方法及系统
CN110749329A (zh) 一种基于结构化道路的车道级拓扑构建方法及装置
CN114394088B (zh) 泊车循迹轨迹生成方法、装置、电子设备及存储介质
CN112154445A (zh) 高精度地图中车道线的确定方法和装置
CN110543473B (zh) 一种众包数据融合优化方法、装置及存储介质
CN111554105A (zh) 一种复杂交通路口的智能流量识别与统计方法
WO2021254019A1 (zh) 协同构建点云地图的方法、设备和系统
CN114758086B (zh) 一种城市道路信息模型的构建方法及装置
CN112446315B (zh) 高精度地图斑马线融合方法、系统、服务器及存储介质
CN108197590B (zh) 一种路面检测方法、装置、终端及存储介质
CN115424263A (zh) 交通灯的标注方法、车载设备和存储介质
CN110809766B (zh) 高级驾驶员辅助系统和方法
CN112912894B (zh) 道路边界识别方法和装置
CN111738040A (zh) 一种减速带识别方法及系统
CN116860906B (zh) 轨迹生成方法、装置、设备及存储介质
JP2014194698A (ja) 道路端検出システム、方法およびプログラム
CN112507977B (zh) 一种车道线定位方法、装置及电子设备
CN112509452B (zh) 基于道路结构的地面标线融合方法及系统、服务器及介质
CN112241979A (zh) 图像处理装置
CN112541048B (zh) 一种高精度地图停止线融合方法、系统、服务器及存储介质
CN112530270A (zh) 一种基于区域分配的建图方法及装置

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