CN112488217A - 斑马线纠正方法、电子装置和存储介质 - Google Patents

斑马线纠正方法、电子装置和存储介质 Download PDF

Info

Publication number
CN112488217A
CN112488217A CN202011411562.7A CN202011411562A CN112488217A CN 112488217 A CN112488217 A CN 112488217A CN 202011411562 A CN202011411562 A CN 202011411562A CN 112488217 A CN112488217 A CN 112488217A
Authority
CN
China
Prior art keywords
zebra crossing
track
point
data
crowdsourcing
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
CN202011411562.7A
Other languages
English (en)
Other versions
CN112488217B (zh
Inventor
秦峰
尹玉成
朱紫威
肖德雨
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 CN202011411562.7A priority Critical patent/CN112488217B/zh
Publication of CN112488217A publication Critical patent/CN112488217A/zh
Application granted granted Critical
Publication of CN112488217B publication Critical patent/CN112488217B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]

Abstract

本发明公开一种电子装置、斑马线纠正方法和存储介质，该方法包括：获取众包轨迹数据，所述众包轨迹数据包括多辆车的轨迹数据，其中每辆车的轨迹数据包括多个轨迹点；对每辆车的轨迹数据进行预处理，得到预处理后的众包轨迹数据；从所述预处理后的众包轨迹数据中去除掉头轨迹，得到去除后的众包轨迹数据；获取采集的斑马线数据；根据所述斑马线数据及所述去除后的众包轨迹数据，对所述斑马线数据进行调整，得到调整后的斑马线；获取所述调整后的斑马线的中心点集；对所述调整后的斑马线的中心点集进行聚类，确定聚类中心点；根据所述聚类中心点、调整后的斑马线及所述去除后的众包轨迹数据，确定新的斑马线。本发明能提高斑马线的绘制精度。

Description

斑马线纠正方法、电子装置和存储介质
技术领域
本发明涉及自动驾驶领域，特别涉及一种斑马线纠正方法、电子装置和存储介质。
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，高精度地图绘制的过程中，需要高精度地图的斑马线数据给自动驾驶车的驾驶行为决策提供数据支撑。众包采集车绘制成本低，采集到的交通设施数据通常精度较差，且多次经过同一个交通设施采集到的数据也会因为每次gps信号或车速等因素导致有一定的偏移，聚类处理后的斑马线结果往往与实际位置偏差很大。所以需要综合轨迹数据情况来纠正融合处理斑马线数据。
发明内容
本发明的主要目的是提供一种斑马线纠正方法，旨在实现提高斑马线的绘制精度。
为实现上述目的，本发明提出的一种斑马线纠正方法，该方法包括步骤：
获取众包轨迹数据，所述众包轨迹数据包括多辆车的轨迹数据，其中每辆车的轨迹数据包括多个轨迹点；
对每辆车的轨迹数据进行预处理，得到预处理后的众包轨迹数据；
从所述预处理后的众包轨迹数据中去除掉头轨迹，得到去除后的众包轨迹数据；
获取采集的斑马线数据；
根据所述斑马线数据及所述去除后的众包轨迹数据，对所述斑马线数据进行调整，得到调整后的斑马线；
获取所述调整后的斑马线的中心点集；
对所述调整后的斑马线的中心点集进行聚类，确定聚类中心点；
根据所述聚类中心点、调整后的斑马线及所述去除后的众包轨迹数据，确定新的斑马线。
优选地，所述对每辆车的轨迹数据进行预处理，得到预处理后的众包轨迹数据包括：
(a1)将每辆车的多个轨迹点按照采集时间顺序排序，得到每辆车的排序后的轨迹点集；
(a2)对于一辆车的排序后的轨迹点集中起点记为P0，初始行驶方向记为a0，下一个轨迹点记为P1，下一个点的行驶方向记为a1，计算P0与P1的第一距离D1，a0与a1的角度差A1以及P0与P1的采集时间差T1，依次类推，在排序后的轨迹点集中依次计算前后点间的第一距离Dn，角度差An和时间差Tn，若存在Dn大于第一距离阈值或An大于角度阈值或Tn大于时间阈值时，则确定轨迹被打断，将P0至Pn-1之间的轨迹点记为轨迹编号为1的轨迹，再将Pn赋值给P0，重复上述步骤，其中在确定有轨迹被打断时，轨迹编号加1递增，得到若干条连接和重新打断后的轨迹；
(a3)对于每辆车的排序后的轨迹点集，按照步骤(a2)计算连接和分段得到多条带有轨迹编号的轨迹，其中后一辆车的起始轨迹编号为前一次计算完的车辆的最大轨迹编号加1。
优选地，所述从所述预处理后的众包轨迹数据中去除掉头轨迹，得到去除后的众包轨迹数据包括：
利用预设插值方法对所述预处理后的众包轨迹数据中的每条轨迹做插值处理，得到多条插值后的轨迹；
在每条插值后的轨迹中以第一个轨迹点P0为起点，依次计算P0与P1，P2......Pn1的欧式距离D1，D2......Dn1，再计算D2-D1，D3-D2......Dn1-Dn0得到距离差集Ω＝{d1，d2......dn0}，若Ω中不存在负值，则以第二个点为起点重复上述步骤，以此类推，直到剩余轨迹点不足预设数量n0为止，若Ω中存在负值，则记该次的起点P0为掉头起点，记Pn0为掉头终点，该条轨迹中去除{P0，P2......Pn0}，并得到断开后的前后两段轨迹，前后两段轨迹的轨迹编号重新赋值为当前所有轨迹中最大轨迹编号+1及最大轨迹编号+2。
优选地，所述预设插值方法包括拉格朗日插值法，牛顿插值法。
优选地，所述斑马线数据包括斑马线的四个顶点及斑马线的轨迹点。
优选地，所述根据所述斑马线数据及所述去除后的众包轨迹数据，对所述斑马线数据进行调整，得到调整后的斑马线包括：
(b1)根据斑马线的轨迹点的车辆信息和时间戳在所述去除后的众包轨迹数据中找到对应点P；
(b2)从P点所在的轨迹中，按照时间顺序，计算后续点Pn到P的距离，当点Pn到P的距离第一次大于第二距离阈值时或者Pn为该轨迹的最后一点时，得到所需要的Pn点，计算P到Pn的方向向量
Figure BDA0002818857700000031
(b3)将斑马线的四个顶点记为A，B，C，D，确定AB，BC，CD，DA中长度最长的长边，计算矩形ABCD的中心点Pm，以Pm为中点，作一条预设长度的直线L，垂直于
Figure BDA0002818857700000032
(b4)计算x，y平面下，于L相交的所有轨迹，并计算交点，得到交点集Ω0＝{T1，T2......Tn}，其中，交点为x，y表示的点T(x，y)；
(b5)计算Ω0中每两点的欧氏距离得到最大的距离DT，以及对应的两点Tmin，Tmax，以Tmin，TMax为矩形中线得到新长边，新长边的长度等于DT，方向平行于矩形中线，矩形的另一条边的长度等于斑马线的短边长，即能确定到新的矩形，所述新的矩形为调整完毕的斑马线；
依次对所有斑马线数据中每条斑马线执行(b1)、(b2)、(b3)、(b4)及(b5)进行调整。
优选地，所述对所述调整后的斑马线的中心点集进行聚类，确定聚类中心点包括：
采用预设聚类方法对所述调整后的斑马线的中心点集进行聚类，确定聚类中心点，其中所述预设聚类方法包括密度聚类法、与密度聚类相似的聚类方法、改进k均值聚类法。
优选地，所述根据所述聚类中心点、调整后的斑马线及所述去除后的众包轨迹数据，确定新的斑马线包括：
从所述去除后的众包轨迹数据中计算距离聚类中心点C最近的目标轨迹，得到聚类中心点C到所述目标轨迹的垂点，计算聚类中心点C到垂点的垂直方向向量
Figure BDA0002818857700000041
重复执行(b3)、(b4)及(b5)，得到新的斑马线；
依次对每类的聚类中心点做上述调整，处理完所有所述调整后的斑马线，即能确定所有新的斑马线。
本发明还提出的一种电子装置，所述电子装置包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的斑马线纠正方法，所述斑马线纠正方法被所述处理器执行时实现任一实施例所述的斑马线纠正方法。
本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有斑马线纠正程序，所述斑马线纠正程序可被至少一个处理器执行，以使所述至少一个处理器执行上述任一实施例所述的斑马线纠正方法。
本发明技术方案，获取众包轨迹数据，所述众包轨迹数据包括多辆车的轨迹数据，其中每辆车的轨迹数据包括多个轨迹点；对每辆车的轨迹数据进行预处理，得到预处理后的众包轨迹数据；从所述预处理后的众包轨迹数据中去除掉头轨迹，得到去除后的众包轨迹数据；获取采集的斑马线数据；根据所述斑马线数据及所述去除后的众包轨迹数据，对所述斑马线数据进行调整，得到调整后的斑马线；获取所述调整后的斑马线的中心点集；对所述调整后的斑马线的中心点集进行聚类，确定聚类中心点；根据所述聚类中心点、调整后的斑马线及所述去除后的众包轨迹数据，确定新的斑马线。本发明能提高斑马线的绘制精度。
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示出的结构获得其他的附图。
图1为本发明斑马线纠正方法一实施例的流程示意图；
图2为本发明斑马线纠正程序一实施例的运行环境示意图；
图3为本发明斑马线纠正程序一实施例的程序模块图；
本发明目的的实现、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
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，图1为本发明斑马线纠正方法一实施例的流程示意图。
本实施例中，该斑马线纠正方法包括：
步骤S1、获取众包轨迹数据，所述众包轨迹数据包括多辆车的轨迹数据，其中每辆车的轨迹数据包括多个轨迹点。
在本实施例中，在众包平台上能够搜集各种车辆在行驶过程中采集到的轨迹数据，这样每辆车辆都能采集到很多轨迹点。但由于多种因素，可能很多采集的轨迹数据不是很准确，例如采集的斑马线不是很精确，但高精度的地图对斑马线的精度又很高，因此，需要对采集的斑马线数据进行调整。
步骤S2、对每辆车的轨迹数据进行预处理，得到预处理后的众包轨迹数据。
在本实施例中，由于在众包轨迹数据中，可能存在断裂的轨迹，例如在掉头时可能出现轨迹断裂，而且在真实情况下，斑马线处会有较多的掉头轨迹，因此，为了后续能够准确删除掉头轨迹以减少对调整斑马线的影响，需要对众包轨迹数据进行预处理，连接断裂的轨迹，解决轨迹在掉头处断裂，导致掉头轨迹无法被识别出来的问题。
在一实施例中，所述对每辆车的轨迹数据进行预处理，得到预处理后的众包轨迹数据包括：
(a1)将每辆车的多个轨迹点按照采集时间顺序排序，得到每辆车的排序后的轨迹点集；
(a2)对于一辆车的排序后的轨迹点集中起点记为P0，初始行驶方向记为a0，下一个轨迹点记为P1，下一个点的行驶方向记为a1，计算P0与P1的第一距离D1(单位为米)，a0与a1的角度差A1(单位为度)以及P0与P1的采集时间差T1(单位为毫秒)，依次类推，在排序后的轨迹点集中依次计算前后点间的第一距离Dn(如100)，角度差An(如20)和时间差Tn(如1000)，若存在Dn大于第一距离阈值或An大于角度阈值或Tn大于时间阈值时，则确定轨迹被打断，将P0至Pn-1之间的轨迹点记为轨迹编号为1的轨迹，再将Pn赋值给P0，重复上述步骤，其中在确定有轨迹被打断时，轨迹编号加1递增，得到若干条连接和重新打断后的轨迹；
(a3)对于每辆车的排序后的轨迹点集，按照步骤(a2)计算连接和分段得到多条带有轨迹编号的轨迹，其中后一辆车的起始轨迹编号为前一次计算完的车辆的最大轨迹编号加1。
在上述实施例中对每辆车的每条轨迹排序预处理后，基于掉头轨迹存在行驶方向大幅度角度变化的特点，因此基于行驶方向，角度变化及行驶距离可以有效地识别掉头轨迹，从而以使后续能够判断掉头轨迹的起点和终点，而且本实施例还能将断裂的轨迹连接，从而能使后续较准确的识别掉头轨迹。
步骤S3、从所述预处理后的众包轨迹数据中去除掉头轨迹，得到去除后的众包轨迹数据。
在本实施例中，由于掉头轨迹会导致方向位置错位，若在调整斑马线时参考了掉头轨迹会导致斑马线的方向出问题，因此在调整斑马线前需要把掉头轨迹从众包轨迹数据中删除。
在一实施例中，所述从所述预处理后的众包轨迹数据中去除掉头轨迹，得到去除后的众包轨迹数据包括：
(1)利用预设插值方法对所述预处理后的众包轨迹数据中的每条轨迹做插值处理，得到多条插值后的轨迹。
在上述实施例中所述预设插值方法包括拉格朗日插值法，牛顿插值法。
(2)在每条插值后的轨迹中以第一个轨迹点P0为起点，依次计算P0与P1，P2......Pn1的欧式距离D1，D2......Dn1，再计算D2-D1，D3-D2......Dn1-Dn0得到距离差集Ω＝{d1，d2......dn0}，若Ω中不存在负值，则以第二个点为起点重复上述步骤，以此类推，直到剩余轨迹点不足预设数量n0为止，若Ω中存在负值，则记该次的起点P0为掉头起点，记Pn0为掉头终点，该条轨迹中去除{P0，P2......Pn0}，并得到断开后的前后两段轨迹，前后两段轨迹的轨迹编号重新赋值为当前所有轨迹中最大轨迹编号+1及最大轨迹编号+2。
例如，若n取2，在每条插值后的轨迹中以第一个轨迹点P0为起点，依次计算P0与P1，P2......P21的欧式距离D1，D2......D21，再计算D2-D1，D3-D2......D21-D20得到距离差集Ω＝{d1，d2......d20}，若Ω中不存在负值，则以第二个点为起点重复上述步骤，以此类推，直到剩余轨迹点不足预设数量20为止，若Ω中存在负值，则记该次的起点P0为掉头起点，记P20为掉头终点，该条轨迹中去除{P0，P2......P20}。
步骤S4、获取采集的斑马线数据。
在本实施例中，所述斑马线数据包括斑马线的四个顶点及斑马线的轨迹点。
步骤S5、根据所述斑马线数据及所述去除后的众包轨迹数据，对所述斑马线数据进行调整，得到调整后的斑马线。
在本实施例中，从众包轨迹数据去除掉头轨迹后，就可以参考众包轨迹数据对斑马线执行第一次调整，从而调整斑马线的方向，提高斑马线的精度。
在一施例中，所述根据所述斑马线数据及所述去除后的众包轨迹数据，对所述斑马线数据进行调整，得到调整后的斑马线包括：
(b1)根据斑马线的轨迹点的车辆信息和时间戳在所述去除后的众包轨迹数据中找到对应点P。
(b2)从P点所在的轨迹中，按照时间顺序，计算后续点Pn到P的距离，当点Pn到P的距离第一次大于第二距离阈值时或者Pn为该轨迹的最后一点时，得到所需要的Pn点，计算P到Pn的方向向量
Figure BDA0002818857700000081
(b3)将斑马线的四个顶点记为A，B，C，D，确定AB，BC，CD，DA中长度最长的长边，例如最长边为AB，计算矩形ABCD的中心点Pm，以Pm为中点，作一条预设长度的直线L，垂直于
Figure BDA0002818857700000082
(b4)计算x，y平面下，于L相交的所有轨迹，并计算交点，得到交点集Ω0＝{T1，T2......Tn}，其中，交点为x，y表示的点T(x，y)。
(b5)计算Ω0中每两点的欧氏距离得到最大的距离DT，以及对应的两点Tmin，Tmax，以Tmin，Tmax为矩形中线得到新长边A′B′，新长边A′B′的长度等于DT，方向平行于矩形中线，矩形的另一条边B′C′的长度等于斑马线的短边长，即能确定到新的矩形，所述新的矩形A′B′C′D′为调整完毕的斑马线。
依次对所有斑马线数据中每条斑马线执行(b1)、(b2)、(b3)、(b4)及(b5)进行调整。
步骤S6、获取所述调整后的斑马线的中心点集。
在本实施例中，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)。
步骤S7、对所述调整后的斑马线的中心点集进行聚类，确定聚类中心点。
在本实施例中，采用预设聚类方法对所述调整后的斑马线的中心点集进行聚类，确定聚类中心点，其中所述预设聚类方法包括密度聚类法、与密度聚类相似的聚类方法、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。聚类特征为空间坐标x，y，z。
步骤S8、根据所述聚类中心点、调整后的斑马线及所述去除后的众包轨迹数据，确定新的斑马线。
在本实施例中，由于斑马线直接聚类导致聚类处理结果与实际情况偏差太大的问题。因此为了减少偏差，在去除掉头轨迹做了第一次调整后，再对调整后的斑马线聚类，可以减少噪声数据对斑马线的影响，提高斑马线的精度。
在一实施例中，所述根据所述聚类中心点、调整后的斑马线及所述去除后的众包轨迹数据，确定新的斑马线包括：
从所述去除后的众包轨迹数据中计算距离聚类中心点C最近的目标轨迹，得到聚类中心点C到所述目标轨迹的垂点，计算聚类中心点C到垂点的垂直方向向量
Figure BDA0002818857700000091
重复执行(b3)、(b4)及(b5)，得到新的斑马线；
依次对每类的聚类中心点做上述调整，处理完所有所述调整后的斑马线，即能确定所有新的斑马线。
本发明技术方案，获取众包轨迹数据，所述众包轨迹数据包括多辆车的轨迹数据，其中每辆车的轨迹数据包括多个轨迹点；对每辆车的轨迹数据进行预处理，得到预处理后的众包轨迹数据；从所述预处理后的众包轨迹数据中去除掉头轨迹，得到去除后的众包轨迹数据；获取采集的斑马线数据；根据所述斑马线数据及所述去除后的众包轨迹数据，对所述斑马线数据进行调整，得到调整后的斑马线；获取所述调整后的斑马线的中心点集；对所述调整后的斑马线的中心点集进行聚类，确定聚类中心点；根据所述聚类中心点、调整后的斑马线及所述去除后的众包轨迹数据，确定新的斑马线。本发明能提高斑马线的绘制精度。
请参阅图2，是本发明斑马线纠正程序10较佳实施例的运行环境示意图。
在本实施例中，斑马线纠正程序10安装并运行于电子装置1中。电子装置1可以是桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子装置1可包括，但不仅限于，存储器11、处理器12及显示器13。图2仅示出了具有组件11-13的电子装置1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
存储器11是一种计算机存储介质，在一些实施例中可以是电子装置1的内部存储单元，例如该电子装置1的硬盘或内存。存储器11在另一些实施例中也可以是电子装置1的外部存储设备，例如电子装置1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器11还可以既包括电子装置1的内部存储单元也包括外部存储设备。存储器11用于存储安装于电子装置1的应用软件及各类数据，例如斑马线纠正程序10的程序代码等。存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行斑马线纠正程序10等。
显示器13在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。显示器13用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面，例如业务定制界面等。电子装置1的部件11-13通过系统总线相互通信。
图2仅示出了具有部件的电子装置，本领域技术人员可以理解的是，图2示出的结构并不构成对所述电子装置1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子装置1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器12逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子装置1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子装置1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子装置1与其他电子装置之间建立通信连接。
可选地，该电子装置1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
请参阅图3，是本发明斑马线纠正程序10一实施例的程序模块图。在本实施例中，斑马线纠正程序10可以被分割成一个或多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器(本实施例为处理器12)所执行，以完成本发明。本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述斑马线纠正程序10在电子装置1中的执行过程，其中：
在本实施例中，关于各模块/单元的功能如下：
获取模块101、获取众包轨迹数据，所述众包轨迹数据包括多辆车的轨迹数据，其中每辆车的轨迹数据包括多个轨迹点；
预处理模块102、对每辆车的轨迹数据进行预处理，得到预处理后的众包轨迹数据；
去除模块103、从所述预处理后的众包轨迹数据中去除掉头轨迹，得到去除后的众包轨迹数据；
所述获取模块101获取采集的斑马线数据；
调整模块104根据所述斑马线数据及所述去除后的众包轨迹数据，对所述斑马线数据进行调整，得到调整后的斑马线；
所述获取模块101获取所述调整后的斑马线的中心点集；
聚类模块105对所述调整后的斑马线的中心点集进行聚类，确定聚类中心点；
确定模块106根据所述聚类中心点、调整后的斑马线及所述去除后的众包轨迹数据，确定新的斑马线。
上述模块的详细实现步骤与方法类似，在此不再赘述。本发明技术方案，获取众包轨迹数据，所述众包轨迹数据包括多辆车的轨迹数据，其中每辆车的轨迹数据包括多个轨迹点；对每辆车的轨迹数据进行预处理，得到预处理后的众包轨迹数据；从所述预处理后的众包轨迹数据中去除掉头轨迹，得到去除后的众包轨迹数据；获取采集的斑马线数据；根据所述斑马线数据及所述去除后的众包轨迹数据，对所述斑马线数据进行调整，得到调整后的斑马线；获取所述调整后的斑马线的中心点集；对所述调整后的斑马线的中心点集进行聚类，确定聚类中心点；根据所述聚类中心点、调整后的斑马线及所述去除后的众包轨迹数据，确定新的斑马线。本发明能提高斑马线的绘制精度。
进一步地，所述电子装置1集成的模块/单元如果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读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
所述计算机可读存储介质上存储有斑马线纠正程序，所述斑马线纠正程序可被一个或多个处理器执行，以实现如下操作：
获取众包轨迹数据，所述众包轨迹数据包括多辆车的轨迹数据，其中每辆车的轨迹数据包括多个轨迹点；
对每辆车的轨迹数据进行预处理，得到预处理后的众包轨迹数据；
从所述预处理后的众包轨迹数据中去除掉头轨迹，得到去除后的众包轨迹数据；
获取采集的斑马线数据；
根据所述斑马线数据及所述去除后的众包轨迹数据，对所述斑马线数据进行调整，得到调整后的斑马线；
获取所述调整后的斑马线的中心点集；
对所述调整后的斑马线的中心点集进行聚类，确定聚类中心点；
根据所述聚类中心点、调整后的斑马线及所述去除后的众包轨迹数据，确定新的斑马线。
进一步地，所述电子装置1集成的模块/单元如果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读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
所述计算机可读存储介质上存储有斑马线纠正程序，所述斑马线纠正程序可被一个或多个处理器执行，以实现如下操作：
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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。
另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
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限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种斑马线纠正方法，其特征在于，该方法包括步骤：
获取众包轨迹数据，所述众包轨迹数据包括多辆车的轨迹数据，其中每辆车的轨迹数据包括多个轨迹点；
对每辆车的轨迹数据进行预处理，得到预处理后的众包轨迹数据；
从所述预处理后的众包轨迹数据中去除掉头轨迹，得到去除后的众包轨迹数据；
获取采集的斑马线数据；
根据所述斑马线数据及所述去除后的众包轨迹数据，对所述斑马线数据进行调整，得到调整后的斑马线；
获取所述调整后的斑马线的中心点集；
对所述调整后的斑马线的中心点集进行聚类，确定聚类中心点；
根据所述聚类中心点、调整后的斑马线及所述去除后的众包轨迹数据，确定新的斑马线。
2.如权利要求1所述的斑马线纠正方法，其特征在于，所述对每辆车的轨迹数据进行预处理，得到预处理后的众包轨迹数据包括：
(a1)将每辆车的多个轨迹点按照采集时间顺序排序，得到每辆车的排序后的轨迹点集；
(a2)对于一辆车的排序后的轨迹点集中起点记为P0，初始行驶方向记为a0，下一个轨迹点记为P1，下一个点的行驶方向记为a1，计算P0与P1的第一距离D1，a0与a1的角度差A1以及P0与P1的采集时间差T1，依次类推，在排序后的轨迹点集中依次计算前后点间的第一距离Dn，角度差An和时间差Tn，若存在Dn大于第一距离阈值或An大于角度阈值或Tn大于时间阈值时，则确定轨迹被打断，将P0至Pn-1之间的轨迹点记为轨迹编号为1的轨迹，再将Pn赋值给P0，重复上述步骤，其中在确定有轨迹被打断时，轨迹编号加1递增，得到若干条连接和重新打断后的轨迹；
(a3)对于每辆车的排序后的轨迹点集，按照步骤(a2)计算连接和分段得到多条带有轨迹编号的轨迹，其中后一辆车的起始轨迹编号为前一次计算完的车辆的最大轨迹编号加1。
3.如权利要求1所述的斑马线纠正方法，其特征在于，所述从所述预处理后的众包轨迹数据中去除掉头轨迹，得到去除后的众包轨迹数据包括：
利用预设插值方法对所述预处理后的众包轨迹数据中的每条轨迹做插值处理，得到多条插值后的轨迹；
在每条插值后的轨迹中以第一个轨迹点P0为起点，依次计算P0与P1，P2......Pn1的欧式距离D1，D2......Dn1，再计算D2-D1，D3-D2......Dn1-Dn0得到距离差集Ω＝{d1，d2......dn0}，若Ω中不存在负值，则以第二个点为起点重复上述步骤，以此类推，直到剩余轨迹点不足预设数量n0为止，若Ω中存在负值，则记该次的起点P0为掉头起点，记Pn0为掉头终点，该条轨迹中去除{P0，P2......Pn0}，并得到断开后的前后两段轨迹，前后两段轨迹的轨迹编号重新赋值为当前所有轨迹中最大轨迹编号+1及最大轨迹编号+2。
4.如权利要求1所述的斑马线纠正方法，其特征在于，所述预设插值方法包括拉格朗日插值法，牛顿插值法。
5.如权利要求1所述的斑马线纠正方法，其特征在于，所述斑马线数据包括斑马线的四个顶点及斑马线的轨迹点。
6.如权利要求5所述的斑马线纠正方法，其特征在于，所述根据所述斑马线数据及所述去除后的众包轨迹数据，对所述斑马线数据进行调整，得到调整后的斑马线包括：
(b1)根据斑马线的轨迹点的车辆信息和时间戳在所述去除后的众包轨迹数据中找到对应点P；
(b2)从P点所在的轨迹中，按照时间顺序，计算后续点Pn到P的距离，当点Pn到P的距离第一次大于第二距离阈值时或者Pn为该轨迹的最后一点时，得到所需要的Pn点，计算P到Pn的方向向量
Figure FDA0002818857690000021
(b3)将斑马线的四个顶点记为A，B，C，D，确定AB，BC，CD，DA中长度最长的长边，计算矩形ABCD的中心点Pm，以Pm为中点，作一条预设长度的直线L，垂直于
Figure FDA0002818857690000031
(b4)计算x，y平面下，于L相交的所有轨迹，并计算交点，得到交点集Ω0＝{T1，T2......Tn}，其中，交点为x，y表示的点T(x，y)；
(b5)计算Ω0中每两点的欧氏距离得到最大的距离DT，以及对应的两点Tmin，Tmax，以Tmin，TMax为矩形中线得到新长边，新长边的长度等于DT，方向平行于矩形中线，矩形的另一条边的长度等于斑马线的短边长，即能确定到新的矩形，所述新的矩形为调整完毕的斑马线；
依次对所有斑马线数据中每条斑马线执行(b1)、(b2)、(b3)、(b4)及(b5)进行调整。
7.如权利要求1所述的斑马线纠正方法，其特征在于，所述对所述调整后的斑马线的中心点集进行聚类，确定聚类中心点包括：
采用预设聚类方法对所述调整后的斑马线的中心点集进行聚类，确定聚类中心点，其中所述预设聚类方法包括密度聚类法、与密度聚类相似的聚类方法、改进k均值聚类法。
8.如权利要求6所述的斑马线纠正方法，其特征在于，所述根据所述聚类中心点、调整后的斑马线及所述去除后的众包轨迹数据，确定新的斑马线包括：
从所述去除后的众包轨迹数据中计算距离聚类中心点C最近的目标轨迹，得到聚类中心点C到所述目标轨迹的垂点，计算聚类中心点C到垂点的垂直方向向量
Figure FDA0002818857690000032
重复执行(b3)、(b4)及(b5)，得到新的斑马线；
依次对每类的聚类中心点做上述调整，处理完所有所述调整后的斑马线，即能确定所有新的斑马线。
9.一种电子装置，其特征在于，包括存储器、处理器及存储在所述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8任一项所述的斑马线纠正方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有斑马线纠正方法，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的斑马线纠正方法的步骤。
CN202011411562.7A 2020-12-05 2020-12-05 斑马线纠正方法、电子装置和存储介质 Active CN112488217B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011411562.7A CN112488217B (zh) 2020-12-05 2020-12-05 斑马线纠正方法、电子装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011411562.7A CN112488217B (zh) 2020-12-05 2020-12-05 斑马线纠正方法、电子装置和存储介质

Publications (2)

Publication Number Publication Date
CN112488217A true CN112488217A (zh) 2021-03-12
CN112488217B CN112488217B (zh) 2022-07-29

Family

ID=74938240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011411562.7A Active CN112488217B (zh) 2020-12-05 2020-12-05 斑马线纠正方法、电子装置和存储介质

Country Status (1)

Country Link
CN (1) CN112488217B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610860A (zh) * 2021-06-17 2021-11-05 阿波罗智能技术(北京)有限公司 高精地图斑马线生成方法、装置及电子设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140358322A1 (en) * 2013-06-01 2014-12-04 Faroog Ibrahim System and Method for Map Matching
CN105957342A (zh) * 2016-05-30 2016-09-21 武汉大学 基于众包时空大数据的车道级道路测图方法及系统
CN106909916A (zh) * 2017-03-20 2017-06-30 南京大学 一种基于手机平台快速检测与识别人行道斑马线的方法
CN107067038A (zh) * 2017-04-20 2017-08-18 哈尔滨工业大学 一种基于pdr轨迹绘制的室内楼宇轮廓修整方法
JP2017207973A (ja) * 2016-05-19 2017-11-24 パナソニックＩｐマネジメント株式会社 検出装置および検出方法
US20180025235A1 (en) * 2016-07-21 2018-01-25 Mobileye Vision Technologies Ltd. Crowdsourcing the collection of road surface information
CN110543473A (zh) * 2019-08-20 2019-12-06 武汉中海庭数据技术有限公司 一种众包数据融合优化方法、装置及存储介质
CN111291776A (zh) * 2018-12-07 2020-06-16 北方工业大学 基于众源轨迹数据的航道信息提取方法
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 (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140358322A1 (en) * 2013-06-01 2014-12-04 Faroog Ibrahim System and Method for Map Matching
JP2017207973A (ja) * 2016-05-19 2017-11-24 パナソニックＩｐマネジメント株式会社 検出装置および検出方法
CN105957342A (zh) * 2016-05-30 2016-09-21 武汉大学 基于众包时空大数据的车道级道路测图方法及系统
US20180025235A1 (en) * 2016-07-21 2018-01-25 Mobileye Vision Technologies Ltd. Crowdsourcing the collection of road surface information
CN106909916A (zh) * 2017-03-20 2017-06-30 南京大学 一种基于手机平台快速检测与识别人行道斑马线的方法
CN107067038A (zh) * 2017-04-20 2017-08-18 哈尔滨工业大学 一种基于pdr轨迹绘制的室内楼宇轮廓修整方法
CN111291776A (zh) * 2018-12-07 2020-06-16 北方工业大学 基于众源轨迹数据的航道信息提取方法
CN110543473A (zh) * 2019-08-20 2019-12-06 武汉中海庭数据技术有限公司 一种众包数据融合优化方法、装置及存储介质
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
DRAGAN AHMETOVIC 等: "Mind Your Crossings: Mining GIS Imagery for Crosswalk Localization", 《ACM TRANSACTIONS ON ACCESSIBLE COMPUTING》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610860A (zh) * 2021-06-17 2021-11-05 阿波罗智能技术(北京)有限公司 高精地图斑马线生成方法、装置及电子设备
CN113610860B (zh) * 2021-06-17 2023-12-15 阿波罗智能技术(北京)有限公司 高精地图斑马线生成方法、装置及电子设备

Also Published As

Publication number Publication date
CN112488217B (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
CN108279016B (zh) Had地图的平滑处理方法和装置、导航系统及自动驾驶系统
CN111783982A (zh) 攻击样本的获取方法、装置、设备及介质
CN111476225B (zh) 基于人工智能的车内人脸识别方法、装置、设备及介质
CN110796066A (zh) 一种车道线组构建方法及装置
CN115272572A (zh) 输电线路重建方法、装置、电子设备及存储介质
CN113792061A (zh) 地图数据的更新方法、装置及电子设备
CN112488217B (zh) 斑马线纠正方法、电子装置和存储介质
CN113971723B (zh) 高精地图中三维地图的构建方法、装置、设备和存储介质
CN113722342A (zh) 高精地图要素变更检测方法、装置、设备及自动驾驶车辆
CN114219023A (zh) 数据聚类方法、装置、电子设备及可读存储介质
CN114036248A (zh) 高精地图数据的处理方法、装置及电子设备
CN111539401B (zh) 基于人工智能的车道线检测方法、装置、终端及存储介质
CN112489057B (zh) 交通标志数据处理方法、电子装置和存储介质
WO2021051568A1 (zh) 路网拓扑结构的构建方法、装置、计算机设备及存储介质
CN115049374B (zh) 一种工艺设备的数据加工方法及装置
CN112529086B (zh) 停止线生成方法、电子装置和存储介质
CN113048988B (zh) 一种导航地图对应场景的变化元素检测方法及装置
CN113762397A (zh) 检测模型训练、高精度地图更新方法、设备、介质及产品
CN112509329B (zh) 交通标志数据处理方法、电子装置和存储介质
CN114677652B (zh) 一种违法行为监控方法及装置
CN112579924B (zh) 道路生成方法、电子装置和存储介质
CN114187489B (zh) 车辆异常驾驶风险检测方法、装置、电子设备及存储介质
CN112508112B (zh) 基于停止线相对位置的斑马线融合方法及系统
CN116465394B (zh) 基于车辆轨迹数据的路网结构生成方法及装置
CN116718181B (zh) 地图生成方法、装置、电子设备及存储介质

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
GR01 Patent grant