CN112489057A - 交通标志数据处理方法、电子装置和存储介质 - Google Patents
交通标志数据处理方法、电子装置和存储介质 Download PDFInfo
- Publication number
- CN112489057A CN112489057A CN202011407897.1A CN202011407897A CN112489057A CN 112489057 A CN112489057 A CN 112489057A CN 202011407897 A CN202011407897 A CN 202011407897A CN 112489057 A CN112489057 A CN 112489057A
- Authority
- CN
- China
- Prior art keywords
- sub
- traffic sign
- data
- area
- region
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- 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
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- 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
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Geometry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种电子装置、交通标志数据处理方法和存储介质,该方法包括:获取采集的交通标志数据,所述交通标志数据包括多个交通标志牌;计算所述多个交通标志牌中每个交通标志牌的中心点;根据每个交通标志牌的中心点,将包含所述多个交通标志牌的区域划分成多个子区域;扩充每个子区域,得到每个子区域对应的扩充后的区域;基于每个扩充后的区域,确定每个子区域中待处理数据;利用多进程机制,将每一个子区域内待处理数据依次传递进入进程中,并确定所有子区域的交通标志数据的处理结果;对所有子区域的交通标志数据的处理结果进行融合处理,得到融合处理后的交通标志数据。本申请实施例能实现提高地图制作的速度,提高地图制作的精度。
Description
技术领域
本发明涉及自动驾驶领域,特别涉及一种交通标志数据处理方法、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。由于众包采集车绘制成本低,所以通常采用众包采集车采集地图相关数据,并且会进行广泛布置以采集高鲜度的数据,提高高精度地图的更新频率,其所采集收集的轨迹数据、交通标志数据、车道线数据等数据量通常非常庞大。在结合融合优化后的轨迹和车道线信息处理交通标志信息时会造成单批次处理时间过长。另外由于众包采集数据精度较低,数据切分可能会造成同一类交通标志被切分本到不同的区域中的问题,从而影响地图制作的精度。
发明内容
本发明的主要目的是提供一种交通标志数据处理方法,旨在实现提高地图制作的速度,并减少同一类交通标志被切分本到不同的区域中的问题的发生,从而提高地图制作的精度。
为实现上述目的,本发明提出的一种交通标志数据处理方法,该方法包括步骤:
获取采集的交通标志数据,所述交通标志数据包括多个交通标志牌;
计算所述多个交通标志牌中每个交通标志牌的中心点;
根据每个交通标志牌的中心点,将包含所述多个交通标志牌的区域划分成多个子区域;
扩充每个子区域,得到每个子区域对应的扩充后的区域;
基于每个子区域对应的扩充后的区域,确定每个子区域中待处理数据,其中每个子区域中待处理数据包括每个子区域中待处理的交通标志数据;
利用多进程机制,依次启动进程,将每一个子区域内待处理数据依次传递进入进程中,并确定所有子区域的交通标志数据的处理结果;
对所有子区域的交通标志数据的处理结果进行融合处理,得到融合处理后的交通标志数据。
优选地,所述根据每个交通标志牌的中心点,将包含所述多个交通标志牌的区域划分成多个子区域包括:
获取每个交通标志牌的中心点的坐标;
根据每个交通标志牌的中心点的坐标,确定横坐标最大值、横坐标最小值及纵坐标最大值和纵坐标最小值;
根据横坐标最大值、横坐标最小值及纵坐标最大值和纵坐标最小值确定包含所述多个交通标志牌的区域;
按照从左至右,从上至下的顺序将包含所述多个交通标志牌的区域划分成多个正方形区块,其中每个正方形区块为一个子区域。
优选地,其中每个子区域有一个区域号,每个交通标志牌的中心点有对应的区域号,所述根据每个交通标志牌的中心点,将包含所述多个交通标志牌的区域划分成多个子区域还包括:
计算每个子区域中的交通标志牌的中心点到其所在子区域的边界的距离,筛选出距离小于第一距离阈值的交通标志牌的中心点;
将筛选出的交通标志牌的中心点进行聚类,得到聚类结果;
在所述聚类结果中,若存在两个子区域中的中心点聚类为一类,则将该类中的中心点标记为所在子区域数量占较多的区域号。
优选地,所述扩充每个子区域,得到每个子区域对应的扩充后的区域包括:
获取每个子区域的顶点;
将每个子区域的四个顶点记为Pn1,Pn2,Pn3,Pn4,将每个子区域的Pn1,Pn2,Pn3,Pn4中最小横坐标和最小纵坐标分别减少预设坐标值,再将每个子区域的Pn1,Pn2,Pn3,Pn4中最大横坐标和最大纵坐标分别增加预设坐标值,得到每个子区域对应的扩充后的区域顶点。
优选地,所述交通标志数据还包括每个交通标志牌的覆盖范围,每个子区域中待处理数据包括每个子区域中待处理的轨迹数据及每个子区域中待处理的车道线数据,所述基于每个子区域对应的扩充后的区域,确定每个子区域中待处理数据,其中每个子区域中待处理数据包括每个子区域中待处理的交通标志数据包括:
基于每个子区域对应的扩充后的区域,对每个子区域对应的所有交通标志牌的覆盖范围进行融合处理及在每个子区域对应的扩充后的区域中截取其内的轨迹线及车道线,得到每个子区域中处理后的交通标志数据、轨迹数据及车道线数据。
优选地,所述利用多进程机制,依次启动进程,将每一个子区域内待处理数据依次传递进入进程中,并确定所有子区域的交通标志数据的处理结果包括:
将每个子区域中处理后的交通标志数据、轨迹数据及车道线数据,按照数据量大小对所有子区域进行排序,得到排序后的子区域;
利用多进程机制,根据排序后的子区域,依次启动进程,将每一个区域内待处理的数据传递进入进程中,并将数据量大的子区域会优先传递进入进程中。
优选地,所述对所有子区域的交通标志数据的处理结果进行融合处理,得到融合处理后的交通标志数据包括:
将所有交通标志数据的处理结果不为空值的交通标志数据合并,得到融合处理后的交通标志数据。
优选地,所述方法还包括以下一种或者多种组合:
在单个进程内检查正在处理的子区域中的交通标志数据是否符合第一条件,若存在符合所述第一条件的交通标志数据,将符合所述第一条件的交通标志数据删除,其中所述第一条件包括以下一种或者多种的组合:端点数量不足的交通标志数据、端点坐标存在重复的交通标志数据;
在单个进程内调整正在处理的子区域中内以每一个交通标志牌的中心点为圆点及预设半径内的车道线和轨迹,根据车道线和轨迹的位置分布,将所述正在处理的子区域中交通标志牌的位置做调整使交通标志牌符合第二条件,所述第二条件包括以下一种或者多种的组合:斑马线横跨整个道路,停止线覆盖同向行驶道路,杆件不能在车道内,地面标记处于车道内。
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交通标志数据处理方法,所述交通标志数据处理方法被所述处理器执行时实现任一实施例所述的交通标志数据处理方法。
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交通标志数据处理程序,所述交通标志数据处理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交通标志数据处理方法。
本发明技术方案,获取采集的交通标志数据,所述交通标志数据包括多个交通标志牌;计算所述多个交通标志牌中每个交通标志牌的中心点;根据每个交通标志牌的中心点,将包含所述多个交通标志牌的区域划分成多个子区域;扩充每个子区域,得到每个子区域对应的扩充后的区域;基于每个子区域对应的扩充后的区域,确定每个子区域中待处理数据,其中每个子区域中待处理数据包括每个子区域中待处理的交通标志数据;利用多进程机制,依次启动进程,将每一个子区域内待处理数据依次传递进入进程中,并确定所有子区域的交通标志数据的处理结果;对所有子区域的交通标志数据的处理结果进行融合处理,得到融合处理后的交通标志数据。本申请实施例能实现提高地图制作的速度,并能减少同一类交通标志被切分本到不同的区域中的问题的发生,从而提高地图制作的精度。
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为本发明交通标志数据处理方法一实施例的流程示意图;
图2为本发明交通标志数据处理程序一实施例的运行环境示意图;
图3为本发明交通标志数据处理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为本发明交通标志数据处理方法一实施例的流程示意图。
在自动驾驶领域,由于众包采集成本低,通常会采集到大量的数据,通常采用众包采集车采集地图相关数据,并且会进行广泛布置以采集高鲜度的数据,提高高精度地图的更新频率,其所采集收集的轨迹数据、交通标志数据、车道线数据等数据量通常非常庞大。在结合融合优化后的轨迹和车道线信息处理交通标志信息时会造成单批次处理时间过长。另外由于众包采集数据精度较低,数据切分可能会造成同一类交通标志被切分本到不同的区域中的问题,从而会影响制度制作的精度。因此需要降低同一类交通标志被切分本到不同的区域中的问题发生的几率。
本一实施例中,该交通标志数据处理方法包括:
步骤S1、获取采集的交通标志数据,所述交通标志数据包括多个交通标志牌。
在本实施例中,交通标志牌可以是一条线表示,也可以是一个面表示,例如交通标志牌是停止线,斑马线等等。
在一实施例中,交通标志牌还可以包括该交通标志牌的覆盖范围,可以用两个点表示,也可以四个点表示的面。若用两个点表示的线,记为TS=(A,B)。若用四个点表示的面信息,即为TS=(A,B,C,D)。
步骤S2、计算所述多个交通标志牌中每个交通标志牌的中心点。
在本实施例中,在可以用两个点表示,也可以四个点表示的面后,每个交通标志牌的中心点就可以根据表示的点计算出。
在本实施例中,用交通标志牌的中心点CTn表示交通标志牌的覆盖范围,每一个中心点对应一个交通标志牌,即一个CTn对应一个TSn。
步骤S3、根据每个交通标志牌的中心点,将包含所述多个交通标志牌的区域划分成多个子区域。
在一实施例中,所述根据每个交通标志牌的中心点,将包含所述多个交通标志牌的区域划分成多个子区域包括:
获取每个交通标志牌的中心点的坐标;
根据每个交通标志牌的中心点的坐标,确定横坐标最大值、横坐标最小值及纵坐标最大值和纵坐标最小值;
根据横坐标最大值、横坐标最小值及纵坐标最大值和纵坐标最小值确定包含所述多个交通标志牌的区域;
按照从左至右,从上至下的顺序将包含所述多个交通标志牌的区域划分成多个正方形区块,其中每个正方形区块为一个子区域。
在上述实施例中,可能划分到边缘区域时,区域不够划分,因此包含所述多个交通标志牌的区域中的最右边和最下边的正方形区块大小可以根据划分实际大小划分。其中每个子区域用一个区域号AID表示,区域号不重复,每个子区域的四个顶点用Pn1,Pn2,Pn3,Pn4表示。根据划分的结果,将每个交通标志牌的中心点对应上相应的区域号,即CTn与AID对应。
在实际采集众包数据中,由于众包采集数据精度较低,数据切分可能会造成同一类交通标志被切分本到不同的区域中的问题;切分后处于切分边缘的交通标志无法获取周围完整的车道线和轨迹的问题,因此需要解决该问题。本实施例中通过以中心点代替交通标志数据和区域边缘聚类的方法,使同一类交通标志不会被切分本到不同的区域中。
因此,在该实施例中,所述根据每个交通标志牌的中心点,将包含所述多个交通标志牌的区域划分成多个子区域还包括:
计算每个子区域中的交通标志牌的中心点到其所在子区域的边界的距离,筛选出距离小于第一距离阈值的交通标志牌的中心点;
将筛选出的交通标志牌的中心点进行聚类,得到聚类结果;
在所述聚类结果中,若存在两个子区域中的中心点聚类为一类,则将该类中的中心点标记为所在子区域数量占较多的区域号。
在本实施例中,聚类特征为空间坐标x,y,z,采用预设聚类方法对筛选出的交通标志牌的中心点进行聚类,其中预设聚类方法包括但不限于: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5米。
在上述实施例中,通过以中心点代替交通标志数据和区域边缘聚类的方法,使同一类交通标志不会被切分本到不同的区域中,从而使后续切分后处于切分边缘的交通标志能够获取周围完整的车道线和轨迹。
步骤S4、扩充每个子区域,得到每个子区域对应的扩充后的区域。
在本实施例中,所述扩充每个子区域,得到每个子区域对应的扩充后的区域包括:
获取每个子区域的顶点;
将每个子区域的四个顶点记为Pn1,Pn2,Pn3,Pn4,将每个子区域的Pn1,Pn2,Pn3,Pn4中最小横坐标和最小纵坐标分别减少预设坐标值,再将每个子区域的Pn1,Pn2,Pn3,Pn4中最大横坐标和最大纵坐标分别增加预设坐标值,得到每个子区域对应的扩充后的区域顶点。
在上述实施例中,预设坐标值大于0,例如预设坐标为80。
步骤S5、基于每个子区域对应的扩充后的区域,确定每个子区域中待处理数据,其中每个子区域中待处理数据包括每个子区域中待处理的交通标志数据。
在本实施例中,每个子区域中待处理数据还包括每个子区域中待处理的轨迹数据及每个子区域中待处理的车道线数据,所述基于每个子区域对应的扩充后的区域,确定每个子区域中待处理数据,其中每个子区域中待处理数据包括每个子区域中待处理的交通标志数据包括:
基于每个子区域对应的扩充后的区域,对每个子区域对应的所有交通标志牌的覆盖范围进行融合处理及在每个子区域对应的扩充后的区域中截取其内的轨迹线及车道线,得到每个子区域中处理后的交通标志数据、轨迹数据及车道线数据。
在上述实施例中,基于每个子区域对应的扩充后的区域能扩大车道线和轨迹的范围后,处于区域切分边缘的交通标志即可获取周围完整车道线和轨迹。
步骤S6、利用多进程机制,依次启动进程,将每一个子区域内待处理数据依次传递进入进程中,并确定所有子区域的交通标志数据的处理结果。
在本实施例中,虽然基于对众包采集数据进行区域切分多进程处理的方式,使单批次处理交通标志的时间大大缩短,但数据切分后某些区域采集的数据较其他区域多出数十倍,这些数据较大的区域在区域处理的顺序中排在较后的位置,导致其拖慢了整个处理时长的问题;为了进一步提到处理速度,在一实施例中基于对区域切分后的众包数据进行大数据量先处理的方式,使多进程负载均衡,提升多进程的效率,缩短处理交通标志的时间。
因此,所述利用多进程机制,依次启动进程,将每一个子区域内待处理数据依次传递进入进程中,并确定所有子区域的交通标志数据的处理结果包括:
将每个子区域中处理后的交通标志数据、轨迹数据及车道线数据,按照数据量大小对所有子区域进行排序,得到排序后的子区域;
利用多进程机制,根据排序后的子区域,依次启动进程,将每一个区域内待处理的数据传递进入进程中,并将数据量大的子区域会优先传递进入进程中。
在上述实施中,排序后,数据量大的区域会先进行处理,则会平衡所有进程的运行时间,缩短整个处理时间,避免大数据量的区域在靠后的顺序才启动处理,拖慢整个处理时长。将基于对区域切分后的众包数据进行大数据量先处理的方式,使多进程负载均衡,提升多进程的效率,缩短处理交通标志的时间。
步骤S7、对所有子区域的交通标志数据的处理结果进行融合处理,得到融合处理后的交通标志数据。
在一实施例中,所述方法还包括以下一种或者多种的组合:在单个进程内检查正在处理的子区域中的交通标志数据是否符合第一条件,若存在符合所述第一条件的交通标志数据,将符合所述第一条件的交通标志数据删除,其中所述第一条件包括以下一种或者多种的组合:端点数量不足的交通标志数据、端点坐标存在重复的交通标志数据;
在单个进程内调整正在处理的子区域中内以每一个交通标志牌的中心点为圆点及预设半径内的车道线和轨迹,根据车道线和轨迹的位置分布,将所述正在处理的子区域中交通标志牌的位置做调整使交通标志牌符合第二条件,所述第二条件包括以下一种或者多种的组合:斑马线横跨整个道路,停止线覆盖同向行驶道路,杆件不能在车道内,地面标记处于车道内。
在上述实施例中,通过这两种方法的检测,可以更有效的排除不正确的数据,从而提高地图制作的精度。
在所有进程处理完毕后,由于上述实施例对每个子区域内的交通标志融合处理结果有做删除动作,因此需判断所有子区域内的结果是否不为空值。因此,所述对所有子区域的交通标志数据的处理结果进行融合处理,得到融合处理后的交通标志数据包括:
将所有交通标志数据的处理结果不为空值的交通标志数据合并,得到融合处理后的交通标志数据。
本发明技术方案,获取采集的交通标志数据,所述交通标志数据包括多个交通标志牌;计算所述多个交通标志牌中每个交通标志牌的中心点;根据每个交通标志牌的中心点,将包含所述多个交通标志牌的区域划分成多个子区域;扩充每个子区域,得到每个子区域对应的扩充后的区域;基于每个子区域对应的扩充后的区域,确定每个子区域中待处理数据,其中每个子区域中待处理数据包括每个子区域中待处理的交通标志数据;利用多进程机制,依次启动进程,将每一个子区域内待处理数据依次传递进入进程中,并确定所有子区域的交通标志数据的处理结果;对所有子区域的交通标志数据的处理结果进行融合处理,得到融合处理后的交通标志数据。本申请实施例能实现提高地图制作的速度,并能减少同一类交通标志被切分本到不同的区域中的问题的发生,从而提高地图制作的精度。
请参阅图2,是本发明交通标志数据处理程序10较佳实施例的运行环境示意图。
在本实施例中,交通标志数据处理程序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,例如交通标志数据处理程序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,例如执行交通标志数据处理程序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,是本发明交通标志数据处理程序10一实施例的程序模块图。在本实施例中,交通标志数据处理程序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交通标志数据处理程序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、获取采集的交通标志数据,所述交通标志数据包括多个交通标志牌;
计算模块102、计算所述多个交通标志牌中每个交通标志牌的中心点;
划分模块103、根据每个交通标志牌的中心点,将包含所述多个交通标志牌的区域划分成多个子区域;
扩充模块104、扩充每个子区域,得到每个子区域对应的扩充后的区域;
确定模块105、基于每个子区域对应的扩充后的区域,确定每个子区域中待处理数据,其中每个子区域中待处理数据包括每个子区域中待处理的交通标志数据;
所述确定模块105利用多进程机制,依次启动进程,将每一个子区域内待处理数据依次传递进入进程中,并确定所有子区域的交通标志数据的处理结果;
处理模块106、对所有子区域的交通标志数据的处理结果进行融合处理,得到融合处理后的交通标志数据。
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,获取采集的交通标志数据,所述交通标志数据包括多个交通标志牌;计算所述多个交通标志牌中每个交通标志牌的中心点;根据每个交通标志牌的中心点,将包含所述多个交通标志牌的区域划分成多个子区域;扩充每个子区域,得到每个子区域对应的扩充后的区域;基于每个子区域对应的扩充后的区域,确定每个子区域中待处理数据,其中每个子区域中待处理数据包括每个子区域中待处理的交通标志数据;利用多进程机制,依次启动进程,将每一个子区域内待处理数据依次传递进入进程中,并确定所有子区域的交通标志数据的处理结果;对所有子区域的交通标志数据的处理结果进行融合处理,得到融合处理后的交通标志数据。本申请实施例能实现提高地图制作的速度,并能减少同一类交通标志被切分本到不同的区域中的问题的发生,从而提高地图制作的精度。
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交通标志数据处理程序,所述交通标志数据处理程序可被一个或多个处理器执行,以实现如下操作:
获取采集的交通标志数据,所述交通标志数据包括多个交通标志牌;
计算所述多个交通标志牌中每个交通标志牌的中心点;
根据每个交通标志牌的中心点,将包含所述多个交通标志牌的区域划分成多个子区域;
扩充每个子区域,得到每个子区域对应的扩充后的区域;
基于每个子区域对应的扩充后的区域,确定每个子区域中待处理数据,其中每个子区域中待处理数据包括每个子区域中待处理的交通标志数据;
利用多进程机制,依次启动进程,将每一个子区域内待处理数据依次传递进入进程中,并确定所有子区域的交通标志数据的处理结果;
对所有子区域的交通标志数据的处理结果进行融合处理,得到融合处理后的交通标志数据。
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交通标志数据处理程序,所述交通标志数据处理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)
1.一种交通标志数据处理方法,其特征在于,该方法包括步骤:
获取采集的交通标志数据,所述交通标志数据包括多个交通标志牌;
计算所述多个交通标志牌中每个交通标志牌的中心点;
根据每个交通标志牌的中心点,将包含所述多个交通标志牌的区域划分成多个子区域;
扩充每个子区域,得到每个子区域对应的扩充后的区域;
基于每个子区域对应的扩充后的区域,确定每个子区域中待处理数据,其中每个子区域中待处理数据包括每个子区域中待处理的交通标志数据;
利用多进程机制,依次启动进程,将每一个子区域内待处理数据依次传递进入进程中,并确定所有子区域的交通标志数据的处理结果;
对所有子区域的交通标志数据的处理结果进行融合处理,得到融合处理后的交通标志数据。
2.如权利要求1所述的交通标志数据处理方法,其特征在于,所述根据每个交通标志牌的中心点,将包含所述多个交通标志牌的区域划分成多个子区域包括:
获取每个交通标志牌的中心点的坐标;
根据每个交通标志牌的中心点的坐标,确定横坐标最大值、横坐标最小值及纵坐标最大值和纵坐标最小值;
根据横坐标最大值、横坐标最小值及纵坐标最大值和纵坐标最小值确定包含所述多个交通标志牌的区域;
按照从左至右,从上至下的顺序将包含所述多个交通标志牌的区域划分成多个正方形区块,其中每个正方形区块为一个子区域。
3.如权利要求1所述的交通标志数据处理方法,其特征在于,其中每个子区域有一个区域号,每个交通标志牌的中心点有对应的区域号,所述根据每个交通标志牌的中心点,将包含所述多个交通标志牌的区域划分成多个子区域还包括:
计算每个子区域中的交通标志牌的中心点到其所在子区域的边界的距离,筛选出距离小于第一距离阈值的交通标志牌的中心点;
将筛选出的交通标志牌的中心点进行聚类,得到聚类结果;
在所述聚类结果中,若存在两个子区域中的中心点聚类为一类,则将该类中的中心点标记为所在子区域数量占较多的区域号。
4.如权利要求1所述的交通标志数据处理方法,其特征在于,所述扩充每个子区域,得到每个子区域对应的扩充后的区域包括:
获取每个子区域的顶点;
将每个子区域的四个顶点记为Pn1,Pn2,Pn3,Pn4,将每个子区域的Pn1,Pn2,Pn3,Pn4中最小横坐标和最小纵坐标分别减少预设坐标值,再将每个子区域的Pn1,Pn2,Pn3,Pn4中最大横坐标和最大纵坐标分别增加预设坐标值,得到每个子区域对应的扩充后的区域顶点。
5.如权利要求1所述的交通标志数据处理方法,其特征在于,所述交通标志数据还包括每个交通标志牌的覆盖范围,每个子区域中待处理数据还包括每个子区域中待处理的轨迹数据及每个子区域中待处理的车道线数据,所述基于每个子区域对应的扩充后的区域,确定每个子区域中待处理数据,其中每个子区域中待处理数据包括每个子区域中待处理的交通标志数据包括:
基于每个子区域对应的扩充后的区域,对每个子区域对应的所有交通标志牌的覆盖范围进行融合处理及在每个子区域对应的扩充后的区域中截取其内的轨迹线及车道线,得到每个子区域中处理后的交通标志数据、轨迹数据及车道线数据。
6.如权利要求1所述的交通标志数据处理方法,其特征在于,所述利用多进程机制,依次启动进程,将每一个子区域内待处理数据依次传递进入进程中,并确定所有子区域的交通标志数据的处理结果包括:
将每个子区域中处理后的交通标志数据、轨迹数据及车道线数据,按照数据量大小对所有子区域进行排序,得到排序后的子区域;
利用多进程机制,根据排序后的子区域,依次启动进程,将每一个区域内待处理的数据传递进入进程中,并将数据量大的子区域会优先传递进入进程中。
7.如权利要求1所述的交通标志数据处理方法,其特征在于,所述对所有子区域的交通标志数据的处理结果进行融合处理,得到融合处理后的交通标志数据包括:
将所有交通标志数据的处理结果不为空值的交通标志数据合并,得到融合处理后的交通标志数据。
8.如权利要求1至7中任一项所述的交通标志数据处理方法,其特征在于,所述方法还包括以下一种或者多种组合:
在单个进程内检查正在处理的子区域中的交通标志数据是否符合第一条件,若存在符合所述第一条件的交通标志数据,将符合所述第一条件的交通标志数据删除,其中所述第一条件包括以下一种或者多种的组合:端点数量不足的交通标志数据、端点坐标存在重复的交通标志数据;
在单个进程内调整正在处理的子区域中内以每一个交通标志牌的中心点为圆点及预设半径内的车道线和轨迹,根据车道线和轨迹的位置分布,将所述正在处理的子区域中交通标志牌的位置做调整使交通标志牌符合第二条件,所述第二条件包括以下一种或者多种的组合:斑马线横跨整个道路,停止线覆盖同向行驶道路,杆件不能在车道内,地面标记处于车道内。
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任一项所述的交通标志数据处理方法的步骤。
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交通标志数据处理方法,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的交通标志数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011407897.1A CN112489057B (zh) | 2020-12-05 | 2020-12-05 | 交通标志数据处理方法、电子装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011407897.1A CN112489057B (zh) | 2020-12-05 | 2020-12-05 | 交通标志数据处理方法、电子装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112489057A true CN112489057A (zh) | 2021-03-12 |
CN112489057B CN112489057B (zh) | 2022-07-01 |
Family
ID=74939321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011407897.1A Active CN112489057B (zh) | 2020-12-05 | 2020-12-05 | 交通标志数据处理方法、电子装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112489057B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114440861A (zh) * | 2022-04-07 | 2022-05-06 | 智道网联科技(北京)有限公司 | 交通综合杆的生成方法、装置及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101286240A (zh) * | 2008-04-22 | 2008-10-15 | 北京航空航天大学 | 一种可快速配置和实时渲染的安防三维电子地图 |
US20130071009A1 (en) * | 2011-09-15 | 2013-03-21 | Broadcom Corporation | Depth range adjustment for three-dimensional images |
CN106528762A (zh) * | 2016-11-03 | 2017-03-22 | 大唐融合通信股份有限公司 | 一种兴趣点识别的电子地图处理方法及处理系统 |
US20190033867A1 (en) * | 2017-07-28 | 2019-01-31 | Qualcomm Incorporated | Systems and methods for determining a vehicle position |
CN110020222A (zh) * | 2017-12-12 | 2019-07-16 | 腾讯科技(北京)有限公司 | 标志点确定方法、装置及存储介质 |
CN111174799A (zh) * | 2019-12-24 | 2020-05-19 | Oppo广东移动通信有限公司 | 地图构建方法及装置、计算机可读介质、终端设备 |
CN111444760A (zh) * | 2020-02-19 | 2020-07-24 | 天津大学 | 一种基于剪枝与知识蒸馏的交通标志检测与识别方法 |
-
2020
- 2020-12-05 CN CN202011407897.1A patent/CN112489057B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101286240A (zh) * | 2008-04-22 | 2008-10-15 | 北京航空航天大学 | 一种可快速配置和实时渲染的安防三维电子地图 |
US20130071009A1 (en) * | 2011-09-15 | 2013-03-21 | Broadcom Corporation | Depth range adjustment for three-dimensional images |
CN106528762A (zh) * | 2016-11-03 | 2017-03-22 | 大唐融合通信股份有限公司 | 一种兴趣点识别的电子地图处理方法及处理系统 |
US20190033867A1 (en) * | 2017-07-28 | 2019-01-31 | Qualcomm Incorporated | Systems and methods for determining a vehicle position |
CN110020222A (zh) * | 2017-12-12 | 2019-07-16 | 腾讯科技(北京)有限公司 | 标志点确定方法、装置及存储介质 |
CN111174799A (zh) * | 2019-12-24 | 2020-05-19 | Oppo广东移动通信有限公司 | 地图构建方法及装置、计算机可读介质、终端设备 |
CN111444760A (zh) * | 2020-02-19 | 2020-07-24 | 天津大学 | 一种基于剪枝与知识蒸馏的交通标志检测与识别方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114440861A (zh) * | 2022-04-07 | 2022-05-06 | 智道网联科技(北京)有限公司 | 交通综合杆的生成方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112489057B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112699775A (zh) | 基于深度学习的证件识别方法、装置、设备及存储介质 | |
CN103093181A (zh) | 一种车牌图像定位的方法和装置 | |
US20200387553A1 (en) | Digitization of technical documentation driven by machine learning | |
CN111476225B (zh) | 基于人工智能的车内人脸识别方法、装置、设备及介质 | |
CN113792061B (zh) | 地图数据的更新方法、装置及电子设备 | |
CN111125283B (zh) | 电子地图构建方法、装置、计算机设备和存储介质 | |
EP3851799A2 (en) | Determine traffic checkpoint method and apparatus, electronic device, and medium | |
CN111309825A (zh) | 数据聚类的存储方法、装置及计算机可读存储介质 | |
CN112489057B (zh) | 交通标志数据处理方法、电子装置和存储介质 | |
CN114219023A (zh) | 数据聚类方法、装置、电子设备及可读存储介质 | |
CN114661055A (zh) | 应急物流车辆最优路径规划方法、装置、设备及存储介质 | |
CN113487621A (zh) | 医学图像分级方法、装置、电子设备及可读存储介质 | |
CN112488217B (zh) | 斑马线纠正方法、电子装置和存储介质 | |
CN115757987B (zh) | 基于轨迹分析的伴随对象确定方法、装置、设备及介质 | |
CN112069782A (zh) | 文档模板生成方法、装置、电子设备及存储介质 | |
CN114724113B (zh) | 道路标牌识别方法、自动驾驶方法、装置和设备 | |
CN112529086B (zh) | 停止线生成方法、电子装置和存储介质 | |
CN114882059A (zh) | 基于图像分析的尺寸测量方法、装置、设备及存储介质 | |
CN114140813A (zh) | 高精地图标注方法、装置、设备及存储介质 | |
CN114444185A (zh) | 原位标注的识别方法、装置及电子设备 | |
JP5309560B2 (ja) | 描画データ管理装置 | |
CN112579924B (zh) | 道路生成方法、电子装置和存储介质 | |
CN113468198B (zh) | 地图更新方法、装置、电子设备和介质 | |
CN111652226A (zh) | 基于图片的目标识别方法、装置及可读存储介质 | |
CN115683143A (zh) | 一种高精度导航方法及装置、电子设备、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 |