CN112580743A - 一种众包数据道路片段中车道边线数据的分类方法与装置 - Google Patents
一种众包数据道路片段中车道边线数据的分类方法与装置 Download PDFInfo
- Publication number
- CN112580743A CN112580743A CN202011594134.2A CN202011594134A CN112580743A CN 112580743 A CN112580743 A CN 112580743A CN 202011594134 A CN202011594134 A CN 202011594134A CN 112580743 A CN112580743 A CN 112580743A
- Authority
- CN
- China
- Prior art keywords
- points
- classification
- point
- segment
- data
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种众包数据道路片段中车道边线数据的分类方法与装置,该方法包括:获取一个道路片段中的所有车道线输入数据组成的集合为分段Sk,其中k为道路片段的记号;对分段S0进行第一道路面渐进式分类,对分段S0的点集P0中的点进行分类标记;根据前一个分段Sk‑1的所有点的分类标记进行后续道路面渐进式分类或者对各个分段Sk进行第一道路面渐进式分类,得到分段Sk的点集Pk中点的分类标记。实现了对车道线众包大数据的数据集的进行基于道路片段划分后的,在同一个道路横截面内,同一个高程水平下,属于多条车道线点的分类方法,采用道路分段、分段逐步分类、分段连接的方法实现了完整输入车道线数据的分类,为后续进行车道线融合提供了条件。
Description
技术领域
本发明涉及高精度地图领域,尤其涉及一种众包数据道路片段中车道边线数据的分类方法与装置。
背景技术
在高精度地图生产过程中,使用较低成本的设备,多次经过同一路段进行重复采集时,由于存在较大的平面精度误差,因此,多次重复采集的车道线数据线间常存在一定的差异,且偶尔发生数据存在过大误差出现接近半个车道宽度偏移的情形。
采用传统的基于密度聚类、基于近邻点聚类等无监督聚类方法对车道线数据的分类时,不考虑道路局部结构约束,难以适应复杂多变的道路情形,且基于神经网络、机器学习等有监督的聚类方法,则由于道路情况复杂,众包采集数据的完整性不足,导致无法使用。
发明内容
本发明针对现有技术中存在的技术问题,提供一种众包数据道路片段中车道边线数据的分类方法与装置,解决现有技术中问题。
本发明解决上述技术问题的技术方案如下:一种众包数据道路片段中车道边线数据的分类方法,包括:
步骤1,获取对车道线输入数据进行道路片段划分的各个分段Sk,其中k为道路片段的记号;
步骤2,对分段S0进行第一道路面渐进式分类,对分段S0的点集P0中的点进行分类标记;
步骤3,根据前一个分段Sk-1的所有点的分类标记进行后续道路面渐进式分类或者对各个分段Sk进行第一道路面渐进式分类,得到分段Sk的点集Pk中点的分类标记。
一种众包数据道路片段中车道边线数据的分类装置,包括:数据获取模块、第一分类标记模块和第二分类标记模块;
所述数据获取模块,用于获取一个道路片段中的所有车道线输入数据组成的集合为分段Sk,其中k为道路片段的记号;
所述第一分类标记模块,用于对分段S0进行第一道路面渐进式分类,对分段S0的点集P0中的点进行分类标记;
所述第二分类标记模块,用于根据前一个分段Sk-1的所有点的分类标记进行后续道路面渐进式分类或者对各个分段Sk进行第一道路面渐进式分类,得到分段Sk的点集Pk中点的分类标记。
本发明的有益效果是:实现了对车道线众包大数据的数据集的进行基于道路片段划分后的,在同一个道路横截面内,同一个高程水平下,属于多条车道线点的分类方法,采用道路分段、分段逐步分类、分段连接的方法实现了完整输入车道线数据的分类,为后续进行车道线融合提供了条件。
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1中获取进行道路片段划分后的道路片段数据过程包括:
步骤101,对源数据进行格式处理:任意一个源数据中的数据点Pi,该数据点Pi位于一条采集得到的众包车道线Lj上,通过曲线的形点串计算该数据点Pi处的数值差分,该数据点表示为Pi(xi,yi,zi,dxi,dyi,dzi),其中xi,yi,zi表示点所处的三维坐标,dxi,dyi,dzi为使用Lj计算数值差分后得到的三维坐标的差分值;
步骤102,道路片段划分处理,道路片段Sk内的车道线组成的集合为Lk={Lkj|j=1,2,…,N},组成Lkj的所有形点数据组成的集合为Pk={Pki(xki,yki,zki,dxki,dyki,dzki)|i=1,2,…,M}。
进一步,所述步骤3中根据前一个分段Sk-1的所有点的分类标记进行后续道路面渐进式分类时,对道路分段的集合进行串行分类计算。
所述步骤3中对各个分段Sk均进行第一道路面渐进式分类时,对道路分段的集合进行并行分类计算。
进一步,所述步骤2包括:
步骤201,在第一个道路片段中,以其中的点集P0中的点P00作为起始点,从P00(x00,y00,z00,dx00,dy00,dz00)确定一条2D直线所述直线过点(x00,y00),方向向量为(dx00,dy00);
步骤202,在第一道路面中,选择到所述直线距离为d1的点组成点集Ω00,判断所述点集Ω00中点数小于n或相距最远的两点之间距离小于d3时,将所述点集Ω00从所述点集P0中移除后执行步骤201,否则执行步骤203;
步骤203,从所述点集Ω00中选择与所述直线距离小于d2且与向量(dx00,dy00,dz00)夹角小于θ的点组成点集Ω01,判断所述点集Ω01中点数小于n或相距最远的两点之间距离小于d3时,将所述点集Ω01从所述点集P0中移除后执行步骤201,否则执行步骤204;
步骤204,计算所述点集Ω01与所述点集Ω00中点数的比值r0,判断所述比值r0小于参数f时,则从所述点集P0中去除该点P00后执行步骤201;否则认为所述点集Ω01中的点以及点P00为同类点并标记为一个类别并存储下来,执行步骤205。步骤205,从所述点集P0中去除点集Ω00中的所有点,重复执行步骤201-205直至所述点集P0中点数不足n个,则分类过程停止并得到了一组标记了类别编号的点。
进一步,所述步骤3中根据前一个分段Sk-1的所有点的分类标记进行后续道路面渐进式分类的过程包括:
步骤301,根据分段Sk-1中标记好的分类点确定车道线尾点Pki的坐标位置及方向向量;
步骤302,判断所述点集Pk中点数小于n或相距最远的两点之间距离小于d3时,停止分类并将存储的分类标记输出;否则进一步判断所有车道线尾点均已用作分类起始点时,是则对剩余点执行所述第一道路面渐进式分类,否则执行步骤303;
步骤303,以所述尾点Pki(xki,yki,zki,dxki,dyki,dzki)形成2D直线计算点集Pk中到直线距离小于d1的所有点组成的点集Ωk0;判断所述点集Ωk0中点数小于n或相距最远的两点之间距离小于d3时,将点集Ωk0从所述点集Pk中移除后执行步骤302,否则执行步骤304;
步骤304,从所述点集Ωk0中选择与距离小于d2,且与向量(dxki,dyki,dzki)夹角小于θ的点组成点集Ωk1;判断所述点集Ωk1中点数小于n或相距最远的两点之间距离小于d3时,将所述点集Ωk1从所述点集Pk中移除后执行步骤302,否则执行步骤305;
步骤305,计算所述点集Ωk1与所述点集Ωk0中点数的比值rk,判断所述比值rk小于参数f时,执行步骤301,否则执行步骤306;
步骤306,认为所述点集Ωk1中的点有同类点并与输入的车道线尾点所属的前一段具有相同的类别标记,将同类点标记为一个类别并存储下来,从所述点集Pk中删除所述点集Ωk0中的所有点,重复执行步骤302-305直至所述点集Pk中点数不足n个,则分类过程停止并得到了一组标记了类别编号的点。
进一步,所述步骤301包括:
对分段Sk-1中标记好的分类点进行车道线融合后得到融合车道线;每条融合车道线的尾点Pki,其坐标位置为车道线尾点的坐标位置,方向向量为融合线在此处的切向量。
进一步,所述步骤301包括:
使用所述分段Sk-1同一分类标记中所有点形成2D线,所述2D线与分段的尾边界线的所有交点的平均位置作为这个分类的尾点Pki的坐标位置,所述2D线与分段首边界线的交点的平均位置以从Pkis指向Pkie的向量作为这个分类的尾点Pki的方向向量,依次得到各个分类的尾点Pki的坐标位置及方向向量。
采用上述进一步方案的有益效果是:主要包括按照对应格式准备数据,对输入数据进行道路片段划分,进行第一面渐进式分类,其中第一面渐进式分类使用任意选取的分段内的点作为起始点,通过2个参数距离参数以及一个角度参数确定点集1与点集2,通过1个比例参数确定该起始点是否为离群点或可得到满足要求的同类点;后续面渐进式分类使用前序面的分类结果得到起始点输入,通过这些起始点输入执行类似第一面渐进式分类的方法实现对后续面的分类;该方法同时兼顾了对同类点的分类,以及对离群点的剔除,并提供了串行执行分类的两种方法以及一种并行执行整个道路片段集合的并行分类方法;对道路片段进行分类后,即可使用同类线点的融合方法完成对车道线形点的融合,得到融合车道线输出;应用于众包数据成图的车道线数据进行融合的过程中,用于对数据的高程进行处理。
附图说明
图1为本发明实施例提供的一种众包数据道路片段中车道边线数据的分类方法的流程图;
图2为本发明本发明实施例提供的一种众包数据道路片段中车道边线数据的分类方法的实施例的流程图;
图3为本发明提供的一种众包数据道路片段中车道边线数据的分类装置的实施例的结构框图;
图4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、数据获取模块,102、第一分类标记模块,103、第二分类标记模块,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,步骤1,获取一个道路片段中的所有车道线输入数据组成的集合为分段Sk,其中k为道路片段的记号。
步骤2,对分段S0进行第一道路面渐进式分类,对分段S0的点集P0中的点进行分类标记。
步骤3,根据前一个分段Sk-1的所有点的分类标记进行后续道路面渐进式分类或者对各个分段Sk进行第一道路面渐进式分类,得到分段Sk的点集Pk中点的分类标记。
本发明提供的一种众包数据道路片段中车道边线数据的分类方法,实现了对车道线众包大数据的数据集的进行基于道路片段划分后的,在同一个道路横截面内,同一个高程水平下,属于多条车道线点的分类方法,采用道路分段、分段逐步分类、分段连接的方法实现了完整输入车道线数据的分类,为后续进行车道线融合提供了条件。
实施例1
本发明提供的实施例1为本发明提供的一种众包数据道路片段中车道边线数据的分类方法的实施例,如图2所示为本发明提供的一种众包数据道路片段中车道边线数据的分类方法的实施例的流程图,由图2可知,该实施例包括:
步骤1,获取一个道路片段中的所有车道线输入数据组成的集合为分段Sk,其中k为道路片段的记号。
具体的,获取进行道路片段划分后的道路片段数据过程包括:
一组用于分段的众包车道线数据包括其由经纬度通过坐标系转换得到的X,Y平面坐、Z高程坐标以及采集时所采集到的一条连续线ID。
步骤101,对源数据进行格式处理:任意一个源数据中的数据点Pi,该数据点Pi位于一条采集得到的众包车道线Lj上,通过曲线的形点串计算该数据点Pi处的数值差分,该数据点表示为Pi(xi,yi,zi,dxi,dyi,dzi),其中xi,yi,zi表示点所处的三维坐标,dxi,dyi,dzi为使用Lj计算数值差分后得到的三维坐标的差分值。
步骤102,道路片段划分处理,道路片段Sk内的车道线组成的集合为Lk={Lkj|j=1,2,…,N},组成Lkj的所有形点数据组成的集合为Pk={Pki(xki,yki,zki,dxki,dyki,dzki)|i=1,2,…,M}。
当车道线的属性可用时,形点加入属性项向量,设为该向量的各个分量为车道线的各个属性,后续若有相关计算距离的内容,则将属性项距离与位置距离进行加权平均作为最终的距离。而权重系数分别为ω1,ω2,为位置距离权重以及属性距离权重,权重和为1。其中N为车道线数目,M为总的形点数目。整个数据集被划分为多个道路,每个道路由多个道路片段组成。每个片段有一条首边界线,和一条尾边界线。以下步骤在一个道路上进行,依次在每个道路上执行完毕后,整个数据集处理完毕。
步骤2,对分段S0进行第一道路面渐进式分类,对分段S0的点集P0中的点进行分类标记。
优选的,步骤2包括:
步骤201,在第一个道路片段中,以其中的点集P0中的点P00作为起始点,从P00(x00,y00,z00,dx00,dy00,dz00)确定一条2D直线直线过点(x00,y00),方向向量为(dx00,dy00)。
步骤202,在第一道路面中,选择到直线距离为d1的点组成点集Ω00,判断点集Ω00中点数小于n或相距最远的两点之间距离即跨度小于d3时,将点集Ω00从点集P0中移除后执行步骤201,否则执行步骤203。
步骤203,从点集Ω00中选择与直线距离小于d2且与向量(dx00,dy00,dz00)夹角小于θ的点组成点集Ω01,判断点集Ω01中点数小于n或相距最远的两点之间距离即跨度小于d3时,将点集Ω01从点集P0中移除后执行步骤201,否则执行步骤204。
步骤204,计算点集Ω01与点集Ω00中点数的比值r0,判断比值r0小于参数f时,则认为点P00是一个离群点,从点集P0中去除该点P00后执行步骤201;否则认为点集Ω01中的点以及点P00为同类点并标记为一个类别并存储下来,执行步骤205。类别标记号每次标记新类别后需加1。
步骤205,从点集P0中去除点集Ω00中的所有点,重复执行步骤201-205直至点集P0中点数不足n个,则分类过程停止并得到了一组标记了类别编号的点。
步骤3,根据前一个分段Sk-1的所有点的分类标记进行后续道路面渐进式分类或者对各个分段Sk进行第一道路面渐进式分类,得到分段Sk的点集Pk中点的分类标记。
具体的,步骤3中根据前一个分段Sk-1的所有点的分类标记进行后续道路面渐进式分类时,对道路分段的集合进行串行分类计算。对所有道路分段集合,对同属于一个道路的集合先执行第一道路面渐进式分类,然后基于第一道路面渐进式分类的结果执行后续道路面渐进式分类。
步骤3中对各个分段Sk均进行第一道路面渐进式分类时,对道路分段的集合进行并行分类计算。并行计算方法的输入为已经分好道路片段的所有片段的集合。对所有片段并行执行第一道路面渐进式分类。
优选的,设已知前一个分段Sk-1的所有点的分类标记,求分段Sk的点集Pk中点的分类标记为后续道路面渐进式分类。具体包括:
步骤301,根据分段Sk-1中标记好的分类点确定车道线尾点Pki的坐标位置及方向向量。
步骤302,判断点集Pk中点数小于n或相距最远的两点之间距离即跨度小于d3时,停止分类并将存储的分类标记输出;否则进一步判断所有车道线尾点均已用作分类起始点时,是则对剩余点执行第一道路面渐进式分类,否则执行步骤303。
若有车道线的尾点未被用作分类起始点,则该车道线尾点用作分类起始点,并执行后续道路面渐进式分类的后续步骤。
步骤303,以尾点Pki(xki,yki,zki,dxki,dyki,dzki)形成2D直线计算点集Pk中到直线距离小于d1的所有点组成的点集Ωk0;判断点集Ωk0中点数小于n或相距最远的两点之间距离即跨度小于d3时,将点集Ωk0从点集Pk中移除后执行步骤302,否则执行步骤304。
步骤304,从点集Ωk0中选择与距离小于d2,且与向量(dxki,dyki,dzki)夹角小于θ的点组成点集Ωk1;判断点集Ωk1中点数小于n或相距最远的两点之间距离即跨度小于d3时,将点集Ωk1从点集Pk中移除后执行步骤302,否则执行步骤305。
步骤305,计算点集Ωk1与点集Ωk0中点数的比值rk,判断比值rk小于参数f时,则认为点Pki无同类点,执行步骤301,否则执行步骤306。
步骤306,认为点集Ωk1中的点有同类点并与输入的车道线尾点所属的前一段具有相同的类别标记,将同类点标记为一个类别并存储下来,从点集Pk中删除点集Ωk0中的所有点,重复执行步骤302-305直至点集Pk中点数不足n个,则分类过程停止并得到了一组标记了类别编号的点。
具体的,步骤301中确定车道线尾点Pki的坐标位置及方向向量有两种方法,本发明提供的确定车道线尾点Pki的坐标位置及方向向量的方法的第一种实施例中:
步骤301包括:对分段Sk-1中标记好的分类点进行车道线融合后得到融合车道线;每条融合车道线的尾点Pki,其坐标位置为车道线尾点的坐标位置,方向向量为融合线在此处的切向量,其中i=0,..N,N为总的分类数量,可以等于0。每个点均包含其坐标位置及方向向量。
本发明提供的确定车道线尾点Pki的坐标位置及方向向量的方法的第二种实施例中:
步骤301包括:使用分段Sk-1同一分类标记中所有点形成2D线,2D线与分段的尾边界线的所有交点的平均位置作为这个分类的尾点Pki的坐标位置,2D线与分段首边界线的交点的平均位置以从Pkis指向Pkie的向量作为这个分类的尾点Pki的方向向量,依次得到各个分类的尾点Pki的坐标位置及方向向量。
具体的,参数ω1,ω2,d1,d2,d3,f,n可以分别按经验取值为0.9,0.1,4,2,1,0.8,10。
实施例2
本发明提供的实施例2为本发明提供的一种众包数据道路片段中车道边线数据的分类装置的实施例,如图3所示为本发明提供的一种众包数据道路片段中车道边线数据的分类装置的实施例的结构框图,由图3可知,该装置包括:数据获取模块101、第一分类标记模块102和第二分类标记模块103。
数据获取模块101,用于获取一个道路片段中的所有车道线输入数据组成的集合为分段Sk,其中k为道路片段的记号。
第一分类标记模块102,用于对分段S0进行第一道路面渐进式分类,对分段S0的点集P0中的点进行分类标记。
所述第二分类标记模块103,用于根据前一个分段Sk-1的所有点的分类标记进行后续道路面渐进式分类或者对各个分段Sk进行第一道路面渐进式分类,得到分段Sk的点集Pk中点的分类标记。
图4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4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众包数据道路片段中车道边线数据的分类方法,例如包括:步骤1,获取对车道线输入数据进行道路片段划分的各个分段Sk,其中k为道路片段的记号;步骤2,对分段S0进行第一道路面渐进式分类,对分段S0的点集P0中的点进行分类标记;步骤3,根据前一个分段Sk-1的所有点的分类标记进行后续道路面渐进式分类或者对各个分段Sk进行第一道路面渐进式分类,得到分段Sk的点集Pk中点的分类标记。
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众包数据道路片段中车道边线数据的分类方法,例如包括:步骤1,获取对车道线输入数据进行道路片段划分的各个分段Sk,其中k为道路片段的记号;步骤2,对分段S0进行第一道路面渐进式分类,对分段S0的点集P0中的点进行分类标记;步骤3,根据前一个分段Sk-1的所有点的分类标记进行后续道路面渐进式分类或者对各个分段Sk进行第一道路面渐进式分类,得到分段Sk的点集Pk中点的分类标记。
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 (10)
1.一种众包数据道路片段中车道边线数据的分类方法,其特征在于,所述方法包括:
步骤1,获取对车道线输入数据进行道路片段划分的各个分段Sk,其中k为道路片段的记号;
步骤2,对分段S0进行第一道路面渐进式分类,对分段S0的点集P0中的点进行分类标记;
步骤3,根据前一个分段Sk-1的所有点的分类标记进行后续道路面渐进式分类或者对各个分段Sk进行第一道路面渐进式分类,得到分段Sk的点集Pk中点的分类标记。
2.根据权利要求1所述的方法,其特征在于,所述步骤1中获取进行道路片段划分后的道路片段数据过程包括:
步骤101,对源数据进行格式处理:任意一个源数据中的数据点Pi,该数据点Pi位于一条采集得到的众包车道线Lj上,通过曲线的形点串计算该数据点Pi处的数值差分,该数据点表示为Pi(xi,yi,zi,dxi,dyi,dzi),其中xi,yi,zi表示点所处的三维坐标,dxi,dyi,dzi为使用Lj计算数值差分后得到的三维坐标的差分值;
步骤102,道路片段划分处理,道路片段Sk内的车道线组成的集合为Lk={Lkj|j=1,2,…,N},组成Lkj的所有形点数据组成的集合为Pk={Pki(xki,yki,zki,dxki,dyki,dzki)|i=1,2,…,M}。
3.根据权利要求1所述的方法,其特征在于,
所述步骤3中根据前一个分段Sk-1的所有点的分类标记进行后续道路面渐进式分类时,对道路分段的集合进行串行分类计算;
所述步骤3中对各个分段Sk均进行第一道路面渐进式分类时,对道路分段的集合进行并行分类计算。
4.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,在第一个道路片段中,以其中的点集P0中的点P00作为起始点,从P00(x00,y00,z00,dx00,dy00,dz00)确定一条2D直线所述直线过点(x00,y00),方向向量为(dx00,dy00);
步骤202,在第一道路面中,选择到所述直线距离为d1的点组成点集Ω00,判断所述点集Ω00中点数小于n或相距最远的两点之间距离小于d3时,将所述点集Ω00从所述点集P0中移除后执行步骤201,否则执行步骤203;
步骤203,从所述点集Ω00中选择与所述直线距离小于d2且与向量(dx00,dy00,dz00)夹角小于θ的点组成点集Ω01,判断所述点集Ω01中点数小于n或相距最远的两点之间距离小于d3时,将所述点集Ω01从所述点集P0中移除后执行步骤201,否则执行步骤204;
步骤204,计算所述点集Ω01与所述点集Ω00中点数的比值r0,判断所述比值r0小于参数f时,则从所述点集P0中去除该点P00后执行步骤201;否则认为所述点集Ω01中的点以及点P00为同类点并标记为一个类别并存储下来,执行步骤205;
步骤205,从所述点集P0中去除点集Ω00中的所有点,重复执行步骤201-205直至所述点集P0中点数不足n个,则分类过程停止并得到了一组标记了类别编号的点。
5.根据权利要求1所述的方法,其特征在于,所述步骤3中根据前一个分段Sk-1的所有点的分类标记进行后续道路面渐进式分类的过程包括:
步骤301,根据分段Sk-1中标记好的分类点确定车道线尾点Pki的坐标位置及方向向量;
步骤302,判断所述点集Pk中点数小于n或相距最远的两点之间距离小于d3时,停止分类并将存储的分类标记输出;否则进一步判断所有车道线尾点均已用作分类起始点时,是则对剩余点执行所述第一道路面渐进式分类,否则执行步骤303;
步骤303,以所述尾点Pki(xki,yki,zki,dxki,dyki,dzki)形成2D直线计算点集Pk中到直线距离小于d1的所有点组成的点集Ωk0;判断所述点集Ωk0中点数小于n或相距最远的两点之间距离小于d3时,将点集Ωk0从所述点集Pk中移除后执行步骤302,否则执行步骤304;
步骤304,从所述点集Ωk0中选择与距离小于d2,且与向量(dxki,dyki,dzki)夹角小于θ的点组成点集Ωk1;判断所述点集Ωk1中点数小于n或相距最远的两点之间距离小于d3时,将所述点集Ωk1从所述点集Pk中移除后执行步骤302,否则执行步骤305;
步骤305,计算所述点集Ωk1与所述点集Ωk0中点数的比值rk,判断所述比值rk小于参数f时,执行步骤301,否则执行步骤306;
步骤306,认为所述点集Ωk1中的点有同类点并与输入的车道线尾点所属的前一段具有相同的类别标记,将同类点标记为一个类别并存储下来,从所述点集Pk中删除所述点集Ωk0中的所有点,重复执行步骤302-305直至所述点集Pk中点数不足n个,则分类过程停止并得到了一组标记了类别编号的点。
6.根据权利要求5所述的方法,其特征在于,所述步骤301包括:
对分段Sk-1中标记好的分类点进行车道线融合后得到融合车道线;每条融合车道线的尾点Pki,其坐标位置为车道线尾点的坐标位置,方向向量为融合线在此处的切向量。
8.一种众包数据道路片段中车道边线数据的分类装置,其特征在于,所述装置包括:数据获取模块、第一分类标记模块和第二分类标记模块;
所述数据获取模块,用于获取一个道路片段中的所有车道线输入数据组成的集合为分段Sk,其中k为道路片段的记号;
所述第一分类标记模块,用于对分段S0进行第一道路面渐进式分类,对分段S0的点集P0中的点进行分类标记;
所述第二分类标记模块,用于根据前一个分段Sk-1的所有点的分类标记进行后续道路面渐进式分类或者对各个分段Sk进行第一道路面渐进式分类,得到分段Sk的点集Pk中点的分类标记。
9.一种电子设备,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7任一项所述众包数据道路片段中车道边线数据的分类方法的步骤。
10.一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7任一项所述众包数据道路片段中车道边线数据的分类方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011594134.2A CN112580743B (zh) | 2020-12-29 | 2020-12-29 | 一种众包数据道路片段中车道边线数据的分类方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011594134.2A CN112580743B (zh) | 2020-12-29 | 2020-12-29 | 一种众包数据道路片段中车道边线数据的分类方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112580743A true CN112580743A (zh) | 2021-03-30 |
CN112580743B CN112580743B (zh) | 2022-06-07 |
Family
ID=75143942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011594134.2A Active CN112580743B (zh) | 2020-12-29 | 2020-12-29 | 一种众包数据道路片段中车道边线数据的分类方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112580743B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114067562A (zh) * | 2021-10-28 | 2022-02-18 | 武汉中海庭数据技术有限公司 | 一种基于多维度特征的车道有效性预测方法及预测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1984894A2 (fr) * | 2006-02-13 | 2008-10-29 | Inrets - Institut National De Recherche Sur Les Transports Et Leur Securite | Procede et dispositif de detection de reperes routiers dans une image |
CN106446815A (zh) * | 2016-09-14 | 2017-02-22 | 浙江大学 | 一种同时定位与地图构建方法 |
CN109993783A (zh) * | 2019-03-25 | 2019-07-09 | 北京航空航天大学 | 一种面向复杂三维建筑物点云的屋顶及侧面优化重建方法 |
US20200034655A1 (en) * | 2018-07-30 | 2020-01-30 | Uber Technologies, Inc. | Multiple source place matching system |
-
2020
- 2020-12-29 CN CN202011594134.2A patent/CN112580743B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1984894A2 (fr) * | 2006-02-13 | 2008-10-29 | Inrets - Institut National De Recherche Sur Les Transports Et Leur Securite | Procede et dispositif de detection de reperes routiers dans une image |
CN106446815A (zh) * | 2016-09-14 | 2017-02-22 | 浙江大学 | 一种同时定位与地图构建方法 |
US20200034655A1 (en) * | 2018-07-30 | 2020-01-30 | Uber Technologies, Inc. | Multiple source place matching system |
CN109993783A (zh) * | 2019-03-25 | 2019-07-09 | 北京航空航天大学 | 一种面向复杂三维建筑物点云的屋顶及侧面优化重建方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114067562A (zh) * | 2021-10-28 | 2022-02-18 | 武汉中海庭数据技术有限公司 | 一种基于多维度特征的车道有效性预测方法及预测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112580743B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108519094B (zh) | 局部路径规划方法及云处理端 | |
CN109493346B (zh) | 一种基于多损失的胃癌病理切片图像分割方法和装置 | |
CN107945507B (zh) | 行程时间预测方法及装置 | |
EP3620964B1 (en) | Lane line processing method and device | |
CN105528588A (zh) | 一种车道线识别方法及装置 | |
JP2020135857A (ja) | 分類モデルを訓練する装置と方法及び分類モデルを用いた分類装置 | |
CN112634297B (zh) | 高精地图制作方法、装置、电子设备和存储介质 | |
CN112344947A (zh) | 地图匹配方法、装置、电子设备和计算机可读存储介质 | |
CN110906940A (zh) | 一种基于轨迹方向的车道边线聚合方法 | |
CN112747755B (zh) | 道路线确定方法、装置、可读存储介质及地图更新系统 | |
CN112580743B (zh) | 一种众包数据道路片段中车道边线数据的分类方法与装置 | |
CN110704560A (zh) | 一种基于道路级拓扑的车道线组结构化的方法及装置 | |
CN112418037A (zh) | 卫星图片中车道线识别方法、系统、电子设备及存储介质 | |
CN111209805A (zh) | 一种车道线众包数据的多道路片段数据的快速融合优化方法 | |
CN108573238A (zh) | 一种基于双网络结构的车辆检测方法 | |
CN115082888A (zh) | 一种车道线检测方法和装置 | |
CN113514072B (zh) | 一种面向导航数据与大比例尺制图数据的道路匹配方法 | |
Al Mamun et al. | Efficient lane marking detection using deep learning technique with differential and cross-entropy loss. | |
CN113095164A (zh) | 基于强化学习和标志点表征的车道线检测定位方法 | |
CN111695389B (zh) | 一种车道线聚类方法及装置 | |
CN112200870A (zh) | 基于孪生网络的分类和位置损失相结合的单目标跟踪方法 | |
CN113591670B (zh) | 一种基于卷积神经网络的车道线检测方法 | |
CN113780069B (zh) | 一种汇流场景下的车道线分离绘制方法及装置 | |
CN115631476A (zh) | 一种车道数据处理方法、系统、电子设备及存储介质 | |
CN113435427B (zh) | 车道线的聚合方法和装置 |
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 |