CN112632201B - 一种交通道路拓扑网构建方法及装置 - Google Patents
一种交通道路拓扑网构建方法及装置 Download PDFInfo
- Publication number
- CN112632201B CN112632201B CN202011460627.7A CN202011460627A CN112632201B CN 112632201 B CN112632201 B CN 112632201B CN 202011460627 A CN202011460627 A CN 202011460627A CN 112632201 B CN112632201 B CN 112632201B
- Authority
- CN
- China
- Prior art keywords
- road
- intersections
- point cloud
- laser point
- roads
- 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
Links
Images
Classifications
-
- 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
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种交通道路拓扑网构建方法及装置,该方法包括:沿车辆轨迹方向对激光点云数据进行分段;对分段内的激光点云数据进行俯视投影,通过目标检测网络提取俯视投影图中的路口,并通过道路面分割网络提取俯视投影图中的道路;将提取的道路和路口反算至激光点云中,获取激光点云的道路和路口信息,沿轨迹方向串行连接分段投影中的道路和路口得到完整道路;构建不同路段间可行驶的关联关系,连接相邻路段,并将高精度地图制作系统中的地面交通要素目标关联至对应的路口或路段,以构建交通道路拓扑网。从而可以减少人力成本,提高交通道路拓扑网的制作效率。
Description
技术领域
本发明涉及高精度地图制作领域,尤其涉及一种交通道路拓扑网构建方法及装置。
背景技术
高精度地图制作过程中,制作人员需要将提取的道路段和路口信息进行关联构建道路拓扑网,以便为自动驾驶车辆提供路径规划。然而,由于城市路口复杂多变、制作要素多且精度要求高,往往需要借助人工来制作并校准,而人工制作道路关联拓扑网过程成本较高。
发明内容
有鉴于此,本发明实施例提供了一种交通道路拓扑网构建方法及装置,以解决现有的问题。
在本发明实施例的第一方面,提供了一种交通道路拓扑网构建方法,包括:
获取车辆采集的激光点云数据,沿车辆轨迹方向对所述激光点云数据进行分段;
对分段内的激光点云数据进行俯视投影,通过目标检测网络提取俯视投影图中的路口,并通过道路面分割网络提取俯视投影图中的道路;
将提取的道路和路口反算至激光点云中,获取激光点云的道路和路口信息,并以单个路口为结点,沿轨迹方向串行连接分段投影中的道路和路口,得到道路和路口连接成的完整道路;
以路口与路口间的路段为单位,构建不同路段间可行驶的关联关系,连接相邻路段,并将高精度地图制作系统中的地面交通要素目标关联至对应的路口或路段,以构建交通道路拓扑网。
在本发明实施例的第二方面,提供了一种用于交通道路拓扑网构建的装置,包括:
分段模块,用于获取车辆采集的激光点云数据,沿车辆轨迹方向对所述激光点云数据进行分段;
提取模块,用于对分段内的激光点云数据进行俯视投影,通过目标检测网络提取俯视投影图中的路口,并通过道路面分割网络提取俯视投影图中的道路;
连接模块,用于将提取的道路和路口反算至激光点云中,获取激光点云的道路和路口信息,并以单个路口为结点,沿轨迹方向串行连接分段投影中的道路和路口,得到道路和路口连接成的完整道路;
关联模块,用于以路口与路口间的路段为单位,构建不同路段间可行驶的关联关系,连接相邻路段,并将高精度地图制作系统中的地面交通要素目标关联至对应的路口或路段,以构建交通道路拓扑网。
本发明实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。
本发明实施例的第四方面,提供了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计算机程序,所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
本发明实施例中,对所述激光点云数据进行分段,对分段的激光点云数据进行俯视投影,分别提取俯视投影图中的路口和道路,将提取的道路和路口反算至激光点云中,串行连接分段投影中的道路和路口,构建不同路段间可行驶的关联关系,并将高精度地图制作系统中的地面交通要素目标关联至对应的路口或路段,从而实现高精度地图中交通道路拓扑网的自动构建,可以减少人力成本,并能提高道路关联关系拓扑网的制作效率,方法简单且适用范围广。基于分段点云数据的投影及图像检测网络提取路口、道路段,可以减少计算量,提升提取速度及准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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介绍,显而易见地,下面描述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获取其他附图。
图1为本发明的一个实施例提供的一种交通道路拓扑网构建方法的流程示意图;
图2为本发明的一个实施例提供的路口与道路间关联关系示意图;
图3为本发明的一个实施例提供的一种交通道路拓扑网构建方法的另一流程示意图;
图4为本发明的一个实施例提供的一种用于交通道路拓扑网构建的装置的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围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。
本发明的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述,意指覆盖不排他的包含,如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。
本发明的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述,意指覆盖不排他的包含,如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。此外,“第一”“第二”用于区分不同对象,并非用于描述特定顺序.
请参阅图1,图1为本发明一个实施例提供的一种交通道路拓扑网构建方法的流程示意图,包括:
S101、获取车辆采集的激光点云数据,沿车辆轨迹方向对所述激光点云数据进行分段;
采集车通过激光雷达采集道路点云数据,对激光点云数据进行分段。具体的,使分段的距离大于整个路口的距离长度,如沿着车辆行驶方向80~100米的距离。可以以固定滑动窗口的形式,沿着轨迹线进行分段切割。为了确保路口区域不被截断,允许切割的激光点云块有部分重叠。
由于车辆采集的激光点云数据较大,为了降低激光点云计算量,沿着车辆行驶方向将整条道路的激光点云进行分段,将激光点云切割成不同的激光点云块。使激光点云块的行驶方向的距离大于一个路口的距离,可以提升计算速度。
S102、对分段内的激光点云数据进行俯视投影,通过目标检测网络提取俯视投影图中的路口,并通过道路面分割网路提取俯视投影图中的道路;
对分段得到的点云快进行俯视投影,即从点云块正上方向下进行俯视投影。为了提高道路的提取精度以及降低计算复杂度,将三维的激光点云块投影成二维图像进行分割提取,可以减少计算量,且较三维的分割网络更准确高效。
可以理解的是,所述路口指的是多条道路交汇处,包括但不限于丁字路口、十字路口、环形路口等。所述道路指的是不与其它道路发生交汇的道路段。由此,可以将城市道路简单划分为路口和道路段,根据道路和路段构建交通道路拓扑网。
优选的,为了去除部分遮挡,取距离地面(最低点为基点)一定距离内的激光点云数据进行俯视投影,并将预定平面范围内平均强度值作为单个像素的灰度值进行投影。
其中,所述目标检测网络采用anchor-point的方法在多个尺度特征图上进行路口检测,确定路口的范围,并对包含路口的投影图进行标记,同时提取各路口中可行驶道路的数量。
所述道路面分割网络中,并行的连接浅层到深层特征网结构来预测投影道路面的掩膜图,整个过程中构建多个阶段的浅层到深层的子网,在深浅层中反复交换信息来进行多尺度的重复融合生成对应的掩膜图,进行loss优化,从而完成对道路的提取。
S103、将提取的道路和路口反算至激光点云中,获取激光点云的道路和路口信息,并以单个路口为结点,沿轨迹方向串行连接分段投影中的道路和路口,得到道路和路口连接成的完整道路;
将投影图像中的路口信息和道路信息反算到三维激光点云中去,并根据路口目标的大小、长宽比、面积等得分进行路口区域的去重。同时,通过顺序的合并投影图像中提取的路口,将路口与路口间的道路连接成道路段,即以单个路口为结点,沿着轨迹方向串行的连接分段投影图像中提取的道路和路口信息,获取路口与路口之间的完整道路。
S104、以路口与路口间的路段为单位,构建不同路段间可行驶的关联关系,连接相邻路段,并将高精度地图制作系统中的地面交通要素目标关联至对应的路口或路段,以构建交通道路拓扑网。
基于相邻路口间的连接路段,构建道路段间可行驶的关联关系,即由当前路段经过路口驶入的另一路段,将相邻的路段连接起来。获取高精度地图制作系统中道路区域内提取的地面交通要素目标,根据位置将要素目标划分到对应的路段区域或路口区域中,即可构建交通道路拓扑网。所述地面交通要素一般为地面交通标识,可以包括如人行道、左转向、直行等地面标线。
具体的,分别以路口和路口间的路段为结点,构建路段和路口的拓扑关系。以路口间路段为结点的拓扑构建为例,沿着轨迹的方向,顺序操作路口间道路段结点,为每个路口间道路段结点构建一个关联关系矩阵,以其可驶入的多个路口间道路段为作为父结点,以其可驶出的多个路口间道路段为子结点,记录父子结点的连接路口,构建道路网络的拓扑关系,如图2所示,道路R1的可驾驶出的对应道路R2、R3、R4,其连接的路口为I1。
可以理解的是,道路交通网的构建主要包括两种拓扑网络:一种以路口与路口之间的道路段为结点,路口为连接桥梁,构建结点道路段的关联关系矩阵;另一种以路口为结点,路口间的道路段为连接段,构建路口结点对应的关联关系矩阵。两种方式均能实现道路拓扑网的构建,可提高系统对道路交通网数据获取的效率。
本实施例中,基于采集的点云数据可以实现道路拓扑网的自动构建,减少人力成本,且计算量小、制作效率高、准确度高。
在另一实施例中,如图3所示,对于高精度地图计算点云数据,经过分段投影后,分别通过路口检测模型和道路分割模型得到对应路口、道路的位置。经平面的路口和道路反算到激光点云坐标中,串行连接道路段并标记唯一ID,关联路口与道路段。最后再将地面要素关联至对应的路口或路段,得到道路交通网,即道路拓扑网。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图4为本发明实施例提供的一种用于交通道路拓扑网构建的装置的结构示意图,该装置包括:
分段模块410,用于获取车辆采集的激光点云数据,沿车辆轨迹方向对所述激光点云数据进行分段;
优选的,对距离地面一定距离内的激光点云数据进行投影,将俯视平面范围内点云的平均强度值作为投影平面中单个像素灰度值。
提取模块420,用于对分段内的激光点云数据进行俯视投影,通过目标检测网络提取俯视投影图中的路口,并通过道路面分割网络提取俯视投影图中的道路;
其中,所述目标检测网络通过anchorpoint方法在多个特征图上进行路口检测,确定路口范围,并对包含有路口的投影图进行标记,提取各路口中可行驶道路的数量。
所述通过道路面分割网络中,并行连接所述道路面分割网络的浅层特征与深层特征,并构建多个阶段的浅层到深层的子网,在深浅层中反复交换信息进行多尺度的重复融合,生成对应的道路面掩膜图,进行loss优化后,完成对道路面的提取。
连接模块430,用于将提取的道路和路口反算至激光点云中,获取激光点云的道路和路口信息,并以单个路口为结点,沿轨迹方向串行连接分段投影中的道路和路口,得到道路和路口连接成的完整道路;
关联模块440,用于以路口与路口间的路段为单位,构建不同路段间可行驶的关联关系,连接相邻路段,并将高精度地图制作系统中的地面交通要素目标关联至对应的路口或路段,以构建交通道路拓扑网。
具体的,所述构建不同路段间可行驶的关联关系,连接相邻路段包括:
分别以路口和路口间的路段为结点,在路口处,沿着车辆轨迹的方向,顺序操作路口间路段结点,为每个路段结点构建一个关联关系矩阵,以可驶入路口的路段为作为父结点,以可驶出路口的路段为子结点,记录父子结点的连接路口,构建道路网络的拓扑关系。
可以理解的是,在一个实施例中,所述电子设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述计算机程序执行如实施例一中步骤S101~S104,处理器执行所述计算机程序时实现交通道路拓扑网的自动构建。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括步骤S101~S104,所述的存储介质包括如:ROM/RAM、磁碟、光盘等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种交通道路拓扑网构建方法,其特征在于,包括:
获取车辆采集的激光点云数据,沿车辆轨迹方向对所述激光点云数据进行分段;
对分段内的激光点云数据进行俯视投影,通过目标检测网络提取俯视投影图中的路口,并通过道路面分割网络提取俯视投影图中的道路;
将提取的道路和路口反算至激光点云中,获取激光点云的道路和路口信息,并以单个路口为结点,沿轨迹方向串行连接分段投影中的道路和路口,得到道路和路口连接成的完整道路;
以路口与路口间的路段为单位,构建不同路段间可行驶的关联关系,连接相邻路段,并将高精度地图制作系统中的地面交通要素目标关联至对应的路口或路段,以构建交通道路拓扑网;
其中,所述构建不同路段间可行驶的关联关系,连接相邻路段包括:
分别以路口和路口间的路段为结点,在路口处,沿着车辆轨迹的方向,顺序操作路口间路段结点,为每个路段结点构建一个关联关系矩阵,以可驶入路口的路段为作为父结点,以可驶出路口的路段为子结点,记录父子结点的连接路口,构建道路网络的拓扑关系。
2.根据权利要求1所述方法,其特征在于,所述对分段内的激光点云数据进行俯视投影包括:
对距离地面一定距离内的激光点云数据进行投影,将俯视平面范围内点云的平均强度值作为投影平面中单个像素灰度值。
3.根据权利要求1所述方法,其特征在于,所述通过目标检测网络提取俯视投影图中的路口包括:
通过anchorpoint方法在多个特征图上进行路口检测,确定路口范围,并对包含有路口的投影图进行标记,提取各路口中可行驶道路的数量。
4.根据权利要求1所述的方法,其特征在于,所述通过道路面分割网络提取俯视投影图中的道路包括:
并行连接所述道路面分割网络的浅层特征与深层特征,并构建多个阶段的浅层到深层的子网,在深浅层中反复交换信息进行多尺度的重复融合,生成对应的道路面掩膜图,进行loss优化后,完成对道路面的提取。
5.一种用于交通道路拓扑网构建的装置,其特征在于,包括:
分段模块,用于获取车辆采集的激光点云数据,沿车辆轨迹方向对所述激光点云数据进行分段;
提取模块,用于对分段内的激光点云数据进行俯视投影,通过目标检测网络提取俯视投影图中的路口,并通过道路面分割网络提取俯视投影图中的道路;
连接模块,用于将提取的道路和路口反算至激光点云中,获取激光点云的道路和路口信息,并以单个路口为结点,沿轨迹方向串行连接分段投影中的道路和路口,得到道路和路口连接成的完整道路;
关联模块,用于以路口与路口间的路段为单位,构建不同路段间可行驶的关联关系,连接相邻路段,并将高精度地图制作系统中的地面交通要素目标关联至对应的路口或路段,以构建交通道路拓扑网;
其中,所述构建不同路段间可行驶的关联关系,连接相邻路段包括:
分别以路口和路口间的路段为结点,在路口处,沿着车辆轨迹的方向,顺序操作路口间路段结点,为每个路段结点构建一个关联关系矩阵,以可驶入路口的路段为作为父结点,以可驶出路口的路段为子结点,记录父子结点的连接路口,构建道路网络的拓扑关系。
6.根据权利要求5所述装置,其特征在于,所述对分段内的激光点云数据进行俯视投影包括:
对距离地面一定距离内的激光点云数据进行投影,将俯视平面范围内点云的平均强度值作为投影平面中单个像素灰度值。
7.一种电子设备,包括处理器、存储器以及存储在所述存储器中并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计算机程序时实现如权利要求1至4中任一项所述交通道路拓扑网构建方法的步骤。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述交通道路拓扑网构建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011460627.7A CN112632201B (zh) | 2020-12-12 | 2020-12-12 | 一种交通道路拓扑网构建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011460627.7A CN112632201B (zh) | 2020-12-12 | 2020-12-12 | 一种交通道路拓扑网构建方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112632201A CN112632201A (zh) | 2021-04-09 |
CN112632201B true CN112632201B (zh) | 2022-05-13 |
Family
ID=75312570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011460627.7A Active CN112632201B (zh) | 2020-12-12 | 2020-12-12 | 一种交通道路拓扑网构建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112632201B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113470348B (zh) * | 2021-06-07 | 2022-07-05 | 北京三快在线科技有限公司 | 用于构建道路的交汇口路面的方法、装置、介质及设备 |
CN113807193A (zh) * | 2021-08-23 | 2021-12-17 | 武汉中海庭数据技术有限公司 | 一种激光点云中交通道路虚线段自动提取方法及系统 |
CN114485609B (zh) * | 2021-12-15 | 2023-08-01 | 武汉中海庭数据技术有限公司 | 一种基于原始轨迹的道路骨骼线优化方法及优化系统 |
CN114937364B (zh) * | 2022-06-17 | 2023-09-15 | 北京交通大学 | 一种基于拓扑变换的城市轨道交通分层网络的构建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101690A (zh) * | 2018-07-11 | 2018-12-28 | 深圳地平线机器人科技有限公司 | 用于渲染车辆自动驾驶模拟器中的场景的方法和装置 |
CN111784836A (zh) * | 2020-06-28 | 2020-10-16 | 北京百度网讯科技有限公司 | 高精地图生成方法、装置、设备及可读存储介质 |
CN111881790A (zh) * | 2020-07-14 | 2020-11-03 | 武汉中海庭数据技术有限公司 | 一种高精度地图制作中道路人行横道自动化提取方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10699430B2 (en) * | 2018-10-09 | 2020-06-30 | Industrial Technology Research Institute | Depth estimation apparatus, autonomous vehicle using the same, and depth estimation method thereof |
-
2020
- 2020-12-12 CN CN202011460627.7A patent/CN112632201B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101690A (zh) * | 2018-07-11 | 2018-12-28 | 深圳地平线机器人科技有限公司 | 用于渲染车辆自动驾驶模拟器中的场景的方法和装置 |
CN111784836A (zh) * | 2020-06-28 | 2020-10-16 | 北京百度网讯科技有限公司 | 高精地图生成方法、装置、设备及可读存储介质 |
CN111881790A (zh) * | 2020-07-14 | 2020-11-03 | 武汉中海庭数据技术有限公司 | 一种高精度地图制作中道路人行横道自动化提取方法和装置 |
Non-Patent Citations (1)
Title |
---|
道路交通网络中的关键节点识别方法研究;严开等;《计算机工程与科学》;20181111;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112632201A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112632201B (zh) | 一种交通道路拓扑网构建方法及装置 | |
CN112069856B (zh) | 地图生成方法、驾驶控制方法、装置、电子设备及系统 | |
CN109186617B (zh) | 一种基于视觉众包数据自动生成车道级拓扑关系的方法、系统及存储器 | |
US11971274B2 (en) | Method, apparatus, computer program, and computer-readable recording medium for producing high-definition map | |
KR20200121274A (ko) | 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체 | |
CN108981726A (zh) | 基于感知定位监测的无人车语义地图建模及构建应用方法 | |
JP7220169B2 (ja) | 情報処理方法、装置、記憶媒体、及びプログラム | |
US9983307B2 (en) | Method for providing information about at least one object in a surrounding region of a motor vehicle and system | |
CN111930872A (zh) | 一种高精度地图更新方法、服务器及可读存储介质 | |
CN109597862B (zh) | 基于拼图式的地图生成方法、装置及计算机可读存储介质 | |
CN114509065B (zh) | 地图构建方法、系统、车辆终端、服务器端及存储介质 | |
CN111897906A (zh) | 处理地图数据的方法、装置、设备和存储介质 | |
CN108332761B (zh) | 一种使用及创建路网地图信息的方法与设备 | |
CN113392169A (zh) | 一种高精度地图更新的方法、装置及服务器 | |
CN112257772B (zh) | 一种道路增减区间切分方法、装置、电子设备及存储介质 | |
CN114722944A (zh) | 点云精度确定方法、电子设备及计算机存储介质 | |
CN112837414B (zh) | 基于车载点云数据的三维高精度地图的构建方法 | |
CN116958316B (zh) | 拓扑图生成方法、装置、计算机设备及存储介质 | |
CN113392170A (zh) | 一种高精度地图数据的生成方法、装置及服务器 | |
CN111325811B (zh) | 一种车道线数据的处理方法及处理装置 | |
CN114120631B (zh) | 构建动态高精度地图的方法、装置及交通云控平台 | |
CN114407919B (zh) | 一种基于自动驾驶的碰撞检测方法及系统 | |
CN112507887B (zh) | 一种路口标志牌提取及关联的方法及装置 | |
CN111898648A (zh) | 路网图生成方法、装置、电子设备和计算机可读存储介质 | |
US20240011794A1 (en) | Road change detection method, computing device, and storage medium |
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 |