CN112697159B - 一种地图编辑方法及系统 - Google Patents
一种地图编辑方法及系统 Download PDFInfo
- Publication number
- CN112697159B CN112697159B CN202110010941.3A CN202110010941A CN112697159B CN 112697159 B CN112697159 B CN 112697159B CN 202110010941 A CN202110010941 A CN 202110010941A CN 112697159 B CN112697159 B CN 112697159B
- Authority
- CN
- China
- Prior art keywords
- image data
- lane line
- map
- original image
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004519 manufacturing process Methods 0.000 claims abstract description 6
- 238000002372 labelling Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种地图编辑方法及系统。其中,该方法包括:获取原始图像数据;将所述原始图像数据中的地图元素识别为像素点,并制作车道线数据;将所述车道线数据叠加到所述作业参考图像中,生成作业参考图像数据;利用所述作业参考图像数据对所述车道线数据的各属性进行修改。本发明解决了现有技术中通过地图识别的方法来进行辅助驾驶无法进行地图元素的识别和编辑,导致无法实施实时驾驶空间、地图元素相结合的辅助驾驶方案,降低了驾驶者利用地图识别功能进行驾驶的驾驶效率和精度的技术问题。
Description
技术领域
本发明涉及地图处理领域,具体而言,涉及一种地图编辑方法及系统。
背景技术
随着智能化科技的不断发展,地图图像数据的智能识别以及应用,体现在了各个领域中,为人们的生活和工作提供了便利。目前,在驾驶人驾驶车辆的时候,车辆可以通过对GPS地图所在的位置,来指引驾驶者进行辅助驾驶,增加驾驶的效率。但是,现有技术中通过地图识别的方法来进行辅助驾驶无法进行地图元素的识别和编辑,导致无法实施实时驾驶空间、地图元素相结合的辅助驾驶方案,降低了驾驶者利用地图识别功能进行驾驶的驾驶效率和精度。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种地图编辑方法及系统,以至少解决现有技术中通过地图识别的方法来进行辅助驾驶无法进行地图元素的识别和编辑,导致无法实施实时驾驶空间、地图元素相结合的辅助驾驶方案,降低了驾驶者利用地图识别功能进行驾驶的驾驶效率和精度的技术问题。
根据本发明实施例的一个方面,提供了一种地图编辑方法,包括:获取原始图像数据;将所述原始图像数据中的地图元素识别为像素点,并制作车道线数据;将所述车道线数据叠加到所述作业参考图像中,生成作业参考图像数据;利用所述作业参考图像数据对所述车道线数据的各属性进行修改。
可选的,所述地图元素包括:车道线、地面标识。
可选的,所述将所述地图元素叠加到所述原始图像数据中,生成作业图像数据包括:获取制作车道线数据所包含坐标的各个像素坐标值;根据所述像素坐标值,将所述地图元素标注在所述原始图像数据中;将标注后的原始图像数据作为所述作业图像数据进行展示,并显示最新制作的车道线点在图片中对应位置在图片中心区域的照片。
可选的,所述方法还包括:利用作业参考图像数据,对车道线的颜色属性进行赋值,并修正由于机器自动识别车道线像素错误所导致的车道线点。
根据本发明实施例的另一方面,还提供了一种地图编辑系统,包括:获取模块,用于获取原始图像数据;识别模块,用于将所述原始图像数据中的地图元素识别为像素点,并制作车道线数据;叠加模块,用于将所述车道线数据叠加到所述作业参考图像中,生成作业参考图像数据;修改模块,用于利用所述作业参考图像数据对所述车道线数据的各属性进行修改。
可选的,所述地图元素包括:车道线、地面标识。
可选的,所述叠加模块包括:获取单元,用于获取所述地图元素所在的像素坐标值;标注单元,用于根据所述像素坐标值,将所述地图元素标注在所述原始图像数据中;展示单元,用于将标注后的原始图像数据作为所述作业图像数据进行展示,并显示最新制作的车道线点在图片中对应位置在图片中心区域的照片。
可选的,所述系统还包括:修正模块,用于利用作业参考图像数据,对车道线的颜色属性进行赋值,并修正由于机器自动识别车道线像素错误所导致的车道线点。
根据本发明实施例的另一个方面,还提供了一种非易失性存储介质,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行一种地图编辑方法。
根据本发明实施例的另一个方面,还提供了一种电子装置,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行一种地图编辑方法。
在本发明实施例中,采用获取原始图像数据;识别所述原始图像数据中的地图元素;将所述地图元素叠加到所述原始图像数据中,生成作业图像数据的方式,通过(),达到了通过地图识别元素并编辑作业图像数据来展示给驾驶者的目的,解决了现有技术中通过地图识别的方法来进行辅助驾驶无法进行地图元素的识别和编辑,导致无法实施实时驾驶空间、地图元素相结合的辅助驾驶方案,降低了驾驶者利用地图识别功能进行驾驶的驾驶效率和精度的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种地图编辑方法的流程图;
图2是根据本发明实施例的一种地图编辑系统的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。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他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种地图编辑方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
图1是根据本发明实施例的一种地图编辑方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取原始图像数据。
具体的,本发明实施例为了达到通过车载拍照设备识别周围地图元素,如车道、标识等信息,并将上述信息进行处理和编辑并叠加到可视空间中去,需要首先获取原始图像数据,获取方法可以是根据驾驶者的车载摄像设备对周围的驾驶环境进行图像获取,并根据图像获取结果进行图像噪点消除以及相关优化,以便得到清晰可用的原始图像数据,便于后续对地图元素进行分析和编辑之用。
步骤S104,将所述原始图像数据中的地图元素识别为像素点,并制作车道线数据。
具体的,当获取到原始图像数据的时候,原始图像数据中存在若干地图元素,通过对原始图像数据进行二值化处理后的预设算法分析,得到地图元素识别结果,即获得驾驶车辆周围地图上的可识别地图元素,该地图元素可以是所有对行车有帮助作用的地图标识。
需要说明的是,对原始图像数据的地图元素识别还可以是通过深度学习算法自动化识别的,其中,深度学习算法可以是DNN神经网络模型,通过训练预设参数,是神经网络模型输入参数类型为不同的原始图像数据,其输出参数为需要DNN神经网络模型进行识别的不同的地图元素,通过深度学习算法来识别地图元素,不仅增加了识别效率,还增加了识别的精确度,使得识别到的地图元素更加贴合用户的需求,增加用户的使用体验。
可选的,所述地图元素包括:车道线、地面标识。
具体的,上述通过原始图像数据获得地图元素可以是包括车道线的地图元素,通过对车道线等地图元素的提炼过程,来达到对驾驶者的辅助作用,是驾驶者在驾驶车辆的时候可以随时通过空间可视界面看到例如车道线之类的地图元素,增加驾驶者的体验和驾驶效率。由于地图元素是驾驶作业时进行的参考,因此在作业时参考的具体内容还可以包括从带有地图元素的原始图像数据中查看现实场景的车道线的类型(实线、虚线、双实线等),车道线颜色(白色、黄色),是否有车道线被遮挡,是否将其他物体误识别为车道线、是否有车道数变化、路口中的车道线连接关系。例如,选中一条车道线,得到所述车道线尾点所对应的空间位置,并与采集轨迹的空间位置匹配,得到选中轨迹点所采集的时间,并将此时间前后的图像作为备选图像;计算得到车道线的尾点在备选图像中的位置,将位置最靠近中心区域的图片作为作业参考图像。
步骤S106,将所述车道线数据叠加到所述作业参考图像中,生成作业参考图像数据。
可选的,所述将所述地图元素叠加到所述原始图像数据中,生成作业图像数据包括:获取制作车道线数据所包含坐标的各个像素坐标值;根据所述像素坐标值,将所述地图元素标注在所述原始图像数据中;将标注后的原始图像数据作为所述作业图像数据进行展示,并显示最新制作的车道线点在图片中对应位置在图片中心区域的照片。
具体的,为了将对驾驶者驾驶车辆有用的地图元素融合到驾驶者直观观看的可视化地图界面中,首先需要获取地图元素所在的像素坐标值,该像素坐标所在的坐标系为本发明实施例获取的原始图像数据的坐标系,前述通过原始图像数据进行地图元素的识别时,可以通过处理器对地图元素所在的原始图像数据坐标进行计算,便于对地图元素和原始图像数据的叠加,即作业图像数据的生成。然后,根据所述像素坐标值,将所述地图元素标注在所述原始图像数据中,最后将标注后的原始图像数据作为所述作业图像数据进行展示。
需要说明的是,识别后的地图元素变成空间坐标的矢量点后,为了方便后续将识别到的地图元素叠加到原始图像数据中,需要将地图元素的矢量点转为像素坐标点,然后与原始图像数据进行叠加,供作业时参考。
还需要说明的是,坐标转换可以是通过像素坐标转为地理坐标的方式进行,由于地图上的要素都是在地理坐标系下的,而原始图像数据上识别的要素只有像素坐标,所以可以利用驾驶车辆上的行车记录仪的摄像头的图像空间坐标系相对于地理坐标系的旋转、平移、缩放比例参数,将像素坐标转为地理坐标。
可选的,利用作业参考图像数据,对车道线的颜色属性进行赋值,并修正由于机器自动识别车道线像素错误所导致的车道线点。。
步骤S108,利用所述作业参考图像数据对所述车道线数据的各属性进行修改。
具体的,当生成作业图像数据之后,为了方便驾驶者直观地参考地图元素以及原始图像,可以于可视化界面形成对比展示画面,即在同一画面展示所述作业图像数据和所述地图元素,同时通过对车道线数据的各属性进行修改,来控制车道线数据的显示和校准。
通过上述步骤,可以解决现有技术中通过地图识别的方法来进行辅助驾驶无法进行地图元素的识别和编辑,导致无法实施实时驾驶空间、地图元素相结合的辅助驾驶方案,降低了驾驶者利用地图识别功能进行驾驶的驾驶效率和精度的技术问题。
实施例二
图2是根据本发明实施例的一种地图编辑系统的结构框图,如图2所示,该系统包括:
获取模块20,用于获取原始图像数据。
具体的,本发明实施例为了达到通过车载拍照设备识别周围地图元素,如车道、标识等信息,并将上述信息进行处理和编辑并叠加到可视空间中去,需要首先获取原始图像数据,获取方法可以是根据驾驶者的车载摄像设备对周围的驾驶环境进行图像获取,并根据图像获取结果进行图像噪点消除以及相关优化,以便得到清晰可用的原始图像数据,便于后续对地图元素进行分析和编辑之用。
识别模块22,用于将所述原始图像数据中的地图元素识别为像素点,并制作车道线数据。
具体的,当获取到原始图像数据的时候,原始图像数据中存在若干地图元素,通过对原始图像数据进行二值化处理后的预设算法分析,得到地图元素识别结果,即获得驾驶车辆周围地图上的可识别地图元素,该地图元素可以是所有对行车有帮助作用的地图标识。
需要说明的是,对原始图像数据的地图元素识别还可以是通过深度学习算法自动化识别的,其中,深度学习算法可以是DNN神经网络模型,通过训练预设参数,是神经网络模型输入参数类型为不同的原始图像数据,其输出参数为需要DNN神经网络模型进行识别的不同的地图元素,通过深度学习算法来识别地图元素,不仅增加了识别效率,还增加了识别的精确度,使得识别到的地图元素更加贴合用户的需求,增加用户的使用体验。
可选的,所述地图元素包括:车道线、地面标识。
具体的,上述通过原始图像数据获得地图元素可以是包括车道线的地图元素,通过对车道线等地图元素的提炼过程,来达到对驾驶者的辅助作用,是驾驶者在驾驶车辆的时候可以随时通过空间可视界面看到例如车道线之类的地图元素,增加驾驶者的体验和驾驶效率。由于地图元素是驾驶作业时进行的参考,因此在作业时参考的具体内容还可以包括从带有地图元素的原始图像数据中查看现实场景的车道线的类型(实线、虚线、双实线等),车道线颜色(白色、黄色),是否有车道线被遮挡,是否将其他物体误识别为车道线、是否有车道数变化、路口中的车道线连接关系。
叠加模块24,用于将所述车道线数据叠加到所述作业参考图像中,生成作业参考图像数据。
可选的,所述叠加模块包括:获取单元,用于获取所述地图元素所在的像素坐标值;标注单元,用于根据所述像素坐标值,将所述地图元素标注在所述原始图像数据中;展示单元,用于将标注后的原始图像数据作为所述作业图像数据进行展示,并显示最新制作的车道线点在图片中对应位置在图片中心区域的照片。
具体的,为了将对驾驶者驾驶车辆有用的地图元素融合到驾驶者直观观看的可视化地图界面中,首先需要获取地图元素所在的像素坐标值,该像素坐标所在的坐标系为本发明实施例获取的原始图像数据的坐标系,前述通过原始图像数据进行地图元素的识别时,可以通过处理器对地图元素所在的原始图像数据坐标进行计算,便于对地图元素和原始图像数据的叠加,即作业图像数据的生成。然后,根据所述像素坐标值,将所述地图元素标注在所述原始图像数据中,最后将标注后的原始图像数据作为所述作业图像数据进行展示。
需要说明的是,识别后的地图元素变成空间坐标的矢量点后,为了方便后续将识别到的地图元素叠加到原始图像数据中,需要将地图元素的矢量点转为像素坐标点,然后与原始图像数据进行叠加,供作业时参考。
还需要说明的是,坐标转换可以是通过像素坐标转为地理坐标的方式进行,由于地图上的要素都是在地理坐标系下的,而原始图像数据上识别的要素只有像素坐标,所以可以利用驾驶车辆上的行车记录仪的摄像头的图像空间坐标系相对于地理坐标系的旋转、平移、缩放比例参数,将像素坐标转为地理坐标。
可选的,所述系统还包括:修正模块,用于利用作业参考图像数据,对车道线的颜色属性进行赋值,并修正由于机器自动识别车道线像素错误所导致的车道线点。
修改模块26,用于利用所述作业参考图像数据对所述车道线数据的各属性进行修改。
具体的,当生成作业图像数据之后,为了方便驾驶者直观地参考地图元素以及原始图像,可以于可视化界面形成对比展示画面,即在同一画面展示所述作业图像数据和所述地图元素,同时通过对车道线数据的各属性进行修改,来控制车道线数据的显示和校准。
根据本发明实施例的另一个方面,还提供了一种非易失性存储介质,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行一种地图编辑方法。
具体的,上述方法包括:获取原始图像数据;识别所述原始图像数据中的地图元素;将所述地图元素叠加到所述原始图像数据中,生成作业图像数据。
根据本发明实施例的另一个方面,还提供了一种电子装置,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行一种地图编辑方法。
具体的,上述方法包括:获取原始图像数据;识别所述原始图像数据中的地图元素;将所述地图元素叠加到所述原始图像数据中,生成作业图像数据。
通过上述系统,可以解决现有技术中通过地图识别的方法来进行辅助驾驶无法进行地图元素的识别和编辑,导致无法实施实时驾驶空间、地图元素相结合的辅助驾驶方案,降低了驾驶者利用地图识别功能进行驾驶的驾驶效率和精度的技术问题。
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。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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单元上。可以根据实际的需要选择其中的部分或者全部单元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单元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,也可以采用软件功能单元的形式实现。
所述集成的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。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或者该技术方案的全部或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中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种地图编辑方法,其特征在于,包括:
根据车载摄像设备对驾驶环境进行图像获取所得到的图像获取结果,获取原始图像数据;
将所述原始图像数据中的地图元素识别为像素点,并制作车道线数据;
将所述车道线数据叠加到所述原始图像数据中,生成作业参考图像数据;
所述将所述车道线数据叠加到所述原始图像数据中,生成作业参考图像数据包括:
获取制作车道线数据所包含坐标的各个像素坐标值;
根据所述像素坐标值,将所述地图元素标注在所述原始图像数据中;
将标注后的原始图像数据作为所述作业参考图像数据进行展示,并显示最新制作的车道线点在图片中对应位置在图片中心区域的照片;
利用所述作业参考图像数据对所述车道线数据的各属性进行修改,在同一画面展示所述作业参考图像数据和所述地图元素,同时通过对车道线数据的各属性进行修改,来控制车道线数据的显示和校准。
2.根据权利要求1所述的方法,其特征在于,所述地图元素包括:车道线、地面标识。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:利用所述作业参考图像数据,对车道线的颜色属性进行赋值,并修正由于机器自动识别车道线像素错误所导致的车道线点。
4.一种地图编辑系统,其特征在于,包括:
获取模块,用于根据车载摄像设备对驾驶环境进行图像获取所得到的图像获取结果,获取原始图像数据;
识别模块,用于将所述原始图像数据中的地图元素识别为像素点,并制作车道线数据;
叠加模块,用于将所述车道线数据叠加到所述原始图像数据中,生成作业参考图像数据;
修改模块,用于利用所述作业参考图像数据对所述车道线数据的各属性进行修改,在同一画面展示所述作业参考图像数据和所述地图元素,同时通过对车道线数据的各属性进行修改,来控制车道线数据的显示和校准;
所述叠加模块包括:
获取单元,用于获取制作车道线数据所包含坐标的各个像素坐标值;
标注单元,用于根据所述像素坐标值,将所述地图元素标注在所述原始图像数据中;
展示单元,用于将标注后的原始图像数据作为所述作业参考图像数据进行展示,并显示最新制作的车道线点在图片中对应位置在图片中心区域的照片。
5.根据权利要求4所述的系统,其特征在于,所述地图元素包括:车道线、地面标识。
6.根据权利要求4所述的系统,其特征在于,所述系统还包括:修正模块,用于利用所述作业参考图像数据,对车道线的颜色属性进行赋值,并修正由于机器自动识别车道线像素错误所导致的车道线点。
7.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行权利要求1至3中任意一项所述的方法。
8.一种电子装置,其特征在于,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行权利要求1至3中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110010941.3A CN112697159B (zh) | 2021-01-06 | 2021-01-06 | 一种地图编辑方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110010941.3A CN112697159B (zh) | 2021-01-06 | 2021-01-06 | 一种地图编辑方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112697159A CN112697159A (zh) | 2021-04-23 |
CN112697159B true CN112697159B (zh) | 2024-01-23 |
Family
ID=75514831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110010941.3A Active CN112697159B (zh) | 2021-01-06 | 2021-01-06 | 一种地图编辑方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112697159B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113932792B (zh) * | 2021-09-16 | 2023-07-28 | 江苏徐工工程机械研究院有限公司 | 一种适用于露天矿山无人运输系统的地图更新系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106250387A (zh) * | 2016-07-13 | 2016-12-21 | 百度在线网络技术(北京)有限公司 | 一种用于无人驾驶车辆测试的高精地图的编辑方法和装置 |
CN109357680A (zh) * | 2018-10-26 | 2019-02-19 | 北京主线科技有限公司 | 港口无人驾驶集装箱卡车高精地图生成方法 |
CN110147382A (zh) * | 2019-05-28 | 2019-08-20 | 北京百度网讯科技有限公司 | 车道线更新方法、装置、设备、系统及可读存储介质 |
CN110163930A (zh) * | 2019-05-27 | 2019-08-23 | 北京百度网讯科技有限公司 | 车道线生成方法、装置、设备、系统及可读存储介质 |
CN111291676A (zh) * | 2020-02-05 | 2020-06-16 | 清华大学 | 一种基于激光雷达点云和相机图像融合的车道线检测方法及装置和芯片 |
CN111582221A (zh) * | 2020-05-19 | 2020-08-25 | 北京汽车股份有限公司 | 车道线识别方法、装置和设备 |
CN111815742A (zh) * | 2020-09-14 | 2020-10-23 | 蘑菇车联信息科技有限公司 | 一种车道线生成方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470159B (zh) * | 2018-03-09 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 车道线数据处理方法、装置、计算机设备和存储介质 |
-
2021
- 2021-01-06 CN CN202110010941.3A patent/CN112697159B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106250387A (zh) * | 2016-07-13 | 2016-12-21 | 百度在线网络技术(北京)有限公司 | 一种用于无人驾驶车辆测试的高精地图的编辑方法和装置 |
CN109357680A (zh) * | 2018-10-26 | 2019-02-19 | 北京主线科技有限公司 | 港口无人驾驶集装箱卡车高精地图生成方法 |
CN110163930A (zh) * | 2019-05-27 | 2019-08-23 | 北京百度网讯科技有限公司 | 车道线生成方法、装置、设备、系统及可读存储介质 |
CN110147382A (zh) * | 2019-05-28 | 2019-08-20 | 北京百度网讯科技有限公司 | 车道线更新方法、装置、设备、系统及可读存储介质 |
CN111291676A (zh) * | 2020-02-05 | 2020-06-16 | 清华大学 | 一种基于激光雷达点云和相机图像融合的车道线检测方法及装置和芯片 |
CN111582221A (zh) * | 2020-05-19 | 2020-08-25 | 北京汽车股份有限公司 | 车道线识别方法、装置和设备 |
CN111815742A (zh) * | 2020-09-14 | 2020-10-23 | 蘑菇车联信息科技有限公司 | 一种车道线生成方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112697159A (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10854006B2 (en) | AR-enabled labeling using aligned CAD models | |
US20200234397A1 (en) | Automatic view mapping for single-image and multi-view captures | |
EP3561775A1 (en) | Methods and systems for semi-automated image segmentation and annotation | |
CN107990899A (zh) | 一种基于slam的定位方法和系统 | |
EP1612731B1 (en) | Computer modeling of physical scenes | |
US11783443B2 (en) | Extraction of standardized images from a single view or multi-view capture | |
CN103914802A (zh) | 用于使用导入的深度信息的图像选择和掩蔽的系统与方法 | |
CN111539484B (zh) | 训练神经网络的方法及装置 | |
JPH05501184A (ja) | 連続画像の内容変更を行う方法および装置 | |
CN112863234B (zh) | 一种车位显示方法、装置、电子设备及存储介质 | |
US11209277B2 (en) | Systems and methods for electronic mapping and localization within a facility | |
JP2007293722A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、および画像処理プログラムを記録した記録媒体、ならびに移動物体検出システム | |
US20090245625A1 (en) | Image trimming device and program | |
CN111160360A (zh) | 图像识别方法、装置及系统 | |
CN112697159B (zh) | 一种地图编辑方法及系统 | |
CN114339185A (zh) | 用于车辆相机图像的图像彩色化 | |
CN109886198B (zh) | 一种信息处理方法、装置及存储介质 | |
CN111429512A (zh) | 图像处理方法和装置、存储介质及处理器 | |
CN115008454A (zh) | 一种基于多帧伪标签数据增强的机器人在线手眼标定方法 | |
CN107133260A (zh) | 一种地标图像的匹配识别方法和装置 | |
CN112381876B (zh) | 一种交通标志标注方法、装置及计算机设备 | |
CN111695497B (zh) | 基于运动信息的行人识别方法、介质、终端和装置 | |
CN116978010A (zh) | 图像标注方法和装置、存储介质和电子设备 | |
CN109189246B (zh) | 一种对手写板上的涂写内容进行处理的方法、装置和系统 | |
CN115984796A (zh) | 一种图像标注方法及系统 |
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 |