CN113362420A - 道路标注生成方法、装置、设备以及存储介质 - Google Patents
道路标注生成方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN113362420A CN113362420A CN202110611771.4A CN202110611771A CN113362420A CN 113362420 A CN113362420 A CN 113362420A CN 202110611771 A CN202110611771 A CN 202110611771A CN 113362420 A CN113362420 A CN 113362420A
- Authority
- CN
- China
- Prior art keywords
- point
- road
- width
- generating
- end point
- 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
- 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
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/30204—Marker
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种道路标注生成方法、装置、设备、存储介质以及程序产品,涉及人工智能领域,具体涉及计算机视觉和深度学习技术,可用于遥感影像场景下。该方法的一具体实施方式包括:生成标签图片中的道路数量和道路宽度;对于标签图片中的每条道路,生成道路的起点和终点;在起点和终点之间生成至少一个点;对于相邻的两个点,由上一点至下一点绘制线段,其中,线段的宽度等于道路宽度;基于上一点和下一点的坐标,生成斜框标注信息,其中,斜框标注信息包括斜框的对角线交点、宽、高和倾斜角度。该实施方式生成虚构的遥感影像的道路的斜框标注信息,为道路斜框检测提供辅助数据。
Description
技术领域
本公开涉及人工智能领域,具体涉及计算机视觉和深度学习技术,可用于遥感影像场景下。
背景技术
遥感影像道路提取,旨在对遥感影像进行像素级内容分析,提取其中的道路信息,在城乡规划、地图绘制等领域具有很高的实用价值。然而,训练用于提取遥感影像的道路信息的模型需要大量标注有斜框标注信息的遥感影像。目前,通常是获取大量遥感影像,并对遥感影像进行斜框标注。
发明内容
本公开实施例提出了一种道路标注生成方法、装置、设备、存储介质以及程序产品。
第一方面,本公开实施例提出了一种道路标注生成方法,包括:生成标签图片中的道路数量和道路宽度;对于标签图片中的每条道路,生成道路的起点和终点;在起点和终点之间生成至少一个点;对于相邻的两个点,由上一点至下一点绘制线段,其中,线段的宽度等于道路宽度;基于上一点和下一点的坐标,生成斜框标注信息,其中,斜框标注信息包括斜框的对角线交点、宽、高和倾斜角度。
第二方面,本公开实施例提出了一种道路标注生成装置,包括:第一生成模块,被配置成生成标签图片中的道路数量和道路宽度;第二生成模块,被配置成对于标签图片中的每条道路,生成道路的起点和终点;第三生成模块,被配置成在起点和终点之间生成至少一个点;绘制模块,被配置成对于相邻的两个点,由上一点至下一点绘制线段,其中,线段的宽度等于道路宽度;第四生成模块,被配置成基于上一点和下一点的坐标,生成斜框标注信息,其中,斜框标注信息包括斜框的对角线交点、宽、高和倾斜角度。
第三方面,本公开实施例提出了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
第四方面,本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
第五方面,本公开实施例提出了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开实施例提供的道路标注生成方法、装置、设备、存储介质以及程序产品,指定标签图片尺寸、标签图片数量、每张标签图片的道路数量和道路宽度,生成虚构的遥感影像的道路的斜框标注信息,为道路斜框检测提供辅助数据。在生成虚构的遥感影像的道路的同时,即可得到道路的斜框标注信息,从而提升了辅助数据的生成效率。并且,虚构的遥感影像的道路是在起点和终点之间由多个首尾相连的线段连接而成的,从而使得道路更加标准化,且连续性更佳。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开的道路标注生成方法的一个实施例的流程图;
图2是根据本公开的道路标注生成方法的又一个实施例的流程图;
图3是根据本公开的道路标注生成装置的一个实施例的结构示意图;
图4是用来实现本公开实施例的道路标注生成方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的道路标注生成方法的一个实施例的流程100。该道路标注生成方法包括以下步骤:
步骤101,生成标签图片中的道路数量和道路宽度。
在本实施例中,道路标注生成方法的执行主体可以生成标签图片中的道路数量和道路宽度。
实践中,训练用于提取遥感影像的道路信息的模型需要大量标注有斜框标注信息的遥感影像。为了提高效率,可以生成大量虚构的遥感影像的道路的斜框标注信息。标签图片可以是空白图片,在标签图片上生成道路和斜框标注信息,即可得到虚构的遥感影像和对应的斜框标注信息。而标签图片尺寸、标签图片数量、每张标签图片的道路数量和道路宽度可以根据实际场景需求指定。例如,指定标签图片尺寸为1024*1024,指定标签图片数量为100张,指定每张标签图片的道路数量为5条,指定每张标签图片的宽度为4米。需要说明的是,每张标签图片的道路数量和道路宽度可以根据具体需求进行调节。例如,用于模拟乡村道路时,每张标签图片的道路数量的取值范围可以是[1,5],每张标签图片的道路宽度的取值范围可以是[1,5]。用于模拟城市道路时,每张标签图片的道路数量的取值范围可以是[3,10],每张标签图片的道路宽度的取值范围可以是[3,20]。
步骤102,对于标签图片中的每条道路,生成道路的起点和终点。
在本实施例中,对于标签图片中的每条道路,上述执行主体可以生成该道路的起点和终点。
实践中,道路的起点可以是标签图片中的任意一个像素点,但是道路的终点必须在标签图像的四个边界上。每条道路的宽度从起点到终点是不变的,允许不同道路之间发生交叉。以标签图片尺寸是1024*1024为例,坐标系以标签图片的左上角的顶点为原点,以标签图片的上侧边界为x轴,且向右为x轴的正方向,以标签图片的左侧边界为y轴,且向下为y轴的正方向。生成的道路的起点的坐标为(x0,y0),道路的终点的坐标为(tx,ty)。其中,x0、y0、tx、ty均为整数。x0和y0的取值范围均为[0,1023]。当道路的终点在标签图片的上侧边界时,tx的取值范围为[0,1023],ty=0。当道路的终点在标签图片的右侧边界时,tx=1023,ty的取值范围为[0,1023]。当道路的终点在标签图片的下侧边界时,tx的取值范围为[0,1023],ty=1023。当道路的终点在标签图片的左侧边界时,tx=0,ty的取值范围为[0,1023]。
步骤103,在起点和终点之间生成至少一个点。
在本实施例中,上述执行主体可以在道路的起点和终点之间生成至少一个点。其中,道路的起点和终点之间生成的点的数目可以是随机的,也可以是预先设定的。点与点之间的距离可以是随机的,也可以是预先设定的。这里都不进行具体限定。
步骤104,对于相邻的两个点,由上一点至下一点绘制线段。
在本实施例中,对于相邻的两个点,上述执行主体可以由上一点至下一点绘制线段。其中,线段的宽度等于道路宽度。这样,标签图片上的道路就是在起点和终点之间由多个首尾相连的线段连接而成,从而使得道路更加标准化,且连续性更佳。
步骤105,基于上一点和下一点的坐标,生成斜框标注信息。
在本实施例中,上述执行主体可以基于上一点和下一点的坐标,生成斜框标注信息。其中,斜框可以是连接上一点和下一点的线段。斜框标注信息可以包括斜框的对角线交点、宽、高和倾斜角度。
在本实施例的一些可选的实现方式中,上一点的坐标是(x1,y1),下一点的坐标是(x2,y2),道路宽度是width。斜框标注信息具体如下:
斜框的对角线交点的横坐标cx=(x1+x2)/2,斜框的对角线交点的纵坐标cy=(y1+y2)/2;
斜框的高h=width;
斜框的倾斜角度theta=arctan2[(y2-y1),(x2-x1)],其中,当时,斜框的倾斜角theta=theta-π,当时,斜框的倾斜角theta=theta+π。这样,斜框的倾斜角度theta的值就被限制在到之间。
在本实施例的一些可选的实现方式中,标注有斜框标注信息的标签图片可以作为训练样本,有监督训练斜框标注模型。训练出的斜框标注模型可以用于对遥感影像进行斜框标注,进而提取遥感影像的道路,使得提取出的道路更加标准化,且连续性更佳。
本公开实施例提供的道路标注生成方法,指定图片尺寸、数量、每张图片的道路数量和道路宽度,生成虚构的遥感影像的道路的斜框标注信息,为道路斜框检测提供辅助数据。在生成虚构的遥感影像的道路的同时,即可得到道路的斜框标注信息,从而提升了辅助数据的生成效率。并且,虚构的遥感影像的道路是在起点和终点之间由多个首尾相连的线段连接而成的,从而使得道路更加标准化,且连续性更佳。
继续参考图2,其示出了根据本公开的道路标注生成方法的又一个实施例的流程200。该道路标注生成方法包括以下步骤:
步骤201,通过生成随机数的方式生成道路数量和道路宽度。
在本实施例中,道路标注生成方法的执行主体可以通过生成随机数的方式生成道路数量和道路宽度,从而使得生成的虚构的遥感影像更加多样化。
步骤202,对于标签图片中的每条道路,随机生成道路的起点的坐标。
在本实施例中,对于标签图片中的每条道路,上述执行主体可以随机生成道路的起点的坐标,从而使得道路更加多样化。
以标签图片尺寸是1024*1024为例,坐标系以标签图片的左上角的顶点为原点,以标签图片的上侧边界为x轴,且向右为x轴的正方向,以标签图片的左侧边界为y轴,且向下为y轴的正方向。生成的道路的起点的坐标为(x0,y0)。其中,x0、y0均为整数。x0和y0的取值范围均为[0,1023]。
步骤203,随机生成道路的终点所在边界的指示符。
在本实施例中,上述执行主体可以随机生成道路的终点所在边界的指示符,从而使得道路更加多样化。
其中,终点在标签图片的边界上。指示符可以用于指示终点所在的具体边界。例如,当指示符e=1时,表示道路的终点在标签图片的上侧边界。当指示符e=2时,表示道路的终点在标签图片的右侧边界。当指示符e=3时,表示道路的终点在标签图片的下侧边界。当指示符e=4时,表示道路的终点在标签图片的左侧边界。
步骤204,基于终点所在边界的指示符,确定终点在一个坐标轴上的值。
在本实施例中,上述执行主体可以基于终点所在边界的指示符,确定终点在一个坐标轴上的值。
以标签图片尺寸是1024*1024为例,坐标系以标签图片的左上角的顶点为原点,以标签图片的上侧边界为x轴,且向右为x轴的正方向,以标签图片的左侧边界为y轴,且向下为y轴的正方向。当指示符e=1时,表示道路的终点在标签图片的上侧边界,可以确定终点的纵坐标ty=0。当指示符e=2时,表示道路的终点在标签图片的右侧边界,可以确定终点的横坐标tx=1023。当指示符e=3时,表示道路的终点在标签图片的下侧边界,可以确定终点的纵坐标ty=1023。当指示符e=4时,表示道路的终点在标签图片的左侧边界,可以确定终点的横坐标tx=0。
步骤205,随机生成终点在另一个坐标轴上的值。
在本实施例中,上述执行主体可以随机生成终点在另一个坐标上的值,从而使得道路更加多样化。
以标签图片尺寸是1024*1024为例,坐标系以标签图片的左上角的顶点为原点,以标签图片的上侧边界为x轴,且向右为x轴的正方向,以标签图片的左侧边界为y轴,且向下为y轴的正方向。当指示符e=1时,表示道路的终点在标签图片的上侧边界,可以确定终点的纵坐标ty=0,终点的横坐标tx的取值范围为[0,1023]。当指示符e=2时,表示道路的终点在标签图片的右侧边界,可以确定终点的横坐标tx=1023,终点的纵坐标ty的取值范围为[0,1023]。当指示符e=3时,表示道路的终点在标签图片的下侧边界,可以确定终点的纵坐标ty=1023,终点的横坐标tx的取值范围为[0,1023]。当指示符e=4时,表示道路的终点在标签图片的左侧边界,可以确定终点的横坐标tx=0,终点的纵坐标ty的取值范围为[0,1023]。
步骤206,基于终点在一个坐标轴上的值和另一个坐标轴上的值,生成终点的坐标。
在本实施例中,上述执行主体可以基于终点在一个坐标轴上的值和另一个坐标轴上的值,生成终点的坐标。
以标签图片尺寸是1024*1024为例,坐标系以标签图片的左上角的顶点为原点,以标签图片的上侧边界为x轴,且向右为x轴的正方向,以标签图片的左侧边界为y轴,且向下为y轴的正方向。当指示符e=1时,表示道路的终点在标签图片的上侧边界,可以确定终点的纵坐标ty=0,终点的横坐标tx的取值范围为[0,1023],即终点的坐标为(tx,0)。当指示符e=2时,表示道路的终点在标签图片的右侧边界,可以确定终点的横坐标tx=1023,终点的纵坐标ty的取值范围为[0,1023],即终点的坐标为(1023,ty)。当指示符e=3时,表示道路的终点在标签图片的下侧边界,可以确定终点的纵坐标ty=1023,终点的横坐标tx的取值范围为[0,1023],即终点的坐标为(tx,1023)。当指示符e=4时,表示道路的终点在标签图片的左侧边界,可以确定终点的横坐标tx=0,终点的纵坐标ty的取值范围为[0,1023],即终点的坐标为(0,ty)。
步骤207,生成起点的下一点。
在本实施例中,上述执行主体可以生成起点的下一点。
通常,下一点的横坐标可以取起点与终点的横坐标之间的随机数,下一点的纵坐标可以取起点与终点的纵坐标之间的随机数,使得下一点不会超出起点和终点限定的范围,从而使得生成的道路更加符合实际情况,防止道路振荡。
步骤208,确定下一点的坐标是否满足预设条件。
在本实施例中,上述执行主体可以确定下一点的坐标是否满足预设条件。若满足预设条件,执行步骤209;若不满足预设条件,执行步骤210。
其中,预设条件可以是预先设置的各种条件。例如,预设条件可以包括下一节点与终点的横坐标值和/或纵坐标值相同,从而防止道路振荡。
步骤209,确定点生成完毕。
在本实施例中,若下一点的坐标满足预设条件,确定点生成完毕,继续执行步骤211。
步骤210,将下一点作为起点。
在本实施例中,若下一点的坐标不满足预设条件,上述执行主体可以将下一点作为起点,以及继续执行点生成步骤207。为道路生成下一点,直至满足预设条件,从而使道路从起点触发,逐步朝着终点进行前进,使得生成的道路更加符合实际情况。
步骤211,对于相邻的两个点,由上一点至下一点绘制线段。
步骤212,基于上一点和下一点的坐标,生成斜框标注信息。
在本实施例中,步骤211-212具体操作已在图1所示的实施例中步骤104-105进行了详细的介绍,在此不再赘述。
从图3中可以看出,与图2对应的实施例相比,本实施例中的道路标注生成方法突出了随机生成道路的步骤和点生成步骤。由此,本实施例描述的方案,随机生成道路数量、道路宽度、起点和终点,使得道路更加多样化。为道路生成下一点,直至满足预设条件,从而使道路从起点触发,逐步朝着终点进行前进,使得生成的道路更加符合实际情况。
进一步参考图3,作为对上述各图所示方法的实现,本公开提供了一种道路标注生成装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例的道路标注生成装置300可以包括:第一生成模块301、第二生成模块302、第三生成模块303、绘制模块304和第四生成模块305。其中,第一生成模块301,被配置成生成标签图片中的道路数量和道路宽度;第二生成模块302,被配置成对于标签图片中的每条道路,生成道路的起点和终点;第三生成模块303,被配置成在起点和终点之间生成至少一个点;绘制模块304,被配置成对于相邻的两个点,由上一点至下一点绘制线段,其中,线段的宽度等于道路宽度;第四生成模块305,被配置成基于上一点和下一点的坐标,生成斜框标注信息,其中,斜框标注信息包括斜框的对角线交点、宽、高和倾斜角度。
在本实施例中,道路标注生成装置300中:第一生成模块301、第二生成模块302、第三生成模块303、绘制模块304和第四生成模块305的具体处理及其所带来的技术效果可分别参考图1对应实施例中的步骤101-105的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,第三生成模块303进一步被配置成:执行以下点生成步骤:生成起点的下一点,确定下一点的坐标是否满足预设条件,响应于满足预设条件,确定点生成完毕;响应于不满足预设条件,将下一点作为起点,以及继续执行点生成步骤。
在本实施例的一些可选的实现方式中,下一点的横坐标取起点与终点的横坐标之间的随机数,下一点的纵坐标取起点与终点的纵坐标之间的随机数,预设条件包括下一节点与终点的横坐标值和/或纵坐标值相同。
在本实施例的一些可选的实现方式中,上一点的坐标是(x1,y1),下一点的坐标是(x2,y2),道路宽度是width,斜框的对角线交点的横坐标cx=(x1+x2)/2,斜框的对角线交点的纵坐标cy=(y1+y2)/2,斜框的宽斜框的高h=width,斜框的倾斜角度theta=arctan2[(y2-y1),(x2-x1)],其中,当时,斜框的倾斜角theta=theta-π,当时,斜框的倾斜角theta=theta+π。
在本实施例的一些可选的实现方式中,第二生成模块302进一步被配置成:随机生成道路的起点的坐标;随机生成道路的终点所在边界的指示符,其中,终点在标签图片的边界上;基于终点所在边界的指示符,确定终点在一个坐标轴上的值;随机生成终点在另一个坐标轴上的值;基于终点在一个坐标轴上的值和另一个坐标轴上的值,生成终点的坐标。
在本实施例的一些可选的实现方式中,第一生成模块301进一步被配置成:通过生成随机数的方式生成道路数量和道路宽度。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理,例如道路标注生成方法。例如,在一些实施例中,道路标注生成方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行上文描述的道路标注生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行道路标注生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以是分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开提供的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种道路标注生成方法,包括:
生成标签图片中的道路数量和道路宽度;
对于所述标签图片中的每条道路,生成所述道路的起点和终点;
在所述起点和所述终点之间生成至少一个点;
对于相邻的两个点,由上一点至下一点绘制线段,其中,所述线段的宽度等于所述道路宽度;
基于上一点和下一点的坐标,生成斜框标注信息,其中,所述斜框标注信息包括斜框的对角线交点、宽、高和倾斜角度。
2.根据权利要求1所述的方法,其中,所述在所述起点和所述终点之间生成至少一个点,包括:
执行以下点生成步骤:生成所述起点的下一点,确定所述下一点的坐标是否满足预设条件,响应于满足所述预设条件,确定点生成完毕;
响应于不满足所述预设条件,将所述下一点作为所述起点,以及继续执行所述点生成步骤。
3.根据权利要求2所述的方法,其中,所述下一点的横坐标取所述起点与所述终点的横坐标之间的随机数,所述下一点的纵坐标取所述起点与所述终点的纵坐标之间的随机数,所述预设条件包括所述下一节点与所述终点的横坐标值和/或纵坐标值相同。
5.根据权利要求1所述的方法,其中,所述生成所述道路的起点和终点,包括:
随机生成所述道路的起点的坐标;
随机生成所述道路的终点所在边界的指示符,其中,所述终点在所述标签图片的边界上;
基于所述终点所在边界的指示符,确定所述终点在一个坐标轴上的值;
随机生成所述终点在另一个坐标轴上的值;
基于所述终点在一个坐标轴上的值和另一个坐标轴上的值,生成所述终点的坐标。
6.根据权利要求1所述的方法,其中,所述生成标签图片中的道路数量和道路宽度,包括:
通过生成随机数的方式生成所述道路数量和所述道路宽度。
7.一种道路标注生成装置,包括:
第一生成模块,被配置成生成标签图片中的道路数量和道路宽度;
第二生成模块,被配置成对于所述标签图片中的每条道路,生成所述道路的起点和终点;
第三生成模块,被配置成在所述起点和所述终点之间生成至少一个点;
绘制模块,被配置成对于相邻的两个点,由上一点至下一点绘制线段,其中,所述线段的宽度等于所述道路宽度;
第四生成模块,被配置成基于上一点和下一点的坐标,生成斜框标注信息,其中,所述斜框标注信息包括斜框的对角线交点、宽、高和倾斜角度。
8.根据权利要求7所述的装置,其中,所述第三生成模块进一步被配置成:
执行以下点生成步骤:生成所述起点的下一点,确定所述下一点的坐标是否满足预设条件,响应于满足所述预设条件,确定点生成完毕;
响应于不满足所述预设条件,将所述下一点作为所述起点,以及继续执行所述点生成步骤。
9.根据权利要求8所述的装置,其中,所述下一点的横坐标取所述起点与所述终点的横坐标之间的随机数,所述下一点的纵坐标取所述起点与所述终点的纵坐标之间的随机数,所述预设条件包括所述下一节点与所述终点的横坐标值和/或纵坐标值相同。
11.根据权利要求7所述的装置,其中,所述第二生成模块进一步被配置成:
随机生成所述道路的起点的坐标;
随机生成所述道路的终点所在边界的指示符,其中,所述终点在所述标签图片的边界上;
基于所述终点所在边界的指示符,确定所述终点在一个坐标轴上的值;
随机生成所述终点在另一个坐标轴上的值;
基于所述终点在一个坐标轴上的值和另一个坐标轴上的值,生成所述终点的坐标。
12.根据权利要求7所述的装置,其中,所述第一生成模块进一步被配置成:
通过生成随机数的方式生成所述道路数量和所述道路宽度。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110611771.4A CN113362420B (zh) | 2021-06-02 | 2021-06-02 | 道路标注生成方法、装置、设备以及存储介质 |
JP2022567635A JP2023533108A (ja) | 2021-06-02 | 2022-01-29 | 道路ラベルを生成するための方法、装置、デバイス及び記憶媒体 |
PCT/CN2022/075068 WO2022252675A1 (zh) | 2021-06-02 | 2022-01-29 | 道路标注生成方法、装置、设备以及存储介质 |
KR1020237002731A KR20230021150A (ko) | 2021-06-02 | 2022-01-29 | 도로 어노테이션을 생성하는 방법, 장치, 기기 및 저장 매체 |
US17/981,965 US20230068025A1 (en) | 2021-06-02 | 2022-11-07 | Method and apparatus for generating road annotation, device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110611771.4A CN113362420B (zh) | 2021-06-02 | 2021-06-02 | 道路标注生成方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113362420A true CN113362420A (zh) | 2021-09-07 |
CN113362420B CN113362420B (zh) | 2023-08-29 |
Family
ID=77531071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110611771.4A Active CN113362420B (zh) | 2021-06-02 | 2021-06-02 | 道路标注生成方法、装置、设备以及存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230068025A1 (zh) |
JP (1) | JP2023533108A (zh) |
KR (1) | KR20230021150A (zh) |
CN (1) | CN113362420B (zh) |
WO (1) | WO2022252675A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114782588A (zh) * | 2022-06-23 | 2022-07-22 | 四川见山科技有限责任公司 | 一种数字孪生城市中道路名称实时绘制方法及系统 |
CN114791940A (zh) * | 2022-06-23 | 2022-07-26 | 四川见山科技有限责任公司 | 一种数字孪生城市中道路名称计算方法、设备及系统 |
WO2022252675A1 (zh) * | 2021-06-02 | 2022-12-08 | 北京百度网讯科技有限公司 | 道路标注生成方法、装置、设备以及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229274A (zh) * | 2017-02-28 | 2018-06-29 | 北京市商汤科技开发有限公司 | 多层神经网络模型训练、道路特征识别的方法和装置 |
CN109697742A (zh) * | 2017-10-24 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 道路中线的生成方法、装置和计算机可读存储介质 |
CN109815859A (zh) * | 2019-01-10 | 2019-05-28 | 中交信息技术国家工程实验室有限公司 | 一种低等级道路自动提取及变化分析方法 |
CN111191654A (zh) * | 2019-12-30 | 2020-05-22 | 重庆紫光华山智安科技有限公司 | 道路数据生成方法、装置、电子设备及存储介质 |
US20200183412A1 (en) * | 2018-12-05 | 2020-06-11 | Here Global B.V. | Method and apparatus for de-biasing the detection and labeling of objects of interest in an environment |
US20200210696A1 (en) * | 2018-12-27 | 2020-07-02 | Didi Research America, Llc | Image pre-processing in a lane marking determination system |
CN112033421A (zh) * | 2020-08-25 | 2020-12-04 | 北京三快在线科技有限公司 | 一种检测电子地图中车道的方法及装置 |
CN112435333A (zh) * | 2020-10-14 | 2021-03-02 | 腾讯科技(深圳)有限公司 | 一种道路场景的生成方法以及相关装置 |
WO2021073455A1 (zh) * | 2019-10-18 | 2021-04-22 | 上海商汤临港智能科技有限公司 | 路径生成方法及装置、电子设备和存储介质 |
CN112733777A (zh) * | 2021-01-18 | 2021-04-30 | 华侨大学 | 一种遥感图像的道路提取方法、装置、设备和存储介质 |
CN112861238A (zh) * | 2021-03-02 | 2021-05-28 | 广联达科技股份有限公司 | 生成道路轮廓线的方法、装置、设备及可读存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3606805B2 (ja) * | 2000-02-14 | 2005-01-05 | 松下電器産業株式会社 | 地図情報作成装置、および、これを用いた地図情報表示装置 |
CN103098114B (zh) * | 2010-09-07 | 2015-05-13 | 三菱电机株式会社 | 道路描绘装置以及道路描绘方法 |
CN105574931B (zh) * | 2014-11-07 | 2019-02-19 | 高德信息技术有限公司 | 一种电子地图道路绘制方法及装置 |
CN110006442B (zh) * | 2019-04-17 | 2021-06-01 | 北京百度网讯科技有限公司 | 导航方法、装置、设备和介质 |
CN111551185B (zh) * | 2020-06-12 | 2022-03-18 | 弗徕威智能机器人科技(上海)有限公司 | 行车道添加的方法 |
CN113362420B (zh) * | 2021-06-02 | 2023-08-29 | 北京百度网讯科技有限公司 | 道路标注生成方法、装置、设备以及存储介质 |
CN113361371B (zh) * | 2021-06-02 | 2023-09-22 | 北京百度网讯科技有限公司 | 道路提取方法、装置、设备以及存储介质 |
-
2021
- 2021-06-02 CN CN202110611771.4A patent/CN113362420B/zh active Active
-
2022
- 2022-01-29 JP JP2022567635A patent/JP2023533108A/ja active Pending
- 2022-01-29 WO PCT/CN2022/075068 patent/WO2022252675A1/zh active Application Filing
- 2022-01-29 KR KR1020237002731A patent/KR20230021150A/ko not_active Application Discontinuation
- 2022-11-07 US US17/981,965 patent/US20230068025A1/en active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229274A (zh) * | 2017-02-28 | 2018-06-29 | 北京市商汤科技开发有限公司 | 多层神经网络模型训练、道路特征识别的方法和装置 |
CN109697742A (zh) * | 2017-10-24 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 道路中线的生成方法、装置和计算机可读存储介质 |
US20200183412A1 (en) * | 2018-12-05 | 2020-06-11 | Here Global B.V. | Method and apparatus for de-biasing the detection and labeling of objects of interest in an environment |
US20200210696A1 (en) * | 2018-12-27 | 2020-07-02 | Didi Research America, Llc | Image pre-processing in a lane marking determination system |
CN109815859A (zh) * | 2019-01-10 | 2019-05-28 | 中交信息技术国家工程实验室有限公司 | 一种低等级道路自动提取及变化分析方法 |
WO2021073455A1 (zh) * | 2019-10-18 | 2021-04-22 | 上海商汤临港智能科技有限公司 | 路径生成方法及装置、电子设备和存储介质 |
CN111191654A (zh) * | 2019-12-30 | 2020-05-22 | 重庆紫光华山智安科技有限公司 | 道路数据生成方法、装置、电子设备及存储介质 |
CN112033421A (zh) * | 2020-08-25 | 2020-12-04 | 北京三快在线科技有限公司 | 一种检测电子地图中车道的方法及装置 |
CN112435333A (zh) * | 2020-10-14 | 2021-03-02 | 腾讯科技(深圳)有限公司 | 一种道路场景的生成方法以及相关装置 |
CN112733777A (zh) * | 2021-01-18 | 2021-04-30 | 华侨大学 | 一种遥感图像的道路提取方法、装置、设备和存储介质 |
CN112861238A (zh) * | 2021-03-02 | 2021-05-28 | 广联达科技股份有限公司 | 生成道路轮廓线的方法、装置、设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
熊立伟;谭红伟;何亮云;龙岳红;: "一种基于Snake模型的遥感影像道路网半自动提取方法", 湖南文理学院学报(自然科学版), no. 02 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022252675A1 (zh) * | 2021-06-02 | 2022-12-08 | 北京百度网讯科技有限公司 | 道路标注生成方法、装置、设备以及存储介质 |
CN114782588A (zh) * | 2022-06-23 | 2022-07-22 | 四川见山科技有限责任公司 | 一种数字孪生城市中道路名称实时绘制方法及系统 |
CN114791940A (zh) * | 2022-06-23 | 2022-07-26 | 四川见山科技有限责任公司 | 一种数字孪生城市中道路名称计算方法、设备及系统 |
CN114791940B (zh) * | 2022-06-23 | 2022-09-27 | 四川见山科技有限责任公司 | 一种数字孪生城市中道路名称计算方法、设备及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2022252675A1 (zh) | 2022-12-08 |
KR20230021150A (ko) | 2023-02-13 |
US20230068025A1 (en) | 2023-03-02 |
CN113362420B (zh) | 2023-08-29 |
JP2023533108A (ja) | 2023-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113362420B (zh) | 道路标注生成方法、装置、设备以及存储介质 | |
CN112560862B (zh) | 文本识别方法、装置及电子设备 | |
CN114066900A (zh) | 图像分割方法、装置、电子设备和存储介质 | |
EP3876197A2 (en) | Portrait extracting method and apparatus, electronic device and storage medium | |
CN113205041B (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
US11893685B2 (en) | Landform map building method and apparatus, electronic device and readable storage medium | |
US20230222734A1 (en) | Construction of three-dimensional road network map | |
CN114299242A (zh) | 高精地图中图像处理方法、装置、设备以及存储介质 | |
CN113762109A (zh) | 一种文字定位模型的训练方法及文字定位方法 | |
CN113361371B (zh) | 道路提取方法、装置、设备以及存储介质 | |
CN116259064B (zh) | 表格结构识别方法、表格结构识别模型的训练方法及装置 | |
CN114140813A (zh) | 高精地图标注方法、装置、设备及存储介质 | |
CN114067328A (zh) | 识别文本的方法、装置和电子设备 | |
CN113936158A (zh) | 一种标签匹配方法及装置 | |
CN112988932B (zh) | 高精地图标注方法、装置、设备、可读存储介质及产品 | |
US20220207991A1 (en) | Method and device for determining boundary points of bottom surface of vehicle, roadside device and cloud control platform | |
CN114723867A (zh) | 点云地图的渲染方法、装置、设备及存储介质 | |
CN114549644A (zh) | 一种数据标注方法、装置、电子设备及存储介质 | |
CN113706705A (zh) | 用于高精地图的图像处理方法、装置、设备以及存储介质 | |
CN114581302A (zh) | 车牌样本图像生成方法、装置、设备以及存储介质 | |
CN117975099A (zh) | 一种像素级的目标标注方法、装置、电子设备及存储介质 | |
CN113378850A (zh) | 模型训练方法、路面损伤分割方法、装置和电子设备 | |
CN114359495A (zh) | 三维障碍物数据增强方法、装置、介质及边缘计算设备 | |
CN114495034A (zh) | 一种目标检测效果可视化的方法、装置、设备及存储介质 | |
CN117786019A (zh) | 一种标签文本的展示方法、装置、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 |