CN113593026A - 车道线标注辅助地图生成方法、装置和计算机设备 - Google Patents
车道线标注辅助地图生成方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN113593026A CN113593026A CN202110875058.0A CN202110875058A CN113593026A CN 113593026 A CN113593026 A CN 113593026A CN 202110875058 A CN202110875058 A CN 202110875058A CN 113593026 A CN113593026 A CN 113593026A
- Authority
- CN
- China
- Prior art keywords
- color
- information
- map
- lane
- position information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012545 processing Methods 0.000 claims description 25
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 230000004927 fusion Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 11
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种车道线标注辅助地图生成方法、装置和计算机设备。所述方法包括:获取同一路面中感兴趣区域的路面点云集合和路面图像;根据路面点云集合中各路面点的位置信息和强度信息,生成全局车道强度图;对路面点云集合和路面图像进行融合,得到彩色点云集合;根据彩色点云集合中各彩色点的位置信息和颜色信息,生成全局彩色车道图;对全局车道强度图和全局彩色车道图进行融合,得到车道线标注辅助地图。采用本方法能够提高车道线标注辅助地图信息的完整度。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种车道线标注辅助地图生成方法、装置、计算机设备。
背景技术
高精度地图是自动驾驶领域十分重要的一个数据,自动驾驶的高精度定位需要依赖高质量的高精度地图,而车道线是高精度地图中的重要的组成部分。目前车道线提取主要有自动生成和人工标注两种方式。
目前高精度地图的实际生产过程中大都是采用自动生成和人工标注相互结合的方法。人工标注车道线需要精确的辅助标注信息,目前获取车道线辅助标注信息主要有激光雷达和摄像头两种途径,一般利用激光点云的强度信息和图片的颜色信息来区分车道线并标注。但是激光雷达强度信息容易受积水、车道线材质和磨损程度的影响,摄像头容易受光照、天气等环境因素的影响,依靠单一的传感器数据获取的车道线辅助标注信息都会有一定的信息残缺,导致地图的完整度低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高地图信息的完整度的车道线标注辅助地图生成方法、装置、计算机设备和存储介质。
一种车道线标注辅助地图生成方法,所述方法包括:
获取同一路面中感兴趣区域的路面点云集合和路面图像;
根据所述路面点云集合中各路面点的位置信息和强度信息,生成全局车道强度图;
对所述路面点云集合和所述路面图像进行融合,得到彩色点云集合;
根据所述彩色点云集合中各彩色点的位置信息和颜色信息,生成全局彩色车道图;
对所述全局车道强度图和所述全局彩色车道图进行融合,得到车道线标注辅助地图。
在其中一个实施例中,所述根据所述路面点云集合中各路面点的位置信息和强度信息,生成全局车道强度图,包括:
根据所述路面点云集合中各路面点的坐标和地图分辨率进行位置统计,得到在每个设定区域中的各路面点的位置信息和强度信息;
根据各所述路面点的位置信息和强度信息确定各所述设定区域的第一位置信息和强度值,生成全局车道强度图。
在其中一个实施例中,所述根据所述路面点云集合中各路面点的坐标和地图分辨率进行位置统计,得到在每个设定区域中的各路面点的位置信息和强度信息,包括:
获取车辆定位信息;
根据所述车辆定位信息,对所述路面点云集合中各路面点进行坐标转换,得到各所述路面点在世界坐标系下对应的坐标;
根据地图分辨率以及各所述路面点在世界坐标系下对应的坐标,进行位置统计,得到在每个设定区域中的各路面点的位置信息和强度信息。
在其中一个实施例中,所述根据各所述路面点的位置信息和强度信息确定各所述设定区域的位置信息和强度值,生成全局车道强度图,包括:
分别对各所述路面点的位置信息和强度信息进行均值处理,确定各所述设定区域的位置信息和强度值;
根据各所述设定区域的第一位置信息和强度值,生成全局车道强度图。
在其中一个实施例中,所述根据所述彩色点云集合中各彩色点的位置信息和颜色信息,生成全局彩色车道图,包括:
根据所述彩色点云集合中各彩色点的坐标和地图分辨率进行位置统计,得到在每个设定区域中的各彩色点的位置信息和颜色信息;
根据各所述彩色点的位置信息和颜色信息确定各所述设定区域的第二位置信息和强度值,生成全局彩色车道图。
在其中一个实施例中,所述根据所述彩色点云集合中各彩色点的坐标和地图分辨率进行位置统计,得到在每个设定区域中的各彩色点的位置信息和颜色信息,包括:
获取车辆定位信息;
根据所述车辆定位信息,对所述彩色点云集合中各彩色点进行坐标转换,得到各所述彩色点在世界坐标系下对应的坐标;
根据地图分辨率以及各所述彩色点在世界坐标系下对应的坐标进行位置统计,得到在每个设定区域中的各彩色点的位置信息和颜色值。
在其中一个实施例中,所述根据各所述彩色点的位置信息和颜色信息确定各所述设定区域的位置信息和强度值,生成全局彩色车道图,包括:
分别对各所述彩色点的位置信息和颜色信息进行均值处理,确定各所述设定区域的位置信息和颜色值;
根据各所述设定区域的第二位置信息和颜色值,生成全局彩色车道图。
在其中一个实施例中,在所述分别对各所述彩色点的位置信息和颜色信息进行均值处理,确定各所述设定区域的位置信息和颜色值之前,所述方法还包括:
根据各所述彩色点的颜色信息进行离群点去除处理,得到去噪后的在各所述设定区域的彩色点云。
在其中一个实施例中,所述对所述全局车道强度图和所述全局彩色车道图进行融合,得到车道线标注辅助地图,包括:
确定所述路面点云集合的强度信息的第一置信度;
确定所述彩色点云集合的颜色信息的第二置信度;
根据所述第一置信度和所述第二置信度,对所述全局车道强度图和所述全局彩色车道图进行融合,得到车道线标注辅助地图。
一种车道线标注辅助地图生成装置,所述装置包括:
数据获取模块,用于获取同一路面中感兴趣区域的路面点云集合和路面图像;
生成模块,用于根据所述路面点云集合中各路面点的位置信息和强度信息,生成全局车道强度图;
融合模块,用于对所述路面点云集合和所述路面图像进行融合,得到彩色点云集合;
生成模块,用于根据所述彩色点云集合中各彩色点的位置信息和颜色信息,生成全局彩色车道图;
融合模块,用于对所述全局车道强度图和所述全局彩色车道图进行融合,得到车道线标注辅助地图。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取同一路面中感兴趣区域的路面点云集合和路面图像;
根据所述路面点云集合中各路面点的位置信息和强度信息,生成全局车道强度图;
对所述路面点云集合和所述路面图像进行融合,得到彩色点云集合;
根据所述彩色点云集合中各彩色点的位置信息和颜色信息,生成全局彩色车道图;
对所述全局车道强度图和所述全局彩色车道图进行融合,得到车道线标注辅助地图。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取同一路面中感兴趣区域的路面点云集合和路面图像;
根据所述路面点云集合中各路面点的位置信息和强度信息,生成全局车道强度图;
对所述路面点云集合和所述路面图像进行融合,得到彩色点云集合;
根据所述彩色点云集合中各彩色点的位置信息和颜色信息,生成全局彩色车道图;
对所述全局车道强度图和所述全局彩色车道图进行融合,得到车道线标注辅助地图。
上述车道线标注辅助地图生成方法、装置、计算机设备和存储介质,通过获取同一路面中感兴趣区域的路面点云集合和路面图像;根据所述路面点云集合中各路面点的位置信息和强度信息,生成全局车道强度图;对所述路面点云集合和所述路面图像进行融合,得到彩色点云集合;根据所述彩色点云集合中各彩色点的位置信息和颜色信息,生成全局彩色车道图;对所述全局车道强度图和所述全局彩色车道图进行融合,得到车道线标注辅助地图;即通过对全局车道强度图和全局彩色车道图进行融合,考虑了两种车道图每个像素的不确定度,得到融合激光点云强度和相机图像信息的车道线标注辅助地图,提高了地图信息完整度。
附图说明
图1为一个实施例中车道线标注辅助地图生成方法的流程示意图;
图2为一个实施例中生成全局车道强度图的方法的流程示意图;
图3为一个实施例中生成全局彩色车道图的方法的流程示意图;
图4为另一个实施例中的流程示意图方法的流程示意图;
图5为一个实施例中全局车道强度图和全局彩色车道图的融合效果示意;
图6为一个实施例中车道线标注辅助地图生成装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种车道线标注辅助地图生成方法,本实施例以该方法应用于终端(终端可以但不仅限于是驾驶环境中的车辆设备,车辆设备上搭载了传感器,如,激光雷达和图像采集设备)进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤102,获取同一路面中感兴趣区域的路面点云集合和路面图像。
其中,感兴趣区域是指包括车道线的路面区域。点云表示的是三维空间中有精确位置的点。即当一束激光照射到目标表面时,所反射的激光会携带方位、距离、强度值等信息,也就是说,激光雷达的激光束按照旋转的圆形轨迹进行扫描,边扫描边记录到反射的激光点信息,多个激光发射器重复扫描就能够得到大量的激光点,从而形成点云,得到点云集合。
在驾驶环境中,车辆设备上搭载了激光雷达和若干个相机,其中,相机采集路面图像的获取时刻和激光雷达采集路面点云集合的时刻是对齐,也就是说,当激光雷达转到对应相机的安装角度时,该相机会在此时刻获取图像;换言之,激光雷达每转动一圈,会完成所有相机依次获取图像的操作。
具体地,基于传感器标定方法对车辆设备上的激光雷达和相机进行标定,确定激光雷达和各个相机的位置变换关系以及每个相机的内参;获取车辆的几何参数,根据车辆的几何参数选取感兴趣区域的点云,得到感兴趣区域的点云,以及通过相机采集得到同一路面感兴趣区域的路面图像;感兴趣区域指的是以车辆坐标系为中心,车辆区域之外,指定半径的圆形区域;本申请中的这个区域对于一帧点云而言的,也就是说,只有分布于这个区域的点云才会被用来生成标注地图。
步骤104,根据路面点云集合中各路面点的位置信息和强度信息,生成全局车道强度图。
其中,路面点云的位置信息是基于激光雷达自身坐标系(即激光雷达坐标系)的位置。
具体地,根据路面点云集合中各路面点的坐标和地图分辨率进行位置统计,得到在每个设定区域中的各路面点的位置信息和强度信息;根据各路面点的位置信息和强度信息确定各设定区域的第一位置信息和强度值,生成全局车道强度图;进一步地,获取车辆定位信息;其中,车辆信息包括车辆的位置和方向信息;定位信息可以是通过多传感器融合得到的位姿,也可以是基于GPS、欧洲的伽利略卫星定位系统、中国的北斗卫星定位系统等得到的定位信息,在此不做赘述。
根据车辆定位信息,对路面点云集合中各路面点进行坐标转换,得到各路面点在世界坐标系下对应的坐标;即,获取路面点云集合中的各路面点PL;然后基于车辆的定位信息T将PL转换到世界坐标系下,各路面点在到世界坐标系下对应的点云PW,其转换关系为PW=PL*T;根据地图分辨率以及各路面点在世界坐标系下对应的坐标,进行位置统计,得到在每个设定区域中的各路面点的位置信息和强度信息,根据各路面点的位置信息和强度信息确定各设定区域的位置信息和强度值,生成全局车道强度图;其中,设定区域是预先设定的大小的区域(例如,0.1m2的格子),设定区域可以是对应一个像素点。
换言之,基于车辆的定位信息和激光雷达与车辆的参数关系,将多帧点云强度信息投影到世界坐标系下得到俯视视角的全局车道强度图(也可以理解为全局灰度车道图)。
例如,基于每个点云的点x和y的值对点云PW进行位置统计,以0.1m的格子作为最小单位cell(设定区域),分别统计落入各个cell的点的信息得到位置信息集合V和强度信息集合I,得到每个cell的位置信息和强度信息,将每个cell的位置信息和强度信息依次添加到数据库中,通过现有的车道强度图生成方法将每个设定区域的位置信息和强度信息整合在一起,得到全局车道强度图,利用可视化工具对整个全局车道强度图进行可视化显示。
步骤106,对路面点云集合和路面图像进行融合,得到彩色点云集合。
具体地,预先通过现有的标定算法对激光雷达和各个相机进行标定,得到激光雷达和各个相机的位置变换关系以及每个相机的内参;利用时间同步装置对齐相机图片的获取时刻是和点云的采集时刻,当激光雷达转到对应相机的安装角度时,该相机会在此时刻获取图像,由于每个相机的图像获取时间不一致,需要对每个相机相对于激光雷达的位置变换关系做运动补偿,确定运动补偿信息;基于激光雷达和各个相机的位置变换关系以及每个相机的内参,以及运动补偿信息对路面点云集合中各路面点进行投影变换,与路面图像进行融合,得到彩色点云集合,以及得到彩色点云集合中各彩色点相对于图像的颜色信息。
以下为需要对每个相机相对于激光雷达的位置变换关系做运动补偿,拥有一个激光雷达和N个相机的系统运动补偿方式,如下:
假设已知当前时刻激光雷达L相对于世界坐标系的位姿变换Pt以及上一时刻激光雷达相对于世界坐标系的位姿变换Pt-1,在t-1到t时刻获取图像的相机为Ci(i=1~N)。激光雷达相对于每个相机有一个固定的初始外参iEi(i=1~N)。
由于每个相机获取图像的时刻分布于t-1到t时刻,所以激光雷达到每个相机的真实外参还需要加上由于获取时间差产生的运动位姿变化。在这一步本方法使用激光雷达定位位姿插值作为运动补偿信息,激光雷达相对于每个相机的运动补偿信息分别为dEi。则经过运动补偿后的激光雷达相对于每个相机外参Ei=iEi*dEi。
基于运动补偿后的激光雷达和每个相机的外参Ei、每个相机的内参Ki对点云进行投影变换,得到每个点相对于图像的颜色信息。一个激光雷达和N个相机的系统的点云投影方式如下:
对于点云的一个点p(x,y,z),从激光雷达坐标系到图像像素坐标系的投影方程为:ppix=Ki*Ei*pH;
其中pH=(x,y,z,1),为点p的齐次坐标。ppix=(u,v,1),u和v为点p投影到图像中的像素位置。得到u和v后,判断u和v的位置是否分布在相机Ci获取的图像Ii中,如果分布在图像Ii中则找到ppix对应的Ii的像素点,然后基于像素点的RGB信息给点p赋予颜色信息。对于点云中的所有点依次进行以上操作,得到彩色点云。
步骤108,根据彩色点云集合中各彩色点的位置信息和颜色信息,生成全局彩色车道图。
具体地,根据彩色点云集合中各彩色点的坐标和地图分辨率进行位置统计,得到在每个设定区域中的各彩色点的位置信息和颜色信息(包括不同颜色通道的颜色值,例如RGB颜色通道对应的颜色值);根据各彩色点的位置信息和颜色信息确定各设定区域的第二位置信息和颜色值,生成全局彩色车道图;进一步地,获取车辆定位信息;根据车辆定位信息,对彩色点云集合中各彩色点进行坐标转换,得到各彩色点在世界坐标系下对应的坐标;根据地图分辨率和各彩色点在世界坐标系下对应的坐标进行位置统计,得到在每个设定区域中的各彩色点的位置信息和颜色值。其中,设定区域是预先设定的大小的区域(例如,0.1m2的格子)。
步骤110,对全局车道强度图和全局彩色车道图进行融合,得到车道线标注辅助地图。
具体地,确定路面点云集合的强度信息的第一置信度;确定彩色点云集合的颜色信息的第二置信度;即根据各设定区域中的各路面点的强度信息,确定各设定区域的强度值的第一置信度;根据各设定区域中的各彩色点的颜色信息,确定各设定区域的颜色值的第二置信度。
也就是说,根据各设定区域中的各路面点的强度信息,确定各设定区域的强度值的第一置信度;根据各设定区域中的各彩色点的颜色信息,确定各设定区域的颜色值的第二置信度;根据第一置信度和第二置信度,对全局车道强度图和全局彩色车道图进行融合,得到车道线标注辅助地图,即根据融合策略数据,根据置信度和置信度,对全局车道强度图和全局彩色车道图进行融合,得到车道线标注辅助地图。
其中,各设定区域的强度值的置信度是根据各设定区域的强度值确定的,可以表示为:E为估计误差,I为每个设定区域中的各路面点的强度值集合,μI为设定区域的强度值均值(也就是每个设定区域中的各路面点强度信息的平均值)。各设定区域的颜色值的第二置信度σRGB是设定区域中的各彩色点的颜色信息和设定区域的颜色值(包括各颜色通道的颜色值,即R、G、B三通道)确定的,可以表示为:
其中,RGBr代表彩色点R通道的颜色信息集合,RGBg代表彩色点G通道的颜色信息集合,RGBb代表彩色点B通道的颜色信息集合,代表设定区域R通道的颜色信息均值,代表设定区域G通道的颜色信息均值,代表设定区域B通道的颜色信息均值。
上述车道线标注辅助地图生成方法中,通过获取同一路面中感兴趣区域的路面点云集合和路面图像;根据路面点云集合中各路面点的位置信息和强度信息,生成全局车道强度图;对路面点云集合和路面图像进行融合,得到彩色点云集合;根据彩色点云集合中各彩色点的位置信息和颜色信息,生成全局彩色车道图;对全局车道强度图和全局彩色车道图进行融合,得到车道线标注辅助地图;即通过对全局车道强度图和全局彩色车道图进行融合,考虑了两种车道图每个像素的不确定度,得到融合激光点云强度和相机图像信息的车道线标注辅助地图,提高了地图信息完整度。
在一个实施例中,如图2所示,提供了一种生成全局车道强度图的方法,本实施例以该方法应用于终端;本实施例中,以终端驾驶环境中的车辆设备,车辆设备上搭载了激光雷达和图像采集设备为例进行说明,该方法包括以下步骤:
步骤202,获取同一路面中感兴趣区域的路面点云集合和车辆定位信息。
步骤204,根据车辆定位信息,对路面点云集合中各路面点进行坐标转换,得到各路面点在世界坐标系下对应的坐标。
其中,获取的路面点云是激光坐标系下的点云,根据已知的坐标转换关系,根据车辆定位信息可以对路面点云集合中各路面点进行坐标转换,得到各路面点在世界坐标系下对应的点,以及坐标。
步骤206,根据地图分辨率以及各路面点在世界坐标系下对应的坐标,进行位置统计,得到在每个设定区域中的各路面点的位置信息和强度信息。
其中,统计是基于栅格统计方法进行统计的,栅格统计方法是将目标区域按照预设尺寸(分辨率)分为若干个小格子(即设定区域)。
具体地,分别统计在每个设定区域的点云的位置信息和强度信息,得到每个设定区域对应的位置信息集合和强度信息集合;例如,基于每个点x和y的值对世界坐标系下的点云PW进行位置统计,以0.1m2的格子作为最小单位cell,分别统计落入各个cell的点的信息得到位置信息集合V和强度信息集合I。
步骤208,分别对各路面点的位置信息和强度信息进行均值处理,确定各设定区域的第一位置信息和强度值。
其中,以各设定区域的位置信息集合V的平均值μV作为设定区域的三维位置,由于激光雷达的反射强度主要取决于物体本身的属性,而受环境因素影响较小,所以可以直接用设定区域强度信息集合I的平均值μI作为对应设定区域的强度值。
可选地,在一个实施例中根据各设定区域的强度信息集合和强度值确定强度信息的置信度。
步骤210,根据各设定区域的第一位置信息和强度值,生成全局车道强度图。
具体地,依次将各设定区域的位置信息、强度值以及强度值对应的置信度存储在数据库中,基于车道强度图生成终端从数据库中读取位置信息和强度值以及相关的置信度,根据位置信息和强度值生成全局车道强度图。
上述生成全局车道强度图的方法中,通过根据车辆定位信息,对路面点云集合中各路面点进行坐标转换,得到各路面点在世界坐标系下对应的坐标,根据地图分辨率以及各路面点在世界坐标系下对应的坐标,进行位置统计,得到在每个设定区域中的各路面点的位置信息和强度信息,对得到的位置信息和强度信息进行均值处理,得到各设定区域的位置信息和强度信息,根据各设定区域的位置信息以及强度信息生成全局车道强度图,按照设定区域对各路面点在世界坐标系下对应的坐标,进行位置统计考虑了不确定性因素,提高了车道强度图的准确性以及完成整性。
在一个实施例中,如图3所示提供了一种生成全局彩色车道图的方法,本实施例以该方法应用于终端;本实施例中,以终端驾驶环境中的车辆设备,车辆设备上搭载了激光雷达和图像采集设备为例进行说明,该方法包括以下步骤:
步骤302,获取同一路面中感兴趣区域的路面点云集合和和路面图像。
步骤304,对路面点云集合和路面图像进行融合,得到彩色点云集合。
具体地,预先通过现有的标定算法对激光雷达和各个相机进行标定,得到激光雷达和各个相机的位置变换关系以及每个相机的内参;利用时间同步装置记录相机图片的获取时刻和点云的采集时刻,当激光雷达转到对应相机的安装角度时,该相机会在此时刻获取图像,由于每个相机的图像获取时间不一致,需要对每个相机相对于激光雷达的位置变换关系做运动补偿,确定运动补偿信息;基于激光雷达和各个相机的位置变换关系以及每个相机的内参,以及运动补偿信息对路面点云集合中各路面点进行投影变换,与路面图像进行融合,得到彩色点云集合,以及得到彩色点云集合中各彩色点相对于图像的颜色信息。运动补偿方式在此不做赘述。
步骤306,获取车辆定位信息。
步骤308,根据车辆定位信息,对彩色点云集合中各彩色点进行坐标转换,得到各彩色点在世界坐标系下对应的坐标。
步骤310,根据地图分辨率以及各彩色点在世界坐标系下对应的坐标进行位置统计,得到在每个设定区域中的各彩色点的位置信息和颜色值。
可选地,在一个实施例中,分别对各彩色点的位置信息和颜色信息进行均值处理,确定各设定区域的位置信息和颜色值之前,需要根据各彩色点的颜色信息进行离群点去除处理,得到去噪后的在各设定区域的彩色点云。
具体地,由于相机易受光照等因素的影响,在车辆行进过程中相机在不同位置不同视角获取的环境中的同一点的颜色信息可能存在较大噪声,需要对获取的彩色点云集RGBall做离群点去除,采用绝对中位差(MAD)算法去除颜色集合的噪声得到去除离群点后的颜色信息集合RGB,即去噪后的在设定区域的颜色信息。需要说明的是,任何可以剔除离群点的方法都适用于本步骤。通过对彩色点云集合做离群点去除处理,去掉颜色信息中的噪点干扰,提高了数据的可靠性。
步骤312,分别对各彩色点的位置信息和颜色信息进行均值处理,确定各设定区域的第二位置信息和颜色值。
步骤314,根据各设定区域的位置信息和颜色值,生成全局彩色车道图。
上述生成全局彩色车道图的方法中,通过对路面点云集合和路面图像进行融合,得到彩色点云集合,根据车辆定位信息,对彩色点云集合中各彩色点进行坐标转换,得到各彩色点在世界坐标系下对应的坐标,根据地图分辨率以及各彩色点在世界坐标系下对应的坐标进行位置统计,得到在每个设定区域中的各彩色点的位置信息和颜色信息,得到每个设定区域的位置信息集合和颜色信息集合,通过对位置信息以及颜色信息集合进行均值处理,确定各设定区域的位置信息和颜色值,进一步确定全局彩色车道图,上述方法基于设定区域进行位置统计,计算全局彩色车道图,考虑了像素的不确定性,提高了全局彩色车道图的可靠性和准确性。
在另一实施例中,如图4所示,提供了一种车道线标注辅助地图生成方法,本实施例以该方法应用于终端,终端以驾驶环境中的车辆设备,车辆设备上搭载了激光雷达和多个相机进行举例说明。本实施例中,该方法包括以下步骤:
步骤402,获取同一路面中感兴趣区域的路面点云集合和路面图像。
步骤404,根据地图分辨率和路面点云集合中各路面点的坐标进行位置统计,得到在每个设定区域中的各路面点的位置信息和强度信息,以及确定各设定区域的强度值的第一置信度。
步骤406,根据各路面点的位置信息和强度信息确定各设定区域的第一位置信息和强度值,生成全局车道强度图。
步骤408,对路面点云集合和路面图像进行融合,得到彩色点云集合。
可选地,在一个实施例中,分别对各彩色点的位置信息和颜色信息进行均值处理,确定各设定区域的位置信息和颜色值之前,需要根据各彩色点的颜色信息进行离群点去除处理,得到去噪后的在各设定区域的彩色点云,执行步骤410。
具体地,由于相机易受光照等因素的影响,在车辆行进过程中相机在不同位置不同视角获取的环境中的同一点的颜色信息可能存在较大噪声,需要对获取的彩色点云集RGBall做离群点去除,采用绝对中位差(MAD)算法去除颜色集合的噪声得到去除离群点后的rgb信息集合RGB,即去噪后的在所述设定区域的彩色点云。需要说明的是,任何可以剔除离群点的方法都适用于本步骤。通过对彩色点云集合做离群点去除处理,去掉彩色点云中的噪点干扰,提高了数据的可靠性。
步骤410,根据地图分辨率和彩色点云集合中各彩色点的坐标进行位置统计,得到在每个设定区域中的各彩色点的位置信息和颜色信息,以及确定各设定区域的颜色值的第二置信度。
步骤412,根据各彩色点的位置信息和颜色信息确定各设定区域的第二位置信息和颜色值,生成全局彩色车道图。
步骤414,根据第一置信度和第二置信度,对全局车道强度图和全局彩色车道图进行融合,得到车道线标注辅助地图。
具体地,按照融合策略数据,根据第一置信度和第二置信度,对全局车道强度图和全局彩色车道图进行融合,得到车道线标注辅助地图,根据得到的车道线标注辅助地图,通过人工标识的方式标注出车道线标注辅助地图中的车道线。其中,融合策略数据是指:确定车道强度图的权重系数,取值为1~2之间的小数,取值越大代表车道强度图在融合中的权重占比越大,一般根据实际环境选择此系数的具体取值。
根据第一置信度和第二置信度,对全局车道强度图和全局彩色车道图进行融合μmerge可以用公式表示为:
其中,σRGB为第二置信度,σI为第一置信度,N为车道强度图的权重系数;μI为设定区域的强度信息均值(即强度值),代表设定区域R通道的颜色信息均值,代表设定区域G通道的颜色信息均值,代表设定区域B通道的颜色信息均值;该公式代表的含义是,当强度值较大时,融合模型更多的采用强度信息作为融合结果。当强度值更小时,会加大图像信息权重,以达到在某些环境中弥补强度信息缺失的情况。
如图5所示,为一个实施例中全局车道强度图和全局彩色车道图的融合效果示意,在当前路段由于道路材质的原因导致路面后半段强度图不完整,但是现有的全局车道强度图信息完整度较高。采用上述方法得到对应的全局彩色车道图,由于光照等环境因素的影响,彩色车道图存在噪点,并且车道线存在某些信息缺失,但是其信息具有一些的连续性;采用上述方法将全局车道强度图和全局彩色图信息拼接起来得到车道线标注辅助地图;若图所示,融合后的地图信息完整性有较大的提高,并且对彩色车道图的噪声有一定的抑制作用,即提高了地图信息的完整性以及抑制噪声。
上述车道线标注辅助地图生成方法中,通过上述车道线标注辅助地图生成方法中,通过获取同一路面中感兴趣区域的路面点云集合和路面图像;根据地图分辨率以及路面点云集合中各路面点的坐标进行位置统计,得到在每个设定区域中的各路面点的位置信息和强度信息,确定各设定区域的位置信息和强度值,生成全局车道强度图;对路面点云集合和路面图像进行融合,得到彩色点云集合;根据地图分辨率以及各彩色点在世界坐标系下对应的坐标进行位置统计,得到在每个设定区域中的各彩色点的位置信息和颜色值,确定各设定区域的位置信息和强度值,生成全局彩色车道图;对全局车道强度图和全局彩色车道图进行融合,得到车道线标注辅助地图;基于上述两种车道图每个像素的不确定度,对两幅图进行融合,得到融合激光点云强度和相机图像信息的车道线标注辅助地图,提高了车道线标注辅助地图的信息完整度。
应该理解的是,虽然图1-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-4中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种车道线标注辅助地图生成装置,包括:数据获取模块602、第一生成模块604、第一融合模块606、第二生成模块608和第二融合模块610,其中:
数据获取模块602,用于获取同一路面中感兴趣区域的路面点云集合和路面图像。
第一生成模块604,用于根据路面点云集合中各路面点的位置信息和强度信息,生成全局车道强度图。
第一融合模块606,用于对路面点云集合和路面图像进行融合,得到彩色点云集合。
第二生成模块608,用于根据彩色点云集合中各彩色点的位置信息和颜色信息,生成全局彩色车道图。
第二融合模块610,用于对全局车道强度图和全局彩色车道图进行融合,得到车道线标注辅助地图。
上述车道线标注辅助地图生成装置,通过获取同一路面中感兴趣区域的路面点云集合和路面图像;根据路面点云集合中各路面点的位置信息和强度信息,生成全局车道强度图;对路面点云集合和路面图像进行融合,得到彩色点云集合;根据彩色点云集合中各彩色点的位置信息和颜色信息,生成全局彩色车道图;对全局车道强度图和全局彩色车道图进行融合,得到车道线标注辅助地图;即通过对全局车道强度图和全局彩色车道图进行融合,考虑了两种车道图每个像素的不确定度,得到融合激光点云强度和相机图像信息的车道线标注辅助地图,提高了地图信息完整度。
在另一个实施例中,提供了一种车道线标注辅助地图生成装置,包括除数据获取模块602、第一生成模块604、第一融合模块606、第二生成模块608和第二融合模块610之外,还包括:数据处理模块、坐标转换模块、均值处理模块、噪点去除模块、第一确定模块和第二确定模块,其中:
数据处理模块,用于根据路面点云集合中各路面点的坐标和地图分辨率进行位置统计,得到在每个设定区域中的各路面点的位置信息和强度信息。
第一生成模块604还用于根据各路面点的位置信息和强度信息确定各设定区域的第一位置信息和强度值,生成全局车道强度图。
数据获取模块602,还用于获取车辆定位信息。
坐标转换模块,用于根据车辆定位信息,对路面点云集合中各路面点进行坐标转换,得到各路面点在世界坐标系下对应的坐标。
数据处理模块还用于根据地图分辨率以及各路面点在世界坐标系下对应的坐标,进行位置统计,得到在每个设定区域中的各路面点的位置信息和强度信息。
均值处理模块,用于分别对各路面点的位置信息和强度信息进行均值处理,确定各设定区域的位置信息和强度值。
第一生成模块604还用于根据各设定区域的第一位置信息和强度值,生成全局车道强度图。
数据处理模块还用于根据彩色点云集合中各彩色点的坐标和地图分辨率进行位置统计,得到在每个设定区域中的各彩色点的位置信息和颜色信息。
第二生成模块608还用于根据各彩色点的位置信息和颜色信息确定各设定区域的第二位置信息和强度值,生成全局彩色车道图。
坐标转换模块,还用于根据车辆定位信息,对彩色点云集合中各彩色点进行坐标转换,得到各彩色点在世界坐标系下对应的坐标。
数据处理模块,还用于根据各彩色点在世界坐标系下对应的坐标和地图分辨率进行位置统计,得到在每个设定区域中的各彩色点的位置信息和颜色值。
均值处理模块,还用于分别对各彩色点的位置信息和颜色信息进行均值处理,确定各设定区域的第二位置信息和颜色值。
第二生成模块608还用于根据各设定区域的第二位置信息和颜色值,生成全局彩色车道图。
噪点去除模块,根据各彩色点的颜色信息进行离群点去除处理,得到去噪后的在各设定区域的彩色点云。
第一确定模块,用于确定路面点云集合的强度信息的第一置信度。
第二确定模块,用于确定彩色点云集合的颜色信息的第二置信度。
第二融合模块610,还用于根据第一置信度和第二置信度,对全局车道强度图和全局彩色车道图进行融合,得到车道线标注辅助地图。
在一个实施例中,通过上述车道线标注辅助地图生成方法中,通过获取同一路面中感兴趣区域的路面点云集合和路面图像;按照设定区域对路面点云集合中各路面点的坐标和地图分辨率进行位置统计,得到在每个设定区域中的各路面点的位置信息和强度信息,确定各设定区域的位置信息和强度值,生成全局车道强度图;对路面点云集合和路面图像进行融合,得到彩色点云集合;根据地图分辨率以及各彩色点在世界坐标系下对应的坐标进行位置统计,得到在每个设定区域中的各彩色点的位置信息和颜色值,确定各设定区域的位置信息和强度值,生成全局彩色车道图;对全局车道强度图和全局彩色车道图进行融合,得到车道线标注辅助地图;基于上述两种车道图每个像素的不确定度,对两幅图进行融合,得到融合激光点云强度和相机图像信息的车道线标注辅助地图,提高了车道线标注辅助地图的信息完整度。
关于车道线标注辅助地图生成装置的具体限定可以参见上文中对于车道线标注辅助地图生成方法的限定,在此不再赘述。上述车道线标注辅助地图生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种车道线标注辅助地图生成方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种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上述各方法实施例中的步骤。
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流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种车道线标注辅助地图生成方法,其特征在于,所述方法包括:
获取同一路面中感兴趣区域的路面点云集合和路面图像;
根据所述路面点云集合中各路面点的位置信息和强度信息,生成全局车道强度图;
对所述路面点云集合和所述路面图像进行融合,得到彩色点云集合;
根据所述彩色点云集合中各彩色点的位置信息和颜色信息,生成全局彩色车道图;
对所述全局车道强度图和所述全局彩色车道图进行融合,得到车道线标注辅助地图。
2.根据权利要求1所述的方法,其特征在于,所述根据所述路面点云集合中各路面点的位置信息和强度信息,生成全局车道强度图,包括:
根据所述路面点云集合中各路面点的坐标和地图分辨率进行位置统计,得到在每个设定区域中的各路面点的位置信息和强度信息;
根据各所述路面点的位置信息和强度信息确定各所述设定区域的第一位置信息和强度值,生成全局车道强度图。
3.根据权利要求2所述的方法,其特征在于,所述根据所述路面点云集合中各路面点的坐标和地图分辨率进行位置统计,得到在每个设定区域中的各路面点云的位置信息和强度信息,包括:
获取车辆定位信息;
根据所述车辆定位信息,对所述路面点云集合中各路面点进行坐标转换,得到各所述路面点在世界坐标系下对应的坐标;
根据地图分辨率以及各所述路面点在世界坐标系下对应的坐标进行位置统计,得到在每个设定区域中的各路面点的位置信息和强度信息。
4.根据权利要求2所述的方法,其特征在于,所述根据各所述路面点的位置信息和强度信息确定各所述设定区域的位置信息和强度值,生成全局车道强度图,包括:
分别对各所述路面点的位置信息和强度信息进行均值处理,确定各所述设定区域的位置信息和强度值;
根据各所述设定区域的第一位置信息和强度值,生成全局车道强度图。
5.根据权利要求1所述的方法,其特征在于,所述根据所述彩色点云集合中各彩色点的位置信息和颜色信息,生成全局彩色车道图,包括:
根据所述彩色点云集合中各彩色点的坐标和地图分辨率进行位置统计,得到在每个设定区域中的各彩色点的位置信息和颜色信息;
根据各所述彩色点的位置信息和颜色信息确定各所述设定区域的第二位置信息和强度值,生成全局彩色车道图。
6.根据权利要求5所述的方法,其特征在于,所述根据所述彩色点云集合中各彩色点的坐标和地图分辨率进行位置统计,得到在每个设定区域中的各彩色点的位置信息和颜色信息,包括:
获取车辆定位信息;
根据所述车辆定位信息,对所述彩色点云集合中各彩色点进行坐标转换,得到各所述彩色点在世界坐标系下对应的坐标;
根据地图分辨率以及各所述彩色点在世界坐标系下对应的坐标进行位置统计,得到在每个设定区域中的各彩色点的位置信息和颜色值。
7.根据权利要求5所述的方法,其特征在于,所述根据各所述彩色点的位置信息和颜色信息确定各所述设定区域的第二位置信息和强度值,生成全局彩色车道图,包括:
分别对各所述彩色点的位置信息和颜色信息进行均值处理,确定各所述设定区域的第二位置信息和颜色值;
根据各所述设定区域的第二位置信息和颜色值,生成全局彩色车道图。
8.根据权利要求7所述的方法,其特征在于,在所述分别对各所述彩色点的位置信息和颜色信息进行均值处理,确定各所述设定区域的位置信息和颜色值之前,所述方法还包括:
根据各所述彩色点的颜色信息进行离群点去除处理,得到去噪后的在各所述设定区域的彩色点。
9.根据权利要求1所述的方法,其特征在于,所述对所述全局车道强度图和所述全局彩色车道图进行融合,得到车道线标注辅助地图,包括:
确定所述路面点云集合的强度信息的第一置信度;
确定所述彩色点云集合的颜色信息的第二置信度;
根据所述第一置信度和所述第二置信度,对所述全局车道强度图和所述全局彩色车道图进行融合,得到车道线标注辅助地图。
10.一种车道线标注辅助地图生成装置,其特征在于,所述装置包括:
数据获取模块,用于获取同一路面中感兴趣区域的路面点云集合和路面图像;
第一生成模块,用于根据所述路面点云集合中各路面点的位置信息和强度信息,生成全局车道强度图;
第一融合模块,用于对所述路面点云集合和所述路面图像进行融合,得到彩色点云集合;
第二生成模块,用于根据所述彩色点云集合中各彩色点的位置信息和颜色信息,生成全局彩色车道图;
第二融合模块,用于对所述全局车道强度图和所述全局彩色车道图进行融合,得到车道线标注辅助地图。
11.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110875058.0A CN113593026A (zh) | 2021-07-30 | 2021-07-30 | 车道线标注辅助地图生成方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110875058.0A CN113593026A (zh) | 2021-07-30 | 2021-07-30 | 车道线标注辅助地图生成方法、装置和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113593026A true CN113593026A (zh) | 2021-11-02 |
Family
ID=78253140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110875058.0A Pending CN113593026A (zh) | 2021-07-30 | 2021-07-30 | 车道线标注辅助地图生成方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113593026A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115661394A (zh) * | 2022-12-26 | 2023-01-31 | 安徽蔚来智驾科技有限公司 | 车道线地图的构建方法、计算机设备及存储介质 |
-
2021
- 2021-07-30 CN CN202110875058.0A patent/CN113593026A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115661394A (zh) * | 2022-12-26 | 2023-01-31 | 安徽蔚来智驾科技有限公司 | 车道线地图的构建方法、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110160502B (zh) | 地图要素提取方法、装置及服务器 | |
KR102249769B1 (ko) | 2차원 영상의 픽셀별 3차원 좌표값 추정 방법 및 이를 이용한 자율주행정보 추정 방법 | |
CN113870343B (zh) | 相对位姿标定方法、装置、计算机设备和存储介质 | |
US9378585B2 (en) | System and method for automatic geometric correction using RPC | |
CN111383279B (zh) | 外参标定方法、装置及电子设备 | |
WO2018142900A1 (ja) | 情報処理装置、データ管理装置、データ管理システム、方法、及びプログラム | |
EP2686827A1 (en) | 3d streets | |
JP2010287156A (ja) | モデル生成装置、モデル生成方法、モデル生成プログラム、点群画像生成方法および点群画像生成プログラム | |
CN111815707A (zh) | 点云确定方法、点云筛选方法、装置、计算机设备 | |
CN113160327A (zh) | 一种点云补全的实现方法和系统 | |
JP6552448B2 (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム | |
CN111750838B (zh) | 农业用地规划图的生成方法、装置、设备及存储介质 | |
CN113240813B (zh) | 三维点云信息确定方法及装置 | |
CN113205604A (zh) | 一种基于摄像机和激光雷达的可行区域检测方法 | |
US20140286537A1 (en) | Measurement device, measurement method, and computer program product | |
CN114494466B (zh) | 外参标定方法、装置及设备、存储介质 | |
CN112036359B (zh) | 一种车道线的拓扑信息获得方法、电子设备及存储介质 | |
CN111914049A (zh) | 经纬度坐标与图像坐标映射方法 | |
KR20230003803A (ko) | 라이다 좌표계와 카메라 좌표계의 벡터 정합을 통한 자동 캘리브레이션 방법 | |
CN114217665A (zh) | 一种相机和激光雷达时间同步方法、装置及存储介质 | |
CN111382591A (zh) | 一种双目相机测距校正方法及车载设备 | |
CN117538861A (zh) | 视觉、激光slam和探地雷达结合的无人机检测方法 | |
CN115407364A (zh) | 点云地图处理方法、车道标注数据获取方法、设备及介质 | |
CN113593026A (zh) | 车道线标注辅助地图生成方法、装置和计算机设备 | |
CN112255604B (zh) | 一种雷达数据准确性的判断方法、装置及计算机设备 |
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 |