CN113758501B - 检测地图中的异常车道线的方法和可读存储介质 - Google Patents
检测地图中的异常车道线的方法和可读存储介质 Download PDFInfo
- Publication number
- CN113758501B CN113758501B CN202111052443.1A CN202111052443A CN113758501B CN 113758501 B CN113758501 B CN 113758501B CN 202111052443 A CN202111052443 A CN 202111052443A CN 113758501 B CN113758501 B CN 113758501B
- Authority
- CN
- China
- Prior art keywords
- lane line
- lane
- target
- road section
- section area
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000013598 vector Substances 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007619 statistical method Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 abstract description 12
- 238000009825 accumulation Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000002950 deficient Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001502 supplementing 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
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种检测地图中的异常车道线的方法和可读存储介质,检测地图中的异常车道线的方法包括:确定地图的目标路段区域的车道线方向;选择地图中一位置作为参考原点,分别以车道线方向和垂直于车道线方向的方向作为坐标轴方向,建立目标坐标系;根据地图数据的对应于目标路段区域的每个车道线中的多个点及对应于参考原点的坐标点数据,在目标坐标系中确定用于表征目标路段区域的各车道线的位置和/或长度的车道线数据;根据车道线数据检测目标路段区域的异常车道线。本申请根据目标路段区域的车道线方向建立坐标系,进而基于该坐标系及地图数据中的坐标点数据确定车道线数据,可以准确反馈车道线情况,检测结果鲁棒性好且更加高效。
Description
技术领域
本申请涉及高精地图检测技术领域,具体涉及一种检测地图中的异常车道线的方法和可读存储介质。
背景技术
与传统地图相比,高精地图的图层数量更多,图层内容更加精细,具有新的地图结构划分。高精地图在辅助驾驶中发挥着至关重要的作用,作为无人驾驶领域稀缺且刚需的资源,不仅可以帮助汽车预先感知路面复杂信息,如坡度、曲率、航向等,还能结合智能路径规划,让汽车做出正确决策。如今,高精地图在整个驾驶辅助领域扮演着核心角色,研究高精地图的正确性也变得十分关键。
在形成高精地图的过程中,由于数据采集、制图等流程方面可能出现问题,使得形成的高精地图存在各种缺陷,例如车道线局部缺失、宽度异常等,而高精地图信息含量丰富,具有庞大的数据量,对于大范围的高精地图,人工进行地图异常检查耗时不可估计,且容易产生漏检。因此,高效鲁棒地验证高精地图的正确性对汽车安全驾驶有着重要的意义。
发明内容
本申请提供一种检测地图中的异常车道线的方法和可读存储介质,用于解决高精地图的异常检查耗时且容易漏检的技术问题,更加高效鲁棒。
在一方面,本申请提供一种检测地图中的异常车道线的方法,包括以下步骤:
S1:确定地图的目标路段区域的车道线方向;
S2:选择地图中一位置作为参考原点,分别以所述车道线方向和垂直于所述车道线方向的方向作为坐标轴方向,建立目标坐标系;
S3:根据地图数据的对应于所述目标路段区域的每个车道线中的多个点及对应于所述参考原点的坐标点数据,在所述目标坐标系中确定用于表征所述目标路段区域的各车道线的位置和/或长度的车道线数据;
S4:根据所述车道线数据检测所述目标路段区域的异常车道线。
可选地,所述S1步骤,包括:
S11:获取地图数据的对应于所述目标路段区域的每个车道线中的多个点的坐标点数据;
S12:根据所述目标路段区域的每个车道线中的多个点的坐标点数据,确定所述目标路段区域的车道线方向。
可选地,所述S12步骤,包括:
根据所述目标路段区域的每个车道线中的多个点的坐标点数据,确定所述目标路段区域的每个车道线中两两相邻的点之间的方向向量;
对所述目标路段区域中所有车道线对应的所述方向向量进行统计分析,确定所述车道线方向。
可选地,所述S3步骤,包括:
S31:根据所述目标路段区域的每个车道线中两两相邻的点的坐标点数据,确定所述目标路段区域的每个车道线中两两相邻的点之间的距离值;
S32:确定所述目标路段区域的每个车道线中的多个点的坐标点数据与地图数据的对应于所述参考原点的坐标点数据之间,在垂直所述车道线方向上的相对位置关系;
S33:根据所述相对位置关系,将对应的所述距离值分别沿所述车道线方向投影累加到所述目标坐标系的垂直于所述车道线方向的坐标轴上的相应位置,获得与每个车道线对应的波峰,所述波峰的坐标中的第一坐标值和第二坐标值分别用于表征对应车道线的位置和长度;
S34:根据所述波峰的坐标确定用于表征所述目标路段区域的各车道线的位置和/或长度的车道线数据。
可选地,所述S33步骤,包括:
根据所述相对位置关系,将对应的所述距离值分别沿所述车道线方向投影累加到所述目标坐标系的垂直于所述车道线方向的坐标轴上的相应位置,获得多个原始波峰;
根据所述原始波峰之间的位置分布关系对所述原始波峰进行处理,获得与每个车道线对应的波峰。
可选地,所述S4步骤,包括:
S41:通过分析波峰之间的第一坐标值的差值和/或第二坐标值的差值,检测所述目标路段区域的异常车道线。
可选地,所述S41步骤,包括以下至少一种:
在相邻两个波峰的第一坐标值之间的差小于第一阈值时,识别所述相邻两个波峰对应的车道线之间宽度过窄;
在相邻两个波峰的第一坐标值之间的差大于第二阈值时,识别所述相邻两个波峰对应的车道线之间宽度过宽;
在一目标波峰相邻两边的第一波峰与第二波峰之间的第一坐标值的差大于第三阈值且小于第四阈值时,识别所述目标波峰对应的车道线为多余的车道线;
在一目标波峰与一侧相邻的第三波峰的第一坐标值之间的差大于第五阈值时,识别所述目标波峰与所述第三波峰对应的车道线之间缺失车道线,所述第五阈值大于所述第四阈值;
在一目标波峰的第二坐标值与所有波峰中最大的第二坐标值之间的差值大于第六阈值时,识别所述目标波峰对应的车道线为残缺的车道线。
可选地,所述S4步骤之后,还包括:
对所述目标路段区域中的异常车道线的车道线数据进行处理,以获得正常车道线;
基于正常车道线,获取所述目标路段区域对应的车道线宽度、车道线数量、车道线长度中的至少一种,以作为下一相邻的目标路段区域的参考数据;
所述S4的步骤,包括:
根据所述车道线数据确定当前所述目标路段区域对应的车道线宽度、车道线数量、车道线长度中的至少一种;
通过比较当前所述目标路段区域与上一相邻的目标路段区域的车道线宽度、车道线数量、车道线长度中的至少一种,检测当前所述目标路段区域中的异常车道线。
可选地,所述S4步骤之后,还包括:
对所述异常车道线对应的地图数据进行标记和/或修正;
存储标记和/或修正后的地图数据,和/或,上传标记和/或修正后的地图数据。
本申请还提供一种可读存储介质,所述可读存储介质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如上所述的检测地图中的异常车道线的方法的步骤。
如上所述,本申请提供的检测地图中的异常车道线的方法和可读存储介质,检测地图中的异常车道线的方法包括:确定地图的目标路段区域的车道线方向;选择地图中一位置作为参考原点,分别以车道线方向和垂直于车道线方向的方向作为坐标轴方向,建立目标坐标系;根据地图数据的对应于目标路段区域的每个车道线中的多个点及对应于参考原点的坐标点数据,在目标坐标系中确定用于表征目标路段区域的各车道线的位置和/或长度的车道线数据;根据车道线数据检测目标路段区域的异常车道线。本申请根据目标路段区域的车道线方向建立坐标系,进而基于该坐标系及地图数据中的坐标点数据确定车道线数据,可以准确反馈车道线情况,检测结果鲁棒性好且更加高效。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请第一实施例的检测地图中的异常车道线的方法的流程图示意。
图2为本申请第一实施例中的一种投影累加的示意图。
图3为本申请第一实施例中存在缺失车道线时投影累加的示意图。
图4为本申请第一实施例中存在残缺车道线时的示意图。
图5为本申请第二实施例的检测地图中的异常车道线的方法的流程图示意。
图6为本申请第三实施例的设备方框图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素,此外,本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义,也可能具有不同含义,其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。在本文中,采用了诸如S1、S2等步骤代号,其目的是为了更清楚简要地表述相应内容,不构成顺序上的实质性限制,本领域技术人员在具体实施时,可能会先执行S2后执行S1等,但这些均应在本申请的保护范围之内。
应当理解,此处所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。
第一实施例
图1为本申请第一实施例的检测地图中的异常车道线的方法的流程图示意。如图1所示,本申请的检测地图中的异常车道线的方法,包括以下步骤:
S1:确定地图的目标路段区域的车道线方向;
可选地,根据不同限速范围、不同等级或是否为弯道的公路,可以沿当前路段的行车方向每次选取3-10米的路面长度作为目标路段区域,例如,限速在80km/h以上的路段通常弯度变化较小,可以取相对较长的路面长度作为目标路段区域,在这个小范围的路面长度内,道路的弯曲度一般可以忽略,在行车方向上可以直接视为直线,从而简化分析过程的运算。车道线方向是指车道线的延伸方向,车道线方向可以根据目标路段区域所在道路的朝向进行确定,也可以通过对目标路段区域的车道线中的多个点的坐标点数据进行分析得到,采用后者分析的精确度相对更高。
可选地,车道线方向通过对目标路段区域的车道线中的多个点的坐标点数据进行分析得到,S1步骤,包括:
S11:获取地图数据的对应于目标路段区域的每个车道线中的多个点的坐标点数据;
S12:根据目标路段区域的每个车道线中的多个点的坐标点数据,确定目标路段区域的车道线方向。
可选地,可以是随车辆的行进方向依次获取目标地段区域对应的地图数据,也可以是离线输入地图数据,按照特定的方向依次获取目标地段区域对应的地图数据。地图数据中具有与每个车道线中的多个点对应的坐标点数据,每个车道线中的多个点即每个车道线方向上用于连接形成车道线的离散点,这些点的坐标点数据用于在绘制车道线时明确车道线的位置和走向,因此,通过分析地图数据中与每个车道线中的多个点对应的坐标点数据可以确定车道线方向。可以理解,地图数据中的坐标点数据可以是以地理坐标系为参考坐标系的坐标点数据,也可以是以绘制地图时使用的坐标系为参考坐标系的坐标点数据,在此不做限制。
由于在生成地图数据中对应于目标路段区域的每个车道线中的多个点的坐标点数据时可能存在问题,例如采集到偏离车道线主要方向的噪声数据,对此,通过统计分析的方式,可以基于坐标点数据准确地分析出车道线方向。可选地,S12步骤,包括:
根据目标路段区域的每个车道线中的多个点的坐标点数据,确定目标路段区域的每个车道线中两两相邻的点之间的方向向量;
对目标路段区域中所有车道线对应的方向向量进行统计分析,确定车道线方向。
在本实施例中,先根据目标路段区域的每个车道线中的多个点的坐标点数据,确定目标路段区域的每个车道线中两两相邻的点之间的方向向量,例如,确定每个车道线的第一个点与第二个点之间的方向向量、第二个点与第三个点之间的方向向量、第三个点与第四个点之间的方向向量,以此类推,确定目标路段区域的每个车道线中两两相邻的点之间的方向向量。接着,对目标路段区域中所有车道线对应的方向向量进行统计分析,确定车道线方向。由于数据噪声的存在或车道线不是绝对直线的原因,对所有车道线对应的方向向量进行统计分析的结果会呈现类似高斯峰的分布曲线,从而,峰值对应的方向体现了车道线的主要走向,即为车道线方向。
S2:选择地图中一位置作为参考原点,分别以车道线方向和垂直于车道线方向的方向作为坐标轴方向,建立目标坐标系;
可选地,可以选择地图中任一位置点作为参考原点,但为了计算方便,优选为选择目标地段区域中的位置点作为参考原点,例如可以是目标地段区域的中心点或者边界点。确定参考原点后,分别以车道线方向和垂直于车道线方向的方向作为坐标轴方向,建立目标坐标系,例如,可以是以车道线方向为纵轴、以垂直于车道线方向的方向为横轴建立目标坐标系,也可以是以车道线方向为横轴、以垂直于车道线方向的方向为纵轴建立目标坐标系。由于目标坐标系的坐标轴走向以车道线方向为参考,后续可以方便、准确地基于车道线中的多个点的坐标点数据,来确定用于表征车道线的位置和/或长度的车道线数据,提高数据分析的效率和鲁棒性。
S3:根据地图数据的对应于目标路段区域的每个车道线中的多个点及对应于参考原点的坐标点数据,在目标坐标系中确定用于表征目标路段区域的各车道线的位置和/或长度的车道线数据;
可选地,用于表征目标路段区域的各车道线的位置和/或长度的车道线数据,可以是直接采用长度单位来表征各车道线的实际位置和/或长度的数据,例如为10米、2.5米,也可以是在各坐标轴上对各车道线的实际位置和/或长度进行归一化处理后的数据,例如10米表示为1,则5米表示为0.5,车道线数据的表示形式在此不做限制。
可选地,在目标坐标系中,根据地图数据的对应于参考原点的坐标点数据,将对应于目标路段区域的每个车道线中的多个点的坐标点数据所表征的长度信息和位置信息沿车道线方向进行投影统计,确定用于表征目标路段区域的各车道线的位置和/或长度的车道线数据。具体地,S3步骤,包括:
S31:根据目标路段区域的每个车道线中两两相邻的点的坐标点数据,确定目标路段区域的每个车道线中两两相邻的点之间的距离值;
S32:确定目标路段区域的每个车道线中的多个点的坐标点数据与地图数据的对应于参考原点的坐标点数据之间,在垂直车道线方向上的相对位置关系;
S33:根据相对位置关系,将对应的距离值分别沿车道线方向投影累加到目标坐标系的垂直于车道线方向的坐标轴上的相应位置,获得与每个车道线对应的波峰,波峰的坐标中的第一坐标值和第二坐标值分别用于表征对应车道线的位置和长度;
S34:根据波峰的坐标确定用于表征目标路段区域的各车道线的位置和/或长度的车道线数据。
其中,先根据每个车道线中两两相邻的点的坐标点数据,计算目标路段区域的每个车道线中两两相邻的点之间的距离值,该距离值可以是实际道路上的距离值,也可以是在地图上的距离值,如此,基于目标坐标系,目标路段区域的每个车道线中两两相邻的点之间的距离值也相当于两两相邻的点之间沿车道线方向的距离值,可以用于反馈车道线的长度信息。
接着,基于目标坐标系,可以确定目标路段区域的每个车道线中的多个点的坐标点数据与地图数据的对应于参考原点的坐标点数据之间,在垂直车道线方向上的相对位置关系,从而分别确定目标路段区域的每个车道线中的多个点在垂直车道线方向的坐标轴上的坐标。
之后,根据所述相对位置关系,将对应的距离值分别沿车道线方向投影累加到目标坐标系的垂直于车道线方向的坐标轴上的相应位置,如此,距离值在垂直于车道线方向的坐标轴上投影累加的位置即车道线所在的位置,距离值在垂直于车道线方向的坐标轴上的相应位置上投影累加的结果即相当于该位置的车道线的总长度,通过投影累加,可以获得与每个车道线对应的波峰,可以理解地,在垂直于车道线方向的坐标轴上的相应位置投影累加的距离值越多,投影的强度就越高,此处的波峰值就越高。波峰的坐标中的第一坐标值用于表征对应车道线的位置(相对于参考原点的位置),波峰的坐标中的第二坐标值用于表征对应车道线的长度,其中,第一坐标值和第二坐标值分别对应为波峰坐标中的两个坐标值,第一坐标值为纵坐标,则第二坐标值为横坐标,第一坐标值为横坐标,则第二坐标值为纵坐标,具体根据目标坐标系中横轴和纵轴的设定方向来确定。
一种实施方式中,投影累加的结果可参考图2所示,图2中左侧的图用于表示目标路段区域的每个车道线中的离散点,右侧的图用于表示基于目标坐标系进行投影累加的波峰,其中,横轴X代表车道线的位置(即第一坐标值),纵轴Y代表车道线长度(即第二坐标值),单位均为米。从图2可以看出,左侧图中的每个波峰对应右侧图中的一条车道线,代表车道线的位置,在垂直于车道线方向的坐标轴(横轴)上的相应位置投影累加的距离值越多,投影的强度就越高,此处的波峰的第二坐标值就越高,代表车道线越长。
最后,根据波峰的坐标确定用于表征目标路段区域的各车道线的位置和/或长度的车道线数据。在投影累加后,可以直接使用投影累加后的波峰的坐标数据作为目标路段区域的各车道线的位置和/或长度,也可以使用在各坐标轴上对投影累加后的波峰的坐标数据进行归一化处理后的数据作为目标路段区域的各车道线的位置和/或长度,在此不做限制。
可选地,由于数据噪声的存在或车道线不是绝对直线的原因,在S33步骤对距离值进行投影累加的过程中,同一车道线对应的距离值不一定会投影累加到垂直于车道线方向的坐标轴上的同一位置,此时,波峰将不会与车道线一一对应,需要对这些原始波峰进行处理,以获得与每个车道线对应的波峰。如此,S33步骤,可具体包括:
根据相对位置关系,将对应的距离值分别沿车道线方向投影累加到目标坐标系的垂直于车道线方向的坐标轴上的相应位置,获得多个原始波峰;
根据原始波峰之间的位置分布关系对原始波峰进行处理,获得与每个车道线对应的波峰。
其中,由于数据噪声通常不会大幅度偏离异常或车道线的弯度通常不会突变,对应同一车道线的原始波峰的位置分布关系通常满足距离小于预设偏差值的关系,例如,在连续的三个原始波峰中,相邻波峰之间的距离小于0.1米(可根据车道线上相邻点之间的间距大小进行确定),则这三个波峰对应同一车道线,可以将这三个波峰的第二坐标值进行相加以更新第二坐标值,并选择这三个波峰中的任意一个波峰或第二坐标值最大的波峰的第一坐标值,得到新的坐标,而这个坐标即与车道线对应的波峰的坐标。实际实现时,对原始波峰的处理方式不限于此,例如还可以是删除部分与其他波峰距离较大且长度较小的原始波峰。
通过上述步骤S3,本申请基于建立的目标坐标系,对车道线上的点的坐标点数据所表征的长度信息和位置信息沿车道线方向进行投影累加,达到对车道线上的离散点的统计分析,可以准确获取车道线的位置和/或长度,有利于提高检测异常车道线的鲁棒性。
S4:根据车道线数据检测目标路段区域的异常车道线。
其中,异常车道线包括但不限于间隔宽度过宽的车道线、间隔宽度过窄的车道线、缺失的车道线、多余的车道线、残缺的车道线中的至少一种,这些异常车道线可以通过分析车道线的位置和/或长度进行明确。根据S3步骤投影累加的结果,波峰的坐标中的第一坐标值用于表征对应车道线的位置,波峰的坐标中的第二坐标值用于表征对应车道线的长度,如此,波峰之间的第一坐标值的关系可以体现车道线之间的位置关系,波峰之间的第二坐标值的关系可以体现车道线之间的长度关系,从而通过分析波峰的坐标之间的关系,可以准确检测出异常车道线。可选地,S4步骤,包括:
S41:通过分析波峰之间的第一坐标值的差值和/或第二坐标值的差值,检测目标路段区域的异常车道线。
可选地,S41步骤,包括以下至少一种:
在相邻两个波峰的第一坐标值之间的差小于第一阈值时,识别相邻两个波峰对应的车道线之间宽度过窄;
在相邻两个波峰的第一坐标值之间的差大于第二阈值时,识别相邻两个波峰对应的车道线之间宽度过宽;
在一目标波峰相邻两边的第一波峰与第二波峰之间的第一坐标值的差大于第三阈值且小于第四阈值时,识别目标波峰对应的车道线为多余的车道线,其中,识别多余的车道线时,目标波峰可以是目标路段区域中除最外两侧车道线之外的任意一个车道线所对应的波峰;
在一目标波峰与一侧相邻的第三波峰的第一坐标值之间的差大于第五阈值时,识别目标波峰与第三波峰对应的车道线之间缺失车道线,第五阈值大于第四阈值,其中,识别缺失车道线时,目标波峰可以是目标路段区域中除最外两侧车道线之外的任意一个车道线所对应的波峰;
在一目标波峰的第二坐标值与所有波峰中最大的第二坐标值之间的差值大于第六阈值时,识别目标波峰对应的车道线为残缺的车道线,其中,识别残缺的车道线时,目标波峰可以是目标路段区域中的任意一个车道线所对应的波峰。
以下对S41步骤中的各个分析过程进行说明。
可选地,在相邻两个波峰的第一坐标值之间的差小于第一阈值时,识别相邻两个波峰对应的车道线之间宽度过窄,在相邻两个波峰的第一坐标值之间的差大于第二阈值时,识别相邻两个波峰对应的车道线之间宽度过宽。可以理解地,在不同的公路等级中,车道线的宽度有国标推荐的特定值,在实际的划线中,相邻车道线之间的宽度(车道宽度)会有一个可容忍的误差区间。例如,在无等级路段中,城市道路车道宽度至少为2.5米。在有等级路段中,一级公路标准宽度是3.75米,二级、三级和四级公路标准宽度是3.5米。因此,在相邻两个波峰的第一坐标值之间的差小于第一阈值或大于第二阈值时,可以判定检测出车道线之间宽度异常,从而判断存在车道宽度过窄或过宽的异常情况。可选地,在无等级路段,第一阈值选自2.2-2.5米中的任一数值,在有等级路段,第一阈值选自3.2-3.5米中的任一数值。可选地,第二阈值选自4-5米中的任一数值。
可选地,在一目标波峰相邻两边的第一波峰与第二波峰之间的第一坐标值的差大于第三阈值且小于第四阈值时,识别目标波峰对应的车道线为多余的车道线,其中,识别多余的车道线时,目标波峰可以是目标路段区域中除最外两侧车道线之外的任意一个车道线所对应的波峰,也就是说,可以检测目标路段区域中的任一车道线是否为多余的车道线。其中,大于第三阈值且小于第四阈值可以视为车道线之间宽度的误差区间,在这个单车道宽度内存在另一条车道线时,可以认为这个单车道内不适当地多了一条车道线。
请参考图2,图2中左侧的图用于表示目标路段区域的车道线中的离散点,右侧的图用于表示基于目标坐标系进行投影累加的波峰,其中,横轴X代表车道线与参考原点之间的距离(即第一坐标值),纵轴Y代表车道线长度(即第二坐标值),单位均为米。从图2中可知,第一个车道线对应的波峰的横轴坐标为1米,第二个车道线对应的波峰的横轴坐标为2.7米,第三个车道线对应的波峰的横轴坐标为4.75米,第一个车道线和第二车道线之间的宽度为1.7米,第二个车道线和第三车道线之间的宽度为2.05米,第一个车道线和第三个车道线之间的宽度是3.75米,该宽度3.75可以认为是高速公路上一个正常的车道间距,处于误差区间内,因此,第二个车道线可以判定为多余的车道线。
可选地,在一目标波峰与一侧相邻的第三波峰的第一坐标值之间的差大于第五阈值时,识别目标波峰与第三波峰对应的车道线之间缺失车道线,第五阈值大于第四阈值,其中,识别缺失车道线时,目标波峰可以是目标路段区域中除最外两侧车道线之外的任意一个车道线所对应的波峰。可以理解地,当缺失车道线的情况存在时,会出现一条车道宽度大约是正常车道宽度的至少两个整数倍的情况,因此,可以根据车道宽度的国标推荐值确定第五阈值,例如,在无等级路段中,城市道路车道宽度至少为2.5米,则第五阈值可以选自4.9-5.1米中的任一数值。在有等级路段中,一级公路标准宽度是3.75米,则第五阈值可以选自7.4-7.6米中的任一数值,二级、三级和四级公路标准宽度是3.5米,则第五阈值可以选自6.9-7.1米中的任一数值。
请参考图3,图3中左侧的图用于表示目标路段区域的车道线中的离散点,右侧的图用于表示基于目标坐标系进行投影累加的波峰,其中,横轴X代表车道线与参考原点之间的距离(即第一坐标值),纵轴Y代表车道线长度(即第二坐标值),单位均为米。从图3中可知,第一个车道线对应的波峰的横轴坐标为1米,第二个车道线对应的波峰的横轴坐标为4.74米,第三个车道线对应的波峰的横轴坐标为12.25米,第一个车道线与第二个车道线之间的宽度为3.74米,该宽度3.74米可以认为是高速公路上一个正常的车道间距,处于误差区间内,第二个车道线与第三个车道线之间的宽度为7.51米,该宽度7.51接近同等级公路正常的车道宽度的两倍,因此,可以判定在第二个车道线与第三个车道线之间缺失一条车道线。
可选地,在一目标波峰的第二坐标值与所有波峰中最大的第二坐标值之间的差值大于第六阈值时,识别目标波峰对应的车道线为残缺的车道线,其中,识别残缺的车道线时,目标波峰可以是目标路段区域中的任意一个车道线所对应的波峰。可以理解地,在同一目标路段区域内,车道线之间的长度通常都是相等的,因此,投影累加的波峰的强度也是接近相等的,当两个车道线对应的波峰的投影的第二坐标值之间的差值超出误差范围时,意味着第二坐标值较小的那个波峰对应的车道线可能缺了一段,可以认为此处存在残缺的车道线的情况。
请参考图4,图4中左侧的图用于表示目标路段区域的车道线中的离散点,右侧的图用于表示基于目标坐标系进行投影累加的波峰,其中,横轴X代表车道线与参考原点之间的距离(即第一坐标值),纵轴Y代表车道线长度(即第二坐标值),单位均为米。从图4中可知,在一个10米长的目标路段区域中,完整的车道线对应的波峰的第二坐标值应该为10米,误差阈值为0.2米,即第一个车道线和第三个车道线为完整的车道线,而第二个车道线的波峰的第二坐标值为9.5米,与完整的车道线的第二坐标值相比,差值为0.5米,大于误差阈值0.2米,此时,可以认为第二个车道线存在残缺的情况。
通过以上方式,可以基于目标路段区域中的车道线所对应的波峰的坐标之间的关系,准确检测出异常车道线。
实际实现时,还可以基于当前目标路段区域的检测结果,对下一相邻的目标路段区域中的异常车道线进行检查,可选地,S4步骤之后,还包括:
对目标路段区域中的异常车道线的车道线数据进行处理,以获得正常车道线;
基于正常车道线,获取目标路段区域对应的车道线宽度、车道线数量、车道线长度中的至少一种,以作为下一相邻的目标路段区域的参考数据;
S4的步骤,包括:
根据车道线数据确定当前目标路段区域对应的车道线宽度、车道线数量、车道线长度中的至少一种;
通过比较当前目标路段区域与上一相邻的目标路段区域的车道线宽度、车道线数量、车道线长度中的至少一种,检测当前目标路段区域中的异常车道线。
其中,在检测出异常车道线后,对目标路段区域中的异常车道线的车道线数据进行处理,以获得正常车道线,再基于正常车道线,获取目标路段区域对应的车道线宽度、车道线数量、车道线长度中的至少一种,以作为下一相邻的目标路段区域的参考数据。其中,对于存在车道线之间宽度过宽或过窄的情况,调整车道线之间的宽度,将车道宽度更新为正常宽度,获得准确的车道线宽度的数据。对于存在多余的车道线的情况,则剔除车道线,获得准确的车道线数量的数据。对于存在缺失车道线的情况,则增加车道线,获得准确的车道线数量的数据。对于存在残缺的车道线的情况,则补足车道线的长度,将车道线长度更新为正常的车道线长度,获得准确的车道线长度的数据。可以理解,处理后的数据可以仅作为下一目标路段区域的参考数据使用,而不作为地图数据的最终处理结果。
在以上一目标路段区域对应的车道线宽度、车道线数量、车道线长度中的至少一种作为下一相邻的目标路段区域的参考数据时,仍需先基于S1-S3步骤获取车道线数据,再根据车道线数据确定当前目标路段区域对应的车道线宽度、车道线数量、车道线长度中的至少一种,继而通过比较当前目标路段区域与上一相邻的目标路段区域的车道线宽度、车道线数量、车道线长度中的至少一种,检测当前目标路段区域中的异常车道线。例如,基于上一目标路段区域处理后的参考数据,可以明确得知本处路段相邻车道线之间宽度为3.75米,总共4车道包含5个车道线,那么,当前目标路段区域中发现一对车道线之间的宽度是3.7米时,可以识别为车道线宽度异常,当前目标路段区域中发现存在3个车道线且相邻车道线之间的宽度分别为7.5米、7.5米时,可以判断在前两个车道线和后两个车道线的中间位置分别少了一个车道线。
实际实现时,可以将S41的检测结果与使用参考数据的检测结果进行比对,评估检测结果的准确性,当检测结果一致时,可以直接对异常车道线对应的地图数据进行修正,当检测结果不一致时,可以对异常车道线对应的地图数据进行标记,以供后续核实。
如上所述,本申请提供的检测地图中的异常车道线的方法,确定地图的目标路段区域的车道线方向;选择地图中一位置作为参考原点,分别以车道线方向和垂直于车道线方向的方向作为坐标轴方向,建立目标坐标系;根据地图数据的对应于目标路段区域的每个车道线中的多个点及对应于参考原点的坐标点数据,在目标坐标系中确定用于表征目标路段区域的各车道线的位置和/或长度的车道线数据;根据车道线数据检测目标路段区域的异常车道线。本申请根据目标路段区域的车道线方向建立坐标系,进而基于该坐标系及地图数据中的坐标点数据确定车道线数据,可以准确反馈车道线情况,检测结果鲁棒性好且更加高效。
第二实施例
图5为本申请第二实施例的检测地图中的异常车道线的方法的流程图示意。如图5所示,本申请的检测地图中的异常车道线的方法,在第一实施例的S4步骤之后,还包括以下步骤:
S5:对异常车道线对应的地图数据进行标记和/或修正;
S6:存储标记和/或修正后的地图数据,和/或,上传标记和/或修正后的地图数据。
可选地,在检测出异常车道线之后,可以对异常车道线对应的地图数据进行标记和/或修正。其中,对异常车道线对应的地图数据进行标记,可以供后续进行核实后再修正,可以对所有异常车道线对应的地图数据进行标记;还可以对特定的异常车道线对应的地图数据进行标记,例如,对于残缺的车道线,可能是由于车道线虚实的原因导致分析出残缺的问题,在这种情况下,可以仅对该残缺的车道线的地图数据进行标记以避免出现修正错误,或者,若残缺的车道线的长度为正常长度的大约一半,则可能是虚实线的情况,可以仅对该残缺的车道线的地图数据进行标记以避免出现修正错误,若残缺的车道线的长度为正常长度的三分之二以上,则可以确定是残缺的实线,此时可以直接进行修正,或者修正后同时进行标记,以供后续核对。
可选地,修正异常车道线对应的地图数据包括但不限于调整异常车道线的地图数据、删除异常车道线的地图数据、增加异常车道线的数据中的至少一种。其中,对于存在车道线之间宽度过宽或过窄的情况,可以通过调整异常车道线的地图数据来调整车道线之间的宽度;对于存在多余的车道线的情况,则删除异常车道线的地图数据以删除对应车道线。对于存在缺失车道线的情况,则增加异常车道线的数据以增加车道线。对于存在残缺的车道线的情况,则增加异常车道线的数据以补足车道线的长度。
在对异常车道线对应的地图数据进行标记和/或修正后,存储标记和/或修正后的地图数据,和/或,上传标记和/或修正后的地图数据。其中,上传标记和/或修正后的地图数据可以是上传到指定服务器,以供后台人员进行分析。
如上所述,本申请提供的检测地图中的异常车道线的方法,在检测出异常车道线后,对异常车道线对应的地图数据进行标记和/或修正;存储标记和/或修正后的地图数据,和/或,上传标记和/或修正后的地图数据。如此,可以提高对地图数据进行核对修改的效率。
第三实施例
图6为本申请第三实施例的设备方框图。请参阅图6,本申请的设备包括存储器10和处理器20。其中,存储器10上存储有处理程序,处理程序被处理器20执行时实现如第一实施例和/或第二实施例所述的检测地图中的异常车道线的方法的步骤。
另一方面,本申请还提供一种可读存储介质,所述可读存储介质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如第一实施例和/或第二实施例所述的检测地图中的异常车道线的方法的步骤。
本申请实施例还提供一种计算机程序产品,计算机程序产品包括计算机程序代码,当计算机程序代码在计算机上运行时,使得计算机执行如上各种可能的实施方式中的方法。
本申请实施例还提供一种芯片,包括存储器和处理器,存储器用于存储计算机程序,处理器用于从存储器中调用并运行计算机程序,使得安装有芯片的设备执行如上各种可能的实施方式中的方法。
在本申请提供的设备、芯片、计算机程序产品和可读存储介质的实施例中,包含了上述方法各实施例的全部技术特征,说明书拓展和解释内容与上述方法的各实施例基本相同,在此不做再赘述。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种检测地图中的异常车道线的方法,其特征在于,包括以下步骤:
S1:确定地图的目标路段区域的车道线方向;
S2:选择地图中一位置作为参考原点,分别以所述车道线方向和垂直于所述车道线方向的方向作为坐标轴方向,建立目标坐标系;
S3:根据地图数据的对应于所述目标路段区域的每个车道线中的多个点及对应于所述参考原点的坐标点数据,在所述目标坐标系中确定用于表征所述目标路段区域的各车道线的位置和/或长度的车道线数据,包括:在目标坐标系中,根据地图数据的对应于参考原点的坐标点数据,将对应于目标路段区域的每个车道线中的多个点的坐标点数据所表征的长度信息和位置信息沿车道线方向进行投影统计,确定用于表征目标路段区域的各车道线的位置和/或长度的车道线数据;
S4:根据所述车道线数据检测所述目标路段区域的异常车道线,异常车道线包括间隔宽度过宽的车道线、间隔宽度过窄的车道线、缺失的车道线、多余的车道线、残缺的车道线中的至少一种。
2.如权利要求1所述的方法,其特征在于,所述S1步骤,包括:
S11:获取地图数据的对应于所述目标路段区域的每个车道线中的多个点的坐标点数据;
S12:根据所述目标路段区域的每个车道线中的多个点的坐标点数据,确定所述目标路段区域的车道线方向。
3.如权利要求2所述的方法,其特征在于,所述S12步骤,包括:
根据所述目标路段区域的每个车道线中的多个点的坐标点数据,确定所述目标路段区域的每个车道线中两两相邻的点之间的方向向量;
对所述目标路段区域中所有车道线对应的所述方向向量进行统计分析,确定所述车道线方向。
4.如权利要求1所述的方法,其特征在于,所述S3步骤,包括:
S31:根据所述目标路段区域的每个车道线中两两相邻的点的坐标点数据,确定所述目标路段区域的每个车道线中两两相邻的点之间的距离值;
S32:确定所述目标路段区域的每个车道线中的多个点的坐标点数据与地图数据的对应于所述参考原点的坐标点数据之间,在垂直所述车道线方向上的相对位置关系;
S33:根据所述相对位置关系,将对应的所述距离值分别沿所述车道线方向投影累加到所述目标坐标系的垂直于所述车道线方向的坐标轴上的相应位置,获得与每个车道线对应的波峰,所述波峰的坐标中的第一坐标值和第二坐标值分别用于表征对应车道线的位置和长度;
S34:根据所述波峰的坐标确定用于表征所述目标路段区域的各车道线的位置和/或长度的车道线数据。
5.如权利要求4所述的方法,其特征在于,所述S33步骤,包括:
根据所述相对位置关系,将对应的所述距离值分别沿所述车道线方向投影累加到所述目标坐标系的垂直于所述车道线方向的坐标轴上的相应位置,获得多个原始波峰;
根据所述原始波峰之间的位置分布关系对所述原始波峰进行处理,获得与每个车道线对应的波峰。
6.如权利要求4所述的方法,其特征在于,所述S4步骤,包括:
S41:通过分析波峰之间的第一坐标值的差值和/或第二坐标值的差值,检测所述目标路段区域的异常车道线。
7.如权利要求6所述的方法,其特征在于,所述S41步骤,包括以下至少一种:
在相邻两个波峰的第一坐标值之间的差小于第一阈值时,识别所述相邻两个波峰对应的车道线之间宽度过窄;
在相邻两个波峰的第一坐标值之间的差大于第二阈值时,识别所述相邻两个波峰对应的车道线之间宽度过宽;
在一目标波峰相邻两边的第一波峰与第二波峰之间的第一坐标值的差大于第三阈值且小于第四阈值时,识别所述目标波峰对应的车道线为多余的车道线;
在一目标波峰与一侧相邻的第三波峰的第一坐标值之间的差大于第五阈值时,识别所述目标波峰与所述第三波峰对应的车道线之间缺失车道线,所述第五阈值大于所述第四阈值;
在一目标波峰的第二坐标值与所有波峰中最大的第二坐标值之间的差值大于第六阈值时,识别所述目标波峰对应的车道线为残缺的车道线。
8.如权利要求1所述的方法,其特征在于,所述S4步骤之后,还包括:
对所述目标路段区域中的异常车道线的车道线数据进行处理,以获得正常车道线;
基于正常车道线,获取所述目标路段区域对应的车道线宽度、车道线数量、车道线长度中的至少一种,以作为下一相邻的目标路段区域的参考数据;
所述S4的步骤,包括:
根据所述车道线数据确定当前所述目标路段区域对应的车道线宽度、车道线数量、车道线长度中的至少一种;
通过比较当前所述目标路段区域与上一相邻的目标路段区域的车道线宽度、车道线数量、车道线长度中的至少一种,检测当前所述目标路段区域中的异常车道线。
9.如权利要求1所述的方法,其特征在于,所述S4步骤之后,还包括:
对所述异常车道线对应的地图数据进行标记和/或修正;
存储标记和/或修正后的地图数据,和/或,上传标记和/或修正后的地图数据。
10.一种可读存储介质,其特征在于,所述可读存储介质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如权利要求1至9中任一项所述的检测地图中的异常车道线的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111052443.1A CN113758501B (zh) | 2021-09-08 | 2021-09-08 | 检测地图中的异常车道线的方法和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111052443.1A CN113758501B (zh) | 2021-09-08 | 2021-09-08 | 检测地图中的异常车道线的方法和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113758501A CN113758501A (zh) | 2021-12-07 |
CN113758501B true CN113758501B (zh) | 2024-06-04 |
Family
ID=78794127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111052443.1A Active CN113758501B (zh) | 2021-09-08 | 2021-09-08 | 检测地图中的异常车道线的方法和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113758501B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118155177A (zh) * | 2024-05-11 | 2024-06-07 | 合众新能源汽车股份有限公司 | 车辆所在车道的定位方法、装置和电子设备 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127113A (zh) * | 2016-06-15 | 2016-11-16 | 北京联合大学 | 一种基于三维激光雷达的道路车道线检测方法 |
CN106570446A (zh) * | 2015-10-12 | 2017-04-19 | 腾讯科技(深圳)有限公司 | 车道线提取的方法和装置 |
CN108242145A (zh) * | 2016-12-26 | 2018-07-03 | 高德软件有限公司 | 异常轨迹点检测方法和装置 |
CN108253975A (zh) * | 2017-12-29 | 2018-07-06 | 驭势(上海)汽车科技有限公司 | 一种建立地图信息及车辆定位的方法与设备 |
CN109470254A (zh) * | 2018-10-31 | 2019-03-15 | 百度在线网络技术(北京)有限公司 | 地图车道线的生成方法、装置、系统及存储介质 |
CN109737976A (zh) * | 2019-01-07 | 2019-05-10 | 上海极奥网络科技有限公司 | 地图道路区间和车道线全自动生成方法 |
CN110595494A (zh) * | 2019-09-17 | 2019-12-20 | 百度在线网络技术(北京)有限公司 | 地图误差确定方法和装置 |
CN111996883A (zh) * | 2020-08-28 | 2020-11-27 | 四川长虹电器股份有限公司 | 一种检测公路路面宽度的方法 |
CN112347983A (zh) * | 2020-11-27 | 2021-02-09 | 腾讯科技(深圳)有限公司 | 车道线检测处理方法、装置、计算机设备和存储介质 |
CN112461257A (zh) * | 2019-09-09 | 2021-03-09 | 华为技术有限公司 | 一种车道线信息的确定方法及装置 |
CN112507977A (zh) * | 2021-01-21 | 2021-03-16 | 国汽智控(北京)科技有限公司 | 一种车道线定位方法、装置及电子设备 |
CN112639765A (zh) * | 2020-04-18 | 2021-04-09 | 华为技术有限公司 | 车道线识别异常事件确定方法、车道线识别装置及系统 |
CN112763231A (zh) * | 2021-01-19 | 2021-05-07 | 北京罗克维尔斯科技有限公司 | 车道保持辅助系统功能测评方法、装置及终端与存储介质 |
CN112990087A (zh) * | 2021-04-08 | 2021-06-18 | 济南博观智能科技有限公司 | 一种车道线检测方法、装置、设备及可读存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130253753A1 (en) * | 2012-03-23 | 2013-09-26 | Google Inc. | Detecting lane markings |
JP6134276B2 (ja) * | 2014-03-03 | 2017-05-24 | 株式会社Soken | 走行区画線認識装置 |
CN106203398B (zh) * | 2016-07-26 | 2019-08-13 | 东软集团股份有限公司 | 一种检测车道边界的方法、装置和设备 |
-
2021
- 2021-09-08 CN CN202111052443.1A patent/CN113758501B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570446A (zh) * | 2015-10-12 | 2017-04-19 | 腾讯科技(深圳)有限公司 | 车道线提取的方法和装置 |
CN106127113A (zh) * | 2016-06-15 | 2016-11-16 | 北京联合大学 | 一种基于三维激光雷达的道路车道线检测方法 |
CN108242145A (zh) * | 2016-12-26 | 2018-07-03 | 高德软件有限公司 | 异常轨迹点检测方法和装置 |
CN108253975A (zh) * | 2017-12-29 | 2018-07-06 | 驭势(上海)汽车科技有限公司 | 一种建立地图信息及车辆定位的方法与设备 |
CN109470254A (zh) * | 2018-10-31 | 2019-03-15 | 百度在线网络技术(北京)有限公司 | 地图车道线的生成方法、装置、系统及存储介质 |
CN109737976A (zh) * | 2019-01-07 | 2019-05-10 | 上海极奥网络科技有限公司 | 地图道路区间和车道线全自动生成方法 |
CN112461257A (zh) * | 2019-09-09 | 2021-03-09 | 华为技术有限公司 | 一种车道线信息的确定方法及装置 |
CN110595494A (zh) * | 2019-09-17 | 2019-12-20 | 百度在线网络技术(北京)有限公司 | 地图误差确定方法和装置 |
CN112639765A (zh) * | 2020-04-18 | 2021-04-09 | 华为技术有限公司 | 车道线识别异常事件确定方法、车道线识别装置及系统 |
CN111996883A (zh) * | 2020-08-28 | 2020-11-27 | 四川长虹电器股份有限公司 | 一种检测公路路面宽度的方法 |
CN112347983A (zh) * | 2020-11-27 | 2021-02-09 | 腾讯科技(深圳)有限公司 | 车道线检测处理方法、装置、计算机设备和存储介质 |
CN112763231A (zh) * | 2021-01-19 | 2021-05-07 | 北京罗克维尔斯科技有限公司 | 车道保持辅助系统功能测评方法、装置及终端与存储介质 |
CN112507977A (zh) * | 2021-01-21 | 2021-03-16 | 国汽智控(北京)科技有限公司 | 一种车道线定位方法、装置及电子设备 |
CN112990087A (zh) * | 2021-04-08 | 2021-06-18 | 济南博观智能科技有限公司 | 一种车道线检测方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113758501A (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107909047B (zh) | 一种汽车及其应用的车道检测方法及系统 | |
CN112435573B (zh) | 一种用于自动驾驶仿真测试的地图绘制方法及装置 | |
CN112747755B (zh) | 道路线确定方法、装置、可读存储介质及地图更新系统 | |
CN110532250B (zh) | 交规数据的处理方法及装置 | |
CN113127466B (zh) | 一种车辆轨迹数据预处理方法及计算机存储介质 | |
CN113758501B (zh) | 检测地图中的异常车道线的方法和可读存储介质 | |
JP6543983B2 (ja) | 道路情報生成装置及びプログラム | |
CN105912977A (zh) | 基于点聚类的车道线检测方法 | |
CN110413942B (zh) | 车道线方程筛选方法及其筛选模块 | |
CN111460861B (zh) | 一种道路交通标志识别方法、装置和识别设备 | |
CN111950434B (zh) | 一种基于离散点扫描的车道线结构化方法及系统 | |
CN115631082B (zh) | 一种基于高速路网拓扑结构的多场景路径还原方法 | |
CN112614345B (zh) | 车辆速度的计算方法、装置、设备及存储介质 | |
US11982752B2 (en) | GPS error correction method through comparison of three-dimensional HD-maps in duplicate area | |
CN111968255A (zh) | 一种高速公路收费路径的拟合方法 | |
CN115668333A (zh) | 电子地图生成方法、装置、计算机设备和存储介质 | |
CN112163059A (zh) | 基于量产车的地图数据更新方法、装置和系统 | |
CN114708576B (zh) | 一种车道线确定方法、装置、设备及存储介质 | |
CN115027483B (zh) | 叠置道路识别、车辆行驶控制方法、装置及设备 | |
CN114036255B (zh) | 一种高精地图数据检验方法、装置和设备 | |
CN112949644B (zh) | 一种货车下拉杆故障图像识别方法 | |
US20240153266A1 (en) | Information processing device and information processing method | |
CN115457760B (zh) | 车辆车牌与泊位的识别绑定方法及装置 | |
CN113032500B (zh) | 车辆定位方法、装置、计算机设备和存储介质 | |
CN117934742A (zh) | 地图处理方法、服务器及存储介质 |
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 |