CN113806464A - 路牙确定方法、装置、设备以及存储介质 - Google Patents
路牙确定方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN113806464A CN113806464A CN202111097024.XA CN202111097024A CN113806464A CN 113806464 A CN113806464 A CN 113806464A CN 202111097024 A CN202111097024 A CN 202111097024A CN 113806464 A CN113806464 A CN 113806464A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- grid
- road tooth
- density
- road
- 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 59
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012805 post-processing Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000000926 separation method Methods 0.000 claims description 8
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000007670 refining Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims 2
- 238000012545 processing Methods 0.000 abstract description 18
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000013136 deep learning model Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 206010044038 Tooth erosion Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 208000036595 non-bacterial tooth erosion Diseases 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了路牙确定方法、装置、设备以及存储介质,涉及数据处理领域。具体实现方案为:获取在多个采集点采集的点云帧,得到点云帧序列;确定点云帧序列中各点云帧中的地面点云;将地面点云向地面投影后进行栅格划分,确定多个栅格图;根据多个栅格图,确定路牙信息;输出路牙信息。本实现方式可以直接通过三维点云直接确定出路牙信息,提高了路牙信息的精度。
Description
技术领域
本公开涉及计算机技术领域,具体涉及数据处理领域,尤其涉及路牙确定方法、装置、设备以及存储介质。
背景技术
高精度地图是与普通电子导航地图不同的一种地图形式,高精度地图是服务于自动驾驶系统的地图。高精度地图由点云地图和矢量地图组成。点云地图是指由激光传感器采集到的环境地图。激光扫描周围环境,利用空间中的点云表示环境信息,最终将环境用三维点云的形式表示出来。因为激光的感受范围是360度,以及俯仰角的角度范围比较大,因此环境中的大部分信息均会被采集到,比如路面、车辆、行人、树木和建筑物等。矢量地图是指路面中包含的信息,比如路面上绘制的与交通规范相关的车道线或马路牙等等。但现有技术中对马路牙信息的提取精度较低。
发明内容
本公开提供了一种路牙确定方法、装置、设备以及存储介质。
根据第一方面,提供了一种路牙确定方法,包括:获取在多个采集点采集的点云帧,得到点云帧序列;确定点云帧序列中各点云帧中的地面点云;将地面点云向地面投影后进行栅格划分,确定多个栅格图;根据多个栅格图,确定路牙信息;输出路牙信息。
根据第二方面,提供了一种路牙确定装置,包括:点云帧获取单元,被配置成获取在多个采集点采集的点云帧,得到点云帧序列;地面分离单元,被配置成确定点云帧序列中各点云帧中的地面点云;栅格划分单元,被配置成将地面点云向地面投影后进行栅格划分,确定多个栅格图;信息确定单元,被配置成根据多个栅格图,确定路牙信息;信息输出单元,被配置成输出路牙信息。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及与上述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,上述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所描述的方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,上述计算机指令用于使计算机执行如第一方面所描述的方法。
根据第五方面,一种计算机程序产品,包括计算机程序,上述计算机程序在被处理器执行时实现如第一方面所描述的方法。
根据本公开的技术可以直接通过三维点云直接确定出路牙信息,提高了路牙信息的精度。
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
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是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的路牙确定方法的一个实施例的流程图;
图3是根据本公开的路牙确定方法的一个应用场景的示意图;
图4是根据本公开的路牙确定方法的另一个实施例的流程图;
图5a是图4所示实施例的“停止圈点”的示意图;
图5b是图4所示实施例的原始密度栅格图;
图5c是图4所示实施例的改进后的边缘算子的示意图;
图5d是图4所示实施例的强度栅格图;
图5e是图4所示实施例的canny边缘图;
图5f是图4所示实施例的高度栅格图;
图6是根据本公开的路牙确定装置的一个实施例的结构示意图;
图7是用来实现本公开实施例的路牙确定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示出了可以应用本公开的路牙确定方法或路牙确定装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括车辆101、网络102、服务器103和终端设备104。网络102用以在车辆101、服务器103和终端设备104之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
车辆101上可以安装有激光雷达,激光雷达用于采集车辆101周围环境的点云数据。上述点云数据可以包括多个点云帧。车辆101可以将采集的点云数据通过网络102发送给服务器103或者终端设备104。
服务器103可以对接收到的点云数据进行处理,以确定出路牙信息。并可以将路牙信息反馈给车辆101或者终端设备104。车辆101可以是自动驾驶车辆,可以根据高精地图和路牙信息更好的自动驾驶。
服务器103可以是硬件,也可以是软件。当服务器103为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器103为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
终端设备104也可以接收点云数据,并对点云数据进行处理,并将确定出的路牙信息显示出来。终端设备104上可以安装有点云数据处理应用,可以对点云数据进行处理。用户可以通过终端设备104查看确定出的路牙信息。
需要说明的是,本公开实施例所提供的路牙确定方法可以由服务器103或终端设备104执行。相应地,路牙确定装置可以设置于服务器103或终端设备104中。
应该理解,图1中的车辆、网络、服务器和终端设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的车辆、网络、服务器和终端设备。
继续参考图2,其示出了根据本公开的路牙确定方法的一个实施例的流程200。本实施例的路牙确定方法,包括以下步骤:
步骤201,获取在多个采集点采集的点云帧,得到点云帧序列。
本实施例中,执行主体可以通过多种方式获取在多个采集点采集的点云帧。例如,执行主体可以获取采集车在行驶路径的多个采集点处采集的点云帧。各个采集点之间可以间隔预设距离。每个点云帧可以包括多个点云点,每个点云点可以包括高度信息和强度信息。不同采集点对应的点云帧可以形成点云帧序列。
步骤202,确定点云帧序列中各点云帧中的地面点云。
本实施例中,执行主体在得到点云帧序列后,可以对各点云帧进行地面分离,确定各点云帧中的地面点云。具体的中,执行主体可以将各点云帧中高度值小于预设高度阈值的点云点作为地面点云。或者,执行主体可以将各点云帧中除去已识别出的障碍物的点云点之后剩余的点云点作为地面点云。
步骤203,将地面点云向地面投影后进行栅格划分,确定多个栅格图。
在确定出各点云帧中的地面点云后,执行主体可以将各点云帧的地面点云向地面进行投影,然后对投影的各点云点进行栅格划分,得到多个栅格图。在栅格划分时可以以固定尺寸的栅格划分各投影点,这样,每个栅格中可以包括多个点云点的投影。执行主体可以根据各点云点的信息,确定每个栅格的信息。例如,可以根据点云点的强度、高度等信息,确定栅格的强度和高度信息。栅格图可以包括多个栅格,每个栅格的信息组成栅格图。栅格图可以包括高度栅格图、密度栅格图和强度栅格图。其中,高度栅格图是通过栅格内所有的点云点的高度值的中位数或平均数作为栅格的高度值。密度栅格图是通过栅格内所有的点云点的数量作为栅格的密度值。强度栅格图是通过栅格内所有的点云点的强度值的中位数或平均数作为栅格的强度值。
步骤204,根据多个栅格图,确定路牙信息。
执行主体在确定多个栅格图后,可以通过多种方式确定路牙信息。例如,执行主体可以将各栅格图输入预先训练的路牙信息确定模型中,将模型的输出作为路牙信息。或者,执行主体可以对各栅格图进行图像处理,得到路牙信息。在进行图像处理时可以利用现有的图像处理算法,例如边缘检测算法、腐蚀算法、膨胀算法等。
步骤205,输出路牙信息。
执行主体在确定路牙信息后,可以输出上述路牙信息。具体的,执行主体可以将路牙信息输出给自动驾驶车辆,以供自动驾驶车辆根据路牙信息进行停车等操作。或者,执行主体可以将路牙信息输出给终端的屏幕,以供用户查看。
继续参见图3,其示出了根据本公开的路牙确定方法的一个应用场景的示意图。在图3的应用场景中,采集车301在行驶路径的各个采集点处采集周围环境的点云数据。然后将才采集的点云数据发送给服务器302。服务器302可以对点云数据进行处理,确定出周围环境的路牙信息。然后将路牙信息更新到高精地图中,并将更新后的高精地图发送给自动驾驶车辆303,自动驾驶车辆303可以根据更新后的高精地图更准确地停车。
本公开的上述实施例提供的路牙确定方法,可以通过对点云帧进行栅格划分,利用栅格图确定路牙信息,从而提高了路牙确定的精度。
继续参见图4,其示出了根据本公开的路牙确定方法的另一个实施例的流程400。如图4所示,本实施例的方法可以包括以下步骤:
步骤401,获取在多个采集点采集的点云帧,得到点云帧序列。
步骤402,对于点云帧序列中的每个点云帧,对该点云帧进行形态学滤波,确定该点云帧中的候选地面点云;将候选地面点云中与该点云帧对应的采集点之间的距离大于预设距离阈值的点云点删除,得到地面点云。
本实施例中,执行主体可以对点云帧序列中的每个点云帧进行处理,即对每个点云帧进行形态学滤波,实现地面分离。将滤波后得到的点云作为候选地面点云。这里,形态学滤波可以包括多种处理,例如膨胀、腐蚀等处理。然后,执行主体可以将候选地面点云中与该点云帧对应的采集点之间的距离大于预设距离阈值的点云点删除,得到地面点云。由于马路牙一般位于地面点云里,所以这里只对地面点云进行处理,可以加快处理速度。这里,距离采集点较远的点云点代表距离车体较远的点云点,此处的点云稀疏并且可信度较差,所以这里将不可信点云点删除。
步骤403,根据点云帧序列中各点云帧对应的采集时间,对点云帧序列进行划分,得到多个点云帧子序列;对各点云帧子序列中的各点云帧中的地面点云进行拼接;将拼接后的地面点云向地面投影后进行栅格划分,得到多个栅格;根据各点云点的强度、密度和高度,确定多个栅格图。
本实施例中,执行主体可以首先对点云帧序列中的各点云帧按照时间进行划分。即将各点云帧对应的采集时间按每隔30S对点云帧序列进行划分,得到多个点云帧子序列。这里,考虑到点云数据的体量较大,单次对上述点云帧序列进行处理,可能导致处理速度变慢。所以,这里将点云帧序列进行划分后再进行处理,可以保证点云处理的平稳进行。执行主体可以分别对各点云帧子序列中的各点云帧中的地面点云进行拼接。在拼接时,可以根据GPS和惯性导航单据估计的位姿进行拼接。然后,执行主体可以将拼接后的点云向地面进行投影后进行栅格划分,得到多个栅格。然后,根据每个栅格中包括的点云点的强度、密度和高度,确定多个栅格图。这里,可以设置每个栅格为一个正方形,正方形的边长可以根据实际情况进行设定。
在本实施例的一些可选的实现方式中,执行主体可以通过以下步骤确定多个栅格图:根据每个栅格中包括的点云点的强度、密度和高度,确定每个栅格的强度、密度和高度;根据每个栅格的强度、密度和高度,确定多个栅格图。
本实现方式中,执行主体可以根据每个栅格中包括的点云点的强度、密度和高度,确定每个栅格的强度、密度和高度。然后根据每个栅格的强度、密度和高度,确定多个栅格图。具体的,强度栅格图是通过栅格内所有的点云点的强度值的中位数或平均数作为栅格的强度值。高度栅格图是通过栅格内所有的点云点的高度值的中位数或平均数作为栅格的高度值。密度栅格图是通过栅格内所有的点云的数量作为栅格的密度值。
步骤404,对各密度栅格图、强度栅格图和高度栅格图进行切片,得到多个密度栅格图切片、强度栅格图切片和高度栅格图切片;根据密度栅格图切片、强度栅格图切片和高度栅格图切片以及预先训练的分割模型,确定各栅格图切片对应的路牙掩码;根据密度栅格图、高度栅格图以及各路牙掩码,确定路牙信息。
通过以上三种栅格图基本可以反应环境的地面信息。但是将点云数据按照时间划分存在一个缺点,比如在栅格的边缘部分,因为没有下一个时间点的点云数据,因此也没有对应的栅格像素,所以会导致栅格的边缘可能存在像素点稀疏的情况。这样对后续的处理也会造成负面影响。因此本文对时间划分的栅格进行重组,将其按照空间划分,这样按照空间划分后的栅格就不存在上述的缺点。接下来通过深度学习模型分割出栅格中的马路牙,但是按照空间划分的栅格图尺寸很大,如果直接读取会将内存爆满,无法直接放入到模型中。
本实施例中,执行主体可以按空间对多个栅格图进行切片,得到多个栅格图切片。切片的尺寸恰好可以送入深度学习模型中检测。然后,执行主体可以将多个栅格图切片输入预先训练的分割模型,确定对应的路牙掩码。具体的,执行主体可以分别对各密度栅格图、强度栅格图以及强度栅格图进行切片,然后将得到的各密度栅格图切片、强度栅格图切片以及强度栅格图切片组成三通道图片输入预先训练的分割模型,确定对应的路牙掩码。可以理解的是,输入模型的密度栅格图切片、强度栅格图切片以及强度栅格图切片来自于同一点云帧子序列。同样的,得到的每个路牙掩码与单个点云帧子序列对应。
执行主体可以将各路牙掩码进行拼接,得到整条道路的路牙掩码。执行主体可以直接将路牙掩码作为路牙信息。或者,执行主体还可以进一步对路牙掩码进行进一步处理,以得到更清晰更准确的路牙信息。
在本实施例的一些可选的实现方式中,执行主体可以通过以下步骤确定栅格图切片:在各栅格图对应的点云帧子序列中,根据采集点的位置以及预设的切片尺寸,对所述多个密度栅格图进行切片,得到多个密度栅格图切片。
实现方式中,执行主体可以根据采集点的位置以及预设的切片尺寸,对所述多个密度栅格图进行切片,得到多个密度栅格图切片。具体的,执行主体可以等间隔地选取采集点,在采集点周围框定一个空间范围,切成960*640像素,切片大小恰好可以送入模型中检测。本公开选取的是基于Deeplabv3框架研发的模型。
在本实施例的一些可选的实现方式中,执行主体可以通过以下步骤确定路牙信息:根据各路牙掩码对应的点云帧子序列之间的相对位置,对各路牙掩码进行拼接,得到拼接路牙掩码;根据密度栅格图、高度栅格图,对拼接路牙掩码进行后处理,确定路牙信息。
本实现方式中,执行主体可以根据各路牙掩码对应的点云帧子序列之间的相对位置,对各路牙掩码进行拼接,得到拼接路牙掩码。即将相邻的点云帧子序列对应的路牙掩码进行拼接。在将各路牙掩码拼接后可以得到拼接路牙掩码。执行主体可以进一步结合密度栅格图、高度栅格图,对拼接路牙掩码进行拟合等后处理,确定准确的路牙信息。
在本实施例的一些可选的实现方式中,执行主体可以通过以下步骤进一步对拼接路牙掩码进行后处理:对拼接路牙掩码进行细化,确定候选路牙像素;根据密度栅格图,确定边缘像素;根据候选路牙像素以及边缘像素,确定路牙边缘像素;根据高度栅格图以及路牙边缘像素,确定路牙的边缘信息;对路牙的边缘信息进行拟合,确定路牙信息。
本实现方式中,执行主体可以首先对拼接路牙掩码进行细化,目的是将每一条马路牙腐蚀成为没有宽度的一条线。细化后的掩码图已经基本能看出马路牙的轮廓,只不过细化算法后形状不规整,不是一条平滑的直线,不能够直接拟合,所以需要后处理操作。这里,称细化后的像素为候选路牙像素。
后处理的目标是将拼接路牙掩码中的候选路牙像素拟合为几何信息,但是候选路牙像素是有宽度的,因为实际中的马路牙也是有宽度的。而目标需要输出的马路牙矢量是没有宽度。上述深度学习模型输出的路牙掩码是在靠近路面一侧的马路牙边缘。本实施例是为了确认马路牙的有效轮廓,保证自动驾驶车辆的安全通行,在拟合之前需要对拼接路牙掩码图中的候选路牙像素进行筛选,筛选掉远离路面一侧的马路牙像素点。这样才能提升后续的马路牙拟合精度。
筛选像素点需要密度栅格图和高度栅格图两个栅格图作为参考。因为马路牙存在高度,所以激光雷达发射的激光照射在马路牙上的点云数量会大于普通地面点。因此在密度栅格图中,马路牙部分的像素值也会比普通地面部分高,因此在密度栅格图中,马路牙的像素点属于边缘点。这里,首先对密度栅格图提取边缘信息,称为边缘像素。这里,采用Canny边缘检测算子作用在密度栅格图上。Canny边缘算法是在Sobel边缘算法的基础上,对边缘像素进行更细致的后处理,过滤边缘点周围的边缘点,从而使得边缘部分更加细致准确。Canny边缘检测可以细分为三步:1.采用Sobel卷积核进行卷积运算。Sobel在x方向的卷积核如公式1所示,Sobel在y方向的卷积核公式2式所示。
然后基于得到x方向和y方向的梯度值的Gx和Gy梯度值计算整体梯度值方向角基于边缘梯度方向采用非极大值抑制,目的是选取一个范围内梯度值最大的像素点,目的是使提取到的边缘更加稳定,避免提取到密度栅格图中的噪点。
设定两个阈值T1,T2。梯度值大于T2的像素点被归为“确定边缘像素”被保留。梯度值小与T1的像素点被认为一定不属于边缘,被丢弃。梯度值介于T1和T2之间的像素点,如果它们连接到“确定边缘像素”,则它们被视为边缘的一部分,否则也会被丢弃。密度栅格图经过了以上三个步骤处理后最终得到Canny边缘图像。Canny边缘图像中马路牙的两个边缘像素值为255,其他像素值为0。
实际Canny边缘图像中不仅仅只有马路牙部分的像素值是255,图像中仍然存在一圈一圈像素值为255的点。为了表达方便将这些一圈一圈的点称之为“停止圈点”(如图5a所示)。造成出现“停止圈点”的原因是,采集车辆在等红灯时,需要在路口停车。在停车的过程中,激光雷达一直工作,一直采集点云。所以在车辆停车时,激光雷达照射到的地方的点数量就会比不停车时多,密度大。因此在密度图中此处的像素值与周围相比要高,因此提取Canny边缘时,这部分也会被当作边缘提取出来。而这一部分的像素点并不属于马路牙像素点,因此需要被剔除。在密度栅格图中可以发现,一圈圈点的像素值要大于马路牙的像素值,原因是“停止圈点”在点云地图中的密度值要更大。因此设立阈值Tlut=90用于区分“停止圈点”和马路牙点。首先设立一个查找表,查找表的自变量为x,因变量设为y。两者的映射关系如公式3所示。
首先将查找表算法应用到原始的密度栅格图I1上,然后进行一次中值滤波,把“停止圈点”周围的像素也进行模糊处理得到Ifilter。之后把原始密度栅格图I1(如图5b所示)中像素值大于Tlut=90的像素点替换成Ifilter中相同位置的像素值,最终得到处理后的Icanny(如图5c所示)。
Canny边缘图将密度图中的马路牙的两侧提取出来了。接下来需要区分马路牙的左右两侧边缘。马路牙的左右两个边缘的不同点主要体现在高度上,因为现实环境中,马路牙的高度要高于路面高度,同时马路牙所在的平面(比如人行道等)的高度值,均比路面的高度值高。因此高度栅格图可以用来筛选马路牙的左右两个边缘。具体的流程是遍历马路牙骨架中的点,假设骨架中有一个像素点Pk,在Pk像素点的3*3邻域内,遍历这9个像素中在Canny图中像素值为255的n个点。为了保证稳定,对这n个像素点在高度栅格图上进行5*5的卷积,卷积核是5*5的全1矩阵。这样做的目的是为了选取Pk周围靠近路面一侧的马路牙边缘点,原理是靠近路面一侧的马路牙像素点在高度图中的周围高度值要小于远离路面一侧的马路牙点周围的高度值。因此这样做可以有效区分出马路牙两侧的边缘,并最终选取到靠近路面一侧的马路牙像素点。
取得马路牙候选像素点之后,可以对马路牙候选像素点进行分段拟合。每一段拟合采用道格拉斯普克算法,目的是使拟合的每段马路牙都是折线的形式。最终拟合出的马路牙与路面实际的马路牙相重合。如图5d-5f分别表示强度栅格图、canny边缘图和高度栅格图。图中的直线表示拟合后的马路牙矢量。
步骤405,输出路牙信息。
本公开的上述实施例提供的路牙确定方法,可以利用高度栅格图、密度栅格图和密度栅格图准确地确定出路牙信息,使到拟合马路牙精度得到提升。
进一步参考图6,作为对上述各图所示方法的实现,本公开提供了一种路牙确定装置的一个实施例,该装置实施例与图2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6所示,本实施例的路牙确定装置600包括:点云帧获取单元601、地面分离单元602、栅格划分单元603、信息确定单元604和信息输出单元605。
点云帧获取单元601,被配置成获取在多个采集点采集的点云帧,得到点云帧序列。
地面分离单元602,被配置成确定点云帧序列中各点云帧中的地面点云。
栅格划分单元603,被配置成将地面点云向地面投影后进行栅格划分,确定多个栅格图。
信息确定单元604,被配置成根据多个栅格图,确定路牙信息。
信息输出单元605,被配置成输出路牙信息。
在本实施例的一些可选的实现方式中,地面分离单元602可以进一步被配置成:对于点云帧序列中的每个点云帧,对该点云帧进行形态学滤波,确定该点云帧中的候选地面点云;将候选地面点云中与该点云帧对应的采集点之间的距离大于预设距离阈值的点云点删除,得到地面点云。
在本实施例的一些可选的实现方式中,栅格划分单元603可以进一步被配置成:根据点云帧序列中各点云帧对应的采集时间,对点云帧序列进行划分,得到多个点云帧子序列;对各点云帧子序列中的各点云帧中的地面点云进行拼接;将拼接后的地面点云向地面投影后进行栅格划分,得到多个栅格;根据各点云点的强度、密度和高度,确定多个栅格图。
在本实施例的一些可选的实现方式中,栅格划分单元603可以进一步被配置成:根据每个栅格中包括的点云点的强度、密度和高度,确定每个栅格的强度、密度和高度;根据每个栅格的强度、密度和高度,确定多个栅格图。
在本实施例的一些可选的实现方式中,多个栅格图包括密度栅格图、强度栅格图和高度栅格图。信息确定单元604可以进一步被配置成:对各密度栅格图、强度栅格图和高度栅格图进行切片,得到多个密度栅格图切片、强度栅格图切片和高度栅格图切片;根据密度栅格图切片、强度栅格图切片和高度栅格图切片以及预先训练的分割模型,确定各栅格图切片对应的路牙掩码;根据密度栅格图、高度栅格图以及各路牙掩码,确定路牙信息。
在本实施例的一些可选的实现方式中,信息确定单元604可以进一步被配置成:在各栅格图对应的点云帧子序列中,根据采集点的位置以及预设的切片尺寸,对多个密度栅格图进行切片,得到多个密度栅格图切片。
在本实施例的一些可选的实现方式中,信息确定单元604可以进一步被配置成:根据各路牙掩码对应的点云帧子序列之间的相对位置,对各路牙掩码进行拼接,得到拼接路牙掩码;根据密度栅格图、高度栅格图,对拼接路牙掩码进行后处理,确定路牙信息。
在本实施例的一些可选的实现方式中,信息确定单元604可以进一步被配置成:对拼接路牙掩码进行细化,确定候选路牙像素;根据密度栅格图,确定边缘像素;对候选路牙像素以及边缘像素,确定路牙边缘像素;根据高度栅格图以及路牙边缘像素,确定路牙的边缘信息;对路牙的边缘信息进行拟合,确定路牙信息。
应当理解,路牙确定装置600中记载的单元601至单元605分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对路牙确定方法描述的操作和特征同样适用于装置600及其中包含的单元,在此不再赘述。
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7示出了根据本公开实施例的执行路牙确定方法的电子设备700的框图。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7所示,电子设备700包括处理器701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储器708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储电子设备700操作所需的各种程序和数据。处理器701、ROM 702以及RAM 703通过总线704彼此相连。I/O接口(输入/输出接口)705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储器708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许电子设备700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。
处理器701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。处理器701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处理器、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。处理器701执行上文所描述的各个方法和处理,例如路牙确定方法。例如,在一些实施例中,路牙确定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存储介质,例如存储器708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由处理器701执行时,可以执行上文描述的路牙确定方法的一个或多个步骤。备选地,在其他实施例中,处理器701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行路牙确定方法。
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。上述程序代码可以封装成计算机程序产品。这些程序代码或计算机程序产品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701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,机器可读存储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。机器可读存储介质可以是机器可读信号存储介质或机器可读存储介质。机器可读存储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)、光学存储设备、磁存储设备、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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。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,均应包含在本公开的保护范围之内。
Claims (19)
1.一种路牙确定方法,包括:
获取在多个采集点采集的点云帧,得到点云帧序列;
确定所述点云帧序列中各点云帧中的地面点云;
将所述地面点云向地面投影后进行栅格划分,确定多个栅格图;
根据所述多个栅格图,确定路牙信息;
输出所述路牙信息。
2.根据权利要求1所述的方法,其中,所述确定所述点云帧序列中各点云帧中的地面点云,包括:
对于所述点云帧序列中的每个点云帧,对该点云帧进行形态学滤波,确定该点云帧中的候选地面点云;
将所述候选地面点云中与该点云帧对应的采集点之间的距离大于预设距离阈值的点云点删除,得到地面点云。
3.根据权利要求1所述的方法,其中,所述将所述地面点云向地面投影后进行栅格划分,确定多个栅格图,包括:
根据所述点云帧序列中各点云帧对应的采集时间,对所述点云帧序列进行划分,得到多个点云帧子序列;
对各点云帧子序列中的各点云帧中的地面点云进行拼接;
将拼接后的地面点云向地面投影后进行栅格划分,得到多个栅格;
根据各点云点的强度、密度和高度,确定多个栅格图。
4.根据权利要求3所述的方法,其中,所述根据各点云点的强度、密度和高度,确定多个栅格图,包括:
根据每个栅格中包括的点云点的强度、密度和高度,确定每个栅格的强度、密度和高度;
根据每个栅格的强度、密度和高度,确定多个栅格图。
5.根据权利要求1所述的方法,其中,所述多个栅格图包括密度栅格图、强度栅格图和高度栅格图;以及
所述根据所述多个栅格图,确定路牙信息,包括:
对各密度栅格图、强度栅格图和高度栅格图进行切片,得到多个密度栅格图切片、强度栅格图切片和高度栅格图切片;
根据所述密度栅格图切片、强度栅格图切片和高度栅格图切片以及预先训练的分割模型,确定各栅格图切片对应的路牙掩码;
根据所述密度栅格图、所述高度栅格图以及各所述路牙掩码,确定路牙信息。
6.根据权利要求5所述的方法,其中,所述对所述多个栅格图进行切片,得到多个栅格图切片,包括:
在各栅格图对应的点云帧子序列中,根据采集点的位置以及预设的切片尺寸,对所述多个密度栅格图进行切片,得到多个密度栅格图切片。
7.根据权利要求5所述的方法,其中,所述根据所述密度栅格图、所述高度栅格图以及各所述路牙掩码,确定路牙信息,包括:
根据各路牙掩码对应的点云帧子序列之间的相对位置,对各所述路牙掩码进行拼接,得到拼接路牙掩码;
根据所述密度栅格图、所述高度栅格图,对所述拼接路牙掩码进行后处理,确定路牙信息。
8.根据权利要求7所述的方法,其中,所述根据所述密度栅格图、所述高度栅格图,对所述拼接路牙掩码进行后处理,确定路牙信息,包括:
对所述拼接路牙掩码进行细化,确定候选路牙像素;
根据所述密度栅格图,确定边缘像素;
根据所述候选路牙像素以及所述边缘像素,确定路牙边缘像素;
根据所述高度栅格图以及所述路牙边缘像素,确定路牙的边缘信息;
对所述路牙的边缘信息进行拟合,确定路牙信息。
9.一种路牙确定装置,包括:
点云帧获取单元,被配置成获取在多个采集点采集的点云帧,得到点云帧序列;
地面分离单元,被配置成确定所述点云帧序列中各点云帧中的地面点云;
栅格划分单元,被配置成将所述地面点云向地面投影后进行栅格划分,确定多个栅格图;
信息确定单元,被配置成根据所述多个栅格图,确定路牙信息;
信息输出单元,被配置成输出所述路牙信息。
10.根据权利要求9所述的装置,其中,所述地面分离单元进一步被配置成:
对于所述点云帧序列中的每个点云帧,对该点云帧进行形态学滤波,确定该点云帧中的候选地面点云;
将所述候选地面点云中与该点云帧对应的采集点之间的距离大于预设距离阈值的点云点删除,得到地面点云。
11.根据权利要求9所述的装置,其中,所述栅格划分单元进一步被配置成:
根据所述点云帧序列中各点云帧对应的采集时间,对所述点云帧序列进行划分,得到多个点云帧子序列;
对各点云帧子序列中的各点云帧中的地面点云进行拼接;
将拼接后的地面点云向地面投影后进行栅格划分,得到多个栅格;
根据各点云点的强度、密度和高度,确定多个栅格图。
12.根据权利要求11所述的装置,其中,所述栅格划分单元进一步被配置成:
根据每个栅格中包括的点云点的强度、密度和高度,确定每个栅格的强度、密度和高度;
根据每个栅格的强度、密度和高度,确定多个栅格图。
13.根据权利要求11所述的装置,其中,所述多个栅格图包括密度栅格图、强度栅格图和高度栅格图;以及
所述信息确定单元进一步被配置成:
对各密度栅格图、强度栅格图和高度栅格图进行切片,得到多个密度栅格图切片、强度栅格图切片和高度栅格图切片;
根据所述密度栅格图切片、强度栅格图切片和高度栅格图切片以及预先训练的分割模型,确定各栅格图切片对应的路牙掩码;
根据所述密度栅格图、所述高度栅格图以及各所述路牙掩码,确定路牙信息。
14.根据权利要求13所述的装置,其中,所述信息确定单元进一步被配置成:
在各栅格图对应的点云帧子序列中,根据采集点的位置以及预设的切片尺寸,对所述多个密度栅格图进行切片,得到多个密度栅格图切片。
15.根据权利要求13所述的装置,其中,所述信息确定单元进一步被配置成:
根据各路牙掩码对应的点云帧子序列之间的相对位置,对各所述路牙掩码进行拼接,得到拼接路牙掩码;
根据所述密度栅格图、所述高度栅格图,对所述拼接路牙掩码进行后处理,确定路牙信息。
16.根据权利要求15所述的装置,其中,所述信息确定单元进一步被配置成:
对所述拼接路牙掩码进行细化,确定候选路牙像素;
根据所述密度栅格图,确定边缘像素;
根据所述候选路牙像素以及所述边缘像素,确定路牙边缘像素;
根据所述高度栅格图以及所述路牙边缘像素,确定路牙的边缘信息;
对所述路牙的边缘信息进行拟合,确定路牙信息。
17.一种电子设备,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1-8中任一项所述的方法。
18.一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1-8中任一项所述的方法。
19.一种计算机程序产品,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1-8中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111097024.XA CN113806464A (zh) | 2021-09-18 | 2021-09-18 | 路牙确定方法、装置、设备以及存储介质 |
PCT/CN2022/104941 WO2023040437A1 (zh) | 2021-09-18 | 2022-07-11 | 路牙确定方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111097024.XA CN113806464A (zh) | 2021-09-18 | 2021-09-18 | 路牙确定方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113806464A true CN113806464A (zh) | 2021-12-17 |
Family
ID=78895947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111097024.XA Pending CN113806464A (zh) | 2021-09-18 | 2021-09-18 | 路牙确定方法、装置、设备以及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113806464A (zh) |
WO (1) | WO2023040437A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131525A (zh) * | 2022-07-26 | 2022-09-30 | 白犀牛智达(北京)科技有限公司 | 一种路牙检测方法 |
WO2023040437A1 (zh) * | 2021-09-18 | 2023-03-23 | 北京京东乾石科技有限公司 | 路牙确定方法、装置、设备以及存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503434B (zh) * | 2023-05-15 | 2024-07-16 | 中国电建集团昆明勘测设计研究院有限公司 | 一种点云数据的边界提取方法、装置、设备及存储介质 |
CN116990832B (zh) * | 2023-08-04 | 2024-07-23 | 长沙行深智能科技有限公司 | 危险道路边沿感知方法、装置、终端设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766878A (zh) * | 2019-04-11 | 2019-05-17 | 深兰人工智能芯片研究院(江苏)有限公司 | 一种车道线检测的方法和设备 |
CN111537980A (zh) * | 2020-07-08 | 2020-08-14 | 深圳市速腾聚创科技有限公司 | 激光雷达参数调整方法、装置及激光雷达 |
CN112131947A (zh) * | 2020-08-21 | 2020-12-25 | 河北鼎联科技有限公司 | 道路指示线提取方法及装置 |
CN112149572A (zh) * | 2020-09-24 | 2020-12-29 | 知行汽车科技(苏州)有限公司 | 路沿检测方法、装置和存储介质 |
CN112347999A (zh) * | 2021-01-07 | 2021-02-09 | 深圳市速腾聚创科技有限公司 | 障碍物识别模型训练方法、障碍物识别方法、装置及系统 |
CN112964264A (zh) * | 2021-02-07 | 2021-06-15 | 上海商汤临港智能科技有限公司 | 道路边沿检测方法、装置、高精度地图、车辆及存储介质 |
CN113139982A (zh) * | 2021-04-21 | 2021-07-20 | 香港理工大学深圳研究院 | 一种室内房间点云的自动分割方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2923174A2 (en) * | 2012-11-22 | 2015-09-30 | GeoSim Systems Ltd. | Point-cloud fusion |
CN106908775B (zh) * | 2017-03-08 | 2019-10-18 | 同济大学 | 一种基于激光反射强度的无人车实时定位方法 |
CN111353969B (zh) * | 2018-12-20 | 2023-09-26 | 长沙智能驾驶研究院有限公司 | 道路可行驶区域的确定方法、装置及计算机设备 |
CN110942024A (zh) * | 2019-11-26 | 2020-03-31 | 江苏天策机器人科技有限公司 | 一种基于深度学习的无人车路牙检测方法 |
CN112988922A (zh) * | 2019-12-16 | 2021-06-18 | 长沙智能驾驶研究院有限公司 | 感知地图构建方法、装置、计算机设备和存储介质 |
CN112907747A (zh) * | 2021-03-26 | 2021-06-04 | 上海商汤临港智能科技有限公司 | 一种点云数据处理的方法、装置、电子设备及存储介质 |
CN113281770A (zh) * | 2021-05-28 | 2021-08-20 | 东软睿驰汽车技术(沈阳)有限公司 | 坐标系关系获取方法及装置 |
CN113806464A (zh) * | 2021-09-18 | 2021-12-17 | 北京京东乾石科技有限公司 | 路牙确定方法、装置、设备以及存储介质 |
-
2021
- 2021-09-18 CN CN202111097024.XA patent/CN113806464A/zh active Pending
-
2022
- 2022-07-11 WO PCT/CN2022/104941 patent/WO2023040437A1/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766878A (zh) * | 2019-04-11 | 2019-05-17 | 深兰人工智能芯片研究院(江苏)有限公司 | 一种车道线检测的方法和设备 |
CN111537980A (zh) * | 2020-07-08 | 2020-08-14 | 深圳市速腾聚创科技有限公司 | 激光雷达参数调整方法、装置及激光雷达 |
CN112131947A (zh) * | 2020-08-21 | 2020-12-25 | 河北鼎联科技有限公司 | 道路指示线提取方法及装置 |
CN112149572A (zh) * | 2020-09-24 | 2020-12-29 | 知行汽车科技(苏州)有限公司 | 路沿检测方法、装置和存储介质 |
CN112347999A (zh) * | 2021-01-07 | 2021-02-09 | 深圳市速腾聚创科技有限公司 | 障碍物识别模型训练方法、障碍物识别方法、装置及系统 |
CN112964264A (zh) * | 2021-02-07 | 2021-06-15 | 上海商汤临港智能科技有限公司 | 道路边沿检测方法、装置、高精度地图、车辆及存储介质 |
CN113139982A (zh) * | 2021-04-21 | 2021-07-20 | 香港理工大学深圳研究院 | 一种室内房间点云的自动分割方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023040437A1 (zh) * | 2021-09-18 | 2023-03-23 | 北京京东乾石科技有限公司 | 路牙确定方法、装置、设备以及存储介质 |
CN115131525A (zh) * | 2022-07-26 | 2022-09-30 | 白犀牛智达(北京)科技有限公司 | 一种路牙检测方法 |
CN115131525B (zh) * | 2022-07-26 | 2024-04-05 | 白犀牛智达(北京)科技有限公司 | 一种路牙检测方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2023040437A1 (zh) | 2023-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110148196B (zh) | 一种图像处理方法、装置以及相关设备 | |
CN113806464A (zh) | 路牙确定方法、装置、设备以及存储介质 | |
Negru et al. | Image based fog detection and visibility estimation for driving assistance systems | |
CN113362444A (zh) | 点云数据的生成方法、装置、电子设备及存储介质 | |
CN112258519B (zh) | 一种高精度地图制作中道路的让行线自动化提取方法及装置 | |
WO2023000221A1 (zh) | 可行驶区域生成方法、可移动平台及存储介质 | |
CN112258568B (zh) | 一种高精度地图要素的提取方法及装置 | |
CN114037966A (zh) | 高精地图特征提取方法、装置、介质及电子设备 | |
EP4080479A2 (en) | Method for identifying traffic light, device, cloud control platform and vehicle-road coordination system | |
CN114443794A (zh) | 数据处理和地图更新方法、装置、设备以及存储介质 | |
CN112863187A (zh) | 感知模型的检测方法、电子设备、路侧设备和云控平台 | |
CN116469073A (zh) | 目标识别方法、装置、电子设备、介质及自动驾驶车辆 | |
CN115139303A (zh) | 一种栅格井盖检测方法、装置、设备及存储介质 | |
CN114005098A (zh) | 高精地图车道线信息的检测方法、装置和电子设备 | |
CN114972758A (zh) | 一种基于点云弱监督的实例分割方法 | |
CN114565908A (zh) | 车道线的检测方法、装置、电子设备及存储介质 | |
CN115131761B (zh) | 道路边界的识别方法、绘制方法及装置 | |
CN116434181A (zh) | 地面点检测方法、装置、电子设备和介质 | |
CN116071730A (zh) | 背景对象的检测方法、装置、设备以及自动驾驶车辆 | |
CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
CN114708498A (zh) | 图像处理方法、装置、电子设备以及存储介质 | |
CN115049997A (zh) | 边缘车道线的生成方法、装置、电子设备及存储介质 | |
CN114612544A (zh) | 图像处理方法、装置、设备和存储介质 | |
CN113901903A (zh) | 道路识别方法和装置 | |
CN113033456A (zh) | 车辆车轮接地点的确定方法、装置、路侧设备及云控平台 |
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 |