CN114492582B - 一种分片式道路数据融合的方法、装置、设备及存储介质 - Google Patents
一种分片式道路数据融合的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114492582B CN114492582B CN202111621717.4A CN202111621717A CN114492582B CN 114492582 B CN114492582 B CN 114492582B CN 202111621717 A CN202111621717 A CN 202111621717A CN 114492582 B CN114492582 B CN 114492582B
- Authority
- CN
- China
- Prior art keywords
- road data
- data
- road
- overlapped
- piece
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 239000012634 fragment Substances 0.000 claims abstract description 47
- 230000004927 fusion Effects 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000009466 transformation Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000002457 bidirectional effect Effects 0.000 abstract description 10
- 230000011218 segmentation Effects 0.000 abstract 1
- 238000006243 chemical reaction Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000016776 visual perception Effects 0.000 description 5
- 238000013480 data collection Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000009826 distribution Methods 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
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Abstract
本申请实施例公开了一种分片式道路数据融合的方法、装置、设备及存储介质，该方法包括：获取利用分片式数据采集方式采集的轨迹数据，轨迹数据中包括至少两片分片式轨迹数据，每个分片式轨迹数据对应有一个分片式道路数据；根据轨迹数据获得各分片式道路数据中的重叠道路数据；根据分片式道路数据得到重叠道路数据对应的车道线的线匹配关系以及分片式道路数据的点匹配关系；根据线匹配关系和点匹配关系，对重叠道路数据进行双向变换处理，得到处理后的重叠道路数据，对处理后的重叠道路数据进行加权融合得到目标道路数据。因此，采用本申请的上述方法，提高了分片式道路数据融合结果的准确度。
Description
技术领域
本申请涉及数据融合领域，更具体地，涉及一种分片式道路数据融合的方法、装置、设备及存储介质。
背景技术
无论是通过激光雷达获取的点云数据，还是通过视觉感知提取的道路信息数据，都无法一次性上报，或者一次性处理。所以点云数据以及道路信息数据的来源以及数据前一阶段的处理结果，一般都是分片式的。但是，由于对数据处理的方式或获取数据的时间不一致的问题，分片式数据并不是完全可以连接上的，各分片式数据之间往往存在一些缺失、偏转、变换的情况。因此，相关技术中存在对分片式数据进行数据融合后获得的数据误差较大的问题。
发明内容
本申请提出了一种分片式道路数据融合的方法、装置、设备及存储介质，以改善上述问题。
第一方面，本申请实施例提供了一种分片式道路数据融合的方法，该方法包括：获取利用分片式数据采集方式采集的轨迹数据，所述轨迹数据中包括至少两片分片式轨迹数据，每个分片式轨迹数据对应有一个分片式道路数据；根据所述轨迹数据获得各所述分片式道路数据中的重叠道路数据；根据所述分片式道路数据得到所述重叠道路数据对应的车道线的线匹配关系以及分片式道路数据的点匹配关系；根据所述线匹配关系和所述点匹配关系，对所述重叠道路数据进行双向变换处理，得到处理后的重叠道路数据，对处理后的重叠道路数据进行加权融合得到目标道路数据。
第二方面，本申请实施例还提供了一种分片式道路数据融合装置，该装置包括：道路数据获取单元、重叠道路数据获取单元、匹配关系获取单元以及目标道路数据获取单元。其中，道路数据获取单元，用于获取利用分片式数据采集方式采集的轨迹数据，所述轨迹数据中包括至少两片分片式轨迹数据，每个分片式轨迹数据对应有一个分片式道路数据；重叠道路数据获取单元，用于根据所述轨迹数据获得各所述分片式道路数据中的重叠道路数据；匹配关系获取单元，用于根据所述分片式道路数据得到所述重叠道路数据对应的车道线的线匹配关系以及分片式道路数据的点匹配关系；目标道路数据获取单元，用于根据所述线匹配关系和所述点匹配关系，对所述重叠道路数据进行双向变换处理，得到处理后的重叠道路数据，对处理后的重叠道路数据进行加权融合得到目标道路数据。
第三方面，本申请实施例还提供了一种电子设备，包括：一个或多个处理器、存储器以及一个或多个应用程序。其中，所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置执行以实现如上述第一方面所述的方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有程序代码，所述程序代码可被处理器调用执行如上述第一方面所述的方法。
本申请提供的技术方案，通过获取利用分片式数据采集方式采集的轨迹数据，所述轨迹数据中包括至少两片分片式轨迹数据，每个分片式轨迹数据对应有一个分片式道路数据；根据所述轨迹数据获得各所述分片式道路数据中的重叠道路数据；根据所述分片式道路数据得到所述重叠道路数据对应的车道线的线匹配关系以及分片式道路数据的点匹配关系；根据所述线匹配关系和所述点匹配关系，对所述重叠道路数据进行双向变换处理，得到处理后的重叠道路数据，对处理后的重叠道路数据进行加权融合得到目标道路数据。因此，采用本申请的上述方法，利用分片式道路数据间少许重叠道路数据获得分片式道路数据的点匹配关系以及分片式道路数据对应的车道线的线匹配关系，根据各分片式道路数据的线匹配关系和点匹配关系，对分片式道路数据进行融合，提高了对分片式道路数据进行数据融合后获得的道路数据的准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本申请一实施例提供的一种分片式道路数据融合的方法的流程示意图；
图2示出了本申请一实施例中轨迹数据与几何路网匹配的示意图；
图3示出了本申请一实施例中分片式道路数据的重叠道路数据的示意图；
图4示出了本申请另一实施例中分片式道路数据的重叠道路数据的示意图；
图5示出了本申请一实施例中分片式道路数据的重叠道路数据的目标点的示意图；
图6示出了本申请一实施例中分片式道路数据中车道线的矢量距离的示意图；
图7示出了本申请一实施例中一分片式道路数据中一车道线与另一分片式道路数据中车道线距离的示意图；
图8示出了本申请一实施例中分片式道路数据的重叠道路数据的点匹配的示意图；
图9示出了本申请一实施例中处理后的重叠道路数据的示意图；
图10示出了本申请一实施例中目标道路数据的示意图；
图11示出了本申请一实施例提供的一种分片式道路数据融合装置的结构框图；
图12示出了本申请一实施例提供的一种电子设备的结构框图；
图13示出了本申请一实施例提供的一种计算机可读存储介质的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
近年来，数据融合技术不断应用到各个行业，如，复杂的工业过程控制、机器人、自动目标识别、交通管制、惯性导航、图像处理、遥感等领域。数据融合技术可以对航空/航天遥感数据、光谱图像、激光雷达获取的点云数据、视觉感知提取的数据等数据进行融合，通过数据融合技术可以是将数据完整化、多样化。
相关技术中，无论是通过激光雷达获取的点云数据，还是通过视觉感知提取的数据，都无法一次性上报，或者一次性处理。所以，数据的来源以及前一阶段处理数据的结果，一般都是分片式的。因此，需要利用数据融合技术将分片式数据进行融合。但由于对分片式数据处理的方式、获取的时间、获取的位置等条件不一致的问题，直接将这些分片式数据融合获得的数据融合结果往往存在一些缺失、偏转、变换的情况，使得用户获得的融合后的数据误差较大。
在地图制作的过程中，涉及到获取待制作地图区域的道路数据信息的问题。相关技术中，可以通过激光雷达获取的道路点云数据，或者可以通过视觉感知提取道路信息数据，不过这些道路数据都是利用分片式数据采集方式采集的，要得到完整的待制作地图区域的道路数据信息需要将这些分片式道路数据进行融合，但是直接将这些分片式道路数据融合获得的待制作地图区域的道路数据信息存在误差较大的问题。
为了缓解上述问题，本申请的发明人提出了本申请提供的一种分片式道路数据融合的方法、装置、设备及存储介质。该方法包括：获取利用分片式数据采集方式采集的轨迹数据，所述轨迹数据中包括至少两片分片式轨迹数据，每个分片式轨迹数据对应有一个分片式道路数据；根据所述轨迹数据获得各所述分片式道路数据中的重叠道路数据；根据所述分片式道路数据得到所述重叠道路数据对应的车道线的线匹配关系以及分片式道路数据的点匹配关系；根据所述线匹配关系和所述点匹配关系，对所述重叠道路数据进行双向变换处理，得到处理后的重叠道路数据，对处理后的重叠道路数据进行加权融合得到目标道路数据。因此，采用本申请的上述方法，利用分片式道路数据间少许重叠道路数据获得分片式道路数据的点匹配关系以及分片式道路数据对应的车道线的线匹配关系，根据各分片式道路数据的线匹配关系和点匹配关系，对分片式道路数据进行融合，提高了对分片式道路数据进行数据融合后获得的道路数据的准确度。
下面将结合附图具体描述本申请的各实施例。
请参阅图1，本申请一实施例提供了一种分片式道路数据融合的方法，本实施例描述的是终端设备侧的步骤流程，所述方法可以包括步骤S110至步骤S140。
步骤S110：获取利用分片式数据采集方式采集的轨迹数据，所述轨迹数据中包括至少两片分片式轨迹数据，每个分片式轨迹数据对应有一个分片式道路数据。
在本申请实施中，获取利用分片式数据采集方式采集的轨迹数据的方式：可以是通过无线通信技术(如，WIFI、蓝牙、ZigbEE技术等)从相关联的云端或电子设备获取的；也可以是通过串口通信方式从相关联的电子设备获取的，如，通过SPI(串行外设接口)从相关联的电子设备获取利用分片式数据采集方式采集的轨迹数据；也可以是获取存储在终端设备存储单元的利用分片式数据采集方式采集的轨迹数据。示例性的，通过WIFI技术获取相关联的云端存储的通过激光雷达采集的分片式道路点云数据；通过SPI获取相关联的车辆存储的通过该车辆的视觉传感器视觉感知提取的分片式道路信息数据。
其中，所述轨迹数据中包括至少两片分片式轨迹数据，每个分片式轨迹数据对应有一个分片式道路数据，每个分片式道路数据与相邻分片式道路数据存在部分重叠道路数据。轨迹数据包括该轨迹的轨迹点、各轨迹点的空间位置坐标以及该轨迹所在道路的道路数据；道路数据包括该道路中的车道线、车道线的空间位置坐标、车道线的长度、宽度以及该道路中的道路标志(如，地面箭头、减速带、人行横道的质心的空间位置坐标等)数据。所述轨迹数据可以是车辆的行车轨迹数据、移动机器人的行动轨迹数据以及人行走的轨迹数据等。
步骤S120：根据所述轨迹数据获得各所述分片式道路数据中的重叠道路数据。
在本申请的一种可实施方式中，所述根据所述轨迹数据获得各所述分片式道路数据中的重叠道路数据可以是，根据所述轨迹数据包括的各分片式道路数据中的各分片式道路数据中车道线的空间位置坐标，获得该轨迹数据中各分片式道路数据的重叠数据。如，分别获取各分片式道路数据中各车道线在分片式道路数据中的空间位置坐标，获得各分片道路数据中各车道线空间位置坐标在每一方向轴上的重合区域，根据所述重合区域获得分片式道路数据映射在该区域的道路数据，即所述各所述分片式道路数据中的重叠道路数据。
在本申请的另一种可实施方式中，所述根据所述轨迹数据获得各所述分片式道路数据中的重叠道路数据可以是，根据所述轨迹数据，获得与所述轨迹数据匹配的几何路网；将所述几何路网的两个节点的连线作为所述轨迹数据对应的投影主方向，并将各所述分片式道路数据投影在所述投影主方向，获得各所述分片式道路数据中的重叠道路数据。
具体地，根据所述轨迹数据，获得与所述轨迹数据匹配的几何路网可以是，获取所述轨迹数据上的各轨迹点到几何路网的最短距离；若所述最短距离小于预设距离阈值，确认所述轨迹数据与所述几何路网匹配，获得与所述轨迹数据匹配的几何路网。
其中，预设距离阈值可以是预先存储在终端设备中的，也可以是通过无线通信技术从相关联的云端或电子设备获得的，还可以是通过串口通信接口从相关联的电子设备获得的；预设距离阈值可以是用户自主设定的，也可以是通过第三方实验数据获得的。
示例性的，请参阅图2，图2为轨迹数据与几何路网匹配的示意图。假设预设距离阈值为20米是通过第三方实验数据获得的预先存储在终端设备的存储单元；曲线MN为利用分片式数据采集方式采集的轨迹数据中的轨迹，折线A→B→C→D→E→F→G→H为与所述轨迹数据匹配的几何路网，其中，轨迹数据中曲线MN轨迹上的轨迹点到几何路网A→B→C→D→E→F→G→H的最短距离都小于预设距离阈值20米。
在一些实施方式中，将所述几何路网的两个节点的连线作为所述轨迹数据对应的投影主方向，并将各所述分片式道路数据投影在所述投影主方向，获得各所述分片式道路数据中的重叠道路数据可以是：将所述几何路网的两个节点的连线作为所述轨迹数据对应的投影主方向；将与所述几何路网的两个节点之间的几何路网匹配的轨迹数据包括的各分片式道路数据对应的起始点与结束点投影在所述投影主方向，根据各所述分片式道路数据对应的起始点与结束点在所述投影主方向的位置，获得各所述分片式道路数据中的重叠道路数据。其中，将与所述几何路网的两个节点之间的几何路网匹配的轨迹数据包括的各分片式道路数据对应的起始点与结束点投影在所述投影主方向，即把各所述分片式道路数据的二维数据，转换成一维数据。
具体地，分片式道路数据对应的起始点与结束点可以是，该分片式道路数据对应的车道线投影到投影主方向上距离最远的两个点。其中，起始点与结束点取决于该分片式道路数据对应的轨迹的行进顺序，具体的，起始点在结束点行进顺序之前。重叠道路数据即为各分片式道路数据与相邻分片式道路数据重叠的道路数据。
几何路网的两个节点可以是该几何路网上连接一段道路的两个节点，该两个节点可以是几何路网上连接一段路网连续的两个节点，也可以是几何路网上不连续的两个节点。
示例性的，请再次参阅图2，几何路网A→B→C→D→E→F→G→H的两个节点，可以是连接道路AB段的节点A和节点B，也可以是连接道路BC段的节点B和节点C，还可以是连接道路AC段的节点A和节点C等几何路网A→B→C→D→E→F→G→H上连接一段道路的两个节点。
在一些实施方式中，请参阅图3，将所述几何路网的两个节点的连线作为所述轨迹数据对应的投影主方向可以是，将图3所示的几何路网A→B中连接路网AB段的节点A和节点B的连线作为轨迹数据对应的投影主方向。将与几何路网的两个节点之间的几何路网匹配的轨迹数据包括的各分片式道路数据对应的起始点与结束点投影在投影主方向可以是，将与节点A和节点B之间的路网AB段匹配的轨迹数据包括的分片式道路数据(分片1和分片2)对应的起始点与结束点投影在投影主方向。其中，分片1对应的车道线投影到投影主方向上距离最远的两个点为t0和t2，分片1对应的轨迹的行进顺序为t0→t2，分片2对应的车道线投影到投影主方向上距离最远的两个点为t1和t3，分片2对应的轨迹的行进顺序为t1→t3；所以，分片1的起始点投影在投影主方向的点为t0，结束点投影在投影主方向的点为t2，分片2的起始点投影在投影主方向的点为t1，结束点投影在投影主方向的点为t3。具体地，分片1与分片2的起始点与结束点投影在所述投影主方向的位置如图3所示。根据各所述分片式道路数据对应的起始点与结束点在所述投影主方向的位置，获得各所述分片式道路数据中的重叠道路数据可以是，根据分片1与分片2对应的起始点与结束点在所述投影主方向的位置，获得投影主方向上t1-t2段反投影在分片1上的道路数据为分片1的重叠道路数据，投影主方向上t1-t2段反投影在分片2上的道路数据为分片2的重叠道路数据。
在一些实施方式中，请参阅图4，将所述几何路网的两个节点的连线作为所述轨迹数据对应的投影主方向可以是，将几何路网A→B中连接路网AB段的节点A和节点B的连线作为所述轨迹数据对应的投影主方向，以节点A为坐标原点，A→B的方向为正方向建立坐标系。将与几何路网的两个节点之间的几何路网匹配的轨迹数据包括的各分片式道路数据对应的起始点与结束点投影在投影主方向可以是，将与节点A和节点B之间的路网AB段匹配的轨迹数据包括的分片式道路数据(分片1和分片2)对应的起始点与结束点投影在投影主方向。其中，分片1对应的车道线投影到投影主方向上距离最远的两个点为t1和t2，分片1对应的轨迹的行进顺序为t0→t2，分片2对应的车道线投影到投影主方向上距离最远的两个点为t1和t3，分片2对应的轨迹的行进顺序为t1→t3；所以，分片1的起始点投影在投影主方向的点为t0坐标为(0.05，0)，结束点投影在投影主方向的点为t2坐标为(0.5，0)，分片2的起始点投影在投影主方向的点为t1坐标为(0.4，0)，结束点投影在投影主方向的点为t3坐标为(0.95，0)。具体地，分片1与分片2的起始点与结束点投影在所述投影主方向如图4所示。根据各所述分片式道路数据对应的起始点与结束点在所述投影主方向的位置，获得各所述分片式道路数据中的重叠道路数据可以是，根据分片1与分片2对应的起始点与结束点在投影主方向的位置t1的横坐标小于t2的横坐标(0.4<0.5)，获得投影主方向上t1-t2段反投影在分片1上的道路数据为分片1的重叠道路数据，投影主方向上t1-t2段反投影在分片2上的道路数据为分片2的重叠道路数据。
步骤S130：根据所述分片式道路数据得到所述重叠道路数据对应的车道线的线匹配关系以及分片式道路数据的点匹配关系。
在本申请实施中，根据所述分片式道路数据得到所述重叠道路数据对应的车道线的线匹配关系可以是，计算各所述分片式道路数据中的各车道线到所述投影主方向的矢量距离；根据所述重叠道路数据和该重叠道路数据对应的分片式道路数据的矢量距离，对该重叠道路数据对应的分片式道路数据的车道线进行匹配，得到该重叠道路数据对应的车道线的线匹配关系。
在一些实施方式中，矢量距离为分片式道路数据中的车道线中的目标点到投影主方向的矢量距离；所述目标点为重叠道路数据所在区域的端点反投影在车道线上的位置。请参阅图5，重叠道路数据所在区域的端点为t1和t2，目标点可以为投影主方向上的点t2反投影在重叠道路数据对应的车道线上的位置(点a、点b、点c、点d、点e以及点f)。
其中，计算各所述分片式道路数据中的各车道线到所述投影主方向的矢量距离，即，计算分片式道路数据中的车道线中的目标点到所述投影主方向的有方向的距离。
在一些实施方式中，分片式道路数据中的车道线中的目标点到所述投影主方向的矢量距离为正值可以表示该目标点位于投影主方向的左侧，该目标点所在的车道线位于投影主方向的左侧；分片式道路数据中的车道线中的目标点到所述投影主方向的矢量距离为负值可以表示该目标点位于投影主方向的右侧，该目标点所在的车道线位于投影主方向的右侧。示例性的，请参阅图6，点在
的左侧，记为“+”，例如点m；点在
的右侧，记为“-”，例点n。其中，点m到直线AB的距离为点m所在车道线的矢量距离的大小，方向为m→t4；n到直线AB的距离为点n所在车道线的矢量距离的大小，方向为n→t5。
在另一些实施方式中，分片式道路数据中的车道线中的目标点到所述投影主方向的矢量距离为正值可以表示该目标点位于投影主方向的右侧，该目标点所在的车道线位于投影主方向的右侧；分片式道路数据中的车道线中的目标点到所述投影主方向的矢量距离为负值可以表示该目标点位于投影主方向的左侧，该目标点所在的车道线位于投影主方向的左侧。
在本申请实施例中，由于重叠道路数据对应的车道线在纵向(即车辆行进的方向)上缺少特征，所以可以对重叠道路数据中的车道线信息的匹配采用线匹配的方式。
具体地，根据所述重叠道路数据和该重叠道路数据对应的分片式道路数据的矢量距离，对该重叠道路数据对应的分片式道路数据的车道线进行匹配，得到该重叠道路数据对应的车道线的线匹配关系，可以是针对分片式道路数据中的一条车道线，获取与该分片式道路数据具有重叠道路数据的另一分片式道路数据，计算该车道线与另一分片式道路数据中各车道线之间的距离；根据距离最小的两条车道线建立该重叠道路数据对应的车道线的线匹配关系。
在一些实施方式中，针对分片式道路数据中的一条车道线，获取与该分片式道路数据具有重叠道路数据的另一分片式道路数据，计算该车道线与另一分片式道路数据中各车道线之间的距离，可以是根据各所述分片式道路数据中的各车道线到所述投影主方向的矢量距离，针对分片式道路数据中的一条车道线，获取另一分片式道路数据中与该车道线具有逻辑关系的车道线；计算该车道线与该车道线具有逻辑关系的各车道线之间的距离。
所述逻辑关系即车道线逻辑组合的过程，例如，分片1的车道线1可以分别与分片2的车道线1、车道线2、车道线3进行组合，进而计算分片1的车道线1与分片2的车道线1之间的距离、分片1的车道线1与分片2的车道线2之间的距离以及分片1的车道线1与分片2的车道线3之间的距离。
其中，所述计算该车道线与该车道线具有逻辑关系的各车道线之间的距离可以是，获取该车道线在重叠道路数据的路段与与该车道线具有逻辑关系的各车道线在重叠道路数据的路段；计算该重叠道路数据在投影主方向上同一位置反投影在该车道线的位置与与该车道线具有逻辑关系的各车道线的位置之间的第一距离；根据该车道线和与该车道线具有逻辑关系的各车道线之间的第一距离，获得该车道线与与该车道线具有逻辑关系的各车道线之间的目标距离值。所述根据距离最小的两条车道线建立该重叠道路数据对应的车道线的线匹配关系，可以是根据该车道线与与该车道线具有逻辑关系的各车道线之间的最小的目标距离值，建立该目标距离值对应的两车道线之间的线匹配关系。
需要说明的是，计算投影主方向上同一位置的反投影在该车道线的位置和与该车道线具有逻辑关系的各车道线的位置之间的距离时，投影主方向上同一位置的反投影在车道线上的位置存在重叠道路数据时，进行投影主方向上同一位置的反投影在该车道线的位置和与该车道线具有逻辑关系的各车道线的位置之间的第一距离的计算。
其中，所述第一距离可以是具有逻辑关系的两车道线之间的多个距离，也可以是对该两车道线在重叠道路数据的路段之间的距离求积分。所述目标距离值可以是该车道线在重叠道路数据的路段和与该车道线具有逻辑关系的某一车道线在重叠道路数据的路段的多个第一距离的均值、中值、众数、算数平均值等，在比较目标距离值的大小时，对应的目标距离值的类型相同，即同为个第一距离的均值、中值、众数、算数平均值等。
示例性的，请参阅图7，根据分片式道路数据分片1和分片2中的各车道线到所述投影主方向的矢量距离，针对分片1中的车道线1，获取分片2中与该车道线具有逻辑关系的车道线(分片2的车道线1、车道线2、车道线3)；计算分片1的车道线1和分片2中与该车道线具有逻辑关系的各车道线之间的第一距离。对分片1的车道线1与分片2的车道线1在重叠道路数据对应路段的第一距离求均值，获得目标距离值为a；对分片1的车道1与分片2的车道线2在重叠道路数据对应路段的第一距离求均值，获得目标距离值为b；对分片1的车道1与分片2的车道线3在重叠道路数对应路段的第一距离求均值，获得目标距离值为c；若a<b<c，则确定分片1的车道线1与分片2的车道线1匹配。
若确定分片1的车道线1与分片2的车道线1匹配，根据分片1对应的各车道线的矢量距离和分片2对应的各车道线的矢量距离，以及分片1的车道线1与分片2的车道线1匹配，获得分片1的车道线与分片2的车道线的逻辑关系。例如，获得分片1的车道线2与分片2的车道线的逻辑关系：分片1的车道线2与分片2的车道线2和车道线3具有逻辑关系。具体地，分片1的车道线2在分片1的车道线1的一矢量方向，分片2的车道线2和车道线3在分片2的车道线1的矢量方向与分片1的车道线2在分片1的车道线1的矢量方向相同，所以分片1的车道线2与分片2的车道线2和车道线3存在逻辑关系。根据该逻辑关系计算分片1的车道线2与分片2的车道线2之间的第一距离，以及计算分片1的车道线2与分片2的车道线3之间的第一距离。
若确定分片1的车道线1与分片2的车道线2匹配，根据分片1对应的各车道线的矢量距离和分片2对应的各车道线的矢量距离，以及分片1的车道线1与分片2的车道线2匹配，获得分片1的车道线与分片2的车道线的逻辑关系。例如，获得分片1的车道线2与分片2的车道线的逻辑关系：分片1的车道线2与分片2的车道线3具有逻辑关系。具体地，分片1的车道线2在分片1的车道线1的一矢量方向，分片2的车道线1在分片2的车道线2的矢量方向与分片1的车道线2在分片1的车道线1的矢量方向不同，所以分片1的车道线2与分片2的车道线1不存在逻辑关系；分片2的车道线3在分片2的车道线2的矢量方向与分片1的车道线2在分片1的车道线1的矢量方向相同，所以分片1的车道线2与分片2的车道线3存在逻辑关系。根据该逻辑关系计算分片1的车道线2与分片2的车道线3之间的第一距离。
在本申请实施例中，根据所述重叠道路数据中的目标位置，获得该重叠道路数据对应的分片式道路数据的点匹配关系，可以是根据所述重叠道路数据和该重叠道路数据中的道路标志的质心分别对应在该重叠道路数据对应的各分片式道路数据的位置，获得所述重叠道路数据对应的分片道路数据的点匹配关系。其中，道路标志可以是地面箭头、人行横道、停车线等道路标志。
示例性的，请参阅图8，其中，m为分片1中的箭头的质心、n为分片2中的箭头的质心。重叠道路数据对应的分片式道路数据为分片1和分片2，该重叠道路数据中的道路标志质心包括分片1中的箭头的质心m和分片2中的箭头的质心n，根据所述重叠道路数据和该重叠道路数据中的道路标志的质心分别对应在该重叠道路数据对应的各分片式道路数据的位置，获得所述重叠道路数据对应的分片1中的点m与分片2的中的点n匹配。
步骤S140：根据所述线匹配关系和所述点匹配关系，对所述重叠道路数据进行双向变换处理，得到处理后的重叠道路数据，对处理后的重叠道路数据进行加权融合得到目标道路数据。
在本申请实施例中，根据所述线匹配关系和所述点匹配关系，对所述重叠道路数据进行双向变换处理，即对重叠道路数据对应的各分片式道路数据进行变换。
在一些实施方式中，具体地，步骤S140可以是：根据所述线匹配关系和所述点匹配关系，将所述重叠道路数据对应的分片式道路数据进行矩阵变换处理，得到处理后的重叠道路数据；对处理后的重叠道路数据进行加权融合得到目标道路数据。
具体地，根据所述线匹配关系和所述点匹配关系，对所述重叠道路数据进行双向变换处理，得到处理后的重叠道路数据可以是，将获取重叠道路数据对应的分片式道路数据，根据该重叠道路数据对应的各分片式道路数据的线匹配关系和点匹配关系，对该重叠道路数据对应的各分片式道路数据进行初等变换、线性变换、反射变换、平移变换或者旋转变换等矩阵变换处理，得到处理后的重叠道路数据对应的各分片式道路数据的重合度不小于预设重合度阈值。
其中，所述预设重合度阈值可以是预先存储在终端设备的存储单元的，也可以是通过无线通信技术从相关联的云端或电子设备获得的，还可以是通过串口通信接口从相关联的电子设备获得的；所述预设重合度阈值可以是用户自主设定的，也可以是通过第三方实验数据获得的。
示例性的，请参阅图9，假设预设重合度阈值为90％是通过第三方实验数据获得的预先存储在终端设备的存储单元，重叠道路数据对应的分片式道路数据为分片1和分片2。其中，分片1与分片2的线匹配关系为：分片1的车道线1与分片2的车道线1匹配、分片1的车道线2与分片2的车道线2匹配、分片1的车道线3与分片2的车道线3匹配；分片1与分片2的点匹配关系为：分片1的箭头的质心m与分片2的剪头的质心n匹配，对分片1与分片2的进行平移变换、旋转变换处理，得到处理后的重叠道路数据对应的各分片式道路数据的重合度不小于预设重合度阈值，处理后的重叠道路数据如图9所示，其中，分片1的车道线1与分片2的车道线1重合度为92％(92％>90％)，分片1的车道线2与分片2的车道线2的重合度为92％(92％>90％)，分片1的车道线3与分片2的车道线3的重合度为92％(92％>90％)，分片1的箭头的目标质心m与分片2的剪头的目标质心n的重合度为92％(92％>90％)。
在本申请实施例中，对处理后的重叠道路数据进行加权融合得到目标道路数据可以是根据处理后的重叠道路数据中每个数据分别对应在各分片式道路数据的权重，对处理后的重叠道路数据进行加权融合，得到目标道路数据。
在本申请实施例中，考虑到对处理后的重叠道路数据进行流畅地拼接、处理后的重叠道路数据清晰对应的分片式道路数据之间的过渡平滑以及拼接后的重叠数据的清晰，可以对处理后的重叠道路数据进行加权融合，得到目标道路数据。
示例性的，请参阅图10，其中，处理后的重叠道路数据对应的分片式道路数据为分片1和分片2；分片1侧重叠道路数据的权重从1到0，分片2侧的重叠道路数据的权重从0到1，在处理后的重叠道路数据同一位置，分片1对应的道路数据权值与分片2对应的道路数据权值的和为1。具体的，分片1与分片2的权重分布可以是渐变的线性的，也可以是非线性的，此处不作限定。处理后的重叠道路数据中Q的坐标为(x，y，z)，假设分片1在Q点的权重为0.8，分片2在Q点的权重为0.2，对Q处重叠道路数据加权处理的结果为：0.8×分片1在(x，y，z)位置的道路数据+0.2×分片2在(x，y，z)位置的道路数据。对Q处重叠道路数据加权处理的结果即为对处理后的重叠道路数据进行加权融合得到目标道路数据。
本申请的技术方案，获取利用分片式数据采集方式采集的轨迹数据，所述轨迹数据中包括至少两片分片式轨迹数据，每个分片式轨迹数据对应有一个分片式道路数据；根据所述轨迹数据获得各所述分片式道路数据中的重叠道路数据；根据所述分片式道路数据得到所述重叠道路数据对应的车道线的线匹配关系以及分片式道路数据的点匹配关系；根据所述线匹配关系和所述点匹配关系，对所述重叠道路数据进行双向变换处理，得到处理后的重叠道路数据，对处理后的重叠道路数据进行加权融合得到目标道路数据。因此，采用本申请的上述方法，利用分片式道路数据间少许重叠道路数据获得分片式道路数据的点匹配关系以及分片式道路数据对应的车道线的线匹配关系，根据各分片式道路数据的线匹配关系和点匹配关系，对分片式道路数据进行融合，提高了对分片式道路数据进行数据融合后获得的道路数据的准确度。
请参阅图11，其示出了本申请的一实施例提供的一种分片式道路数据融合装置，所述装置200包括：道路数据获取单元210、重叠道路数据获取单元220、匹配关系获取单元230以及目标道路数据获取单元240。其中，道路数据获取单元210，获取利用分片式数据采集方式采集的轨迹数据，所述轨迹数据中包括至少两片分片式轨迹数据，每个分片式轨迹数据对应有一个分片式道路数据；重叠道路数据获取单元220，用于根据所述轨迹数据获得各所述分片式道路数据中的重叠道路数据；匹配关系获取单元230，用于根据所述分片式道路数据得到所述重叠道路数据对应的车道线的线匹配关系以及分片式道路数据的点匹配关系；目标道路数据获取单元240，用于根据所述线匹配关系和所述点匹配关系，对所述重叠道路数据进行双向变换处理，得到处理后的重叠道路数据，对处理后的重叠道路数据进行加权融合得到目标道路数据。
本申请的技术方案，根据主方向投影与分片式道路数据中的车道线的矢量距离的逻辑匹配关系，利用分片式道路数据间少许重叠的道路数据的点匹配关系和线匹配关系来对分片式道路数据进行拼接，将各类带重叠部分的结构化数据对齐，并对分片式道路数据的重叠道路数据进行加权融合，提高了对分片式道路数据进行数据融合后获得的道路数据的准确度与清晰度，同时使分片式道路数据平滑过渡到相邻的分片式道路数据。
需要说明的是，本说明书的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。对于方法实施例中的所描述的任意的处理方式，在装置实施例中均可以通过相应的处理模块实现，装置实施例中不再一一赘述。
请参阅图12，基于上述的一种分片式道路数据融合的方法，本申请实施例还提供了一种包括可以执行前述一种分片式道路数据融合的方法的电子设备300，电子设备300还包括一个或多个处理器310、存储器320以及一个或多个应用程序。其中，该存储器320中存储有可以执行前述实施例中内容的程序，而处理器310可以执行该存储器320中存储的程序。其中，电子设备300可以是车辆、智能机器人、平板电脑、个人计算机等。
其中，处理器310可以包括一个或者多个用于处理数据的核以及消息矩阵单元。处理器310利用各种接口和线路连接整个电子设备内的各个部分，通过运行或执行存储在存储器320内的指令、程序、代码集或指令集，以及调用存储在存储器320内的数据，执行电子设备300的各种功能和处理数据。可选地，处理器310可以采用数字信号处理(DigitalSignal Processing，DSP)、现场可编程门阵列(Field－Programmable GateArray，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现。处理器310可集成中央处理器(Central Processing Unit，CPU)、图像处理器(Graphics ProcessingUnit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器中，单独通过一块通信芯片进行实现。
存储器320可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。存储器320可用于存储指令、程序、代码、代码集或指令集。存储器320可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如获取利用分片式数据采集方式采集的轨迹数据等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端在使用中所创建的数据(比如预设距离阈值、线匹配关系、点匹配关系)等。
请参阅图13，其示出了本申请实施例提供的一种计算机可读存储介质400的结构框图。该计算机可读存储介质400中存储有程序代码410，所述程序代码410可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质400可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地，计算机可读存储介质包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质具有执行上述方法中的任何方法步骤的程序代码410的存储空间。这些程序代码410可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码410可以例如以适当形式进行压缩。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (7)
1.一种分片式道路数据融合的方法，其特征在于，所述方法包括：
获取利用分片式数据采集方式采集的轨迹数据，所述轨迹数据中包括至少两片分片式轨迹数据，每个分片式轨迹数据对应有一个分片式道路数据；
根据所述轨迹数据，获得与所述轨迹数据匹配的几何路网；
将所述几何路网的两个节点的连线作为所述轨迹数据对应的投影主方向，并将各所述分片式道路数据投影在所述投影主方向，获得各所述分片式道路数据中的重叠道路数据；
计算各所述分片式道路数据中的各车道线到所述投影主方向的矢量距离；
根据所述重叠道路数据和该重叠道路数据对应的分片式道路数据的矢量距离，对该重叠道路数据对应的分片式道路数据的车道线进行匹配，得到该重叠道路数据对应的车道线的线匹配关系；
根据所述重叠道路数据和该重叠道路数据中的道路标志的质心分别对应在该重叠道路数据对应的各分片式道路数据的位置，获得所述重叠道路数据对应的各分片道路数据的点匹配关系；
根据所述线匹配关系和所述点匹配关系，将所述重叠道路数据对应的分片式道路数据进行矩阵变换处理，得到处理后的重叠道路数据；
根据处理后的重叠道路数据中每个数据分别对应在各分片式道路数据的权重，对处理后的重叠道路数据进行加权融合，得到目标道路数据。
2.根据权利要求1所述的分片式道路数据融合的方法，其特征在于，所述根据所述轨迹数据，获得与所述轨迹数据匹配的几何路网包括：
获取所述轨迹数据上的各轨迹点到几何路网的最短距离；
若所述最短距离小于预设距离阈值，确认所述轨迹数据与所述几何路网匹配，获得与所述轨迹数据匹配的几何路网。
3.根据权利要求1所述的分片式道路数据融合的方法，其特征在于，所述将所述几何路网的两个节点的连线作为所述轨迹数据对应的投影主方向，并将所述各分片式道路数据投影在所述投影主方向，获得各所述分片式道路数据中的重叠道路数据，包括：
将所述几何路网的两个节点的连线作为所述轨迹数据对应的投影主方向；
将与所述几何路网的两个节点之间的几何路网匹配的轨迹数据包括的各分片式道路数据对应的起始点与结束点投影在所述投影主方向，根据各所述分片式道路数据对应的起始点与结束点在所述投影主方向的位置，获得各所述分片式道路数据中的重叠道路数据。
4.根据权利要求1所述的分片式道路数据融合的方法，其特征在于，所述矢量距离为所述分片式道路数据中的车道线中的目标点到所述投影主方向的矢量距离，所述目标点为重叠道路数据所在区域的端点反投影在车道线上的位置，所述根据所述重叠道路数据和该重叠道路数据对应的分片式道路数据的矢量距离，对该重叠道路数据对应的分片式道路数据的车道线进行匹配，得到该重叠道路数据对应的车道线的线匹配关系，包括：
针对分片式道路数据中的一条车道线，获取与该分片式道路数据具有重叠道路数据的另一分片式道路数据，计算该车道线与另一分片式道路数据中各车道线之间的距离；
根据距离最小的两条车道线建立该重叠道路数据对应的车道线的线匹配关系。
5.一种分片式道路数据融合装置，其特征在于，所述装置包括：
道路数据获取单元，用于获取利用分片式数据采集方式采集的轨迹数据，所述轨迹数据中包括至少两片分片式轨迹数据，每个分片式轨迹数据对应有一个分片式道路数据；
几何路网获取单元，用于根据所述轨迹数据，获得与所述轨迹数据匹配的几何路网；
重叠道路数据获取单元，用于将所述几何路网的两个节点的连线作为所述轨迹数据对应的投影主方向，并将各所述分片式道路数据投影在所述投影主方向，获得各所述分片式道路数据中的重叠道路数据；
矢量距离获取单元，用于计算各所述分片式道路数据中的各车道线到所述投影主方向的矢量距离；
线匹配单元，用于根据所述重叠道路数据和该重叠道路数据对应的分片式道路数据的矢量距离，对该重叠道路数据对应的分片式道路数据的车道线进行匹配，得到该重叠道路数据对应的车道线的线匹配关系；
点匹配单元，用于根据所述重叠道路数据和该重叠道路数据中的道路标志的质心分别对应在该重叠道路数据对应的各分片式道路数据的位置，获得所述重叠道路数据对应的各分片道路数据的点匹配关系；
目标道路数据获取单元，用于根据所述线匹配关系和所述点匹配关系，将所述重叠道路数据对应的分片式道路数据进行矩阵变换处理，得到处理后的重叠道路数据；根据处理后的重叠道路数据中每个数据分别对应在各分片式道路数据的权重，对处理后的重叠道路数据进行加权融合，得到目标道路数据。
6.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行如权利要求1-4任一项所述的方法。
7.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1-4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111621717.4A CN114492582B (zh) | 2021-12-28 | 2021-12-28 | 一种分片式道路数据融合的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111621717.4A CN114492582B (zh) | 2021-12-28 | 2021-12-28 | 一种分片式道路数据融合的方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114492582A CN114492582A (zh) | 2022-05-13 |
| CN114492582B true CN114492582B (zh) | 2022-10-14 |
Family
ID=81496675
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111621717.4A Active CN114492582B (zh) | 2021-12-28 | 2021-12-28 | 一种分片式道路数据融合的方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114492582B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116625385B (zh) * | 2023-07-25 | 2024-01-26 | 高德软件有限公司 | 路网匹配方法、高精地图构建方法、装置及设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018015811A1 (en) * | 2016-07-21 | 2018-01-25 | Mobileye Vision Technologies Ltd. | Crowdsourcing and distributing a sparse map, and lane measurements for autonomous vehicle navigation |
| CN109214314A (zh) * | 2018-08-17 | 2019-01-15 | 宽凳（北京）科技有限公司 | 一种车道线自动融合匹配算法 |
| CN109612474A (zh) * | 2018-12-26 | 2019-04-12 | 腾讯科技（深圳）有限公司 | 一种地图道路匹配方法、装置、服务器及存储介质 |
| CN110019603A (zh) * | 2017-10-31 | 2019-07-16 | 高德软件有限公司 | 一种道路数据融合处理方法及装置 |
| CN112747755A (zh) * | 2019-10-30 | 2021-05-04 | 武汉四维图新科技有限公司 | 道路线确定方法、装置、可读存储介质及地图更新系统 |
| CN113155141A (zh) * | 2021-04-09 | 2021-07-23 | 阿波罗智联(北京)科技有限公司 | 地图的生成方法、装置、电子设备及存储介质 |
| WO2021212294A1 (en) * | 2020-04-21 | 2021-10-28 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining a two-dimensional map |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108470159B (zh) * | 2018-03-09 | 2019-12-20 | 腾讯科技（深圳）有限公司 | 车道线数据处理方法、装置、计算机设备和存储介质 |
-
2021
- 2021-12-28 CN CN202111621717.4A patent/CN114492582B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018015811A1 (en) * | 2016-07-21 | 2018-01-25 | Mobileye Vision Technologies Ltd. | Crowdsourcing and distributing a sparse map, and lane measurements for autonomous vehicle navigation |
| CN110019603A (zh) * | 2017-10-31 | 2019-07-16 | 高德软件有限公司 | 一种道路数据融合处理方法及装置 |
| CN109214314A (zh) * | 2018-08-17 | 2019-01-15 | 宽凳（北京）科技有限公司 | 一种车道线自动融合匹配算法 |
| CN109612474A (zh) * | 2018-12-26 | 2019-04-12 | 腾讯科技（深圳）有限公司 | 一种地图道路匹配方法、装置、服务器及存储介质 |
| CN112747755A (zh) * | 2019-10-30 | 2021-05-04 | 武汉四维图新科技有限公司 | 道路线确定方法、装置、可读存储介质及地图更新系统 |
| WO2021212294A1 (en) * | 2020-04-21 | 2021-10-28 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining a two-dimensional map |
| CN113155141A (zh) * | 2021-04-09 | 2021-07-23 | 阿波罗智联(北京)科技有限公司 | 地图的生成方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| System Integration of Sensor-Fusion Localization Tasks Using Vision-Based Driving Lane Detection and Road-Marker Recognition;C. -Y. Lin and F. -L. Lian;《IEEE》;20190930;4523-4534 * |
| 分段切换车道模型在车道线识别中的应用;钱鹰;《计算机应用》;20111231;137-139 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114492582A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11738770B2 (en) | Determination of lane connectivity at traffic intersections for high definition maps | |
| US11367217B2 (en) | Image processing method and apparatus, and related device | |
| CN110869981B (zh) | 用于自主车辆的高清晰度地图数据的向量数据编码 | |
| US20200393265A1 (en) | Lane line determination for high definition maps | |
| JP5216665B2 (ja) | 地図データ更新システム及び地図データ更新プログラム、並びにこれを利用したナビゲーション装置及び車両制御装置 | |
| CN111542860A (zh) | 用于自主车辆的高清地图的标志和车道创建 | |
| CN111665845B (zh) | 用于规划路径的方法、装置、设备以及存储介质 | |
| CN111260779B (zh) | 地图构建方法、装置及系统、存储介质 | |
| CN113495940B (zh) | 道路区域校正装置、道路区域校正方法以及能够由计算机读取的记录介质 | |
| CN114492582B (zh) | 一种分片式道路数据融合的方法、装置、设备及存储介质 | |
| CN113033497B (zh) | 车道线识别方法、装置、设备及计算机可读存储介质 | |
| CN116740667B (zh) | 路口面数据生成方法、装置、电子设备及存储介质 | |
| KR102562994B1 (ko) | 차량 주행 경로 지도 생성 방법, 장치 및 컴퓨터프로그램 | |
| Wang et al. | Map-enhanced ego-lane detection in the missing feature scenarios | |
| CN113008260A (zh) | 一种导航信息处理方法、装置、电子设备及存储介质 | |
| CN110986945A (zh) | 基于语义高度地图的局部导航方法和系统 | |
| CN111531536A (zh) | 机器人控制方法、机器人、电子设备和可读存储介质 | |
| CN112912894B (zh) | 道路边界识别方法和装置 | |
| CN112765302B (zh) | 位置信息的处理方法、装置及计算机可读介质 | |
| CN114549562A (zh) | 基于UNet的半自动化的倾斜摄影实景模型建筑物单体化方法、系统、设备和存储介质 | |
| CN112017262B (zh) | 路面标识生成方法及装置、存储介质及电子设备 | |
| CN110827393B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN116342745A (zh) | 车道线数据的编辑方法、装置、电子设备及存储介质 | |
| US20230236021A1 (en) | Information processing device | |
| Jiao et al. | A digital twin-based motion forecasting framework for preemptive risk monitoring |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240227 Address after: 510000 No.8 Songgang street, Cencun, Tianhe District, Guangzhou City, Guangdong Province Patentee after: GUANGZHOU XIAOPENG MOTORS TECHNOLOGY Co.,Ltd. Country or region after: China Address before: Room 46, room 406, No.1, Yichuang street, Zhongxin knowledge city, Huangpu District, Guangzhou City, Guangdong Province Patentee before: Guangzhou Xiaopeng Automatic Driving Technology Co.,Ltd. Country or region before: China |