CN114705148B - 基于二次筛选的道路弯曲点检测方法和装置 - Google Patents
基于二次筛选的道路弯曲点检测方法和装置 Download PDFInfo
- Publication number
- CN114705148B CN114705148B CN202210352115.1A CN202210352115A CN114705148B CN 114705148 B CN114705148 B CN 114705148B CN 202210352115 A CN202210352115 A CN 202210352115A CN 114705148 B CN114705148 B CN 114705148B
- Authority
- CN
- China
- Prior art keywords
- road
- radius
- bending
- node
- nodes
- 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
- 238000005452 bending Methods 0.000 title claims abstract description 184
- 238000001514 detection method Methods 0.000 title claims abstract description 76
- 238000012216 screening Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000003860 storage Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012625 in-situ measurement Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/20—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring contours or curvatures, e.g. determining profile
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例提供了基于二次筛选的道路弯曲点检测方法和装置。所述方法包括:指定道路平面坐标系,读取道路线形信息的节点和节点位置信息;对节点进行第一次筛选:根据节点确定弯曲度检测单元,计算弯曲度检测单元的外接圆半径,将外接圆半径在预设半径阈值以内的弯曲度检测单元对应的节点作为道路的弯曲点,识别得到弯曲路段;对节点进行第二次筛选:搜索在指定所述弯曲点预设距离阈值范围以内的所有弯曲点,获取这些弯曲点第一次筛选计算得到的半径值,计算预设距离阈值范围以内所有外接圆半径的最小值,将最小值对应的所述节点作为所述弯曲路段的唯一弯曲点。以此方式,可以快速筛选出大范围道路数据中弯曲程度较大的道路和弯曲点。
Description
技术领域
本公开的实施例一般涉及道路线形检测的道路数据弯曲点提取领域,并且更具体地,涉及基于二次筛选的道路弯曲点检测方法和装置。
背景技术
人民的社会生产、生活以及经济发展与交通系统密切相关,道路体系作为交通系统的骨架,在其中发挥着重要支撑作用。道路的线形设计不合理往往会形成安全隐患,因此相应部门定期对道路弯曲程度较大的道路进行改建和扩建,确保驾驶者和乘客的安全。
道路的弯曲程度检测对于存在隐患和危险路段的排查、改扩建等有较大的参考价值,而现在的道路弯曲程度检测往往是通过人工实地测量完成,周期长且容易受到实地环境和天气的影响,耗费大量的人力、财力、物力。如果能够实现对大范围道路数据的弯曲程度进行初步检测,筛选出弯曲程度较大的道路弯曲点,为人工核查提供事先的参考和依据,进而对筛选出的弯曲点进行人工核查,将大大缩小实地核查范围,显著减少实地测设的任务量,从而降低道路的弯曲程度检测成本,并有效推进道路改扩建工作准确率和效率。
发明内容
根据本公开的实施例,提供了一种基于二次筛选的道路弯曲点检测方法和装置,实现快速高效地筛选出大范围道路数据中弯曲程度过大的道路和弯曲点。
在本公开的第一方面,提供了一种基于二次筛选的道路弯曲点检测方法。该方法包括:
指定道路平面坐标系,读取道路数据的节点和节点位置信息;
对所述节点进行第一次筛选:根据所述节点确定弯曲度检测单元,根据所述节点和所述节点位置信息计算所述弯曲度检测单元的外接圆半径,并存储每个节点处的半径值,将外接圆半径在预设半径阈值以内的所述弯曲度检测单元对应的所述节点作为道路的弯曲点,识别得到弯曲路段;
对所述节点进行第二次筛选:搜索在指定所述弯曲点的预设距离阈值范围以内的所有弯曲点,获取这些弯曲点第一次筛选计算得到的半径值,计算预设距离阈值范围以内所有外接圆半径的最小值,将外接圆半径的最小值对应的所述节点作为所述弯曲路段的唯一弯曲点;
输出弯曲路段的唯一弯曲点。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述指定道路平面坐标系,读取道路数据的节点和节点位置信息,包括:
沿道路前进方向选取所述节点,将所述节点记为{A0,A1,A2...An},所述节点位置信息包括与节点对应的节点坐标,将所述节点坐标记为(x0,y0),(x1,y1),(x2,y2)...(xn,yn)。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述根据所述节点确定弯曲度检测单元,包括:
判断道路数据的节点是否不少于3个;
如果道路的所述节点的总数少于3个,则该道路定义为直线,结束弯曲点检测;
如果道路的所述节点的总数不少于3个,则从起始节点开始,每相邻3个所述节点构成一个弯曲度检测单元,对于所述节点的总数为n的道路,所述弯曲度检测单元的总数为n-2。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述根据所述节点和所述节点位置信息计算所述弯曲度检测单元的外接圆半径,并存储每个节点处的半径值,将外接圆半径在预设半径阈值以内的所述弯曲度检测单元对应的所述节点作为道路的弯曲点,识别得到弯曲路段,包括:
根据每相邻3个所述节点和与所述节点对应的所述节点坐标,计算所述弯曲度检测单元的外接圆半径;
根据实际应用需求、道路弯曲点检测目的和标准,确定预审半径阈值RTH;
若所述弯曲度检测单元的外接圆半径在预设半径阈值RTH以内,则将所述弯曲度检测单元所包含的所述节点作为弯曲点,给每个所述弯曲点赋外接圆半径属性,根据弯曲点识别得到道路中的弯曲路段,否则筛选掉所述节点。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述搜索在指定所述弯曲点的预设距离阈值范围以内的所有弯曲点,获取这些弯曲点第一次筛选计算得到的半径值,计算预设距离阈值范围以内所有外接圆半径的最小值,将外接圆半径的最小值对应的所述节点作为所述弯曲路段的唯一弯曲点,包括:
根据实际路网情况,确定预设距离阈值DistTH;
在当前弯曲路段内,搜索在起始弯曲点预设距离阈值DistTH范围以内的所有弯曲点{Al,Al+1,Al+2...Ak},其判断公式为
搜索在预设距离阈值DistTH范围内的所有弯曲点{Al,Al+1,Al+2...Ak}的外接圆半径,计算外接圆半径的局部最小值min{Rl,Rl+1,Rl+2...Rk};
所述局部最小值min{Rl,Rl+1,Rl+2...Rk}所对应的所述弯曲点作为当前弯曲路段的唯一弯曲点;
沿道路前进方向,依次得到每个弯曲路段的局部最小值,确定每个弯曲路段的唯一弯曲点。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述输出弯曲路段的唯一弯曲点,包括:输出道路的弯曲路段和弯曲路段的唯一弯曲点数据,并给每个所述弯曲点赋外接圆半径属性。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述输出道路的弯曲路段和弯曲路段的唯一弯曲点数据,并给每个所述弯曲点赋外接圆半径属性,包括:
在输出的弯曲点数据中建立字段radius,字段radius用于保存每个弯曲点处的外接圆半径大小;
依据所述预设半径阈值,统计道路的弯曲点处的外接圆半径并录入字段radius中。
在本公开的第二方面,提供了一种基于二次筛选的道路弯曲点检测装置。该装置包括:
节点读取模块,用于指定道路平面坐标系,读取道路线形信息的节点和节点位置信息;
第一次筛选模块,用于对所述节点进行第一次筛选:根据所述节点确定弯曲度检测单元,根据所述节点和所述节点位置信息计算所述弯曲度检测单元的外接圆半径,并存储每个节点处的半径值,将外接圆半径在预设半径阈值以内的所述弯曲度检测单元对应的所述节点作为道路的弯曲点,识别得到弯曲路段;
第二次筛选模块,用于对所述节点进行第二次筛选:搜索在指定所述弯曲点的预设距离阈值范围以内的所有弯曲点,获取这些弯曲点第一次筛选计算得到的半径值,计算预设距离阈值范围以内所有外接圆半径的最小值,将外接圆半径的最小值对应的所述节点作为所述弯曲路段的唯一弯曲点。
在本公开的第三方面,提供了一种电子设备。该电子设备包括:存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
在本公开的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上所述的方法。
本发明提供的基于二次筛选的道路弯曲点检测方法和装置,实现了可以快速筛选出大范围道路数据中弯曲程度较大的道路和弯曲程度较大的道路的唯一弯曲点,对问题路段进行明确标识,检测过程快速高效。
在经一次筛选从所有节点中得到弯曲点和弯曲路段,即弯曲程度较大的道路后,经二次筛选得到弯曲程度较大的道路局部唯一弯曲点,从而为人工核查提供事先的参考和依据,进而对筛选出的唯一弯曲点进行人工核查,大大缩小人工实地核查的筛查范围,显著减轻后续核查工作的任务量,从而降低道路的弯曲程度检测成本,并有效推进道路改扩建工作准确率和效率。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1示出了根据本公开的实施例的基于二次筛选的道路弯曲点检测方法的流程图;
图2示出了根据本公开的实施例的基于二次筛选的道路弯曲点检测方法的流程图;
图3示出了根据本公开的实施例的道路数据的节点位置信息示意图;
图4示出了根据本公开的实施例的第一次筛选计算弯曲度检测单元外接圆半径示意图;
图5示出了根据本公开的实施例的第二次筛选唯一弯曲点过程示意图;
图6示出了根据本公开的实施例的第二次筛选输出的唯一弯曲点结果示意图;
图7示出了根据本公开的实施例的基于二次筛选的道路弯曲点检测装置的方框图;
图8示出了能够实施本公开的实施例的示例性电子设备的方框图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,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全部其他实施例,都属于本公开保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1、2示出了基于二次筛选的道路弯曲点检测方法100的流程图,本公开提供的基于二次筛选的道路弯曲点检测方法100包括以下步骤:
步骤102:指定道路平面坐标系,读取道路数据的节点和节点位置信息。
图3示出了道路数据的节点位置信息示意图,指定道路平面坐标系,读取道路线形信息,对道路网中每条道路ROADi,沿道路前进方向选取节点,将节点记为{A0,A1,A2...An},节点位置信息包括与节点对应的节点坐标,将节点坐标记为(x0,y0),(x1,y1),(x2,y2)...(xn,yn)。
步骤104:对节点进行第一次筛选:根据节点确定弯曲度检测单元,根据节点和节点位置信息计算弯曲度检测单元的外接圆半径,并存储每个节点处的半径值,将外接圆半径在预设半径阈值以内的弯曲度检测单元对应的节点作为道路的弯曲点,识别得到弯曲路段。
步骤1042:对道路网中每条道路ROADi,判断道路数据的节点是否不少于3个。
如果道路的节点的总数少于3个,则该道路定义为直线,不进行弯曲点提取,结束弯曲点检测;
如果道路的节点的总数不少于3个,则从起始节点A0开始,每相邻3个节点构成一个弯曲度检测单元,对于节点的总数为n的道路,弯曲度检测单元的总数为n-2。
步骤1044:根据每相邻3个节点和与节点对应的节点坐标,计算弯曲度检测单元的外接圆半径;
根据实际应用需求、道路弯曲点检测目的和标准,确定预审半径阈值RTH;
若弯曲度检测单元的外接圆半径在预设半径阈值RTH以内,则将弯曲度检测单元所包含的节点作为弯曲点,根据弯曲点识别得到道路中的弯曲路段,否则筛选掉节点。
图4示出了第一次筛选计算弯曲度检测单元外接圆半径示意图,对每相邻3个连续的节点构成的一个弯曲度检测单元,计算一次外接圆半径,已知3个节点Am(xm,ym),Am+1(xm+1,ym+1),Am+2(xm+2,ym+2),当m=1时,道路数据中的连续3个节点A1,A2,A3的节点坐标为(x1,y1),(x2,y2),(x3,y3),3个节点构成的外接圆圆心的坐标为(X,Y),基于外接圆的圆心是三角形三条边的垂直平分线的交点,根据圆心到顶点的距离相等,列出以下方程:
(x2-X)2+(y2-Y)2=(x3-X)2+(y3-Y)2,
(x1-X)2+(y1-Y)2=(x2-X)2+(y2-Y)2,
令a=2*(x3-x2),
b=2*(y3-y2),
c=x3*x3-x2*x2+y3*y3-y2*y2,
e=2*(x2-x1),
f=2*(y2-y1),
g=x2*x2-x1*x1+y2*y2-y1*y1,
即得到,
其中,R表示3个节点构成的外接圆的半径。
判断R值是否小于等于RTH;在一些实施方式中,若R值小于等于RTH,则将三个节点中的第一个节点,即节点A1作为弯曲点;否则将三个节点中的第一个节点筛选排除,不对该节点进行第二次筛选。
或者,在其他一些实施方式中,若R值小于等于RTH,则将三个节点中的第二个节点,即节点A2作为弯曲点;否则将三个节点中的第二个节点筛选排除。
进一步地,沿道路前进方向,对每相邻3个节点{A0,A1,A2},{A1,A2,A3},{A2,A3,A4}...{An-2,An-1,An}构成的弯曲度检测单元进行外接圆半径计算,并存储每个节点处的半径值,得到外接圆半径{R0,R1,R2...Rn},筛选半径小于等于预设半径阈值RTH的节点作为弯曲点,并且识别道路数据中弯曲点所对应的所有弯曲程度较大的路段作为弯曲路段。
从而,经过第一次筛选,先从大范围道路数据中筛选出弯曲点及弯曲程度较大的弯曲路段,将不属于弯曲点的节点排除。
步骤106:对节点进行第二次筛选:搜索在指定弯曲点的预设距离阈值范围以内的所有弯曲点,获取这些弯曲点第一次筛选计算得到的半径值,计算预设距离阈值范围以内所有外接圆半径的最小值,将外接圆半径的最小值对应的节点作为弯曲路段的唯一弯曲点。
步骤1062:根据实际路网情况,确定预设距离阈值DistTH;
步骤1064:在当前弯曲路段内,搜索在起始弯曲点预设距离阈值DistTH范围以内的所有弯曲点{Al,Al+1,Al+2...Ak},其判断公式为
搜索在预设距离阈值DistTH范围内的所有弯曲点{Al,Al+1,Al+2...Ak}的外接圆半径,计算外接圆半径的局部最小值min{Rl,Rl+1,Rl+2...Rk},
局部最小值min{Rl,Rl+1,Rl+2...Rk}所对应的弯曲点作为当前弯曲路段的唯一弯曲点。
步骤1066:沿道路前进方向,依次获取每个弯曲路段的局部最小值,确定每个弯曲路段的唯一弯曲点。
图5示出了第二次筛选唯一弯曲点过程示意图,沿道路前进方向,按照起始弯曲点预设距离阈值DistTH范围内的唯一弯曲点的计算提取过程,提取每个弯曲程度较大的弯曲路段的唯一弯曲点。
具体地,在确定下一个弯曲路段的唯一弯曲点时,读取起始弯曲点预设距离阈值DistTH范围外的第一个弯曲点Ak+1,搜索在弯曲点Ak+1预设距离阈值DistTH范围以内的所有弯曲点{Ak+1,Ak+2,Ak+3...Ap},其判断公式为
搜索在预设距离阈值DistTH范围以内的所有弯曲点{Ak+1,Ak+2,Ak+3...Ap}的外接圆半径,计算外接圆半径的局部最小值min{Rk+1,Rk+2,Rk+3...Rp};
局部最小值min{Rk+1,Rk+2,Rk+3...Rp}所对应的弯曲点作为下一弯曲路段的唯一弯曲点。
依照上述步骤,计算得到每个弯曲路段的外接圆半径的局部最小值minR,确定每个弯曲路段的唯一弯曲点,保证道路弯曲程度较大处具备唯一弯曲点。从而,经过第二次筛选,从大范围道路数据中准确快速地获得所需弯曲程度较大路段的唯一弯曲点。
步骤108:输出弯曲路段的唯一弯曲点。
具体地,输出道路的弯曲路段和弯曲路段的唯一弯曲点数据,给每个弯曲点赋外接圆半径属性,并对弯曲路段和/或唯一弯曲点进行显示或标记。图6示出了第二次筛选输出的唯一弯曲点结果示意图,在道路线形中显示或标记出每个弯曲路段的唯一弯曲点。
进一步地,步骤108包括以下步骤:
步骤1082:在输出的弯曲点数据中建立字段radius,字段radius用于保存每个弯曲点处的外接圆半径大小。
步骤1084:依据预设半径阈值,统计道路的弯曲点处的外接圆半径并录入字段radius中。
对作为弯曲点的节点建立字段radius,录入每个弯曲点对应的外接圆半径值,从而给每个弯曲点赋外接圆半径属性。其中,包括对唯一弯曲点建立的字段radius,并保存唯一弯曲点的外接圆半径。
从而,结合每条道路的局部分析结果进行综合性评价,输出弯曲程度较大处的包括唯一弯曲点的弯曲点数据,并在弯曲点数据添加字段保存每个弯曲点处外接圆半径信息。
本发明提供的一种基于二次筛选的道路数据弯曲点检测方法,可用于快速提取大范围道路数据中弯曲程度较大处的弯曲点,依据输出的弯曲点数据中字段radius,可以对道路的弯曲程度进行定量化的评价,为外业人工核查和实地测设提供参考,大大缩小了人工成本,为道路的改扩建工作提供建议,从而提升道路的通行能力和服务水平。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序的限制,因为依据本公开,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本公开所述方案进行进一步说明。
图7示出了根据本公开的实施例的基于二次筛选的道路弯曲点检测装置700的方框图。如图7所示,装置700包括:
节点读取模块702,用于指定道路平面坐标系,读取道路数据的节点和节点位置信息;
第一次筛选模块704,用于对节点进行第一次筛选:根据节点确定弯曲度检测单元,根据节点和节点位置信息计算弯曲度检测单元的外接圆半径,并存储每个节点处的半径值,将外接圆半径在预设半径阈值以内的弯曲度检测单元对应的节点作为道路的弯曲点,识别得到弯曲路段;
第二次筛选模块706,用于对节点进行第二次筛选:搜索在指定弯曲点的预设距离阈值范围以内的所有弯曲点,获取这些弯曲点第一次筛选计算得到的半径值,计算预设距离阈值范围以内所有外接圆半径的最小值,将外接圆半径的最小值对应的节点作为弯曲路段的唯一弯曲点;
输出模块708,用于输出弯曲路段的唯一弯曲点。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,所述描述的模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图8示出了可以用来实施本公开的实施例的电子设备800的示意性框图。设备800可以用于实现图1、2的基于二次筛选的道路弯曲点检测方法100。如图所示,设备800包括CPU801,其可以根据存储在ROM802中的计算机程序指令或者从存储单元808加载到RAM803中的计算机程序指令,来执行各种适当的动作和处理。在RAM 803中,还可以存储设备800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。I/O接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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。
处理单元801执行上文所描述的各个方法和处理,例如方法200、300、400。例如,在一些实施例中,方法100可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由CPU 801执行时,可以执行上文描述的方法100的一个或多个步骤。备选地,在其他实施例中,CPU 801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法100。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑器件(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、EPROM、光纤、CD-ROM、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种基于二次筛选的道路弯曲点检测方法,其特征在于,包括:
指定道路平面坐标系,读取道路数据的节点和节点位置信息;
对所述节点进行第一次筛选:根据所述节点确定弯曲度检测单元,根据所述节点和所述节点位置信息计算所述弯曲度检测单元的外接圆半径,并存储每个节点处的半径值,将外接圆半径在预设半径阈值以内的所述弯曲度检测单元对应的所述节点作为道路的弯曲点,识别得到弯曲路段;
对所述节点进行第二次筛选:搜索在指定所述弯曲点的预设距离阈值范围以内的所有弯曲点,获取这些弯曲点第一次筛选计算得到的半径值,计算预设距离阈值范围以内所有外接圆半径的最小值,将外接圆半径的最小值对应的所述节点作为所述弯曲路段的唯一弯曲点;
输出弯曲路段的唯一弯曲点。
2.如权利要求1所述的基于二次筛选的道路弯曲点检测方法,其特征在于,所述指定道路平面坐标系,读取道路数据的节点和节点位置信息,包括:
沿道路前进方向选取所述节点,将所述节点记为{A0,A1,A2…An),所述节点位置信息包括与所述节点对应的节点坐标,将所述节点坐标记为(x0,y0),(x1,y1),(x2,y2)...(xn,yn)。
3.如权利要求1所述的基于二次筛选的道路弯曲点检测方法,其特征在于,所述根据所述节点确定弯曲度检测单元,包括:
判断道路数据的节点是否不少于3个;
如果道路的所述节点的总数少于3个,则该道路定义为直线,结束弯曲点检测;
如果道路的所述节点的总数不少于3个,则从起始节点开始,每相邻3个所述节点构成一个弯曲度检测单元,对于所述节点的总数为n的道路,所述弯曲度检测单元的总数为n-2。
4.如权利要求3所述的基于二次筛选的道路弯曲点检测方法,其特征在于,所述根据所述节点和所述节点位置信息计算所述弯曲度检测单元的外接圆半径,并存储每个节点处的半径值,将外接圆半径在预设半径阈值以内的所述弯曲度检测单元对应的所述节点作为道路的弯曲点,识别得到弯曲路段,包括:
根据每相邻3个所述节点和与所述节点对应的所述节点坐标,计算所述弯曲度检测单元的外接圆半径;
根据实际应用需求、道路弯曲点检测目的和标准,确定预审半径阈值RTH;
若所述弯曲度检测单元的外接圆半径在预设半径阈值RTH以内,则将所述弯曲度检测单元所包含的所述节点作为弯曲点,根据弯曲点识别得到道路中的弯曲路段,否则筛选掉所述节点。
5.如权利要求4所述的基于二次筛选的道路弯曲点检测方法,其特征在于,所述搜索在指定所述弯曲点的预设距离阈值范围以内的所有弯曲点,获取这些弯曲点第一次筛选计算得到的半径值,计算预设距离阈值范围以内所有外接圆半径的最小值,将外接圆半径的最小值对应的所述节点作为所述弯曲路段的唯一弯曲点,包括:
根据实际路网情况,确定预设距离阈值DistTH;
在当前弯曲路段内,搜索在起始弯曲点预设距离阈值DistTH范围以内的所有弯曲点{Al,Al+1,Al+2...Ak},其判断公式为
搜索在预设距离阈值DistTH范围内的所有弯曲点{Al,Al+1,Al+2...Ak}的外接圆半径,计算外接圆半径的局部最小值min{Rl,Rl+1,Rl+2...Rk},
所述局部最小值min{Rl,Rl+1,Rl+2...Rk}所对应的所述弯曲点作为当前弯曲路段的唯一弯曲点;
沿道路前进方向,依次得到每个弯曲路段的局部最小值,确定每个弯曲路段的唯一弯曲点。
6.如权利要求1所述的基于二次筛选的道路弯曲点检测方法,其特征在于,所述输出弯曲路段的唯一弯曲点,包括:
输出道路的弯曲路段和弯曲路段的唯一弯曲点数据,并给每个所述弯曲点赋外接圆半径属性。
7.如权利要求6所述的基于二次筛选的道路弯曲点检测方法,其特征在于,所述输出道路的弯曲路段和弯曲路段的唯一弯曲点数据,并给每个所述弯曲点赋外接圆半径属性,包括:
在输出的弯曲点数据中建立字段radius,字段radius用于保存每个弯曲点处的外接圆半径大小;
依据所述预设半径阈值,统计道路的弯曲点处的外接圆半径并录入字段radius中。
8.一种基于二次筛选的道路弯曲点检测装置,其特征在于,包括:
节点读取模块,用于指定道路平面坐标系,读取道路数据的节点和节点位置信息;
第一次筛选模块,用于对所述节点进行第一次筛选:根据所述节点确定弯曲度检测单元,根据所述节点和所述节点位置信息计算所述弯曲度检测单元的外接圆半径,并存储每个节点处的半径值,将外接圆半径在预设半径阈值以内的所述弯曲度检测单元对应的所述节点作为道路的弯曲点,识别得到弯曲路段;
第二次筛选模块,用于对所述节点进行第二次筛选:搜索在指定所述弯曲点的预设距离阈值范围以内的所有弯曲点,获取这些弯曲点第一次筛选计算得到的半径值,计算预设距离阈值范围以内所有外接圆半径的最小值,将外接圆半径的最小值对应的所述节点作为所述弯曲路段的唯一弯曲点;
输出模块,用于输出弯曲路段的唯一弯曲点。
9.一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~7中任一项所述的方法。
10.一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,所述程序被处理器执行时实现如权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210352115.1A CN114705148B (zh) | 2022-04-03 | 2022-04-03 | 基于二次筛选的道路弯曲点检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210352115.1A CN114705148B (zh) | 2022-04-03 | 2022-04-03 | 基于二次筛选的道路弯曲点检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114705148A CN114705148A (zh) | 2022-07-05 |
CN114705148B true CN114705148B (zh) | 2023-10-24 |
Family
ID=82172481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210352115.1A Active CN114705148B (zh) | 2022-04-03 | 2022-04-03 | 基于二次筛选的道路弯曲点检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114705148B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08263792A (ja) * | 1995-03-23 | 1996-10-11 | Honda Motor Co Ltd | 車両制御装置 |
WO1998028492A1 (de) * | 1996-12-23 | 1998-07-02 | Vae Aktiengesellschaft | Kurvenzug einer weiche sowie gleisverbindung unter verwendung eines derartigen kurvenzuges |
JP2001038536A (ja) * | 1999-08-03 | 2001-02-13 | Tsunehiro Yoshida | ネジ軸が曲がった不良ネジの選別装置 |
JP2001296138A (ja) * | 2000-04-13 | 2001-10-26 | Honda Motor Co Ltd | 走行路の曲率算出装置 |
JP2002082765A (ja) * | 2000-07-04 | 2002-03-22 | Alps Electric Co Ltd | 入力装置 |
JP2006119144A (ja) * | 2005-11-04 | 2006-05-11 | Asia Air Survey Co Ltd | 道路線形自動測量装置 |
CN106197358A (zh) * | 2016-09-08 | 2016-12-07 | 武汉君荣迅联科技有限责任公司 | 一种多点式曲面测量设备 |
CN109357637A (zh) * | 2018-12-11 | 2019-02-19 | 长治学院 | 一种基于深度相机的卷板机卷板曲率半径和厚度测量方法 |
CN111145157A (zh) * | 2019-12-27 | 2020-05-12 | 国交空间信息技术(北京)有限公司 | 基于高分辨率遥感影像的路网数据自动化质量检查方法 |
CN111189424A (zh) * | 2019-12-27 | 2020-05-22 | 中国交通通信信息中心 | 一种基于多级搜索半径的道路数据弯曲程度检测方法 |
CN111220163A (zh) * | 2018-11-26 | 2020-06-02 | 厦门雅迅网络股份有限公司 | 基于曲率半径计算的弯道判断方法、终端设备及存储介质 |
CN113447034A (zh) * | 2021-06-30 | 2021-09-28 | 北京百度网讯科技有限公司 | 一种路网数据处理方法、装置、电子设备及可读存储介质 |
-
2022
- 2022-04-03 CN CN202210352115.1A patent/CN114705148B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08263792A (ja) * | 1995-03-23 | 1996-10-11 | Honda Motor Co Ltd | 車両制御装置 |
WO1998028492A1 (de) * | 1996-12-23 | 1998-07-02 | Vae Aktiengesellschaft | Kurvenzug einer weiche sowie gleisverbindung unter verwendung eines derartigen kurvenzuges |
CN1246168A (zh) * | 1996-12-23 | 2000-03-01 | Vae公开股份有限公司 | 道岔的弯道及采用这种弯道的轨道连接 |
JP2001038536A (ja) * | 1999-08-03 | 2001-02-13 | Tsunehiro Yoshida | ネジ軸が曲がった不良ネジの選別装置 |
JP2001296138A (ja) * | 2000-04-13 | 2001-10-26 | Honda Motor Co Ltd | 走行路の曲率算出装置 |
JP2002082765A (ja) * | 2000-07-04 | 2002-03-22 | Alps Electric Co Ltd | 入力装置 |
JP2006119144A (ja) * | 2005-11-04 | 2006-05-11 | Asia Air Survey Co Ltd | 道路線形自動測量装置 |
CN106197358A (zh) * | 2016-09-08 | 2016-12-07 | 武汉君荣迅联科技有限责任公司 | 一种多点式曲面测量设备 |
CN111220163A (zh) * | 2018-11-26 | 2020-06-02 | 厦门雅迅网络股份有限公司 | 基于曲率半径计算的弯道判断方法、终端设备及存储介质 |
CN109357637A (zh) * | 2018-12-11 | 2019-02-19 | 长治学院 | 一种基于深度相机的卷板机卷板曲率半径和厚度测量方法 |
CN111145157A (zh) * | 2019-12-27 | 2020-05-12 | 国交空间信息技术(北京)有限公司 | 基于高分辨率遥感影像的路网数据自动化质量检查方法 |
CN111189424A (zh) * | 2019-12-27 | 2020-05-22 | 中国交通通信信息中心 | 一种基于多级搜索半径的道路数据弯曲程度检测方法 |
CN113447034A (zh) * | 2021-06-30 | 2021-09-28 | 北京百度网讯科技有限公司 | 一种路网数据处理方法、装置、电子设备及可读存储介质 |
Non-Patent Citations (3)
Title |
---|
利用最小二乘匹配算法提取影像道路网;李润生;曹闻;陈萍;高振峰;;河南大学学报(自然科学版)(第06期);全文 * |
国产高分辨率遥感影像农村公路核查方法及其应用;蔡红玥;袁胜古;阳柯;王芳;盛光晓;;测绘通报(03);全文 * |
对山区铁路选用最小曲线半径的经济技术分析;朱逢亮;铁道学报(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114705148A (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ukhwah et al. | Asphalt pavement pothole detection using deep learning method based on YOLO neural network | |
Flah et al. | Classification and quantification of cracks in concrete structures using deep learning image-based techniques | |
CN111811420B (zh) | 隧道三维轮廓整体绝对变形监测方法及系统 | |
CN112581463A (zh) | 图像缺陷的检测方法、装置、电子设备、存储介质及产品 | |
CN110334390B (zh) | Cad中外墙识别方法、装置、存储介质及处理器 | |
Miao et al. | Cost-effective system for detection and quantification of concrete surface cracks by combination of convolutional neural network and image processing techniques | |
CN108520070B (zh) | 用于电子地图的筛选兴趣点的方法和装置 | |
CN116305436A (zh) | 一种基于三维激光扫描结合bim的既有桥梁监测方法 | |
CN113240623A (zh) | 一种路面病害检测方法及装置 | |
CN114003613A (zh) | 高精地图车道线更新方法、装置、电子设备以及存储介质 | |
CN111123263B (zh) | 基于地质雷达检测数据的隧道钢筋识别检测系统、方法 | |
CN115937101A (zh) | 质量检测方法、装置、设备及存储介质 | |
Yuan et al. | Automated pixel-level crack detection and quantification using deep convolutional neural networks for structural condition assessment | |
CN112115817B (zh) | 基于深度学习的遥感影像道路轨迹正确性核查方法及装置 | |
CN114705148B (zh) | 基于二次筛选的道路弯曲点检测方法和装置 | |
CN109102486B (zh) | 基于机器学习的表面缺陷检测方法及装置 | |
CN113780287A (zh) | 一种多深度学习模型的最优选取方法及系统 | |
CN111370055A (zh) | 内含子保留预测模型建立方法及其预测方法 | |
CN106651803A (zh) | 户型数据的识别方法及装置 | |
CN114972220B (zh) | 一种图像处理方法、装置、电子设备及可读存储介质 | |
CN115512098A (zh) | 一种桥梁电子化巡检系统及巡检方法 | |
CN115546108A (zh) | 基于边云协同和ar的汽车轮胎外观质量智能检测方法 | |
CN110853016A (zh) | 一种地形图出版质量自动检查方法及装置 | |
US10339364B2 (en) | Apparatus and method for rejecting erroneous objects of extrusion in point cloud data | |
CN113887569B (zh) | 一种基于区域尺度的事故多发区域判别方法 |
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 |