CN114724113A - 道路标牌识别方法、自动驾驶方法、装置和设备 - Google Patents
道路标牌识别方法、自动驾驶方法、装置和设备 Download PDFInfo
- Publication number
- CN114724113A CN114724113A CN202210469934.4A CN202210469934A CN114724113A CN 114724113 A CN114724113 A CN 114724113A CN 202210469934 A CN202210469934 A CN 202210469934A CN 114724113 A CN114724113 A CN 114724113A
- Authority
- CN
- China
- Prior art keywords
- area
- road sign
- indication
- target
- indicating
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000011218 segmentation Effects 0.000 claims description 21
- 238000003909 pattern recognition Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 11
- 239000003550 marker Substances 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 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
- 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
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种道路标牌识别方法、自动驾驶方法、装置和设备，涉及人工智能技术领域，尤其涉及计算机视觉、自动驾驶技术领域。具体实现方案为：对包含道路标牌的源图像进行图像识别，确定所述道路标牌的道路标牌指示区域，所述道路标牌指示区域包括N个指示信息，N为大于1的整数；对所述道路标牌指示区域进行聚类，确定所述道路标牌指示区域所属的标牌类别；在所述道路标牌指示区域属于第一标牌类别的情况下，根据目标识别区域，识别所述N个指示信息中针对目标车辆的指示信息，其中，所述目标识别区域为所述道路标牌中与所述目标车辆关联的区域，且所述目标识别区域不属于所述道路标牌指示区域内。本公开可以提高道路标牌的识别效率。
Description
技术领域
本公开涉及计算机视觉、自动驾驶等人工智能技术领域，尤其涉及一种道路标牌识别方法、自动驾驶方法、装置和设备。
背景技术
在很多道路上存在道路标牌，如指示限速、限重、方向等道路标牌。目前对于道路标牌的识别主要技术是，采集道路标牌的图像，人工对道路标牌的内容进行识别，以得到道路标牌针对车辆的指示信息。
发明内容
本公开提供了一种道路标牌识别方法、自动驾驶方法、装置和设备。
根据本公开的一方面，提供了一种道路标牌识别方法，包括：
对包含道路标牌的源图像进行图像识别，确定所述道路标牌的道路标牌指示区域，所述道路标牌指示区域包括N个指示信息，N为大于1的整数；
对所述道路标牌指示区域进行聚类，确定所述道路标牌指示区域所属的标牌类别；
在所述道路标牌指示区域属于第一标牌类别的情况下，根据目标识别区域，识别所述N个指示信息中针对目标车辆的指示信息，其中，所述目标识别区域为所述道路标牌中与所述目标车辆关联的区域，且所述目标识别区域不属于所述道路标牌指示区域内。
根据本公开的另一方面，提供了一种自动驾驶方法，包括：
采集包含道路标牌的源图像；
获取所述道路标牌的道路标牌指示区域针对目标车辆的指示信息，其中，所述道路标牌指示区域包括N个指示信息，在所述道路标牌指示区域属于第一标牌类别的情况下，所述指示信息是根据目标识别区域在所述N个指示信息中识别的，所述目标识别区域为所述道路标牌中与所述目标车辆关联的区域，且所述目标识别区域不属于所述道路标牌指示区域内，N为大于1的整数；
基于所述指示信息进行自动驾驶。
根据本公开的另一方面，提供了一种道路标牌识别装置，包括：
第一识别模块，用于对包含道路标牌的源图像进行图像识别，确定所述道路标牌的道路标牌指示区域，所述道路标牌指示区域包括N个指示信息，N为大于1的整数；
聚类模块，用于对所述道路标牌指示区域进行聚类，确定所述道路标牌指示区域所属的标牌类别；
第二识别模块，用于在所述道路标牌指示区域属于第一标牌类别的情况下，根据目标识别区域，识别所述N个指示信息中针对目标车辆的指示信息，其中，所述目标识别区域为所述道路标牌中与所述目标车辆关联的区域，且所述目标识别区域不属于所述道路标牌指示区域内。
根据本公开的另一方面，提供了一种自动驾驶装置，应用于目标车辆，包括：
采集模块，用于采集包含道路标牌的源图像；
获取模块，用于获取所述道路标牌的道路标牌指示区域针对目标车辆的指示信息，其中，所述道路标牌指示区域包括N个指示信息，在所述道路标牌指示区域属于第一标牌类别的情况下，所述指示信息是根据目标识别区域在所述N个指示信息中识别的，所述目标识别区域为所述道路标牌中与所述目标车辆关联的区域，且所述目标识别区域不属于所述道路标牌指示区域内，N为大于1的整数；
驾驶模块，用于基于所述指示信息进行自动驾驶。
根据本公开的另一方面，提供了一种电子设备，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本公开提供的道路标牌识别方法，或者，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本公开提供的自动驾驶方法。
根据本公开的另一方面，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，其中，所述计算机指令用于使所述计算机执行本公开提供的道路标牌识别方法，或者，所述计算机指令用于使所述计算机执行本公开提供的自动驾驶方法。
根据本公开的另一方面，提供了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本公开提供的道路标牌识别方法，或者，所述计算机程序在被处理器执行时实现本公开提供的自动驾驶方法。
本公开中，由于对道路标牌的道路标牌指示区域进行聚类，在道路标牌指示区域属于第一标牌类别的情况下，根据目标识别区域，识别道路标牌指示区域N个指示信息中针对目标车辆的指示信息，从而可以实现自动识别道路标牌的指示信息，进而提高道路标牌的识别效率。
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是本公开提供的一种道路标牌识别方法的流程图；
图2是本公开提供的一种道路标牌的示意图；
图3是本公开提供的另一种道路标牌的示意图；
图4是本公开提供的一种道路标牌识别方法的示意图；
图5是本公开提供的一种自动驾驶方法的流程图；
图6a至图6c是本公开提供的道路标牌识别装置的结构图；
图7是本公开提供的一种自动驾驶装置的结构图；
图8是用来实现本公开实施例的一种电子设备的框图。
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。
请参见图1，图1是本公开提供的一种道路标牌识别方法的流程图，如图1所示，包括以下步骤：
步骤S101：对包含道路标牌的源图像进行图像识别，确定所述道路标牌的道路标牌指示区域，所述道路标牌指示区域包括N个指示信息，N为大于1的整数。
上述源图像可以是接收其他设备发送的，也可以是采集得的。
本公开中道路标牌可以是高速道路、城市道路、乡村道路、桥梁上的道路标牌。该道路标牌可以指示限速、限重、方向等信息。
上述道路标牌指示区域为上述道路标牌中用于指示限速、限重、方向的区域。例如：如图2所示的道路标牌中道路标牌指示区域为201，该指示区域为限速指示区域。
上述N个指示信息可以为N个不同的指示信息，在一些场景下，上述N个指示信息也可以存在相同的指示信息。例如：图2所示的3个指示信息，其中，2个指示信息对应小汽车，1个指示信息对应大型车辆。
步骤S102：对所述道路标牌指示区域进行聚类，确定所述道路标牌指示区域所属的标牌类别。
上述对所述道路标牌指示区域进行聚类可以是，依据道路标牌指示区域的指示信息局部进行分类，例如：图2所示的道路标牌指示区域为一类，图3所示的道路标牌指示区域为一类。
本公开中针对不同标牌类型可以采用不同的识别流程。
上述步骤S102可以是基于聚类算法对所述道路标牌指示区域进行聚类，例如：基于K均值聚类(K-means)算法或者基于密度对噪声鲁棒的空间(Density-Based SpatialClustering of Applications with Noise，DBSCAN)聚类算法对所述道路标牌指示区域进行聚类。
步骤S103：在所述道路标牌指示区域属于第一标牌类别的情况下，根据目标识别区域，识别所述N个指示信息中针对目标车辆的指示信息，其中，所述目标识别区域为所述道路标牌中与所述目标车辆关联的区域，且所述目标识别区域不属于所述道路标牌指示区域内。
上述第一标牌类别可以为水平类别(或者称作水平簇)，即道路标牌指示区域的指示信息是水平布局，例如：图2所示的201道路标牌指示区域；或者，上述第一标牌类别为道路标牌中存在文字或者图案区域的标牌类别，其中，这里的文字与道路标牌指示区域中指示信息的文字不同，例如：这里文字为车辆类型相关的汉字，而上述道路标牌指示区域中指示信息的文字为数值。
本公开中，道路标牌指示区域为第一标牌类别的道路标牌除了道路标牌指示区域之外，还包括其他区域，例如：在如图2所示的道路标牌中除了道路标牌指示区域201之外，还包括文字区域，如大型车靠右区域202。
上述目标识别区域为上述道路标牌中与所述目标车辆关联的文字区域或者图案区域，例如：如图2所示的标牌中目标识别区域为202。上述目标识别区域不属于所述道路标牌指示区域内可以理解为，目标识别区域为在上述道路标牌中除上述道路标牌指示区域之外的区域确定的与目标车辆关联的区域。
上述根据目标识别区域，识别所述道路标牌指示区域中针对目标车辆的指示信息可以是，根据上述目标识别区域，确定上述道路标牌指示区域中针对目标车辆的指示区域，进而将该指示区域的指示信息确定为针对目标车辆的指示信息。例如：如图2所示，根据202确定2011，从而确定道路标牌指示区域中针对目标车辆的指示信息为限速60。
本公开中，上述目标车辆可以是大型车辆，如货车、客运车，或者，上述目标车辆可以是小汽车。这样本公开中，可以识别道路标牌中针对不同的车辆的指示信息。
本公开中，通过上述步骤可以实现对道路标牌的道路标牌指示区域进行聚类，在道路标牌指示区域属于第一标牌类别的情况下，根据目标识别区域，识别道路标牌指示区域N个指示信息中针对目标车辆的指示信息，从而可以实现自动识别道路标牌的指示信息，进而提高道路标牌的识别效率。
需要说明的是，本公开上述道路标牌识别方法可以应用于电子设备，即由电子设备执行上述步骤，电子设备包括但不限于：车辆、计算机、服务器、手机等电子设备。
在一个实施例中，在图1所示的实施例的基础上，还包括如下步骤：
在所述道路标牌指示区域属于第二标牌类别的情况下，将所述N个指示信息中预设位置的指示信息确定为针对所述目标车辆的指示信息，其中，所述预设位置与所述目标车辆关联。
其中，上述第二标牌类别可以为竖直类别(或者称作竖直簇)，即道路标牌指示区域的指示信息是竖直布局的，例如：图3的301道路标牌指示区域；或者，上述第二标牌类别为道路标牌中不存在文字或者图案区域的标牌类别，其中，这里的文字与道路标牌指示区域中指示信息的文字不同，例如：这里文字为车辆类型相关的汉字，而上述道路标牌指示区域中指示信息的文字为数值。
上述预设位置可以是，根据上述第二标牌类别和目标车辆预先设定的位置，例如：在实际应用于，对于竖直类的道路标牌，往往是小汽车的指示信息在上方，大型车辆(如货车)的指示信息在下方，从而在上述目标车辆为大型车辆的情况下，上述预设位置为下方位置，在上述目标车辆为小汽车的情况下，上述预设位置为上方位置。
该实施例中，由于针对第二标牌类别可以直接基于预设位置确定针对目标车辆的指示信息，从而可以降低识别的复杂度，以进一步提高识别效率。
在一个实施例中，上述在所述道路标牌指示区域属于第二标牌类别的情况下，将所述N个指示信息中预设位置的指示信息确定为针对所述目标车辆的指示信息可以包括：
在所述道路标牌指示区域属于第二标牌类别的情况下，计算所述道路标牌指示区域中的预设位置的指示信息与其他指示信息的差值是否小于预设阈值；
在上述差值小于预设阈值的情况下，将上述道路标牌指示区域中的预设位置的指示信息确定为针对所述目标车辆的指示信息。
上述预设阈值可以是预先根据不同车辆类型的指示信息的差异值设定的，例如：货车和小汽车的限速差值往往不会小于40，因此，在该场景下，可以将上述阈值设置为40。
该实施例中，通过计算上述差值，可以提高指示信息的识别准确性。
需要说明的是，在一些实施例中，可以不计算上述差值，而是直接确定上述预设位置的指示信息确定为针对所述目标车辆的第一指示区域。
在一个实施例中，所述第一标牌类别为水平类标牌，所述第二标牌类型为竖直类标牌。
其中，上述水平类标牌是指多个指示信息为水平的，如图2所示的道路标牌，上述竖直类标牌是指指示信息为竖直的，如图3所示的道路标牌。
该实施例中，可以实现针对水平类标牌采用目标识别区域确定道路标牌指示区域中针对目标车辆的指示信息，而针对竖直类标牌，直接将预设位置的指示区域的指示信息确定为针对所述目标车辆的指示信息，从而可以进一步提高道路标牌的识别效率。
在一个实施例中，所述道路标牌指示区域包括N个指示区域，所述N个指示区域分别包含所述N个指示信息；图1所示的实施例中步骤S103中的根据目标识别区域，识别所述N个指示信息中针对目标车辆的指示信息，包括：
分别计算所述目标识别区域与所述N个指示区域的重叠面积比，得到N个重叠面积比，所述重叠面积比为所述目标区域与所述指示区域的交集面积占所述指示区域的比值；
确定所述道路标牌指示区域中针对目标车辆的目标指示区域，并识别所述目标指示区域的指示信息，所述目标指示区域为所述N个指示区域中的重叠面积比满足预设条件的指示区域。
其中，上述分别计算所述目标识别区域与所述N个指示区域的重叠面积比，得到N个重叠面积比可以理解为，针对每个指示区域，都计算目标识别区域和指示区域重叠面积比。
例如：针对每个指示区域可以采用如下公式计算重叠面积比：
上述重叠面积比满足预设条件的指示区域可以是，重叠面积比大于预设阈值的指示区域，其中，该预设阈值为预先定义的，如0.8、0.9等。或者，上述重叠面积比满足预设条件的指示区域可以是，重叠面积比最大的指示区域。
例如：如图2所示，三个指示区域2011、2012和2013，其中，指示区域2011满足上述预设条件，确定该指示区域的指示信息为针对上述目标车辆的指示信息，目标车辆为货车的情况下，确定货车的限速为60。在一些实施方式中，也可以确定小汽车的限速，例如：在上述目标车辆为小汽车的情况下，上述预设条件为重叠面积比为0，从而将指示区域2012确定小汽车的指示区域，即小汽车的限速为80。
该实施例中，通过上述重叠面积比，可以准确地识别出针对目标车辆的指示信息。
需要说明的是，本公开中并不限定通过上述重叠面积比确定针对目标车辆的指示信息，例如：在一些实施例中，也可以根据目标识别区域与指示区域的位置关系，确定针对目标车辆的指示信息，如在图2所示的道路标牌中，将大型车靠右指示区域202为最右边，从而直接确定最右边的指示区域为针对大型车的指示区域。
在一个实施例中，在图1所示的实施例的基础上，还包括：
对所述源图像进行语义分割，得到语义分割图像；
在所述语义分割图像中识别道路标牌连通域；
从所述源图像中提取所述道路标牌连通域对应的道路标牌区域；
对所述道路标牌区域进行内容识别，得到识别结果；
基于所述识别结果，确定所述目标识别区域。
上述对所述源图像进行语义分割，得到语义分割图像可以是，采用图像语义分配模型，对源图像进行语义分割，得到语义分割图像。上述语义分配模型可以是全卷积网络(Fully Convolutional Networks，FCN)模型、深度颜色(DeepLab)模型金字塔场景解析网络(pyramid scene parsing network，pspnet)模型。
上述在所述语义分割图像中识别道路标牌连通域可以是，基于语义分割图像，对标牌这类分割要素进行提取，并求连通域，以得到道路标牌连通域。
上述从所述源图像中提取所述道路标牌连通域对应的道路标牌区域可以是，将道路标牌连通域在源图像对应的像素进行提取，得到道路标牌连通域对应的道路标牌区域。
上述对所述道路标牌区域进行内容识别，得到识别结果可以是，采用光学字符识别(Optical Character Recognition，OCR)技术对道路标牌区域进行文字识别，得到文字识别结果。或者，上述对所述道路标牌区域进行图案识别，得到图案识别结果。
上述基于所述识别结果，确定所述目标识别区域可以是，基于识别结果，确定与上述目标车辆关联的区域，例如：基于文字识别结果识别与上述目标车辆关联的文字区别，如图2所示，识别出文字区域202；又例如：基于图案识别结果识别与目标车辆关联的图案区域，如在道路标牌中包括多种类型车辆的图案，从而识别出目标车辆的图案。
该实施例中，可以实现针对第一标牌类别的道路标牌指示区域采用语义分割的方式确定目标识别区域，从而可以提高识别的准确性。
需要说明的是，本实施例中，确定所述目标识别区域的步骤与图1所示的实施例中的步骤S101和S102的时序不作限定，例如：确定所述目标识别区域的步骤可以与图1所示的实施例中的步骤S101和S102同时执行，也可以是在图1所示的实施例中的步骤S101和S102之后或者之前执行，对此不作限定。
另外，本公开中并不限定通过语义分割的方式确定上述目标识别区域，例如：在步骤S101确定标牌指示信息区域后，可以在标牌指示信息区域查找的相邻区域进行文字或者图案识别，以识别出与目标车辆相关的文字识别区域或者图案识别区域，即识别上述目标识别区域。
在一个实施例中，图1所示实施例中的目标识别区域包括：文字识别区域，所述文字识别区域为所述道路标牌中与所述目标车辆关联的文字区域；或者
图1所示实施例中的目标识别区域包括：图案识别区域，所述图案识别区域为所述道路标牌中与所述目标车辆关联的图案区域。
上述文字识别区域为文字内容与目标车辆关联的文字区域，例如：目标车辆为货车，则文字内容为包括大型车辆或者货车的区域为上述文字识别区域。
上述图案识别区域为图案与目标车辆关联的图案识别，如目标车辆为小汽车，则图案识别区域为小汽车图案的图案区域，如目标车辆为货车，则图案识别区域为货车图案的图案区域。
该实施例中，可以通过文字识别区域或者图案识别区域，确定针对目标车辆的指示信息，从而提高指示信息识别的准确性。
在一个实施例中，所述对包含道路标牌的源图像进行图像识别，确定所述道路标牌的道路标牌指示区域，包括：
对包含道路标牌的源图像进行目标检测，确定所述道路标牌的道路标牌指示区域。
上述对包含道路标牌的源图像进行目标检测可以是，基于目标检测模型进行目标检测，目标检测模型可以是快速基于卷积神经网络(Region Convolutional NeuralNetworks，faster RCNN)模型或者，你只看一次(You Only Look Once，YOLO)V3模型。
该实施例中，可以实现对于第一标牌类别的道路标牌指示区域可以采用目标检测结合上述目标识别区域，识别出针对目标车辆的指示信息，从而提高指示信息识别的准确性。
需要说明的是，本公开中并不限定通过对包含道路标牌的源图像进行目标检测，确定所述道路标牌的道路标牌指示区域，例如：在一些实施例中也可以是通过对包含道路标牌的源图像进行图像内容识别，以识别所述道路标牌的道路标牌指示区域。
在一个实施例中，所述目标车辆包括货车，所述道路标牌指示区域包括：限速指示区域或者限重指示区域。
该实施例中，可以实现识别出货车的限速或者限重信息。
需要说明的是，本公开中并不限定目标车辆为货车，例如：小汽车或者客运车辆。
需要说明的是，本公开提供的多个实施例可以结合实现。例如：以指示信息为限速信息，目标车辆为货车为例，如图4所示，可以通过目标检测确定限速标牌区域，并聚类确定为竖直簇，还是水平簇，以及通过语义分割得到分割结果，并识别标牌区域，再通过OCR技术识别出与货车相关的文字标牌，针对水平簇，计算重叠面积比，最终确定货车限速；而针对竖直簇，则不需要计算重叠面积比，且也不需要进行语义分割步骤，而是直接根据位置确定货车限速。需要说明的是，在该实施例中，语义分割和目标检测的相关步骤的执行顺序不作限定，可以同时执行，也可以先后执行。
本公开中，由于对道路标牌的道路标牌指示区域进行聚类，在道路标牌指示区域属于第一标牌类别的情况下，根据目标识别区域，识别道路标牌指示区域N个指示信息中针对目标车辆的指示信息，从而可以实现自动识别道路标牌的指示信息，进而提高道路标牌的识别效率。
请参见图5，图5是本公开提供的一种自动驾驶方法的流程图，如图5所示，包括以下步骤：
步骤S501：采集包含道路标牌的源图像。
上述采集道路标牌的源图像可以是车辆在自动驾驶过程中实时采集的道路图像。
步骤S502：获取所述道路标牌的道路标牌指示区域针对目标车辆的指示信息，其中，所述道路标牌指示区域包括N个指示信息，在所述道路标牌指示区域属于第一标牌类别的情况下，所述指示信息是根据目标识别区域在所述N个指示信息中识别的，所述目标识别区域为所述道路标牌中与所述目标车辆关联的区域，且所述目标识别区域不属于所述道路标牌指示区域内，N为大于1的整数。
本实施例中，道路标牌指示区域针对目标车辆的指示信息可以参见前面实施例的相应说明，此处不作赘述。
需要说明的是，上述获取所述道路标牌的道路标牌指示区域针对目标车辆的指示信息可以是目标车辆按照本公开提供的道路标牌识别方法识别得到的，也可以是目标车辆将上述源图像发送给其他设备(例如：服务器、计算机、手机等)，由其他设备识别得到并发送给目标车辆的。
步骤S503：基于所述指示信息进行自动驾驶。
上述基于所述指示信息进行自动驾驶可以是，按照指示信息控制车辆的速度，或者可以是按照指示信息控制车辆的行驶路径，如在目标车辆的重量超过限重的情况下，控制目标车辆调头或者行驶至其他道路。
本实施例中，由于基于所述指示信息进行自动驾驶，从而可以提高自动驾驶的驾驶性能，如避免超速或者超重。
需要说明的是，上述自动驾驶方法可以由上述目标车辆执行，如货车、客运车辆、小汽车自动驾驶车辆等。
请参见图6a，图6a是本公开提供的一种道路标牌识别装置，如图6a所示，道路标牌识别装置600包括：
第一识别模块601，用于对包含道路标牌的源图像进行图像识别，确定所述道路标牌的道路标牌指示区域，所述道路标牌指示区域包括N个指示信息，N为大于1的整数；
聚类模块602，用于对所述道路标牌指示区域进行聚类，确定所述道路标牌指示区域所属的标牌类别；
第二识别模块603，用于在所述道路标牌指示区域属于第一标牌类别的情况下，根据目标识别区域，识别所述N个指示信息中针对目标车辆的指示信息，其中，所述目标识别区域为所述道路标牌中与所述目标车辆关联的区域，且所述目标识别区域不属于所述道路标牌指示区域内。
可选的，如图6b所示，还包括：
第三识别模块604，用于在所述道路标牌指示区域属于第二标牌类别的情况下，将所述N个指示信息中预设位置的指示信息确定为针对所述目标车辆的指示信息，其中，所述预设位置与所述目标车辆关联。
可选的，所述第一标牌类别为水平类标牌，所述第二标牌类型为竖直类标牌。
可选的，所述道路标牌指示区域包括N个指示区域，所述N个指示区域分别包含所述N个指示信息；所述第二识别模块603用于：在所述道路标牌指示区域属于第一标牌类别的情况下，分别计算所述目标识别区域与所述N个指示区域的重叠面积比，得到N个重叠面积比，所述重叠面积比为所述目标识别区域与所述指示区域的交集面积占所述指示区域的比值；以及确定所述道路标牌指示区域中针对目标车辆的目标指示区域，并识别所述目标指示区域的指示信息，所述目标指示区域为所述N个指示区域中的重叠面积比满足预设条件的指示区域。
可选的，所述目标识别区域包括：文字识别区域，所述文字识别区域为所述道路标牌中与所述目标车辆关联的文字区域；或者
所述目标识别区域包括：图案识别区域，所述图案识别区域为所述道路标牌中与所述目标车辆关联的图案区域。
可选的，如图6b所示，还包括：
分割模块605，用于对所述源图像进行语义分割，得到语义分割图像；
第四识别模块606，用于在所述语义分割图像中识别道路标牌连通域；
提取模块607，用于从所述源图像中提取所述道路标牌连通域对应的道路标牌区域；
第五识别模块608，用于对所述道路标牌区域进行内容识别，得到识别结果；
确定模块609，用于基于所述识别结果，确定所述目标识别区域。
可选的，所述第一识别模块601用于：对包含道路标牌的源图像进行目标检测，确定所述道路标牌的道路标牌指示区域。
可选的，所述目标车辆包括货车，所述道路标牌指示区域包括：限速指示区域或者限重指示区域。
本公开提供的道路标牌识别装置能够实现本公开提供的道路标牌识别方法实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。
请参见图7，图7是本公开提供的一种自动驾驶装置，如图7所示，自动驾驶装置700包括：
采集模块701，用于采集包含道路标牌的源图像；
获取模块702，用于获取所述道路标牌的道路标牌指示区域针对目标车辆的指示信息，其中，所述道路标牌指示区域包括N个指示信息，在所述道路标牌指示区域属于第一标牌类别的情况下，所述指示信息是根据目标识别区域在所述N个指示信息中识别的，所述目标识别区域为所述道路标牌中与所述目标车辆关联的区域，且所述目标识别区域不属于所述道路标牌指示区域内，N为大于1的整数；
驾驶模块703，用于基于所述指示信息进行自动驾驶。…
本公开提供的自动驾驶装置能够实现本公开提供的自动驾驶方法实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。
根据本公开的实施例，本公开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。
其中，上述电子设备，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本公开提供的道路标牌识别方法或者自动驾驶方法。
上述可读存储介质存储有计算机指令，其中，所述计算机指令用于使所述计算机执行本公开提供的道路标牌识别方法或者自动驾驶方法。
上述计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开提供的道路标牌识别方法或者自动驾驶方法。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。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8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(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。
计算单元801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。计算单元801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计算单元、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。计算单元801执行上文所描述的各个方法和处理，例如道路标牌识别方法或者自动驾驶方法。例如，在一些实施例中，道路标牌识别方法或者自动驾驶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并由计算单元801执行时，可以执行上文描述的道路标牌识别方法或者自动驾驶方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行道路标牌识别方法或者自动驾驶方法。
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。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、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)、光学储存设备、磁储存设备、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，也可以为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，均应包含在本公开保护范围之内。
Claims (21)
1.一种道路标牌识别方法，包括：
对包含道路标牌的源图像进行图像识别，确定所述道路标牌的道路标牌指示区域，所述道路标牌指示区域包括N个指示信息，N为大于1的整数；
对所述道路标牌指示区域进行聚类，确定所述道路标牌指示区域所属的标牌类别；
在所述道路标牌指示区域属于第一标牌类别的情况下，根据目标识别区域，识别所述N个指示信息中针对目标车辆的指示信息，其中，所述目标识别区域为所述道路标牌中与所述目标车辆关联的区域，且所述目标识别区域不属于所述道路标牌指示区域内。
2.根据权利要求1所述的方法，还包括：
在所述道路标牌指示区域属于第二标牌类别的情况下，将所述N个指示信息中预设位置的指示信息确定为针对所述目标车辆的指示信息，其中，所述预设位置与所述目标车辆关联。
3.根据权利要求2所述的方法，所述第一标牌类别为水平类标牌，所述第二标牌类型为竖直类标牌。
4.根据权利要求1至3中任一项所述的方法，其中，所述道路标牌指示区域包括N个指示区域，所述N个指示区域分别包含所述N个指示信息；所述根据目标识别区域，识别所述N个指示信息中针对目标车辆的指示信息，包括：
分别计算所述目标识别区域与所述N个指示区域的重叠面积比，得到N个重叠面积比，所述重叠面积比为所述目标区域与所述指示区域的交集面积占所述指示区域的比值；
确定所述道路标牌指示区域中针对目标车辆的目标指示区域，并识别所述目标指示区域的指示信息，所述目标指示区域为所述N个指示区域中的重叠面积比满足预设条件的指示区域。
5.根据权利要求1至3中任一项所述的方法，还包括：
对所述源图像进行语义分割，得到语义分割图像；
在所述语义分割图像中识别道路标牌连通域；
从所述源图像中提取所述道路标牌连通域对应的道路标牌区域；
对所述道路标牌区域进行内容识别，得到识别结果；
基于所述识别结果，确定所述目标识别区域。
6.根据权利要求1至3中任一项所述的方法，所述目标识别区域包括：文字识别区域，所述文字识别区域为所述道路标牌中与所述目标车辆关联的文字区域；或者
所述目标识别区域包括：图案识别区域，所述图案识别区域为所述道路标牌中与所述目标车辆关联的图案区域。
7.根据权利要求1至3中任一项所述的方法，所述对包含道路标牌的源图像进行图像识别，确定所述道路标牌的道路标牌指示区域，包括：
对包含道路标牌的源图像进行目标检测，确定所述道路标牌的道路标牌指示区域。
8.根据权利要求1至3中任一项所述的方法，所述目标车辆包括货车，所述道路标牌指示区域包括：限速指示区域或者限重指示区域。
9.一种自动驾驶方法，包括：
采集包含道路标牌的源图像；
获取所述道路标牌的道路标牌指示区域针对目标车辆的指示信息，其中，所述道路标牌指示区域包括N个指示信息，在所述道路标牌指示区域属于第一标牌类别的情况下，所述指示信息是根据目标识别区域在所述N个指示信息中识别的，所述目标识别区域为所述道路标牌中与所述目标车辆关联的区域，且所述目标识别区域不属于所述道路标牌指示区域内，N为大于1的整数；
基于所述指示信息进行自动驾驶。
10.一种道路标牌识别装置，包括：
第一识别模块，用于对包含道路标牌的源图像进行图像识别，确定所述道路标牌的道路标牌指示区域，所述道路标牌指示区域包括N个指示信息，N为大于1的整数；
聚类模块，用于对所述道路标牌指示区域进行聚类，确定所述道路标牌指示区域所属的标牌类别；
第二识别模块，用于在所述道路标牌指示区域属于第一标牌类别的情况下，根据目标识别区域，识别所述N个指示信息中针对目标车辆的指示信息，其中，所述目标识别区域为所述道路标牌中与所述目标车辆关联的区域，且所述目标识别区域不属于所述道路标牌指示区域内。
11.根据权利要求10所述的装置，还包括：
第三识别模块，用于在所述道路标牌指示区域属于第二标牌类别的情况下，将所述N个指示信息中预设位置的指示信息确定为针对所述目标车辆的指示信息，其中，所述预设位置与所述目标车辆关联。
12.根据权利要求11所述的装置，所述第一标牌类别为水平类标牌，所述第二标牌类型为竖直类标牌。
13.根据权利要求10至12中任一项所述的装置，其中，所述道路标牌指示区域包括N个指示区域，所述N个指示区域分别包含所述N个指示信息；所述第二识别模块用于：在所述道路标牌指示区域属于第一标牌类别的情况下，分别计算所述目标识别区域与所述N个指示区域的重叠面积比，得到N个重叠面积比，所述重叠面积比为所述目标识别区域与所述指示区域的交集面积占所述指示区域的比值；以及确定所述道路标牌指示区域中针对目标车辆的目标指示区域，并识别所述目标指示区域的指示信息，所述目标指示区域为所述N个指示区域中的重叠面积比满足预设条件的指示区域。
14.根据权利要求10至12中任一项所述的装置，所述目标识别区域包括：文字识别区域，所述文字识别区域为所述道路标牌中与所述目标车辆关联的文字区域；或者
所述目标识别区域包括：图案识别区域，所述图案识别区域为所述道路标牌中与所述目标车辆关联的图案区域。
15.根据权利要求10至12中任一项所述的装置，还包括：
分割模块，用于对所述源图像进行语义分割，得到语义分割图像；
第四识别模块，用于在所述语义分割图像中识别道路标牌连通域；
提取模块，用于从所述源图像中提取所述道路标牌连通域对应的道路标牌区域；
第五识别模块，用于对所述道路标牌区域进行内容识别，得到识别结果；
确定模块，用于基于所述识别结果，确定所述目标识别区域。
16.根据权利要求10至12中任一项所述的装置，所述第一识别模块用于：对包含道路标牌的源图像进行目标检测，确定所述道路标牌的道路标牌指示区域。
17.根据权利要求10至12中任一项所述的装置，所述目标车辆包括货车，所述道路标牌指示区域包括：限速指示区域或者限重指示区域。
18.一种自动驾驶装置，应用于目标车辆，包括：
采集模块，用于采集包含道路标牌的源图像；
获取模块，用于获取所述道路标牌的道路标牌指示区域针对目标车辆的指示信息，其中，所述道路标牌指示区域包括N个指示信息，在所述道路标牌指示区域属于第一标牌类别的情况下，所述指示信息是根据目标识别区域在所述N个指示信息中识别的，所述目标识别区域为所述道路标牌中与所述目标车辆关联的区域，且所述目标识别区域不属于所述道路标牌指示区域内，N为大于1的整数；
驾驶模块，用于基于所述指示信息进行自动驾驶。
19.一种电子设备，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，或者，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9所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法，或者，所述计算机指令用于使所述计算机执行根据权利要求9所述的方法。
21.一种计算机程序产品，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，或者，所述计算机程序在被处理器执行时实现根据权利要求9所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210469934.4A CN114724113B (zh) | 2022-04-28 | 2022-04-28 | 道路标牌识别方法、自动驾驶方法、装置和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210469934.4A CN114724113B (zh) | 2022-04-28 | 2022-04-28 | 道路标牌识别方法、自动驾驶方法、装置和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114724113A true CN114724113A (zh) | 2022-07-08 |
| CN114724113B CN114724113B (zh) | 2024-04-02 |
Family
ID=82245729
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210469934.4A Active CN114724113B (zh) | 2022-04-28 | 2022-04-28 | 道路标牌识别方法、自动驾驶方法、装置和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114724113B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115100870A (zh) * | 2022-08-24 | 2022-09-23 | 北京百度网讯科技有限公司 | 限速标志验证方法、自动驾驶方法、装置和电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108805930A (zh) * | 2018-05-31 | 2018-11-13 | 上海燧方智能科技有限公司 | 自动驾驶车辆的定位方法和系统 |
| US20190272435A1 (en) * | 2016-12-16 | 2019-09-05 | Hitachi Automotive Systems, Ltd. | Road detection using traffic sign information |
| CN112896160A (zh) * | 2019-12-02 | 2021-06-04 | 华为技术有限公司 | 交通标志信息获取方法及相关设备 |
| CN113673281A (zh) * | 2020-05-14 | 2021-11-19 | 百度在线网络技术（北京）有限公司 | 限速信息确定方法、装置、设备以及存储介质 |
| CN113989777A (zh) * | 2021-10-29 | 2022-01-28 | 阿波罗智能技术(北京)有限公司 | 高精地图限速标牌与车道位置的识别方法、装置和设备 |
-
2022
- 2022-04-28 CN CN202210469934.4A patent/CN114724113B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190272435A1 (en) * | 2016-12-16 | 2019-09-05 | Hitachi Automotive Systems, Ltd. | Road detection using traffic sign information |
| CN108805930A (zh) * | 2018-05-31 | 2018-11-13 | 上海燧方智能科技有限公司 | 自动驾驶车辆的定位方法和系统 |
| CN112896160A (zh) * | 2019-12-02 | 2021-06-04 | 华为技术有限公司 | 交通标志信息获取方法及相关设备 |
| CN113673281A (zh) * | 2020-05-14 | 2021-11-19 | 百度在线网络技术（北京）有限公司 | 限速信息确定方法、装置、设备以及存储介质 |
| CN113989777A (zh) * | 2021-10-29 | 2022-01-28 | 阿波罗智能技术(北京)有限公司 | 高精地图限速标牌与车道位置的识别方法、装置和设备 |
Non-Patent Citations (2)
| Title |
|---|
| NITIN KANAGARAJ ET AL.: "Deep learning using computer vision in self driving cars for lane and traffic sign detection", INTERNATIONAL JOURNAL OF SYSTEMS ASSURANCE ENGINEERING AND MANAGEMENT, 14 May 2021 (2021-05-14), pages 1 - 16 * |
| 韩习习 等: "基于多特征融合的交通标志识别算法", 计算机工程与应用, vol. 55, no. 18, 31 December 2019 (2019-12-31), pages 195 - 200 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115100870A (zh) * | 2022-08-24 | 2022-09-23 | 北京百度网讯科技有限公司 | 限速标志验证方法、自动驾驶方法、装置和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114724113B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113191256A (zh) | 车道线检测模型的训练方法、装置、电子设备及存储介质 | |
| EP3916634A2 (en) | Text recognition method and device, and electronic device | |
| EP4138050A1 (en) | Table generating method and apparatus, electronic device, storage medium and product | |
| CN112818792A (zh) | 车道线检测方法、装置、电子设备及计算机存储介质 | |
| CN114677570B (zh) | 道路信息更新方法、装置、电子设备以及存储介质 | |
| CN113989777A (zh) | 高精地图限速标牌与车道位置的识别方法、装置和设备 | |
| CN113792061A (zh) | 地图数据的更新方法、装置及电子设备 | |
| CN114443794A (zh) | 数据处理和地图更新方法、装置、设备以及存储介质 | |
| CN112883236A (zh) | 一种地图更新方法、装置、电子设备及存储介质 | |
| CN113344121B (zh) | 训练招牌分类模型和招牌分类的方法 | |
| CN114724113B (zh) | 道路标牌识别方法、自动驾驶方法、装置和设备 | |
| CN114092948A (zh) | 一种票据识别方法、装置、设备以及存储介质 | |
| CN113989300A (zh) | 车道线分割的方法、装置、电子设备和存储介质 | |
| CN113706705A (zh) | 用于高精地图的图像处理方法、装置、设备以及存储介质 | |
| CN114216471A (zh) | 电子地图确定方法、装置、电子设备及存储介质 | |
| CN113869317A (zh) | 车牌识别方法、装置、电子设备和存储介质 | |
| CN113420692A (zh) | 生成方向识别模型的方法、装置、设备、介质及程序产品 | |
| CN112699773A (zh) | 交通灯识别方法、装置及电子设备 | |
| CN115761698A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
| CN113447013B (zh) | 施工道路识别方法、装置、设备、存储介质和程序产品 | |
| CN115114312A (zh) | 地图数据更新方法、装置及电子设备 | |
| CN115063765A (zh) | 一种道路边界线确定方法、装置、设备及存储介质 | |
| CN113033431A (zh) | 光学字符识别模型训练和识别方法、装置、设备及介质 | |
| CN112861701A (zh) | 违章停车识别方法、装置、电子设备以及计算机可读介质 | |
| CN113656425B (zh) | 电子地图的更新方法、装置、电子设备、存储介质及产品 |
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 |