CN115393815A - 道路信息生成方法、装置、电子设备和计算机可读介质 - Google Patents
道路信息生成方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN115393815A CN115393815A CN202211020461.6A CN202211020461A CN115393815A CN 115393815 A CN115393815 A CN 115393815A CN 202211020461 A CN202211020461 A CN 202211020461A CN 115393815 A CN115393815 A CN 115393815A
- Authority
- CN
- China
- Prior art keywords
- lane line
- sequence
- coordinate
- corner
- corner point
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例公开了道路信息生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:确定与车道线角点坐标组序列中每个车道线角点坐标组对应的相机位姿矩阵,得到相机位姿矩阵序列;生成匹配处理结果组序列;对车道线角点坐标组序列中每个车道线角点坐标组中各个车道线角点进行筛选处理,以生成筛选后车道线角点坐标组序列;确定筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标的坐标残差值,以生成坐标残差值组序列;基于坐标残差值组序列,生成道路信息。该实施方式可以提高生成的道路信息的准确度。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及道路信息生成方法、装置、电子设备和计算机可读介质。
背景技术
道路信息生成方法,是自动驾驶领域中的一项重要技术。目前,在进行道路信息生成时,通常采用的方式为:将从道路图像中提取到的车道线角点视为静态坐标,通过坐标转换的方式,确定角点坐标在车体坐标系或相机坐标系的位置,进而拟合成车道线作为道路信息。
然而,发明人发现,当采用上述方式进行道路信息生成时,经常会存在如下技术问题:
第一,若车道线被障碍物部分遮挡,容易导致从道路图像中提取到的车道线角点坐标跟随障碍物的移动而产生偏离,从而,导致提取到的角点坐标的准确度不足,进而,导致生成的道路信息的准确度降低;
第二,未考虑提取到的车道线角点坐标的误差,导致生成的车道线方程的准确度降低。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了道路信息生成方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种道路信息生成方法,该方法包括:对预获取的道路图像序列中的每个道路图像进行车道线角点检测以生成车道线角点坐标组和对应的角点坐标协方差矩阵组,得到车道线角点坐标组序列和角点坐标协方差矩阵组序列;确定与上述车道线角点坐标组序列中每个车道线角点坐标组对应的相机位姿矩阵,得到相机位姿矩阵序列;基于上述相机位姿矩阵序列和上述车道线角点坐标组序列,生成匹配处理结果组序列;基于上述匹配处理结果组序列,对上述车道线角点坐标组序列中每个车道线角点坐标组中各个车道线角点进行筛选处理,以生成筛选后车道线角点坐标组序列;基于上述角点坐标协方差矩阵组序列和上述相机位姿矩阵序列,确定上述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标的坐标残差值,以生成坐标残差值组序列;基于上述坐标残差值组序列,生成道路信息,其中,上述道路信息包括车道线方程组。
第二方面,本公开的一些实施例提供了一种道路信息生成装置,该装置包括:检测单元,被配置成对预获取的道路图像序列中的每个道路图像进行车道线角点检测以生成车道线角点坐标组和对应的角点坐标协方差矩阵组,得到车道线角点坐标组序列和角点坐标协方差矩阵组序列;第一确定单元,被配置成确定与上述车道线角点坐标组序列中每个车道线角点坐标组对应的相机位姿矩阵,得到相机位姿矩阵序列;第一生成单元,被配置成基于上述相机位姿矩阵序列和上述车道线角点坐标组序列,生成匹配处理结果组序列;筛选处理单元,被配置成基于上述匹配处理结果组序列,对上述车道线角点坐标组序列中每个车道线角点坐标组中各个车道线角点进行筛选处理,以生成筛选后车道线角点坐标组序列;第二确定单元,被配置成基于上述角点坐标协方差矩阵组序列和上述相机位姿矩阵序列,确定上述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标的坐标残差值,以生成坐标残差值组序列;第二生成单元,被配置成基于上述坐标残差值组序列,生成道路信息,其中,上述道路信息包括车道线方程组。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
第五方面,本公开的一些实施例提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的道路信息生成方法,可以提高生成的道路信息的准确度。具体来说,造成生成的道路信息的准确度降低的原因在于:若车道线被障碍物部分遮挡,容易导致从道路图像中提取到的车道线角点坐标跟随障碍物的移动而产生偏离,从而,导致提取到的角点坐标的准确度不足。基于此,本公开的一些实施例的道路信息生成方法,对预获取的道路图像序列中的每个道路图像进行车道线角点检测以生成车道线角点坐标组和对应的角点坐标协方差矩阵组,得到车道线角点坐标组序列和角点坐标协方差矩阵组序列。首先,通过车道线角点检测,不仅可以得到车道线角点坐标,还可以得到与每个车道线角点坐标对应的角点坐标协方差矩阵。也因为引入了角点坐标协方差矩阵,以此可以用于确定车道线角点坐标是否产生偏离。其次,确定与上述车道线角点坐标组序列中每个车道线角点坐标组对应的相机位姿矩阵,得到相机位姿矩阵序列。然后,基于上述相机位姿矩阵序列和上述车道线角点坐标组序列,生成匹配处理结果组序列。通过生成匹配处理结果组序列,可以用于进一步判断车道线角点坐标是否产生偏离的情况。接着,基于上述匹配处理结果组序列,对上述车道线角点坐标组序列中每个车道线角点坐标组中各个车道线角点进行筛选处理,以生成筛选后车道线角点坐标组序列。通过筛选处理可以用于去除存在偏离现象的车道线角点坐标。以此,可以为后续道路信息的生成提供更加准确的数据支持。之后,基于上述角点坐标协方差矩阵组序列和上述相机位姿矩阵序列,确定上述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标的坐标残差值,以生成坐标残差值组序列。这里,通过确定坐标残差值,可以进一步确定车道线角点坐标是否产生偏离的情况。由此,可以进一步提高生成的车道线角点坐标的准确度。最后,基于上述坐标残差值组序列,生成道路信息,其中,上述道路信息包括车道线方程组。也因为提高了生成的车道线角点坐标的准确度,以此可以提高生成的道路信息的准确度。
附图说明
结合附图并参考以下具体实施方式,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。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的道路信息生成方法的一些实施例的流程图;
图2是根据本公开的道路信息生成装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。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。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的道路信息生成方法的一些实施例的流程100。该道路信息生成方法,包括以下步骤:
步骤101,对预获取的道路图像序列中的每个道路图像进行车道线角点检测以生成车道线角点坐标组和对应的角点坐标协方差矩阵组,得到车道线角点坐标组序列和角点坐标协方差矩阵组序列。
在一些实施例中,道路信息生成方法的执行主体可以对预获取的道路图像序列中的每个道路图像进行车道线角点检测以生成车道线角点坐标组和对应的角点坐标协方差矩阵组,得到车道线角点坐标组序列和角点坐标协方差矩阵组序列。其中,道路图像序列可以是通过当前车辆的前视车载相机拍摄的连续帧图像。可以通过预设的角点检测算法,对道路图像进行角点检测以生成车道线角点坐标组、和与每个车道线角点坐标对应的角点坐标协方差矩阵。每个车道线角点坐标组可以对应一个道路图像,以表征该道路图像中车道线的角点。车道线角点坐标可以是道路图像中车道线角点的坐标。例如,车道线角点可以是虚线车道线的一个角的坐标,还可以是实线车道线的边缘坐标。角点坐标协方差矩阵可以是对角矩阵,用于表征对应的车道线角点的检测误差。
步骤102,确定与车道线角点坐标组序列中每个车道线角点坐标组对应的相机位姿矩阵,得到相机位姿矩阵序列。
在一些实施例中,上述执行主体可以确定与上述车道线角点坐标组序列中每个车道线角点坐标组对应的相机位姿矩阵,得到相机位姿矩阵序列。其中,可以通过有线方式或无线方式从车辆惯性单元中获取与上述道路图像序列中每个道路图像序列对应的相机位姿矩阵,作为与车道线角点坐标组对应的相机位姿矩阵。
在一些实施例的一些可选的实现方式中,上述执行主体确定与上述车道线角点坐标组序列中每个车道线角点坐标组对应的相机位姿矩阵,得到相机位姿矩阵序列,可以包括以下步骤:
第一步,获取初始相机位姿矩阵序列。其中,上述初始相机位姿矩阵序列中的各个初始相机位姿矩阵可以是与上述道路图像序列中各个道路图像的连续帧时间段的初始相机位姿矩阵。这里,初始相机位姿矩阵的获取频率与道路图像序列中道路图像的获取频率不同。
第二步,对上述初始相机位姿矩阵序列进行插值处理,以生成相机位姿矩阵序列。其中,由于获取的初始相机位姿矩阵的频率与道路图像序列中道路图像的获取频率不同。因此,初始相机位姿矩阵对应的时间戳与道路图像对应的时间戳也不相同。从而,可以通过预设的插值算法,对各个初始相机位姿矩阵进行插值处理,以生成与道路图像处于同一时间戳的相机位姿矩阵,得到相机位姿矩阵序列。
作为示例,上述插值算法可以包括但不限于以下至少一项:分段线性插值法、三次样条插值法、双线性插值法、最近邻插值法等。
步骤103,基于相机位姿矩阵序列和车道线角点坐标组序列,生成匹配处理结果组序列。
在一些实施例中,上述执行主体可以基于上述相机位姿矩阵序列和上述车道线角点坐标组序列,生成匹配处理结果组序列。其中,可以将上述相机位姿矩阵序列和上述车道线角点坐标组序列输入至预设的车道线角点匹配算法接口,以输出匹配处理结果组序列。这里,车道线角点匹配算法接口可以是预设的用于车道线角点匹配的接口。匹配处理结果可以是将一个车道线角点与其它道路图像对应的车道线角点进行匹配后的结果。
在一些实施例的一些可选的实现方式中,上述执行主体基于上述相机位姿矩阵序列和上述车道线角点坐标组序列,生成匹配处理结果组序列,可以包括以下步骤:
基于上述相机位姿矩阵序列,对上述车道线角点坐标组序列中每个车道线角点坐标组中的各个车道线角点坐标与其它车道线角点坐标组中的车道线角点坐标进行匹配处理以生成匹配处理结果组,得到匹配处理结果组序列。其中,上述匹配处理结果组序列中的每个匹配处理结果可以包括跟踪匹配成功标识或跟踪匹配失败标识。可以通过预设的车道线角点跟踪方法,利用上述相机位姿矩阵序列,对上述车道线角点坐标组序列中每个车道线角点坐标组中的各个车道线角点坐标与其它车道线角点坐标组中的车道线角点坐标进行匹配处理以生成匹配处理结果组,得到匹配处理结果组序列。这里,跟踪匹配成功标识可以用于表征车道线角点坐标与其它车道线角点坐标组中的车道线角点坐标存在对应关系,即表示该车道线角点坐标被跟踪匹配成功。跟踪匹配失败标识可以用于表征车道线角点坐标与其它车道线角点坐标组中的车道线角点坐标存在对应关系,即表示该车道线角点坐标为误检坐标。
作为示例,上述车道线角点跟踪方法可以包括但不限于以下至少一项:SIFT(Scale-invariant Feature Transform,尺度不变特征转换)算法、Surf(Speeded UpRobust Features,加速稳健特征)算法、harris角点检测、FAST角点检测、BRIEF(BinaryRobust Independent Elementary Features,特征描述子算法)等。
另外,上述匹配处理结果组序列中的每个匹配处理结果还可以包括匹配图像标识序列。匹配图像标识序列中的匹配图像标识可以是与车道线角点坐标相匹配的其它车道线角点所在的道路图像的图像标识。
步骤104,基于匹配处理结果组序列,对车道线角点坐标组序列中每个车道线角点坐标组中各个车道线角点进行筛选处理,以生成筛选后车道线角点坐标组序列。
在一些实施例中,上述执行主体可以基于上述匹配处理结果组序列,对上述车道线角点坐标组序列中每个车道线角点坐标组中各个车道线角点进行筛选处理,以生成筛选后车道线角点坐标组序列。
在一些实施例的一些可选的实现方式中,上述执行主体基于上述匹配处理结果组序列,对上述车道线角点坐标组序列中每个车道线角点坐标组中各个车道线角点进行筛选处理,以生成筛选后车道线角点坐标组序列,可以包括以下步骤:
对上述车道线角点坐标组序列中对应匹配处理结果组序列中的匹配处理结果包括匹配失败标识的车道线角点坐标进行去除,以及将去除后的车道线角点坐标组序列确定为筛选后车道线角点坐标组序列。这里,由于匹配失败标识表征车道线角点坐标为误检坐标,因此,可以去除该车道线角点坐标。从而,可以用于提高筛选后车道线角点坐标组序列中筛选后车道线角点坐标的准确度。
步骤105,基于角点坐标协方差矩阵组序列和相机位姿矩阵序列,确定筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标的坐标残差值,以生成坐标残差值组序列。
在一些实施例中,上述执行主体可以基于上述角点坐标协方差矩阵组序列和上述相机位姿矩阵序列,确定上述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标的坐标残差值,以生成坐标残差值组序列。
在一些实施例的一些可选的实现方式中,上述执行主体基于上述角点坐标协方差矩阵组序列和上述相机位姿矩阵序列,确定上述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标的坐标残差值,以生成坐标残差值组序列,可以包括以下步骤:
第一步,基于上述角点坐标协方差矩阵组序列和上述相机位姿矩阵序列,对上述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标进行坐标转换以生成转换后角点坐标,得到转换后角点坐标组序列。其中,坐标转换可以是将筛选后车道线坐标从图像坐标系转换至相机坐标系。对于上述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标,首先,可以从上述相机位姿矩阵序列中,选出与上述筛选后车道线角点坐标对应的相机位姿矩阵,得到目标相机位姿矩阵组。这里,目标相机位姿矩阵组中的各个目标位姿矩阵可以是与上述筛选后车道线角点坐标对应的匹配处理结果包括的匹配图像标识序列中、各个匹配图像标识表征的道路图像处于同一时间戳的相机位姿矩阵。然后,可以通过以下公式对上述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标进行坐标转换以生成转换后角点坐标:
其中,P表示上述转换后角点坐标。这里,上述转换后角点坐标为上述相机坐标系中的三维坐标。i表示序号。I表示上述目标位姿矩阵组中目标位姿矩阵的数量。e表示上述筛选后车道线角点坐标投影至上述目标相机位姿矩阵组中的目标相机位姿矩阵对应的相机坐标系的重投影误差。T表示矩阵的转置。这里,对应的可以指目标相机位姿矩阵所在时刻(即,时间戳)的相机坐标系。ei表示上述筛选后车道线角点坐标投影至上述目标相机位姿矩阵组中的第i个目标相机位姿矩阵对应的相机坐标系的重投影误差。σ表示与上述筛选后车道线角点坐标对应的角点坐标协方差矩阵。R表示上述目标相机位姿矩阵组中的目标相机位姿矩阵。Ri表示上述目标相机位姿矩阵组中的第i个目标相机位姿矩阵。R′表示上述目标相机位姿矩阵组中与上述筛选后车道线角点坐标对应的目标相机位姿矩阵。p表示上述筛选后车道线角点坐标。arg min表示最小化目标函数,即转换后角点坐标最小时的取值。Π(x)表示投影函数,用于将三维坐标投影至二维坐标系(例如图像坐标系)。x表示输入参数。这里,输入参数是M表示上述前视车载相机的相机内参矩阵。()1∶2表示取括号内向量的第1个到第2个元素。()3表示取括号内向量的第3个元素。
实践中,上述公式可以通过最小二乘法进行求解。
第二步,对于上述转换后角点坐标组序列中的每个转换后角点坐标组中的每个转换后角点坐标,执行以下生成步骤,以生成坐标残差值:
第一子步骤,确定上述道路图像序列中与上述转换后角点坐标相匹配的道路图像,得到匹配道路图像组。其中,相匹配可以是:与转换后角点坐标相匹配的匹配道路图像可以是:与上述转换后角点坐标对应的匹配处理结果包括的匹配图像标识序列中各个匹配图像标识表征的道路图像。
第二子步骤,将上述转换后角点坐标投影至上述匹配道路图像组中的各个匹配道路图像,以生成投影后角点坐标组。其中,可以利用透视变换算法,将上述转换后角点坐标投影至上述匹配道路图像组中的各个匹配道路图像,以生成投影后角点坐标组。
第三子步骤,基于上述角点坐标协方差矩阵组序列,确定上述投影后角点坐标组中投影后各个角点坐标的投影总误差值,以及将上述投影总误差值确定为坐标残差值。其中,可以通过以下公式确定上述投影后角点坐标组中投影后各个角点坐标的投影总误差值:
其中,E表示上述投影总误差值。j表示序号。j表示上述投影后角点坐标组中投影后角点坐标的数量。f表示上述投影后角点坐标组中投影后角点坐标的投影误差值。fj表示上述投影后角点坐标组中第j个投影后角点坐标的投影误差值。K表示与上述投影后角点坐标组中投影后角点坐标对应的目标相机位姿矩阵。Kj表示与上述投影后角点坐标组中第j个投影后角点坐标对应的目标相机位姿矩阵。K′表示上述目标相机位姿矩阵组中与上述转换后角点坐标对应的目标相机位姿矩阵。
步骤106,基于坐标残差值组序列,生成道路信息。
在一些实施例中,上述执行主体可以基于上述坐标残差值组序列,生成道路信息。
在一些实施例的一些可选的实现方式中,上述执行主体基于上述坐标残差值组序列,生成道路信息,可以包括以下步骤:
第一步,将上述转换后角点坐标组序列中对应的上述坐标残差值组序列中坐标残差值不满足预设残差条件的转换后角点坐标进行去除,以生成去除后角点坐标组序列。其中,上述预设残差条件可以是坐标残差值小于等于预设的残差阈值。这里,坐标残差值不满足预设残差条件的转换后角点坐标可以表征该转换后角点坐标被障碍物遮挡,且产生了跟随障碍物的移动而产生偏离的情况。因此,需要对此种转换后角点坐标进行去除。
第二步,对上述去除后角点坐标组序列中对应同一车道线的去除后角点坐标进行拟合处理以生成车道线方程,得到车道线方程组,以及将上述车道线方程组确定为道路信息。这里,可以通过多项式拟合方法,对上述去除后角点坐标组序列中对应同一车道线的去除后角点坐标进行拟合处理以生成车道线方程,得到车道线方程组。
上述各个公式及其相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“未考虑提取到的车道线角点坐标的误差,导致生成的车道线方程的准确度降低”。导致生成的车道线方程的准确度降低的因素往往如下:未考虑提取到的车道线角点坐标的误差。如果解决了上述因素,就能提高生成的车道线方程的准确度。为了达到这一效果,首先,通过插值处理可以确定与每个道路图像处于同一时刻的相机位姿矩阵。由此,可以用于提高参与坐标转换的相机位姿矩阵的准确度。其次,通过利用更加准确的相机位姿矩阵,对每个筛选后车道线角点坐标进行坐标转换,可以得到更加准确的转换后角点坐标。这里,也因为引入了上述生成转换后角点坐标的公式,可以利用每个筛选后车道线角点坐标对应的相机位姿矩阵,最大限度的消除筛选后车道线角点坐标与匹配的不同时刻的角点坐标的重投影误差。由此,可以提高生成的转换后角点坐标的准确度。然后,通过坐标投影,可以将每个转换后角点坐标投影至相匹配的匹配道路图像的图像坐标系中。以此,可以确定该转换后角点坐标与各个匹配道路图像的图像坐标系中对应角点坐标之间的转换误差,即投影总误差。由此考虑了提取到的车道线角点坐标的误差,以及可以通过该投影总误差,用于对转换后角点坐标进行筛选。由此,可以提高生成的去除后角点坐标的准确度。从而,可以用于提高生成的车道线方程的准确度。
可选的,上述残差阈值可以通过以下步骤生成:
第一步,对于预处理后角点坐标组中的各个预处理后角点坐标,可以通过上述步骤103-105的方式确定对应的目标残差值,得到目标残差值组。其中,上述预处理后角点坐标组中的各个预处理后角点坐标可以是预先处理后的未被障碍物遮挡的情况下从道路图像中检测到的车道线角点坐标。
第二步,将上述目标残差值组中的各个目标残差值分布拟合为折叠正态分布。其中,可以通过极大似然估计算法,确定上述折叠正态分布的位置参数和尺度参数。
第三步,可以将位置参数加上尺度参数与系数乘积的和确定为上述残差阈值。
作为示例,上述系数可以是2或3。若系数取值为2,则可以表征目标残差值小于残差阈值的概率约为95.45%。若系数取值为3,则可以表征目标残差值小于差阈值的概率约为99.73%。
这里,若目标残差值大于残差阈值,则可以表征目标残差值对应的处理后处理后角点坐标存在被遮挡的情况。因此,可以将生成的残差阈值用于筛选转换后角点坐标。以此提高转换后角点坐标的准确度。
可选的,上述执行主体还可以将上述道路信息发送至显示终端以供显示。
可选的,对于上述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组,可以确定其对应的车道线信息。其中,车道线信息组中的车道线信息可以包括车道线的线型标识。例如,线型标识可以是实线标识或虚线标识,用于表征车道线为实线或虚线。这里,可以通过预设的车道线检测算法,确定与上述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组对应的车道线信息,得到车道线信息组。然后,对于对应车道线信息为实线标识的每个转换后车道线角点坐标组,若上述转换后车道线角点坐标组中存在坐标残差值满足上述预设残差条件的转换后车道线角点坐标,则可以再次通过上述步骤103-106中那些实施例的方式,确定所生成的坐标残差值是否满足上述预设残差条件。最后,若仍有坐标残差值满足上述预设残差条件则可以确定上述筛选后车道线角点坐标组对应的车道线信息的线型标识检测有误。因此,还可以将车道线识别有误的信息添加至上述道路信息。
作为示例,上述车道线检测算法可以包括但不限于以下至少一项:UFLD(UltraFast Structure-aware Deep Lane Detection,车道线快速检测算法)、LaneNet(多分支车道线检测网络)算法、LSD(Line Segment Detector线段检测)算法、Freeman直线检测算法等。
实践中,上述步骤可以用于确定由于障碍物遮挡导致虚线车道线被误检为实线车道线的情况。以此,可以提高车道线线型检测的准确度。从而,可以用于提高生成的道路信息的准确度。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的道路信息生成方法,可以提高生成的道路信息的准确度。具体来说,造成生成的道路信息的准确度降低的原因在于:若车道线被障碍物部分遮挡,容易导致从道路图像中提取到的车道线角点坐标跟随障碍物的移动而产生偏离,从而,导致提取到的角点坐标的准确度不足。基于此,本公开的一些实施例的道路信息生成方法,对预获取的道路图像序列中的每个道路图像进行车道线角点检测以生成车道线角点坐标组和对应的角点坐标协方差矩阵组,得到车道线角点坐标组序列和角点坐标协方差矩阵组序列。首先,通过车道线角点检测,不仅可以得到车道线角点坐标,还可以得到与每个车道线角点坐标对应的角点坐标协方差矩阵。也因为引入了角点坐标协方差矩阵,以此可以用于确定车道线角点坐标是否产生偏离。其次,确定与上述车道线角点坐标组序列中每个车道线角点坐标组对应的相机位姿矩阵,得到相机位姿矩阵序列。然后,基于上述相机位姿矩阵序列和上述车道线角点坐标组序列,生成匹配处理结果组序列。通过生成匹配处理结果组序列,可以用于进一步判断车道线角点坐标是否产生偏离的情况。接着,基于上述匹配处理结果组序列,对上述车道线角点坐标组序列中每个车道线角点坐标组中各个车道线角点进行筛选处理,以生成筛选后车道线角点坐标组序列。通过筛选处理可以用于去除存在偏离现象的车道线角点坐标。以此,可以为后续道路信息的生成提供更加准确的数据支持。之后,基于上述角点坐标协方差矩阵组序列和上述相机位姿矩阵序列,确定上述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标的坐标残差值,以生成坐标残差值组序列。这里,通过确定坐标残差值,可以进一步确定车道线角点坐标是否产生偏离的情况。由此,可以进一步提高生成的车道线角点坐标的准确度。最后,基于上述坐标残差值组序列,生成道路信息,其中,上述道路信息包括车道线方程组。也因为提高了生成的车道线角点坐标的准确度,以此可以提高生成的道路信息的准确度。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种道路信息生成装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的道路信息生成装置200包括:检测单元201、第一确定单元202、第一生成单元203、筛选处理单元204、第二确定单元205和第二生成单元206。其中,检测单元201,被配置成对预获取的道路图像序列中的每个道路图像进行车道线角点检测以生成车道线角点坐标组和对应的角点坐标协方差矩阵组,得到车道线角点坐标组序列和角点坐标协方差矩阵组序列;第一确定单元201,被配置成确定与上述车道线角点坐标组序列中每个车道线角点坐标组对应的相机位姿矩阵,得到相机位姿矩阵序列;第一生成单元203,被配置成基于上述相机位姿矩阵序列和上述车道线角点坐标组序列,生成匹配处理结果组序列;筛选处理单元204,被配置成基于上述匹配处理结果组序列,对上述车道线角点坐标组序列中每个车道线角点坐标组中各个车道线角点进行筛选处理,以生成筛选后车道线角点坐标组序列;第二确定单元205,被配置成基于上述角点坐标协方差矩阵组序列和上述相机位姿矩阵序列,确定上述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标的坐标残差值,以生成坐标残差值组序列;第二生成单元206,被配置成基于上述坐标残差值组序列,生成道路信息,其中,上述道路信息包括车道线方程组。
可以理解的是,该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:对预获取的道路图像序列中的每个道路图像进行车道线角点检测以生成车道线角点坐标组和对应的角点坐标协方差矩阵组,得到车道线角点坐标组序列和角点坐标协方差矩阵组序列;确定与上述车道线角点坐标组序列中每个车道线角点坐标组对应的相机位姿矩阵,得到相机位姿矩阵序列;基于上述相机位姿矩阵序列和上述车道线角点坐标组序列,生成匹配处理结果组序列;基于上述匹配处理结果组序列,对上述车道线角点坐标组序列中每个车道线角点坐标组中各个车道线角点进行筛选处理,以生成筛选后车道线角点坐标组序列;基于上述角点坐标协方差矩阵组序列和上述相机位姿矩阵序列,确定上述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标的坐标残差值,以生成坐标残差值组序列;基于上述坐标残差值组序列,生成道路信息,其中,上述道路信息包括车道线方程组。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括检测单元、第一确定单元、第一生成单元、筛选处理单元、第二确定单元和第二生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,检测单元还可以被描述为“对预获取的道路图像序列中的每个道路图像进行车道线角点检测以生成车道线角点坐标组和对应的角点坐标协方差矩阵组,得到车道线角点坐标组序列和角点坐标协方差矩阵组序列的单元”。
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:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种道路信息生成方法,包括:
对预获取的道路图像序列中的每个道路图像进行车道线角点检测以生成车道线角点坐标组和对应的角点坐标协方差矩阵组,得到车道线角点坐标组序列和角点坐标协方差矩阵组序列;
确定与所述车道线角点坐标组序列中每个车道线角点坐标组对应的相机位姿矩阵,得到相机位姿矩阵序列;
基于所述相机位姿矩阵序列和所述车道线角点坐标组序列,生成匹配处理结果组序列;
基于所述匹配处理结果组序列,对所述车道线角点坐标组序列中每个车道线角点坐标组中各个车道线角点进行筛选处理,以生成筛选后车道线角点坐标组序列;
基于所述角点坐标协方差矩阵组序列和所述相机位姿矩阵序列,确定所述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标的坐标残差值,以生成坐标残差值组序列;
基于所述坐标残差值组序列,生成道路信息,其中,所述道路信息包括车道线方程组。
2.根据权利要求1所述的方法,其中,所述方法还包括:
将所述道路信息发送至显示终端以供显示。
3.根据权利要求1所述的方法,其中,所述确定与所述车道线角点坐标组序列中每个车道线角点坐标组对应的相机位姿矩阵,得到相机位姿矩阵序列,包括:
获取初始相机位姿矩阵序列;
对所述初始相机位姿矩阵序列进行插值处理,以生成相机位姿矩阵序列。
4.根据权利要求1所述的方法,其中,所述基于所述相机位姿矩阵序列和所述车道线角点坐标组序列,生成匹配处理结果组序列,包括:
基于所述相机位姿矩阵序列,对所述对所述车道线角点坐标组序列中每个车道线角点坐标组中的各个车道线角点坐标与其它车道线角点坐标组中的车道线角点坐标进行匹配处理以生成匹配处理结果组,得到匹配处理结果组序列,其中,所述匹配处理结果组序列中的每个匹配处理结果包括跟踪匹配成功标识或跟踪匹配失败标识。
5.根据权利要求1所述的方法,其中,所述基于所述匹配处理结果组序列,对所述车道线角点坐标组序列中每个车道线角点坐标组中各个车道线角点进行筛选处理,以生成筛选后车道线角点坐标组序列,包括:
对所述车道线角点坐标组序列中对应匹配处理结果组序列中的匹配处理结果包括匹配失败标识的车道线角点坐标进行去除,以及将去除后的车道线角点坐标组序列确定为筛选后车道线角点坐标组序列。
6.根据权利要求1所述的方法,其中,所述基于所述角点坐标协方差矩阵组序列和所述相机位姿矩阵序列,确定所述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标的坐标残差值,包括:
基于所述角点坐标协方差矩阵组序列和所述相机位姿矩阵序列,对所述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标进行坐标转换以生成转换后角点坐标,得到转换后角点坐标组序列;
对于所述转换后角点坐标组序列中的每个转换后角点坐标组中的每个转换后角点坐标,执行以下生成步骤,以生成坐标残差值:
确定所述道路图像序列中与所述转换后角点坐标相匹配的道路图像,得到匹配道路图像组;
将所述转换后角点坐标投影至所述匹配道路图像组中的各个匹配道路图像,以生成投影后角点坐标组;
基于所述角点坐标协方差矩阵组序列,确定所述投影后角点坐标组中投影后各个角点坐标的投影总误差值,以及将所述投影总误差值确定为坐标残差值。
7.根据权利要求6所述的方法,其中,所述基于所述坐标残差值组序列,生成道路信息,包括:
将所述转换后角点坐标组序列中对应的所述坐标残差值组序列中坐标残差值不满足预设残差条件的转换后角点坐标进行去除,以生成去除后角点坐标组序列;
对所述去除后角点坐标组序列中对应同一车道线的去除后角点坐标进行拟合处理以生成车道线方程,得到车道线方程组,以及将所述车道线方程组确定为道路信息。
8.一种道路信息生成装置,包括:
检测单元,被配置成对预获取的道路图像序列中的每个道路图像进行车道线角点检测以生成车道线角点坐标组和对应的角点坐标协方差矩阵组,得到车道线角点坐标组序列和角点坐标协方差矩阵组序列;
第一确定单元,被配置成确定与所述车道线角点坐标组序列中每个车道线角点坐标组对应的相机位姿矩阵,得到相机位姿矩阵序列;
第一生成单元,被配置成基于所述相机位姿矩阵序列和所述车道线角点坐标组序列,生成匹配处理结果组序列;
筛选处理单元,被配置成基于所述匹配处理结果组序列,对所述车道线角点坐标组序列中每个车道线角点坐标组中各个车道线角点进行筛选处理,以生成筛选后车道线角点坐标组序列;
第二确定单元,被配置成基于所述角点坐标协方差矩阵组序列和所述相机位姿矩阵序列,确定所述筛选后车道线角点坐标组序列中每个筛选后车道线角点坐标组中的每个筛选后车道线角点坐标的坐标残差值,以生成坐标残差值组序列;
第二生成单元,被配置成基于所述坐标残差值组序列,生成道路信息,其中,所述道路信息包括车道线方程组。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020461.6A CN115393815A (zh) | 2022-08-24 | 2022-08-24 | 道路信息生成方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020461.6A CN115393815A (zh) | 2022-08-24 | 2022-08-24 | 道路信息生成方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115393815A true CN115393815A (zh) | 2022-11-25 |
Family
ID=84122119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211020461.6A Pending CN115393815A (zh) | 2022-08-24 | 2022-08-24 | 道路信息生成方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115393815A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116691694A (zh) * | 2023-05-29 | 2023-09-05 | 禾多科技(北京)有限公司 | 车位信息生成方法、装置、电子设备和计算机可读介质 |
CN116740382A (zh) * | 2023-05-08 | 2023-09-12 | 禾多科技(北京)有限公司 | 障碍物信息生成方法、装置、电子设备和计算机可读介质 |
CN116758498A (zh) * | 2023-05-08 | 2023-09-15 | 禾多科技(北京)有限公司 | 障碍物信息生成方法、装置、电子设备和计算机可读介质 |
-
2022
- 2022-08-24 CN CN202211020461.6A patent/CN115393815A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740382A (zh) * | 2023-05-08 | 2023-09-12 | 禾多科技(北京)有限公司 | 障碍物信息生成方法、装置、电子设备和计算机可读介质 |
CN116758498A (zh) * | 2023-05-08 | 2023-09-15 | 禾多科技(北京)有限公司 | 障碍物信息生成方法、装置、电子设备和计算机可读介质 |
CN116740382B (zh) * | 2023-05-08 | 2024-02-20 | 禾多科技(北京)有限公司 | 障碍物信息生成方法、装置、电子设备和计算机可读介质 |
CN116758498B (zh) * | 2023-05-08 | 2024-02-23 | 禾多科技(北京)有限公司 | 障碍物信息生成方法、装置、电子设备和计算机可读介质 |
CN116691694A (zh) * | 2023-05-29 | 2023-09-05 | 禾多科技(北京)有限公司 | 车位信息生成方法、装置、电子设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112598762B (zh) | 三维车道线信息生成方法、装置、电子设备和介质 | |
CN109064428B (zh) | 一种图像去噪处理方法、终端设备及计算机可读存储介质 | |
CN115393815A (zh) | 道路信息生成方法、装置、电子设备和计算机可读介质 | |
CN113869293B (zh) | 车道线识别方法、装置、电子设备和计算机可读介质 | |
CN113607185B (zh) | 车道线信息显示方法、装置、电子设备和计算机可读介质 | |
CN109118456B (zh) | 图像处理方法和装置 | |
CN113255619B (zh) | 车道线识别及定位方法、电子设备和计算机可读介质 | |
CN111325792B (zh) | 用于确定相机位姿的方法、装置、设备和介质 | |
CN115540894B (zh) | 车辆轨迹规划方法、装置、电子设备和计算机可读介质 | |
CN114399588B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN113537153A (zh) | 仪表图像识别方法、装置、电子设备和计算机可读介质 | |
CN114399589A (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN115272182B (zh) | 车道线检测方法、装置、电子设备和计算机可读介质 | |
CN111783777A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN113688928B (zh) | 图像匹配方法、装置、电子设备和计算机可读介质 | |
CN113033715B (zh) | 目标检测模型训练方法和目标车辆检测信息生成方法 | |
CN113658196A (zh) | 红外图像中船舶的检测方法、装置、电子设备和介质 | |
CN116524206B (zh) | 目标图像的识别方法及装置 | |
CN113762279A (zh) | 目标图像识别方法、模型训练方法、装置、设备和介质 | |
CN113780247B (zh) | 红绿灯检测方法、装置、电子设备和计算机可读介质 | |
CN115393826A (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN115565158A (zh) | 车位检测方法、装置、电子设备和计算机可读介质 | |
CN115326079A (zh) | 车辆车道级定位方法、装置、设备和计算机可读介质 | |
CN114913105A (zh) | 激光点云融合方法、装置、服务器及计算机可读存储介质 | |
CN114140538A (zh) | 车载相机位姿调整方法、装置、设备和计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |