CN115468570A - 高精地图地面要素的提取方法、装置、设备及存储介质 - Google Patents

高精地图地面要素的提取方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115468570A
CN115468570A CN202211056982.7A CN202211056982A CN115468570A CN 115468570 A CN115468570 A CN 115468570A CN 202211056982 A CN202211056982 A CN 202211056982A CN 115468570 A CN115468570 A CN 115468570A
Authority
CN
China
Prior art keywords
ground
extracted
image
elements
images
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
Application number
CN202211056982.7A
Other languages
English (en)
Inventor
杨镜
卢维欣
白宇
万国伟
彭亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202211056982.7A priority Critical patent/CN115468570A/zh
Publication of CN115468570A publication Critical patent/CN115468570A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了一种高精地图地面要素的提取方法、装置、设备以及存储介质，涉及地图测量技术领域，尤其涉及高精地图地面要素识别、地面要素提取技术领域。具体实现方案为：获取分别采集到的待测路面的多个地面图像；根据待提取的地面要素，分别确定出每个地面图像中的待提取区域，待提取区域为地面图像中包含待提取的地面要素的区域；将各地面图像位于待提取区域内的部分进行融合，以生成待提取区域对应的融合图像；根据融合图像，提取待提取的地面要素。能够提高提取到的地面要素的完整性，并减小提取到的地面要素的畸变，从而提高提取到的地面要素的精度。

Description

高精地图地面要素的提取方法、装置、设备及存储介质
技术领域
本公开涉及地图测量技术领域，尤其涉及高精地图地面要素识别、地面要素提取技术领域，具体涉及一种高精地图地面要素的提取方法、装置、设备以及存储介质。
背景技术
高精地图也称高精度地图，是自动驾驶汽车使用。高精地图，拥有精确的车辆位置信息和丰富的道路元素数据信息，可以帮助汽车预知路面复杂信息，如坡度、曲率、航向等，更好地规避潜在的风险。在高精地图自动化生产过程中，一般会对待测路面进行一次地面图像的采集后，对该地面图像中包含的各类地面要素进行提取，以便于将各类地面要素输入到高精地图构建待测路面的地图数据。
但是由于地面图像采集设备的局限性，难以将大尺度地面要素，如人行横道、停止线、禁停区标线等完整的采集到地面图像中，并且，采集的地面图像本身边缘也会存在畸变，所以对于大尺度的地面要素，最终提取到的结果可能会存在缺失和畸变，精度难以保证。
发明内容
本公开提供了一种高精地图地面要素的提取方法、装置、设备以及存储介质，能够提高提取到的地面要素的完整性，并减小提取到的地面要素的畸变，从而提高提取到的地面要素的精度。
根据本公开的第一方面，提供了一种高精地图地面要素的提取方法，该方法包括：
获取分别采集到的待测路面的多个地面图像，地面图像中包含待测路面上多个地面要素，地面要素为地面上的标识和标线；分别确定每个地面图像中待提取的地面要素；根据待提取的地面要素，分别确定出每个地面图像中的待提取区域，待提取区域为地面图像中包含待提取的地面要素的区域；将各地面图像位于待提取区域内的部分进行融合，以生成待提取区域对应的融合图像；根据融合图像，提取待提取的地面要素。
根据本公开的第二方面，提供了一种高精地图地面要素的提取装置，该装置包括：获取模块，用于获取分别采集到的待测路面的多个地面图像，地面图像中包含待测路面上多个地面要素，地面要素为地面上的标识和标线；处理模块，用于分别确定每个地面图像中待提取的地面要素；根据待提取的地面要素，分别确定出每个地面图像中的待提取区域，待提取区域为地面图像中包含待提取的地面要素的区域；将各地面图像位于待提取区域内的部分进行融合，以生成待提取区域对应的融合图像；提取模块，用于根据融合图像，提取待提取的地面要素。
根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面提供的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行根据第一方面提供的方法。
根据本公开的第五方面，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根据第一方面提供的方法。
本公开能够在对待测路面采集了多个地面图像之后，先确定出每个地面图像中包含待提取的地面要素的待提取区域，然后对各地面图像位于待提取区域内的部分进行融合以生成待提取区域对应的融合图像，然后在该融合图像中提取相应的待提取的地面要素。如此，能够通过多个地面图像的融合来提高待提取的地面要素的完整性以及减小待提取的地面要素的畸变，从而使最终根据融合图像提取的待提取地面要素精度更高，进而提高使用提取的地面要素的高精地图具有更高的精度。另外，由于仅对包含待提取的地面要素的待提取区域内的部分图像进行了融合，因此融合时的数据处理量相对较少，能够减少无效处理，提高提取待提取的地面要素时的效率。
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为本公开实施例提供的高精地图地面要素的提取方法的流程示意图之一；
图2为本公开实施例提供的高精地图地面要素的提取方法的流程示意图之二；
图3为本公开实施例提供的高精地图地面要素的提取方法的流程示意图之三；
图4为本公开实施例提供的高精地图地面要素的提取装置的组成示意图；
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。
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。
本公开提供的高精地图地面要素的提取方法和高精地图地面要素的提取装置，适用于对对待测路面进行识别测量以提取相应的地面要素的场景中。本公开所提供的高精地图地面要素的提取方法可以由高精地图地面要素的提取装置执行，该高精地图地面要素的提取装置可以采用软件和/或硬件实现，并具体配置于电子设备中，该电子设备可以是服务器、智能手机、笔记本电脑、计算机、单片机等设备或其他计算设备此处不做限制。
以下首先对本公开所提供的高精地图地面要素的提取方法进行详细说明。
在高精地图自动化生产过程中，一般会对待测路面进行一次地面图像的采集后，对该地面图像中包含的各类地面要素进行提取，以便于将各类地面要素输入到高精地图构建待测路面的地图数据。
但是由于地面图像采集设备的局限性，难以将大尺度地面要素，如人行横道、停止线、禁停区标线等完整的采集到地面图像中，并且，采集的地面图像本身边缘也会存在畸变，所以对于大尺度的地面要素，最终提取到的结果可能会存在缺失和畸变，精度难以保证。
对此，本公开提供了一种高精地图地面要素的提取方法，该方法包括：获取分别采集到的待测路面的多个地面图像，其中，地面图像中包含待测路面上多个地面要素，而地面要素为地面上的标识和标线。分别确定每个地面图像中待提取的地面要素。根据待提取的地面要素，分别确定出每个地面图像中的待提取区域，其中，待提取区域为地面图像中包含待提取的地面要素的区域。将各地面图像位于待提取区域内的部分进行融合，以生成待提取区域对应的融合图像。根据融合图像，提取待提取的地面要素。
本公开能够在对待测路面采集了多个地面图像之后，先确定出每个地面图像中包含待提取的地面要素的待提取区域，然后对各地面图像位于待提取区域内的部分进行融合以生成待提取区域对应的融合图像，然后在该融合图像中提取相应的待提取的地面要素。如此，能够通过多个地面图像的融合来提高待提取的地面要素的完整性以及减小待提取的地面要素的畸变，从而使最终根据融合图像提取的待提取地面要素精度更高，进而提高使用提取的地面要素的高精地图具有更高的精度。另外，由于仅对包含待提取的地面要素的待提取区域内的部分图像进行了融合，因此融合时的数据处理量相对较少，能够减少无效处理，提高提取待提取的地面要素时的效率。
图1为本公开实施例提供的高精地图地面要素的提取方法的流程示意图。如图1所示，该方法可以包括以下S101-S105。
S101、获取分别采集到的待测路面的多个地面图像。
其中，采集设备(如相机、激光雷达等)对待测路面进行测量以采集得到地面图像时，能够采集到待测路面上的所有地面要素，因此地面图像中包含待测路面上多个(通常为所有的)地面要素。
需要说明的是，地面要素为地面上的标识和标线。例如，车道线、地面箭头、地面交通标识、人行横道、停止线、禁停区标线等。
可选地，根据采集设备的类型不同，采集到的地面图像的图像类型可以是点云图像或光学图像。例如，当采集设备为相机时，则地面图像的图像类型为光学图像，而当采集设备为激光雷达时，则地面图像的图像类型为点云图像。如此，对于各种不同的采集设备进行的待测路面的采集任务，均能够对其得到的地面图像进行处理以最终提取相应的待提取的地面要素，从而提高该方法的适用性。
示例地，待测路面的多个地面图像，可以是预先通过采集设备对待测路面进行多次采集分别采集得到的。也可以是预先通过多个采集设备对待测路面进行至少一次采集分别通过各采集设备采集得到的，此处不做限制。
获取多个地面图像时，可以是采集设备对待测路面采集完成生成地面图像后主动将地面图像发送过来的。也可以是向采集设备发送获取地面图像的请求后，采集设备发送过来的。还可以是采集设备对待测路面采集完成生成地面图像后将地面图像上传或存储到服务器或数据库中，获取多个地面图像时是由服务器或数据库中获取的。当然，以上仅为示例，在实际应用中根据具体情况获取分别采集到的待测路面的多个地面图像的方式还可以其他各种方式，此处不做限制。
S102、分别确定每个地面图像中待提取的地面要素。
待提取的地面要素可以根据实际需要进行设置，此处不做限制，例如，当需要提取地面图像中的所有地面要素时，则待提取的地面要素可以是所有类型的地面要素。又例如，当仅需要重点提取地面图像中的大尺度地面要素(如人行横道、停止线以及禁停区标线中的至少一种)时，则待提取的地面要素可以是人行横道、停止线以及禁停区标线中的至少一种。如此，可以采用该方法对大尺度地面要素进行专门的提取，从而提高提取到的大尺度地面要素的精度。
其中，确定地面图像中待提取的地面要素时，可以采用对每个地面图像中的待提取的地面要素进行人工标注的方式实现，也可以采用对地面图像中的待提取的地面要素进行特征识别的方式实现，还可以是先对地面图像中的所有地面要素进行特征识别，然后根据识别结果确定待提取的地面要素。当然，以上仅为示例，在实际应用中还可以根据实际情况来采用其他方式分别确定每个地面图像中待提取的地面要素，此处不做限制。
S103、根据待提取的地面要素，分别确定出每个地面图像中的待提取区域。
其中，待提取区域为地面图像中包含待提取的地面要素的区域。
示例地，可以直接将每个地面图像中的待提取的地面要素所处的区域作为对应地面图像中的待提取区域。还可以先分别对每个地面地图中的待提取的地面要素按照场景进行划分，将同一场景内的待提取的地面要素所在的区域作为对应地面图像中的一个待提取区域。当然，在本申请的其他可能的实施方式中，还可以采用其他方式来确定每个地面图像中的待提取区域，此处不做限制。
S104、将各地面图像位于待提取区域内的部分进行融合，以生成待提取区域对应的融合图像。
其中，各地面图像位于待提取区域内的部分的融合可以采用相关的图像融合方法来实现，此处不做限制。
需要说明的是，将各地面图像位于待提取区域内的部分进行融合，是指将各地面图像相互融合，但只融合地面图像中待提取区域内的部分。由于，各地面图像都是对同一个待测路面进行采集得到的，因此各地面图像中各地面要素的位置基本一致，所以将各地面图像位于待提取区域内的部分进行融合，能够使待提取区域内的待提取的地面要素更加完整清晰，且能够降低边缘产生的畸变。
示例地，当每个地面图像中均包括多个待提取区域时，则在融合时，可以将各地面图像同一位置的待提取区域分别融合。如，将各地面图像中第一位置的待提取区域相互融合，将各地面图像中第二位置的待提取区域相互融合等。
S105、根据融合图像，提取待提取的地面要素。
示例地，可以采用人工标注的方式确定出融合图像中待提取的地面要素，然后对其进行提取。当然，也可以采用特征识别的方式识别确定出融合图像中待提取的地面要素，然后对其进行提取，此处不做限制。
其中，当待提取区域包括多个时，则融合图像相应包括多个，此时需要分别对各融合图像中的待提取的地面要素进行提取。
由于是在融合图像中提取的待提取的地面要素，而融合图像中的待提取的地面要素更加完整清晰，且畸变更小，因此最终提取到的待提取的地面要素精度更高，被应用到高精地图中能够提高高精地图的精度。
可选地，在确定地面图像中的待提取区域时，可以先分别对每个地面地图中的待提取的地面要素按照场景进行划分，将同一场景内的待提取的地面要素所在的区域作为对应地面图像中的一个待提取区域。
例如，根据待提取的地面要素，分别确定出每个地面图像中的待提取区域，如图2所示，可以包括以下S201至S202：
S201、分别对每个地面图像中的待提取的地面要素进行聚类操作，以得到每个地面图像中待提取的地面要素的聚类簇。
S202、根据聚类簇，分别确定出每个地面图像中的待提取区域。
其中，对地面图像中的待提取的地面要素进行聚类操作，可以是按照D(box3d1,box3d2)<Td的条件进行。其中，其中box3d为单个任务数据上的检测结果包围盒，D为定义的距离度量(即相似度度量函数)，Td为距离阈值(例如，在本申请中可以将该距离阈值设置为5米、8米等此处不做限制)。即将根据相似度度量函数计算得到的数值小于距离阈值的两个或两个以上的待提取的地面要素作为一个待提取的地面要素的聚类簇。当然，在本申请的其他实施方式中，还可以采用其他条件或方式对每个地面图像中的待提取的地面要素进行聚类操作，此处不做限制。
其中，由于聚类操作后得到的各聚类簇中，同一聚类簇内的各对象相似性是尽可能大的，因此，对地面图像中的待提取的地面要素进行聚类操作后，得到的聚类簇中，同一聚类簇中的各待提取的地面要素间的相似度较高，因此可认为同一聚类簇中的各待提取的地面要素为同一场景内的待提取的地面要素，所以可将每个聚类簇所覆盖的区域分别作为各待提取区域，从而实现将同一场景内的待提取的地面要素所在的区域作为对应地面图像中的一个待提取区域，如此能够提高待提取区域所覆盖的待提取的地面要素的完整性，避免某个待提取区域中仅包含了某个待提取的地面要素的部分图像。
可选地，可以采用对地面图像中的待提取的地面要素进行特征识别的方式，分别确定每个地面图像中待提取的地面要素。
例如，分别确定每个地面图像中待提取的地面要素，包括：
分别对每个地面图像中的待提取的地面要素进行特征识别，以确定每个地面图像中的待提取的地面要素。
其中，可以采用特征识别算法来对待提取的地面要素进行特征识别。该特征识别算法可以是地面要素识别相关技术中的特征识别算法，也可以是基于待提取的地面要素的样本专门训练得到的特征识别算法，此处不做限制。
通过特征识别的方式分别确定每个地面图像中的待提取的地面要素，能够提高处理效率，并且便于实现。
可选地，可以采用特征识别的方式识别确定出融合图像中待提取的地面要素，然后对其进行提取。
例如，根据融合图像，提取待提取的地面要素，如图3所示，可以包括：
S301、对融合图像中的待提取的地面要素进行特征识别，以确定融合图像中的待提取的地面要素。
S302、提取融合图像中的待提取的地面要素。
其中，可以采用特征识别算法来对待提取的地面要素进行特征识别。该特征识别算法可以是地面要素识别相关技术中的特征识别算法，也可以是基于待提取的地面要素的样本专门训练得到的特征识别算法，此处不做限制。
先通过特征识别的方式确定融合图像中的待提取的地面要素，然后提取识别到的待提取的地面要素，能够避免人工识别并提取时漏提取的问题，并且能够提高处理效率，且便于实现。
示例性实施例中，本公开实施例还提供一种高精地图地面要素的提取装置，可以用于实现如前述实施例所述的高精地图地面要素的提取方法。
图4为本公开实施例提供的高精地图地面要素的提取装置的组成示意图。
如图4所示，该装置可以包括：
获取模块401，用于获取分别采集到的待测路面的多个地面图像，地面图像中包含待测路面上多个地面要素，地面要素为地面上的标识和标线。
处理模块402，用于分别确定每个地面图像中待提取的地面要素；根据待提取的地面要素，分别确定出每个地面图像中的待提取区域，待提取区域为地面图像中包含待提取的地面要素的区域；将各地面图像位于待提取区域内的部分进行融合，以生成待提取区域对应的融合图像。
提取模块403，用于根据融合图像，提取待提取的地面要素。
一些可能的实施方式中，处理模块402，具体用于分别对每个地面图像中的待提取的地面要素进行聚类操作，以得到每个地面图像中待提取的地面要素的聚类簇；根据聚类簇，分别确定出每个地面图像中的待提取区域。
一些可能的实施方式中，处理模块402，具体用于分别对每个地面图像中的待提取的地面要素进行特征识别，以确定每个地面图像中的待提取的地面要素。
一些可能的实施方式中，提取模块403，具体用于对融合图像中的待提取的地面要素进行特征识别，以确定融合图像中的待提取的地面要素；提取融合图像中的待提取的地面要素。
一些可能的实施方式中，待提取的地面要素包括人行横道、停止线以及禁停区标线中的至少一种。
一些可能的实施方式中，地面图像的图像类型为点云图像或光学图像。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
示例性实施例中，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如以上实施例所述的方法。
示例性实施例中，可读存储介质可以是存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行根据以上实施例所述的方法。
示例性实施例中，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以上实施例所述的方法。
图5示出了可以用来实施本公开的实施例的示例电子设备500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5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500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501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501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501执行上文所描述的各个方法和处理，例如高精地图地面要素的提取方法。例如，在一些实施例中，高精地图地面要素的提取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508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的高精地图地面要素的提取方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行高精地图地面要素的提取方法。
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、现场可编程门阵列(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 (15)

1.一种高精地图地面要素的提取方法，其特征在于，包括：
获取分别采集到的待测路面的多个地面图像，所述地面图像中包含所述待测路面上多个地面要素，所述地面要素为地面上的标识和标线；
分别确定每个所述地面图像中待提取的地面要素；
根据所述待提取的地面要素，分别确定出每个所述地面图像中的待提取区域，所述待提取区域为所述地面图像中包含所述待提取的地面要素的区域；
将各所述地面图像位于所述待提取区域内的部分进行融合，以生成所述待提取区域对应的融合图像；
根据所述融合图像，提取所述待提取的地面要素。
2.根据权利要求1所述的方法，其特征在于，所述根据所述待提取的地面要素，分别确定出每个所述地面图像中的待提取区域，包括：
分别对每个所述地面图像中的所述待提取的地面要素进行聚类操作，以得到每个所述地面图像中所述待提取的地面要素的聚类簇；
根据所述聚类簇，分别确定出每个所述地面图像中的待提取区域。
3.根据权利要求1或2所述的方法，其特征在于，所述分别确定每个所述地面图像中待提取的地面要素，包括：
分别对每个所述地面图像中的所述待提取的地面要素进行特征识别，以确定每个所述地面图像中的所述待提取的地面要素。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据所述融合图像，提取所述待提取的地面要素，包括：
对所述融合图像中的所述待提取的地面要素进行特征识别，以确定所述融合图像中的所述待提取的地面要素；
提取所述融合图像中的所述待提取的地面要素。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述待提取的地面要素包括人行横道、停止线以及禁停区标线中的至少一种。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述地面图像的图像类型为点云图像或光学图像。
7.一种地面要素的提取装置，其特征在于，包括：
获取模块，用于获取分别采集到的待测路面的多个地面图像，所述地面图像中包含所述待测路面上多个地面要素，所述地面要素为地面上的标识和标线；
处理模块，用于分别确定每个所述地面图像中待提取的地面要素；根据所述待提取的地面要素，分别确定出每个所述地面图像中的待提取区域，所述待提取区域为所述地面图像中包含所述待提取的地面要素的区域；将各所述地面图像位于所述待提取区域内的部分进行融合，以生成所述待提取区域对应的融合图像；
提取模块，用于根据所述融合图像，提取所述待提取的地面要素。
8.根据权利要求7所述的装置，其特征在于，所述处理模块，具体用于分别对每个所述地面图像中的所述待提取的地面要素进行聚类操作，以得到每个所述地面图像中所述待提取的地面要素的聚类簇；根据所述聚类簇，分别确定出每个所述地面图像中的待提取区域。
9.根据权利要求7或8所述的装置，其特征在于，所述处理模块，具体用于分别对每个所述地面图像中的所述待提取的地面要素进行特征识别，以确定每个所述地面图像中的所述待提取的地面要素。
10.根据权利要求7至9任一项所述的装置，其特征在于，所述提取模块，具体用于对所述融合图像中的所述待提取的地面要素进行特征识别，以确定所述融合图像中的所述待提取的地面要素；提取所述融合图像中的所述待提取的地面要素。
11.根据权利要求7至10任一项所述的装置，其特征在于，所述待提取的地面要素包括人行横道、停止线以及禁停区标线中的至少一种。
12.根据权利要求7至11任一项所述的装置，其特征在于，所述地面图像的图像类型为点云图像或光学图像。
13.一种电子设备，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1-6中任一项所述的方法。
14.一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1-6中任一项所述的方法。
15.一种计算机程序产品，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1-6中任一项所述的方法。
CN202211056982.7A 2022-08-31 2022-08-31 高精地图地面要素的提取方法、装置、设备及存储介质 Pending CN115468570A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211056982.7A CN115468570A (zh) 2022-08-31 2022-08-31 高精地图地面要素的提取方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211056982.7A CN115468570A (zh) 2022-08-31 2022-08-31 高精地图地面要素的提取方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115468570A true CN115468570A (zh) 2022-12-13

Family

ID=84371132

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211056982.7A Pending CN115468570A (zh) 2022-08-31 2022-08-31 高精地图地面要素的提取方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115468570A (zh)

Similar Documents

Publication Publication Date Title
CN113688935A (zh) 高精地图的检测方法、装置、设备以及存储介质
CN113971723B (zh) 高精地图中三维地图的构建方法、装置、设备和存储介质
CN113792061A (zh) 地图数据的更新方法、装置及电子设备
CN113298910A (zh) 生成交通标志线地图的方法、设备和存储介质
CN114882316A (zh) 目标检测模型训练方法、目标检测方法及装置
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
CN114627257A (zh) 三维路网地图的构建方法、装置、电子设备和存储介质
CN114743178B (zh) 道路边缘线生成方法、装置、设备及存储介质
CN114186007A (zh) 高精地图生成方法、装置、电子设备和存储介质
CN114283343B (zh) 基于遥感卫星图像的地图更新方法、训练方法和设备
CN112883236B (zh) 一种地图更新方法、装置、电子设备及存储介质
CN114299242A (zh) 高精地图中图像处理方法、装置、设备以及存储介质
CN114387410A (zh) 道路数据融合的地图生成方法、装置以及电子设备
CN112862017A (zh) 点云数据的标注方法、装置、设备和介质
CN114724113B (zh) 道路标牌识别方法、自动驾驶方法、装置和设备
CN115171094A (zh) 一种道路要素确定方法、装置、设备以及存储介质
CN115761698A (zh) 一种目标检测方法、装置、设备及存储介质
CN116052097A (zh) 一种地图要素检测方法、装置、电子设备和存储介质
CN112988932B (zh) 高精地图标注方法、装置、设备、可读存储介质及产品
CN113450794B (zh) 导航播报的检测方法、装置、电子设备和介质
CN115830268A (zh) 用于优化感知算法的数据的获取方法、装置和存储介质
CN115527028A (zh) 地图数据处理方法及装置
CN115265472A (zh) 路面沉降测量方法、装置、设备以及介质
CN115147561A (zh) 位姿图生成方法、高精地图生成方法和装置
CN115468570A (zh) 高精地图地面要素的提取方法、装置、设备及存储介质

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