CN115546178A - 一种基于真值评估众包地图数据的方法、电子设备及存储介质 - Google Patents
一种基于真值评估众包地图数据的方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115546178A CN115546178A CN202211302127.XA CN202211302127A CN115546178A CN 115546178 A CN115546178 A CN 115546178A CN 202211302127 A CN202211302127 A CN 202211302127A CN 115546178 A CN115546178 A CN 115546178A
- Authority
- CN
- China
- Prior art keywords
- data
- evaluating
- map data
- matching
- truth
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Instructional Devices (AREA)
Abstract
本发明提供一种对众包地图数据进行评估的方法、电子设备及存储介质,依托真实道路的点云数据,参考人工RTK采集数据进行对比纠正,建立符合工艺要求的真值场数据;将众包地图中与真值场中相同路段,建立特征要素的对应关系,然后基于已建立的关系根据不同要素类型采用对应的精度计算方案,得到目标精度值,通过对不同道路场景中特征路面要素的匹配和精度评估,从而评估众包地图数据的质量。本发明通过自动化实现,避免了人工进行测量时的不确定性误差,并提高检测效率和质量,同时降低了检测成本。
Description
技术领域:
本发明适用于众包地图数据精度的评估,更具体涉及建立可靠的真值场数据和基于要素的精度评估。
背景技术:
众包地图从模块上可以分为两大部分:车端和云端。不论是车端数据还是云端数据,包含了大量的道路要素和轨迹信息,如何高效的评估这些数据的质量,是评估整个众包地图质量的关键环节。
目前现有的地图数据质量确定的方法中,是针对路段进行匹配检测或者建立SLAM地图。专利文献CN201910476434.1公开的用于评估点云地图精度的方法和装置中提到了如何对点云地图进行精度评估,但缺少真实地图要素形状误差和交叉的检测。专利文献CN202111316142.5公开的众包地图的质量确定方法、装置及电子设备提到了将众包地图和真值地图进行语义匹配进而确定地图质量。
发明内容:
针对现有技术存在的不足,本发明提供一种对众包地图数据进行评估的方法、电子设备及存储介质,建立高质量的真值场数据,对生成的众包地图数据进行要素匹配和精度计算,通过自动化实现,避免人工进行测量时的不确定性误差,并提高检测效率和质量,同时降低检测成本。
本发明的技术方案如下:
本发明第一方面提供一种对众包地图数据进行评估的方法,其包括:
步骤1,建立真值场数据:采集并处理真实道路的点云数据,参考人工RTK测量的数据进行自动化数据校验和纠正,建立符合工艺要求的真值场数据。RTK是实时差分定位方法,是一种能在户外实时得到厘米级定位精度的测量方法。
步骤2,真值数据与众包地图数据的要素对象间对应关系的匹配:将众包地图中与真值场中相同路段,建立特征要素的对应关系;
步骤3,计算准召率和精度:对真值、众包地图数据中的对应路段间的特征要素确定TP/TN/FP/FN,计算Precision(精确率)和Recall(召回率)值;基于已建立的OBJ对应关系,对匹配成功的对象,计算不同要素类型的精度,其中对于单个要素,计算要素上各个特征点的绝对精度,对于一组要素间,则还需要计算相对精度。以上,TP值表示期望能匹配到且实际也匹配到的要素数量,FP值表示期望不匹配但实际匹配到的要素数量,TN值表示期望不匹配且实际也未匹配到的要素数量,FN表示期望能匹配但实际未匹配到的要素数量。
优选地,所述步骤1高质量真值场数据的建立是:通过人工基于激光雷达采集点云进行标注生成初版数据,对比实际道路上的RTK采集信息,进行自动化数据校验(和纠正,最后输出符合工艺要求和精度的Polygon数据作为最终真值场数据。
所述自动化数据校验包括属性过滤、要素交叉检测、距离测算和误差评估等。
优选地,所述步骤2OBJ对应关系的匹配包括:
①以可作为锚定对象的特征要素,如地面箭头、道路虚线、人行横道线、停止线、减速带等(虚线、实线要素车端中以面型表示,云端以线型表示),通过KD-Tree算法、近邻查找算法等对真值数据和待评测地图数据进行数据分割、几何形状匹配,依据道路轨迹确定评测要素正方向计算形状相似度。通过匹配算法以及要素的属性等信息过滤判定为不一致的要素对照组,保留相对位置、几何形状及属性判定为一致的对象。
②依据匹配结果,输出csv、geojson格式匹配关系表,包含匹配成功、不成功两类数据,包含信息:数据ID、数据来源(真值/评测数据)、该对象任一点经纬度、数据类型。
优选地,所述步骤3准召率和精度的计算包括:
对真值、众包地图数据中的对应路段间的特征要素确定TP/TN/FP/FN,计算Precision和Recall值。
基于已建立的OBJ对应关系,对匹配成功的对象,根据不同要素类型采用不同的绝对精度计算方案。
本发明的第二方面提供一种电子设备,其包括: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,以使所述电子设备能够执行以上所述对众包地图数据进行评估的方法。
本发明的第三方面提供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计算机执行指令,当处理器执行所述计算机执行指令时,实现以上所述对众包地图数据进行评估的方法。
由以上技术方案可见,本发明提出的对众包地图数据进行评估的方法,依托真实道路的点云数据,参考人工RTK采集数据进行对比纠正,建立符合工艺要求的真值场数据;将众包地图中与真值场中相同路段,建立特征要素的对应关系,然后基于已建立的关系根据不同要素类型采用对应的精度计算方案,得到目标精度值,通过对不同道路场景中特征路面要素的匹配和精度评估,从而评估众包地图数据的质量。该方法通过自动化实现,避免了人工进行测量时的不确定性误差,并提高检测效率和质量,同时降低了检测成本。
附图说明:
图1为本发明的一实施例中真值场数据的建立,以及数据检测和纠正过程示意图。
图2为本发明的一实施例中真值数据与众包地图数据要素匹配过程示意图。
图3为本发明的一实施例中Precision/Recall和数据精度计算过程示意图。
具体实施方式:
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例,然而应当理解的是,本申请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申请。应当理解的是,本申请的附图及实施例仅用于示例性作用,并非用于限制本申请的保护范围。
应当理解,本申请的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
与已有地图质量确定的方法不同,本申请关注于建立一个高质量的、可靠的真值场数据,从而更精确的评估众包地图数据的质量。
本申请的方法包括三部分:
步骤1,建立真值场数据。
步骤2,真值数据与众包地图数据的OBJ对应关系的匹配。
步骤3,计算准召率和精度。
根据本发明的实施例,参见图1,建立可靠的真值场数据是:采集并处理真实道路的点云数据,参考人工RTK采集数据进行自动化数据校验和纠正,建立符合工艺要求的真值场数据。具体包括:
①基于真实道路进行激光雷达点云采集,通过工具标注和人工确认,生成geojson格式的真值库数据。
②基于Python中的Geopandas的按形状对真值进行范围分割和要素坐标点提取。
③对分割后的要素进行OID重复过滤和属性检测。
④通过引射线法,以目标点为端点引一条射线,统计射线和多边各边的交点数目。通过python自动化程序判断不同要素之间是否存在覆盖交叉现象,如单虚线与减速标线等。
⑤通过SIFT特征点提取算法提取真值中要素特征点与人工采集的RTK控制点相匹配(前期需要人工确认匹配结果),以形状轨迹方向为正方向,计算x,y,z方向上的误差,并统计平均误差μ、标准差σ、误差极值(Δmin、Δmax)、极限误差(μ+2σ)。
⑥排查上述步骤③至⑤存在的偏差,对真值数据进行纠正,反复如此,直到要素类型、数目,属性值,误差值等均符合工艺要求,则输出最终用于评估众包地图数据的真值场数据。
根据本申请的实施例,参见图2,建立真值数据与众包地图数据的OBJ对应关系是将众包地图中与真值场中相同路段,建立特征要素的对应关系。具体包括:
①使用geojson模块获取geojson文件中要素几何信息,选取可作为锚定对象的特征要素,包括斑马线、停止线、道路边界、交通灯、箭头等。geojson模块是一种类似json的专门用于处理geojson数据的三方库,包括geojson文件的读取、修改、写入等。
②以shapely.wkt中的loads方法进行几何对象转换,然后通过shapely.unary_union方法进行几何对象相交计算后返回真值与众包地图几何数据交并比,从而建立matching pair。按照步骤②建立的matching pair,设定buffer进行范围搜索
③建立真值和众包地图数据对应的索引树STRtree,将一系列几何对象存储在索引树中,以提高检索效率,通过buffer扩大匹配范围进行搜索,得出初步匹配结果。
④基于前述的匹配结果,通过距离计算、几何形状及属性比对等,然后对结果buffer再进行要素相交检测。过滤判定为不一致的对照组,不参与评测,仅保留相对位置、属性判定为一致的对象。依据匹配结果,输出geojson格式匹配关系表,包含匹配成功与否的数据ID、数据来源(真值/评测数据)、该对象任一点经纬度、数据类型等。
根据本申请的示例性实施例,参见图3,Precision/Recall和数据精度计算过程如下:
准召率的计算基于步骤2中的匹配结果。
①以匹配目标要素(单虚线)为例,TP值表示正确匹配到了单虚线元素的数量,FP值表示匹配的到非单虚线元素的数量,TN值表示所有未参与匹配的元素数量,FN表示未匹配到的单虚线元素数量。
基于上述值,Precision计算公式如下:
Recall计算公式如下:
②绝对精度计算----基于前述要素匹配结果和对象中心点位置,根据轨迹确定对象的横纵向方位后,不同的要素类型采用不同的绝对精度计算方案:
a)虚线类要素—“面”型采用四角点、“线”型采用两端点进行评测,自动化程序提取对象形状来来提取对应点进行精度计算。
b)实线类要素—程序自动化将实线要素拟合为面或线,然后进行分段映射计算。
c)箭头类要素—提取数据的中心点(以多边形质心点表示)与匹配的真值数据的角度差值,然后将真值与待评测数据对象中心点重合并调整角度,计算重合面积以得出图形相似度。
d)斑马线、禁停区等—云端评测数据需提取外围最大轮廓后取角点计算;车端建图模块,允许不完整,截取包含完整评测数据外轮廓的真值数据部分,基于外边框角点进行精度计算。
e)标牌类要素—提取几何对象的中心点后进行计算;
③相对精度计算:
a)对象间相对精度—分别计算真值数据与评测数据其周边X米内的所有对象间的相对精度,提取中心点进行相对精度的评估。
b)标牌要素相对精度—提取一组对照数据的中心点,投影到地面,计算两对象间的相对精度。
最后,将前述计算结果进行汇总,生成数据统计分析结果报告。
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,本申请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,只要能够实现本申请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,并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (11)
1.一种对众包地图数据进行评估的方法,其特征在于,包括:
步骤1,建立真值场数据:采集并处理真实道路的点云数据,参考人工RTK采集数据进行自动化数据校验和纠正,建立符合工艺要求的真值场数据;
步骤2,真值数据与众包地图数据的OBJ对应关系的匹配:将众包地图中与真值场中相同路段,建立特征要素的对应关系;
步骤3,计算准召率和精度:对真值、众包地图数据中的对应路段间的特征要素确定TP/TN/FP/FN,计算Precision和Recall值;基于已建立的OBJ对应关系,对匹配成功的对象,对于单个要素,计算要素上各个特征点的绝对精度,对于一组要素间,则还需要计算相对精度;其中,TP值表示期望能匹配到且实际也匹配到的要素数量,FP值表示期望不匹配但实际匹配到的要素数量,TN值表示期望不匹配且实际也未匹配到的要素数量,FN表示期望能匹配但实际未匹配到的要素数量。
2.根据权利要求1所述的对众包地图数据进行评估的方法,其特征在于,所述步骤1中采集并处理真实道路的点云数据包括:
基于真实道路进行激光雷达点云采集,通过工具标注和人工确认,生成真值库数据,然后对真值进行范围分割和要素坐标点提取。
3.根据权利要求1所述的对众包地图数据进行评估的方法,其特征在于,所述步骤1中的自动化数据校验包括属性过滤、要素交叉检测、特征点匹配和误差评估。
4.根据权利要求3所述的对众包地图数据进行评估的方法,其特征在于,所述属性过滤是对分割后的要素进行唯一标识值(OID)的重复过滤和属性检测。
5.根据权利要求3所述的对众包地图数据进行评估的方法,其特征在于,所述要素交叉检测是通过引射线法,以目标点为端点引一条射线,统计射线和多边各边的交点数目,判断不同要素之间是否存在覆盖交叉现象。
6.根据权利要求3所述的对众包地图数据进行评估的方法,其特征在于,所述特征点匹配和误差评估是:
通过SIFT特征点提取算法提取真值场数据中要素特征点与人工采集的RTK控制点相匹配,以形状轨迹方向为正方向,计算x,y,z方向上的误差,并统计平均误差μ、标准差σ、误差极值(Δmin、Δmax)、极限误差(μ+2σ),并对误差不合格数据进行修正,直到满足工艺要求为止,建立完成用于评估众包地图数据的真值场数据。
7.根据权利要求1-6任一项所述的对众包地图数据进行评估的方法,其特征在于,所述步骤2包括:
2.1,以可作为锚定对象的特征要素,包括地面箭头、道路虚线、人行横道线、停止线、减速带,对真值数据和待评测地图数据进行数据分割、几何形状匹配,依据道路轨迹确定评测要素正方向计算形状相似度;通过匹配算法以及要素的属性信息过滤判定为不一致的对照组,不参与评测,仅保留相对位置、属性判定为一致的对象;
2.2,依据匹配结果,输出匹配关系表,包含匹配成功、不成功两类数据,包含信息:数据ID、数据来源、该对象任一点经纬度、数据类型。
9.根据权利要求8所述的对众包地图数据进行评估的方法,其特征在于,所述步骤3的绝对精度计算是基于要素匹配结果和对象中心点位置,根据轨迹确定对象的横纵向方位后,不同的要素类型采用不同的绝对精度计算方案。
10.一种电子设备,其特征在于,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,以使所述电子设备能够执行权利要求1至9中任一项所述对众包地图数据进行评估的方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至9任一项所述对众包地图数据进行评估的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211302127.XA CN115546178A (zh) | 2022-10-24 | 2022-10-24 | 一种基于真值评估众包地图数据的方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211302127.XA CN115546178A (zh) | 2022-10-24 | 2022-10-24 | 一种基于真值评估众包地图数据的方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115546178A true CN115546178A (zh) | 2022-12-30 |
Family
ID=84717927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211302127.XA Pending CN115546178A (zh) | 2022-10-24 | 2022-10-24 | 一种基于真值评估众包地图数据的方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115546178A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993810A (zh) * | 2023-07-25 | 2023-11-03 | 中国农业科学院农业资源与农业区划研究所 | 一种综合考虑中心点和面积的土壤普查样点提取方法 |
-
2022
- 2022-10-24 CN CN202211302127.XA patent/CN115546178A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993810A (zh) * | 2023-07-25 | 2023-11-03 | 中国农业科学院农业资源与农业区划研究所 | 一种综合考虑中心点和面积的土壤普查样点提取方法 |
CN116993810B (zh) * | 2023-07-25 | 2024-02-20 | 中国农业科学院农业资源与农业区划研究所 | 一种综合考虑中心点和面积的土壤普查样点提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111553236B (zh) | 基于道路前景图像的路面病害目标检测与实例分割方法 | |
CN108388641B (zh) | 一种基于深度学习的交通设施地图生成方法与系统 | |
CN110780307B (zh) | 基于电瓶车车载式激光点云移动测量系统获取道路横断面的方法 | |
CN109271861B (zh) | 多尺度融合的点云交通标识牌自动提取方法 | |
CN107621263B (zh) | 一种基于道路磁场特征的地磁定位方法 | |
CN111179152A (zh) | 一种道路标识识别方法及装置、介质、终端 | |
CN111221808A (zh) | 一种无人值守的高精度地图质检方法和装置 | |
CN108664860B (zh) | 房间平面图的识别方法及装置 | |
CN113392169A (zh) | 一种高精度地图更新的方法、装置及服务器 | |
CN111427904A (zh) | 高精地图数据的更新方法、装置及电子设备 | |
CN115546178A (zh) | 一种基于真值评估众包地图数据的方法、电子设备及存储介质 | |
CN113255578B (zh) | 交通标识的识别方法及装置、电子设备和存储介质 | |
CN111209291A (zh) | 一种利用众包感知地图更新高精度地图的方法及系统 | |
KR101767006B1 (ko) | Uav 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법 및 장치 | |
CN108763575B (zh) | 基于像控点数据库的像控点自动选取方法 | |
CN114722944A (zh) | 点云精度确定方法、电子设备及计算机存储介质 | |
CN114428809A (zh) | 一种地图数据准确性获取方法、装置及计算机设备 | |
CN110544201B (zh) | 一种车载激光扫描点云的大范围拼接方法及装置 | |
CN109670557B (zh) | 一种基于杆状构筑物的公路点云自动配准方法 | |
CN111323026B (zh) | 一种基于高精度点云地图的地面过滤方法 | |
CN113743483B (zh) | 一种基于空间平面偏移分析模型的道路点云误差场景分析方法 | |
Chuanxiang et al. | Automatic detection of aerial survey ground control points based on Yolov5-OBB | |
WO2022021209A9 (zh) | 电子地图生成方法、装置、计算机设备和存储介质 | |
CN114595238A (zh) | 基于矢量的地图处理方法及装置 | |
CN111860626B (zh) | 基于无人机遥感和面向对象分类的水土保持监测方法及系统 |
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 |