CN115830562B - 车道信息的确定方法、计算机设备及介质 - Google Patents
车道信息的确定方法、计算机设备及介质 Download PDFInfo
- Publication number
- CN115830562B CN115830562B CN202211611074.XA CN202211611074A CN115830562B CN 115830562 B CN115830562 B CN 115830562B CN 202211611074 A CN202211611074 A CN 202211611074A CN 115830562 B CN115830562 B CN 115830562B
- Authority
- CN
- China
- Prior art keywords
- lane
- time period
- lane lines
- lines
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000005094 computer simulation Methods 0.000 description 10
- 238000004088 simulation Methods 0.000 description 10
- 238000005286 illumination Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000003068 static effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请提供一种车道信息的确定方法、计算机设备及介质,方法包括:获取预设车辆上的预设摄像头输出的多个时间段内的车道线数量;检测第一时间段内的车道线数量是否小于第二时间段内的车道线数量;若第一时间段内的车道线数量小于第二时间段内的车道线数量,且第一时间段内的车道线数量不正确,基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量,得到第一时间段内的车道信息。本申请通过判断预设摄像头输出的车道线数量是否减少,并在第一时间段内的车道线数量不正确时,基于相邻时间段内的车道线数量来修改第一时间段内的车道线数量,消除了遮挡物、阴影、曝光等因素对车道线数量识别的影响,使得车道线数量更加准确。
Description
技术领域
本申请涉及道路地图技术领域,具体涉及一种车道信息的确定方法、计算机设备及介质。
背景技术
在自动驾驶功能的研发过程中,道路地图扮演者一个重要的角色,在自动驾驶中可以作为匹配车辆定位、路径规划的基础,同时可以辅助环境感知。在自动驾驶功能的测试中,道路地图可以作为判断自动驾驶功能的基础数据,是自动驾驶虚拟测试的场景建模的基础。
在进行地图制作时,需要识别出道路中到底有几条车道。在采用智能摄像头识别道路中的车道时,往往会直接使用智能摄像头输出的识别结果。但智能摄像头输出的识别结果中一般不会包括智能摄像头采集的原始图像,导致无法消除遮挡物、阴影、曝光等因素对车道线数量识别的影响。
因此,现有的车道信息的确定方案存在识别出的车道线数量的准确度较低的技术问题。
发明内容
本申请提供一种车道信息的确定方法、计算机设备及介质,旨在提高车道线数量的准确度。
一方面,本申请提供一种车道信息的确定方法,所述方法包括:
获取预设车辆上的预设摄像头输出的多个时间段内的车道线数量,所述多个时间段包括第一时间段和第二时间段,第二时间段为第一时间段的前一相邻时间段;
检测第一时间段内的车道线数量是否小于第二时间段内的车道线数量;
若第一时间段内的车道线数量小于第二时间段内的车道线数量,则检测第一时间段内的车道线数量是否正确;
若第一时间段内的车道线数量不正确,基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量,得到第一时间段内的车道信息。
在本申请一种可能的实现方式中,所述检测第一时间段内的车道线数量是否正确,包括:
在第一时间段内的车道线数量的多个第一车道线中,确定相比于第二时间段内的车道线数量的多个第二车道线中缺失的目标车道线;
检测所述目标车道线在第一时间段内是否被遮挡;
基于所述目标车道线在第一时间段内是否被遮挡,确定第一时间段内的车道线数量是否正确。
在本申请一种可能的实现方式中,所述基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量,包括:
将第一时间段内的车道线数量,替换为第二时间段内的车道线数量。
在本申请一种可能的实现方式中,第一时间段的后一相邻时间段为第三时间段,所述基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量,包括:
检测第三时间段内的车道线数量与第二时间段内的车道线数量是否相等;
若第三时间段内的车道线数量与第二时间段内的车道线数量相等,将第一时间段内的车道线数量,替换为第二时间段内的车道线数量;
若第三时间段内的车道线数量与第二时间段内的车道线数量不相等,将第一时间段划分为按时间先后排序的第一子时间段和第二子时间段,将第一子时间段内的车道线数量,替换为第二时间段内的车道线数量。
在本申请一种可能的实现方式中,所述检测第一时间段内的车道线数量是否正确,包括:
在第一时间段内的车道线数量的多个第一车道线中,确定相比于第二时间段内的车道线数量的多个第二车道线中缺失的目标车道线;
确定所述目标车道线的缺失持续时长;
基于所述缺失持续时长是否小于预设时长,确定第一时间段内的车道线数量是否正确。
在本申请一种可能的实现方式中,所述基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量之后,还包括:
获取修改后的第一时间段内的车道线数量的多个第一车道线的车道线类型;
基于所述车道线类型,确定所述多个第一车道线之间形成的多个第一车道的车道类型,第一时间段内的车道信息中还包括所述多个第一车道的车道类型。
在本申请一种可能的实现方式中,所述基于所述车道线类型,确定所述多个第一车道线之间形成的多个第一车道的车道类型,包括:
在车道线类型为实线时,确定所述实线右侧的第一车道上是否出现过目标对象;
基于所述实线右侧的第一车道上是否出现过目标对象,确定所述实线右侧的第一车道的车道类型。
在本申请一种可能的实现方式中,目标对象为与预设车辆同向的其他车辆,所述基于所述实线右侧的第一车道上是否出现过目标对象,确定所述实线右侧的第一车道的车道类型,包括:
若所述实线右侧的第一车道上出现过所述其他车辆,获取所述其他车辆的出现频率;
在所述出现频率大于预设频率时,判定所述实线右侧的第一车道的车道类型为机动车道;
在所述出现频率小于或等于预设频率时,判定所述实线右侧的第一车道的车道类型为应急车道。
另一方面,本申请提供一种车道信息的确定方法,所述装置包括:
获取单元,用于获取预设车辆上的预设摄像头输出的多个时间段内的车道线数量,所述多个时间段包括第一时间段和第二时间段,第二时间段为第一时间段的前一相邻时间段;
第一检测单元,检测第一时间段内的车道线数量是否小于第二时间段内的车道线数量;
第二检测单元,用于若第一时间段内的车道线数量小于第二时间段内的车道线数量,则检测第一时间段内的车道线数量是否正确;
修改单元,用于若第一时间段内的车道线数量不正确,基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量,得到第一时间段内的车道信息。
另一方面,本申请还提供一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现所述的车道信息的确定方法。
另一方面,本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行所述的车道信息的确定方法中的步骤。
本申请实施例提供的车道信息的确定方法、计算机设备及介质,车道信息的确定方法包括:获取预设车辆上的预设摄像头输出的多个时间段内的车道线数量;检测第一时间段内的车道线数量是否小于第二时间段内的车道线数量;若第一时间段内的车道线数量小于第二时间段内的车道线数量,且第一时间段内的车道线数量不正确,基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量,得到第一时间段内的车道信息。相较于传统方法,本申请实施例通过判断预设摄像头输出的车道线数量是否减少,并在第一时间段内的车道线数量不正确时,基于相邻时间段内的车道线数量来修改第一时间段内的车道线数量,消除了遮挡物、阴影、曝光等因素对车道线数量识别的影响,使得车道线数量更加准确。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的车道信息的确定系统的场景示意图;
图2是本申请实施例中提供的车道信息的确定方法的一个实施例流程示意图;
图3是本申请实施例中提供的检测第一时间段内的车道线数量是否正确的一个实施例流程示意图;
图4是图3实施例中车道线的示意图;
图5是本申请实施例中提供的检测第一时间段内的车道线数量是否正确的另一实施例流程示意图;
图6是图5实施例中车道线的示意图;
图7是本申请实施例中提供的车道信息的确定装置的一个实施例结构示意图;
图8是本申请实施例中提供的计算机设备的一个实施例结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
本申请实施例提供一种车道信息的确定方法、计算机设备及介质,以下分别进行详细说明。
如图1所示,图1是本申请实施例提供的车道信息的确定系统的场景示意图,该车道信息的确定系统可以包括计算机设备100,计算机设备100中集成有车道信息的确定装置,如图1中的计算机设备100。
本申请实施例中,该计算机设备100可以为终端或者服务器,当计算机设备100为服务器时,可以是独立的服务器,也可以是服务器组成的服务器网络或服务器集群,例如,本申请实施例中所描述的计算机设备100,其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器以构建的云服务器。其中,云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器以构建。
可以理解的是,本申请实施例中计算机设备100为终端时,所使用的终端可以是既包括接收和发射硬件的设备,即具有能够在双向通信链路上,执行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的计算机设备100具体可以是台式终端或移动终端,计算机设备100具体还可以是手机、平板电脑、笔记本电脑等中的一种。
本领域技术人员可以理解,图1中示出的应用环境,仅仅是与本申请方案一种应用场景,并不以构建对本申请方案应用场景的限定,其他的应用环境还可以包括比图1中所示更多或更少的计算机设备,例如图1中仅示出1个计算机设
备,可以理解的,该车道信息的确定系统还可以包括一个或多个其他计算机设5备,具体此处不作限定。
另外,如图1所示,该车道信息的确定系统还可以包括存储器200,用于存储数据,如存储预设摄像头输出的多个时间段内的车道线数量。
需要说明的是,图1所示的车道信息的确定系统的场景示意图仅仅是一个
示例,本申请实施例描述的车道信息的确定系统以及场景是为了更加清楚的说0明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限
定,本领域普通技术人员可知,随着车道信息的确定系统的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
接下来,介绍本申请实施例提供的车道信息的确定方法。
本申实施例车道信息的确定方法的实施例中以车道信息的确定装置作为执5行主体,为了简化与便于描述,后续方法实施例中将省略该执行主体,该车道信息的确定装置应用于计算机设备。
请参阅图2,图2为本申请实施例中提供的车道信息的确定方法的一个实施例流程示意图,该车道信息的确定方法包括:
201、获取预设车辆上的预设摄像头输出的多个时间段内的车道线数量,多0个时间段包括第一时间段和第二时间段,第二时间段为第一时间段的前一相邻
时间段;
本申请实施例中的预设车辆一般为地图数据采集车,地图数据采集车上设置有预设摄像头。预设摄像头为智能摄像头,预设摄像头用于在预设车辆的行
驶过程中对附近的道路环境进行识别,并输出道路相关的以下信息:车道线数5量、车道线类型(例如实线、虚线、双实线等类型)、车道线颜色、宽度等等、附近目标对象(例如行人、车辆等)的动态参数(例如相对于预设车辆的位置、运动方向、运动速度),当然预设摄像头还可输出识别到的交通标识牌等其他信息,在此不作限定。
由于预设车辆在进行地图数据采集时,预设摄像头会持续不断地输出车道线数量,因此可获取到相邻的多个时间段内的车道线数量。需要说明的是,同一时间段内的车道线数量相同,即一个时间段对应一个车道线数量。
202、检测第一时间段内的车道线数量是否小于第二时间段内的车道线数量;
在本申请实施例中,若第一时间段内的车道线数量小于第二时间段内的车道线数量,表明识别到的车道线数量减少,可能出现由于遮挡物、阴影、曝光等因素,部分车道线未被识别到的情况。
203、若第一时间段内的车道线数量小于第二时间段内的车道线数量,则检测第一时间段内的车道线数量是否正确;
在本申请实施例中,若第一时间段内的车道线数量小于第二时间段内的车道线数量,则进一步检测第一时间段内的车道线数量是否正确,即是否确实是由于遮挡物、阴影、曝光等因素造成的车道线数量减少。检测第一时间段内的车道线数量是否正确的具体步骤,详见图3或图5所示实施例中的内容。
204、若第一时间段内的车道线数量不正确,基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量,得到第一时间段内的车道信息。
在本申请实施例中,第一时间段的相邻时间段内的车道线数量可包括第一时间段的前一相邻时间段内的车道线数量(即第二时间段内的车道线数量),也可包括一时间段的后一相邻时间段内的车道线数量(即第三时间段内的车道线数量)。基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量的具体步骤,详见图3或图5所示实施例中的内容。可以理解的是,通过对第一时间段内的车道线数量的修改,修改后的第一时间段内的车道线数量可更加准确。其中,第一时间段内的车道信息中包括修改后的第一时间段内的车道线数量。
本申请实施例提供的车道信息的确定方法,通过判断预设摄像头输出的车道线数量是否减少,并在第一时间段内的车道线数量不正确时,基于相邻时间段内的车道线数量来修改第一时间段内的车道线数量,消除了遮挡物、阴影、曝光等因素对车道线数量识别的影响,使得车道线数量更加准确。
在本申请的一些实施例中,如图3所示,检测第一时间段内的车道线数量是否正确,包括:
301、在第一时间段内的车道线数量的多个第一车道线中,确定相比于第二时间段内的车道线数量的多个第二车道线中缺失的目标车道线;
在本申请实施例中,由于第一时间段内的车道线数量小于第二时间段内的车道线数量,因此第一时间段内识别到的车道线相比于第二时间段内识别到的车道线更少,少了的车道线即为目标车道线。参照图4,图4中的时间段t2为第一时间段,图4中的时间段t1为第二时间段,可以看出,时间段t2相比于时间段t1少了车道线d,车道线d即目标车道线。
302、检测目标车道线在第一时间段内是否被遮挡;
在本申请实施例中,若目标车道线被遮挡时可以被预设摄像头识别到,可以采用相关的功能实现目标车道线是否遮挡的识别。例如,由于预设摄像头可以识别出附近目标对象(例如行人、车辆等),因此可基于识别出的附近目标对象,判断识别出的附近目标对象是否处于图4中车道线d的位置,从而确定车道线d是否被附近目标对象遮挡。其中,图4中的遮挡物即图4中车道线d的位置上的附近目标对象。
303、基于目标车道线在第一时间段内是否被遮挡,确定第一时间段内的车道线数量是否正确。
在本申请实施例中,若目标车道线在第一时间段内被遮挡,判定第一时间段内的车道线数量不正确。若目标车道线在第一时间段内未被遮挡,判定第一时间段内的车道线数量正确。
在本申请的一些实施例中,基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量,可以包括:将第一时间段内的车道线数量,替换为第二时间段内的车道线数量。以图4为例,将第一时间段内的车道线数量,替换为第二时间段内的车道线数量,即是将时间段t2内的车道线数量,替换为时间段t1内的车道线数量,从而使得时间段t1内的车道信息中同时包括车道线a、b、c、d这4条车道线。
在本申请的一些实施例中,基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量,可以包括:检测第三时间段内的车道线数量与第二时间段内的车道线数量是否相等;若第三时间段内的车道线数量与第二时间段内的车道线数量相等(例如图4中时间段t3a内的车道线数量与时间段t1内的车道线数量相等,可判定时间段t2内识别不出车道线d是由于车道线d被遮挡导致的),因此将第一时间段内的车道线数量,替换为第二时间段内的车道线数量。若第三时间段内的车道线数量与第二时间段内的车道线数量不相等(例如图4中时间段t3b内的车道线数量与时间段t1内的车道线数量不相等,由于时间段t2内车道线d的位置被遮挡,因此无法确定时间段t2内是否存在车道线d),因此将第一时间段划分为按时间先后排序的第一子时间段和第二子时间段,将第一子时间段内的车道线数量,替换为第二时间段内的车道线数量,而第二子时间段内的车道线数量维持不变,即第二子时间段内的车道线数量与第三时间段内的车道线数量保持一致。当然,在第三时间段内的车道线数量与第二时间段内的车道线数量不相等时,也可直接将第一时间段内的车道线数量,替换为第二时间段内的车道线数量,或者直接将第一时间段内的车道线数量维持不变。
本申请实施例所公开的方案,通过检测目标车道线在第一时间段内是否被遮挡,实现了预设摄像头输出的第一时间段内的车道线数量是否正确的判断。
在本申请的一些实施例中,如图5所示,检测第一时间段内的车道线数量是否正确,包括:
501、在第一时间段内的车道线数量的多个第一车道线中,确定相比于第二时间段内的车道线数量的多个第二车道线中缺失的目标车道线;
在本申请的实施例中,由于第一时间段内的车道线数量小于第二时间段内的车道线数量,因此第一时间段内识别到的车道线相比于第二时间段内识别到的车道线更少,少了的车道线即为目标车道线。参照图6,图6中的时间段t2为第一时间段,图6中的时间段t1为第二时间段,可以看出,时间段t2相比于时间段t1少了车道线d,车道线d即目标车道线。
502、确定目标车道线的缺失持续时长;
在本申请的实施例中,目标车道线的缺失持续时长即未识别到目标车道线的持续时长。以图6为例,在多个时间段包括时间段t1、时间段t2、时间段t3a时,车道线d的缺失持续时长为时间段t2的时长,在多个时间段包括时间段t1、时间段t2、时间段t3b时,车道线d的缺失持续时长为时间段t2与时间段t3b的时长之和。
503、基于缺失持续时长是否小于预设时长,确定第一时间段内的车道线数量是否正确。
在本申请的实施例中,预设时长基于实际情况设定。若缺失持续时长大于或等于预设时长,判定第一时间段内确实不存在目标车道线,即第一时间段内的车道线数量正确。若缺失持续时长小于预设时长,判定第一时间段内存在目标车道线,但目标车道线未被识别到,即第一时间段内的车道线数量不正确。其中,在第一时间段内的车道线数量正确时,将第一时间段内的车道线数量维持不变,在第一时间段内的车道线数量不正确时,将第一时间段内的车道线数量,替换为第二时间段内的车道线数量。
可以理解的是,针对目标车道线被遮挡时无法被预设摄像头识别到的情况,以及由于阴影、曝光等因素导致的目标车道线无法被预设摄像头识别到的情况,可采用本实施例的方式检测第一时间段内的车道线数量是否正确。
本申请实施例所公开的方案,通过检测目标车道线的缺失持续时长是否小于预设时长,实现了预设摄像头输出的第一时间段内的车道线数量是否正确的判断。
由于不同场景下,阴影、曝光、遮挡等因素导致车道线无法被预设摄像头识别到的情况的发生可能性不同,故而,可通过预设时长的适应性变化,来保证基于缺失持续时长是否小于预设时长,确定第一时间段内的车道线数量是否正确时的结果准确性,具体如下:
例如,曝光、阴影等因素与预设摄像头所在环境下的光照情况息息相关,环境很暗很亮时常会导致预设摄像头无法准确识别出车道线,故而,可获取预设车辆附近的环境光照强度(例如可以利用安装于车辆的相应传感器采集到),并根据环境光照强度确定该预设时长,环境光照强度较高或较低时,容易发生识别不出的情况,此时可采用较长的预设时长,而在环境光照强度未较高,也未较低时,则采用较短的预设时长。具体举例中,若环境光照强度处于预设光照强度范围,则将第一预设数值作为预设时长,若环境光照强度未处于预设光照强度范围(例如小于预设光照强度范围的最小值,即环境光照强度较低,或大于预设光照强度范围的最大值,即环境光照强度较高),则将第二预设数值作为预设时长,第二预设数值大于第一预设数值。
再例如,遮挡因素与预设车辆的路况息息相关,路况比较拥堵时常常会导致车道线被遮挡,故而,可获取预设车辆附近路况的拥堵程度(例如可以自在线地图调取拥堵程度),并根据拥堵程度确定该预设时长,例如,可预先设置多个拥堵程度与多个时长的映射关系,然后,可根据该映射关系,确定预设车辆附近路况的拥堵程度所映射的时长,并作为该预设时长。
又例如,还可将拥堵程度量化为拥堵参数,进而,可预先设置拥堵参数与时长的函数关系,例如,在某个区间范围内,二者可以是呈正比关系的,然后,可根据该函数关系,将预设车辆对应的拥堵参数代入该函数关系,得到所计算出来的时长,并作为该预设时长。
在本申请的一些实施例中,如图5所示,基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量之后,还包括:
获取修改后的第一时间段内的车道线数量的多个第一车道线的车道线类型(以图6为例,多个第一车道线包括车道线a、b、c,车道线a的车道线类型为双实线,车道线b的车道线类型为虚线,车道线c的车道线类型为实线);基于车道线类型,确定多个第一车道线之间形成的多个第一车道的车道类型。其中,车道类型可分为机动车道、非机动车道、应急车道、公交车专用车道等,机动车道还可分为与预设车辆同一行驶方向的机动车道,与预设车辆相反行驶方向的机动车道。
在本申请一些实施例中,基于车道线类型,确定多个第一车道线之间形成的多个第一车道的车道类型,可以包括:若第一车道线的车道线类型为单虚线,则判定该第一车道线两侧的第一车道均为同向机动车道;若第一车道线的车道线类型为双实线,则判定该第一车道线右侧的第一车道为与预设车辆同一行驶方向的最后一个机动车道;若第一车道线的车道线类型为黄色单实线,则判定该第一车道线右侧的第一车道为与预设车辆同一行驶方向的最后一个机动车道;若最左侧的第一车道线为(白色)实线,且该实线左侧无路障、隔离设施等,则认定该第一车道线左侧的第一车道为机动车道。
在本申请一些实施例中,基于车道线类型,确定多个第一车道线之间形成的多个第一车道的车道类型,可以包括:若第一车道线的车道线类型为(白色)实线时,确定(白色)实线右侧的第一车道上是否出现过目标对象,基于(白色)实线右侧的第一车道上是否出现过目标对象,确定(白色)实线右侧的第一车道的车道类型。以目标对象为与预设车辆同向的其他车辆为例,基于实线右侧的第一车道上是否出现过目标对象,确定实线右侧的第一车道的车道类型,可以包括:若实线右侧的第一车道上出现过其他车辆,获取其他车辆的出现频率;在出现频率大于预设频率时,判定实线右侧的第一车道的车道类型为机动车道;在出现频率小于或等于预设频率时,判定实线右侧的第一车道的车道类型为应急车道,预设频率基于实际情况设定。以目标对象为非机动车(例如自行车)或行人为例,基于实线右侧的第一车道上是否出现过目标对象,确定实线右侧的第一车道的车道类型,可以包括:若实线右侧的第一车道上出现非机动车或行人的次数大于预设阈值,判定实线右侧的第一车道的车道类型为非机动车道。以目标对象为停车位为例,基于实线右侧的第一车道上是否出现过目标对象,确定实线右侧的第一车道的车道类型,可以包括:若实线右侧的第一车道上出现过停车位,判定实线右侧的第一车道的车道类型为非机动车道。以目标对象为应急车道、公交车道等字样时,基于实线右侧的第一车道上是否出现过目标对象,确定实线右侧的第一车道的车道类型,可以包括:若实线右侧的第一车道上出现过应急车道、公交车道等字样,判定实线右侧的第一车道的车道类型为应急车道或公交车专用车道。
本申请实施例所公开的方案,通过多个第一车道线的车道线类型,确定多个第一车道线之间形成的多个第一车道的车道类型,实现了车道类型的识别。
在本申请一些实施例中,车道信息不仅可包括车道线数量,还可包括车道类型。车道信息可用于生成道路地图,道路地图可以是OpenX地图,OpenX是为自动化驾驶测试所需要的地图所制定的一组协议,OpenX地图主要包括OpenDRIVE数据和OpenSCENARIO数据,OpenDRIVE数据用于描述道路的静态信息,OpenSCENARIO数据用于描述道路上的动态信息和交通参与者行为等内容,因此可基于车道信息,生成OpenDRIVE数据。基于车道信息,生成OpenDRIVE数据,可以包括:将车道信息匹配到OpenX地图的相应位置:例如某时刻或某时间段的车道信息为a,则可根据该时刻或时间段内预设车辆的位置信息,判断这个车道信息a应当定位在地图的哪段位置,从而确定出OpenX地图中该段位置的道路情况,得到OpenDRIVE数据。例如车道信息a为三条机动车道、一条非机动车道,则在OpenX地图的OpenDRIVE数据中,该时刻或时间段内预设车辆的位置处的道路情况也是这三条机动车道、一条非机动车道。
进一步地,在上述道路地图的基础上,还提供一种道路地图的回注方法,道路地图的回注方法包括:
基于道路地图中的道路静态数据进行仿真建模,得到道路模型,其中,道路静态数据指道路上的固定的不会发生变化的数据,例如道路上的车道数量、车道类型(例如机动车道、非机动车道、应急车道、公交车专用车道)、道路上的路口、道路形状等,例如道路静态数据可以是OpenDRIVE数据,而道路模型即仿真的道路,包括仿真路面、仿真车道线、仿真路牌等;
基于道路地图中的动态场景数据进行仿真建模,得到道路模型上的多个运动目标模型以及多个运动目标模型的运动参数,其中,动态场景数据指道路上的动态变化的数据,例如道路上的车辆、行人等在同一时刻的位置、速度、行驶状态等,行驶状态可包括变道、转弯、刹车等,例如动态场景数据可以是OpenSCENARIO数据,而运动目标模型即仿真的动态物,包括仿真的动态的人、车等;
基于道路模型、道路模型上的多个运动目标模型以及多个运动目标模型的运动参数,生成道路地图的动态仿真场景模型,其中,动态仿真场景模型中包括道路模型、可按照运动参数运动的运动目标模型,动态仿真场景模型中还可包括仿真的静态物,仿真的静态物例如仿真的静态的人、车、路牌等,可以理解的是,动态仿真场景模型展现的场景与预设车辆真实的行驶过程中该预设车辆及其附近场景相同或相近;此外,由于车道信息中包括每个车道的车道类型,因此在进行仿真场景的建模时可根据每个车道的车道类型,叠加车辆模型到仿真场景中,车辆模型可包括公交车模型、消防车模型等,例如在仿真场景的某一段时间内,在车道类型为公交车专用车道的车道上叠加公交车模型,以模拟公交车行驶经过的过程;
获取动态仿真场景模型中指定位置和指定视角下的仿真视频数据,其中,指定位置可以是动态仿真场景模型中指定的任意位置,例如指定位置可以是预设车辆车顶,指定视角可以是任意方向的视角,例如指定视角可以是朝向预设车辆前方或后方的视角,仿真视频数据为指定位置和指定视角下取景渲染得到的画面;
将仿真视频数据注入至指定的车辆控制算法所在终端,其中,车辆控制算法可以是智能驾驶的相关算法,车辆控制算法所在终端用于对车辆控制算法进行训练、验证、测试等,可以理解的是,在将仿真视频数据回注到指定的车辆控制算法所在终端后,车辆控制算法所在终端可基于仿真视频数据,对车辆控制算法进行训练、验证、测试等。
本申请实施例所公开的方案,通过动态仿真场景模型的构建及仿真视频数据的取景渲染,可以为训练、验证、测试等提供更丰富、自由、多样视角与取景位置的素材,例如若车辆无车顶的摄像头,那么,基于本申请实施例的方案,可形成车顶前方、后方等位置、视角的摄像头的仿真视频数据。并且可以有效保障所构建的动态仿真场景模型能准确体现出真实场景,这样,对车辆控制算法的训练、验证、测试才更有意义,有助于保障车辆控制算法的训练、验证、测试的有效性。
为了更好实施本申请实施例中车道信息的确定方法,在车道信息的确定方法基础之上,本申请实施例中还提供一种车道信息的确定装置,如图7所示,车道信息的确定装置700包括:
获取单元701,用于获取预设车辆上的预设摄像头输出的多个时间段内的车道线数量,多个时间段包括第一时间段和第二时间段,第二时间段为第一时间段的前一相邻时间段;
第一检测单元702,用于检测第一时间段内的车道线数量是否小于第二时间段内的车道线数量;
第二检测单元703,用于若第一时间段内的车道线数量小于第二时间段内的车道线数量,则检测第一时间段内的车道线数量是否正确;
修改单元704,用于若第一时间段内的车道线数量不正确,基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量,得到第一时间段内的车道信息。
本申请实施例提供的车道信息的确定装置,通过判断预设摄像头输出的车道线数量是否减少,并在第一时间段内的车道线数量不正确时,基于相邻时间段内的车道线数量来修改第一时间段内的车道线数量,消除了遮挡物、阴影、曝光等因素对车道线数量识别的影响,使得车道线数量更加准确。
在本申请的一些实施例中,第二检测单元703,具体用于:
在第一时间段内的车道线数量的多个第一车道线中,确定相比于第二时间段内的车道线数量的多个第二车道线中缺失的目标车道线;
检测目标车道线在第一时间段内是否被遮挡;
基于目标车道线在第一时间段内是否被遮挡,确定第一时间段内的车道线数量是否正确。
在本申请的一些实施例中,修改单元704,具体用于:
将第一时间段内的车道线数量,替换为第二时间段内的车道线数量。
在本申请的一些实施例中,修改单元704,具体用于:
检测第三时间段内的车道线数量与第二时间段内的车道线数量是否相等;
若第三时间段内的车道线数量与第二时间段内的车道线数量相等,将第一时间段内的车道线数量,替换为第二时间段内的车道线数量;
若第三时间段内的车道线数量与第二时间段内的车道线数量不相等,将第一时间段划分为按时间先后排序的第一子时间段和第二子时间段,将第一子时间段内的车道线数量,替换为第二时间段内的车道线数量。
在本申请的一些实施例中,第二检测单元703,具体用于:
在第一时间段内的车道线数量的多个第一车道线中,确定相比于第二时间段内的车道线数量的多个第二车道线中缺失的目标车道线;
确定目标车道线的缺失持续时长;
基于缺失持续时长是否小于预设时长,确定第一时间段内的车道线数量是否正确。
在本申请的一些实施例中,车道信息的确定装置700还用于:
获取修改后的第一时间段内的车道线数量的多个第一车道线的车道线类型;
基于车道线类型,确定多个第一车道线之间形成的多个第一车道的车道类型,第一时间段内的车道信息中还包括多个第一车道的车道类型。
在本申请的一些实施例中,车道信息的确定装置700还用于:
在车道线类型为实线时,获取实线右侧的第一车道上是否存在目标对象;
基于实线右侧的第一车道上是否存在目标对象,确定实线右侧的第一车道的车道类型。
在本申请的一些实施例中,车道信息的确定装置700还用于:
若实线右侧的第一车道上存在其他车辆,获取其他车辆的出现频率;
在出现频率大于预设频率时,判定实线右侧的第一车道的车道类型为机动车道;
在出现频率小于或等于预设频率时,判定实线右侧的第一车道的车道类型为应急车道。
除了上述介绍用于车道信息的确定方法与装置之外,本申请实施例还提供一种计算机设备,其集成了本申请实施例所提供的任一种车道信息的确定装置,计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中一个或多个应用程序被存储于存储器中,并配置为由处理器执行上述车道信息的确定方法的任一实施例中的步骤。
本申请实施例还提供一种计算机设备,其集成了本申请实施例所提供的任一种车道信息的确定装置。如图8所示,其示出了本申请实施例所涉及的计算机设备的结构示意图,具体来讲:
该计算机设备可以包括一个或者一个以上处理核心的处理器801、一个或一个以上计算机可读存储介质的存储单元802、电源803和输入单元804等部件。本领域技术人员可以理解,图8中示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器801是该计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储单元802内的软件程序和/或模块,以及调用存储在存储单元802的数据,执行计算机设备的各种功能和处理数据,从而对计算机设备进行整体监控。可选的,处理器801可包括一个或多个处理核心;优选的,处理器801可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器801中。
存储单元802可用于存储软件程序以及模块,处理器801通过运行存储在存储单元802的软件程序以及模块,从而执行各种功能应用以及数据处理。存储单元802可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储单元802可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储单元802还可以包括存储器控制器,以提供处理器801对存储单元802的访问。
计算机设备还包括给各个部件供电的电源803,优选的,电源803可以通过电源管理系统与处理器801逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源803还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元804,该输入单元804可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,计算机设备还可以包括显示单元等,在此不再赘述。具体在本申请实施例中,计算机设备中的处理器801会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储单元802中,并由处理器801来运行存储在存储单元802中的应用程序,从而实现各种功能,如下:
获取预设车辆上的预设摄像头输出的多个时间段内的车道线数量,多个时间段包括第一时间段和第二时间段,第二时间段为第一时间段的前一相邻时间段;
检测第一时间段内的车道线数量是否小于第二时间段内的车道线数量;
若第一时间段内的车道线数量小于第二时间段内的车道线数量,则检测第一时间段内的车道线数量是否正确;
若第一时间段内的车道线数量不正确,基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量,得到第一时间段内的车道信息。
为此,本申请实施例提供一种计算机可读存储介质,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random AccessMemory)、磁盘或光盘等。该计算机可读存储介质中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种车道信息的确定方法中的步骤。例如,该指令可以执行如下步骤:
获取预设车辆上的预设摄像头输出的多个时间段内的车道线数量,多个时间段包括第一时间段和第二时间段,第二时间段为第一时间段的前一相邻时间段;
检测第一时间段内的车道线数量是否小于第二时间段内的车道线数量;
若第一时间段内的车道线数量小于第二时间段内的车道线数量,则检测第一时间段内的车道线数量是否正确;
若第一时间段内的车道线数量不正确,基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量,得到第一时间段内的车道信息。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
以上对本申请实施例所提供的一种车道信息的确定方法、计算机设备及介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种车道信息的确定方法,其特征在于,所述方法包括:
获取预设车辆上的预设摄像头输出的多个时间段内的车道线数量,所述多个时间段包括第一时间段和第二时间段,第二时间段为第一时间段的前一相邻时间段;
检测第一时间段内的车道线数量是否小于第二时间段内的车道线数量;
若第一时间段内的车道线数量小于第二时间段内的车道线数量,则检测第一时间段内的车道线数量是否正确;
若第一时间段内的车道线数量不正确,基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量,得到第一时间段内的车道信息,其中,第一时间段的后一相邻时间段为第三时间段,在第三时间段内的车道线数量与第二时间段内的车道线数量相等时,修改后的第一时间段内的车道线数量为第二时间段内的车道线数量,在第三时间段内的车道线数量与第二时间段内的车道线数量不相等时,将第一时间段划分为按时间先后排序的第一子时间段和第二子时间段,在修改后的第一时间段中,第一子时间段内的车道线数量为第二时间段内的车道线数量。
2.如权利要求1所述的车道信息的确定方法,其特征在于,所述检测第一时间段内的车道线数量是否正确,包括:
在第一时间段内的车道线数量的多个第一车道线中,确定相比于第二时间段内的车道线数量的多个第二车道线中缺失的目标车道线;
检测所述目标车道线在第一时间段内是否被遮挡;
基于所述目标车道线在第一时间段内是否被遮挡,确定第一时间段内的车道线数量是否正确。
3.如权利要求2所述的车道信息的确定方法,其特征在于,所述基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量,包括:
将第一时间段内的车道线数量,替换为第二时间段内的车道线数量。
4.如权利要求1所述的车道信息的确定方法,其特征在于,所述检测第一时间段内的车道线数量是否正确,包括:
在第一时间段内的车道线数量的多个第一车道线中,确定相比于第二时间段内的车道线数量的多个第二车道线中缺失的目标车道线;
确定所述目标车道线的缺失持续时长;
基于所述缺失持续时长是否小于预设时长,确定第一时间段内的车道线数量是否正确。
5.如权利要求1所述的车道信息的确定方法,其特征在于,所述基于第一时间段的相邻时间段内的车道线数量,修改第一时间段内的车道线数量之后,还包括:
获取修改后的第一时间段内的车道线数量的多个第一车道线的车道线类型;
基于所述车道线类型,确定所述多个第一车道线之间形成的多个第一车道的车道类型,第一时间段内的车道信息中还包括所述多个第一车道的车道类型。
6.如权利要求5所述的车道信息的确定方法,其特征在于,所述基于所述车道线类型,确定所述多个第一车道线之间形成的多个第一车道的车道类型,包括:
在车道线类型为实线时,确定所述实线右侧的第一车道上是否出现过目标对象;
基于所述实线右侧的第一车道上是否出现过目标对象,确定所述实线右侧的第一车道的车道类型。
7.如权利要求6所述的车道信息的确定方法,其特征在于,目标对象为与预设车辆同向的其他车辆,所述基于所述实线右侧的第一车道上是否出现过目标对象,确定所述实线右侧的第一车道的车道类型,包括:
若所述实线右侧的第一车道上出现过所述其他车辆,获取所述其他车辆的出现频率;
在所述出现频率大于预设频率时,判定所述实线右侧的第一车道的车道类型为机动车道;
在所述出现频率小于或等于预设频率时,判定所述实线右侧的第一车道的车道类型为应急车道。
8.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至7中任一项所述的车道信息的确定方法。
9.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行权利要求1至7中任一项所述的车道信息的确定方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211611074.XA CN115830562B (zh) | 2022-12-12 | 2022-12-12 | 车道信息的确定方法、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211611074.XA CN115830562B (zh) | 2022-12-12 | 2022-12-12 | 车道信息的确定方法、计算机设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115830562A CN115830562A (zh) | 2023-03-21 |
CN115830562B true CN115830562B (zh) | 2024-05-24 |
Family
ID=85547337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211611074.XA Active CN115830562B (zh) | 2022-12-12 | 2022-12-12 | 车道信息的确定方法、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830562B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117763342A (zh) * | 2023-11-01 | 2024-03-26 | 上海泽尔汽车科技有限公司 | 一种基于环境感知的自动驾驶数据回注方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107045791A (zh) * | 2017-03-16 | 2017-08-15 | 王德旺 | 汽车摩托车智能交通管理系统的实现方法 |
CN110880205A (zh) * | 2019-10-31 | 2020-03-13 | 北京猎户智芯科技有限公司 | 一种停车收费方法及装置 |
CN111854766A (zh) * | 2020-01-13 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种道路信息确定方法、装置、电子设备及存储介质 |
CN112069944A (zh) * | 2020-08-25 | 2020-12-11 | 青岛海信网络科技股份有限公司 | 一种道路拥堵等级确定方法 |
CN112562406A (zh) * | 2020-11-27 | 2021-03-26 | 众安在线财产保险股份有限公司 | 一种越线行驶的识别方法及装置 |
CN112668100A (zh) * | 2020-11-19 | 2021-04-16 | 同济大学 | 基于自然驾驶实验的智能汽车交通场景事件链重构方法 |
CN112789619A (zh) * | 2020-12-31 | 2021-05-11 | 华为技术有限公司 | 一种仿真场景的构建方法、仿真方法以及设备 |
CN113903014A (zh) * | 2021-12-07 | 2022-01-07 | 智道网联科技(北京)有限公司 | 车道线预测方法、装置及电子设备、计算机可读存储介质 |
CN114264310A (zh) * | 2020-09-14 | 2022-04-01 | 阿里巴巴集团控股有限公司 | 定位及导航方法、装置、电子设备、计算机存储介质 |
CN114299468A (zh) * | 2021-12-29 | 2022-04-08 | 苏州智加科技有限公司 | 车道的汇入口的检测方法、装置、终端、存储介质及产品 |
CN114889606A (zh) * | 2022-04-28 | 2022-08-12 | 吉林大学 | 一种基于多传感融合的低成本高精定位方法 |
CN115203352A (zh) * | 2022-09-13 | 2022-10-18 | 腾讯科技(深圳)有限公司 | 车道级定位方法、装置、计算机设备和存储介质 |
CN115457779A (zh) * | 2022-07-26 | 2022-12-09 | 武汉路特斯科技有限公司 | 一种车道限速提醒方法和装置 |
-
2022
- 2022-12-12 CN CN202211611074.XA patent/CN115830562B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107045791A (zh) * | 2017-03-16 | 2017-08-15 | 王德旺 | 汽车摩托车智能交通管理系统的实现方法 |
CN110880205A (zh) * | 2019-10-31 | 2020-03-13 | 北京猎户智芯科技有限公司 | 一种停车收费方法及装置 |
CN111854766A (zh) * | 2020-01-13 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种道路信息确定方法、装置、电子设备及存储介质 |
CN112069944A (zh) * | 2020-08-25 | 2020-12-11 | 青岛海信网络科技股份有限公司 | 一种道路拥堵等级确定方法 |
CN114264310A (zh) * | 2020-09-14 | 2022-04-01 | 阿里巴巴集团控股有限公司 | 定位及导航方法、装置、电子设备、计算机存储介质 |
CN112668100A (zh) * | 2020-11-19 | 2021-04-16 | 同济大学 | 基于自然驾驶实验的智能汽车交通场景事件链重构方法 |
CN112562406A (zh) * | 2020-11-27 | 2021-03-26 | 众安在线财产保险股份有限公司 | 一种越线行驶的识别方法及装置 |
CN112789619A (zh) * | 2020-12-31 | 2021-05-11 | 华为技术有限公司 | 一种仿真场景的构建方法、仿真方法以及设备 |
CN113903014A (zh) * | 2021-12-07 | 2022-01-07 | 智道网联科技(北京)有限公司 | 车道线预测方法、装置及电子设备、计算机可读存储介质 |
CN114299468A (zh) * | 2021-12-29 | 2022-04-08 | 苏州智加科技有限公司 | 车道的汇入口的检测方法、装置、终端、存储介质及产品 |
CN114889606A (zh) * | 2022-04-28 | 2022-08-12 | 吉林大学 | 一种基于多传感融合的低成本高精定位方法 |
CN115457779A (zh) * | 2022-07-26 | 2022-12-09 | 武汉路特斯科技有限公司 | 一种车道限速提醒方法和装置 |
CN115203352A (zh) * | 2022-09-13 | 2022-10-18 | 腾讯科技(深圳)有限公司 | 车道级定位方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
基于多传感器融合的智能汽车多目标检测技术综述;王海等;《汽车安全与节能学报》;20211215;全文 * |
基于多源多目标统计信息融合的智能网联车云定位方法研究;岳柄剑;《全国优秀博士学位论文全文库(博士) 工程科技II辑》;20220415;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115830562A (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109087510B (zh) | 交通监测方法及装置 | |
EP3806064B1 (en) | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium | |
US10510187B2 (en) | Method and system for virtual sensor data generation with depth ground truth annotation | |
CN111862228B (zh) | 遮挡检测的方法、系统、计算机设备和可读存储介质 | |
CN110210302A (zh) | 多目标跟踪方法、装置、计算机设备及存储介质 | |
US9728204B2 (en) | Method and device for drawing a noise map | |
CN115830562B (zh) | 车道信息的确定方法、计算机设备及介质 | |
EP3889825A1 (en) | Vehicle lane line detection method, vehicle, and computing device | |
CN111142402B (zh) | 仿真场景构建方法、装置和终端 | |
JP2022023910A (ja) | 通行状態取得方法及び装置、路側装置、並びに、クラウド制御プラットフォーム | |
CN113468678B (zh) | 一种自动驾驶算法准确度的计算方法及装置 | |
CN114926791A (zh) | 一种路口车辆异常变道检测方法、装置、存储介质及电子设备 | |
CN112001453B (zh) | 一种视频事件检测算法的准确率计算方法及装置 | |
CN117197227A (zh) | 计算目标车辆偏航角方法、装置、设备以及介质 | |
CN111724607A (zh) | 转向灯使用检测方法、装置、计算机设备和存储介质 | |
CN116403174A (zh) | 一种端到端自动驾驶方法、系统、仿真系统及存储介质 | |
CN115240136A (zh) | 钢结构建筑施工进度的检测方法、装置、设备及存储介质 | |
CN114550028A (zh) | 车辆的任务进度获取方法、电子设备、介质及产品 | |
CN112257485A (zh) | 一种对象检测的方法、装置、存储介质及电子设备 | |
CN112446229A (zh) | 一种标志杆的像素坐标获取方法及装置 | |
CN116467859B (zh) | 数据处理方法、系统、设备和计算机可读存储介质 | |
CN117437602B (zh) | 一种双图层数据标定方法、装置、设备及可读存储介质 | |
CN111931743B (zh) | 建筑违章监控方法、系统和电子设备 | |
WO2021068210A1 (zh) | 移动物体监控的方法、装置及计算机存储介质 | |
CN116311965A (zh) | 确定车辆行驶速度的方法及装置、电子设备 |
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 |