CN116129378A - 车道线检测方法、装置、设备、车辆和介质 - Google Patents
车道线检测方法、装置、设备、车辆和介质 Download PDFInfo
- Publication number
- CN116129378A CN116129378A CN202211699377.1A CN202211699377A CN116129378A CN 116129378 A CN116129378 A CN 116129378A CN 202211699377 A CN202211699377 A CN 202211699377A CN 116129378 A CN116129378 A CN 116129378A
- Authority
- CN
- China
- Prior art keywords
- lane line
- point cloud
- time stamp
- radar
- camera
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种车道线检测方法、装置、设备、车辆和介质,包括获取车辆运动信息、激光雷达在雷达时间戳下的点云和相机在相机时间戳下的图像;根据所述雷达时间戳、所述相机时间戳和所述车辆运动信息,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置,得到时空同步的点云;将所述时空同步的点云投影至所述图像,得到与所述图像中车道线的交点作为车道线候选点;基于所述车道线候选点,构建车道线,实现了将点云与图像进行联合,能够提供更精准的车道线点云和语义信息,并对点云与图像进行时空同步,提高了车道线检测结果的准确性,进而提高了车辆行驶的安全性。
Description
技术领域
本发明涉及智能汽车技术领域,具体提供一种车道线检测方法、装置、设备、车辆和介质。
背景技术
获得精确的3D车道线为下游规划控制提供依据,是智能汽车辅助驾驶的关键技术。
通过激光雷达获得的点云上由于车道线和地面没有显著的结构化差异,同时受车道线路况磨损以及天气的影响,车道线位置和地面其他位置上点云反射强度也没有显著差异,使得根据点云直接获得车道线准确位置的方法泛化性能差。而只依赖摄像机的视觉检测的车道线结果,通过逆透视变换获得的3D车道线精度误差大。
因此,如何精准的获得3D车道线,提高车辆行驶的安全性,是本领域技术人员亟待解决的技术问题。
发明内容
为了克服上述缺陷,提出了本发明,以提供解决或至少部分地解决3D车道线检测精度较低,从而影响车辆行驶的安全性的技术问题的车道线检测方法、装置、设备、车辆和介质。
在第一方面,本发明提供一种车道线检测方法,所述车道线检测方法包括:
获取车辆运动信息、激光雷达在雷达时间戳下的点云和相机在相机时间戳下的图像;
根据所述雷达时间戳、所述相机时间戳和所述车辆运动信息,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置,得到时空同步的点云;
将所述时空同步的点云投影至所述图像,得到与所述图像中车道线的交点作为车道线候选点;
基于所述车道线候选点,构建车道线。
进一步地,上述所述的车道线检测方法中,基于所述车道线候选点,构建车道线,包括:
对所述车道线候选点进行去噪,得到去噪后的目标车道线候选点;
对所述目标车道线候选点进行拟合,得到车道线的点云坐标;
根据所述车道线的点云坐标,构建车道线。
进一步地,上述所述的车道线检测方法中,对所述车道线候选点进行去噪,得到去噪后的目标车道线候选点,包括:
根据所述时空同步的点云,确定地平面中心点;
选取低于所述地平面中心点预设阈值的车道线候选点,作为所述目标车道线候选点。
进一步地,上述所述的车道线检测方法中,根据所述车道线的点云坐标,构建车道线之前,还包括:
检测所述车道线的点云坐标的数目是否大于预设阈值;
根据所述车道线的点云坐标,构建车道线,包括:
若所述车道线的点云坐标的数目大于预设阈值,根据所述车道线的点云坐标,构建车道线。
进一步地,上述所述的车道线检测方法中,根据所述雷达时间戳、所述相机时间戳和所述车辆运动信息,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置,得到时空同步的点云,包括:
在所述雷达时间戳与所述相机时间戳相对的时间段内,对所述车辆运动信息进行积分,得到所述雷达时间戳下的点云的位置变化量;
根据所述位置变化量,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置,得到时空同步的点云。
在第二方面,本发明提供一种车道线检测装置,所述车道线检测装置包括:
获取模块,用于获取车辆运动信息、激光雷达在雷达时间戳下的点云和相机在相机时间戳下的图像;
补偿模块,用于根据所述雷达时间戳、所述相机时间戳和所述车辆运动信息,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置,得到时空同步的点云;
投影模块,用于将所述时空同步的点云投影至所述图像,得到与所述图像中车道线的交点作为车道线候选点;
构建模块,用于基于所述车道线候选点,构建车道线。
进一步地,上述所述的车道线检测装置中,所述构建模块,具体用于:
对所述车道线候选点进行去噪,得到去噪后的目标车道线候选点;
对所述目标车道线候选点进行拟合,得到车道线的点云坐标;
根据所述车道线的点云坐标,构建车道线。
在第三方面,提供一种车道线检测设备,包括处理器和存储装置,所述存储装置适于存储多条程序代码,所述程序代码适于由所述处理器加载并运行以执行上述任一项所述的车道线检测方法。
在第四方面,提供一种车辆,包括如上所述的车道线检测设备。
在第五方面,提供一种计算机可读存储介质,该计算机可读存储介质其中存储有多条程序代码,所述程序代码适于由处理器加载并运行以执行上述任一项技术方案所述的车道线检测方法。
本发明上述一个或多个技术方案,至少具有如下一种或多种有益效果:
在实施本发明的技术方案中,通过获取车辆运动信息、激光雷达在雷达时间戳下的点云和相机在相机时间戳下的图像;根据所述雷达时间戳、所述相机时间戳和所述车辆运动信息,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置,得到时空同步的点云;将所述时空同步的点云投影至所述图像,得到与图像中车道线的交点作为车道线候选点;基于所述车道线候选点,构建车道线,实现了将点云与图像进行联合,能够提供更精准的车道线点云和语义信息,并对点云与图像进行时空同步,提高了车道线检测结果的准确性,进而提高了车辆行驶的安全性。
附图说明
参照附图,本发明的公开内容将变得更易理解。本领域技术人员容易理解的是:这些附图仅仅用于说明的目的,而并非意在对本发明的保护范围组成限制。此外,图中类似的数字用以表示类似的部件,其中:
图1是根据本发明的一个实施例的车道线检测方法的主要步骤流程示意图;
图2是采用本发明的车道线检测方法检测的车道线与采用视觉检测方法检测的车道线的对比结果示意图;
图3是根据本发明的一个实施例的车道线检测装置的主要结构框图;
图4是根据本发明的一个实施例的车道线检测设备的主要结构框图。
具体实施方式
下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
在本发明的描述中,“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路,各种合适的感应器,通信端口,存储器,也可以包括软件部分,比如程序代码,也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。非暂时性的计算机可读存储介质包括任何合适的可存储程序代码的介质,比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。术语“A和/或B”表示所有可能的A与B的组合,比如只是A、只是B或者A和B。术语“至少一个A或B”或者“A和B中的至少一个”含义与“A和/或B”类似,可以包括只是A、只是B或者A和B。单数形式的术语“一个”、“这个”也可以包含复数形式。
通过激光雷达获得的点云上由于车道线和地面没有显著的结构化差异,同时受车道线路况磨损以及天气的影响,车道线位置和地面其他位置上点云反射强度也没有显著差异,使得根据点云直接获得车道线准确位置的方法泛化性能差。而只依赖摄像机的视觉检测的车道线结果,通过逆透视变换获得的3D车道线精度误差大。
因此,为例解决上述技术问题,本发明提供了以下技术方案:
参阅附图1,图1是根据本发明的一个实施例的车道线检测方法的主要步骤流程示意图。如图1所示,本发明实施例中的车道线检测方法主要包括下列步骤101-步骤104。
步骤101、获取车辆运动信息、激光雷达在雷达时间戳下的点云和相机在相机时间戳下的图像;
在一个具体实现过程中,可以通过惯性测量单元(Inertial Measurement Unit,IMU)获取车辆运动信息,通过激光雷达获取在雷达时间戳下的点云,以及,通过相机获取在相机时间戳下的图像。其中,所述图像包括车道线。该车道线可以通过深度学习模型获得当前车道左右车道线检测结果,获取的车道线表示形式以三次曲线为例。左右车道线两条曲线独立处理,处理方法一致。
步骤102、根据所述雷达时间戳、所述相机时间戳和所述车辆运动信息,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置,得到时空同步的点云;
在一个具体实现过程中,由于激光雷达和IMU的采样频率不同,所以需要在所述雷达时间戳T+Δt与所述相机时间戳T相对的时间段Δt内,对所述车辆运动信息进行积分,得到所述雷达时间戳下的点云的位置变化量ΔP;根据所述位置变化量,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置P1,得到时空同步的点云。其中,P1=P+ΔP。P为所述雷达时间戳下的点云的位置。
步骤103、将所述时空同步的点云投影至所述图像,得到与所述车道线的交点作为车道线候选点;
在一个具体实现过程中,可以将时空同步的点云转换成2维点云,然后投影至所述图像,这样,时空同步的点云与所述车道线的交点,并将得到的交点作为车道线候选点。
步骤104、基于所述车道线候选点,构建车道线。
具体地,可以通过如下步骤实现步骤104:
(1)对所述车道线候选点进行去噪,得到去噪后的目标车道线候选点;
具体地,可以根据所述时空同步的点云,确定地平面中心点;然后将各个车道线候选点与地平面中心点进行高度比较,然后选取低于所述地平面中心点预设阈值的车道线候选点,作为所述目标车道线候选点。
需要说明的是,本实施例并不仅限于这种对所述车道线候选点进行去噪的方式,也可以选取其他的方式。
(2)对所述目标车道线候选点进行拟合,得到车道线的点云坐标;
在一个具体实现过程中,可以利用但不限制于3次曲线方程,对所述目标车道线候选点进行拟合,得到车道线的点云坐标。具体拟合过程,可以参照现有相关技术的记载,在此不再赘述。
(3)根据所述车道线的点云坐标,构建车道线。
在得到车道线的点云坐标后,可以构建出车道线。
需要说明的是,只有车道线的点云坐标的数目达到一定数值的情况下,该车道线才为有效车道线,因此,在根据所述车道线的点云坐标,构建车道线之前,还可以检测所述车道线的点云坐标的数目是否大于预设阈值,以便根据检测结果确定车道线的有效性。具体地,若所述车道线的点云坐标的数目大于预设阈值,说明车道线有效,此时,可以根据所述车道线的点云坐标,构建车道线。
图2是采用本发明的车道线检测方法检测的车道线与采用视觉检测方法检测的车道线的对比结果示意图。如图2所示,本发明的车道线检测方法检测的车道线可以记为第一车道线a,采用视觉检测方法检测的车道线可以记为第二车道线b。从图2中可以看出第一车道线a基本保持平行,而第二车道线b误差越来越大,因此,采用本发明的车道线检测方法检测的车道线误差较小,更有利于车辆安全行驶。
需要指出的是,尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述,但是本领域技术人员可以理解,为了实现本发明的效果,不同的步骤之间并非必须按照这样的顺序执行,其可以同时(并行)执行或以其他顺序执行,这些变化都在本发明的保护范围之内。
本实施例的车道线检测方法,通过获取车辆运动信息、激光雷达在雷达时间戳下的点云和相机在相机时间戳下的图像;根据所述雷达时间戳、所述相机时间戳和所述车辆运动信息,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置,得到时空同步的点云;将所述时空同步的点云投影至所述图像,得到与图像中车道线的交点作为车道线候选点;基于所述车道线候选点,构建车道线,实现了将点云与图像进行联合,能够提供更精准的车道线点云和语义信息,并对点云与图像进行时空同步,提高了车道线检测取结果的准确性,进而提高了车辆行驶的安全性。
进一步,本发明还提供了一种车道线检测装置。
参阅附图3,图3是根据本发明的一个实施例的车道线检测装置的主要结构框图。如图3所示,本发明实施例中的车道线检测装置可以包括获取模块30、补偿模块31、投影模块32和构建模块33。
获取模块30,用于获取车辆运动信息、激光雷达在雷达时间戳下的点云和相机在相机时间戳下的图像;补偿模块31,用于根据所述雷达时间戳、所述相机时间戳和所述车辆运动信息,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置,得到时空同步的点云;
具体地,可以在所述雷达时间戳与所述相机时间戳相对的时间段内,对所述车辆运动信息进行积分,得到所述雷达时间戳下的点云的位置变化量;根据所述位置变化量,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置,得到时空同步的点云。
投影模块32,用于将所述时空同步的点云投影至所述图像,得到与所述图像中车道线的交点作为车道线候选点;
构建模块33,用于基于所述车道线候选点,构建车道线。
具体地,对所述车道线候选点进行去噪,得到去噪后的目标车道线候选点;对所述目标车道线候选点进行拟合,得到车道线的点云坐标;根据所述车道线的点云坐标,构建车道线。
在一个具体实现过程中,可以根据所述时空同步的点云,确定地平面中心点;选取低于所述地平面中心点预设阈值的车道线候选点,作为所述目标车道线候选点。
在一个具体实现过程中,构建模块33还用于检测所述车道线的点云坐标的数目是否大于预设阈值;若所述车道线的点云坐标的数目大于预设阈值,根据所述车道线的点云坐标,构建车道线。
本实施例的车道线检测装置,通过获取车辆运动信息、激光雷达在雷达时间戳下的点云和相机在相机时间戳下的图像;根据所述雷达时间戳、所述相机时间戳和所述车辆运动信息,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置,得到时空同步的点云;将所述时空同步的点云投影至所述图像,得到与图像中车道线的交点作为车道线候选点;基于所述车道线候选点,构建车道线,实现了将点云与图像进行联合,能够提供更精准的车道线点云和语义信息,并对点云与图像进行时空同步,提高了车道线检测取结果的准确性,进而提高了车辆行驶的安全性。
上述车道线检测装置以用于执行上述实施例的车道线检测方法实施例,两者的技术原理、所解决的技术问题及产生的技术效果相似,本技术领域技术人员可以清楚地了解到,为了描述的方便和简洁,车道线检测装置的具体工作过程及有关说明,可以参考车道线检测方法的实施例所描述的内容,此处不再赘述。
本领域技术人员能够理解的是,本发明实现上述一实施例的方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括电载波信号和电信信号。
进一步,本发明还提供了一种车道线检测设备。
参阅附图4,图4是根据本发明的一个实施例的车道线检测设备的主要结构框图。如图4所示,本发明实施例中的车道线检测设备可以处理器40和存储装置41。
存储装置41可以被配置成存储执行上述方法实施例的车道线检测方法的程序,处理器40可以被配置成用于执行存储装置41中的程序,该程序包括但不限于执行上述方法实施例的车道线检测方法的程序。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。该车道线检测设备可以是包括各种电子设备形成的控制设备。
进一步,本发明还提供了一种计算机可读存储介质。在根据本发明的一个计算机可读存储介质实施例中,计算机可读存储介质可以被配置成存储执行上述方法实施例的车道线检测方法的程序,该程序可以由处理器加载并运行以实现上述车道线检测方法。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备,可选的,本发明实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。
进一步,应该理解的是,由于各个模块的设定仅仅是为了说明本发明的装置的功能单元,这些模块对应的物理器件可以是处理器本身,或者处理器中软件的一部分,硬件的一部分,或者软件和硬件结合的一部分。因此,图中的各个模块的数量仅仅是示意性的。
本领域技术人员能够理解的是,可以对装置中的各个模块进行适应性地拆分或合并。对具体模块的这种拆分或合并并不会导致技术方案偏离本发明的原理,因此,拆分或合并之后的技术方案都将落入本发明的保护范围内。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种车道线检测方法,其特征在于,包括:
获取车辆运动信息、激光雷达在雷达时间戳下的点云和相机在相机时间戳下的图像;
根据所述雷达时间戳、所述相机时间戳和所述车辆运动信息,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置,得到时空同步的点云;
将所述时空同步的点云投影至所述图像,得到与所述图像中车道线的交点作为车道线候选点;
基于所述车道线候选点,构建车道线。
2.根据权利要求1所述的车道线检测方法,其特征在于,基于所述车道线候选点,构建车道线,包括:
对所述车道线候选点进行去噪,得到去噪后的目标车道线候选点;
对所述目标车道线候选点进行拟合,得到车道线的点云坐标;
根据所述车道线的点云坐标,构建车道线。
3.根据权利要求2所述的车道线检测方法,其特征在于,对所述车道线候选点进行去噪,得到去噪后的目标车道线候选点,包括:
根据所述时空同步的点云,确定地平面中心点;
选取低于所述地平面中心点预设阈值的车道线候选点,作为所述目标车道线候选点。
4.根据权利要求2所述的车道线检测方法,其特征在于,根据所述车道线的点云坐标,构建车道线之前,还包括:
检测所述车道线的点云坐标的数目是否大于预设阈值;
根据所述车道线的点云坐标,构建车道线,包括:
若所述车道线的点云坐标的数目大于预设阈值,根据所述车道线的点云坐标,构建车道线。
5.根据权利要求1-4任一项所述的车道线检测方法,其特征在于,根据所述雷达时间戳、所述相机时间戳和所述车辆运动信息,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置,得到时空同步的点云,包括:
在所述雷达时间戳与所述相机时间戳相对的时间段内,对所述车辆运动信息进行积分,得到所述雷达时间戳下的点云的位置变化量;
根据所述位置变化量,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置,得到时空同步的点云。
6.一种车道线检测装置,其特征在于,包括:
获取模块,用于获取车辆运动信息、激光雷达在雷达时间戳下的点云和相机在相机时间戳下的图像;
补偿模块,用于根据所述雷达时间戳、所述相机时间戳和所述车辆运动信息,将所述雷达时间戳下的点云补偿到所述相机时间戳对应的位置,得到时空同步的点云;
投影模块,用于将所述时空同步的点云投影至所述图像,得到与所述图像中车道线的交点作为车道线候选点;
构建模块,用于基于所述车道线候选点,构建车道线。
7.根据权利要求6所述的车道线检测装置,其特征在于,所述构建模块,具体用于:
对所述车道线候选点进行去噪,得到去噪后的目标车道线候选点;
对所述目标车道线候选点进行拟合,得到车道线的点云坐标;
根据所述车道线的点云坐标,构建车道线。
8.一种车道线检测设备,包括处理器和存储装置,所述存储装置适于存储多条程序代码,其特征在于,所述程序代码适于由所述处理器加载并运行以执行权利要求1至5中任一项所述的车道线检测方法。
9.一种车辆,其特征在于,包括如权利要求8所述的车道线检测设备。
10.一种计算机可读存储介质,其中存储有多条程序代码,其特征在于,所述程序代码适于由处理器加载并运行以执行权利要求1至5中任一项所述的车道线检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211699377.1A CN116129378A (zh) | 2022-12-28 | 2022-12-28 | 车道线检测方法、装置、设备、车辆和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211699377.1A CN116129378A (zh) | 2022-12-28 | 2022-12-28 | 车道线检测方法、装置、设备、车辆和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116129378A true CN116129378A (zh) | 2023-05-16 |
Family
ID=86296647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211699377.1A Pending CN116129378A (zh) | 2022-12-28 | 2022-12-28 | 车道线检测方法、装置、设备、车辆和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116129378A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630923A (zh) * | 2023-05-22 | 2023-08-22 | 小米汽车科技有限公司 | 道路消失点的标注方法、装置及电子设备 |
-
2022
- 2022-12-28 CN CN202211699377.1A patent/CN116129378A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630923A (zh) * | 2023-05-22 | 2023-08-22 | 小米汽车科技有限公司 | 道路消失点的标注方法、装置及电子设备 |
CN116630923B (zh) * | 2023-05-22 | 2024-01-02 | 小米汽车科技有限公司 | 道路消失点的标注方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10217007B2 (en) | Detecting method and device of obstacles based on disparity map and automobile driving assistance system | |
US10996062B2 (en) | Information processing device, data management device, data management system, method, and program | |
CN109658504B (zh) | 地图数据标注方法、装置、设备及存储介质 | |
US20170357858A1 (en) | Geometric matching in visual navigation systems | |
US10650535B2 (en) | Measurement device and measurement method | |
CN111192329B (zh) | 传感器标定结果的验证方法、装置及存储介质 | |
CN110341621B (zh) | 一种障碍物检测方法及装置 | |
CN112214009A (zh) | 传感器数据处理方法、装置、电子设备及系统 | |
CN108319931B (zh) | 一种图像处理方法、装置及终端 | |
CN116129378A (zh) | 车道线检测方法、装置、设备、车辆和介质 | |
CN112837384B (zh) | 车辆标记方法、装置和电子设备 | |
CN111273314A (zh) | 点云数据处理方法、装置和存储介质 | |
CN113989765A (zh) | 一种轨道障碍物的检测方法、检测装置及可读存储介质 | |
CN113763466A (zh) | 一种回环检测方法、装置、电子设备和存储介质 | |
CN110335308A (zh) | 基于视差约束与双向环形检验的双目视觉里程计计算方法 | |
CN112950709B (zh) | 一种位姿预测方法、位姿预测装置及机器人 | |
JP2019138751A (ja) | 地図補完装置および地図補完プログラム | |
CN113740829A (zh) | 环境感知设备的外参监控方法、装置、介质及行驶装置 | |
AU2019203180B2 (en) | Vehicle recognition apparatus and vehicle recognition method | |
CN117075135B (zh) | 一种车辆特征检测方法、系统、存储介质和电子设备 | |
CN117784162B (zh) | 目标标注数据获取方法、目标跟踪方法、智能设备及介质 | |
CN116503695B (zh) | 目标检测模型的训练方法、目标检测方法及设备 | |
CN116681884B (zh) | 一种对象检测方法和相关装置 | |
CN111539361B (zh) | 噪点的识别方法、装置、存储介质、处理器和运载工具 | |
US20230237812A1 (en) | Traffic sign recognition device and traffic sign recognition method |
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 |