CN116993885A - 一种道路场景渲染方法及装置、电子设备及存储介质 - Google Patents
一种道路场景渲染方法及装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116993885A CN116993885A CN202311120658.1A CN202311120658A CN116993885A CN 116993885 A CN116993885 A CN 116993885A CN 202311120658 A CN202311120658 A CN 202311120658A CN 116993885 A CN116993885 A CN 116993885A
- Authority
- CN
- China
- Prior art keywords
- lane line
- target
- coordinate system
- vehicle
- detection data
- 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
- 238000009877 rendering Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000001514 detection method Methods 0.000 claims abstract description 104
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims abstract description 19
- 230000000007 visual effect Effects 0.000 claims description 39
- 238000004891 communication Methods 0.000 claims description 19
- 239000003550 marker Substances 0.000 claims description 12
- 240000004050 Pentaglottis sempervirens Species 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- 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
- 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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种道路场景渲染方法及装置、电子设备及存储介质。其中,方法包括:当目标车辆在当前位置时,获取目标车辆对应的鸟瞰图空间坐标系下的场景检测数据;根据场景检测数据中的每条点线数据点线数据,拟合得到与车道线中的每段车道线段对应的目标方程,其中,场景检测数据中包括点线数据以及路面标识;按照鸟瞰图空间坐标系下,每段车道线对应的目标方程每段车道线段对应的目标方程以及路面标识,渲染得到本车坐标系下的目标车道线以及目标路面标识,其中,本车坐标系是根据目标车辆建立的坐标系。通过本申请,可以克服相关技术中车上搭载的摄像头没有合理利用于道路场景渲染,存在资源浪费,成本损耗的技术问题。
Description
技术领域
本发明涉及智能识别技术领域,具体涉及一种道路场景渲染方法及装置、电子设备及存储介质。
背景技术
随着经济和科技发展,交通系统成为出行活动的命脉和枢纽。人们日益增加的生活水平对出行安全性和体验感的需求越来越强烈。近年来,智能汽车的发展越来越受到关注和重视,通过对真实场景的虚拟化重构稳定性,有助于增强驾驶员对于智能驾驶的信心感和体验感。
地面信息重构是道路场景渲染的核心点,通过对真实场景的重构能有效地反应出车辆的驾驶状态及其周围环境,能让驾驶员通过仪表或者车机重构画面即可了解周围驾驶环境,也可对传感器甚至智能驾驶的探测能力有比较直观的了解。
相关技术中的道路场景渲染方法,对于高精地图的依赖过大,而高精地图覆盖有限,基本只能支撑高速路和城市快速路,无法覆盖所有城区道路,因此,影响车辆的导航以及安全驾驶。此外,车上搭载的摄像头没有合理利用于道路场景渲染,存在资源浪费,成本损耗。
由此可见,相关技术中的道路场景渲染方法存在上述技术问题。
发明内容
本发明的目的之一在于提供一种道路场景渲染方法,以解决相关技术中存在的至少一个技术问题;目的之二在于提供一种道路场景渲染装置;目的之三在于提供一种电子设备;目的之四在于提供一种存储介质。
为了实现上述目的,本发明采用的技术方案如下:
一种道路场景渲染方法,包括:
当目标车辆在当前位置时,获取所述目标车辆对应的鸟瞰图空间坐标系下的场景检测数据;
根据所述场景检测数据中的点线数据,拟合得到与车道线中的每段车道线段对应的目标方程,其中,所述场景检测数据中包括所述点线数据以及路面标识;
按照所述鸟瞰图空间坐标系下,每段车道线段对应的目标方程以及所述路面标识,渲染得到本车坐标系下的目标车道线以及目标路面标识,其中,所述本车坐标系是根据所述目标车辆建立的坐标系。
通过本实施例中的方法,可以在没有高精地图的情况下,可以通过目标车辆对应的鸟瞰图空间坐标系下的场景检测数据,实现车道线以及路面标识的渲染,从而可以克服相关技术中影响车辆的导航以及安全驾驶,以及车上搭载的摄像头没有合理利用于道路场景渲染,存在资源浪费,成本损耗的技术问题。
可选地,如前述的道路场景渲染方法,所述当目标车辆在当前位置时,获取所述目标车辆对应的鸟瞰图空间坐标系下的场景检测数据,包括:
当目标车辆在当前位置时,获取所述目标车辆上的每个传感器检测到的实时视觉信息;
按照每个所述实时视觉信息对应的检测视角,对各个所述实时视觉信息进行融合,得到融合后视觉信息;
将所述融合后视觉信息投影至所述鸟瞰图空间坐标系下,得到实时场景检测数据;
根据历史场景检测数据预测得到所述实时场景检测数据对应的预测场景检测数据;
得到包括所述实时场景检测数据以及所述预测场景检测数据的所述场景检测数据。
通过本实施例中的方法,提供了一种能够基于目标车辆上的传感器检测得到场景检测数据的实现方式。
可选地,如前述的道路场景渲染方法,所述根据所述场景检测数据中的点线数据,拟合得到与车道线中的每段车道线段对应的目标方程,包括:
将所述点线数据中的各个车道线点根据最小二乘法进行拟合,得到与所述每段车道线段对应的目标方程,并确定出与每个目标方程对应的车道线起点及车道线终点,其中,所述每段车道线段包括多个连续的车道线点。
通过本实施例中的方法,提供了一种根据点线数据拟合得到每段车道线段的实现方式。
可选地,如前述的道路场景渲染方法,所述将所述点线数据中的各个车道线点根据最小二乘法进行拟合,得到与所述每段车道线段对应的目标方程,并确定出与每个目标方程对应的车道线起点及车道线终点,包括:
在所述点线数据中,确定出满足预设条件的待划分车道线点集,其中,所述预设条件包括:车道线点未被划分至任意一段车道线段,或者车道线点位于前一车道线段的终点;
按照所述待划分车道线点集中各个所述车道线点的顺序,划分得到目标车道线段,其中,所述目标车道线段中的所有目标车道线点在所述所有目标车道线点拟合得到的目标方程下的方差值的总和大于或等于预设方差值总和,所述所有目标车道线点中的所有指定车道线点在指定方程下的方差值的总和小于所述预设方差值总和,所述所有指定车道线点是所述所有目标车道线点中除位于所述所有目标车道线点最后、且预设步长内的所有车道线点之外的其余车道线点,所述指定方程是所述所有指定车道线点拟合得到的方程;
在所述所有目标车道线点中,将位于首个的目标车道线点确定为所述目标车道线段对应的所述车道线起点,将位于末尾的目标车道线点确定为所述目标车道线段对应的所述车道线终点。
通过本实施例中的方法,采用按照所述待划分车道线点集中各个所述车道线点的顺序,划分得到目标车道线段,并使目标车道线段中的所有目标车道线点在所有目标车道线点拟合得到的目标方程下的方差值的总和大于或等于预设方差值总和,所有目标车道线点中的所有指定车道线点在指定方程下的方差值的总和小于预设方差值总和,所有指定车道线点是所有目标车道线点中除位于所有目标车道线点最后、且预设步长内的所有车道线点之外的其余车道线点,从而可以使得每段车道线段都能够通过拟合度高的方程进行表征,进而可以提升拟合得到的目标方程的准确性。
可选地,如前述的道路场景渲染方法,所述按照所述鸟瞰图空间坐标系下,每段车道线段对应的目标方程以及所述路面标识,渲染得到本车坐标系下的目标车道线以及目标路面标识,包括:
按照所述鸟瞰图空间坐标系下,所述每段车道线段对应的目标方程,以及与每个目标方程对应的车道线起点及车道线终点,得到指定车道线;
按照所述指定车道线渲染得到本车坐标系下的所述目标车道线;
按照所述鸟瞰图空间坐标系下,所述路面标识与所述指定车道线之间的相对位置,根据所述路面标识渲染得到本车坐标系下目标路面标识。
通过本实施例中的方法,可以将鸟瞰图空间坐标系下的指定车道线以及路面标识,按照相对位置渲染至本车坐标系下;从而可以保证渲染的准确性。
可选地,如前述的道路场景渲染方法,所述按照所述鸟瞰图空间坐标系下,所述路面标识与所述每段车道线段之间的相对位置,渲染得到本车坐标系下目标路面标识,包括:
在所述鸟瞰图空间坐标系下,确定出所述路面标识与所述指定车道线之间的相对位置关系;
将所述路面标识投影至所述本车坐标系下,得到指定路面标识;
在所述本车坐标系下,按照所述相对位置关系以及所述目标车道线,对所述指定路面标识进行调整,得到所述目标路面标识,其中,所述目标路面标识与所述目标车道线之间满足所述相对位置关系。
通过本实施例中的方法,采用确定出鸟瞰图空间坐标系下路面标识与所述指定车道线之间的相对位置关系,并按照所述相对位置关系以及所述目标车道线,对所述指定路面标识进行调整,得到所述目标路面标识,从而可以确保在本车坐标系下的目标路面标识与目标车道线之间的相对位置与鸟瞰图空间坐标系下的路面标识与指定车道线之间的相对位置保持一致。
可选地,如前述的道路场景渲染方法,述在所述鸟瞰图空间坐标系下,确定出所述路面标识与所述指定车道线之间的相对位置关系,包括:
确定出所述路面标识的每个角点与所述指定车道线之间的相对位置子关系;
确定出包括所有所述相对位置子关系的所述相对位置关系。
通过本实施例中的方法,提供了一种能够确定出路面标识与指定车道线之间的相关位置的实现方式。
根据本申请实施例的又一个方面,还提供了一种道路场景渲染装置,包括:
获取模块,用于当目标车辆在当前位置时,获取所述目标车辆对应的鸟瞰图空间坐标系下的场景检测数据;
拟合模块,用于根据所述场景检测数据中的点线数据,拟合得到与车道线中的每段车道线段对应的目标方程,其中,所述场景检测数据中包括所述点线数据以及路面标识;
渲染模块,用于按照所述鸟瞰图空间坐标系下,每段车道线段对应的目标方程以及所述路面标识,渲染得到本车坐标系下的目标车道线以及目标路面标识,其中,所述本车坐标系是根据所述目标车辆建立的坐标系。
根据本申请实施例的又一个方面,还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;其中,存储器,用于存储计算机程序;处理器,用于通过运行所述存储器上所存储的所述计算机程序来执行上述任一实施例中的方法步骤。
根据本申请实施例的又一个方面,还提供了一种计算机可读的存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一实施例中的方法步骤。
本发明的有益效果:
通过本实施例中的方法,可以在没有高精地图的情况下,可以通过目标车辆对应的鸟瞰图空间坐标系下的场景检测数据,实现车道线以及路面标识的渲染,从而可以克服相关技术中影响车辆的导航以及安全驾驶,以及车上搭载的摄像头没有合理利用于道路场景渲染,存在资源浪费,成本损耗的技术问题。
附图说明
图1是根据本申请实施例的一种可选的道路场景渲染方法的流程示意图;
图2是根据本申请应用例的一种可选的道路场景渲染方法的流程示意图;
图3是根据本申请应用例的一种可选的拟合车道线的流程示意图;
图4是根据本申请实施例的一种可选的道路场景渲染装置的结构框图;
图5是根据本申请实施例的一种可选的电子设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一个方面,提供了一种道路场景渲染方法。可选地,在本实施例中,上述道路场景渲染方法可以应用于由终端和服务器所构成的硬件环境中。服务器通过网络与终端进行连接,可用于为终端或终端上安装的客户端提供服务(如广告推送服务、应用服务等),可在服务器上或独立于服务器设置数据库,用于为服务器提供数据存储服务。
上述网络可以包括但不限于以下至少之一:有线网络,无线网络。上述有线网络可以包括但不限于以下至少之一:广域网,城域网,局域网,上述无线网络可以包括但不限于以下至少之一:WIFI(Wireless Fidelity,无线保真),蓝牙。终端可以并不限定于为PC、手机、平板电脑等。
本申请实施例的道路场景渲染方法可以由服务器来执行,也可以由终端来执行,还可以是由服务器和终端共同执行。其中,终端执行本申请实施例的道路场景渲染方法也可以是由安装在其上的客户端来执行。
以由车辆终端来执行本实施例中的道路场景渲染方法为例,图1为本申请实施例提供的一种道路场景渲染方法,包括如下所述步骤:
步骤S101,当目标车辆在当前位置时,获取目标车辆对应的鸟瞰图空间坐标系下的场景检测数据。
本实施例中的道路场景渲染方法可以应用于需要在识别出车辆在道路上行驶时的架势环境的场景,例如:识别车道线的场景、识别人行横道的场景、识别停止线的场景等,也可以是识别其他地面标识的场景。
具体的,当目标车辆在道路上行驶,并且当其处于当前位置时,可以得到与其当前位置(即,当前状态下的目标车辆)对应的鸟瞰图空间坐标系下的场景检测数据。
场景检测数据可以是鸟瞰图空间坐标系下,对目标车辆在当前位置周围进行识别得到的识别结果,可以包括但不限于:车道线点、人行横道、地面标识、停止线等等。
作为一种可选的实施例,如前述的道路场景渲染方法,所述步骤S101当目标车辆在当前位置时,获取目标车辆对应的鸟瞰图空间坐标系下的场景检测数据,包括如下所述步骤:
步骤201,当目标车辆在当前位置时,获取目标车辆上的每个传感器检测到的实时视觉信息。
具体的,当目标车辆在当前位置时,可以通过摄像头进行图像采集,并进行语义分割后,得到实时图像信息;还可以通过激光传感器进行点云数据的获取,并进行语义分割后,得到实时点云信息,然后即可得到为实时图像信息或者实时点云信息的实时视觉信息。
步骤202,按照每个实时视觉信息对应的检测视角,对各个实时视觉信息进行融合,得到融合后视觉信息。
具体的,由于不同传感器所安装的位置或者角度各不相同,因此,每个实时视觉信息对应的检测视角也各不相同,示例性的,实时视觉信息1可以是车辆前方的检测视角,实时视觉信息2可以是车辆后方的检测视角。
在获取不同检测视角的实时视觉信息之后,可以按照每个实时视觉信息对应的检测视角,对各个实时视觉信息进行融合,得到融合后视觉信息。例如,可以通过分析每个实时视觉信息的边缘的图像特征,然后在其他实时视觉信息中进行匹配,如果匹配到相同的图像特征,则将两个实时视觉信息进行拼接的方式融合;从而得到融合后视觉信息。
步骤203,将融合后视觉信息投影至鸟瞰图空间坐标系下,得到实时场景检测数据。
具体的,在得到融合后视觉信息之后,由于各个实时视觉信息是图像坐标系下的信息,因此,融合得到的融合后视觉信息也是图像坐标系下的信息。
为了得到鸟瞰图空间坐标系下的信息,需要将融合后视觉信息投影至鸟瞰图空间坐标系下,然后得到实时场景检测数据。
也就是说,实时场景检测数据是鸟瞰图坐标系下的数据。
步骤204,根据历史场景检测数据预测得到实时场景检测数据对应的预测场景检测数据。
具体的,为了获取更全面的场景检测数据,例如,获取更长的道路的监测数据;可以采用预测的方式,预测得到与实时场景检测数据对应的预测场景检测数据。
可选的,预测场景检测数据可以是用于预测传感器下一帧将采集到的实时视觉信息所对应的场景检测数据。而实时场景检测数据,则是传感器当前帧采集的实时视觉信息所对应的场景检测数据。
所有历史场景检测数据中可以包括多个相邻帧的历史场景检测数据。
预先的,并且可以是通过所有历史场景检测数据对预设预测模型进行训练,得到训练后预测模型,从而可以将该实时场景检测数据输入训练后预测模型中,从而可以预测得到下一帧对应的预测场景检测数据。
此外,还可以是通过比对实时场景检测数据与每个历史场景检测数据之间的相似度,然后确定出相似度最高的目标历史场景检测数据,并且将目标历史场景检测数据对应的下一帧历史场景检测数据作为预测场景检测数据。
步骤205,得到包括实时场景检测数据以及预测场景检测数据的场景检测数据。
具体的,在确定出实时场景检测数据以及预测场景检测数据之后,即可通过将实时场景检测数据以及预测场景检测数据进行拼接,得到范围更大的场景检测数据。例如,当基于一帧传感器检测的数据确定出的实时场景检测数据可以用于表征道路长度方向5米内视图,则包括实时场景检测数据以及预测场景检测数据的场景检测数据可以用于表征道路长度方向10米内视图。
通过本实施例中的方法,提供了一种能够基于目标车辆上的传感器检测得到场景检测数据的实现方式。
步骤S102,根据场景检测数据中的点线数据,拟合得到与车道线中的每段车道线段对应的目标方程,其中,场景检测数据中包括点线数据以及路面标识。
具体的,在获取场景检测数据之后,可以确定出场景检测数据中用于指示车道线的点线数据。进一步的,识别得到点线数据的识别方式在此不一一进行限定。
车道线是在当前位置检测得到。
在确定出点线数据之后,可以基于该点线数据拟合得到与车道线中的每段车道线段对应的目标方程,例如:可以将点线数据划分为多段子点线数据,然后,通过对子点线数据中的所有车道线点进行拟合得到的用于表征与该子点线数据所指示的车道线段所对应的目标方程。
一般情况下,目标方程为3次方程。通过对目标方程中的系数进行调整,以适应于不同车道线的弧度变化。
场景检测数据中除了包括点线数据之外,还可以包括路面标识,例如:人行横道、停止线、限速标识等等。
步骤S103,按照鸟瞰图空间坐标系下,每段车道线段对应的目标方程以及路面标识,渲染得到本车坐标系下的目标车道线以及目标路面标识,其中,本车坐标系是根据目标车辆建立的坐标系。
具体的,可以预先建立得到以目标车辆上的某一点(例如,质心或中心)建立得到的本车坐标系。
在得到鸟瞰图空间坐标系下,每段车道线段对应的目标方程以及路面标识之后。即可将上述信息投影到本车坐标系下,以得到目标车道线以及目标路面标识。
通过本实施例中的方法,可以在没有高精地图的情况下,可以通过目标车辆对应的鸟瞰图空间坐标系下的场景检测数据,实现车道线以及路面标识的渲染,从而可以克服相关技术中影响车辆的导航以及安全驾驶,以及车上搭载的摄像头没有合理利用于道路场景渲染,存在资源浪费,成本损耗的技术问题。
作为一种可选的实施例,如前述的道路场景渲染方法,所述步骤S102根据场景检测数据中的点线数据,拟合得到与车道线中的每段车道线段对应的目标方程,包括如下所述步骤:
步骤301,将点线数据中的各个车道线点根据最小二乘法进行拟合,得到与每段车道线段对应的目标方程,并确定出与每个目标方程对应的车道线起点及车道线终点,其中,每段车道线段包括多个连续的车道线点。
作为一种可选的实施例,如前述的道路场景渲染方法,所述步骤301将点线数据中的各个车道线点根据最小二乘法进行拟合,得到与每段车道线段对应的目标方程,并确定出与每个目标方程对应的车道线起点及车道线终点,包括如下所述步骤:
步骤401,在点线数据中,确定出满足预设条件的待划分车道线点集,其中,预设条件包括:车道线点未被划分至任意一段车道线段,或者车道线点位于前一车道线段的终点。
步骤402,按照待划分车道线点集中各个车道线点的顺序,划分得到目标车道线段,其中,目标车道线段中的所有目标车道线点在所有目标车道线点拟合得到的目标方程下的方差值的总和大于或等于预设方差值总和,所有目标车道线点中的所有指定车道线点在指定方程下的方差值的总和小于预设方差值总和,所有指定车道线点是所有目标车道线点中除位于所有目标车道线点最后、且预设步长内的所有车道线点之外的其余车道线点,指定方程是所有指定车道线点拟合得到的方程。
步骤403,在所有目标车道线点中,将位于首个的目标车道线点确定为目标车道线段对应的车道线起点,将位于末尾的目标车道线点确定为目标车道线段对应的车道线终点。
可选地,在本实施例中,待划分车道线点集可以是点线数据中,未用于确定出所对应的车道线段的。例如,当通过点线数据(包括M个车道线点)中,前N个车道线点确定出一段或多段车道线段之后,则剩余的M-N个车道线点以及前N个车道线点中的最后一个车道线点为待划分车道线点集;若未通过点线数据划分得到任意一段车道线段的情况下,则待划分车道线点集包括M个车道线点。
由于待划分车道线点集中的每个车道线点存在先后顺序,因此,可以由先往后依次对各个车道线点进行拟合,以划分得到目标车道线段,并且,目标车道线段中的所有目标车道线点在所有目标车道线点拟合得到的目标方程下的方差值的总和小于或等于预设方差值总和,所有目标车道线点以及指定车道线点在指定方程下的方差值的总和大于预设方差值总和。
示例性的,其中一种划分得到车道线段的方式可以是:拿到每条车道线的点集(即,点线数据)后,将从点集的起始点按照固定步长K_Step(即,预设步长)取点用最小二乘法拟合出3次方程,算出该已取的所有车道线点在拟合出的3次方程下的方差值和SumVariance(即,方差值的总和)。若SumVariance小于阈值K_SumVariance(即,预设方差值总和),则在原来点集下增加K_Step步长的车道线点进行继续拟合3次方程,直到SumVariance大于K_SumVariance,并确定出当前进行拟合的所有目标车道线点,当前轮次进行拟合的所有目标车道线点的拟合结束,输出该次拟合得到的3次方程的曲线系数,并得到对应的目标方程,将该目标方程作为所有目标车道线点的拟合曲线方程。下一段则根据所有目标车道线点的最后一个车道线点开始按照上述方法进行拟合,直到点线数据中的所有车道线点都拟合完毕。输出n(n为点线数据划分得到的车道线段的数量)组拟合得到的3次方程和每个3次方程的起始点(即,车道线起点以及车道线终点)。
通过本实施例中的方法,采用按照待划分车道线点集中各个车道线点的顺序,划分得到目标车道线段,并使目标车道线段中的所有目标车道线点在所有目标车道线点拟合得到的目标方程下的方差值的总和大于或等于预设方差值总和,所有目标车道线点中的所有指定车道线点在指定方程下的方差值的总和小于预设方差值总和,所有指定车道线点是所有目标车道线点中除位于所有目标车道线点最后、且预设步长内的所有车道线点之外的其余车道线点,从而可以使得每段车道线段都能够通过拟合度高的方程进行表征,进而可以提升拟合得到的目标方程的准确性。
作为一种可选的实施例,如前述的道路场景渲染方法,所述步骤S103按照鸟瞰图空间坐标系下,每段车道线段对应的目标方程以及路面标识,渲染得到本车坐标系下的目标车道线以及目标路面标识,包括如下所述步骤:
步骤501,按照鸟瞰图空间坐标系下,每段车道线段对应的目标方程,以及与每个目标方程对应的车道线起点及车道线终点,得到指定车道线。
由前述实施例已知,对于任意相邻的两端车道线段,前一段车道线段的车道线终点为后一段车道线段的车道线起点,因此,可以按照鸟瞰图空间坐标系下,每段车道线段对应的目标方程,以及与每个目标方程对应的车道线起点及车道线终点,对各段车道线段进行连接,从而得到鸟瞰图空间坐标系下的指定车道线。
步骤502,按照指定车道线渲染得到本车坐标系下的目标车道线。
具体的,在得到指定车道线之后,可以将指定坐标系投影至本车坐标系下,通过鸟瞰图空间坐标系与本车坐标系之间的坐标转换,从而得到由指定车道线渲染得到本车坐标系下的目标车道线。
步骤503,按照鸟瞰图空间坐标系下,路面标识与指定车道线之间的相对位置,根据路面标识渲染得到本车坐标系下目标路面标识。
具体的,在鸟瞰图空间坐标系下,可以确定出路面标识与指定车道线之间的相对位置。
进而,在将指定车道线渲染至本车坐标系下,得到目标车道线之后,可以按照上述的相对位置,由路面标识渲染得到本车坐标系下的目标路面标识。也就是说,本车坐标系下的目标路面标识与目标车道线之间的相对位置与鸟瞰图空间坐标系下路面标识与指定车道线之间的相对位置一致。
通过本实施例中的方法,可以将鸟瞰图空间坐标系下的指定车道线以及路面标识,按照相对位置渲染至本车坐标系下;从而可以保证渲染的准确性。
作为一种可选的实施例,如前述的道路场景渲染方法,所述步骤503按照鸟瞰图空间坐标系下,路面标识与每段车道线段之间的相对位置,渲染得到本车坐标系下目标路面标识,包括如下所述步骤:
步骤601,在鸟瞰图空间坐标系下,确定出路面标识与指定车道线之间的相对位置关系。
作为一种可选的实施例,如前述的道路场景渲染方法,所述在鸟瞰图空间坐标系下,确定出路面标识与指定车道线之间的相对位置关系,包括:
确定出路面标识的每个角点与指定车道线之间的相对位置子关系;确定出包括所有相对位置子关系的相对位置关系。
角点可以是能够用于指示路面标识特征的点,例如,当路面标识为人行横道,则对应的角点可以包括人行横道四个角所对应的点;让路面标识为停止线,则角点可以是停止线的两端的点。
因此,可以确定出每个角点与指定车道线之间的相对位置子关系,例如,相对位置子关系可以是:每个角点与指定车道线的最近点之间的距离以及方向,或者每个角点在指定车道线上的位置。
通过本实施例中的方法,提供了一种能够确定出路面标识与指定车道线之间的相关位置的实现方式。
步骤602,将路面标识投影至本车坐标系下,得到指定路面标识。
具体的,在确定出路面表示之后,可以通过鸟瞰图空间坐标系与本车坐标系之间的坐标转换,路面标识投影至本车坐标系下,得到本车坐标系下的指定路面标识。
步骤603,在本车坐标系下,按照相对位置关系以及目标车道线,对指定路面标识进行调整,得到目标路面标识,其中,目标路面标识与目标车道线之间满足相对位置关系。
具体的,在将路面标识投影至本车坐标系下,得到指定路面标识之后,可以按照相对位置关系以及目标车道线,对指定路面标识进行调整,进一步的,可以按照目标标识中每个角点与指定车道线之间的相对位置子关系,以及目标车道线,对指定路面标识进行调整,以得到目标路面标识。
具体的,可以基于相对位置子关系中相互对应的指定车道线上的第一坐标点以及指定角点(为所有角点中的任一个角点),然后确定出第一坐标点在目标车道线上对应的第二坐标点,最后按照相对位置关系以及第二坐标点,对指定路面标识上的目标角点(在本车坐标系下与指定角点对应的角点)的位置进行调整,确定出目标角点的调整后位置,进而达到了对指定路面标识进行调整,从而得到目标路面标识的目的。
通过本实施例中的方法,采用确定出鸟瞰图空间坐标系下路面标识与指定车道线之间的相对位置关系,并按照相对位置关系以及目标车道线,对指定路面标识进行调整,得到目标路面标识,从而可以确保在本车坐标系下的目标路面标识与目标车道线之间的相对位置与鸟瞰图空间坐标系下的路面标识与指定车道线之间的相对位置保持一致。
如图2所示,提供一种应用前述任一实施例的应用例:
步骤1:首先根据各个传感器收集得到图像信息或者点云信息,并基于图像信息以及点云信息进行语义分割提取各个视角的特征,并得到实时视觉信息。由于各个传感器的视角不一样,需要每个传感器进行空间转换后,最后融合投递到BEV空间坐标系下。收集到实时数据后,再根据历史场景检测数据进行预测,得出更准确的预测场景检测数据提供给渲染和规划控制。
步骤2:人机交互模块接收到传感基于BEV的数据后,会将数据提炼成更稳定的渲染数据。本模块会将前端输入的每条点线数据根据最小二乘法拟合成3次方程,可能存在3次方程并不能准确的对车道线进行拟合的情况。本专利将采用分段式的方法对每条车道线进行曲线拟合。如图3所示,方法如下:拿到每条车道线的点集(即,点线数据)后,将从点集的起始点按照固定步长K_Step(即,预设步长)取点用最小二乘法拟合出3次方程,算出该已取的所有车道线点在拟合出的3次方程下的方差值和SumVariance(即,方差值的总和)。若SumVariance小于阈值K_SumVariance(即,预设方差值总和),则在原来点集下增加K_Step步长的车道线点进行继续拟合3次方程,直到SumVariance大于K_SumVariance,并确定出当前进行拟合的所有目标车道线点,当前轮次进行拟合的所有目标车道线点的拟合结束,输出该次拟合得到的3次方程的曲线系数,并得到对应的目标方程,将该目标方程作为所有目标车道线点的拟合曲线方程。下一段则根据所有目标车道线点的最后一个车道线点开始按照上述方法进行拟合,直到点线数据中的所有车道线点都拟合完毕。输出n(n为点线数据划分得到的车道线段的数量)组拟合得到的3次方程和每个3次方程的起始点(即,车道线起点以及车道线终点)。
步骤3:上步拟合了最为复杂的车道线,接下来将处理人形横道、停止线、路面标识。按照以前的渲染方案是人形横道、停止线的有效距离发出去,在本车前方构造一条停止线或者人形横道,路面标识就是划分了左/右/本车道来划分渲染。实际场景存在多车道、对象车道等渲染情况,该方案并不是适用。因此将按照角点的方式传递元素信息,例如人形横道有四个点,则将人形横道的四个角点在本车坐标系上进行渲染。因为步骤2对车道线进行了拟合,得到指定车道线,并在指定车道线渲染到本车坐标系下的目标车道线之后,可以根据鸟瞰图空间坐标系下人形横道的角点与指定车道线的相对位置,以及目标车道线进行调整,得到调整后的目标路面标识。调整完后,目标路面标识仍然可以继续按照角点的方式输出。
步骤4:进行完前面步骤后,收集整合所有渲染信息(即,目标路面标识以及目标车道线)将其输出给车机或者仪表进行渲染。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM(Read-Only Memory,只读存储器)/RAM(Random Access Memory,随机存取存储器)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
根据本申请实施例的另一个方面,还提供了一种用于实施上述道路场景渲染方法的道路场景渲染装置。图4是根据本申请实施例的一种可选的道路场景渲染装置的结构框图,如图4所示,该装置可以包括:
获取模块1,用于当目标车辆在当前位置时,获取目标车辆对应的鸟瞰图空间坐标系下的场景检测数据;
拟合模块2,用于根据场景检测数据中的点线数据,拟合得到与车道线中的每段车道线段对应的目标方程,其中,场景检测数据中包括点线数据以及路面标识;
渲染模块3,用于按照鸟瞰图空间坐标系下,每段车道线段对应的目标方程以及路面标识,渲染得到本车坐标系下的目标车道线以及目标路面标识,其中,本车坐标系是根据目标车辆建立的坐标系。
需要说明的是,该实施例中的获取模块1可以用于执行上述步骤S101,该实施例中的拟合模块2可以用于执行上述步骤S102,该实施例中的渲染模块3可以用于执行上述步骤S103。
本实施例中的装置,除包含上述模块之外,还可以包含执行如前述任一道路场景渲染方法的实施例中任意方法的模块。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实现如图1所示方法的硬件环境中,可以通过软件实现,也可以通过硬件实现,其中,硬件环境包括网络环境。
根据本申请实施例的又一个方面,还提供了一种用于实施上述道路场景渲染方法的电子设备,该电子设备可以是服务器、终端、或者其组合。
根据本申请的另一个实施例,还提供一种电子设备,包括:如图5所示,电子设备可以包括:处理器1501、通信接口1502、存储器1503和通信总线1504,其中,处理器1501,通信接口1502,存储器1503通过通信总线1504完成相互间的通信。
存储器1503,用于存放计算机程序;
处理器1501,用于执行存储器1503上所存放的程序时,实现如下步骤:
步骤S101,当目标车辆在当前位置时,获取目标车辆对应的鸟瞰图空间坐标系下的场景检测数据。
步骤S102,根据场景检测数据中的点线数据,拟合得到与车道线中的每段车道线段对应的目标方程,其中,场景检测数据中包括点线数据以及路面标识。
步骤S103,按照鸟瞰图空间坐标系下,每段车道线段对应的目标方程以及路面标识,渲染得到本车坐标系下的目标车道线以及目标路面标识,其中,本车坐标系是根据目标车辆建立的坐标系。
可选地,在本实施例中,上述的通信总线可以是PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线、或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,可以包含但不限于:CPU(Central ProcessingUnit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(DigitalSignal Processor,数字信号处理器)、ASIC(Application Specific IntegratedCircuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请实施例还提供一种计算机可读存储介质,存储介质包括存储的程序,其中,程序运行时执行上述方法实施例的方法步骤。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、ROM、RAM、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中,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。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种道路场景渲染方法,其特征在于,包括:
当目标车辆在当前位置时,获取所述目标车辆对应的鸟瞰图空间坐标系下的场景检测数据;
根据所述场景检测数据中的点线数据,拟合得到与车道线中的每段车道线段对应的目标方程,其中,所述场景检测数据中包括所述点线数据以及路面标识;
按照所述鸟瞰图空间坐标系下,每段车道线段对应的目标方程以及所述路面标识,渲染得到本车坐标系下的目标车道线以及目标路面标识,其中,所述本车坐标系是根据所述目标车辆建立的坐标系。
2.根据权利要求1所述的道路场景渲染方法,其特征在于,所述当目标车辆在当前位置时,获取所述目标车辆对应的鸟瞰图空间坐标系下的场景检测数据,包括:
当目标车辆在当前位置时,获取所述目标车辆上的每个传感器检测到的实时视觉信息;
按照每个所述实时视觉信息对应的检测视角,对各个所述实时视觉信息进行融合,得到融合后视觉信息;
将所述融合后视觉信息投影至所述鸟瞰图空间坐标系下,得到实时场景检测数据;
根据历史场景检测数据预测得到所述实时场景检测数据对应的预测场景检测数据;
得到包括所述实时场景检测数据以及所述预测场景检测数据的所述场景检测数据。
3.根据权利要求1所述的道路场景渲染方法,其特征在于,所述根据所述场景检测数据中的点线数据,拟合得到与车道线中的每段车道线段对应的目标方程,包括:
将所述点线数据中的各个车道线点根据最小二乘法进行拟合,得到与所述每段车道线段对应的目标方程,并确定出与每个目标方程对应的车道线起点及车道线终点,其中,所述每段车道线段包括多个连续的车道线点。
4.根据权利要求3所述的道路场景渲染方法,其特征在于,所述将所述点线数据中的各个车道线点根据最小二乘法进行拟合,得到与所述每段车道线段对应的目标方程,并确定出与每个目标方程对应的车道线起点及车道线终点,包括:
在所述点线数据中,确定出满足预设条件的待划分车道线点集,其中,所述预设条件包括:车道线点未被划分至任意一段车道线段,或者车道线点位于前一车道线段的终点;
按照所述待划分车道线点集中各个所述车道线点的顺序,划分得到目标车道线段,其中,所述目标车道线段中的所有目标车道线点在所述所有目标车道线点拟合得到的目标方程下的方差值的总和大于或等于预设方差值总和,所述所有目标车道线点中的所有指定车道线点在指定方程下的方差值的总和小于所述预设方差值总和,所述所有指定车道线点是所述所有目标车道线点中除位于所述所有目标车道线点最后、且预设步长内的所有车道线点之外的其余车道线点,所述指定方程是所述所有指定车道线点拟合得到的方程;
在所述所有目标车道线点中,将位于首个的目标车道线点确定为所述目标车道线段对应的所述车道线起点,将位于末尾的目标车道线点确定为所述目标车道线段对应的所述车道线终点。
5.根据权利要求3所述的道路场景渲染方法,其特征在于,所述按照所述鸟瞰图空间坐标系下,每段车道线段对应的目标方程以及所述路面标识,渲染得到本车坐标系下的目标车道线以及目标路面标识,包括:
按照所述鸟瞰图空间坐标系下,所述每段车道线段对应的目标方程,以及与每个目标方程对应的车道线起点及车道线终点,得到指定车道线;
按照所述指定车道线渲染得到本车坐标系下的所述目标车道线;
按照所述鸟瞰图空间坐标系下,所述路面标识与所述指定车道线之间的相对位置,根据所述路面标识渲染得到本车坐标系下目标路面标识。
6.根据权利要求5所述的道路场景渲染方法,其特征在于,所述按照所述鸟瞰图空间坐标系下,所述路面标识与所述每段车道线段之间的相对位置,渲染得到本车坐标系下目标路面标识,包括:
在所述鸟瞰图空间坐标系下,确定出所述路面标识与所述指定车道线之间的相对位置关系;
将所述路面标识投影至所述本车坐标系下,得到指定路面标识;
在所述本车坐标系下,按照所述相对位置关系以及所述目标车道线,对所述指定路面标识进行调整,得到所述目标路面标识,其中,所述目标路面标识与所述目标车道线之间满足所述相对位置关系。
7.根据权利要求6所述的道路场景渲染方法,其特征在于,所述在所述鸟瞰图空间坐标系下,确定出所述路面标识与所述指定车道线之间的相对位置关系,包括:
确定出所述路面标识的每个角点与所述指定车道线之间的相对位置子关系;
确定出包括所有所述相对位置子关系的所述相对位置关系。
8.一种道路场景渲染装置,其特征在于,包括:
获取模块,用于当目标车辆在当前位置时,获取所述目标车辆对应的鸟瞰图空间坐标系下的场景检测数据;
拟合模块,用于根据所述场景检测数据中的点线数据,拟合得到与车道线中的每段车道线段对应的目标方程,其中,所述场景检测数据中包括所述点线数据以及路面标识;
渲染模块,用于按照所述鸟瞰图空间坐标系下,每段车道线段对应的目标方程以及所述路面标识,渲染得到本车坐标系下的目标车道线以及目标路面标识,其中,所述本车坐标系是根据所述目标车辆建立的坐标系。
9.一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信,其特征在于,
所述存储器,用于存储计算机程序;
所述处理器,用于通过运行所述存储器上所存储的所述计算机程序来执行权利要求1至7中任一项所述的方法步骤。
10.一种计算机可读的存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行权利要求1至7中任一项中所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311120658.1A CN116993885A (zh) | 2023-08-30 | 2023-08-30 | 一种道路场景渲染方法及装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311120658.1A CN116993885A (zh) | 2023-08-30 | 2023-08-30 | 一种道路场景渲染方法及装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116993885A true CN116993885A (zh) | 2023-11-03 |
Family
ID=88530319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311120658.1A Pending CN116993885A (zh) | 2023-08-30 | 2023-08-30 | 一种道路场景渲染方法及装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116993885A (zh) |
-
2023
- 2023-08-30 CN CN202311120658.1A patent/CN116993885A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10403138B2 (en) | Traffic accident warning method and traffic accident warning apparatus | |
CN107103272B (zh) | 区分车辆要遵循的车道标记 | |
CN108508881B (zh) | 自动驾驶控制策略调整方法、装置、设备及存储介质 | |
CN112069856A (zh) | 地图生成方法、驾驶控制方法、装置、电子设备及系统 | |
WO2016167085A1 (ja) | 車両情報処理装置、及び車両情報処理プログラム | |
US20210403001A1 (en) | Systems and methods for generating lane data using vehicle trajectory sampling | |
US20210389133A1 (en) | Systems and methods for deriving path-prior data using collected trajectories | |
WO2020057407A1 (zh) | 一种辅助车辆导航方法和系统 | |
CN111354182A (zh) | 一种辅助驾驶方法和系统 | |
CN112009484A (zh) | 用于确定驾驶辅助数据的方法和系统 | |
CN111275997B (zh) | 用于提供地图数据的方法、机动车和中央数据处理设备 | |
CN111354214B (zh) | 一种辅助停车方法和系统 | |
CN113205088B (zh) | 障碍物图像展示方法、电子设备和计算机可读介质 | |
CN111354222A (zh) | 一种辅助驾驶方法和系统 | |
WO2023179028A1 (zh) | 一种图像处理方法、装置、设备及存储介质 | |
CN117079238A (zh) | 道路边沿检测方法、装置、设备及存储介质 | |
CN108297795A (zh) | 一种电动车的车道识别系统 | |
JP7192541B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
US20230154127A1 (en) | 2-d image reconstruction in a 3-d simulation | |
CN116993885A (zh) | 一种道路场景渲染方法及装置、电子设备及存储介质 | |
CN111480165A (zh) | 在考虑对象的特征结构的情况下创建用于车辆的基于特征的定位地图的方法 | |
CN112507887B (zh) | 一种路口标志牌提取及关联的方法及装置 | |
CN114694116A (zh) | 一种道路边界检测方法、装置、电子设备和存储介质 | |
JP7232727B2 (ja) | 地図データ管理装置及び地図データ管理方法 | |
CN112685517B (zh) | 分歧/合流区域的识别方法和设备 |
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 |