JP2020520493A - 道路地図生成方法、装置、電子機器およびコンピュータ記憶媒体 - Google Patents
道路地図生成方法、装置、電子機器およびコンピュータ記憶媒体 Download PDFInfo
- Publication number
- JP2020520493A JP2020520493A JP2019558374A JP2019558374A JP2020520493A JP 2020520493 A JP2020520493 A JP 2020520493A JP 2019558374 A JP2019558374 A JP 2019558374A JP 2019558374 A JP2019558374 A JP 2019558374A JP 2020520493 A JP2020520493 A JP 2020520493A
- Authority
- JP
- Japan
- Prior art keywords
- road
- neural network
- map
- channel
- training
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
-
- 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
- G01C21/3822—Road feature data, e.g. slope 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
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3852—Data derived from aerial or satellite images
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Image Analysis (AREA)
- Instructional Devices (AREA)
- Processing Or Creating Images (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
本願は2017年09月19日に中国特許局に提出された、出願番号CN201710848159.2、発明名称「道路地図生成方法、装置、電子機器およびコンピュータ記憶媒体」の中国特許出願の優先権を主張し、その開示の全てが引用によって本願に組み込まれる。
前記リモートセンシング画像サンプルまたは前記リモートセンシング画像サンプルの多チャネルの道路特徴マップを訓練待ちの第三ニューラルネットワークに入力し、それによって前記訓練待ちの第三ニューラルネットワークによって多チャネルの第四道路特徴マップを抽出し、そして前記多チャネルの第四道路特徴マップに基づいて道路方向回帰マップを確定することと、前記リモートセンシング画像サンプルまたは前記リモートセンシング画像サンプルの多チャネルの道路特徴マップを訓練待ちの第四ニューラルネットワークに入力し、それによって前記訓練待ちの第四ニューラルネットワークによって多チャネルの第六道路特徴マップを抽出し、そして前記多チャネルの第六道路特徴マップに基づいて第二道路確率マップを確定することと、前記道路方向回帰マップと前記道路方向基準マップとの間の第一損失、前記第一道路確率マップと前記等幅道路基準マップとの間の前記第二損失、前記第二道路確率マップと前記等幅道路基準マップとの間の第三損失を、前記第三ニューラルネットワーク、前記第二サブニューラルネットワークおよび前記第四ニューラルネットワークを含むニューラルネットワークシステムにそれぞれ渡し、それによって前記ニューラルネットワークシステムのネットワークパラメータを総合的に調整することと、を含む。
以下の図面と関連付けた、非限定的実施例に対する詳細な説明を読むことで、本願の実施例の他の特徴、目的および利点はより明確になる。
リモートセンシング画像サンプルの等幅道路基準マップおよび道路方向基準マップを取得し、該リモートセンシング画像サンプルまたは該リモートセンシング画像サンプルの多チャネルの道路特徴マップを訓練待ちの第二サブニューラルネットワークに入力し、それによって該訓練待ちの第二サブニューラルネットワークによって多チャネルの第五道路特徴マップを抽出し、そして該多チャネルの第五道路特徴マップに基づいて第一道路確率マップを確定することと、
上記リモートセンシング画像サンプルまたは該リモートセンシング画像サンプルの多チャネルの道路特徴マップを訓練待ちの第三ニューラルネットワークに入力し、それによって該訓練待ちの第三ニューラルネットワークによって多チャネルの第四道路特徴マップを抽出し、そして該多チャネルの第四道路特徴マップに基づいて道路方向回帰マップを確定することと、
上記リモートセンシング画像サンプルまたは該リモートセンシング画像サンプルの多チャネルの道路特徴マップを訓練待ちの第四ニューラルネットワークに入力し、それによって該訓練待ちの第四ニューラルネットワークによって多チャネルの第六道路特徴マップを抽出し、そして該多チャネルの第六道路特徴マップに基づいて第二道路確率マップを確定することと、
上記道路方向回帰マップと該道路方向基準マップとの間の第一損失、該第一道路確率マップと該等幅道路基準マップとの間の該第二損失、および該第二道路確率マップと該等幅道路基準マップとの間の第三損失を、該第三ニューラルネットワーク、該第二サブニューラルネットワークおよび該第四ニューラルネットワークを含むニューラルネットワークシステムにそれぞれ渡し、それによって該ニューラルネットワークシステムのネットワークパラメータを総合的に調整することと、を含んでもよい。
訓練用リモートセンシング画像の等幅道路基準マップを取得し、訓練用リモートセンシング画像またはそれの多チャネルの道路特徴マップを訓練待ちの第二サブニューラルネットワークに入力し、それによって訓練待ちの第二サブニューラルネットワークによって多チャネルの第五道路特徴マップを抽出し、多チャネルの第五道路特徴マップに基づいて第一道路確率マップを確定し、そして第一道路確率マップと等幅道路基準マップとの間の第二損失を第三ニューラルネットワーク、第二サブニューラルネットワークおよび第四ニューラルネットワークを含むニューラルネットワークシステムに渡すための第二サブニューラルネットワークの訓練ユニット、
訓練用リモートセンシング画像の道路方向基準マップを取得し、訓練用リモートセンシング画像またはそれの多チャネルの道路特徴マップを訓練待ちの第三ニューラルネットワークに入力し、それによって訓練待ちの第三ニューラルネットワークによって多チャネルの第四道路特徴マップを抽出し、多チャネルの第四道路特徴マップに基づいて道路方向回帰マップを確定し、そして道路方向回帰マップと道路方向基準マップとの間の第一損失を第三ニューラルネットワーク、第二サブニューラルネットワークおよび第四ニューラルネットワークを含むニューラルネットワークシステムに渡すための第三ニューラルネットワークの訓練ユニット、および
訓練用リモートセンシング画像の等幅道路基準マップを取得し、訓練用のリモートセンシング画像またはそれの多チャネルの道路特徴マップを訓練待ちの第四ニューラルネットワークに入力し、それによって訓練待ちの第四ニューラルネットワークによって多チャネルの第六道路特徴マップを抽出し、多チャネルの第六道路特徴マップに基づいて第二道路確率マップを確定し、そして第二道路確率マップと等幅道路基準マップとの間の第三損失を第三ニューラルネットワーク、第二サブニューラルネットワークおよび第四ニューラルネットワークを含むニューラルネットワークシステムに渡し、それによって第一損失、第二損失と結合して前記ニューラルネットワークシステムのネットワークパラメータを調整するための第四ニューラルネットワークの訓練ユニットを含んでもよい。
Claims (30)
- リモートセンシング画像を第一ニューラルネットワークに入力し、それによって前記第一ニューラルネットワークによって多チャネルの第一道路特徴情報を抽出することと、
前記多チャネルの第一道路特徴情報を第三ニューラルネットワークに入力し、それによって前記第三ニューラルネットワークによって多チャネルの第三道路特徴情報を抽出することであって、前記第三ニューラルネットワークが、道路方向情報を教師情報として訓練されたニューラルネットワークである、ことと、
前記第一道路特徴情報と前記第三道路特徴情報とを融合することと、
融合結果に基づいて道路地図を生成することと、を含むことを特徴とする道路地図生成方法。 - 前記第一道路特徴情報と前記第三道路特徴情報とを融合する前記ステップは、
前記第一道路特徴情報と前記第三道路特徴情報とを加え、または重み付けて加えること、または、
前記第一道路特徴情報と前記第三道路特徴情報とを連結することを含むことを特徴とする請求項1に記載の方法。 - 前記第一ニューラルネットワークは、許容道路幅情報を教師情報として訓練されたニューラルネットワークである第二サブニューラルネットワークを含み、
リモートセンシング画像を第一ニューラルネットワークに入力し、それによって前記第一ニューラルネットワークによって多チャネルの第一道路特徴情報を抽出する前記ステップは、
前記リモートセンシング画像を前記第二サブニューラルネットワークに入力し、それによって前記第二サブニューラルネットワークによって多チャネルの第二道路特徴マップを抽出することを含み、ここで、前記第一道路特徴情報は前記第二道路特徴マップを含むことを特徴とする請求項1または2に記載の方法。 - 前記第一ニューラルネットワークはさらに第一サブニューラルネットワークを含み、
前記リモートセンシング画像を前記第二サブニューラルネットワークに入力し、それによって前記第二サブニューラルネットワークによって多チャネルの第二道路特徴マップを抽出する前記ステップは、
前記リモートセンシング画像を前記第一サブニューラルネットワークに入力し、それによって前記第一サブニューラルネットワークによって多チャネルの第一道路特徴マップを抽出することと、
前記多チャネルの第一道路特徴マップを前記第二サブニューラルネットワークに入力し、それによって前記第二サブニューラルネットワークによって多チャネルの第二道路特徴マップを抽出することと、を含むことを特徴とする請求項3に記載の方法。 - 前記第一ニューラルネットワークはさらに第三サブニューラルネットワークを含み、
前記第二サブニューラルネットワークによって多チャネルの第二道路特徴マップを抽出する前記ステップの後に、さらに、
前記多チャネルの第二道路特徴マップを前記第三サブニューラルネットワークに入力し、それによって前記第三サブニューラルネットワークによって多チャネルの第三道路特徴マップを抽出することを含み、ここで、前記第一道路特徴情報は前記第三道路特徴マップを含むことを特徴とする請求項3または4に記載の方法。 - 前記許容道路幅情報は許容道路幅範囲を含み、前記道路地図における少なくとも一つの道路の幅は前記許容道路幅範囲内に収まり、または、
前記許容道路幅情報は所定道路幅を含み、前記道路地図における少なくとも一つの道路の幅は前記所定道路幅であることを特徴とする請求項3から5のいずれか一項に記載の方法。 - 融合結果に基づいて道路地図を生成する前記ステップは、
前記融合結果を第四ニューラルネットワークに入力し、それによって前記第四ニューラルネットワークによって多チャネルの第四道路特徴情報を抽出することと、
前記多チャネルの第四道路特徴情報に基づいて道路地図を確定することと、を含むことを特徴とする請求項1から6のいずれか一項に記載の方法。 - 前記第四ニューラルネットワークは許容道路幅情報を教師情報として訓練されたニューラルネットワークであることを特徴とする請求項7に記載の方法。
- 融合結果に基づいて道路地図を生成する前記ステップの後に、さらに、
前記道路地図における道路の中心線を確定することを含むことを特徴とする請求項1から8のいずれか一項に記載の方法。 - 融合結果に基づいて道路地図を生成する前記ステップの後に、さらに、
前記道路地図をベクトル化し、道路ベクトルマップを得ることを含むことを特徴とする請求項1から9のいずれか一項に記載の方法。 - さらに、
リモートセンシング画像サンプルの道路方向基準マップを取得することと、
前記リモートセンシング画像サンプルまたは前記リモートセンシング画像サンプルの多チャネルの道路特徴マップを訓練待ちの第三ニューラルネットワークに入力し、それによって前記訓練待ちの第三ニューラルネットワークによって多チャネルの第四道路特徴マップを抽出することと、
前記多チャネルの第四道路特徴マップに基づいて道路方向回帰マップを確定することと、
前記道路方向回帰マップと前記道路方向基準マップとの間の第一損失を前記訓練待ちの第三ニューラルネットワークに渡し、それによって前記訓練待ちの第三ニューラルネットワークのパラメータを調整することと、を含むことを特徴とする請求項1から10のいずれか一項に記載の方法。 - さらに、
リモートセンシング画像サンプルの等幅道路基準マップを取得することと、
前記リモートセンシング画像サンプルまたは前記リモートセンシング画像サンプルの多チャネルの道路特徴マップを訓練待ちの第二サブニューラルネットワークに入力し、それによって前記訓練待ちの第二サブニューラルネットワークによって多チャネルの第五道路特徴マップを抽出することと、
前記多チャネルの第五道路特徴マップに基づいて第一道路確率マップを確定することと、
前記第一道路確率マップと前記等幅道路基準マップとの間の第二損失を前記訓練待ちの第二サブニューラルネットワークに渡し、それによって前記訓練待ちの第二サブニューラルネットワークのパラメータを調整することと、を含むことを特徴とする請求項3から11のいずれか一項に記載の方法。 - さらに、
リモートセンシング画像サンプルの等幅道路基準マップを取得することと、
前記リモートセンシング画像サンプルまたは前記リモートセンシング画像サンプルの多チャネルの道路特徴マップを訓練待ちの第四ニューラルネットワークに入力し、それによって前記訓練待ちの第四ニューラルネットワークによって多チャネルの第六道路特徴マップを抽出することと、
前記多チャネルの第六道路特徴マップに基づいて第二道路確率マップを確定することと、
前記第二道路確率マップと前記等幅道路基準マップとの間の第三損失を前記訓練待ちの第四ニューラルネットワークに渡し、それによって前記訓練待ちの第四ニューラルネットワークのパラメータを調整することと、を含むことを特徴とする請求項7から12のいずれか一項に記載の方法。 - さらに、
リモートセンシング画像サンプルの等幅道路基準マップおよび道路方向基準マップを取得し、前記リモートセンシング画像サンプルまたは前記リモートセンシング画像サンプルの多チャネルの道路特徴マップを訓練待ちの第二サブニューラルネットワークに入力し、それによって前記訓練待ちの第二サブニューラルネットワークによって多チャネルの第五道路特徴マップを抽出し、前記多チャネルの第五道路特徴マップに基づいて第一道路確率マップを確定することと、
前記リモートセンシング画像サンプルまたは前記リモートセンシング画像サンプルの多チャネルの道路特徴マップを訓練待ちの第三ニューラルネットワークに入力し、それによって前記訓練待ちの第三ニューラルネットワークによって多チャネルの第四道路特徴マップを抽出し、前記多チャネルの第四道路特徴マップに基づいて道路方向回帰マップを確定することと、
前記リモートセンシング画像サンプルまたは前記リモートセンシング画像サンプルの多チャネルの道路特徴マップを訓練待ちの第四ニューラルネットワークに入力し、それによって前記訓練待ちの第四ニューラルネットワークによって多チャネルの第六道路特徴マップを抽出し、前記多チャネルの第六道路特徴マップに基づいて第二道路確率マップを確定することと、
前記道路方向回帰マップと前記道路方向基準マップとの間の第一損失、前記第一道路確率マップと前記等幅道路基準マップとの間の前記第二損失、前記第二道路確率マップと前記等幅道路基準マップとの間の第三損失を、前記第三ニューラルネットワーク、前記第二サブニューラルネットワークおよび前記第四ニューラルネットワークを含むニューラルネットワークシステムにそれぞれ渡し、それによって前記ニューラルネットワークシステムのネットワークパラメータを総合的に調整することと、を含むことを特徴とする請求項7から10のいずれか一項に記載の方法。 - リモートセンシング画像を第一ニューラルネットワークに入力し、それによって前記第一ニューラルネットワークによって多チャネルの第一道路特徴情報を抽出するための第一道路特徴情報取得ユニットと、
前記多チャネルの第一道路特徴情報を第三ニューラルネットワークに入力し、それによって前記第三ニューラルネットワークによって多チャネルの第三道路特徴情報を抽出するための第三道路特徴情報取得ユニットであって、前記第三ニューラルネットワークが、道路方向情報を教師情報として訓練されたニューラルネットワークである、第三道路特徴情報取得ユニットと、
前記第一道路特徴情報と前記第三道路特徴情報とを融合するための情報融合ユニットと、
融合結果に基づいて道路地図を生成するための道路地図生成ユニットと、を含むことを特徴とする道路地図生成装置。 - 前記情報融合ユニットは、前記第一道路特徴情報と前記第三道路特徴情報とを加え、または重み付けて加えること、または、前記第一道路特徴情報と前記第三道路特徴情報とを連結することに用いられることを特徴とする請求項15に記載の装置。
- 前記第一ニューラルネットワークは、許容道路幅情報を教師情報として訓練されたニューラルネットワークである第二サブニューラルネットワークを含み、
前記第一道路特徴情報取得ユニットは、
前記リモートセンシング画像を前記第二サブニューラルネットワークに入力し、それによって前記第二サブニューラルネットワークによって多チャネルの第二道路特徴マップを抽出するための第一取得サブユニットを含み、ここで、前記第一道路特徴情報は前記第二道路特徴マップを含むことを特徴とする請求項15または16に記載の装置。 - 前記第一ニューラルネットワークはさらに第一サブニューラルネットワークを含み、
前記第一道路特徴情報取得ユニットはさらに、
前記リモートセンシング画像を前記第一サブニューラルネットワークに入力し、それによって前記第一サブニューラルネットワークによって多チャネルの第一道路特徴マップを抽出するための第一取得サブユニットを含み、
前記第二取得サブユニットは、前記多チャネルの第一道路特徴マップを第二サブニューラルネットワークに入力し、それによって前記第二サブニューラルネットワークによって多チャネルの第二道路特徴マップを抽出するために用いられることを特徴とする請求項17に記載の装置。 - 前記第一ニューラルネットワークはさらに第三サブニューラルネットワークを含み、
前記第一道路特徴情報取得ユニットはさらに、
前記多チャネルの第二道路特徴マップを第三サブニューラルネットワークに入力し、それによって前記第三サブニューラルネットワークによって多チャネルの第三道路特徴マップを抽出するための第三取得サブユニットを含み、ここで、前記第一道路特徴情報は前記第三道路特徴マップを含むことを特徴とする請求項17または18に記載の装置。 - 前記許容道路幅情報は許容道路幅範囲を含み、前記道路地図における少なくとも一つの道路の幅は前記許容道路幅範囲内に収まり、または、
前記許容道路幅情報は所定道路幅を含み、前記道路地図における少なくとも一つの道路の幅は前記所定道路幅であることを特徴とする請求項17から19のいずれか一項に記載の装置。 - 前記道路地図生成ユニットは、
前記融合結果を第四ニューラルネットワークに入力し、それによって前記第四ニューラルネットワークによって多チャネルの第四道路特徴情報を抽出するための第四道路取得サブユニットと、
前記多チャネルの第四道路特徴情報に基づいて道路地図を確定するための道路地図確定サブユニットと、を含むことを特徴とする請求項15から20のいずれか一項に記載の装置。 - 前記第四ニューラルネットワークは許容道路幅情報を教師情報として訓練されたニューラルネットワークであることを特徴とする請求項21に記載の装置。
- 前記道路地図生成ユニットはさらに、
前記道路地図における道路の中心線を確定するための中心線確定サブユニットを含むことを特徴とする請求項15から22のいずれか一項に記載の装置。 - 前記道路地図生成ユニットはさらに、
前記道路地図をベクトル化し、道路ベクトルマップを得るための道路ベクトルマップ取得サブユニットを含むことを特徴とする請求項15から23のいずれか一項に記載の装置。 - さらに、
訓練用リモートセンシング画像の道路方向基準マップを取得し、
前記訓練用リモートセンシング画像またはそれの多チャネルの道路特徴マップを訓練待ちの第三ニューラルネットワークに入力し、それによって前記訓練待ちの第三ニューラルネットワークによって多チャネルの第四道路特徴マップを抽出し、
前記多チャネルの第四道路特徴マップに基づいて道路方向回帰マップを確定し、そして
前記道路方向回帰マップと前記道路方向基準マップとの間の第一損失を前記訓練待ちの第三ニューラルネットワークに渡し、それによって前記訓練待ちの第三ニューラルネットワークのパラメータを調整するための第三ニューラルネットワークの訓練ユニットを含むことを特徴とする請求項15から24のいずれか一項に記載の装置。 - さらに、
訓練用リモートセンシング画像の等幅道路基準マップを取得し、
前記訓練用リモートセンシング画像またはそれの多チャネルの道路特徴マップを訓練待ちの第二サブニューラルネットワークに入力し、それによって前記訓練待ちの第二サブニューラルネットワークによって多チャネルの第五道路特徴マップを抽出し、
前記多チャネルの第五道路特徴マップに基づいて第一道路確率マップを確定し、そして
前記第一道路確率マップと前記等幅道路基準マップとの間の第二損失を前記訓練待ちの第二サブニューラルネットワークに渡し、それによって前記訓練待ちの第二サブニューラルネットワークのパラメータを調整するための第二サブニューラルネットワークの訓練ユニットを含むことを特徴とする請求項17から25のいずれか一項に記載の装置。 - さらに、
訓練用リモートセンシング画像の等幅道路基準マップを取得し、
訓練用のリモートセンシング画像またはそれの多チャネルの道路特徴マップを訓練待ちの第四ニューラルネットワークに入力し、それによって前記訓練待ちの第四ニューラルネットワークによって多チャネルの第六道路特徴マップを抽出し、
前記多チャネルの第六道路特徴マップに基づいて第二道路確率マップを確定し、そして
前記第二道路確率マップと前記等幅道路基準マップとの間の第三損失を前記訓練待ちの第四ニューラルネットワークに渡し、それによって前記訓練待ちの第四ニューラルネットワークのパラメータを調整するための第四ニューラルネットワークの訓練ユニットを含むことを特徴とする請求項21から26のいずれか一項に記載の装置。 - さらに、
訓練用リモートセンシング画像の等幅道路基準マップを取得し、前記訓練用リモートセンシング画像またはそれの多チャネルの道路特徴マップを訓練待ちの第二サブニューラルネットワークに入力し、それによって前記訓練待ちの第二サブニューラルネットワークによって多チャネルの第五道路特徴マップを抽出し、前記多チャネルの第五道路特徴マップに基づいて第一道路確率マップを確定し、そして前記第一道路確率マップと前記等幅道路基準マップとの間の第二損失を前記第三ニューラルネットワーク、前記第二サブニューラルネットワークおよび前記第四ニューラルネットワークを含むニューラルネットワークシステムに渡すための第二サブニューラルネットワークの訓練ユニット、
訓練用リモートセンシング画像の道路方向基準マップを取得し、前記訓練用リモートセンシング画像またはそれの多チャネルの道路特徴マップを訓練待ちの第三ニューラルネットワークに入力し、それによって前記訓練待ちの第三ニューラルネットワークによって多チャネルの第四道路特徴マップを抽出し、前記多チャネルの第四道路特徴マップに基づいて道路方向回帰マップを確定し、そして前記道路方向回帰マップと前記道路方向基準マップとの間の第一損失を前記第三ニューラルネットワーク、前記第二サブニューラルネットワークおよび前記第四ニューラルネットワークを含むニューラルネットワークシステムに渡すための第三ニューラルネットワークの訓練ユニット、および
訓練用リモートセンシング画像の等幅道路基準マップを取得し、訓練用のリモートセンシング画像またはそれの多チャネルの道路特徴マップを訓練待ちの第四ニューラルネットワークに入力し、それによって前記訓練待ちの第四ニューラルネットワークによって多チャネルの第六道路特徴マップを抽出し、前記多チャネルの第六道路特徴マップに基づいて第二道路確率マップを確定し、そして前記第二道路確率マップと前記等幅道路基準マップとの間の第三損失を前記第三ニューラルネットワーク、前記第二サブニューラルネットワークおよび前記第四ニューラルネットワークを含むニューラルネットワークシステムに渡し、それによって前記第一損失、前記第二損失と結合して前記ニューラルネットワークシステムのネットワークパラメータを調整するための第四ニューラルネットワークの訓練ユニットを含むことを特徴とする請求項21から24のいずれか一項に記載の装置。 - 実行可能命令を記憶するためのメモリ、および
前記メモリと通信して前記実行可能命令を実行することで請求項1から14のいずれか一項に記載の道路地図生成方法の動作を完了するためのプロセッサを含むことを特徴とする電子機器。 - コンピュータ読み取り可能な命令を記憶するためのコンピュータ記憶媒体であって、前記命令は実行される時に請求項1から14のいずれか一項に記載の道路地図生成方法の動作を実行することを特徴とするコンピュータ記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710848159.2 | 2017-09-19 | ||
CN201710848159.2A CN108230421A (zh) | 2017-09-19 | 2017-09-19 | 一种道路图生成方法、装置、电子设备和计算机存储介质 |
PCT/CN2018/096332 WO2019056845A1 (zh) | 2017-09-19 | 2018-07-19 | 道路图生成方法、装置、电子设备和计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020520493A true JP2020520493A (ja) | 2020-07-09 |
JP6918139B2 JP6918139B2 (ja) | 2021-08-11 |
Family
ID=62655449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019558374A Active JP6918139B2 (ja) | 2017-09-19 | 2018-07-19 | 道路地図生成方法、装置、電子機器およびコンピュータ記憶媒体 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11354893B2 (ja) |
JP (1) | JP6918139B2 (ja) |
CN (1) | CN108230421A (ja) |
SG (1) | SG11201909743QA (ja) |
WO (1) | WO2019056845A1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102352009B1 (ko) * | 2020-10-16 | 2022-01-18 | 한국항공우주연구원 | 지도 정보를 이용한 기계학습 기반 위성영상 기하보정 방법 및 지도 정보를 이용한 기계학습 기반 위성영상 기하보정 시스템 |
JP2022040067A (ja) * | 2020-08-28 | 2022-03-10 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 更新道路を識別する方法、装置、デバイス及びコンピュータ記憶媒体 |
WO2023170997A1 (ja) * | 2022-03-11 | 2023-09-14 | 日立Astemo株式会社 | 地図情報処理装置 |
US12025443B2 (en) | 2020-08-28 | 2024-07-02 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for identifying updated road, device and computer storage medium |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108230421A (zh) * | 2017-09-19 | 2018-06-29 | 北京市商汤科技开发有限公司 | 一种道路图生成方法、装置、电子设备和计算机存储介质 |
CN109376594A (zh) * | 2018-09-11 | 2019-02-22 | 百度在线网络技术(北京)有限公司 | 基于自动驾驶车辆的视觉感知方法、装置、设备以及介质 |
CN109359598B (zh) * | 2018-10-18 | 2019-09-24 | 中国科学院空间应用工程与技术中心 | 一种识别光学遥感图像道路的y型神经网络系统及方法 |
CN109597862B (zh) * | 2018-10-31 | 2020-10-16 | 百度在线网络技术(北京)有限公司 | 基于拼图式的地图生成方法、装置及计算机可读存储介质 |
CN111047856B (zh) * | 2019-04-09 | 2020-11-10 | 浙江鸣春纺织股份有限公司 | 多通道拥堵指数获取平台 |
CN110967028B (zh) * | 2019-11-26 | 2022-04-12 | 深圳优地科技有限公司 | 导航地图构建方法、装置、机器人及存储介质 |
CN111353441B (zh) * | 2020-03-03 | 2021-04-23 | 成都大成均图科技有限公司 | 基于位置数据融合的道路提取方法和系统 |
CN113496182B (zh) * | 2020-04-08 | 2024-05-21 | 北京京东叁佰陆拾度电子商务有限公司 | 基于遥感影像的道路提取方法及装置、存储介质及设备 |
CN115135964A (zh) * | 2020-06-02 | 2022-09-30 | 华为技术有限公司 | 用于检测道路上的减速带和坑洞的装置、系统和方法 |
CN113033608A (zh) * | 2021-02-08 | 2021-06-25 | 北京工业大学 | 遥感影像道路提取方法及装置 |
US11858514B2 (en) | 2021-03-30 | 2024-01-02 | Zoox, Inc. | Top-down scene discrimination |
US11810225B2 (en) * | 2021-03-30 | 2023-11-07 | Zoox, Inc. | Top-down scene generation |
CN113505627A (zh) * | 2021-03-31 | 2021-10-15 | 北京苍灵科技有限公司 | 遥感数据处理方法、装置、电子设备和存储介质 |
CN113361371B (zh) * | 2021-06-02 | 2023-09-22 | 北京百度网讯科技有限公司 | 道路提取方法、装置、设备以及存储介质 |
WO2023277791A1 (en) * | 2021-06-30 | 2023-01-05 | Grabtaxi Holdings Pte. Ltd | Server and method for generating road map data |
CN113421277B (zh) * | 2021-08-25 | 2021-12-14 | 中科星图股份有限公司 | 基于遥感图像的道路提取及异常监控的方法和装置 |
CN116109966B (zh) * | 2022-12-19 | 2023-06-27 | 中国科学院空天信息创新研究院 | 一种面向遥感场景的视频大模型构建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009230518A (ja) * | 2008-03-24 | 2009-10-08 | Hitachi Software Eng Co Ltd | 道路地図データ作成システム |
US20160239983A1 (en) * | 2015-02-13 | 2016-08-18 | Here Global B.V. | Method and apparatus for generating map geometry based on a received image and probe data |
US20170140245A1 (en) * | 2015-11-16 | 2017-05-18 | Orbital Insight, Inc. | Moving vehicle detection and analysis using low resolution remote sensing imagery |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7660441B2 (en) * | 2004-07-09 | 2010-02-09 | Southern California, University | System and method for fusing geospatial data |
US8675995B2 (en) * | 2004-07-09 | 2014-03-18 | Terrago Technologies, Inc. | Precisely locating features on geospatial imagery |
US7974814B2 (en) * | 2007-06-15 | 2011-07-05 | Raytheon Company | Multiple sensor fusion engine |
CN102110364B (zh) * | 2009-12-28 | 2013-12-11 | 日电(中国)有限公司 | 基于路口和路段的交通信息处理方法和装置 |
US9416499B2 (en) * | 2009-12-31 | 2016-08-16 | Heatwurx, Inc. | System and method for sensing and managing pothole location and pothole characteristics |
US8706407B2 (en) * | 2011-03-30 | 2014-04-22 | Nokia Corporation | Method and apparatus for generating route exceptions |
US9317779B2 (en) * | 2012-04-06 | 2016-04-19 | Brigham Young University | Training an image processing neural network without human selection of features |
US9037519B2 (en) * | 2012-10-18 | 2015-05-19 | Enjoyor Company Limited | Urban traffic state detection based on support vector machine and multilayer perceptron |
CN103310443B (zh) * | 2013-05-20 | 2016-04-27 | 华浩博达(北京)科技股份有限公司 | 高分辨率遥感影像快速处理方法及系统 |
US20160371977A1 (en) * | 2014-02-26 | 2016-12-22 | Analog Devices, Inc. | Apparatus, systems, and methods for providing intelligent vehicular systems and services |
US20160379388A1 (en) * | 2014-07-16 | 2016-12-29 | Digitalglobe, Inc. | System and method for combining geographical and economic data extracted from satellite imagery for use in predictive modeling |
CN104915636B (zh) * | 2015-04-15 | 2019-04-12 | 北京工业大学 | 基于多级框架显著性特征的遥感影像道路识别方法 |
WO2017031382A2 (en) * | 2015-08-18 | 2017-02-23 | Digitalglobe, Inc. | Movement intelligence using satellite imagery |
CN105260699B (zh) * | 2015-09-10 | 2018-06-26 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法及装置 |
CN105184270B (zh) * | 2015-09-18 | 2019-06-18 | 深圳市数字城市工程研究中心 | 一种基于脉冲耦合神经网络方法的道路信息遥感提取方法 |
US9950700B2 (en) * | 2016-03-30 | 2018-04-24 | GM Global Technology Operations LLC | Road surface condition detection with multi-scale fusion |
US20170300763A1 (en) * | 2016-04-19 | 2017-10-19 | GM Global Technology Operations LLC | Road feature detection using a vehicle camera system |
CN106909886B (zh) * | 2017-01-20 | 2019-05-03 | 中国石油大学(华东) | 一种基于深度学习的高精度交通标志检测方法及系统 |
CN107025440A (zh) * | 2017-03-27 | 2017-08-08 | 北京航空航天大学 | 一种基于新型卷积神经网络的遥感图像道路提取方法 |
CN106874894B (zh) * | 2017-03-28 | 2020-04-14 | 电子科技大学 | 一种基于区域全卷积神经网络的人体目标检测方法 |
US10869627B2 (en) * | 2017-07-05 | 2020-12-22 | Osr Enterprises Ag | System and method for fusing information related to a driver of a vehicle |
US10395144B2 (en) * | 2017-07-24 | 2019-08-27 | GM Global Technology Operations LLC | Deeply integrated fusion architecture for automated driving systems |
CN108230421A (zh) * | 2017-09-19 | 2018-06-29 | 北京市商汤科技开发有限公司 | 一种道路图生成方法、装置、电子设备和计算机存储介质 |
-
2017
- 2017-09-19 CN CN201710848159.2A patent/CN108230421A/zh active Pending
-
2018
- 2018-07-19 JP JP2019558374A patent/JP6918139B2/ja active Active
- 2018-07-19 WO PCT/CN2018/096332 patent/WO2019056845A1/zh active Application Filing
- 2018-07-19 SG SG11201909743Q patent/SG11201909743QA/en unknown
-
2019
- 2019-10-17 US US16/655,336 patent/US11354893B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009230518A (ja) * | 2008-03-24 | 2009-10-08 | Hitachi Software Eng Co Ltd | 道路地図データ作成システム |
US20160239983A1 (en) * | 2015-02-13 | 2016-08-18 | Here Global B.V. | Method and apparatus for generating map geometry based on a received image and probe data |
US20170140245A1 (en) * | 2015-11-16 | 2017-05-18 | Orbital Insight, Inc. | Moving vehicle detection and analysis using low resolution remote sensing imagery |
Non-Patent Citations (1)
Title |
---|
齋藤 俊太: "Convolutional Neural Networkを用いた航空画像からの建物・道路検出", 第22回 画像センシングシンポジウム SSII2016 [USB] THE 22ND SYMPOSIUM ON SENSING VI, JPN6020048852, JP, ISSN: 0004410060 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022040067A (ja) * | 2020-08-28 | 2022-03-10 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 更新道路を識別する方法、装置、デバイス及びコンピュータ記憶媒体 |
JP7196382B2 (ja) | 2020-08-28 | 2022-12-27 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 更新道路を識別する方法、装置、デバイス及びコンピュータ記憶媒体 |
US12025443B2 (en) | 2020-08-28 | 2024-07-02 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for identifying updated road, device and computer storage medium |
KR102352009B1 (ko) * | 2020-10-16 | 2022-01-18 | 한국항공우주연구원 | 지도 정보를 이용한 기계학습 기반 위성영상 기하보정 방법 및 지도 정보를 이용한 기계학습 기반 위성영상 기하보정 시스템 |
WO2023170997A1 (ja) * | 2022-03-11 | 2023-09-14 | 日立Astemo株式会社 | 地図情報処理装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108230421A (zh) | 2018-06-29 |
US20200050854A1 (en) | 2020-02-13 |
JP6918139B2 (ja) | 2021-08-11 |
US11354893B2 (en) | 2022-06-07 |
SG11201909743QA (en) | 2019-11-28 |
WO2019056845A1 (zh) | 2019-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6918139B2 (ja) | 道路地図生成方法、装置、電子機器およびコンピュータ記憶媒体 | |
CN107328424B (zh) | 导航方法和装置 | |
US10268926B2 (en) | Method and apparatus for processing point cloud data | |
CN110163153B (zh) | 用于识别交通标志牌边界的方法及装置 | |
WO2012098621A1 (ja) | 撮像画像認識装置、撮像画像認識システム及び撮像画像認識方法 | |
EP3242225B1 (en) | Method and apparatus for determining region of image to be superimposed, superimposing image and displaying image | |
CN108389172B (zh) | 用于生成信息的方法和装置 | |
CN112927234A (zh) | 点云语义分割方法、装置、电子设备和可读存储介质 | |
CN107830869B (zh) | 用于车辆的信息输出方法和装置 | |
US20180293980A1 (en) | Visually impaired augmented reality | |
CN110119725B (zh) | 用于检测信号灯的方法及装置 | |
WO2020062494A1 (zh) | 图像处理方法和装置 | |
CN109656319B (zh) | 一种用于呈现地面行动辅助信息方法与设备 | |
US11644330B2 (en) | Setting destinations in vehicle navigation systems based on image metadata from portable electronic devices and from captured images using zero click navigation | |
CN114663397A (zh) | 可行驶区域的检测方法、装置、设备及存储介质 | |
CN111766891A (zh) | 用于控制无人机飞行的方法和装置 | |
CN110097600B (zh) | 用于识别交通标志牌的方法及装置 | |
CN115082690B (zh) | 目标识别方法、目标识别模型训练方法及装置 | |
CN114549961B (zh) | 目标对象的检测方法、装置、设备以及存储介质 | |
CN115861755A (zh) | 特征融合方法、装置、电子设备及自动驾驶车辆 | |
CN115077539A (zh) | 一种地图生成方法、装置、设备以及存储介质 | |
CN109934045B (zh) | 行人检测方法和装置 | |
CN113654548A (zh) | 定位方法、装置、电子设备及存储介质 | |
CN116704473B (zh) | 障碍物信息检测方法、装置、电子设备和计算机可读介质 | |
CN115019278B (zh) | 一种车道线拟合方法、装置、电子设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191025 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191025 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201211 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210312 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210713 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210720 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6918139 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |