JP2022517961A - 画像データを自動的にアノテーションする方法及び装置 - Google Patents
画像データを自動的にアノテーションする方法及び装置 Download PDFInfo
- Publication number
- JP2022517961A JP2022517961A JP2021539968A JP2021539968A JP2022517961A JP 2022517961 A JP2022517961 A JP 2022517961A JP 2021539968 A JP2021539968 A JP 2021539968A JP 2021539968 A JP2021539968 A JP 2021539968A JP 2022517961 A JP2022517961 A JP 2022517961A
- Authority
- JP
- Japan
- Prior art keywords
- road
- map
- information
- coordinate system
- image
- 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
- 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
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3667—Display of a road map
- G01C21/367—Details, e.g. road map scale, orientation, zooming, illumination, level of detail, scrolling of road map or positioning of current position marker
-
- 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
- G01C21/3844—Data obtained from position sensors only, e.g. from inertial navigation
-
- 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
- G01C21/3863—Structures of map data
- G01C21/387—Organisation of map data, e.g. version management or database structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Automation & Control Theory (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Navigation (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
本願は、2019年10月16日に提出された、出願番号が201910983438.9である中国特許出願に基づく優先権を主張し、該中国特許出願の全内容が参照として本願に組み込まれる。
前記カメラ座標系と前記画素座標系との間の投影行列に基づいて、前記カメラ座標系に投影された車両収集画像の道路情報を前記画素座標系に変換し、前記画素座標系に投影された車両収集画像の道路情報を得るように構成される第4変換部と、を備える。
ここで、match_weight_sumは、1つのペアリングプランの信頼度スコアを表す。
(x=x0+dx,y=y0+dy,θ=θ0+dθ) (3)
例えば、カルマンフィルタリング、平均値演算、加重平均演算などの方法で、得られた測位情報と車両測位情報をフュージョンすることで、地図情報に基づいて測位情報を過剰に修正することを避け、画像データのアノテーションをより確実にすることができる。
例えば、本願は以下の項目を提供する。
(項目1)
画像データを自動的にアノテーションする方法であって、
車両測位情報、地図画像及び車両収集画像を取得することであって、前記地図画像は、道路情報を含む、ことと、
前記車両測位情報に基づいて、前記車両測位情報に対応するローカル領域内の前記地図画像における道路情報を取得することと、
前記地図画像における道路情報を前記車両収集画像に投影し、前記車両収集画像で前記道路情報をアノテーションすることと、を含む、画像データを自動的にアノテーションする方法。
(項目2)
前記車両測位情報に基づいて、前記車両測位情報に対応するローカル領域内の前記地図画像における道路情報を取得することは、
前記ローカル領域内の地図画像をルートノードとして、前記ローカル領域内の地図画像の地図道路要素の属性情報を順に探すことであって、前記地図道路要素の属性情報は、前記地図道路要素のセマンティック情報、前記地図道路要素の位置情報、前記地図道路要素の形状情報のうちの少なくとも1つを含む、ことを含むことを特徴とする
項目1に記載の方法。
(項目3)
前記方法は、
前記車両測位情報及び前記地図画像の範囲に基づいて、前記ローカル領域の範囲を決定することを更に含み、
前記車両測位情報に基づいて、前記車両測位情報に対応するローカル領域内の前記地図画像における道路情報を取得することは、
前記ローカル領域の範囲内の前記地図画像における地図道路要素の属性情報を取得することを含むことを特徴とする
項目2に記載の方法。
(項目4)
前記地図画像は、世界グローバル座標系に基づいたものであり、前記地図画像における道路情報を車両収集画像に投影する前に、前記方法は、
前記世界グローバル座標系に基づいた地図画像を車体座標系に変換し、前記車体座標系に基づいた地図画像を得ることを更に含み、
前記地図画像における道路情報を車両収集画像に投影することは、
前記車体座標系に基づいた地図画像をカメラ座標系及び/又は画素座標系に変換し、地図画像における道路情報を前記車両収集画像に投影することを含むことを特徴とする
項目1-3のいずれか一項に記載の方法。
(項目5)
前記世界グローバル座標系に基づいた地図画像を車体座標系に変換し、前記車体座標系に基づいた地図画像を得ることは、
前記車両測位情報に基づいて、回転平行移動行列の回転角度及び平行移動量を得ることと、
前記回転平行移動行列に基づいて、前記世界グローバル座標系に基づいた地図画像を前記車体座標系に変換し、前記車体座標系に基づいた地図画像を得ることと、を含むことを特徴とする
項目4に記載の方法。
(項目6)
前記地図画像は、二次元地図であり、前記車体座標系に基づいた地図画像をカメラ座標系及び/又は画素座標系に変換し、前記地図画像における道路情報を前記車両収集画像に投影することは、
前記画素座標系と前記車体座標系との間のホモグラフィ行列を取得することと、
同次座標系を利用して、前記車体座標系に基づいた地図画像を表すことと、
前記ホモグラフィ行列に基づいて、同次座標系で表される、前記車体座標系に基づいた地図画像を前記画素座標系に変換し、前記画素座標系に投影された車両収集画像の道路情報を得ることと、を含むことを特徴とする
項目4又は5に記載の方法。
(項目7)
前記地図画像は、三次元地図であり、前記車体座標系に基づいた地図画像をカメラ座標系及び/又は画素座標系に変換し、前記地図画像における道路情報を前記車両収集画像に投影することは、
前記車体座標系と前記カメラ座標系との間の回転平行移動行列に基づいて、車体座標系に基づいた地図画像を前記カメラ座標系に変換し、前記カメラ座標系に投影された車両収集画像の道路情報を得ることと、
前記カメラ座標系と前記画素座標系との間の投影行列に基づいて、前記カメラ座標系に投影された車両収集画像の道路情報を前記画素座標系に変換し、前記画素座標系に投影された車両収集画像の道路情報を得ることと、を含むことを特徴とする
項目5に記載の方法。
(項目8)
前記方法は、
道路情報を抽出するためのニューラルネットワークにより、前記車両収集画像に対して道路情報抽出処理を行い、道路感知情報を得ることと、
前記道路感知情報に基づいて、前記車両収集画像に投影された道路情報に対して修正を行うことと、を更に含むことを特徴とする
項目1-7のいずれか一項に記載の方法。
(項目9)
前記道路感知情報に基づいて、前記車両収集画像に投影された道路情報に対して修正を行うことは、
前記道路感知情報における道路感知要素と前記車両収集画像に投影された道路情報における地図道路要素とのオフセット情報を決定することと、
前記オフセット情報に基づいて、前記車両収集画像に投影された道路情報に対して修正を行うことと、を含むことを特徴とする
項目8に記載の方法。
(項目10)
前記道路感知情報における道路感知要素と前記車両収集画像に投影された道路情報における地図道路要素とのオフセット情報を決定することは、
前記道路感知要素の属性情報に基づいて、前記地図画像から、前記道路感知要素とペアになる地図道路要素を決定することと、
ペアになる道路感知要素と地図道路要素の、同一の機器の座標系における位置情報を決定することと、
前記位置情報に基づいて、ペアになる道路感知要素と地図道路要素との間の測位オフセット量を決定することと、を含むことを特徴とする
項目9に記載の方法。
(項目11)
前記道路感知要素の属性情報に基づいて、前記地図画像から、前記道路感知要素とペアになる地図道路要素を決定することは、
前記地図画像において、前記車両測位情報に基づいて、所定の範囲内の地図道路要素を探すことと、
前記車両収集画像における道路感知要素と前記所定の範囲内の地図道路要素に対して、属性情報に基づいて2つずつペアリングを行い、複数のペアリングプランを得ることであって、異なるペアリングプランのうち、少なくとも1つの道路感知要素と前記所定の範囲内の地図道路要素とのペアリング方式は異なる、ことと、
各前記ペアリングプランの信頼度を決定することと、
前記複数のペアリングプランのうちの信頼度が最も高いペアリングプラン又は所定の閾値より大きいペアリングプランにおいて、前記道路感知要素とペアになる地図道路要素を決定することと、を含むことを特徴とする
項目10に記載の方法。
(項目12)
前記車両収集画像における道路感知要素と前記所定の範囲内の地図道路要素に対してペアリングを行うことは、
前記所定の範囲内の地図道路要素において、前記車両収集画像における道路感知要素とペアになる道路要素を決定できない場合、ペアリング待ちの地図道路要素において、前記道路感知要素とペアリングする空白要素又はバーチャル要素を設定することを含むことを特徴とする
項目11に記載の方法。
(項目13)
各前記ペアリングプランの信頼度を決定することは、
各前記ペアリングプランにおける道路感知要素と地図道路要素との各ペアリングの個体類似度をそれぞれ決定することと、
各前記ペアリングプランにおける道路感知要素と地図道路要素との各ペアリングの全体類似度を決定することと、
各前記ペアリングプランの各個体類似度及び全体類似度に基づいて、各前記ペアリングプランの信頼度を決定することと、を含むことを特徴とする
項目11又は12に記載の方法。
(項目14)
前記測位オフセット量は、座標オフセット量及び/又は方向オフセット量を含み、
前記車両測位情報に基づいて、ペアになる道路感知要素と地図道路要素との間の測位オフセット量を決定することは、
前記道路感知要素の画素点に対してサンプリングを行い、感知サンプリング点集合を得ることと、
前記地図道路要素の画素点に対してサンプリングを行い、地図サンプリング点集合を得ることと、
前記感知サンプリング点集合と前記地図サンプリング点集合にそれぞれ含まれるサンプリング点の間の回転平行移動行列を決定することと、
前記回転平行移動行列に基づいて、前記道路感知要素と前記地図道路要素の座標オフセット量及び方向オフセット量を得ることと、を含むことを特徴とする
項目10-13のいずれか一項に記載の方法。
(項目15)
画像データを自動的にアノテーションする装置であって、
車両測位情報、地図画像及び車両収集画像を取得するように構成される第1取得部であって、前記地図画像は、道路情報を含む、第1取得部と、
前記車両測位情報に基づいて、前記車両測位情報に対応するローカル領域内の前記地図画像における道路情報を取得するように構成される第2取得部と、
前記地図画像における道路情報を前記車両収集画像に投影し、前記車両収集画像で前記道路情報をアノテーションするように構成される投影部と、を備える、画像データを自動的にアノテーションする装置。
(項目16)
画像データを自動的にアノテーションする装置であって、メモリと、プロセッサと、を備え、前記メモリに、プログラムコードが記憶されており、且つ前記プロセッサは、前記メモリに記憶されているプログラムコードを呼び出し、項目1-14のいずれか一項に記載の方法を実行するように構成される、画像データを自動的にアノテーションする装置。
(項目17)
コンピュータ可読記憶媒体であって、コンピュータプログラム命令が記憶されており、コンピュータプログラム命令はプロセッサにより実行される時、項目1-14のいずれか一項に記載の方法を実現する、コンピュータ可読記憶媒体。
(項目18)
コンピュータプログラムであって、コンピュータ可読コードを含み、前記コンピュータ可読コードが電子機器で実行される時、前記電子機器におけるプロセッサは、項目1-14のいずれか一項に記載の方法を実行する、コンピュータプログラム。
Claims (18)
- 画像データを自動的にアノテーションする方法であって、
車両測位情報、地図画像及び車両収集画像を取得することであって、前記地図画像は、道路情報を含む、ことと、
前記車両測位情報に基づいて、前記車両測位情報に対応するローカル領域内の前記地図画像における道路情報を取得することと、
前記地図画像における道路情報を前記車両収集画像に投影し、前記車両収集画像で前記道路情報をアノテーションすることと、を含む、画像データを自動的にアノテーションする方法。 - 前記車両測位情報に基づいて、前記車両測位情報に対応するローカル領域内の前記地図画像における道路情報を取得することは、
前記ローカル領域内の地図画像をルートノードとして、前記ローカル領域内の地図画像の地図道路要素の属性情報を順に探すことであって、前記地図道路要素の属性情報は、前記地図道路要素のセマンティック情報、前記地図道路要素の位置情報、前記地図道路要素の形状情報のうちの少なくとも1つを含む、ことを含むことを特徴とする
請求項1に記載の方法。 - 前記方法は、
前記車両測位情報及び前記地図画像の範囲に基づいて、前記ローカル領域の範囲を決定することを更に含み、
前記車両測位情報に基づいて、前記車両測位情報に対応するローカル領域内の前記地図画像における道路情報を取得することは、
前記ローカル領域の範囲内の前記地図画像における地図道路要素の属性情報を取得することを含むことを特徴とする
請求項2に記載の方法。 - 前記地図画像は、世界グローバル座標系に基づいたものであり、前記地図画像における道路情報を車両収集画像に投影する前に、前記方法は、
前記世界グローバル座標系に基づいた地図画像を車体座標系に変換し、前記車体座標系に基づいた地図画像を得ることを更に含み、
前記地図画像における道路情報を車両収集画像に投影することは、
前記車体座標系に基づいた地図画像をカメラ座標系及び/又は画素座標系に変換し、地図画像における道路情報を前記車両収集画像に投影することを含むことを特徴とする
請求項1-3のいずれか一項に記載の方法。 - 前記世界グローバル座標系に基づいた地図画像を車体座標系に変換し、前記車体座標系に基づいた地図画像を得ることは、
前記車両測位情報に基づいて、回転平行移動行列の回転角度及び平行移動量を得ることと、
前記回転平行移動行列に基づいて、前記世界グローバル座標系に基づいた地図画像を前記車体座標系に変換し、前記車体座標系に基づいた地図画像を得ることと、を含むことを特徴とする
請求項4に記載の方法。 - 前記地図画像は、二次元地図であり、前記車体座標系に基づいた地図画像をカメラ座標系及び/又は画素座標系に変換し、前記地図画像における道路情報を前記車両収集画像に投影することは、
前記画素座標系と前記車体座標系との間のホモグラフィ行列を取得することと、
同次座標系を利用して、前記車体座標系に基づいた地図画像を表すことと、
前記ホモグラフィ行列に基づいて、同次座標系で表される、前記車体座標系に基づいた地図画像を前記画素座標系に変換し、前記画素座標系に投影された車両収集画像の道路情報を得ることと、を含むことを特徴とする
請求項4又は5に記載の方法。 - 前記地図画像は、三次元地図であり、前記車体座標系に基づいた地図画像をカメラ座標系及び/又は画素座標系に変換し、前記地図画像における道路情報を前記車両収集画像に投影することは、
前記車体座標系と前記カメラ座標系との間の回転平行移動行列に基づいて、車体座標系に基づいた地図画像を前記カメラ座標系に変換し、前記カメラ座標系に投影された車両収集画像の道路情報を得ることと、
前記カメラ座標系と前記画素座標系との間の投影行列に基づいて、前記カメラ座標系に投影された車両収集画像の道路情報を前記画素座標系に変換し、前記画素座標系に投影された車両収集画像の道路情報を得ることと、を含むことを特徴とする
請求項5に記載の方法。 - 前記方法は、
道路情報を抽出するためのニューラルネットワークにより、前記車両収集画像に対して道路情報抽出処理を行い、道路感知情報を得ることと、
前記道路感知情報に基づいて、前記車両収集画像に投影された道路情報に対して修正を行うことと、を更に含むことを特徴とする
請求項1-7のいずれか一項に記載の方法。 - 前記道路感知情報に基づいて、前記車両収集画像に投影された道路情報に対して修正を行うことは、
前記道路感知情報における道路感知要素と前記車両収集画像に投影された道路情報における地図道路要素とのオフセット情報を決定することと、
前記オフセット情報に基づいて、前記車両収集画像に投影された道路情報に対して修正を行うことと、を含むことを特徴とする
請求項8に記載の方法。 - 前記道路感知情報における道路感知要素と前記車両収集画像に投影された道路情報における地図道路要素とのオフセット情報を決定することは、
前記道路感知要素の属性情報に基づいて、前記地図画像から、前記道路感知要素とペアになる地図道路要素を決定することと、
ペアになる道路感知要素と地図道路要素の、同一の機器の座標系における位置情報を決定することと、
前記位置情報に基づいて、ペアになる道路感知要素と地図道路要素との間の測位オフセット量を決定することと、を含むことを特徴とする
請求項9に記載の方法。 - 前記道路感知要素の属性情報に基づいて、前記地図画像から、前記道路感知要素とペアになる地図道路要素を決定することは、
前記地図画像において、前記車両測位情報に基づいて、所定の範囲内の地図道路要素を探すことと、
前記車両収集画像における道路感知要素と前記所定の範囲内の地図道路要素に対して、属性情報に基づいて2つずつペアリングを行い、複数のペアリングプランを得ることであって、異なるペアリングプランのうち、少なくとも1つの道路感知要素と前記所定の範囲内の地図道路要素とのペアリング方式は異なる、ことと、
各前記ペアリングプランの信頼度を決定することと、
前記複数のペアリングプランのうちの信頼度が最も高いペアリングプラン又は所定の閾値より大きいペアリングプランにおいて、前記道路感知要素とペアになる地図道路要素を決定することと、を含むことを特徴とする
請求項10に記載の方法。 - 前記車両収集画像における道路感知要素と前記所定の範囲内の地図道路要素に対してペアリングを行うことは、
前記所定の範囲内の地図道路要素において、前記車両収集画像における道路感知要素とペアになる道路要素を決定できない場合、ペアリング待ちの地図道路要素において、前記道路感知要素とペアリングする空白要素又はバーチャル要素を設定することを含むことを特徴とする
請求項11に記載の方法。 - 各前記ペアリングプランの信頼度を決定することは、
各前記ペアリングプランにおける道路感知要素と地図道路要素との各ペアリングの個体類似度をそれぞれ決定することと、
各前記ペアリングプランにおける道路感知要素と地図道路要素との各ペアリングの全体類似度を決定することと、
各前記ペアリングプランの各個体類似度及び全体類似度に基づいて、各前記ペアリングプランの信頼度を決定することと、を含むことを特徴とする
請求項11又は12に記載の方法。 - 前記測位オフセット量は、座標オフセット量及び/又は方向オフセット量を含み、
前記車両測位情報に基づいて、ペアになる道路感知要素と地図道路要素との間の測位オフセット量を決定することは、
前記道路感知要素の画素点に対してサンプリングを行い、感知サンプリング点集合を得ることと、
前記地図道路要素の画素点に対してサンプリングを行い、地図サンプリング点集合を得ることと、
前記感知サンプリング点集合と前記地図サンプリング点集合にそれぞれ含まれるサンプリング点の間の回転平行移動行列を決定することと、
前記回転平行移動行列に基づいて、前記道路感知要素と前記地図道路要素の座標オフセット量及び方向オフセット量を得ることと、を含むことを特徴とする
請求項10-13のいずれか一項に記載の方法。 - 画像データを自動的にアノテーションする装置であって、
車両測位情報、地図画像及び車両収集画像を取得するように構成される第1取得部であって、前記地図画像は、道路情報を含む、第1取得部と、
前記車両測位情報に基づいて、前記車両測位情報に対応するローカル領域内の前記地図画像における道路情報を取得するように構成される第2取得部と、
前記地図画像における道路情報を前記車両収集画像に投影し、前記車両収集画像で前記道路情報をアノテーションするように構成される投影部と、を備える、画像データを自動的にアノテーションする装置。 - 画像データを自動的にアノテーションする装置であって、メモリと、プロセッサと、を備え、前記メモリに、プログラムコードが記憶されており、且つ前記プロセッサは、前記メモリに記憶されているプログラムコードを呼び出し、請求項1-14のいずれか一項に記載の方法を実行するように構成される、画像データを自動的にアノテーションする装置。
- コンピュータ可読記憶媒体であって、コンピュータプログラム命令が記憶されており、コンピュータプログラム命令はプロセッサにより実行される時、請求項1-14のいずれか一項に記載の方法を実現する、コンピュータ可読記憶媒体。
- コンピュータプログラムであって、コンピュータ可読コードを含み、前記コンピュータ可読コードが電子機器で実行される時、前記電子機器におけるプロセッサは、請求項1-14のいずれか一項に記載の方法を実行する、コンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910983438.9A CN112667837A (zh) | 2019-10-16 | 2019-10-16 | 图像数据自动标注方法及装置 |
PCT/CN2020/122514 WO2021073656A1 (zh) | 2019-10-16 | 2020-10-21 | 图像数据自动标注方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022517961A true JP2022517961A (ja) | 2022-03-11 |
Family
ID=75400660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021539968A Pending JP2022517961A (ja) | 2019-10-16 | 2020-10-21 | 画像データを自動的にアノテーションする方法及び装置 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP2022517961A (ja) |
KR (1) | KR20220053513A (ja) |
CN (1) | CN112667837A (ja) |
WO (1) | WO2021073656A1 (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11019274B2 (en) | 2018-09-10 | 2021-05-25 | Tusimple, Inc. | Adaptive illumination for a time-of-flight camera on a vehicle |
CN113848702A (zh) * | 2020-06-26 | 2021-12-28 | 图森有限公司 | 自适应传感器控制 |
US11932238B2 (en) | 2020-06-29 | 2024-03-19 | Tusimple, Inc. | Automated parking technology |
CN113205447A (zh) * | 2021-05-11 | 2021-08-03 | 北京车和家信息技术有限公司 | 用于车道线识别的道路图片标注方法和装置 |
CN113269165B (zh) * | 2021-07-16 | 2022-04-22 | 智道网联科技(北京)有限公司 | 数据获取方法及其装置 |
CN113609241B (zh) * | 2021-08-13 | 2023-11-14 | 武汉市规划研究院(武汉市交通发展战略研究院) | 一种道路网络与公交线网匹配方法与系统 |
CN114136333A (zh) * | 2021-10-15 | 2022-03-04 | 阿波罗智能技术(北京)有限公司 | 基于分层特征的高精地图道路数据生成方法、装置、设备 |
CN114018240A (zh) * | 2021-10-29 | 2022-02-08 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据的处理方法和装置 |
CN114111817B (zh) * | 2021-11-22 | 2023-10-13 | 武汉中海庭数据技术有限公司 | 基于slam地图与高精度地图匹配的车辆定位方法及系统 |
CN114419882B (zh) * | 2021-12-30 | 2023-05-02 | 联通智网科技股份有限公司 | 感知系统布置参数优化方法、设备终端及存储介质 |
CN115223118B (zh) * | 2022-06-09 | 2024-03-01 | 广东省智能网联汽车创新中心有限公司 | 一种高精地图置信度判断方法、系统及车辆 |
CN114782447B (zh) * | 2022-06-22 | 2022-09-09 | 小米汽车科技有限公司 | 路面检测方法、装置、车辆、存储介质及芯片 |
CN115526987A (zh) * | 2022-09-22 | 2022-12-27 | 清华大学 | 基于单目相机的标牌要素重建方法、系统、设备及介质 |
CN116468870B (zh) * | 2023-06-20 | 2024-01-23 | 佛山科学技术学院 | 一种城市道路三维可视化建模方法及系统 |
CN117894015B (zh) * | 2024-03-15 | 2024-05-24 | 浙江华是科技股份有限公司 | 点云标注数据优选方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014126892A (ja) * | 2012-12-25 | 2014-07-07 | Fujitsu Ltd | 画像処理方法、画像処理装置および画像処理プログラム |
US20180283892A1 (en) * | 2017-04-03 | 2018-10-04 | Robert Bosch Gmbh | Automated image labeling for vehicles based on maps |
JP2019028532A (ja) * | 2017-07-26 | 2019-02-21 | 富士通株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
US20200202147A1 (en) * | 2018-12-21 | 2020-06-25 | Continental Automotive Systems Inc. | Systems and methods for automatic labeling of images for supervised machine learning |
US20200324795A1 (en) * | 2019-04-12 | 2020-10-15 | Nvidia Corporation | Neural network training using ground truth data augmented with map information for autonomous machine applications |
CN112069856A (zh) * | 2019-06-10 | 2020-12-11 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11271074A (ja) * | 1998-03-20 | 1999-10-05 | Fujitsu Ltd | 目印画像照合装置及び目印画像照合方法及びプログラム記憶媒体 |
CN105701449B (zh) * | 2015-12-31 | 2019-04-23 | 百度在线网络技术(北京)有限公司 | 路面上的车道线的检测方法和装置 |
CN108305475B (zh) * | 2017-03-06 | 2020-10-09 | 腾讯科技(深圳)有限公司 | 一种交通灯识别方法及装置 |
CN110136199B (zh) * | 2018-11-13 | 2022-09-13 | 北京魔门塔科技有限公司 | 一种基于摄像头的车辆定位、建图的方法和装置 |
CN109949439B (zh) * | 2019-04-01 | 2020-10-30 | 星觅(上海)科技有限公司 | 行车实景信息标注方法、装置、电子设备和介质 |
CN110135323A (zh) * | 2019-05-09 | 2019-08-16 | 北京四维图新科技股份有限公司 | 图像标注方法、装置、系统及存储介质 |
-
2019
- 2019-10-16 CN CN201910983438.9A patent/CN112667837A/zh active Pending
-
2020
- 2020-10-21 KR KR1020217017022A patent/KR20220053513A/ko unknown
- 2020-10-21 WO PCT/CN2020/122514 patent/WO2021073656A1/zh active Application Filing
- 2020-10-21 JP JP2021539968A patent/JP2022517961A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014126892A (ja) * | 2012-12-25 | 2014-07-07 | Fujitsu Ltd | 画像処理方法、画像処理装置および画像処理プログラム |
US20180283892A1 (en) * | 2017-04-03 | 2018-10-04 | Robert Bosch Gmbh | Automated image labeling for vehicles based on maps |
JP2019028532A (ja) * | 2017-07-26 | 2019-02-21 | 富士通株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
US20200202147A1 (en) * | 2018-12-21 | 2020-06-25 | Continental Automotive Systems Inc. | Systems and methods for automatic labeling of images for supervised machine learning |
US20200324795A1 (en) * | 2019-04-12 | 2020-10-15 | Nvidia Corporation | Neural network training using ground truth data augmented with map information for autonomous machine applications |
CN112069856A (zh) * | 2019-06-10 | 2020-12-11 | 商汤集团有限公司 | 地图生成方法、驾驶控制方法、装置、电子设备及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112667837A (zh) | 2021-04-16 |
KR20220053513A (ko) | 2022-04-29 |
WO2021073656A1 (zh) | 2021-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022517961A (ja) | 画像データを自動的にアノテーションする方法及び装置 | |
Kumar et al. | LiDAR and camera fusion approach for object distance estimation in self-driving vehicles | |
Xu et al. | A review of multi-sensor fusion slam systems based on 3D LIDAR | |
Hecker et al. | End-to-end learning of driving models with surround-view cameras and route planners | |
CN112212874B (zh) | 车辆轨迹预测方法、装置、电子设备及计算机可读介质 | |
WO2020172875A1 (zh) | 道路结构信息的提取方法、无人机及自动驾驶系统 | |
WO2020224305A1 (zh) | 用于设备定位的方法、装置及设备 | |
CN112861653A (zh) | 融合图像和点云信息的检测方法、系统、设备及存储介质 | |
CN111121754A (zh) | 移动机器人定位导航方法、装置、移动机器人及存储介质 | |
Xiao et al. | Monocular localization with vector HD map (MLVHM): A low-cost method for commercial IVs | |
JP7440005B2 (ja) | 高精細地図の作成方法、装置、デバイス及びコンピュータプログラム | |
Laconte et al. | A survey of localization methods for autonomous vehicles in highway scenarios | |
CN112232275B (zh) | 基于双目识别的障碍物检测方法、系统、设备及存储介质 | |
WO2020258297A1 (zh) | 图像语义分割方法、可移动平台及存储介质 | |
Chen et al. | PSF-LO: Parameterized semantic features based LiDAR odometry | |
Grimmett et al. | Integrating metric and semantic maps for vision-only automated parking | |
CN113358125A (zh) | 一种基于环境目标检测和环境目标地图的导航方法及系统 | |
CN113591518A (zh) | 一种图像的处理方法、网络的训练方法以及相关设备 | |
Du et al. | LiDAR odometry and mapping based on semantic information for outdoor environment | |
CN116997771A (zh) | 车辆及其定位方法、装置、设备、计算机可读存储介质 | |
Yin et al. | CoMask: Corresponding mask-based end-to-end extrinsic calibration of the camera and LiDAR | |
Saleem et al. | Neural network-based recent research developments in SLAM for autonomous ground vehicles: A review | |
Zheng et al. | A robust strategy for roadside cooperative perception based on multi-sensor fusion | |
CN114111817B (zh) | 基于slam地图与高精度地图匹配的车辆定位方法及系统 | |
CN115790568A (zh) | 基于语义信息的地图生成方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210707 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210707 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220608 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220707 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230210 |