JP6568587B2 - 道路の３次元モデルのモデリング方法、装置及び記憶媒体 - Google Patents

道路の３次元モデルのモデリング方法、装置及び記憶媒体 Download PDF

Info

Publication number
JP6568587B2
JP6568587B2 JP2017531256A JP2017531256A JP6568587B2 JP 6568587 B2 JP6568587 B2 JP 6568587B2 JP 2017531256 A JP2017531256 A JP 2017531256A JP 2017531256 A JP2017531256 A JP 2017531256A JP 6568587 B2 JP6568587 B2 JP 6568587B2
Authority
JP
Japan
Prior art keywords
dimensional
road
data
model
traffic
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
Application number
JP2017531256A
Other languages
English (en)
Other versions
JP2018509668A (ja
Inventor
シャンフェイ ジア
シャンフェイ ジア
ヤン　ヤン
ヤン ヤン
ルイスオ ワン
ルイスオ ワン
Original Assignee
バイドゥ オンライン ネットワーク テクノロジー （ベイジン） カンパニー リミテッド
バイドゥ オンライン ネットワーク テクノロジー （ベイジン） カンパニー リミテッド
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by バイドゥ オンライン ネットワーク テクノロジー （ベイジン） カンパニー リミテッド, バイドゥ オンライン ネットワーク テクノロジー （ベイジン） カンパニー リミテッド filed Critical バイドゥ オンライン ネットワーク テクノロジー （ベイジン） カンパニー リミテッド
Publication of JP2018509668A publication Critical patent/JP2018509668A/ja
Application granted granted Critical
Publication of JP6568587B2 publication Critical patent/JP6568587B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01C21/26—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
    • G01C21/3626—Details of the output of route guidance instructions
    • G01C21/3635—Guidance using 3D or perspective road maps
    • G01C21/3638—Guidance using 3D or perspective road maps including 3D objects and buildings
    • 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
    • G01C21/38—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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • 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
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • 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
    • 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
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
    • 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
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • 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
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • 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
    • G01C21/3626—Details of the output of route guidance instructions
    • G01C21/3635—Guidance using 3D or perspective road maps
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking
    • 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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats

Description

（優先権主張）
本出願は、２０１５年８月３日に提出された、出願番号が２０１５１０４８１９２５．７であり、出願人がバイドゥオンラインネットワークテクノロジー（北京）有限会社であり、発明名称が「道路の３次元モデルのモデリング方法及び装置」である中国特許出願の優先権を主張し、当該特許出願の全文を引用により本願に組み込む。
本発明の実施例は、位置情報サービスによる技術分野に関して、特に、道路の３次元モデルのモデリング方法、装置及び記憶媒体に関する。
電子地図は、地理情報を記録する一つの図形言語形態として、人の外出に便宜を大いに図っている。しかし、伝統的な地図製品は、２次元の地図製品である。実際の応用において、これらの２次元の地図製品が一定の制限を有する。例えば、実際の道路に、陸橋（flyover）、深溝区間、トンネルなどの複雑な道路区間がある。これらの複雑な道路区間は、空間上にいくつかの交差があり、このような交差が２次元地図で表現しにくい。なお、２次元地図の表現方式が直感的ではなく、理解するには困難である。
コンピュータグラフィックス、３次元シミュレーション技術、バーチャルリアリティ技術及びネットワーク通信技術が急速に発展することに伴い、伝統的な２次元電子地図に新しい活力が与えられ、インターネットに応用される３次元電子地図は、電子地図が発展する一つの重要な方向になっている。３次元電子地図は、直感的な地理のジオラマによって、地図検索とナビゲーションなどの地図機能をユーザーに提供する。また、３次元地図において、より豊かなインタラクションとよりクールなレンダリング技術を実現することができ、より多くの関連製品にさらに豊かな想像空間を提供した。
従来の３次元電子地図に、道路の３次元モデル構築方法は、手動モデリング方式と自動モデリング方式である２種類に分けられる。手動モデリング方式とは、衛星写真または航空写真を参照して、３次元グラフィックスソフトによって、道路の３次元モデルを手動で描くことである。明らかに、このようなモデリング方式のモデリング効率は高くない。自動モデリング方式とは、カメラまたはレーダなどの専門的な採集デバイスを利用して、モデリングに必要な領域に空中（airborne）のスキャンまたは陸上（in-vehicle）のスキャンを行って、スキャンデータによってモデリングを自動的に行う。このようなモデリング方式の作業効率は大幅に向上されたが、カメラ、レーダ自身の値段が高い。また、このようなスキャンを一回実行するには、コストも非常に高い。よって、自動モデリング方式のコストは、ほとんどの電子地図の開発者がなかなか携わらない原因になってしまう。
本発明の実施例は、上記の技術問題に対して、道路の３次元モデルのモデリング方法、装置及び記憶媒体を提供して、道路の３次元モデルを経済的かつ効率的に構築する。
第１の態様によれば、本発明の実施例は道路の３次元モデルのモデリング方法を提供し、この方法は、２次元道路網データを解析して道路の初期モデルを構築するステップと、パノラマ画像データを解析して交通要素の３次元属性データを取得するステップと、前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得するステップと、を含む。
第２の態様によれば、本発明の実施例は道路の３次元モデルのモデリング装置を提供し、この装置は、２次元道路網データを解析して道路の初期モデルを構築する道路網解析モジュールと、パノラマ画像データを解析して交通要素の３次元属性データを取得するパノラマ画像解析モジュールと、前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得するデータ融合モジュールと、を含む。
第３の態様によれば、本発明の実施例は、記憶媒体を提供し、この記憶媒体は、一つまたは複数のコンピュータ実行可能な命令が記憶され、前記コンピュータ実行可能な命令が、コンピュータプロセッサで実行される時に、道路の３次元モデルのモデリング方法を実行し、前記方法は、２次元道路網データを解析して道路の初期モデルを構築するステップと、パノラマ画像データを解析して交通要素の３次元属性データを取得するステップと、前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得するステップと、を含む。
本発明の実施例に係る道路の３次元モデルのモデリング方法、装置及び記憶媒体は、２次元道路網データを解析して道路の初期モデルを構築し、パノラマ画像データを解析して交通要素の３次元属性データを取得し、前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得することで、得やすいデータ源に基づいて、道路の３次元モデルを経済的かつ効率的に取得することができる。
本発明の実施例における技術案をより明確的に説明するために、以下、実施例の記述に使用される添付図面について簡単に紹介し、無論、下記の説明される添付図面は、ただ本発明のいくつかの実施例であり、当業者にとって、創造的労働なしに、これらの添付図面を修正したり、置き換えたりしてもよい。
本発明の第１実施例に係る道路の３次元モデルのモデリング方法のフロー図である。 本発明の第１実施例に係る衛星写真と道路網データとの重ね合わせ図である。 本発明の第１実施例に係る初期モデルの概略図である。 本発明の第２実施例に係る道路の３次元モデルのモデリング方法におけるパノラマ画像解析のフロー図である。 本発明の第２実施例に係るパノラマ画像である。 本発明の第２実施例に係るパノラマ画像解析によって得られる交通要素の概略図である。 本発明の第３実施例に係る道路の３次元モデルのモデリング方法におけるデータ融合のフロー図である。 本発明の第３実施例に係る初期モデルの概略図である。 本発明の第３実施例に係る３次元モデルの概略図である。 本発明の第４実施例に係る道路の３次元モデルのモデリング方法のフロー図である。 本発明の第５実施例に係る道路の３次元モデルのモデリング方法のフロー概略図である。 本発明の第６実施例に係る道路の３次元モデルのモデリング装置の構成図である。
以下、図面と実施例を参照しながら、本発明における技術案を明らかで完全に説明する。明らかに、説明される実施例は、ただ本発明の一部の実施例であり、全部の実施例ではなく、ただ本発明の原理を解釈するためのものであり、本発明をこれらの一部の実施例に限定するためのものではない。本発明で開示されている実施例に基づいて、当業者にとっては、創造的労働なしに得られる全ての他の実施例が、本発明で保護される範囲に属する。
第１実施例
本実施例は、道路の３次元モデルのモデリング方法の一つの技術案を提供された。前記道路の３次元モデルのモデリング方法は、道路の３次元モデルのモデリング装置で実行され、また、前記道路の３次元モデルのモデリング装置が、パーソナルコンピュータ、ワークステーションまたはサーバなどの計算デバイスに集積される。
図１を参照し、前記道路の３次元モデルのモデリング方法は、以下のステップを含む。
Ｓ１１：２次元道路網データを解析して道路の初期モデルを構築する。
前記２次元道路網データとは、道路網の分布が見られる２次元画像データである。具体的に、前記２次元道路網データは、道路網の航空写真または衛星写真であってもよい。好ましくは、前記２次元道路網データは、航空写真と電子地図とにおける道路網データを重ね合わせて形成される図であってもよい。
図２は、道路網の分布の衛星写真と道路網データを重ね合わせて形成される２次元道路網データの一つの例を示した。図２を参照して、重ね合わせた写真から各道路の方向、境界が明確に見られるとともに、道路の両側の様々な建物も見られる。
図２におけるいくつかの実線２１は、前記写真に重ね合わせた電子地図における道路網データである。前記道路網データは、異なる車両の走行軌跡によって得られることができる。
上記様々な形態の２次元道路網データに対する解析によって、道路の初期モデルが得られる。具体的に、上記２次元道路網データに対する解析によって、前記道路の道路境界線、中央分離帯境界線、道路中心線及び車線のそれぞれの地理的位置を取得することができる。
図３は、図２における２次元道路網データを解析して得られた道路の初期モデルを示した。図３を参照し、当該初期モデルに、前記道路の道路境界線、中央分離帯境界線、道路中心線、車線のいずれも既に明確な位置を有する。
Ｓ１２：パノラマ画像データを解析して交通要素の３次元属性データを取得する。
前記パノラマ画像データは、車両が前記道路で走行する時に取得したパノラマ画像データであってもよい。理解されるのは、前記パノラマ画像データにいくつかの走行時の交通要素が含まれる。例えば，道路上の車線、交通標識板、路面標示及び交通信号機が挙げられる。前記パノラマ画像データに対する解析によって、前記パノラマ画像データから上記交通要素の３次元属性データを取得することができる。前記３次元属性データは、主に３次元位置座標を含む。
好ましくは、深層学習技術と視覚位置決め技術によって、前記交通要素の３次元属性データを取得してもよい。
Ｓ１３：前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得する。
通常に、前記初期モデルにおける位置データが記述された道路の基本位置であるが、前記交通要素の３次元属性データがより精確な位置データである。そのため、前記初期モデルと前記３次元属性データとを融合することが、より多くの場合に、前記交通要素の３次元属性データによって前記初期モデルにおける不正確な位置データを修正するということである。もちろん、このような融合は、交通要素の３次元属性データを導入することも含む。
本実施例は、２次元道路網データを解析して道路の初期モデルを構築し、パノラマ画像データを解析して交通要素の３次元属性データを取得し、前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得することで、得やすいデータ源に基づいて、道路の３次元モデルを経済的かつ効率的に取得することができる。
第２実施例
本実施例は、本発明の上記実施例を基礎として、さらに道路の３次元モデルのモデリング方法におけるパノラマ画像解析の一つの技術案を提供した。当該技術案では、パノラマ画像データを解析して交通要素の３次元属性データを取得するステップにおいては、深層学習に基づく画像認識技術を利用して前記パノラマ画像データにおける、車線、交通標識板、路面標示及び交通信号機を含む交通要素を取得するステップと、視覚画像位置の決め技術を利用して前記交通要素の３次元空間での位置情報を取得するステップと、を含む。
Ｓ４１：深層学習に基づく画像認識技術を利用して前記パノラマ画像データにおける交通要素を取得する。
好ましくは、予め採集された交通標識板のサンプル画像によって一つのディープニューラルネットワークをトレーニングし、それから、前記トレーニングされたディープニューラルネットワークに基づいて前記パノラマ画像データから例えば交通標識板のような異なる交通要素を認識してもよい。具体的に、前記ディープニューラルネットワークへサンプル画像を入力した後に、前記ディープニューラルネットワークが前記サンプル画像中の異なる交通要素の位置領域及び前記位置領域に含まれる交通要素の種類を認識することができる。例えば、入力される画像に車線という交通要素を含む場合に、前記画像を前記ディープニューラルネットワークに入力した後に、前記ディープニューラルネットワークは、車線が当該パノラマ画像での位置領域、及び前記位置領域に対応する交通要素の種類が車線であることを認識することができる。
Ｓ４２：視覚画像位置の決め技術を利用して前記交通要素の３次元空間での位置情報を取得する。
深層学習技術によって前記パノラマ画像データにおける交通要素を取得した後に、視覚画像位置の決め技術を利用して、得られた交通要素の３次元空間における位置を特定する。好ましくは、まず、前記交通要素の前記パノラマ画像での１セットの境界点を取得し、続いて、視覚画像位置の決め技術によって前記境界点の３次元空間での位置情報を特定し、最後に、前記境界点の３次元空間での位置情報によって前記交通要素の３次元空間での位置を特定してもよい。
図５と図６は、交通要素を認識する前のパノラマ画像、及び交通要素を認識した後の、認識して得られた交通要素を含む３次元画像をそれぞれ示した。図５と図６を参照して、交通要素に対する認識によって、前記パノラマ画像に含まれる交通標識板５１、及び前記交通標識板５１の位置を正確に認識することができる。当該交通標識板５１とその位置を認識して取得した後に、３次元画像に前記交通標識板６１を正確に表示することができる。
本実施例は、深層学習に基づく画像認識技術を利用して前記パノラマ画像データにおける交通要素を取得するステップと、視覚画像位置の決め技術を利用して前記交通要素の３次元空間での位置情報を取得するステップとによって、パノラマ画像における交通要素及びその位置に対する正確な認識を実現した。
第３実施例
本実施例は、本発明の上記実施例を基礎として、さらに道路の３次元モデルのモデリング方法におけるデータ融合の一つの技術案を提供した。当該技術案では、前記初期モデルと前記３次元属性データとを融合して、道路の３次元モデルを取得するステップにおいては、前記３次元属性データを利用して前記初期モデルにおける位置データを３次元化するステップと、前記３次元属性データいおける位置データを利用して前記初期モデルにおける位置データを補正するステップと、融合後の３次元データに基づいて、３次元モデルを再構築して道路の３次元モデルデータを取得するステップと、を含む。
図７を参照して、前記初期モデルと前記３次元属性データとを融合して、道路の３次元モデルを取得するステップにおいては、以下のステップを含む。
Ｓ７１：前記３次元属性データを利用して前記初期モデルにおける位置データを３次元化する。
理解されるのは、前記初期モデルにおける位置データを３次元化することは、前記初期モデルにおける各位置点に高さデータを追加することに相当する。前記高さデータに対する追加は、前記３次元属性データを参照してもよい。例えば、交通要素を認識する操作において、視覚画像位置の決め技術によって、ある交通標識板の下縁から道路の路面までの高さが１０メートルであることを特定すれば、３次元化されたデータにおいて、前記交通標識板の下縁が道路の路面までの距離が１０メートルであることを特定することができる。
Ｓ７２：前記３次元属性データにおける位置データを利用して、前記初期モデルにおける位置データを補正する。
上記のように、前記初期モデルにおける位置データに大きな誤差がある可能性があるが、これに対して、パノラマ画像から認識して得られた位置データがより高いデータ精度を有する。よって、３次元化された初期モデルに含まれる位置データも高いデータ精度を有するように、前記３次元属性データにおける位置データを利用して前記初期モデルいおける位置データを補正することができる。
Ｓ７３：融合後の３次元データに基づいて、３次元モデルを再構築して、道路の３次元モデルデータを取得する。
具体的に、前記３次元モデル再構築が、具体的に前記３次元モデルに対する輪郭再構築と再構築された３次元モデルに対するテクスチャー貼り付け操作を含む。再構築された３次元モデルに対するテクスチャーする輪郭再構築と再構築された３次元モデルに対するテクスチャーを完成した後に、非常に生き生きした道路の３次元モデルデータが形成された。
図８は、３次元モデリング前の道路の初期モデルを示した。図９は、３次元モデリング後の道路の３次元モデルを示した。明らかに、道路の３次元モデルがより直感的に見え、ユーザがさらに使用したくなる。
もちろん、道路の３次元モデルがさらに迫真になるように、再構築された３次元モデルに様々なレンダリング技術を使用することができる。
本実施例は、前記３次元属性データを利用して前記初期モデルにおける位置データを３次元化し、前記３次元属性データにおける位置データを利用して前記初期モデルにおける位置データを補正し、融合後の３次元データに基づいて３次元モデルを再構築して道路の３次元モデルデータを取得することで、データ融合によって道路の３次元モデルを構築することを実現して、モデリングの効率を向上し、モデリングのコストを減少した。
第４実施例
本実施例は、本発明の上記実施例を基礎として、さらに道路の３次元モデルのモデリング方法の一つの技術案を提供した。当該技術案では、前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得した後に、前記３次元モデルデータを予め設定されたモデルデータフォーマットに変換する。
図１０を参照して、前記道路の３次元モデルのモデリング方法は、以下のステップを含む。
Ｓ１０１：２次元道路網データを解析して道路の初期モデルを構築する。
Ｓ１０２：パノラマ画像データを解析して交通要素の３次元属性データを取得する。
Ｓ１０３：前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得する。
Ｓ１０４：前記３次元モデルデータを予め設定されたモデルデータフォーマットに変換する。
異なるナビゲーションプラットフォームで３次元モデルデータによって違うモデルデータフォーマットを使用する。道路の３次元モデルを構築した後に、構築された３次元モデルデータを予め設定されたモデルデータフォーマットに変換することによって、異なるナビゲーションプラットフォームのアプリケーションのニーズに適応する。例えば、構築された３次元モデルデータをｃｏｌｌａｄａデータフォーマットに変換してもよい。
本実施例は、前記初期モデルと前記３次元属性データとを融合した後に、前記３次元モデルデータを予め設定されたモデルデータフォーマットに変換することによって、前記３次元モデルデータが異なるナビゲーションアプリケーションプラットフォームに応用されるようにさせ、前記３次元モデルデータの異なるナビゲーションプラットフォームでの使用を容易にさせる。
第５実施例
本実施例は、道路の３次元モデルのモデリング方法の一つの技術案を提供した。図１１を参照して、当該技術案において、前記道路の３次元モデルのモデリング方法は、以下のステップを含む。
Ｓ１１１：道路網基礎データに対する解析によって、道路の初期モデルを取得する。
具体的に、前記初期モデルに、道路網のトポロジー、道路の幾何形状及び道路の具体的な属性が含まれる。例えば、市道、または県道、国道などである。
Ｓ１１２：パノラマ画像データに対する解析によって、交通要素の位置データを取得する。
前記交通要素は道路自身を含むが、車線、交通標識板、交通信号機などの、交通に対して重要な役割を持っている要素も含む。
Ｓ１１３：前記初期モデルと前記交通要素の位置データとの融合によって、道路の３次元モデル基礎データを作成する。
前記融合は、初期モデルに対する３次元化と、交通要素の位置データによって前記初期モデルの位置データに対する補正と、を含む。
Ｓ１１４：前記３次元モデル基礎データに基づくモデル再構築によって、道路の３次元モデルを取得する。
前記モデル再構築とは、前記３次元モデル基礎データによって、道路の３次元モデルを再構築することである。具体的に、これが、道路と道路両側の建物の輪郭に対する再構築、及び再構築された道路、建物の輪郭に対するテクスチャーペーストの操作を含んであってもよい。
Ｓ１１５：前記３次元モデルに対するデータフォーマット変換によって、前記３次元モデルに具体的なナビゲーションアプリケーションを適応させる。
具体的に、前記３次元モデルデータをｃｏｌｌａｄａデータフォーマットに変換してもよい。
本実施例は、道路網基礎データを解析して道路の初期モデルを取得し、パノラマ画像を解析して交通要素の位置データを取得し、前記初期モデルと前記交通要素の位置データとを融合して道路の３次元モデル基礎データを復旧し、前記３次元モデル基礎データによってモデルを再構築して道路の３次元モデルを取得し、前記３次元モデルに対するデータフォーマット変換によって３次元モデルに具体的なナビゲーションアプリケーションを適応させることで、得やすいデータ源に基づいて、経済的かつ効率的な道路の３次元モデルモデリングを完成した。
第６実施例
本実施例は、道路の３次元モデルのモデリング装置の一つの技術案を提供した。図１２を参照して、当該技術案では、前記道路の３次元モデルのモデリング装置は、道路網解析モジュール１２１、パノラマ画像解析モジュール１２２及びデータ融合モジュール１２３を含む。
前記道路網解析モジュール１２１は、２次元道路網データを解析して道路の初期モデルを構築するために用いられる。
前記パノラマ画像解析モジュール１２２は、パノラマ画像データを解析して交通要素の３次元属性データを取得するために用いられる。
前記データ融合モジュール１２３は、前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得するために用いられる。
さらに、前記道路網解析モジュール１２１は、具体的に、前記２次元道路網データに対する解析によって、前記道路の道路境界線、中央分離帯境界線、道路中心線及び車線を取得するために用いられる。
さらに、前記パノラマ画像解析モジュール１２２は、要素獲得ユニットと位置獲得ユニットを含む。
前記要素獲得ユニットは、深層学習に基づく画像認識技術を利用して前記パノラマ画像データにおける、車線、交通標識板、路面標示及び交通信号機を含む交通要素を取得するために用いられる。
前記位置獲得ユニットは、視覚画像位置の決め技術を利用して前記交通要素の３次元空間での位置情報を取得するために用いられる。
さらに、前記要素獲得ユニットは、具体的に、ディープニューラルネットワークを利用して前記パノラマ画像データにおける交通要素を認識するために用いられる。
さらに、前記データ融合モジュール１２３は、３次元化ユニット、位置補正ユニット及び再構築ユニットを含む。
前記３次元化ユニットは、前記３次元属性データを利用して前記初期モデルにおける位置データを３次元化するために用いられる。
前記位置補正ユニットは、前記３次元属性データにおける位置データを利用して前記初期モデルにおける位置データを補正するために用いられる。
前記再構築ユニットは、融合後の３次元データに基づいて３次元モデルを再構築して道路の３次元モデルデータを取得するために用いられる。
さらに、前記道路の３次元モデルのモデリング装置は形式変換モジュール１２４を含む。
前記形式変換モジュール１２４は、前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得した後に、前記３次元モデルデータを予め設定されたモデルデータフォーマットに変換するために用いられる。
上記道路の３次元モデルのモデリング装置は、本発明の任意実施例で提供される道路の３次元モデルのモデリング方法を実行することができ、実行方法に対応する機能モジュールと有益効果を有する。
当業者は、上記の本発明の各モジュールまたは各ステップが汎用の計算装置で実現されてもよく、これらが一つの計算装置に集中されてもよいが、複数の計算装置からなるネットワークに分布されてもよく、選択的に、これらがコンピュータ装置が実行可能なプログラムで実現されてもよく、これにより、これらを記憶装置に記憶して計算装置で実行してもよく、または、これらをそれぞれの集積回路モジュールに製作してもよく、または、これらのうちの複数のモジュールあるいはステップを一つの集積回路モジュールに製作して実現してもよい。よって、本発明は、いかなる特定のハードウェアとソフトウェアとの組み合わせに制限されない。
第７実施例
記憶媒体は、一つまたは複数のコンピュータ実行可能な命令が記憶され、前記コンピュータ実行可能な命令が、コンピュータプロセッサで実行される時に、道路の３次元モデルのモデリング方法を実行し、前記方法は、２次元道路網データを解析して道路の初期モデルを構築するステップと、パノラマ画像データを解析して交通要素の３次元属性データを取得するステップと、前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得するステップと、を含む。
上記記憶媒体が前記方法を実行する時に、２次元道路網データを解析して道路の初期モデルを構築するステップにおいては、前記２次元道路網データに対する解析によって前記道路の道路境界線、中央分離帯境界線、道路中心線及び車線を取得するステップを含む。
上記記憶媒体が前記方法を実行する時に、パノラマ画像データを解析して交通要素の３次元属性データを取得するステップにおいて、深層学習に基づく画像認識技術を利用して前記パノラマ画像データにおける、車線、交通標識板、路面標示及び交通信号機を含む交通要素を取得するステップと、視覚画像位置の決め技術を利用して前記交通要素の３次元空間での位置情報を取得するステップと、を含む。
上記記憶媒体が前記方法を実行する時に、前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得するステップにおいては、前記３次元属性データを利用して前記初期モデルにおける位置データを３次元化するステップと、前記３次元属性データにおける位置データを利用して前記初期モデルにおける位置データを補正するステップと、融合後の３次元データに基づいて３次元モデルを再構築して、道路の３次元モデルデータを取得するステップと、を含む。
上記記憶媒体が前記方法を実行する時に、前記方法は、さらに、前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得した後に、前記３次元モデルデータを予め設定されたモデルデータフォーマットに変換するステップを含む。
上記実施形態の説明によれば、当業者は、本発明がソフトウェア、および必要な汎用ハードウェアにより実現されてもよく、勿論ハードウェアにより実現されてもよいが、多くの場合、前者が好ましい実施形態であると理解すべきである。このような理解に基づき、本発明の技術案は、実質的な部分、または従来技術を改良する部分をソフトウェア製品の形態で実現してもよい。当該コンピュータソフトウェア製品は、コンピュータ可読記憶媒体、例えばコンピュータのフロッピーディスク、光ディスク、読み出し専用メモリ（Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒ、ＲＯＭ）、ランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ、ＲＡＭ）などに記憶されてもよく、且つコンピュータ機器（パソコン、サーバ、またはネットワーク機器などであってもよく）に本発明の各実施例に係る方法を実行させる複数の命令を含む。
注意すべきは、上記道路の３次元モデルのモデリング装置の実施例中に含まれる各モジュールとサブモジュールが、機能ロジックのみに応じて区画されるが、上記区画に限定されない。対応する機能を実現することができればよい。また、各機能ユニットの具体的な名称は、単に区別を容易にするためのものであり、本発明の保護範囲を限定するものではない。
本発明における各実施例のいずれも漸進的な方式によって説明されており、各実施例において主に記述された内容が他の実施例との差異であり、各実施例の間の同じまたは類似する部分が互いに参照すればよい。
上記は、本発明の好ましい実施例だけであり、本発明を制限するものではない。当業者にとって、本発明に様々な修正と変更する可能性がある。本発明の要旨と原理におけるいかなる修正、均等物による置換、改良などは、本発明の請求範囲に含まれるはずである。

Claims (5)

  1. 地面上の道路網の分布が見られる２次元道路網データを解析して道路の初期モデルを構築し、前記２次元道路網データに対する解析によって、前記道路の道路境界線、中央分離帯境界線、道路中心線及び車線を取得するステップと、
    パノラマ画像データを解析して、車線、交通標識板、路面標示及び交通信号機を含む交通要素の３次元属性データを取得するステップと、
    前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得するステップと、を含み、
    パノラマ画像データを解析して、前記交通要素の３次元属性データを取得する前記ステップは、
    深層学習に基づく画像認識技術を利用して前記パノラマ画像データにおける前記交通要素を取得するステップと、視覚画像の位置決め技術を利用して前記交通要素の３次元空間での位置情報を取得するステップと、を更に含み、
    前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得する前記ステップは、
    前記３次元属性データを利用して前記初期モデルにおける位置データを３次元化するステップと、前記３次元属性データにおける位置データを利用して前記初期モデルにおける位置データを補正するステップと、融合後の３次元データに基づいて、３次元モデルを再構築して道路の３次元モデルデータを取得するステップと、を更に含む
    ことを特徴とする道路の３次元モデルのモデリング方法。
  2. 前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得した後に、前記３次元モデルデータを予め設定されたモデルデータフォーマットに変換するステップをさらに含む
    ことを特徴とする請求項１に記載の方法。
  3. 地面上の道路網の分布が見られる２次元道路網データを解析して道路の初期モデルを構築し、前記２次元道路網データに対する解析によって、前記道路の道路境界線、中央分離帯境界線、道路中心線及び車線を取得する道路網解析モジュールと、
    パノラマ画像データを解析して、車線、交通標識板、路面標示及び交通信号機を含む交通要素の３次元属性データを取得するパノラマ画像解析モジュールと、
    前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得するデータ融合モジュールと、を含み、
    前記パノラマ画像解析モジュールは、深層学習に基づく画像認識技術を利用して前記パノラマ画像データにおける前記交通要素を取得する要素獲得ユニットと、視覚画像の位置決め技術を利用して前記交通要素の３次元空間での位置情報を取得する位置獲得ユニットと、を更に含み、
    前記データ融合モジュールは、前記３次元属性データを利用して前記初期モデルにおける位置データを３次元化する３次元化ユニットと、前記３次元属性データにおける位置データを利用して前記初期モデルにおける位置データを補正する位置補正ユニットと、融合後の３次元データに基づいて３次元モデルを再構築して道路の３次元モデルデータを取得する再構築ユニットと、を更に含む
    ことを特徴とする道路の３次元モデルのモデリング装置。
  4. 前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得した後に、前記３次元モデルデータを予め設定されたモデルデータフォーマットに変換する形式変換モジュールをさらに含む
    ことを特徴とする請求項３に記載の装置。
  5. 一つまたは複数のコンピュータ実行可能な命令が記憶され、前記コンピュータ実行可能な命令が、コンピュータプロセッサで実行される時に、道路の３次元モデルのモデリング方法を実行し、前記方法は、
    地面上の道路網の分布が見られる２次元道路網データを解析して道路の初期モデルを構築し、前記２次元道路網データに対する解析によって、前記道路の道路境界線、中央分離帯境界線、道路中心線及び車線を取得するステップと、
    パノラマ画像データを解析して、車線、交通標識板、路面標示及び交通信号機を含む交通要素の３次元属性データを取得するステップと、
    前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得するステップと、を含み、
    パノラマ画像データを解析して、前記交通要素の３次元属性データを取得する前記ステップは、
    深層学習に基づく画像認識技術を利用して前記パノラマ画像データにおける前記交通要素を取得するステップと、視覚画像の位置決め技術を利用して前記交通要素の３次元空間での位置情報を取得するステップと、を更に含み、
    前記初期モデルと前記３次元属性データとを融合して道路の３次元モデルを取得する前記ステップは、
    前記３次元属性データを利用して前記初期モデルにおける位置データを３次元化するステップと、前記３次元属性データにおける位置データを利用して前記初期モデルにおける位置データを補正するステップと、融合後の３次元データに基づいて、３次元モデルを再構築して道路の３次元モデルデータを取得するステップと、を更に含む
    ことを特徴とする記憶媒体。
JP2017531256A 2015-08-03 2015-12-07 道路の３次元モデルのモデリング方法、装置及び記憶媒体 Active JP6568587B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201510481925.7 2015-08-03
CN201510481925.7A CN105069842A (zh) 2015-08-03 2015-08-03 道路三维模型的建模方法和装置
PCT/CN2015/096522 WO2017020465A1 (zh) 2015-08-03 2015-12-07 道路三维模型的建模方法、装置和存储介质

Publications (2)

Publication Number Publication Date
JP2018509668A JP2018509668A (ja) 2018-04-05
JP6568587B2 true JP6568587B2 (ja) 2019-08-28

Family

ID=54499198

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017531256A Active JP6568587B2 (ja) 2015-08-03 2015-12-07 道路の３次元モデルのモデリング方法、装置及び記憶媒体

Country Status (6)

Country Link
US (1) US10643378B2 (ja)
EP (1) EP3319048A4 (ja)
JP (1) JP6568587B2 (ja)
KR (1) KR101932623B1 (ja)
CN (1) CN105069842A (ja)
WO (1) WO2017020465A1 (ja)

Families Citing this family (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10991049B1 (en) * 2014-09-23 2021-04-27 United Services Automobile Association (Usaa) Systems and methods for acquiring insurance related informatics
CN105069842A (zh) * 2015-08-03 2015-11-18 百度在线网络技术（北京）有限公司 道路三维模型的建模方法和装置
US10339690B2 (en) * 2015-12-18 2019-07-02 Ricoh Co., Ltd. Image recognition scoring visualization
CN105844013A (zh) * 2016-03-23 2016-08-10 苏州数字地图信息科技股份有限公司 一种道路标线生成方法及系统
CN105894575B (zh) * 2016-03-31 2019-05-21 百度在线网络技术（北京）有限公司 道路的三维建模方法和装置
CN105956268B (zh) * 2016-04-29 2018-01-02 百度在线网络技术（北京）有限公司 应用于无人驾驶汽车的测试场景构建方法和装置
US10276043B2 (en) * 2016-12-22 2019-04-30 GM Global Technology Operations LLC Vehicle system using vehicle-to-infrastructure and sensor information
CN106971040B (zh) * 2017-03-29 2020-12-04 上海晶众信息科技有限公司 一种基于平纵横设计的三维道路快速建模方法
KR102070527B1 (ko) * 2017-06-22 2020-01-28 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 자율 주행 차량 교통 예측에서 예측되는 궤적에 대한 평가 프레임 워크
CN107358642A (zh) * 2017-07-17 2017-11-17 深圳天珑无线科技有限公司 一种建立三维图像的方法、装置及计算机可读存储介质
CN107610227A (zh) * 2017-08-24 2018-01-19 深圳市易景空间智能科技有限公司 室内三维地图的制作方法
US20190072978A1 (en) * 2017-09-01 2019-03-07 GM Global Technology Operations LLC Methods and systems for generating realtime map information
CN108225334B (zh) * 2018-01-17 2020-10-16 泰瑞天际科技(北京)有限公司 一种基于三维实景数据的定位方法及装置
KR102147969B1 (ko) * 2018-01-22 2020-08-25 네이버 주식회사 파노라마 뷰에 대한 ３차원 모델을 생성하는 방법 및 시스템
CN115393536A (zh) 2018-04-18 2022-11-25 移动眼视力科技有限公司 利用相机进行车辆环境建模
CN108765487B (zh) * 2018-06-04 2022-07-22 百度在线网络技术（北京）有限公司 重建三维场景的方法、装置、设备和计算机可读存储介质
CN110647600B (zh) * 2018-06-26 2023-10-20 百度在线网络技术（北京）有限公司 三维地图的构建方法、装置、服务器及存储介质
US11373067B2 (en) * 2018-08-10 2022-06-28 Nec Corporation Parametric top-view representation of scenes
WO2020080574A1 (ko) * 2018-10-18 2020-04-23 주식회사 씨밀레테크 진동 네비게이션 시스템
CN111238504B (zh) * 2018-11-29 2023-04-07 沈阳美行科技股份有限公司 道路地图的道路线段建模数据生成方法、装置及相关系统
US11030457B2 (en) 2018-12-17 2021-06-08 Here Global B.V. Lane feature detection in aerial images based on road geometry
CN109712231B (zh) * 2018-12-24 2022-12-06 成都四方伟业软件股份有限公司 道路特效设置方法及装置
CN111661059B (zh) 2019-03-08 2022-07-08 虹软科技股份有限公司 分心驾驶监测方法、系统及电子设备
CN110232230B (zh) * 2019-05-30 2022-11-01 北京农业信息技术研究中心 一种包含桥涵节点的路渠网络的三维模型构建方法及装置
CN110378996B (zh) * 2019-06-03 2022-05-17 国网浙江省电力有限公司温州供电公司 服务器三维模型生成方法及生成装置
CN110378293B (zh) * 2019-07-22 2021-02-23 泰瑞数创科技(北京)有限公司 一种基于实景三维模型生产高精度地图的方法
CN110990501B (zh) * 2019-07-31 2023-11-10 万物镜像(北京)计算机系统有限公司 三维道路建模方法、装置、电子设备及存储介质
CN110728750B (zh) * 2019-10-13 2023-06-27 国网山东省电力公司莱芜供电公司 一种智能驾驶环境实景建模方法、系统、终端及存储介质
CN111028331B (zh) * 2019-11-20 2023-08-25 天津市测绘院有限公司 一种高性能的车辆动态三维建模与轨迹实时渲染方法及装置
CN111143917B (zh) * 2019-12-04 2023-07-07 深圳微品致远信息科技有限公司 机场建模方法、装置、存储介质及设备
EP3872695A1 (en) * 2020-02-28 2021-09-01 Toyota Jidosha Kabushiki Kaisha A method and system of adapting an initial model of a neural network
CN111521193A (zh) * 2020-04-23 2020-08-11 广东博智林机器人有限公司 实景导航的方法、实景导航的装置、存储介质与处理器
CN111985037B (zh) * 2020-08-27 2024-03-15 长沙眸瑞网络科技有限公司 一种基于终端设备的三维巷道编辑方法
US20220147746A1 (en) * 2020-11-10 2022-05-12 Nec Laboratories America, Inc. End-to-end parametric road layout prediction with cheap supervision
CN112307553B (zh) * 2020-12-03 2024-04-16 之江实验室 一种对三维道路模型进行提取与简化的方法
CN112560131B (zh) * 2020-12-24 2022-09-09 中交第二公路勘察设计研究院有限公司 一种交通标志牌快速参数化bim动态建模方法及交通标志牌bim建模系统
CN114969880B (zh) * 2021-02-26 2023-05-26 阿里巴巴集团控股有限公司 一种道路模型构建方法和装置
CN112883141B (zh) * 2021-04-29 2022-02-08 腾讯科技（深圳）有限公司 电子地图的数据处理方法、装置、设备及计算机存储介质
CN114091141A (zh) * 2021-10-15 2022-02-25 南宁市勘测设计院集团有限公司 一种基于倾斜实景模型的三维道路生成方法及装置
CN114648491A (zh) * 2022-02-22 2022-06-21 山东土地集团数字科技有限公司 一种用于耕地道路的遥感监测系统和方法
CN114419231B (zh) * 2022-03-14 2022-07-19 幂元科技有限公司 基于点云数据和ai技术的交通设施矢量识别提取分析系统
KR102526720B1 (ko) * 2022-07-25 2023-04-27 (주)이노시뮬레이션 포인트 클라우드 데이터를 이용한 3차원 가상 환경 모델링 방법 및 이를 실행하는 서버
CN116311935B (zh) * 2023-03-20 2024-03-15 湖北省规划设计研究总院有限责任公司 一种基于大数据的智慧城市交通管理方法

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1798704A2 (en) * 1997-10-27 2007-06-20 Matsushita Electric Industrial Co., Ltd. Three-dimensional map display device and device for creating data used therein
JP3691401B2 (ja) 2001-02-26 2005-09-07 日本電信電話株式会社 撮影対象物表面の自動獲得・復元方法及び装置
JP4284644B2 (ja) * 2003-05-23 2009-06-24 財団法人生産技術研究奨励会 ３次元モデル構築システム及び３次元モデル構築プログラム
KR100520707B1 (ko) * 2003-10-20 2005-10-17 엘지전자 주식회사 3차원 지도에서의 다중레벨 텍스트데이터 표시방법
WO2005038402A1 (ja) * 2003-10-21 2005-04-28 Waro Iwane ナビゲーション装置
JP2005265641A (ja) 2004-03-18 2005-09-29 Clarion Co Ltd ナビゲーション装置、ナビゲーション方法及びナビゲーションプログラム
CN1938738A (zh) * 2004-03-31 2007-03-28 日本先锋公司 地图生成装置及导航装置
JP4631750B2 (ja) * 2006-03-06 2011-02-16 トヨタ自動車株式会社 画像処理システム
US20080036758A1 (en) * 2006-03-31 2008-02-14 Intelisum Inc. Systems and methods for determining a global or local position of a point of interest within a scene using a three-dimensional model of the scene
EP2084671A4 (en) * 2006-10-02 2011-02-09 Aftercad Software Inc METHOD AND SYSTEM FOR DELIVERING AND INTERACTIVE DISPLAYS OF THREE-DIMENSIONAL GRAPHICS
KR100865723B1 (ko) 2007-05-22 2008-10-28 (주)엠앤소프트 네비게이션에서의 3차원 화면 조정 방법
EP2172031A1 (en) 2007-07-04 2010-04-07 Saab AB Arrangement and method for providing a three dimensional map representation of an area
JP4951535B2 (ja) 2008-01-10 2012-06-13 株式会社パスコ 地図画像処理装置
US9390544B2 (en) 2009-10-20 2016-07-12 Robert Bosch Gmbh 3D navigation methods using nonphotorealistic (NPR) 3D maps
US9171396B2 (en) * 2010-06-30 2015-10-27 Primal Space Systems Inc. System and method of procedural visibility for interactive and broadcast streaming of entertainment, advertising, and tactical 3D graphical information using a visibility event codec
CN102436678B (zh) * 2010-09-29 2014-11-26 比亚迪股份有限公司 一种三维道路模型生成方法及系统
DE102011115739A1 (de) * 2011-10-11 2013-04-11 Daimler Ag Verfahren zur Integration von virtuellen Objekten in Fahrzeuganzeigen
US9791290B2 (en) * 2012-02-29 2017-10-17 Here Global B.V. Manipulation of user attention with respect to a simulated field of view for geographic navigation via constrained focus on, perspective attraction to, and/or correction and dynamic adjustment of, points of interest
CN104769652B (zh) 2012-11-20 2017-10-03 哈曼国际工业有限公司 用于检测交通灯的方法和系统
US9928652B2 (en) * 2013-03-01 2018-03-27 Apple Inc. Registration between actual mobile device position and environmental model
CN103234547B (zh) * 2013-04-18 2017-03-22 易图通科技（北京）有限公司 真三维导航中道路场景的显示方法和装置
US9418485B2 (en) 2013-05-31 2016-08-16 Apple Inc. Adjusting heights for road path indicators
CN104280036B (zh) * 2013-07-05 2017-11-17 北京四维图新科技股份有限公司 一种交通信息的检测与定位方法、装置及电子设备
CN103411619B (zh) * 2013-08-26 2016-03-23 上海安悦四维信息技术有限公司 一种三维道路生成系统及方法
CN103544734A (zh) * 2013-10-11 2014-01-29 深圳先进技术研究院 以街景为基础的三维地图建模的方法
GB201318049D0 (en) * 2013-10-11 2013-11-27 Tomtom Int Bv Apparatus and methods of displaying navigation instructions
KR20150058679A (ko) 2013-11-20 2015-05-29 한국전자통신연구원 단지내 도로에서 자율주행차량의 위치 및 해딩 정보 제공 장치 및 방법
US10578455B2 (en) * 2014-03-06 2020-03-03 Mitsubishi Heavy Industries, Ltd. Device for providing electric-moving-body information and method for providing electric-moving-body information
US9986154B2 (en) * 2014-05-21 2018-05-29 Here Global B.V. Developing a panoramic image
US9435657B2 (en) * 2015-01-14 2016-09-06 Telenav, Inc. Navigation system with an itinerary planning mechanism and method of operation thereof
US9451077B2 (en) * 2015-02-24 2016-09-20 Patrick Duvaut Device-based safeguard systems and methods for enhancing driver safety
CN104766058B (zh) * 2015-03-31 2018-04-27 百度在线网络技术（北京）有限公司 一种获取车道线的方法和装置
CN105096386B (zh) 2015-07-21 2017-11-17 中国民航大学 大范围复杂城市环境几何地图自动生成方法
CN105069842A (zh) 2015-08-03 2015-11-18 百度在线网络技术（北京）有限公司 道路三维模型的建模方法和装置
US9604639B2 (en) * 2015-08-28 2017-03-28 Delphi Technologies, Inc. Pedestrian-intent-detection for automated vehicles
JP6741646B2 (ja) * 2017-12-25 2020-08-19 株式会社Ｓｕｂａｒｕ 車外環境認識装置
CN108764187B (zh) * 2018-06-01 2022-03-08 百度在线网络技术（北京）有限公司 提取车道线的方法、装置、设备、存储介质以及采集实体

Also Published As

Publication number Publication date
EP3319048A4 (en) 2018-08-22
US10643378B2 (en) 2020-05-05
KR20170103763A (ko) 2017-09-13
KR101932623B1 (ko) 2018-12-27
US20180232946A1 (en) 2018-08-16
CN105069842A (zh) 2015-11-18
JP2018509668A (ja) 2018-04-05
EP3319048A1 (en) 2018-05-09
WO2017020465A1 (zh) 2017-02-09

Similar Documents

Publication Publication Date Title
JP6568587B2 (ja) 道路の３次元モデルのモデリング方法、装置及び記憶媒体
Chen et al. Automatic building information model reconstruction in high-density urban areas: Augmenting multi-source data with architectural knowledge
CN106920278B (zh) 一种基于Reeb图的立交桥三维建模方法
CN113899384B (zh) 车道级道路的路口面显示方法、装置、设备、介质及程序
CN113178008A (zh) 一种基于gis的三维城市建模系统及方法
WO2023123837A1 (zh) 地图的生成方法、装置、电子设备及存储介质
KR20200136723A (ko) 가상 도시 모델을 이용하여 객체 인식을 위한 학습 데이터 생성 방법 및 장치
Aringer et al. Bavarian 3D building model and update concept based on LiDAR, image matching and cadastre information
Zhao et al. Autonomous driving simulation for unmanned vehicles
Zhang et al. VGI3D: an interactive and low-cost solution for 3D building modelling from street-level VGI images
Stojakovic et al. Image-based modeling approach in creating 3D morphogenetic reconstruction of Liberty Square in Novi Sad
CN109520513B (zh) 一种三维地图绘制方法及装置
Wahbeh et al. Image-based reality-capturing and 3D modelling for the creation of VR cycling simulations
Komadina et al. Automated 3D urban landscapes visualization using open data sources on the example of the city of Zagreb
CN114972599A (zh) 一种对场景进行虚拟化的方法
Richter et al. Challenges and experiences in using heterogeneous, geo-referenced data for automatic creation of driving simulator environments
CN111241923A (zh) 一种实时检测立体车库的方法和系统
Kazemi Knowledge-based generalisation of road networks
Punia et al. Three dimensional modelling and rural landscape geo-visualization using geo-spatial science and technology
Paz et al. Towards a realistic traffic and driving simulation using 3D rendering
Di Benedetto et al. Integration of LiDAR Data into a Regional Topographic Database for the Generation of a 3D City Model
CN116645483B (zh) 车道线级别道路三维模型的构建方法、装置及电子设备
Ramadhani An Analysis of the Three-Dimensional Modelling Using LiDAR Data and Unmanned Aerial Vehicle (UAV)(Case Study: Institut Teknologi Sepuluh Nopember, Sukolilo Campus)
Kreft et al. Automated Generation of Virtual Roadways Based on Geographic Information Systems
Khairnar An Approach of Automatic Reconstruction of Building Models for Virtual Cities from Open Resources

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170609

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180718

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180730

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181030

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20190212

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190612

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20190620

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: 20190729

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190802

R150 Certificate of patent or registration of utility model

Ref document number: 6568587

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R154 Certificate of patent or utility model (reissue)

Free format text: JAPANESE INTERMEDIATE CODE: R154

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250