JP6966989B2 - 道路中の車線境界線を確定するための方法、装置、電子機器、記憶媒体およびコンピュータプログラム - Google Patents
道路中の車線境界線を確定するための方法、装置、電子機器、記憶媒体およびコンピュータプログラム Download PDFInfo
- Publication number
- JP6966989B2 JP6966989B2 JP2018242723A JP2018242723A JP6966989B2 JP 6966989 B2 JP6966989 B2 JP 6966989B2 JP 2018242723 A JP2018242723 A JP 2018242723A JP 2018242723 A JP2018242723 A JP 2018242723A JP 6966989 B2 JP6966989 B2 JP 6966989B2
- Authority
- JP
- Japan
- Prior art keywords
- curve
- points
- point
- reliability
- fitting
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Instructional Devices (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
(式1)
Point_Score=α*Point_Cloud_Rate+β*Image_Conf
ここで、αとβは重み係数を表示し、Point_Cloud_Rateは、その点のレーザ反射率を表示し、Image_Confは、その点の信頼度を表示する。一部の実施形態において、レーザ反射率は、位置が車線境界線であるかどうかの可能性を相対的により正確に反映することができるので、反射率に対して相対的に高い重みαを分配して、信頼度に対して相対的に低い重みβを分配することができる。一部の実施形態において、第1の曲線をカーブフィッティングするために、所定の領域の中で得点が最も高い1つまたは複数の点を選択することができ、または第1曲線をカーブフィッティングするために、所定の領域の得点が所定の閾値より高い1つまたは複数の点を選択することができる。図2に示された例示において、例えば、第1の領域206で選択された第1の曲線をカーブフィッティングするための点222は、第1の領域206の中で得点が最も高い点であってもよい。3次元点群データと画像データを結合して処理する方法により、両者のデータは相互立証することができる。そして、両者は共に該当する点により表示される位置が車線境界線上に位置する可能性が存在することを表示する場合、当該点は相対的に高い得点を取得することができるので、この方法は、従来の方法に比べてより正確であることができる。
(式2)
Point_Score_New=2/(1+e^(f*Dist))
ここで、fは定数であってもよく、Distは点から基準曲線までのユークリッド距離を表示する。このような場合に、例えば、基準曲線とより近い点が優先的に選択され、新しい曲線がより望ましい平滑度を備えることができるように、第2組の点として、所定の領域の中で得点が最も高い1つまたは複数の点を選択し、または所定の領域の中で得点が所定の閾値よりも高い1つまたは複数の点を選択することができる。
(式3−1)
Ponit_Score_New=α1*Point_Cloud_Rate+β1*Point_Dist_Score
(式3−2)
Point_Dist_Score=2/(1+e^(f*Dist))
ここで、α1とβ1は、重み係数を表示し、Point_Cloud_Rateは、点により表示される位置のレーザ反射率を表示し、Distは、点から基準曲線までのユークリッド距離を表示し、fは、定数である。このような場合に、例えば当該基準曲線との距離が近く、レーザ反射率が高い点が優先的に選択されるように、所定の領域の中で得点が最も高い1つまたは複数の点を選択し、または所定の領域の中で得点が所定の閾値よりも高い1つまたは複数の点を選択することができる。この方法に基づいて、一方で、上述したように、取得した曲線はより平滑することができ、他の一方で、第2組の点を選択する過程でレーザ反射率と曲線までの距離との2つの要素を同時に考慮するので、単にレーザ反射率により確定した車線境界線の結果を更に修正し、ある誤った検出の発生を避けて、車線境界線の精度を向上させることができる。
(式4−1)
Ponit_Score_New=α2*Image_Conf+β2*Point_Dist_Score
(式4−2)
Point_Dist_Score=2/(1+e^(f*Dist))
ここで、α2とβ2は、重み係数を表示し、Image_Confは、点の信頼度を表示し、Distは、点から基準曲線までのユークリッド距離を表示し、fは、定数である。このような場合に、例えば、当該基準曲線との距離が近く、信頼度の高い点が優先的に選択されるように、所定の領域の中で得点が最も高い1つまたは複数の点を選択し、または所定の領域の中で得点が所定の閾値よりも高い1つまたは複数の点を選択することができる。この方法に基づいて、一方で、上述したように、取得した曲線はより平滑化することができ、他の一方で、第2組の点を選択する過程で、画像に基づいて確定した点が車線境界線上に位置する信頼度と曲線までの距離との2つの要素を同時に考慮するので、単に画像データに基づいて確定した車線境界線の結果を更に修正し、いくつかの誤った検出の発生を避けて、車線境界線の精度を向上させることができる。
(式5−1)
Ponit_Score_New=α3*Point_Cloud_Rate+β3・Image_Conf+γ*Point_Dist_Score
(式5−2)
Point_Dist_Score=2/(1+e^(f*Dist))
ここで、α3、β3およびγは、重み係数を表示し、Point_Cloud_Rateは、点により表示される位置のレーザ反射率を表示し、Image_Confは、点の信頼度を表示し、Distは、点から基準曲線までのユークリッド距離を表示し、fは、定数である。このような場合に、例えば当該基準曲線との距離が近く、レーザ反射率が高く、信頼度の高い点が優先的に選択され、さらに第2組の点が実際の中の車線境界線に更に近接することができるように、所定領域のいずれ得点が最も高い1つまたは複数の点を選択し、または所定の領域の中で得点が所定の閾値よりも高い1つまたは複数の点を選択することができる。
(式6)
Ratio=Count(Dist<Dist_Threshold)/Amount
ここで、Distは、曲線上の点から第2の曲線までの距離を表示し、Dist_Thresholdは、距離閾値を表示し、Amountは、曲線上の点の数を表示し、Count(Dist <Dist_Threshold)は、第2の曲線までの距離が閾値距離よりも小さい点の数を表示する。一部の実施形態において、車線幅内の点がすべて相対的に良好なフィッティング度を備えるように、閾値距離は、車線境界線幅の半分に選択することができる。
(式7−1)
Average_Dist_Score=Sum(Point_Dist_Score)/Amount
(式7−2)
Point_Dist_Score=2/(1+e^(f*Dist))
ここで、Distは、曲線上の点から第2の曲線までの距離を表示し、fは、定数であり、Amountは、その曲線上の点の数を表示し、Sum(Point_Dist_Score)は、曲線上の点から第2の曲線までの距離の得点の合計を表示する。一部の実施形態において、続いて、平均距離得点と占有率に基づいて、第2のフィッティング度Fit_Score_2を算出することができる。
(式8)
Fit_Score_2 =α4* Average_Dist_Score +β4* Ratio
ここで、α4とβ4は、重み係数を表示する。この方法に基づいて算出されたフィッティング度は、曲線自体と点のマッチングの度合いを考慮するだけではなく、車線境界線が特定の幅を備える特徴も考慮するので、当該曲線をカーブフィッティングするためのラインを候補車線境界線上の点とする可能性をより正確に反映することができる。
(式9)
Diff_Score=α5*Diff_Point_Cloud_Ratio+β5*Diff_Fitting_Score
ここで、α5とβ5は、重み係数を表示し、Diff_Point_Cloud_Ratioは、レーザ反射率の差を表示し、Diff_Fitting_Scoreは、フィッティング度の差を表示する。一部の実施形態において、相違度の得点と所定の閾値を比較して、合計が所定の閾値よりも小さい場合に、収束条件を満たしていると判定する。一部の実施形態において、同様に、相違度の得点が0よりも大きいか同じであり、所定の閾値よりも小さい場合に、収束条件を満足すると確定することもできる。
(式10)
Diff_Score=α6*Diff_Image_Conf+β6*Diff_Fitting_Score
ここで、α6とβ6は、重み係数を表示し、Diff_Image_Confは、信頼度の差を表示し、Diff_Fitting_Scoreは、フィッティング度の差を表示する。一部の実施形態において、続いて、相違度の得点と所定の閾値を比較して、合計が所定の閾値よりも小さい場合に、収束条件を満たしていると判定する。一部の実施形態において、同様に、相違度の得点が0よりも大きいか同じであり、所定の閾値よりも小さい場合に、収束条件を満足すると確定することもできる。
収束条件は、同時にフィッティング度の差、レーザ反射率の差や信頼度の差に関連することができ、つまり3者に対して加重合計を行い相違度の得点を取得することができることを理解しなければならない。即ち、相違度の得点Diff_Scoreは、以下のように表示されることができる。
(式11)
Diff_Score=α7*Diff_Point_Cloud_Ratio+β7*Diff_Image_Conf+γ2*Diff_Fitting_Score
ここで、α7、β7とγ2は、重み係数を表示し、Diff_Point_Cloud_Ratioは、レーザ反射率の差を表示し、Diff_Image_Confは、信頼度の差を表示し、Diff_Fitting_Scoreは、フィッティング度の差を表示する。一部の実施形態において、続いて、相違度の得点と所定の閾値を比較して、合計が所定の閾値よりも小さい場合に、収束条件を満たしていると判定する。一部の実施形態において、同様に、相違度の得点が0よりも大きいか同じであり、所定の閾値よりも小さい場合に、収束条件を満足すると確定することもできる。
Claims (15)
- 道路中の車線境界線を確定するための方法であって、
収集主体を道路で走行させて取得した、道路中の車線境界線を含むセンサデータとしてのレーザ反射率を含む点群データから、所定距離をおいた所定領域のそれぞれから点群データを複数選択するステップと、
前記点群データに基づいて、前記所定領域のそれぞれからレーザ反射率閾値を満たす第1のレーザ反射率を有する点を選択して第1組の点とし、前記第1組の点を通る曲線を基準曲線として作成するステップと、
収束条件が満たされるまで反復ステップを実行するステップであって、
前記反復ステップは、
前記所定領域のそれぞれの点群データから、少なくとも前記基準曲線および第2のレーザ反射率に基づいて曲線を構成する点を選択して第2組の点とすることと、
前記第2組の点を通る曲線を作成し、該曲線を第2の曲線とすることと、
前記基準曲線の第1のフィッティング度と前記第2の曲線の第2のフィッティング度との間のフィッティング度の差を確定することと、
少なくとも前記フィッティング度の差と所定の閾値との比較結果に基づいて、前記第2の曲線が収束条件を満たしているかどうかを確定することと、
前記収束条件が満たされていないことに応じて、前記第2の曲線を前記基準曲線とすることと、を含む、ステップと、
前記第2の曲線が前記収束条件を満たしていることに応じて、前記収束条件を満たしたときの第2組の点を、前記道路の前記車線境界線として確定するステップとを含み、
前記基準曲線の第1のフィッティング度は、前記第1組の点における各点から前記基準曲線までのユークリッド距離と、前記第1組の点のうち前記基準曲線までのユークリッド距離が所定距離よりも小さい点の占有率との加重合計に基づいて確定され、
前記第2の曲線の第2のフィッティング度は、前記第2組の点における各点から前記第2の曲線までのユークリッド距離と、前記第2組の点のうち前記第2の曲線までのユークリッド距離が所定距離よりも小さい点の占有率との加重合計に基づいて確定される、
道路中の車線境界線を確定するための方法。 - 前記所定領域の点群データから少なくとも前記基準曲線及び第2のレーザ反射率に基づいて曲線を構成する点を選択して第2組の点とすることは、
前記基準曲線からのユークリッド距離が近く且つレーザ反射率が高い点が優先的に選択されることを含む、
請求項1に記載の道路中の車線境界線を確定するための方法。 - 前記少なくとも前記フィッティング度の差と所定の閾値との比較結果に基づいて、前記第2の曲線が前記収束条件を満たしているかどうかを確定することは、
前記基準曲線を構成するすべての点におけるレーザ反射率の平均値を第1の平均レーザ反射率として確定するステップと、
前記第2の曲線を構成するすべての点におけるレーザ反射率の平均値を第2の平均レーザ反射率として確定するステップと、
前記第1の平均レーザ反射率と前記第2の平均レーザ反射率との間のレーザ反射率の差を確定するステップと、
前記レーザ反射率の差と前記フィッティング度の差の加重合計が所定の閾値よりも小さいことに応じて、前記収束条件を満たしていると確定するステップを含む、
請求項2に記載の道路中の車線境界線を確定するための方法。 - 前記収集主体が具備する画像収集装置によって、前記所定領域における車線境界線を含む画像データを取得するステップと、
前記所定領域における各点の前記画像データへのマッピングを確立するステップと、
をさらに含む、
請求項1に記載の道路中の車線境界線を確定するための方法。 - 前記少なくとも前記フィッティング度の差と所定の閾値との比較結果に基づいて、前記第2の曲線が収束条件を満たしているかどうかを確定することは、
前記所定領域における各点の前記画像データへのマッピングに基づいて、前記第1組の点および前記第2組の点の前記車線境界線に属することを示す信頼度をそれぞれ確定するステップと、
確定された前記第1組の点の前記車線境界線に属する信頼度に基づいて、前記基準曲線を構成する全ての点の信頼度の平均値を第1の平均信頼度として確定するステップと、
確定された前記第2組の点の前記車線境界線に属する信頼度に基づいて、前記第2の曲線を構成する全ての点の信頼度の平均値を第2の平均信頼度として確定するステップと、
前記第1の平均信頼度と前記第2の平均信頼度との間の信頼度の差を確定するステップと、
前記信頼度の差と前記フィッティング度の差との加重合計が所定の閾値よりも小さいことに応じて、前記収束条件を満たしていると確定するステップと、を含む、
請求項4に記載の道路中の車線境界線を確定するための方法。 - 前記第2の曲線の前記第2のフィッティング度は、
前記第2組の点における各点から前記第2の曲線までのユークリッド距離の平均値と、前記第2組の点のうち前記第2の曲線までのユークリッド距離が所定距離よりも小さい点の占有率との加重合計に基づいて確定される、
請求項1に記載の道路中の車線境界線を確定するための方法。 - 道路中の車線境界線を確定するための装置であって、
収集主体を道路で走行させて取得した、道路中の車線境界線を含むセンサデータとしてのレーザ反射率を含む点群データから、所定距離をおいた所定領域のそれぞれから点群データを複数選択するように構成された点群データ取得モジュールと、
前記点群データに基づいて、前記所定領域のそれぞれからレーザ反射率閾値を満たす第1のレーザ反射率を有する点を選択して第1組の点とし、前記第1組の点を通る曲線を基準曲線として作成するように構成された曲線取得モジュールと、
収束条件が満たされるまで反復ステップを実行するように構成された曲線更新モジュールであって、
前記反復ステップは、
前記所定領域それぞれの点群データから、少なくとも前記基準曲線及び第2のレーザ反射率に基づいて曲線を構成する点を選択して第2組の点とすることと、
前記第2組の点を通る曲線を作成し、該曲線を第2の曲線とすることと、
前記基準曲線の第1のフィッティング度と前記第2の曲線の第2のフィッティング度との間のフィッティング度の差を確定することと、
少なくとも前記フィッティング度の差と所定の閾値との比較結果に基づいて、前記第2の曲線が収束条件を満たしているかどうかを確定することと、
前記収束条件が満たされていないことに応じて、前記第2の曲線を前記基準曲線とすることと、を含む、曲線更新モジュールと、
前記第2の曲線が前記収束条件を満たしていることに応じて、前記収束条件を満たしたときの第2組の点を、前記道路の前記車線境界線として確定するように構成された車線境界線確定モジュールと、を含み、
前記基準曲線の第1のフィッティング度は、前記第1組の点における各点から前記基準曲線までのユークリッド距離と、前記第1組の点のうち前記基準曲線までのユークリッド距離が所定距離よりも小さい点の占有率との加重合計に基づいて確定され、
前記第2の曲線の第2のフィッティング度は、前記第2組の点における各点から前記第2の曲線までのユークリッド距離と、前記第2組の点のうち前記第2の曲線までのユークリッド距離が所定距離よりも小さい点の占有率との加重合計に基づいて確定される、
道路中の車線境界線を確定するための装置。 - 前記曲線更新モジュールは、
前記基準曲線からのユークリッド距離が近く且つレーザ反射率が高い点が優先的に選択されるように、前記第2組の点を選択するように構成された第2の点選択モジュールを含む、請求項7に記載の道路中の車線境界線を確定するための装置。 - 前記曲線更新モジュールは、
前記基準曲線を構成するすべての点におけるレーザ反射率の平均値を第1の平均レーザ反射率として確定するように構成された第1の平均レーザ反射率確定モジュールと、
前記第2の曲線を構成するすべての点におけるレーザ反射率の平均値を第2の平均レーザ反射率として確定するように構成された第2の平均レーザ反射率確定モジュールと、
前記第1の平均レーザ反射率と前記第2の平均レーザ反射率との間のレーザ反射率の差を確定するように構成されたレーザ反射率差確定モジュールと、
前記レーザ反射率の差と前記フィッティング度の差の加重合計が所定の閾値よりも小さいことに応じて、前記収束条件を満たしていると確定するように構成された第1の収束判断モジュールをさらに含む、
請求項8に記載の道路中の車線境界線を確定するための装置。 - 前記曲線更新モジュールは、
前記所定領域における車線境界線を含む画像データを取得するように構成された画像取得モジュールと、
前記所定領域における各点の前記画像データへのマッピングを確立するように構成されたマッピングモジュールと、
をさらに含む請求項7に記載の道路中の車線境界線を確定するための装置。 - 前記曲線更新モジュールは、
前記所定領域における各点の前記画像データへのマッピングに基づいて、前記第1組の点および前記第2組の点の前記車線境界線に属することを示す信頼度をそれぞれ確定するように構成された信頼度確定モジュールと、
確定された前記第1組の点の前記車線境界線に属する信頼度に基づいて、前記基準曲線を構成する全ての点の信頼度の平均値を第1の平均信頼度として確定するように構成された第1の平均信頼度確定モジュールと、
確定された前記第2組の点の前記車線境界線に属する信頼度に基づいて、前記第2の曲線を構成する全ての点の信頼度の平均値を第2の平均信頼度として確定するように構成された第2の平均信頼度確定モジュールと、
前記第1の平均信頼度と前記第2の平均信頼度との間の信頼度の差を確定するように構成された信頼度差確定モジュールと、
前記信頼度の差と前記フィッティング度の差との加重合計が所定の閾値よりも小さいことに応じて、前記収束条件を満たしていると確定するように構成された第2の収束判断モジュールと、をさらに含む、
請求項10に記載の道路中の車線境界線を確定するための装置。 - 前記曲線更新モジュールは、
前記第1組の点における各点から前記基準曲線までのユークリッド距離と、前記第1組の点のうち前記基準曲線までのユークリッド距離が所定距離よりも小さい点の占有率との加重合計に基づいて、前記基準曲線の前記第1のフィッティング度を確定し、
前記第2組の点における各点から前記第2の曲線までのユークリッド距離の平均値と、前記第2組の点のうち前記第2の曲線までのユークリッド距離が所定距離よりも小さい点の占有率との加重合計に基づいて、前記第2の曲線の前記第2のフィッティング度を確定するように構成されたフィッティング度確定モジュールを含む、
請求項7に記載の道路中の車線境界線を確定するための装置。 - 1つまたは複数のプロセッサと、
1つまたは複数のプログラムを格納するための記憶装置とを含む機器であって、
前記1つまたは複数のプログラムが前記1つまたは複数のプロセッサによって実行される場合、前記1つまたは複数のプロセッサが請求項1から請求項6のいずれか1項の方法を実現する機器。 - コンピュータプログラムが記憶されているコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータプログラムがプロセッサによって実行される場合、請求項1から請求項6のうちいずれか1項の方法を実現するコンピュータ読み取り可能な記憶媒体。 - コンピュータプログラムであって、
前記コンピュータプログラムがプロセッサにより実行される場合、請求項1から請求項6のうちいずれか1項の方法を実現させるコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711475639.5 | 2017-12-29 | ||
CN201711475639.5A CN108256446B (zh) | 2017-12-29 | 2017-12-29 | 用于确定道路中的车道线的方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019153281A JP2019153281A (ja) | 2019-09-12 |
JP6966989B2 true JP6966989B2 (ja) | 2021-11-17 |
Family
ID=62724638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018242723A Active JP6966989B2 (ja) | 2017-12-29 | 2018-12-26 | 道路中の車線境界線を確定するための方法、装置、電子機器、記憶媒体およびコンピュータプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US10885352B2 (ja) |
EP (1) | EP3506158B1 (ja) |
JP (1) | JP6966989B2 (ja) |
KR (1) | KR102210715B1 (ja) |
CN (1) | CN108256446B (ja) |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256446B (zh) * | 2017-12-29 | 2020-12-11 | 百度在线网络技术(北京)有限公司 | 用于确定道路中的车道线的方法、装置和设备 |
CN108960183B (zh) * | 2018-07-19 | 2020-06-02 | 北京航空航天大学 | 一种基于多传感器融合的弯道目标识别系统及方法 |
CN109300322B (zh) * | 2018-10-31 | 2021-05-04 | 百度在线网络技术(北京)有限公司 | 引导线绘制方法、装置、设备和介质 |
CN109636877B (zh) * | 2018-10-31 | 2021-06-01 | 百度在线网络技术(北京)有限公司 | 车道线调整处理方法、装置及电子设备 |
CN109598199B (zh) * | 2018-10-31 | 2021-07-27 | 百度在线网络技术(北京)有限公司 | 车道线生成方法和装置 |
JP7095559B2 (ja) * | 2018-11-09 | 2022-07-05 | トヨタ自動車株式会社 | 区画線検出装置及び区画線検出方法 |
CN111179152B (zh) * | 2018-11-12 | 2023-04-28 | 阿里巴巴集团控股有限公司 | 一种道路标识识别方法及装置、介质、终端 |
CN109798903B (zh) * | 2018-12-19 | 2021-03-30 | 广州文远知行科技有限公司 | 一种从地图数据中获取道路信息的方法及装置 |
CN111247525A (zh) * | 2019-01-14 | 2020-06-05 | 深圳市大疆创新科技有限公司 | 一种车道检测方法、装置及车道检测设备、移动平台 |
CN109916416B (zh) * | 2019-01-29 | 2022-04-01 | 腾讯科技(深圳)有限公司 | 车道线数据处理与更新方法、装置及设备 |
CN109703569B (zh) * | 2019-02-21 | 2021-07-27 | 百度在线网络技术(北京)有限公司 | 一种信息处理方法、装置及存储介质 |
CN110426051B (zh) * | 2019-08-05 | 2021-05-18 | 武汉中海庭数据技术有限公司 | 一种车道线绘制方法、装置及存储介质 |
KR102228278B1 (ko) * | 2019-09-03 | 2021-03-16 | 충북대학교 산학협력단 | 라이다 센서를 이용한 차선인식 방법 및 그를 위한 장치 |
CN110703227B (zh) * | 2019-09-20 | 2023-01-24 | 中国铁路设计集团有限公司 | 一种基于TerraSolid参数阈值自动选择的地面点云滤波方法 |
CN110705444B (zh) * | 2019-09-27 | 2022-02-08 | 四川长虹电器股份有限公司 | 车道跟踪系统及方法 |
CN112630751A (zh) * | 2019-10-09 | 2021-04-09 | 中车时代电动汽车股份有限公司 | 一种激光雷达的标定方法 |
CN110909711B (zh) * | 2019-12-03 | 2022-08-02 | 阿波罗智能技术(北京)有限公司 | 检测车道线位置变化的方法、装置、电子设备和存储介质 |
JP2022522385A (ja) * | 2020-02-07 | 2022-04-19 | シェンチェン センスタイム テクノロジー カンパニー リミテッド | 道路標識認識方法、地図生成方法、及び関連する製品 |
CN111130147B (zh) * | 2020-02-21 | 2023-09-05 | 海南电网有限责任公司电力科学研究院 | 一种基于清洁能源的智能微网协调控制方法 |
CN111353466B (zh) * | 2020-03-12 | 2023-09-22 | 北京百度网讯科技有限公司 | 车道线识别处理方法、设备、存储介质 |
CN111460073B (zh) * | 2020-04-01 | 2023-10-20 | 北京百度网讯科技有限公司 | 车道线检测方法、装置、设备和存储介质 |
CN111553844B (zh) | 2020-04-29 | 2023-08-29 | 阿波罗智能技术(北京)有限公司 | 用于更新点云的方法及装置 |
CN111652952B (zh) * | 2020-06-05 | 2022-03-18 | 腾讯科技(深圳)有限公司 | 车道线生成方法、装置、计算机设备和存储介质 |
CN111811530B (zh) * | 2020-06-16 | 2022-06-21 | 北京五一视界数字孪生科技股份有限公司 | 车道线生成方法、装置、存储介质及电子设备 |
CN111860484B (zh) * | 2020-07-22 | 2023-11-03 | 腾讯科技(深圳)有限公司 | 一种区域标注方法、装置、设备及存储介质 |
CN112037328A (zh) * | 2020-09-02 | 2020-12-04 | 北京嘀嘀无限科技发展有限公司 | 生成地图中的道路边沿的方法、装置、设备和存储介质 |
CN114264310A (zh) * | 2020-09-14 | 2022-04-01 | 阿里巴巴集团控股有限公司 | 定位及导航方法、装置、电子设备、计算机存储介质 |
CN112115857B (zh) * | 2020-09-17 | 2024-03-01 | 福建牧月科技有限公司 | 智能汽车的车道线识别方法、装置、电子设备及介质 |
KR102414647B1 (ko) * | 2020-11-02 | 2022-06-30 | 주식회사 맵퍼스 | 모바일 매핑 시스템을 이용한 차선 데이터 자동 추출 시스템 및 방법 |
CN112382092B (zh) * | 2020-11-11 | 2022-06-03 | 成都纳雷科技有限公司 | 交通毫米波雷达自动生成车道的方法、系统及介质 |
CN112528917A (zh) * | 2020-12-18 | 2021-03-19 | 深兰科技(上海)有限公司 | 斑马线区域识别方法、装置、电子设备和存储介质 |
CN112580179B (zh) * | 2020-12-29 | 2022-04-19 | 武汉中海庭数据技术有限公司 | 高精度地图路口车道形状更新方法及系统、服务器及介质 |
CN113640823B (zh) * | 2021-07-15 | 2023-11-21 | 北京三快在线科技有限公司 | 一种基于激光反射率底图进行地图绘制的方法及装置 |
CN114519696B (zh) * | 2021-12-31 | 2022-11-29 | 扬州盛强薄膜材料有限公司 | 基于光学智能化的pvc热收缩膜检测方法及系统 |
CN114782638B (zh) * | 2022-06-17 | 2022-09-09 | 小米汽车科技有限公司 | 生成车道线的方法、装置、车辆、存储介质及芯片 |
CN114862957B (zh) * | 2022-07-08 | 2022-09-27 | 西南交通大学 | 一种基于3d激光雷达的地铁车底定位方法 |
CN116047537B (zh) * | 2022-12-05 | 2023-12-26 | 北京中科东信科技有限公司 | 基于激光雷达的道路信息生成方法及系统 |
CN116580559A (zh) * | 2023-05-18 | 2023-08-11 | 中国公路工程咨询集团有限公司 | 一种基于人工智能技术的交通数据处理方法 |
CN117475399B (zh) * | 2023-12-27 | 2024-03-29 | 新石器慧通(北京)科技有限公司 | 车道线拟合方法、电子设备及可读介质 |
Family Cites Families (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08314540A (ja) * | 1995-03-14 | 1996-11-29 | Toyota Motor Corp | 車両走行誘導システム |
EP0740163B1 (en) * | 1995-04-25 | 2005-12-14 | Matsushita Electric Industrial Co., Ltd. | Local positioning apparatus for detecting a local position of an automobile on a road |
US7720580B2 (en) * | 2004-12-23 | 2010-05-18 | Donnelly Corporation | Object detection system for vehicle |
WO2008091565A1 (en) * | 2007-01-23 | 2008-07-31 | Valeo Schalter & Sensoren Gmbh | Method and system for universal lane boundary detection |
US8311283B2 (en) * | 2008-07-06 | 2012-11-13 | Automotive Research&Testing Center | Method for detecting lane departure and apparatus thereof |
JP5074365B2 (ja) * | 2008-11-28 | 2012-11-14 | 日立オートモティブシステムズ株式会社 | カメラ装置 |
JP5444130B2 (ja) | 2010-06-11 | 2014-03-19 | 富士重工業株式会社 | 車両用白線認識装置 |
US9077958B2 (en) * | 2010-08-30 | 2015-07-07 | Honda Motor Co., Ltd. | Road departure warning system |
US9057203B2 (en) * | 2011-06-10 | 2015-06-16 | Peter J. BUTTERFIELD | Swimming pool lane line support apparatus |
US9189976B2 (en) * | 2013-07-10 | 2015-11-17 | Telenav Inc. | Navigation system with multi-layer road capability mechanism and method of operation thereof |
KR101504252B1 (ko) * | 2013-11-28 | 2015-03-19 | 현대모비스 주식회사 | 곡선 도로에서 차량의 속도를 제어하기 위한 시스템 및 그 방법 |
KR101892306B1 (ko) * | 2013-12-18 | 2018-08-27 | 주식회사 만도 | Fmcw 레이더 기반의 도로 환경 감지 방법 및 장치 |
US9283967B2 (en) * | 2014-07-16 | 2016-03-15 | GM Global Technology Operations LLC | Accurate curvature estimation algorithm for path planning of autonomous driving vehicle |
US9858487B2 (en) * | 2015-02-19 | 2018-01-02 | Here Global B.V. | Method and apparatus for converting from an analytical curve road geometry to a clothoid road geometry |
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 |
CN106327468B (zh) | 2015-06-25 | 2019-02-15 | 株式会社理光 | 曲线检测方法和曲线检测装置 |
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 |
CN105261020B (zh) * | 2015-10-16 | 2018-11-20 | 桂林电子科技大学 | 一种快速车道线检测方法 |
CN105528558B (zh) | 2015-12-12 | 2019-03-08 | 天津南大通用数据技术股份有限公司 | 一种隐蔽信道通信的检测方法及装置 |
US10102434B2 (en) * | 2015-12-22 | 2018-10-16 | Omnivision Technologies, Inc. | Lane detection system and method |
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 |
CN105528588B (zh) * | 2015-12-31 | 2019-04-23 | 百度在线网络技术(北京)有限公司 | 一种车道线识别方法及装置 |
KR101765279B1 (ko) * | 2016-01-08 | 2017-08-07 | 서울대학교산학협력단 | 구간적 다항식을 기반으로 한 곡선 근사 방법 |
JP6733225B2 (ja) * | 2016-03-08 | 2020-07-29 | 株式会社リコー | 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム |
US10121367B2 (en) * | 2016-04-29 | 2018-11-06 | Ford Global Technologies, Llc | Vehicle lane map estimation |
JP6529463B2 (ja) * | 2016-06-14 | 2019-06-12 | 日本電信電話株式会社 | 道路構造化装置、道路構造化方法、及び道路構造化プログラム |
US10102435B2 (en) * | 2016-08-10 | 2018-10-16 | Omnivision Technologies, Inc. | Lane departure warning system and associated methods |
CN107742091B (zh) * | 2016-08-22 | 2019-01-29 | 腾讯科技(深圳)有限公司 | 一种路肩提取的方法及装置 |
CN106407893B (zh) * | 2016-08-29 | 2019-11-22 | 东软集团股份有限公司 | 一种检测车道线的方法、装置和设备 |
CN107097794B (zh) * | 2016-12-15 | 2020-04-21 | 财团法人车辆研究测试中心 | 道路车道线的侦测系统及其方法 |
CN107045629B (zh) * | 2017-04-19 | 2020-06-26 | 南京理工大学 | 一种多车道线检测方法 |
US10633024B2 (en) * | 2017-12-27 | 2020-04-28 | Automotive Research & Testing Center | Vehicle lateral control system having lane model with modulation weighting and control method thereof |
KR102589967B1 (ko) * | 2017-12-29 | 2023-10-16 | 삼성전자주식회사 | 차선을 검출하는 방법 및 장치 |
CN108256446B (zh) * | 2017-12-29 | 2020-12-11 | 百度在线网络技术(北京)有限公司 | 用于确定道路中的车道线的方法、装置和设备 |
CN108319895B (zh) * | 2017-12-29 | 2021-09-17 | 百度在线网络技术(北京)有限公司 | 用于识别电子地图中的路口的方法和装置 |
CN108229386B (zh) * | 2017-12-29 | 2021-12-14 | 百度在线网络技术(北京)有限公司 | 用于检测车道线的方法、装置和介质 |
WO2019168869A1 (en) * | 2018-02-27 | 2019-09-06 | Nvidia Corporation | Real-time detection of lanes and boundaries by autonomous vehicles |
US10990832B2 (en) * | 2018-03-06 | 2021-04-27 | Phantom AI, Inc. | Lane line reconstruction using future scenes and trajectory |
TWI662278B (zh) * | 2018-09-18 | 2019-06-11 | 財團法人工業技術研究院 | 刀具磨耗監控方法 |
KR20200036335A (ko) * | 2018-09-28 | 2020-04-07 | 삼성전자주식회사 | 차로를 결정하는 방법 및 장치 |
US11518384B2 (en) * | 2018-12-07 | 2022-12-06 | Thinkware Corporation | Method for displaying lane information and apparatus for executing the method |
US11531348B2 (en) * | 2018-12-21 | 2022-12-20 | Here Global B.V. | Method and apparatus for the detection and labeling of features of an environment through contextual clues |
KR20200090527A (ko) * | 2019-01-21 | 2020-07-29 | 현대자동차주식회사 | 차선 인식 장치 및 그 방법 |
-
2017
- 2017-12-29 CN CN201711475639.5A patent/CN108256446B/zh active Active
-
2018
- 2018-10-31 KR KR1020180132473A patent/KR102210715B1/ko active IP Right Grant
- 2018-12-21 US US16/231,015 patent/US10885352B2/en active Active
- 2018-12-24 EP EP18215856.8A patent/EP3506158B1/en active Active
- 2018-12-26 JP JP2018242723A patent/JP6966989B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
EP3506158A1 (en) | 2019-07-03 |
US10885352B2 (en) | 2021-01-05 |
KR20190082069A (ko) | 2019-07-09 |
EP3506158B1 (en) | 2023-08-30 |
CN108256446B (zh) | 2020-12-11 |
US20190205665A1 (en) | 2019-07-04 |
KR102210715B1 (ko) | 2021-02-01 |
CN108256446A (zh) | 2018-07-06 |
JP2019153281A (ja) | 2019-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6966989B2 (ja) | 道路中の車線境界線を確定するための方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
CN111091105B (zh) | 基于新的边框回归损失函数的遥感图像目标检测方法 | |
Hata et al. | Road marking detection using LIDAR reflective intensity data and its application to vehicle localization | |
US11776155B2 (en) | Method and apparatus for detecting target object in image | |
JP2017223511A (ja) | 道路構造化装置、道路構造化方法、及び道路構造化プログラム | |
CN113674287A (zh) | 高精地图的绘制方法、装置、设备以及存储介质 | |
CN109472799B (zh) | 基于深度学习的图像分割方法及装置 | |
WO2022217630A1 (zh) | 一种车速确定方法、装置、设备和介质 | |
US20220236075A1 (en) | Map construction device and method thereof | |
Tsai et al. | Horizontal roadway curvature computation algorithm using vision technology | |
Zeybek | Extraction of road lane markings from mobile LiDAR data | |
CN111241994A (zh) | 一种深度学习的遥感影像农村公路砂化路段的提取方法 | |
CN110147748A (zh) | 一种基于道路边缘检测的移动机器人障碍物识别方法 | |
CN115797736A (zh) | 目标检测模型的训练和目标检测方法、装置、设备和介质 | |
CN115100741A (zh) | 一种点云行人距离风险检测方法、系统、设备和介质 | |
CN114387576A (zh) | 一种车道线识别方法、系统、介质、设备及信息处理终端 | |
JP6800901B2 (ja) | 物体領域識別装置、物体領域識別方法およびプログラム | |
CN113793364B (zh) | 目标跟踪方法、装置、计算机设备和存储介质 | |
Shi et al. | Anchor Free remote sensing detector based on solving discrete polar coordinate equation | |
Daudt et al. | Learning to understand earth observation images with weak and unreliable ground truth | |
CN115311244A (zh) | 一种病灶尺寸确定方法、装置、电子设备及存储介质 | |
CN115239700A (zh) | 一种脊椎Cobb角测量方法、装置、设备及存储介质 | |
CN113963027B (zh) | 不确定性检测模型的训练、不确定性的检测方法及装置 | |
CN117177178B (zh) | 一种基于物联网的城市道路分流系统 | |
KR20240076177A (ko) | 회전 다중 특징 피라미드 트랜스포머 기반 객체 인식 모델 구축 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190412 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190412 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200604 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200804 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20201104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201207 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210601 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210827 |
|
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: 20211001 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211022 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6966989 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20211029 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |