JP7440005B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP7440005B2 JP7440005B2 JP2022541610A JP2022541610A JP7440005B2 JP 7440005 B2 JP7440005 B2 JP 7440005B2 JP 2022541610 A JP2022541610 A JP 2022541610A JP 2022541610 A JP2022541610 A JP 2022541610A JP 7440005 B2 JP7440005 B2 JP 7440005B2
- Authority
- JP
- Japan
- Prior art keywords
- point
- point cloud
- registration
- cloud data
- sequence
- 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
- 238000000034 method Methods 0.000 title claims description 79
- 238000004590 computer program Methods 0.000 title claims description 11
- 230000009466 transformation Effects 0.000 claims description 58
- 239000011159 matrix material Substances 0.000 claims description 42
- 230000006870 function Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 8
- 230000001131 transforming effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims 2
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- 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
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Instructional Devices (AREA)
- Image Analysis (AREA)
Description
[関連出願の相互参照]
本出願は、出願日が2021年06月08日、出願番号が202110637791.9、発明名称が「高精細地図の作成方法、装置、デバイス及びコンピュータ記憶媒体」である中国特許出願の優先権を主張している。
γ:画像採集装置の光軸oのz=0平面への投影とy軸の角度、
θ:画像採集装置の光軸oのz=0平面からのずれの角度、
2α:画像採集装置の視角、
Rx:画像採集装置の水平方向の解像度、
Ry:画像採集装置の垂直方向の解像度。
Claims (25)
- 採集装置が各位置点でそれぞれ採集した点群データ及び正面画像データを取得し、点群シーケンス及び正面画像シーケンスを取得することと、
前記点群シーケンス及び前記正面画像シーケンスに対して正面画像及び点群データのレジストレーションを行うことであって、前記正面画像及び点群データのレジストレーションは、点群データのフレーム毎のレジストレーション、正面画像の画素ベースの特徴ベクトル表現のレジストレーション、及び、正面画像及び点群データの統合のレジストレーションを含む、ことと、
前記レジストレーションの結果に基づいて、前記正面画像シーケンスを平面図に変換し、前記平面図における各画素の座標情報を決定することと、
前記平面図に対して地図要素の認識を行って高精細地図データを得ることと、
を含み、
前記レジストレーションの結果に基づいて前記正面画像シーケンスを平面図に変換し、前記平面図における各画素の座標情報を決定することは、
逆透視変換に基づいて、前記正面画像シーケンスにおける各フレームの正面画像を各平面図に変換し、
正面画像における画素の座標情報に基づいて対応する平面視においてマッチングを行って平面視における画素の座標情報を決定し、
前記平面図における画素の座標情報に基づいて、前記各平面図に対してスプライシング処理を行って最終的な平面図を得る、
ことを含む、高精細地図の作成方法。 - 前記点群シーケンス及び前記正面画像シーケンスに対して前記正面画像及び前記点群データのレジストレーションを行うことは、
前記正面画像シーケンスにおける隣接画像をレジストレーションして前記隣接画像における対応する画素からなる集合を得、
前記点群データを前記集合に投影して前記集合における各画素の座標情報を得る、
ことを含む請求項1に記載の高精細地図の作成方法。 - 前記点群データを前記集合に投影することの前に、
前記点群データを採集したレーザレーダ装置の1回転分の運動量に基づいて、前記点群データの歪み補正を行う、
ことをさらに含む請求項2に記載の高精細地図の作成方法。 - 前記点群データを前記集合に投影することの前に、
前記点群シーケンスにおける基準点群を決定し、
前記基準点群を基準として他の点群データをフレーム毎にレジストレーションする、
ことをさらに含む請求項2に記載の高精細地図の作成方法。 - 前記点群シーケンスにおける基準点群を決定することは、
前記点群シーケンスにおける最初のフレームを基準として、前記フレーム毎に他の点群データをレジストレーションし、
前記点群シーケンスにおける、前後2フレームの点群データとのレジストレーション点が占める割合が最も高い1フレームの点群を基準点群とする、
ことを含む請求項4に記載の高精細地図の作成方法。 - 前記フレーム毎に他の点群データをレジストレーションすることは
基準となる点群と、レジストレーションされていない隣接点群とから2つのフレームの点群間の変換行列を学習し、
前記基準となる点群を前記変換行列を用いて変換してレジストレーションされた前記隣接点群を得、
前記点群シーケンスにおけるすべての点群データのレジストレーションが完了するまで、前記隣接点群を新たな基準として、前記基準となる点群と、レジストレーションされていない隣接点群とから2つのフレームの点群間の変換行列を学習する処理に移行する、
ことを含む請求項4又は5に記載の高精細地図の作成方法。 - 前記基準となる点群とレジストレーションされていない隣接点群とから2つのフレームの点群間の変換行列を学習することは、
反復最近接点(ICP)アルゴリズムを使用して、前記基準となる点群及び前記隣接点群から2つのフレームの点群間の変換行列を学習することを含み、
前記ICPアルゴリズムの損失関数は、前記基準となる点群における各点を変換行列に基づいて変換して得られた各変換点と、前記隣接点群における各変換点とのうち最も近い点の間の距離平均値である、
請求項6に記載の高精細地図の作成方法。 - 前記基準となる点群とレジストレーションされていない隣接点群とから2つのフレームの点群間の変換行列を学習することは、
反復最近接点(ICP)アルゴリズムを使用して、前記基準となる点群及び前記隣接点群から2つのフレームの点群間の変換行列を学習することを含み、
前記ICPアルゴリズムの損失関数は、前記基準となる点群における各点を変換行列に基づいて変換して得られた各変換点と、前記隣接点群における各変換点とのうち最も近い点の間の加重平均値である、
請求項6に記載の高精細地図の作成方法。 - 前記点群シーケンスにおける前記基準点群を決定することの前に、
前記隣接画像における対応する点群からなる集合を決定し、
前記加重平均値を決定する際に、基準となる点群における点が前記対応する点群からなる集合に属するか否かに応じて、各距離に採用される重み値を決定する、
ことをさらに含む請求項8に記載の高精細地図の作成方法。 - 前記点群データを前記集合に投影して、前記集合における各画素の座標情報を得ることは、
前記点群データの座標を前記集合に投影して、正面画像における画素に対応する点群の座標情報を得、
レーザレーダの座標系から画像採集装置の座標系への変換及び平行移動行列に基づいて、前記正面画像における画素に対応する点群の座標情報を画素の座標情報に変換する、
ことを含む請求項2に記載の高精細地図の作成方法。 - 前記平面図に対して地図要素の認識を行って高精細地図データを得ることは、
前記平面図に対して道路情報の認識を行い、
認識された前記道路情報を平面図に重ねて表示することにより、高精細地図データを得る、
ことを含む請求項1に記載の高精細地図の作成方法。 - 採集装置が各位置点でそれぞれ採集した点群データ及び正面画像データを取得し、点群シーケンス及び正面画像シーケンスを得る取得部と、
前記点群シーケンス及び前記正面画像シーケンスに対して正面画像及び点群データのレジストレーションを行うレジストレーション部であって、前記正面画像及び点群データのレジストレーションは、点群データのフレーム毎のレジストレーション、正面画像の画素ベースの特徴ベクトル表現のレジストレーション、及び、正面画像及び点群データの統合のレジストレーションを含む、レジストレーション部と、
前記レジストレーションの結果に基づいて、前記正面画像シーケンスを平面図に変換し、前記平面図における各画素の座標情報を決定する変換部と、
前記平面図に対して地図要素の認識を行って高精細地図データを得る認識部と、
を備え、
前記変換部は、逆透視変換に基づいて前記正面画像シーケンスにおける各フレームの正面画像を各平面図に変換し、正面画像における画素の座標情報に基づいて対応する平面視においてマッチングを行って平面視における画素の座標情報を決定し、前記平面図における画素の座標情報に基づいて、前記各平面図に対してスプライシング処理を行って最終的な平面図を得る、
高精細地図の作成装置。 - 前記レジストレーション部は、
前記正面画像シーケンスにおける隣接画像をレジストレーションして前記隣接画像における対応する画素からなる集合を得る第1レジストレーションサブユニットと、
前記点群データを前記集合に投影して前記集合における各画素の座標情報を得る投影サブユニットと、
を備える請求項12に記載の高精細地図の作成装置。 - 前記レジストレーション部は、
前記点群データを採集したレーザレーダ装置の1回転分の運動量に応じて、前記点群データの歪み補正を行って前記投影サブユニットに供給する校正サブユニットをさらに備える請求項13に記載の高精細地図の作成装置。 - 前記レジストレーション部は、
前記点群シーケンスにおける基準点群を決定する基準サブユニットと、
前記基準点群を基準として、他の点群データをフレーム毎にレジストレーションしてレジストレーションされた点群データを前記投影サブユニットに供給する第2レジストレーションサブユニットと、
をさらに備える請求項13に記載の高精細地図の作成装置。 - 前記基準サブユニットは、前記点群シーケンスにおける最初のフレームを基準として前記第2レジストレーションサブユニットに提供し、前記フレーム毎に他の点群データをレジストレーションし、前記第2レジストレーションサブユニットからレジストレーション結果を取得し、前記点群シーケンスにおける、前後2フレームの点群データとのレジストレーション点が占める割合が最も高い1フレームの点群を基準点群とする、
請求項15に記載の高精細地図の作成装置。 - 前記第2レジストレーションサブユニットは、
基準となる点群と、レジストレーションされていない隣接点群とから2つのフレームの点群間の変換行列を学習し、
前記基準となる点群を前記変換行列を用いて変換してレジストレーションされた前記隣接点群を得、
前記点群シーケンスにおけるすべての点群データのレジストレーションが完了するまで、前記隣接点群を新たな基準として、前記基準となる点群と、レジストレーションされていない隣接点群とから2つのフレームの点群間の変換行列を学習する処理に移行する、
請求項15又は16に記載の高精細地図の作成装置。 - 前記第2レジストレーションサブユニットは、前記基準となる点群とレジストレーションされていない隣接点群とから2つのフレームの点群間の変換行列を学習する際に、
反復最近接点(ICP)アルゴリズムを使用して、前記基準となる点群及び前記隣接点群から2つのフレームの点群間の変換行列を学習し、
前記ICPアルゴリズムの損失関数は、前記基準となる点群における各点を変換行列に基づいて変換して得られた各変換点と、前記隣接点群における各変換点とのうち最も近い点の間の距離平均値である、
請求項17に記載の高精細地図の作成装置。 - 前記第2レジストレーションサブユニットは、前記基準となる点群とレジストレーションされていない隣接点群とから2つのフレームの点群間の変換行列を学習する際に、
反復最近接点(ICP)アルゴリズムを使用して、前記基準となる点群及び前記隣接点群から2つのフレームの点群間の変換行列を学習し、
前記ICPアルゴリズムの損失関数は、前記基準となる点群における各点を変換行列に基づいて変換して得られた各変換点と、前記隣接点群における各変換点とのうち最も近い点の間の加重平均値である、
請求項17に記載の高精細地図の作成装置。 - 前記レジストレーション部は、前記隣接画像における対応する点群からなる集合を決定する第3レジストレーションサブユニットを更に備え、
前記第2レジストレーションサブユニットは、前記加重平均値を決定する際に、基準となる点群における点が前記対応する点群からなる集合に属するか否かに応じて、各距離に採用される重み値を決定する、
請求項19に記載の高精細地図の作成装置。 - 前記投影サブユニットは、前記集合に前記点群データの座標を投影して、正面画像における画素に対応する点群の座標情報を得、レーザレーダの座標系から画像採集装置の座標系への変換及び平行移動行列に基づいて、前記正面画像における画素に対応する点群の座標情報を画素の座標情報に変換する、
請求項13に記載の高精細地図の作成装置。 - 前記認識部は、前記平面図に対して道路情報の認識を行い、認識された前記道路情報を前記平面図に重ねて表示することにより、高精細地図データを得る、
請求項12に記載の高精細地図の作成装置。 - 少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサと通信可能に接続されたメモリとを備え、
前記メモリに前記少なくとも1つのプロセッサにより実行可能なコマンドが記憶されており、前記コマンドが前記少なくとも1つのプロセッサにより実行されると、前記少なくとも1つのプロセッサに請求項1~11のいずれか1項に記載の高精細地図の作成方法を実行させる電子デバイス。 - コンピュータに請求項1~11のいずれか1項に記載の高精細地図の作成方法を実行させるためのコンピュータコマンドを格納する非一時的なコンピュータ可読記憶媒体。
- プロセッサにより実行されると、請求項1~11のいずれか1項に記載の高精細地図の作成方法を実現するコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110637791.9A CN113409459B (zh) | 2021-06-08 | 2021-06-08 | 高精地图的生产方法、装置、设备和计算机存储介质 |
CN202110637791.9 | 2021-06-08 | ||
PCT/CN2021/131180 WO2022257358A1 (zh) | 2021-06-08 | 2021-11-17 | 高精地图的生产方法、装置、设备和计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023533625A JP2023533625A (ja) | 2023-08-04 |
JP7440005B2 true JP7440005B2 (ja) | 2024-02-28 |
Family
ID=77676974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022541610A Active JP7440005B2 (ja) | 2021-06-08 | 2021-11-17 | 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 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP4174786A4 (ja) |
JP (1) | JP7440005B2 (ja) |
KR (1) | KR20220166779A (ja) |
CN (1) | CN113409459B (ja) |
WO (1) | WO2022257358A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311743B (zh) * | 2020-03-27 | 2023-04-07 | 北京百度网讯科技有限公司 | 三维重建精度测试方法、测试装置和电子设备 |
CN113409459B (zh) * | 2021-06-08 | 2022-06-24 | 北京百度网讯科技有限公司 | 高精地图的生产方法、装置、设备和计算机存储介质 |
CN114419165B (zh) * | 2022-01-17 | 2024-01-12 | 北京百度网讯科技有限公司 | 相机外参校正方法、装置、电子设备和存储介质 |
CN115965756B (zh) * | 2023-03-13 | 2023-06-06 | 安徽蔚来智驾科技有限公司 | 地图构建方法、设备、驾驶设备和介质 |
CN116467323B (zh) * | 2023-04-11 | 2023-12-19 | 北京中科东信科技有限公司 | 一种基于路侧设施的高精地图的更新方法及系统 |
CN116863432B (zh) * | 2023-09-04 | 2023-12-22 | 之江实验室 | 基于深度学习的弱监督激光可行驶区域预测方法和系统 |
CN117934573A (zh) * | 2024-03-25 | 2024-04-26 | 北京华航唯实机器人科技股份有限公司 | 点云数据的配准方法、装置及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106910217A (zh) | 2017-03-17 | 2017-06-30 | 驭势科技(北京)有限公司 | 视觉地图建立方法、计算装置、计算机存储介质和智能车辆 |
CN111311709A (zh) | 2020-02-05 | 2020-06-19 | 北京三快在线科技有限公司 | 一种生成高精地图的方法及装置 |
CN111784836A (zh) | 2020-06-28 | 2020-10-16 | 北京百度网讯科技有限公司 | 高精地图生成方法、装置、设备及可读存储介质 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976429B (zh) * | 2010-10-27 | 2012-11-14 | 南京大学 | 基于游弋图像的水面鸟瞰图成像方法 |
CN105678689B (zh) * | 2015-12-31 | 2020-01-31 | 百度在线网络技术(北京)有限公司 | 高精地图数据配准关系确定方法及装置 |
US10452927B2 (en) * | 2017-08-09 | 2019-10-22 | Ydrive, Inc. | Object localization within a semantic domain |
CN108230247B (zh) * | 2017-12-29 | 2019-03-15 | 达闼科技(北京)有限公司 | 基于云端的三维地图的生成方法、装置、设备及计算机可读的存储介质 |
CN109059942B (zh) * | 2018-08-22 | 2021-12-14 | 中国矿业大学 | 一种井下高精度导航地图构建系统及构建方法 |
CN108801171B (zh) * | 2018-08-23 | 2020-03-31 | 南京航空航天大学 | 一种隧道断面形变分析方法及装置 |
CN110160502B (zh) * | 2018-10-12 | 2022-04-01 | 腾讯科技(深圳)有限公司 | 地图要素提取方法、装置及服务器 |
CN109543520B (zh) * | 2018-10-17 | 2021-05-28 | 天津大学 | 一种面向语义分割结果的车道线参数化方法 |
CN111160360B (zh) * | 2018-11-07 | 2023-08-01 | 北京四维图新科技股份有限公司 | 图像识别方法、装置及系统 |
JP7019731B2 (ja) * | 2019-01-30 | 2022-02-15 | バイドゥ ドットコム タイムス テクノロジー (ベイジン) カンパニー リミテッド | 自動運転車のためのリアルタイム地図生成システム |
CN110568451B (zh) * | 2019-08-02 | 2021-06-18 | 北京三快在线科技有限公司 | 一种高精度地图中道路交通标线的生成方法和装置 |
KR20210061722A (ko) * | 2019-11-20 | 2021-05-28 | 팅크웨어(주) | 고정밀 지도 제작 방법, 고정밀 지도 제작 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 |
CN111508021B (zh) * | 2020-03-24 | 2023-08-18 | 广州视源电子科技股份有限公司 | 一种位姿确定方法、装置、存储介质及电子设备 |
CN111652179B (zh) * | 2020-06-15 | 2024-01-09 | 东风汽车股份有限公司 | 基于点线特征融合激光的语义高精地图构建与定位方法 |
CN112434119A (zh) * | 2020-11-13 | 2021-03-02 | 武汉中海庭数据技术有限公司 | 一种基于异构数据融合的高精度地图生产装置 |
CN112434706B (zh) * | 2020-11-13 | 2023-06-06 | 武汉中海庭数据技术有限公司 | 一种基于图像点云融合的高精度交通要素目标提取方法 |
CN113409459B (zh) * | 2021-06-08 | 2022-06-24 | 北京百度网讯科技有限公司 | 高精地图的生产方法、装置、设备和计算机存储介质 |
-
2021
- 2021-06-08 CN CN202110637791.9A patent/CN113409459B/zh active Active
- 2021-11-17 EP EP21916644.4A patent/EP4174786A4/en active Pending
- 2021-11-17 WO PCT/CN2021/131180 patent/WO2022257358A1/zh active Application Filing
- 2021-11-17 KR KR1020227023591A patent/KR20220166779A/ko unknown
- 2021-11-17 JP JP2022541610A patent/JP7440005B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106910217A (zh) | 2017-03-17 | 2017-06-30 | 驭势科技(北京)有限公司 | 视觉地图建立方法、计算装置、计算机存储介质和智能车辆 |
CN111311709A (zh) | 2020-02-05 | 2020-06-19 | 北京三快在线科技有限公司 | 一种生成高精地图的方法及装置 |
CN111784836A (zh) | 2020-06-28 | 2020-10-16 | 北京百度网讯科技有限公司 | 高精地图生成方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113409459A (zh) | 2021-09-17 |
JP2023533625A (ja) | 2023-08-04 |
EP4174786A1 (en) | 2023-05-03 |
EP4174786A4 (en) | 2024-04-03 |
CN113409459B (zh) | 2022-06-24 |
KR20220166779A (ko) | 2022-12-19 |
WO2022257358A1 (zh) | 2022-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN109493407B (zh) | 实现激光点云稠密化的方法、装置及计算机设备 | |
CN110160502B (zh) | 地图要素提取方法、装置及服务器 | |
CN111486855B (zh) | 一种具有物体导航点的室内二维语义栅格地图构建方法 | |
EP3579188B1 (en) | Method, apparatus, device and computer readable storage medium for reconstructing three-dimensional scene | |
CN111174799B (zh) | 地图构建方法及装置、计算机可读介质、终端设备 | |
US10297074B2 (en) | Three-dimensional modeling from optical capture | |
US20190026400A1 (en) | Three-dimensional modeling from point cloud data migration | |
JP2022524069A (ja) | 自律走行車のナビゲーション用高精度地図を生成するためのポーズグラフの分散処理 | |
EP4116462A2 (en) | Method and apparatus of processing image, electronic device, storage medium and program product | |
CN112799096B (zh) | 基于低成本车载二维激光雷达的地图构建方法 | |
CN112833892B (zh) | 一种基于轨迹对齐的语义建图方法 | |
WO2023123837A1 (zh) | 地图的生成方法、装置、电子设备及存储介质 | |
WO2022237821A1 (zh) | 生成交通标志线地图的方法、设备和存储介质 | |
WO2023065657A1 (zh) | 地图构建方法、装置、设备、存储介质及程序 | |
KR20210041305A (ko) | 차선 추출 장치 및 방법 | |
CN114758337A (zh) | 一种语义实例重建方法、装置、设备及介质 | |
JP7351892B2 (ja) | 障害物検出方法、電子機器、路側機器、及びクラウド制御プラットフォーム | |
Gao et al. | Multi-source data-based 3D digital preservation of largescale ancient chinese architecture: A case report | |
WO2022246812A1 (zh) | 定位方法、装置、电子设备及存储介质 | |
CN114627438A (zh) | 目标检测模型生成方法、目标检测方法、设备及介质 | |
CN116978010A (zh) | 图像标注方法和装置、存储介质和电子设备 | |
WO2023155580A1 (zh) | 一种对象识别方法和装置 | |
CN115187736A (zh) | 目标地图生成方法以及装置、ar地图生成方法以及装置 | |
Han et al. | Construction Site Top-View Generation Using Drone Imagery: The Automatic Stitching Algorithm Design and Application |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220712 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230822 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231113 |
|
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: 20240116 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240130 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7440005 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |