KR20190082061A - 전자 지도 중의 교차로를 인식하기 위한 방법 및 장치 - Google Patents

전자 지도 중의 교차로를 인식하기 위한 방법 및 장치 Download PDF

Info

Publication number
KR20190082061A
KR20190082061A KR1020180115913A KR20180115913A KR20190082061A KR 20190082061 A KR20190082061 A KR 20190082061A KR 1020180115913 A KR1020180115913 A KR 1020180115913A KR 20180115913 A KR20180115913 A KR 20180115913A KR 20190082061 A KR20190082061 A KR 20190082061A
Authority
KR
South Korea
Prior art keywords
road boundary
intersection
road
boundary lines
boundary line
Prior art date
Application number
KR1020180115913A
Other languages
English (en)
Other versions
KR102106359B1 (ko
Inventor
이페이 잔
미아오 얀
왕 저우
시안펭 랑
시옹 두안
창지에 마
Original Assignee
바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드
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 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드 filed Critical 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드
Publication of KR20190082061A publication Critical patent/KR20190082061A/ko
Application granted granted Critical
Publication of KR102106359B1 publication Critical patent/KR102106359B1/ko

Links

Images

Classifications

    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/42—Document-oriented image-based pattern recognition based on the type of document
    • G06V30/422—Technical drawings; Geographical maps
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Artificial Intelligence (AREA)
  • Navigation (AREA)
  • Instructional Devices (AREA)
  • Traffic Control Systems (AREA)
  • Processing Or Creating Images (AREA)

Abstract

본 개시의 실시예들은 전자 지도 중의 교차로를 인식하기 위한 방법, 장치 및 컴퓨터 판독 가능한 매체에 관한 것이다. 본원에 제출된 방법은, 전자 지도로부터 도로 경계선에 관한 경계선 정보를 획득하는 단계와, 경계선 정보를 기반으로 전자 지도의 기정의 크기의 영역 내의 도로 경계선 사이의 위상학적 관계를 확정하는 단계와, 위상학적 관계를 기반으로 영역 중의 교차로 분포 상황을 확정하는 단계를 포함한다. 본 개시는 이에 대응되는 장치 및 본 개시의 방법을 구현하는 기기 및 컴퓨터 판독 가능한 매체에도 관련된다. 본 개시의 기술적 방안에 의하면, 도로 경계선을 검출하여 교차로를 자동으로 인식함으로써, 고정밀 지도의 생산 효율을 향상시키고, 정확한 호출 확률이 높고, 보편성이 강하며, 방법이 간단한 장점을 구비한다.

Description

전자 지도 중의 교차로를 인식하기 위한 방법 및 장치{METHOD AND APPARATUS FOR IDENTIFYING INTERSECTIONS IN AN ELECTRONIC MAP}
본 개시는 일반적으로 전자 지도 기술 분야에 관한 것으로, 보다 구체적으로는 전자 지도 중의 교차로를 인식하기 위한 방법, 장치 및 컴퓨터 판독 가능한 매체에 관한 것이다.
전자 지도(특히 고정밀 지도)는 이미 수많은 방면에서 사용자들에게 큰 편의를 제공하였다. 예를 들어, 전자 지도가 제공하는 위치 조회, 자동 항법, 심지어 자율 주행 기능은 현재와 미래에서 모두 대체되지 못하는 것이다.
그러나, 고정밀 지도의 적용 범위가 증가함에 따라, 지도 생산 작업은 각종의 수집 정보의 인식에 대해 보다 높은 요구를 제출하였다. 현재, 지도 제조사에서는 주요하게 레이저 포인트 클라우드에 따라 도로 모델을 구축한다. 즉, 레이저 센서를 이용하여 물체 표면에서 반송된 레이저를 감지하여 관련된 포인트 클라우드 데이터를 수집한다. 대량의 포인트 클라우드 데이터 중의 도로 분기점의 위치, 유형은 모두 인위적으로 표기하여야 하므로, 생산 효율이 상대적으로 낮고 실수와 누락의 가능성이 존재한다. 또한, 기계 학습 방법을 이용하여 교차로를 인식하는 기술이 이미 존재하나, 이러한 기술도 인위적으로 대량의 샘플들에 대해 표기를 진행하여야 하므로, 마찬가지로 효율이 낮고, 정확도를 확보하지 못하는 문제가 존재한다.
따라서, 정확도를 확보하는 전제 하에 효율을 향상시키기 위한 전자 지도 중의 교차로에 대해 인식을 진행하는 기술이 요구된다.
본 개시의 예시적 실시예들에 의하면, 전자 지도 중의 교차로를 인식하기 위한 방안을 제공한다.
본 개시의 제1 양태에 있어서, 전자 지도 중의 교차로를 인식하기 위한 방법을 제공한다. 해당 방법은, 전자 지도로부터 도로 경계선에 관한 경계선 정보를 획득하는 단계를 포함한다. 해당 방법은, 경계선 정보를 기반으로 전자 지도의 기정의 크기의 영역 내의 도로 경계선 사이의 위상학적 관계를 확정하는 단계를 더 포함한다. 또한, 해당 방법은, 위상학적 관계를 기반으로 영역 중의 교차로 분포 상황을 확정하는 단계를 더 포함한다.
일부 실시예들에 있어서, 위상학적 관계는 적어도 영역 내의 도로 경계선의 수량과 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고, 도로 경계선은 도로 방향 정보를 구비할 수 있으며, 쌍을 이루는 도로 경계선의 수량은, 도로 경계선 중의 제1 도로 경계선에 대해, 제1 도로 경계선의 도로 방향 정보를 기반으로 제1 도로 경계선과의 거리가 제일 작고 제1 도로 경계선과 동일한 방향에 위치하는 제2 도로 경계선을 확정하고, 제1 도로 경계선의 접선과 제2 도로 경계선의 접선 사이의 각도가 기정의 범위 내에 위치하는지 여부를 확정하고, 상기 접선 사이의 각도가 기정의 범위 내에 있으면, 쌍을 이루는 도로 경계선의 수량을 1개 증가시키는 방식을 통해 확정할 수 있다.
일부 실시예들에 있어서, 위상학적 관계는 적어도 영역 내의 도로 경계선의 수량과 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고, 위상학적 관계를 기반으로 영역 중의 교차로 분포 상황을 확정하는 단계는, 도로 경계선의 수량이 4개이고 쌍을 이루는 도로 경계선의 수량이 3개임을 지시하는 위상학적 관계에 대응하여, 영역에 합류 교차로 또는 분기 교차로 유형의 교차로가 존재함을 확정하는 단계를 포함할 수 있다.
일부 실시예들에 있어서, 도로 경계선은 방향 정보를 구비할 수 있으며, 해당 방법은, 3개의 쌍을 이루는 도로 경계선에서 교차로를 지향하는 쌍을 이루는 도로 경계선의 수량을 확정하는 단계와, 교차로를 지향하는 쌍을 이루는 도로 경계선의 수량이 1개임에 대응하여, 교차로가 분기 교차로인 것으로 확정하는 단계와, 교차로를 지향하는 쌍을 이루는 도로 경계선의 수량이 2개임에 대응하여, 교차로가 합류 교차로인 것으로 확정하는 단계를 더 포함할 수 있다.
일부 실시예들에 있어서, 위상학적 관계는 적어도 영역 내의 도로 경계선의 수량과 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고, 위상학적 관계를 기반으로 영역 중의 교차로 분포 상황을 확정하는 단계는, 도로 경계선의 수량이 3개이고 쌍을 이루는 도로 경계선의 수량이 3개임을 지시하는 위상학적 관계에 대응하여, 영역에 T자형 교차로 유형의 교차로가 존재함을 확정하는 단계를 포함할 수 있다.
일부 실시예들에 있어서, 위상학적 관계는 적어도 영역 내의 도로 경계선의 수량과 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고, 위상학적 관계를 기반으로 영역 중의 교차로 분포 상황을 확정하는 단계는, 도로 경계선의 수량이 4개이고 쌍을 이루는 도로 경계선의 수량이 4개임을 지시하는 위상학적 관계에 대응하여, 영역에 십자 교차로 유형의 교차로가 존재함을 확정하는 단계를 포함할 수 있다.
일부 실시예들에 있어서, 위상학적 관계는 적어도 영역 내의 도로 경계선의 수량과 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고, 위상학적 관계를 기반으로 영역 중의 교차로 분포 상황을 확정하는 단계는, 도로 경계선이 영역에서의 시작점과 종료점이 기본적으로 중합됨을 지시하는 위상학적 관계에 대응하여, 영역에 회전 교차로 유형의 교차로가 존재함을 확정하는 단계를 포함할 수 있다.
일부 실시예들에 있어서, 위상학적 관계는 적어도 영역 내의 도로 경계선의 수량과 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고, 전자 지도로부터 도로 경계선에 관한 경계선 정보를 획득하는 단계는, 전자 지도를 생성하기 위한 레이저 포인트 클라우드 데이터로부터 트립 포인트를 확정하되, 트립 포인트의 데이터는 도로 높이의 트립을 지시하는 단계와, 트립 포인트를 기반으로 도로 경계선을 인식하는 단계를 포함할 수 있다.
본 개시의 제2 양태에 있어서, 전자 지도 중의 교차로를 인식하기 위한 장치를 제공한다. 해당 장치는, 전자 지도로부터 도로 경계선에 관한 경계선 정보를 획득하도록 구축된 경계선 정보 획득 모듈과, 경계선 정보를 기반으로 전자 지도의 기정의 크기의 영역 내의 도로 경계선 사이의 위상학적 관계를 확정하도록 구축된 위상학적 관계 확정 모듈과, 위상학적 관계를 기반으로 영역 중의 교차로 분포 상황을 확정하도록 구축된 교차로 분포 상황 확정 모듈을 포함한다.
본 개시의 제3 양태에 있어서, 기기를 제공하며, 해당 기기는 하나 또는 다수의 프로세서와 하나 또는 다수의 프로그램을 저장하기 위한 저장 장치를 포함하며, 상기 하나 또는 다수의 프로그램이 상기 하나 또는 다수의 프로세서에 의해 실행될 경우, 상기 하나 또는 다수의 프로세서가 본 개시의 제1 양태에 따른 방법을 구현하도록 한다.
본 개시의 제4 양태에 있어서, 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 매체를 제공하며, 해당 프로그램은 프로세서에 의해 실행될 경우, 본 개시의 제1 양태에 따른 방법을 구현한다.
발명의 내용 부분에서 설명한 내용은 본 개시의 실시예들의 관건적이거나 중요한 특징을 한정하고자 하는 것이 아니며, 본 개시의 범위를 한정하기 위한 것이 아님을 이해하여야 한다. 본 개시의 기타 특징들은 아래의 설명을 통해 용이하게 이해할 수 있을 것이다.
본 개시의 각 실시예의 전술한 및 기타의 특징, 이점 및 방면들은 첨부된 도면들을 결부하고 아래의 상세한 설명을 참조함으로써 더욱 명확해질 것이다. 첨부된 도면들에 있어서, 동일하거나 유사한 도면 부호는 동일하거나 유사한 요소를 표시하며, 첨부된 도면들에 있어서:
도1은 본 개시의 다수의 실시예들을 구현 가능한 예시적 환경의 개략도를 나타내고,
도2는 본 개시의 실시예에 따른 전자 지도 중의 교차로를 인식하기 위한 과정의 흐름도를 나타내고,
도3은 본 개시의 일부의 실시예에 따른 도로 경계선에 관한 경계선 정보를 획득하는 개략도를 나타내고,
도4a와 도4b는 각각 본 개시의 일부의 실시예에 따른 합류 교차로와 분기 교차로의 도로 경계선 위상학적 관계도를 나타내고,
도5는 본 개시의 일부의 실시예에 따른 T자형 교차로의 도로 경계선 위상학적 관계도를 나타내고,
도6은 본 개시의 일부의 실시예에 따른 십자 교차로의 도로 경계선 위상학적 관계도를 나타내고,
도7은 본 개시의 일부의 실시예에 따른 회전 교차로의 도로 경계선 위상학적 관계도를 나타내고,
도8은 본 개시의 일부의 실시예에 따른 보통 도로(교차로가 없음)의 도로 경계선 위상학적 관계도를 나타내고,
도9는 본 개시의 실시예에 따른 전자 지도 중의 교차로를 인식하기 위한 장치의 블록 개략도를 나타내고,
도10은 본 개시의 다수의 실시예들을 실시 가능한 컴퓨팅 기기의 블록도를 나타낸다.
아래에 첨부된 도면들을 참조하여 본 개시의 실시예들에 대한 보다 상세한 설명을 진행하기로 한다. 첨부된 도면들에는 본 개시의 일부의 실시예들이 표시되나, 본 개시는 각종의 형식으로 실현될 수 있음을 이해하여야 하고, 본 개시가 본원에 진술된 실시예들에 한정되는 것으로 해석하여서는 아니된다. 반대로, 이러한 실시예들은 본 개시의 더욱 명확하고 완전한 이해를 위해 제공된다. 본 개시의 첨부된 도면들과 실시예들은 단지 예시적인 작용으로 이용될 뿐, 본 개시의 보호 범위를 한정하기 위한 것이 아님을 이해하여야 한다.
본 개시의 실시예들을 설명함에 있어서, 용어 "포함" 및 이와 유사한 용어는 개방적인 포함으로 이해하여야 하며, 즉, "... 포함하나, 이에 한정되지 않는다"로 이해하여야 한다. 용어 "기반으로"는 "적어도 부분적으로 ... 기반으로"로 이해하여야 한다. 용어 "제1", "제2" 등은 상이하거나 동일한 대상물을 지시할 수 있다. 아래에는 기타의 명확한 정의 및 함축적인 정의가 포함될 수 있다.
전술한 바와 같이, 전자 지도 중의 교차로 및 그의 유형을 인식하기 위하여, 전통적인 방안에서는 인위적인 방식을 통해 또는 대량의 샘플들의 제작과 대량의 트레이닝이 필요한 심층 학습 방식을 통해 이러한 인식을 구현한다. 이러한 방안은 정확성, 비용 등의 방면에서 모두 결함이 존재한다. 예를 들어, 인위적인 방식과 심층 학습 방식은 모두 아주 강한 인위적인 요소들을 구비하며, 잘못된 표기를 초래할 가능성이 아주 높다. 비록 인위적인 요소들을 최대한으로 제어하여 각종의 교차로를 정확하게 인식할 수 있으나, 시간과 인건 비용의 방면에 대한 투자가 너무 크게 되므로, 실제의 응용에 있어서 이는 실행 불가능하게 된다.
또한, 인위적으로 교차로를 인식하든 아니면 심층 학습으로 교차로를 인식하든, 그의 사로는 모두 직접적으로 교차로 자체를 인식 대상물로 간주하고, 이미지 또는 레이저 포인트 클라우드로부터 직접적으로 각종의 유형의 교차로를 인식하는 것이다. 또한, 교차로의 유형(합류 교차로, 분기 교차로, T자형 교차로, 십자 교차로, 회전 교차로 등)이 다양하고, 도로 재질(시멘트, 아스팔트), 도로 색상(흰색, 어스톤, 흑색), 도로 폭도 서로 다르므로, 인식함에 있어서 여러가지 상황을 감안할 필요가 있다. 심층 학습의 방법을 사용한다 하여도 대량의 샘플을 제작하고 대량의 트레이닝을 진행하여야 하기는 마찬가지이고, 이로 인해 생산 효율이 저하될 뿐만 아니라, 정확한 호출 확률을 확보할 수도 없게 된다.
전반적으로, 본 개시의 실시예들에 의하면, 전자 지도 중의 교차로를 인식하기 위한 기술적 방안을 제출한다. 해당 방안에 있어서, 기존의 기술과 같이 교차로 자체에 대해 인식 조작을 진행하는 것이 아니라, 전자 지도 중의 일정한 영역 내의 도로 경계선을 추출하고, 도로 경계선 사이의 위상학적 관계에 따라 교차로 분포 상황을 유추한다. 전자 지도가 레이저 포인트 클라우드 기술을 기반으로 생산한 고정밀 지도일 경우, 본 방안은 먼저 차량 탑재형 레이저 포인트 클라우드 스티칭으로 생성한 3차원 정경으로부터 도로 정보를 추출하고, 도로 정보로부터 도로 경계선의 정보를 추출할 수 있다. 이로써, 일정한 영역 내의 도로 경계선 사이의 위상학적 관계를 획득할 수 있다. 교차로 유형이 상이함에 따라, 해당 교차로와 연결된 도로 경계선 사이의 위상학적 관계도 상이하게 된다. 따라서, 본 방안은 이러한 원리를 이용하여 교차로 분포 상황을 인식한다.
본원에 있어서, 용어 "위상학적 관계"는 위상 기하학적 원리를 만족하는 각 공간 데이터 사이의 상호 관계를 가리키며, 데이터 상에서 주요하게 도로 경계선의 방향과 수량 등의 정보를 표시하기 위한 것이다. "위상학적 관계"는 도로 경계선의 구체적인 위치와 구체적인 길이를 감안하는 것이 아니라, 단지 이들 사이의 상대적 지향과 수량을 감안하므로, 컴퓨팅 자원을 절약할 수 있다.
본 개시의 실시예들에 있어서, 전자 지도로부터 도로 경계선의 정보를 추출한 이후 도로 경계선 사이의 위상학적 관계를 생성하고, 이어서 해당 위상학적 관계에 따라 교차로의 유형을 인식하므로, 전자 지도는 현재 여전히 사용되고 있는 2차원 지도일 수 있으며, 미래에 광범위하게 응용될 3차원 고정밀 지도일 수도 있다. 부가적으로 또는 선택적으로, 본 개시의 방안은 도로 경계선을 검출하여 간접적으로 교차로 분포 상황을 인식하므로, 기타 임의의 전자 지도에 적용될 수 있다.
아래에 첨부된 도면들을 참조하여 본 개시의 실시예들에 대한 구체적인 설명을 진행하기로 한다.
도1은 본 개시의 다수의 실시예들을 구현 가능한 예시적 환경(100)의 개략도를 나타낸다. 해당 예시적 환경(100)은 차량 탑재형 레이저 포인트 클라우드로부터 정경의 3차원 재구성을 진행하여 획득한 것이다. 예를 들어, 레이저 포인트 클라우드 장치를 구비하는 수집 객체(미도시)는 예시적 환경(100) 중의 도로에서 주행한다. 레이저 포인트 클라우드 장치는 일정한 범위(예컨대, 400미터 반경의 범위) 내의 환경 정보를 프레임의 단위로 기록하며, 해당 환경 정보는 건물 정보(103)와 도로 정보(101)가 포함될 수 있으나, 이에 한정되지 않는다. 레이저 포인트 클라우드 장치의 환경 정보 수집 작업이 완료된 이후, 지도 제조사들은 이러한 환경 정보들의 집합에 따라 레이저 포인트 클라우드 스티칭을 진행함으로써, 정경의 3차원 재구성을 완료하며, 이로써 도1에 도시된 예시적 환경의 입체도를 획득할 수 있다.
상술한 바와 같이, 현재에 인위적인 방식 또는 심층 학습 방식을 통해 교차로(101)가 존재하는지 여부 및 이의 구체적인 유형을 인식한다. 실제로 재구성된 3차원 정경은 대량의 교차로들(101)을 포함하므로, 교차로들(101)을 인식하는 작업량은 아주 크게 된다. 적어도 부분적으로 상술한 및 기타의 잠재적인 문제와 결함들을 해결하기 위하여, 본 개시의 다수의 실시예들은 신규의 교차로 인식 방안을 제공한다. 해당 방안은 주요하게 2개의 부분으로 분할된다. 하나의 부분은 도로 경계선에 관한 경계선 정보를 획득하는 구체적인 방식이고, 다른 하나의 부분은 도로 경계선의 위상학적 관계와 교차로 유형의 대응 관계를 구축하는 것이다.
본 개시의 주요한 사상은, 일정한 영역 내의 도로 경계선의 위상학적 관계에 따라 교차로의 구체적인 배치 상황을 인식하는 것이다. 아래에 도2를 참조하여 전자 지도 중의 교차로를 인식하는 흐름에 대한 상세한 설명을 진행한다. 도2는 본 개시의 실시예에 따른 전자 지도 중의 교차로를 인식하기 위한 과정(200)의 흐름도를 나타낸다. 일부 실시예들에 있어서, 과정(200)은 아래에 도10에 도시된 기기에서 구현될 수 있다.
블록(210)에서, 전자 지도로부터 도로 경계선에 관한 경계선 정보를 획득한다. 일부의 실시예들에 있어서, 먼저 전자 지도의 예시적 환경(100)으로부터 도로에 관한 도로 정보를 획득하고, 이어서 해당 도로 정보로부터 도로 경계선에 관한 경계선 정보를 획득할 수 있다. 선택적으로 또는 부가적으로, 직접적으로 전자 지도의 예시적 환경(100)으로부터 도로 경계선에 관한 경계선 정보를 획득할 수 있다.
이해의 편의를 위하여, 도3은 본 개시의 일부의 실시예에 따른 도로 경계선에 관한 경계선 정보를 획득하는 개략도를 예시적으로 나타낸다. 도3에 도시된 바와 같이, 특징(300)은 레이저 포인트 클라우드 장치를 구비하는 수집 객체의 진행 방향의 단면에 수직되며, 해당 진행 방향은 도면 용지로 진입하는 방향이다. 특징(300)에 도시된 단면은 도로(303)와 해당 도로(303)의 양측에 위치하는 도로 경계선(301)이 포함된다. 다수의 특징들(300)의 집합은 상술한 바와 같이 3차원 정경으로 재구성된 이후, 해당 정경(또는 대응되는 레이저 포인트 클라우드)으로부터 도로 경계선(301)에 관한 경계선 정보를 획득하여야 한다.
일부의 실시예들에 있어서, 전자 지도의 3차원 정경을 재구성하기 위한 레이저 포인트 클라우드로부터 트립 포인트를 확정할 수 있으며, 트립 포인트의 데이터는 도로 높이의 트립을 지시하기 위한 것이다. 도3에 도시된 바와 같이, 도3에서는 상응한 알고리즘을 통해 가파른 트립 높이(305)를 검출할 수 있으며, 이로써 트립 포인트를 검출할 수 있다. 현재 도시에서 차량들이 주행하는 도로들은 모두 평탄한 도로이므로, 도로에 트립 포인트가 존재함이 검출될 경우, 초보적으로 해당 트립 포인트가 도로 경계선의 구성 요소인 것으로 판단할 수 있으며, 이는 현재의 도형 인식의 방식을 통해 도로 경계선을 검출하는 것과 비교시 보다 정확하고 간단하며 효율적이다. 선택적으로 또는 부가적으로, 예컨대 누적 합계(Cusum) 알고리즘 또는 적응성 역치 알고리즘 등과 같은 알고리즘을 사용하여 이미지로부터 트립 포인트(305)를 검출할 수 있으며, 이로써 트립 포인트의 채집 과정을 간략화할 수 있다. 또한, 도로의 포인트 클라우드 내에서 성장 알고리즘을 사용할 수 있다. 즉, 레이저 포인트 클라우드 장치를 구비하는 수집 객체가 위치한 지평면을 기준으로 위로 성장한다. 해당 성장 과정으로 도로 포인트 클라우드를 획득할 수 있다. 모든 높이 트립 포인트들(도로 경계선 포인트들)은 후보로서 선택될 수 있다. 이러한 방식을 통해, 검출된 트립 포인트들(305)은 추출하고자 하는 도로 경계선의 하나의 포인트로 이용될 수 있다.
나아가, 트립 포인트들(305)의 집합을 도로 경계선(301)에 관한 경계선 정보로 간주할 수 있으며, 이로써 도로 경계선 정보의 획득을 실현한다. 일부의 실시예들에 있어서, 기정의 알고리즘으로 추출한 높이 트립 포인트들(도로 경계선 포인트들)을 벡터화하여, 도로 경계선 곡선을 피팅한다. 이러한 곡선 피팅 처리를 통해, 도로 경계선을 대표할 수 없는 트립 포인트들(예컨대, 도로 상의 잡화, 비 정규적 돌기 등)을 제거할 수 있다. 일부의 실시예들에 있어서, alpha-shape 알고리즘을 사용하여 높이 트립 포인트들의 집합을 벡터화하여, 오검출되거나 간섭되는 트립 포인트들을 제거할 수 있다. 다른 일부의 실시예들에 있어서, 후속적인 단계들에서 쌍을 이루는 도로 경계선을 인식하기 위하여, 트립 포인트와 도로의 상대적 위치를 인식하여 도로 경계선의 내측과 외측을 확정함으로써, 좌측 도로 경계선("제1 도로 경계선"으로도 지칭됨)인지 아니면 우측 도로 경계선("제2 도로 경계선" 으로도 지칭됨)인지를 구분할 수 있다. 상술한 방식을 통해, 일정한 영역 내의 모든 도로 경계선들을 획득할 수 있다. 전자 지도를 검출 대상물로 간주하는 기존의 방식과 비교시, 도로 경계선을 검출 대상물로 간주하는 것은 컴퓨팅 자원을 대대적으로 절약할 수 있다.
또한, 도로 경계선에 관한 경계선 정보를 획득한 이후, 각 도로 경계선의 위상학적 관계를 생성할 수 있으며, 아래와 같은 여러가지 방식에 따라 해당 위상학적 관계를 기반으로 교차로의 구체적인 배치 방식을 판정할 수 있다. 일부의 실시예들에 있어서, 해당 위상학적 관계는 도로 경계선의 수량 및 쌍을 이루는 도로 경계선의 수량을 포함할 수 있다. 상이한 유형의 교차로들의 관련된 도로 경계선은 기본적으로 모두 상이한 도로 경계선의 수량 및 쌍을 이루는 도로 경계선의 수량을 구비하므로, 충분히 이러한 도로 경계선들의 수량 및 쌍을 이루는 도로 경계선의 수량에 관련된 위상학적 관계를 인식하여, 교차로의 구체적인 배치 방식을 확정할 수 있다. 선택적으로 또는 부가적으로, 해당 위상학적 관계는 도로 경계선의 수량, 쌍을 이루는 도로 경계선의 수량 및 교차로를 지향하는 쌍을 이루는 도로 경계선의 수량을 포함할 수 있으며, 이로써, 위상학적 관계가 근사한 특정의 교차로 유형을 진일보로 구별할 수 있다. 아래에 도로 경계선의 위상학적 관계와 교차로 유형의 대응 관계의 구축에 대한 상세한 설명을 진행하기로 한다.
돌아가 여전히 도2를 참조하면, 블록(220)에서, 경계선 정보를 기반으로 전자 지도의 예시적 환경(100)의 기정의 크기의 영역(101) 내의 도로 경계선 사이의 위상학적 관계를 확정한다. 일부의 실시예들에 있어서, 해당 위상학적 관계는 영역(101) 중의 도로 경계선의 수량과 도로 경계선 중의 쌍을 이루는 도로 경계선의 수량을 포함할 수 있다. 선택적으로 또는 부가적으로, 해당 위상학적 관계는 교차로를 지향하는 쌍을 이루는 도로 경계선의 수량을 더 포함할 수 있다.
이해의 편의를 위하여, 지금 도4a 내지 도8을 결부하여 도로 경계선의 각 위상학적 관계 및 상응한 교차로 유형을 설명한다. 도4a 내지 도8에 도시된 위상학적 관계들은 모두 예시적인 것임을 유의하여야 한다. 본 개시에서 요구되는 보호 범위 내의 기타의 수정 및 변형은 모두 본 개시에 설명된 교차로의 구체적인 배치 방식을 인식하는 기술에 적용될 수도 있다.
도4a 및 도4b는 각각 본 개시의 일부의 실시예에 따른 합류 교차로(400) 와 분기 교차로(400')의 도로 경계선 위상학적 관계도를 나타낸다. 도4a에는 획득한 4갈래의 도로 경계선(401, 402, 403 및 404)이 도시되고, 도4b에는 획득한 4갈래의 도로 경계선(401', 402', 403' 및 404')이 도시된다. 또한, 양방향 화살표로 나타낸 바와 같이, 도4a에는 도로 경계선의 매칭 관계(412, 414 및 434)가 더 도시되고, 도4b에는 도로 경계선의 매칭 관계(412', 414' 및 434')가 더 도시된다. 즉, 도4a와 도4b에는 모두 3개의 쌍을 이루는 도로 경계선이 존재한다. 즉, 위상학적 관계에 도로 경계선의 수량이 4개이고 쌍을 이루는 도로 경계선의 수량이 3개임이 지시될 경우, 해당 영역에 합류 교차로 또는 분기 교차로 유형의 교차로(400 또는 400')가 존재하는 것으로 확정한다. 이러한 방식을 통해, 교차로의 유형을 자동으로 인식해내고, 지도 생산의 효율을 향상시키고, 아주 강력한 보편성을 구비할 수 있다.
본 개시의 실시예들에 의하면, 도로 경계선의 수량의 확정은 이미지 처리(예컨대, 엣지 검출, 윤곽 검출 등), 인위적 주석, 선행 지식 및/또는 임의의 적당한 방식을 기반으로 구현할 수 있다.
일부 실시예들에 있어서, 아래와 같은 방식을 통해 지도의 주어진 영역에 존재하는 쌍을 이루는 도로 경계선의 수량을 확정할 수 있다. 먼저, 영역 중의 이러한 도로 경계선들 중의 좌측 도로 경계선(또는 도4a 중의 401과 같이, "제1 도로 경계선"으로 지칭됨)에 있어서, 도로 방향 정보(예컨대, 각 도로 경계선의 화살표로 나타낸 바와 같이)를 기반으로 일정한 영역 내에서 해당 좌측 도로 경계선과의 거리가 제일 짧은 우측 도로 경계선(또는 도4a 중의 402와 같이, "제2 도로 경계선"으로 지칭됨)을 확정할 수 있으며; 또는, 영역 중의 이러한 도로 경계선들 중의 우측 도로 경계선에 있어서, 도로 방향 정보를 기반으로 해당 우측 도로 경계선과의 거리가 제일 짧은 좌측 도로 경계선을 확정할 수 있다. 또한, 해당 좌측 도로 경계선과 해당 우측 도로 경계선은 동일한 방향에 위치한다. 이러한 단계를 통해, 병렬 2차선(중간에 분리대가 존재함)과 가드레일이 없는 양방향 차선에 대한 오인식을 기본적으로 피면할 수 있다.
이어서, 해당 좌측 도로 경계선과 해당 우측 도로 경계선이 기본적으로 접선 평행되는지, 또는 일정한 거리 내에서 상호 평행되는지를 확정하여야 한다. 일부의 실시예들에 있어서, 해당 좌측 도로 경계선의 접선과 해당 우측 도로 경계선의 접선 사이의 각도가 기정의 범위 내에 위치하는지 여부를 확정할 수 있다. 해당 좌측 도로 경계선과 해당 우측 도로 경계선의 접선의 각도가 기정의 범위 내에 위치할 경우, 1쌍의 도로 경계선을 인식하고, 이로써 프로그램에서 쌍을 이루는 도로 경계선의 수량을 1개 증가시킨다. 일부의 실시예들에 있어서, 해당 각도의 기정의 범위는 0° 내지 30°일 수 있다. 선택적으로, 해당 각도의 기정의 범위는 0° 내지 20°일 수 있다. 부가적으로, 해당 각도의 기정의 범위는 0° 내지 10° 또는 0° 내지 5°일 수 있다. 이러한 단계를 통해, 동일한 도로에 해당되지 않는 2개의 도로 경계선(예컨대, 도4a 중의 중간의 2갈래의 경계선(402, 403) 및 도4b 중의 중간의 2갈래의 경계선(402', 403'))에 대한 오인식을 기본적으로 피면할 수 있다.
상술한 바와 같이, 도4a 및 도4b에 도시된 위상학적 관계를 기반으로 해당 영역에 합류 교차로 또는 분기 교차로 유형의 교차로가 존재함을 인식할 수 있다. 구체적으로 합류 교차로 또는 분기 교차로에 대해, 아래와 같은 방식을 통해 인식을 진행할 수 있다. 일부의 실시예들에 있어서, 도면 중의 각 도로 경계선의 화살표로 나타낸 바와 같이, 각 도로 경계선은 방향 정보를 구비할 수 있다. 도4a에 도시된 바와 같이, 교차로(400)를 지향하는 쌍을 이루는 도로 경계선의 수량이 1개일 경우, 교차로(400)를 분기 교차로로 확정한다. 또한, 도4b에 도시된 바와 같이, 교차로(400')를 지향하는 쌍을 이루는 도로 경계선의 수량이 2개일 경우, 교차로(400')를 합류 교차로로 확정한다. 이러한 단계를 통해, 합류 교차로와 분기 교차로에 대한 인식을 헛갈리게 하는 것을 기본적으로 피면할 수 있다.
도5는 본 개시의 일부의 실시예에 따른 T자형 교차로(500)의 도로 경계선 위상학적 관계도를 나타낸다. 도5에는 획득한 3갈래의 도로 경계선(501, 502, 503)이 존재한다. 또한, 양방향 화살표로 나타낸 바와 같이, 3개의 매칭 관계(512, 513, 523)가 존재하며, 즉, 도5에는 3개의 쌍을 이루는 도로 경계선이 더 존재한다. 즉, 위상학적 관계에 도로 경계선의 수량이 3개이고 쌍을 이루는 도로 경계선의 수량이 3개임이 지시될 경우, 해당 영역에 T자형 교차로 유형의 교차로(500)가 존재하는 것으로 확정할 수 있다.
도6은 본 개시의 일부의 실시예에 따른 십자 교차로(600)의 도로 경계선 위상학적 관계도를 나타낸다. 도4a, 도4b 및 도5의 인식 방식과 유사하게, 도6에는 4갈래의 도로 경계선(601, 602, 603, 604)이 존재한다. 또한, 양방향 화살표로 나타낸 바와 같이, 4개의 매칭 관계(612, 623, 634, 614)가 존재하며, 즉, 도6에는 4개의 쌍을 이루는 도로 경계선이 더 존재한다. 즉, 위상학적 관계에 도로 경계선의 수량이 4개이고 쌍을 이루는 도로 경계선의 수량이 4개임이 지시될 경우, 해당 영역에 십자 교차로 유형의 교차로(600)가 존재하는 것으로 확정할 수 있다.
도7은 본 개시의 일부의 실시예에 따른 회전 교차로(700)의 도로 경계선 위상학적 관계도를 나타낸다. 도4a 내지 도6의 인식 방식과 다르게, 도7에는 1갈래의 폐쇄적인 도로 경계선(704)이 존재한다. 1갈래의 폐쇄적인 도로 경계선(704)이 인식될 경우, 교차로(700)가 존재하는 것으로 판정하고, 해당 교차로(700)에 교통섬(704)이 존재하는 것으로 판정한다. 일부의 실시예들에 있어서, 위상학적 관계에 도로 경계선이 영역에서의 시작점과 종료점이 기본적으로 중합됨이 지시될 경우, 예컨대, 시작점과 종료점의 벡터 차이가 기정의 범위 내에 위치할 경우, 영역에 회전 교차로 유형의 교차로(700)가 존재하는 것으로 확정한다.
일부의 실시예들에 있어서, 상이한 유형의 회전 교차로(700)가 존재할 수 있다. 예를 들어, 3거리 회전 교차로가 존재한다. 도7에 도시된 바와 같이, 3갈래의 도로 경계선(701, 702, 703)이 존재한다. 또한, 양방향 화살표로 나타낸 바와 같이, 6개의 매칭 관계(712, 713, 714, 723, 724, 734)가 더 존재한다. 즉, 도7에는 6개의 쌍을 이루는 도로 경계선이 더 존재한다. 즉, 위상학적 관계에 도로 경계선의 수량이 3개이고 쌍을 이루는 도로 경계선의 수량이 6개임이 지시될 경우, 해당 영역에 3거리 회전 교차로 유형의 교차로(700)가 존재하는 것으로 확정할 수 있다. 선택적으로 또는 부가적으로, 4거리 회전 교차로(미도시), 5거리 회전 교차로(미도시), 6거리 회전 교차로(미도시) 등과 같은 기타의 회전 교차로에도 상응한 위상학적 관계가 존재하며, 본원에서는 이에 대한 반복되는 설명을 생략하기로 한다.
도8은 본 개시의 일부의 실시예에 따른 보통 도로(800)(교차로가 없음)의 도로 경계선 위상학적 관계도를 나타낸다. 도4a 내지 도7과 명확히 달리, 도8에는 단지 2개의 도로 경계선(801 및 802)이 존재하며, 양방향 화살표로 나타낸 바와 같이, 해당 2개의 도로 경계선은 한 쌍의 도로 경계선(812)이다. 즉, 위상학적 관계에 도로 경계선의 수량이 2개이고, 쌍을 이루는 도로 경계선의 수량이 1개임이 지시될 경우, 해당 영역에 교차로가 존재하지 않는 것으로 확정할 수 있다.
돌아가 도2를 이어서 참조하면, 블록(230)에서, 위상학적 관계를 기반으로 영역(101) 중의 교차로 분포 상황을 확정한다. 도4a 내지 도8을 참조하여 설명한 바와 같이, 일부의 실시예들에 있어서, 아래와 같은 병렬 판정을 통해 교차로 분포 상황을 인식한다. 즉, 위상학적 관계에 도로 경계선의 수량이 4개이고 쌍을 이루는 도로 경계선의 수량이 3개임이 지시될 경우, 영역에 합류 교차로(400) 또는 분기 교차로(400') 유형의 교차로가 존재하는 것으로 확정하고, 또는, 위상학적 관계에 도로 경계선의 수량이 3개이고 쌍을 이루는 도로 경계선의 수량이 3개임이 지시될 경우, 영역에 T자형 교차로(500) 유형의 교차로가 존재하는 것으로 확정하고, 또는, 위상학적 관계에 도로 경계선의 수량이 4개이고 쌍을 이루는 도로 경계선의 수량이 4개임이 지시될 경우, 영역에 십자 교차로(600) 유형의 교차로가 존재하는 것으로 확정하고, 또는, 위상학적 관계에 도로 경계선이 영역에서의 시작점과 종료점이 기본적으로 중합됨이 지시될 경우, 영역에 회전 교차로(700) 유형의 교차로가 존재하는 것으로 확정한다. 선택적으로 또는 부가적으로, 전술한 위상학적 관계 이외의 기타의 위상학적 관계에 직면하게 될 경우, 해당 영역에 교차로가 존재하지 않는 것으로 판정한다.
본원에 제출된 도로 경계선의 위상학적 관계(즉, 교차로와 연결되는 각 도로 경계선 사이의 위치와 방향의 관계)는 상술한 실시예들에서 토론된 도로 경계선의 수량, 쌍을 이루는 도로 경계선의 수량 및 쌍을 이루는 도로 경계선과 교차로의 상대적 방향을 포함할 뿐만 아니라, 기타의 위상학적 관계도 포함한다. 즉, 마찬가지로 상술한 실시예들에서 토론된 위상학적 관계 이외의 기타의 도로 관계를 이용하여 교차로 인식을 진행할 수 있다. 위상학적 관계에서 도로 경계선의 구체적인 위치, 구체적인 길이와 각도를 감안하지 않으며, 현실 중의 교차로들은 모두 동일하지 않으나, 한정된 몇가지 유형으로 완전히 분류될 수 있으므로, 도로 경계선의 위상학적 관계를 기반으로 교차로 유형을 인식하는 본 개시의 기술은 각종의 교차로에 적용될 수 있으며, 보편성이 강한 특점을 구비한다.
도9는 본 개시의 실시예에 따른 전자 지도 중의 교차로를 인식하기 위한 장치의 블록 개략도를 나타낸다. 도9에 도시된 바와 같이, 장치(900)는, 전자 지도로부터 도로 경계선에 관한 경계선 정보를 획득하도록 구축된 경계선 정보 획득 모듈(910)과, 경계선 정보를 기반으로 전자 지도의 기정의 크기의 영역 내의 도로 경계선 사이의 위상학적 관계를 확정하도록 구축된 위상학적 관계 확정 모듈(920)과, 위상학적 관계를 기반으로 영역 중의 교차로 분포 상황을 확정하도록 구축된 교차로 분포 상황 확정 모듈(930)을 포함한다.
도10은 본 개시의 실시예를 실시할 수 있는 예시적 기기(1000)의 개략적 블록도를 나타낸다. 도시된 바와 같이, 기기(1000)는, 중앙 처리 유닛(1001; CPU)을 포함하되, CPU(1001)는 읽기 전용 메모리(1002; ROM)에 저장된 컴퓨터 프로그램 명령 또는 저장 유닛(1008)으로부터 랜덤 액세스 메모리(1003; RAM)에 로딩된 컴퓨터 프로그램 명령에 따라 각종의 적당한 동작과 처리를 실행할 수 있다. RAM(1003)에는 기기(1000)의 작동에 필요한 각종의 프로그램 및 데이터가 더 저장될 수 있다. CPU(1001), ROM(1002) 및 RAM(1003)은 버스(1004)를 통해 서로 연결된다. 입력/출력(I/O) 인터페이스(1005)도 버스(1004)에 연결된다.
기기(1000) 중의 I/O 인터페이스(1005)에 연결되는 다수의 부재들로서, 키보드, 마우스 등과 같은 입력 유닛(1006)과, 각종 유형의 표시 장치, 스피커 등과 같은 출력 유닛(1007)과, 자기 디스크, 콤팩트 디스크 등과 같은 저장 유닛(1008)과, 랜카드, 모뎀, 무선 통신 송수신기 등과 같은 통신 유닛(1009)이 포함된다. 통신 유닛(1009)은 인터넷과 같은 컴퓨터 네트워크 및/또는 각종의 전기 통신망을 통해 기타의 기기와 정보/데이터를 교환하는 것을 허용한다.
CPU(1001)은 전술한 각 방법과 처리, 예컨대 과정(800) 및/또는 과정(900)을 실행한다. 예를 들어, 일부의 실시예들에 있어서, 과정(800) 및/또는 과정(900)은 컴퓨터 소프트웨어 프로그램으로 구현될 수 있으며, 이는 기계 판독 가능한 매체(예컨대 저장 유닛(1008))에 유형적으로 포함된다. 일부의 실시예들에 있어서, 컴퓨터 프로그램의 일부 또는 전부는 ROM(1002) 및/또는 통신 유닛(1009)을 경유하여 기기(1000) 상에 로딩 및/또는 설치될 수 있다. 컴퓨터 프로그램이 RAM(1003)에 로딩되고 CPU(1001)에 의해 실행될 경우, 전술한 과정(800) 및/또는 과정(900)의 하나 또는 다수의 단계를 실행할 수 있다. 선택 가능하게, 기타의 실시예에 있어서, CPU(1001)는 기타의 임의의 적당한 방식을 통해 (예컨대, 펌웨어의 도움으로) 과정(800) 및/또는 과정(900)을 실행하도록 구축될 수 있다.
본원에 설명된 이상의 기능들은 적어도 부분적으로 하나 또는 다수의 하드웨어 로직 부재로 실행될 수 있다. 예를 들어, 사용 가능한 모범적인 유형의 하드웨어 로직 부재는, 필드 프로그래머블 게이트 어레이(FPGA), 주문형 집적 회로(ASIC), 주문형 표준 제품(ASSP), 시스템-온-칩 시스템(SOC), 복합 프로그래머블 로직 소자(CPLD) 등을 포함하나, 이에 한정되지 않는다.
본 개시의 방법을 실시하기 위한 프로그램 코드는 하나 또는 다수의 프로그래머블 언어들의 임의의 조합을 이용하여 프로그래밍될 수 있다. 이러한 프로그램 코드는 범용 컴퓨터, 주문형 컴퓨터 또는 기타의 프로그래머블 데이터 처리 장치의 프로세서 또는 제어 장치에 제공될 수 있으며, 프로그램 코드가 프로세서 또는 제어 장치에 의해 실행될 경우, 흐름도 및/또는 블록도에 규정된 기능/조작들이 실시되도록 한다. 프로그램 코드는 완전히 기계 상에서 실행되거나, 부분적으로 기계 상에서 실행되거나, 독립적인 소프트웨어 패키지로서 부분적으로 기계 상에서 실행되고 부분적으로 원격 기계 상에서 실행되거나, 또는 완전히 원격 기계 또는 서비스 상에서 실행될 수 있다.
본 개시의 맥락에 있어서, 기계 판독 가능한 매체는 유형의 매체일 수 있으며, 명령 실행 시스템, 장치 또는 기기에 의해 사용되거나, 또는 명령 실행 시스템, 장치 또는 기기와 결합하여 사용되는 프로그램을 포함하거나 저장할 수 있다. 기계 판독 가능한 매체는 기계 판독 가능한 신호 매체 또는 기계 판독 가능한 저장 매체일 수 있다. 기계 판독 가능한 매체는 전자, 자기, 광학, 전자기, 적외선 또는 반도체 시스템, 장치 또는 기기, 또는 전술한 내용들의 임의의 적합한 조합을 포함할 수 있으나, 이에 한정되지 않는다. 기계 판독 가능한 저장 매체의 보다 구체적인 예시는 하나 또는 다수의 와이어 기반의 전기적 연결, 휴대용 컴퓨터 디스크, 하드 디스크, 랜덤 액세스 메모리(RAM), 읽기 전용 메모리（ROM）, 소거 및 프로그램 가능한 읽기 전용 메모리(EPROM 또는 플래시 메모리), 광섬유, 휴대용 콤팩트 디스크 읽기 전용 메모리(CD-ROM), 광학 저장 장치, 자기 저장 장치 또는 전술한 내용들의 임의의 적합한 조합을 포함할 수 있으나, 이에 한정되지 않는다.
또한, 특정된 순서를 이용하여 각 조작을 설명하였으나, 이는 이러한 조작들이 도시된 특정된 순서 또는 순차 순서로 실행되는 것을 요구하거나, 원하는 결과를 실현하기 위해 도시된 모든 조작들이 실행되어야 하는 것을 요구하는 것으로 이해하여서는 아니된다. 일정한 환경에 있어서, 멀티 태스킹과 병렬 처리는 유리할 수 있다. 마찬가지로, 앞선 토론에는 여러가지 구체적인 구현들의 세부사항들이 포함되나, 이들은 본 개시의 범위에 대한 한정으로 해석하여서는 아니된다. 별도의 실시예의 맥락에 설명된 일부의 특징들은 조합의 방식으로 단일의 구현에 구현될 수 있다. 반대로, 단일의 구현의 맥락에 설명된 각종의 특징들도 별도로 또는 임의의 적당한 서브 조합의 방식으로 다수의 구현들에 구현될 수도 있다.
구조 특징 및/또는 방법 로직 동작에 특정된 언어를 이용하여 본 주제를 설명하였으나, 특허청구범위에 한정된 주제는 반드시 전술한 특정된 특징 또는 동작들에 한정되어야 하는 것이 아님을 이해하여야 한다. 반대로, 전술한 특정된 특징 또는 동작들은 단지 특허청구범위를 구현하는 예시적 형식이다.

Claims (18)

  1. 전자 지도 중의 교차로를 인식하기 위한 방법에 있어서,
    상기 전자 지도로부터 도로 경계선에 관한 경계선 정보를 획득하는 단계와,
    상기 경계선 정보를 기반으로 상기 전자 지도의 기정의 크기의 영역 내의 도로 경계선 사이의 위상학적 관계를 확정하는 단계와,
    상기 위상학적 관계를 기반으로 상기 영역 중의 교차로 분포 상황을 확정하는 단계를 포함하는 전자 지도 중의 교차로를 인식하기 위한 방법.
  2. 제1항에 있어서,
    상기 위상학적 관계는 적어도 상기 영역 내의 도로 경계선의 수량과 상기 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고, 상기 도로 경계선은 도로 방향 정보를 구비하며,
    상기 쌍을 이루는 도로 경계선의 수량은,
    상기 도로 경계선 중의 제1 도로 경계선에 대해, 상기 제1 도로 경계선의 도로 방향 정보를 기반으로 상기 제1 도로 경계선과의 거리가 제일 작고 상기 제1 도로 경계선과 동일한 방향에 위치하는 제2 도로 경계선을 확정하고,
    상기 제1 도로 경계선의 접선과 상기 제2 도로 경계선의 접선 사이의 각도가 기정의 범위 내에 위치하는지 여부를 확정하고,
    상기 접선 사이의 각도가 기정의 범위 내에 있으면, 상기 쌍을 이루는 도로 경계선의 수량을 1개 증가시키는 방식을 통해 확정하는 전자 지도 중의 교차로를 인식하기 위한 방법.
  3. 제1항에 있어서,
    상기 위상학적 관계는 적어도 상기 영역 내의 도로 경계선의 수량과 상기 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고,
    상기 위상학적 관계를 기반으로 상기 영역 중의 교차로 분포 상황을 확정하는 단계는,
    상기 도로 경계선의 수량이 4개이고 상기 쌍을 이루는 도로 경계선의 수량이 3개임을 지시하는 상기 위상학적 관계에 대응하여, 상기 영역에 합류 교차로 또는 분기 교차로 유형의 교차로가 존재함을 확정하는 단계를 포함하는 것을 특징으로 하는 전자 지도 중의 교차로를 인식하기 위한 방법.
  4. 제3항에 있어서,
    상기 도로 경계선은 방향 정보를 구비하되,
    상기 방향 정보에 따라 3개의 상기 쌍을 이루는 도로 경계선에서 상기 교차로를 지향하는 쌍을 이루는 도로 경계선의 수량을 확정하는 단계와,
    상기 교차로를 지향하는 쌍을 이루는 도로 경계선의 수량이 1개임에 대응하여, 상기 교차로가 분기 교차로인 것으로 확정하는 단계와,
    상기 교차로를 지향하는 쌍을 이루는 도로 경계선의 수량이 2개임에 대응하여, 상기 교차로가 합류 교차로인 것으로 확정하는 단계를 더 포함하는 것을 특징으로 하는 전자 지도 중의 교차로를 인식하기 위한 방법.
  5. 제1항에 있어서,
    상기 위상학적 관계는 적어도 상기 영역 내의 도로 경계선의 수량과 상기 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고,
    상기 위상학적 관계를 기반으로 상기 영역 중의 교차로 분포 상황을 확정하는 단계는,
    상기 도로 경계선의 수량이 3개이고 상기 쌍을 이루는 도로 경계선의 수량이 3개임을 지시하는 상기 위상학적 관계에 대응하여, 상기 영역에 T자형 교차로 유형의 교차로가 존재함을 확정하는 단계를 포함하는 것을 특징으로 하는 전자 지도 중의 교차로를 인식하기 위한 방법.
  6. 제1항에 있어서,
    상기 위상학적 관계는 적어도 상기 영역 내의 도로 경계선의 수량과 상기 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고,
    상기 위상학적 관계를 기반으로 상기 영역 중의 교차로 분포 상황을 확정하는 단계는,
    상기 도로 경계선의 수량이 4개이고 상기 쌍을 이루는 도로 경계선의 수량이 4개임을 지시하는 상기 위상학적 관계에 대응하여, 상기 영역에 십자 교차로 유형의 교차로가 존재함을 확정하는 단계를 포함하는 것을 특징으로 하는 전자 지도 중의 교차로를 인식하기 위한 방법.
  7. 제1항에 있어서,
    상기 위상학적 관계는 적어도 상기 영역 내의 도로 경계선의 수량과 상기 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고,
    상기 위상학적 관계를 기반으로 상기 영역 중의 교차로 분포 상황을 확정하는 단계는,
    상기 도로 경계선이 상기 영역에서의 시작점과 종료점이 기본적으로 중합됨을 지시하는 상기 위상학적 관계에 대응하여, 상기 영역에 회전 교차로 유형의 교차로가 존재함을 확정하는 단계를 포함하는 것을 특징으로 하는 전자 지도 중의 교차로를 인식하기 위한 방법.
  8. 제1항에 있어서,
    상기 위상학적 관계는 적어도 상기 영역 내의 도로 경계선의 수량과 상기 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고,
    상기 전자 지도로부터 도로 경계선에 관한 경계선 정보를 획득하는 단계는,
    상기 전자 지도를 생성하기 위한 레이저 포인트 클라우드 데이터로부터 트립 포인트를 확정하되, 상기 트립 포인트의 데이터는 도로 높이의 트립을 지시하는 단계와,
    상기 트립 포인트를 기반으로 상기 도로 경계선을 인식하는 단계를 포함하는 것을 특징으로 하는 전자 지도 중의 교차로를 인식하기 위한 방법.
  9. 전자 지도 중의 교차로를 인식하기 위한 장치에 있어서,
    상기 전자 지도로부터 도로 경계선에 관한 경계선 정보를 획득하도록 구축된 경계선 정보 획득 모듈과,
    상기 경계선 정보를 기반으로 상기 전자 지도의 기정의 크기의 영역 내의 도로 경계선 사이의 위상학적 관계를 확정하도록 구축된 위상학적 관계 확정 모듈과,
    상기 위상학적 관계를 기반으로 상기 영역 중의 교차로 분포 상황을 확정하도록 구축된 교차로 분포 상황 확정 모듈을 포함하는 전자 지도 중의 교차로를 인식하기 위한 장치.
  10. 제9항에 있어서,
    상기 위상학적 관계는 적어도 상기 영역 내의 도로 경계선의 수량과 상기 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고, 상기 도로 경계선은 도로 방향 정보를 구비하며,
    상기 쌍을 이루는 도로 경계선의 수량은,
    상기 도로 경계선 중의 제1 도로 경계선에 대해, 상기 제1 도로 경계선의 도로 방향 정보를 기반으로 상기 제1 도로 경계선과의 거리가 제일 작고 상기 제1 도로 경계선과 동일한 방향에 위치하는 제2 도로 경계선을 확정하고,
    상기 제1 도로 경계선의 접선과 상기 제2 도로 경계선의 접선 사이의 각도가 기정의 범위 내에 위치하는지 여부를 확정하고,
    상기 접선 사이의 각도가 기정의 범위 내에 있으면, 상기 쌍을 이루는 도로 경계선의 수량을 1개 증가시키는 방식을 통해 확정하는 전자 지도 중의 교차로를 인식하기 위한 장치.
  11. 제9항에 있어서,
    상기 위상학적 관계는 적어도 영역 내의 도로 경계선의 수량과 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고,
    상기 교차로 분포 상황 확정 모듈은,
    도로 경계선의 수량이 4개이고 쌍을 이루는 도로 경계선의 수량이 3개임을 지시하는 위상학적 관계에 대응하여, 영역에 합류 교차로 또는 분기 교차로 유형의 교차로가 존재함을 확정하는 것을 특징으로 하는 전자 지도 중의 교차로를 인식하기 위한 장치.
  12. 제11항에 있어서,
    상기 도로 경계선은 방향 정보를 구비하고,
    상기 교차로 분포 상황 확정 모듈은,
    상기 방향 정보에 따라 3개의 상기 쌍을 이루는 도로 경계선에서 상기 교차로를 지향하는 쌍을 이루는 도로 경계선의 수량을 확정하고,
    상기 교차로를 지향하는 쌍을 이루는 도로 경계선의 수량이 1개임에 대응하여, 상기 교차로가 분기 교차로인 것으로 확정하고,
    상기 교차로를 지향하는 쌍을 이루는 도로 경계선의 수량이 2개임에 대응하여, 상기 교차로가 합류 교차로인 것으로 확정하도록 더 구축되는 것을 특징으로 하는 전자 지도 중의 교차로를 인식하기 위한 장치.
  13. 제9항에 있어서,
    상기 위상학적 관계는 적어도 상기 영역 내의 도로 경계선의 수량과 상기 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고,
    상기 교차로 분포 상황 확정 모듈은,
    상기 도로 경계선의 수량이 3개이고 상기 쌍을 이루는 도로 경계선의 수량이 3개임을 지시하는 상기 위상학적 관계에 대응하여, 상기 영역에 T자형 교차로 유형의 교차로가 존재함을 확정하도록 더 구축되는 것을 특징으로 하는 전자 지도 중의 교차로를 인식하기 위한 장치.
  14. 제9항에 있어서,
    상기 위상학적 관계는 적어도 상기 영역 내의 도로 경계선의 수량과 상기 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고,
    상기 교차로 분포 상황 확정 모듈은,
    상기 도로 경계선의 수량이 4개이고 상기 쌍을 이루는 도로 경계선의 수량이 4개임을 지시하는 상기 위상학적 관계에 대응하여, 상기 영역에 십자 교차로 유형의 교차로가 존재함을 확정하도록 더 구축되는 것을 특징으로 하는 전자 지도 중의 교차로를 인식하기 위한 장치.
  15. 제9항에 있어서,
    상기 위상학적 관계는 적어도 상기 영역 내의 도로 경계선의 수량과 상기 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고,
    상기 교차로 분포 상황 확정 모듈은,
    상기 도로 경계선이 상기 영역에서의 시작점과 종료점이 기본적으로 중합됨을 지시하는 상기 위상학적 관계에 대응하여, 상기 영역에 회전 교차로 유형의 교차로가 존재함을 확정하도록 더 구축되는 것을 특징으로 하는 전자 지도 중의 교차로를 인식하기 위한 장치.
  16. 제9항에 있어서,
    상기 위상학적 관계는 적어도 상기 영역 내의 도로 경계선의 수량과 상기 도로 경계선 중에서 쌍을 이루는 도로 경계선의 수량이 포함되고,
    상기 경계선 정보 획득 모듈은,
    상기 전자 지도를 생성하기 위한 레이저 포인트 클라우드 데이터로부터 트립 포인트를 확정하되, 상기 트립 포인트의 데이터는 도로 높이의 트립을 지시하고,
    상기 트립 포인트를 기반으로 상기 도로 경계선을 인식하도록 더 구축되는 것을 특징으로 하는 전자 지도 중의 교차로를 인식하기 위한 장치.
  17. 하나 또는 다수의 프로세서와,
    하나 또는 다수의 프로그램을 저장하기 위한 저장 장치를 포함하되,
    상기 하나 또는 다수의 프로그램이 상기 하나 또는 다수의 프로세서에 의해 실행될 경우, 상기 하나 또는 다수의 프로세서가 제1항 내지 제8항 중의 임의의 한 항의 방법을 구현하도록 하는 기기.
  18. 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 저장 매체에 있어서,
    상기 컴퓨터 프로그램이 프로세서에 의해 실행될 경우, 제1항 내지 제8항 중의 임의의 한 항의 방법을 구현하는 컴퓨터 판독 가능한 저장 매체.

KR1020180115913A 2017-12-29 2018-09-28 전자 지도 중의 교차로를 인식하기 위한 방법 및 장치 KR102106359B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201711482987.5 2017-12-29
CN201711482987.5A CN108319895B (zh) 2017-12-29 2017-12-29 用于识别电子地图中的路口的方法和装置

Publications (2)

Publication Number Publication Date
KR20190082061A true KR20190082061A (ko) 2019-07-09
KR102106359B1 KR102106359B1 (ko) 2020-05-06

Family

ID=62892819

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180115913A KR102106359B1 (ko) 2017-12-29 2018-09-28 전자 지도 중의 교차로를 인식하기 위한 방법 및 장치

Country Status (5)

Country Link
US (1) US10783368B2 (ko)
EP (1) EP3506157A1 (ko)
JP (1) JP6875365B2 (ko)
KR (1) KR102106359B1 (ko)
CN (1) CN108319895B (ko)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
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
CN108877267B (zh) * 2018-08-06 2020-11-03 武汉理工大学 一种基于车载单目相机的交叉路口检测方法
CN110873567B (zh) * 2018-08-29 2021-05-25 阿里巴巴（中国）有限公司 一种高精道路的处理方法及装置
CN111831664B (zh) * 2019-04-16 2024-05-28 北京四维图新科技股份有限公司 一种地图数据更新方法及装置
CN112683287A (zh) * 2019-10-18 2021-04-20 上海商汤临港智能科技有限公司 路径生成方法及装置、电子设备和存储介质
CN111814605B (zh) * 2020-06-23 2024-01-19 浙江华睿科技股份有限公司 基于拓扑地图的主干道识别方法、识别装置及存储装置
CN111765893B (zh) * 2020-06-28 2022-06-03 北京四维图新科技股份有限公司 电子地图道路挂接方法及设备
CN112013865B (zh) * 2020-08-28 2022-08-30 北京百度网讯科技有限公司 确定交通卡口的方法、系统、电子设备以及介质
JP7380532B2 (ja) * 2020-11-16 2023-11-15 トヨタ自動車株式会社 地図生成装置、地図生成方法及び地図生成用コンピュータプログラム
CN112561808B (zh) * 2020-11-27 2023-07-18 中央财经大学 一种基于车载激光点云和卫星影像的道路边界线复原方法
CN112818024B (zh) * 2021-02-01 2023-11-03 北京百度网讯科技有限公司 一种地图数据处理方法、装置、设备及存储介质
CN112862844B (zh) * 2021-02-20 2024-01-05 园测信息科技股份有限公司 基于车载点云数据的道路边界交互式提取方法
CN113554869B (zh) * 2021-07-01 2022-04-05 华东师范大学 一种基于多特征融合的道路封闭检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001101598A (ja) * 1999-09-30 2001-04-13 Toyota Motor Corp カーブ通知方法、装置および記録媒体
JP2005222538A (ja) * 2004-01-26 2005-08-18 Ibeo Automobile Sensor Gmbh 車道上のマークの認識方法
KR20140082159A (ko) * 2012-12-24 2014-07-02 현대모비스 주식회사 네비게이터와 연동되는 차량용 조명 시스템

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08335264A (ja) 1995-06-09 1996-12-17 Hitachi Ltd 道路車線認識方法及び装置
US5751852A (en) * 1996-04-29 1998-05-12 Xerox Corporation Image structure map data structure for spatially indexing an imgage
EP1783724A2 (en) * 1996-06-19 2007-05-09 Matsushita Electric Industrial Co., Ltd. Road area extracting apparatus for extracting a road area from a block map, deformed map automatic generation system for generating a deformed map from road area data obtained by the road area extracting apparatus, map information providing system, geographical information providing system and geographical information describing method
DE59908421D1 (de) * 1999-05-21 2004-03-04 Siemens Ag Verfahren zum Gewinnen einer dreidimensionalen Kartendarstellung und Navigationssystem
JP3793032B2 (ja) 2001-02-28 2006-07-05 株式会社東芝 道案内方法及び装置
US6473690B1 (en) * 2001-08-24 2002-10-29 Navigation Technologies Corp. Three-dimensional space curve comparison using spatial angle variance metric and applications thereof
JP4172941B2 (ja) * 2002-03-01 2008-10-29 日立ソフトウエアエンジニアリング株式会社 土地区画データ作成方法および装置
KR100819047B1 (ko) * 2006-11-27 2008-04-02 한국전자통신연구원 교차로 중심선 예측 장치 및 방법
JP4983552B2 (ja) 2007-11-05 2012-07-25 日産自動車株式会社 車載ナビゲーション装置および経路案内方法
JP5386850B2 (ja) 2008-04-25 2014-01-15 トヨタ自動車株式会社 物体情報取得装置
JP2010008261A (ja) 2008-06-27 2010-01-14 Alpine Electronics Inc ナビゲーション装置及びｔ字路交差点検出方法
US8665263B2 (en) 2008-08-29 2014-03-04 Mitsubishi Electric Corporation Aerial image generating apparatus, aerial image generating method, and storage medium having aerial image generating program stored therein
CN101726308B (zh) * 2008-10-15 2012-07-25 北京龙图通信息技术有限公司 一种生成导航电子地图路口实景诱导图的方法
CN101782399B (zh) * 2009-01-21 2012-07-04 北京四维图新科技股份有限公司 导航电子地图中道路网络拓扑分区的方法及装置
CN101650890A (zh) * 2009-09-18 2010-02-17 西安煤航信息产业有限公司 一种道路在地图上的处理表示方法
US8744131B2 (en) * 2009-09-29 2014-06-03 Panasonic Corporation Pedestrian-crossing marking detecting method and pedestrian-crossing marking detecting device
CN102012230A (zh) * 2010-08-27 2011-04-13 杭州妙影微电子有限公司 一种道路实景导航方法
EP2458335B1 (en) * 2010-11-24 2016-07-06 Denso Corporation Road estimation device and method for estimating road
JP5152306B2 (ja) * 2010-11-24 2013-02-27 株式会社デンソー 道路推定装置
JP5753761B2 (ja) 2011-10-20 2015-07-22 株式会社パスコ 路線価流れ図作成装置及び路線価流れ図作成プログラム
US9355322B2 (en) * 2012-08-13 2016-05-31 Honda Motor Co., Ltd. Road environment recognition device
JP6119225B2 (ja) 2012-12-11 2017-04-26 株式会社豊田中央研究所 交差点道路境界検出装置及びプログラム
US9495602B2 (en) * 2013-10-23 2016-11-15 Toyota Motor Engineering & Manufacturing North America, Inc. Image and map-based detection of vehicles at intersections
KR101509995B1 (ko) * 2013-12-03 2015-04-07 현대자동차주식회사 Jc 진출입 판단 장치 및 그 방법
US9081383B1 (en) 2014-01-22 2015-07-14 Google Inc. Enhancing basic roadway-intersection models using high intensity image data
WO2015130461A2 (en) * 2014-02-26 2015-09-03 Google Inc. System and method for conflating road datasets
CN105809095B (zh) * 2014-12-31 2020-03-03 博世汽车部件(苏州)有限公司 交通路口通行状态的确定
US20180307934A1 (en) * 2017-04-25 2018-10-25 Spatial Corporation Highly parallelizable algorithm for detecting intersections of shapes
CN107122757A (zh) * 2017-05-11 2017-09-01 南宁市正祥科技有限公司 一种实时鲁棒的非结构化道路检测方法
CN107169464B (zh) * 2017-05-25 2019-04-09 中国农业科学院农业资源与农业区划研究所 一种基于激光点云的道路边界检测方法
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
CN107478201B (zh) * 2017-08-07 2020-02-07 苍穹数码技术股份有限公司 一种基于数字正射影像道路数字化采集方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001101598A (ja) * 1999-09-30 2001-04-13 Toyota Motor Corp カーブ通知方法、装置および記録媒体
JP2005222538A (ja) * 2004-01-26 2005-08-18 Ibeo Automobile Sensor Gmbh 車道上のマークの認識方法
KR20140082159A (ko) * 2012-12-24 2014-07-02 현대모비스 주식회사 네비게이터와 연동되는 차량용 조명 시스템

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Geiger, et al. "3d traffic scene understanding from movable platforms." IEEE transactions on pattern analysis and machine intelligence Vol.36.5 (2013)* *
Kodagoda, et al. "Road curb and intersection detection using a 2d lms." IEEE International Conference on Intelligent Robots and Systems Vol.1.(2002)* *

Also Published As

Publication number Publication date
JP6875365B2 (ja) 2021-05-26
EP3506157A1 (en) 2019-07-03
CN108319895B (zh) 2021-09-17
JP2019135544A (ja) 2019-08-15
US20190205640A1 (en) 2019-07-04
CN108319895A (zh) 2018-07-24
KR102106359B1 (ko) 2020-05-06
US10783368B2 (en) 2020-09-22

Similar Documents

Publication Publication Date Title
KR20190082061A (ko) 전자 지도 중의 교차로를 인식하기 위한 방법 및 장치
US10430659B2 (en) Method and apparatus for urban road recognition based on laser point cloud, storage medium, and device
KR102273559B1 (ko) 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체
EP3109842B1 (en) Map-centric map matching method and apparatus
US11204247B2 (en) Method for updating a map and mobile robot
WO2018133851A1 (zh) 一种点云数据处理方法、装置及计算机存储介质
JP2019153281A (ja) 道路中の車線境界線を確定するための方法、装置および機器
CN105335597B (zh) 用于获取路线的轨迹模式的方法和系统
US20180211111A1 (en) Unsupervised online learning of overhanging structure detector for map generation
CN109579858A (zh) 导航数据处理方法、装置、设备及存储介质
CN103247062A (zh) 采集农田关键点测绘成图的方法
JP2016149090A (ja) 自律移動装置、自律移動システム、自律移動方法、およびプログラム
CN114777799B (zh) 一种路口高精地图生成方法、装置、电子设备及存储介质
KR20200084446A (ko) 전자 장치 및 그의 제어 방법
CN115494533A (zh) 车辆定位方法、装置、存储介质及定位系统
JP2023102768A (ja) 道路地図生成システム及び使用方法
US11415984B2 (en) Autonomous driving control device and method
KR102384429B1 (ko) 도로지도 구축을 위한 도로 혼잡 위치 판별 및 재조사 경로 생성 방법
CN114036247A (zh) 高精地图数据关联方法、装置、电子设备及存储介质
Zou et al. Automated UAV route planning for bridge inspection using BIM-GIS data
Dekkiche et al. Vehicles detection in stereo vision based on disparity map segmentation and objects classification
Portugal et al. Retrieving topological information for mobile robots provided with grid maps
CN110531347A (zh) 激光雷达的探测方法、装置及计算机可读存储介质
JP2923664B2 (ja) 自動走行装置
CN103226195B (zh) 监视覆盖分析方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right