[go: up one dir, main page]

CN110287904B - 一种基于众包数据的车道线提取方法、装置及存储介质 - Google Patents

一种基于众包数据的车道线提取方法、装置及存储介质 Download PDF

Info

Publication number
CN110287904B
CN110287904B CN201910570047.4A CN201910570047A CN110287904B CN 110287904 B CN110287904 B CN 110287904B CN 201910570047 A CN201910570047 A CN 201910570047A CN 110287904 B CN110287904 B CN 110287904B
Authority
CN
China
Prior art keywords
line
point
points
lane line
main direction
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
CN201910570047.4A
Other languages
English (en)
Other versions
CN110287904A (zh
Inventor
胡丹丹
尹玉成
石涤文
罗跃军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heading Data Intelligence Co Ltd
Original Assignee
Heading Data Intelligence Co Ltd
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 Heading Data Intelligence Co Ltd filed Critical Heading Data Intelligence Co Ltd
Priority to CN201910570047.4A priority Critical patent/CN110287904B/zh
Publication of CN110287904A publication Critical patent/CN110287904A/zh
Application granted granted Critical
Publication of CN110287904B publication Critical patent/CN110287904B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于众包数据的车道线提取方法、装置及存储介质，属于自动驾驶领域。该方法包括：收集原始车道线簇数据，获取每条车道线端点形成点集；基于obb算法计算点集的主方向线段；按一定长度间隔对主方向线段进行均分，并建立主方向线段均分点的垂线段；当均分点上任一垂线段与车道线簇存在多个交点，则求取多个交点的中值，并将中值对应的位置标记为有效点；对所有有效点形成的有序形点串进行压缩，得到车道线簇的代表车道线。通过该方案可以快速准确地从众包车道线簇数据中提取代表车道线，降低计算量并简化提取过程。

Description

一种基于众包数据的车道线提取方法、装置及存储介质
技术领域
本发明涉及自动驾驶领域，尤其涉及一种基于众包数据的车道线提取方法、装置及存储介质。
背景技术
在高精度地图制作过程中，常常涉及众包数据的采集。由于众包数据是通过多车采集，采集设备及采集线路、角度存在不同，导致实际得到的车道线往往存在较大差异，为准确制作道路地图，需要对车道线簇进行优化，合理提取的车道线代表车道线簇。
目前，较常使用聚类分析的提取道路的车道线，通过对多条采集的车道线聚类，分析轨迹点，从而提取车道线，这种方法能较准确的提取车道线，但采用聚类算法计算量偏大，算法复杂度较高，在众包数据中车道线提取效果不佳。
发明内容
有鉴于此，本发明实施例提供了一种基于众包数据的车道线提取方法、装置及存储介质，能简单快速的进行车道线提取，准确合理地选取符合车道线簇特征的车道线。
在本发明实施例的第一方面，提供了一种基于众包数据的车道线提取方法，包括：
收集原始车道线簇数据，获取每条车道线端点形成点集；
基于obb算法计算所述点集的主方向线段；
按预设长度间隔对所述主方向线段进行均分，并计算所述主方向线段均分点的垂线段；
当所述主方向线段均分点的任一垂线段与所述原始车道线簇存在多个交点，则求取所述多个交点的中值，并将所述中值对应的位置标记为有效点；
对所有有效点形成的一列有序的形点串进行压缩，得到所述原始车道线簇的代表车道线。
在本发明实施例的第二方面，提供了一种车辆行驶轨迹类型检测装置，包括：
收集模块，用于收集原始车道线簇数据，获取每条车道线端点形成点集；
第一计算模块，用于基于obb算法计算所述点集的主方向线段；
第二计算模块，用于按预设长度间隔对所述主方向线段进行均分，并计算所述主方向线段均分点的垂线段；
第三计算模块，用于当所述主方向线段均分点的任一垂线段与所述原始车道线簇存在多个交点，则求取所述多个交点的中值，并将所述中值对应的位置标记为有效点；
压缩模块，用于对所有有效点形成的一列有序的形点串进行压缩，得到所述原始车道线簇的代表车道线。
在本发明实施例的第三方面，提供了一种装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。
在本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
本发明实施例的第五方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被一个或多个处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
本发明实施例中，获取原始车道线簇中线段端点形成点集，通过obb算法求取主方向线段后，对主方向线段分割，作分割点的中线，通过取中线与线簇交点的中值，得到有效点，将有效点组成的形点串压缩作为车道线，可以得到车道线簇的代表线段，即代表车道线，该技术方案，简单易实行，性对于传统的聚类分析可以降低计算量，同时保障车道线提取的准确，能泛化应用于众包地图提取代表车道线、生成车道线组等。
附图说明
图1为本发明实施例提供的一种基于众包数据的车道线提取方法的流程示意图；
图2为本发明实施例提供的一种基于众包数据的车道线提取方法的原理示意图；
图3为本发明实施例提供的一种基于众包数据的车道线提取方法的另一原理示意图；
图4为本发明实施例提供的一种基于众包数据的车道线提取装置的结构示意图。
具体实施方式
本发明实施例提供了一种基于众包数据的车道线提取方法、装置及存储介质，用于准确快速提取车道线簇中的代表车道线。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例一：
请参阅图1，本发明实施例提供的车辆行驶轨迹类型检测方法的流程示意图，包括：
S101、收集原始车道线簇数据，获取每条车道线端点形成点集；
所述原始车道线簇数据即众包数据中的车道线，对车道线预处理表示为线段，多条线段集合构成线簇。获取每条车道线对应线段的两端点，多条线段端点构成点集，一般端点用(x,y)，多个(x,y)组成的集合即为点集。
S102、基于obb算法计算所述点集的主方向线段；
所述obb(Oriented Bounding Box)算法即包围盒算法，一种求解离散点集最优包围空间的算法。通过计算点集的包围盒，可以求取主方向线段，所述主方向线段用于表征车道线及其方向的线段，通过对主方向线段优化调整，模拟出代表车道线。
具体的，分别计算所述点集的协方差矩阵、特征值和特征向量集合；
示例性的，假设点集协方差矩阵为：
Figure BDA0002110598480000041
则协方差计算公式为：
Figure BDA0002110598480000042
基于特征值满足|A-λE|＝0，求取特征值A，其中，λ的集合称为A的特征值。
对于λ＝{λ1,λ2...λn}中的每个λi满足(A-λiE)x＝0的非零解x，即为A对应于特征值λi的特征向量。
获取所述点集最大特征值对应的特征向量，得到主方向线段斜率；
基于线簇的最大特征值λi，可以设定对应主方向线段的斜率k，表征线簇方向特征。
根据主方向线段斜率，基于obb包围盒计算所有点的包围盒边线；
优选的，遍历点集中所有点，求取经过每个点且斜率等于主方向线段斜率的直线，即作经过每个点，斜率为k的直线，计算每条直线与坐标轴的截距，选取最小截距和最大截距作为包围盒边线；
构建所述包围盒边线的中线，并将短边中线作为主方向线段。
如图3所示，30表示坐标轴，31为主方向线段，32为主方向线段的垂线，33为点集中的任意点，34为包围盒长边，35为包围盒短边。
根据主方向线段31的斜率，及点集中所有点，构建所有点的包围盒，其中，包围盒由长边34和短边35构成的矩形表示。长边34对应于斜率为k的直线与坐标轴30的最大截距，短边35对应于斜率为k的直线与坐标轴30的最小截距。
构建短边35的中线得到线段31即为方向线段。当线簇长度小于线簇宽度时，调整长边34的中线32为主方向线段。
优选的，获取原始车道线簇的方向，将原始车道线簇方向作为主方向线段的方向。
S103、按预设长度间隔对所述主方向线段进行均分，并计算所述主方向线段均分点的垂线段；
S104、当所述主方向线段均分点的任一垂线段与所述原始车道线簇存在多个交点，则求取所述多个交点的中值，并将所述中值对应的位置标记为有效点；
所述多个交点为大于或等于两个交点，即当存在两个及以上交点时，求取交点的中值。一般的，在坐标轴上标示主方向线段及垂线，通过坐标表示交点位置，求取多个交点的中值，得到有效点。
如图2所述，21为车道线，22为主方向线段，23为主方向线段的垂线，24为有效点。对主方向线段22均分，在划分点通过作主方向线段的垂线23，得到主方向线段的垂线23与车道线21的交点，一般交点有多个，求多个交点中值即可得到有效点24。
S105、对所有有效点形成的一列有序的形点串进行压缩，得到所述原始车道线簇的代表车道线。
由多个有效点24组成形点串，可对有效点连线形成折线段，对形点串压缩得到代表车道线，所述代表车道线用于真实表示车道线线簇特征。
进一步的，对于形点串构成的折线段，当任意相邻的三个有效点间，中间有效点偏离两个边界有效点小于预定范围，可通过两个边界有效点表示三个有效点，以上过程可重复执行，即可实现有效点压缩，并有利于节约存储空间。
本实施例提供的方法基于obb算法构建点集包围盒，进而得到主方向线段，再根据主方向线段垂线与车道线交点得到有效点，压缩有效点获得代表车道线，实现车道线快速准确的提取，同时实现过程简单，计算量小。
实施例二：
图4为本发明实施例二提供的基于众包数据的车道线提取装置的结构示意图，包括：
收集模块410，用于收集原始车道线簇数据，获取每条车道线端点形成点集；
第一计算模块420，用于基于obb算法计算所述点集的主方向线段；
可选的，所述第一计算模块420包括：
第一计算单元，用于分别计算所述点集的协方差矩阵、特征值和特征向量集合；
获取单元，用于获取所述点集最大特征值对应的特征向量，得到主方向线段斜率；
第二计算单元，用于根据主方向线段斜率，基于obb包围盒计算所有点的包围盒边线；
构建单元，用于构建所述包围盒边线的中线，并将短边中线作为主方向线段。
优选的，所述根据主方向线段斜率，基于obb包围盒计算所有点的包围盒边线具体为：
遍历每个点，求取经过每个点且斜率等于主方向线段斜率的直线，计算每条直线与坐标轴的截距，选取最小截距和最大截距作为包围盒边线；
优选的，所述构建所述包围盒边线的中线，并将短边中线作为主方向线段还包括：
获取原始车道线簇的方向，将原始车道线簇方向作为主方向线段的方向。
第二计算模块430，用于按预设长度间隔对所述主方向线段进行均分，并计算所述主方向线段均分点的垂线段；
第三计算模块440，用于当所述主方向线段均分点的任一垂线段与所述原始车道线簇存在多个交点，则求取所述多个交点的中值，并将所述中值对应的位置标记为有效点；
压缩模块450，用于对所有有效点形成的一列有序的形点串进行压缩，得到所述原始车道线簇的代表车道线。
优选的，所述对所有有效点形成的有序的形点串进行压缩具体为：
当任意相邻的三个有效点间，中间有效点偏离两个边界有效点的连线小于预定范围，则将所述三个有效点通过两个边界有效点表示。
通过本实施例的装置，可以简单快速地提取代表车道线在形态上贴近线簇的特征，准确度高，且可以泛化应用到众包地图的提取代表轨迹线、生成车道线组等方面。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于众包数据的车道线提取方法，其特征在于，包括：
收集原始车道线簇数据，获取每条车道线端点形成点集；
基于obb算法计算所述点集的主方向线段；
其中，所述基于obb算法计算所述点集的主方向线段具体为：
分别计算所述点集的协方差矩阵、特征值和特征向量集合；
获取所述点集最大特征值对应的特征向量，得到主方向线段斜率；
根据主方向线段斜率，基于obb包围盒计算所有点的包围盒边线；
构建所述包围盒边线的中线，并将短边中线作为主方向线段；
按预设长度间隔对所述主方向线段进行均分，并计算所述主方向线段均分点的垂线段；
当所述主方向线段均分点的任一垂线段与所述原始车道线簇存在多个交点，则求取所述多个交点的中值，并将所述中值对应的位置标记为有效点；
对所有有效点形成的有序形点串进行压缩，得到所述原始车道线簇的代表车道线。
2.根据权利要求1所述的方法，其特征在于，所述根据主方向线段斜率，基于obb包围盒计算所有点的包围盒边线具体为：
遍历每个点，求取经过每个点且斜率等于主方向线段斜率的直线，计算每条直线与坐标轴的截距，选取最小截距和最大截距作为包围盒边线。
3.根据权利要求1所述的方法，其特征在于，所述构建所述包围盒边线的中线，并将短边中线作为主方向线段还包括：
获取原始车道线簇的方向，将原始车道线簇方向作为主方向线段的方向。
4.根据权利要求1所述的方法，其特征在于，所述对所有有效点形成的有序的形点串进行压缩具体为：
当任意相邻的三个有效点间，中间有效点偏离两个边界有效点的连线小于预定范围，则将所述三个有效点通过两个边界有效点表示,去除中间有效点。
5.一种基于众包数据的车道线提取装置，其特征在于，包括：
收集模块，用于收集原始车道线簇数据，获取每条车道线端点形成点集；
第一计算模块，用于基于obb算法计算所述点集的主方向线段；
其中，所述第一计算模块包括：
第一计算单元，用于分别计算所述点集的协方差矩阵、特征值和特征向量集合；
获取单元，用于获取所述点集最大特征值对应的特征向量，得到主方向线段斜率；
第二计算单元，用于根据主方向线段斜率，基于obb包围盒计算所有点的包围盒边线；
构建单元，用于构建所述包围盒边线的中线，并将短边中线作为主方向线段；
第二计算模块，用于按预设长度间隔对所述主方向线段进行均分，并计算所述主方向线段均分点的垂线段；
第三计算模块，用于当所述主方向线段均分点的任一垂线段与所述原始车道线簇存在多个交点，则求取所述多个交点的中值，并将所述中值对应的位置标记为有效点；
压缩模块，用于对所有有效点形成的有序形点串进行压缩，得到所述原始车道线簇的代表车道线。
6.根据权利要求5所述的装置，其特征在于，所述对所有有效点形成的有序的形点串进行压缩具体为：
当任意相邻的三个有效点间，中间有效点偏离两个边界有效点的连线小于预定范围，则将所述三个有效点通过两个边界有效点表示，去除中间有效点。
7.一种用于车道线提取的装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述基于众包数据的车道线提取方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述基于众包数据的车道线提取方法的步骤。
CN201910570047.4A 2019-06-27 2019-06-27 一种基于众包数据的车道线提取方法、装置及存储介质 Active CN110287904B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910570047.4A CN110287904B (zh) 2019-06-27 2019-06-27 一种基于众包数据的车道线提取方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910570047.4A CN110287904B (zh) 2019-06-27 2019-06-27 一种基于众包数据的车道线提取方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN110287904A CN110287904A (zh) 2019-09-27
CN110287904B true CN110287904B (zh) 2021-07-16

Family

ID=68019950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910570047.4A Active CN110287904B (zh) 2019-06-27 2019-06-27 一种基于众包数据的车道线提取方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN110287904B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110782439B (zh) * 2019-10-21 2022-02-15 北京云聚智慧科技有限公司 一种辅助检测图像标注质量的方法及装置
CN112699190A (zh) * 2019-10-23 2021-04-23 合肥四维图新科技有限公司 地图数据的检测方法、装置、系统及存储介质
CN110796066B (zh) * 2019-10-26 2022-09-20 武汉中海庭数据技术有限公司 一种车道线组构建方法及装置
CN110906940B (zh) * 2019-10-26 2021-05-18 武汉中海庭数据技术有限公司 一种基于轨迹方向的车道边线聚合方法
CN110749329B (zh) * 2019-10-26 2021-08-17 武汉中海庭数据技术有限公司 一种基于结构化道路的车道级拓扑构建方法及装置
CN111222418B (zh) * 2019-12-24 2022-04-29 武汉中海庭数据技术有限公司 一种车道线的多道路片段的众包数据快速融合优化方法
CN111611958B (zh) * 2020-05-28 2023-08-22 武汉四维图新科技有限公司 确定众包数据中车道线形状的方法、装置和设备
CN112330604B (zh) * 2020-10-19 2021-08-10 香港理工大学深圳研究院 一种从点云数据生成矢量化道路模型的方法
CN112488056B (zh) * 2020-12-17 2024-08-23 上海媒智科技有限公司 一种基于计算机视觉的直线轨道异物入侵检测方法及装置
CN112418193B (zh) * 2021-01-21 2021-06-04 武汉中海庭数据技术有限公司 一种车道线识别方法及系统
CN113239905B (zh) * 2021-07-09 2021-09-21 新石器慧通（北京）科技有限公司 车道线简化方法、装置、电子设备及存储介质
CN113807193B (zh) * 2021-08-23 2024-08-02 武汉中海庭数据技术有限公司 一种激光点云中交通道路虚线段自动提取方法及系统
CN114821503B (zh) * 2022-04-29 2024-06-07 广州文远知行科技有限公司 一种路面标记筛选方法、装置、设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1995019013A1 (en) * 1994-01-06 1995-07-13 Nimble Corporation Method and apparatus for interpreting handwritten symbols in a computer system
US5544259A (en) * 1990-10-31 1996-08-06 Environmental Research Institute Of Michigan Apparatus and method for separating handwritten characters by line and word

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105448184B (zh) * 2015-11-13 2019-02-12 北京百度网讯科技有限公司 地图道路的绘制方法及装置
CN108629228B (zh) * 2017-03-15 2020-12-01 阿里巴巴（中国）有限公司 一种道路对象识别方法和装置
CN106873600A (zh) * 2017-03-31 2017-06-20 深圳市靖洲科技有限公司 一种面向无人自行车的局部避障路径规划方法
CN107330380A (zh) * 2017-06-14 2017-11-07 千寻位置网络有限公司 基于无人机航拍影像的车道线自动提取和识别方法
CN109101924B (zh) * 2018-08-14 2021-05-04 武汉大学 一种基于机器学习的路面交通标志识别方法
CN109737976A (zh) * 2019-01-07 2019-05-10 上海极奥网络科技有限公司 地图道路区间和车道线全自动生成方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5544259A (en) * 1990-10-31 1996-08-06 Environmental Research Institute Of Michigan Apparatus and method for separating handwritten characters by line and word
WO1995019013A1 (en) * 1994-01-06 1995-07-13 Nimble Corporation Method and apparatus for interpreting handwritten symbols in a computer system

Also Published As

Publication number Publication date
CN110287904A (zh) 2019-09-27

Similar Documents

Publication Publication Date Title
CN110287904B (zh) 一种基于众包数据的车道线提取方法、装置及存储介质
CN111192284A (zh) 一种车载激光点云分割方法及系统
KR20190082062A (ko) 포인트 클라우드 데이터 사이의 매칭 관계를 확정하는 방법 및 장치
CN110490888B (zh) 基于机载激光点云的高速公路几何特征矢量化提取方法
CN111667529A (zh) 一种植物点云叶片分割与表型特征测量方法
CN105225227B (zh) 遥感影像变化检测的方法及系统
CN105551015A (zh) 一种散乱点云图像配准方法
CN111339692B (zh) 基于激光点云数据的电力线弧垂确定方法及装置
CN111598780B (zh) 一种适用于机载LiDAR点云的地形自适应插值滤波方法
CN104376057A (zh) 一种基于最大最小距离和K-means的自适应聚类方法
CN102799763B (zh) 一种基于点云姿态标准化的点云线特征提取方法
CN103544697B (zh) 一种基于超图谱分析的图像分割方法
CN109285163B (zh) 基于激光点云的车道线左右轮廓线交互式提取方法
CN104463871A (zh) 基于车载LiDAR点云数据的街景面片提取及优化方法
CN105004337B (zh) 基于直线匹配的农用无人机自主导航方法
CN112257772A (zh) 一种道路增减区间切分方法、装置、电子设备及存储介质
CN114693855B (zh) 一种点云数据的处理方法和装置
CN111141296A (zh) 车道线众包数据的多道路片段数据的预处理方法及系统
CN112446315B (zh) 高精度地图斑马线融合方法、系统、服务器及存储介质
CN113077473B (zh) 三维激光点云路面分割方法、系统、计算机设备及介质
KR20090020057A (ko) 평형기반 서포트 벡터를 이용한 귀납적이고 계층적인군집화 방법
CN115049792B (zh) 一种高精度地图构建处理方法及系统
CN117854097A (zh) 道路场景识别方法、高精度地图更新方法、装置及设备
CN114639238B (zh) 基于归一化谱聚类算法的城市快速路交通状态估计方法
CN109522837B (zh) 一种路面检测方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant