路面标记的识别方法及装置制造方法及图纸

本申请提供了一种路面标记的识别方法及装置，其中的方法包括：沿道路的车道线，从已标记为所述道路的一个路面标记的点云数据中，获取样本点云数据；将所述样本点云数据沿所述道路的方向进行排序，得到排序后的样本点云数据；沿道路的方向，将排序后的样本点云数据按预设的间隔距离划分为样本点云数据块；对每个样本点云数据块进行统计，得到所述样本点云数据的分布数据；根据所述样本点云数据的分布数据，判断所述样本点云数据的分布规律是否满足预设特性的路面标记的点云数据的分布规律，若是，则将所述路面标记的识别为所述预设特性的路面标记。本发明专利技术充分利用一些路面标记的点云分布特性，可以高效且准确的识别出具有点云特性的路面标记。

Identification method and device of road mark

The present application provides a method and device for identifying the road mark, in which the method includes: getting the sample point cloud data from the lane line along the road, from the point cloud data that has been marked as one of the road marks of the road, sorting the sample point cloud data along the path of the Road, and getting the ordered sample. In the direction of the road, the ordered sample point cloud data are divided into sample point cloud data blocks at the predetermined interval distance, and the distribution data of the sample point cloud data are obtained by the statistics of each sample point cloud data block, and the sample point cloud data is judged according to the distributed data of the sample point cloud data. Whether the distribution law satisfies the distribution law of the point cloud data of the pavement mark of the presupposed characteristic, if the pavement marker is identified as the pavement mark of the presupposed characteristic. The invention fully utilizes the point cloud distribution characteristics of some pavement markings, and can effectively and accurately identify pavement markings with some cloud characteristics.

【技术实现步骤摘要】
路面标记的识别方法及装置
本申请涉及电子地图
，尤其涉及一种路面标记的识别方法及装置。
技术介绍
路面标记，是指在道路的路面上用线条、箭头、文字、立面标记、突起路标和轮廓标等向交通参与者传递引导、限制、警告等交通信息的标识，其作用是管制和引导交通。路面标记也称为道路标记、道路标志等等。在电子地图和自动驾驶等领域，需要识别出各类路面标记。例如，在制作或更新电子地图过程中，需要得到道路上的路面标记信息，如车道线、减速标记、人行横道、箭头等，位置精度要求一般小于10cm。目前，路面标记识别大致的方法主要有三种，每种方法各有特点。第一种是人工识别。通过采集车收集的视频数据，在视频数据中手工找到路面标记，然后标记类型。这种方法全程需要手工操作，效率低下，不能满足海量数据的处理要求。第二种是模式匹配算法自动识别。预先在程序中配置了各种路面标记的几何尺寸、反射率、点密度等信息，通过模型匹配的方法判断路面标记的类型，输出概率最大的类型。这种方法由于模式匹配结果依赖于模型库的准确性，而一些模型的尺寸信息存在相似性，例如减速标记与汉字、车距确认线等模型的尺寸信息类似，因此识别准确度不高。第三种是图像匹配算法自动识别。使用图像匹配的方法，将数据转化成图像，然后用图像的模型库进行识别。该方法对于一些路面标记则处理效率较低，例如，对于由大量点云数据构成的减速标记图像，由于要处理图像的每个像素，因此程序执行效率较低。
技术实现思路
本申请解决的技术问题之一是提供一种路面标记的识别方法及装置，通过利用点云数据的分布特性，高效进行路面标记的识别。根据本申请一个实施例，提供一种路面标记的识别方法，该方法包括以下步骤：沿道路的车道线，从已标记为所述道路的一个路面标记的点云数据中，获取样本点云数据；将所述样本点云数据沿所述道路的方向进行排序，得到排序后的样本点云数据；沿道路的方向，将排序后的样本点云数据按预设的间隔距离划分为样本点云数据块；对每个样本点云数据块进行统计，得到所述样本点云数据的分布数据；根据所述样本点云数据的分布数据，判断所述样本点云数据的分布规律是否满足预设特性的路面标记的点云数据的分布规律，若是，则将所述路面标记的识别为所述预设特性的路面标记。根据本申请另一个实施例，提供一种路面标记的识别装置，所述装置包括：获取单元，用于沿道路的车道线，从已标记为所述道路的一个路面标记的点云数据中，获取样本点云数据；排序单元，用于将所述样本点云数据沿所述道路的方向进行排序，得到排序后的样本点云数据；划分单元，用于沿道路的方向，将排序后的样本点云数据按预设的间隔距离划分为样本点云数据块；统计单元，用于对每个样本点云数据块进行统计，得到所述样本点云数据的分布数据；识别单元，用于根据所述样本点云数据的分布数据，判断所述样本点云数据的分布规律是否满足预设特性的路面标记的点云数据的分布规律，若是，则将所述路面标记的识别为所述预设特性的路面标记。本专利技术实施例充分利用一些路面标记的点云分布特性，对于已标记为路面标记的点云数据进行排序和统计，得到点云数据的分布规律，并通过分布规律判断是否为预设特性的路面标记。本专利技术方案自动识别，无需人工操作，所以成本很低，具有很强的实用性。本专利技术充分利用路面标记的点云分布特性，可以高效且准确的识别出具有预设特性的路面标记。本领域普通技术人员将了解，虽然下面的详细说明将参考图示实施例、附图进行，但本申请并不仅限于这些实施例。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是根据本申请实施例的路面标记的识别方法的流程图；图2是根据本申请实施例的横向减速标记示意图；图3是根据本申请实施例的纵向减速标记示意图；图4是根据本申请实施例的对样本点云数据沿道路方向进行排序的方法流程图；图5是根据本申请实施例得到的样本点云区域示意图；图6(a)、图6(b)、图6(c)是本申请实施例的三种待识别路面标记示意图；图7是根据本申请实施例的滑动窗口示意图；图8是根据本申请实施例的对图6三种待识别路面标记的统计信息示意图；图9是根据本申请实施例的路面标记识别装置的结构示意图。本领域普通技术人员将了解，虽然下面的详细说明将参考图示实施例、附图进行，但本申请并不仅限于这些实施例。而是，本申请的范围是广泛的，且意在仅通过后附的权利要求限定本申请的范围。具体实施方式在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。所述计算机设备包括用户设备与网络设备。其中，所述用户设备包括但不限于电脑、智能手机、PDA等；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中，所述计算机设备可单独运行来实现本申请，也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本申请。其中，所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。需要说明的是，所述用户设备、网络设备和网络等仅为举例，其他现有的或今后可能出现的计算机设备或网络如可适用于本申请，也应包含在本申请保护范围以内，并以引用方式包含于此。后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时，用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。这里所公开的具体结构和功能细节仅仅是代表性的，并且是用于描述本申请的示例性实施例的目的。但是本申请可以通过许多替换形式来具体实现，并且不应当被解释成仅仅受限于这里所阐述的实施例。应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。应当理解的是，当一个单元被称为“连接”或“耦合”到另一单元时，其可以直接连接或耦合到所述另一单元，或者可以存在中间单元。与此相对，当一个单元被称为“直接连接”或“直接耦合”到另一单元时，则不存在中间单元。应当按照类似的方式来解释被用于描述单元之间的关系的其他词语(例如“处于...之间”相比于“直接处于...之间”，“与...邻近”相比于“与...直接邻近”等等)。这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、本文档来自技高网...

【技术保护点】
1.一种路面标记的识别方法，其特征在于，所述方法包括：沿道路的车道线，从已标记为所述道路的一个路面标记的点云数据中，获取样本点云数据；将所述样本点云数据沿所述道路的方向进行排序，得到排序后的样本点云数据；沿道路的方向，将排序后的样本点云数据按预设的间隔距离划分为样本点云数据块；对每个样本点云数据块进行统计，得到所述样本点云数据的分布数据；根据所述样本点云数据的分布数据，判断所述样本点云数据的分布规律是否满足预设特性的路面标记的点云数据的分布规律，若是，则将所述路面标记的识别为所述预设特性的路面标记。

【技术特征摘要】
1.一种路面标记的识别方法，其特征在于，所述方法包括：沿道路的车道线，从已标记为所述道路的一个路面标记的点云数据中，获取样本点云数据；将所述样本点云数据沿所述道路的方向进行排序，得到排序后的样本点云数据；沿道路的方向，将排序后的样本点云数据按预设的间隔距离划分为样本点云数据块；对每个样本点云数据块进行统计，得到所述样本点云数据的分布数据；根据所述样本点云数据的分布数据，判断所述样本点云数据的分布规律是否满足预设特性的路面标记的点云数据的分布规律，若是，则将所述路面标记的识别为所述预设特性的路面标记。2.如权利要求1所述的方法，其特征在于，所述沿道路的车道线，从已标记为所述道路的一个路面标记的点云数据中，获取样本点云数据具体包括：获取道路的车道线的中心线；从已标记为所述道路的一个路面标记的点云数据中，获取到所述车道线的中心线的距离不大于预设的距离阈值的点云数据作为样本点云数据。3.如权利要求2所述的方法，其特征在于，所述将所述样本点云数据沿所述道路的方向进行排序具体包括：从所述样本点云数据中任选一个样本点云数据作为参考点云数据；从所述道路的车道线的中心线上选取一个目标位置点，所述目标位置点位于所述样本点云数据覆盖区域之外；获取每一个样本点云数据到所述目标位置点的距离；沿所述道路的方向，若所述目标位置点位于参考点云数据的后方，则将所述样本点云数据按照到所述目标位置点的距离由小到大的顺序排序，得到排序后的样本点云数据；沿所述道路的方向，若所述目标位置点位于参考点云数据的前方，则将所述样本点云数据按照到目标位置点的距离由大到小的顺序排序，得到排序后的样本点云数据。4.如权利要求1-3中任一项权利要求所述的方法，其特征在于，所述对每个样本点云数据块进行统计，得到所述样本点云数据的分布数据具体包括：统计每个样本点云数据块中的样本点云数据的个数，若个数大于预设的个数阈值，则将所述样本点云数据块标记为有数据，否则，标记为空白；对每个样本点云数据的标记结果进行遍历，当连续的有数据标记第i次出现时，记录第i次有数据标记连续出现的次数LOnei和当连续的空白标记第j次出现时，记录第j次空白标记连续出现的次数LZeroj；所述LOnei、LZeroj为所述样本点云数据的分布数据，i和j为大于等于1的自然数。5.如权利要求4所述的方法，其特征在于，所述预设特性的路面标记为横条状且重复的路面标记，所述根据所述样本点云数据的分布信息，判断所述样本点云数据的分布规律是否满足预设特性的路面标记的点云数据的分布规律具体包括：判断每一个LOnei+1和LZeroj+1是否满足如下公式：OneLength*Lself-adaption1<LOnei<OneLength*Lself-adaption2；ZeroLength*Lself-adaption1<LZeroi<ZeroLength*Lself-adaption2；如果均满足，则确定所述路面标记为满足预设的横条状且重复出现的路面标记，其中，OneLength＝LOne1，ZeroLength＝LZero1；Lself-adaption1、Lself-adaption2是预...

【专利技术属性】
技术研发人员：陈岳，贾双成，
申请(专利权)人：高德软件有限公司，
类型：发明
国别省市：北京,11