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 ...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。