-
公开(公告)号：CN109669997A
公开(公告)日：2019-04-23
申请号：CN201811290747.X
申请日：2018-10-31
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F16/29
Abstract: 本发明实施例提供一种电子地图处理方法、设备及计算机可读存储介质。本发明实施例通过获取行车道的图像信息，根据该行车道的图像信息，确定该行车道中的道路交通标线、交通标识牌和/或交通信号灯在该图像信息中对应的图像区域，并根据该行车道中的道路交通标线、交通标识牌和/或交通信号灯在该图像信息中对应的图像区域，对电子地图进行质检操作，该电子地图包括该行车道对应的结构化数据，由于行车道中的道路交通标线、交通标识牌和/或交通信号灯在该图像信息中对应的图像区域可作为验证该电子地图结构化数据的依据，因此，在执行质检操作时，避免重新获取依据带来的工作量，从而提高了对电子地图的质检效率。
-
公开(公告)号：CN109658418A
公开(公告)日：2019-04-19
申请号：CN201811285677.9
申请日：2018-10-31
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明实施例提供一种场景结构的学习方法、装置及电子设备，该方法包括：获取训练样本集，训练样本集包括每个场景的多个连续的图像帧；将多个连续的图像帧输入至训练模型中，得到训练模型输出的预测深度信息和预测语义信息，其中，训练模型至少包括深度估计网络和语义分割网络；根据深度估计网络的第一损失函数和语义分割网络的第二损失函数，对训练模型进行训练，得到训练后的模型；其中，第一损失函数是根据预测深度信息和预测语义信息确定的；该方法实现了端到端的训练过程，提高了训练模型的场景结构的识别准确性；另外，在对场景深度信息进行预测时，还将场景的语义信息作为先验信息，进一步提高了训练模型的场景结构的识别准确性。
-
公开(公告)号：CN109636841A
公开(公告)日：2019-04-16
申请号：CN201811290730.4
申请日：2018-10-31
Applicant: 百度在线网络技术(北京)有限公司
CPC classification number: G06T7/521 , G06K9/00798 , G06T3/0037 , G06T11/203 , G06T2207/10028 , G06T2207/20081 , G06T2207/20084 , G06T2207/30256
Abstract: 本发明提供一种车道线生成方法和装置。本发明车道线生成方法，包括：确定车道线的反射值底图，反射值底图用于表征车道线的反射信息；确定反射值底图中车道线对应的多个车道点；将反射值底图输入至预先训练的神经网络模型中，依次确定每个车道点的属性信息；根据每个车道点的属性信息，生成车道线。本发明实现了连续且完整的车道线的生成过程，使得无人驾驶车辆可以根据该车道线安全行驶。
-
公开(公告)号：CN109635053A
公开(公告)日：2019-04-16
申请号：CN201811291886.4
申请日：2018-10-31
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F16/29
Abstract: 本发明提供一种地图的质检方法、装置、系统及存储介质，该方法包括：获取地图上各个区域的热力值；其中，每一个区域的热力值用于表征对应区域的可靠性；热力值与热力值所对应的区域的可靠值呈负相关的映射关系；确定所述热力值大于预设阈值的区域为目标区域；在所述地图上显示所述目标区域。从而使得地图质检人员可以快速的确定出有问题的区域，进而对该区域进行修正，减少了人工检测的时间，降低了人力成本；缩短了地图生产的时间，提高了地图的生产效率。
-
公开(公告)号：CN109598199A
公开(公告)日：2019-04-09
申请号：CN201811290582.6
申请日：2018-10-31
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提供一种车道线生成方法和装置。该方法包括：根据无人车周围环境的点云数据，获取周围环境的反射值底图；根据所述反射值底图和车道线图像，生成包含车道线区域的反射值底图；对所述包含车道线区域的反射值底图进行搜索处理，生成矢量化的车道线。在上述搜索处理过程中，对车道线中断和缺失部分进行了还原，使得生成的矢量化车道线是完整和清晰的，提高了无人车行驶安全性。
-
Patent Agency Ranking
公开(公告)号：CN109584706A
公开(公告)日：2019-04-05
申请号：CN201811289086.9
申请日：2018-10-31
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明实施例提供一种电子地图车道线处理方法、设备及计算机可读存储介质。本发明实施例通过获取行车道的图像信息，根据所述行车道的图像信息，确定所述行车道中道路交通标线的位置信息，并根据所述行车道边界线的指示信息，以及所述道路交通标线的位置信息，确定车辆行驶所需要的车道线的位置信息，并根据该车道线的位置信息生成电子地图，即时实际道路中有些车道线、车道边界、导流线等道路交通标线是残缺的、或者是模糊的，也可以确定出车辆行驶所需要的车道线的位置信息，从而提高了电子地图的精度。
-
公开(公告)号：CN109470254A
公开(公告)日：2019-03-15
申请号：CN201811290726.8
申请日：2018-10-31
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提供一种地图车道线的生成方法、装置、系统及存储介质，该方法包括：获取无人车周围环境对应的目标反射值底图；对无人车行驶的道路进行车道线划分，得到参考车道线；对所述目标反射值底图进行语义分割，得到车道线对应的标记点集；通过所述标记点集中的标记点对所述参考车道线进行校准处理，得到校准后的车道线。从而可以自动生成清晰、连续的车道线，避免了道路上的车道线因为遮挡、磨损等问题导致的无人车无法采集到清晰的车道线，也避免了基于反射值底图生成的车道线的缺线、断线的问题，使得无人车可以根据车道线进行安全行驶。
-
公开(公告)号：CN106097444A
公开(公告)日：2016-11-09
申请号：CN201610371676.0
申请日：2016-05-30
Applicant: 百度在线网络技术(北京)有限公司
CPC classification number: G01C21/32 , G01C21/3694 , G06K9/6218 , G06N99/005 , G06T15/205 , G06T17/05 , G06T15/005
Abstract: 本申请公开了高精地图生成方法和装置。所述方法的一具体实施方式包括：获取用于生成高精地图的三维激光点云数据以及网格地图的相关信息；确定所述三维激光点云数据中每个三维激光点数据在所述网格地图中的位置信息；对所述网格地图中的每个像素点，使用所述三维激光点云数据中相应的三维激光点数据的反射值渲染该像素点，从而生成所述网格地图中的各个网格图像；采用机器学习算法，对所述网格地图中的每个网格图像，识别该网格图像中的交通信息；对所述网格地图中各个网格图像的交通信息聚类，得到所述网格地图的交通信息；将所述网格地图的交通信息加载到所述网格地图中以生成高精地图。该实施方式实现了高精度、多维度的高精地图生成。
-
公开(公告)号：CN109636841B
公开(公告)日：2021-06-01
申请号：CN201811290730.4
申请日：2018-10-31
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提供一种车道线生成方法和装置。本发明车道线生成方法，包括：确定车道线的反射值底图，反射值底图用于表征车道线的反射信息；确定反射值底图中车道线对应的多个车道点；将反射值底图输入至预先训练的神经网络模型中，依次确定每个车道点的属性信息；根据每个车道点的属性信息，生成车道线。本发明实现了连续且完整的车道线的生成过程，使得无人驾驶车辆可以根据该车道线安全行驶。
-
公开(公告)号：CN109711242B
公开(公告)日：2021-04-20
申请号：CN201811291589.X
申请日：2018-10-31
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提供一种车道线的修正方法、装置和存储介质，该方法包括：获取当前行驶路面的图像；根据图像，获取当前行驶路面上的第一车道线和目标车道线，第一车道线为图像中发生车道线缺失的车道线，目标车道线为：图像中与第一车道线的相似度大于相似度阈值的车道线；采用目标车道线，对图像中的第一车道线进行修正。本发明能够根据图像中的目标车道线对缺失的车道线进行修正，使得无人车获取正确、连续的车道线，提高了自动驾驶的安全性。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.028 seconds)
