基于矢量线的道路结构提取系统及方法与流程

本发明涉及测控技术领域，尤其涉及一种基于矢量线的道路结构提取系统及方法。

背景技术：

随着交通网络的复杂化及车辆类型的多样化；对高精度电子地图的精细化要求越来越高。

高精度地图被应用于自动驾驶领域时，必要的提供有基于道路和车道的位置及拓扑信息。那么在高精度地图制作时需必要的提取路口、车道变化等结构信息，诸如普通红绿灯处的交叉路口等。

现有技术中高精度的提取路口、车道增减等所述道路结构信息的方法普遍是基于激光点云等原始数据，或是基于原始数据提取后的形状线。再由作业人员人工的确认道路结构变化的位置，并提取道路结构。那么受限于作业人员的人工作业，造成作业流程繁琐，耗时长，并且由于作业员技术背景不同，其制作出的高精度数据可能有差异，不能够满足高精度地图的数据要求。

技术实现要素：

本发明实施例至少揭露了一种基于矢量线的道路结构提取方法。通过本实施例揭露的方法能够根据标准化的标准道路结构模型自动的提取标准化的先选道路结构，并且标记非标准化的疑似道路结构，再通过筛选的方式对疑似道路结构作进一步处理，与现有技术中单纯依靠作业员筛选的道路结构提取手段相比，提高了提取效率及精度。

为了实现上述内容，所述方法被配置为获取高精度地图的矢量线数据；根据至少一在先获取的标准道路结构模型提取所述矢量线数据中的至少一先选道路结构和/或至少一疑似道路结构，并且标记所述疑似道路结构；判断至少一标记的所述疑似道路结构是否为一候选道路结构；在判断标记的所述疑似道路结构为一候选道路结构后，提取所述候选道路结构；修正和/或补充所述先选道路结构和/或所述候选道路结构。

本发明揭露的一些实施例中，所述方法被配置有：获取所述候选道路结构的第一候选道路图像；选取至少一所述第一候选道路图像作为样本，修正所述标准道路结构模型。

本发明揭露的一些实施例中，所述方法被配置有：生成修正和/或补充后所述先选道路结构的先选道路图像；选取至少一所述先选道路图像作为样本，修正所述标准道路结构模型。

本发明揭露的一些实施例中，所述方法被配置有：生成修正和/或补充后所述候选道路结构的第二候选道路图像；选取至少一所述第二候选道路图像作为样本，修正所述标准道路结构模型。

本发明揭露的一些实施例中，获取所述先选道路结构，被配置为：获取所述矢量线数据中的至少一矢量线；获取所述矢量线的起点坐标；获取所有矢量线的起点坐标集合；历遍所述起点坐标集合，获取至少一第一预置区域内的起点坐标；根据所述起点坐标及对应所述矢量线的类型区分所述第一预置区域中所述起点坐标的起点场景类型；截取所述第一预置区域中所述起点坐标对应的第一矢量线段，并且根据所述标准道路结构模型及所述起点场景类型提取所述第一矢量线段为所述先选道路结构。

本发明揭露的一些实施例中，获取所述先选道路结构，被配置为：获取所述矢量线数据中的至少一矢量线；获取所述矢量线的终点坐标；获取所有矢量线的终点坐标集合；历遍所述起点坐标集合，获取至少一第二预置区域内的终点坐标；根据所述终点坐标及对应所述矢量线的类型区分所述第二预置区域中所述终点坐标的终点场景类型；截取所述第二预置区域中所述终点坐标对应的第二矢量线段，并且根据所述标准道路结构模型及所述终点场景类型提取所述第二矢量线段为所述先选道路结构。

本发明揭露的一些实施例中，获取所述疑似道路结构，被配置为：获取不属于所述先选道路结构的所述起点坐标为候选起点坐标，及所述终点坐标为候选终点坐标；根据所述候选起点坐标及所述候选终点坐标之间的坐标轨迹生成所述疑似道路结构。

本发明揭露的一些实施例中，判断标记的所述疑似道路结构为所述候选道路结构，被配置为：显示被标记的至少一所述疑似道路结构；人工的筛选至少一所述疑似道路结构为所述候选道路结构。

本发明实施例至少揭露一种基于矢量线的道路结构提取系统。所述系统包括矢量线数据模块、自动识别模块、辅助识别模块及修正识别模块；所述矢量线数据模块被配置为获取高精度地图的矢量线数据；所述自动识别模块被配置为根据至少一在先获取的标准道路结构模型提取所述矢量线数据中的至少一先选道路结构和/或至少一疑似道路结构，并且标记所述疑似道路结构；所述辅助识别模块被配置为判断至少一标记的所述疑似道路结构是否为一候选道路结构，在判断标记的所述疑似道路结构为一候选道路结构后，提取所述候选道路结构；所述修正识别模块被配置为修正和/或补充所述先选道路结构和/或所述候选道路结构。

本发明揭露的一些实施例中，所述系统包括模型修正模块；所述辅助识别模块被配置有：获取所述候选道路结构的第一候选道路图像；所述修正识别模块被配置有：生成修正和/或补充后所述先选道路结构的先选道路图像，及所述候选道路结构的第二候选道路图像；所述模型修正模块被配置为；根据所述第一候选道路图像、所述第二候选道路图像及所述先选道路图像修正所述标准道路结构模型。

针对上述方案，本发明通过以下参照附图对揭露的示例性实施例作详细描述，亦使本发明实施例的其它特征及其优点清楚。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为实施例中方法被执行的流程图；

图2为实施例中方法优化后被执行的流程图；

图3为实施例中方法优化后被执行的流程图；

图4为实施例中s100被执行的流程图。

图5为实施例中系统的结构图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

本实施例揭露一种基于矢量线的道路结构提取方法。本实施例的方法被执行在一些标准化的服务器和/或计算设备。

服务器和/或计算设备在本实施例中的实现至少有存储器及处理器。存储器主要包括存储程序区和存储数据区；其中，存储程序区可存储操作系统(比如：安卓操作系统，简称“安卓系统”，或者ios操作系统，或者其他操作系统，其中，操作系统也可简称为“系统”)、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)。以及，存储数据区可存储根据电子终端的使用所创建的数据，包括本申请实施例中涉及的显示的应用的相关设置信息或使用情况信息等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件，及其他易失性固态存储器件。

所述服务器和/或计算设备在执行本实施例揭露的方法前，由采集车辆通过激光扫描仪获取的激光点云，并且基于激光点云提取有矢量线数据。在执行本实施例揭露的方法时如图1示出的处理该矢量线数据。

s100根据一预置的标准道路结构模型或至少两个标准道路结构模型的组合自动的提取矢量线数据中的先选道路结构，并且标记疑似道路结构。

s200提供一可操作的第一显示窗口显示被标记的疑似道路结构，使作业员通过第一显示窗口判断每一个被标记的疑似道路结构是否为为一候选道路结构。

s300在判断标记的一疑似道路结构为候选道路结构后，由作业员人工的通过第一显示窗口提取候选道路结构。

s400提供一可操作的第二显示窗口显示自动提取的先选道路结构及人工提取的候选道路结构。再由作业员通过第二显示窗口观测及修正先选道路结构和/或候选道路结构。

那么服务器和/或计算设备在执行上述方法的流程后，能够通过标准道路结构模型自动提取先选道路结构，再通过作业员人工的筛选候选道路结构；与现有技术相比，能够通过标准化的标准道路结构模型对先选道路结构的自动提取及疑似道路结构的标记，提高提取效率及精确度。

进一步的，图2示出服务器和/或计算设备在执行本实施例揭露的方法s300中作业员提取候选道路结构时，生成第一显示窗口中显示的该候选道路结构的第一候选道路图像；同时，在上述流程后续的s500中选取所有的第一候选道路图像作为样本，用于修正标准道路结构模型。

进一步的，图3示出服务器和/或计算设备在执行本实施例揭露的方法s400中作业员修正先选道路结构及候选道路结构后，生成第二显示窗口中显示的修正后先选道路结构的先选道路图像，及修正后候选道路结构的第一候选道路图像。在s500中选取所有的第一候选道路图像、第二候选道路图像及先选道路图像作为样本，用于修正标准道路结构模型。

在图4示出服务器和/或计算设备在执行本实施例揭露的s100时获取先选道路结构的流程。

s111获取矢量线在笛卡尔直角坐标体系下的起点坐标及终点坐标。

s112获取所有矢量线的起点坐标集合及终点坐标集合。

s113历遍起点坐标集合，获取至少一第一预置区域内的起点坐标。

s114根据起点坐标及对应矢量线的类型区分第一预置区域中起点坐标的起点场景类型，起点场景类型为边界处起点、车道增加起点、分流路口起点及交叉路口起点等。

s115截取第一预置区域中起点坐标对应的第一矢量线段，并且根据标准道路结构模型及起点场景类型提取第一矢量线段为先选道路结构。

s116历遍起点坐标集合，获取至少一第二预置区域内的终点坐标。

s117根据终点坐标及对应矢量线的类型区分第二预置区域中终点坐标的终点场景类型，终点场景类型为边界处终点，车道减少终点，合流路口终点，交叉路口终点。

s118截取第二预置区域中终点坐标对应的第二矢量线段，并且根据标准道路结构模型及终点场景类型提取第二矢量线段为先选道路结构。

服务器和/或计算设备在执行本实施例揭露的s100时获取疑似道路结构的流程。

s121获取不属于先选道路结构的起点坐标为候选起点坐标，及终点坐标为候选终点坐标。

s122根据候选起点坐标及候选终点坐标之间的坐标轨迹生成疑似道路结构。

为了进一步说明本实施例方法被执行的主要流程。图5示出本实施例揭露一种基于矢量线的道路结构提取系统。系统包括矢量线数据模块、自动识别模块、辅助识别模块、修正识别模块及模型修正模块。

矢量线数据模块被配置为获取高精度地图的矢量线数据。

自动识别模块被配置为根据至少一在先获取的标准道路结构模型提取矢量线数据中的至少一先选道路结构和/或至少一疑似道路结构，并且标记疑似道路结构。

辅助识别模块被配置为判断至少一标记的疑似道路结构是否为一候选道路结构，在判断标记的疑似道路结构为一候选道路结构后，提取候选道路结构。以及获取候选道路结构的第一候选道路图像。

修正识别模块被配置为修正和/或补充先选道路结构及候选道路结构。以及生成修正和/或补充后先选道路结构的先选道路图像，及候选道路结构的第二候选道路图像。

模型修正模块被配置为根据第一候选道路图像、第二候选道路图像及先选道路图像修正标准道路结构模型。

以上对本实施例进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例揭露的系统而言，由于其与实施例揭露的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例揭露的装置而言，由于其与实施例揭露的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所揭露的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的状况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。