一种基于深度学习的交通设施地图生成方法与系统
基本信息
| 申请号 | CN201810160545.7 | 申请日 | - |
| 公开（公告）号 | CN108388641B | 公开（公告）日 | 2022-02-01 |
| 申请公布号 | CN108388641B | 申请公布日 | 2022-02-01 |
| 分类号 | G06F16/29（2019.01）I;G06V20/54（2022.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 罗东华;项文华 | 申请（专利权）人 | 广东方纬科技有限公司 |
| 代理机构 | 广州嘉权专利商标事务所有限公司 | 代理人 | 谭英强 |
| 地址 | 510275广东省广州市新港西路135号海珠中大科技综合楼自编411B房 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的交通设施地图生成方法与系统，方法包括：采集车采集道路街景图；将采集车采集到的道路街景图进行预处理，得到预处理后的俯视图；采用预训练的交通设施识别模型对预处理后的俯视图进行自动识别，其中，预训练的交通设施识别模型采用Faster RCNN卷积神经网络训练得到；根据自动识别的结果自动生成车道级的精细化地图。本发明采用了基于Faster RCNN卷积神经网络的深度学习技术来自动识别交通设施，鲁棒性好，计算开销小，识别精度高；能根据自动识别的结果自动生成车道级的精细化地图，与传统绘图人员手工绘制的方式相比，耗时短且效率高。本发明可广泛应用于图像处理与地图测绘领域。 |
