[发明专利]一种基于深度学习的交通设施地图生成方法与系统有效
| 申请号： | 201810160545.7 | 申请日： | 2018-02-27 |
| 公开（公告）号： | CN108388641B | 公开（公告）日： | 2022-02-01 |
| 发明（设计）人： | 罗东华;项文华 | 申请（专利权）人： | 广东方纬科技有限公司 |
| 主分类号： | G06F16/29 | 分类号： | G06F16/29;G06V20/54 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 谭英强 |
| 地址： | 510275 广东省广州市新港*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 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。 | ||
| 搜索关键词： | 一种 基于 深度 学习 交通设施 地图 生成 方法 系统 | ||
【主权项】：
1.一种基于深度学习的交通设施地图生成方法，其特征在于：包括以下步骤：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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东方纬科技有限公司，未经广东方纬科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810160545.7/，转载请声明来源钻瓜专利网。
