日本法政大学研究人员在一项新的研究中提出了一种基于深度学习的算法，该算法可以使用高精度3D地图从点云数据中自动提取道路特征。所提出的模型有助于在虚拟空间或数字孪生环境中维护道路和绘制真实的道路地图。
在他们的研究中，研究人员首先使用CloudCompare软件将地表从点云数据中分离出来。接下来，他们从高精地图生成区域数据并提取特征的组成点。虽然这些点被指定为路标或交通灯，但也为其余数据提供了其他标签。然后，对组成点对应的区域数据进行扩展，生成训练数据。利用这一点，研究人员进一步生成了点云投影图像。最后，他们使用训练数据使用YOLOv3对象检测算法构建识别模型。该模型可以根据聚类点检测道路特征。
建立了计算框架后，研究人员在静冈县的一条道路上进行了示范实验，该道路上有65个路标、46个交通灯和1.5公里的噪音特征。他们使用258个路标和168个红绿灯来训练他们的识别模型，并分别使用了36张和24张图像来计算算法的确定精度。
研究人员发现，路标的准确率、召回率和F测量值分别为0.84、0.75和0.79，红绿灯的准确率、召回率和F值分别为1.00、0.75和0.86，即没有错误判断。此次研究所提出模型的精度显示高于现有模型。
