CN115128626A - 交通标牌矢量化方法、***、终端及存储介质 - Google Patents
交通标牌矢量化方法、***、终端及存储介质 Download PDFInfo
- Publication number
- CN115128626A CN115128626A CN202110330754.3A CN202110330754A CN115128626A CN 115128626 A CN115128626 A CN 115128626A CN 202110330754 A CN202110330754 A CN 202110330754A CN 115128626 A CN115128626 A CN 115128626A
- Authority
- CN
- China
- Prior art keywords
- vectorized
- processed
- images
- traffic signs
- traffic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000005516 engineering process Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 44
- 238000005259 measurement Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000003702 image correction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/46—Indirect determination of position data
- G01S17/48—Active triangulation systems, i.e. using the transmission and reflection of electromagnetic waves other than radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种交通标牌矢量化方法、***、终端及存储介质,该方法基于视觉的成图技术对交通标牌进行矢量化,其中,使用数据采集设备发送的图像作为数据源,数据获取方便快捷,获取渠道较多,相应的降低了交通标牌矢量化成本,提高了交通标牌矢量化效率,满足实时更新的要求。而且,本申请实施例对交通标牌进行匹配分组,并确定交通标牌所属的标牌场景,从而针对不同标牌场景,对上述匹配分组后的交通标牌进行矢量化,使得矢量化的标牌精确度提高、鲁棒性增强,适合应用。
Description
技术领域
本申请涉及导航电子地图技术领域,尤其涉及一种交通标牌矢量化方法、***、终端及存储介质。
背景技术
随着技术发展,人们对地图的要求进一步提高,高精地图被应用到人们生活的多个方面,例如自动驾驶、路径规划、导航定位等。在高精度地图领域,交通标牌是最重要的地图要素之一。在制图时,交通标牌的矢量化是制图的重要环节。
相关技术中,交通标牌的矢量化主要通过采集设备搭载的高精度的激光雷达设备、全球导航卫星***(Global Navigation Satellite System,GNSS)设备和惯性测量单元(inertial measurement unit,IMU)设备,沿着行车方向扫描得到高密度点云,然后基于该高密度点云获得交通标牌的矢量图形。
然而,上述交通标牌的矢量化技术,需要获取高密度点云,成本较高,效率较低,难以达到实时更新的要求。
发明内容
为解决现有技术中存在的问题,本申请提供一种交通标牌矢量化方法、***、终端及存储介质。
第一方面,本申请实施例提供一种交通标牌矢量化方法,该方法包括如下步骤:
接收数据采集设备发送的多张待处理图像,其中,每一张待处理图像中包括多个待矢量化的交通标牌和所述图像内外参数;
根据所述每一张待处理图像中的所述多个待矢量化的交通标牌,将所述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌;
根据所述每一张待处理图像中的所述图像内外参数,确定所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景;
根据所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景,对所述多组待矢量化的交通标牌进行矢量化处理。
在一种可能的实现方式中,所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景包括并排标牌。
所述根据所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景,对所述多组待矢量化的交通标牌进行矢量化处理,包括:
根据所述并排标牌,在所述多组待矢量化的交通标牌中,确定第一目标组的待矢量化的交通标牌;
根据所述第一目标组的待矢量化的交通标牌中,每一组待矢量化的交通标牌与所述数据采集设备的距离,对所述每一组待矢量化的交通标牌所在的待处理图像进行排序;
从排序后的每一组待矢量化的交通标牌所在的待处理图像中,获取多个第一目标图像;
从所述多个第一目标图像中获取满足第一预设图像间距的两张图像,使用所述两张图像,对所述每一组待矢量化的交通标牌进行矢量化处理。
在一种可能的实现方式中,所述并排标牌为在一张待处理图像中图像内外参数是按照预设要求分布的多个待矢量化的交通标牌。
在一种可能的实现方式中,所述使用所述两张图像,对所述每一组待矢量化的交通标牌进行矢量化处理,包括:
基于多特征匹配和四叉树技术,构建所述两张图像的标牌同名点;
对所述两张图像的标牌同名点进行三角测量,获得空间点云;
对所述空间点云进行空间平面拟合,获得空间平面;
根据所述每一组待矢量化的交通标牌的角点和所述空间平面,获得所述每一组待矢量化的交通标牌的矢量图形。
在一种可能的实现方式中,在所述对所述空间点云进行空间平面拟合,获得空间平面之前,还包括:
去除所述空间点云中的离群点;
所述对所述空间点云进行空间平面拟合,获得空间平面,包括:
对去除离散点的空间点云进行空间平面拟合,获得所述空间平面。
在一种可能的实现方式中,所述每一张待处理图像中还包括GNSS定位数据和IMU测量数据。
在所述根据所述每一组待矢量化的交通标牌的角点和所述空间平面,获得所述每一组待矢量化的交通标牌的矢量图形之后,还包括:
根据所述GNSS定位数据和IMU测量数据,对所述每一组待矢量化的交通标牌的矢量图形进行坐标系转换。
在一种可能的实现方式中,所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景包括独立标牌。
所述根据所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景,对所述多组待矢量化的交通标牌进行矢量化处理,包括:
根据所述独立标牌,在所述多组待矢量化的交通标牌中,确定第二目标组的待矢量化的交通标牌;
根据所述第二目标组的待矢量化的交通标牌中,每一组待矢量化的交通标牌与所述数据采集设备的距离,对所述每一组待矢量化的交通标牌所在的待处理图像进行排序;
从排序后的每一组待矢量化的交通标牌所在的待处理图像中,获取多个第二目标图像;
从所述多个第二目标图像中获取满足第二预设图像间距的多张图像,使用所述多张图像,对所述每一组待矢量化的交通标牌进行矢量化处理。
在一种可能的实现方式中,所述独立标牌为在一张待处理图像中除图像内外参数是按照预设要求分布的多个待矢量化的交通标牌外,剩余的待矢量化的交通标牌。
在一种可能的实现方式中,所述使用所述多张图像,对所述每一组待矢量化的交通标牌进行矢量化处理,包括:
基于多特征匹配和四叉树技术,构建所述多张图像的标牌同名点;
对所述多张图像的标牌同名点进行三角测量,获得空间点云;
对所述空间点云进行空间平面拟合,获得空间平面;
根据所述每一组待矢量化的交通标牌的角点和所述空间平面,获得所述每一组待矢量化的交通标牌的矢量图形。
在一种可能的实现方式中,在所述对所述空间点云进行空间平面拟合,获得空间平面之前,还包括:
去除所述空间点云中的离群点;
所述对所述空间点云进行空间平面拟合,获得空间平面,包括:
对去除离散点的空间点云进行空间平面拟合,获得所述空间平面。
在一种可能的实现方式中,所述每一张待处理图像中还包括GNSS定位数据和IMU测量数据。
在所述根据所述每一组待矢量化的交通标牌的角点和所述空间平面,获得所述每一组待矢量化的交通标牌的矢量图形之后,还包括:
根据所述GNSS定位数据和IMU测量数据,对所述每一组待矢量化的交通标牌的矢量图形进行坐标系转换。
在一种可能的实现方式中,所述根据所述每一张待处理图像中的所述多个待矢量化的交通标牌,将所述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌,包括:
根据所述每一张待处理图像中所述多个待矢量化的交通标牌,对所述多张待处理图像中的同一个待矢量化的交通标牌进行跟踪预测;
根据所述多张待处理图像中的同一个待矢量化的交通标牌的跟踪预测结果,进行交通标牌的相似性计算;
根据所述多张待处理图像中的同一个待矢量化的交通标牌的相似性计算结果,将所述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌。
在一种可能的实现方式中,所述根据所述多张待处理图像中的同一个待矢量化的交通标牌的跟踪预测结果,进行交通标牌的相似性计算,包括:
根据所述多张待处理图像中的同一个待矢量化的交通标牌的跟踪预测结果,计算所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的外接矩形的交集和并集;
根据所述交集和所述并集,确定所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的相似性;
或者
根据所述多张待处理图像中的同一个待矢量化的交通标牌的跟踪预测结果,计算所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的特征相似度;
根据所述特征相似度,确定所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的相似性。
第二方面,本申请实施例提供一种交通标牌矢量化装置,包括:
图像接收模块,用于接收数据采集设备发送的多张待处理图像,其中,每一张待处理图像中包括多个待矢量化的交通标牌和所述图像内外参数;
标牌分组模块,用于根据所述每一张待处理图像中的所述多个待矢量化的交通标牌,将所述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌;
类型确定模块,用于根据所述每一张待处理图像中的所述图像内外参数,确定所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景;
标牌矢量化模块,用于根据所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景,对所述多组待矢量化的交通标牌进行矢量化处理。
在一种可能的实现方式中,所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景包括并排标牌。
所述标牌矢量化模块,具体用于:
根据所述并排标牌,在所述多组待矢量化的交通标牌中,确定第一目标组的待矢量化的交通标牌;
根据所述第一目标组的待矢量化的交通标牌中,每一组待矢量化的交通标牌与所述数据采集设备的距离,对所述每一组待矢量化的交通标牌所在的待处理图像进行排序;
从排序后的每一组待矢量化的交通标牌所在的待处理图像中,获取多个第一目标图像;
从所述多个第一目标图像中获取满足第一预设图像间距的两张图像,使用所述两张图像,对所述每一组待矢量化的交通标牌进行矢量化处理。
在一种可能的实现方式中,所述并排标牌为在一张待处理图像中图像内外参数是按照预设要求分布的多个待矢量化的交通标牌。
在一种可能的实现方式中,所述标牌矢量化模块,具体用于:
基于多特征匹配和四叉树技术,构建所述两张图像的标牌同名点;
对所述两张图像的标牌同名点进行三角测量,获得空间点云;
对所述空间点云进行空间平面拟合,获得空间平面;
根据所述每一组待矢量化的交通标牌的角点和所述空间平面,获得所述每一组待矢量化的交通标牌的矢量图形。
在一种可能的实现方式中,所述标牌矢量化模块,具体用于:
去除所述空间点云中的离群点;
对去除离散点的空间点云进行空间平面拟合,获得所述空间平面。
在一种可能的实现方式中,所述每一张待处理图像中还包括GNSS定位数据和IMU测量数据。
所述标牌矢量化模块,具体用于:
根据所述GNSS定位数据和IMU测量数据,对所述每一组待矢量化的交通标牌的矢量图形进行坐标系转换。
在一种可能的实现方式中,所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景包括独立标牌。
所述标牌矢量化模块,具体用于:
根据所述独立标牌,在所述多组待矢量化的交通标牌中,确定第二目标组的待矢量化的交通标牌;
根据所述第二目标组的待矢量化的交通标牌中,每一组待矢量化的交通标牌与所述数据采集设备的距离,对所述每一组待矢量化的交通标牌所在的待处理图像进行排序;
从排序后的每一组待矢量化的交通标牌所在的待处理图像中,获取多个第二目标图像;
从所述多个第二目标图像中获取满足第二预设图像间距的多张图像,使用所述多张图像,对所述每一组待矢量化的交通标牌进行矢量化处理。
在一种可能的实现方式中,所述独立标牌为在一张待处理图像中除图像内外参数是按照预设要求分布的多个待矢量化的交通标牌外,剩余的待矢量化的交通标牌。
在一种可能的实现方式中,所述标牌矢量化模块,具体用于:
基于多特征匹配和四叉树技术,构建所述多张图像的标牌同名点;
对所述多张图像的标牌同名点进行三角测量,获得空间点云;
对所述空间点云进行空间平面拟合,获得空间平面;
根据所述每一组待矢量化的交通标牌的角点和所述空间平面,获得所述每一组待矢量化的交通标牌的矢量图形。
在一种可能的实现方式中,所述标牌矢量化模块,具体用于:
去除所述空间点云中的离群点;
所述对所述空间点云进行空间平面拟合,获得空间平面,包括:
对去除离散点的空间点云进行空间平面拟合,获得所述空间平面。
在一种可能的实现方式中,所述每一张待处理图像中还包括GNSS定位数据和IMU测量数据。
所述标牌矢量化模块,具体用于:
根据所述GNSS定位数据和IMU测量数据,对所述每一组待矢量化的交通标牌的矢量图形进行坐标系转换。
在一种可能的实现方式中,所述标牌分组模块,具体用于:
根据所述每一张待处理图像中所述多个待矢量化的交通标牌,对所述多张待处理图像中的同一个待矢量化的交通标牌进行跟踪预测;
根据所述多张待处理图像中的同一个待矢量化的交通标牌的跟踪预测结果,进行交通标牌的相似性计算;
根据所述多张待处理图像中的同一个待矢量化的交通标牌的相似性计算结果,将所述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌。
在一种可能的实现方式中,所述标牌分组模块,具体用于:
根据所述多张待处理图像中的同一个待矢量化的交通标牌的跟踪预测结果,计算所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的外接矩形的交集和并集;
根据所述交集和所述并集,确定所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的相似性;
或者
根据所述多张待处理图像中的同一个待矢量化的交通标牌的跟踪预测结果,计算所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的特征相似度;
根据所述特征相似度,确定所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的相似性。
第三方面,本申请实施例提供一种交通标牌矢量化***,包括数据采集设备、终端和服务器;
所述数据采集设备采集多张待处理图像,并将所述多张待处理图像发送至所述终端,其中,每一张待处理图像中包括多个待矢量化的交通标牌和图像内外参数;
所述终端接收所述多张待处理图像,并根据所述每一张待处理图像中的所述多个待矢量化的交通标牌,将所述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌,根据所述每一张待处理图像中的所述图像内外参数,确定所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景,根据所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景,对所述多组待矢量化的交通标牌进行矢量化处理;
所述服务器基于矢量化处理后的交通标牌,制作高精地图。
第四方面,本申请实施例提供一种终端,包括:
处理器;
存储器;以及
计算机程序;
其中,所述计算机程序被存储在所述存储器中,并且被配置为由所述处理器执行,所述计算机程序包括用于执行如第一方面所述的方法的指令。
第五方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序使得服务器执行第一方面所述的方法。
第六方面,本申请实施例提供一种计算机程序产品,包括计算机指令,所述计算机指令被处理器执行第一方面所述的方法。
本申请实施例提供的交通标牌矢量化方法、***、终端及存储介质,该方法通过接收数据采集设备发送的多张待处理图像,进而,根据每一张待处理图像中的多个待矢量化的交通标牌,将上述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌,并根据每一张待处理图像中的图像内外参数,确定每一张待处理图像中的多个待矢量化的交通标牌所属的标牌场景,从而,根据每一张待处理图像中的多个待矢量化的交通标牌所属的标牌场景,对上述多组待矢量化的交通标牌进行矢量化处理,即本申请实施例基于视觉的成图技术对交通标牌进行矢量化,其中,使用数据采集设备发送的图像作为数据源,数据获取方便快捷,获取渠道较多,相应的降低了交通标牌矢量化成本,提高了交通标牌矢量化效率,满足实时更新的要求。而且,本申请实施例对交通标牌进行匹配分组,并确定交通标牌所属的标牌场景,从而针对不同标牌场景,对上述匹配分组后的交通标牌进行矢量化,使得矢量化的标牌精确度提高、鲁棒性增强,适合应用。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的交通标牌矢量化***架构示意图;
图2为本申请实施例提供的一种交通标牌矢量化方法的流程示意图;
图3为本申请实施例提供的另一种交通标牌矢量化方法的流程示意图;
图4为本申请实施例提供的再一种交通标牌矢量化方法的流程示意图;
图5为本申请实施例提供的一种交通标牌矢量化装置的结构示意图;
图6为本申请提供的一种终端的基本硬件架构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”及“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
相关技术中,交通标牌的矢量化主要通过采集设备搭载的高精度的激光雷达设备、GNSS设备和IMU设备,沿着行车方向扫描得到高密度点云,然后基于该高密度点云获得交通标牌的矢量图形。示例性的,现有在扫描得到高密度点云后,需要经过后期的绝对位置改正、点云去噪、配准、分类、矢量化等一系列操作得到各个交通标牌的矢量图形。
然而,上述交通标牌的矢量化技术,需要获取高密度点云,成本较高,效率较低。
因此,本申请实施例提出一种交通标牌矢量化方法,使用数据采集设备发送的图像作为数据源,数据获取方便快捷,获取渠道较多,相应的降低了交通标牌矢量化成本,提高了交通标牌矢量化效率,满足实时更新的要求。而且,对上述图像中的交通标牌进行匹配分组,并确定上述图像中的交通标牌所属的标牌场景,从而针对不同标牌场景,对上述匹配分组后的交通标牌进行矢量化,使得矢量化的标牌精确度提高、鲁棒性增强,适合应用。
可选地,本发明实施例提供的交通标牌矢量化方法,应用于高精地图成图过程中交通标牌矢量化的处理,具体的,可以应用于通过数据采集设备、终端与服务器进行信息交互,生成高精地图的***中,图1为本发明实施例提供的交通标牌矢量化***的架构示意图,如图1所示,该***中包括数据采集设备11、终端12和服务器13。这里,数据采集设备11可以为采集车,该采集车上搭载采集装置,例如摄像头、照相机等,采集车属于地图测绘行业采集地理信息用的专用车,通常是不同于终端12所在的车辆的。
可以理解的是,本申请实施例示意的结构并不构成对交通标牌矢量化***架构的具体限定。在本申请另一些可行的实施方式中,上述架构可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置,具体可根据实际应用场景确定,在此不做限制。图1所示的部件可以以硬件,软件,或软件与硬件的组合实现。
在具体实现过程中,采集车通过车上搭载的采集装置,沿着行车方向采集多张待处理图像。示例性的,采集车可以接收采集指令,进而,基于该采集指令,通过车上搭载的采集装置采集多张待处理图像。其中,上述采集指令可以由终端12发送至采集车,例如终端12获取采集车的位置,如果根据该位置确定此位置需要进行交通标牌矢量化,则发送采集指令至采集车。这里,上述采集车上还搭载定位装置,终端12通过该定位装置获取采集车的位置。
采集车在采集到上述多张待处理图像后,将上述多张待处理图像发送至终端12。终端12使用采集车发送的图像作为数据源,数据获取方便快捷,获取渠道较多,相应的降低了交通标牌矢量化成本,提高了交通标牌矢量化效率,满足实时更新的要求。而且,终端12对上述图像中的交通标牌进行匹配分组,并确定上述图像中的交通标牌所属的标牌场景,从而针对不同标牌场景,对上述匹配分组后的交通标牌进行矢量化,使得矢量化的标牌精确度提高、鲁棒性增强,适合应用。
终端12将上述矢量化处理后的交通标牌传输到服务器13,服务器13基于上述矢量化处理后的交通标牌,制作高精地图,并可以将制作的高精地图应用到自动驾驶、路径规划、导航定位等。
需要进行说明的是,在图1中,服务器13还可以发送需要进行交通标牌矢量化的位置区域至终端12,从而,终端12在确定采集车的位置在上述位置区域时,发送采集指令至采集车。采集车基于该采集指令,通过车上搭载的采集装置采集多张待处理图像。
在本申请实施例中,上述各终端可以为手持设备、车载设备、可穿戴设备、计算设备,以及各种形式的用户设备(User Equipment,UE)等。
另外,本申请实施例描述的***架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着***架构的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
下面以几个实施例为例对本申请的技术方案进行描述,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本申请实施例提供了一种交通标牌矢量化方法的流程示意图,本实施例的执行主体可以为图1所示实施例中的终端,如图2所示,该方法可以包括:
S201:接收数据采集设备发送的多张待处理图像,其中,每一张待处理图像中包括多个待矢量化的交通标牌和上述图像内外参数。
这里,上述每一张待处理图像中也可以包括一个待矢量化的交通标牌。上述图像内外参数可以包括采集上述多张待处理图像的采集装置的参数,例如相机参数,以及图像位置姿态参数。
示例性的,在接收数据采集设备发送的多张待处理图像之后,上述终端还可以对上述多张待处理图像进行内参标定,以进行图像修正,使得后续基于修正后的图像进行交通标牌矢量化,提高后续处理结果的准确度。
其中,上述终端可以使用数据采集装置的商家给定的公式或者开源库的算法,例如基于双平面镜的数据采集装置内参标定算法,对上述多张待处理图像进行内参标定,具体可以根据实际情况确定,本申请实施例对此不做特别限制。
S202:根据上述每一张待处理图像中的上述多个待矢量化的交通标牌,将上述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌。
这里,上述终端基于上述每一张待处理图像中的上述多个待矢量化的交通标牌,将同一交通标牌在上述接收的多张待处理图像中划分出来,划分到同一组里面。进一步地,上述终端可以基于上述进行图像修正后的每一张待处理图像中的上述多个待矢量化的交通标牌,将同一交通标牌在上述接收的多张待处理图像中划分出来,划分到同一组里面,从而,提高后续处理结果的准确性。
示例性的,上述终端可以根据上述每一张待处理图像中上述多个待矢量化的交通标牌,对上述多张待处理图像中的同一个待矢量化的交通标牌进行跟踪预测,进而,根据跟踪预测结果,进行交通标牌的相似性计算,根据相似性计算结果,将上述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌。
其中,上述终端可以根据上述跟踪预测结果,计算上述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的外接矩形的交集和并集,从而,根据该交集和并集,确定上述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的相似性,即进行了交通标牌的相似性计算。
另外,上述终端还可以根据上述跟踪预测结果,计算上述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的特征相似度,从而,根据该特征相似度,确定上述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的相似性,也进行了交通标牌的相似性计算。
在本申请实施例中,上述终端可以对上述多张待处理图像中的同一个待矢量化的交通标牌进行跟踪预测,然后进行交通标牌的相似性计算,最后相似性计算结果,将同一交通标牌在上述接收的多张待处理图像中划分出来,划分到同一组里面。例如,终端首先可以固定一张图像,确定这个图像上的标牌,然后根据图像的连续帧运动规律,进行图像相似性计算进行匹配,同一标牌给定一个编码,如果出现新的标牌则增加编码存储,从而,将上述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌。
S203:根据上述每一张待处理图像中的上述图像内外参数,确定上述每一张待处理图像中的上述多个待矢量化的交通标牌所属的标牌场景。
这里,上述每一张待处理图像中的上述多个待矢量化的交通标牌所属的标牌场景包括并排标牌,其中,并排标牌为在一张待处理图像中图像内外参数是按照预设要求分布的多个待矢量化的交通标牌。示例性的,以龙门架为例,龙门架上设有多个交通标牌。如果该多个交通标牌的图像内外参数是按照龙门架水平分布的。即如果以与龙门架水平的方向为x轴,以与龙门架垂直的方向为y轴,是按照x轴方向上依次间隔分布,y轴方向上分布变化不大,或者基本相同,则上述多个交通标牌所属的标牌场景为并排标牌。
除上述并排标牌外,上述每一张待处理图像中的上述多个待矢量化的交通标牌所属的标牌场景还包括独立标牌,其中,独立标牌为在一张待处理图像中除图像内外参数是按照预设要求分布的多个待矢量化的交通标牌外,剩余的待矢量化的交通标牌。例如上述龙门架上设有五个交通标牌,其中,四个交通标牌在龙门架上水平分布,则上述四个交通标牌所属的标牌场景为并排标牌,剩余的一个交通标牌所属的标牌场景为独立标牌。
在本申请实施例中,上述终端可以判断上述每一张待处理图像中的上述图像内外参数是否按照预设要求分布的,例如在上述龙门架的交通标牌上,上述终端可以判断这些交通标牌的图像内外参数是否按照上述龙门架上水平分布,即判断是否按照x轴方向上依次间隔分布,y轴方向上分布变化不大,或者基本相同。
如果上述每一张待处理图像中的上述图像内外参数是按照上述预设要求分布的,例如在上述龙门架上水平分布,则上述终端确定上述每一张待处理图像中的上述多个待矢量化的交通标牌所属的标牌场景为并排标牌,否则,为独立标牌。
S204:根据上述每一张待处理图像中的上述多个待矢量化的交通标牌所属的标牌场景,对上述多组待矢量化的交通标牌进行矢量化处理。
这里,上述终端可以针对不同的标牌场景,对上述多组待矢量化的交通标牌进行矢量化处理,使得矢量化的标牌精确度提高、鲁棒性增强,适合应用。
本申请实施例,通过终端接收数据采集设备发送的多张待处理图像,进而,根据每一张待处理图像中的多个待矢量化的交通标牌,将上述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌,并根据每一张待处理图像中的图像内外参数,确定每一张待处理图像中的多个待矢量化的交通标牌所属的标牌场景,从而,根据每一张待处理图像中的多个待矢量化的交通标牌所属的标牌场景,对上述多组待矢量化的交通标牌进行矢量化处理,即本申请实施例基于视觉的成图技术对交通标牌进行矢量化,其中,使用数据采集设备发送的图像作为数据源,数据获取方便快捷,获取渠道较多,相应的降低了交通标牌矢量化成本,提高了交通标牌矢量化效率,满足实时更新的要求。而且,本申请实施例对交通标牌进行匹配分组,并确定交通标牌所属的标牌场景,从而针对不同标牌场景,对上述匹配分组后的交通标牌进行矢量化,使得矢量化的标牌精确度提高、鲁棒性增强,适合应用。
另外,对于并排标牌,本申请实施例对上述多组待矢量化的交通标牌进行矢量化处理时,考虑采用一对图像,即两张图像进行矢量化计算,保证标牌与标牌之间位置关系的一致性。图3为本申请实施例提出的另一种交通标牌矢量化方法的流程示意图。如图3所示,该方法包括:
S301:接收数据采集设备发送的多张待处理图像,其中,每一张待处理图像中包括多个待矢量化的交通标牌和上述图像内外参数。
S302:根据上述每一张待处理图像中的上述多个待矢量化的交通标牌,将上述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌。
S303:根据上述每一张待处理图像中的上述图像内外参数,确定上述每一张待处理图像中的上述多个待矢量化的交通标牌所属的标牌场景。
其中,步骤S301-S303与上述步骤S201-S203的实现方式相同,此处不再赘述。
S304:根据上述并排标牌,在上述多组待矢量化的交通标牌中,确定第一目标组的待矢量化的交通标牌。
由上述可知,上述终端将同一交通标牌在上述接收的多张待处理图像中划分出来,划分到同一组里面,获得多组待矢量化的交通标牌。这里,进一步地,上述终端在上述多组待矢量化的交通标牌中,找到上述并排标牌对应的第一目标组的待矢量化的交通标牌。例如,上述龙门架上设有五个交通标牌,其中,四个交通标牌在龙门架上水平分布,则上述四个交通标牌所属的标牌场景为并排标牌。上述终端在上述多组待矢量化的交通标牌中,找到上述四个在龙门架上水平分布的交通标牌对应的第一目标组的待矢量化的交通标牌,即上述四个在龙门架上水平分布的交通标牌对应的四组待矢量化的交通标牌。
S305:根据上述第一目标组的待矢量化的交通标牌中,每一组待矢量化的交通标牌与上述数据采集设备的距离,对上述每一组待矢量化的交通标牌所在的待处理图像进行排序。
示例性的,上述终端可以根据上述第一目标组的待矢量化的交通标牌中,每一组待矢量化的交通标牌与上述数据采集设备的距离,由近到远,对上述每一组待矢量化的交通标牌所在的待处理图像进行排序。
S306:从排序后的每一组待矢量化的交通标牌所在的待处理图像中,获取多个第一目标图像。
在本申请实施例中,上述终端可以从排序后的每一组待矢量化的交通标牌所在的待处理图像中,获得图像中交通标牌数目大于预设数目的图像作为第一目标图像,从而,得到多个第一目标图像。
其中,上述预设数目可以根据实际情况确定,例如,等于图像中所有标牌的数目。
S307:从上述多个第一目标图像中获取满足第一预设图像间距的两张图像,使用上述两张图像,对上述每一组待矢量化的交通标牌进行矢量化处理。
这里,第一预设图像间距可以根据实际情况确定,例如基线在3-5米左右的两张图像。
上述终端可以使用上述两张图像,对上述每一组待矢量化的交通标牌进行矢量化处理。即上述终端可以基于多特征匹配和四叉树技术,构建上述两张图像的标牌同名点,进而,对上述两张图像的标牌同名点进行三角测量,获得空间点云,对该空间点云进行空间平面拟合,获得空间平面,根据上述每一组待矢量化的交通标牌的角点和上述空间平面,获得上述每一组待矢量化的交通标牌的矢量图形,例如将每一组待矢量化的交通标牌的角点投射到相应的空间平面,获得上述每一组待矢量化的交通标牌的矢量图形。
其中,上述终端在对上述空间点云进行空间平面拟合,获得空间平面之前,还可以去除上述空间点云中的离群点,从而,提高后续处理结果的准确性。
示例性的,上述终端可以上述空间点云进行深度上的加权平均,做深度修正,去除上述空间点云中的离群点,从而,对去除离散点的空间点云进行空间平面拟合,获得上述空间平面。
另外,本申请实施例考虑到上述获得的每一组待矢量化的交通标牌的矢量图形是相对数据采集设备的坐标系的,在实际应用中不通用。所以在获得的每一组待矢量化的交通标牌的矢量图形后,上述终端对上述每一组待矢量化的交通标牌的矢量图形进行坐标系转换,即将上述每一组待矢量化的交通标牌的矢量图形转换到实际应用中的坐标系。
示例性的,上述数据采集设备发送至上述终端的数据还包括GNSS定位数据和IMU测量数据,即上述每一张待处理图像中还包括GNSS定位数据和IMU测量数据。上述终端在获得上述每一组待矢量化的交通标牌的矢量图形之后,根据上述GNSS定位数据和IMU测量数据,对上述每一组待矢量化的交通标牌的矢量图形进行坐标系转换,满足实际应用需要。
本申请实施例,对于并排标牌,本申请实施例对上述多组待矢量化的交通标牌进行矢量化处理时,考虑采用一对图像,即两张图像进行矢量化计算,保证标牌与标牌之间位置关系的一致性。另外,本申请实施例基于视觉的成图技术对交通标牌进行矢量化,其中,使用数据采集设备发送的图像作为数据源,数据获取方便快捷,获取渠道较多,相应的降低了交通标牌矢量化成本,提高了交通标牌矢量化效率,满足实时更新的要求。而且,本申请实施例对交通标牌进行匹配分组,并确定交通标牌所属的标牌场景,从而针对不同标牌场景,对上述匹配分组后的交通标牌进行矢量化,使得矢量化的标牌精确度提高、鲁棒性增强,适合应用。
另外,对于独立标牌,本申请实施例对上述多组待矢量化的交通标牌进行矢量化处理时,考虑采用多张图像进行矢量化计算,即采用帧间融合技术克服匹配点和位姿带来的偶然误差。图4为本申请实施例提出的再一种交通标牌矢量化方法的流程示意图。如图4所示,该方法包括:
S401:接收数据采集设备发送的多张待处理图像,其中,每一张待处理图像中包括多个待矢量化的交通标牌和上述图像内外参数。
S402:根据上述每一张待处理图像中的上述多个待矢量化的交通标牌,将上述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌。
S403:根据上述每一张待处理图像中的上述图像内外参数,确定上述每一张待处理图像中的上述多个待矢量化的交通标牌所属的标牌场景。
其中,步骤S401-S403与上述步骤S201-S203的实现方式相同,此处不再赘述。
S404:根据上述独立标牌,在上述多组待矢量化的交通标牌中,确定第二目标组的待矢量化的交通标牌。
同样,由上述可知,上述终端将同一交通标牌在上述接收的多张待处理图像中划分出来,划分到同一组里面,获得多组待矢量化的交通标牌。这里,进一步地,上述终端在上述多组待矢量化的交通标牌中,找到上述独立标牌对应的第二目标组的待矢量化的交通标牌。例如,上述龙门架上设有五个交通标牌,其中,四个交通标牌在龙门架上水平分布,则上述四个交通标牌所属的标牌场景为并排标牌,剩余的一个交通标牌所属的标牌场景为独立标牌。上述终端在上述多组待矢量化的交通标牌中,找到上述独立标牌对应的第二目标组的待矢量化的交通标牌。
S405:根据上述第二目标组的待矢量化的交通标牌中,每一组待矢量化的交通标牌与上述数据采集设备的距离,对上述每一组待矢量化的交通标牌所在的待处理图像进行排序。
示例性的,上述终端可以根据上述第二目标组的待矢量化的交通标牌中,每一组待矢量化的交通标牌与上述数据采集设备的距离,由近到远,对上述每一组待矢量化的交通标牌所在的待处理图像进行排序。
S406:从排序后的每一组待矢量化的交通标牌所在的待处理图像中,获取多个第二目标图像。
在本申请实施例中,上述终端可以从排序后的每一组待矢量化的交通标牌所在的待处理图像中,获得图像中交通标牌完整,与上述数据采集设备的距离较近的图像作为第二目标图像,从而,得到多个第二目标图像。
S407:从上述多个第二目标图像中获取满足第二预设图像间距的多张图像,使用所述多张图像,对上述每一组待矢量化的交通标牌进行矢量化处理。
这里,第二预设图像间距可以根据实际情况确定,例如基线在3-5米左右的多张图像。
上述终端可以使用上述多张图像,对上述每一组待矢量化的交通标牌进行矢量化处理。即上述终端可以基于多特征匹配和四叉树技术,构建上述多图像的标牌同名点,进而,对上述多张图像的标牌同名点进行三角测量,获得空间点云,对该空间点云进行空间平面拟合,获得空间平面,根据上述每一组待矢量化的交通标牌的角点和上述空间平面,获得上述每一组待矢量化的交通标牌的矢量图形,例如将每一组待矢量化的交通标牌的角点投射到相应的空间平面,获得上述每一组待矢量化的交通标牌的矢量图形。
其中,上述终端在对上述空间点云进行空间平面拟合,获得空间平面之前,还可以去除上述空间点云中的离群点,从而,提高后续处理结果的准确性。
示例性的,上述终端可以上述空间点云进行深度上的加权平均,做深度修正,去除上述空间点云中的离群点,从而,对去除离散点的空间点云进行空间平面拟合,获得上述空间平面。
另外,本申请实施例考虑到上述获得的每一组待矢量化的交通标牌的矢量图形是相对数据采集设备的坐标系的,在实际应用中不通用。所以在获得的每一组待矢量化的交通标牌的矢量图形后,上述终端对上述每一组待矢量化的交通标牌的矢量图形进行坐标系转换,即将上述每一组待矢量化的交通标牌的矢量图形转换到实际应用中的坐标系。
示例性的,上述数据采集设备发送至上述终端的数据还包括GNSS定位数据和IMU测量数据,即上述每一张待处理图像中还包括GNSS定位数据和IMU测量数据。上述终端在获得上述每一组待矢量化的交通标牌的矢量图形之后,根据上述GNSS定位数据和IMU测量数据,对上述每一组待矢量化的交通标牌的矢量图形进行坐标系转换,满足实际应用需要。
本申请实施例,对于独立标牌,本申请实施例对上述多组待矢量化的交通标牌进行矢量化处理时,考虑采用多张图像进行矢量化计算,即采用帧间融合技术克服匹配点和位姿带来的偶然误差。另外,本申请实施例基于视觉的成图技术对交通标牌进行矢量化,其中,使用数据采集设备发送的图像作为数据源,数据获取方便快捷,获取渠道较多,相应的降低了交通标牌矢量化成本,提高了交通标牌矢量化效率,满足实时更新的要求。而且,本申请实施例对交通标牌进行匹配分组,并确定交通标牌所属的标牌场景,从而针对不同标牌场景,对上述匹配分组后的交通标牌进行矢量化,使得矢量化的标牌精确度提高、鲁棒性增强,适合应用。
对应于上文实施例的交通标牌矢量化方法,图5为本申请实施例提供的交通标牌矢量化装置的结构示意图。为了便于说明,仅示出了与本申请实施例相关的部分。图5为本申请实施例提供的一种交通标牌矢量化装置的结构示意图,该交通标牌矢量化装置50包括:图像接收模块501、标牌分组模块502、类型确定模块503以及标牌矢量化模块504。这里的交通标牌矢量化装置可以是上述终端本身,或者是实现上述终端的功能的芯片或者集成电路。这里需要说明的是,图像接收模块、标牌分组模块、类型确定模块以及标牌矢量化模块的划分只是一种逻辑功能的划分,物理上两者可以是集成的,也可以是独立的。
其中,图像接收模块501,用于接收数据采集设备发送的多张待处理图像,其中,每一张待处理图像中包括多个待矢量化的交通标牌和所述图像内外参数。
标牌分组模块502,用于根据所述每一张待处理图像中的所述多个待矢量化的交通标牌,将所述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌。
类型确定模块503,用于根据所述每一张待处理图像中的所述图像内外参数,确定所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景。
标牌矢量化模块504,用于根据所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景,对所述多组待矢量化的交通标牌进行矢量化处理。
在一种可能的实现方式中,所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景包括并排标牌。
所述标牌矢量化模块504,具体用于:
根据所述并排标牌,在所述多组待矢量化的交通标牌中,确定第一目标组的待矢量化的交通标牌;
根据所述第一目标组的待矢量化的交通标牌中,每一组待矢量化的交通标牌与所述数据采集设备的距离,对所述每一组待矢量化的交通标牌所在的待处理图像进行排序;
从排序后的每一组待矢量化的交通标牌所在的待处理图像中,获取多个第一目标图像;
从所述多个第一目标图像中获取满足第一预设图像间距的两张图像,使用所述两张图像,对所述每一组待矢量化的交通标牌进行矢量化处理。
在一种可能的实现方式中,所述并排标牌为在一张待处理图像中图像内外参数是按照预设要求分布的多个待矢量化的交通标牌。
在一种可能的实现方式中,所述标牌矢量化模块504,具体用于:
基于多特征匹配和四叉树技术,构建所述两张图像的标牌同名点;
对所述两张图像的标牌同名点进行三角测量,获得空间点云;
对所述空间点云进行空间平面拟合,获得空间平面;
根据所述每一组待矢量化的交通标牌的角点和所述空间平面,获得所述每一组待矢量化的交通标牌的矢量图形。
在一种可能的实现方式中,所述标牌矢量化模块504,具体用于:
去除所述空间点云中的离群点;
对去除离散点的空间点云进行空间平面拟合,获得所述空间平面。
在一种可能的实现方式中,所述每一张待处理图像中还包括GNSS定位数据和IMU测量数据。
所述标牌矢量化模块504,具体用于:
根据所述GNSS定位数据和IMU测量数据,对所述每一组待矢量化的交通标牌的矢量图形进行坐标系转换。
在一种可能的实现方式中,所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景包括独立标牌。
所述标牌矢量化模块504,具体用于:
根据所述独立标牌,在所述多组待矢量化的交通标牌中,确定第二目标组的待矢量化的交通标牌;
根据所述第二目标组的待矢量化的交通标牌中,每一组待矢量化的交通标牌与所述数据采集设备的距离,对所述每一组待矢量化的交通标牌所在的待处理图像进行排序;
从排序后的每一组待矢量化的交通标牌所在的待处理图像中,获取多个第二目标图像;
从所述多个第二目标图像中获取满足第二预设图像间距的多张图像,使用所述多张图像,对所述每一组待矢量化的交通标牌进行矢量化处理。
在一种可能的实现方式中,所述独立标牌为在一张待处理图像中除图像内外参数是按照预设要求分布的多个待矢量化的交通标牌外,剩余的待矢量化的交通标牌。
在一种可能的实现方式中,所述标牌矢量化模块504,具体用于:
基于多特征匹配和四叉树技术,构建所述多张图像的标牌同名点;
对所述多张图像的标牌同名点进行三角测量,获得空间点云;
对所述空间点云进行空间平面拟合,获得空间平面;
根据所述每一组待矢量化的交通标牌的角点和所述空间平面,获得所述每一组待矢量化的交通标牌的矢量图形。
在一种可能的实现方式中,所述标牌矢量化模块504,具体用于:
去除所述空间点云中的离群点;
所述对所述空间点云进行空间平面拟合,获得空间平面,包括:
对去除离散点的空间点云进行空间平面拟合,获得所述空间平面。
在一种可能的实现方式中,所述每一张待处理图像中还包括GNSS定位数据和IMU测量数据。
所述标牌矢量化模块504,具体用于:
根据所述GNSS定位数据和IMU测量数据,对所述每一组待矢量化的交通标牌的矢量图形进行坐标系转换。
在一种可能的实现方式中,所述标牌分组模块502,具体用于:
根据所述每一张待处理图像中所述多个待矢量化的交通标牌,对所述多张待处理图像中的同一个待矢量化的交通标牌进行跟踪预测;
根据所述多张待处理图像中的同一个待矢量化的交通标牌的跟踪预测结果,进行交通标牌的相似性计算;
根据所述多张待处理图像中的同一个待矢量化的交通标牌的相似性计算结果,将所述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌。
在一种可能的实现方式中,所述标牌分组模块502,具体用于:
根据所述多张待处理图像中的同一个待矢量化的交通标牌的跟踪预测结果,计算所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的外接矩形的交集和并集;
根据所述交集和所述并集,确定所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的相似性;
或者
根据所述多张待处理图像中的同一个待矢量化的交通标牌的跟踪预测结果,计算所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的特征相似度;
根据所述特征相似度,确定所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的相似性。
本申请实施例提供的装置,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,本申请实施例此处不再赘述。
可选地,图6示意性地分别提供本申请所述终端的一种可能的基本硬件架构示意图。
参见图6,终端包括至少一个处理器601以及通信接口603。进一步可选的,还可以包括存储器602和总线604。
其中,终端中,处理器601的数量可以是一个或多个,图6仅示意了其中一个处理器601。可选地,处理器601,可以是中央处理器(central processing unit,CPU)、图形处理器(graphics processing unit,GPU)或者数字信号处理器(digital signal processor,DSP)。如果终端具有多个处理器601,多个处理器601的类型可以不同,或者可以相同。可选地,终端的多个处理器601还可以集成为多核处理器。
存储器602存储计算机指令和数据;存储器602可以存储实现本申请提供的上述交通标牌矢量化方法所需的计算机指令和数据,例如,存储器602存储用于实现上述交通标牌矢量化方法的步骤的指令。存储器602可以是以下存储介质的任一种或任一种组合:非易失性存储器(例如只读存储器(ROM)、固态硬盘(SSD)、硬盘(HDD)、光盘),易失性存储器。
通信接口603可以为所述多个处理器提供信息输入/输出。也可以包括以下器件的任一种或任一种组合:网络接口(例如以太网接口)、无线网卡等具有网络接入功能的器件。
可选的,通信接口603还可以用于终端与其它计算设备或者终端进行数据通信。
进一步可选的,图6用一条粗线表示总线604。总线604可以将处理器601与存储器602和通信接口603连接。这样,通过总线604,处理器601可以访问存储器602,还可以利用通信接口603与其它计算设备或者终端进行数据交互。
在本申请中,终端执行存储器602中的计算机指令,使得终端实现本申请提供的上述交通标牌矢量化方法,或者使得终端部署上述的交通标牌矢量化装置。
从逻辑功能划分来看,示例性的,如图6所示,存储器602中可以包括图像接收模块501、标牌分组模块502、类型确定模块503以及标牌矢量化模块504。这里的包括仅仅涉及存储器中所存储的指令被执行时可以分别实现图像接收模块、标牌分组模块、类型确定模块以及标牌矢量化模块的功能,而不限定是物理上的结构。
另外,上述的交通标牌矢量化装置除了可以像上述图6通过软件实现外,也可以作为硬件模块,或者作为电路单元,通过硬件实现。
本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序使得服务器执行本申请提供的上述交通标牌矢量化方法。
本申请提供一种计算机程序产品,包括计算机指令,所述计算机指令被处理器执行本申请提供的上述交通标牌矢量化方法。
本申请提供一种芯片,包括至少一个处理器和通信接口,所述通信接口为所述至少一个处理器提供信息输入和/或输出。进一步,所述芯片还可以包含至少一个存储器,所述存储器用于存储计算机指令。所述至少一个处理器用于调用并运行该计算机指令,以执行本申请提供的上述交通标牌矢量化方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
Claims (10)
1.一种交通标牌矢量化方法,其特征在于,包括:
接收数据采集设备发送的多张待处理图像,其中,每一张待处理图像中包括多个待矢量化的交通标牌和图像内外参数;
根据所述每一张待处理图像中的所述多个待矢量化的交通标牌,将所述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌;
根据所述每一张待处理图像中的所述图像内外参数,确定所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景;
根据所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景,对所述多组待矢量化的交通标牌进行矢量化处理。
2.根据权利要求1所述的方法,其特征在于,所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景包括并排标牌;
所述根据所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景,对所述多组待矢量化的交通标牌进行矢量化处理,包括:
根据所述并排标牌,在所述多组待矢量化的交通标牌中,确定第一目标组的待矢量化的交通标牌;
根据所述第一目标组的待矢量化的交通标牌中,每一组待矢量化的交通标牌与所述数据采集设备的距离,对所述每一组待矢量化的交通标牌所在的待处理图像进行排序;
从排序后的每一组待矢量化的交通标牌所在的待处理图像中,获取多个第一目标图像;
从所述多个第一目标图像中获取满足第一预设图像间距的两张图像,并使用所述两张图像,对所述每一组待矢量化的交通标牌进行矢量化处理。
3.根据权利要求2所述的方法,其特征在于,所述使用所述两张图像,对所述每一组待矢量化的交通标牌进行矢量化处理,包括:
基于多特征匹配和四叉树技术,构建所述两张图像的标牌同名点;
对所述两张图像的标牌同名点进行三角测量,获得空间点云;
对所述空间点云进行空间平面拟合,获得空间平面;
根据所述每一组待矢量化的交通标牌的角点和所述空间平面,获得所述每一组待矢量化的交通标牌的矢量图形。
4.根据权利要求3所述的方法,其特征在于,所述每一张待处理图像中还包括全球导航卫星***GNSS定位数据和惯性测量单元IMU测量数据;
在所述根据所述每一组待矢量化的交通标牌的角点和所述空间平面,获得所述每一组待矢量化的交通标牌的矢量图形之后,还包括:
根据所述GNSS定位数据和IMU测量数据,对所述每一组待矢量化的交通标牌的矢量图形进行坐标系转换。
5.根据权利要求1至4中任意一项所述的方法,其特征在于,所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景包括独立标牌;
所述根据所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景,对所述多组待矢量化的交通标牌进行矢量化处理,包括:
根据所述独立标牌,在所述多组待矢量化的交通标牌中,确定第二目标组的待矢量化的交通标牌;
根据所述第二目标组的待矢量化的交通标牌中,每一组待矢量化的交通标牌与所述数据采集设备的距离,对所述每一组待矢量化的交通标牌所在的待处理图像进行排序;
从排序后的每一组待矢量化的交通标牌所在的待处理图像中,获取多个第二目标图像;
从所述多个第二目标图像中获取满足第二预设图像间距的多张图像,并使用所述多张图像,对所述每一组待矢量化的交通标牌进行矢量化处理。
6.根据权利要求1至4中任一项所述的方法,其特征在于,所述根据所述每一张待处理图像中的所述多个待矢量化的交通标牌,将所述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌,包括:
根据所述每一张待处理图像中所述多个待矢量化的交通标牌,对所述多张待处理图像中的同一个待矢量化的交通标牌进行跟踪预测;
根据所述多张待处理图像中的同一个待矢量化的交通标牌的跟踪预测结果,进行交通标牌的相似性计算;
根据所述多张待处理图像中的同一个待矢量化的交通标牌的相似性计算结果,将所述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌。
7.根据权利要求6所述的方法,其特征在于,所述根据所述多张待处理图像中的同一个待矢量化的交通标牌的跟踪预测结果,进行交通标牌的相似性计算,包括:
根据所述多张待处理图像中的同一个待矢量化的交通标牌的跟踪预测结果,计算所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的外接矩形的交集和并集;
根据所述交集和所述并集,确定所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的相似性;
或者
根据所述多张待处理图像中的同一个待矢量化的交通标牌的跟踪预测结果,计算所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的特征相似度;
根据所述特征相似度,确定所述多张待处理图像中前后两张待处理图像中的同一个待矢量化的交通标牌的相似性。
8.一种交通标牌矢量化***,其特征在于,包括数据采集设备、终端和服务器;
所述数据采集设备采集多张待处理图像,并将所述多张待处理图像发送至所述终端,其中,每一张待处理图像中包括多个待矢量化的交通标牌和图像内外参数;
所述终端接收所述多张待处理图像,并根据所述每一张待处理图像中的所述多个待矢量化的交通标牌,将所述多张待处理图像中的同一个待矢量化的交通标牌划分为一组,获得多组待矢量化的交通标牌,根据所述每一张待处理图像中的所述图像内外参数,确定所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景,根据所述每一张待处理图像中的所述多个待矢量化的交通标牌所属的标牌场景,对所述多组待矢量化的交通标牌进行矢量化处理;
所述服务器基于矢量化处理后的交通标牌,制作高精地图。
9.一种终端,其特征在于,包括:
处理器;
存储器;以及
计算机程序;
其中,所述计算机程序被存储在所述存储器中,并且被配置为由所述处理器执行,所述计算机程序包括用于执行如权利要求1-7任一项所述的方法的指令。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序使得服务器执行权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110330754.3A CN115128626A (zh) | 2021-03-26 | 2021-03-26 | 交通标牌矢量化方法、***、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110330754.3A CN115128626A (zh) | 2021-03-26 | 2021-03-26 | 交通标牌矢量化方法、***、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115128626A true CN115128626A (zh) | 2022-09-30 |
Family
ID=83374960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110330754.3A Pending CN115128626A (zh) | 2021-03-26 | 2021-03-26 | 交通标牌矢量化方法、***、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115128626A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107516077A (zh) * | 2017-08-17 | 2017-12-26 | 武汉大学 | 基于激光点云和影像数据融合的交通标牌信息提取方法 |
CN107818288A (zh) * | 2016-09-13 | 2018-03-20 | 腾讯科技(深圳)有限公司 | 标志牌信息获取方法及装置 |
US20180188046A1 (en) * | 2017-01-03 | 2018-07-05 | Ionroad Technologies Ltd. | Creation and use of enhanced maps |
CN108571974A (zh) * | 2017-03-14 | 2018-09-25 | 福特全球技术公司 | 使用摄像机的车辆定位 |
US20200211375A1 (en) * | 2018-12-26 | 2020-07-02 | Uatc, Llc | Missing Traffic Face Detector |
CN111782739A (zh) * | 2019-04-04 | 2020-10-16 | 西安四维图新信息技术有限公司 | 地图更新方法及装置 |
-
2021
- 2021-03-26 CN CN202110330754.3A patent/CN115128626A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818288A (zh) * | 2016-09-13 | 2018-03-20 | 腾讯科技(深圳)有限公司 | 标志牌信息获取方法及装置 |
US20180188046A1 (en) * | 2017-01-03 | 2018-07-05 | Ionroad Technologies Ltd. | Creation and use of enhanced maps |
CN108571974A (zh) * | 2017-03-14 | 2018-09-25 | 福特全球技术公司 | 使用摄像机的车辆定位 |
CN107516077A (zh) * | 2017-08-17 | 2017-12-26 | 武汉大学 | 基于激光点云和影像数据融合的交通标牌信息提取方法 |
US20200211375A1 (en) * | 2018-12-26 | 2020-07-02 | Uatc, Llc | Missing Traffic Face Detector |
CN111782739A (zh) * | 2019-04-04 | 2020-10-16 | 西安四维图新信息技术有限公司 | 地图更新方法及装置 |
Non-Patent Citations (1)
Title |
---|
瓮升霞等: ""基于移动激光点云的交通标志牌特征提取"", 《厦门大学学报(自然科学版)》, vol. 55, no. 04, 28 July 2016 (2016-07-28), pages 580 - 585 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109297510B (zh) | 相对位姿标定方法、装置、设备及介质 | |
JP6862409B2 (ja) | 地図生成及び移動主体の位置決めの方法及び装置 | |
EP3505869B1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
US8259994B1 (en) | Using image and laser constraints to obtain consistent and improved pose estimates in vehicle pose databases | |
CN108279670B (zh) | 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质 | |
US8442307B1 (en) | Appearance augmented 3-D point clouds for trajectory and camera localization | |
CN111862337B (zh) | 视觉定位方法、装置、电子设备和计算机可读存储介质 | |
CN109918977B (zh) | 确定空闲车位的方法、装置及设备 | |
US20110261187A1 (en) | Extracting and Mapping Three Dimensional Features from Geo-Referenced Images | |
CN113048980B (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
CN111833447A (zh) | 三维地图构建方法、三维地图构建装置及终端设备 | |
CN110926478B (zh) | 一种ar导航路线纠偏方法、***及计算机可读存储介质 | |
EP3998582A1 (en) | Three-dimensional model generation method and three-dimensional model generation device | |
JP2009076096A (ja) | 対象特定装置 | |
CN111459269A (zh) | 一种增强现实显示方法、***及计算机可读存储介质 | |
CN111080682A (zh) | 点云数据的配准方法及装置 | |
CN115719436A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
CN114140592A (zh) | 高精地图生成方法、装置、设备、介质及自动驾驶车辆 | |
CN113610702B (zh) | 一种建图方法、装置、电子设备及存储介质 | |
CN113379748A (zh) | 一种点云全景分割方法和装置 | |
CN116858215B (zh) | 一种ar导航地图生成方法及装置 | |
KR100710045B1 (ko) | 동영상 경로 정보 제공 서버 및 동영상 경로 정보 제공방법 | |
CN115661313A (zh) | 点云地图生成方法、设备及存储介质 | |
CN115128626A (zh) | 交通标牌矢量化方法、***、终端及存储介质 | |
CN115773759A (zh) | 自主移动机器人的室内定位方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |