[发明专利]标志牌地标数据集生成及车辆定位方法

说明书

本发明涉及一种标志牌地标数据集生成及车辆定位方法，其中该标志牌数据集生成方法包括：标志牌的图像检测和识别；图像检测结果转化寻找标志牌牌面所在的粗略点云区域范围；得到标志牌牌面；得到标志牌的杆；获取标志牌的语义及空间特征；得到一系列标志牌地标数据集；本发明所述的标志牌地标数据集生成方法采用基于深度学习网络及反射特性两种方法结合的方式进行标志牌的提取，减少了获取标志牌信息的误差，从而提高了获取交通标志牌的标志牌信息准确度、效率以及鲁棒性。

技术领域

本发明涉及智能交通领域，特别涉及一种标志牌地标数据集生成及车辆定位方法。

背景技术

随着经济的发展，现代交通已经非常发达，而道路交通仍占据主导地位。作为交通系统重要的组成部分，交通标志牌提供了道路环境的重要信息，帮助引导、警告、规范驾驶员行为，实现更安全便利的车辆行驶环境。同时，标志牌上的信息也为理解复杂的道路环境提供了线索。然而，道路交通标志的检测识别，以及相关空间信息的提取仍然是智能交通系统研究领域中尚未完全解决的难题之一至今为止，有大量关于标志牌研究成果面世，但还存在不少问题和缺陷，导致获取交通标志牌的相关信息的获取效率较低。

传统的标志牌类型和空间信息的采集和计算主要是靠手工的，但是因为其巨大的工作量，所以很难保证实时及准确率。近几年有越来越多的基于图像上的(半)自动的方法来获取标志牌类型和几何信息。但是由于图像对光照条件以及视角角度比较敏感，所以在图像上作相关信息提取仍然后很大问题。同时，其准确的三维空间几何信息，以及相同或不同类型的标志牌间的准确位置和空间关系也很难从图像上直接计算得到。所以目前，作为能够提供精确的空间点云和图像的车载激光扫描数据，被越来越多应用到了智能交通相关的应用，包括了标志牌的检测、信息提取等研究工作。

地理定位是一类估计拍摄相片所在的地理空间位置的问题。它在很多方面有着广泛应用，如导航、目标跟踪、轨迹估计等。传统地理定位方法是通过与已含有位置信息的照片进行匹配来预测查询照片的地理位置，但是并不是所有地方都提供这类地面参照照片。另外一类方法是利用三维物体或模型信息来定下更有效准确的定位。基于此思路，我们可以利用道路上的三维物体，来帮助车辆进行辅助定位。相比于道路上其它物体，标志牌具有三大适用于此应用的特点。第一，标志牌具有稳定性，会长期放置在一个固定的位置；第二，标志牌在空间上分布均匀；第三，标志牌建立比较分散独立，没有严重的遮挡。因此，如何将标志牌(包括其点云、图像、及相关空间信息)作为地标数据来进行车辆辅助性的定位是具有价值和挑战的研究议题。

发明内容

本发明提供一种标志牌地标数据集生成及车辆定位方法，从而解决上述现有技术存在的技术问题。

为实现上述目的，本发明采用如下技术方案：

一种标志牌地标数据集生成方法，所述方法包括：

采用预先设置的标志牌图像库训练全卷积神经网络，并利用训练好的神经网络对采集得到的图像进行标志牌检测，以获取检测结果，其中所述检测结果包含标志牌的包围框和类型；

根据标志牌的包围框转化回三维点云中的位置寻找标志牌牌面所在的粗略区域范围，以获取标志牌的牌面，并沿着Z轴方向找回标志牌的杆，以及根据体素的归一化割方法将标志牌与粘连的其他物体分开，最终获得完整标志牌；

对标志牌的类型进行重新认定，以确定正确的类型，并通过获取标志牌的空间特征，以得到一系列标志牌点云和相应的图像；

将标志牌点云重新映射回图像，以根据图像进行人工修正标志牌的类型，并将图像自动截取仅保留标志牌区域，以及并删除标志牌模糊及标志牌背面的图像，最终获得一系列的包含点云和图像的标志牌地标数据集。

上述的标志牌地标数据集生成方法通过获取标志牌的有效信息，以得到准确的标志牌地标数据集，提高标志牌的获取效率。

进一步地，根据标志牌的包围框转化回三维点云中的位置寻找标志牌牌面所在的粗略区域范围，包括：