[发明专利]一种道路标志物的识别方法、装置及存储介质

说明书

本发明实施例公开了一种道路标志物的识别方法、装置及存储介质，应用于信息处理技术领域。道路标志物的识别装置先基于待识别场景的二维图像和三维点云数据，构建第一坐标转换矩阵，并采用第一坐标转换矩阵对三维点云数据进行计算，得到待识别场景的深度图像；这样，只要从待识别场景的二维图像中获取道路标志物的平面坐标信息，就可以根据道路标志物的平面坐标信息，确定深度图像中对应位置的深度信息；然后根据第一坐标转换矩阵、道路标志物的平面坐标信息及深度信息，确定所述道路标志物的空间分布信息，进而实现了道路标志物的识别。只需借助待识别场景的深度图像信息即可实现自动映射过程，可以高效地完成道路标志物的定位。

技术领域

本发明涉及信息处理技术领域，特别涉及一种道路标志物的识别方法、装置及存储介质。

背景技术

路标、路牌等道路标志物是高精度地图中重要的道路要素，其为车辆精确定位和道路状况识别提供了参考依据，使得自动驾驶车辆可以对周围的环境做出准确的判断并制定合适的行驶策略。

随着传统提取算法的不断完善以及激光点云深度学习算法的不断发展，路标、路牌等道路标志物在点云和图像上的识别和分类可以具有较高准确率和召回率，能够很好的提升高精度地图制作的自动化水平。一般在高精度地图数据中，道路标志物可以采用“坐标+形状+内容”的形式来表示，由于点云数据可以较好的还原出真实场景的三维信息，因此道路标志物的坐标和形状信息可以通过点云数据来获取；而道路标志物的实际内容还是需要通过图像来获得。

现有的一种道路标志物的识别方法，主要是先在线下使用点云分类识别算法，完成点云数据的预标定，然后在线上通过人工识别的方式完成道路标志物的识别，其中，点云数据的预标定主要是对点云数据进行分类。这种方法需要对点云数据进行预处理，由于点云数据的数据量庞大，且空间关系较为复杂，因此对点云数据的分类过程需要不断的找寻各邻近点对的关系，并进行法向估算等，整个过程较为耗时；且由于道路标志物中的路牌有着较高的反射率，结构相对独立，因此分类结果较好，但是路标由于其形状特征不明显，往往无法得到很好的分类结果。

另一种道路标志物的识别方法主要包括：先通过相机标定结果，构建点云数据到图像数据的映射关系；然后在图像中完成道路标志物的识别，再基于射线求交的方法，在点云数据中确定相关要素的对应位置。这种基于射线求交的方法可以免去对点云数据的预处理的这一步骤，但是射线求交的方法仅能够较为准确的定位道路标志物的中心点位置，整体大小，朝向无法确定。为了获得精确结果，还是需要依赖大量的人工，进行结果修正，从而影响到整体识别效率。

发明内容

本发明实施例提供一种道路标志物的识别方法、装置及存储介质，实现了根据第一坐标转换矩阵及待识别场景中道路标志物的平面坐标信息和深度信息，确定待识别场景中道路标志物的空间分布信息。

本发明实施例第一方面提供一种道路标志物的识别方法，包括：

获取待识别场景的二维图像和三维点云数据；

基于所述二维图像和三维点云数据，构建第一坐标转换矩阵；

采用所述第一坐标转换矩阵对所述三维点云数据进行计算，得到所述待识别场景的深度图像；

从所述待识别场景的二维图像中获取道路标志物的平面坐标信息；

确定所述深度图像中与所述道路标志物的平面坐标信息对应位置的深度信息；

根据所述第一坐标转换矩阵、道路标志物的平面坐标信息及深度信息，确定所述道路标志物的空间分布信息。

本发明实施例第二方面提供一种道路标志物的识别装置，包括：

信息获取单元，用于获取待识别场景的二维图像和三维点云数据；

构建单元，用于基于所述二维图像和三维点云数据，构建第一坐标转换矩阵；