CN106845324A - 路牌信息的处理方法和装置 - Google Patents
路牌信息的处理方法和装置 Download PDFInfo
- Publication number
- CN106845324A CN106845324A CN201510885212.7A CN201510885212A CN106845324A CN 106845324 A CN106845324 A CN 106845324A CN 201510885212 A CN201510885212 A CN 201510885212A CN 106845324 A CN106845324 A CN 106845324A
- Authority
- CN
- China
- Prior art keywords
- laser
- data
- laser point
- convex closure
- road
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种路牌信息的处理方法和装置。其中,该处理方法包括:对目标道路的激光点云数据包含的激光点数据按密度进行聚类,得到至少一个激光点数据集合;获取集合中的激光点数据的外围凸包;基于外围凸包的形状与外围凸包的顶点角度识别目标道路上的路牌信息。通过本发明,解决了路牌检测方法精度低的技术问题,可以准确高效地获取路牌信息。
Description
技术领域
本发明涉及地图数据处理领域,具体而言,涉及一种路牌信息的处理方法和装置。
背景技术
现在技术中对路牌检测大致采用如下两种方法:
第一种是通过道路采集车进行路牌检测,这种方法先通过道路采集车上安装的道路摄像仪采集道路录像,然后在进行路牌数据制作时,回放采集到的道路录像,并基于该道路录像确定路牌在道路上的大致位置,但该方案的精确度太低,对于自动驾驶并无帮助。
第二种是通过激光点云进行路牌检测,这种方法先通过激光点云对道路采集车所得到的路牌录像进行处理,得到激光点云数据,再利用人工在激光点云数据查找路牌的确切位置。但该方案由于依赖于人工进行路牌位置的复检,人工成本很高,而且道路采集车在采集道路录像时也容易丢失或遗漏路牌数据,如果丢失或遗漏数据就可能不会再在激光光点云数据中得到。
综上,亟需提供一种检测精度高且效率高的路牌信息的处理方法和装置。
发明内容
根据本发明实施例的一个方面,提供了一种路牌信息的处理方法,该处理方法包括:对目标道路的激光点云数据包含的激光点数据按密度进行聚类,得到至少一个激光点数据集合;获取所述集合中的激光点数据的外围凸包;基于所述外围凸包的形状与所述外围凸包的顶点角度识别所述目标道路上的路牌信息。
根据本发明实施例的另一方面,还提供了一种路牌信息的处理装置,该处理装置包括:聚类单元,用于对目标道路的激光点云数据包含的激光点数据按密度进行聚类,得到至少一个激光点数据集合;凸包获取单元,用于获取所述集合中的激光点数据的外围凸包;处理单元,用于基于所述外围凸包的形状与所述外围凸包的顶点角度识别所述目标道路上的路牌信息。
采用本发明实施例,对目标道路的激光点云数据包含的激光点数据进行密度聚类,得到至少一个激光点数据集合,得到的集合就是可能包含路牌信息的集合,基于集合中激光点数据形成的外围凸包的形状得到路牌信息。通过上述实施例,通过对激光点云数据进行密度聚类可以准确确定可能包含路牌信息的集合,该确定方法不会遗漏路牌,且无需依赖人工操作,能够快速、高效识别路牌信息,不会遗漏路牌信息,解决了路牌检测方法精度低的技术问题,可以快速高效获取路牌信息。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的计算机终端的环境示意图;
图2是根据本发明实施例的一种路牌信息的处理方法的流程图;
图3是根据本发明实施例的第四种可选的路牌信息的处理方法的流程图;
图4是根据本发明实施例的第五种可选的路牌信息的处理方法的流程图;
图5是根据本发明实施例的一种可选的路牌信息的处理方法的流程图;
图6是根据本发明实施例的另一种可选的路牌信息的处理方法的流程图;
图7是根据本发明实施例的第三种可选的路牌信息的处理方法的流程图;
图8是根据本发明实施例的一种路牌信息的处理装置的示意图;
图9是根据本发明实施例的一种可选的路牌信息的处理装置的示意图;
图10是根据本发明实施例的一种终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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,以便这里描述的本发明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、系统、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。
实施例1
根据本发明实施例,还提供了一种路牌信息的处理方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例一所提供的方法实施例可以在移动终端、车载系统或者类似的运算装置中执行。
可选地,在本实施例中,上述路牌信息的处理方法可以应用于如图1所示的终端101和服务器103所构成的硬件网络环境中,如图1所示,终端101通过网络与服务器103进行连接,上述网络的实例包括但不限于无线通讯网、移动通信网及其他移动网络。
在本申请实施例中,上述的终端可以为移动终端(如智能手机、ipad)、车载系统(如地图导航仪)。
在上述运行环境下,本申请提供了如图2所示的一种路牌信息的处理方法。
如图2所示,该路牌信息的处理方法包括如下步骤:
步骤S204:对目标道路的激光点云数据包含的激光点数据按密度进行聚类,得到至少一个激光点数据集合。
具体地,密度聚类指的是由一个核心对象和其密度可达的所有对象构成一个聚类,即聚类空间中的一定区域内所包含对象(点或其他空间对象)的数目不小于某一给定阈值。
步骤S206:获取集合中的激光点数据的外围凸包。
步骤S208:基于外围凸包的形状与外围凸包的顶点角度识别目标道路上的路牌信息。
可选地,外围凸包的顶点角度可以为外围凸包中边缘的连续点确定的顶点角度。
采用本发明实施例,对目标道路的激光点云数据所包含的的激光点数据进行密度聚类,得到至少一个激光点数据集合,得到的集合就是可能包含路牌信息的集合,基于集合中激光点数据形成的外围凸包的形状得到路牌信息。通过上述实施例,通过对激光点云数据进行密度聚类可以准确确定可能包含路牌信息的集合,该确定方法不会遗漏路牌,且无需依赖人工操作,能够快速、高效识别路牌信息,不会遗漏路牌信息,解决了路牌检测方法精度低的技术问题,可以快速高效获取路牌信息。
具体地,激光点云也称为点云,是利用激光在同一空间参考系下获取物体表面每个采样点的空间坐标得到的一系列表达目标空间分布和目标表面特性的海量点的集合,这个集合就称之为“点云”(Point Cloud)。激光点云数据包含点在地球坐标系下经度、纬度和高度的信息。
本申请的激光点云数据通过激光采集车对目标道路进行激光点云测量得到。
具体地,利用激光采集车获取目标道路所在区域的每个空间点的空间坐标(包括经度信息、纬度信息和高度信息),得到所有激光点云数据,然后对激光点云数据对应的点按照密度进行聚类,形成一个或多个聚类(即上述的集合),连接每个集合的外围的点得到各个集合的外围凸包,基于外围凸包的形状和外围的连续点确定的顶点角度得到目标道路的路牌信息。
通过该实施例无需人工对道路信息进行处理,且密度聚类结果进行路牌识别得到路牌信息,不会导致信息丢失。
下面以高精度道路地图的生成应用场景为例详细介绍本发明实施例:
在生成目标道路的地图的场景中,利用激光采集车对目标道路的区域进行点云测量,得到该目标道路的激光点云数据,该激光点云数据中可以包括目标道路所在区域中各个激光点的空间坐标(包括经度信息、纬度信息和高度信息),然后在该激光点云数据所包括的激光点数据所表示的聚类空间(即上述实施例中的目标道路所在的区域)内进行密度聚类,得到一个或多个集合,连接每个集合的外围的点得到各个集合的外围凸包,基于该外围凸包的形状和外围凸包边缘的连续点确定的顶点角度确定目标道路的路牌信息(如路牌形状和/或路牌中的指示信息),在确定该目标道路的路牌信息之后,可以将该路牌信息添加到该目标道路的地图中。
采用该实施例,通过对激光点云数据进行密度聚类,无需手工操作、不会遗漏路牌信息,可以生成高精度的道路地图,所生成的高精度的道路地图的路牌精度可以在20cm左右,满足其所需的路牌位置的高精度要求。
在本发明的上述实施例中,对目标道路的激光点云数据包含的激光点数据按密度进行聚类,得到至少一个激光点数据集合具体包括:从目标道路的激光点云数据包含的激光点数据中,获取在预设面积范围内的激光点数据;判断预设面积范围内的激光点数据的密度是否大于预设的密度阈值;若大于预设的密度阈值,则将预设面积范围内的所有激光点数据作为一个集合。
其中,在基于激光点数据的经纬度信息(不参考高度信息)进行密度聚类时,所有的激光点数据将落到一个平面上,对该平面上的点进行密度聚类。
可选地,可以基于激光点数据的经纬度信息确定一个预设面积的范围,若该预设面积范围内激光点数据的密度大于预设阈值,则该预设面积范围内的点构成一个集合。其中的激光点数据的密度可以使用预设面积范围内激光点数据的数量来表示。
上述的预设面积范围可以为固定面积,如1平方米。此处的预设面积的数值仅作示例性说明,本申请对此不做限定。
在一个可选的实施例中,预设面积范围通过基准点和预设的距离表示,从目标道路的激光点云数据包含的激光点数据中,获取在预设面积范围内的激光点数据具体包括:从目标道路的激光点云数据包含的激光点数据中,选取任意一个激光点数据作为预设面积范围的基准点;获取到基准点的距离在预设的距离内的激光点数据,获取到的激光点数据为预设面积范围内的激光点数据。
具体地,可以在激光点数据中选取一个基准点,以该基准点为中心点,向外扩散;在扩散的时候,逐一计算待扩散的点与基准点之间的预设的距离(该距离可以为平面距离),也即仅计算经纬度之间的距离(不考虑高度对距离的影像),将到基准点的距离小于预设的距离内的激光点数据作为预设面积范围内的激光点数据。
通过上述步骤可以得到基准点为中心的激光点数据组成的图形可以为:三角形、四边形、多变形或圆形。本申请对图形的具体形状不做限制。
在另一个可选的实施例中,预设面积范围通过选择框表示,从目标道路的激光点云数据包含的激光点数据中,获取在预设面积范围内的激光点数据包括:获取预先设置的选择框,其中,选择框为多边形框或圆形框;使用选择框遍历目标道路的激光点云数据包含的激光点数据,位于选择框内的激光点数据为预设面积范围内的激光点数据。
具体地,可以预先设置面积为预设面积的选择框,使用该选择框遍历平面时,该选择框覆盖的范围即为上述的预设面积范围,落入该选择框内的激光点数据即为预设面积范围内的激光点数据。
通过上述实施例,通过对激光点云数据进行不包含高度值的密度聚类,得到可能包含路牌信息的集合,将可能的路牌集合全都聚类出来,并基于该聚类结果进行路牌识别,不会造成路牌的遗漏,可以获取准确的路牌信息;并且仅基于经纬度信息进行聚类,提高了处理速度。
根据本发明的上述实施例,基于外围凸包的形状与所述外围凸包的顶点角度识别所述目标道路上的路牌信息包括:根据外围凸包的形状判断外围凸包对应的道路对象是否为路牌,若是,则根据外围凸包的顶点角度来识别路牌的形状,得到目标道路中的路牌信息。
在本发明上述实施例中,根据外围凸包的形状判断外围凸包对应的道路对象是否为路牌包括:根据外围凸包的形状判断外围凸包对应的道路对象是否为路牌包括:判断外围凸包是多面体凸包还是多边形凸包;若得到外围凸包为多面体凸包,则确定外围凸包对应的道路对象不是路牌;若得到外围凸包为多边形凸包,且外围凸包的高度在预设高度范围内,则确定外围凸包对应的道路对象为路牌。
可选地,在基于激光点云数据所包含的激光点数据按照密度聚类后,得到可能含有路牌信息的一个或多个集合,可以依次连接每个集合所包含的激光点数据中最外围的点,得到各个集合的外围凸包,其中,外围凸包的每三个连续点形成一个角度(即顶点角度),根据外围凸包的形状和外围凸包的顶点角度确定目标道路的路牌信息。
进一步地可选地,也可以在基于激光点云数据中的道路边缘点数据按照密度进行聚类,得到可能含有路牌信息的集合,并基于各个集合的外围凸包的形状和凸包的顶点确定路牌信息。
上述实施例中,若外围凸包为多面体凸包,则确定外围凸包对应的道路对象不是路牌,可能是一棵树或者别的未知物体;若外围凸包并非多面体凸包,而是多边形凸包,且该外围凸包的高度在预设高度范围内,则该外围凸包就是包含了路牌的集合。
由于道路交通规范,一般的路牌设定在高度为1m的地方,如图3所示的路牌距离道路路面的最高高度为1.2m,最低高度为1.0m,因此在外围凸包为多边形凸包,且该外围凸包的高度在预设高度范围内时,可以确定该外围凸包(或集合)对应的道路对象为路牌。可选地,预设高度范围可以为1m到1.5m。
通过上述实施例,基于得到的外围凸包的形状判断外围凸包对应的道路对象是否为路牌,并基于外围凸包的顶点角度确定目标道路的路牌形状,从而能够快速识别路牌,提高对路牌的识别率。
可选地,根据外围凸包的顶点角度来识别路牌的形状包括:计算顶点角度与预设角度的差值,判断差值是否小于预设角差且顶点角度的个数是否为预设个数,具体地:
若预设角度为第一角度、预设个数为四个,当顶点角度与第一角度的差值小于预设角差且顶点角度的个数为四个时,则判断出外围凸包对应的路牌的形状为四边形;
若预设角度为第二角度、预设个数为三个,当顶点角度与第二角度的差值小于预设角差且顶点角度的个数为三个时,则判断出外围凸包对应的路牌的形状为三角形;
若预设角度为第三角度、预设个数为外围凸包中顶点角度的总数,且当外围凸包的每个顶点角度与第三角度的差值小于预设角差时,则判断出外围凸包对应的路牌的形状为圆形。
其中,预设角差可以为5度。
其中,第一预设阈值、第二预设阈值和第三预设阈值可以相同或不同,比如:三个阈值相同可以取值为5度。第一角度可以为90度;第二角度可以为60度;第三角度可以为160度。
具体地,集合的外围凸包中最边缘的点中每三个连续点形成一个角度(即顶点角),依次获取这些角度,可以根据这些角度确定路牌的形状。
可选地,若外围凸包的顶点角度符合四边形的特征,即外围凸包中的多个角度在180度附近,比如:180,175,168,161;且在外围凸包中只有四个角度与90度的差值在15度左右,比如:90,85,80,77,则确定外围凸包为四边形,即路牌的形状为四边形。如图4所示,将集合中点云数据中边缘点连接得到外围凸包,该外围凸包的相邻两个顶点角度符合四边形的特征,因此外围凸包为四边形,即路牌的形状为四边形。
可选地,若外围凸包的顶点角度符合三角形的特征,即外围凸包中的多个角度在180度附近,比如:180,175,168,171,且顶点角度中只有三个角度值与60度的差值在5度左右,则确定外围凸包为三角形,即路牌的形状为三角形。
可选地,若外围凸包的顶点角度符合圆形的特征,外围凸包中的每个角度都在180度附近,比如:150,155,168,171,则确定外围凸包为圆形,即路牌的形状为圆形。
通过上述实施例,基于依序获取的外围凸包的顶点角度,判断路牌的形状,该方法无需依赖人工操作,不会遗漏路牌信息,从而保证获取到的路牌信息的准确。
可选的,在执行步骤S204之前,激光点云数据是通过激光采集设备对目标道路进行激光点云测量得到的。
在一种可选的实施例中,在对激光点云数据包含的激光点数据按密度进行聚类,得到至少一个激光点数据集合之前进一步包括:基于激光采集设备在目标道路上进行激光点云测量时形成的轨迹点信息及激光点云数据,确定目标道路的道路边缘;获取激光点云数据包含的激光点数据到目标道路的两个道路边缘的距离,若激光点数据到目标道路的两个道路边缘的距离中最小的一个距离大于预设的距离阈值,则从激光点云数据中删除该激光点数据。
可选地,可以在对激光点云数据所表示的目标道路的道路边缘之后,对该道路边缘周围的点按照密度聚类,在该实施例中,对位于道路边缘周围预设范围的数据进行路牌识别,而不是对激光点云数据包括的激光点的全量数据进行处理,提高了识别效率。
具体地,确定目标道路的道路边缘可以包括:采集激光采集设备的轨迹点信息,从轨迹点信息中获取轨迹点高度;计算激光采集设备相对于目标道路路面的相对高度;计算轨迹点高度与相对高度的差值,得到的差值为目标道路路面高度;将激光点云数据中高度高于或低于目标道路路面高度预设距离的点,作为候选道路边缘点;从激光点云数据中,获取高度与目标道路路面高度相同、且经纬度与激光采集设备的中心点经纬度相同的映射点;获取候选道路边缘点中与映射点的距离最近的点,形成道路边缘。
可选地,从轨迹点信息中获取轨迹点高度,计算激光采集设备相对于目标道路路面的相对高度(该相对高度也可以通过测量得到),计算轨迹点高度与相对高度的差值得到目标道路路面高度。
进一步可选地,可以从轨迹点信息中获取激光采集设备的中心点的轨迹点高度H1;测量激光采集设备中心点与目标道路路面的相对距离H2;计算目标道路路面的路面高度△H=H1-H2;在确定激光采集设备中心点在目标道路路面上的映射点之后,获取激光点云数据中与映射点的距离最近、且高度高于或低于目标路面高度预设距离的激光点云数据,形成道路边缘。
在该实施例中,激光采集设备中心点与目标道路路面的距离H2是可以通过预先测量得到的相对高度,也可以是通过计算得到的,本发明对此不做限定。
在确定目标道路的道路边缘之后,对激光点云数据所包含的激光点数据中,与道路边缘周围预设范围内的激光点数据进行密度聚类。其中,该预设距离可以为2米。
在一个可选的实施例中,可以在获取集合之后,基于集合中点的数量做初步筛选,将点的数量在预设范围内的集合作为目标集合,对该集合进行识别。
由于表示路牌信息的点的数量可以在一个固定的范围内,在该实施例中,通过对集合中点的数量作初步筛选可以将聚类得到的多个集合中肯定不是表示路牌信息的集合筛选掉,减小了识别算法的复杂度。
下面结合图5详述上述实施例,如图5所示该实施例包括如下步骤:
步骤S501:利用激光采集车的轨迹点和道路的激光点云数据确定目标道路的道路边缘。
可选地,基于激光采集设备中心点的轨迹点信息和目标道路的激光点云数据确定目标道路路面的路面高度△H。
如图6所示,在确定目标道路路面的路面高度△H后,对激光点云数据进行逐块检测,以激光采集设备中心点的轨迹点在道路路面上的映射点为基准,沿目标道路路面向目标道路路面的两侧检测,最先接触的高度高于或低于路面高度的点集就是用于表示道路边缘的点集,如道路边缘的马路牙子等物体。
需要说明的是,上述步骤S501为可选的步骤,也即在执行步骤S502之前,可以直接对激光点云数据所包含的激光点数据按照密度进行聚类。
步骤S502:对激光点云数据所包含的激光点数据中,位于道路边缘周围的预设范围内的点进行密度聚类,确定可能含有路牌的集合A。
其中,预设范围可以为在三维空间内确定的与道路边缘的距离在预设距离内的空间范围。
具体地,在执行步骤S501的情况下,步骤S502可以通过如下方法实现:在道路边缘周围设定预设范围,如距离道路边缘左右两米、高度两米的点确定的预设范围,从激光点云数据中提取在这个预设范围内的道路边缘点云数据,并对得到的道路边缘点云数据进行不含高度值的密度聚类,这时所有的不含高度的道路边缘点云数据包含在同一平面内,密度高于给定阈值(即上述的预设密度)的点集即为可能含有路牌的集合A。
具体地,在不执行步骤S501的情况下,步骤S502可以通过如下方法实现:对激光点云数据所包含的激光点数据进行不含高度值的密度聚类,这时所有的不含高度的激光点数据包含在同一平面内,密度高于给定阈值(即上述的预设密度)的点集即为可能含有路牌的集合A。
如图7所示,虚线框中的点示例性的表示出了道路边缘点云数据,由图7可以看出点云密度到达预定阈值的地方可以形成一个聚类,该聚类即为图7所示的集合。
步骤S503:得到集合A的外围凸包,利用外围凸包的形状与外围凸包的顶点角度判断路牌的形状。
其中,路牌形状可以为:方形路牌、圆形路牌和三角形路牌。
在得到可能含有路牌的集合A后,得到集合A的外围凸包,利用外围凸包的形状判断是否为路牌,再利用外围凸包的顶点角度判断路牌的形状。
通过上述实施例,在确定道路边缘后,提取激光点云数据中与道路边缘的距离在预设距离内的道路边缘点云数据,并基于得到的道路边缘点云数据中各个点的经纬度信息进行密度聚类,从而得到可能含有路牌的集合,进而能够准确确定目标道路的路牌信息。
下面以车辆的自动驾驶的应用场景为例详细介绍本发明实施例:
在自动驾驶应用场景中,自动驾驶车辆(即上述实施例中的激光采集车)首先利用激光采集装置对车辆正在行驶的道路所在的区域进行云测量,得到该道路的激光点云数据,该激光点云数据中包括该道路所在区域中各个激光点的空间坐标(包括经度信息、纬度信息和高度信息),然后基于该自动驾驶车辆的轨迹点信息和该激光点云数据确定该道路的道路边缘,在确定道路边缘之后,在道路边缘周围设定预设距离,提取激光点云数据中与道路边缘的距离在预设距离内的道路边缘点云数据,并基于得到的道路边缘点云数据中各个激光点的经纬度信息进行密度聚类,然后在该道路边缘点云数据所表示的聚类空间(即上述自动驾驶车辆正在运行所在的与道路边缘的距离在预设距离内的道路边缘所在的区域)中进行密度聚类,得到一个或多个集合(即可能含有路牌信息的集合),连接每个集合的外围的点得到各个集合的外围凸包,基于该外围凸包的顶点角度确定目标道路的路牌信息(如路牌形状和/或路牌中的指示信息),在确定路牌信息后,识别路牌中的指示信息(如右转弯信息),将该路牌信息提供给自动驾驶车辆的自动导航系统。
在上述实施例中,通过对激光点云数据进行密度聚类,无需手工操作、不会遗漏路牌信息,可以得到自动驾驶车辆的自动导航系统所需的路牌信息,以供自动驾驶车辆做出正确的行使决策。
通过上述实施例,通过对激光点云数据进行密度聚类得到集合,并基于集合的外围凸包确定该目标道路的路牌信息,该方案无需依赖人工操作,能够快速识别路牌信息,且识别率高,不会遗漏路牌信息,解决了路牌检测方法精度低的问题,从而保证获取到的路牌信息的准确。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
根据本发明实施例,还提供了一种路牌信息的处理装置,如图8所示,该处理装置包括:聚类单元40、凸包获取单元60以及处理单元80。可选地,上述数据获取单元20。
其中,数据获取单元20用于通过激光采集设备对目标道路进行激光点云测量,得到目标道路的激光点云数据;
聚类单元40用于对目标道路的激光点云数据包含的激光点数据按密度进行聚类,得到至少一个激光点数据集合;
凸包获取单元60用于获取集合中的激光点数据的外围凸包;
处理单元80用于基于外围凸包的形状与外围凸包的顶点角度识别目标道路上的路牌信息。
采用本发明实施例,对得到的激光点云数据进行密度聚类,得到至少一个激光点数据集合,得到的集合就是可能包含路牌信息的集合,基于集合中激光点数据形成的外围凸包的形状得到路牌信息。通过上述实施例,通过对激光点云数据进行密度聚类可以准确确定可能包含路牌信息的集合,该确定方法不会遗漏路牌,且无需依赖人工操作,能够快速、高效识别路牌信息,不会遗漏路牌信息,解决了路牌检测方法精度低的技术问题,可以快速高效获取路牌信息。
具体地,利用激光采集车获取目标道路所在区域的每个空间点的空间坐标(包括经度信息、纬度信息和高度信息),得到所有激光点云数据,然后对激光点云数据对应的点按照密度进行聚类,形成一个或多个聚类(即上述的集合),连接每个集合的外围的点得到各个集合的外围凸包,基于外围凸包的形状和外围的连续点确定的顶点角度得到目标道路的路牌信息。
通过该实施例无需人工对道路信息进行处理,且密度聚类结果进行路牌识别得到路牌信息,不会导致信息丢失。
下面以高精度道路地图的生成应用场景为例详细介绍本发明实施例:
在生成目标道路的地图的场景中,利用激光采集车对目标道路的区域进行点云测量,得到该目标道路的激光点云数据,该激光点云数据中可以包括目标道路所在区域中各个激光点的空间坐标(包括经度信息、纬度信息和高度信息),然后在该激光点云数据所包括的激光点数据所表示的聚类空间(即上述实施例中的目标道路所在的区域)内进行密度聚类,得到一个或多个集合,连接每个集合的外围的点得到各个集合的外围凸包,基于该外围凸包的形状和外围凸包边缘的连续点确定的顶点角度确定目标道路的路牌信息(如路牌形状和/或路牌中的指示信息),在确定该目标道路的路牌信息之后,可以将该路牌信息添加到该目标道路的地图中。
采用该实施例,通过对激光点云数据进行密度聚类,无需手工操作、不会遗漏路牌信息,可以生成高精度的道路地图,所生成的高精度的道路地图的路牌精度可以在20cm左右,满足其所需的路牌位置的高精度要求。
根据本发明的上述实施例,聚类单元可以包括:数据确定模块41,用于从目标道路的激光点云数据包含的激光点数据中,获取在预设面积范围内的激光点数据;密度判断模块42,用于判断预设面积范围内的激光点数据的密度是否大于预设的密度阈值;集合确定模块43,用于若大于预设的密度阈值,则将预设面积范围内的所有激光点数据作为一个集合。
其中,在基于激光点数据的经纬度信息(不参考高度信息)进行密度聚类时,所有的激光点数据将落到一个平面上,对该平面上的点进行密度聚类。
在一个可选的实施例中,数据确定模块包括:选取子模块,用于从目标道路的激光点云数据包含的激光点数据中,选取任意一个激光点数据作为预设面积范围的基准点;第一范围确定子模块,用于获取到基准点的距离在预设的距离内的激光点数据,获取到的激光点数据为预设面积范围内的激光点数据,其中,预设面积范围通过基准点和预设的距离表示。
具体地,可以在激光点数据中选取一个基准点,以该基准点为中心点,向外扩散;在扩散的时候,逐一计算待扩散的点与基准点之间的预设的距离(该距离可以为平面距离),也即仅计算经纬度之间的距离(不考虑高度对距离的影像),将到基准点的距离小于预设的距离内的激光点数据作为预设面积范围内的激光点数据。
通过上述步骤可以得到基准点为中心的激光点数据组成的图形可以为:三角形、四边形、多变形或圆形。本申请对图形的具体形状不做限制。
在另一个可选的实施例中,数据确定模块可以包括:选择框获取子模块,用于获取预先设置的选择框,其中,选择框为多边形框或圆形框;范围确定子模块,用于使用选择框遍历目标道路的激光点云数据包含的激光点数据,位于选择框内的激光点数据为预设面积范围内的激光点数据,其中,预设面积范围通过选择框表示。
通过上述实施例,通过对激光点云数据进行不包含高度值的密度聚类,得到可能包含路牌信息的集合,将可能的路牌集合全都聚类出来,并基于该聚类结果进行路牌识别,不会造成路牌的遗漏,可以获取准确的路牌信息;并且仅基于经纬度信息进行聚类,提高了处理速度。
根据本发明的上述实施例,处理单元可以包括:信息获取模块,用于根据外围凸包的形状判断外围凸包对应的道路对象是否为路牌,若是,则根据外围凸包的顶点角度来识别路牌的形状,得到目标道路中的路牌信息。
具体地,信息获取模块可以包括:路牌判断子模块,用于判断外围凸包是多面体凸包还是多边形凸包;第一确定子模块,用于若得到外围凸包为多面体凸包,则确定外围凸包对应的道路对象不是路牌;第二确定子模块,用于若得到外围凸包为多边形凸包,且外围凸包的高度在预设高度范围内,则确定外围凸包对应的道路对象为路牌。
通过上述实施例,基于得到的外围凸包的形状判断外围凸包对应的道路对象是否为路牌,并基于外围凸包的顶点角度确定目标道路的路牌形状,从而能够快速识别路牌,提高对路牌的识别率。
可选地,信息获取模块包括:角度处理子模块,用于计算顶点角度与预设角度的差值,判断差值是否小于预设角差且顶点角度的个数是否为预设个数。
第一形状确定子模块,用于若预设角度为第一角度、预设个数为四个,当顶点角度与第一角度的差值小于预设角差且顶点角度的个数为四个时,则判断出外围凸包对应的路牌的形状为四边形。
第二形状确定子模块,用于若预设角度为第二角度、预设个数为三个,当顶点角度与第二角度的差值小于预设角差且顶点角度的个数为三个时,则判断出外围凸包对应的路牌的形状为三角形。
第三形状确定子模块,用于若预设角度为第三角度、预设个数为外围凸包中顶点角度的总数,且当外围凸包的每个顶点角度与第三角度的差值小于预设角差时,则判断出外围凸包对应的路牌的形状为圆形。
其中,预设角差可以为5度。
其中,第一预设阈值、第二预设阈值和第三预设阈值可以相同或不同,比如:三个阈值相同可以取值为5度。第一角度可以为90度;第二角度可以为60度;第三角度可以为160度。
通过上述实施例,基于依序获取的外围凸包的顶点角度,判断路牌的形状,该方法无需依赖人工操作,不会遗漏路牌信息,从而保证获取到的路牌信息的准确。
在一种可选的实施例中,处理装置包括:道路边缘确定单元,用于在对激光点云数据包含的激光点数据按密度进行聚类,得到至少一个激光点数据集合之前,基于激光采集设备在目标道路上进行激光点云测量时形成的轨迹点信息及激光点云数据,确定目标道路的道路边缘;激光点数据处理单元,用于获取激光点云数据包含的激光点数据到目标道路的两个道路边缘的距离,若激光点数据到目标道路的两个道路边缘的距离中最小的一个距离大于预设的距离阈值,则从激光点云数据中删除该激光点数据。
可选地,可以在对激光点云数据所表示的目标道路的道路边缘之后,对该道路边缘周围的点按照密度聚类,在该实施例中,对位于道路边缘周围预设范围的数据进行路牌识别,而不是对激光点云数据包括的激光点的全量数据进行处理,提高了识别效率。
具体地,道路边缘确定单元包括:采集模块,用于采集激光采集设备的轨迹点信息,从轨迹点信息中获取轨迹点高度;第一计算模块,用于计算激光采集设备相对于目标道路路面的相对高度;第二计算模块,用于计算轨迹点高度与相对高度的差值,得到的差值为目标道路路面高度;边缘点确定模块,用于将激光点云数据中高度高于或低于目标道路路面高度预设距离的点,作为候选道路边缘点;映射点确定模块,用于从激光点云数据中,获取高度与目标道路路面高度相同、且经纬度与激光采集设备的中心点经纬度相同的映射点;边缘获取模块,用于获取候选道路边缘点中与映射点的距离最近的点,形成道路边缘。
在确定目标道路的道路边缘之后,对激光点云数据所包含的激光点数据中,与道路边缘周围预设范围内的激光点数据进行密度聚类。其中,该预设距离可以为2米。
在另一个可选的实施例中,可以在获取集合之后,基于集合中点的数量做初步筛选,将点的数量在预设范围内的集合作为目标集合,对该集合进行识别。
由于表示路牌信息的点的数量可以在一个固定的范围内,在该实施例中,通过对集合中点的数量作初步筛选可以将聚类得到的多个集合中肯定不是表示路牌信息的集合筛选掉,减小了识别算法的复杂度。
下面以车辆的自动驾驶的应用场景为例详细介绍本发明实施例:
在自动驾驶应用场景中,自动驾驶车辆(即上述实施例中的激光采集车)首先利用激光采集装置对车辆正在行驶的道路所在的区域进行云测量,得到该道路的激光点云数据,该激光点云数据中包括该道路所在区域中各个激光点的空间坐标(包括经度信息、纬度信息和高度信息),然后基于该自动驾驶车辆的轨迹点信息和该激光点云数据确定该道路的道路边缘,在确定道路边缘之后,在道路边缘周围设定预设距离,提取激光点云数据中与道路边缘的距离在预设距离内的道路边缘点云数据,并基于得到的道路边缘点云数据中各个激光点的经纬度信息进行密度聚类,然后在该道路边缘点云数据所表示的聚类空间(即上述自动驾驶车辆正在运行所在的与道路边缘的距离在预设距离内的道路边缘所在的区域)中进行密度聚类,得到一个或多个集合(即可能含有路牌信息的集合),连接每个集合的外围的点得到各个集合的外围凸包,基于该外围凸包的顶点角度确定目标道路的路牌信息(如路牌形状和/或路牌中的指示信息),在确定路牌信息后,识别路牌中的指示信息(如右转弯信息),将该路牌信息提供给自动驾驶车辆的自动导航系统。
通过该实施例,通过对激光点云数据进行密度聚类,无需手工操作、不会遗漏路牌信息,可以得到自动驾驶车辆的自动导航系统所需的路牌信息,以供自动驾驶车辆做出正确的行使决策。
通过上述实施例,通过对激光点云数据进行密度聚类得到集合,并基于集合的外围凸包确定该目标道路的路牌信息,该方案无需依赖人工操作,能够快速识别路牌信息,且识别率高,不会遗漏路牌信息,解决了路牌检测方法精度低的问题,从而保证获取到的路牌信息的准确。
实施例3
本发明的实施例可以提供一种终端,该终端可以是智能设备中的任意一个终端设备。可选地,在本实施例中,上述终端可以执行路牌信息的处理方法,上述实施例中的路牌信息的处理装置可以设置在该终端上。
如图10所示,该终端包括:一个或多个(图中仅示出一个)处理器201、存储器203、以及传输装置205(如上述实施例中的发送装置),如图7所示,该终端还可以包括输入输出设备207。
其中,存储器203可用于存储软件程序以及模块,如本发明实施例中的路牌信息的处理方法和装置对应的程序指令/模块,处理器201通过运行存储在存储器203内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的路牌信息的处理方法。存储器203可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器203可进一步包括相对于处理器201远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述的传输装置205用于经由一个网络接收或者发送数据,还可以用于处理器与存储器之间的数据传输。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置205包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置205为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
其中,具体地,存储器203用于存储应用程序。
处理器201可以通过传输装置205调用存储器203存储的应用程序,以执行下述步骤:对目标道路的激光点云数据包含的激光点数据按密度进行聚类,得到至少一个激光点数据集合;获取集合中的激光点数据的外围凸包;基于外围凸包的形状与外围凸包的顶点角度识别目标道路上的路牌信息。
处理器201还用于执行下述步骤:从目标道路的激光点云数据包含的激光点数据中,获取在预设面积范围内的激光点数据;判断预设面积范围内的激光点数据的密度是否大于预设的密度阈值;若大于预设的密度阈值,则将预设面积范围内的所有激光点数据作为一个集合。
处理器201还用于执行下述步骤:根据外围凸包的形状判断外围凸包对应的道路对象是否为路牌,若是,则根据外围凸包的顶点角度来识别路牌的形状,得到目标道路中的路牌信息。
处理器201还用于执行下述步骤:基于激光采集设备在目标道路上进行激光点云测量时形成的轨迹点信息及激光点云数据,确定目标道路的道路边缘;获取激光点云数据包含的激光点数据到目标道路的两个道路边缘的距离,若激光点数据到目标道路的两个道路边缘的距离中最小的一个距离大于预设的距离阈值,则从激光点云数据中删除该激光点数据。
采用本发明实施例,对目标道路的激光点云数据包含的激光点数据进行密度聚类,得到至少一个激光点数据集合,得到的集合就是可能包含路牌信息的集合,基于集合中激光点数据形成的外围凸包的形状得到路牌信息。通过上述实施例,通过对激光点云数据进行密度聚类可以准确确定可能包含路牌信息的集合,该确定方法不会遗漏路牌,且无需依赖人工操作,能够快速、高效识别路牌信息,不会遗漏路牌信息,解决了路牌检测方法精度低的技术问题,可以快速高效获取路牌信息。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
需要进一步说明的是,寄存区域为系统的内存和系统处理器中的寄存器。
本领域普通技术人员可以理解,图10所示的结构仅为示意,计算机终端也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌声电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图10其并不对上述电子装置的结构造成限定。例如,计算机终端10还可包括比图10中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图10所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
实施例4
本发明的实施例还提供了一种存储介质。可选地,在本实施例中,上述存储介质可以用于保存上述实施例所提供的路牌信息的处理方法所执行的程序代码。
可选地,在本实施例中,上述存储介质可以位于智能设备终端群中的任意一个智能终端中,或者位于移动终端群中的任意一个移动终端中。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:
对目标道路的激光点云数据包含的激光点数据按密度进行聚类,得到至少一个激光点数据集合;获取集合中的激光点数据的外围凸包;基于外围凸包的形状与外围凸包的顶点角度识别目标道路上的路牌信息。
可选地,在本实施例中,存储介质被设置为存储还用于执行以下步骤的程序代码:从目标道路的激光点云数据包含的激光点数据中,获取在预设面积范围内的激光点数据;判断预设面积范围内的激光点数据的密度是否大于预设的密度阈值;若大于预设的密度阈值,则将预设面积范围内的所有激光点数据作为一个集合。
可选地,在本实施例中,存储介质被设置为存储还用于执行以下步骤的程序代码:根据外围凸包的形状判断外围凸包对应的道路对象是否为路牌,若是,则根据外围凸包的顶点角度来识别路牌的形状,得到目标道路中的路牌信息。
可选地,在本实施例中,存储介质被设置为存储还用于执行以下步骤的程序代码:基于激光采集设备在目标道路上进行激光点云测量时形成的轨迹点信息及激光点云数据,确定目标道路的道路边缘;获取激光点云数据包含的激光点数据到目标道路的两个道路边缘的距离,若激光点数据到目标道路的两个道路边缘的距离中最小的一个距离大于预设的距离阈值,则从激光点云数据中删除该激光点数据。
采用本发明实施例,对目标道路的激光点云数据包含的激光点数据进行密度聚类,得到至少一个激光点数据集合,得到的集合就是可能包含路牌信息的集合,基于集合中激光点数据形成的外围凸包的形状得到路牌信息。通过上述实施例,通过对激光点云数据进行密度聚类可以准确确定可能包含路牌信息的集合,该确定方法不会遗漏路牌,且无需依赖人工操作,能够快速、高效识别路牌信息,不会遗漏路牌信息,解决了路牌检测方法精度低的技术问题,可以快速高效获取路牌信息。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,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系统,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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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,在本发明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,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (18)
1.一种路牌信息的处理方法,其特征在于,包括:
对目标道路的激光点云数据包含的激光点数据按密度进行聚类,得到至少一个激光点数据集合;
获取所述集合中的激光点数据的外围凸包;
基于所述外围凸包的形状与所述外围凸包的顶点角度识别所述目标道路上的路牌信息。
2.根据权利要求1所述的处理方法,其特征在于,对目标道路的激光点云数据包含的激光点数据按密度进行聚类,得到至少一个激光点数据集合具体包括:
从目标道路的激光点云数据包含的激光点数据中,获取在预设面积范围内的激光点数据;
判断预设面积范围内的激光点数据的密度是否大于预设的密度阈值;
若大于所述预设的密度阈值,则将所述预设面积范围内的激光点数聚合至同一个激光点数据集合中。
3.根据权利要求2所述的处理方法,其特征在于,所述预设面积范围通过基准点和预设的距离表示,所述从目标道路的激光点云数据包含的激光点数据中,获取在预设面积范围内的激光点数据具体包括:
从目标道路的激光点云数据包含的激光点数据中,选取任意一个激光点数据作为所述预设面积范围的基准点;
获取到所述基准点的距离在预设的距离内的激光点数据,所述获取到的激光点数据为所述预设面积范围内的激光点数据。
4.根据权利要求2所述的处理方法,其特征在于,所述预设面积范围通过选择框表示,从目标道路的激光点云数据包含的激光点数据中,获取在预设面积范围内的激光点数据包括:
获取预先设置的选择框,其中,所述选择框为多边形框或圆形框;
使用所述选择框遍历所述目标道路的激光点云数据包含的激光点数据,位于所述选择框内的激光点数据为所述预设面积范围内的激光点数据。
5.根据权利要求1所述的处理方法,其特征在于,基于所述外围凸包的形状与所述外围凸包的顶点角度识别所述目标道路上的路牌信息包括:
根据所述外围凸包的形状判断所述外围凸包对应的道路对象是否为路牌,若是,则根据所述外围凸包的顶点角度来识别所述路牌的形状,得到目标道路中的路牌信息。
6.根据权利要求5所述的处理方法,其特征在于,根据所述外围凸包的形状判断所述外围凸包对应的道路对象是否为路牌包括:
判断所述外围凸包是多面体凸包还是多边形凸包;
若得到所述外围凸包为所述多面体凸包,则确定所述外围凸包对应的道路对象不是所述路牌;
若得到所述外围凸包为所述多边形凸包,且所述外围凸包的高度在预设高度范围内,则确定所述外围凸包对应的道路对象为路牌。
7.根据权利要求5所述的处理方法,其特征在于,根据所述外围凸包的顶点角度来识别所述路牌的形状包括:
计算顶点角度与预设角度的差值,判断所述差值是否小于预设角差且所述顶点角度的个数是否为预设个数;
若所述预设角度为第一角度、所述预设个数为四个,当所述顶点角度与所述第一角度的差值小于预设角差且所述顶点角度的个数为四个时,则判断出所述外围凸包对应的路牌的形状为四边形;
若所述预设角度为第二角度、所述预设个数为三个,当所述顶点角度与所述第二角度的差值小于预设角差且所述顶点角度的个数为三个时,则判断出所述外围凸包对应的路牌的形状为三角形;
若所述预设角度为第三角度、所述预设个数为所述外围凸包中顶点角度的总数,且当所述外围凸包的每个顶点角度与所述第三角度的差值小于所述预设角差时,则判断出所述外围凸包对应的路牌的形状为圆形。
8.根据权利要求1-7任一项权利要求所述的处理方法,其特征在于,所述激光点云数据是通过激光采集设备对目标道路进行激光点云测量得到的,在对所述激光点云数据包含的激光点数据按密度进行聚类,得到至少一个激光点数据集合之前进一步包括:
基于激光采集设备在所述目标道路上进行激光点云测量时形成的轨迹点信息及所述激光点云数据,确定所述目标道路的道路边缘;
获取所述激光点云数据包含的激光点数据到所述目标道路的两个道路边缘的距离,若激光点数据到所述目标道路的两个道路边缘的距离中最小的一个距离大于预设的距离阈值,则从所述激光点云数据中删除该激光点数据。
9.根据权利要求8所述的处理方法,其特征在于,确定所述目标道路的道路边缘包括:
采集所述激光采集设备的轨迹点信息,从所述轨迹点信息中获取轨迹点高度;
计算所述激光采集设备相对于目标道路路面的相对高度;
计算所述轨迹点高度与所述相对高度的差值,得到的差值为目标道路路面高度;
将所述激光点云数据中高度高于或低于目标道路路面高度预设距离的点,作为候选道路边缘点;
从所述激光点云数据中,获取高度与所述目标道路路面高度相同、且经纬度与所述激光采集设备的中心点经纬度相同的映射点;
获取所述候选道路边缘点中与所述映射点的距离最近的点,形成所述道路边缘。
10.一种路牌信息的处理装置,其特征在于,包括:
聚类单元,用于对目标道路的激光点云数据包含的激光点数据按密度进行聚类,得到至少一个激光点数据集合;
凸包获取单元,用于获取所述集合中的激光点数据的外围凸包;
处理单元,用于基于所述外围凸包的形状与所述外围凸包的顶点角度识别所述目标道路上的路牌信息。
11.根据权利要求10所述的处理装置,其特征在于,所述聚类单元包括:
数据确定模块,用于从目标道路的激光点云数据包含的激光点数据中,获取在预设面积范围内的激光点数据;
密度判断模块,用于判断所述预设面积范围内的激光点数据的密度是否大于预设的密度阈值;
集合确定模块,用于若大于所述预设的密度阈值,则将所述预设面积范围内的激光点数据聚合至同一个激光点数据集合中。
12.根据权利要求11所述的处理装置,其特征在于,所述数据确定模块包括:
选取子模块,用于从目标道路的激光点云数据包含的激光点数据中,选取任意一个激光点数据作为所述预设面积范围的基准点;
第一范围确定子模块,用于获取到所述基准点的距离在预设的距离内的激光点数据,所述获取到的激光点数据为所述预设面积范围内的激光点数据,
其中,所述预设面积范围通过所述基准点和所述预设的距离表示。
13.根据权利要求11所述的处理方法,其特征在于,所述数据确定模块包括:
选择框获取子模块,用于获取预先设置的选择框,其中,所述选择框为多边形框或圆形框;
第二范围确定子模块,用于使用所述选择框遍历所述目标道路的激光点云数据包含的激光点数据,位于所述选择框内的激光点数据为所述预设面积范围内的激光点数据,
其中,所述预设面积范围通过选择框表示。
14.根据权利要求10所述的处理装置,其特征在于,所述处理单元包括:
信息获取模块,用于根据所述外围凸包的形状判断所述外围凸包对应的道路对象是否为路牌,若是,则根据所述外围凸包的顶点角度来识别所述路牌的形状,得到目标道路中的路牌信息。
15.根据权利要求14所述的处理装置,其特征在于,所述信息获取模块包括:
路牌判断子模块,用于判断所述外围凸包是多面体凸包还是多边形凸包;
第一确定子模块,用于若得到所述外围凸包为所述多面体凸包,则确定所述外围凸包对应的道路对象不是所述路牌;
第二确定子模块,用于若得到所述外围凸包为所述多边形凸包,且所述外围凸包的高度在预设高度范围内,则确定所述外围凸包对应的道路对象为路牌。
16.根据权利要求14所述的处理装置,其特征在于,信息获取模块包括:
角度处理子模块,用于计算顶点角度与预设角度的差值,判断所述差值是否小于预设角差且所述顶点角度的个数是否为预设个数;
第一形状确定子模块,用于若所述预设角度为第一角度、所述预设个数为四个,当所述顶点角度与所述第一角度的差值小于预设角差且所述顶点角度的个数为四个时,则判断出所述外围凸包对应的路牌的形状为四边形;
第二形状确定子模块,用于若所述预设角度为第二角度、所述预设个数为三个,当所述顶点角度与所述第二角度的差值小于预设角差且所述顶点角度的个数为三个时,则判断出所述外围凸包对应的路牌的形状为三角形;
第三形状确定子模块,用于若所述预设角度为第三角度、所述预设个数为所述外围凸包中顶点角度的总数,且当所述外围凸包的每个顶点角度与所述第三角度的差值小于所述预设角差时,则判断出所述外围凸包对应的路牌的形状为圆形。
17.根据权利要求10-16任一项权利要求所述的处理装置,其特征在于,所述激光点云数据是通过激光采集设备对目标道路进行激光点云测量得到的,所述处理装置包括:
道路边缘确定单元,用于在对所述激光点云数据包含的激光点数据按密度进行聚类,得到至少一个激光点数据集合之前,基于激光采集设备在所述目标道路上进行激光点云测量时形成的轨迹点信息及所述激光点云数据,确定所述目标道路的道路边缘;
激光点数据处理单元,用于获取所述激光点云数据包含的激光点数据到所述目标道路的两个道路边缘的距离,若激光点数据到所述目标道路的两个道路边缘的距离中最小的一个距离大于预设的距离阈值,则从所述激光点云数据中删除该激光点数据。
18.根据权利要求17所述的处理装置,其特征在于,所述道路边缘确定单元包括:
采集模块,用于采集所述激光采集设备的轨迹点信息,从所述轨迹点信息中获取轨迹点高度;
第一计算模块,用于计算所述激光采集设备相对于目标道路路面的相对高度;
第二计算模块,用于计算所述轨迹点高度与所述相对高度的差值,得到的差值为目标道路路面高度;
边缘点确定模块,用于将所述激光点云数据中高度高于或低于目标道路路面高度预设距离的点,作为候选道路边缘点;
映射点确定模块,用于从所述激光点云数据中,获取高度与所述目标道路路面高度相同、且经纬度与所述激光采集设备的中心点经纬度相同的映射点;
边缘获取模块,用于获取所述候选道路边缘点中与所述映射点的距离最近的点,形成所述道路边缘。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510885212.7A CN106845324B (zh) | 2015-12-03 | 2015-12-03 | 路牌信息的处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510885212.7A CN106845324B (zh) | 2015-12-03 | 2015-12-03 | 路牌信息的处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106845324A true CN106845324A (zh) | 2017-06-13 |
CN106845324B CN106845324B (zh) | 2020-07-24 |
Family
ID=59151215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510885212.7A Active CN106845324B (zh) | 2015-12-03 | 2015-12-03 | 路牌信息的处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106845324B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108957476A (zh) * | 2018-09-26 | 2018-12-07 | 中国计量大学 | 一种基于无人机的树径测量装置及树径测算方法 |
CN109613553A (zh) * | 2018-12-18 | 2019-04-12 | 歌尔股份有限公司 | 基于激光雷达确定场景中物体数量的方法、装置及系统 |
CN109657614A (zh) * | 2018-12-19 | 2019-04-19 | 沈阳天择智能交通工程有限公司 | 航拍道路交通事故现场勘查中道路及车辆自动识别方法 |
CN110532963A (zh) * | 2019-08-30 | 2019-12-03 | 扆亮海 | 一种车载激光雷达点云驱动的道路标线精准提取方法 |
CN111126211A (zh) * | 2019-12-13 | 2020-05-08 | 北京四维图新科技股份有限公司 | 标牌识别方法和装置、电子设备 |
CN111192322A (zh) * | 2019-12-31 | 2020-05-22 | 武汉中海庭数据技术有限公司 | 一种基于点云轨迹自动计算标志牌高度的方法及系统 |
CN111414804A (zh) * | 2020-02-27 | 2020-07-14 | 广州文远知行科技有限公司 | 识别框确定方法、装置、计算机设备、车辆和存储介质 |
CN113496145A (zh) * | 2020-03-19 | 2021-10-12 | 武汉四维图新科技有限公司 | 标牌角点获取方法、装置及设备 |
CN113835103A (zh) * | 2021-09-22 | 2021-12-24 | 深圳市镭神智能系统有限公司 | 轨道障碍物检测方法、系统和计算机设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779280A (zh) * | 2012-06-19 | 2012-11-14 | 武汉大学 | 一种基于激光传感器的交通信息提取方法 |
CN103413124A (zh) * | 2013-08-19 | 2013-11-27 | 中国科学院自动化研究所 | 一种圆形交通标志检测方法 |
CN103559507A (zh) * | 2013-11-18 | 2014-02-05 | 沈阳工业大学 | 基于颜色与形状特征相结合的交通标志检测方法 |
KR20140061156A (ko) * | 2012-11-13 | 2014-05-21 | 한국건설기술연구원 | 도로표지판의 위치검출 방법 |
CN103971128A (zh) * | 2014-05-23 | 2014-08-06 | 北京理工大学 | 一种面向无人驾驶车的交通标志识别方法 |
-
2015
- 2015-12-03 CN CN201510885212.7A patent/CN106845324B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779280A (zh) * | 2012-06-19 | 2012-11-14 | 武汉大学 | 一种基于激光传感器的交通信息提取方法 |
KR20140061156A (ko) * | 2012-11-13 | 2014-05-21 | 한국건설기술연구원 | 도로표지판의 위치검출 방법 |
CN103413124A (zh) * | 2013-08-19 | 2013-11-27 | 中国科学院自动化研究所 | 一种圆形交通标志检测方法 |
CN103559507A (zh) * | 2013-11-18 | 2014-02-05 | 沈阳工业大学 | 基于颜色与形状特征相结合的交通标志检测方法 |
CN103971128A (zh) * | 2014-05-23 | 2014-08-06 | 北京理工大学 | 一种面向无人驾驶车的交通标志识别方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108957476A (zh) * | 2018-09-26 | 2018-12-07 | 中国计量大学 | 一种基于无人机的树径测量装置及树径测算方法 |
CN109613553A (zh) * | 2018-12-18 | 2019-04-12 | 歌尔股份有限公司 | 基于激光雷达确定场景中物体数量的方法、装置及系统 |
CN109657614A (zh) * | 2018-12-19 | 2019-04-19 | 沈阳天择智能交通工程有限公司 | 航拍道路交通事故现场勘查中道路及车辆自动识别方法 |
CN109657614B (zh) * | 2018-12-19 | 2023-02-03 | 沈阳天择智能交通工程有限公司 | 航拍道路交通事故现场勘查中道路自动识别方法 |
CN110532963B (zh) * | 2019-08-30 | 2022-08-12 | 北京亚太文融数据技术研究院 | 一种车载激光雷达点云驱动的道路标线精准提取方法 |
CN110532963A (zh) * | 2019-08-30 | 2019-12-03 | 扆亮海 | 一种车载激光雷达点云驱动的道路标线精准提取方法 |
CN111126211A (zh) * | 2019-12-13 | 2020-05-08 | 北京四维图新科技股份有限公司 | 标牌识别方法和装置、电子设备 |
CN111126211B (zh) * | 2019-12-13 | 2023-08-29 | 北京四维图新科技股份有限公司 | 标牌识别方法和装置、电子设备 |
CN111192322A (zh) * | 2019-12-31 | 2020-05-22 | 武汉中海庭数据技术有限公司 | 一种基于点云轨迹自动计算标志牌高度的方法及系统 |
CN111192322B (zh) * | 2019-12-31 | 2022-09-30 | 武汉中海庭数据技术有限公司 | 一种基于点云轨迹自动计算标志牌高度的方法及系统 |
CN111414804A (zh) * | 2020-02-27 | 2020-07-14 | 广州文远知行科技有限公司 | 识别框确定方法、装置、计算机设备、车辆和存储介质 |
CN111414804B (zh) * | 2020-02-27 | 2024-05-14 | 广州文远知行科技有限公司 | 识别框确定方法、装置、计算机设备、车辆和存储介质 |
CN113496145A (zh) * | 2020-03-19 | 2021-10-12 | 武汉四维图新科技有限公司 | 标牌角点获取方法、装置及设备 |
CN113835103A (zh) * | 2021-09-22 | 2021-12-24 | 深圳市镭神智能系统有限公司 | 轨道障碍物检测方法、系统和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106845324B (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106845324A (zh) | 路牌信息的处理方法和装置 | |
CN110059608B (zh) | 一种物体检测方法、装置、电子设备和存储介质 | |
CN110795819B (zh) | 自动驾驶仿真场景的生成方法和装置、存储介质 | |
CN111220993B (zh) | 目标场景定位方法、装置、计算机设备和存储介质 | |
CN104067145B (zh) | 剪枝机器人系统 | |
CN107514993B (zh) | 基于无人机的面向单体建筑建模的数据采集方法及系统 | |
EP3343503B1 (en) | High-precision map data processing method and apparatus, storage medium and device | |
CN110163064B (zh) | 一种道路标志物的识别方法、装置及存储介质 | |
CN106845321A (zh) | 路面标记信息的处理方法和装置 | |
CN108226894A (zh) | 一种点云数据处理方法及装置 | |
CN107808123B (zh) | 图像可行域检测方法、电子设备、存储介质、检测系统 | |
CN110287276A (zh) | 高精地图更新方法、装置及存储介质 | |
CN111291697B (zh) | 用于识别障碍物的方法和装置 | |
CN111458721B (zh) | 一种暴露垃圾的识别定位方法、装置及系统 | |
CN106023622B (zh) | 一种确定红绿灯识别系统识别性能的方法和装置 | |
CN115631356B (zh) | 道路设施缺失识别方法、装置、存储介质及电子装置 | |
CN109458978B (zh) | 一种基于多尺度检测算法的天线下倾角测量方法 | |
CN108470174A (zh) | 障碍物分割方法及装置、计算机设备及可读介质 | |
CN109816780B (zh) | 一种双目序列影像的输电线路三维点云生成方法及装置 | |
CN112382079A (zh) | 一种面向车路协同的路侧感知模拟仿真方法和系统 | |
CN107767454A (zh) | 一种实景三维移动快速建模方法、装置及系统 | |
CN113325868A (zh) | 一种基于无人机的农作物实时识别系统及方法 | |
CN114494618A (zh) | 地图的生成方法、装置、电子设备及存储介质 | |
CN110363176A (zh) | 一种图像分析方法及装置 | |
CN115272572A (zh) | 输电线路重建方法、装置、电子设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200608 Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Alibaba (China) Co.,Ltd. Address before: 100102, No. 18, No., Changsheng Road, Changping District science and Technology Park, Beijing, China. 1-5 Applicant before: AUTONAVI SOFTWARE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |