CN112396831A - 一种交通标识的三维信息生成方法和装置 - Google Patents
一种交通标识的三维信息生成方法和装置 Download PDFInfo
- Publication number
- CN112396831A CN112396831A CN202011149252.2A CN202011149252A CN112396831A CN 112396831 A CN112396831 A CN 112396831A CN 202011149252 A CN202011149252 A CN 202011149252A CN 112396831 A CN112396831 A CN 112396831A
- Authority
- CN
- China
- Prior art keywords
- common
- target
- view image
- traffic
- candidate
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- 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
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/09—Recognition of logos
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种交通标识的三维信息生成方法和装置;本发明实施例在获取多个车辆设备采集到的道路图像信息后,通过人工智能的方式对道路图像中的交通标识进行识别,得到交通标识的二维位置信息和交通标识类型,根据图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数,基于共视图像组的采集参数和交通标识类型,从共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集,根据共视图像组的采集参数和目标交通标识的二维位置信息集,生成用于地图的目标交通标识的三维信息;该方案可以提升交通标识的三维信息的准确率和生成效率。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种交通标识的三维信息生成方法和装置。
背景技术
近年来,随着互联网技术的飞速发展,人们在出行的过程中也越来越依赖地图导航,在导航过程中用户在靠近交通标识(比如,红绿灯、电子眼、限速牌)时,就会对用户进行提示。对用户进行提示的过程主要依靠生成的交通标识的三维信息。现有的交通标识的三维信息主要通过集中采集道路视频信息结合采集时记录的GPS信息来生成。
在对现有技术的研究和实践过程中,本发明的发明人发现对于现有的交通标识的三维信息生成方法来说,交通标识的三维信息中的空间定位方式主要依赖与GPS,不仅误差较大,而且也不利用于多张图像对同一目标的检测结果的合并,造成大量数据冗余,因此,导致生成的交通标识的三维信息的生成效率和准确率都大大降低。
发明内容
本发明实施例提供一种交通标识的三维信息生成方法和装置,可以提高交通标识的三维信息的生成效率和准确率。
一种交通标识的三维信息生成方法,包括:
获取多个车辆设备采集到的道路图像信息,所述道路图像信息包括至少一个道路图像和所述道路图像的图像采集位置信息;
对所述道路图像中的交通标识进行识别,得到所述交通标识的二维位置信息和交通标识类型;
根据所述图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算所述共视图像组的采集参数;
基于所述共视图像组的采集参数和交通标识类型,从所述共视图像组中确定出具有相同目标交通标识的共视图像,得到所述目标交通标识的二维位置信息集;
根据所述共视图像组的采集参数和目标交通标识的二维位置信息集,生成所述目标交通标识的三维信息。
相应的,本发明实施例提供一种交通标识的三维信息生成装置,包括:
获取单元,用于获取多个车辆设备采集到的道路图像信息,所述道路图像信息包括至少一个道路图像和所述道路图像的图像采集位置信息;
识别单元,用于对所述道路图像中的交通标识进行识别,得到所述交通标识的二维位置信息和交通标识类型;
计算单元,用于根据所述图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算所述共视图像组的采集参数;
确定单元,用于基于所述共视图像组的采集参数和交通标识类型,从所述共视图像组中确定出具有相同目标交通标识的共视图像,得到所述目标交通标识的二维位置信息集;
生成单元,用于根据所述共视图像组的采集参数和目标交通标识的二维位置信息集,生成所述目标交通标识的三维信息。
可选的,在一些实施例中,所述确定单元,具体可以用于根据所述交通标识类型,在所述共视图像组中筛选出具有相同交通标识类型的共视图像,得到目标共视图像组;基于所述目标共视图像组的采集参数,在所述目标共视图像组中确定出具有相同目标交通标识的共视图像,得到所述目标交通标识的二维位置信息集。
可选的,在一些实施例中,所述确定单元,具体可以用于根据所述目标共视图像组的采集参数,将所述目标共视图像组中的交通标识进行匹配;基于匹配结果,在所述目标共视图像组中识别出具有相同目标交通标识的目标共视图像;根据所述目标共视图像中目标交通标识的二维位置信息,确定所述目标交通标识的二维位置信息集。
可选的,在一些实施例中,所述确定单元,具体可以用于在所述目标共视图像组中筛选出任意一对共视图像,得到候选共视图像对;根据所述候选共视图像对的采集参数和所述候选共视图像对中候选交通标识的二维位置信息,将所述候选共视图像对中的候选交通标识进行匹配,得到所述候选交通标识的匹配结果;返回执行所述在所述目标共视图像组中筛选出任意一对共视图像的步骤,直至所述目标共视图像组中的交通标识全部匹配完成为止,得到所述目标共视图像组中的交通标识的匹配结果。
可选的,在一些实施例中,所述确定单元,具体可以用于根据所述候选共视图像对的采集参数,分别在第一候选共视图像和第二候选共视图像中标记出候选交通标识映射出的极线;基于所述候选共视图像对中候选交通标识的二维位置信息,分别在所述第一候选共视图像和第二候选共视图像中识别出所述候选交通标识的中心点根据所述第一候选共视图像和候选第二共视图像的极线和所述候选交通标识的中心点,确定所述候选共视图像对中的候选交通标识的匹配结果。
可选的,在一些实施例中,所述确定单元,具体可以用于计算所述第一候选共视图像中候选交通标识的中心点与极线之间的第一平面距离,并计算所述第二候选共视图像中候选交通标识的中心点与极线之间的第二平面距离;将所述第一平面距离和第二平面距离分别与预设平面距离阈值进行对比;当所述第一平面距离和第二平面距离都超过所述预设平面距离阈值时,确定所述候选共视图像对中的候选交通标识匹配成功。
可选的,在一些实施例中,所述确定单元,具体可以用于在所述目标共视图像组中筛选出匹配成功的交通标识;对所述匹配成功的交通标识进行聚合,得到所述目标交通标识;在所述目标共视图像组中识别出具有相同目标交通标识的目标共视图像。
可选的,在一些实施例中,所述确定单元,具体可以用于获取所述目标共视图像组中目标共视图像的图像数量;当所述图像数量超过预设图像数量时,将所述目标共视图像中目标交通标识的二维位置信息进行组合,得到所述目标交通标识的所述二维位置信息集。
可选的,在一些实施例中,所述生成单元,具体可以用于根据所述目标交通标识的二维位置信息集,确定所述目标交通标识的空间坐标信息;基于所述共视图像组中目标共视图像的采集参数和所述目标交通标识的二维位置信息集,生成所述目标交通标识的实际位置属性信息;输出所述目标交通标识的三维信息,所述三维信息包括所述空间坐标信息和实际位置属性信息。
可选的,在一些实施例中,所述生成单元,具体可以用于在所述目标交通标识的二维位置信息集中筛选出任意两个平面坐标作为目标平面坐标;对所述目标平面坐标进行三角化处理,得到三角化结果;根据所述三角化结果,确定所述目标交通标识的空间坐标信息。
可选的,在一些实施例中,所述生成单元,具体可以用于分别计算所述二维位置信息集中剩余平面坐标与所述三角化结果的投影误差,所述剩余平面坐标为所述二维位置信息集中除了所述目标平面坐标以外的平面坐标;在所述剩余平面坐标中筛选出所述投影误差小于预设误差阈值的目标剩余平面坐标;当所述目标剩余平面坐标的坐标数量超过预设第一坐标数量阈值时,将所述三角化结果作为所述目标交通标识的空间坐标信息。
可选的,在一些实施例中,所述生成单元,具体可以用于在所述二维位置信息集中删除所述目标平面坐标和目标剩余平面坐标;返回执行在所述目标交通标识的二维位置信息集中筛选出任意两个平面坐标作为目标平面坐标的步骤,直至所述二维位置信息集中剩余的平面坐标的坐标数量少于预设第二坐标数量阈值或连续输出无三角化结果的次数超过预设次数阈值时位置,得到所述二维位置信息集中其他目标交通标识的候选空间坐标信息。
可选的,在一些实施例中,所述生成单元,具体可以用于在所述二维位置信息集中提取所述目标交通标识的至少一个虚拟尺寸信息;将所述虚拟尺寸信息转换为所述目标交通标识的真实尺寸信息;根据所述目标共视图像的采集参数,确定所述目标交通标识的朝向信息,并将所述真实尺寸信息和朝向信息作为所述目标交通标识的实际位置属性信息。
可选的,在一些实施例中,所述计算单元,具体可以用于在所述图像采集位置信息中提取出所述道路图像的采集位置和采集朝向角度;根据所述采集位置和采集朝向角度,计算所述道路图像之间的位置距离和角度差值;基于所述位置距离和角度差值,在所述道路图像中筛选出存在所述共视关系的道路图像,得到至少一个共视图像组。
此外,本发明实施例还提供一种电子设备,包括处理器和存储器,所述存储器存储有应用程序,所述处理器用于运行所述存储器内的应用程序实现本发明实施例提供的交通标识的三维信息生成方法。
此外,本发明实施例还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多条指令,所述指令适于处理器进行加载,以执行本发明实施例所提供的任一种交通标识的三维信息生成方法中的步骤。
本发明实施例在获取多个车辆设备采集到的道路图像信息后,该道路图像信息包括至少一个道路图像和道路图像的图像采集位置信息,对道路图像中的交通标识进行识别,得到交通标识的二维位置信息和交通标识类型,然后,根据图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数,然后,基于共视图像组的采集参数和交通标识类型,从共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集,根据共视图像组的采集参数和目标交通标识的二维位置信息集,生成目标交通标识的三维信息;由于该方案根据图像采集位置信息,在道路图像中确定出存在共视关系的共视图像组,根据共视图像组和目标共视标识的二维位置信息集,从而生成目标交通标识的三维信息,相对于利用GPS确定目标空间位置信息来说,大大提升了目标交通标识的空间位置信息的准确率,而且还可以利用共视图像组对同一目标交通标识的检测结果的合并,从而提升交通标识的三维信息的生成效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的交通标识的三维信息生成方法的场景示意图;
图2是本发明实施例提供的交通标识的三维信息生成方法的流程示意图;
图3是本发明实施例提供的道路图像中交通标识的二维包围框的示意图;
图4是本发明实施例提供的候选共视图像对的极线的示意图;
图5是本发明实施例提供的交通标识的点云重建示意图;
图6是本发明实施例提供的交通标识的三维信息生成方法的流程示意图;
图7是本发明实施例提供的交通标识的三维信息生成装置的结构示意图;
图8是本发明实施例提供的电子设备的结构示意图。
具体实施方式
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,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种交通标识的三维信息生成方法、装置和计算机可读存储介质。其中,该交通标识的三维信息生成装置可以集成在电子设备中,该电子设备可以是服务器,也可以是终端等设备。
其中,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、网络加速服务(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
例如,参见图1,以交通标识的三维信息生成装置集成在电子设备中为例,电子设备在获取多个车辆设备采集到的道路图像信息后,该道路图像信息包括至少一个道路图像和道路图像的图像采集位置信息,对道路图像中的交通标识进行识别,得到交通标识的二维位置信息和交通标识类型,然后,根据图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数,然后,基于共视图像组的采集参数和交通标识类型,从共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集,根据共视图像组的采集参数和目标交通标识的二维位置信息集,生成目标交通标识的三维信息。
其中,交通标识可以为沿道路由人工设置的各种交通标志,可以包括红绿灯、电子眼、限速牌、危险标牌、道路名称牌、禁止通行牌和调头标牌等。
以下分别进行详细说明。需要说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
本实施例将从交通标识的三维信息生成装置的角度进行描述,该交通标识的三维信息生成装置具体可以集成在电子设备中,该电子设备可以是服务器,也可以是终端等设备;其中,该终端可以包括平板电脑、笔记本电脑、以及个人计算机(PC,PersonalComputer)、可穿戴设备、虚拟现实设备或其他可以生成交通标识的三维信息的智能设备等设备。
一种交通标识的三维信息生成方法,包括:
获取多个车辆设备采集到的道路图像信息,该道路图像信息包括至少一个道路图像和道路图像的图像采集位置信息,对道路图像中的交通标识进行识别,得到交通标识的二维位置信息和交通标识类型,根据图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数,基于共视图像组的采集参数和交通标识类型,从共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集,根据共视图像组的采集参数和目标交通标识的二维位置信息集,生成目标交通标识的三维信息。
如图2所示,该交通标识的三维信息方法的具体流程如下:
101、获取多个车辆设备采集到的道路图像信息。
其中,道路图像信息包括至少一个道路图像和道路图像的图像采集位置信息,所谓图像采集位置信息可以理解为采集道路图像的位置信息,比如,可以为采集该道路图像时的坐标信息等。图像采集位置信息可以为图像采集装置在采集道路图像时的GPS信息,可以包括采集道路图像时的经纬度坐标和采集时采集装置的水平朝向信息等。
例如,可以获取多个车辆的图像采集装置通过众包的形式采集到的道路图像信息,比如,当多个用户车辆上安装有图像采集装置(譬如,行车记录仪等)时,可以发布道路图像信息的众包采集任务,当用户接受该众包采集任务时,就可以通过获得用户的授权来接收用户上传的道路视频信息和采集位置信息,在道路视频信息中提取出视频帧,就可以得到至少一个道路图像,在采集位置信息中提取出每一张道路图像的图像采集位置信息,从而获取道路图像信息,还可以在在获取用户授权的情况下,直接在图像采集装置的内存或缓存中获取采集到的道路视频信息和采集位置信息,从而得到道路图像信息。还可以通过集中采集的方式获取道路图像信息,比如,通过下发采集任务,由专门的采集人员驾驶专业配置的采集车辆在全国的道路上进行道路图像信息的采集,从而获取道路图像信息。
其中,需要说明的是采用行车记录仪众包采集的方式,不仅采集成本极低,还能极大提高道路图像信息的更新频率和覆盖范围。
102、对道路图像中的交通标识进行识别,得到交通标识的二维位置信息和交通标识类型。
其中,二维位置信息可以为道路图像中交通标识区域的坐标信息和尺寸信息等。交通标识类型可以为交通标识的类型,对交通标识进行分类,可以包括红绿灯,电子眼,限速牌,危险标牌,道路名称牌,禁止通行牌,调头标牌等。
例如,可以采用标识识别模型对道路图像中的交通标识进行识别,比如,可以采用YOLOV3(一种识别模型)模型对单帧的道路图像进行特征,根据提取到的特征,确定所述道路图像中的交通标识的二维包围框(Bounding Box)和该交通标识的交通标识类型,道路图像中交通标识的二维包围框可以如图3所示,将二维包围框的信息作为该交通标识二维位置信息。
其中,对道路图像中的交通标识进行识别可以采用标识识别模型等人工智能的方式进行识别,比如,可以采用深度学习或模仿学习的方式通过标识识别模型对道路图像中的交通标识进行识别。所谓人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
其中,该标识识别模型可以根据实际应用的需求进行设置,另外还需要说的是,该标识识别模型可以由维护人员预先进行设置,也可以由交通标识的三维信息生成装置自行训练,训练过程具体可以如下所示:
获取道路图像样本,该道路图像样本中标注交通标识的二维位置信息和交通标识类型。采用预设标识识别模型对道路图像样本进行特征提取,根据提取到的图像特征,确定该道路图像样本中预测的交通标识的二维位置信息和交通标识信息,根据标注的二维位置信息和交通标识类型与预测的二维位置信息和交通标识类型对预设标识识别模型进行收敛,得到标识识别模型。
其中,通过众包采集的方式,每天都会获取大量的道路图像信息,因此,对道路图像信息中的道路图像的识别效率和识别准确率就尤为重要,而采用YOLO V3模型的主要原因是该标识识别模型效率较高且误检率较低。当然也还可以采用其他的标识识别模型对交通标识进行识别,比如,可以采用Faster-RCNN(一种图像识别模型)或RCFN(另一种图像识别模型)等各类图像识别模型对道路图像的交通标识进行识别。
103、根据图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数。
其中,共视关系可以理解为两张或多张图像有公共的拍摄内容,比如,图像A和图像B中都存在一个物体C,此时,就可以说明图像A和图像B存在共视关系。
其中,采集参数可以理解为采集共视图像组中共视图像的采集装置的内外参数,以图像采集装置为相机为例,也就可以称为相机内外参数,指相机的焦距、中心点偏移和畸变系数,是相机的内在属性,不随相机的运动发生变化;相机外参是指相机在空间中的位置和朝向,一般由旋转量和平移量表示。
例如,可以在图像采集位置信息中提取出道路图像的采集位置和采集朝向角度,根据采集位置和采集朝向角度,计算道路图像之间的位置距离和角度差值,基于位置距离和角度差值,在道路图像中筛选出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数,具体可以如下:
(1)在图像采集位置信息中提取出道路图像的采集位置和采集朝向角度。
其中,采集位置可以为采集道路图像的位置,采集朝向角度可以为采集道路图像时的采集装置的水平朝向角度。
例如,可以在图像采集信息中提取出每张道路图像采集时的经纬度等位置信息和采集装置的水平朝向信息,将提取到的经纬度信息作为道路图像的采集位置,将采集装置的水平朝向信息作为道路图像的采集朝向角度。
(2)根据采集位置和采集朝向角度,计算道路图像之间的位置距离和角度差值。
例如,根据每张道路图像采集时的经纬度,分别计算采集道路图像之间的位置距离。根据每张道路图像采集时采集装置的水平朝向角度,分别计算道路图像之间的角度差值。
(3)基于位置距离和角度差值,在道路图像中筛选出存在共视关系的道路图像,得到至少一个共视图像组。
例如,将道路图像之间的位置距离与预设位置距离阈值进行对比,并将道路图像之间的角度差值与预设角度差值阈值进行对比,当两张道路图像之间的位置距离超过预设位置距离阈值,且角度差值超过预设角度差值阈值时,确定两张道路图像之间存在共视关系。因此,根据道路图像之间的位置距离和角度差值,就可以在道路图像中筛选出存在共视关系的道路图像,从而得到至少一个共视图像组。
其中,预设距离阈值可以为100米或其他任意数值,预设角度差值阈值可以为90°或任意角度。距离阈值限制了有共视关系的图像之间的距离,避免了大量不必要的远距离图像匹配。角度阈值限制了有共视关系的图像之间的相机朝向夹角,避免了对向或反向拍摄的图像(这类图像通常场景相似,容易误匹配)做不必要的匹配。
(4)计算共视图像组的采集参数。
例如,可以通过三维重建的离线算法(Structure from Motion,SFM)来计算共视图像组中共视图像的采集参数,比如,通过局部特征检测算法(Scale-invariant featuretransform,SIFT)提取共视图像组中的共视图像中的稀疏特征点,然后,利用特征描述符对共视图像组中的共视图像两两进行特征匹配,然后,再通过多视图几何建立增量式的联合优化机制,优化计算出每张图像的内外参数以及稀疏特征点的三维空间位置,从而计算出共视图像组中共视图像的采集参数。
其中,以采集参数为相机内外参数为例,纯视觉的SFM算法恢复的相机外参在尺寸上相对真实世界有一定的缩放,该缩放系数可以通过将相机外参与共视图像的GPS坐标进行对齐来确定。根据确定好的缩放系数,对计算出的相机外参进行修正即可。对于共视图像组的采集参数的计算,还可以采用其他SFM算法进行计算,比如,还可以采用MVG(一种三维重建算法)、VisualSFM(一种三维重建算法)、Bundler(一种三维重建算法)等各类SFM算法
104、基于共视图像组的采集参数和交通标识类型,从共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集。
例如,可以根据交通标识类型,在共视图像组中筛选出具有相同交通标识类型的共视图像,得到目标共视图像组,基于目标共视图像组的采集参数,在目标共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集,具体可以如下:
S1、根据交通标识类型,在共视图像组中筛选出具有相同交通标识类型的共视图像,得到目标共视图像组。
例如,根据每张道路图像中交通标识的类型,在共视图像组中将具有相同交通标识类型的共视图像筛选出来,就可以得到同一个交通标识类型对应的目标共视图像组,比如,共视图像组中包括5张共视图像,这5张共视图像中有3张包括红绿灯,另外2张包括道路名称标牌,则此时,就可以将这个共视图像组中3张包含红绿灯的共视图像筛选出来,得到红绿灯对应的目标共视图像组,再将另外2张包含道路名称标牌的共视图像筛选出来,得到了道路名称标牌对应的目标共视图像组。
S2、基于目标共视图像组的采集参数,在目标共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集。
例如,可以根据目标共视图像组的采集参数,将目标共视图像组中的交通标牌进行匹配,基于匹配结果,在目标共视图像组中识别出具有相同交通标识的目标共视图像,根据目标共视图像中目标交通标识的二维位置信息,确定目标交通标识的二维位置信息集,具体可以如下:
(1)根据目标共视图像组的采集参数,将目标共视图像组中的交通标牌进行匹配。
例如,可以在目标共视图像组中筛选出任意一对共视图像,得到候选共视图像对,根据候选共视图像对的采集参数和候选共视图像对中候选交通标识的二维位置信息,近候选共视图像对中的候选交通标识进行匹配,得到候选交通标识的匹配结果,比如,根据候选共视图像对的采集参数,分别在第一候选共视图像和第二候选共视图像中标记出候选交通标识映射出的极线,标记出的极线具体可以如图4所示,其中,第一候选共视图像中的极线可以为第二候选共视图像的候选交通标识映射出来的,第二候选共视图像中的极线可以为第一候选共视图像的候选交通标识映射出来的。
基于候选共视图像对中候选交通标识的二维位置信息,分别在第一候选共视图像和第二候选共视图像中识别出候选交通标识的中心点,比如,在候选共视图像对中的候选交通标识的二维包围框位置信息,确定第一候选共视图像和第二候选共视图像中候选交通标识的中心点就为二维包围框的中心点。
根据第一候选共视图像和候选第二共视图像的极线和候选交通标识的中心点,确定候选共视图像对中候选交通标识的匹配结果,比如,计算第一候选共视图像中候选交通标识的中心点与极线之间的第一平面距离,并计算第二候选共视图像中候选交通标识的中心点与极线之间的第二平面距离,将第一平面距离和第二平面距离分别与预设平面距离阈值进行对比,当第一平面距离和第二平面距离都超过预设平面距离阈值时,确定候选共视图像对中的候选交通标识匹配成功。
在确定出候选图像对中的候选交通标识匹配的匹配之后,还可以继续对目标共视图像组中的其他候选共视图像进行匹配。此时,就需要返回执行在目标共视图像组中筛选出任意一对共视图像的步骤,直至目标共视图像中的交通标识全部匹配完成为止,就可以得到目标共视图像组中共视图像上的全部交通标识的匹配结果。比如,以目标共视图像组存在共视图像A、共视图像B和共视图像C为例,首先在任意筛选出共视图像A和共视图像B作为候选共视图像对,对共视图像A和共视图像B中的候选交通标识进行匹配,得到匹配结果,然后,再筛选出任意2个共视图像,譬如,共视图像A和共视图像C,在共视图像A和共视图像C中的候选交通标识进行匹配,得到匹配结果,然后,再返回计算共视图像B和共视图像C的候选交通标识进行匹配,得到匹配结果,此时,就可以得到整个目标共视图像组中所有交通标识的匹配结果,结束匹配。
(2)基于匹配结果,在目标共视图像组中识别出具有相同交通标识的目标共视图像。
例如,在目标共视图像组中筛选出匹配成功的交通标识,对匹配成功的交通标识进行聚合,得到目标交通标识,比如,以目标共视图像组中包含5个交通标识,其中,交通标识1、交通标识2和交通标识3匹配成功,且对应的交通标识为红绿灯A,交通标识4和交通标识5匹配成功,且对应的交通标识为红绿灯B,将交通标识1、交通标识2和交通标识3进行聚合,就可以得到目标交通标识为红绿灯A,交通标识4和交通标识5进行聚合,就可以得到目标交通标识为红绿灯B。在目标共视图像组中识别出具有相同目标交通标识的目标共视图像,比如,还是以目标交通标识为红绿灯A为例,此时,就可以在目标共视图像组中筛选出存在红绿灯A的共视图像作为目标共视图像,也就是存在将交通标识1、交通标识2和交通标识3的共视图像作为目标共视图像。
(3)根据目标共视图像中目标交通标识的二维位置信息,确定目标交通标识的二维位置信息集。
例如,获取目标共视图像组中目标共视图像的图像数量,比如,以目标交通标识为红绿灯A,跟红绿灯A匹配成功的交通标识为交通标识1、交通标识2和交通标识3为例,此时,就只需要在目标共视图像组中获取存在红绿灯A、交通标识1、交通标识2和交通标识3的目标共视图像的图像数量。当图像数量超过预设图像数量阈值时,将目标共视图像中目标交通标识的二维位置信息进行组合,得到目标交通标识的二维位置信息集,比如,以目标交通标识为红绿灯A,目标共视图像包括图像A、图像B和图像C为例,此时,将图像A、图像B和图像C中红绿灯A的二维位置信息进行组合,就可以得到包含三个二维位置信息的二维位置信息集,将这个二维位置信息集作为红绿灯A的二维位置信息集。
105、根据共视图像组和目标交通标识的二维位置信息集,生成目标交通标识的三维信息。
例如,可以根据目标交通标识的二维位置信息集,确定目标交通标识的空间坐标信息,基于所述共视图像组中目标共视图像的采集参数和目标交通标识的二维位置信息集,生成目标交通标识的实际位置属性信息,输出目标交通标识的三维信息,该三维信息包括空间坐标坐标信息和实际位置属性信息,具体可以如下:
(1)根据目标交通标识的二维位置信息集,确定所述目标交通标识的空间坐标信息。
例如,在目标交通标识的二维位置信息集中筛选出任意两个平面坐标作为目标平面坐标,比如,在目标交通标识的二维位置信息集中筛选出任意两个目标交通标识的中心点的平面坐标作为目标平面坐标。对目标平面坐标进行三角化处理,得到三角化结果,比如,可以采用随机抽样一致算法(RANdomSAmple Consensus,RANSAC)对目标交通标识的一对中心点的平面坐标进行最小二乘法(DLT)的三角化处理,得到目标交通标识的中心点的空间坐标,将空间坐标作为三角化结果。根据三角化结果,确定目标交通标识的三维信息,比如,分别计算二维位置信息集中剩余平面坐标与三角化结果的投影误差,剩余平面坐标为二维位置信息集中除了目标平面坐标以外的平面坐标。在剩余平面坐标中筛选出投影误差小于预设误差阈值的目标剩余平面坐标,当目标剩余平面坐标的坐标数量超过预设第一坐标数量阈值时,将三角化结果作为目标交通标识的空间坐标信息。
可选的,由于目标共视图像中可能存在交通标识的误匹配,也就是说目标交通标识的二维位置信息集中的二维位置信息往往在对应真实世界的多个目标交通标识,因此,采用了随机抽样一致算法,当目标剩余平面坐标的坐标数量超过预设第一坐标数量阈值时,就可以确定二维位置信息集中目标平面坐标和目标剩余平面坐标为目标交通标识匹配正确的平面坐标。当二维位置信息集中还存在其他平面坐标时,就需要继续确定其他目标交通标识的空间坐标信息,因此,在步骤将所述三角化结果作为所述目标交通标识的空间坐标信息之后,交通标识的三维信息生成方法,还包括:
在二维位置信息集中删除目标平面坐标和目标剩余平面坐标;
返回执行在目标交通标识的二维位置信息集中筛选出任意两个平面坐标作为目标平面坐标的步骤,直至二维位置信息集中剩余的平面坐标的坐标数量少于预设第二坐标数量阈值或连续输出无三角化结果的次数超过预设次数阈值时为止,得到二维位置信息集中其他目标交通标识的候选空间坐标信息。
例如,在二维位置信息集中删除目标交通标识真实对应的目标平面坐标和目标剩余平面坐标,此时,就返回继续在删除目标平面坐标和目标剩余平面坐标的二维位置信息集中筛选出任意两个平面坐标为目标平面坐标的步骤,继续进行迭代求出剩下的目标平面坐标的三角化结果,比如,以二维位置信息集中还剩下10个平面坐标为例,在10个平面坐标任意筛选2个平面坐标进行三角化处理,如果没有输出三角化结果,则再筛选出另外2个平面坐标进行三角化处理,当连续无输出三角化结果的次数超过了预设次数阈值时,此时,就停止计算。如果输出了三角化结果,则计算剩下的8个平面坐标与三角化结果的投影误差,如果6个平面坐标的投影误差小于预设投影误差阈值时,就可以输出投影误差超过预设投影误差阈值的6个平面坐标和2个进行三角化处理的平面目标对应的其他交通标识的候选空间信息,并在二维位置信息集中删除这8个平面坐标,此时,二维位置信息集中就只剩下2个平面坐标了,如果还剩下的这2个平面坐标的数量未超过预设第二坐标数量阈值时,就可以迭代计算,如果还剩下的这2个平面坐标的数量超过预设第二坐标数量阈值时,就需要继续进行迭代计算,直至二维位置信息集中的平面坐标的坐标数量少于预设第二坐标数据阈值时,才可以停止迭代计算。当输出三角化结果,且剩余平面坐标中与三角化结果的投影误差小于预设误差阈值的坐标数量大于或等于预设第一数量阈值时,可以输出其他目标交通标识的候选空间坐标信息。
其中,对目标平面坐标进行三角化处理除了DLT算法以外,还可以采用其他基于迭代优化的方法进行替代。
(2)基于目标共视图像组中目标共视图像的采集参数和目标交通标识的二维位置信息集,生成目标交通标识的实际位置属性信息。
其中,实际位置属性信息可以为目标交通标牌的真实尺寸信息和朝向信息。
例如,在二维位置信息集中提取出目标交通标识的至少一个虚拟尺寸信息,虚拟尺寸信息可以为目标交通标识在目标共视图像中的二维包围框的宽和高等尺寸信息。将虚拟尺寸信息转换为目标交通标识的真实尺寸信息,比如,可以采用相似变化计算计算交通标牌在真实世界的真实尺寸信息,具体可以如公式(1)所示:
其中,H和W分别为目标交通标识在真实世界的宽和高等真实尺寸信息,h和w分别为目标共视图像中二维包围框的宽和高等虚拟尺寸信息,f为目标共视图像的采集参数中的相机焦距,z为目标共视图像的采集参数中的目标交通标识在相机系坐标中的Z轴坐标,也可以为采集参数中的相机外参。
根据目标共视图像的采集参数,确定目标交通标识的朝向信息,比如,在目标共视图像的采集参数中筛选出目标共视图像的采集朝向角度,也就是每张目标共视图像的相机观测朝向,然后,计算观测朝向的反方向的平均值,将这个平均值作为目标交通标识的朝向信息。将目标交通标识的真实尺寸信息和朝向信息作为目标交通标识的实际位置属性信息。
其中,由于对目标共视图像的采集角度不一定完全为正对或水平,可以统计多张目标共视图像计算出的目标交通标识的真实尺寸信息来提高目标交通标识的真实尺寸信息的尺寸精度。其中,真实尺寸中高度为平均值,即根据每张目标共视图像的虚拟尺寸信息计算出高度来求平均值,就可以得到目标交通标识的目标高度。宽度为最大值,即根据每张目标共视图像的虚拟尺寸信息计算出宽度,然后取最大值,就可以得到目标交通标识的目标宽度。
(3)输出目标交通标识的三维信息。
其中,三维信息包括空间坐标信息和实际位置属性信息。
例如,可以直接输出包含空间坐标信息和实际位置属性信息的三维信息,比如,可以将包含空间坐标信息和实际位置属性信息的三维信息直接输出至地图服务商或其他需要目标交通标识的信息服务商,地图服务商还可以根据输出的目标交通标识的三维信息,进行目标交通标识的点云重建,重建结果可以如图5所示,左边为图像视角,右边为点云视角。还可以根据目标交通标识的三维信息,生成目标交通标识的三维实体,然后,输出目标交通标识的三维实体和三维信息。
由以上可知,本发明实施例在获取多个车辆设备采集到的道路图像信息后,该道路图像信息包括至少一个道路图像和道路图像的图像采集位置信息,对道路图像中的交通标识进行识别,得到交通标识的二维位置信息和交通标识类型,然后,根据图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数,然后,基于共视图像组的采集参数和交通标识类型,从共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集,根据共视图像组的采集参数和目标交通标识的二维位置信息集,生成目标交通标识的三维信息;由于该方案根据图像采集位置信息,在道路图像中确定出存在共视关系的共视图像组,根据共视图像组和目标共视标识的二维位置信息集,从而生成目标交通标识的三维信息,相对于利用GPS确定目标空间位置信息来说,大大提升了目标交通标识的空间位置信息的准确率,而且还可以利用共视图像组对同一目标交通标识的检测结果的合并,从而提升交通标识的三维信息的生成效率。
根据上面实施例所描述的方法,以下将举例作进一步详细说明。
在本实施例中,将以该交通标识的三维信息生成装置具体集成在电子设备,电子设备为服务器,车辆设备为行车记录仪,采集方式为众包采集,二维位置信息为交通标识的二维包围框信息为例进行说明。
如图6所示,一种交通标识的三维信息生成方法,具体流程如下:
201、服务器获取多个行车记录仪采集到的道路图像信息。
例如,当多个用户的车辆上安装有行车记录仪时,服务器可以发布道路图像信息的众包采集任务,当用户接受该众包采集任务时,就可以通过获得用户的授权接收行车记录仪上传的道路视频信息和采集时的GPS信息,在道路视频信息中提取出视频帧,就可以得到至少一个道路图像,在GPS信息中提取出每一张道路图像的图像采集信息,从而获取道路图像信息。还可以在在获取用户授权的情况下,直接在行车记录仪的内存或缓存中获取采集到的道路视频信息和采集位置信息,从而得到道路图像信息。
202、服务器对道路图像中的交通标识进行识别,得到交通标识的二维包围框信息和交通标识类型。
例如,服务器可以采用YOLOV3模型对单帧的道路图像进行特征,根据提取到的特征,确定所述道路图像中的交通标识的二维包围框信息和交通标识的交通标识类型。
可选的,在对道路图像的交通标识进行识别前,还可以对预设YOLOV3模型进行训练,得到训练后的YOLOV3模型,比如,获取道路图像样本,该道路图像样本中标注交通标识的二维包围框信息和交通标识类型。采用预设YOLOV3模型对道路图像样本进行特征提取,根据提取到的图像特征,确定该道路图像样本中预测的交通标识的二维包围框信息和交通标识信息,根据标注的二维包围框信息和交通标识类型与预测的二维位包围框信息和交通标识类型对预设YOLOV3模型进行收敛,得到YOLOV3模型。
203、服务器根据图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数。
例如,服务器可以在图像采集位置信息中提取出道路图像的采集位置和采集朝向角度,根据采集位置和采集朝向角度,计算道路图像之间的位置距离和角度差值,基于位置距离和角度差值,在道路图像中筛选出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数,具体可以如下:
(1)服务器在图像采集位置信息中提取出道路图像的采集位置和采集朝向角度。
例如,服务器可以在图像采集信息中提取出每张道路图像采集时的经纬度等位置信息和行车记录仪中相机的水平朝向信息,将提取到的经纬度信息作为道路图像的采集位置,将相机的水平朝向信息作为道路图像的采集朝向角度。
(2)服务器根据采集位置和采集朝向角度,计算道路图像之间的位置距离和角度差值。
例如,服务器根据每张道路图像采集时的经纬度,分别计算采集道路图像之间的位置距离。根据每张道路图像采集时采集装置的水平朝向角度,分别计算道路图像之间的角度差值。
(3)服务器基于位置距离和角度差值,在道路图像中筛选出存在共视关系的道路图像,得到至少一个共视图像组。
例如,当两张道路图像之间的位置距离小于100米,且角度差值小于90度时,确定这两张道路图像之间存在共视关系,服务器基于这个判断条件,在道路图像中筛选出存在共视关系的道路图像,得到至少一个共视图像组。
(4)服务器计算共视图像组的采集参数。
例如,服务器通过SIFT算法提取共视图像组中的共视图像中的稀疏特征点,然后,利用特征描述符对共视图像组中的共视图像两两进行特征匹配,然后,再通过多视图几何建立增量式的联合优化机制,优化计算出每张图像的内外参数以及稀疏特征点的三维空间位置,从而计算出共视图像组中共视图像的采集参数。
204、服务器根据交通标识类型,在共视图像组中筛选出具有相同交通标识类型的共视图像,得到目标共视图像组。
例如,服务器根据每张道路图像中交通标识的类型,在共视图像组中将具有相同交通标识类型的共视图像筛选出来,就可以得到同一个交通标识类型对应的目标共视图像组。
205、服务器基于目标共视图像组的采集参数,在目标共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集。
例如,可以根据目标共视图像组的采集参数,将目标共视图像组中的交通标牌进行匹配,基于匹配结果,在目标共视图像组中识别出具有相同交通标识的目标共视图像,根据目标共视图像中目标交通标识的二维包围框信息,确定目标交通标识的二维包围框信息集,具体可以如下:
(1)服务器根据目标共视图像组的采集参数,将目标共视图像组中的交通标牌进行匹配。
例如,服务器根据候选共视图像对的采集参数,分别在第一候选共视图像和第二候选共视图像中标记出候选交通标识映射出的极线,在候选共视图像对中的候选交通标识的二维包围框位置信息,确定第一候选共视图像和第二候选共视图像中候选交通标识的中心点就为二维包围框的中心点。计算第一候选共视图像中候选交通标识的中心点与极线之间的第一平面距离,并计算第二候选共视图像中候选交通标识的中心点与极线之间的第二平面距离,将第一平面距离和第二平面距离分别与预设平面距离阈值进行对比,当第一平面距离和第二平面距离都超过预设平面距离阈值时,确定候选共视图像对中的候选交通标识匹配成功。
服务器在确定出候选图像对中的候选交通标识匹配的匹配之后,还可以继续对目标共视图像组中的其他候选共视图像进行匹配。此时,就需要返回执行在目标共视图像组中筛选出任意一对共视图像的步骤,直至目标共视图像中的交通标识全部匹配完成为止,就可以得到目标共视图像组中共视图像上的全部交通标识的匹配结果。
(2)服务器基于匹配结果,在目标共视图像组中识别出具有相同交通标识的目标共视图像。
例如,服务器在目标共视图像组中筛选出匹配成功的交通标识,对匹配成功的交通标识进行聚合,得到目标交通标识。在目标共视图像组中识别出具有相同目标交通标识的目标共视图像。
(3)服务器根据目标共视图像中目标交通标识的二维包围框信息,确定目标交通标识的二维包围框信息集。
例如,服务器获取目标共视图像组中目标共视图像的图像数量,当图像数量超过预设图像数量阈值时,将目标共视图像中目标交通标识的二维位置信息进行组合,得到目标交通标识的二维位置信息集。
206、服务器根据目标交通标识的二维位置信息集,确定所述目标交通标识的空间坐标信息。
例如,服务器在目标交通标识的二维包围框信息集中筛选出任意两个目标交通标识的二维包围框的中心点的平面坐标作为目标平面坐标。采用RANSAC对目标交通标识的一对中心点的平面坐标进行DLT三角化处理,得到目标交通标识的二维包围框的中心点的空间坐标,将空间坐标作为三角化结果。分别计算二维包围框信息集中剩余平面坐标与三角化结果的投影误差,剩余平面坐标为二维包围框信息集中除了目标平面坐标以外的平面坐标。在剩余平面坐标中筛选出投影误差小于预设误差阈值的目标剩余平面坐标,当目标剩余平面坐标的坐标数量大于等于3时,将三角化结果作为目标交通标识的空间坐标信息。
可选的,由于目标共视图像中可能存在交通标识的误匹配,也就是说目标交通标识的二维包围框信息集中的二维包围框信息往往在对应真实世界的多个目标交通标识,因此,采用了随机抽样一致算法,当目标剩余平面坐标的坐标数量超过3个时,就可以确定二维包围框信息集中目标平面坐标和目标剩余平面坐标为目标交通标识匹配正确的平面坐标。当二维位置信息集中还存在其他平面坐标时,就需要继续确定其他目标交通标识的空间坐标信息,具体可以采用如下方法:
在二维包围框信息集中删除目标交通标识真实对应的目标平面坐标和目标剩余平面坐标,此时,就返回继续在删除目标平面坐标和目标剩余平面坐标的二维包围框信息集中筛选出任意两个平面坐标为目标平面坐标的步骤,继续进行迭代求出剩下的目标平面坐标的三角化结果,直至二维包围框信息集中剩余的平面坐标的坐标数量少于3个或连续输出无三角化结果的次数超过30次时为止,得到二维包围框信息集中其他目标交通标识的候选空间坐标信息。
207、服务器基于目标共视图像组中目标共视图像的采集参数和目标交通标识的二维包围框信息集,生成目标交通标识的实际位置属性信息。
例如,服务器在二维位包围框信息集中提取出目标交通标识的二维包围框的至少一个虚拟尺寸信息,采用相似变化计算将虚拟尺寸信息转换为目标交通标识的真实尺寸信息,具体的计算公式可以为公式(1)所示。真实尺寸信息包括目标交通标识在真实世界的高和宽等信息,对于高度的计算,根据每张目标共视图像的虚拟尺寸信息计算出高度来求平均值,就可以得到目标交通标识的目标高度。并根据每张目标共视图像的虚拟尺寸信息计算出宽度,然后取最大值,就可以得到目标交通标识的目标宽度。
服务器在目标共视图像的采集参数中筛选出目标共视图像的相机观测朝向,计算观测朝向的反方向的平均值,将这个平均值作为目标交通标识的朝向信息。将目标交通标识的真实尺寸信息和朝向信息作为目标交通标识的实际位置属性信息。
208、服务器输出目标交通标识的三维信息。
例如,可以将包含空间坐标信息和实际位置属性信息的三维信息直接输出至地图服务商或其他需要目标交通标识的信息服务商,地图服务商还可以根据输出的目标交通标识的三维信息,进行目标交通标识的点云重建,还可以根据目标交通标识的三维信息,生成目标交通标识的三维实体,然后,输出目标交通标识的三维实体和三维信息。
由以上可知,本实施例中服务器在获取多个车辆设备采集到的道路图像信息后,该道路图像信息包括至少一个道路图像和道路图像的图像采集位置信息,对道路图像中的交通标识进行识别,得到交通标识的二维位置信息和交通标识类型,然后,根据图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数,然后,基于共视图像组的采集参数和交通标识类型,从共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集,根据共视图像组的采集参数和目标交通标识的二维位置信息集,生成目标交通标识的三维信息;由于该方案根据图像采集位置信息,在道路图像中确定出存在共视关系的共视图像组,根据共视图像组和目标共视标识的二维位置信息集,从而生成目标交通标识的三维信息,相对于利用GPS确定目标空间位置信息来说,大大提升了目标交通标识的空间位置信息的准确率,而且还可以利用共视图像组对同一目标交通标识的检测结果的合并,从而提升交通标识的三维信息的生成效率。
为了更好地实施以上方法,本发明实施例还提供一种交通标识的三维信息生成装置,该交通标识的三维信息生成装置可以集成在电子设备,比如服务器或终端等设备中,该终端可以包括平板电脑、笔记本电脑和/或个人计算机等。
例如,如图7所示,该交通标识的三维信息生成装置可以包括获取单元301、识别单元302、计算单元303、确定单元304、和生成单元305,如下:
(1)获取单元301;
获取单元301,用于获取多个车辆设备采集到的道路图像信息,该道路图像信息包括至少一个道路图像和道路图像的图像采集位置信息。
例如,获取单元301,具体可以用于通过获得用户的授权来接收用户上传的道路视频信息和采集位置信息,在道路视频信息中提取出视频帧,就可以得到至少一个道路图像,在采集位置信息中提取出每一张道路图像的图像采集位置信息,从而获取道路图像信息,还可以在在获取用户授权的情况下,直接在图像采集装置的内存或缓存中获取采集到的道路视频信息和采集位置信息,从而得到道路图像信息,还可以通过集中采集的方式获取道路图像信息。
(2)识别单元302;
识别单元302,用于对道路图像中的交通标识进行识别,得到交通标识的二维位置信息和交通标识类型。
例如,识别单元302,具体可以用于采用标识识别模型对单帧的道路图像进行特征,根据提取到的特征,确定所述道路图像中的交通标识的二维包围框和该交通标识的交通标识类型,将二维包围框的信息作为该交通标识二维位置信息。
(3)计算单元303;
计算单元303,用于根据图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数。
例如,计算单元303,具体可以用于在图像采集位置信息中提取出道路图像的采集位置和采集朝向角度,根据采集位置和采集朝向角度,计算道路图像之间的位置距离和角度差值,基于位置距离和角度差值,在道路图像中筛选出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数。
(4)确定单元304;
确定单元304,用于基于共视图像组的采集参数和交通标识类型,从共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集。
例如,确定单元304,具体可以用于根据交通标识类型,在共视图像组中筛选出具有相同交通标识类型的共视图像,得到目标共视图像组,基于目标共视图像组的采集参数,在目标共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集。
(5)生成单元305;
生成单元305,用于根据共视图像组的采集参数和目标交通标识的二维位置信息集,生成目标交通标识的三维信息。
例如,生成单元305,具体可以用于根据目标交通标识的二维位置信息集,确定目标交通标识的空间坐标信息,基于共视图像组中目标共视图像的采集参数和目标交通标识的二维位置信息集,生成目标交通标识的实际位置属性信息,输出目标交通标识的三维信息,该三维信息包括空间坐标信息和实际位置属性信息。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
由以上可知,本实施例在获取单元301获取多个车辆设备采集到的道路图像信息后,该道路图像信息包括至少一个道路图像和道路图像的图像采集位置信息,识别单元302对道路图像中的交通标识进行识别,得到交通标识的二维位置信息和交通标识类型,然后,计算单元303根据图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数,然后,确定单元304基于共视图像组的采集参数和交通标识类型,从共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集,生成单元305根据共视图像组的采集参数和目标交通标识的二维位置信息集,生成目标交通标识的三维信息;由于该方案根据图像采集位置信息,在道路图像中确定出存在共视关系的共视图像组,根据共视图像组和目标共视标识的二维位置信息集,从而生成目标交通标识的三维信息,相对于利用GPS确定目标空间位置信息来说,大大提升了目标交通标识的空间位置信息的准确率,而且还可以利用共视图像组对同一目标交通标识的检测结果的合并,从而提升交通标识的三维信息的生成效率。
本发明实施例还提供一种电子设备,如图8所示,其示出了本发明实施例所涉及的电子设备的结构示意图,具体来讲:
该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解,图8中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器401是该电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器401可包括一个或多个处理核心;优选的,处理器401可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块,处理器401通过运行存储在存储器402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。存储器402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器402还可以包括存储器控制器,以提供处理器401对存储器402的访问。
电子设备还包括给各个部件供电的电源403,优选的,电源403可以通过电源管理系统与处理器401逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该电子设备还可包括输入单元404,该输入单元404可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,电子设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,电子设备中的处理器401会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
获取多个车辆设备采集到的道路图像信息,该道路图像信息包括至少一个道路图像和道路图像的图像采集位置信息,对道路图像中的交通标识进行识别,得到交通标识的二维位置信息和交通标识类型,根据图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数,基于共视图像组的采集参数和交通标识类型,从共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集,根据共视图像组的采集参数和目标交通标识的二维位置信息集,生成目标交通标识的三维信息。
例如,电子设备通过获得用户的授权来接收用户上传的道路视频信息和采集位置信息,在道路视频信息中提取出视频帧,就可以得到至少一个道路图像,在采集位置信息中提取出每一张道路图像的图像采集位置信息,从而获取道路图像信息,还可以在在获取用户授权的情况下,直接在图像采集装置的内存或缓存中获取采集到的道路视频信息和采集位置信息,从而得到道路图像信息,还可以通过集中采集的方式获取道路图像信息。采用标识识别模型对单帧的道路图像进行特征,根据提取到的特征,确定所述道路图像中的交通标识的二维包围框和该交通标识的交通标识类型,将二维包围框的信息作为该交通标识二维位置信息。在图像采集位置信息中提取出道路图像的采集位置和采集朝向角度,根据采集位置和采集朝向角度,计算道路图像之间的位置距离和角度差值,基于位置距离和角度差值,在道路图像中筛选出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数。根据交通标识类型,在共视图像组中筛选出具有相同交通标识类型的共视图像,得到目标共视图像组,基于目标共视图像组的采集参数,在目标共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集。根据目标交通标识的二维位置信息集,确定目标交通标识的空间坐标信息,基于共视图像组中目标共视图像的采集参数和目标交通标识的二维位置信息集,生成目标交通标识的实际位置属性信息,输出目标交通标识的三维信息,该三维信息包括空间坐标信息和实际位置属性信息。
以上各个操作的具体实施可参见前面的实施例,在此不作赘述。
由以上可知,本发明实施例在获取多个车辆设备采集到的道路图像信息后,该道路图像信息包括至少一个道路图像和道路图像的图像采集位置信息,对道路图像中的交通标识进行识别,得到交通标识的二维位置信息和交通标识类型,然后,根据图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数,然后,基于共视图像组的采集参数和交通标识类型,从共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集,根据共视图像组的采集参数和目标交通标识的二维位置信息集,生成目标交通标识的三维信息;由于该方案根据图像采集位置信息,在道路图像中确定出存在共视关系的共视图像组,根据共视图像组和目标共视标识的二维位置信息集,从而生成目标交通标识的三维信息,相对于利用GPS确定目标空间位置信息来说,大大提升了目标交通标识的空间位置信息的准确率,而且还可以利用共视图像组对同一目标交通标识的检测结果的合并,从而提升交通标识的三维信息的生成效率。
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可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本发明实施例提供一种计算机可读存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本发明实施例所提供的任一种交通标识的三维信息生成方法中的步骤。例如,该指令可以执行如下步骤:
获取多个车辆设备采集到的道路图像信息,该道路图像信息包括至少一个道路图像和道路图像的图像采集位置信息,对道路图像中的交通标识进行识别,得到交通标识的二维位置信息和交通标识类型,根据图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数,基于共视图像组的采集参数和交通标识类型,从共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集,根据共视图像组的采集参数和目标交通标识的二维位置信息集,生成目标交通标识的三维信息。
例如,电子设备通过获得用户的授权来接收用户上传的道路视频信息和采集位置信息,在道路视频信息中提取出视频帧,就可以得到至少一个道路图像,在采集位置信息中提取出每一张道路图像的图像采集位置信息,从而获取道路图像信息,还可以在在获取用户授权的情况下,直接在图像采集装置的内存或缓存中获取采集到的道路视频信息和采集位置信息,从而得到道路图像信息,还可以通过集中采集的方式获取道路图像信息。采用标识识别模型对单帧的道路图像进行特征,根据提取到的特征,确定所述道路图像中的交通标识的二维包围框和该交通标识的交通标识类型,将二维包围框的信息作为该交通标识二维位置信息。在图像采集位置信息中提取出道路图像的采集位置和采集朝向角度,根据采集位置和采集朝向角度,计算道路图像之间的位置距离和角度差值,基于位置距离和角度差值,在道路图像中筛选出存在共视关系的道路图像,得到至少一个共视图像组,并计算共视图像组的采集参数。根据交通标识类型,在共视图像组中筛选出具有相同交通标识类型的共视图像,得到目标共视图像组,基于目标共视图像组的采集参数,在目标共视图像组中确定出具有相同目标交通标识的共视图像,得到目标交通标识的二维位置信息集。根据目标交通标识的二维位置信息集,确定目标交通标识的空间坐标信息,基于共视图像组中目标共视图像的采集参数和目标交通标识的二维位置信息集,生成目标交通标识的实际位置属性信息,输出目标交通标识的三维信息,该三维信息包括空间坐标信息和实际位置属性信息。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令,可以执行本发明实施例所提供的任一种交通标识的三维信息生成方法中的步骤,因此,可以实现本发明实施例所提供的任一种交通标识的三维信息生成方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
其中,根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述交通标识的三维信息生成方面的各种可选实现方式中提供的方法。
以上对本发明实施例所提供的一种交通标识的三维信息生成方法、装置和计算机可读存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (15)
1.一种交通标识的三维信息生成方法,其特征在于,包括:
获取多个车辆设备采集到的道路图像信息,所述道路图像信息包括至少一个道路图像和所述道路图像的图像采集位置信息;
对所述道路图像中的交通标识进行识别,得到所述交通标识的二维位置信息和交通标识类型;
根据所述图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算所述共视图像组的采集参数;
基于所述共视图像组的采集参数和交通标识类型,从所述共视图像组中确定出具有相同目标交通标识的共视图像,得到所述目标交通标识的二维位置信息集;
根据所述共视图像组的采集参数和目标交通标识的二维位置信息集,生成所述目标交通标识的三维信息。
2.根据权利要求1所述的交通标识的三维信息生成方法,其特征在于,所述基于所述共视图像组的采集参数和交通标识类型,从所述共视图像组中确定出具有相同目标交通标识的共视图像,得到所述目标交通标识的二维位置信息集,包括:
根据所述交通标识类型,在所述共视图像组中筛选出具有相同交通标识类型的共视图像,得到目标共视图像组;
基于所述目标共视图像组的采集参数,在所述目标共视图像组中确定出具有相同目标交通标识的共视图像,得到所述目标交通标识的二维位置信息集。
3.根据权利要求2所述的交通标识的三维信息生成方法,其特征在于,所述基于所述目标共视图像组的采集参数,在所述目标共视图像组中确定出具有相同目标交通标识的共视图像,得到所述目标交通标识的二维位置信息集,包括:
根据所述目标共视图像组的采集参数,将所述目标共视图像组中的交通标识进行匹配;
基于匹配结果,在所述目标共视图像组中识别出具有相同目标交通标识的目标共视图像;
根据所述目标共视图像中目标交通标识的二维位置信息,确定所述目标交通标识的二维位置信息集。
4.根据权利要求3所述的交通标识的三维信息生成方法,其特征在于,所述根据所述目标共视图像组的采集参数,将所述目标共视图像组中的交通标识进行匹配,包括:
在所述目标共视图像组中筛选出任意一对共视图像,得到候选共视图像对;
根据所述候选共视图像对的采集参数和所述候选共视图像对中候选交通标识的二维位置信息,将所述候选共视图像对中的候选交通标识进行匹配,得到所述候选交通标识的匹配结果;
返回执行所述在所述目标共视图像组中筛选出任意一对共视图像的步骤,直至所述目标共视图像组中的交通标识全部匹配完成为止,得到所述目标共视图像组中的交通标识的匹配结果。
5.根据权利要求4所述的交通标识的三维信息生成方法,其特征在于,所述候选共视图像对包括第一候选共视图像和第二候选共视图像,所述根据所述候选共视图像对的采集参数和所述候选共视图像对中候选交通标识的二维位置信息,将所述候选共视图像对中的候选交通标识进行匹配,得到所述候选交通标识的匹配结果,包括:
根据所述候选共视图像对的采集参数,分别在第一候选共视图像和第二候选共视图像中标记出候选交通标识映射出的极线;
基于所述候选共视图像对中候选交通标识的二维位置信息,分别在所述第一候选共视图像和第二候选共视图像中识别出所述候选交通标识的中心点;
根据所述第一候选共视图像和候选第二共视图像的极线和所述候选交通标识的中心点,确定所述候选共视图像对中的候选交通标识的匹配结果。
6.根据权利要求5所述的交通标识的三维信息生成方法,其特征在于,所述根据所述第一候选共视图像和候选第二共视图像的极线和所述候选交通标识的中心点,确定所述候选交通标识的匹配结果,包括:
计算所述第一候选共视图像中候选交通标识的中心点与极线之间的第一平面距离,并计算所述第二候选共视图像中候选交通标识的中心点与极线之间的第二平面距离;
将所述第一平面距离和第二平面距离分别与预设平面距离阈值进行对比;
当所述第一平面距离和第二平面距离都超过所述预设平面距离阈值时,确定所述候选共视图像对中的候选交通标识匹配成功。
7.根据权利要求3至6任一项所述的交通标识的三维信息生成方法,其特征在于,所述基于匹配结果,在所述目标共视图像组中识别出具有相同目标交通标识的目标共视图像,包括:
在所述目标共视图像组中筛选出匹配成功的交通标识;
对所述匹配成功的交通标识进行聚合,得到所述目标交通标识;
在所述目标共视图像组中识别出具有相同目标交通标识的目标共视图像。
8.根据权利要求3至6任一项所述的交通标识的三维信息生成方法,其特征在于,所述根据所述目标共视图像中目标交通标识的二维位置信息,确定所述目标交通标识的二维位置信息集,包括:
获取所述目标共视图像组中目标共视图像的图像数量;
当所述图像数量超过预设图像数量时,将所述目标共视图像中目标交通标识的二维位置信息进行组合,得到所述目标交通标识的所述二维位置信息集。
9.根据权利要求3至6任一项所述的交通标识的三维信息生成方法,其特征在于,所述根据所述共视图像组的采集参数和目标交通标识的二维位置信息集,生成所述目标交通标识的三维信息,包括:
根据所述目标交通标识的二维位置信息集,确定所述目标交通标识的空间坐标信息;
基于所述共视图像组中目标共视图像的采集参数和所述目标交通标识的二维位置信息集,生成所述目标交通标识的实际位置属性信息;
输出所述目标交通标识的三维信息,所述三维信息包括所述空间坐标信息和实际位置属性信息。
10.根据权利要求9所述的交通标识的三维信息生成方法,其特征在于,所述根据所述目标交通标识的二维位置信息集,确定所述目标交通标识的空间坐标信息,包括:
在所述目标交通标识的二维位置信息集中筛选出任意两个平面坐标作为目标平面坐标;
对所述目标平面坐标进行三角化处理,得到三角化结果;
根据所述三角化结果,确定所述目标交通标识的空间坐标信息。
11.根据权利要求10所述的交通标识的三维信息生成方法,其特征在于,所述根据所述三角化结果,确定所述目标交通标识的空间坐标信息,包括:
分别计算所述二维位置信息集中剩余平面坐标与所述三角化结果的投影误差,所述剩余平面坐标为所述二维位置信息集中除了所述目标平面坐标以外的平面坐标;
在所述剩余平面坐标中筛选出所述投影误差小于预设误差阈值的目标剩余平面坐标;
当所述目标剩余平面坐标的坐标数量超过预设第一坐标数量阈值时,将所述三角化结果作为所述目标交通标识的空间坐标信息。
12.根据权利要求11所述的交通标识的三维信息生成方法,其特征在于,所述将所述三角化结果作为所述目标交通标识的空间坐标信息之后,还包括:
在所述二维位置信息集中删除所述目标平面坐标和目标剩余平面坐标;
返回执行在所述目标交通标识的二维位置信息集中筛选出任意两个平面坐标作为目标平面坐标的步骤,直至所述二维位置信息集中剩余的平面坐标的坐标数量少于预设第二坐标数量阈值或连续输出无三角化结果的次数超过预设次数阈值时位置,得到所述二维位置信息集中其他目标交通标识的候选空间坐标信息。
13.根据权利要求9所述的交通标识的三维信息生成方法,其特征在于,所述基于所述共视图像组中目标共视图像的采集参数和所述目标交通标识的二维位置信息集,生成所述目标交通标识的实际位置属性信息,包括:
在所述二维位置信息集中提取所述目标交通标识的至少一个虚拟尺寸信息;
将所述虚拟尺寸信息转换为所述目标交通标识的真实尺寸信息;
根据所述目标共视图像的采集参数,确定所述目标交通标识的朝向信息,并将所述真实尺寸信息和朝向信息作为所述目标交通标识的实际位置属性信息。
14.根据权利要求1至6任一项所述的交通标识的三维信息生成方法,其特征在于,所述根据所述图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,包括:
在所述图像采集位置信息中提取出所述道路图像的采集位置和采集朝向角度;
根据所述采集位置和采集朝向角度,计算所述道路图像之间的位置距离和角度差值;
基于所述位置距离和角度差值,在所述道路图像中筛选出存在所述共视关系的道路图像,得到至少一个共视图像组。
15.一种交通标识的三维信息生成装置,其特征在于,包括:
获取单元,用于获取多个车辆设备采集到的道路图像信息,所述道路图像信息包括至少一个道路图像和所述道路图像的图像采集位置信息;
识别单元,用于对所述道路图像中的交通标识进行识别,得到所述交通标识的二维位置信息和交通标识类型;
计算单元,用于根据所述图像采集位置信息,在至少一个道路图像中确定出存在共视关系的道路图像,得到至少一个共视图像组,并计算所述共视图像组的采集参数;
确定单元,用于基于所述共视图像组的采集参数和交通标识类型,从所述共视图像组中确定出具有相同目标交通标识的共视图像,得到所述目标交通标识的二维位置信息集;
生成单元,用于根据所述共视图像组的采集参数和目标交通标识的二维位置信息集,生成所述目标交通标识的三维信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011149252.2A CN112396831B (zh) | 2020-10-23 | 2020-10-23 | 一种交通标识的三维信息生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011149252.2A CN112396831B (zh) | 2020-10-23 | 2020-10-23 | 一种交通标识的三维信息生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112396831A true CN112396831A (zh) | 2021-02-23 |
CN112396831B CN112396831B (zh) | 2021-09-28 |
Family
ID=74596093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011149252.2A Active CN112396831B (zh) | 2020-10-23 | 2020-10-23 | 一种交通标识的三维信息生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112396831B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991434A (zh) * | 2021-04-27 | 2021-06-18 | 智道网联科技(北京)有限公司 | 自动驾驶交通标识信息的生成方法及相关装置 |
CN113902047A (zh) * | 2021-12-10 | 2022-01-07 | 腾讯科技(深圳)有限公司 | 图像元素匹配方法、装置、设备以及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009169693A (ja) * | 2008-01-16 | 2009-07-30 | Mazda Motor Corp | 車両用企画支援装置 |
WO2017032335A1 (en) * | 2015-08-26 | 2017-03-02 | Zhejiang Dahua Technology Co., Ltd. | Methods and systems for traffic monitoring |
CN108734697A (zh) * | 2017-04-20 | 2018-11-02 | 株式会社电装 | 形状测量设备和方法 |
CN109310399A (zh) * | 2016-06-06 | 2019-02-05 | 皇家飞利浦有限公司 | 医学超声图像处理设备 |
CN109635639A (zh) * | 2018-10-31 | 2019-04-16 | 百度在线网络技术(北京)有限公司 | 交通标识的位置检测方法、装置、设备和存储介质 |
CN110132242A (zh) * | 2018-02-09 | 2019-08-16 | 驭势科技(北京)有限公司 | 多摄像机即时定位与地图构建的三角化方法及其运动体 |
CN110335316A (zh) * | 2019-06-28 | 2019-10-15 | Oppo广东移动通信有限公司 | 基于深度信息的位姿确定方法、装置、介质与电子设备 |
CN111640062A (zh) * | 2020-05-15 | 2020-09-08 | 上海赫千电子科技有限公司 | 一种车载环视图像的自动拼接方法 |
CN111698464A (zh) * | 2020-04-29 | 2020-09-22 | 泉州禾逸电子有限公司 | 一种智能摄像跟随监控报警方法及装置 |
-
2020
- 2020-10-23 CN CN202011149252.2A patent/CN112396831B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009169693A (ja) * | 2008-01-16 | 2009-07-30 | Mazda Motor Corp | 車両用企画支援装置 |
WO2017032335A1 (en) * | 2015-08-26 | 2017-03-02 | Zhejiang Dahua Technology Co., Ltd. | Methods and systems for traffic monitoring |
CN109310399A (zh) * | 2016-06-06 | 2019-02-05 | 皇家飞利浦有限公司 | 医学超声图像处理设备 |
CN108734697A (zh) * | 2017-04-20 | 2018-11-02 | 株式会社电装 | 形状测量设备和方法 |
CN110132242A (zh) * | 2018-02-09 | 2019-08-16 | 驭势科技(北京)有限公司 | 多摄像机即时定位与地图构建的三角化方法及其运动体 |
CN109635639A (zh) * | 2018-10-31 | 2019-04-16 | 百度在线网络技术(北京)有限公司 | 交通标识的位置检测方法、装置、设备和存储介质 |
CN110335316A (zh) * | 2019-06-28 | 2019-10-15 | Oppo广东移动通信有限公司 | 基于深度信息的位姿确定方法、装置、介质与电子设备 |
CN111698464A (zh) * | 2020-04-29 | 2020-09-22 | 泉州禾逸电子有限公司 | 一种智能摄像跟随监控报警方法及装置 |
CN111640062A (zh) * | 2020-05-15 | 2020-09-08 | 上海赫千电子科技有限公司 | 一种车载环视图像的自动拼接方法 |
Non-Patent Citations (2)
Title |
---|
FENG SHENG ET.AL: "Passive Target Localization in Multi-view System", 《PROCEEDINGS OF THE 35TH CHINESE CONTROL CONFERENCE 2016》 * |
丁洋: "实时双目视觉三维重建技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991434A (zh) * | 2021-04-27 | 2021-06-18 | 智道网联科技(北京)有限公司 | 自动驾驶交通标识信息的生成方法及相关装置 |
CN112991434B (zh) * | 2021-04-27 | 2021-08-17 | 智道网联科技(北京)有限公司 | 自动驾驶交通标识信息的生成方法及相关装置 |
CN113902047A (zh) * | 2021-12-10 | 2022-01-07 | 腾讯科技(深圳)有限公司 | 图像元素匹配方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112396831B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11069133B2 (en) | Method and device for generating three-dimensional scene map | |
CN111612760A (zh) | 用于检测障碍物的方法和装置 | |
US8442307B1 (en) | Appearance augmented 3-D point clouds for trajectory and camera localization | |
Hu et al. | GeoAI at ACM SIGSPATIAL: progress, challenges, and future directions | |
CN109061703A (zh) | 用于定位的方法、装置、设备和计算机可读存储介质 | |
CN113989450B (zh) | 图像处理方法、装置、电子设备和介质 | |
CN109919008A (zh) | 运动目标检测方法、装置、计算机设备及存储介质 | |
US20160267326A1 (en) | Image abstraction system | |
CN112927363B (zh) | 体素地图构建方法及装置、计算机可读介质和电子设备 | |
CN103426165A (zh) | 一种地面激光点云与无人机影像重建点云的精配准方法 | |
EP3274964B1 (en) | Automatic connection of images using visual features | |
CN113450579B (zh) | 速度信息的获取方法、装置、设备及介质 | |
CN112396831B (zh) | 一种交通标识的三维信息生成方法和装置 | |
CN104484814B (zh) | 一种基于视频地图的广告方法及系统 | |
CN108388649B (zh) | 处理音视频的方法、系统、设备及存储介质 | |
CN110378966A (zh) | 相机外参标定方法、装置、计算机设备及存储介质 | |
CN110675635B (zh) | 相机外参的获取方法、装置、电子设备及存储介质 | |
EP4105600A2 (en) | Method for automatically producing map data, related apparatus and computer program product | |
US11798181B2 (en) | Method and system for location detection of photographs using topographic techniques | |
CN111666876A (zh) | 用于检测障碍物的方法、装置、电子设备和路侧设备 | |
CN114429528A (zh) | 图像处理方法、装置、设备、计算机程序及存储介质 | |
CN113340312A (zh) | 一种ar室内实景导航方法及系统 | |
CN113762044A (zh) | 道路识别方法、装置、计算机设备和存储介质 | |
CN112580428A (zh) | 一种配电网设计方法及装置 | |
CN114299230A (zh) | 一种数据生成方法、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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40037944 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |