CN113496145A - 标牌角点获取方法、装置及设备 - Google Patents

标牌角点获取方法、装置及设备 Download PDF

Info

Publication number
CN113496145A
CN113496145A CN202010196969.6A CN202010196969A CN113496145A CN 113496145 A CN113496145 A CN 113496145A CN 202010196969 A CN202010196969 A CN 202010196969A CN 113496145 A CN113496145 A CN 113496145A
Authority
CN
China
Prior art keywords
point
sign
target
corner
points
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
Application number
CN202010196969.6A
Other languages
English (en)
Other versions
CN113496145B (zh
Inventor
曹亮
李兴涛
林元培
汪煌魁
付黎明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Navinfo Technology Co ltd
Original Assignee
Wuhan Navinfo Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Navinfo Technology Co ltd filed Critical Wuhan Navinfo Technology Co ltd
Priority to CN202010196969.6A priority Critical patent/CN113496145B/zh
Publication of CN113496145A publication Critical patent/CN113496145A/zh
Application granted granted Critical
Publication of CN113496145B publication Critical patent/CN113496145B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供一种标牌角点获取方法、装置及设备。所述方法包括从采集的激光点云数据中获取目标标牌点的标牌点信息，根据目标标牌点的标牌点信息确定目标标牌点所属的标牌点集合，根据标牌点集合进行平面拟合和投影，得到标牌投影图，并存储标牌点集合中的点和标牌投影图上的点的对应关系，根据预存的匹配规则对标牌投影图进行匹配，确定目标标牌的初始标牌角点，根据标牌点集合中的点和标牌投影图上的点的对应关系确定初始标牌角点对应的目标标牌角点，其中，目标标牌角点的坐标是三维坐标。采用上述方案后，提高了标牌角点获取的准确度。

Description

标牌角点获取方法、装置及设备
技术领域
本发明实施例涉及电子地图技术领域，尤其涉及一种标牌角点获取方法、装置及设备。
背景技术
随着经济的快速发展，人们的生活水平逐步提高，外出出行也越来越频繁。人们在外出出行时，经常会遇到不熟悉的路段。为了方便人们尽快找到目的地，电子地图应运而生，电子地图的制作也成为重点研究领域。
交通标牌信息是电子地图在制作过程中需要采集的重要数据，且具有分布广泛、边角分明、易于人工识别及选取的特点。在传感器标定、精度验证、精度抽查、GCP轨迹纠正等多个电子地图采集与制作环节，均需要频繁地选取交通标牌的角点来确定交通标牌信息。一般通过人工操作的方式来选取标牌角点的。
然而，由于采集的激光点云数据中存在边缘噪点、角点缺失及背景点的干扰，在人工选取标牌角点时，需要反复的对标牌的激光点云数据进行手动交互操作才能得到标牌角点。操作过程繁琐，费时费力，且标牌角点获取的准确度低。
发明内容
本发明实施例提供一种标牌角点获取方法、装置及设备，以提高标牌角点获取的准确性。
第一方面，本发明实施例提供一种标牌角点获取方法，包括：从采集的激光点云数据中获取目标标牌点的标牌点信息；根据所述目标标牌点的标牌点信息确定所述目标标牌点所属的标牌点集合，其中，所述标牌点集合为所述目标标牌点所在的目标标牌上的点的集合；根据所述标牌点集合进行平面拟合和投影，得到标牌投影图，并存储所述标牌点集合中的点和所述标牌投影图上的点的对应关系；根据预存的匹配规则对所述标牌投影图进行匹配，确定所述目标标牌的初始标牌角点，其中，所述初始标牌角点的坐标为二维坐标；根据所述标牌点集合中的点和所述标牌投影图上的点的对应关系确定所述初始标牌角点对应的目标标牌角点，其中，所述目标标牌角点的坐标是三维坐标。
可选的，所述根据预存的匹配规则对所述标牌投影图进行匹配，确定所述目标标牌的初始标牌角点，包括：根据角点检测算法检测所述标牌投影图上的角点，确定第一候选标牌角点集合；根据预存的匹配规则对所述第一候选标牌角点集合中的第一候选标牌角点进行匹配，确定初始标牌角点。
可选的，所述目标标牌点的标牌点信息包括所述目标标牌点的三维坐标和所述目标标牌点的采集时刻；在所述根据所述目标标牌点的标牌点信息确定所述目标标牌点所属的标牌点集合之后，还包括：分别确定所述标牌点集合中的每个标牌点的采集时刻与所述目标标牌点的采集时刻的时刻差，得到时刻差集合；判断所述时刻差集合中的任一时刻差是否大于预设的时刻阈值，得到第一判断结果；若所述第一判断结果表示所述时刻差集合中有大于所述时刻阈值的时刻差，则将所述时刻差集合中大于所述时刻阈值的时刻差对应的所述标牌点集合中的标牌点删掉；根据欧式距离聚类算法以所述目标标牌点为参考点，对删除部分标牌点后的标牌点集合进行聚类处理，得到新的标牌点集合。
可选的，所述目标标牌点的标牌信息包括所述目标标牌点的三维坐标和所述目标标牌点的强度值；在所述根据所述目标标牌点的标牌点信息确定所述目标标牌点所属的标牌点集合之后，还包括：分别确定所述标牌点集合中的每个标牌点的强度值与所述目标标牌点的强度值的强度差，得到强度差集合；判断所述强度差集合中的任一强度差是否大于预设的强度阈值，得到第二判断结果；若所述第二判断结果表示所述强度差集合中有大于所述强度阈值的强度差，则将所述强度差集合中大于所述强度阈值的强度差对应的所述标牌点集合中的标牌点删掉；根据欧式距离聚类算法以所述目标标牌点为参考点，对删除部分标牌点后的标牌点集合进行聚类处理，得到新的标牌点集合。
可选的，所述根据所述标牌点集合进行平面拟合和投影，得到标牌投影图，包括：根据所述标牌点集合中的点进行空间拟合，得到空间平面；将所述目标标牌点投射到所述空间平面上，得到目标平面标牌点；根据所述目标平面标牌点在所述空间平面上构建二维坐标系；根据预设规则在所述二维坐标系中构建初始二值化图像，其中，所述初始二值化图像中每个像素点的像素值为0；确定所述标牌点集合中的每个点在所述初始二值化图像中的坐标；将所述标牌点集合中的每个点在所述初始二值化图像中的坐标处的像素值设为1，得到标牌投影图。
可选的，所述根据所述目标平面标牌点在所述空间平面上构建二维坐标系，包括：确定第一平面标牌点，其中，所述第一平面标牌点为与所述目标平面标牌点的高程差在预设高程差阈值范围内的点；将所述目标平面标牌点设为二维坐标系的中心；将所述目标平面标牌点和与所述第一平面标牌点连接，得到第一连接线；将所述第一连接线设为所述二维坐标系的x轴，其中，x轴正方向指向所述第一平面标牌点；垂直于所述第一连接线确定第二连接线；将所述第二连接线设为所述二维坐标系的y轴，其中，y轴正方向朝下。
可选的，所述根据预存的匹配规则对所述标牌投影图进行匹配，确定所述目标标牌的初始标牌角点，包括：获取标牌角点模板图；按预设的旋转规则对所述标牌角点模板图进行旋转，得到标牌角点模板图集；将所述标牌角点模板图集中的每个标牌角点模板图对所述标牌投影图中的每个像素进行匹配，得到所述目标标牌的初始标牌角点。
第二方面，本发明实施例提供一种标牌角点获取装置，包括：
获取模块，用于从采集的激光点云数据中获取目标标牌点的标牌点信息；确定模块，用于根据所述目标标牌点的标牌点信息确定所述目标标牌点所属的标牌点集合，其中所述标牌点集合为所述目标标牌点所在的目标标牌上的点的集合；投影模块，用于根据所述标牌点集合进行平面拟合和投影，得到标牌投影图，并存储所述标牌点集合中的点和所述标牌投影图上的点的对应关系；匹配模块，用于根据预存的匹配规则对所述标牌投影图进行匹配，确定所述目标标牌的初始标牌角点，其中，所述初始标牌角点的坐标为二维坐标；所述确定模块，还用于根据所述标牌点集合中的点和所述标牌投影图上的点的对应关系确定所述初始标牌角点对应的目标标牌角点，其中，所述目标标牌角点的坐标是三维坐标。
第三方面，本发明实施例提供一种标牌角点获取设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面任一项所述的标牌角点获取方法。
第四方面，本发明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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面任一项所述的标牌角点获取方法。
本发明实施例提供了一种标牌角点获取方法、装置及设备，采用上述方案后，只需要确定标牌中的一个激光点，就可以根据该激光点从预先扫描得到的激光点云数据中确定标牌点集合，进而从标牌点集合中自动确定标牌的角点，操作过程简单，省时省力，且提高了标牌角点获取的准确度。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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为为本发明实施例提供的标牌角点获取方法的应用示意图；
图2为本发明实施例提供的标牌角点获取方法的流程示意图；
图3为本发明另一实施例提供的标牌角点获取方法的流程示意图；
图4a为本发明实施例提供的常规的矩阵标牌示意图；
图4b为本发明实施例提供的常规的矩阵标牌的标牌角点模板示意图；
图4c为本发明实施例提供的组合矩形标牌示意图；
图4d为本发明实施例提供的组合矩阵标牌的标牌角点模板示意图；
图5为本发明实施例提供的标牌角点模板旋转后的示意图；
图6为本发明实施例提供的标牌角点获取装置的结构示意图；
图7为本发明实施例提供的标牌角点获取设备的硬件结构示意图。
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，都属于本发明保护的范围。
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”、“第三”“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，以便这里描述的本发明的实施例例如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。
图1为本发明实施例提供的标牌角点获取方法的应用示意图，如图1所示，包括标牌实体101、扫描设备102和服务器103，扫描设备102负责扫描标牌实体101，获取标牌实体的激光点云数据，然后将获取的激光点云数据发送至服务器103进行处理。服务器103会根据扫描得到的激光点云数据进行处理，确定扫描得到的云数据中标牌的角点。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，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为本发明实施例提供的标牌角点获取方法的流程示意图，本实施例的方法可以由服务器103执行。如图2所示，本实施例的方法，可以包括：
S201：从采集的激光点云数据中获取目标标牌点的标牌点信息。
具体的，采集的激光点云数据中可能包括若干标牌的激光点信息，还可能包括在扫描过程中扫描到的与标牌无关的激光点信息。管理人员可以根据激光点的位置，选择出一个属于标牌的激光点，设置为目标标牌点。在确定了目标标牌点之后，可以获取目标标牌点的标牌点信息。可以包括目标标牌点的位置坐标、目标标牌点的采集时刻或者目标标牌点的强度值。
S202：根据所述目标标牌点的标牌点信息确定所述目标标牌点所属的标牌点集合，其中，所述标牌点集合为所述目标标牌点所在的目标标牌上的点的集合。
具体的，在确定了目标标牌点之后，可以在以该目标标牌点为中心的预设的空间范围内进行搜索，确定该目标标牌点所属的目标标牌的点的集合。其中，预设空间范围可以根据标牌的种类或规则自行进行设定。一般可以设置为以目标标牌点为中心，在平面半径两米，高两米的圆柱体范围内进行搜索，确定所属的目标标牌的点的集合。
此外，在搜集过程中，可能会将所有的激光点都会包含在内，为了提高标牌角点的确定精度，可以对搜索到的点进行约束，剔除非标牌点。例如，可以按照采集时间进行约束、可以按照强度值进行约束，还可以按照激光点之间的空间连续性进行约束。
S203：根据所述标牌点集合进行平面拟合和投影，得到标牌投影图，并存储所述标牌点集合中的点和所述标牌投影图上的点的对应关系。
具体的，在确定了标牌点集合之后，可以根据标牌点集合中的点进行空间拟合。其中，可以通过RANSAC进行平面拟合，拟合表达式为aX+bY+cZ＝1，其中，a、b和c是平面拟合表达式对应的参数，也代表该平面的法向量，X、Y和Z是拟合后的平面中一个点的三维坐标。
此外，在拟合过程中，可以将粗差阈值为1cm，求解最佳的平面参数a、b和c。同时，还可以筛选出不属于标牌的点，即粗差点，将粗差点剔除，得到更加精确的标牌点集合，更能提高标牌角点的选取精度。
首先根据目标标牌点在空间平面上构建一个二维坐标系，然后将标牌点集合中的点均投射到该二维坐标系中，并确定在二维坐标系中的坐标。再确定了二维坐标系中的坐标之后，还可以保存二维坐标系中点的坐标与标牌点集合中的点的对应关系来保证后续确定标牌角点之后进行坐标系的转换。
S204：根据预存的匹配规则对所述标牌投影图进行匹配，确定所述目标标牌的初始标牌角点，其中，所述初始标牌角点的坐标为二维坐标。
具体的，可以根据预存的第一匹配模板先对标牌投影图进行第一轮粗匹配，确定标牌角点的粗略位置。在实际中，标牌还可能会存在倾斜角度，为了减少倾斜误差，可以将第一匹配模板进行不同角度的倾斜，得到第二匹配模板，然后通过第二匹配模板对第一轮粗匹配确定的标牌角点的粗略位置进行精匹配，确定精确的标牌角点坐标。
此外，在经过第二匹配模板的匹配之后，就可以确定标牌的倾斜角度。对于后续标牌角点确定的过程中，为了减少计算量，提高计算效率，可以直接将第一匹配模板在原先的基础上倾斜第二轮匹配中确定出的倾斜角度。后续直接利用倾斜后的第一匹配模板对对标牌投影图进行匹配，确定标牌角点。
S205：根据所述标牌点集合中的点和所述标牌投影图上的点的对应关系确定所述初始标牌角点对应的目标标牌角点，其中，所述目标标牌角点的坐标是三维坐标。
具体的，标牌投影图上的点的坐标系是二维坐标系，在根据标牌投影图确定了初始标牌角点之后，需要根据存储的标牌点集合中的点和标牌投影图上的点的对应关系确定二维标牌角点的三维标牌角点坐标，最终确定的三维标牌角点坐标即目标标牌角点的坐标。
采用上述方案后，只需要确定标牌中的一个激光点，就可以根据该激光点从预先扫描得到的激光点云数据中确定标牌点集合，进而从标牌点集合中自动确定标牌的角点，操作过程简单，省时省力，且提高了标牌角点获取的准确度。
基于图2的方法，本说明书实施例还提供了该方法的一些具体实施方案，下面进行说明。
在一个具体实施方式中，在所述根据预存的匹配规则对所述标牌投影图进行匹配，确定所述目标标牌的初始标牌角点，可以包括：
根据角点检测算法检测所述标牌投影图上的角点，确定第一候选标牌角点集合。
具体的，在对标牌投影图进行匹配之前，还可以先根据角点检测算法对提取标牌投影图中的角点，得到候选的标牌角点，候选的标牌角点可以有多个。其中，可以采用如Harris或Susan提取标牌投影图中的候选标牌角点。
根据预存的匹配规则对所述第一候选标牌角点集合中的第一候选标牌角点进行匹配，确定初始标牌角点。
具体的，在根据预存的匹配规则对候选标牌角点进行匹配时，缩小了匹配的角点范围，可以提高匹配精度。
在一个具体实施方式中，如图3所示，为本发明另一实施例提供的标牌角点获取方法的流程示意图，所述目标标牌点的标牌点信息包括所述目标标牌点的三维坐标和所述目标标牌点的采集时刻。
在所述根据所述目标标牌点的标牌点信息确定所述目标标牌点所属的标牌点集合之后，还可以包括：
S301：分别确定所述标牌点集合中的每个标牌点的采集时刻与所述目标标牌点的采集时刻的时刻差，得到第一时刻差集合。
S302：判断所述第一时刻差集合中的任一时刻差是否大于预设的时刻阈值，得到第一判断结果。
S303：若所述第一判断结果表示所述第一时刻差集合中有大于所述时刻阈值的时刻差，则将所述第一时刻差集合中大于所述时刻阈值的时刻差对应的所述标牌点集合中的标牌点删掉。
具体的，考虑到某个标牌可能存在被不同时间多次重复采集的情况，选点不希望受其它采集点云的干扰，因此需要设置时间约束，只将选点限定在当次采集点云数据中。另外，由于激光点误差随测量距离增大而线性增大，距离标牌中心较远的激光点误差比较大，应该剔除。其中，高速作业时，时刻阈值可以设为2s。市区作业时，时刻阈值可以设为4s。
S304：根据欧式距离聚类算法以所述目标标牌点为参考点，对删除部分标牌点后的标牌点集合进行聚类处理，得到新的标牌点集合。
具体的，标牌作为一个独立的要素，其点云内部存在连续性，而跟其它要素之间存在一定的空间间隔。以目标标牌点作为种子点，对标牌点集合进行欧式距离聚类处理。其中，欧式距离聚类的关键参数是近邻搜索半径，该参数依据采集数据的在标牌处的平均点间距进行设置，而点密度与激光雷达的扫描线数量、扫描线分辨率及车速有关。其中，标牌点间距可以设置为1cm，近邻搜索半径可以设置为2cm。
此外，得到的新的标牌点集合可以采用采集时间进行约束、可以按照强度值进行约束或按照激光点之间的空间连续性进行约束三种方式的任意一种或多种进行约束，可以有效剔除噪点以及背景点的干扰。
在一个具体实施方式中，所述目标标牌点的标牌信息包括所述目标标牌点的三维坐标和所述目标标牌点的强度值。
在所述根据所述目标标牌点的标牌点信息确定所述目标标牌点所属的标牌点集合之后，还可以包括：
分别确定所述标牌点集合中的每个标牌点的强度值与所述目标标牌点的强度值的强度差，得到强度差集合。
判断所述强度差集合中的任一强度差是否大于预设的强度阈值，得到第二判断结果。
若所述第二判断结果表示所述强度差集合中有大于所述强度阈值的强度差，则将所述强度差集合中大于所述强度阈值的强度差对应的所述标牌点集合中的标牌点删掉。
根据欧式距离聚类算法以所述目标标牌点为参考点，对删除部分标牌点后的标牌点集合进行聚类处理，得到新的标牌点集合。
具体的，标牌表面的材质一般都是统一的，其对应的激光点强度值也应在一定的范围内。其中，强度阈值可以设置为0.1。
在一个具体实施方式中，所述根据所述标牌点集合进行平面拟合和投影，得到标牌投影图，可以包括：
根据所述标牌点集合中的点进行空间拟合，得到空间平面。将所述目标标牌点投射到空间平面上，得到目标平面标牌点。根据所述目标平面标牌点在空间平面上构建二维坐标系。
具体的，在确定标牌投影图时，需要先根据标牌点集合中的点进行空间拟合，得到空间平面。然后在构建二维坐标系时，可以将目标标牌点先投射到空间平面上，得到二维的目标平面标牌点。然后再根据二维的目标平面标牌点在空间平面上构建二维坐标系。
根据预设规则在所述二维坐标系中构建初始二值化图像，其中，所述初始二值化图像中每个像素点的像素值为0。确定所述标牌点集合中的每个点在所述初始二值化图像中的坐标。将所述标牌点集合中的每个点在所述初始二值化图像中的坐标处的像素值设为1，得到标牌投影图。
具体的，再将标牌点集合上的点投射到二维坐标系中之后，可以确定标牌点集合上的点在二维坐标系中的最大外包矩形。外包矩形可以用表达式B(min_x,min_y,max_x,max_y)，其中，min_x,min_y为坐标值最小的激光点的坐标，max_x,max_y为坐标值最大的激光点的坐标。
则可以根据表达式确定最大外包矩形的宽度为：
w＝(max_x-min_x)/θ。
则可以根据表达式确定最大外包矩形的高度为：
h＝(max_y-min_y)/θ。
其中，θ为标牌点集合上的点投射到二维坐标系之后的点的密度。
然后根据确定的最大外包矩形的高度和宽度，构建一副宽度为w，高度为h的二值化图像。并且，初始化每个像素点值为0。
然后再根据表达式：
Figure BDA0002417971930000101
确定二值化图像中每个像素点的坐标，并将s(u,v)的像素值设为1。其中，p(px,py)为投射到二维坐标系中的点的坐标，s(u,v)为二值化图像中点的坐标。
在一个具体实施方式中，所述根据所述目标平面标牌点在所述空间平面上构建二维坐标系，包括：
确定第一平面标牌点，其中，所述第一平面标牌点为与所述目标平面标牌点的高程差在预设高程差阈值范围内的点。
将所述目标平面标牌点设为二维坐标系的中心。
将所述目标平面标牌点和与所述第一平面标牌点连接，得到第一连接线。
将所述第一连接线设为所述二维坐标系的x轴，其中，x轴正方向指向所述第一平面标牌点。
垂直于所述第一连接线确定第二连接线。
将所述第二连接线设为所述二维坐标系的y轴，其中，y轴正方向朝下。
具体的，设目标平面标牌点为P0，将P0投影到空间平面L上，得到投影后的三维坐标
Figure BDA0002417971930000111
再取一个与P0高程相近点，即第一平面标牌点P1，其中，高程差阈值范围为P1与P0的高度差在1cm的范围内。将P1投影到空间平面上得到三维点P1 -，以
Figure BDA0002417971930000112
为投影平面坐标系中心，
Figure BDA0002417971930000113
与P1 -P1 -的连线作为二维坐标系的x轴，以垂直于
Figure BDA0002417971930000114
和P1 -连线方向为y轴，x轴正方向指向P1 -P1 -，y方向正方向朝下。对于标牌点集合中的一点P，其投影到空间平面L后的点为P-，P-P-在二维坐标系下的坐标为P(Px，Py)，Px为P-点距离y轴的距离。Py为P-点距离x轴的距离。
在一个具体实施方式中，所述根据预存的匹配规则对所述标牌投影图进行匹配，确定所述目标标牌的初始标牌角点，可以包括：
获取标牌角点模板图。按预设的旋转规则对所述标牌角点模板图进行旋转，得到标牌角点模板图集。将所述标牌角点模板图集中的每个标牌角点模板图对所述标牌投影图中的每个像素进行匹配，得到所述目标标牌的初始标牌角点。优选的，如将第一标牌角点模板图按预设的第一旋转规则进行旋转，得到第一标牌角点模板图集。将所述第一标牌角点模板图集中的每个标牌角点模板图对所述标牌投影图中的每个像素进行初步匹配，得到第二候选标牌角点集合。将所述标牌角点模板图按预设的第二旋转规则进行旋转，得到第二标牌角点模板图。将所述第二标牌角点模板图按预设的第三旋转规则进行旋转，得到第二标牌角点模板图集。将所述第二标牌角点模板图集中的每个第二标牌角点模板图对所述第二候选标牌角点集合中的每个角点进行匹配，得到所述目标标牌的初始标牌角点。
具体而言，考虑到噪点、点云角点缺失的影响，图像角点检测算法提取到的角点不一定是真正的标牌角点，需要进一步筛选及精提取。对于标牌角点，一般分为两种，如图4a所示，为常规的矩阵标牌，即为普通的标牌角点，采用如图4b所示的标牌角点模板进行匹配。如图4c所示，为组合矩形标牌，即为复杂的组合矩形角点，采用如图4d所示的标牌角点模板进行匹配。其中，模板图像为二值化图像，黑色区域像素值为0，白色区域像素值为1。
此外，考虑到角度因素，需要以标牌角点模板为基础，分别旋转0°、90°、180°和270°，共得到8个第一标牌角点模板，得到第一标牌角点模板图集。其中，半径可以取5个像素，即每个候选区域是以目标标牌点在投影图中的投影点为中心，半径为5*5像素的图像区域。
以候选区域里的每个点为中心，构建待匹配图像。待匹配图像与第一模板图像大小相同，均为5*5像素。对于每个待匹配图像，利用第一标牌角点模板图集中的第一标牌角点模板分别进行8次模板匹配。然后在根据以下表达式确定匹配图像与第一标牌角点模板的相似性，即匹配度：
Figure BDA0002417971930000121
其中，i是候选区域中的第i个点，i<5*5，j为第j个标牌角点模板，j<8；M、N为待匹配图像的宽和高，其均为5，m、n分别代表待匹配图像上的第m行，第n列，m<5，n<5，V(m,n)代表待匹配图像与第一标牌角点模板在像素点(m,n)处的匹配结果，其中，V＝1表示二者像素值相同，否则，V＝0代表二者的像素值不同。D(i,j)表示由候选区域内的第i个点构成的待匹配图像，与第j个标牌角点模板匹配后的相似度。
对候选区域的每个点进行模板匹配，取相似度最大的一组模板匹配结果，设其i＝i_b，j＝j_b，D(i,j)＝D_b，设置相似度阈值D_min1，若D_b>D_min1，则认为该候选角点是真正的标牌角点，进入第二轮的的精匹配；否则，认为该候选角点为无效角点，剔除，得到第二候选标牌角点集合。一般的，可取D_min1为0.8。
在经过第一轮粗匹配之后，已找到了标牌角点的粗略位置，还需要进一步精提取。由于投影坐标系x轴近似平行于地面，保证了标牌的上边缘在投影图像中是近似水平的，那么标牌角点跟模版之间只存在小角度的旋转。因此，需要在模板粗匹配之后，在基本旋转角度的基础上，考虑了投影图存在一定的倾斜，需要加上一定大小的倾角误差；同时，角点中心坐标也需要进一步的精细化，考虑以上角度倾斜误差及角点中心误差，构建待匹配图像与第二标牌角点模板，然后将第二标牌角点在进行角度旋转，得到第二标牌角点模板集。然后利用第二标牌角点模板集对第二候选标牌角点集合中的每个角点进行匹配。
例如，在得到了粗匹配选标牌角点的角点中心i_b,以及标牌角点模板j_b之后；以i_b为中心，3*3像素为半径，得到新的候选区域。同时，以标牌角点模板j_b为基础，以±3°为波动范围，以0.1°为角度采样间隔，对标牌角点模板进行旋转变换后，得到新的模板图像组，即第二标牌角点模板图集。比如，如图5所示，j_b为90°模板旋转180°的新标牌角点模板，则第二标牌角点模板图集以该模板图像为基础，绕中心依次旋转的角度可以为-3°、-2.9°、-2.8°……-0.1°、0.1°……2.8°、2.9°、3°，即第二标牌角点模板图集共有2*3.0/0.1+1＝61张图像。
此外，对新的候选区域内的每个点构建待匹配图像，并依次与新的模板图像组进行模板匹配，并计算其相似度。匹配完成后，相似度最高的一组匹配所对应的待匹配图像中心，即为最准确的标牌角点，即初始标牌角点。
此外，对于某一个标牌，其投影图像的倾斜角是固定的，在完成该标牌第一个角点的精匹配后，设得到最佳的倾斜角a。在该标牌剩余角点匹配时，其倾斜角a可以直接设置，即模板图的基本旋转角为：a，90+a，180+a，270+a，只需要进行第一轮匹配即可，可以较大程度上减少计算量，提高标牌角点的计算效率。
基于同样的思路，本说明书实施例还提供了上述方法对应的装置，如图6所示，为本发明实施例提供的标牌角点获取装置的结构示意图，可以包括：
获取模块601，用于从采集的激光点云数据中获取目标标牌点的标牌点信息。
确定模块602，用于根据所述目标标牌点的标牌点信息确定所述目标标牌点所属的标牌点集合，其中所述标牌点集合为所述目标标牌点所在的目标标牌上的点的集合。
投影模块603，用于根据所述标牌点集合进行平面拟合和投影，得到标牌投影图，并存储所述标牌点集合中的点和所述标牌投影图上的点的对应关系。
匹配模块604，用于根据预存的匹配规则对所述标牌投影图进行匹配，确定所述目标标牌的初始标牌角点，其中，所述初始标牌角点的坐标为二维坐标。
所述确定模块602，还用于根据所述标牌点集合中的点和所述标牌投影图上的点的对应关系确定所述初始标牌角点对应的目标标牌角点，其中，所述目标标牌角点的坐标是三维坐标。
在一个具体实施方式中，所述匹配模块，还用于：
根据角点检测算法检测所述标牌投影图上的角点，确定第一候选标牌角点集合。
根据预存的匹配规则对所述第一候选标牌角点集合中的第一候选标牌角点进行匹配，确定初始标牌角点。
在一个具体实施方式中，所述目标标牌点的标牌点信息包括所述目标标牌点的三维坐标和所述目标标牌点的采集时刻，所述确定模块，还用于：
分别确定所述标牌点集合中的每个标牌点的采集时刻与所述目标标牌点的采集时刻的时刻差，得到时刻差集合。
判断所述时刻差集合中的任一时刻差是否大于预设的时刻阈值，得到第一判断结果。
若所述第一判断结果表示所述时刻差集合中有大于所述时刻阈值的时刻差，则将所述时刻差集合中大于所述时刻阈值的时刻差对应的所述标牌点集合中的标牌点删掉。
根据欧式距离聚类算法以所述目标标牌点为参考点，对删除部分标牌点后的标牌点集合进行聚类处理，得到新的标牌点集合。
在一个具体实施方式中，所述目标标牌点的标牌信息包括所述目标标牌点的三维坐标和所述目标标牌点的强度值；
所述确定模块，还用于：
分别确定所述标牌点集合中的每个标牌点的强度值与所述目标标牌点的强度值的强度差，得到强度差集合。
判断所述强度差集合中的任一强度差是否大于预设的强度阈值，得到第二判断结果。
若所述第二判断结果表示所述强度差集合中有大于所述强度阈值的强度差，则将所述强度差集合中大于所述强度阈值的强度差对应的所述标牌点集合中的标牌点删掉。
根据欧式距离聚类算法以所述目标标牌点为参考点，对删除部分标牌点后的标牌点集合进行聚类处理，得到新的标牌点集合。
在一个具体实施方式中，所述投影模块，还用于：
根据所述标牌点集合中的点进行空间拟合，得到空间平面。
将所述目标标牌点投射到空间平面上，得到目标平面标牌点。
根据所述目标平面标牌点在所述空间平面上构建二维坐标系。
根据预设规则在所述二维坐标系中构建初始二值化图像，其中，所述初始二值化图像中每个像素点的像素值为0。
确定所述标牌点集合中的每个点在所述初始二值化图像中的坐标。
将所述标牌点集合中的每个点在所述初始二值化图像中的坐标处的像素值设为1，得到标牌投影图。
在一个具体实施方式中，所述投影模块，还用于：
确定第一平面标牌点，其中，所述第一平面标牌点为与所述目标平面标牌点的高程差在预设高程差阈值范围内的点。
将所述目标平面标牌点设为二维坐标系的中心。
将所述目标平面标牌点和与所述第一平面标牌点连接，得到第一连接线；
将所述第一连接线设为所述二维坐标系的x轴，其中，x轴正方向指向所述第一平面标牌点。
垂直于所述第一连接线确定第二连接线。
将所述第二连接线设为所述二维坐标系的y轴，其中，y轴正方向朝下。
在一个具体实施方式中，所述匹配模块，还用于：
获取标牌角点模板图。
按预设的旋转规则对所述标牌角点模板图进行旋转，得到标牌角点模板图集。
将所述标牌角点模板图集中的每个标牌角点模板图对所述标牌投影图中的每个像素进行匹配，得到所述目标标牌的初始标牌角点。
优选的，所述匹配模块，用于将第一标牌角点模板图按预设的第一旋转规则进行旋转，得到第一标牌角点模板图集。将所述第一标牌角点模板图集中的每个标牌角点模板图对所述标牌投影图中的每个像素进行初步匹配，得到第二候选标牌角点集合。将所述标牌角点模板图按预设的第二旋转规则进行旋转，得到第二标牌角点模板图。将所述第二标牌角点模板图按预设的第三旋转规则进行旋转，得到第二标牌角点模板图集。将所述第二标牌角点模板图集中的每个第二标牌角点模板图对所述第二候选标牌角点集合中的每个角点进行匹配，得到所述目标标牌的初始标牌角点。
本发明实施例提供的标牌角点获取装置，可以实现上述如图2所示的实施例的标牌角点获取方法，其实现原理和技术效果类似，此处不再赘述。
图7为本发明实施例提供的标牌角点获取设备的硬件结构示意图。如图7所示，本实施例提供的运输任务的监控设备700包括：至少一个处理器701和存储器702。其中，处理器701、存储器702通过总线703连接。
在具体实现过程中，至少一个处理器701执行所述存储器702存储的计算机执行指令，使得至少一个处理器701执行上述方法实施例中的标牌角点获取方法。
处理器701的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图7所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component Interconnect，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现上述方法实施例的标牌角点获取方法。
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种标牌角点获取方法，其特征在于，包括：
从采集的激光点云数据中获取目标标牌点的标牌点信息；
根据所述目标标牌点的标牌点信息确定所述目标标牌点所属的标牌点集合，其中，所述标牌点集合为所述目标标牌点所在的目标标牌上的点的集合；
根据所述标牌点集合进行平面拟合和投影，得到标牌投影图，并存储所述标牌点集合中的点和所述标牌投影图上的点的对应关系；
根据预存的匹配规则对所述标牌投影图进行匹配，确定所述目标标牌的初始标牌角点，其中，所述初始标牌角点的坐标为二维坐标；
根据所述标牌点集合中的点和所述标牌投影图上的点的对应关系确定所述初始标牌角点对应的目标标牌角点，其中，所述目标标牌角点的坐标是三维坐标。
2.根据权利要求1所述的方法，其特征在于，所述根据预存的匹配规则对所述标牌投影图进行匹配，确定所述目标标牌的初始标牌角点，包括：
根据角点检测算法检测所述标牌投影图上的角点，确定第一候选标牌角点集合；
根据预存的匹配规则对所述第一候选标牌角点集合中的第一候选标牌角点进行匹配，确定初始标牌角点。
3.根据权利要求1所述的方法，其特征在于，所述目标标牌点的标牌点信息包括所述目标标牌点的三维坐标和所述目标标牌点的采集时刻；
在所述根据所述目标标牌点的标牌点信息确定所述目标标牌点所属的标牌点集合之后，还包括：
分别确定所述标牌点集合中的每个标牌点的采集时刻与所述目标标牌点的采集时刻的时刻差，得到时刻差集合；
判断所述时刻差集合中的任一时刻差是否大于预设的时刻阈值，得到第一判断结果；
若所述第一判断结果表示所述时刻差集合中有大于所述时刻阈值的时刻差，则将所述时刻差集合中大于所述时刻阈值的时刻差对应的所述标牌点集合中的标牌点删掉；
根据欧式距离聚类算法以所述目标标牌点为参考点，对删除部分标牌点后的标牌点集合进行聚类处理，得到新的标牌点集合。
4.根据权利要求1所述的方法，其特征在于，所述目标标牌点的标牌信息包括所述目标标牌点的三维坐标和所述目标标牌点的强度值；
在所述根据所述目标标牌点的标牌点信息确定所述目标标牌点所属的标牌点集合之后，还包括：
分别确定所述标牌点集合中的每个标牌点的强度值与所述目标标牌点的强度值的强度差，得到强度差集合；
判断所述强度差集合中的任一强度差是否大于预设的强度阈值，得到第二判断结果；
若所述第二判断结果表示所述强度差集合中有大于所述强度阈值的强度差，则将所述强度差集合中大于所述强度阈值的强度差对应的所述标牌点集合中的标牌点删掉；
根据欧式距离聚类算法以所述目标标牌点为参考点，对删除部分标牌点后的标牌点集合进行聚类处理，得到新的标牌点集合。
5.根据权利要求1所述的方法，其特征在于，所述根据所述标牌点集合进行平面拟合和投影，得到标牌投影图，包括：
根据所述标牌点集合中的点进行空间拟合，得到空间平面；
将所述目标标牌点投射到所述空间平面上，得到目标平面标牌点；
根据所述目标平面标牌点在所述空间平面上构建二维坐标系；
根据预设规则在所述二维坐标系中构建初始二值化图像，其中，所述初始二值化图像中每个像素点的像素值为0；
确定所述标牌点集合中的每个点在所述初始二值化图像中的坐标；
将所述标牌点集合中的每个点在所述初始二值化图像中的坐标处的像素值设为1，得到标牌投影图。
6.根据权利要求5所述的方法，其特征在于，所述根据所述目标平面标牌点在所述空间平面上构建二维坐标系，包括：
确定第一平面标牌点，其中，所述第一平面标牌点为与所述目标平面标牌点的高程差在预设高程差阈值范围内的点；
将所述目标平面标牌点设为二维坐标系的中心；
将所述目标平面标牌点和与所述第一平面标牌点连接，得到第一连接线；
将所述第一连接线设为所述二维坐标系的x轴，其中，x轴正方向指向所述第一平面标牌点；
垂直于所述第一连接线确定第二连接线；
将所述第二连接线设为所述二维坐标系的y轴，其中，y轴正方向朝下。
7.根据权利要求1所述的方法，其特征在于，所述根据预存的匹配规则对所述标牌投影图进行匹配，确定所述目标标牌的初始标牌角点，包括：
获取标牌角点模板图；
按预设的旋转规则对所述标牌角点模板图进行旋转，得到标牌角点模板图集；
将所述标牌角点模板图集中的每个标牌角点模板图对所述标牌投影图中的每个像素进行匹配，得到所述目标标牌的初始标牌角点。
8.一种标牌角点获取装置，其特征在于，包括：
获取模块，用于从采集的激光点云数据中获取目标标牌点的标牌点信息；
确定模块，用于根据所述目标标牌点的标牌点信息确定所述目标标牌点所属的标牌点集合，其中所述标牌点集合为所述目标标牌点所在的目标标牌上的点的集合；
投影模块，用于根据所述标牌点集合进行平面拟合和投影，得到标牌投影图，并存储所述标牌点集合中的点和所述标牌投影图上的点的对应关系；
匹配模块，用于根据预存的匹配规则对所述标牌投影图进行匹配，确定所述目标标牌的初始标牌角点，其中，所述初始标牌角点的坐标为二维坐标；
所述确定模块，还用于根据所述标牌点集合中的点和所述标牌投影图上的点的对应关系确定所述初始标牌角点对应的目标标牌角点，其中，所述目标标牌角点的坐标是三维坐标。
9.一种标牌角点获取设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至7任一项所述的标牌角点获取方法。
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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的标牌角点获取方法。
CN202010196969.6A 2020-03-19 2020-03-19 标牌角点获取方法、装置及设备 Active CN113496145B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010196969.6A CN113496145B (zh) 2020-03-19 2020-03-19 标牌角点获取方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010196969.6A CN113496145B (zh) 2020-03-19 2020-03-19 标牌角点获取方法、装置及设备

Publications (2)

Publication Number Publication Date
CN113496145A true CN113496145A (zh) 2021-10-12
CN113496145B CN113496145B (zh) 2023-06-16

Family

ID=77993147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010196969.6A Active CN113496145B (zh) 2020-03-19 2020-03-19 标牌角点获取方法、装置及设备

Country Status (1)

Country Link
CN (1) CN113496145B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197308A (zh) * 2013-03-15 2013-07-10 浙江大学 基于多波束相控阵声纳系统的三维声纳可视化处理方法
CN106815553A (zh) * 2016-12-13 2017-06-09 华中科技大学 一种基于边缘匹配的红外前视图像舰船检测方法
CN106845324A (zh) * 2015-12-03 2017-06-13 高德软件有限公司 路牌信息的处理方法和装置
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
CN108257185A (zh) * 2018-01-03 2018-07-06 上海兴芯微电子科技有限公司 多棋盘格角点检测方法及摄像机标定方法
CN109271861A (zh) * 2018-08-15 2019-01-25 武汉中海庭数据技术有限公司 多尺度融合的点云交通标识牌自动提取方法
CN109635052A (zh) * 2018-10-31 2019-04-16 百度在线网络技术（北京）有限公司 点云数据的处理方法、装置和存储介质
US20190195616A1 (en) * 2016-08-29 2019-06-27 Beijing Qingying Machine Visual Technology Co., Ltd. Method and apparatus for processing three-dimensional vision measurement data
CN110136246A (zh) * 2019-05-15 2019-08-16 南京林业大学 基于类主干点的三维树木几何模型重建方法
CN110148205A (zh) * 2018-02-11 2019-08-20 北京四维图新科技股份有限公司 一种基于众包影像的三维重建的方法和装置
US20200003869A1 (en) * 2018-07-02 2020-01-02 Beijing Didi Infinity Technology And Development Co., Ltd. Vehicle navigation system using pose estimation based on point cloud

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197308A (zh) * 2013-03-15 2013-07-10 浙江大学 基于多波束相控阵声纳系统的三维声纳可视化处理方法
CN106845324A (zh) * 2015-12-03 2017-06-13 高德软件有限公司 路牌信息的处理方法和装置
US20190195616A1 (en) * 2016-08-29 2019-06-27 Beijing Qingying Machine Visual Technology Co., Ltd. Method and apparatus for processing three-dimensional vision measurement data
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
CN106815553A (zh) * 2016-12-13 2017-06-09 华中科技大学 一种基于边缘匹配的红外前视图像舰船检测方法
CN108257185A (zh) * 2018-01-03 2018-07-06 上海兴芯微电子科技有限公司 多棋盘格角点检测方法及摄像机标定方法
CN110148205A (zh) * 2018-02-11 2019-08-20 北京四维图新科技股份有限公司 一种基于众包影像的三维重建的方法和装置
US20200003869A1 (en) * 2018-07-02 2020-01-02 Beijing Didi Infinity Technology And Development Co., Ltd. Vehicle navigation system using pose estimation based on point cloud
CN109271861A (zh) * 2018-08-15 2019-01-25 武汉中海庭数据技术有限公司 多尺度融合的点云交通标识牌自动提取方法
CN109635052A (zh) * 2018-10-31 2019-04-16 百度在线网络技术（北京）有限公司 点云数据的处理方法、装置和存储介质
CN110136246A (zh) * 2019-05-15 2019-08-16 南京林业大学 基于类主干点的三维树木几何模型重建方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
凌江: "基于双旋转模板的黑白棋盘角点检测算法", 《微型机与应用》 *
刘亮等: "基于区域灰度变化的自适应FAST角点检测算法", 《微电子学与计算机》 *
方莉娜等: "车载激光扫描数据的结构化道路自动提取方法", 《测绘学报》 *
李晓天等: "基于层次分析和神经网络的机载LiDAR点云分类", 《北京测绘》 *
赵艳等: "一种改进的Harris角点检测算法", 《桂林电子科技大学学报》 *

Also Published As

Publication number Publication date
CN113496145B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
CN110210409B (zh) 表格单据中表格框线检测方法及系统
CN111179152B (zh) 一种道路标识识别方法及装置、介质、终端
CN104778679B (zh) 一种基于高分一号卫星数据的控制点图元快速匹配方法
CN109271861B (zh) 多尺度融合的点云交通标识牌自动提取方法
CN110956100A (zh) 一种高精度地图生成方法、装置、电子设备和存储介质
CN110969592B (zh) 图像融合方法、自动驾驶控制方法、装置和设备
CN112396640A (zh) 图像配准方法、装置、电子设备及存储介质
CN111681285B (zh) 一种标定方法、装置、电子设备及存储介质
CN111027538A (zh) 一种基于实例分割模型的集装箱检测方法
CN113158895A (zh) 票据识别方法、装置、电子设备及存储介质
CN116452852A (zh) 一种高精度矢量地图的自动生成方法
CN116485856B (zh) 一种基于语义分割的无人机图像地理配准方法及相关设备
Liu et al. Deep-learning and depth-map based approach for detection and 3-D localization of small traffic signs
Liu et al. Image-translation-based road marking extraction from mobile laser point clouds
CN114897669A (zh) 一种标注方法、装置及电子设备
CN115657049A (zh) 一种隧道车载激光雷达定位纠偏方法及系统
CN117911668A (zh) 药品信息识别方法及装置
CN112733855B (zh) 表格结构化方法、表格恢复设备及具有存储功能的装置
CN113763438B (zh) 一种点云配准方法、装置、设备及存储介质
CN113496145B (zh) 标牌角点获取方法、装置及设备
Ruiz et al. Automatic extraction of road intersections from images based on texture characterisation
CN113269803B (zh) 基于2d激光与深度图像融合的扫描定位方法、系统及设备
CN115376018A (zh) 建筑物高度及占地面积计算方法、装置、设备及存储介质
CN116206139A (zh) 一种基于局部自卷积的无人机图像升尺度匹配方法
Jende et al. Low-level tie feature extraction of mobile mapping data (MLS/images) and aerial imagery

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
GR01 Patent grant
GR01 Patent grant