CN114299469A - 交通路牌的生成方法、装置及设备 - Google Patents

Abstract

本申请涉及一种交通路牌的生成方法、装置及设备。该方法包括：获取至少两张图像，每一张图像中包含至少一个共同的路牌；分别对每一张图像进行路牌识别及路牌角点识别，得到路牌分别在至少两张图像中的位置信息，及路牌角点分别在至少两张图像中的像素坐标；根据路牌分别在至少两张图像中的位置信息及路牌角点分别在至少两张图像中的像素坐标，对识别得到的所有路牌角点进行聚类，确定每一个路牌角点对应所属的路牌；根据每一个路牌对应的各路牌角点分别在至少两张图像中的像素坐标，及相机的地理位置信息，生成每一个路牌的地理坐标。本申请提供的方案，能够自动生成路牌，并实现对至少一个路牌的快速生成，提升了高精地图的绘制效率。

Description

交通路牌的生成方法、装置及设备

技术领域

本申请涉及导航技术领域，尤其涉及一种交通路牌的生成方法、装置及设备。

背景技术

随着人工智能、自动驾驶等技术的发展，构建智慧交通也成为了研究热点，而高精地图是智慧交通数据构建中必不可少的部分。高精地图中可以包含多种交通标识，例如能够通过详细的车道地图来表达现实世界中诸如车道线、行车停止线、人行横道线等地面特征要素以及路牌、红绿灯等高空特征要素，以便为自动驾驶等应用场景时的导航提供数据支撑。

交通标识中路牌作为城市地理实体的信息承载载体，具备地名、路线、距离和方向等信息导航功能，同时作为分布于城市道路交叉口的基础设施，在空间上具有其特殊性，是城市基础物联网的良好载体。正确且高效地进行交通路牌的生成工作，对于高精地图的绘制十分关键。

然而，在相关技术中，利用车辆的相机所获取得到的图像并无法完全自动地生成图像中包含的路牌，其过程通常需要人为参与干涉，进而影响了高精地图绘制的效率。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种交通路牌的生成方法、装置及设备，能够自动生成路牌，并实现对至少一个路牌的快速生成，提升了高精地图的绘制效率。

本申请第一方面提供一种交通路牌的生成方法，包括：

获取至少两张图像，每一张所述图像中包含至少一个共同的路牌；

分别对每一张所述图像进行路牌识别以及路牌角点识别，得到路牌分别在至少两张所述图像中的位置信息，以及路牌角点分别在至少两张所述图像中的像素坐标；

根据所述路牌分别在至少两张所述图像中的位置信息以及路牌角点分别在至少两张所述图像中的像素坐标，对识别得到的所有所述路牌角点进行聚类，确定每一个所述路牌角点对应所属的所述路牌；

根据每一个所述路牌对应的各所述路牌角点分别在至少两张所述图像中的像素坐标，以及拍摄所述至少两张图像时相机的地理位置信息，生成每一个所述路牌的地理坐标。

在一种实施方式中，所述每一张所述图像中包含至少一个共同的路牌，包括：

每一张所述图像中包含至少两个共同的路牌。

在一种实施方式中，所述分别对每一张所述图像进行路牌识别以及路牌角点识别，包括：

利用预设目标检测模型分别对每一张所述图像进行路牌识别以及路牌角点识别。

在一种实施方式中，所述预设目标检测模型为训练完成后的预设目标检测模型；所述预设目标检测模型的训练方式包括利用预设训练数据集对预设目标检测模型进行训练，其中，所述预设训练数据集包括多张对路牌及路牌角点进行过标注的训练图像。

在一种实施方式中，所述预设目标检测模型为YOLO目标检测模型。

在一种实施方式中，所述路牌分别在至少两张所述图像中的位置信息，包括：

路牌的中心点分别在至少两张所述图像中的像素坐标。

在一种实施方式中，所述根据所述路牌分别在至少两张所述图像中的位置信息以及路牌角点分别在至少两张所述图像中的像素坐标，对识别得到的所有所述路牌角点进行聚类，确定每一个所述路牌角点对应所属的所述路牌，包括：

根据路牌分别在至少两张所述图像中的位置信息以及路牌角点分别在至少两张所述图像中的像素坐标，利用预设聚类算法，对识别得到的所有所述路牌角点进行聚类，确定每一个所述路牌角点对应所属的所述路牌。

本申请第二方面提供一种交通路牌的生成装置，包括：

获取模块，用于获取至少两张图像，每一张所述图像中包含至少一个共同的路牌；

识别模块，用于分别对每一张所述获取模块获取的图像进行路牌识别以及路牌角点识别，得到路牌分别在至少两张所述图像中的位置信息，以及路牌角点分别在至少两张所述图像中的像素坐标；

确定模块，用于根据所述识别模块得到的路牌分别在至少两张所述图像中的位置信息以及路牌角点分别在至少两张所述图像中的像素坐标，对识别得到的所有所述路牌角点进行聚类，确定每一个所述路牌角点对应所属的所述路牌；

生成模块，用于根据所述确定模块确定的每一个所述路牌对应的各所述路牌角点分别在至少两张所述图像中的像素坐标，以及拍摄所述至少两张图像时相机的地理位置信息，生成每一个所述路牌的地理坐标。

本申请第三方面提供一种电子设备，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。

本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。

本申请提供的技术方案可以包括以下有益效果：

本申请提供的方法，通过获取至少两张图像，分别对每一张图像进行路牌识别以及路牌角点识别，可以得到路牌分别在至少两张图像中的位置信息，以及路牌角点分别在至少两张图像中的像素坐标，进而通过对识别得到的所有路牌角点进行聚类，确定每一个路牌角点对应所属的路牌，根据每一个路牌对应的各路牌角点分别在至少两张图像中的像素坐标，以及拍摄至少两张图像时相机的地理位置信息，可以生成每一个路牌的地理坐标。这样，实现了对路牌的自动化生成，并实现对至少一个路牌的快速生成，从而可以同时生成多个路牌，有效提升了高精地图的绘制效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。

图1是本申请实施例示出的交通路牌的生成方法的流程示意图；

图2是本申请实施例示出的交通路牌的生成装置的结构示意图；

图3是本申请实施例示出的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

相关技术中，利用车辆的相机所获取得到的图像，并无法完全自动地生成图像中包含的路牌，其过程通常需要人为参与干涉，进而影响了高精地图绘制的效率。

针对上述问题，本申请实施例提供一种交通路牌的生成方法，能够自动生成路牌，提升了高精地图的绘制效率。

以下结合附图详细描述本申请实施例的技术方案。

图1是本申请实施例示出的交通路牌的生成方法的流程示意图。

参见图1，该方法包括：

步骤S101、获取至少两张图像，每一张图像中包含至少一个共同的路牌。

本申请实施例中，可以通过摄像装置来采集行车过程中的视频数据，其中，该摄像装置可以包括但不限于安装于车辆上的行车记录仪、摄像头或司机的手机等具有摄像功能的装置。其中，摄像装置可以为单目摄像装置。摄像装置可以设置于车辆的首部以对车辆前方的路牌进行视频录像，从而获得包含路牌的连续的视频图像，以得到该步骤中的至少两张图像。为了后续对图像进行处理，需要对车辆行驶中获取包含路牌的视频数据进行抽帧。通常，视频的帧率为每秒30帧，可以按照预置的规则对视频进行抽帧，例如，每秒抽10帧、15帧、20帧或其他值，相邻两帧图像的时间间隔为抽帧时间间隔，从而获得拍摄的多张图像。此外，摄像装置在拍摄图像的同时，还会记录下图像的拍摄时间。本申请实施例将采集图像的摄像装置看作为相机。

在该步骤中，可以获取两张图像，也可以获取两张以上的多张图像。在每一张图像中可以包含有至少一个共同的路牌。其中，共同的路牌为存在于每一张图像中的路牌。例如，现实世界中的路牌A，路牌A被相机拍摄成像于至少两张图像中的每一张图像中，则每一张图像中所包含有的共同的路牌可以为路牌A。

进一步的，在一实施方式中，每一张图像中可以包含至少两个共同的路牌。例如，对于现实世界中的路牌A和路牌B，路牌A和路牌B均被相机拍摄成像于每一张图像中，则每一张图像中所包含有的共同的路牌分别是路牌A和路牌B。又例如，对于现实世界中的路牌A、路牌B及路牌C，路牌A、路牌B及路牌C均被相机拍摄成像于每一张图像中，则每一张图像中所包含有的共同的路牌分别是路牌A、路牌B及路牌C。

步骤S102、分别对每一张图像进行路牌识别以及路牌角点识别，得到路牌分别在至少两张图像中的位置信息，以及路牌角点分别在至少两张图像中的像素坐标。

在其中一种实施方式中，可以利用预设目标检测模型分别对每一张图像进行路牌识别以及路牌角点识别，从而得到路牌分别在至少两张图像中的位置信息，以及路牌角点分别在至少两张图像中的像素坐标。

其中，预设目标检测模型可以为YOLO目标检测模型、Faster R-CNN模型或者SSD模型等等。优选的，预设目标检测模型为YOLO目标检测模型。在该实施例中，以预设目标检测模型为YOLO目标检测模型为例进行描述。

在一实施方式中，预设目标检测模型为训练完成后的预设目标检测模型；预设目标检测模型的训练方式包括利用预设训练数据集对预设目标检测模型进行训练，其中，预设训练数据集包括多张对路牌及路牌角点进行过标注的训练图像。例如，训练图像中包含有两个路牌，分别为路牌A和路牌B，则可以对该训练图像中的路牌A的中心点进行标注并画出路牌A的包围框，同理，对该训练图像中的路牌B的中心点进行标注并画出路牌B的包围框。与此同时，还对训练图像中的路牌A以及路牌B中的各个路牌角点的位置进行标注。这样，利用训练完成后的预设目标检测模型对每一张图像进行路牌识别以及路牌角点识别，可以使得对路牌以及路牌角点的识别结果更为准确。

其中，路牌分别在至少两张图像中的位置信息，是分别对每一张图像进行路牌识别所得到的结果。路牌分别在至少两张图像中的位置信息，可以包括：路牌的中心点分别在至少两张图像中的像素坐标。也就是说，通过预设目标检测模型进行检测识别后，可以得到路牌的中心点分别在至少两张图像中的像素坐标，即每一张图像中路牌的中心点的位置(像素坐标)。例如，至少两张图像中每一张图像均包含有路牌A与路牌B，则进行路牌识别后可以得到每一张图像中的路牌A的中心点的像素坐标以及路牌B的中心点的像素坐标。进一步的，路牌分别在至少两张图像中的位置信息，还可以包括：路牌的中心点分别在至少两张图像中的所对应的包围框的宽与高。包围框即图像中将路牌包围的矩形框，包围框的中心点即图像中路牌的中心点。

其中，路牌角点可以是路牌上的拐角点、边角点。例如，对于四边形路牌，路牌角点可以是四边形路牌的四个拐角点(或称顶点)；对于三角形路牌，路牌角点可以是三角形路牌的三个拐角点(或称顶点)；对于圆形路牌，路牌角点可以是圆形路牌的边线上的任意边角点(或称边缘点)。其中，路牌角点分别在至少两张图像中的像素坐标，是分别对每一张图像进行路牌角点识别所得到的结果。举例来说，若至少两张图像中每一张图像均包含有路牌A与路牌B，则进行路牌角点识别后可以得到每一张图像中的路牌A中各个角点的像素坐标(例如，路牌A为三角形路牌，则可以得到该三角形路牌A的三个角点a1、a2、a3的像素坐标；又例如，路牌A为矩形路牌，则可以得到该矩形路牌A的四个角点a1、a2、a3、a4的像素坐标)以及路牌B中各个角点的像素坐标。

在另一种实施方式中，可以利用第一目标检测模型对每一张图像进行路牌识别，并利用第二目标检测模型对每一张图像进行路牌角点识别，从而得到路牌分别在至少两张图像中的位置信息，以及路牌角点分别在至少两张图像中的像素坐标。也就是说，路牌分别在至少两张图像中的位置信息是根据第一目标检测模型的检测结果得到的，路牌角点分别在至少两张图像中的像素坐标是根据第二目标检测模型的检测结果得到的。其中，第一目标检测模型与第二目标检测模型可以是相同或不同的目标检测模型。例如，第一目标检测模型与第二目标检测模型均是YOLO目标检测模型；又例如，第一目标检测模型是YOLO目标检测模型，第二目标检测模型是Faster R-CNN模型。

步骤S103、根据路牌分别在至少两张图像中的位置信息以及路牌角点分别在至少两张图像中的像素坐标，对识别得到的所有路牌角点进行聚类，确定每一个路牌角点对应所属的路牌。

在其中一种可选的实施方式中，可以根据路牌分别在至少两张图像中的位置信息以及路牌角点分别在至少两张图像中的像素坐标，利用预设聚类算法，对识别得到的所有路牌角点进行聚类，确定每一个路牌角点对应所属的路牌。

其中，预设聚类算法可以是K-Means(K均值)聚类等聚类算法。可以根据图像中各个路牌的中心点的像素坐标，对识别得到的所有路牌角点进行聚类，以划分出哪些路牌角点属于同一个路牌的，确定每一个路牌角点对应所属的路牌。

举例来说，例如，对图像进行识别所得到的所有路牌角点的像素坐标，包括：a1、a2、a3、a4、b1、b2、b3、b4的像素坐标，进一步的，根据这张图像的路牌识别结果中的路牌A的中心点的像素坐标以及路牌B的中心点的像素坐标，以划分出路牌角点a1、a2、a3、a4属于路牌A，路牌角点b1、b2、b3、b4属于路牌B。

步骤S104、根据每一个路牌对应的各路牌角点分别在至少两张图像中的像素坐标，以及拍摄至少两张图像时相机的地理位置信息，生成每一个路牌的地理坐标。

其中，每一个路牌对应的各路牌角点可以包括每一个路牌对应的至少三个路牌角点。例如，四边形路牌上的四个路牌角点，三角形路牌上的三个路牌角点。

在其中一实施方式中，至少两张图像为两张图像。根据两张图像，可以计算得到两张图像之间的旋转矩阵和平移矩阵。根据每一个路牌对应的各路牌角点分别在两张图像中的像素坐标，以及计算得到的两张图像之间的旋转矩阵和平移矩阵，可以计算得到每一个路牌对应的各路牌角点相对于相机的空间坐标。利用每一个路牌对应的各路牌角点相对于相机的空间坐标以及拍摄两张图像时相机的地理位置信息，可以生成每一个路牌的地理坐标，即生成每一个路牌的路牌角点的地理坐标，实现路牌的生成制作。可以理解，通过多张图像，计算得到每一个路牌对应的各路牌角点相对于相机的空间坐标可以更为精准。在该步骤中，关于旋转矩阵和平移矩阵的计算方法、各路牌角点相对于相机的空间坐标的计算方法、路牌角点的地理坐标的计算方法，可以参阅相关技术中的介绍，本申请对此不再进行赘述。

需要说明的是，在本实施例中，可通过车载或者手机等配置的定位设备来采集车辆或相机的地理位置信息，其中，定位设备可以采用GPS(Global Positioning System，全球定位系统)、北斗、RTK(RealTimeKinematic，实时动态)等现有设备实现，本申请不作限定。车辆(或相机)的地理位置信息可以包括但不限于车辆(或相机)的地理坐标(如GPS坐标、经纬度坐标等)、方位、航向角、朝向等信息。本申请实施例提供的方法可以应用于车机，也可以应用于其他具备计算和处理功能的设备，如计算机、电脑、手机等。这里以车机为例，相机和定位设备可以内置于车机，也可以设置于车机外，且与车机之间建立通信连接。相机在拍摄图像的同时，定位设备采集车辆或相机的地理位置信息，并一起传输给车机。根据图像的拍摄时间可以查找到同一时间定位设备获取的地理位置信息。可以理解的是，可以事先对相机和定位设备的时间进行同步处理，其目的是使拍摄的图像能够准确对应车辆或相机当时的位置。

从该实施例可以看出，本申请提供的方法，实现了对路牌的自动化生成，并实现对至少一个路牌的快速生成，从而可以同时生成多个路牌，有效提升了高精地图的绘制效率。

与前述应用功能实现方法实施例相对应，本申请还提供了一种交通路牌的生成装置、电子设备及相应的实施例。

图2是本申请实施例示出的交通路牌的生成装置的结构示意图。

参见图2，一种交通路牌的生成装置，包括：获取模块201、识别模块202、确定模块203、生成模块204。

获取模块201，用于获取至少两张图像，每一张图像中包含至少一个共同的路牌。

识别模块202，用于分别对每一张获取模块201获取的图像进行路牌识别以及路牌角点识别，得到路牌分别在至少两张图像中的位置信息，以及路牌角点分别在至少两张图像中的像素坐标。

确定模块203，用于根据识别模块202得到的路牌分别在至少两张图像中的位置信息以及路牌角点分别在至少两张图像中的像素坐标，对识别得到的所有路牌角点进行聚类，确定每一个路牌角点对应所属的路牌。

生成模块204，用于根据确定模块203确定的每一个路牌对应的各路牌角点分别在至少两张图像中的像素坐标，以及拍摄至少两张图像时相机的地理位置信息，生成每一个路牌的地理坐标。

从该实施例可以看出，本申请提供的装置，实现了对路牌的自动化生成，并实现对至少一个路牌的快速生成，从而可以同时生成多个路牌，有效提升了高精地图的绘制效率。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。

图3是本申请实施例示出的电子设备的结构示意图。

参见图3，电子设备300包括存储器310和处理器320。

处理器320可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。

存储器310可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)和永久存储装置。其中，ROM可以存储处理器320或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器310可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(例如DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器310可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器310上存储有可执行代码，当可执行代码被处理器320处理时，可以使处理器320执行上文述及的方法中的部分或全部。

此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。

或者，本申请还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质)，其上存储有可执行代码(或计算机程序或计算机指令代码)，当可执行代码(或计算机程序或计算机指令代码)被电子设备(或服务器等)的处理器执行时，使处理器执行根据本申请的上述方法的各个步骤的部分或全部。

以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种交通路牌的生成方法，其特征在于，包括：

获取至少两张图像，每一张所述图像中包含至少一个共同的路牌；

分别对每一张所述图像进行路牌识别以及路牌角点识别，得到路牌分别在至少两张所述图像中的位置信息，以及路牌角点分别在至少两张所述图像中的像素坐标；

根据所述路牌分别在至少两张所述图像中的位置信息以及路牌角点分别在至少两张所述图像中的像素坐标，对识别得到的所有所述路牌角点进行聚类，确定每一个所述路牌角点对应所属的所述路牌；

根据每一个所述路牌对应的各所述路牌角点分别在至少两张所述图像中的像素坐标，以及拍摄所述至少两张图像时相机的地理位置信息，生成每一个所述路牌的地理坐标。

2.根据权利要求1所述的方法，其特征在于，所述每一张所述图像中包含至少一个共同的路牌，包括：

每一张所述图像中包含至少两个共同的路牌。

3.根据权利要求1所述的方法，其特征在于，所述分别对每一张所述图像进行路牌识别以及路牌角点识别，包括：

利用预设目标检测模型分别对每一张所述图像进行路牌识别以及路牌角点识别。

4.根据权利要求3所述的方法，其特征在于：

所述预设目标检测模型为训练完成后的预设目标检测模型；所述预设目标检测模型的训练方式包括利用预设训练数据集对预设目标检测模型进行训练，其中，所述预设训练数据集包括多张对路牌及路牌角点进行过标注的训练图像。

5.根据权利要求3所述的方法，其特征在于：

所述预设目标检测模型为YOLO目标检测模型。

6.根据权利要求1所述的方法，其特征在于，所述路牌分别在至少两张所述图像中的位置信息，包括：

路牌的中心点分别在至少两张所述图像中的像素坐标。

7.根据权利要求1所述的方法，其特征在于，所述根据所述路牌分别在至少两张所述图像中的位置信息以及路牌角点分别在至少两张所述图像中的像素坐标，对识别得到的所有所述路牌角点进行聚类，确定每一个所述路牌角点对应所属的所述路牌，包括：

根据路牌分别在至少两张所述图像中的位置信息以及路牌角点分别在至少两张所述图像中的像素坐标，利用预设聚类算法，对识别得到的所有所述路牌角点进行聚类，确定每一个所述路牌角点对应所属的所述路牌。

8.一种交通路牌的生成装置，其特征在于，包括：

获取模块，用于获取至少两张图像，每一张所述图像中包含至少一个共同的路牌；

识别模块，用于分别对每一张所述获取模块获取的图像进行路牌识别以及路牌角点识别，得到路牌分别在至少两张所述图像中的位置信息，以及路牌角点分别在至少两张所述图像中的像素坐标；

确定模块，用于根据所述识别模块得到的路牌分别在至少两张所述图像中的位置信息以及路牌角点分别在至少两张所述图像中的像素坐标，对识别得到的所有所述路牌角点进行聚类，确定每一个所述路牌角点对应所属的所述路牌；

生成模块，用于根据所述确定模块确定的每一个所述路牌对应的各所述路牌角点分别在至少两张所述图像中的像素坐标，以及拍摄所述至少两张图像时相机的地理位置信息，生成每一个所述路牌的地理坐标。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的方法。

Images