交通标牌的匹配方法及装置的制造方法【
技术领域：
】[0001]本发明实施例涉及点云数据处理技术，尤其涉及一种交通标牌的匹配方法及装置。【
背景技术：
】[0002]三维高精地图被工业界和学术界公认为下一代数字地图的主要发展方向，是实现汽车自动驾驶和辅助驾驶的前提条件，为自动驾驶汽车进行精确定位和正确决策提供主要依据。三维高精地图的一个重要环节为建立道路图像与交通标牌点云数据之间的映射关系，其中，交通标牌点云数据为逆向工程中通过测量仪器得到的交通标牌外观表面的点数据集合。[0003]现有技术在建立道路图像与点云数据之间的映射关系时，首先由工程师人工的从点云数据中查找出形状与交通标牌类似的空间点集合，然后将该空间点集合投影到道路图像中，最后由工程师人工的判断该空间点集合是否与道路图像中的交通标牌区域相匹配，如果匹配则建立道路图像中的交通标牌区域的映射关系。[0004]然而，由于每个路段由许多的单帧点云组合而成，而对于每个单帧点云均需要人工进行图像与点云数据的匹配，因此仅凭借工程师进行图像与点云数据的人工映射，匹配效率低。随着点云数据帧的帧数的增多，人工匹配效率低的缺陷将越发凸显。【
发明内容】[0005]本发明提供一种交通标牌的匹配方法及装置，以实现通过机器对道路图像中交通标牌区域和点云数据进行匹配，提高匹配效率。[0006]第一方面，本发明实施例提供了一种交通标牌的匹配方法，包括：[0007]从道路图像中获取至少一个交通标牌图像区域；[0008]从点云数据中获取至少一个交通标牌超素体；[0009]将交通标牌超素体中至少一个空间点投影到所述至少一个交通标牌图像区域中，确定与所述交通标牌超素体匹配的交通标牌图像区域。[0010]第二方面，本发明实施例还提供了一种交通标牌的匹配装置，包括：[0011]图像区域获取单元，用于从道路图像中获取至少一个交通标牌图像区域；[0012]超素体获取单元，用于从点云数据中获取至少一个交通标牌超素体；[0013]匹配单元，用于将所述超素体获取单元得到的交通标牌超素体中至少一个空间点投影到所述至少一个交通标牌图像区域中，确定与所述交通标牌超素体匹配的交通标牌图像区域。[0014]本发明能够由机器从道路图像中获取至少一个交通标牌图像区域，然后从点云数据中获取至少一个交通标牌超素体;最后，将交通标牌超素体中至少一个空间点投影到所述至少一个交通标牌图像区域中，确定与所述交通标牌超素体匹配的交通标牌图像区域。现有技术中需要由工程师人工的从点云数据中查找交通标牌对应的素体，并由人工判断该素体是否与道路图像匹配，匹配效率低。本发明能够由机器对道路图像中交通标牌区域和交通标牌超素体进行匹配，提高匹配效率。【附图说明】[0015]图1为本发明实施例一中的交通标牌的匹配方法的流程图；[0016]图2是本发明实施例二中的交通标牌的匹配方法的流程图；[0017]图3是本发明实施例三中的交通标牌的匹配方法的流程图；[0018]图4是本发明实施例四中的交通标牌的匹配方法的流程图；[0019]图5是本发明实施例五中的交通标牌的匹配装置的结构示意图。【具体实施方式】[0020]下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。[0021]实施例一[0022]图1为本发明实施例一提供的交通标牌的匹配方法的流程图，本实施例可适用于道路点云数据与道路图像进行匹配的情况，该方法可以由用于进行道路点云数据与道路图像进行匹配的终端来执行，该终端可以为服务器、个人电脑、笔记本电脑、平板电脑、汽车中控台、智能手机或智能可穿戴设备等，该方法包括：[0023]S110、从道路图像中获取至少一个交通标牌图像区域。[0024]道路图像可通过拍照设备对道路进行拍照获得。道路图像可以为彩色图像，也可为灰度图像。[0025]通过对道路图像进行图像识别，从道路图像中查找到交通标牌图像区域。识别时，可按照交通标牌的形状特点和颜色特点进行查找。例如将具有蓝色的矩形闭合区域确定为交通标牌图像区域。[0026]S120、从点云数据中获取至少一个交通标牌超素体。[0027]其中，交通标牌超素体包括交通标牌素体和所述交通标牌素体中每个空间点的属性信息。点云数据由N个有向点组成，N为大于等于1的整数。可选的，在S110中进行拍摄的位置点设置点云获取设备，得到道路的点云数据。[0028]素体为多个空间点形成的空间体。如果某素体中每个空间点附带有属性信息，则该素体称为超素体。属性信息如颜色参数、放射率等。交通标牌素体为多个空间点组成的具有交通标牌形状的素体。可使用预先生成的交通标牌超素体样本对点云数据进行扫描，找到与该样本相符的超素体。[0029]S130、将交通标牌超素体中至少一个空间点投影到至少一个交通标牌图像区域中，确定与交通标牌超素体匹配的交通标牌图像区域。[0030]对于任意一个交通标牌超素体，可以将该交通标牌超素体中的全部空间点投影到至少一个交通标牌图像区域中，也可将交通标牌超素体中一个或部分空间点投影到至少一个交通标牌图像区域中。投影的空间点越多，计算量越高，投影越全面。可选的，将交通标牌超素体中预设比例的空间点投影到至少一个交通标牌图像区域中，预设比例为20-80%，优选为50%或60%。如果交通标牌超素体中预设比例的空间点均在交通标牌图像中，则确定交通团中存在交通标牌点云。对每个交通标牌超速点均判断其是否与道路图片中的道路标牌区域匹配，如果匹配则建立交通标牌超素体和交通标牌区域的对应关系。[0031]本实施例能够由机器从道路图像中获取至少一个交通标牌图像区域，然后从点云数据中获取至少一个交通标牌超素体;最后，将交通标牌超素体中至少一个空间点投影到所述至少一个交通标牌图像区域中，确定与所述交通标牌超素体匹配的交通标牌图像区域。现有技术中需要由工程师人工的从点云数据中查找交通标牌对应的素体，并由人工判断该素体是否与道路图像匹配，匹配效率低。本实施例由机器对道路图像中交通标牌区域和交通标牌超素体进行匹配，提高匹配效率。[0032]实施例二[0033]图2为本发明实施例二提供的交通标牌的匹配方法的流程图，其中，S110、从道路图像中获取至少一个交通标牌图像区域，可是通过下述方式实施：[0034]S110'、根据最稳定极值区域（MaximallyStableExtremalRegions，MSER)特征检测器从道路图像中获取至少一个交通标牌图像区域。[0035]MSER特征检测器用于查找当使用不同的灰度阈值对图像进行二值化时，图像中最稳定的区域。MSER提取过程为:首先，使用一系列灰度阈值对图像进行二值化处理;然后，对于每个阈值得到的二值图像，得到相应的黑色区域与白色区域;最后，提取在比较宽的灰度阈值范围（如10-250)内保持形状稳定的区域，提取的区域为交通标牌图像区域。[0036]在实际使用中，交通标牌应当适应于各种照明条件，例如白天、黑夜，又例如晴天、阴天、雨雪、扬沙、雾霾等情况。由于在使用MSER特征检测器进行区域检测时，会使用不同的灰度值对道路图像进行二值化，并对二值化后的图像区域进行比较，且一种灰度值相当于一种照明亮度，因此可得到在不同照明亮度下均能够被识别的交通标牌对一个的稳定区域。通过MSER提取的交通标牌图像区域对于图像灰度的仿射变化具有不变性，提高提取精确度。[0037]可选的，在S110、从道路图像中获取至少一个交通标牌图像区域之后，还包括：[0038]S140、获取交通标牌图像区域的特征向量。[0039]每个交通标牌图像区域对应一个直方图，直方图用于表示交通标牌图像区域中的灰度值分布情况。交通标牌图像区域的协方差矩阵的生成过程如下：[0040]首先，将交通标牌图像区域的直方图表达为一个长度为D的向量Xl。[0041]根据获取N个交通标牌图像区域的直当前第1页1 2 3 4