路牌三维重建方法、装置、设备及存储介质与流程

1.本公开涉及计算机技术领域，尤其涉及一种路牌三维重建方法、装置、设备及存储介质。


背景技术：

2.自动驾驶是一种无需人为干预，通过电脑系统即可实现自动驾驶控制的场景。在自动驾驶场景下，路牌的三维重建对路线规划，道路识别等自动驾驶操作具有重要意义。因此，如何对路牌进行三维重建，提高路牌三维重建的准确度是需要解决的技术问题。


技术实现要素：

3.为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种路牌三维重建方法、装置、设备及计算机可读存储介质。
4.第一方面，本公开实施例提供一种路牌三维重建方法，包括：
5.获取道路图像序列；
6.在所述道路图像序列中进行路牌识别处理和路牌跟踪处理，得到同一路牌在各道路图像中的包围框；
7.基于所述包围框，在至少部分道路图像中对所述路牌进行特征点匹配处理，得到所述路牌上的点在不同道路图像中的像素位置；
8.基于所述路牌上的点在不同道路图像中的像素位置，确定所述路牌所在的空间平面；
9.将所述路牌在至少一个道路图像中的像素映射到所述空间平面上，得到所述路牌的三维点云。
10.第二方面，本公开实施例提供一种路牌三维重建装置，包括：
11.获取模块，用于获取道路图像序列；
12.识别跟踪模块，用于在所述道路图像序列中进行路牌识别处理和路牌跟踪处理，得到同一路牌在各道路图像中的包围框；
13.匹配模块，用于基于所述包围框，在至少部分道路图像中对所述路牌进行特征点匹配处理，得到所述路牌上的点在不同道路图像中的像素位置；
14.确定模块，用于基于所述路牌上的点在不同道路图像中的像素位置，确定所述路牌所在的空间平面；
15.映射模块，用于将所述路牌在至少一个道路图像中的像素映射到所述空间平面上，得到所述路牌的三维点云。
16.第三方面，本公开实施例提供一种计算机设备，包括：
17.存储器；
18.处理器；以及
19.计算机程序；
20.其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面所述的方法。
21.第四方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现第一方面所述的方法。
22.本公开实施例提供的路牌三维重建方法、装置、设备及存储介质，通过对获得的道路图像序列中的路牌进行识别和跟踪处理，得到同一路牌在各道路图像中的包围框，再根据包围框，对至少部分道路图像中的同一路牌进行特征点匹配处理，得到路牌上的点在不同道路图像中的像素位置，根据路牌上的点在不同道路图像中的像素位置，确定路牌在实际空间中所在的空间平面，再将路牌在至少一个道路图像中的像素映射到路牌实际所在的空间平面上，能够准确得到路牌的三维点云，提高路牌三维重建的准确度。
附图说明
23.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
24.为了更清楚地说明本公开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，对于本领域普通技术人员而言，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。
25.图1为本公开实施例提供的一种应用场景的示意图；
26.图2为本公开实施例提供的一种示例性的路牌的三维重建方法的流程图；
27.图3为本公开实施例提供的一种特征点匹配的方法流程图；
28.图4为本公开实施例提供的另一种特征点匹配的方法流程图；
29.图5为本公开实施例提供的一种路牌的三维重建装置的结构示意图；
30.图6为本公开实施例提供的计算机设备的结构示意图。
具体实施方式
31.为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
32.在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
33.通常情况下，车辆在自动驾驶的过程中，需要进行路线规划、路牌识别等操作，这些操作需要路牌信息的支持，因此，如何进行路牌的三维重建，提高三维重建的准确度是需要解决的技术问题。针对该问题，本公开实施例提供了一种路牌三维重建方法，下面结合具体的实施例对该方法进行介绍。
34.图1为本公开实施例提供的一种应用场景的示意图。该应用场景中包括无人驾驶车辆11，路牌12和摄像头13。本公开实施例提供的方法可以用于对图1所示的路牌12进行三维重建处理。
35.示例的，图2为本公开实施例提供的一种示例性的路牌三维重建方法的流程图。该
方法可以由一种三维重建装置执行，该三维重建装置可以采用软件和/或硬件的方式实现，该三维重建装置可以被理解为一种计算机设备或者计算机设备中的部分功能模块。其中该计算机设备包括但不限于车辆的车机或无人机的控制器。如图2所示，该方法可以包括如下步骤：
36.s201、获取道路图像序列。
37.本公开实施例所称的道路图像序列可以理解为在连续时间上采集得到的道路图像的序列，该道路图像序列中包括多个连续的道路图像。
38.本公开实施例中的道路图像序列可以是实时采集到的图像序列，也可以是预先采集到的图像序列。比如，在图1所示的场景中，可以通过车辆上搭载的摄像头连续的采集道路图像，并将实时采集到的道路图像序列发送给本公开实施例所称的三维重建装置，以使三维重建装置对道路图像序列中的路面元素进行三维重建。或者，在其他的实施方式中，摄像头采集到的道路图像序列也可以存储在预设的数据库中，本公开实施例所称的三维重建装置从数据库中获取预先采集到的道路图像序列并进行三维重建处理。
39.s202、在所述道路图像序列中进行路牌识别处理和路牌跟踪处理，得到同一路牌在各道路图像中的包围框。
40.本公开实施例所称的包围框可以理解为对道路图像中的路牌进行识别处理后得到的路牌的最小外接包围框，包围框的形状可以根据需要预先设定，常用的包围框形状有圆形和矩形。
41.本公开实施例，可以分别对道路图像序列中的每个道路图像进行路牌识别处理，得到路牌在每个道路图像上的包围框。其中，一个道路图像上可以包括一个或多个路牌的图像，当道路图像上包括多个路牌的图像时，通过图像识别处理可以得到多个路牌的包围框。
42.本公开实施例中，对道路图像序列进行跟踪处理的方法可以有多种，比如可以通过特征比对的方式求解不同包围框内图像的特征相似度，将特征相似度高于预设相似度的两个包围框中的路牌确定为同一路牌。或者，还可以通过求解相邻道路图像上的包围框之间的重叠率的方式，将重叠率高于预设阈值的两个包围框中的路牌确定为同一路牌。
43.本公开实施例中，确定相邻道路图像上的包围框之间的重叠率可以选择两帧相邻的道路图像，将道路图像转换为同一坐标系下的图像，该坐标系可以是两帧图像中任意一帧图像所在的坐标系，也可以是不同于两帧图像坐标系的第三个坐标系，将经过转换的两帧图像中路牌包围框的位置进行对比，获得两个包围框重叠部分的面积与两个包围框覆盖部分的面积的比值，得到相邻道路图像上的包围框之间的重叠率，当重叠率高于预先设定的阈值时，可以认为两帧图像中路牌的包围框为同一路牌的包围框。
44.s203、基于所述包围框，在至少部分道路图像中对所述路牌进行特征点匹配处理，得到所述路牌上的点在不同道路图像中的像素位置。
45.本公开实施例所称的至少部分道路图像可以理解为道路图像序列中的全部道路图像，也可以理解为道路图像序列中的一部分道路图像，比如道路图像图列中包含50张道路图像，可以选择在其中的30张道路图像之间进行特征点匹配。
46.本公开实施例所称的特征点可以理解为路牌图像上特征稳定的点，特征点在图像发生变化时特征保持不变。
47.本公开实施例所称的特征点匹配可以理解为将不同路牌图像上的特征点进行特征匹配，将特征相似度高于预设阈值的两个特征点确定为同一特征点，同一特征点在实际中对应于路牌上的同一点。
48.示例的，在一些实施方式中可以采用尺度不变特征变换(scale invariant feature transform，sift)算法，把路牌图像中检测到的特征点用一个128维的特征向量进行描述，一个路牌图像经过sift算法后表示为一个128维的特征向量集，该特征向量集具有对路牌图像缩放，平移，旋转不变的特征，经过尺度空间极点检测，特征点精确定位，特征点的方向确定，特征向量的生成，实现特征点的匹配。基于sift算法实现特征点匹配的方法可以参照相关技术在这里不再详细阐述。当然，sift算法仅是一种可用的特征点匹配方法，而不是唯一方法，实际上，实际中可以根据需要来选择不同的特征匹配方法来实现路牌的特征点匹配，比如光流法、快速特征点提取和描述的算法(oriented fast and rotated brief，orb)等。
49.s204、基于所述路牌上的点在不同道路图像中的像素位置，确定所述路牌所在的空间平面。
50.本公开实施例所称的空间平面可以理解为三维空间中的二维平面，路牌所在的空间平面可以理解为路牌在实际空间中所位于的二维平面。
51.在本公开实施例的一种示例性的实施方式中，可以基于平面上的一点和平面法线方向可以唯一确定一个平面的原理来确定路牌所在的空间平面。具体的，可以基于路牌上的点在不同道路图像中的像素位置，确定得到路牌所在空间平面上的与拍摄设备距离最近的点的坐标；然后将目标点与拍摄设备之间的连线方向作为平面的法线方向，从而基于目标点的坐标以及目标点与拍摄设备之间的连线方向，即可确定得到路牌所在的空间平面。
52.本公开实施例中，确定目标点的坐标可以通过获得的每对匹配点的像素坐标与拍摄该道路图像时的摄像头位姿，根据线面交点的计算方式，以及作为已知参数的摄像头内参矩阵，可以构建每对匹配点的残差函数，残差可以理解为两个匹配点分别投影到路牌平面后，在平面上的欧氏距离。残差函数可以表示如下：
[0053][0054]
其中，fi含义为第i对点对的残差，pc含义为目标点坐标，作为表示平面的参数，p表示具体的投影函数，可以根据直线与平面的交点方式来计算，k为相机内参矩阵，p
ia
为第i组匹配点对在a帧中的像素坐标，t
ia
第i组匹配点对对应的a帧的相机位姿，p
ib
为第i组匹配点对在b帧中的像素坐标，t
ib
第i组匹配点对对应的b帧的相机位姿。
[0055]
所有匹配点的残差共同构成了最终的目标函数：
[0056][0057]
目标点的坐标为该目标函数的变量，通过非线性优化的方法对目标函数求解，使得目标函数值最小的点的坐标就是目标点的坐标。
[0058]
s205、将所述路牌在至少一个道路图像中的像素映射到所述空间平面上，得到所述路牌的三维点云。
[0059]
本公开实施例所称的至少一个道路图像可以是所有道路图像，也可以全部道路图像中的一个或多个道路图像。例如，在一个实施方式中，针对某个特定的路牌，可以从道路
图像序列中确定出对应于该路牌的包围框尺寸最大的道路图像作为目标道路图像，将该路牌在缪包道路图像中的像素映射到该路牌所在的空间平面，即可得到该路牌的三维点云。
[0060]
本公开实施例通过对获得的道路图像序列中的路牌进行识别和跟踪处理，得到同一路牌在各张图片中的包围框，根据包围框对其中部分或全部图像进行特征点匹配，根据得到的路牌上的点在不同图像中的像素位置确定路牌所在的空间平面，选择至少一张道路图像，将它的像素映射到路牌所在的空间平面中，得到的点集就是路牌的三维点云，能够提高三维点云数据的准确性。
[0061]
图3为本公开实施例提供的一种特征点匹配的方法流程图。如图3所示，上述实施例的基础上，可以通过如下方法对不同道路图像上的路牌进行特征点匹配处理。
[0062]
s301、基于预先得到的各道路图像的拍摄位置，从所述道路图像序列中确定出相互之间的拍摄距离小于预设距离的多个道路图像。
[0063]
本公开实施例中，拍摄位置可以理解为拍摄道路图像时车辆所处的位置，示例的，拍摄位置可以由车辆上搭载的高精度gps采集获得，或者基于视觉即时定位与地图创建(simultaneous localization and mapping，slam)等方式获得车体的准确定位信息，具体的执行方式可以参见相关技术，在这里不再赘述。
[0064]
本公开实施例中，拍摄距离可以理解为两张道路图像的拍摄位置之间的距离，可以根据两张道路图像的拍摄位置计算得到。
[0065]
本公开实施例中拍摄距离小于预设距离的多个道路图像可以理解为在低速行驶或者停车场景下拍摄得到的多个道路图像。
[0066]
s302、从所述道路图像序列中删除所述多个道路图像中的一个或多个。
[0067]
车辆在低速行驶或者停车等场景下，车辆上的拍摄设备仍旧是以固定的拍摄频率进行拍摄的，这种情况下由于车辆在单位时间内移动的距离很小，拍摄设备采集到的道路图像很多是重复的，通过对道路图像之间拍摄距离进行判断，从拍摄距离较近的图像中删除一个或多个，能够使得剩余图像之间具有较大的视差，提高路牌重建准确度，同时能够减少数据量，提高处理速度。
[0068]
s303、在剩余的道路图像中对所述路牌进行特征点匹配。
[0069]
本公开实施例在经过删除后剩余的图像序列中对相同的特征点进行匹配处理，具体方法可以参照s203中的技术方案，此处不再赘述。
[0070]
本公开实施例通过删除低速场景或停车场景下采集到的部分道路图像，能够使得剩余图像之间具有较大的视差，提高路牌重建准确度，同时能够减少数据量，提升处理速度。
[0071]
图4为本公开实施例提供的另一种特征点匹配的方法流程图。如图5所示，上述实施例的基础上，可以通过如下方法对不同道路图像上的路牌进行特征点匹配处理。
[0072]
s401、基于所述路牌在各道路图像上的包围框的大小，按照包围框由大到小的顺序，将排序高于预设排序的道路图像作为待处理的道路图像。
[0073]
本公开实施例根据得到的道路图像序列中路牌的包围框，将包围框按照从大到小的顺序进行排序，可以将包围框覆盖的面积作为包围框大小的判断依据，选择排序高于预设排序的道路图像作为待处理的图像。
[0074]
s402、在所述待处理的道路图像中对所述路牌进行特征点匹配。
[0075]
本公开实施例在经过删除后剩余的图像序列中对相同的特征点进行匹配处理，具体方法可以参照s203中的技术方案，此处不再赘述。
[0076]
本公开实施例通过对图像序列按照包围框大小进行排序，选择排序高于预设排序的道路图像，对图像的路牌中路牌进行特征点匹配处理，能够减少过小的视差对后续获得平面参数时的影响，同时也能在路牌图像中提取更多特征点，进一步提高三维点云数据的准确性。
[0077]
需要注意的是，图3和图4所示的两种实施例中的技术方案可以单独使用，也可以将两个实施例的技术方案进行结合，同时应用于路牌的三维重建装置中。
[0078]
图5为本公开实施例提供的路牌的三维重建装置的结构示意图。如图5所示，三维重建装置50包括：获取模块51，识别跟踪模块52，匹配模块53，确定模块54，映射模块55；其中，获取模块51，用于获取道路图像序列；识别跟踪模块52，用于在所述道路图像序列中进行路牌识别处理和路牌跟踪处理，得到同一路牌在各道路图像中的包围框；匹配模块53，用于基于所述包围框，在至少部分道路图像中对所述路牌进行特征点匹配处理，得到所述路牌上的点在不同道路图像中的像素位置；确定模块54，用于基于所述路牌上的点在不同道路图像中的像素位置，确定所述路牌所在的空间平面；映射模块55，用于将所述路牌在至少一个道路图像中的像素映射到所述空间平面上，得到所述路牌的三维点云。
[0079]
可选的，所述识别跟踪模块52包括：识别单元521和跟踪单元522；所述识别单元521用于分别对每个道路图像进行路牌识别处理，得到路牌在每个道路图像上的包围框；所述跟踪单元522用于确定相邻道路图像上的包围框之间的重叠率，将重叠率高于预设阈值的包围框确定为同一路牌的包围框。
[0080]
可选的，所述匹配模块53用于：基于预先得到的各道路图像的拍摄位置，从所述道路图像序列中确定出相互之间的拍摄距离小于预设距离的多个道路图像；从所述道路图像序列中删除所述多个道路图像中的一个或多个；在剩余的道路图像中对所述路牌进行特征点匹配。
[0081]
可选的，所述匹配模块53用于：基于所述路牌在各道路图像上的包围框的大小，按照包围框由大到小的顺序，将排序高于预设排序的道路图像作为待处理的道路图像；在所述待处理的道路图像中对所述路牌进行特征点匹配。
[0082]
可选的，所述确定模块54用于：基于所述路牌上的点在不同道路图像中的像素位置，确定目标点的坐标，所述目标点是指所述空间平面上与拍摄设备距离最近的点；基于所述目标点的坐标以及所述目标点与所述拍摄设备之间的连线方向，确定得到所述空间平面。
[0083]
可选的，所述映射模块55用于：对于所述路牌，从所述道路图像路列中确定出包围框尺寸最大的道路图像作为目标道路图像；将所述路牌在所述目标道路图像中的像素映射到所述空间平面上，得到所述路牌的三维点云。
[0084]
图5所示实施例的路牌的三维重建装置可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
[0085]
图6为本公开实施例提供的计算机设备的结构示意图。本公开实施例提供的计算机设备可以上述方法实施例的处理流程，如图6所示，计算机设备60包括：存储器61、处理器62、计算机程序和通讯接口63；其中，计算机程序存储在存储器61中，并被配置为由处理器
62执行如上所述的路牌三维重建方法。
[0086]
另外，本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现上述实施例所述的路牌三维重建方法。
[0087]
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0088]
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种路牌三维重建方法，其特征在于，所述方法包括：获取道路图像序列；在所述道路图像序列中进行路牌识别处理和路牌跟踪处理，得到同一路牌在各道路图像中的包围框；基于所述包围框，在至少部分道路图像中对所述路牌进行特征点匹配处理，得到所述路牌上的点在不同道路图像中的像素位置；基于所述路牌上的点在不同道路图像中的像素位置，确定所述路牌所在的空间平面；将所述路牌在至少一个道路图像中的像素映射到所述空间平面上，得到所述路牌的三维点云。2.根据权利要求1所述的方法，其特征在于，所述在所述道路图像序列中进行路牌识别处理和路牌跟踪处理，得到同一路牌在各道路图像中的包围框，包括：分别对每个道路图像进行路牌识别处理，得到路牌在每个道路图像上的包围框；确定相邻道路图像上的包围框之间的重叠率，将重叠率高于预设阈值的包围框确定为同一路牌的包围框。3.根据权利要求1所述的方法，其特征在于，所述基于所述包围框，在至少部分道路图像中对所述路牌进行特征点匹配处理，包括：基于预先得到的各道路图像的拍摄位置，从所述道路图像序列中确定出相互之间的拍摄距离小于预设距离的多个道路图像；从所述道路图像序列中删除所述多个道路图像中的一个或多个；在剩余的道路图像中对所述路牌进行特征点匹配。4.根据权利要求1所述的方法，其特征在于，所述基于所述包围框，在至少部分道路图像中对所述路牌进行特征点匹配处理，包括：基于所述路牌在各道路图像上的包围框的大小，按照包围框由大到小的顺序，将排序高于预设排序的道路图像作为待处理的道路图像；在所述待处理的道路图像中对所述路牌进行特征点匹配。5.根据权利要求1-4中任一项所述的方法，其特征在于，所述基于所述路牌上的点在不同道路图像中的像素位置，确定所述路牌所在的空间平面，包括：基于所述路牌上的点在不同道路图像中的像素位置，确定目标点的坐标，所述目标点是指所述空间平面上与拍摄设备距离最近的点；基于所述目标点的坐标以及所述目标点与所述拍摄设备之间的连线方向，确定得到所述空间平面。6.根据权利要求5所述的方法，其特征在于，所述将所述路牌在至少一个道路图像中的像素映射到所述空间平面上，得到所述路牌的三维点云，包括：对于所述路牌，从所述道路图像序列中确定出包围框尺寸最大的道路图像作为目标道路图像；将所述路牌在所述目标道路图像中的像素映射到所述空间平面上，得到所述路牌的三维点云。7.一种路牌三维重建装置，其特征在于，包括：获取模块，用于获取道路图像序列；
识别跟踪模块，用于在所述道路图像序列中进行路牌识别处理和路牌跟踪处理，得到同一路牌在各道路图像中的包围框；匹配模块，用于基于所述包围框，在至少部分道路图像中对所述路牌进行特征点匹配处理，得到所述路牌上的点在不同道路图像中的像素位置；确定模块，用于基于所述路牌上的点在不同道路图像中的像素位置，确定所述路牌所在的空间平面；映射模块，用于将所述路牌在至少一个道路图像中的像素映射到所述空间平面上，得到所述路牌的三维点云。8.根据权利要求7所述的装置，其特征在于，所述识别跟踪模块包括：识别单元和跟踪单元；所述识别单元用于分别对每个道路图像进行路牌识别处理，得到路牌在每个道路图像上的包围框；所述跟踪单元用于确定相邻道路图像上的包围框之间的重叠率，将重叠率高于预设阈值的包围框确定为同一路牌的包围框。9.根据权利要求7所述的装置，其特征在于，所述匹配模块用于：基于预先得到的各道路图像的拍摄位置，从所述道路图像序列中确定出相互之间的拍摄距离小于预设距离的多个道路图像；从所述道路图像序列中删除所述多个道路图像中的一个或多个；在剩余的道路图像中对所述路牌进行特征点匹配。10.根据权利要求7所述的装置，其特征在于，所述匹配模块用于：基于所述路牌在各道路图像上的包围框的大小，按照包围框由大到小的顺序，将排序高于预设排序的道路图像作为待处理的道路图像；在所述待处理的道路图像中对所述路牌进行特征点匹配。11.根据权利要求7-10中任一项所述的装置，其特征在于，确定模块用于：基于所述路牌上的点在不同道路图像中的像素位置，确定目标点的坐标，所述目标点是指所述空间平面上与拍摄设备距离最近的点；基于所述目标点的坐标以及所述目标点与所述拍摄设备之间的连线方向，确定得到所述空间平面。12.根据权利要求11所述的装置，其特征在于，映射模块用于：对于所述路牌，从所述道路图像路列中确定出包围框尺寸最大的道路图像作为目标道路图像；将所述路牌在所述目标道路图像中的像素映射到所述空间平面上，得到所述路牌的三维点云。13.一种计算机设备，其特征在于，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-6中任一项所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的方法。

技术总结
本公开涉及一种路牌三维重建方法、装置、设备及存储介质。该方法包括：获取道路图像序列；在所述道路图像序列中进行路牌识别处理和路牌跟踪处理，得到同一路牌在各道路图像中的包围框；基于所述包围框，在至少部分道路图像中对所述路牌进行特征点匹配处理，得到所述路牌上的点在不同道路图像中的像素位置；基于所述路牌上的点在不同道路图像中的像素位置，确定所述路牌所在的空间平面；将所述路牌在至少一个道路图像中的像素映射到所述空间平面上，得到所述路牌的三维点云。本公开通过识别跟踪道路图像序列中的路牌进行特征点匹配，将图像中路牌的像素映射到根据点确定的路牌平面上，得到路牌三维点云，能够提高三维点云数据的准确性。确性。确性。


技术研发人员：刘坤
受保护的技术使用者：北京罗克维尔斯科技有限公司
技术研发日：2022.03.18
技术公布日：2023/9/22