一种基于点云的高精度方向标志牌目标提取方法技术

本发明专利技术涉及一种基于点云的高精度方向标志牌目标提取方法，包括：获取标志牌的点云数据、RGB图片信息、轨迹信息，将RGB图片按照轨迹信息抽稀处理形成图片数据集合，利用目标检测深度学习模型对图片数据集合提取标志牌的位置信息和属性信息；通过另外的深度学习模型检测出标志牌的形状属性，将其通过轨迹信息关联到点云数据中，并分类保存为点云数据集；将点云数据集中点云数据转化为点云图片，利用语义分割深度学习模型对点云图片的轮廓信息进行预测；将点云图片按照映射关系反投影到点云数据集中，对轮廓点不准确的形点按照点云数据的强度信息进行精提取；通过位置信息将属性信息与形点相关联并保存。本发明专利技术减少了人工提取标志牌中交通要素的时间。

【技术实现步骤摘要】
一种基于点云的高精度方向标志牌目标提取方法
本专利技术涉及高精度地图制作生成领域，尤其是数字地图要素的生成，具体涉及一种基于点云的高精度方向标志牌目标提取方法。
技术介绍
高精度地图，通俗来讲就是精度更高、数据维度更多的电子地图。精度更高体现在精确到厘米级别，数据维度更多体现在其包括了除道路信息之外的与交通相关的周围静态信息。高精度地图将大量的行车辅助信息存储为结构化数据，比如车道周边的固定对象信息，比如交通标志、交通信号灯等指示信息。而在高精度地图要素的制作过程中，目前制作高精度地图标志牌信息使用的方法主要分为两种，一种是在地图制作平台上加载点云的数据，然后人工按照标志牌的轮廓进行描点保存其形状信息，由于点云数据不能判断出标志牌的属性，所以需要根据轨迹信息查找相关图片获取该标志牌的属性信息并保存；另外一种是使用深度学习来自动提取点云数据和RGB图的轮廓信息和属性，其主要思路是通过大量标注标志牌样本，自动提取标志牌的形点串信息和属性。然而如何通过深度学习网络的点云相关模型来识别提取标志牌轮廓信息使精度达到厘米级别的精度，而利用深度学习R本文档来自技高网...

【技术保护点】
1.一种基于点云的高精度方向标志牌目标提取方法，其特征在于，包括以下步骤：/n获取标志牌的点云数据及RGB图片信息，并获取车辆的轨迹信息，将所述RGB图片按照所述轨迹信息进行抽稀处理形成图片数据集合，利用训练好的目标检测深度学习模型对所述图片数据集合提取所述标志牌的位置信息和属性信息；/n通过训练好的形状检测深度学习模型检测出所述标志牌的形状属性，将所述标志牌的形状属性通过所述轨迹信息关联到所述点云数据中，并通过形状属性将所述点云数据分类保存为点云数据集；/n将所述点云数据集中三维的点云数据转化为二维的点云图片，利用训练好的语义分割深度学习模型对所述点云图片的轮廓信息进行预测并保存；/n将二维...

【技术特征摘要】
1.一种基于点云的高精度方向标志牌目标提取方法，其特征在于，包括以下步骤：
获取标志牌的点云数据及RGB图片信息，并获取车辆的轨迹信息，将所述RGB图片按照所述轨迹信息进行抽稀处理形成图片数据集合，利用训练好的目标检测深度学习模型对所述图片数据集合提取所述标志牌的位置信息和属性信息；
通过训练好的形状检测深度学习模型检测出所述标志牌的形状属性，将所述标志牌的形状属性通过所述轨迹信息关联到所述点云数据中，并通过形状属性将所述点云数据分类保存为点云数据集；
将所述点云数据集中三维的点云数据转化为二维的点云图片，利用训练好的语义分割深度学习模型对所述点云图片的轮廓信息进行预测并保存；
将二维的所述点云图片按照映射关系反投影到三维的所述点云数据集当中，对于轮廓点不准确的形点按照点云数据的强度信息进行精提取；
通过位置信息将所述标志牌的属性信息与形点相关联并保存。


2.根据权利要求1所述一种基于点云的高精度方向标志牌目标提取方法，其特征在于，所述获取标志牌的点云数据及RGB图片信息，并获取车辆的轨迹信息，将所述RGB图片按照所述轨迹信息进行抽稀处理形成图片数据集合，利用训练好的目标检测深度学习模型对所述图片数据集合提取所述标志牌的位置信息和属性信息，包括：
扫描标志牌的点云数据，拍摄获取所述标志牌的RGB图片信息，并获取车辆的轨迹信息，将RGB图片按照所述轨迹信息进行抽稀处理形成图片数据集合；
使用标注工具对所述图片数据集合的RGB图片中的标志牌要素进行标注，对标注好的数据进行数据清洗和数据筛选以后形成训练数据集，然后选择合适的目标检测深度学习模型按照所述训练数据集的大小和目标进行超参数修改，再将所述训练数据集送入目标检测深度学习模型中进行训练，根据深度学习目标检测评价指标选取最优的模型作为输出，最后预测得到所述RGB图片的标志牌属性信息和位置信息。


3.根据权利要求1或2所述一种基于点云的高精度方向标志牌目标提取方法，其特征在于，所述获取标志牌的点云数据及RGB图片信息，并获取车辆的轨迹信息，将所述RGB图片按照所述轨迹信息进行抽稀处理形成图片数据集合，利用训练好的目标检测深度学习模型对所述图片数据集合提取所述标志牌的位置信息和属性信息，还包括：
通过目标去重的方式得到不重复的所述标志牌的位置信息和属性信息。


4.根据权利要求3所述一种基于点云的高精度方向标志牌目标提取方法，其特征在于，所述通过目标去重的方式得到不重复的所述标志牌的位置信息和属性信息，包括：
采用sort的方法对同一标志牌目标进行去重，以目标检测的IOU评价指标来判断前后轨迹点所述RGB图片中图像的目标是否属于同一目标，再利用卡尔曼滤波器预测所述图像中标志牌的当前位置，然后通过匈牙利算法关联检测框的目标，将多个前后轨迹点的同一个目标进行去除，保留最大视野的目标图像。


5.根据权利要求1所述一种基于点云的高精度方向标志牌目标提取方法，其特征在于，所述通过训练好的形状检测深度学习模型检测出所述标志牌的形状属性，将所述标志牌的形状属性通过所述轨迹信息关联到所述点云数据中，并通过形状属性将所述点云数据分类保存为点云数据集，包括：
扫描得到某一段路上的所有标志牌的点云数据并计算出轨迹信息；
拍摄获取该路段所有所述标志牌的RGB图片信息；
将矩形标志牌的训练集图片转化为灰度图片送入到形状检测深度学习模型进行训练，得到最优的模型以后对所述图片数据集合的图片进行目标检测，得到矩形标志牌形状属性及位置信息；
将圆形标志牌、三角形标志牌和里程碑标志牌的训练集图片送入到形状检测深度学习模型进行训练...

【专利技术属性】
技术研发人员：何云，熊迹，李汉玢，刘奋，
申请(专利权)人：武汉中海庭数据技术有限公司，
类型：发明
国别省市：湖北;42