本公开提供了招牌拓扑关系的构建方法、装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及图像处理、深度学习领域。具体实现方案为：获取多个街景图像；根据街景图像中的招牌信息生成对应的第一招牌拓扑关系；以及根据多个街景图像对应的多个第一招牌拓扑关系，生成多个街景图像对应的第二招牌拓扑关系。本公开的招牌拓扑关系的构建方法，通过获取多个街景图像并生成单个街景图像对应的单张图的拓扑结构图，并融合多个街景图像对应的多个单张图的拓扑结构图以进行拓扑关系的扩展，构建线状的招牌拓扑关系，可以准确详细地描述招牌间的拓扑关系。间的拓扑关系。间的拓扑关系。
【技术实现步骤摘要】
招牌拓扑关系的构建方法、装置、电子设备和存储介质
[0001]本公开涉及人工智能
中的图像处理、深度学习领域，尤其涉及一种招牌拓扑关系的构建方法、装置、电子设备和存储介质。
技术介绍
[0002]现实中各个招牌之间是有相对位置关系的，这种相对位置关系在导航、兴趣点(Point of Interest，简称POI)状态更新等业务中都有重要作用。
[0003]相关技术中，对于招牌的相对位置关系只能通过坐标来描述，但坐标都存在一定的偏差，不能准确地表示各个招牌间的相对位置关系。
技术实现思路
[0004]本公开提供了一种招牌拓扑关系的构建方法、装置、电子设备和存储介质。
[0005]根据本公开的一方面，提供了一种招牌拓扑关系的构建方法，包括：获取多个街景图像；根据所述街景图像中的招牌信息生成对应的第一招牌拓扑关系；以及根据所述多个街景图像对应的多个所述第一招牌拓扑关系，生成所述多个街景图像对应的第二招牌拓扑关系。
[0006]根据本公开的另一方面，提供了一种招牌拓扑关系的构建装置，包括：第一获取模块，用于获取多个街景图像；第一生成模块，用于根据所述街景图像中的招牌信息生成对应的第一招牌拓扑关系；以及第二生成模块，用于根据所述多个街景图像对应的多个所述第一招牌拓扑关系，生成所述多个街景图像对应的第二招牌拓扑关系。
[0007]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开的一方面所述的招牌拓扑关系的构建方法。
[0008]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开的一方面所述的招牌拓扑关系的构建方法。
[0009]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开的一方面所述的招牌拓扑关系的构建方法。
[0010]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0011]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0012]图1是根据本公开第一实施例的招牌拓扑关系的构建方法的流程示意图；
[0013]图2是根据本公开第一实施例的招牌拓扑关系的构建方法的对应招牌“ABCD”的街
景图像原图；
[0014]图3是根据本公开第二实施例的招牌拓扑关系的构建方法的流程示意图；
[0015]图4是根据本公开第二实施例的招牌拓扑关系的构建方法的对应招牌“ABCD”的街景图像矫正图；
[0016]图5是根据本公开第二实施例的招牌拓扑关系的构建方法的对应招牌“EA”的街景图像矫正图；
[0017]图6是根据本公开第二实施例的招牌拓扑关系的构建方法的连续采集轨迹图；
[0018]图7是根据本公开第二实施例的招牌拓扑关系的构建方法的A
’
、B
’
下一个轨迹点采集到的街景图像；
[0019]图8是根据本公开第二实施例的招牌拓扑关系的构建方法的端点招牌“E”对应的人采图像；
[0020]图9是根据本公开第三实施例的招牌拓扑关系的构建方法的流程示意图；
[0021]图10是根据本公开第四实施例的招牌拓扑关系的构建方法的流程示意图；
[0022]图11是根据本公开第五实施例的招牌拓扑关系的构建方法的整体流程示意图；
[0023]图12是根据本公开第一实施例的招牌拓扑关系的构建装置的框图；
[0024]图13是根据本公开第二实施例的招牌拓扑关系的构建装置的框图；
[0025]图14是用来实现本公开实施例的招牌拓扑关系的构建的电子设备的框图。
具体实施方式
[0026]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0027]人工智能(ArtificialIntelligence，简称AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。目前，AI技术具有自动化程度高、精确度高、成本低的优点，得到了广泛的应用。
[0028]图像处理(Image Processing)是用计算机对图像进行分析以达到所需结果的技术。图像处理是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为，应用广泛，多用于测绘学、大气科学、天文学、美图、使图像提高辨识等。
[0029]深度学习(Deep Learning，简称DL)，是机器学习(Machine Learning，简称ML)领域中一个新的研究方向，学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。就具体研究内容而言，主要包括基于卷积运算的神经网络系统，即卷积神经网络；基于多层神经元的自编码神经网络；以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络。深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。
[0030]下面结合附图描述本公开实施例的招牌拓扑关系的构建方法、装置、电子设备和存储介质。
[0031]图1是根据本公开第一实施例的招牌拓扑关系的构建方法的流程示意图。
[0032]如图1所示，本公开实施例的招牌拓扑关系的构建方法具体可包括以下步骤：
[0033]S101，获取多个街景图像。
[0034]具体的，本公开实施例的招牌拓扑关系的构建方法的执行主体可为本公开实施例提供的招牌拓扑关系的构建装置，该招牌拓扑关系的构建装置可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选的，执行主体可包括工作站、服务器，计算机、用户终端及其他设备。其中，用户终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。
[0035]在本公开实施例中，获取的街景图像可以是由图像捕捉装置拍摄的包含一个或多个招牌的街景图像。其中，图像捕捉装置具体可包括但不限于专门的摄像机、智能手机、具有摄像功能的眼镜和头盔等。
[0036]S102，根据街景图像中的招牌信息生成对应的第一招牌拓扑关系。
[0037]具体的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种招牌拓扑关系的构建方法，包括：获取多个街景图像；根据所述街景图像中的招牌信息生成对应的第一招牌拓扑关系；以及根据所述多个街景图像对应的多个所述第一招牌拓扑关系，生成所述多个街景图像对应的第二招牌拓扑关系。2.根据权利要求1所述的构建方法，其中，所述根据所述街景图像中的招牌信息生成对应的第一招牌拓扑关系之前，还包括：对所述街景图像进行图像矫正，以将所述街景图像矫正为视角为正视的街景图像。3.根据权利要求2所述的构建方法，其中，所述对所述街景图像进行图像矫正，包括：确定所述街景图像中的灭点；根据所述灭点计算所述街景图像的透视变换矩阵；根据所述透视变换矩阵对所述街景图像进行图像矫正。4.根据权利要求2所述的构建方法，其中，所述对所述街景图像进行图像矫正，包括：将所述街景图像输入至图像矫正模型中，得到所述街景图像的透视变换矩阵；根据所述透视变换矩阵对所述街景图像进行图像矫正。5.根据权利要求1所述的构建方法，其中，所述根据所述多个街景图像对应的多个所述第一招牌拓扑关系，生成所述多个街景图像对应的第二招牌拓扑关系，包括：将具有相同招牌的两个街景图像对应的两个所述第一招牌拓扑关系进行融合，得到连续的招牌拓扑关系。6.根据权利要求5所述的构建方法，其中，所述根据所述多个街景图像对应的多个所述第一招牌拓扑关系，生成所述多个街景图像对应的第二招牌拓扑关系，还包括：对于和所述多个街景图像中的其他街景图像均不具有相同招牌的街景图像，根据该街景图像的采集位置对应的采集轨迹的历史采集位置、路网、拍摄方向和基础地物，确定所述采集轨迹采集的是同一基础地物同一侧的图像，则将所述历史采集位置对应的所述街景图像融合后的连续的招牌拓扑关系和该街景图像的第一招牌拓扑关系进行融合，得到不连续的招牌拓扑关系。7.根据权利要求6所述的构建方法，还包括：获取与所述不连续的招牌拓扑关系中的端点招牌对应的人采图像或行车记录仪图像；根据所述人采图像或行车记录仪图像中的招牌信息生成对应的所述第一招牌拓扑关系；将所述人采图像或行车记录仪图像和所述端点招牌对应的所述街景图像，对应的两个所述第一招牌拓扑关系进行融合，得到连续的招牌拓扑关系。8.一种招牌拓扑关系的构建装置，包括：第一获取模块，用于获取多个街景图像；第一生成模块，用于根据所述街景图像中的招牌信息生成对应的第一招牌拓扑关系；以及第二生成模块，用于根据所述多个街景图像对应的多个所述第一招牌拓扑关系，生成所述多个街景图像对应的第二招牌拓扑关系。9.根据权利...
【专利技术属性】
技术研发人员：甘露，吴云鹏，王洪志，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。