[發明專利]一種交通標志的定位方法、裝置、設備和介質

在審

• 申請號: 202010310661.X
• 申請日: 2020-04-20
• 公開（公告）號: CN111652050A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 王凱
• 申請（專利權）人: 寧波吉利汽車研究開發有限公司;浙江吉利控股集團有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;賈允

1.一種交通標志的定位方法，其特征在于，所述方法包括：

獲取前方道路的圖像數據和前方道路的雷達點云數據；

將所述圖像數據和所述雷達點云數據融合，得到融合圖像數據；

基于交通標志定位識別模型，對所述融合圖像數據進行識別，得到交通標志數據，所述交通標志數據包括第一位置數據，所述第一位置數據表征待定位交通標志在二維空間中的位置數據；

對所述第一位置數據進行空間轉換，得到第二位置數據，所述第二位置數據表征所述待定位交通標志在三維空間中的位置數據；

根據所述第二位置數據，確定所述待定位交通標志的空間坐標。

2.根據權利要求1所述的一種交通標志的定位方法，其特征在于，所述獲取前方道路的圖像數據和前方道路的雷達點云數據包括：

獲取前方道路的圖像數據；

同步獲取前方道路的初始雷達點云數據；

對所述初始雷達點云數據中的每一個點進行編號，得到編號后的初始雷達點云數據；

將所述編號后的初始雷達點云數據作為雷達點云數據。

3.根據權利要求1所述的一種交通標志的定位方法，其特征在于，所述將所述圖像數據和所述雷達點云數據融合，得到融合圖像數據包括：

根據預設的轉換矩陣，將所述雷達點云數據映射為二維坐標數據；

將所述二維坐標數據與所述圖像數據進行融合，得到融合圖像數據。

4.根據權利要求1所述的一種交通標志的定位方法，其特征在于，所述交通標志數據包括交通標志信息和第一位置數據，所述交通標志定位識別模型包括區域提取層、卷積層和分類回歸層，基于交通標志定位識別模型，對所述融合圖像數據進行識別，得到交通標志信息和第一位置數據包括：

基于所述區域提取層中預設的標準候選框，對融合圖像數據進行區域提取，得到交通標志候選區域信息；

基于所述卷積層，對所述交通標志候選區域信息進行特征提取，得到交通標志特征信息；

基于所述分類回歸層，對所述交通標志特征信息進行分類，得到交通標志信息；

基于所述分類回歸層，對所述交通標志特征信息進行邊界回歸，得到第一位置數據。

5.根據權利要求2所述的一種交通標志的定位方法，其特征在于，所述對所述第一位置數據進行空間轉換，得到第二位置數據包括：

根據所述第一位置數據，得到交通標志區域信息；

根據所述交通標志區域信息，確定交通標志的二維坐標數據，所述交通標志的二維坐標數據中包括所述雷達點云數據中每個點的編號；

根據所述交通標志的二維坐標數據中每個點的編號，獲取對應的雷達點云數據中交通標志的三維坐標數據；

基于預設的聚類分析算法，對所述交通標志的三維坐標數據進行去除干擾點的操作，得到第二位置數據。

6.根據權利要求1所述的一種交通標志的定位方法，其特征在于，所述獲取前方道路的圖像數據和前方道路的雷達點云數據之前，還包括：

獲取多組圖像標定信息和多組雷達點云標定信息，所述圖像標定信息為固定位置進行采集的標定物體中預定點的二維坐標信息，所述雷達點云標定信息為固定位置進行采集的標定物體中預定點的三維坐標信息；

基于所述多組圖像標定信息和所述多組雷達點云標定信息，確定轉換矩陣。

7.根據權利要求1所述的一種交通標志的定位方法，其特征在于，所述方法還包括：

獲取訓練樣本集，所述訓練樣本集是具有標注信息的融合圖像數據；

構建初始神經網絡模型；

基于所述訓練樣本集，對所述初始神經網絡模型進行訓練，得到交通標志定位識別模型；

其中，所述標注信息包括交通標志信息和所述交通標志信息對應的第一位置數據。