【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及道路标识识别方法、装置、设备及存储介质。
技术介绍
1、泊车感知环境下的道路标识检测是智能驾驶技术中关键的一环，技术通过车辆上搭载的传感器系统对周围环境进行扫描和分析，从而使车辆能够准确理解道路上的标志、信号和限速标识等信息。激光雷达是道路标识检测常用的传感器之一，能够高效地获取道路、障碍物以及标识物等环境信息，通过发射激光束并测量其反射回来的时间来精确地获取周围环境的三维结构信息，从而帮助智能泊车系统建立起对道路标识的空间认知。获取三维空间信息后，通过计算机视觉算法对道路标识进行检测，实现智能泊车过程中对道路标识的提取。
2、随着人工智能在自动驾驶行业的发展，道路标识检测的研究得到了一定程度上的突破，然而，在极端暴雨环境下的智能泊车道路标识检测的技术研究较少。暴雨天气会导致道路上的能见度急剧下降，雨水、雾气和风等因素会影响激光雷达的性能，降低传感器获取环境信息的准确性，导致激光雷达、相机无法清晰地捕捉道路标识的数据，从而影响标识的识别精度。
3、上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本申请的主要目的在于提供一种道路标识识别方法、装置、设备及存储介质，旨在解决恶劣天气导致车辆无法清晰地捕捉道路标识的数据，影响道路标识的识别精度的技术问题。
2、为实现上述目的，本申请提出一种道路标识识别方法，所述道路标识识别方法包括：
3、获取车辆的雷达反射点云数据；p>
4、对所述雷达反射点云数据进行滤波、配准处理，得到点云数据集；
5、根据所述点云数据集生成初始图像数据集，对所述初始图像数据集进行图像修复，得到参考标识图像；
6、对所述参考标识图像进行图像分割，得到道路标识。
7、在一实施例中，所述对所述雷达反射点云数据进行滤波、配准处理，得到点云数据集，包括：
8、根据预设滤波窗口对所述雷达反射点云数据进行中值滤波，得到滤波后的点云数据；
9、获取历史点云数据集，根据历史点云数据集和所述滤波后的点云数据进行点云配准，得到配准后的点云数据集；
10、根据预设高程阈值对所述配准后的点云数据集进行高程滤波，得到点云数据集。
11、在一实施例中，所述根据预设滤波窗口对所述雷达反射点云数据进行中值滤波，得到滤波后的点云数据，包括：
12、根据预设滤波窗口遍历所述雷达反射点云数据，得到参考像素点集；
13、根据所述参考像素点集中各个像素点的像素值得到像素点中值；
14、根据所述像素点中值得到滤波后的点云数据。
15、在一实施例中，所述获取历史点云数据集，根据历史点云数据集和所述滤波后的点云数据进行点云配准，得到配准后的点云数据集，包括：
16、获取历史点云数据集，将所述滤波后的点云数据映射至所述历史点云数据集，得到参考点云数据；
17、基于所述参考点云数据中目标历史点云和目标待配准点云得到旋转矩阵和平移矩阵；
18、根据所述旋转矩阵和平移矩阵对所述滤波后的点云数据进行矩阵变换，得到配准后的点云数据集。
19、在一实施例中，所述根据所述点云数据集生成初始图像数据集，对所述初始图像数据集进行图像修复，得到参考标识图像，包括：
20、对所述点云数据集进行聚类，得到道路标识点云数据集；
21、对所述道路标识点云数据集进行点云投影，得到初始图像数据集；
22、对所述初始图像数据集进行图像修复，得到参考标识图像。
23、在一实施例中，所述对所述初始图像数据集进行图像修复，得到参考标识图像，包括：
24、基于预设图像修复模型根据预设噪音对所述初始图像数据集进行强化处理，得到强化后的初始图像数据集；
25、根据历史图像修复误差优化所述预设图像修复模型的模型参数，得到优化后的模型参数；
26、基于优化后的模型参数对所述初始图像数据集进行图像修复，得到参考标识图像。
27、在一实施例中，所述对所述参考标识图像进行图像分割，得到道路标识，包括：
28、对所述参考标识图像进行特征提取，得到细节特征和语义特征；
29、根据所述细节特征和所述语义特征对所述参考标识图像进行图像分割，得到道路标识。
30、此外，为实现上述目的，本申请还提出一种道路标识识别装置，所述道路标识识别装置包括：
31、点云数据获取模块，用于获取车辆的雷达反射点云数据；
32、点云数据处理模块，用于对所述雷达反射点云数据进行滤波、配准处理，得到点云数据集；
33、图像数据修复模块，用于根据所述点云数据集生成初始图像数据集，对所述初始图像数据集进行图像修复，得到参考标识图像；
34、道路标识识别模块，用于对所述参考标识图像进行图像分割，得到道路标识。
35、此外，为实现上述目的，本申请还提出一种道路标识识别设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的道路标识识别方法的步骤。
36、此外，为实现上述目的，本申请还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的道路标识识别方法的步骤。
37、此外，为实现上述目的，本申请还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的道路标识识别方法的步骤。
38、本申请提出的一个或多个技术方案，至少具有以下技术效果：
39、通过点云滤波和点云配准在暴雨场景下对激光雷达数据进行滤波和点云配准的预处理，可以有效提高受损数据的质量，为后续道路标识的分割奠定基础，然后对处理后的点云数据进行图像修复，减少了暴雨场景下雨雾产生的噪音斑点对道路标识数据的影响，提高道路标识分割的精度，再对激光雷达点云生成的道路标识进行分割，实现道路标识像素级提取，能够在恶劣天气下准确识别道路标识。
本文档来自技高网...【技术保护点】
1.一种道路标识识别方法，其特征在于，所述道路标识识别方法包括：
2.如权利要求1所述的道路标识识别方法，其特征在于，所述对所述雷达反射点云数据进行滤波、配准处理，得到点云数据集，包括：
3.如权利要求2所述的道路标识识别方法，其特征在于，所述根据预设滤波窗口对所述雷达反射点云数据进行中值滤波，得到滤波后的点云数据，包括：
4.如权利要求2所述的道路标识识别方法，其特征在于，所述获取历史点云数据集，根据历史点云数据集和所述滤波后的点云数据进行点云配准，得到配准后的点云数据集，包括：
5.如权利要求1所述的道路标识识别方法，其特征在于，所述根据所述点云数据集生成初始图像数据集，对所述初始图像数据集进行图像修复，得到参考标识图像，包括：
6.如权利要求5所述的道路标识识别方法，其特征在于，所述对所述初始图像数据集进行图像修复，得到参考标识图像，包括：
7.如权利要求1所述的道路标识识别方法，其特征在于，所述对所述参考标识图像进行图像分割，得到道路标识，包括：
8.一种道路标识识别装置，其特征在于，所述
9.一种道路标识识别设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的道路标识识别程序，所述道路标识识别程序配置为实现如权利要求1至7中任一项所述的道路标识识别方法。
10.一种存储介质，其特征在于，所述存储介质上存储有道路标识识别程序，所述道路标识识别程序被处理器执行时实现如权利要求1至7任一项所述的道路标识识别方法。
...【技术特征摘要】
1.一种道路标识识别方法，其特征在于，所述道路标识识别方法包括：
2.如权利要求1所述的道路标识识别方法，其特征在于，所述对所述雷达反射点云数据进行滤波、配准处理，得到点云数据集，包括：
3.如权利要求2所述的道路标识识别方法，其特征在于，所述根据预设滤波窗口对所述雷达反射点云数据进行中值滤波，得到滤波后的点云数据，包括：
4.如权利要求2所述的道路标识识别方法，其特征在于，所述获取历史点云数据集，根据历史点云数据集和所述滤波后的点云数据进行点云配准，得到配准后的点云数据集，包括：
5.如权利要求1所述的道路标识识别方法，其特征在于，所述根据所述点云数据集生成初始图像数据集，对所述初始图像数据集进行图像修复，得到参考标识图像，包括：
...
【专利技术属性】
技术研发人员：潘宇彤，程梁柱，朱亚坤，裴耿辉，牛源，
申请(专利权)人：东风汽车集团股份有限公司，
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。