本發(fā)明涉及視覺處理領域，尤其是涉及一種箭頭優(yōu)化識別的方法及裝置。

背景技術：

1、地下車庫場景中擁有多種箭頭的結構，如直行箭頭、左轉箭頭等，所有箭頭對駕駛員能否準確找到停車位或者進出車庫起著重要作用，因此需要準確識別各類箭頭。在箭頭識別的現(xiàn)有技術中主要是依靠深度學習去做檢測和重建，此類方法需要大量的數(shù)據(jù)集樣本且泛用性不強?；蛘咄ㄟ^ransac方法對屬于箭頭的特征點進行平面擬合，但由于箭頭本身其低紋理的特性，點特征同樣分布較少，從而影響了平面擬合的精度甚至影響系統(tǒng)在后端優(yōu)化時的性能。

2、中國專利申請《cn116503839a》公開了一種路面箭頭的識別方法，該方法根據(jù)上述設想先利用預設箭頭模型對模型進行訓練，在后續(xù)箭頭識別過程中將區(qū)域場景圖像輸入該模型即可實現(xiàn)對該場景下的箭頭識別，通過訓練好的學習模型實現(xiàn)對各類箭頭的準確識別且簡化了后續(xù)過程中相同箭頭的識別流程，但在實際生活中，每個地下車庫的箭頭的規(guī)格不同，此時若使用該方法則需要重新訓練模型使其符合當前場景。

3、因此，在簡化箭頭識別流程的同時提高方法的泛用性是需要解決的問題。

技術實現(xiàn)思路

1、本發(fā)明的目的就是為了克服上述現(xiàn)有技術存在的缺陷而提供一種箭頭優(yōu)化識別的方法及裝置，利用箭頭的邊緣信息，通過直線特征對箭頭進行建模和識別并對其進行位姿和估計，進而將箭頭作為對象納入地圖管理。

2、本發(fā)明的目的可以通過以下技術方案來實現(xiàn)：

3、根據(jù)本發(fā)明的第一方面，提供了一種箭頭優(yōu)化識別方法，該方法包括：

4、s1：第一箭頭識別及保存，所述第一箭頭是指識別過程中第一次出現(xiàn)的所有不同規(guī)格的箭頭，具體步驟如下：

5、預處理：將采集的場景圖像進行分割，得到場景圖像中各個對象，并設置所述對象名稱和矩形包圍框屬性；篩選名稱屬性為箭頭的對象作為待處理對象，提取所述待處理對象矩形包圍框中的初始特征線，并對所述特征線賦予語義信息；所述語義信息為箭頭id；

6、初始特征線處理：依據(jù)語義信息篩選出箭頭id相同的多個特征線，將所述多個特征線3d化得到多個3d特征線；對所述多個3d特征線進行點采樣得到三維空間的樣本點集；

7、第一箭頭重建：依據(jù)所述三維空間的樣本點集，基于pca算法計算得出箭頭主方向和副方向；依據(jù)主副方向建立在世界坐標系下的新坐標系，在該坐標系下還原箭頭位姿，實現(xiàn)對第一箭頭的重建并將重建結果保存；

8、s2：依據(jù)第一箭頭簡化第二箭頭識別，所述第二箭頭是指識別過程中重復出現(xiàn)的與第一箭頭規(guī)格相同的箭頭，

9、具體步驟如下：基于重建的第一箭頭得到對比對象，提取第二箭頭2d特征線并與所述對比對象進行匹配，依據(jù)匹配結果采用epnl算法恢復第二箭頭位姿。

10、作為優(yōu)選的技術方案，采用sam模型對采集圖像進行分割處理。

11、作為優(yōu)選的技術方案，實現(xiàn)初始特征線3d化的方法為：添加箭頭和語義信息為對應箭頭id的多個特征線的二元邊，得到多個3d特征線。

12、作為優(yōu)選的技術方案，所述的特征線的數(shù)量至少為三個。

13、作為優(yōu)選的技術方案，所述第一箭頭重建具體為：

14、按所述樣本點集構建樣本矩陣計算列均值，依據(jù)列均值得出標準化矩陣，對標準化矩陣處理得到協(xié)方差矩陣，求取協(xié)方差矩陣的特征向量和特征值，并將特征值排序；

15、選取出最大的特征值對應的特征向量方向作為主方向，第二大特征值對應的特征向量方向作為副方向；

16、將主副方向進行歸一化處理得到主向量和副向量，所述主向量設為x軸，所述副向量設為y軸，主向量叉乘副向量的結果向量作為z軸，計算樣本點均值，并以該值作為坐標原點。

17、作為優(yōu)選的技術方案，計算列均值的公式為：

18、

19、其中表示樣本點集的列均值，n表示樣本矩陣的列數(shù)，pij表示樣本矩陣中第i行第j列的元素；

20、作為優(yōu)選的技術方案，計算標準化矩陣各元素的公式為：

21、

22、其中sij表示標準化矩陣中第i行第j列的元素，pij表示樣本矩陣中第i行第j列的元素，表示樣本點集的列均值，n表示樣本矩陣的列數(shù)；

23、作為優(yōu)選的技術方案，計算協(xié)方差矩陣各元素的公式為：

24、

25、其中，rij為協(xié)方差矩陣中第i行第j列的元素，n表示標準化矩陣列數(shù)，ski表示標準化矩陣第k行第i列的元素，skj表示標準化矩陣中第第k行第j列的元素。

26、作為優(yōu)選的技術方案，所述s2具體為，

27、在世界坐標系下將第一箭頭的普呂克坐標轉換為箭頭坐標系下的普呂克坐標，提取箭頭坐標系下第一箭頭的3d特征線作為對比對象；

28、提取當前場景圖像中第二箭頭的2d特征線與所述對比對象進行3d-2d的匹配；

29、基于epnl算法計算當前第二箭頭的位姿，并恢復該第二箭頭的三維模型。

30、根據(jù)本發(fā)明的第二方面，提供了一種箭頭優(yōu)化識別的裝置，該裝置包括：

31、第一模塊，用于第一箭頭的預處理，所述第一箭頭是指識別過程中第一次出現(xiàn)的所有不同規(guī)格的箭頭，將采集的場景圖像進行分割，得到場景圖像中各個對象，并設置所述對象名稱和矩形包圍框屬性；篩選名稱屬性為箭頭的對象作為待處理對象，提取所述待處理對象矩形包圍框中的初始特征線，并對所述特征線賦予語義信息；所述語義信息為箭頭id；

32、第二模塊，用于第一箭頭的初始特征線處理，依據(jù)語義信息篩選出箭頭id相同的多個特征線，將所述多個特征線3d化得到多個3d特征線；對所述多個3d特征線進行點采樣得到三維空間的樣本點集；

33、第三模塊，用于第一箭頭重建，依據(jù)所述三維空間的樣本點集，基于pca算法計算得出箭頭主方向和副方向；依據(jù)主副方向建立在世界坐標系下的新坐標系，在該坐標系下還原箭頭位姿，實現(xiàn)對第一箭頭的重建并將重建結果保存；

34、第四模塊，用于第二箭頭識別，所述第二箭頭是指識別過程中重復出現(xiàn)的與第一箭頭規(guī)格相同的箭頭，依據(jù)第一箭頭簡化第二箭頭識別，具體步驟如下：基于重建的第一箭頭得到對比對象，提取第二箭頭2d特征線并與所述對比對象進行匹配，依據(jù)匹配結果采用epnl算法恢復第二箭頭位姿。

35、根據(jù)本發(fā)明的第三方面，提供了一種電子設備，包括存儲器和處理器，所述存儲器上存儲有計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)所述的方法。

36、根據(jù)本發(fā)明的第四方面，提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述程序被處理器執(zhí)行時實現(xiàn)所述的方法。

37、與現(xiàn)有技術相比，本發(fā)明具有以下優(yōu)點：

38、1)、將場景中采集到的第一箭頭作為模板，在后續(xù)識別到相同規(guī)格的箭頭時無需重建，只需與模板箭頭進行對比，簡化了箭頭識別流程，提高了箭頭識別率；

39、2)、該方法不依賴學習模型實現(xiàn)箭頭的檢測和重建，適用于不同的地下車庫場景，具有較強的泛用性。