(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210211840.7 (22)申请日 2022.03.04 (71)申请人 北京小马慧行 科技有限公司 地址 100094 北京市海淀区北清路81号 一 区1号楼16、 17层1701室 (72)发明人 程大治　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 专利代理师 霍文娟 (51)Int.Cl. G06V 20/58(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/762(2022.01)G06V 10/82(2022.01) (54)发明名称 识别路牌下方噪点的方法、 装置与计算机可 读存储介质 (57)摘要 本申请提供了一种识别路牌下方噪点的方 法、 装置与计算机可读 存储介质。 该方法包括： 获 取目标车辆前方区域的 图像数据和点云数据， 前 方区域中包括路牌； 采用3D相机模型对图像数据 进行处理， 得到第一处理结果； 采用激光雷达模 型对点云数据进行处理， 得到第二处理结果； 对 点云数据进行聚类， 得到聚类结果； 根据第一处 理结果和聚类结果的交集， 和/或， 根据第二处理 结果和聚类结果的交集， 确定 路牌下方区域的噪 点是否是真实的物体。 本方案实现了确定路牌下 方区域的噪点是否是真实的物体， 进一步保证车 辆路径规划的精度。 权利要求书2页 说明书10页 附图2页 CN 114581885 A 2022.06.03 CN 114581885 A 1.一种识别路牌下 方噪点的方法， 其特 征在于， 包括： 获取目标 车辆前方区域的图像数据和点云数据， 所述前 方区域中包括路牌； 采用3D相机模型对所述图像数据进行处 理， 得到第一处 理结果； 采用激光雷达模型对所述 点云数据进行处 理， 得到第二处 理结果； 对所述点云数据进行聚类， 得到聚类结果； 根据所述第一处理结果和所述聚类结果的交集， 和/或， 根据 所述第二处理结果和所述 聚类结果的交集， 确定所述路牌下 方区域的噪点是否是真实的物体。 2.根据权利要求1所述的方法， 其特征在于， 采用3D相机模型对所述图像数据进行处 理， 得到第一处 理结果， 包括： 采用3D相机模型对所述图像数据进行处 理， 得到第一标注框； 将所述第一标注框沿所述目标车辆的行驶方向， 按照缩放比例进行缩放， 得到第二标 注框， 所述缩放比例是由所述目标 车辆与前 方目标物之间的距离决定的。 3.根据权利要求2所述的方法， 其特征在于， 所述第二处理结果为第三标注框， 所述聚 类结果为聚类得到的形状的外包围框， 根据所述第一处理结果和所述聚类结果的交集， 和/ 或， 根据所述第二处理结果和所述聚类结果的交集， 确定所述路牌下方区域的噪点是否是 真实的物体， 包括： 获取所述第二标注框与所述外包围框的重合部分的体积占所述外包围框的总体积 的 第一占比； 获取所述第三标注框与所述外包围框的重合部分的体积占所述外包围框的总体积 的 第二占比； 在所述第一占比大于预定占比， 和/或， 所述第二占比大于所述预定占比的情况下， 确 定所述路牌下 方区域的噪点是真实存在的物体； 否则， 确定所述路牌下 方区域的噪点 不是真实存在的物体。 4.根据权利要求3所述的方法， 其特征在于， 在确定所述路牌下方区域的噪点不是真实 存在的物体之后， 所述方法还 包括： 将所述路牌下 方区域的噪点删除。 5.根据权利要求1所述的方法， 其特征在于， 根据所述第一处理结果、 所述第二处理结 果和所述聚类结果， 确定所述路牌下 方区域的噪点是否是真实的物体， 包括： 获取所述目标 车辆与所述路牌之间的距离； 在所述目标车辆与 所述路牌之间的距离大于或者等于第 一距离， 且小于或者等于第 二 距离的情况下， 根据所述第一处理结果和所述聚类结果的交集， 和/或， 根据所述第二处理 结果和所述聚类结果的交集， 确定所述路牌下方区域的噪点是否是真实的物体， 所述第二 距离大于所述第一距离 。 6.根据权利要求5所述的方法， 其特 征在于， 所述方法还 包括： 在所述目标车辆与 所述路牌之间的距离小于所述第 一距离的情况下， 将所述路牌下方 区域的噪点认定为真实存在的物体。 7.根据权利要求5所述的方法， 其特 征在于， 所述方法还 包括： 在所述目标车辆与 所述路牌之间的距离大于第 二距离的情况下， 将所述路牌下方区域 的噪点保留。权　利　要　求　书 1/2 页 2 CN 114581885 A 28.根据权利要求1至7中任一项所述的方法， 其特 征在于， 所述方法还 包括： 沿所述图像数据的横轴方向， 两边各去掉预定 宽度， 得到 裁剪后的图像； 获取前方目标物所对应的子图像在所述图像数据中的第一宽度； 获取所述前方目标物所对应的子图像在所述裁 剪后的图像中的第二宽度； 在所述第一宽度 大于所述第 二宽度的情况下， 确定所述图像数据 未涵盖所述前方目标 物的整体的概 率大于预定概 率。 9.根据权利要求1至7中任一项所述的方法， 其特 征在于， 所述方法还 包括： 获取所述点云数据中的每一 点的反射 率； 将反射率大于预定反射 率的点保留。 10.根据权利要求1至7中任一项所述的方法， 其特征在于， 所述目标车辆行驶在高速路 上。 11.根据权利要求1至7中任一项所述的方法， 其特征在于， 所述3D相机模型为第 一深度 学习模型， 是采用第一卷积神经网络训练得到的， 所述激光雷达模型为第二深度学习模型， 是采用第二卷积神经网络训练得到的。 12.一种识别路牌下 方噪点的装置， 其特 征在于， 包括： 第一获取单元， 用于获取目标车辆前方区域的图像数据和点云数据， 所述前方区域中 包括路牌； 第一处理单元， 用于采用3D相机模型对所述图像数据进行处 理， 得到第一处 理结果； 第二处理单元， 用于采用激光雷达模型对所述 点云数据进行处 理， 得到第二处 理结果； 聚类单元， 用于对所述 点云数据进行聚类， 得到聚类结果； 第一确定单元， 用于根据所述第一处理结果和所述聚类结果的交集， 和/或， 根据所述 第二处理结果和所述聚类结果的交集， 确定所述路牌下 方区域的噪点是否是真实的物体。 13.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质包括存储的程 序， 其中， 在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求 1至11中 任意一项所述的方法。 14.一种处理器， 其特征在于， 所述处理器用于运行程序， 其中， 所述程序运行时执行权 利要求1至1 1中任意一项所述的方法。 15.一种车辆， 其特征在于， 所述车辆上安装有激光雷达和相机传感器， 所述车辆包括 处理单元， 所述处理单元分别与所述激光雷达和所述相 机传感器通信， 所述处理单元用于 执行权利要求1至1 1中任意一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114581885 A 3