[发明专利]一种图像语义特征点真值确定方法及装置

权利要求书

1.一种图像语义特征点真值确定方法，其特征在于，所述方法包括：

获取包含待测车辆行驶路段的标准地图；所述标准地图的精度满足预设条件，所述标准地图中包括各道路元素在世界坐标系中的三维坐标信息；

生成所述待测车辆在所述标准地图中的车辆运动轨迹；所述车辆运动轨迹包括每个时刻的车辆位置和车辆姿态；

根据所述标准地图和所述车辆运动轨迹，确定每个时刻所述待测车辆中安装的前置相机视角内的目标道路元素；

根据所述每个目标道路元素的三维坐标信息、所述前置相机的内参矩阵、以及所述前置相机对应的相机坐标系和所述世界坐标系之间的旋转平移矩阵，计算所述每个目标道路元素投影至所述相机坐标系的图像坐标。

2.根据权利要求1所述的方法，其特征在于，所述生成所述待测车辆在所述标准地图中的车辆运动轨迹的步骤包括：

获取实际无人驾驶车辆在所述行驶路段行驶过程中，所述无人驾驶车辆中安装的惯性器件和全球定位系统GPS采集的道路信息，并根据所述道路信息计算所述无人驾驶车辆的离散轨迹信息；所述离散轨迹信息包括：时间点、以及各所述时间点对应的车辆位置和车辆姿态；

对所述离散轨迹信息进行拟合，得到所述无人驾驶车辆的轨迹信息，作为所述待测车辆在所述标准地图中的车辆运动轨迹。

3.根据权利要求1所述的方法，其特征在于，所述生成所述待测车辆在所述标准地图中的车辆运动轨迹的步骤包括：

在车辆运动学仿真系统中，设定仿真车辆的初始经纬度、初始姿态、以及所述仿真车辆中所安装传感器的位置；所述初始经纬度位于所述行驶路段内；

设定所述仿真车辆各时段对应的运动参数；所述运动参数至少包括：加速度和角速度；

根据所述运动参数对所述仿真车辆进行运动模拟，得到所述仿真车辆对应的轨迹信息，作为所述待测车辆在所述标准地图中的车辆运动轨迹。

4.根据权利要求1所述的方法，其特征在于，所述根据所述每个目标道路元素的三维坐标信息、所述前置相机的内参矩阵、以及所述前置相机对应的相机坐标系和所述世界坐标系之间的旋转平移矩阵，计算所述每个目标道路元素投影至所述相机坐标系的图像坐标的步骤包括：

根据以下公式，计算所述每个目标道路元素在所述相机拍摄图像中的像素坐标p：

p＝K·T·P

所述P为各所述目标道路元素的三维坐标信息；所述K为所述前置相机的内参矩阵；所述T为所述前置相机对应的相机坐标系和所述世界坐标系之间的旋转平移矩阵，T＝[R|t]，R为所述相机坐标系和所述世界坐标系之间的相对旋转，t为所述相机坐标系和所述世界坐标系之间的相对平移；

当p＝[x^p，y^p，z^p]^T，根据以下公式，计算所述每个目标道路元素投影至所述相机坐标系的图像坐标[u，v]：

u＝x^p/z^p，v＝y^p/z^p。

5.一种图像语义特征点真值确定方法，其特征在于，所述方法包括：

获取包含待测车辆行驶路段的标准地图；所述标准地图的精度满足预设条件，所述标准地图中包括各道路元素在世界坐标系中的三维坐标信息；

生成所述待测车辆在所述标准地图中的车辆运动轨迹；所述车辆运动轨迹包括每个时刻的车辆位置和车辆姿态；

根据所述标准地图和所述车辆运动轨迹，确定每个时刻所述待测车辆中安装的前置相机视角内的目标道路元素；

根据所述每个目标道路元素的三维坐标信息、所述前置相机的内参矩阵、以及所述前置相机对应的相机坐标系和所述世界坐标系之间的旋转平移矩阵，计算所述每个目标道路元素投影至所述相机坐标系的图像坐标；

根据预设的白噪声值或平移偏差，对每个所述目标道路元素的图像坐标进行平移。