交通标识的检测方法、装置、电子设备及存储介质

摘要

本发明实施例提供了一种交通标识的检测方法、装置、电子设备及存储介质，该方法包括：获取车辆上摄像头拍摄的当前图像和车辆的当前位姿信息；对当前图像进行物体检测，得到第一静态物组中各个第一交通标识在像平面的对应区域；基于对应区域确定第一静态物组对应的图像的像平面点云；基于车辆的当前位姿信息获取第二静态物组中各个第二交通标识的世界坐标；基于部分或全部第二交通标识的世界坐标确定第二静态物组对应的至少一个地图的像平面点云；基于图像的像平面点云和各个地图的像平面点云进行要素匹配；若匹配成功从地图中获得各个目标交通标识的属性信息以及从当前图像得到各目标交通标识的颜色信息。采用该方法获得了更准确的交通标识信息。

权利要求

1.一种交通标识的检测方法，其特征在于，包括：获取车辆上摄像头所拍摄的当前图像，以及，获取车辆的当前位姿信息；

对所述当前图像进行物体检测，得到第一静态物组中各个第一交通标识在像平面的对应区域；

基于车辆的当前位姿信息从车辆使用的地图的感兴趣区域中获取第二静态物组中各个第二交通标识的世界坐标；

基于各个第一交通标识在像平面的对应区域，确定所述第一静态物组对应的图像的像平面点云；

基于部分或全部第二交通标识的世界坐标确定，所述第二静态物组对应的至少一个地图的像平面点云；

基于所述图像的像平面点云和各个所述地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识进行要素匹配；

若第一静态物组中的各个第一交通标识分别与第二静态物组中的各个第二交通标识匹配成功，则将各个第一交通标识作为目标交通标识，并从预先存储在地图中的各个交通标识的属性信息中，获得各个所述目标交通标识的属性信息，并根据所述当前图像得到各个所述目标交通标识的颜色信息；

所述基于部分或全部第二交通标识的世界坐标确定所述第二静态物组对应的至少一个地图的像平面点云，包括：

采用如下公式，基于各个第二交通标识的世界坐标、车辆的当前位姿信息和预设参数，确定所述第二静态物组中各个第二交通标识被投影至二维像平面后，在二维像平面的对应坐标点：

其中，ds为尺度缩放比例；x、y和z分别为第二交通标识的世界坐标中的横坐标、纵坐标和竖坐标；u和v为第二交通标识被投影至二维像平面后在二维像平面的对应坐标点； 为车辆的当前位姿信息； 为预设参数，表示：当前车辆定位坐标系原点到摄像头的标定参数；

根据第二静态物组中k种类型的第二交通标识确定待匹配组合，得到f个待匹配组合；

其中， ，第一静态物组中包括k种类型的第一交通标识，且k种类型的第一交通标识的数量分别为：{P1，P2，……，Pk}；第二静态物组中包括k种类型的第二交通标识，且k种类型的第二交通标识的数量分别为：{Q1，Q2，……，Qk}；且数量为Pi的第一交通标识与数量为Qi第二交通标识为相同类型的交通标识， ；

针对每个待匹配组合，将该待匹配组合中各个第二交通标识在二维像平面的对应坐标点共同作为该待匹配组合的像平面点云；

将各个待匹配组合的像平面点云均确定为所述第二静态物组对应的地图的像平面点云。

2.根据权利要求1所述的方法，其特征在于，在所述基于所述图像的像平面点云和各个所述地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识进行要素匹配之后，还包括：若第一静态物组中的各个第一交通标识与第二静态物组中的各个第二交通标识匹配不成功，则根据所述当前图像获取各个第一交通标识的属性信息和颜色信息。

3.根据权利要求1所述的方法，其特征在于，所述基于各个第一交通标识在像平面的对应区域，确定所述第一静态物组对应的图像的像平面点云，包括：针对所述当前图像中的第一静态物组中每个第一交通标识，根据该第一交通标识在像平面的对应区域，计算该第一交通标识的轮廓处对应的各像素点的平均坐标，将平均坐标处的像素点作为该第一交通标识对应的点；

将各个第一交通标识对应的点共同作为图像的像平面点云。

4.根据权利要求1所述的方法，其特征在于，所述基于所述图像的像平面点云和各个所述地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识进行要素匹配，包括：

针对每个所述地图的像平面点云，迭代次数为0，针对该地图的像平面点云中的每个点，从图像的像平面点云中确定出与该点距离最近的点；

将该点和与该点距离最近的点构成的点对作为一个待匹配点对，得到至少一个待匹配点对；

根据各个待匹配点对，计算使得各个待匹配点对的平均距离最小的刚体变换，得到刚体变换的平移参数和旋转参数；

基于所述平移参数和旋转参数对该地图的像平面点云进行平移变换和旋转变换，得到变换后的地图的像平面点云；

计算该地图的像平面点云和变换后的地图的像平面点云中各个对应的点之间的距离平均值；

判断距离平均值是否小于第一预设距离阈值；

如果是，将距离平均值确定为该地图的像平面点云对应的距离平均值，并记录平移参数和旋转参数，作为该地图的像平面点云对应的平移参数和旋转参数；

如果否，迭代次数加1，并返回所述针对该地图的像平面点云中的每个点，从图像的像平面点云中确定出与该点距离最近的点的步骤；直至迭代次数达到预设迭代次数则停止迭代，并将最后迭代得到的距离平均值作为该地图的像平面点云对应的距离平均值；并记录最后迭代得到的平移参数和旋转参数，作为该地图的像平面点云对应的平移参数和旋转参数；

从各个所述地图的像平面点云中，选出对应的距离平均值最小的地图的像平面点云作为目标地图的像平面点云；

判断目标地图的像平面点云对应的距离平均值是否小于第二预设距离阈值；

如果是，确定第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识要素匹配成功；

如果否，确定第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识要素匹配不成功。

5.根据权利要求4所述的方法，其特征在于，在所述确定第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识要素匹配成功之后，还包括：基于目标地图的像平面点云对应的平移参数和旋转参数，对目标地图的像平面点云进行平移变换和旋转变换，得到变换后的目标地图的像平面点云；

利用匈牙利算法，对图像的像平面点云中各个点对应的各个第一交通标识和变换后的目标地图的像平面点云中各个点对应的各个第二交通标识进行一一对应匹配，得到匹配成功的至少一个目标交通标识；其中，每个第一交通标识匹配到一个第二交通标识；将相匹配的第一交通标识或第二交通标识作为目标交通标识。

6.一种交通标识的检测装置，其特征在于，包括：图像信息获取模块，用于获取车辆中的摄像头所拍摄的当前图像，以及，获取车辆的当前位姿信息；

第一静态物组获取模块，用于对所述当前图像进行物体检测，得到第一静态物组中各个第一交通标识在像平面的对应区域；

第一点云确定模块，用于基于各个第一交通标识在像平面的对应区域，确定所述第一静态物组对应的图像的像平面点云；

第二点云确定模块，用于基于车辆的当前位姿信息从车辆使用的地图的感兴趣区域中获取第二静态物组中各个第二交通标识的世界坐标；并基于部分或全部第二交通标识的世界坐标确定所述第二静态物组对应的至少一个地图的像平面点云；

匹配模块，用于基于所述图像的像平面点云和各个所述地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识进行要素匹配；

属性信息获取模块，用于若第一静态物组中的各个第一交通标识分别与第二静态物组中的各个第二交通标识匹配成功，则将各个第一交通标识作为目标交通标识，并从预先存储在地图中的各个交通标识的属性信息中，获得各个所述目标交通标识的属性信息，并根据所述当前图像得到各个所述目标交通标识的颜色信息；

所述第二点云确定模块，用于采用如下公式，基于各个第二交通标识的世界坐标、车辆的当前位姿信息和预设参数，确定所述第二静态物组中各个第二交通标识被投影至二维像平面后，在二维像平面的对应坐标点：其中，ds为尺度缩放比例；x、y和z分别为第二交通标识的世界坐标中的横坐标、纵坐标和竖坐标；u和v为第二交通标识被投影至二维像平面后在二维像平面的对应坐标点； 为车辆的当前位姿信息； 为预设参数，表示：当前车辆定位坐标系原点到摄像头的标定参数；

根据第二静态物组中k种类型的第二交通标识确定待匹配组合，得到f个待匹配组合；

其中， ，第一静态物组中包括k种类型的第一交通标识，且k种类型的第一交通标识的数量分别为：{P1，P2，……，Pk}；第二静态物组中包括k种类型的第二交通标识，且k种类型的第二交通标识的数量分别为：{Q1，Q2，……，Qk}；且数量为Pi的第一交通标识与数量为Qi第二交通标识为相同类型的交通标识， ；针对每个待匹配组合，将该待匹配组合中各个第二交通标识在二维像平面的对应坐标点共同作为该待匹配组合的像平面点云；将各个待匹配组合的像平面点云均确定为所述第二静态物组对应的地图的像平面点云。

7.根据权利要求6所述的装置，其特征在于，所述属性信息获取模块，还用于若第一静态物组中的各个第一交通标识与第二静态物组中的各个第二交通标识匹配不成功，则根据所述当前图像获取各个第一交通标识的属性信息和颜色信息。

8.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1‑5任一所述的方法步骤。

9.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1‑5任一所述的方法步骤。

说明书

交通标识的检测方法、装置、电子设备及存储介质

技术领域

[0001] 本发明涉及自动驾驶技术领域，特别是涉及自动驾驶车辆在行驶过程中的一种交通标识的检测方法、装置、电子设备及存储介质。

背景技术

[0002] 自动驾驶车辆在道路上行驶的过程中，经常需要对道路上的交通标识，如红绿灯或交通指示牌等进行检测，以获得其属性信息，进一步基于属性信息进行下一步驾驶操作。

[0003] 目前，自动驾驶车辆对道路上的交通标识进行检测，主要是通过对车辆中的摄像头所拍摄的图像进行检测，来获得其属性信息，进一步基于属性信息进行下一步驾驶操作。
例如：基于图像处理，从摄像头拍摄的图像中，识别出红绿灯并获得其颜色和属性信息（包
括红绿灯所归属的车道信息和红绿灯的转向信息等），根据颜色和属性信息，确定车辆下一
步驾驶操作是否需要转向以及是否通过路口等。再例如：基于图像处理，从摄像头拍摄的图
像中，识别出限速标识牌，根据限速标识牌中的限速值，确定车辆下一步驾驶操作是否需要
加速或减速等等。

[0004] 然而，由于自动驾驶车辆在行驶的过程中，摄像头拍摄的图像可能不够清晰，在进行图像识别过程中，有些信息可能识别错误，这导致通过图像检测的方式所获取的交通标
识的属性信息不够准确。

发明内容

[0005] 本发明实施例的目的在于提供一种交通标识的检测方法、装置、电子设备及存储介质，以使得车辆自动驾驶时获得更为准确的交通标识的属性信息。

[0006] 为了达到上述目的，本发明实施例提供了一种交通标识的检测方法，包括：

[0007] 获取车辆上摄像头所拍摄的当前图像，以及，获取车辆的当前位姿信息；

[0008] 对所述当前图像进行物体检测，得到第一静态物组中各个第一交通标识在像平面的对应区域；

[0009] 基于车辆的当前位姿信息从车辆使用的地图的感兴趣区域中获取第二静态物组中各个第二交通标识的世界坐标；

[0010] 基于各个第一交通标识在像平面的对应区域，确定所述第一静态物组对应的图像的像平面点云；

[0011] 基于部分或全部第二交通标识的世界坐标确定，所述第二静态物组对应的至少一个地图的像平面点云；

[0012] 基于所述图像的像平面点云和各个所述地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识进行要素匹配；

[0013] 若第一静态物组中的各个第一交通标识分别与第二静态物组中的各个第二交通标识匹配成功，则将各个第一交通标识作为目标交通标识，并从预先存储在地图中的各个
交通标识的属性信息中，获得各个所述目标交通标识的属性信息，并根据所述当前图像得
到各个所述目标交通标识的颜色信息。

[0014] 进一步的，在所述基于所述图像的像平面点云和各个所述地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识进行要素匹
配之后，还包括：

[0015] 若第一静态物组中的各个第一交通标识与第二静态物组中的各个第二交通标识匹配不成功，则根据所述当前图像获取各个第一交通标识的属性信息和颜色信息。

[0016] 进一步的，所述基于各个第一交通标识在像平面的对应区域，确定所述第一静态物组对应的图像的像平面点云，包括：

[0017] 针对所述当前图像中的第一静态物组中每个第一交通标识，根据该第一交通标识在像平面的对应区域，计算该第一交通标识的轮廓处对应的各像素点的平均坐标，将平均
坐标处的像素点作为该第一交通标识对应的点；

[0018] 将各个第一交通标识对应的点共同作为图像的像平面点云。

[0019] 进一步的，所述基于部分或全部第二交通标识的世界坐标确定所述第二静态物组对应的至少一个地图的像平面点云，包括：

[0020] 采用如下公式，基于各个第二交通标识的世界坐标、车辆的当前位姿信息和预设参数，确定所述第二静态物组中各个第二交通标识被投影至二维像平面后，在二维像平面
的对应坐标点：

[0021]

[0022] 其中，ds为尺度缩放比例；x、y和z分别为第二交通标识的世界坐标中的横坐标、纵坐标和竖坐标；u和v为第二交通标识被投影至二维像平面后在二维像平面的对应坐标点；
为车辆的当前位姿信息； 为预设参数，表示：当前车辆定位坐标系原点到摄像头的
标定参数；根据第二静态物组中k种类型的第二交通标识确定待匹配组合，得到f个待匹配
组合；其中， ，第一静态物组中包括k种类型的第一交通标识，且k种类型的第一
交通标识的数量分别为：{P1，P2，……，Pk}；第二静态物组中包括k种类型的第二交通标识，
且k种类型的第二交通标识的数量分别为：{Q1，Q2，……，Qk}；且数量为Pi的第一交通标识与
数量为Qi第二交通标识为相同类型的交通标识， ；针对每个待匹配组合，将该
待匹配组合中各个第二交通标识在二维像平面的对应坐标点共同作为该待匹配组合的像
平面点云；

[0023] 将各个待匹配组合的像平面点云均确定为所述第二静态物组对应的地图的像平面点云。

[0024] 进一步的，所述基于所述图像的像平面点云和各个所述地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识进行要素匹配，
包括：

[0025] 针对每个所述地图的像平面点云，迭代次数为0，针对该地图的像平面点云中的每个点，从图像的像平面点云中确定出与该点距离最近的点；

[0026] 将该点和与该点距离最近的点构成的点对作为一个待匹配点对，得到至少一个待匹配点对；

[0027] 根据各个待匹配点对，计算使得各个待匹配点对的平均距离最小的刚体变换，得到刚体变换的平移参数和旋转参数；

[0028] 基于所述平移参数和旋转参数对该地图的像平面点云进行平移变换和旋转变换，得到变换后的地图的像平面点云；

[0029] 计算该地图的像平面点云和变换后的地图的像平面点云中各个对应的点之间的距离平均值；

[0030] 判断距离平均值是否小于第一预设距离阈值；

[0031] 如果是，将距离平均值确定为该地图的像平面点云对应的距离平均值，并记录平移参数和旋转参数，作为该地图的像平面点云对应的平移参数和旋转参数；

[0032] 如果否，迭代次数加1，并返回所述针对该地图的像平面点云中的每个点，从图像的像平面点云中确定出与该点距离最近的点的步骤；直至迭代次数达到预设迭代次数则停
止迭代，并将最后迭代得到的距离平均值作为该地图的像平面点云对应的距离平均值；并
记录最后迭代得到的平移参数和旋转参数，作为该地图的像平面点云对应的平移参数和旋
转参数；

[0033] 从各个所述地图的像平面点云中，选出对应的距离平均值最小的地图的像平面点云作为目标地图的像平面点云；

[0034] 判断目标地图的像平面点云对应的距离平均值是否小于第二预设距离阈值；

[0035] 如果是，确定第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识要素匹配成功；

[0036] 如果否，确定第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识要素匹配不成功。

[0037] 进一步的，在所述确定第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识要素匹配成功之后，还包括：

[0038] 基于目标地图的像平面点云对应的平移参数和旋转参数，对目标地图的像平面点云进行平移变换和旋转变换，得到变换后的目标地图的像平面点云；

[0039] 利用匈牙利算法，对图像的像平面点云中各个点对应的各个第一交通标识和变换后的目标地图的像平面点云中各个点对应的各个第二交通标识进行一一对应匹配，得到匹
配成功的至少一个目标交通标识；其中，每个第一交通标识匹配到一个第二交通标识；将相
匹配的第一交通标识或第二交通标识作为目标交通标识。

[0040] 为了达到上述目的，本发明实施例提供了一种交通标识的检测装置，包括：

[0041] 图像信息获取模块，用于获取车辆中的摄像头所拍摄的当前图像，以及，获取车辆的当前位姿信息；

[0042] 第一静态物组获取模块，用于对所述当前图像进行物体检测，得到第一静态物组中各个第一交通标识在像平面的对应区域；

[0043] 第一点云确定模块，用于基于各个第一交通标识在像平面的对应区域，确定所述第一静态物组对应的图像的像平面点云；

[0044] 第二点云确定模块，用于基于车辆的当前位姿信息从车辆使用的地图的感兴趣区域中获取第二静态物组中各个第二交通标识的世界坐标；并基于部分或全部第二交通标识
的世界坐标确定所述第二静态物组对应的至少一个地图的像平面点云；

[0045] 匹配模块，用于基于所述图像的像平面点云和各个所述地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识进行要素匹配；

[0046] 属性信息获取模块，用于若第一静态物组中的各个第一交通标识分别与第二静态物组中的各个第二交通标识匹配成功，则将各个第一交通标识作为目标交通标识，并从预
先存储在地图中的各个交通标识的属性信息中，获得各个所述目标交通标识的属性信息，
并根据所述当前图像得到各个所述目标交通标识的颜色信息。

[0047] 为了达到上述目的，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

[0048] 存储器，用于存放计算机程序；

[0049] 处理器，用于执行存储器上所存放的程序时，实现上述任一所述交通标识的检测方法步骤。

[0050] 为了达到上述目的，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的
交通标识的检测方法步骤。

[0051] 为了达到上述目的，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的交通标识的检测方法步骤。

[0052] 本发明实施例有益效果：

[0053] 采用本发明实施例提供的方法，获取车辆上摄像头所拍摄的当前图像，以及，获取车辆的当前位姿信息；对当前图像进行物体检测，得到第一静态物组中各个第一交通标识
在像平面的对应区域；基于车辆的当前位姿信息从车辆使用的地图的感兴趣区域中获取第
二静态物组中各个第二交通标识的世界坐标；基于各个第一交通标识在像平面的对应区
域，确定第一静态物组对应的图像的像平面点云；基于部分或全部第二交通标识的世界坐
标确定，第二静态物组对应的至少一个地图的像平面点云；基于图像的像平面点云和各个
所述地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态物组中的各个
第二交通标识进行要素匹配；若第一静态物组中的各个第一交通标识分别与第二静态物组
中的各个第二交通标识匹配成功，则将各个第一交通标识作为目标交通标识，并从预先存
储在地图中的各个交通标识的属性信息中，获得各个目标交通标识的属性信息，并根据当
前图像得到各个目标交通标识的颜色信息。即通过将第一静态物组中的各个第一交通标识
和第二静态物组中的各个第二交通标识进行匹配，得到匹配成功的目标交通标识；并从预
先存储在地图中的各个交通标识的属性信息中，获得各个目标交通标识的属性信息，解决
了由于摄像头拍摄的图像不够清楚所导致的获取的交通标识的属性信息不够准确的问题，
使得车辆自动驾驶时可以获得更为准确的交通标识的属性信息。

[0054] 当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

[0055] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以
根据这些附图获得其他的实施例。

[0056] 图1为本发明实施例提供的交通标识的检测方法的一种流程图；

[0057] 图2为本发明实施例提供的交通标识的检测方法的另一种流程图；

[0058] 图3为车辆中的摄像头所拍摄的当前图像；

[0059] 图4为第一静态物组中各第一交通标识在像平面中的对应区域的示意图；

[0060] 图5为交通标识匹配的一种流程；

[0061] 图6为本发明实施例提供的交通标识的检测装置的一种结构示意图；

[0062] 图7为本发明实施例提供的电子设备的结构示意图。

具体实施方式

[0063] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域普通技术人员基于本申请所获得的所有其他实施例，都属于本
发明保护的范围。

[0064] 图1为本发明实施例提供的交通标识的检测方法的一种流程，如图1所示，包括如下步骤：

[0065] 步骤101，获取车辆上摄像头所拍摄的当前图像，以及，获取车辆的当前位姿信息。

[0066] 步骤102，对当前图像进行物体检测，得到第一静态物组中各个第一交通标识在像平面的对应区域。

[0067] 步骤103，基于车辆的当前位姿信息从车辆使用的地图的感兴趣区域中获取第二静态物组中各个第二交通标识的世界坐标。

[0068] 步骤104，基于各个第一交通标识在像平面的对应区域，确定第一静态物组对应的图像的像平面点云。

[0069] 步骤105，基于部分或全部第二交通标识的世界坐标确定，第二静态物组对应的至少一个地图的像平面点云。

[0070] 步骤106，基于图像的像平面点云和各个地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识进行要素匹配。

[0071] 步骤107，若第一静态物组中的各个第一交通标识分别与第二静态物组中的各个第二交通标识匹配成功，则将各个第一交通标识作为目标交通标识，并从预先存储在地图
中的各个交通标识的属性信息中，获得各个目标交通标识的属性信息，并根据当前图像得
到各个目标交通标识的颜色信息。

[0072] 采用本发明实施例提供的方法，获取车辆上摄像头所拍摄的当前图像，以及，获取车辆的当前位姿信息；对当前图像进行物体检测，得到第一静态物组中各个第一交通标识
在像平面的对应区域；基于车辆的当前位姿信息从车辆使用的地图的感兴趣区域中获取第
二静态物组中各个第二交通标识的世界坐标；基于各个第一交通标识在像平面的对应区
域，确定第一静态物组对应的图像的像平面点云；基于部分或全部第二交通标识的世界坐
标确定，第二静态物组对应的至少一个地图的像平面点云；基于图像的像平面点云和各个
所述地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态物组中的各个
第二交通标识进行要素匹配；若第一静态物组中的各个第一交通标识分别与第二静态物组
中的各个第二交通标识匹配成功，则将各个第一交通标识作为目标交通标识，并从预先存
储在地图中的各个交通标识的属性信息中，获得各个目标交通标识的属性信息，并根据当
前图像得到各个目标交通标识的颜色信息。即通过将第一静态物组中的各个第一交通标识
和第二静态物组中的各个第二交通标识进行匹配，得到匹配成功的目标交通标识；并从预
先存储在地图中的各个交通标识的属性信息中，获得各个目标交通标识的属性信息，解决
了由于摄像头拍摄的图像不够清楚所导致的获取的交通标识的属性信息不够准确的问题，
使得车辆自动驾驶时可以获得更为准确的交通标识的属性信息。

[0073] 图2为本发明实施例提供的交通标识的检测方法的另一种流程，如图2所示，包括如下步骤：

[0074] 步骤201，获取车辆中的摄像头所拍摄的当前图像，以及，获取车辆的当前位姿信息。

[0075] 其中，自动驾驶车辆中安装有摄像头可以拍摄车辆前方和/或车辆周围的图像。本步骤中，可以在车辆自动行驶过程中拍摄车辆前方的图像，作为拍摄的当前图像。以及，可
以从车辆的定位系统中获取车辆的当前位姿信息。车辆的当前位姿信息可以用于将世界坐
标系下的物体转换到当前车辆定位坐标系下。

[0076] 步骤202，对当前图像进行物体检测，得到第一静态物组中各个第一交通标识在像平面的对应区域。

[0077] 本发明实施例中，交通标识可以包括：红绿灯、限速标识牌、交通指示标志牌（如直行标志牌和左转标志牌）等等。

[0078] 本步骤中，可以利用图像检测模型检测当前图像中的各个第一交通标识，并确定出各个第一交通标识在当前图像中的对应区域，并且，可以将所检测到的各个第一交通标
识作为第一静态物组。其中，图像检测模型可以为现有的任何用于图像检测的神经网络模
型。

[0079] 举例说明，图3为车辆中的摄像头所拍摄的当前图像。参见图3，当前图像中拍摄到的第一交通标识包括：红绿灯301‑红绿灯306、交通标志牌307。并将所检测到的红绿灯301‑
红绿灯306和交通标志牌307共同作为第一静态物组。

[0080] 本步骤中，可以利用图像检测模型确定出当前图像中各个第一交通标识在当前图像中的对应区域，例如，可以确定出图3中红绿灯301在图像中的对应区域。

[0081] 步骤203，基于车辆的当前位姿信息从车辆使用的地图的感兴趣区域中获取第二静态物组中各个第二交通标识的世界坐标。

[0082] 本发明实施例中，第二静态物组至少包含一个第二交通标识。

[0083] 本步骤中，通过当前车辆位姿可以确定车辆当前所在位置，进而可以根据车辆当前所在位置在车辆所使用的地图中查询ROI（region of interest，感兴趣区域）。进一步
的，可以查找ROI中的各个第二交通标识的世界坐标，并将ROI中的各个第二交通标识作为
第二静态物组。

[0084] 其中，ROI可以为车辆的当前所在位置到车辆前方100米范围内的区域。车辆所使用的地图可以为高精度地图，或者，车辆所使用的地图也可以为：任何包含车辆当前行驶区
域中交通标识的属性信息的地图。

[0085] 步骤204，针对当前图像中的第一静态物组中每个第一交通标识，根据该第一交通标识在像平面的对应区域，计算该第一交通标识的轮廓处对应的各像素点的平均坐标，将
平均坐标处的像素点作为该第一交通标识对应的点；并将各个第一交通标识对应的点共同
作为图像的像平面点云。

[0086] 举例说明，图4为第一静态物组中各第一交通标识在像平面中的对应区域的示意图。参见图4，第一交通标识401的轮廓处对应的像素点包括：像素点a、像素点b、像素点c和
像素点d；且像素点a、像素点b、像素点c和像素点d在像素坐标系中的坐标分别为 、
、 、 。针对第一交通标识401，可以计算第一交通标识401的轮廓
处对应的像素点a、像素点b、像素点c和像素点d的平均坐标 ：

[0087] 并将平均坐标对应的点作为第一交通标识401对应的点；基于同样的方法可以分别计算出第一交通标识402‑第一交通标识404对应的点；将第一交通标识401‑404对应的点
共同作为图像的像平面点云。

[0088] 本发明实施例中，确定图像的像平面点云具体还可以为：针对当前图像中的第一静态物组中每个第一交通标识，计算该第一交通标识对应的各像素点的平均坐标，将平均
坐标处的点作为该第一交通标识对应的点；并将各个第一交通标识对应的点共同作为图像
的像平面点云。

[0089] 举例说明，参见图4，第一交通标识402在像平面中对应的像素点包括：像素点o、像素点p和像素点q；且像素点o、像素点p和像素点q在像素坐标系中的坐标分别为 、
和 。针对第一交通标识402，可以计算第一交通标识402对应的像素点o、
像素点p和像素点q的平均坐标 ： 并将平均坐标对应的点
作为第一交通标识402对应的点；基于同样的方法可以分别计算出第一交通标识401、第一
交通标识403和第一交通标识404对应的点；将第一交通标识401‑404对应的点共同作为图
像的像平面点云。

[0090] 步骤205，基于部分或全部第二交通标识的世界坐标确定，第二静态物组对应的至少一个地图的像平面点云。

[0091] 本发明实施例中，可以采用如下公式，基于各个第二交通标识的世界坐标、车辆的当前位姿信息和预设参数，确定第二静态物组中各个第二交通标识被投影至二维像平面
后，在二维像平面的对应坐标点：

[0092] 其中，ds为尺度缩放比例；x、y和z分别为第二交通标识的世界坐标中的横坐标、纵坐标和竖坐标；u和v为第二交通标识被投影至二维像平面后在二维像平
面的对应坐标点； 为车辆的当前位姿信息； 为预设参数，表示：当前车辆定位坐标系
原点到摄像头的标定参数。

[0093] 在确定出各个第二交通标识在二维像平面的对应坐标点之后，本发明是实施例可以采用如下步骤A1‑步骤A3所述的方法，确定出第二静态物组对应的至少一个地图的像平
面点云：

[0094] 步骤A1：根据第二静态物组中k种类型的第二交通标识确定待匹配组合，得到f个待匹配组合。

[0095] 其中， ，第一静态物组中包括k种类型的第一交通标识，且k种类型的第一交通标识的数量分别为：{P1，P2，……，Pk}；第二静态物组中包括k种类型的第二交通标
识，且k种类型的第二交通标识的数量分别为：{Q1，Q2，……，Qk}；且数量为Pi的第一交通标
识与数量为Qi第二交通标识为相同类型的交通标识， 。

[0096] 步骤A2：针对每个待匹配组合，将该待匹配组合中各个第二交通标识在二维像平面的对应坐标点共同作为该待匹配组合的像平面点云。

[0097] 步骤A3：将各个待匹配组合的像平面点云均确定为第二静态物组对应的地图的像平面点云。

[0098] 举例说明，若第二静态物组中包括2种类型的第二交通标识：第二标牌和第二红绿灯，且第二标牌和第二红绿灯的数量分别为Q1和Q2；第二静态物组中也包括2种类型的第一
交通标识：第一标牌和第一红绿灯，且第一标牌和第一红绿灯的数量分别为P1和P2。其中，标
牌可以为交通标志牌、限速标识牌等等。可以将第二静态物组中每P1个不同第二标牌和每P2
个不同第二红绿灯构成的组合作为待匹配组合，得到 个待匹配组合。

[0099] 可以针对 个待匹配组合中的每个待匹配组合，将该待匹配组合中各个第二交通标识在二维像平面的对应坐标点共同作为该待匹配组合的像平面点云，并将各
个待匹配组合的像平面点云均确定为第二静态物组对应的地图的像平面点云。

[0100] 例如，若第一静态物组中包含：第一标牌a1、第一红绿灯a2和第一红绿灯a3，第二静态物组中包含：第二标牌b1、第二红绿灯b2、第二红绿灯b3和第二红绿灯b4。将第二静态
物组中1个第二标牌和每2个不同第二红绿灯构成的组合作为待匹配组合，得到
个待匹配组合。待匹配组合1中包含：第二标牌b1、第二红绿灯
b2和第二红绿灯b3；待匹配组合2中包含：第二标牌b1、第二红绿灯b2和第二红绿灯b4；待匹
配组合3中包含：第二标牌b1、第二红绿灯b3和第二红绿灯b4。

[0101] 以待匹配组合1为例，将待匹配组合1中第二标牌b1、第二红绿灯b2和第二红绿灯b3在二维像平面的对应坐标点共同作为待匹配组合1的像平面点云。同样的方法，可以确定
出待匹配组合2的像平面点云和待匹配组合3的像平面点云。并将待匹配组合1的像平面点
云、待匹配组合2的像平面点云和待匹配组合3的像平面点云均确定为第二静态物组对应的
地图的像平面点云。

[0102] 步骤206，基于图像的像平面点云和各个地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识进行要素匹配。

[0103] 步骤207，若第一静态物组中的各个第一交通标识分别与第二静态物组中的各个第二交通标识匹配成功，则将各个第一交通标识作为目标交通标识，并从预先存储在地图
中的各个交通标识的属性信息中，获得各个目标交通标识的属性信息，并根据当前图像得
到各个目标交通标识的颜色信息。

[0104] 本发明实施例中，若目标交通标识为红绿灯，则从预先存储在地图中所获取的目标交通标识的属性信息可以包括红绿灯所归属的车道信息和红绿灯的转向信息等；若目标
交通标识为限速标识牌，则从预先存储在地图中所获取的目标交通标识的属性信息为限速
标识牌中的限速值。

[0105] 步骤208，若第一静态物组中的各个第一交通标识与第二静态物组中的各个第二交通标识匹配不成功，则根据当前图像获取各个第一交通标识的属性信息和颜色信息。

[0106] 若第一交通标识包括红绿灯和限速标识牌，具体的，本发明实施例中可以从当前图像中获取红绿灯所归属的车道信息、转向信息和颜色信息等；若从当前图像中获取限速
标识牌中的限速值。

[0107] 本发明实施中，图5为交通标识匹配的一种流程。参见图5，步骤206中基于图像的像平面点云和各个地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态
物组中的各个第二交通标识进行要素匹配，具体可以包括如下步骤：

[0108] 步骤501，针对每个地图的像平面点云，迭代次数为0，针对该地图的像平面点云中的每个点，从图像的像平面点云中确定出与该点距离最近的点。

[0109] 步骤502，将该点和与该点距离最近的点构成的点对作为一个待匹配点对，得到至少一个待匹配点对。

[0110] 步骤503，根据各个待匹配点对，计算使得各个待匹配点对的平均距离最小的刚体变换，得到刚体变换的平移参数和旋转参数。

[0111] 其中，可以根据各个待匹配点对形成的点对矩阵进行刚体变换。具体的，可以采用现有的刚体变换方法对点对矩阵进行刚体变换，此处不做限定。

[0112] 步骤504，基于平移参数和旋转参数对该地图的像平面点云进行平移变换和旋转变换，得到变换后的地图的像平面点云。

[0113] 具体的，本步骤中可以根据刚体变换的平移参数先对该地图的像平面点云进行平移变换，然后根据刚体变换的旋转参数再对该地图的像平面点云进行旋转变换，得到变换
后的地图的像平面点云。或者，本步骤中，也可以根据刚体变换的旋转参数先对该地图的像
平面点云进行旋转变换，然后根据刚体变换的平移参数再对该地图的像平面点云进行平移
变换，得到变换后的地图的像平面点云。

[0114] 步骤505，计算该地图的像平面点云和变换后的地图的像平面点云中各个对应的点之间的距离平均值。

[0115] 步骤506，判断距离平均值是否小于第一预设距离阈值，若判断结果为是，执行步骤507，若判断结果为否，执行步骤508。

[0116] 其中，第一预设距离阈值可以根据实际应用进行具体设定，此处不做限定。

[0117] 步骤507，将距离平均值确定为该地图的像平面点云对应的距离平均值，并记录平移参数和旋转参数，作为该地图的像平面点云对应的平移参数和旋转参数。然后执行步骤
509。

[0118] 步骤508，迭代次数加1，并返回步骤501中所述针对该地图的像平面点云中的每个点，从图像的像平面点云中确定出与该点距离最近的点的步骤；直至迭代次数达到预设迭
代次数则停止迭代，并将最后迭代得到的距离平均值作为该地图的像平面点云对应的距离
平均值；并记录最后迭代得到的平移参数和旋转参数，作为该地图的像平面点云对应的平
移参数和旋转参数。

[0119] 其中，预设迭代次数可以根据实际应用进行具体设定，例如设定为30或40等等。

[0120] 步骤509，从各个地图的像平面点云中，选出对应的距离平均值最小的地图的像平面点云作为目标地图的像平面点云。

[0121] 步骤510，判断目标地图的像平面点云对应的距离平均值是否小于第二预设距离阈值，若判断结果为是，执行步骤511，若判断结果为否，执行步骤512。

[0122] 第二预设距离阈值可以根据实际应用进行具体设定，此处不做限定。其中，第一预设距离阈值和第二预设距离阈值可以相同也可以不同。

[0123] 步骤511，确定第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识要素匹配成功。

[0124] 本发明实施例中，在确定要素匹配成功之后，还可以继续执行步骤B1‑B2：

[0125] 步骤B1：基于目标地图的像平面点云对应的平移参数和旋转参数，对目标地图的像平面点云进行平移变换和旋转变换，得到变换后的目标地图的像平面点云。

[0126] 步骤B2：利用匈牙利算法，对图像的像平面点云中各个点对应的各个第一交通标识和变换后的目标地图的像平面点云中各个点对应的各个第二交通标识进行一一对应匹
配，得到匹配成功的至少一个目标交通标识；其中，每个第一交通标识匹配到一个第二交通
标识；将相匹配的第一交通标识或第二交通标识作为目标交通标识。

[0127] 步骤512，确定第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识要素匹配不成功。

[0128] 采用本发明实施例提供的方法，通过将第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识进行匹配，得到匹配成功的目标交通标识；并从预先存
储在地图中的各个目标交通标识的属性信息中，获得各个目标交通标识的属性信息，以及
从当前图像得到各个目标交通标识的颜色信息，解决了由于摄像头拍摄的图像不够清楚所
导致的获取的交通标识的信息不够准确的问题，使得车辆自动驾驶时可以获得更为准确的
交通标识的信息。并且，在进行第一交通标识与第二交通标识匹配时，由于不仅仅考虑单个
交通标识，而是考虑了交通标识整体的分布情况，因此匹配效果更好，获得的各个目标交通
标识的信息更为准确。

[0129] 基于同一发明构思，根据本发明上述实施例提供的交通标识的检测方法，相应地，本发明另一实施例还提供了一种交通标识的检测装置，其结构示意图如图6所示，具体包
括：

[0130] 图像信息获取模块601，用于获取车辆中的摄像头所拍摄的当前图像，以及，获取车辆的当前位姿信息；

[0131] 第一静态物组获取模块602，用于对所述当前图像进行物体检测，得到第一静态物组中各个第一交通标识在像平面的对应区域；

[0132] 第一点云确定模块603，用于基于各个第一交通标识在像平面的对应区域，确定所述第一静态物组对应的图像的像平面点云；

[0133] 第二点云确定模块604，用于基于车辆的当前位姿信息从车辆使用的地图的感兴趣区域中获取第二静态物组中各个第二交通标识的世界坐标；并基于部分或全部第二交通
标识的世界坐标确定所述第二静态物组对应的至少一个地图的像平面点云；

[0134] 匹配模块605，用于基于所述图像的像平面点云和各个所述地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识进行要素匹
配；

[0135] 属性信息获取模块606，用于若第一静态物组中的各个第一交通标识分别与第二静态物组中的各个第二交通标识匹配成功，则将各个第一交通标识作为目标交通标识，并
从预先存储在地图中的各个交通标识的属性信息中，获得各个所述目标交通标识的属性信
息，并根据所述当前图像得到各个所述目标交通标识的颜色信息。

[0136] 可见，采用本发明实施例提供的装置，获取车辆上摄像头所拍摄的当前图像，以及，获取车辆的当前位姿信息；对当前图像进行物体检测，得到第一静态物组中各个第一交
通标识在像平面的对应区域；基于车辆的当前位姿信息从车辆使用的地图的感兴趣区域中
获取第二静态物组中各个第二交通标识的世界坐标；基于各个第一交通标识在像平面的对
应区域，确定第一静态物组对应的图像的像平面点云；基于部分或全部第二交通标识的世
界坐标确定，第二静态物组对应的至少一个地图的像平面点云；基于图像的像平面点云和
各个所述地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态物组中的
各个第二交通标识进行要素匹配；若第一静态物组中的各个第一交通标识分别与第二静态
物组中的各个第二交通标识匹配成功，则将各个第一交通标识作为目标交通标识，并从预
先存储在地图中的各个交通标识的属性信息中，获得各个目标交通标识的属性信息，并根
据当前图像得到各个目标交通标识的颜色信息。即通过将第一静态物组中的各个第一交通
标识和第二静态物组中的各个第二交通标识进行匹配，得到匹配成功的目标交通标识；并
从预先存储在地图中的各个交通标识的属性信息中，获得各个目标交通标识的属性信息，
解决了由于摄像头拍摄的图像不够清楚所导致的获取的交通标识的属性信息不够准确的
问题，使得车辆自动驾驶时可以获得更为准确的交通标识的属性信息。

[0137] 进一步的，所述属性信息获取模块606，还用于若第一静态物组中的各个第一交通标识与第二静态物组中的各个第二交通标识匹配不成功，则根据所述当前图像获取各个第
一交通标识的属性信息和颜色信息。

[0138] 进一步的，所述第一点云确定模块603，具体用于针对所述当前图像中的第一静态物组中每个第一交通标识，根据该第一交通标识在像平面的对应区域，计算该第一交通标
识的轮廓处对应的各像素点的平均坐标，将平均坐标处的像素点作为该第一交通标识对应
的点；将各个第一交通标识对应的点共同作为图像的像平面点云。

[0139] 进一步的，所述第二点云确定模块604，用于：采用如下公式，基于各个第二交通标识的世界坐标、车辆的当前位姿信息和预设参数，确定所述第二静态物组中各个第二交通
标识被投影至二维像平面后，在二维像平面的对应坐标点：

[0140]

[0141] 其中，ds为尺度缩放比例；x、y和z分别为第二交通标识的世界坐标中的横坐标、纵坐标和竖坐标；u和v为第二交通标识被投影至二维像平面后在二维像平面的对应坐标点；
为车辆的当前位姿信息； 为预设参数，表示：当前车辆定位坐标系原点到摄像头的
标定参数；

[0142] 根据第二静态物组中k种类型的第二交通标识确定待匹配组合，得到f个待匹配组合；其中， ，第一静态物组中包括k种类型的第一交通标识，且k种类型的第一交
通标识的数量分别为：{P1，P2，……，Pk}；第二静态物组中包括k种类型的第二交通标识，且k
种类型的第二交通标识的数量分别为：{Q1，Q2，……，Qk}；且数量为Pi的第一交通标识与数
量为Qi第二交通标识为相同类型的交通标识， ；

[0143] 针对每个待匹配组合，将该待匹配组合中各个第二交通标识在二维像平面的对应坐标点共同作为该待匹配组合的像平面点云；

[0144] 将各个待匹配组合的像平面点云均确定为所述第二静态物组对应的地图的像平面点云。

[0145] 进一步的，所述匹配模块605，具体用于：

[0146] 针对每个所述地图的像平面点云，迭代次数为0，针对该地图的像平面点云中的每个点，从图像的像平面点云中确定出与该点距离最近的点；

[0147] 将该点和与该点距离最近的点构成的点对作为一个待匹配点对，得到至少一个待匹配点对；

[0148] 根据各个待匹配点对，计算使得各个待匹配点对的平均距离最小的刚体变换，得到刚体变换的平移参数和旋转参数；

[0149] 基于所述平移参数和旋转参数对该地图的像平面点云进行平移变换和旋转变换，得到变换后的地图的像平面点云；

[0150] 计算该地图的像平面点云和变换后的地图的像平面点云中各个对应的点之间的距离平均值；

[0151] 判断距离平均值是否小于第一预设距离阈值；

[0152] 如果是，将距离平均值确定为该地图的像平面点云对应的距离平均值，并记录平移参数和旋转参数，作为该地图的像平面点云对应的平移参数和旋转参数；

[0153] 如果否，迭代次数加1，并返回所述针对该地图的像平面点云中的每个点，从图像的像平面点云中确定出与该点距离最近的点的步骤；直至迭代次数达到预设迭代次数则停
止迭代，并将最后迭代得到的距离平均值作为该地图的像平面点云对应的距离平均值；并
记录最后迭代得到的平移参数和旋转参数，作为该地图的像平面点云对应的平移参数和旋
转参数；

[0154] 从各个所述地图的像平面点云中，选出对应的距离平均值最小的地图的像平面点云作为目标地图的像平面点云；

[0155] 判断目标地图的像平面点云对应的距离平均值是否小于第二预设距离阈值；

[0156] 如果是，确定第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识要素匹配成功；

[0157] 如果否，确定第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识要素匹配不成功。

[0158] 进一步的，所述匹配模块605在执行所述确定第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识要素匹配成功之后，还用于：

[0159] 基于目标地图的像平面点云对应的平移参数和旋转参数，对目标地图的像平面点云进行平移变换和旋转变换，得到变换后的目标地图的像平面点云；

[0160] 利用匈牙利算法，对图像的像平面点云中各个点对应的各个第一交通标识和变换后的目标地图的像平面点云中各个点对应的各个第二交通标识进行一一对应匹配，得到匹
配成功的至少一个目标交通标识；其中，每个第一交通标识匹配到一个第二交通标识；将相
匹配的第一交通标识或第二交通标识作为目标交通标识。

[0161] 采用本发明实施例提供的装置，通过将第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识进行匹配，得到匹配成功的目标交通标识；并从预先存
储在地图中的各个目标交通标识的属性信息中，获得各个目标交通标识的属性信息，以及
从当前图像得到各个目标交通标识的颜色信息，解决了由于摄像头拍摄的图像不够清楚所
导致的获取的交通标识的信息不够准确的问题，使得车辆自动驾驶时可以获得更为准确的
交通标识的信息。并且，在进行第一交通标识与第二交通标识匹配时，由于不仅仅考虑单个
交通标识，而是考虑了交通标识整体的分布情况，因此匹配效果更好，获得的各个目标交通
标识的信息更为准确。

[0162] 本发明实施例还提供了一种电子设备，如图7所示，包括处理器701、通信接口702、存储器703和通信总线704，其中，处理器701，通信接口702，存储器703通过通信总线704完
成相互间的通信，

[0163] 存储器703，用于存放计算机程序；

[0164] 处理器701，用于执行存储器703上所存放的程序时，实现如下步骤：

[0165] 获取车辆上摄像头所拍摄的当前图像，以及，获取车辆的当前位姿信息；

[0166] 对所述当前图像进行物体检测，得到第一静态物组中各个第一交通标识在像平面的对应区域；

[0167] 基于车辆的当前位姿信息从车辆使用的地图的感兴趣区域中获取第二静态物组中各个第二交通标识的世界坐标；

[0168] 基于各个第一交通标识在像平面的对应区域，确定所述第一静态物组对应的图像的像平面点云；

[0169] 基于部分或全部第二交通标识的世界坐标确定，所述第二静态物组对应的至少一个地图的像平面点云；

[0170] 基于所述图像的像平面点云和各个所述地图的像平面点云，将第一静态物组中的各个第一交通标识和第二静态物组中的各个第二交通标识进行要素匹配；

[0171] 若第一静态物组中的各个第一交通标识分别与第二静态物组中的各个第二交通标识匹配成功，则将各个第一交通标识作为目标交通标识，并从预先存储在地图中的各个
交通标识的属性信息中，获得各个所述目标交通标识的属性信息，并根据所述当前图像得
到各个所述目标交通标识的颜色信息。

[0172] 上述电子设备提到的通信总线可以是外设部件互连标准（Peripheral Component Interconnect，PCI）总线或扩展工业标准结构（Extended Industry  Standard 
Architecture，EISA）总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便
于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

[0173] 通信接口用于上述电子设备与其他设备之间的通信。

[0174] 存储器可以包括随机存取存储器（Random Access Memory，RAM），也可以包括非易失性存储器（Non‑Volatile Memory，NVM），例如至少一个磁盘存储器。可选的，存储器还可
以是至少一个位于远离前述处理器的存储装置。

[0175] 上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital Signal 
Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现
场可编程门阵列（Field‑Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立
门或者晶体管逻辑器件、分立硬件组件。

[0176] 在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一交通标识
的检测方法的步骤。

[0177] 在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一交通标识的检测方法。

[0178] 在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序
产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或
部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计
算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质
中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机
指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字
用户线（DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或
数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者
是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以
是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质（例如固态硬盘
Solid State Disk (SSD)）等。

[0179] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存
在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖
非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要
素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备
所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在
包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

[0180] 本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、
电子设备及存储介质而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处
参见方法实施例的部分说明即可。

[0181] 以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。