路牌的生成方法、装置及电子设备

技术领域

本申请涉及图像处理技术领域，尤其涉及路牌的生成方法、装置及电子设备。

背景技术

相对于传统的电子地图，高精地图可以展示车道、护栏、交通标志牌等真实道路特征信息，提供车道级的导航。

相关技术中，各种地图测绘公司通过使用特殊测绘车辆采集道路特征信息，这些测绘车辆通常使用激光雷达技术，创建了在全球范围的车辆路线导航地图。然而，以交通标志牌中的路牌为例，在采集路牌时，通常仅精确到几米，无法在高精地图中准确定位路牌的位置。虽然这样的车辆路线导航地图足以用于路线导航，但这样的地图中路牌位置不够精确，这对于高速行驶的车辆及时准确识别路边的路牌来说是不利的。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种路牌的生成方法、装置及电子设备，能够提高路牌在高精地图中的显示位置精度。

本申请第一方面提供一种路牌的生成方法，包括：

获取多帧目标图像；其中，各所述目标图像包含目标路牌；

分别提取各所述目标图像中的特征点，并将相邻两帧所述目标图像中的特征点进行匹配，获得相邻两帧所述目标图像的相对位姿及所述特征点对应的三维坐标；

根据其中一帧所述目标图像的预设绝对位姿和各所述相对位姿，分别确定其余所述目标图像的绝对位姿；

根据所述绝对位姿和特征点的三维坐标及像素坐标进行图优化，获得优化绝对位姿；

根据所述优化绝对位姿，获取各所述目标图像对应的优化相对位姿；

根据所述优化相对位姿和所述目标路牌的角点对应的像素坐标进行三角化，获得所述角点的优化三维坐标。

在一些实施方式中，所述获取多帧目标图像，包括：

依序按照预设间隔距离获取多帧目标图像，所述目标图像的数量大于或等于3帧。

在一些实施方式中，所述分别提取各所述目标图像中的特征点，并将相邻两帧所述目标图像中的特征点进行匹配，获得相邻两帧所述目标图像的相对位姿及所述特征点对应的三维坐标之后，还包括：

根据所述三维坐标的深度值对所述特征点进行筛选，删除深度值为负值的特征点。

在一些实施方式中，根据所述绝对位姿和特征点的三维坐标及像素坐标进行图优化，获得优化绝对位姿，包括：

确定不同目标图像之间的共同特征点，并根据对应的三维坐标的均值作为所述共同特征点的三维坐标；

获取包含所述共同特征点在内的各特征点的三维坐标、各目标图像的绝对位姿及各所述特征点在对应的所述目标图像中的像素坐标间的对应关系；

以所述绝对位姿和特征点的三维坐标作为顶点，及根据所述对应关系作为连接边，通过预设图优化模型，确定各共同特征点在对应的目标图像中的重投影误差；

将重投影误差大于预设值的连接边删除，并通过预设图优化模型进行迭代，调整各目标图像的绝对位姿和特征点的三维坐标，直至达到预设迭代终止条件；

将迭代终止后的绝对位姿作为优化绝对位姿。

在一些实施方式中，所述预设迭代终止条件包括预设迭代次数和/或预设总重投影误差阈值。

在一些实施方式中，所述分别提取各所述目标图像中的特征点之后，还包括：

在所述特征点中获取所述目标路牌对应的角点及所述角点的三维坐标；和/或

所述根据所述优化相对位姿和所述目标路牌的角点对应的像素坐标进行三角化，获得所述角点的优化三维坐标之后，还包括：

根据所述角点的优化三维坐标和预设相机参数及对应的地理坐标和航向角，获取所述优化三维坐标对应的地理坐标。

本申请第二方面提供一种路牌的生成装置，其包括：

第一获取模块，用于获取多帧目标图像；其中，各所述目标图像包含目标路牌；

第二获取模块，用于分别提取各所述目标图像中的特征点，并将相邻两帧所述目标图像中的特征点进行匹配，获得相邻两帧所述目标图像的相对位姿及所述特征点对应的三维坐标；

第一位姿转换模块，用于根据其中一帧所述目标图像的预设绝对位姿和各所述相对位姿，分别确定其余所述目标图像的绝对位姿；

优化模块，用于根据所述绝对位姿和特征点的三维坐标及像素坐标进行图优化，获得优化绝对位姿；

第二位姿转换模块，用于根据所述优化绝对位姿，获取各所述目标图像对应的优化相对位姿；

坐标优化模块，根据所述优化相对位姿和所述目标路牌的角点对应的像素坐标进行三角化，获得所述角点的优化三维坐标。

在一些实施方式中，所述第二获取模块还用于在所述特征点中获取所述目标路牌对应的角点及所述角点的三维坐标；和/或

所述装置还包括第三获取模块，用于获取相机参数和对应的地理坐标和航向角；和/或

所述装置还包括坐标转换模块，用于根据所述角点的优化三维坐标和所述相机参数及对应的地理坐标和航向角，获取所述优化三维坐标对应的世界坐标。

本申请第三方面提供一种电子设备，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。

本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。

本申请提供的技术方案可以包括以下有益效果：

本申请提供的技术方案，可以通过先提取和匹配多帧目标图像中的特征点，获得初始的相邻两帧相对位姿和各特征点初始的三维坐标后，再获得各目标图像对应的初始的绝对坐标和各三维坐标对应的像素坐标，通过图优化获得优化的绝对坐标并转换为优化的相对坐标后，即可确定路牌在各目标图像中对应的优化三维坐标。这样的设计，可以提高路牌角点的坐标精度，且具有较高的鲁棒性以应对各个路牌的处理，便于在高精地图中更精准地将路牌生成在准确位置。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。

图1是本申请实施例示出的路牌的生成方法的流程示意图；

图2是本申请实施例示出的路牌的生成方法的另一流程示意图；

图3是本申请实施例示出的绝对位姿、特征点及重投影误差的对应关系示意图；

图4是本申请实施例示出的路牌的生成装置的结构示意图；

图5是本申请实施例示出的路牌的生成装置的另一结构示意图；

图6是本申请实施例示出的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

相关技术中，在高精地图中显示的路牌位置不够精确，影响高精地图显示内容的精确度。

针对上述问题，本申请实施例提供一种路牌的生成方法，能够提高路牌在高精地图中的显示位置精度。

以下结合附图详细描述本申请实施例的技术方案。

图1是本申请实施例示出的路牌的生成方法的流程示意图。

参见图1，本申请一实施例提供的路牌的生成方法，包括：

S110，获取多帧目标图像；其中，各目标图像包含目标路牌。

本步骤中，可以利用测绘车辆上的图像采集设备获取目标图像，图像采集设备可以是单目相机。测绘车辆在行驶的过程中，可以实时采集拍摄沿路的环境，形成拍摄视频。其中，可以在拍摄视频中选取多帧目标图像，其中目标图像中包含目标路牌。

为了便于数据的处理，可以将各目标图像按照采集时间顺序依序排列。

S120，分别提取各目标图像中的特征点，并将相邻两帧目标图像中的特征点进行匹配，获得相邻两帧目标图像的相对位姿及特征点对应的三维坐标。

本步骤中，可以根据相关技术分别识别各个目标图像中的特征点。其中，由于路牌普遍呈现方形、三角形或圆形等形状，通过相关算法可以识别获取路牌的角点对应的特征点。在提取各目标图像中的特征点后，可以根据相关算法，依序将相邻两帧目标图像中的特征点进行匹配，使不同图像中的同一物体的特征点形成关联，继而获得两帧目标图像之间匹配的点对。

可以理解，拍摄不同的目标图像所对应的相机运动可能不同。根据点对，即可根据相机参数，通过对极几何估计相机在采集的相邻两帧目标图像时的相对位姿，并根据相对位姿和相关相机参数，通过三角化处理，获得各特征点在每帧目标图像对应的相机坐标系中的三维坐标。

S130，根据其中一帧目标图像的预设绝对位姿和各相对位姿，分别确定其余目标图像的绝对位姿。

为了获取各各目标图像的绝对位姿，本步骤中，可以选择其中一帧目标图像，例如可以选择第1帧目标图像作为基准，并预先设定其绝对位姿，例如预设绝对位姿可以通过一个旋转矩阵进行表示。然后以该选定的目标图像的预设绝对位姿为基准，分别根据每相邻两帧目标图像的相对位姿计算获得剩余每帧目标图像对应的相机的绝对位姿。

S140，根据绝对位姿和特征点的三维坐标及像素坐标进行图优化，获得优化绝对位姿。

本步骤中，可以根据绝对位姿和各特征点的三维坐标通过相关技术构建优化图，例如可以通过g20图优化模型，将绝对位姿和各特征点的三维坐标作为顶点，再根据各绝对位姿、特征点的三维坐标及对应的像素坐标的对应关系作为连接边，构建优化图。以图优化的形式，迭代调整绝对位姿和各三维坐标，使重投影误差越来越小，最终获得符合的绝对位姿作为优化绝对位姿。

可以理解，像素坐标可以根据相关技术由特征点的三维坐标转换获得，继而获得每个特征点在对应的目标图像的像素坐标。

S150，根据优化绝对位姿，获取各目标图像对应的优化相对位姿。

本步骤中，可以根据优化绝对位姿转换为相邻两帧目标图像的优化相对位姿。也就是说，优化相对位姿比步骤S120的相对位姿更加准确。

S160，根据优化相对位姿和目标路牌的角点对应的像素坐标进行三角化，获得角点的优化三维坐标。

可以理解，虽然步骤S120可以获得目标路牌各角点对应的三维坐标，显然该三维坐标并不精确。本步骤中，根据优化相对位姿和各目标图像中的各角点的像素坐标，可以通过三角化计算获得各角点在对应的目标图像中的相机坐标系中的优化三维坐标。

根据各角点优化三维坐标，根据相机参数和相机对应的地理坐标，即可换算获得各角点的地理坐标。其中，地理坐标即在世界坐标系中的坐标。根据明确的地理坐标，即可明确路牌在高精地图中的具体显示位置，从而可以在高精地图中准确生成对应位置的路牌。

从该示例可知，本申请的路牌的生成方法，可以通过先提取和匹配多帧目标图像中的特征点，获得初始的相邻两帧相对位姿和各特征点初始的三维坐标后，再获得各目标图像对应的初始的绝对坐标和各三维坐标对应的像素坐标，通过图优化获得优化的绝对坐标并转换为优化的相对坐标后，即可确定路牌在各目标图像中对应的优化三维坐标。这样的设计，可以提高路牌角点的坐标精度，且具有较高的鲁棒性以应对各个路牌的处理，便于在高精地图中更精准地将路牌生成在准确位置。

图2是本申请实施例示出的路牌的生成方法的另一流程示意图。

参见图2，本申请一实施例提供的路牌的生成方法，包括：

S210，依序按照预设间隔距离获取多帧目标图像，目标图像的数量大于或等于3帧，各图像包含目标路牌。

本实施例中，可以根据装载在测绘车辆上的单目相机对沿途的路牌进行拍摄，按照行驶路径和拍摄时间，例如可以在获得第一帧包含目标路牌的目标图像开始，每间隔3米～5米依序选择第二帧、第三帧、第四帧...、第N帧目标图像。可以理解，选取的每一帧目标图像所对应的相机地理位置互不相同。通过选择在不同位置拍摄的目标图像，避免因两帧图像间隔过远导致后续特征点的误匹配，通过适当的间隔距离，获取更多的目标图像，使获得的图案更丰富，避免图像过于单调，提高后续步骤特征点的匹配精度。

S220，分别提取各目标图像中的特征点，并将相邻两帧目标图像中的特征点进行匹配，获得相邻两帧目标图像的相对位姿及特征点对应的三维坐标。

其中，将各帧目标图像中的特征点进行提取后，例如分别将第1帧与第2帧中的特征点进行匹配，将第2帧与第3帧中的特征点进行匹配，将第3帧与第4帧中的特征点进行匹配，以此类推。可以理解，由于每帧目标图像的相机所在拍摄位置不同，每帧目标图像中包含的物体可能部分相同，部分不同。通过相关算法自动在各帧目标图像中进行相邻图像的两两匹配，根据相机内参矩阵，通过对极几何约束，即可获得每相邻两帧目标图像的相机相对位姿。进一步地，根据相机相对位姿的矩阵进行计算，获得各目标图像中匹配成功的特征点在相机坐标系中对应的三维坐标(X

在提取目标图像的特征点后，在一实施例中，在特征点中获取目标路牌对应的角点及角点的三维坐标。也就是说，目标图像中具有大量的特征点，但是基于目标路牌形状的特殊性，可以根据相关图像识别算法在特征点中获得对应的目标路牌的角点及对应的三维坐标，从而方便后续步骤的计算。例如当路牌为四边形时，则可以获得对应的4个角点及其三维坐标；当路牌为三角形时，则可以获得对应的3个角点及其三维坐标。

S230，根据三维坐标的深度值对特征点进行筛选，删除深度值为负值的特征点。

其中，如果一对特征点匹配后计算的深度值出现负值，则表示该组特征点匹配失败。也就是说，同一物体在不同的图像所对应的相机坐标系中的深度值应均为正值。因此，本步骤中，在单帧目标图像中，删除其三维坐标中的深度值为负值的特征点，从而减少后续步骤中的计算误差。

S240，根据其中一帧目标图像的预设绝对位姿和各相对位姿，分别确定其余目标图像的绝对位姿。

本步骤可参考步骤S130的相关介绍，于此不作赘述。

S250，根据绝对位姿和特征点的三维坐标及像素坐标进行图优化，根据重投影误差绝对位姿和三维坐标进行调整；当迭代至符合预设迭代终止条件时，获得优化绝对位姿。

为了便于理解，以下在一具体实施方式中进行示例解释：

S251，确定不同目标图像之间的共同特征点，并根据对应的三维坐标的均值作为共同特征点的三维坐标。

其中，可以通过特征点找到不同目标图像之间的共视关系，即找到在不同目标图像中的同一物体的特征点，也就是将匹配成功的特征点作为共同特征点。如图3所示，图中C1表示第1帧目标图像的绝对位姿，C2表示第2帧目标图像的绝对位姿，C3表示第3帧目标图像的绝对位姿。P1至P3表示在第1帧目标图像中的特征点，P2至P4表示在第2帧目标图像中的特征点，P3至P6表示在第3帧目标图像中的特征点。重投影误差e11表示特征点P1在第1帧目标图像中的原投影位置和调整后投影位置的像素坐标的位置偏差；e12表示特征点P2在第1帧目标图像中的原投影位置和调整后投影位置的像素坐标的位置偏差，以此类推。

如图3所示，特征点P2和P3即为第1帧和第2帧目标图像的共同特征点，特征点P3为第1帧至第3帧目标图像的共同特征点，P4为第2帧和第3帧目标图像的共同特征点。本步骤中，对于共同特征点，可以根据该特征点在各自在原目标图像所对应的三维坐标计算平均值，使共同特征点具有统一的三维坐标，在后续步骤中，当某特征点是共同特征点时，则采用均值的三维坐标参与相关计算。当某特征点不是共同特征点时，则采用原三维坐标参与相关计算。

S252，获取包含共同特征点在内的各特征点的三维坐标、各目标图像的绝对位姿及各特征点在对应的目标图像中的像素坐标间的对应关系。

为了便于后续图优化的处理，本步骤中，将各特征点的在相机坐标系中的三维坐标、对应在像素坐标系中的像素坐标及该特征点所在目标图像的绝对位姿形成对应关系。为了便于计算时快速获取数据，可以采用ID分别标识，从而根据ID可以确定上述对应关系。

如下表1所示，结合图3，以3帧目标图像为例，为了便于后续计算时数据的获取，可以将每帧目标图像对应的绝对位姿设置ID标号，如1、2、3。每帧目标图像中的特征点具有各自对应的ID，当特征点为共同特征点时，则在不同的目标图像中显示相同的ID，如特征点P2同时出现在第1帧和第2帧目标图像中，固在两帧目标图像中对应的ID均为2。各特征点在对应的目标图像中的重投影误差则根据各自的ID进行表示，例如第1个特征点P1在第1帧目标图像中的重投影误差为e11,例如第3个特征点P3在第2帧目标图像中的重投影误差为e23，以此类推。从而可以将所有特征点基于各自所在的目标图像与对应的绝对位姿、三维坐标、像素坐标形成对应关系。

表1

S253，以绝对位姿和特征点的三维坐标作为顶点，及根据对应关系作为连接边，通过预设图优化模型，确定各共同特征点在对应的目标图像中的重投影误差。

本实施例中，根据相关算法，以g2o图优化模型为例，将绝对位姿和特征点的三维坐标作为顶点输入至模型中，并设置对应的ID。然后将上述步骤S252的对应关系，作为连接边添加至模型中，该模型即可自动计算对应的重投影误差，并在迭代过程中同步调整绝对位姿和三维坐标，使重投影误差越来越小。

S254，将重投影误差大于预设值的连接边删除，并通过预设图优化模型进行迭代，调整各目标图像的绝对位姿和特征点的三维坐标，直至达到预设迭代终止条件。

在一实施例中，当重投影误差大于1时，则删除对应的连接边，减小较大误差的数据对计算的影响。在最初的1～2次迭代优化后，可以将误差较大的连接边去除，剩余的连接边继续添加到模型中并继续迭代优化，使各绝对位姿和特征点的三维坐标越来越准确。

在一实施例中，预设迭代终止条件包括预设迭代次数和/或预设总重投影误差阈值。例如，预设迭代次数为15～20次。例如，预设总重投影误差阈值为100。总重投影误差即为所有特征点的像素坐标对应的重投影误差的总和。当迭代达到上述预设迭代终止条件之一时，即可停止迭代。

S255，将迭代终止后的绝对位姿作为优化绝对位姿。

可以理解，迭代完毕后，最后一次优化所获得的绝对位姿即为优化绝对位姿。该优化绝对位姿相较于初始的绝对位姿更加准确。

S260，根据优化绝对位姿，获取各目标图像对应的优化相对位姿。

可以理解，在获得每帧目标图像的优化绝对位姿后，即可相应进行计算转换，获得每相邻两帧目标图像对应的相机的优化相对位姿。

S270，根据优化相对位姿和目标路牌的角点对应的像素坐标进行三角化，获得角点的优化三维坐标。

可以理解，前述步骤S220在提取各特征点后，相应获得对应的目标路牌的角点及其对应每帧目标图像在相机坐标系中的三维坐标。根据相关技术，根据相机坐标系中的三维坐标和相机参数，可以相应转换为对应的在像素坐标系中的像素坐标。

本步骤中，可以根据优化相对位姿和各角点的像素坐标进行三角化处理，根据相关技术计算获得对应的在相机坐标系中的优化三维坐标。显然，该优化三维坐标相较于步骤S220的三维坐标更加精确。

S280，根据角点的优化三维坐标和预设相机参数及对应的地理坐标和航向角，获取优化三维坐标对应的地理坐标。

可以理解，当相机在不同的位置拍摄获得对应的目标图像时，相机所在的测绘车辆具有对应的车辆位姿，即车辆的地理坐标和航向角。因此，相机在不同位置拍摄获得目标图像时具有对应的地理坐标和航向角，地理坐标可以用对应在世界坐标系中的世界坐标进行表示，航向角可以根据测绘车辆中的相关仪器获得。

本步骤中，根据相机外参、地理坐标及航向角，即可将各角点的优化三维坐标计算转换为每帧目标图像中的各角点对应的地理坐标。通过将各帧目标图像中的同一角点的地理坐标取均值，即可获得同一角点的唯一地理坐标。

S290，根据各角点对应的地理坐标，在高精地图中的对应位置生成路牌。

可以理解，在具有各个角点精确的地理坐标时，即可以确定路牌的空间形态和显示位置，即可以在高精地图的相应地理坐标的地图位置准确生成和显示对应的路牌。

从该示例可知，本申请的路牌生成方法，从目标图像选取阶段即开始设置相关条件，选择性地筛选目标图像，从源头提高测算精度；再根据初始的相对位姿确定对应初始绝对位姿，并根据各目标图像中的共同特征点的均值三维坐标和对应像素坐标进行图优化，通过迭代优化调整绝对位姿和三维坐标，直至达到预设迭代终止条件后，即可获得最佳的优化绝对位姿，继而可以转换为优化相对位姿，进而可以结合角点的像素坐标获得精确的优化三维坐标。这样的设计，可以有效提供系统计算结果的鲁棒性，且相比于初始误差更大的三维坐标，可以根据优化三维坐标根据相关技术获得对应的角点的地理坐标，得到路牌角点更精准的空间型态和在高精地图中的显示位置。

与前述应用功能实现方法实施例相对应，本申请还提供了一种路牌的生成装置、电子设备及相应的实施例。

图4是本申请实施例示出的路牌的生成装置的结构示意图。

参见图4，本申请一实施例提供的路牌的生成装置，其包括：

第一获取模块410，用于获取多帧目标图像；其中，各目标图像包含目标路牌。

第二获取模块420，用于分别提取各目标图像中的特征点，并将相邻两帧目标图像中的特征点进行匹配，获得相邻两帧目标图像的相对位姿及特征点对应的三维坐标。

第一位姿转换模块430，用于根据其中一帧目标图像的预设绝对位姿和各相对位姿，分别确定其余目标图像的绝对位姿。

优化模块440，用于根据绝对位姿和特征点的三维坐标及像素坐标进行图优化，获得优化绝对位姿。

第二位姿转换模块450，用于根据优化绝对位姿，获取各目标图像对应的优化相对位姿。

坐标优化模块460，根据优化相对位姿和目标路牌的角点对应的像素坐标进行三角化，获得角点的优化三维坐标。

进一步地，第一获取模块410用于依序按照预设间隔距离获取多帧目标图像，目标图像的数量大于或等于3帧。

第二获取模块420还用于在特征点中获取目标路牌对应的角点及角点的三维坐标。在获得各特征点对应的三维坐标后，第二获取模块420还可以用于根据三维坐标的深度值对特征点进行筛选，删除深度值为负值的特征点。

在一具体的实施方式中，优化模块440用于确定不同目标图像之间的共同特征点，并根据对应的三维坐标的均值作为共同特征点的三维坐标；获取包含共同特征点在内的各特征点的三维坐标、各目标图像的绝对位姿及各特征点在对应的目标图像中的像素坐标间的对应关系；以绝对位姿和特征点的三维坐标作为顶点，及根据对应关系作为连接边，通过预设图优化模型，确定各共同特征点在对应的目标图像中的重投影误差；将重投影误差大于预设值的连接边删除，并通过预设图优化模型进行迭代，调整各目标图像的绝对位姿和特征点的三维坐标，直至达到预设迭代终止条件；将迭代终止后的绝对位姿作为优化绝对位姿。其中，预设迭代终止条件包括预设迭代次数和/或预设总重投影误差阈值。

参见图5，本申请的路牌的生成装置还包括第三获取模块470和坐标转换模块480。其中，第三获取模块470用于获取相机参数和对应的地理坐标和航向角。

坐标转换模块480用于根据角点的优化三维坐标和预设相机参数及对应的地理坐标和航向角，获取优化三维坐标对应的地理坐标。也就是说，坐标转换模块可以根据相机外参、地理坐标及航向角，即可将各角点的优化三维坐标计算转换为各角点对应的地理坐标。

综上，本申请的路牌的生成装置，可以提高路牌角点的坐标精度，且具有较高的鲁棒性以应对各个路牌的处理，便于在高精地图中更精准地将路牌生成在准确位置。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。

图6是本申请实施例示出的电子设备的结构示意图。

参见图6，电子设备1000包括存储器1010和处理器1020。

处理器1020可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、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、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器1010可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)和永久存储装置。其中，ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器1010可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(例如DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器1010可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器1010上存储有可执行代码，当可执行代码被处理器1020处理时，可以使处理器1020执行上文述及的方法中的部分或全部。

此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。

或者，本申请还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质)，其上存储有可执行代码(或计算机程序或计算机指令代码)，当可执行代码(或计算机程序或计算机指令代码)被电子设备(或服务器等)的处理器执行时，使处理器执行根据本申请的上述方法的各个步骤的部分或全部。

以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。