r>[0081]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在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0082]本发明实施例中，通过采集包括二维街景图像、三维点云和惯导数据，从二维街景图像中检测目标空中道路标识的属性，借助于惯导数据实现三维点云与二维街景图像的配准，利用配准后的三维点云确定目标空中道路标识的三维空间位置;从而实现了自动化地对二维街景图像中的目标空中道路标识进行空间位置恢复的过程，简化了操作流程，有效地提升了检测结果的准确性，提升了数据处理的实用性。
[0083]基于上述原理，本发明实施例提供一种数据处理方法，请参见图1，该方法可包括以下步骤SlOl-步骤S104。
[0084]SlOl，采集道路数据，所述道路数据包括二维街景图像、三维点云和惯导数据。
[0085]其中，二维街景图像可以采用诸如相机、摄像头等摄像设备通过拍摄道路获得，二维街景图像通常包含地面区域的影像及非地面区域的影像，其中地面区域的影像可描述道路路面情况、车道线、道路中运行的车辆、道路中的隔离带等数据。非地面区域的影像可描述道路周边的建筑物、植物、空中道路标识等等。此处，空中道路标识指在道路地面以上的空间所设置的用于传递引导、限制、警告等交通信息的标识，可包括但不限于:信号灯、限速牌等等。三维点云可通过激光雷达(Light Detect1n And Ranging，LiDAR)来获取。激光雷达可以对扫描范围内多个空间点进行扫描，获得每一个空间点的三维坐标，结合每一个空间点对应的激光脉冲强度形成三维点云。惯导数据可采用INS( Inertial Navigat1nSystem，惯性导航系统)和IMU(Inertial Measurement Unit，惯性测量单元)扫描获得，具体地INS可获取扫描位置的GPS(Global Posit1ning System，全球定位系统)数据以及包含速度、加速度等的载体行驶数据;IMU可获取载体的翻滚、俯仰和偏航等数据。
[0086]S102，从所述二维街景图像中检测目标空中道路标识的属性，所述属性包括位置和大小。
[0087]具体实现中，该方法在执行步骤S102时具体执行如下步骤sll-sl2:
[0088]sll，采用图像识别方法或采用神经网络学习方法从所述二维街景图像中识别目标空中道路标识。
[0089]步骤sll中，可以预先存储各类空中道路标识的特征作为模板特征，采用图像识别方法从二维街景图像中识别一些图像特征，通过将识别到的图像特征与模板特征比对，从而可确定二维街景图像中的目标空中道路标识。也可以从二维街景图像中识别出一些图像特征，然后利用识别到的图像特征构造模型学习数据，利用该模型学习数据训练学习基于神经网络的空中道路标识的识别模型，并学习获得目标空中道路标识。可以理解的是，步骤s 11中还可以人工从所述二维街景图像中识别目标空中道路。所述目标空中道路标识可包括但不限于:信号灯、限速牌等等。
[0090]sl2，获取所述目标空中道路标识在所述二维街景图像中的属性。
[0091 ]当从二维街景图像中识别出目标空中道路标识之后，步骤sl2中可以确定该目标空中道路标识在二维街景图像中的位置和大小;并且，优选地，本发明实施例可以在二维街景图像中采用矩形框或圆形框来标示该目标空中道路标识的位置和大小。
[0092]S103，基于所述惯导数据将所述三维点云与所述二维街景图像在三维空间中进行配准。
[0093]本发明实施例中，所采集到的二维街景图像、三维点云及惯导数据均是来自于同一场景空间，因此，根据三者之间的空间位置关系，可基于惯导数据实现三维点云与二维街景图像在三维空间中的配准。具体实现中，该方法在执行步骤S103时具体执行如下步骤s21_s22:
[0094]s21，根据所述惯导数据建立三维空间的惯导坐标系。
[0095]INS是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统。頂U是一种测量物体三轴姿态角(或角速率)以及加速度的装置。INS及IMU均包含陀螺仪和加速度计，其中陀螺仪会形成一个惯导坐标系，使得加速度计的测量轴稳定在该惯导坐标系中形成航向和姿态角。加速度计用于测量载体运动的加速度，并通过一系列计算转换获得载体的速度、位移、翻滚、俯仰等惯导数据；因此，根据采集到的所述惯导数据可以反推算出三维空间所使用的惯导坐标系，该惯导坐标系作为该三维空间在扫描过程中的位置参考基准。
[0096]s22，基于所述惯导坐标系将所述三维点云与所述二维街景图像在三维空间中进行配准。
[0097]以所述惯导坐标系作为位置参考基准，将三维点云与二维街景图像在三维空间中进行配准^^具体实现中’通过激光雷达扫描获得场景空间中的某三维点六^工^卜^^该三维点八丨^^^“经过摄像设备成像后可获得二维街景图像中某二维点六’⑴旧夂配准的目的就是从三维点云及二维街景图像中找出所有相匹配的三维点A(Xl，yi，Zl)及二维点A’(Xj，yj)。
[0098]针对上述步骤s21_s22，可一并参见图2a_图2b，图2a示出所采集到的二维街景图像，步骤s22中基于惯导坐标系将图2a所示的二维街景图像与三维点云进行配准后，可形成图2b所示的图像。
[0099]S104，采用配准后的所述三维点云确定所述目标空中道路标识的三维坐标。
[0100]当三维点云与二维街景图像在三维空间实现配准之后，借助于三维点云可以比较便捷的确定该目标空中道路标识的三维坐标。具体实现中，该方法在执行步骤S104可以至少包括以下两种可行的实施方式，在一种实施方式中，该方法在执行步骤S104时具体执行如下步骤s31_s34:
[0101]S31，确定所述目标空中道路标识的入射光线。
[0102]请一并参见图3a，P为二维街景图像的光轴与成像平面的交点，O为原点(即诸如相机、摄像头等摄像设备拍摄该二维街景图像时所在的位置)，S为二维街景图像中所标示的目标空中道路标识;那么，OS形成的射线即为该目标空中道路标识的入射光线。
[0103]S32，从配准后的所述三维点云中查找所述入射光线对应的点集。
[0104]本步骤s32中需要从配准后的三维点云中查找入射光线上的所有点，这些所有点形成该入射光线对应的点集。具体的查找过程可再请参见图3a，如果配准后的三维点云中某一点C在二维街景图像中的投影位于矩形框S范围内，那么则认为该点C属于对应点；按照此方法可查找到一组对应点从而形成该入射光线对应的点集。
[0105]s33，选取所述点集中的几何中心点作为目标点。
[0106]s34，将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
[0107]步骤s33-s34中，从点集中选取几何中心点作为目标点，该目标点的位置即是目标空中道路标识所在的位置，该目标点的三维坐标即为该目标空中道路标识的三维坐标。本发明实施例中，由于配准后的三维点云中各点的坐标均为惯导坐标系中的坐标，因此，步骤s34中可以基于惯导坐标系与大地坐标系的变换规则，将目标点在惯导坐标系中的坐标变换至大地坐标系中的坐标，进而将目标点在大地坐标系中的三维坐标确定为目标空中道路标识的三维坐标。此处，大地坐标系是大地测量中以参考椭球面为基准面建立起来的坐标系，采用大地经度、玮度和高度表示。
[0108]在另一种实施方式中，该方法在执行步骤S104时具体执行如下步骤s41-s44:
[0109]s41，利用空间前方交会方法确定所述目标空中道路标识的相邻两条入射光线。
[0110]空间前方交会方法应用于摄影几何中，是指恢复立体像对摄影时的光束和建立几何模型后，利用同名光线的交会确定模型点空间位置的方法。请一并参见图Sbj1S当前场景点的二维街景图像的光轴与成像平面的交点，O1为当前场景点的原点(即诸如相机、摄像头等摄像设备拍摄当前场景点的二维街景图像时所在的位置)，S1*当前场景点的二维街景图像中所标示的目标空中道路标识;那么，O1S1为该目标空中道路标识的一条入射光线。P2为当前场景点之后的下一场景点的二维街景图像的光轴与成像平面的交点，O2为该下一场景点的原点(即诸如相机、摄像头等摄像设备拍摄下一场景点的二维街景图像时所在的位置)，&为下一场景点的二维街景图像中所标示的目标空中道路标识;那么，O2S2为该目标空中道路标识的另一条入射光线。
[0111]S42，求取所述相邻两条入射光线的交点。
[0112]s43，从配准后的所述三维点云中查找所述交点对应的目标点。
[0113]步骤s42_s43中，再请参见图3b ,O1S1和O2S2均为同一目标空中道路标识的入射光线，属于同名光线，基于空间前方交会方法，O1S1和O2S2的交点T即为目标空中道路标识的位置;那么，从配准后的三维点云中可查找到的交点T的对应点，该对应点即为目标点。
[0114]s44，将所述目标点的三维坐标确定为所述目标空中道路标识的三维坐标。
[0115]目标点的三维坐标即为该目标空中道路标识的三维坐标。本发明实施例中，由于配准后的三维点云中各点的坐标均为惯导坐标系中的坐标，因此，步骤s44中可以基于惯导坐标系与大地坐标系的变换规则，将目标点在惯导坐标系中的坐标变换至大地坐标系中的坐标，进而将目标点在大地坐标系中的三维坐标确定为目标空中道路标识的三维坐标。此处，大地坐标系是大地测量中以参考椭球面为基准面建立起来的坐标系，采用在大地经度、玮度和高度表示。
[0116]需要说明的是，该方法在执行步骤S104的过程中，