本申请涉及点云数据处理领域，具体地说，涉及一种识别汉字标记的方法和装置。
背景技术：
在地图导航中，自动驾驶是一个关键性的技术，自动驾驶的关键在于能够高精度地识别周围的道路环境，尤其是识别出道路上的汉字标记(如表示行车道的汉字标记)，从而使自动驾驶安全可靠。现有技术中通常采用激光扫描的技术来采集道路激光点云，从而识别出所采集的道路激光点云对应的汉字标记。通常为了提高识别汉字标记的准确度，在识别汉字标记之前，需要确定该汉字标记的边界或称边框，在确定了边框的情况下，再进行识别操作，将边框内的道路激光点云识别为对应的汉字标记。但是由于汉字结构的特殊性，与图形不同，汉字各笔画之间存在一定距离，目前还没有能够较好地确定汉字标记的边框的技术。
技术实现要素：
鉴于上述问题，本申请提供一种识别汉字标记的方法和装置，能够准确地确定汉字标记的边框。
本申请采用的技术方案是：
根据本申请提供的一个实施例的一种识别汉字标记的方法，该方法包括：对一条道路的一条车道内的点云数据，按照点与点之间的距离进行聚类，得到至少一个点簇；针对每个点簇，获取覆盖该点簇中所有点的矩形；根据每个点簇的矩形的空间关系，得到属于同一个汉字标记的矩形。
根据本申请提供的另一个实施例的一种汉字标记的识别方法，所述方法进一步包括：对一条道路的一条车道内的点云数据，按照点与点之间的距离进行聚类，得到至少一个点簇；针对每个点簇，获取覆盖该点簇中所有点的矩形；根据每个点簇的矩形的空间关系，得到属于同一个标记的矩形；将属于同一个标记的矩形进行合并，得到所述标记对应的一个目标矩形，所述目标矩形覆盖了所述属于同一个标记的所有矩形；根据目标矩形的大小及其在车道中的位置，判断目标矩形是否属于汉字标记，若是，则将该目标矩形标记为汉字标记的矩形。
根据本申请提供的一个实施例的一种识别汉字标记的装置，该装置包括：聚类单元，用于对一条道路的一条车道内的点云数据，按照点与点之间的距离进行聚类，得到至少一个点簇；第一获取单元，用于针对每个点簇，获取覆盖该点簇中所有点的矩形；第二获取单元，用于根据每个点簇的矩形的空间关系，得到属于同一个汉字标记的矩形。
根据本申请提供的另一个实施例的一种汉字标记的识别装置，所述识别装置包括：用于对一条道路的一条车道内的点云数据，按照点与点之间的距离进行聚类，得到至少一个点簇的单元；用于针对每个点簇，获取覆盖该点簇中所有点的矩形的单元；用于根据每个点簇的矩形的空间关系，得到属于同一个标记的矩形的单元；用于将属于同一个标记的矩形进行合并，得到所述标记对应的一个目标矩形，所述目标矩形覆盖了所述属于同一个标记的所有矩形的单元；用于根据目标矩形的大小及其在车道中的位置，判断目标矩形是否属于汉字标记，若是，则将该目标矩形标记为汉字标记的矩形的单元。
与现有技术相比，本申请具有以下优点：
本申请相较于现有技术，通过对车道内的点云数据按照点与点之间的距离进行聚类，得到至少一个点簇，并通过获取覆盖各点簇中所有点的矩形和计算各矩形之间的空间关系，实现了获取到属于同一汉字标记的矩形的目的，为实现汉字标记的快速识别提供了准确的基础数据。
附图说明
图1是本申请提供的一种识别汉字标记的方法实施例的流程图；
图2是本申请提供的另一个实施例的一种识别汉字标记的方法实施例的流程图；
图3是对本申请图1中的步骤s101进一步描述的流程图；
图4是对本申请图1中的步骤s102进一步描述的流程图；
图5是对本申请步骤s102的处理过程进行说明的图例；
图6是对本申请图1中的步骤s103进一步描述的流程图；
图7是本申请一个实施例的覆盖点簇的矩形的示意图；
图8是本申请提供的另一个实施例的一种识别汉字标记的方法实施例的流程图；
图9是本申请一个实施例的汉字标记对应的一个目标矩形的示意图；
图10是本申请提供的一种识别汉字标记的装置实施例的示意图；
图11是本申请提供的另一种识别汉字标记的装置实施例的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。
本申请提供了一种识别汉字标记的方法和装置，下面依次结合附图对本申请的实施例进行详细说明。
一条道路，特别是常见的一条高速道路，通常可以包括多个车道，每个车道一般由相邻的两条车道线来限定，每个车道内通常会有一些标记(包括箭头标记、汉字标记等)。这些标记对于人眼而言，很容易识别，但是要制作为可供驾驶过程或者导航过程使用的数据，需要通过激光扫描的技术先采集道路激光点云(或称“点云数据”)，然后，基于道路激光点云，识别出所采集的道路激光点云对应的标记。
本申请提出的一种汉字标记识别方法，目的是基于道路激光点云，对汉字标记的边框进行准确识别，为后续识别出汉字标记的具体内容提供基础数据。其中，点云数据通常包括所采集的道路上海量的点的位置、反射率值等等数据。
如前所述，每个车道内通常会有一些标记，包括箭头标记、汉字标记等，在实际应用中，对于采集到的点云数据可以做预处理，比如，对点云数据中的噪声数据进行过滤，以及，将一条车道的汉字标记的点云数据和非汉字标记(如箭头标记)的点云数据分别保存。如果汉字标记的点云数据和非汉字标记的点云数据是分别保存的，则可以采用本申请提供的图1所示的识别汉字标记的方法。如果汉字标记和非汉字标记的点云数据仍然保存在一起，则可采用图2所示的方法。
请参考图1，其为本申请实施例提供的一种识别汉字标记的方法的流程图，所述识别汉字标记的方法包括如下步骤：
步骤s101：对一条道路的一条车道内的点云数据，按照点与点之间的距离进行聚类，得到至少一个点簇。
其中，步骤s101中的点云数据是符合汉字标记特征的点云数据。
步骤s102：针对每个点簇，获取覆盖该点簇中所有点的矩形。
步骤s103：根据每个点簇的矩形的空间关系，得到属于同一个汉字标记的矩形。
图2所示方案，所述方法包括：
步骤s201：对一条道路的一条车道内的点云数据，按照点与点之间的距离进行聚类，得到至少一个点簇。
步骤s202：针对每个点簇，获取覆盖该点簇中所有点的矩形。
步骤s203：根据每个点簇的矩形的空间关系，得到属于同一个标记的矩形。
步骤204：将属于同一个标记的矩形进行合并，得到所述标记对应的一个目标矩形，所述目标矩形覆盖了所述同一个标记对应的所有矩形；
步骤205：根据目标矩形的大小及其在车道中的位置，判断目标矩形是否属于汉字标记，若是，则将该目标矩形标记为汉字标记的矩形。
通常，属于汉字标记的目标矩形位于车道中两条相邻车道线之间并且目标矩形的中心到两条相邻车道线的距离也基本相等，另外，汉字标记通常在尺寸上大于其他标记，即属于汉字标记的矩形在长度、宽度或/和面积上也大于其他标记的目标矩形，因此，可以通过计算目标矩形的长度、宽度或/和面积并将计算的数值与预设的相应阈值进行比较，如果大于预设的相应阈值，则进一步获取目标矩形在车道中的位置，如果该获取的位置符合预设位置条件，则将该目标矩形标记为汉字标记的矩形。
上文中，步骤s101、步骤s102、步骤s103分别与步骤s201、步骤s202、步骤s203相同或基本相同，另外，下文将描述的步骤s104与上述步骤s204基本相同，因此，对步骤s201至步骤s204的理解可以参考步骤s101至步骤s104，在本文中不再另述。
首先，对步骤s101或步骤s201进行描述。
根据本申请的一个实施例，为了得到点簇，按照点与点之间的距离对一条车道内的点云数据进行聚类，从而将一条车道内的点云数据划分为多个点簇。具体地，请参考图3，所述对一条道路的一条车道内的点云数据，按照点与点之间的距离进行聚类，得到至少一个点簇的步骤s101可以包括：
步骤s301，从一条道路的同一车道内的点云数据中，任意选取一个点作为待识别点。
例如，点云数据中包括从编号1到n(n为大于1的正整数)的多个点对应的位置数据，假设选取编号1作为待识别点。
步骤s302，获取所述待识别点到所述点云数据中剩余点的距离。
例如，当上述步骤s301选取编号1的点作为待识别点后，根据编号1的点的位置数据和点云数据中剩余点的位置数据，获取该编号1的点分别到编号2、3、…n-1、n的点的距离。
步骤s303，获取与待识别点的距离小于预设的第一距离阈值的点的个数。
假设第一距离阈值为m，而经过统计，得到上述步骤s302中与待识别点的距离小于m的点的个数为g。
步骤s304，判断步骤s303获取的点的个数是否大于预设的个数阈值，若所述个数大于预设的个数阈值，则进入步骤s305将所述待识别点及到其距离小于预设距离阈值的点分入同一个点簇，否则，返回步骤s301任意选取一个点作为待识别点的步骤。
假设个数阈值为g，如果上述步骤s303得到的个数g大于个数阈值g，则将编号1的待识别点以及距离编号1小于m的点分入同一个点簇；否则，继续返回步骤s301任意选取一个点作为待识别点的步骤。
步骤s306，从所述点云数据中，删除已分入点簇的点。
步骤s307，判断所述点云数据中是否还有剩余的点，若删除后，所述点云数据中还有剩余的点，则返回步骤s301任意选取一个点作为待识别点的步骤，若删除后，所述点云数据为空，则结束流程，直到所述点云数据为空。
如果编号1以及到编号1的距离小于m的点已分入同一个点簇，则从所述点云数据中删除编号1和到编号1的距离小于m的点，如果此时点云数据中还有剩余的点(即到编号1的距离小于m的点的个数g小于编号总数n)，则返回步骤s301执行任意选取剩余的点中的一个点作为待识别点，即重复执行上述步骤s301至步骤s305，直到所有点云数据中所有的点都划分到对应的点簇，结束流程。
步骤s101的目的是将属于同一个标记的点聚合在一起，通过观察，发明人发现，属于同一标记的点会成团出现，因此，在实际应用中，所述预设的第一距离阈值应该满足能够筛选出属于同一个标记的距离，第一距离阈值的具体值可以由技术人员根据情况设定。同时，成团出现的点中，会有一个处于中心位置的点，它周边聚拢了一定数量的点，因此，步骤s301-s306的目的是找出处于中心位置的点及其周围聚拢的点。
接下来，对步骤s102或步骤s202针对每个点簇，获取覆盖该点簇中所有点的矩形进行描述。
具体地，请参考图4和图5，所述步骤s102或步骤s202可以包括：
步骤s401，选取所述车道的一条车道线，将其起点记为点a。
例如，选取图5中右侧的一条车道线，并将该车道线的起点记为点a，以标记在该车道线的小圆圈表示。
步骤s402，将点簇中每个点向该车道线做垂线，得到每个点在该车道线上的垂足点。
例如，图5中的一个点向右侧的一条车道线做垂线，得到该点在该车道线上的垂足点c。
步骤s403，计算每个垂足点到点a的距离，并得到其中最大和最小的距离对应的垂线方程l1和l2。
通过计算图5中所有垂足点到点a的距离，得到图5所示的距离最大和最小的、垂直于车道线的垂线方程l1和l2。
步骤s404，从所述垂线方程l1和l2中任选一个垂线方程作为参考垂线方程，将参考垂线方程与所述车道线的垂足记为点b。
例如选取图5中的垂线方程l1作为参考垂线方程，将l1与所述车道线的垂足记为点b。
步骤s405，获取所述点簇中每个点到所述参考垂线方程的参考垂足点。
例如，获取到图5中的一个点到参考垂线方程l1的参考垂足点d。
步骤s406，计算每个参考垂足点到点b的距离，并得到其中最大和最小的距离分别对应的垂线方程l4和l3。
例如，计算参考垂足点d到点b的距离，即线段db的长度。通过计算每个参考垂足点到点b的距离，得到距离最大和最小的垂线方程l4和l3。
步骤s407，获取四条垂线方程l1、l2、l3和l4的交点，所述交点构成覆盖该点簇中所有点的矩形。
如图5所示，垂线方程l1、l2、l3和l4的交点包括v1、v2、v3和v4，这四个点构成覆盖该点簇中所有点的矩形。
步骤s102的目的是针对聚合在一起的点所形成的点簇，得到覆盖每一个点簇的矩形，由于每个点簇通常与标记中的一个笔画、一个偏旁部首等存在对应关系，因此，得到覆盖点簇的矩形，即是得到覆盖标记中一部分的轮廓。
接下来，对步骤s103根据每个点簇的矩形的空间关系，得到属于同一个汉字标记的矩形进行描述。而对于步骤s203根据每个点簇的矩形的空间关系，得到属于同一个标记的矩形，基本可以参考下文对步骤s103的描述。
其中，所述矩形的空间关系包括但不限于矩形的相交、重叠或相离等。
具体地，请参考图6和图7，所述步骤s103可以包括：
步骤s501，从所有点簇对应的矩形中，任意选取一个矩形作为待识别矩形。
如图7所示，图7中示出了4个矩形，各矩形覆盖了对应点簇中的所有点，可以任意选取其中一个矩形作为待识别矩形，例如选取矩形1作为待识别矩形。
步骤s502，获取待识别矩形与所述矩形中除待识别矩形以外的矩形的距离。
该矩形与矩形的距离是指两个矩形的所有顶点之间的距离中最小的一个距离，即，用一个矩形的每一个顶点计算到另一个矩形的所有顶点的距离，一共能够求出出16个距离，这16个距离中最小的一个距离则为这两个矩形之间的距离。仍参考图7，例如获取到矩形1与矩形2的距离，记为w12；获取到矩形1与矩形3的距离，记为w13；获取到矩形1与矩形4的距离，记为w14。
步骤s503，判断是否有小于预设的第二距离阈值的距离，若有，则将所述距离对应的矩形确定为目标矩形。
假设上述获取到的距离中，w12和w13小于预设的第二距离阈值，则将矩形2和矩形3确定为目标矩形。
步骤s504，针对每一个目标矩形，获取目标矩形与所述矩形中除待识别矩形及所有目标矩形以外的矩形的距离。
步骤s505，判断是否有小于预设的第二距离阈值的距离，若无小于预设的第二距离阈值的距离，则进入步骤s506；若有小于预设的第二距离阈值的距离，则进入步骤s507。
步骤s506，将所述待识别矩形和目标矩形标记为属于同一个汉字标记，并执行步骤s508判断所述矩形中是否还有未被标记的矩形，若有，则执行任意选取一个矩形作为待识别矩形的步骤s501，若无，则结束流程。
步骤s507，将所述距离对应的矩形也确定为目标矩形，执行针对每一个目标矩形，获取目标矩形与所述矩形中除待识别矩形及所有目标矩形以外的矩形的距离的步骤s504。
例如，具体地针对上述矩形2，获取矩形2与剩余的矩形4之间的距离，记为w24，判断w24是否小于预设的第二距离阈值。同理，针对上述矩形3，获取矩形3与剩余的矩形4之间的距离，记为w34，并判断w34是否小于预设的第二距离阈值，如果w24和w34都不小于预设的第二距离阈值，则进入步骤s505；如果w24和w34至少有一个小于预设的第二距离阈值，则进入步骤s506。对于前一种情况，w24和w34都不小于预设的第二距离阈值，则进入到步骤s505，将待识别矩形1和矩形2以及矩形3标记为属于同一个汉字标记，并判断矩形中是否还有未被标记的矩形，若有，则执行任意选取一个矩形作为待识别矩形的步骤，若无，则结束流程，由于还有矩形4没有被标记，因此，任意选取一个矩形作为待识别矩形的步骤，并继续执行步骤s501至之后的相应步骤，直到矩形4被标记，也即所有矩形被标记。对于后一种情况，假设w24和w34都小于预设的第二距离阈值，则进入到步骤s506，将矩形4也确定为目标矩形，并回到步骤s504执行针对每一个目标矩形，获取目标矩形与所述矩形中除待识别矩形及所有目标矩形以外的矩形的距离，直到所有矩形都被标记完，结束流程。
步骤s103的目的是根据每个点簇的矩形的空间关系，得到属于同一个汉字标记的矩形。对于每个点簇的矩形，如果矩形与矩形之间距离较近，则通常这些矩形属于同一个标记或汉字标记的可能性越大，这是因为属于同一标记本身的笔画相对其他笔画而言，距离通常近很多。
可选地，请参考图7和图8以及图9，图1所述方法进一步还包括：
步骤s104，将属于同一个汉字标记的矩形进行合并，得到所述汉字标记对应的一个目标矩形，所述目标矩形覆盖了所述属于同一个汉字标记的所有矩形。
例如，将图7中属于同一个汉字标记的四个矩形进行合并，从而得到图9所示的矩形，即所述汉字标记对应的一个目标矩形，该目标矩形覆盖了所述同一个汉字标记对应的所有矩形。
步骤s104的目的是将属于同一个汉字标记的矩形进行合并，得到所述汉字标记对应的一个目标矩形，从而在确定包含汉字标记的矩形的情况下，可以更准确地识别出边框中的汉字标记。
此外，对于上述图2所示的方案的步骤s201至步骤s203所包括的下述子步骤，可以参考上文对步骤s101至步骤s103所包括的子步骤的描述，下文不再赘述。
可选地，所述对一条道路的一条车道内的点云数据，按照点与点之间的距离进行聚类，得到至少一个点簇的步骤s201具体包括：
-从一条道路的同一车道内的点云数据中，任意选取一个点作为待识别点；
-获取所述待识别点到所述点云数据中剩余点的距离；
-获取与待识别点的距离小于预设的第一距离阈值的点的个数；
-若所述个数大于预设的个数阈值，则将所述待识别点及到其距离小于预设距离阈值的点分入同一个点簇；
-从所述点云数据中，删除已分入点簇的点，若删除后，所述点云数据中还有剩余的点，则执行任意选取一个点作为待识别点的步骤，直到所述点云数据为空。
可选地，所述针对每个点簇，获取覆盖该点簇中所有点的矩形的步骤s202具体包括：
-选取所述车道的一条车道线，将其起点记为点a；
-将点簇中每个点向该车道线做垂线，得到每个点在该车道线上的垂足点；
-计算每个垂足点到点a的距离，并得到其中最大和最小的距离对应的垂线方程l1和l2；
-从所述垂线方程l1和l2中任选一个垂线方程作为参考垂线方程，将参考垂线方程与所述车道线的垂足记为点b；
-获取所述点簇中每个点到所述参考垂线方程的参考垂足点；
-计算每个参考垂足点到点b的距离，并得到其中最大和最小的距离分别对应的垂线方程l3和l4；
-获取四条垂线方程l1、l2、l3和l4的交点，所述交点构成覆盖该点簇中所有点的矩形。
可选地，所述根据每个点簇的矩形的空间关系，得到属于同一个标记的矩形步骤s203具体包括：
-从所有点簇对应的矩形中，任意选取一个矩形作为待识别矩形；
-获取待识别矩形与所述矩形中除待识别矩形以外的矩形的距离；
-判断是否有小于预设的第二距离阈值的距离，若有，则将所述距离对应的矩形确定为目标矩形；
-针对每一个目标矩形，获取目标矩形与所述矩形中除待识别矩形及所有目标矩形以外的矩形的距离，判断是否有小于预设的第二距离阈值的距离；
-若无小于预设的第二距离阈值的距离，则将所述待识别矩形和目标矩形标记为属于同一个标记，判断所述矩形中是否还有未被标记的矩形，若有，则执行选取一个矩形作为待识别矩形的步骤，若无，则结束流程；
-若有小于预设的第二距离阈值的距离，则将所述距离对应的矩形也确定为目标矩形，执行针对每一个目标矩形，获取目标矩形与所述矩形中除待识别矩形及所有目标矩形以外的矩形的距离的步骤。在上述的实施例中，提供了一种识别汉字标记的方法，与之相对应的，本申请还提供一种识别汉字标记的装置。请参考图10，其为本发明提供的一种识别汉字标记的装置实施例的示意图。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
如上所述，如果汉字标记的点云数据和非汉字标记的点云数据是分别保存的，请参考图10，本实施例提供的一种识别汉字标记的装置，包括：
聚类单元101，用于对一条道路的一条车道内的点云数据，按照点与点之间的距离进行聚类，得到至少一个点簇；
第一获取单元102，用于针对每个点簇，获取覆盖该点簇中所有点的矩形；
第二获取单元103，用于根据每个点簇的矩形的空间关系，得到属于同一个汉字标记的矩形。
在本申请的一个实施例中，本申请的装置进一步包括：
矩形合并单元，用于将属于同一个汉字标记的矩形进行合并，得到所述汉字标记对应的一个目标矩形，所述目标矩形覆盖了所述属于同一个汉字标记的所有矩形。
在本申请的一个实施例中，聚类单元101具体用于：
-从一条道路的同一车道内的点云数据中，任意选取一个点作为待识别点；
-获取所述待识别点到所述点云数据中剩余点的距离；
-获取与待识别点的距离小于预设的第一距离阈值的点的个数；
-若所述个数大于预设的个数阈值，则将所述待识别点及到其距离小于预设距离阈值的点分入同一个点簇；
-从所述点云数据中，删除已分入点簇的点，若删除后，所述点云数据中还有剩余的点，则执行任意选取一个点作为待识别点的步骤，直到所述点云数据为空。
在本申请的一个实施例中，第二获取单元103具体用于：
-从所有点簇对应的矩形中，任意选取一个矩形作为待识别矩形；
-获取待识别矩形与所述矩形中除待识别矩形以外的矩形的距离；
-判断是否有小于预设的第二距离阈值的距离，若有，则将所述距离对应的矩形确定为目标矩形；
-针对每一个目标矩形，获取目标矩形与所述矩形中除待识别矩形及所有目标矩形以外的矩形的距离，判断是否有小于预设的第二距离阈值的距离；
-若无小于预设的第二距离阈值的距离，则将所述待识别矩形和目标矩形标记为属于同一个汉字标记，判断所述矩形中是否还有未被标记的矩形，若有，则执行选取一个矩形作为待识别矩形的步骤，若无，则结束流程；
-若有小于预设的第二距离阈值的距离，则将所述距离对应的矩形也确定为目标矩形，执行针对每一个目标矩形，获取目标矩形与所述矩形中除待识别矩形及所有目标矩形以外的矩形的距离的步骤。
在本申请的一个实施例中，第一获取单元102具体用于：
-选取所述车道的一条车道线，将其起点记为点a；
-将点簇中每个点向该车道线做垂线，得到每个点在该车道线上的垂足点；
-计算每个垂足点到点a的距离，并得到其中最大和最小的距离对应的垂线方程l1和l2；
-从所述垂线方程l1和l2中任选一个垂线方程作为参考垂线方程，将参考垂线方程与所述车道线的垂足记为点b；
-获取所述点簇中每个点到所述参考垂线方程的参考垂足点；
-计算每个参考垂足点到点b的距离，并得到其中最大和最小的距离分别对应的垂线方程l3和l4；
-获取四条垂线方程l1、l2、l3和l4的交点，所述交点构成覆盖该点簇中所有点的矩形。
根据本申请的另一个实施例，还提供另一种识别汉字标记的装置。请参考图11，如上所述，如果汉字标记和非汉字标记的点云数据仍然保存在一起，所述装置包括：
用于对一条道路的一条车道内的点云数据，按照点与点之间的距离进行聚类，得到至少一个点簇的单元201；
用于针对每个点簇，获取覆盖该点簇中所有点的矩形的单元202；
用于根据每个点簇的矩形的空间关系，得到属于同一个标记的矩形的单元203；
用于将属于同一个标记的矩形进行合并，得到所述标记对应的一个目标矩形，所述目标矩形覆盖了所述属于同一个标记的所有矩形的单元204；
用于根据目标矩形的大小及其在车道中的位置，判断目标矩形是否属于汉字标记，若是，则将该目标矩形标记为汉字标记的矩形的单元205。
可选地，所述用于对一条道路的一条车道内的点云数据，按照点与点之间的距离进行聚类，得到至少一个点簇的单元201具体用于：
-从一条道路的同一车道内的点云数据中，任意选取一个点作为待识别点；
-获取所述待识别点到所述点云数据中剩余点的距离；
-获取与待识别点的距离小于预设的第一距离阈值的点的个数；
-若所述个数大于预设的个数阈值，则将所述待识别点及到其距离小于预设距离阈值的点分入同一个点簇；
-从所述点云数据中，删除已分入点簇的点，若删除后，所述点云数据中还有剩余的点，则执行任意选取一个点作为待识别点的步骤，直到所述点云数据为空。
可选地，所述用于针对每个点簇，获取覆盖该点簇中所有点的矩形的单元202具体用于：
-选取所述车道的一条车道线，将其起点记为点a；
-将点簇中每个点向该车道线做垂线，得到每个点在该车道线上的垂足点；
-计算每个垂足点到点a的距离，并得到其中最大和最小的距离对应的垂线方程l1和l2；
-从所述垂线方程l1和l2中任选一个垂线方程作为参考垂线方程，将参考垂线方程与所述车道线的垂足记为点b；
-获取所述点簇中每个点到所述参考垂线方程的参考垂足点；
-计算每个参考垂足点到点b的距离，并得到其中最大和最小的距离分别对应的垂线方程l3和l4；
-获取四条垂线方程l1、l2、l3和l4的交点，所述交点构成覆盖该点簇中所有点的矩形。
可选地，所述用于根据每个点簇的矩形的空间关系，得到属于同一个标记的矩形的单元203具体用于：
-从所有点簇对应的矩形中，任意选取一个矩形作为待识别矩形；
-获取待识别矩形与所述矩形中除待识别矩形以外的矩形的距离；
-判断是否有小于预设的第二距离阈值的距离，若有，则将所述距离对应的矩形确定为目标矩形；
-针对每一个目标矩形，获取目标矩形与所述矩形中除待识别矩形及所有目标矩形以外的矩形的距离，判断是否有小于预设的第二距离阈值的距离；
-若无小于预设的第二距离阈值的距离，则将所述待识别矩形和目标矩形标记为属于同一个标记，判断所述矩形中是否还有未被标记的矩形，若有，则执行选取一个矩形作为待识别矩形的步骤，若无，则结束流程；
-若有小于预设的第二距离阈值的距离，则将所述距离对应的矩形也确定为目标矩形，执行针对每一个目标矩形，获取目标矩形与所述矩形中除待识别矩形及所有目标矩形以外的矩形的距离的步骤。
以上，为本发明提供的识别汉字标记的装置的实施例。
本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
2、本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。