交通图像识别结果判别方法、装置、电子设备及程序产品与流程

1.本公开涉及交通数据处理技术领域，具体涉及一种交通图像识别结果判别方法、装置、电子设备及程序产品。


背景技术：

2.随着社会的发展和科学技术的进步，安全性更高、更高效的自动驾驶技术已被公认为是汽车出行产业的未来方向之一，而很多自动驾驶行为均需要依赖高精地图数据。为了提高高精地图数据的更新频率，降低高精地图数据的更新成本，现有技术中利用交通图像采集车辆采集得到的数据来进行高精地图数据的更新，但由于采集数据的精度较低，在进行图像识别、位置解析时都可能会存在误差，如果直接使用采集数据来进行高精地图数据的更新，将会出现高精地图数据创建错误、创建冗余等问题，从而降低高精地图数据质量。


技术实现要素：

3.本公开实施例提供一种交通图像识别结果判别方法、装置、电子设备及程序产品。
4.第一方面，本公开实施例中提供了一种交通图像识别结果判别方法。
5.具体的，所述交通图像识别结果判别方法，包括：
6.获取至少两幅交通图像，对于所述至少两幅交通图像进行识别，得到所述至少两幅交通图像包含的交通要素数据组成的交通要素数据集，其中，所述交通要素数据包括：交通要素类别、交通要素内容和交通要素位置；
7.对于所述交通要素数据集进行加工处理，得到高精和/或标精交通要素数据集；
8.对于所述高精和/或标精交通要素数据集中的高精和/或标精交通要素数据进行非噪声判别，得到所述高精和/或标精交通要素数据集中的非噪声数据；
9.对于所述高精和/或标精交通要素数据集中除所述非噪声数据外剩余的高精和/或标精交通要素数据进行噪声判别，得到交通图像识别结果判别结果。
10.在本公开一种实现方式中，所述对于所述高精和/或标精交通要素数据集中的高精和/或标精交通要素数据进行非噪声判别，包括：
11.确定所述高精和/或标精交通要素数据集中高精和/或标精交通要素数据之间的匹配度，其中，所述匹配度包括交通要素类别匹配度、交通要素内容匹配度和交通要素位置匹配度；
12.确定所述高精和/或标精交通要素数据集中是否存在匹配度高于预设匹配度阈值的高精和/或标精交通要素数据；
13.若存在，确定所述匹配度高于预设匹配度阈值的交通要素数据为非噪声数据。
14.在本公开一种实现方式中，所述对于所述高精和/或标精交通要素数据集中除所述非噪声数据外剩余的高精和/或标精交通要素数据进行噪声判别，包括：
15.确定所述剩余的高精和/或标精交通要素数据是否为交通要素类别识别错误噪
声、交通要素内容识别错误噪声、交通要素位置识别错误噪声中的一种；
16.若确定所述剩余的高精和/或标精交通要素数据为交通要素类别识别错误噪声、交通要素内容识别错误噪声、交通要素位置识别错误噪声中的一种，则确定所述高精和/或标精交通要素数据为噪声数据。
17.在本公开一种实现方式中，所述确定所述剩余的高精和/或标精交通要素数据是否为交通要素类别识别错误噪声，包括：
18.确定所述高精和/或标精交通要素数据是否满足交通要素类别与交通要素内容之间的预设对应关系要求；
19.确定所述高精和/或标精交通要素数据是否满足第一附近数据一致性要求；
20.若确定所述高精和/或标精交通要素数据不满足所述预设对应关系要求，和/或不满足所述第一附近数据一致性要求，则确定所述高精和/或标精交通要素数据为交通要素类别识别错误噪声。
21.在本公开一种实现方式中，所述确定所述高精和/或标精交通要素数据是否满足第一附近数据一致性要求，包括：
22.确定所述高精和/或标精交通要素数据对应的交通要素数据中，具有相同类别的数据所占比例是否高于第一预设比例阈值，平均采集频率是否高于第一预设频率阈值；
23.若所述交通要素数据中，具有相同类别的数据所占比例低于第一预设比例阈值，和/或平均采集频率低于第一预设频率阈值时，则确定所述高精和/或标精交通要素数据不满足第一一致性要求；
24.确定第一预设范围内的高精和/或标精交通要素数据是否存在交通要素内容相同，但交通要素类别不同的数据；
25.若第一预设范围内的高精和/或标精交通要素数据存在交通要素内容相同，但交通要素类别不同的数据，则确定所述高精和/或标精交通要素数据不满足第二一致性要求；
26.若确定所述高精和/或标精交通要素数据不满足所述第一一致性要求和/或第二一致性要求，则确定所述高精和/或标精交通要素数据不满足第一附近数据一致性要求。
27.在本公开一种实现方式中，确定所述剩余的高精和/或标精交通要素数据是否为交通要素内容识别错误噪声，包括：
28.确定所述高精和/或标精交通要素数据是否满足内容合理性要求；
29.确定所述高精和/或标精交通要素数据是否满足第二附近数据一致性要求；
30.若确定所述高精和/或标精交通要素数据不满足所述内容合理性要求，和/或不满足所述第二附近数据一致性要求，则确定所述高精和/或标精交通要素数据为交通要素内容识别错误噪声。
31.在本公开一种实现方式中，所述确定所述高精和/或标精交通要素数据是否满足第二附近数据一致性要求，包括：
32.确定所述高精和/或标精交通要素数据对应的交通要素数据中，具有相同内容的数据所占比例是否高于第二预设比例阈值，平均采集频率是否高于第二预设频率阈值，若所述交通要素数据中，具有相同类别的数据所占比例低于第二预设比例阈值，和/或，平均采集频率低于第二预设频率阈值，则确定所述高精和/或标精交通要素数据不满足第二附近数据一致性要求。
33.在本公开一种实现方式中，确定所述剩余的高精和/或标精交通要素数据是否为交通要素位置识别错误噪声，包括：
34.确定所述高精和/或标精交通要素数据是否满足第三附近数据一致性要求；
35.若确定所述高精和/或标精交通要素数据不满足所述第三附近数据一致性要求，则确定所述高精和/或标精交通要素数据为交通要素位置识别错误噪声。
36.在本公开一种实现方式中，所述确定所述高精和/或标精交通要素数据是否满足第三附近数据一致性要求，包括：
37.对于所述高精和/或标精交通要素数据对应的交通要素数据根据相互之间的距离进行聚类，得到两个或多个聚类分组，根据聚类分组所包含数据的数量以及不同聚类分组之间的距离，确定所述交通要素数据是否满足第三一致性要求；
38.确定第二预设范围内类别相同的高精和/或标精交通要素数据之间的距离，若所述距离高于预设距离阈值，则确定所述交通要素数据不满足第四一致性要求；
39.若确定所述高精和/或标精交通要素数据不满足所述第三一致性要求和第四一致性要求，则确定所述高精和/或标精交通要素数据不满足第三附近数据一致性要求。
40.第二方面，本公开实施例中提供了一种交通图像识别结果判别装置。
41.具体的，所述交通图像识别结果判别装置，包括：
42.识别模块，被配置为获取至少两幅交通图像，对于所述至少两幅交通图像进行识别，得到所述至少两幅交通图像包含的交通要素数据组成的交通要素数据集，其中，所述交通要素数据包括：交通要素类别、交通要素内容和交通要素位置；
43.处理模块，被配置为对于所述交通要素数据集进行加工处理，得到高精和/或标精交通要素数据集；
44.第一判别模块，被配置为对于所述高精和/或标精交通要素数据集中的高精和/或标精交通要素数据进行非噪声判别，得到所述高精和/或标精交通要素数据集中的非噪声数据；
45.第二判别模块，被配置为对于所述高精和/或标精交通要素数据集中除所述非噪声数据外剩余的高精和/或标精交通要素数据进行噪声判别，得到交通图像识别结果判别结果。
46.第三方面，本公开实施例提供了一种电子设备，包括存储器和至少一个处理器，其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述至少一个处理器执行以实现上述交通图像识别结果判别方法的方法步骤。
47.第四方面，本公开实施例提供了一种计算机可读存储介质，用于存储交通图像识别结果判别装置所用的计算机指令，其包含用于执行上述交通图像识别结果判别方法为交通图像识别结果判别装置所涉及的计算机指令。
48.第五方面，本公开实施例提供了一种计算机程序产品，包括计算机程序/指令，其中，该计算机程序/指令被处理器执行时实现上述交通图像识别结果判别方法的方法步骤。
49.本公开实施例提供的技术方案可以包括以下有益效果：
50.上述技术方案借助对于交通图像采集车辆采集得到的数据以及经加工处理后得到的高精和/或标精交通要素数据进行噪声识别。该技术方案能够提高高精和/或标精交通要素数据的准确度，进而避免出现直接利用采集数据导致的图像识别误差、位置解析误差、
高精地图数据创建错误、高精地图数据创建冗余等问题，从而大大提高高精地图数据的数据质量。
51.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，并不能限制本公开。
附图说明
52.结合附图，通过以下非限制性实施方式的详细描述，本公开的其它特征、目的和优点将变得更加明显。在附图中：
53.图1示出根据本公开一实施方式的交通图像识别结果判别方法的流程图；
54.图2示出根据本公开一实施方式的交通图像识别结果判别方法的整体流程图；
55.图3示出根据本公开一实施方式的交通图像识别结果判别装置的结构框图；
56.图4示出根据本公开一实施方式的电子设备的结构框图；
57.图5是适于用来实现根据本公开一实施方式的交通图像识别结果判别方法的计算机系统的结构示意图。
具体实施方式
58.下文中，将参考附图详细描述本公开的示例性实施方式，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施方式无关的部分。
59.在本公开中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
60.另外还需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
61.本公开实施例提供的技术方案借助对于交通图像采集车辆采集得到的数据以及经加工处理后得到的高精和/或标精交通要素数据进行噪声识别。该技术方案能够提高高精和/或标精交通要素数据的准确度，进而避免出现直接利用采集数据导致的图像识别误差、位置解析误差、高精地图数据创建错误、高精地图数据创建冗余等问题，从而大大提高高精地图数据的数据质量。
62.图1示出根据本公开一实施方式的交通图像识别结果判别方法的流程图，如图1所示，所述交通图像识别结果判别方法包括以下步骤s101-s104：
63.在步骤s101中，获取至少两幅交通图像，对于所述至少两幅交通图像进行识别，得到所述至少两幅交通图像包含的交通要素数据组成的交通要素数据集，其中，所述交通要素数据包括：交通要素类别、交通要素内容和交通要素位置；
64.在步骤s102中，对于所述交通要素数据集进行加工处理，得到高精和/或标精交通要素数据集；
65.在步骤s103中，对于所述高精和/或标精交通要素数据集中的高精和/或标精交通要素数据进行非噪声判别，得到所述高精和/或标精交通要素数据集中的非噪声数据；
66.在步骤s104中，对于所述高精和/或标精交通要素数据集中除所述非噪声数据外
剩余的高精和/或标精交通要素数据进行噪声判别，得到交通图像识别结果判别结果。
67.上文提及，随着社会的发展和科学技术的进步，安全性更高、更高效的自动驾驶技术已被公认为是汽车出行产业的未来方向之一，而很多自动驾驶行为均需要依赖高精地图数据。为了提高高精地图数据的更新频率，降低高精地图数据的更新成本，现有技术中利用交通图像采集车辆采集得到的数据来进行高精地图数据的更新，但由于采集数据的精度较低，在进行图像识别、位置解析时都可能会存在误差，如果直接使用采集数据来进行高精地图数据的更新，将会出现高精地图数据创建错误、创建冗余等问题，从而降低高精地图数据质量。
68.考虑到上述问题，在该实施方式中，提出一种交通图像识别结果判别方法，该方法借助对于交通图像采集车辆采集得到的数据以及经加工处理后得到的高精和/或标精交通要素数据进行噪声识别。该技术方案能够提高高精和/或标精交通要素数据的准确度，进而避免出现直接利用采集数据导致的图像识别误差、位置解析误差、高精地图数据创建错误、高精地图数据创建冗余等问题，从而大大提高高精地图数据的数据质量。
69.在本公开一实施方式中，所述交通图像识别结果判别方法可适用于对于交通牌矢量模型进行重建的计算机、计算设备、电子设备、服务器、服务集群等等。
70.在本公开一实施方式中，所述交通图像指的是交通图像采集车辆采集得到交通场景的、包含有一个或多个交通要素的图像。其中，所述交通图像采集车辆可以为专用的交通图像采集车辆，也可以为同时具备其他功能的众包交通图像采集车辆；所述交通要素比如可以为：地面箭头、车道线、限速带、斑马线、交通指示牌、交通指示灯等等。
71.在本公开一实施方式中，所述交通要素数据指的是与所述交通要素相关的数据，所述交通要素数据比如可包括以下数据中的一种或多种：交通要素类别、交通要素内容和交通要素位置。其中，所述交通要素类别指的是所述交通要素所属的类别，所述交通要素类别比如可以为：地面箭头、实线车道线、虚线车道线、限速带、斑马线、交通指示灯、转弯直行提示牌、限速牌、禁行牌等等。其中，所述交通要素内容指的是交通要素所包含的具体内容，比如，若所述交通要素的类别为限速牌，则该交通要素的内容就可为限速牌上标记的具体限行速度。其中，所述交通要素位置指的是所述交通所在的物理空间位置，比如，所述交通要素位置可以以所述交通要素所在的经纬度及高度数据来表示，若所述交通要素为一个点，则其位置可以该点所在的经纬度及高度数据来表示，若所述交通要素为一个具有一定投影面积的物体，则其位置可以组成该物体的所有点的平均经纬度及高度数据来表示。
72.在本公开一实施方式中，考虑到直接从交通图像采集车辆采集得到的交通图像中识别得到的交通要素数据可能存在精度较低、准确率较低的情况，因此，可通过对于所述交通要素数据集中包括的交通要素数据进行处理、加工、制作，以得到精度较高的、高精和/或标精交通要素数据组成的交通要素数据集，其中，所述高精交通要素数据和标精交通要素数据精度不同、颗粒度不同、数据采集频率也不同。其中，对于源数据进行处理、加工、制作得到高精和/或标精交通要素数据属于本领域技术人员应当广泛掌握的技术，此处不再赘述，比如，所述处理、加工、制作可包括对于源数据进行数据去噪、数据插值、数据填充、数据格式标准化、提取交通要素数据等内容。
73.在上述实施方式中，首先获取至少两幅交通图像，然后对于所述至少两幅交通图像进行识别，得到所述至少两幅交通图像包含的交通要素数据组成的交通要素数据集，其
中，每幅交通图像中可能包含至少一个交通要素，那么至少两幅交通图像中就会包含多个交通要素，对于至少两幅交通图像进行识别得到的所有交通要素数据即可组成一个交通要素数据集；然后对于所述交通要素数据集进行加工处理，得到高精和/或标精交通要素数据集；然后对于所述高精和/或标精交通要素数据集中的高精和/或标精交通要素数据先进行非噪声判别，得到所述高精和/或标精交通要素数据集中的、属于非噪声的高精和/或标精交通要素数据；然后对于所述高精和/或标精交通要素数据集集中除所述非噪声数据外剩余的高精和/或标精交通要素数据再进行噪声判别，最终得到对于交通图像识别结果的判别结果，即所述交通图像识别结果中哪些是识别错误的噪声数据，哪些是识别正确的非噪声数据。
74.在本公开一实施方式中，所述步骤s103，即对于所述高精和/或标精交通要素数据集中的高精和/或标精交通要素数据进行非噪声判别的步骤，可包括以下步骤：
75.确定所述高精和/或标精交通要素数据集中高精和/或标精交通要素数据之间的匹配度，其中，所述匹配度包括交通要素类别匹配度、交通要素内容匹配度和交通要素位置匹配度；
76.确定所述高精和/或标精交通要素数据集中是否存在匹配度高于预设匹配度阈值的高精和/或标精交通要素数据；
77.若存在，确定所述匹配度高于预设匹配度阈值的交通要素数据为非噪声数据。
78.在该实施方式中，通过判断所述高精交通要素数据集中和/或所述标精交通要素数据集是否存在一致的高精和/或标精交通要素数据，来进行所述高精和/或标精交通要素数据的非噪声判别。具体地，可先计算所述高精和/或标精交通要素数据集中各高精和/或标精交通要素数据之间的匹配度，需要注意的是，匹配度的计算处于同一精度交通要素数据集范围中，即，分别计算高精交通要素数据集中各高精交通要素数据之间的匹配度，以及标精交通要素数据集中各标精交通要素数据之间的匹配度，也即，所述匹配度可包括高精交通要素数据之间和/或标精交通要素数据之间的交通要素类别匹配度、交通要素内容匹配度和交通要素位置匹配度，其中，所述匹配度的计算可借助现有技术中数据匹配度算法来实现，此处不再赘述；然后将计算得到的匹配度与预设匹配度阈值进行比较，匹配度高于预设匹配度阈值的数据可认为在所述高精和/或标精交通要素数据集中并不是孤立的个体数据，也就可认为该数据并非为噪声数据。其中，所述预设匹配度阈值可根据实际应用的需要进行设置，本公开对其不作特别限定。
79.在本公开一实施方式中，所述步骤s104中，对于所述高精和/或标精交通要素数据集中除所述非噪声数据外剩余的高精和/或标精交通要素数据进行噪声判别的步骤，可包括以下步骤：
80.确定所述剩余的高精和/或标精交通要素数据是否为交通要素类别识别错误噪声、交通要素内容识别错误噪声、交通要素位置识别错误噪声中的一种；
81.若确定所述剩余的高精和/或标精交通要素数据为交通要素类别识别错误噪声、交通要素内容识别错误噪声、交通要素位置识别错误噪声中的一种，则确定所述高精和/或标精交通要素数据为噪声数据。
82.在该实施方式中，对于经过非噪声判别后的数据再进行噪声判别，来得到最终的交通图像识别结果判别结果，具体地，对于所述高精和/或标精交通要素数据集中除所述非
噪声数据外剩余的高精和/或标精交通要素数据，分别进行交通要素类别识别错误噪声、交通要素内容识别错误噪声或交通要素位置识别错误噪声的判别，若所述剩余的高精和/或标精交通要素数据被判别为交通要素类别识别错误噪声、交通要素内容识别错误噪声、交通要素位置识别错误噪声中的一种，则可确定所述高精和/或标精交通要素数据为噪声数据。
83.在本公开一实施方式中，所述确定所述剩余的高精和/或标精交通要素数据是否为交通要素类别识别错误噪声的步骤，可包括以下步骤：
84.确定所述高精和/或标精交通要素数据是否满足交通要素类别与交通要素内容之间的预设对应关系要求；
85.确定所述高精和/或标精交通要素数据是否满足第一附近数据一致性要求；
86.若确定所述高精和/或标精交通要素数据不满足所述预设对应关系要求，和/或不满足所述第一附近数据一致性要求，则确定所述高精和/或标精交通要素数据为交通要素类别识别错误噪声。
87.在该实施方式中，借助预设规则要求以及附近数据一致性要求对于交通要素类别识别错误噪声进行识别。即，确定所述高精和/或标精交通要素数据是否满足交通要素类别与交通要素内容之间的预设对应关系要求，即预设规则要求，例如，所述交通要素类别与交通要素内容之间的预设对应关系要求比如可以为：内容含有“匝道”等字样的交通要素的类别应为“限速牌”，内容含有“出口”、“km”等字样的交通要素的类别应为“出口指示牌”，等等，若内容含有“出口”字样的交通要素的类别为“限速带”，则可判定该交通要素的类别出现错误，不满足所述预设对应关系要求；然后确定所述高精和/或标精交通要素数据是否满足第一附近数据一致性要求；若所述高精和/或标精交通要素数据不满足所述预设对应关系要求，和/或不满足所述第一附近数据一致性要求，则可确定所述高精和/或标精交通要素数据为交通要素类别识别错误噪声。
88.进一步地，所述确定所述高精和/或标精交通要素数据是否满足第一附近数据一致性要求的步骤，可包括以下步骤：
89.确定所述高精和/或标精交通要素数据对应的交通要素数据中，具有相同类别的数据所占比例是否高于第一预设比例阈值，平均采集频率是否高于第一预设频率阈值；
90.若所述交通要素数据中，具有相同类别的数据所占比例低于第一预设比例阈值，和/或平均采集频率低于第一预设频率阈值，则确定所述高精和/或标精交通要素数据不满足第一一致性要求；
91.确定第一预设范围内的高精和/或标精交通要素数据是否存在交通要素内容相同，但交通要素类别不同的数据；
92.若第一预设范围内的高精和/或标精交通要素数据存在交通要素内容相同，但交通要素类别不同的数据，则确定所述高精和/或标精交通要素数据不满足第二一致性要求；
93.若确定所述高精和/或标精交通要素数据不满足所述第一一致性要求和/或第二一致性要求，则确定所述高精和/或标精交通要素数据不满足第一附近数据一致性要求。
94.在该实施方式中，分别对于加工处理之前的交通要素数据，以及加工处理之后得到的高精和/或标精交通要素数据进行一致性要求判别，当两者不满足至少一种一致性要求时，可确定所述高精和/或标精交通要素数据不满足第一附近数据一致性要求。
95.具体地：
96.对于加工处理之前的交通要素数据，即所述高精和/或标精交通要素数据对应的交通要素数据，计算所述交通要素数据中，具有相同类别的数据所占的比例，以及数据平均采集频率，然后将具有相同类别的数据所占的比例与第一预设比例阈值进行比较，将数据平均采集频率与第一预设频率阈值进行比较，若具有相同类别的数据所占的比例低于所述第一预设比例阈值，则认为交通要素数据中同类别数据较少，交通要素类别识别有可能出现错误，若数据平均采集频率低于所述第一预设频率阈值，说明数据的采集可能存在差错，因此，若具有相同类别的数据所占的比例低于所述第一预设比例阈值，和/或，数据平均采集频率低于所述第一预设频率阈值，则认为所述高精和/或标精交通要素数据不满足第一一致性要求。其中，所述第一预设比例阈值与所述第一预设频率阈值可根据实际应用的需要进行设置，本公开对其不作特别限定。
97.对于加工处理之后得到的高精和/或标精交通要素数据，确定第一预设范围内的高精和/或标精交通要素数据是否存在交通要素内容相同，但交通要素类别不同的数据，若存在，则认为这些数据类别的识别可能存在误差，即可确定所述高精和/或标精交通要素数据不满足第二一致性要求。其中，所述第一预设范围可根据实际应用的需要进行设置，本公开对其不作特别限定。
98.最后，若确定所述高精和/或标精交通要素数据不满足所述第一一致性要求和/或第二一致性要求，可认为所述高精和/或标精交通要素数据不满足所述第一附近数据一致性要求。
99.在本公开一实施方式中，所述确定所述剩余的高精和/或标精交通要素数据是否为交通要素内容识别错误噪声的步骤，可包括以下步骤：
100.确定所述高精和/或标精交通要素数据是否满足内容合理性要求；
101.确定所述高精和/或标精交通要素数据是否满足第二附近数据一致性要求；
102.若确定所述高精和/或标精交通要素数据不满足所述内容合理性要求，和/或不满足所述第二附近数据一致性要求，则确定所述高精和/或标精交通要素数据为交通要素内容识别错误噪声。
103.在该实施方式中，借助预设内容合理性要求以及附近数据一致性要求对于交通要素内容识别错误噪声进行识别。即，确定所述高精和/或标精交通要素数据是否满足内容合理性要求，例如，所述内容合理性要求比如可以为：类别为“限速指示牌”、“限高指示牌”、“限宽指示牌”、“限重指示牌”的交通要素的内容应为处于预设数字范围内的数字，比如，若类别为“限速指示牌”的交通要素的内容为“2.6m”，则可认为该交通要素的内容识别存在错误，不满足所述内容合理性要求，需要注意的是，对于类别为“电子限速”的交通要素不进行上述是否满足内容合理性要求的判断；
104.然后确定所述高精和/或标精交通要素数据是否满足第二附近数据一致性要求；若所述高精和/或标精交通要素数据不满足所述内容合理性要求，和/或不满足所述第二附近数据一致性要求，则可确定所述高精和/或标精交通要素数据为交通要素内容识别错误噪声。
105.进一步地，所述确定所述高精和/或标精交通要素数据是否满足第二附近数据一致性要求的步骤，可包括以下步骤：
106.确定所述高精和/或标精交通要素数据对应的交通要素数据中，具有相同内容的数据所占比例是否高于第二预设比例阈值，平均采集频率是否高于第二预设频率阈值，若所述交通要素数据中，具有相同类别的数据所占比例低于第二预设比例阈值，和/或，平均采集频率低于第二预设频率阈值，则确定所述高精和/或标精交通要素数据不满足第二附近数据一致性要求。
107.在该实施方式中，对于加工处理之前的交通要素数据进行一致性要求判别，若所述加工处理之前的交通要素数据不满足相应的一致性要求，则可确定所述高精和/或标精交通要素数据不满足第二附近数据一致性要求。
108.具体地：
109.对于加工处理之前的交通要素数据，即所述高精和/或标精交通要素数据对应的交通要素数据，计算所述交通要素数据中，具有相同内容的数据所占的比例，以及数据平均采集频率，然后将具有相同类别的数据所占的比例与第二预设比例阈值进行比较，将数据平均采集频率与第二预设频率阈值进行比较，若具有相同类别的数据所占的比例低于所述第二预设比例阈值，则认为交通要素数据中同内容数据较少，交通要素内容识别有可能出现错误，若数据平均采集频率低于所述第二预设频率阈值，说明数据的采集可能存在差错，因此，若具有相同内容的数据所占的比例低于所述第二预设比例阈值，和/或，数据平均采集频率低于所述第二预设频率阈值，则认为所述高精和/或标精交通要素数据不满足所述第二附近数据一致性要求。
110.在本公开一实施方式中，所述确定所述剩余的高精和/或标精交通要素数据是否为交通要素位置识别错误噪声的步骤，可包括以下步骤：
111.确定所述高精和/或标精交通要素数据是否满足第三附近数据一致性要求；
112.若确定所述高精和/或标精交通要素数据不满足所述第三附近数据一致性要求，则确定所述高精和/或标精交通要素数据为交通要素位置识别错误噪声。
113.在该实施方式中，借助附近数据一致性要求对于交通要素位置识别错误噪声进行识别。即，确定所述高精和/或标精交通要素数据是否满足第三附近数据一致性要求，若所述高精和/或标精交通要素数据不满足所述第三附近数据一致性要求，则可确定所述高精和/或标精交通要素数据为交通要素位置识别错误噪声。
114.进一步地，所述确定所述高精和/或标精交通要素数据是否满足第三附近数据一致性要求的步骤，可包括以下步骤：
115.对于所述高精和/或标精交通要素数据对应的交通要素数据根据相互之间的距离进行聚类，得到两个或多个聚类分组，根据聚类分组所包含数据的数量以及不同聚类分组之间的距离，确定所述交通要素数据是否满足第三一致性要求；
116.确定第二预设范围内类别相同的高精和/或标精交通要素数据之间的距离，若所述距离高于预设距离阈值，则确定所述交通要素数据不满足第四一致性要求；
117.若确定所述高精和/或标精交通要素数据不满足所述第三一致性要求和第四一致性要求，则确定所述高精和/或标精交通要素数据不满足第三附近数据一致性要求。
118.在该实施方式中，借助交通要素数据之间的距离确定所述高精和/或标精交通要素数据是否满足第三附近数据一致性要求。具体地，首先计算所述高精和/或标精交通要素数据对应的交通要素数据之间的距离，然后对于所述距离进行聚类，得到两个或多个聚类
分组，根据聚类分组所包含数据的数量以及不同聚类分组之间的距离，即可确定所述交通要素数据是否满足第三一致性要求，比如，若某一聚类分组所包含数据的数量较少，低于预设数量阈值，或者，某一聚类分组与其他聚类分组之间的距离较远，远于预设距离阈值，说明该聚类分组中的数据可能存在位置识别错误的情况，即不满足所述第三一致性要求；然后计算第二预设范围内类别相同的高精和/或标精交通要素数据之间的距离，若所述距离高于预设距离阈值，说明这些数据可能存在位置识别错误的情况，即可确定所述交通要素数据不满足第四一致性要求；若最终确定所述高精和/或标精交通要素数据不满足所述第三一致性要求以及第四一致性要求，则可确定所述高精和/或标精交通要素数据不满足所述第三附近数据一致性要求。
119.图2示出根据本公开一实施方式的交通图像识别结果判别方法的整体流程图，如图2所示，在对于交通图像识别结果进行判别时，对于获取得到的交通图像进行识别得到交通要素数据集，然后对于所述交通要素数据集进行加工处理，得到高精和/或标精交通要素数据集，然后对于所述高精和/或标精交通要素数据进行非噪声判别，即判断是否存在匹配度高于预设匹配度阈值的高精和/或标精交通要素数据，若是，则确定该数据为非噪声数据，然后对于除非噪声数据外剩余高精和/或标精交通要素数据进行噪声判别，即确定所述剩余的高精和/或标精交通要素数据是否为交通要素类别识别错误噪声、交通要素内容识别错误噪声、交通要素位置识别错误噪声中的一种，若是，则确定所述高精和/或标精交通要素数据为噪声数据，最终得到交通图像识别结果判别结果。
120.下述为本公开装置实施例，可以用于执行本公开方法实施例。
121.图3示出根据本公开一实施方式的交通图像识别结果判别装置的结构框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图3所示，所述交通图像识别结果判别装置包括：
122.识别模块301，被配置为获取至少两幅交通图像，对于所述至少两幅交通图像进行识别，得到所述至少两幅交通图像包含的交通要素数据组成的交通要素数据集，其中，所述交通要素数据包括：交通要素类别、交通要素内容和交通要素位置；
123.处理模块302，被配置为对于所述交通要素数据集进行加工处理，得到高精和/或标精交通要素数据集；
124.第一判别模块303，被配置为对于所述高精和/或标精交通要素数据集中的高精和/或标精交通要素数据进行非噪声判别，得到所述高精和/或标精交通要素数据集中的非噪声数据；
125.第二判别模块304，被配置为对于所述高精和/或标精交通要素数据集中除所述非噪声数据外剩余的高精和/或标精交通要素数据进行噪声判别，得到交通图像识别结果判别结果。
126.上文提及，随着社会的发展和科学技术的进步，安全性更高、更高效的自动驾驶技术已被公认为是汽车出行产业的未来方向之一，而很多自动驾驶行为均需要依赖高精地图数据。为了提高高精地图数据的更新频率，降低高精地图数据的更新成本，现有技术中利用交通图像采集车辆采集得到的采集数据来进行高精地图数据的更新，但由于采集数据的精度较低，在进行图像识别、位置解析时都可能会存在误差，如果直接使用采集数据来进行高精地图数据的更新，将会出现高精地图数据创建错误、创建冗余等问题，从而降低高精地图
数据质量。
127.考虑到上述问题，在该实施方式中，提出一种交通图像识别结果判别装置，该装置借助对于交通图像采集车辆采集得到的数据以及经加工处理后得到的高精和/或标精交通要素数据进行噪声识别。该技术方案能够提高高精和/或标精交通要素数据的准确度，进而避免出现直接利用采集数据导致的图像识别误差、位置解析误差、高精地图数据创建错误、高精地图数据创建冗余等问题，从而大大提高高精地图数据的数据质量。
128.在本公开一实施方式中，所述交通图像识别结果判别装置可实现为对于交通牌矢量模型进行重建的计算机、计算设备、电子设备、服务器、服务集群等等。
129.上述装置相关实施方式中涉及的技术术语和技术特征与上述方法相关实施方式中提及的技术术语和技术特征相同或相似，对于上述装置相关实施方式中涉及的技术术语和技术特征的解释和说明可参考上述对于方法相关实施方式的解释的说明，此处不再赘述。
130.本公开还公开了一种电子设备，图4示出根据本公开一实施方式的电子设备的结构框图，如图4所示，所述电子设备400包括存储器401和处理器402；其中，
131.所述存储器401用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器402执行以实现上述方法步骤。
132.图5是适于用来实现根据本公开一实施方式的交通图像识别结果判别方法的计算机系统的结构示意图。
133.如图5所示，计算机系统500包括处理单元501，其可以根据存储在只读存储器(rom)502中的程序或者从存储部分508加载到随机访问存储器(ram)503中的程序而执行上述实施方式中的各种处理。在ram503中，还存储有计算机系统500操作所需的各种程序和数据。处理单元501、rom502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
134.以下部件连接至i/o接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至i/o接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。其中，所述处理单元501可实现为cpu、gpu、tpu、fpga、npu等处理单元。
135.特别地，根据本公开的实施方式，上文描述的方法可以被实现为计算机软件程序。例如，本公开的实施方式包括一种计算机程序产品，其包括有形地包含在及其可读介质上的计算机程序，所述计算机程序包含用于执行所述方法的程序代码。在这样的实施方式中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。
136.附图中的流程图和框图，图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所
标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
137.描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
138.作为另一方面，本公开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可以是上述实施方式中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
139.以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。