1.本发明涉及图像处理技术领域，更具体地，其涉及一种目标标注方法及装置、服务器、计算机可读存储介质。
背景技术：2.随着无人驾驶技术的不断成熟，无人驾驶技术也应用到越来越多的场景中。无人驾驶汽车在进行无人驾驶时需要依赖高精地图拓展感知的边界，补充感知的能力，以此完成准确的驾驶导航，因此高精地图中内容的丰富度与准确度对于无人驾驶十分重要。
3.现有技术在进行目标标注时，是根据激光雷达扫描到的数据在高精地图中标注数据对应的目标。
4.但是，现有技术在进行目标标注时，在激光雷达无法扫描到目标的情况下将缺失目标的数据，导致在高精地图中无法对目标进行标注，造成高精地图中内容不完整。
技术实现要素：5.本发明解决的技术问题是如何准确地在高精地图中对道路上的各个目标进行标注，使高精地图中的内容更加完整。
6.为解决上述技术问题，本发明实施例提供一种目标标注方法，所述目标标注方法包括：获取在各个时刻采集的定位数据与图像数据，所述定位数据包括定位装置在地图坐标系中的第一坐标以及第一坐标的第一采集时间，所述图像数据包括目标图像以及目标图像的第二采集时间，所述目标图像包括关键目标，每一关键目标在所述目标图像中具有第二坐标；对于每一目标图像，确定与目标图像的第二采集时间匹配的第一采集时间所采集的第一坐标；对于每一目标图像，利用所述目标图像中各个关键目标的第二坐标以及第一映射关系计算各个关键目标在所述地图坐标系上的第三坐标，所述第一映射关系表示目标图像中各个像素坐标与地图坐标系上各个三维坐标的映射关系；在三维地图中标注各个目标图像中关键目标的第三坐标，所述三维地图是基于所述地图坐标系构建的。
7.可选地，所述利用所述关键目标在所述目标图像中的第二坐标以及第一映射关系计算所述关键目标在所述地图坐标系上的第三坐标包括：利用所述目标图像中各个关键目标的第二坐标以及第二映射关系计算各个关键目标在相机坐标系上的第四坐标，所述第二映射关系表示目标图像中各个像素坐标与相机坐标系上各个三维坐标的映射关系；利用各个关键目标在相机坐标系上的第四坐标以及第四映射关系计算各个关键目标在车坐标系上的第五坐标，所述第四映射关系表示所述相机坐标系上各个三维坐标与所述车坐标系上各个三维坐标的映射关系；利用各个关键目标在车坐标系上的第五坐标以及第五映射关系计算各个关键目标在地图坐标系上的第三坐标，所述第五映射关系表示所述车坐标系上各个三维坐标与所述地图坐标系上各个三维坐标的映射关系。
8.可选地，所述第二映射关系是根据拍摄装置的内参标定数据确定的，所述拍摄装置用于采集所述目标图像。
9.可选地，所述第四映射关系是根据拍摄装置与定位装置之间的外参标定数据确定的，所述定位装置用于采集所述第一坐标；所述第五映射关系是根据所述第一坐标计算得到所述车坐标系与所述地图坐标系之间的旋转关系与平移关系确定的。
10.可选地，采用以下方式建立所述第一映射关系：根据所述第二映射关系、所述第三映射关系以及所述第四映射关系确定所述第一映射关系。
11.可选地，在所述获取在各个时刻采集的定位数据与图像数据之前包括：对所述目标图像进行目标识别，以得到所述目标图像中的所述关键目标。
12.可选地，所述利用所述关键目标在所述目标图像中的第二坐标以及第一映射关系计算所述关键目标在所述地图坐标系上的第三坐标包括：利用所述目标图像中各个关键目标的第二坐标以及第二映射关系计算各个关键目标在相机坐标系上的第四坐标，所述第二映射关系表示目标图像中各个像素坐标与相机坐标系上各个三维坐标的映射关系；利用各个关键目标在所述相机坐标系上的所述第四坐标以及第三映射关系计算各个关键目标在所述地图坐标系上的第三坐标，所述第三映射关系表示所述相机坐标系上各个三维坐标与所述地图坐标系上各个三维坐标的映射关系。
13.本发明实施例还公开一种目标标注装置，所述目标标注装置包括：获取模块，用于获取在各个时刻采集的定位数据与图像数据，所述定位数据包括定位装置在地图坐标系中的第一坐标以及第一坐标的第一采集时间，所述图像数据包括目标图像以及目标图像的第二采集时间，所述目标图像包括关键目标，每一关键目标在所述目标图像中具有第二坐标；第一坐标获取模块，用于对于每一目标图像，确定与目标图像的第二采集时间匹配的第一采集时间所采集的第一坐标；第三坐标获取模块，用于对于每一目标图像，利用所述目标图像中各个关键目标的第二坐标以及第一映射关系计算各个关键目标在所述地图坐标系上的第三坐标，所述第一映射关系表示目标图像中各个像素坐标与地图坐标系上各个三维坐标的映射关系；标注模块，用于在三维地图中标注各个目标图像中关键目标的第三坐标，所述三维地图是基于所述地图坐标系构建的。
14.本发明实施例还公开一种服务器，包括存储器和处理器，所述存储器上存储有可在处理器上运行的计算机程序，所述计算机程序被处理器运行时执行上述任一种所述目标标注方法的步骤。
15.本发明实施例还公开一种计算机可读存储介质，其上存储有计算机程序，所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质，所述计算机程序被处理器运行时执行上述任一种所述目标标注方法的步骤。
16.与现有技术相比，本发明实施例的技术方案具有以下有益效果：
17.本发明提出一种目标标注方法，通过获取在各个时刻采集的定位数据与图像数据，定位数据包括定位装置在地图坐标系中的第一坐标以及第一坐标的第一采集时间，图像数据包括目标图像以及目标图像的第二采集时间，并根据目标图像的第二采集时间确定与目标图像的第二采集时间匹配的第一采集时间所采集的第一坐标，可以根据同一时刻采集到的第一坐标和目标图像在地图中进行关键目标的精准标注。再用每一目标图像中各个关键目标的第二坐标以及第一映射关系计算各个关键目标在地图坐标系上的第三坐标，以根据第三坐标在三维地图中标注各个目标图像中关键目标。根据目标图像在地图中标注关键目标，可以弥补激光雷达因扫描高度限制而无法获取全部目标的缺陷，从而实现在高精
地图中对道路上的各个目标进行标注，使高精地图中的内容更加完整；并且可以根据第二坐标与第一映射关系在地图坐标系中进行关键目标的自动标注，减少了对关键目标在高精地图中位置进行人工校验的人力消耗，大大提升目标标注的效率。
附图说明
18.图1是本发明实施例提供的一种目标标注方法的整体流程图；
19.图2是本发明实施例提供的另一种目标标注方法的整体流程图；
20.图3是本发明实施例提供的一种目标标注装置的结构示意图。
具体实施方式
21.如背景技术中所述，随着无人驾驶技术应用到越来越多的场景中，高精地图的丰富度与准确度也十分重要，无人驾驶汽车在进行无人驾驶时需要依赖高精地图拓展感知的边界，补充感知的能力，以此完成准确的驾驶导航。现有技术在进行目标标注时，是根据激光雷达扫描到的数据在高精地图中标注数据对应的目标，但在激光雷达无法扫描到目标的情况下将缺失目标的数据，导致在高精地图中无法对目标进行标注，造成高精地图中内容不完整。
22.本发明实施例中，通过获取在各个时刻采集的定位数据与图像数据，定位数据包括定位装置在地图坐标系中的第一坐标以及第一坐标的第一采集时间，图像数据包括目标图像以及目标图像的第二采集时间，并根据目标图像的第二采集时间确定与目标图像的第二采集时间匹配的第一采集时间所采集的第一坐标，可以根据同一时刻采集到的第一坐标和目标图像在地图中进行关键目标的精准标注。再用每一目标图像中各个关键目标的第二坐标以及第一映射关系计算各个关键目标在地图坐标系上的第三坐标，以根据第三坐标在三维地图中标注各个目标图像中关键目标。根据目标图像在地图中标注关键目标，可以弥补激光雷达因扫描高度限制而无法获取全部目标的缺陷，从而实现在高精地图中对道路上的各个目标进行标注，使高精地图中的内容更加完整；并且可以根据第二坐标与第一映射关系在地图坐标系中进行关键目标的自动标注，减少了对关键目标在高精地图中位置进行人工校验的人力消耗，大大提升目标标注的效率。
23.为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。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做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。
24.图1是本发明实施例提供的一种目标标注方法的整体流程图。
25.在具体实施中，下述步骤101至步骤104所记载的目标标注方法可以用于服务器中。上述步骤具体可以由服务器来执行，也可以由服务器中具有数据处理功能的芯片所执行，也可以由服务器中包含有数据处理功能的芯片的芯片模组来执行。在一个具体的实施例中，可以由服务器执行目标标注方法的各个步骤。
26.具体地，如图1所示，目标标注方法可以包括以下步骤：
27.在步骤101中，获取在各个时刻采集的定位数据与图像数据；
28.在步骤102中，对于每一目标图像，确定与目标图像的第二采集时间匹配的第一采
集时间所采集的第一坐标；
29.在步骤103中，对于每一目标图像，利用所述目标图像中各个关键目标的第二坐标以及第一映射关系计算各个关键目标在所述地图坐标系上的第三坐标；
30.在步骤104中，在三维地图中标注各个目标图像中关键目标的第三坐标，所述三维地图是基于所述地图坐标系构建的。
31.至此，关键目标已标注完毕，可使用完成目标标注的地图进行无人驾驶。
32.需要说明的是，第一映射关系可以是在对关键目标进行标注之前预先建立好的。
33.在一个非限制性的实施例中，可以在获取定位数据与图像数据之前预先对目标图像进行目标识别，以得到目标图像中的关键目标。
34.需要说明的是，可以使用神经网络模型对关键目标进行识别，或者使用其他可实施的方法对关键目标进行识别，本技术对此不作限制。
35.还需要说明的是，关键目标可以是交通信号灯、天桥等任意可实施的地图中的物体，本技术对此不作限制。
36.在具体实施中，获取在各个时刻采集的定位数据与图像数据，定位数据包括定位装置在地图坐标系中的第一坐标以及第一坐标的第一采集时间，图像数据包括目标图像以及目标图像的第二采集时间，目标图像包括预先进行目标识别得到的关键目标，关键目标在目标图像中具有第二坐标。具体地，地图坐标系为预先建立的高精地图的坐标系，第一坐标是在地图坐标系上的三维坐标，第二坐标是在像素坐标系上的二维坐标。
37.在具体实施中，根据每一目标图像的第二采集时间与第一采集时间进行匹配，以得到匹配的第一采集时间所采集的第一坐标。具体地，可以匹配得到与第二采集时间一致的第一采集时间所采集的定位数据，将采集时间一致的定位数据作为目标图像匹配的定位数据；或者，可以匹配得到多个与第二采集时间不一致的第一采集时间所采集的定位数据，将多个定位数据进行插值，以得到定位数据估计值，将定位数据估计值作为目标图像匹配的定位数据。例如，目标图像的第二采集时间为第50ms，匹配得到的第一采集时间为第50ms，将第50ms采集到的定位数据作为目标图像所匹配的定位数据；或者，目标图像的第二采集时间为第50ms，匹配得到的第一采集时间为第48ms与第52ms，根据第48ms与第52ms的定位数据进行插值计算，以得到第50ms的定位数据估计值，并将第50ms的定位数据估计值作为目标图像所匹配的定位数据。
38.需要说明的是，可以采用线性插值进行定位数据的插值计算，或者采用其他可实施的插值方法进行定位数据的插值计算，本技术对此不作限制。
39.在步骤103的一种具体实施中，先利用目标图像中各个关键目标在的第二坐标以及第二映射关系计算各个关键目标在相机坐标系上的第四坐标，第二映射关系表示目标图像中各个像素坐标与相机坐标系上各个三维坐标的映射关系。具体地，第二映射关系是根据拍摄装置的内参标定数据确定的，且相机坐标系是以拍摄装置为原点建立的，拍摄装置用于采集目标图像。
40.进一步地，由于拍摄装置的制造及组装过程造成的偏差会引入畸变，导致原始图像失真，因此在计算第四坐标时需考虑拍摄装置的畸变参数，以还原所拍摄到的原始图像。当相机坐标系中的三维坐标[x
c y
c zc]
cam
投影在成像平面上时，正常坐标应为
而因硬件偏差导致的畸变后的归一化畸变坐标为[x
dis y
dis 1]
cam
。
[0041]
在具体实施中，正常坐标与畸变坐标的映射关系如下：
[0042][0043][0044][0045]
其中，k1、k2、k3、p1、p2为拍摄装置畸变参数，可提前测试得到。
[0046]
根据正常坐标与畸变坐标的映射关系以及内参标定数据可得到畸变坐标与像素坐标系中各个二维坐标的映射关系如下：
[0047][0048]
其中，f
x
、fy、c
x
、cy为拍摄装置的内参，可提前得到，为内参矩阵，[u v 1]
pixel
为像素坐标系中的二维坐标。
[0049]
在具体实施中，拍摄装置与定位装置具有一定距离，需要根据拍摄装置与定位装置之间的外参标定数据建立第三映射关系，以进行车坐标系与相机坐标系之间的三维坐标转换，第三映射关系表示相机坐标系上各个三维坐标与车坐标系上各个三维坐标的映射关系。
[0050]
在具体实施中，第三映射关系可以使用以下公式表示：
[0051][0052]
其中，[offset_x、offset_y、offset_z]为车坐标系至相机坐标系的平移矩阵，记为为为车坐标系至相机坐标系的旋转矩阵，[x y z]
car
为车坐标系中的三维坐标，[x
c y
c zc]
cam
为相机坐标系中的三维坐标。
[0053]
在具体实施中，可以根据定位数据以及定位装置在车坐标系中的坐标，计算车坐标系上各个三维坐标与地图坐标系上各个三维坐标之间的第四映射关系。车坐标系是以定位装置为原点的坐标系，第四映射关系是根据第一坐标计算得到车坐标系与地图坐标系之间的旋转关系与平移关系确定的，第四映射关系表示车坐标系上各个三维坐标与地图坐标系上各个三维坐标的映射关系。车坐标系与地图坐标系之间的平移关系可通过第一坐标得到，车坐标系与地图坐标系之间的旋转关系可根据定位装置的朝向得到。
[0054]
在具体实施中，第四映射关系可以使用以下公式表示：
[0055][0056]
其中，[δxδyδz]为地图坐标系至车坐标系的平移矩阵，记为其中，[δxδyδz]为地图坐标系至车坐标系的平移矩阵，记为为地图坐标系至车坐标系的旋转矩阵，[x y z]
map
为地图坐标系中的三维坐标。
[0057]
本实施例中，通过拍摄装置的内参标定数据以及畸变参数，可以计算得到像素坐标系中各个二维坐标与相机坐标系中各个三维坐标的第二映射关系；再根据拍摄装置与定位装置的外参标定数据，可以计算得到相机坐标系中各个三维坐标与车坐标系中各个三维坐标的第三映射关系；接着根据定位数据可以计算得到车坐标系中各个三维坐标与地图坐标系中各个三维坐标的第四映射关系。根据第二映射关系、第三映射关系以及第四映射关系，可联立计算得到像素坐标系中各个二维坐标与地图坐标系中各个三维坐标的第一映射关系。
[0058]
在具体实施中，第一映射关系可以使用以下公式表示：
[0059][0060]
其中，d为可实现的畸变矩阵，k为内参矩阵
[0061]
进一步地，每一目标图像都可得到一个包含有具体参数的公式7，而对于同一关键目标，可以使用光束平差法(bundle adjustment,ba)通过多个公式7计算得到一个关键目标的最优解[x y z]
map
，使得最优解的残差最小，令该关键目标的第三坐标更加准确。
[0062]
在本实施例中，利用目标图像中各个关键目标的第二坐标[u v 1]
pixel
以及第一映射关系计算各个关键目标在地图坐标系上的第三坐标[x y z]
map
，并根据[x y z]
map
在地图坐标系中标注出各个目标图像中的关键目标，以实现关键目标的准确标注。结合定位装置与拍摄装置采集到的数据进行目标的标注，可以弥补激光雷达仰角有限而无法获取到周围全部目标的缺陷，使激光雷达扫描不到的目标也可标注在地图上。此外，还可结合目标图像对已在地图中标注的关键目标进行校验，使关键目标的坐标更加精准。
[0063]
图2是本发明实施例提供的另一种目标标注方法的具体流程图。
[0064]
与上述目标标注方法不同的是，在步骤203中，对于每一图像，利用目标图像中各个关键目标的第二坐标以及第二映射关系计算各个关键目标在相机坐标系上的第四坐标；
[0065]
在步骤204中，对于每一图像，利用各个关键目标在相机坐标系上的第四坐标以及第五映射关系计算各个关键目标在地图坐标系上的第三坐标。
[0066]
在具体实施中，当拍摄装置与定位装置在地图坐标系中的坐标一致时，即拍摄装置与定位装置部署在车辆上的同一位置时，可以使用第二坐标以及相机坐标系上各个三维
坐标与地图坐标系上各个三维坐标的第五映射关系进行第三坐标的计算，以简化计算过程。
[0067]
在具体实施中，第五映射关系可以使用以下公式表示：
[0068][0069]
其中，[δx1δy1δz1]为地图坐标系至相机坐标系的平移矩阵，记为]为地图坐标系至相机坐标系的平移矩阵，记为为地图坐标系至相机坐标系的旋转矩阵，[x y z]
map
为地图坐标系中的三维坐标，[x y z]
cam
为相机坐标系中的三维坐标。具体地，地图坐标系至相机坐标系的平移矩阵与地图坐标系至相机坐标系的旋转矩阵可从定位装置采集的定位数据中得到。关于坐标系间的转换可参考步骤103中的相关描述，此处不再赘述。
[0070]
本发明实施例中，根据前述的第二映射关系与第五映射关系，可以得到目标图像中各个像素坐标与地图坐标系上各个三维坐标的映射关系，也即第一映射关系。
[0071]
在拍摄装置与定位装置在地图坐标系中的坐标一致时，第一映射关系可以使用以下公式表示：
[0072][0073]
在本实施例中，在拍摄装置与定位装置在地图坐标系中的坐标一致的情况下，可以建立相机坐标系上各个三维坐标与地图坐标系上各个三维坐标之间的第五映射关系，以简化相机坐标系、车坐标系与地图坐标系的转换过程，减小计算第三坐标时的算力消耗。
[0074]
在一个具体的应用场景中，受激光雷达扫描高度的限制，激光雷达不一定能扫描到红绿灯，以及激光雷达无法识别红绿灯的颜色等原因，导致激光雷达扫描得到的点云数据中不包含红绿灯。那么仅根据点云数据在高精度地图中进行标注的话将导致地图中缺少红绿灯的信息。而本技术可以预先根据定位装置的定位数据建立地图坐标系上各个三维坐标与像素坐标系中各个像素坐标之间的第一映射关系。通过拍摄装置采集道路上的图像数据，从中选取包含红绿灯的目标图像。对目标图像进行目标识别以得到红绿灯在目标图像的像素坐标系中的第二坐标。通过第二坐标与第一映射关系即可计算得到红绿灯在地图坐标系中的第三坐标。利用得到的第三坐标，可以在地图中准确地标注出红绿灯，使高精地图中的内容更加丰富，在实际应用中能够更好地辅助车辆进行无人驾驶。
[0075]
如图3所示，本发明实施例还公开了一种目标标注装置。目标标注装置30包括：
[0076]
获取模块301，用于获取在各个时刻采集的定位数据与图像数据，所述定位数据包括定位装置在地图坐标系中的第一坐标以及第一坐标的第一采集时间，所述图像数据包括目标图像以及目标图像的第二采集时间，所述目标图像包括关键目标，每一关键目标在所述目标图像中具有第二坐标；
[0077]
第一坐标获取模块302，用于对于每一目标图像，确定与目标图像的第二采集时间匹配的第一采集时间所采集的第一坐标；
processor，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现成可编程门阵列(field programmable gate array，简称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。
[0088]
还应理解，本技术实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，简称rom)、可编程只读存储器(programmable rom，简称prom)、可擦除可编程只读存储器(erasable prom，简称eprom)、电可擦除可编程只读存储器(electrically eprom，简称eeprom)或闪存。易失性存储器可以是随机存取存储器(random access memory，简称ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的随机存取存储器(random access memory，简称ram)可用，例如静态随机存取存储器(static ram，简称sram)、动态随机存取存储器(dram)、同步动态随机存取存储器(synchronous dram，简称sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，简称ddr sdram)、增强型同步动态随机存取存储器(enhanced sdram，简称esdram)、同步连接动态随机存取存储器(synchlink dram，简称sldram)和直接内存总线随机存取存储器(direct rambus ram，简称dr ram)。
[0089]
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例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或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以为通用计算机、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或无线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合的服务器、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。半导体介质可以是固态硬盘。
[0090]
应理解，在本技术的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0091]
在本技术所提供的几个实施例中，应该理解到，所揭露的方法、装置和系统，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的；例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式；例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0092]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目
的。
[0093]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0094]
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0095]
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。
技术特征：1.一种目标标注方法，其特征在于，包括：获取在各个时刻采集的定位数据与图像数据，所述定位数据包括定位装置在地图坐标系中的第一坐标以及第一坐标的第一采集时间，所述图像数据包括目标图像以及目标图像的第二采集时间，所述目标图像包括关键目标，每一关键目标在所述目标图像中具有第二坐标；对于每一目标图像，确定与目标图像的第二采集时间匹配的第一采集时间所采集的第一坐标；对于每一目标图像，利用所述目标图像中各个关键目标的第二坐标以及第一映射关系计算各个关键目标在所述地图坐标系上的第三坐标，所述第一映射关系表示目标图像中各个像素坐标与地图坐标系上各个三维坐标的映射关系；在三维地图中标注各个目标图像中关键目标的第三坐标，所述三维地图是基于所述地图坐标系构建的。2.根据权利要求1所述的目标标注方法，其特征在于，所述利用所述关键目标在所述目标图像中的第二坐标以及第一映射关系计算所述关键目标在所述地图坐标系上的第三坐标包括：利用所述目标图像中各个关键目标的第二坐标以及第二映射关系计算各个关键目标在相机坐标系上的第四坐标，所述第二映射关系表示目标图像中各个像素坐标与相机坐标系上各个三维坐标的映射关系；利用各个关键目标在相机坐标系上的第四坐标以及第三映射关系计算各个关键目标在车坐标系上的第五坐标，所述第三映射关系表示所述相机坐标系上各个三维坐标与所述车坐标系上各个三维坐标的映射关系；利用各个关键目标在车坐标系上的第五坐标以及第四映射关系计算各个关键目标在地图坐标系上的第三坐标，所述第四映射关系表示所述车坐标系上各个三维坐标与所述地图坐标系上各个三维坐标的映射关系。3.根据权利要求2所述的目标标注方法，其特征在于，所述第二映射关系是根据拍摄装置的内参标定数据确定的，所述拍摄装置用于采集所述目标图像。4.根据权利要求2所述的目标标注方法，其特征在于，所述第三映射关系是根据拍摄装置与定位装置之间的外参标定数据确定的，所述定位装置用于采集所述第一坐标；所述第四映射关系是根据所述第一坐标计算得到所述车坐标系与所述地图坐标系之间的旋转关系与平移关系确定的。5.根据权利要求2所述的目标标注方法，其特征在于，采用以下方式建立所述第一映射关系：根据所述第二映射关系、所述第三映射关系以及所述第四映射关系确定所述第一映射关系。6.根据权利要求1所述的目标标注方法，其特征在于，所述利用所述关键目标在所述目标图像中的第二坐标以及第一映射关系计算所述关键目标在所述地图坐标系上的第三坐标包括：利用所述目标图像中各个关键目标的第二坐标以及第二映射关系计算各个关键目标在相机坐标系上的第四坐标，所述第二映射关系表示目标图像中各个像素坐标与相机坐标
系上各个三维坐标的映射关系；利用各个关键目标在所述相机坐标系上的所述第四坐标以及第五映射关系计算各个关键目标在所述地图坐标系上的第三坐标，所述第五映射关系表示所述相机坐标系上各个三维坐标与所述地图坐标系上各个三维坐标的映射关系。7.根据权利要求1所述的目标标注方法，其特征在于，在所述获取在各个时刻采集的定位数据与图像数据之前包括：对所述目标图像进行目标识别，以得到所述目标图像中的所述关键目标。8.一种目标标注装置，其特征在于，包括：获取模块，用于获取在各个时刻采集的定位数据与图像数据，所述定位数据包括定位装置在地图坐标系中的第一坐标以及第一坐标的第一采集时间，所述图像数据包括目标图像以及目标图像的第二采集时间，所述目标图像包括关键目标，每一关键目标在所述目标图像中具有第二坐标；第一坐标获取模块，用于对于每一目标图像，确定与目标图像的第二采集时间匹配的第一采集时间所采集的第一坐标；第三坐标获取模块，用于对于每一目标图像，利用所述目标图像中各个关键目标的第二坐标以及第一映射关系计算各个关键目标在所述地图坐标系上的第三坐标，所述第一映射关系表示目标图像中各个像素坐标与地图坐标系上各个三维坐标的映射关系；标注模块，用于在三维地图中标注各个目标图像中关键目标的第三坐标，所述三维地图是基于所述地图坐标系构建的。9.一种服务器，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行权利要求1至7中任一项所述目标标注方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质，所述计算机程序被处理器运行时执行权利要求1至7中任一项所述目标标注方法的步骤。
技术总结本发明公开了一种目标标注方法及装置、服务器、计算机可读存储介质，所述目标标注方法包括：获取在各个时刻采集的定位数据与图像数据；对于每一目标图像，确定与目标图像的第二采集时间匹配的第一采集时间所采集的第一坐标；对于每一目标图像，利用所述目标图像中各个关键目标的第二坐标以及第一映射关系计算各个关键目标在所述地图坐标系上的第三坐标；在三维地图中标注各个目标图像中关键目标的第三坐标。使用上述技术方案能够结合目标图像在三维地图中对关键目标进行标注，以提高目标标注的准确度。标注的准确度。标注的准确度。
技术研发人员：黄超 张浩 杨嘉靖
受保护的技术使用者：上海仙途智能科技有限公司
技术研发日：2022.06.07
技术公布日：2022/11/1
