語義分割模型的訓練和高精地圖車道線的生成方法和設備技術

本公開提供了一種語義分割模型的訓練和高精地圖車道線的生成方法、裝置和設備，涉及自動駕駛、人工智能、智能交通、深度學習等領域。具體實現方案包括：獲取樣本圖像，樣本圖像中包括樣本車道線；利用初始網絡，從樣本圖像中提取出樣本車道線的起止點對的特征；利用初始網絡，提取樣本語義地圖的特征；根據樣本語義地圖的特征和起止點對的特征，利用初始網絡，得到對樣本車道線的預測圖像；根據樣本圖像和預測圖像，調整初始網絡的參數，得到語義分割模型，語義分割模型用于根據目標車道線的起止點對圖像，輸出包括目標車道線的目標圖像。本公開的技術方案可以根據語義地圖和起止點對圖像自動生成起止點對之間的虛擬車道線。點對圖像自動生成起止點對之間的虛擬車道線。點對圖像自動生成起止點對之間的虛擬車道線。

【技術實現步驟摘要】
語義分割模型的訓練和高精地圖車道線的生成方法和設備


[0001]本公開涉及計算機
，尤其涉及自動駕駛、人工智能、智能交通、深度學習等領域，具體涉及一種語義分割模型的訓練和高精地圖車道線的生成方法、裝置、設備、存儲介質和計算機程序產品。

技術介紹

[0002]車道線是高精地圖經驗圖層的核心要素。現有技術中，車道線多是根據交通標志半自動化生成，這種方式生成的車道線不符合人類駕駛習慣。還有基于感知障礙車軌跡聚合生成擬人化的車道線，但由于障礙車部署數量的限制，會出現部分車道線缺失的問題。

技術實現思路

[0003]本公開提供了一種語義分割模型的訓練和高精地圖車道線的生成方法、裝置、設備、存儲介質和計算機程序產品。
[0004]根據本公開的第一方面，提供了一種語義分割模型的訓練方法，包括：
[0005]獲取樣本圖像，樣本圖像中包括樣本車道線；
[0006]利用初始網絡，從樣本圖像中提取出樣本車道線的起止點對的特征；
[0007]利用初始網絡，提取樣本語義地圖的特征；
[0008]根據樣本語義地圖的特征和起止點對的特征，利用初始網絡，得到對樣本車道線的預測圖像；
[0009]根據樣本圖像和預測圖像，調整初始網絡的參數，得到語義分割模型，語義分割模型用于根據目標車道線的起止點對圖像，輸出包括目標車道線的目標圖像。
[0010]根據本公開的第二方面，提供了一種高精地圖車道線的生成方法，包括：
[0011]獲取與目標高精地圖對應的目標語義地圖；/>[0012]將目標語義地圖和目標車道線的起止點對圖像輸入語義分割模型，以得到包括目標車道線的目標圖像；其中，語義分割模型為本公開任一實施例的訓練方法得到；
[0013]根據目標圖像，生成目標車道線。
[0014]根據本公開的第三方面，提供了一種語義分割模型的訓練裝置，包括：
[0015]樣本圖像獲取模塊，用于獲取樣本圖像，樣本圖像中包括樣本車道線；
[0016]起止點對特征提取模塊，用于利用初始網絡，從樣本圖像中提取出樣本車道線的起止點對的特征；
[0017]語義地圖特征提取模塊，用于利用初始網絡，提取樣本語義地圖的特征；
[0018]預測模塊，用于根據樣本語義地圖的特征和起止點對的特征，利用初始網絡，得到對樣本車道線的預測圖像；
[0019]參數調整模塊，用于根據樣本圖像和預測圖像，調整初始網絡的參數，得到語義分割模型，語義分割模型用于根據目標車道線的起止點對圖像，輸出包括目標車道線的目標圖像。
[0020]根據本公開的第四方面，提供了一種高精地圖車道線的生成裝置，包括：
[0021]目標語義地圖獲取模塊，用于獲取與目標高精地圖對應的目標語義地圖；
[0022]目標圖像確定模塊，將目標語義地圖和目標車道線的起止點對圖像輸入語義分割模型，以得到包括目標車道線的目標圖像；其中，語義分割模型為本公開任一實施例的訓練裝置得到；
[0023]目標車道線生成模塊，用于根據目標圖像，生成目標車道線。
[0024]根據本公開的第五方面，提供了一種語義分割模型的訓練設備，包括：
[0025]至少一個處理器；以及
[0026]與至少一個處理器通信連接的存儲器；其中，
[0027]存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行本公開任意實施例提供的訓練方法。
[0028]根據本公開的第六方面，提供了一種高精地圖車道線的生成設備，包括：
[0029]至少一個處理器；以及
[0030]與至少一個處理器通信連接的存儲器；其中，
[0031]存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行本公開任意實施例提供的生成方法。
[0032]根據本公開的第七方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，計算機指令用于使計算機執行本公開任意實施例提供的方法。
[0033]根據本公開的第八方面，提供了一種計算機程序產品，包括計算機程序，該計算機程序在被處理器執行時實現本公開任意實施例提供的方法。
[0034]根據本公開的第九方面，提供了一種自動駕駛車輛，包括本公開任意實施例提供的高精地圖車道線的生成裝置或本公開任意實施例提供的高精地圖車道線的生成設備。
[0035]本公開實施例的技術方案可以根據語義地圖和起止點對圖像自動生成起止點對之間的虛擬車道線。
[0036]應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。
附圖說明
[0037]附圖用于更好地理解本方案，不構成對本公開的限定。其中：
[0038]圖1是根據本公開實施例中的虛擬車道線的示例圖；
[0039]圖2是根據本公開實施例的語義分割模型的訓練方法的流程圖；
[0040]圖3是根據本公開實施例中高精地圖的示例圖；
[0041]圖4是根據本公開實施例中語義地圖的示例圖；
[0042]圖5是根據本公開實施例的高精地圖車道線的生成方法的流程圖；
[0043]圖6是根據本公開實施例的高精地圖車道線的生成方法的應用示例圖；
[0044]圖7是根據本公開實施例的應用場景的示意圖；
[0045]圖8是根據本公開實施例的語義分割模型的訓練裝置的框圖；
[0046]圖9是根據本公開實施例的高精地圖車道線的生成裝置的框圖；
[0047]圖10是用來實現本公開實施例的方法的電子設備的框圖。
具體實施方式
[0048]以下結合附圖對本公開的示范性實施例做出說明，其中包括本公開實施例的各種細節以助于理解，應當將它們認為僅僅是示范性的。因此，本領域普通技術人員應當認識到，可以對這里描述的實施例做出各種改變和修改，而不會背離本公開的范圍和精神。同樣，為了清楚和簡明，以下的描述中省略了對公知功能和結構的描述。
[0049]高精地圖的經驗圖層可以為自動駕駛車輛的規劃與控制(Plan and Control，PNC)模塊提供參考。在經驗圖層中可以提供一些虛擬車道線，為車輛行駛提供參考。例如：當前L4無人駕駛技術中，在路口轉彎或掉頭時，PNC模塊會參考高精地圖中標注的轉向曲線。這種轉向曲線就可以看作是一種虛擬車道線，如圖1所示。本申請實施例旨在提供一種訓練方法，從而得到語義分割模型，并利用該語義分割模型，根據高精地圖和起止點對圖像，自動化生成起止點對之間的虛擬車道線。
[0050]圖2示出根據本公開實施例的語義分割模型的訓練方法的流程圖。如圖2所示，該訓練方法包括：
[0051]步驟S201：獲取樣本圖像，樣本圖像中包括樣本車道線；
[0052]步驟S202：利用初始網絡，從樣本圖像中提取出樣本車道線的起止點對的特征；本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種語義分割模型的訓練方法，包括：獲取樣本圖像，所述樣本圖像中包括樣本車道線；利用初始網絡，從所述樣本圖像中提取出所述樣本車道線的起止點對的特征；利用所述初始網絡，提取樣本語義地圖的特征；根據所述樣本語義地圖的特征和所述起止點對的特征，利用所述初始網絡，得到對所述樣本車道線的預測圖像；根據所述樣本圖像和所述預測圖像，調整所述初始網絡的參數，得到語義分割模型，所述語義分割模型用于根據目標車道線的起止點對圖像，輸出包括所述目標車道線的目標圖像。2.根據權利要求1所述的訓練方法，其中，利用所述初始網絡，提取樣本語義地圖的特征之前，還包括：獲取與所述樣本車道線對應的樣本高精地圖；編碼所述樣本高精地圖，以得到所述樣本語義地圖。3.根據權利要求1所述的訓練方法，其中，所述樣本圖像包括第一樣本圖像和第二樣本圖像，所述第一樣本圖像中包括第一樣本車道線，所述第二樣本圖像中包括第二樣本車道線，所述第一樣本車道線為人類駕駛車輛的行駛軌跡，所述第二樣本車道線為現實世界中劃線的車道線。4.根據權利要求3所述的訓練方法，其中，所述預測圖像包括與所述第一樣本車道線對應的第一預測圖像以及對所述第二樣本車道線對應的第二預測圖像，根據所述樣本圖像和所述預測圖像，調整所述初始網絡的參數，得到語義分割模型，包括：根據所述第一樣本圖像以及所述第一預測圖像的差異，構建第一損失子函數；根據所述第二樣本圖像以及所述第二預測圖像的差異，構建第二損失子函數；根據所述第一損失子函數以及所述第二損失子函數，構建所述初始網絡的損失函數，其中，所述第一損失子函數的權重大于所述第二損失子函數的權重；調整所述初始網絡的參數，直到所述損失函數收斂。5.一種高精地圖車道線的生成方法，包括：獲取與目標高精地圖對應的目標語義地圖；將所述目標語義地圖和目標車道線的起止點對圖像輸入語義分割模型，以得到包括所述目標車道線的目標圖像；其中，所述語義分割模型為權利要求1至4任一項所述的訓練方法得到；根據所述目標圖像，生成所述目標車道線。6.根據權利要求5所述的生成方法，其中，根據所述目標圖像，生成所述目標車道線，包括：對所述目標圖像進行關鍵點提取，得到所述目標車道線上的多個關鍵點；對各關鍵點進行曲線擬合，生成所述目標車道線。7.一種語義分割模型的訓練裝置，包括：樣本圖像獲取模塊，用于獲取樣本圖像，所述樣本圖像中包括樣本車道線；起止點對特征提取模塊，用于利用初始網絡，從所述樣本圖像中提取出所述樣本車道
線的起止點對的特征；語義地圖特征提取模塊，用于利用所述初始網絡，提取樣本語義地圖的特征；預測模塊，用于根據所述樣本語義地圖的特征和所述起止點對的特征，利用所述初始網絡，得到對所述樣本車道線的預測圖像；參數調整模塊，用于根據所述樣本圖像和所述預測圖像，調整所述初始網絡的參數，得到語義分割模型，所述語義分割模型用于根據目標車道線的起止點對圖像，輸出包括所述目標車道線的目標圖像。8.根據權利要求7所述的訓練...

【專利技術屬性】
技術研發人員：何雷，耿濤，劉陽，
申請(專利權)人：北京百度網訊科技有限公司，
類型：發明
國別省市：