【技術實現步驟摘要】
本專利技術涉及計算機，尤其涉及數據處理技術、自動駕駛，具體涉及一種地圖要素預測模型的訓練方法、裝置、設備及存儲介質。
技術介紹
1、隨著自動駕駛技術的快速發展和廣泛運用，“重感知，輕地圖”的理論得到越來越多的認可和實踐，其核心邏輯在于不過度依賴高精度地圖。在沒有高精度地圖的地方，系統可通過實時構建局部環境地圖(localmap)等方式，為車輛提供自動駕駛所需的道路信息，以降低對高精度地圖的依賴。
2、在線生成地圖，是指車輛通過其搭載的傳感器(如激光雷達、攝像頭、毫米波雷達等)實時感知周圍環境，并在線構建局部的道路和交通信息。目前的在線生成地圖技術，通過構建深度神經網絡來識別車輛周圍環境中的地圖要素來實現，模型收斂速度慢，模型精度不高。
技術實現思路
1、本專利技術提供了一種地圖要素預測模型的訓練方法、裝置、設備及存儲介質，以解決現有的在線地圖生成模型缺乏對真實信息的有效利用，模型收斂速度慢的問題。
2、根據本專利技術的一方面，提供了一種地圖要素預測模型的訓練方法，包括：
3、獲取樣本圖像，樣本圖像中樣本地圖要素的真值檢測結果和樣本圖像中樣本地圖要素的描述信息；
4、通過待訓練預測網絡，對所述樣本圖像進行特征提取得到樣本圖像特征；
5、根據樣本地圖要素待學習的第一查詢向量和所述樣本圖像特征進行預測得到樣本地圖要素的第一預測結果；
6、根據樣本圖像中樣本地圖要素的描述信息，確定樣本地圖要素的第二查詢向量，并根據第二
7、根據所述第一預測結果、所述第二預測結果和所述真值檢測結果，對所述待訓練預測網絡進行訓練，得到地圖要素預測模型。
8、根據本專利技術的另一方面，提供了一種地圖要素預測模型的訓練裝置，包括：
9、數據獲取模塊，用于獲取樣本圖像，樣本圖像中樣本地圖要素的真值檢測結果和樣本圖像中樣本地圖要素的描述信息；
10、圖像特征提取模塊，用于通過待訓練預測網絡，對所述樣本圖像進行特征提取得到樣本圖像特征；
11、第一預測結果獲取模塊，用于根據樣本地圖要素待學習的第一查詢向量和所述樣本圖像特征進行預測得到樣本地圖要素的第一預測結果；
12、第二預測結果獲取模塊，用于根據樣本圖像中樣本地圖要素的描述信息，確定樣本地圖要素的第二查詢向量，并根據第二查詢向量和樣本圖像的圖像特征進行預測得到樣本地圖要素的第二預測結果；
13、模型訓練模塊，用于根據所述第一預測結果、所述第二預測結果和所述真值檢測結果，對所述待訓練預測網絡進行訓練，得到地圖要素預測模型。
14、根據本專利技術的另一方面，提供了一種計算機程序產品，包括計算機程序，所述計算機程序在被處理器執行時實現根據本專利技術任一實施例所述的地圖要素預測模型的訓練方法。
15、根據本專利技術的另一方面，提供了一種電子設備，所述電子設備包括：
16、至少一個處理器；以及
17、與所述至少一個處理器通信連接的存儲器；其中，
18、所述存儲器存儲有可被所述至少一個處理器執行的計算機程序，所述計算機程序被所述至少一個處理器執行，以使所述至少一個處理器能夠執行本專利技術任一實施例所述的地圖要素預測模型的訓練方法。
19、根據本專利技術的另一方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執行時實現本專利技術任一實施例所述的地圖要素預測模型的訓練方法。
20、本專利技術實施例通過獲取樣本圖像，樣本圖像中樣本地圖要素的真值檢測結果和樣本圖像中樣本地圖要素的描述信息；通過待訓練預測網絡，對所述樣本圖像進行特征提取得到樣本圖像特征；根據樣本地圖要素待學習的第一查詢向量和所述樣本圖像特征進行預測得到樣本地圖要素的第一預測結果；根據樣本圖像中樣本地圖要素的描述信息，確定樣本地圖要素的第二查詢向量，并根據第二查詢向量和樣本圖像的圖像特征進行預測得到樣本地圖要素的第二預測結果；根據所述第一預測結果、所述第二預測結果和所述真值檢測結果，對所述待訓練預測網絡進行訓練，得到地圖要素預測模型。通過上述技術方案，在地圖要素預測模型的訓練階段，引入樣本圖像中樣本地圖要素的描述信息，根據樣本地圖要素的描述信息確定樣本地圖要素的第二查詢向量，用于引導第一查詢向量學習樣本地圖要素的描述信息，使得第一查詢向量能夠含有地圖要素的描述信息，從而提升了第一查詢向量的準確性。通過引入樣本地圖要素的描述信息，加快了模型的收斂，提高了模型的精度。
21、應當理解，本部分所描述的內容并非旨在標識本專利技術的實施例的關鍵或重要特征，也不用于限制本專利技術的范圍。本專利技術的其它特征將通過以下的說明書而變得容易理解。
本文檔來自技高網...【技術保護點】
1.一種地圖要素預測模型的訓練方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，根據樣本圖像中樣本地圖要素的描述信息，確定樣本地圖要素的第二查詢向量，包括：
3.根據權利要求1所述的方法，其特征在于，根據第二查詢向量和樣本圖像的圖像特征進行預測得到樣本地圖要素的第二預測結果，包括：
4.根據權利要求1所述的方法，其特征在于，根據所述第一預測結果、所述第二預測結果和所述真值檢測結果，對所述待訓練預測網絡進行訓練，得到地圖要素預測模型，包括：
5.根據權利要求1所述的方法，其特征在于，所述樣本地圖要素的描述信息通過如下方式確定：
6.一種地圖要素預測模型的訓練裝置，其特征在于，所述裝置包括：
7.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：
8.根據權利要求6所述的裝置，其特征在于，所述第二預測結果獲取模塊具體用于：
9.一種電子設備，其特征在于，所述電子設備包括：
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機
...【技術特征摘要】
1.一種地圖要素預測模型的訓練方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，根據樣本圖像中樣本地圖要素的描述信息，確定樣本地圖要素的第二查詢向量，包括：
3.根據權利要求1所述的方法，其特征在于，根據第二查詢向量和樣本圖像的圖像特征進行預測得到樣本地圖要素的第二預測結果，包括：
4.根據權利要求1所述的方法，其特征在于，根據所述第一預測結果、所述第二預測結果和所述真值檢測結果，對所述待訓練預測網絡進行訓練，得到地圖要素預測模型，包括：
5.根據權利要求1所述的方法，...
【專利技術屬性】
技術研發人員：林金表，
申請(專利權)人：九識蘇州智能科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。