模型训练方法、车道线生成方法、设备及存储介质技术

本发明专利技术实施例提供一种模型训练方法、车道线生成方法、设备及存储介质。本发明专利技术实施例通过根据该样本图像库和该样本图像库中每个样本图像对应的真值图像，对生成式对抗网络进行训练，得到训练完成的该生成式对抗网络中的生成模型，将目标车道的图像信息作为该生成模型的输入，以使该生成模型在该图像信息中预测车道线，当该目标车道中的车道线残缺或模糊不清时，通过该生成模型可生成已残缺部分的车道线，从而使得该目标车道的结构化数据完整，以提高电子地图的精确度。

Model Training Method, Lane Line Generation Method, Equipment and Storage Media

The embodiment of the present invention provides a model training method, a lane line generation method, a device and a storage medium. The embodiment of the present invention trains the generative countermeasure network according to the sample image database and the true value image corresponding to each sample image in the sample image database, obtains the generative countermeasure network model completed by training, and takes the image information of the target lane as the input of the generative model, so that the generated model can predict the lane line in the image information. When the lane in the target lane is incomplete or blurred, the incomplete lane can be generated by the model, which makes the structured data of the target lane complete and improves the accuracy of the electronic map.

【技术实现步骤摘要】
模型训练方法、车道线生成方法、设备及存储介质
本专利技术实施例涉及计算机
，尤其涉及一种模型训练方法、车道线生成方法、设备及存储介质。
技术介绍
当前在生成电子地图时,需要采集行车道的图像信息，并根据该行车道的图像信息分析出行车道的结构化数据，根据该结构化数据生成该行车道的电子地图。但是，在采集行车道的图像信息时，由于实际道路中有些车道线是残缺的、或者是模糊的，导致该图像信息中缺乏相应的车道线，从而导致最终生成的电子地图不够精准。
技术实现思路
本专利技术实施例提供一种模型训练方法、车道线生成方法、设备及存储介质，以提高电子地图的精确度。第一方面，本专利技术实施例提供一种模型训练方法，包括：获取样本图像库，所述样本图像库中的每个样本图像包括车道线；确定所述每个样本图像对应的真值图像，所述真值图像包括所述车道线，所述车道线在所述真值图像中对应第一像素值，所述真值图像中除所述车道线之外的部分对应第二像素值；根据所述样本图像库和所述样本图像库中每个样本图像对应的真值图像，对生成式对抗网络进行训练，得到训练完成的所述生成式对抗网络中的生成模型。第二方面，本专利技术实施例提供一种车道线生成方法，包括：将目标车道的图像信息作为生成式对抗网络中的生成模型的输入，以使所述生成模型输出所述图像信息对应的预测图像，所述图像信息对应的预测图像包括所述生成模型在所述图像信息中预测的车道线，所述预测的车道线用于生成所述目标车道的电子地图；其中，所述生成式对抗网络中的生成模型是根据如第一方面所述的方法训练得到的。第三方面，本专利技术实施例提供一种模型训练装置，包括：获取模块，用于获取样本图像库，所述样本图像库中的每个样本图像包括车道线；确定模块，用于确定所述每个样本图像对应的真值图像，所述真值图像包括所述车道线，所述车道线在所述真值图像中对应第一像素值，所述真值图像中除所述车道线之外的部分对应第二像素值；模型训练模块，用于根据所述样本图像库和所述样本图像库中每个样本图像对应的真值图像，对生成式对抗网络进行训练，得到训练完成的所述生成式对抗网络中的生成模型。第四方面，本专利技术实施例提供一种车道线生成装置，包括：车道线生成模块，用于将目标车道的图像信息作为生成式对抗网络中的生成模型的输入，以使所述生成模型输出所述图像信息对应的预测图像，所述图像信息对应的预测图像包括所述生成模型在所述图像信息中预测的车道线，所述预测的车道线用于生成所述目标车道的电子地图；其中，所述生成式对抗网络中的生成模型是根据如第一方面所述的方法训练得到的。第五方面，本专利技术实施例提供一种模型训练设备，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以下操作：获取样本图像库，所述样本图像库中的每个样本图像包括车道线；确定所述每个样本图像对应的真值图像，所述真值图像包括所述车道线，所述车道线在所述真值图像中对应第一像素值，所述真值图像中除所述车道线之外的部分对应第二像素值；根据所述样本图像库和所述样本图像库中每个样本图像对应的真值图像，对生成式对抗网络进行训练，得到训练完成的所述生成式对抗网络中的生成模型。第六方面，本专利技术实施例提供一种车道线生成设备，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以下操作：将目标车道的图像信息作为生成式对抗网络中的生成模型的输入，以使所述生成模型输出所述图像信息对应的预测图像，所述图像信息对应的预测图像包括所述生成模型在所述图像信息中预测的车道线，所述预测的车道线用于生成所述目标车道的电子地图；其中，所述生成式对抗网络中的生成模型是根据如第一方面所述的方法训练得到的。第七方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现第一方面和/或第二方面所述的方法。本专利技术实施例提供的模型训练方法、车道线生成方法、设备及存储介质，通过根据该样本图像库和该样本图像库中每个样本图像对应的真值图像，对生成式对抗网络进行训练，得到训练完成的该生成式对抗网络中的生成模型，将目标车道的图像信息作为该生成模型的输入，以使该生成模型在该图像信息中预测车道线，当该目标车道中的车道线残缺或模糊不清时，通过该生成模型可生成已残缺部分的车道线，从而使得该目标车道的结构化数据完整，以提高电子地图的精确度。附图说明图1为本专利技术实施例提供的电子地图车道线生成方法流程图；图2为本专利技术实施例提供的真值图像的示意图；图3为本专利技术实施例提供的生成式对抗网络的结构示意图；图4为本专利技术实施例提供的一种应用场景的示意图；图5为本专利技术实施例提供的一种应用场景的示意图；图6为本专利技术另一实施例提供的电子地图车道线生成方法流程图；图7为本专利技术另一实施例提供的生成模型和判别模型迭代训练的示意图；图8为本专利技术实施例提供的电子地图车道线生成装置的结构示意图；图9为本专利技术实施例提供的电子地图车道线生成设备的结构示意图；图10为本专利技术实施例提供的车道线生成设备的结构示意图。通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。本专利技术提供的电子地图车道线生成方法，旨在解决现有技术的如上技术问题。下面以具体地实施例对本专利技术的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本专利技术的实施例进行描述。图1为本专利技术实施例提供的模型训练方法流程图。本专利技术实施例针对现有技术的如上技术问题，提供了模型训练方法，该方法具体步骤如下：步骤101、获取样本图像库，所述样本图像库中的每个样本图像包括车道线。本实施例所述的方法适用于生成电子地图的制图设备，该制图设备可以是计算机、服务器、终端设备等具有数据处理能力的设备。该制图设备获取样本图像库，该样本图像库中包括多个样本图像，每个样本图像包括车道线，也就是说，该样本图像库中的每个样本图像可以是车道线的图像，该车道线的图像可以是通过拍摄设备拍摄的图像，也可以是该制图设备根据探测设备例如雷达和/或激光探测设备实时检测的行车道的三维点云，生成的该行车道的底图。可选的，所述样本图像库包括多个集合，每个集合包括至少一个样本图像。例如，样本图像库包括100个样本图像，该100个样本图像分为10个集合，每个集合包括10个样本图像。步骤102、确定所述每个样本图像对应的真值图像，所述真值图像包括所述车道线，所述车道线在所述真值图像中对应第一像素值，所述真值图像中除所述车道线之外的部分对应第二像素值。在本实施例中，对于每个样本图像，还需要确定该样本图像对应的真值图像，该样本图像对应的真值图像中包括该样本图本文档来自技高网...

【技术保护点】
1.一种模型训练方法，其特征在于，包括：获取样本图像库，所述样本图像库中的每个样本图像包括车道线；确定所述每个样本图像对应的真值图像，所述真值图像包括所述车道线，所述车道线在所述真值图像中对应第一像素值，所述真值图像中除所述车道线之外的部分对应第二像素值；根据所述样本图像库和所述样本图像库中每个样本图像对应的真值图像，对生成式对抗网络进行训练，得到训练完成的所述生成式对抗网络中的生成模型。

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获取样本图像库，所述样本图像库中的每个样本图像包括车道线；确定所述每个样本图像对应的真值图像，所述真值图像包括所述车道线，所述车道线在所述真值图像中对应第一像素值，所述真值图像中除所述车道线之外的部分对应第二像素值；根据所述样本图像库和所述样本图像库中每个样本图像对应的真值图像，对生成式对抗网络进行训练，得到训练完成的所述生成式对抗网络中的生成模型。2.根据权利要求1所述的方法，其特征在于，所述样本图像库包括多个集合，每个集合包括至少一个样本图像。3.根据权利要求2所述的方法，其特征在于，所述根据所述样本图像库和所述样本图像库中每个样本图像对应的真值图像，对生成式对抗网络进行训练，包括：根据所述样本图像库和所述样本图像库中每个样本图像对应的真值图像，对所述生成式对抗网络中的生成模型和判别模型进行迭代训练。4.根据权利要求3所述的方法，其特征在于，所述根据所述样本图像库和所述样本图像库中每个样本图像对应的真值图像，对所述生成式对抗网络中的生成模型和判别模型进行迭代训练，包括：将所述多个集合中一个集合包括的至少一个样本图像和所述至少一个样本图像分别对应的真值图像作为所述生成式对抗网络中生成模型的输入，以使所述生成模型输出所述至少一个样本图像分别对应的预测图像，所述至少一个样本图像分别对应的预测图像包括所述生成模型在所述至少一个样本图像中预测的车道线；根据所述至少一个样本图像分别对应的真值图像和所述至少一个样本图像分别对应的预测图像，计算所述生成模型的损失函数值；若所述生成模型的损失函数值大于预设值，则将所述至少一个样本图像分别对应的预测图像作为所述生成式对抗网络中判别模型的输入，以使所述判别模型确定所述生成模型在所述至少一个样本图像中预测的车道线不是真车道线的概率；根据所述概率，更新所述生成模型的损失函数值；根据所述生成模型更新后的损失函数值，调整所述生成模型的参数值，所述参数值用于所述生成模型输出所述多个集合中下一个集合包括的至少一个样本图像分别对应的预测图像。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：若所述生成模型的损失函数值小于所述预设值，则停止对所述生成式对抗网络中的生成模型和判别模型迭代训练。6.根据权利要求4所述的方法，其特征在于，所述方法还包括：若对所述生成式对抗网络中的生成模型和判别模型已迭代训练的次数大于预设次数，则停止对所述生成式对抗网络中的生成模型和判别模型迭代训练。7.一种车道线生成方法，其特征在于，包括：将目标车道的图像信息作为生成式对抗网络中的生成模型的输入，以使所述生成模型输出所述图像信息对应的预测图像，所述图像信息对应的预测图像包括所述生成模型在所述图像信息中预测的车道线，所述预测的车道线用于生成所述目标车道的电子地图；其中，所述生成式对抗网络中的生成模型是根据如权利要求1-6任一项所述的方法训练得到的。8.一种模型训练设备，其特征在于，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以下操作：获取样本图像库，所述样本图像库中的每个样本图像包括车道线；确定所述每...

【专利技术属性】
技术研发人员：沈莉霞，侯瑞杰，何雷，杨光垚，董芳芳，宋适宇，彭亮，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11