电子地图车道线修正方法、设备及计算机可读存储介质技术

本发明专利技术实施例提供一种电子地图车道线修正方法、设备及计算机可读存储介质。本发明专利技术实施例通过目标图像中所述车道线所占的区域，确定用于标识车道线的中心线的参考线，该参考线可能会偏离于该车道线真实的中心线，进一步以该参考线上每个参考点周围的预设区域的能量分布，确定该预设区域中能量最高的点，由于该预设区域中能量最高的点是车道线的中心线上的点，或者，该预设区域中能量最高的点是接近于该车道线的中心线的点，因此，将多个参考点中的每个参考点修正到该参考点周围的预设区域中能量最高的点上，可使得该参考线更接近于车道线的中心线，根据该参考线的位置信息生成电子地图时，可提高该电子地图中车道线的位置的精确度。

【技术实现步骤摘要】
电子地图车道线修正方法、设备及计算机可读存储介质
本专利技术实施例涉及计算机
，尤其涉及一种电子地图车道线修正方法、设备及计算机可读存储介质。
技术介绍
当前在生成电子地图时,需要采集车道的图像信息,并通过人工对该图像信息中的车道线进行标注,通过人工标注出的大量的车道线进行机器学习,即将人工标注出的大量的车道线作为样本训练神经网络模型,使得训练好的神经网络模型可以识别车道线。但是，人工标注出的车道线可能并不精准，也就是说，用于训练神经网络模型的样本可能是不精准的，从而导致训练好的神经网络模型无法准确的识别车道线，从而导致电子地图中车道线的位置并不精准。
技术实现思路
本专利技术实施例提供一种电子地图车道线修正方法、设备及计算机可读存储介质，以提高电子地图中车道线的位置的精确度。第一方面，本专利技术实施例提供一种电子地图车道线修正方法，包括：获取包括车道线的目标图像；根据所述目标图像中所述车道线所占的区域，确定参考线，所述参考线用于标识所述车道线的中心线，所述参考线包括多个参考点；根据所述多个参考点中每个参考点周围的预设区域的能量分布，确定所述预设区域中能量最高的点；将所述多个参考点中的每个参考点修正到所述参考点周围的预设区域中能量最高的点上。第二方面，本专利技术实施例提供一种电子地图车道线修正装置，包括：获取模块，用于获取包括车道线的目标图像；第一确定模块，用于根据所述目标图像中所述车道线所占的区域，确定参考线，所述参考线用于标识所述车道线的中心线，所述参考线包括多个参考点；第二确定模块，用于根据所述多个参考点中每个参考点周围的预设区域的能量分布，确定所述预设区域中能量最高的点；修正模块，用于将所述多个参考点中的每个参考点修正到所述参考点周围的预设区域中能量最高的点上。第三方面，本专利技术实施例提供一种电子地图车道线修正设备，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：获取包括车道线的目标图像；根据所述目标图像中所述车道线所占的区域，确定参考线，所述参考线用于标识所述车道线的中心线，所述参考线包括多个参考点；根据所述多个参考点中每个参考点周围的预设区域的能量分布，确定所述预设区域中能量最高的点；将所述多个参考点中的每个参考点修正到所述参考点周围的预设区域中能量最高的点上。第四方面，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所述的方法。本专利技术实施例提供的电子地图车道线修正方法、设备及计算机可读存储介质，通过目标图像中所述车道线所占的区域，确定用于标识车道线的中心线的参考线，该参考线可能会偏离于该车道线真实的中心线，进一步以该参考线上每个参考点周围的预设区域的能量分布，确定该预设区域中能量最高的点，由于该预设区域中能量最高的点是车道线的中心线上的点，或者，该预设区域中能量最高的点是接近于该车道线的中心线的点，因此，将多个参考点中的每个参考点修正到该参考点周围的预设区域中能量最高的点上，可使得该参考线更接近于车道线的中心线，根据该参考线的位置信息生成电子地图时，可提高该电子地图中车道线的位置的精确度。附图说明图1为本专利技术实施例提供的一种应用场景的示意图；图2为本专利技术实施例提供的一种图像的示意图；图3为本专利技术实施例提供的电子地图车道线修正方法流程图；图4为本专利技术实施例提供的另一种图像的示意图；图5为本专利技术另一实施例提供的电子地图车道线修正方法流程图；图6为本专利技术实施例提供的另一种图像的示意图；图7为本专利技术另一实施例提供的电子地图车道线修正方法流程图；图8为本专利技术实施例提供的电子地图车道线修正装置的结构示意图；图9为本专利技术实施例提供的电子地图车道线修正设备的结构示意图。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修正方法，可以适用于图1所示的应用场景。如图1所示，在生成电子地图例如高精度道路地图之前，需要采集车道的相关信息，一种实现方式是：车辆11中设置有拍摄设备和探测设备，该拍摄设备可以是相机，该探测设备具体可以是雷达和/或激光探测设备。车辆11在行驶的过程中，相机实时采集车道的图像信息，同时雷达和/或激光探测设备实时检测车道的三维点云。例如，该相机采集的车道的图像信息包括该车道旁边的限速牌12以及该车道中的车道线13，雷达和/或激光探测设备也可检测到限速牌12和车道线13对应的三维点云。用于生成高精度道路地图的设备例如计算机、服务器、终端设备等获取到该相机采集的车道的图像信息，以及雷达和/或激光探测设备检测到的车道的三维点云时，可根据相机采集的图像信息中的该限速牌12确定该车道的限速信息，根据该雷达和/或激光探测设备检测的车道线13的三维点云，确定该车道线13的位置信息，进一步，根据该车道的限速信息和该车道线13的位置信息，生成该车道对应的高精度道路地图。此处只是示意性说明，不限于根据该车道的限速信息和该车道线13的位置信息，生成该车道对应的高精度道路地图，还可以根据更多的车道信息来生成该该车道对应的高精度道路地图。在实际车道中，车道线在车道中是具有一定宽度例如15cm的区域，该车道线可以是实线区域，也可以是虚线区域，以虚线区域为例，如图2所示，相机采集到的图像21中，车道线对应的是一个一个的区域22，在生成高精度道路地图时，需要以该车道线中心线的位置信息作为该车道线的位置信息，也就是说，需要确定该车道线中心线的位置信息，例如区域22的中心线23的位置信息。由于在生成高精度道路地图时，需要确定大量车道中车道线的位置信息，为了提高生成效率，通常是由人工标注图像中的车道线的中心线，以人工标注出的车道线的中心线为样本，采用机器学习的方式训练神经网络模型，以使该训练好的神经网络模型可以识别车道线的中心线。当获取到大量的车道线的图像信息时，由该训练好的神经网络模型识别车道线的中心线。但是，由于人工标注出的车道线的中心线可能并不精准，也就是说，人工标注出的车道线的中心线可能会偏离该车道线真实的中心线，从而导致训练出的神经网络模型不精准，导致该神经网络模型识别出的车道线的中心线更加偏离该车道线真实的中心线，最终导致生成出的高精度道路地图不够精准。为了解决该问题，本申请实施例提供了一种电子地图车道线修正方法，下面结合具体的实施例对该方法进行介绍。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3为本专利技术实施例提供的电子地图车道线修正方法流程图。本专利技术实施例针对现有技术本文档来自技高网...

【技术保护点】
1.一种电子地图车道线修正方法，其特征在于，包括：获取包括车道线的目标图像；根据所述目标图像中所述车道线所占的区域，确定参考线，所述参考线用于标识所述车道线的中心线，所述参考线包括多个参考点；根据所述多个参考点中每个参考点周围的预设区域的能量分布，确定所述预设区域中能量最高的点；将所述多个参考点中的每个参考点修正到所述参考点周围的预设区域中能量最高的点上。

【技术特征摘要】
1.一种电子地图车道线修正方法，其特征在于，包括：获取包括车道线的目标图像；根据所述目标图像中所述车道线所占的区域，确定参考线，所述参考线用于标识所述车道线的中心线，所述参考线包括多个参考点；根据所述多个参考点中每个参考点周围的预设区域的能量分布，确定所述预设区域中能量最高的点；将所述多个参考点中的每个参考点修正到所述参考点周围的预设区域中能量最高的点上。2.根据权利要求1所述的方法，其特征在于，所述根据所述多个参考点中每个参考点周围的预设区域的能量分布，确定所述预设区域中能量最高的点，包括：以所述多个参考点中的每个参考点为中心，确定所述参考点周围的预设区域的能量分布；根据所述参考点周围的预设区域的能量分布，确定所述预设区域中最亮的点；所述将所述多个参考点中的每个参考点修正到所述参考点周围的预设区域中能量最高的点上，包括：将所述多个参考点中的每个参考点修正到所述参考点周围的预设区域中最亮的点上。3.根据权利要求2所述的方法，其特征在于，所述根据所述参考点周围的预设区域的能量分布，确定所述预设区域中最亮的点，包括：根据所述参考点的位置信息以及所述参考点周围的预设区域的能量分布，确定所述预设区域中距离所述参考点最近的最亮的点；所述将所述多个参考点中的每个参考点修正到所述参考点周围的预设区域中最亮的点上，包括：将所述多个参考点中的每个参考点修正到所述参考点周围的预设区域中距离所述参考点最近的最亮的点上。4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述目标图像中所述车道线所占的区域，确定参考线，包括：根据所述目标图像中所述车道线所占的区域，采用机器学习，确定所述参考线。5.根据权利要求1所述的方法，其特征在于，所述获取包括车道线的目标图像，包括：获取探测设备检测到的包括所述车道线的车道的三维点云；将所述三维点云转换为二维点云；根据所述二维点云，确定所述目标图像。6.根据权利要求5所述的方法，其特征在于，所述探测设备包括如下至少一种：雷达、激光探测设备。7.一种电子地图车道线修正设备，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：获取包括车道线的目标图像；根据所述目标图像中所述车道...

【专利技术属性】
技术研发人员：侯瑞杰，沈莉霞，
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