车道线的生成方法、装置和设备制造方法及图纸

本申请公开了一种车道线的生成方法、装置和设备，涉及智能交通技术领域。在生成车道线时，可以根据包括待处理道路的道路图像对应的反射值底图确定待处理道路中包括的每一个车道线端点的位置；再针对每一个车道线端点，将车道线端点所在区域的反射值底图和车道线端点的位置输入至第一预测模型，自动预测得到与车道线端点关联的至少一个连接点的位置；这样就可以根据车道线端点的位置和至少一个连接点的位置，生成以车道线端点为起始点的一条矢量化的车道线，从而生成待处理道路中的矢量化的车道线，避免了因车道线存在不连续的现象而导致后续再通过人工方式进行车道线的连接，从而降低了车道线生成过程中的复杂度，提高了车道线的生成效率。

【技术实现步骤摘要】
车道线的生成方法、装置和设备
本申请涉及数据处理
，尤其涉及智能交通

技术介绍
高精地图是自动驾驶时代不可或缺的基础设施，车道线作为高精地图的基础要素，在高精地图生成过程中是转关重要的。现有技术，在生成车道线时，先将获取的道路图像输入至语义分割网络中，并基于语义分割网络的方法生成车道线。但是由于道路图像中的车道线存在磨损或者被遮挡等情况，使得基于语义分割网络生成的车道线存在不连续的现象，后续还需要再通过人工方式进行车道线的连接，才能生成车道线。因此，采用现有的车道线生成方法，生成过程比较复杂，导致车道线的生成效率较低。
技术实现思路
本申请实施例提供了一种车道线的生成方法、装置和设备，在生成车道线时，降低了生成过程的复杂度，从而提高了车道线的生成效率。第一方面，本申请实施例提供了一种车道线的生成方法，该车道线的生成方法可以包括：获取道路图像对应的反射值底图；其中，所述道路图像中包括待处理道路。根据所述反射值底图，确定所述待处理道路中包括的每一个车道线端点的位置。针对每一个车道线端点，将所述车道线端点所在区域的反射值底图和所述车道线端点的位置输入至第一预测模型，得到与所述车道线端点关联的至少一个连接点的位置。根据所述车道线端点的位置和所述至少一个连接点的位置，生成所述车道线端点对应的矢量化的目标车道线。第二方面，本申请实施例提供了一种车道线的生成装置，该车道线的生成装置可以包括：获取模块，用于获取道路图像对应的反射值底图；其中，所述道路图像中包括待处理道路。处理模块，用于根据所述反射值底图，确定所述待处理道路中包括的每一个车道线端点的位置；针对每一个车道线端点，将所述车道线端点所在区域的反射值底图和所述车道线端点的位置输入至第一预测模型，得到与所述车道线端点关联的至少一个连接点的位置。生成模块，用于根据所述车道线端点的位置和所述至少一个连接点的位置，生成所述车道线端点对应的矢量化的目标车道线。第三方面，本申请实施例提供了一种电子设备，该电子设备可以包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面所述的车道线的生成方法。第三方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述第一方面所述的车道线的生成方法。根据本申请的技术方案，在生成车道线时，可以根据包括待处理道路的道路图像对应的反射值底图确定待处理道路中包括的每一个车道线端点的位置；再针对每一个车道线端点，将车道线端点所在区域的反射值底图和车道线端点的位置输入至第一预测模型，自动预测得到与车道线端点关联的至少一个连接点的位置；这样就可以根据车道线端点的位置和至少一个连接点的位置，得到以车道线端点为起始点的一条矢量化的车道线，从而生成待处理道路中的矢量化的车道线，避免了因车道线存在不连续的现象而导致后续再通过人工方式进行车道线的连接，从而降低了车道线生成过程中的复杂度，提高了车道线的生成效率。应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明附图用于更好地理解本方案，不构成对本申请的限定。其中：图1是可以实现本申请实施例的车道线的生成方法的一种场景图；图2是根据本申请第一实施例提供的车道线的生成方法的流程示意图；图3为本申请第一实施例提供的包括车道线端点的待处理道路的示意图；图4为本申请第一实施例提供的包括车道线端点1和与该车道线端点1关联的至少一个连接点的示意图；图5为本申请第一实施例提供的车道线端点1对应的矢量化的目标车道线的示意图；图6为本申请第一实施例提供的待处理道路中包括的三条车道线的示意图；图7是根据本申请第三实施例提供的车道线的生成装置的结构示意图；图8是根据本申请实施例的车道线的生成方法的电子设备的框图。具体实施方式以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。在本申请的实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A，B可以是单数或者复数。在本申请的文字描述中，字符“/”一般表示前后关联对象是一种“或”的关系。本申请实施例提供的车道线的生成方法可以应用于矢量车道线构建的场景中，示例的，请参见图1所示，图1是可以实现本申请实施例的车道线的生成方法的一种场景图，在构建道路中的车道线时，是基于语义分割网络的方法生成车道线，但由于包括该道路的道路图像中的车道线存在磨损或者被遮挡等情况，使得基于语义分割网络生成的车道线存在不连续的现象，后续还需要再通过人工方式进行车道线的连接，才能生成车道线，生成过程比较复杂，导致车道线的生成效率较低。为了降低车道线生成过程中的复杂度，以提高车道线的生成效率，可以尝试对道路图像中的车道线存在磨损或者被遮挡的情况进行处理，避免基于语义分割网络生成的车道线存在不连续的现象，这样后续无需再通过人工方式进行车道线的连接，以降低车道线生成过程中的复杂度。但是，在现有的方案中，在生成车道线时，还没有一种合适的方法可以对道路图像中的车道线存在磨损或者被遮挡的情况进行处理，因此，通过该种尝试，仍然无法降低车道线生成过程中的复杂度。基于此，经过长期创造性劳动，本申请实施例提供了一种车道线的生成方法，可以先获取包括待处理道路的道路图像对应的反射值底图，并根据反射值底图，确定待处理道路中包括的每一个车道线端点的位置；再针对每一个车道线端点，将车道线端点所在区域的反射值底图和车道线端点的位置输入至第一预测模型，得到与车道线端点关联的至少一个连接点的位置；这样就可以根据车道线端点的位置和至少一个连接点的位置，生成车道线端点对应的矢量化的目标车道线，从而生成待处理道路中的矢量化的车道线。可以看出，本申请实施例提供的车道线的生成方法，与现有技术相比，不再是基于语义分割网络获取车道线，而是在通过包括待处理道路的道路图像对应的反射值底图，确定待处理道路中包括的每一个车道线端点的位置后，针对每一个车道线端点，可以通过第一预测模型自动预测得到与车道线端点关联的至少一个连接点的位置；这样就可以根据车道线端点的位置和至少一个连接点的位置，生成以车道线端点为起始点的一条矢量化的车道线本文档来自技高网...

【技术保护点】
1.一种车道线的生成方法，包括：/n获取道路图像对应的反射值底图；其中，所述道路图像中包括待处理道路；/n根据所述反射值底图，确定所述待处理道路中包括的每一个车道线端点的位置；/n针对每一个车道线端点，将所述车道线端点所在区域的反射值底图和所述车道线端点的位置输入至第一预测模型，得到与所述车道线端点关联的至少一个连接点的位置；/n根据所述车道线端点的位置和所述至少一个连接点的位置，生成所述车道线端点对应的矢量化的目标车道线。/n

【技术特征摘要】
1.一种车道线的生成方法，包括：
获取道路图像对应的反射值底图；其中，所述道路图像中包括待处理道路；
根据所述反射值底图，确定所述待处理道路中包括的每一个车道线端点的位置；
针对每一个车道线端点，将所述车道线端点所在区域的反射值底图和所述车道线端点的位置输入至第一预测模型，得到与所述车道线端点关联的至少一个连接点的位置；
根据所述车道线端点的位置和所述至少一个连接点的位置，生成所述车道线端点对应的矢量化的目标车道线。


2.根据权利要求1所述的方法，其中，所述将所述车道线端点所在区域的反射值底图和所述车道线端点的位置输入至第一预测模型，得到与所述车道线端点关联的至少一个连接点的位置，包括：
步骤A：将所述车道线端点所在区域的反射值底图和所述车道线端点的位置输入至第一预测模型，得到与所述车道线端点关联的第一连接点的位置；
步骤B：将所述第一连接点作为新的车道线端点，并重复执行步骤A-步骤B，直至不存在与所述车道线端点关联的连接点。


3.根据权利要求1所述的方法，
所述第一预测模型为采用多组第一样本数据对初始深度神经网络模型进行训练得到；其中，每一组第一样本数据包括样本车道线端点所在区域的反射值底图、所述样本车道线端点的位置以及与所述样本车道线端点关联的下一个连接点的位置。


4.根据权利要求1所述的方法，其中，所述根据所述反射值底图，确定所述待处理道路中包括的每一个车道线端点的位置，包括：
将所述反射值底图输入至第二预测模型，得到所述待处理道路中包括的每一个车道线端点的位置。


5.根据权利要求4所述的方法，
所述第二预测模型为采用多组第二样本数据对初始深度神经网络模型进行训练得到；其中，每一组第二样本数据包括样本反射值底图以及样本反射值底中包括的车道线端点的位置。


6.根据权利要求1-5任一项所述的方法，其中，所述根据所述车道线端点的位置和所述至少一个连接点的位置，生成所述车道线端点对应的矢量化的目标车道线，包括：
根据所述车道线端点的位置和所述至少一个连接点的位置，依次连接所述车道线端点和所述至少一个连接点，生成所述车道线端点对应的矢量化的车道线；
若所述车道线端点对应的矢量化的车道线大于或者等于预设阈值，则将所述矢量化的车道线确定为所述车道线端点对应的矢量化的目标车道线。


7.根据权利要求1-5任一项所述的方法，其中，所述获取道路图像对应的反射值底图，包括：
获取道路图像对应的点云图像；
对所述点云图像进行转换处理，得到所述反射值底图。


8.一种车道线的生成装置，包括：
获取模块，用于获取道路图像对应的反射值底图...

【专利技术属性】
技术研发人员：杨光垚，何雷，宋适宇，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11