语义分割模型的训练和高精地图车道线的生成方法和设备技术

本公开提供了一种语义分割模型的训练和高精地图车道线的生成方法、装置和设备，涉及自动驾驶、人工智能、智能交通、深度学习等领域。具体实现方案包括：获取样本图像，样本图像中包括样本车道线；利用初始网络，从样本图像中提取出样本车道线的起止点对的特征；利用初始网络，提取样本语义地图的特征；根据样本语义地图的特征和起止点对的特征，利用初始网络，得到对样本车道线的预测图像；根据样本图像和预测图像，调整初始网络的参数，得到语义分割模型，语义分割模型用于根据目标车道线的起止点对图像，输出包括目标车道线的目标图像。本公开的技术方案可以根据语义地图和起止点对图像自动生成起止点对之间的虚拟车道线。点对图像自动生成起止点对之间的虚拟车道线。点对图像自动生成起止点对之间的虚拟车道线。

【技术实现步骤摘要】
语义分割模型的训练和高精地图车道线的生成方法和设备


[0001]本公开涉及计算机
，尤其涉及自动驾驶、人工智能、智能交通、深度学习等领域，具体涉及一种语义分割模型的训练和高精地图车道线的生成方法、装置、设备、存储介质和计算机程序产品。

技术介绍

[0002]车道线是高精地图经验图层的核心要素。现有技术中，车道线多是根据交通标志半自动化生成，这种方式生成的车道线不符合人类驾驶习惯。还有基于感知障碍车轨迹聚合生成拟人化的车道线，但由于障碍车部署数量的限制，会出现部分车道线缺失的问题。

技术实现思路

[0003]本公开提供了一种语义分割模型的训练和高精地图车道线的生成方法、装置、设备、存储介质和计算机程序产品。
[0004]根据本公开的第一方面，提供了一种语义分割模型的训练方法，包括：
[0005]获取样本图像，样本图像中包括样本车道线；
[0006]利用初始网络，从样本图像中提取出样本车道线的起止点对的特征；
[0007]利用初始网络，提取样本语义地图的特征；
[0008]根据样本语义地图的特征和起止点对的特征，利用初始网络，得到对样本车道线的预测图像；
[0009]根据样本图像和预测图像，调整初始网络的参数，得到语义分割模型，语义分割模型用于根据目标车道线的起止点对图像，输出包括目标车道线的目标图像。
[0010]根据本公开的第二方面，提供了一种高精地图车道线的生成方法，包括：
[0011]获取与目标高精地图对应的目标语义地图；/>[0012]将目标语义地图和目标车道线的起止点对图像输入语义分割模型，以得到包括目标车道线的目标图像；其中，语义分割模型为本公开任一实施例的训练方法得到；
[0013]根据目标图像，生成目标车道线。
[0014]根据本公开的第三方面，提供了一种语义分割模型的训练装置，包括：
[0015]样本图像获取模块，用于获取样本图像，样本图像中包括样本车道线；
[0016]起止点对特征提取模块，用于利用初始网络，从样本图像中提取出样本车道线的起止点对的特征；
[0017]语义地图特征提取模块，用于利用初始网络，提取样本语义地图的特征；
[0018]预测模块，用于根据样本语义地图的特征和起止点对的特征，利用初始网络，得到对样本车道线的预测图像；
[0019]参数调整模块，用于根据样本图像和预测图像，调整初始网络的参数，得到语义分割模型，语义分割模型用于根据目标车道线的起止点对图像，输出包括目标车道线的目标图像。
[0020]根据本公开的第四方面，提供了一种高精地图车道线的生成装置，包括：
[0021]目标语义地图获取模块，用于获取与目标高精地图对应的目标语义地图；
[0022]目标图像确定模块，将目标语义地图和目标车道线的起止点对图像输入语义分割模型，以得到包括目标车道线的目标图像；其中，语义分割模型为本公开任一实施例的训练装置得到；
[0023]目标车道线生成模块，用于根据目标图像，生成目标车道线。
[0024]根据本公开的第五方面，提供了一种语义分割模型的训练设备，包括：
[0025]至少一个处理器；以及
[0026]与至少一个处理器通信连接的存储器；其中，
[0027]存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开任意实施例提供的训练方法。
[0028]根据本公开的第六方面，提供了一种高精地图车道线的生成设备，包括：
[0029]至少一个处理器；以及
[0030]与至少一个处理器通信连接的存储器；其中，
[0031]存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开任意实施例提供的生成方法。
[0032]根据本公开的第七方面，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，计算机指令用于使计算机执行本公开任意实施例提供的方法。
[0033]根据本公开的第八方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现本公开任意实施例提供的方法。
[0034]根据本公开的第九方面，提供了一种自动驾驶车辆，包括本公开任意实施例提供的高精地图车道线的生成装置或本公开任意实施例提供的高精地图车道线的生成设备。
[0035]本公开实施例的技术方案可以根据语义地图和起止点对图像自动生成起止点对之间的虚拟车道线。
[0036]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
[0037]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0038]图1是根据本公开实施例中的虚拟车道线的示例图；
[0039]图2是根据本公开实施例的语义分割模型的训练方法的流程图；
[0040]图3是根据本公开实施例中高精地图的示例图；
[0041]图4是根据本公开实施例中语义地图的示例图；
[0042]图5是根据本公开实施例的高精地图车道线的生成方法的流程图；
[0043]图6是根据本公开实施例的高精地图车道线的生成方法的应用示例图；
[0044]图7是根据本公开实施例的应用场景的示意图；
[0045]图8是根据本公开实施例的语义分割模型的训练装置的框图；
[0046]图9是根据本公开实施例的高精地图车道线的生成装置的框图；
[0047]图10是用来实现本公开实施例的方法的电子设备的框图。
具体实施方式
[0048]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
[0049]高精地图的经验图层可以为自动驾驶车辆的规划与控制(Plan and Control，PNC)模块提供参考。在经验图层中可以提供一些虚拟车道线，为车辆行驶提供参考。例如：当前L4无人驾驶技术中，在路口转弯或掉头时，PNC模块会参考高精地图中标注的转向曲线。这种转向曲线就可以看作是一种虚拟车道线，如图1所示。本申请实施例旨在提供一种训练方法，从而得到语义分割模型，并利用该语义分割模型，根据高精地图和起止点对图像，自动化生成起止点对之间的虚拟车道线。
[0050]图2示出根据本公开实施例的语义分割模型的训练方法的流程图。如图2所示，该训练方法包括：
[0051]步骤S201：获取样本图像，样本图像中包括样本车道线；
[0052]步骤S202：利用初始网络，从样本图像中提取出样本车道线的起止点对的特征；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语义分割模型的训练方法，包括：获取样本图像，所述样本图像中包括样本车道线；利用初始网络，从所述样本图像中提取出所述样本车道线的起止点对的特征；利用所述初始网络，提取样本语义地图的特征；根据所述样本语义地图的特征和所述起止点对的特征，利用所述初始网络，得到对所述样本车道线的预测图像；根据所述样本图像和所述预测图像，调整所述初始网络的参数，得到语义分割模型，所述语义分割模型用于根据目标车道线的起止点对图像，输出包括所述目标车道线的目标图像。2.根据权利要求1所述的训练方法，其中，利用所述初始网络，提取样本语义地图的特征之前，还包括：获取与所述样本车道线对应的样本高精地图；编码所述样本高精地图，以得到所述样本语义地图。3.根据权利要求1所述的训练方法，其中，所述样本图像包括第一样本图像和第二样本图像，所述第一样本图像中包括第一样本车道线，所述第二样本图像中包括第二样本车道线，所述第一样本车道线为人类驾驶车辆的行驶轨迹，所述第二样本车道线为现实世界中划线的车道线。4.根据权利要求3所述的训练方法，其中，所述预测图像包括与所述第一样本车道线对应的第一预测图像以及对所述第二样本车道线对应的第二预测图像，根据所述样本图像和所述预测图像，调整所述初始网络的参数，得到语义分割模型，包括：根据所述第一样本图像以及所述第一预测图像的差异，构建第一损失子函数；根据所述第二样本图像以及所述第二预测图像的差异，构建第二损失子函数；根据所述第一损失子函数以及所述第二损失子函数，构建所述初始网络的损失函数，其中，所述第一损失子函数的权重大于所述第二损失子函数的权重；调整所述初始网络的参数，直到所述损失函数收敛。5.一种高精地图车道线的生成方法，包括：获取与目标高精地图对应的目标语义地图；将所述目标语义地图和目标车道线的起止点对图像输入语义分割模型，以得到包括所述目标车道线的目标图像；其中，所述语义分割模型为权利要求1至4任一项所述的训练方法得到；根据所述目标图像，生成所述目标车道线。6.根据权利要求5所述的生成方法，其中，根据所述目标图像，生成所述目标车道线，包括：对所述目标图像进行关键点提取，得到所述目标车道线上的多个关键点；对各关键点进行曲线拟合，生成所述目标车道线。7.一种语义分割模型的训练装置，包括：样本图像获取模块，用于获取样本图像，所述样本图像中包括样本车道线；起止点对特征提取模块，用于利用初始网络，从所述样本图像中提取出所述样本车道
线的起止点对的特征；语义地图特征提取模块，用于利用所述初始网络，提取样本语义地图的特征；预测模块，用于根据所述样本语义地图的特征和所述起止点对的特征，利用所述初始网络，得到对所述样本车道线的预测图像；参数调整模块，用于根据所述样本图像和所述预测图像，调整所述初始网络的参数，得到语义分割模型，所述语义分割模型用于根据目标车道线的起止点对图像，输出包括所述目标车道线的目标图像。8.根据权利要求7所述的训练...

【专利技术属性】
技术研发人员：何雷，耿涛，刘阳，
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：