用于高精地图的图像处理方法、装置、设备以及存储介质制造方法及图纸

本公开提供了用于高精地图的图像处理方法、装置、设备以及存储介质，涉及计算机技术领域，尤其涉及自动驾驶技术领域。具体实现方案为：对待检测图像进行特征提取，得到要素特征，要素特征包括车道线要素对应的第一要素特征；基于第一要素特征，确定车道线要素对应的多个待选表达式；其中，待选表达式用于表征车道线要素对应的拟合曲线；确定各待选表达式对应的置信度；基于置信度，从多个待选表达式中确定出目标表达式。根据本公开的技术，可以对待检测图像中的车道线要素进行精准检测。测图像中的车道线要素进行精准检测。测图像中的车道线要素进行精准检测。

【技术实现步骤摘要】
用于高精地图的图像处理方法、装置、设备以及存储介质


[0001]本公开涉及计算机
，尤其涉及自动驾驶


技术介绍

[0002]高精地图主要包含红绿灯等标牌类和车道线等路面要素，前者具有规整的几何形状，后者形状不规则。相关技术中，针对车道线要素的检测，通常采用语义分割以及后处理策略来实现，存在计算量大、识别精度低等缺陷。

技术实现思路

[0003]本公开提供了一种用于高精地图的图像处理方法、装置、设备以及存储介质。
[0004]根据本公开的一方面，提供了一种用于高精地图的图像处理方法，包括：
[0005]对待检测图像进行特征提取，得到要素特征，要素特征包括车道线要素对应的第一要素特征；
[0006]基于第一要素特征，确定车道线要素对应的多个待选表达式；其中，待选表达式用于表征车道线要素对应的拟合曲线；
[0007]确定各待选表达式对应的置信度；
[0008]基于置信度，从多个待选表达式中确定出目标表达式。
[0009]根据本公开的另一方面，提供了一种模型训练方法，包括：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于高精地图的图像处理方法，包括：对待检测图像进行特征提取，得到要素特征，所述要素特征包括车道线要素对应的第一要素特征；基于所述第一要素特征，确定所述车道线要素对应的多个待选表达式；其中，所述待选表达式用于表征所述车道线要素对应的拟合曲线；确定各所述待选表达式对应的置信度；基于所述置信度，从多个所述待选表达式中确定出目标表达式。2.根据权利要求1所述的方法，其中，所述第一要素特征包括多个锚框信息；基于所述第一要素特征，确定所述车道线要素对应的多个待选表达式，包括：将多个所述锚框信息输入系数预测模型，得到各所述锚框信息对应的待选系数组；根据各所述待选系数组确定出对应的待选表达式。3.根据权利要求2所述的方法，其中，确定各所述待选表达式对应的置信度，包括：确定各所述待选系数组中包括的各个待选系数的偏置量；基于各个所述待选系数的偏置量，利用交叉熵函数计算各个所述待选系数组对应的置信度。4.根据权利要求1所述的方法，还包括：基于所述目标表达式，确定所述车道线要素的属性描述信息，所述属性描述信息包括所述车道线要素的颜色属性、线型属性以及边界属性中的至少一项。5.根据权利要求1所述的方法，其中，所述要素特征还包括非车道线要素对应的第二要素特征，所述方法还包括：将所述第二要素特征输入单阶段检测器，得到所述非车道线要素的属性描述信息，所述非车道线要素的属性描述信息包括所述车道线要素的种类属性和/或位置属性。6.一种模型训练方法，包括：对样本图像中的车道线要素进行特征提取，得到样本特征；确定所述样本图像中的车道线要素的样本表达式对应的样本系数组；将所述样本特征输入待训练的系数预测模型，得到预测系数组；确定所述预测系数组与所述样本系数组的差异，根据所述差异对所述待训练的系数预测模型进行训练，直至所述差异在允许范围内。7.一种图像处理装置，包括：特征提取模块，用于对待检测图像进行特征提取，得到要素特征，所述要素特征包括车道线要素对应的第一要素特征；待选表达式确定模块，用于基于所述第一要素特征，确定所述车道线要素对应的多个待选表达式；其中，所述待选表达式用于表征所述车道线要素对应的拟合曲线；置信度确定模块，用于确定各所述待选表达式对应的置信度；目标表达式确定模块，用于基于所述置信度，从多个所述待选表达式中确定出目标表达式。8.根据权利要求...

【专利技术属性】
技术研发人员：何雷，
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：