【技术实现步骤摘要】
模型训练和车道线预测方法、设备及自动驾驶车辆
[0001]本公开涉及人工智能
,尤其涉及深度学习、图像处理和自动驾驶领域。
技术介绍
[0002]车道线识别是自动驾驶场景的一种重要感知技术。为了应用识别到的车道线信息,往往需要将识别到的车道线矢量化为用多项式表征的曲线。当前的车道线矢量化方案,一般包括图像感知识别和识别结果后处理两个阶段,处理过程比较繁琐。
技术实现思路
[0003]本公开提供了一种模型训练和车道线预测方法、设备及自动驾驶车辆。
[0004]根据本公开的一方面,提供了一种模型训练方法,包括:
[0005]基于样本图像中的车道线像素集合进行曲线拟合,得到样本图像中的车道线所对应的多项式的标注参数;
[0006]基于多项式的标注参数,得到样本图像的标注数据;
[0007]基于样本图像以及样本图像的标注数据,训练得到车道线预测模型。
[0008]根据本公开的另一方面,提供了一种车道线预测方法,包括:
[0009]获取待预测图像;
[0010]基于车道线预测模型对待预测图像进行处理,得到预测数据;
[0011]其中,预测数据包括待预测图像中的车道线所对应的多项式的参数;其中,车道线预测模型是基于本公开任一实施例提供的模型训练方法训练得到的。
[0012]根据本公开的一方面,提供了一种模型训练装置,包括:
[0013]参数获取模块,用于基于样本图像中的车道线像素集合进行曲线拟合,得到样本图像中的车道线所对应的多 ...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法,包括:基于样本图像中的车道线像素集合进行曲线拟合,得到所述样本图像中的车道线所对应的多项式的标注参数;基于所述多项式的标注参数,得到所述样本图像的标注数据;基于所述样本图像以及所述样本图像的标注数据,训练得到车道线预测模型。2.根据权利要求1所述的方法,其中,基于所述样本图像以及所述样本图像的标注数据,训练得到车道线预测模型,包括:基于预设模型对所述样本图像进行处理,得到与所述样本图像对应的预测数据;其中,所述预测数据包括所述多项式的预测参数;基于所述多项式的标注参数与所述预测参数之间的欧式距离,得到第一损失函数;根据所述第一损失函数,调整所述预设模型的参数,并在所述第一损失函数符合预设条件的情况下,将所述预设模型作为所述车道线预测模型。3.根据权利要求2所述的方法,其中,基于所述多项式的标注参数,得到所述样本图像的标注数据,包括:将所述多项式的标注参数和所述车道线的标注线型作为所述样本图像的标注数据;相应地,所述预测数据还包括预测线型;所述基于所述多项式的参数与所述预测参数之间的欧式距离,得到第一损失函数,包括:将所述多项式的标注参数与所述预测参数之间的欧式距离作为第二损失函数;基于所述标注线型和所述预测线型确定第一交叉熵,作为第三损失函数;根据所述第二损失函数和所述第三损失函数,得到所述第一损失函数。4.根据权利要求3所述的方法,其中,所述预测数据还包括所述预测参数的置信度;所述根据所述第二损失函数和所述第三损失函数,得到所述第一损失函数,包括:基于所述多项式的标注参数、所述预测参数以及所述置信度得到第二交叉熵,作为第四损失函数;基于所述第二损失函数、所述第三损失函数和所述第四损失函数,得到所述第一损失函数。5.一种车道线预测方法,包括:获取待预测图像;基于车道线预测模型对所述待预测图像进行处理,得到预测数据;其中,所述预测数据包括所述待预测图像中的车道线所对应的多项式的参数;其中,所述车道线预测模型是基于权利要求1
‑
4中任一项所述的方法训练得到的。6.根据权利要求5所述的方法,其中,所述基于车道线预测模型对所述待预测图像进行处理,得到预测数据,包括:基于所述车道线预测模型中的卷积网络对所述待预测图像进行特征提取,得到所述待预测图像的特征信息;基于所述车道线预测模型中的第一解码器对所述特征信息进行解码,得到所述待预测图像中的车道线所对应的多项式的参数。7.根据权利要求6所述的方法,其中,所述基于车道线预测模型对所述待预测图像进行处理,得到预测数据,还包括:
基于所述车道线预测模型中的第二解码器对所述特征信息进行解码,得到所述车道线的线型。8.根据权利要求6或7所述的方法,其中,所述基于车道线预测模型对所述待预测图像进行处理,得到预测数据,还包括:基于所述车道线预测模型中的第三解码器对所述特征信息进行解码,得到所述多项式的参数的置信度。9.根据权利要求8所述的方法,还包括:在所述多项式的参数的置信度大于等于预设阈值的情况下,将基于所述多项式的参数表征的车道线确定为有效车道线。10.一种模型训练装置,包括:参数获取模块,用于基于样本图像中的车道线像素集合进行曲线拟合,得到所述样本图像中的车道线所对应的多项式的标注参数;数据获取模块,用于基于所述多项式的标注参数,得到所述样本图像的标注数据;模型训练模块,用于基于所述样本图像以及所述样本图像的标注数据,训练得到车道线预测模型。...
【专利技术属性】
技术研发人员:何雷,
申请(专利权)人:阿波罗智能技术北京有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。