车道位置获取方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种车道位置获取方法、装置、计算机设备和存储介质。所述方法应用于交通领域，包括：获取当前道路图像，对当前道路图像进行特征提取，得到道路图像特征，并基于道路图像特征，进行车道信息提取，得到对应的车道线特征和道路面特征。基于道路图像特征、车道线特征和道路面特征进行特征融合，得到道路融合特征，并根据道路融合特征获取车辆当前所在的车道位置。采用本方法能够在不同实际场景下准确确定出当前车辆所在的车道位置，提升车道位置获取效率，以避免重复执行识别操作或采用额外添加高精度地图的方式，从而可减少车道位置获取过程中的资源消耗，并进一步提升车辆导航准确度。准确度。准确度。

【技术实现步骤摘要】
车道位置获取方法、装置、计算机设备和存储介质


[0001]本申请涉及人工智能
，特别是涉及一种车道位置获取方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着人工智能技术的发展，以及导航技术的广泛应用，为保障安全出行，越来越多用户利用配置有导航功能的车端设备或者移动终端设备，来指导出行。其中，具有导航功能的车端设备或移动终端设备，多采用安装导航应用程序的方式，以通过导航应用程序在线加载包括当前出发地和目的地之间的多条路线，或离线搜索本地地图中符合要求的多条路线，进行展示，以供用户选择，并根据用户选定的路线指示当前车辆行驶。
[0003]然而，传统的导航应用程序指导车辆行驶的方式下，为保障当前车辆想行驶的安全，需要制作高精度地图来和当前车辆进行匹配，以确定出当前车辆所在道路位置，进而提供对应的导航方案。但是制作高精度地图需要耗费大量人力物力资源，制作成本较高，从而导致传统的导航方案仍然存在资源消耗过多的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够减少资源消耗，并提升车辆导航本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车道位置获取方法，其特征在于，所述方法包括：获取当前道路图像，并对所述当前道路图像进行特征提取，得到道路图像特征；基于所述道路图像特征，进行车道信息提取，得到对应的车道线特征和道路面特征；基于所述道路图像特征、车道线特征和道路面特征进行特征融合，得到道路融合特征；根据所述道路融合特征获取车辆当前所在的车道位置。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取当前车辆的车载相机与当前道路边界之间的边界距离特征；所述基于所述道路图像特征、车道线特征和道路面特征进行特征融合，得到道路融合特征，包括：融合所述道路图像特征、车道线特征、道路面特征和边界距离特征，得到道路融合特征。3.根据权利要求1所述的方法，其特征在于，所述基于所述道路图像特征，进行车道信息提取，得到对应的车道线特征和道路面特征，包括：基于所述道路图像特征进行反卷积操作，生成得到与所述当前道路图像对应的相同尺寸的道路图像特征图；基于所述道路图像特征图进行语义分割处理，生成得到对应的像素点类别预测结果；基于所述道路图像特征图进行实例分割处理，生成得到对应的车道像素属性预测结果；根据所述像素点类别预测结果和所述车道像素属性预测结果，进行特征聚类，得到与不同像素点类别对应的聚类簇；根据不同像素点类别对应的所述聚类簇，确定得到与所述道路图像特征图对应的车道线特征和道路面特征。4.根据权利要求2所述的方法，其特征在于，所述融合所述道路图像特征、车道线特征、道路面特征和边界距离特征，得到道路融合特征，包括：根据与所述车道线特征和道路面特征对应的维度数据，对所述道路图像特征进行第一特征维度映射，得到第一拼接特征；将所述第一拼接特征、车道线特征以及道路面特征进行拼接，得到第二拼接特征；根据预设维度映射函数，对所述第二拼接特征进行第二特征维度映射，得到第三拼接特征；将所述边界距离特征和所述第三拼接特征进行拼接，得到道路融合特征。5.根据权利要求1至4任意一项所述的方法，其特征在于，所述根据道路融合特征获取车辆当前所在的车道位置，包括：根据卷积神经网络对所述道路融合特征进行特征变换，得到第一预设维度的特征向量；对所述第一预设维度的特征向量进行向量转置，得到对应的第二预设维度的特征向量；所述第二预设维度的特征向量包括与第一边界对应的第一特征向量；根据所述第一特征向量，确定得到不同车道位置对应的...

【专利技术属性】
技术研发人员：燕旭东，王海川，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：