模型训练和地图数据处理方法、装置、设备及存储介质制造方法及图纸

本公开提供了模型训练和地图数据处理方法、装置、设备及存储介质，涉及计算机领域，尤其涉及自动驾驶、云计算、智能座舱、计算机视觉等人工智能领域。具体实现方案为：根据多数据源的地图原始数据和所述地图原始数据对应的数据源信息，生成多张包含地图要素的第一图像；所述地图原始数据包括多个地图要素；根据所述多张第一图像，生成用于训练待训练的目标模型的多张第二图像；根据所述多张第二图像，训练所述待训练的目标模型，得到训练后的目标模型，所述目标模型用于根据输入图像获得所述输入图像的置信度，所述置信度用于表示图像的正确程度。本公开实施例有助于提高地图数据的质量。质量。质量。

Model training and map data processing method, device, equipment and storage medium

【技术实现步骤摘要】
模型训练和地图数据处理方法、装置、设备及存储介质


[0001]本公开涉及计算机
，尤其涉及自动驾驶、云计算、智能座舱、计算机视觉等人工智能领域。

技术介绍

[0002]随着计算机技术的发展，地图的质量和用户对地图的要求也越来越高，同时，城市建设迅速发展，为了保证地图数据的准确性，需要对地图数据进行实时的更新。
[0003]而用于更新地图数据的原始数据，来源不一，提供的地图原始数据的质量不稳定，为了保证地图数据更新后的质量，需要对地图原始数据的质量进行判断，以便控制地图数据的质量。

技术实现思路

[0004]本公开提供了一种模型训练和地图数据处理方法、装置、设备及存储介质。
[0005]根据本公开的一方面，提供了根据多数据源的地图原始数据和地图原始数据对应的数据源信息，生成多张包含地图要素的第一图像；地图原始数据包括多个地图要素；
[0006]根据多张第一图像，生成用于训练待训练的目标模型的多张第二图像；
[0007]根据多张第二图像，训练待训练的目标模型，得到训练后的目标模型，目标模型用于根据输入图像获得输入图像的置信度，置信度用于表示图像的正确程度。
[0008]根据本公开的另一方面，提供了一种地图数据处理方法，包括：
[0009]根据多数据源的地图原始数据，生成多张包含地图要素的第五图像；
[0010]采用目标模型，对第五图像进行处理，得到第五图像的置信度；目标模型为本公开任意一项实施例所提供的训练后的目标模型。
[0011]根据本公开的另一方面，提供了一种模型训练装置，包括：
[0012]第一图像模块，用于根据多数据源的地图原始数据和地图原始数据对应的数据源信息，生成多张包含地图要素的第一图像；地图原始数据包括多个地图要素；
[0013]第二图像模块，用于根据多张第一图像，生成用于训练待训练的目标模型的多张第二图像；
[0014]训练模块，用于根据多张第二图像，训练待训练的目标模型，得到训练后的目标模型，目标模型用于根据输入图像获得输入图像的置信度，置信度用于表示图像的正确程度。
[0015]根据本公开的另一方面，提供了一种地图数据处理装置，包括：
[0016]根据多数据源的地图原始数据，生成多张包含地图要素的第五图像；
[0017]采用目标模型，对第五图像进行处理，得到第五图像的置信度；目标模型为本公开任意一项实施例所提供的训练后的目标模型。
[0018]根据本公开的另一方面，提供了一种电子设备，包括：
[0019]至少一个处理器；以及
[0020]与该至少一个处理器通信连接的存储器；其中，
[0021]该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。
[0022]根据本公开的另一方面，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，该计算机指令用于使计算机执行本公开任一实施例中的方法。
[0023]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现本公开任一实施例中的方法。
[0024]根据本公开的技术，根据地图原始数据和对应的数据源信息，生成包含地图要素的第一图像，从而能够根据第一图像训练目标模型，使得目标模型能够对包含地图要素的图像的置信度进行判断，有利于筛选出符合置信度要求的图像以更新地图数据。
[0025]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
[0026]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0027]图1是根据本公开一实施例的模型训练方法示意图；
[0028]图2是根据本公开另一实施例的模型训练方法示意图；
[0029]图3是根据本公开又一实施例的模型训练方法示意图；
[0030]图4是根据本公开又一实施例的模型训练方法示意图；
[0031]图5是根据本公开一示例的GAN框架示意图；
[0032]图6是根据本公开一示例的目标模型训练过程示意图；
[0033]图7是根据本公开一实施例的模型训练装置示意图；
[0034]图8是根据本公开另一实施例的模型训练装置示意图；
[0035]图9是根据本公开又一实施例的模型训练装置示意图；
[0036]图10是根据本公开又一实施例的模型训练装置示意图；
[0037]图11是根据本公开又一实施例的模型训练装置示意图；
[0038]图12是用来实现本公开实施例的模型训练方法的电子设备的框图。
具体实施方式
[0039]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。
[0040]本公开实施例提供一种模型训练方法，如图1所示，包括：
[0041]步骤S11：根据多数据源的地图原始数据和地图原始数据对应的数据源信息，生成多张包含地图要素的第一图像；地图原始数据包括多个地图要素；
[0042]步骤S12：根据多张第一图像，生成用于训练待训练的目标模型的多张第二图像；
[0043]步骤S13：根据多张第二图像，训练待训练的目标模型，得到训练后的目标模型，目标模型用于根据输入图像获得输入图像的置信度，置信度用于表示图像正确的概率。
[0044]本实施例中，多数据源的地图原始数据，可以是来源于多个不同数据源的地图原
始数据。比如，可以是多个不同设备采集的地图原始数据。
[0045]在具体实现方式中，数据源可以对应不同的地图数据采集设备，或者原始地图数据发送方。地图数据采集设备可以包括普通车辆、专门的地图数据采集车、专用于地图数据采集的可移动设备等。
[0046]地图原始数据可以是包含地图要素的数据，比如，普通车辆采集的传感器数据、专门的地图数据采集车采集到的雷达点云数据、专门的地图数据采集设备采集到的测量数据等。此外，地图原始数据还可以是任意能够生成电子地图的格式的数据。
[0047]在一种可能的实现方式中，地图要素可以包括地图数据中的点、线、面，地图要素可以是构成地图的基本内容，从分类方面，还可包括数学要素、地理要素和辅助要素。
[0048]在一种可能的实现方式中，地图要素还可以包括根据地图数据更新的目的特定指定的要素，比如，可以指定地图要素包括可存在于高精地图中并会影响车辆行驶的要素，比如，车道线、交通标志、路中隔离带、路面其它标记等。
[0049]在另一种可能的实现方式中，地图要素本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，包括：根据多数据源的地图原始数据和所述地图原始数据对应的数据源信息，生成多张包含地图要素的第一图像；所述地图原始数据包括多个地图要素；根据所述多张第一图像，生成用于训练待训练的目标模型的多张第二图像；根据所述多张第二图像，训练所述待训练的目标模型，得到训练后的目标模型，所述目标模型用于根据输入图像获得所述输入图像的置信度，所述置信度用于表示图像正确的概率。2.根据权利要求1所述的方法，其中，所述根据所述多张第一图像，生成用于训练待训练模型的多张第二图像，包括：根据所述数据源的信息，确定每个所述第一图像的置信度；将置信度高于设定阈值的第一图像，作为第三图像；根据所述第三图像获得所述第二图像。3.根据权利要求2所述的方法，其中，所述根据所述第三图像获得所述第二图像，包括：对所述第三图像添加扰动信息，得到置信度低于所述第三图像的第四图像；将所述第四图像和所述第三图像作为所述第二图像。4.根据权利要求3所述的方法，其中，所述对所述第三图像添加扰动信息，得到第四图像，包括：确定所述第二图像中的遮挡区域；所述遮挡区域的尺寸信息属于预设的尺寸信息范围；确定遮挡区域内的遮挡内容；在所述随机遮挡区域中存在地图要素的情况下，将所述遮挡内容作为所述扰动信息，覆盖于所述第二图像中的遮挡区域，得到第四图像。5.根据权利要求1
‑
4中任意一项所述的方法，其中，在所述地图原始数据包括多个地图要素的情况下，所述根据多数据源的地图原始数据和所述地图原始数据对应的数据源信息，生成多张包含地图要素的第一图像，包括：在所述多个地图要素中存在重复的地图要素的情况下，根据所述地图要素对应的数据源信息，从重复的所述多个的地图要素中，选择目标地图要素；根据所述目标地图要素，得到所述第一图像。6.根据权利要求5所述的方法，其中，在所述目标地图要素为矢量格式的地图要素情况下，所述根据所述目标地图要素，得到所述第一图像，包括：将所述目标地图要素栅格化，得到所述第一图像。7.根据权利要求1
‑
6中任意一项所述的方法，其中，所述根据所述多张第二图像，训练所述待训练的目标模型，得到训练后的目标模型，包括：训练待训练的生成式对抗网络模型，得到训练后的生成式对抗模型；所述生成式对抗网络模型包括生成器和判别器，所述生成器用于根据第二图像生成修复图像，所述判别器用于根据第二图像生成所述第二图像对应的置信度；将所述训练后的生成式对抗网络模型的判别器作为所述目标模型。8.一种地图数据处理方法，包括：根据多数据源的地图原始数据，生成多张包含地图要素的第五图像；
采用目标模型，对所述第五图像进行处理，得到所述第五图像的置信度；所述目标模型为权利要求1
‑
7中任意一项所述的训练后的目标模型。9.一种模型训练装置，包括：第一图像模块，用于根据多数据源的地图原始数据和所述地图原始数据对应的数据源信息，生成多张包含地图要素的第一图像；所述地图原始数据包括多个地图要素；第二图像模块，用于根据所述多张第一图像，生成用于训练待训练的目标模型的多张第二图像；训练模块，用于根据所述多张第二图像，训练所述待训练的目标模型，得...

【专利技术属性】
技术研发人员：蔡育展，颜青悦，闫超，
申请(专利权)人：阿波罗智联北京科技有限公司，
类型：发明
国别省市：