处理地图数据的方法、系统和存储介质技术方案

本申请涉及处理地图数据的方法、系统和存储介质。所附的是用于可驾驶面标注的基于ML的框架的实施例。在实施例中，一种方法包括：使用至少一个处理器获得地理区域的多模式地图数据；以及使用所述至少一个处理器，利用机器学习模型自动标注所述地图数据的一个或多于一个语义掩模。个语义掩模。个语义掩模。

【技术实现步骤摘要】
处理地图数据的方法、系统和存储介质


[0001]本说明书总体上涉及用于标注使用自主运载工具穿过道路的语义地图层。

技术介绍

[0002]自主运载工具通常使用对传感器数据(诸如图像数据(例如，照相机数据)和深度数据(例如，LiDAR点云))进行操作的感知栈，以使用经训练的机器学习(ML)模型来进行对象检测。ML模型通常输出包含已经使用ML模型标记的对象的二维(2D)和/或三维(3D)边界框。经标记的对象检测由具有手动标注的语义地图层(例如，车道和交叉口掩模层)的运载工具使用，以安全且高效地穿过环境中的道路。语义地图层包括粗粒度信息(诸如定义可驾驶面的道路标记等)，以及细粒度信息(诸如人行横道和运载工具停放区域)。手动标注语义地图层是劳动密集型的并且耗费了财务资源。

技术实现思路

[0003]提供了用于可驾驶面标注的基于ML的框架的技术。
[0004]在实施例中，一种方法包括：使用至少一个处理器获得地理区域的地图数据；以及使用所述至少一个处理器，利用机器学习模型自动标注所述地图数据的一个或多于一个语义掩模。
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于处理地图数据的方法，包括：使用至少一个处理器获得地理区域的地图数据；以及使用所述至少一个处理器，利用机器学习模型，自动标注所述地图数据的一个或多于一个语义掩模。2.根据权利要求1所述的方法，其中，所述地图数据是多模态的。3.根据权利要求2所述的方法，其中，所述多模态的地图数据至少包括强度图和占据图。4.根据权利要求1所述的方法，其中，所述机器学习模型是由二维卷积网络即2D卷积网络实现的。5.根据权利要求1所述的方法，其中，所述机器学习模型是使用集合建模实现的。6.根据权利要求1所述的方法，其中，在从一个或多于一个地图模型提取的图像样本上迭代地训练所述机器学习模型，并且针对每次训练迭代提取不同的图像样本以增加训练图像的变化性。7.根据权利要求6所述的方法，其中，所述一个或多于一个地图模型被拆分成不同的采样图像区域，以生成用于训练和测试所述机器学习模型的训练数据集和测试数据集。8.根据权利要求7所述的方法，其中，使用树数据结构将所述一个或多于一个地图模型自动拆分成不同的采样图像区域，以生成训练数据集和测试数据集。9.根据权利要求8所述的方法，其中，所述一个或多于一个地图模型基于拆分标准被自动拆分成不同的采样图像区域，所述拆分标准是当特定道路地标的实例在特定采样图像区域中存在多于一次时。10.根据权利要求8所述的方法，其中，所述树数据结构是四叉树数据结构。11.一种用于处理地图数据的系统，包括：至少一个处理器；以及存储器，其上存储有指令，所述指令在由所述至少一个处理器执行的情况下使所述至少一个处理器：获得地理区域的地图数据；以及使用机器学习...

【专利技术属性】
技术研发人员：S，
申请(专利权)人：动态AD有限责任公司，
类型：发明
国别省市：