本申请涉及一种路面标识识别方法、装置、电子设备及计算机可读存储介质。该方法包括获取待识别图像，待识别图像为包含有待识别路面标识的图像；将待识别图像输入至预设的路面标识识别模型，得到待识别图像的二值图，其中，预设的路面标识识别模型为预先训练好的结合了空洞空间卷积池化金字塔的unet网络模型；对二值图进行外接多边形操作得到待识别路面标识的外接多边形，基于外接多边形确定待识别路面标识的类别。本申请实施例可以对路面中的自行车、菱形图标等路面标识进行识别，实现对路面多种标识的精准识别，减少高精地图构建时的工作量。作量。作量。
【技术实现步骤摘要】
路面标识识别方法、装置、电子设备及存储介质
[0001]本申请涉及图像处理
，尤其涉及一种路面标识识别方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着自动驾驶技术和导航技术的日益成熟，以及城市道路的复杂性，在驾驶车辆时采用导航工具进行导航已经成为驾驶员的驾驶习惯。
[0003]无论是自动驾驶还是驾驶员采用导航工具进行路径导航驾驶，都需要高精度的地图，在生成高精度地图时，需要对路面标识进行精准识别，如路面标识中的自行车、菱形图标等，在相关技术中，通过采集车辆采集路面图片信息，然后分别采用不同的识别模型，识别路面图片信息中的自行车、菱形图标等，网络模型的适用性差，导致在构建高精地图时，耗时耗力，需要改进。
技术实现思路
[0004]为解决或部分解决相关技术中存在的问题，本申请提供一种路面标识识别方法、装置、电子设备及计算机可读存储介质，能够同时精确识别路面不同的标识。
[0005]本申请第一方面提供一种路面标识识别方法，包括：
[0006]获取待识别图像，所述待识别图像为包含有待识别路面标识的图像；
[0007]将所述待识别图像输入至预设的路面标识识别模型，得到所述待识别图像的二值图，其中，所述预设的路面标识识别模型为预先训练好的结合了空洞空间卷积池化金字塔的unet网络模型；
[0008]对所述二值图进行外接多边形操作得到所述待识别路面标识的外接多边形，基于所述外接多边形确定所述待识别路面标识的类别。
[0009]作为本申请一种可能的实施方式，在该实施方式中，所述获取待识别图像后，还包括：
[0010]对所述待识别图像进行二值化处理，并对二值化处理后的所述待识别图像中的待识别路面标识的轮廓进行标注，得到目标输入图像。
[0011]作为本申请一种可能的实施方式，在该实施方式中，所述将所述待识别图像输入至预设的路面标识识别模型，得到所述待识别图像的二值图，包括：
[0012]将所述目标输入图像转化为预设大小的矩阵输入数据；
[0013]对所述矩阵输入数据进行特征提取，得到特征提取图像；
[0014]对所述特征提取图像进行上采样，得到上采样图像；
[0015]将所述特征提取图像与所述上采样图像连接，得到所述待识别路面标识的二值图。
[0016]作为本申请一种可能的实施方式，在该实施方式中，所述对所述矩阵输入数据进行特征提取，得到特征提取图像，包括：
[0017]采用预设的特征提取模块对所述矩阵输入数据进行第一次特征提取，得到第一特征提取图像，其中，所述特征提取模块包括第一卷积模块和空洞空间卷积池化金字塔模块；
[0018]采用所述特征提取模块对所述第一特征提取图进行第二次特征提取，得到第二特征提取图像；
[0019]采用所述特征提取模块对所述第二特征提取图进行第三次特征提取，得到第三特征提取图像。
[0020]作为本申请一种可能的实施方式，在该实施方式中，所述对所述特征提取图像进行上采样，得到上采样图像，包括：
[0021]对所述第三特征提取图像进行第一次上采样，得到第一上采样中间图像，将所述第三特征提取图像经过第二卷积模块卷积后，与所述第一上采样中间图像连接，得到第一上采样图像；
[0022]对所述第一上采样图像进行第二次上采样，得到第二上采样中间图像，将所述第二特征提取图像经过第二卷积模块卷积后，与所述第二上采样中间图像连接，得到第二上采样图像；
[0023]对所述第二上采样图像进行第三次上采样，得到第三上采样中间图像，将所述第一特征提取图像经过第二卷积模块卷积后，与所述第三上采样中间图像连接，得到第三上采样图像。
[0024]作为本申请一种可能的实施方式，在该实施方式中，所述将所述特征提取图像与所述上采样图像连接，得到所述待识别路面标识的二值图，包括：
[0025]将所述第三上采样图像进行第四次上采样，得到第四上采样图像；
[0026]将所述矩阵输入数据经过第二卷积模块卷积后，与所述第四上采样图像连接，得到待识别路面标识的二值图。
[0027]作为本申请一种可能的实施方式，在该实施方式中，所述对所述二值图进行外接多边形操作得到所述待识别路面标识的外接多边形，包括：
[0028]采用预设的角点识别模型识别所述二值图中的多个角点；
[0029]基于所述多个角点，进行外接多边形操作，得到所述待识别路面标识的外接多边形。
[0030]本申请第二方面提供一种路面标识识别装置，包括：
[0031]图像获取模块，用于获取待识别图像，所述待识别图像为包含有待识别路面标识的图像；
[0032]二值图确定模块，用于将所述待识别图像输入至预设的路面标识识别模型，得到所述待识别图像的二值图，其中，所述预设的路面标识识别模型为预先训练好的结合了空洞空间卷积池化金字塔的unet网络模型；
[0033]类别识别模块，用于对所述二值图进行外接多边形操作得到所述待识别路面标识的外接多边形，基于所述外接多边形确定所述待识别路面标识的类别。
[0034]本申请第三方面提供一种电子设备，包括：
[0035]处理器；以及
[0036]存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
[0037]本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
[0038]本申请实施例通过ASPP(Atrous spatial pyramid pooling，空洞空间卷积池化金字塔)增强后的unet网络模型对待识别图像进行识别，通过对待识别图像进行二值化处理，并将通过网络模型识别后得到的二值图进行外接多边形处理，得到待识别图像中的待识别路面标识的外接多边形，进而确定待识别路面标识的类型，可以对路面中的自行车、菱形图标等路面标识进行识别，实现对路面多种标识的精准识别，减少高精地图构建时的工作量。
[0039]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0040]通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
[0041]图1是本申请实施例示出的一种路面标识识别方法的流程示意图；
[0042]图2是本申请实施例示出的一种路面标识识别模型的结构示意图；
[0043]图3是本申请实施例示出的一种确定二值图的方法的流程示意图；
[0044]图4是本申请实施例示出的一种特征提取方法的流程示意图；
[0045]图5是本申请实施例示出的一种上采样方法的流程示意图；
[0046]图6是本申请实施例示出的一种图形连接方法的流程示意本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种路面标识识别方法，其特征在于，包括：获取待识别图像，所述待识别图像为包含有待识别路面标识的图像；将所述待识别图像输入至预设的路面标识识别模型，得到所述待识别图像的二值图，其中，所述预设的路面标识识别模型为预先训练好的结合了空洞空间卷积池化金字塔的unet网络模型；对所述二值图进行外接多边形操作得到所述待识别路面标识的外接多边形，基于所述外接多边形确定所述待识别路面标识的类别。2.根据权利要求1所述的路面标识识别方法，其特征在于，所述获取待识别图像后，还包括：对所述待识别图像进行二值化处理，并对二值化处理后的所述待识别图像中的待识别路面标识的轮廓进行标注，得到目标输入图像。3.根据权利要求2所述的路面标识识别方法，其特征在于，所述将所述待识别图像输入至预设的路面标识识别模型，得到所述待识别图像的二值图，包括：将所述目标输入图像转化为预设大小的矩阵输入数据；对所述矩阵输入数据进行特征提取，得到特征提取图像；对所述特征提取图像进行上采样，得到上采样图像；将所述特征提取图像与所述上采样图像连接，得到所述待识别路面标识的二值图。4.根据权利要求3所述的路面标识识别方法，其特征在于，所述对所述矩阵输入数据进行特征提取，得到特征提取图像，包括：采用预设的特征提取模块对所述矩阵输入数据进行第一次特征提取，得到第一特征提取图像，其中，所述特征提取模块包括第一卷积模块和空洞空间卷积池化金字塔模块；采用所述特征提取模块对所述第一特征提取图进行第二次特征提取，得到第二特征提取图像；采用所述特征提取模块对所述第二特征提取图进行第三次特征提取，得到第三特征提取图像。5.根据权利要求4所述的路面标识识别方法，其特征在于，所述对所述特征提取图像进行上采样，得到上采样图像，包括：对所述第三特征提取图像进行第一次上采样，得到第一上采样中间图像，将所述第三特征提取图像经过第二卷积模块卷积后，与所述第一上采样中间图像连接，得到第一上采样图像；对所述第一上采样图像进行第二次...
【专利技术属性】
技术研发人员：李宁，朱磊，贾双成，郭杏荣，
申请(专利权)人：智道网联科技北京有限公司，
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。