交通标志物检测方法和交通标志物检测模型的训练方法技术

本公开涉及一种交通标志物检测方法和交通标志物检测模型的训练方法，涉及智能交通技术领域，特别涉及自动驾驶技术。交通标志物检测方法，包括：获取包含交通标志物的目标图像；以及将所述目标图像输入到交通标志物检测模型，得到所述交通标志物对应的检测标记；其中，所述检测标记包括检测点和检测线中的至少一项，用于表征所述交通标志物在所述目标图像中的位置。的位置。的位置。

【技术实现步骤摘要】
交通标志物检测方法和交通标志物检测模型的训练方法


[0001]本公开涉及智能交通领域，特别涉及自动驾驶技术，具体涉及一种用于交通标志物检测方法和交通标志物检测模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

技术介绍

[0002]交通标志物，例如交通锥，作为道路隔离警戒设施常常出现在道路上。自动驾驶车辆需要具备实时检测交通标志物的能力。
[0003]在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

技术实现思路

[0004]根据本公开的一个方面，提供了一种交通标志物检测方法，包括：获取包含交通标志物的目标图像；以及将所述目标图像输入到交通标志物检测模型，得到所述交通标志物对应的检测标记，其中，所述检测标记包括检测点和检测线中的至少一项，用于表征所述交通标志物在所述目标图像中的位置。
[0005]根据本公开的另一方面，提供了一种交通标志物检测模型的训练方法，包括：获取训练图像和与所述训练图像对应的标注图像，所述训练图像包括交通标志物，所述标注图像包括所述训练图像中的所述交通标志物对应的标注标记，所述标注标记用于标注所述交通标志物在对应的训练图像中的位置，且所述标注标记包括标注点和标注线中的至少一项；将所述训练图像输入交通标志物检测模型，得到所述训练图像中的所述交通标志物的预测标记；以及基于所述训练图像的预测标记和对应的所述标注图像的标注标记对所述交通标志物检测模型进行训练。
[0006]根据本公开的另一方面，提供了一种交通标志物检测装置，包括：图像获取单元，被配置用于获取包含交通标志物的目标图像；以及检测单元，被配置用于将所述目标图像输入到交通标志物检测模型中，得到所述交通标志物对应的检测标记，其中，所述检测标记包括检测点，用于表征所述交通标志物在所述目标图像中的位置，且所述检测标记包括检测点和检测线中的至少一项。
[0007]根据本公开的另一方面，提供了一种训练交通标志物检测模型的装置，包括：第一获取单元，被配置用于获取训练图像和与所述训练图像对应的标注图像，所述训练图像包括交通标志物，所述标注图像包括所述训练图像中的所述交通标志物对应的标注标记，所述标注标记用于标注所述交通标志物在对应的训练图像中的位置，且所述标注标记包括标注点和标注线中的至少一项；模型预测单元，被配置用于将所述训练图像输入交通标志物检测模型，得到所述训练图像中的所述交通标志物对应的预测标记；以及模型训练单元，被配置用于基于所述训练图像的预测标记和对应的所述标注图像的标注标记对所述交通标
志物检测模型进行训练。
[0008]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有指令，该指令当被至少一个处理器执行时使至少一个处理器执行本公开所述的方法。
[0009]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所述的方法。
[0010]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，该计算机程序在被处理器执行时实现本公开所述的方法。
[0011]根据本公开的另一方面，提供了一种车辆，包括如前所述的电子设备。
[0012]根据本公开的一个或多个实施例，通过将包含交通标志物的目标图像输入到交通标志物检测模型，得到交通标志物对应的检测点或检测线，使得对于道路上交通标志物，无论以何种形式出现，无论距离车辆上的用以获取目标图像的摄像装置多远，均能够实现对交通标志物的检测。
[0013]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
[0014]附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
[0015]图1示出根据示例性实施例的应用场景的示意图；
[0016]图2示出了根据本公开的实施例的交通标志物检测方法的流程图；
[0017]图3示出了根据本公开的实施例的包含交通标志物的图像的示意图；
[0018]图4示出了根据本公开的实施例的交通标志物检测方法中将目标图像输入到交通标志物检测模型得到交通标志物对应的检测标记的过程的流程图；
[0019]图5示出了根据本公开的实施例的交通标志物检测模型的训练方法的流程图；
[0020]图6示出了根据本公开的实施例的标注图像的示意图；
[0021]图7示出了根据本公开的实施例的交通标志物检测模型的训练方法中基于训练图像的预测标记和标注图像的标注标记对交通标志物检测模型进行训练的过程的流程图；
[0022]图8示出了根据本公开的实施例的交通标志物检测装置的示例性框图；
[0023]图9示出了根据本公开的实施例的交通标志物检测模型的训练装置的示例性框图；以及
[0024]图10是示出能够应用于示例性实施例的示例性计算设备的结构框图。
具体实施方式
[0025]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。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。
[0026]在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
[0027]在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
[0028]本公开的实施例提供了一种新的交通标志物检测方法以及交通标志物检测模型的训练方法。下文中将结合附图描述本公开的原理。
[0029]图1示出根据示例性实施例的应用场景100的示意图。如图1所示，该应用场景100可以包括车辆110(如图1中示出的车辆)、网络120、服务器130以及数据库140。其中，车辆110可以搭载有用于自动驾驶的电子系统。
[0030]车辆110可以耦接有摄像装置，用以采集道路上的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通标志物检测方法，包括：获取包含交通标志物的目标图像；以及将所述目标图像输入到交通标志物检测模型，得到所述交通标志物对应的检测标记，其中，所述检测标记包括检测点和检测线中的至少一项，用于表征所述交通标志物在所述目标图像中的位置。2.如权利要求1所述的方法，其中，所述将所述目标图像输入到交通标志物检测模型，得到所述交通标志物对应的检测标记包括：获得所述目标图像对应的响应图，所述响应图中各位置的响应值用于表征各位置存在交通标志物的置信度；以及根据所述响应图中各位置的响应值，生成所述检测标记。3.如权利要求2所述的方法，其中，所述根据所述响应图中各位置的响应值，生成所述检测标记包括：采用预设滑窗区域在所述响应图中作滑窗操作，若所述滑窗区域的目标点的响应值满足预定条件，则在所述滑窗区域的目标点生成一个检测标记；其中，所述预定条件为所述滑窗区域的目标点的响应值大于等于预设阈值且为所述滑窗区域的局部极大值。4.如权利要求2所述的方法，其中，所述交通标志物包括多种类型的交通标志要素，并且其中，所述获得所述目标图像对应的响应图包括：获得与所述多种类型的交通标志要素对应的多个子响应图，且所述多个子响应图中的每一个子响应图中各位置的响应值用于表征各位置存在对应类型的交通标志要素的置信度。5.如权利要求4所述的方法，其中，所述检测标记包括多种类型的检测标记标识，所述根据所述响应图中各位置的响应值，生成所述检测标记包括：对于多个子响应图中的每一个子响应图，根据该子响应图中各位置的响应值，生成对应类型的交通标志要素的相应类型的检测标记标识。6.如权利要求1
‑
5任一项所述的方法，其中，所述目标图像是由车辆上的图像采集装置获得的，所述检测标记位于所述交通标志物的靠近所述车辆的一侧。7.一种交通标志物检测模型的训练方法，包括：获取训练图像和与所述训练图像对应的标注图像，所述训练图像包括交通标志物，所述标注图像包括所述训练图像中的所述交通标志物对应的标注标记，所述标注标记用于标注所述交通标志物在对应的训练图像中的位置，且所述标注标记包括标注点和标注线中的至少一项；将所述训练图像输入交通标志物检测模型，得到所述训练图像中的所述交通标志物的预测标记；以及基于所述训练图像的预测标记和对应的所述标注图像的标注标记对所述交通标志物检测模型进行训练。8.如权利要求7所述的方法，其中，所述交通标志物包括多个第一交通标志要素，所述多个第一交通标志要素中的任意两个相邻所述第一交通标志要素之间的像素距离大于或者等于预设像素距离，所述标注标记包括对应于每一个第一交通标志要素的标注点。
9.如权利要求7或8所述的方法，其中，所述交通标志物包括多个第二交通标志要素，所述多个第二交通标志要素中的任意两个相邻所述第二交通标志要素之间的像素距离小于预设像素距离，所述标注标记包括对应于所述多个第二交通标志要素的标注线。10.如权利要求7所述的方法，其中，所述将所述训练图像输入交通标志物检测模型，得到所述...

【专利技术属性】
技术研发人员：沈振伟，黄泽昊，王乃岩，
申请(专利权)人：北京图森智途科技有限公司，
类型：发明
国别省市：