【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 ...
【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:
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。