基于人工智能的车道线更新方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了基于人工智能的车道线更新方法、装置、设备及存储介质，方法包括：获取路口图像采集装置采集到的车道图像集；基于车道检测模型获取到与各车道图像分别对应的车道线检测结果及车道导向箭头检测结果，以组成车道检测结果集；将其与历史车道检测结果集进行比较，得到车道比较结果；获取与车道图像集对应的道路施工检测数据，若确定道路施工检测数据对应为车道近期施工检测结果，则将车道检测结果集作为当前版本车道线结果发送至电子地图运营服务器。本发明专利技术实施例能基于车道图像集自动识别以快速确定车道线及导向箭头的更新情况，也能及时向电子地图发送更新数据以及时更新，无需人工巡查发现后再更新，提高了车道线更新数据的效率。线更新数据的效率。线更新数据的效率。

【技术实现步骤摘要】
基于人工智能的车道线更新方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能的图像识别
，尤其涉及一种基于人工智能的车道线更新方法、装置、设备及存储介质。

技术介绍

[0002]导航软件在用户出行中得到了越来越广泛的应用，其可以根据用户设定的出发点和终点来规划出行路线以引导用户出行。例如，以汽车用户为例，其驾驶汽车出行时，在行驶到一些路口时，需要根据导航软件的提示提前驶入到某一车道然后进行直行、左转、右转、掉转方向等具体驾驶操作。也即导航软件中针对路口的车道线的更新需要十分及时，才能避免对驾驶员造成错误的车道导轨引导。
[0003]目前，导航软件对于车道线的更新不及时，例如一些车道线中的导向箭头在导航软件中是向前直行，但实际已在几天前更新为向左转弯。若用户根据未更新的数据驾车行驶，不仅易导致交通违规，而且对道路整体的驾驶安全造成隐患。
[0004]在申请号为202010263773.4的专利中，记载了基于路口监控摄像头获取的交通视频图像序列，利用背景建模技术建立车道背景模型，在建立的车道背景模型的基础上利用霍夫变换检测车道线，将检测到的车道线的端点作为图像透视变换的原坐标点，并结合最小二乘法完成透视变换，获取车道俯视图，从而矫正因摄像头拍摄产生的透视变形；然后，对车道俯视图分别在垂直方向和水平方向上进行投影，并根据标准导向箭头的长度与车道宽度之比进行筛选分割，得到全部只含单个导向箭头的目标区域图像；最后将分割得到的导向箭头逐个与标准导向箭头模板进行相似度匹配，识别出各车道的导向箭头类别。在该专利中，虽然也是基于路口监控摄像头获取的交通视频图像序列实现对各车道导向箭头的识别，能有效提高识别的准确率，但是未进一步利用到对导航软件中车道线数据的及时更新。

技术实现思路

[0005]本专利技术实施例提供了基于人工智能的车道线更新方法、装置、设备及存储介质，旨在解决现有技术中是基于路口监控摄像头获取的交通视频图像序列实现对各车道导向箭头的识别，能有效提高识别的准确率，但是未进一步利用到对导航软件中车道线数据的及时更新的问题。
[0006]第一方面，本专利技术实施例提供了一种基于人工智能的车道线更新方法，应用于后台服务器，其包括：若检测到当前条件满足预设的车道图像采集条件，则获取路口图像采集装置采集到所对准方向的若干张车道图像，以组成车道图像集；其中，所述路口图像采集装置与所述后台服务器通信连接；基于预先训练的车道检测模型获取到与所述车道图像集中各车道图像分别对应的车道线检测结果及车道导向箭头检测结果，以组成车道检测结果集；
获取与所述路口图像采集装置对应的历史车道检测结果集，将所述车道检测结果集与所述历史车道检测结果集进行比较，得到车道比较结果；若确定所述车道比较结果为非空集合，则将所述历史车道检测结果集迁移保存至预设的历史数据存储空间，并将所述车道检测结果集存储至预设的当前数据存储空间；获取与所述车道图像集对应的道路施工检测数据，若确定所述道路施工检测数据对应为车道近期施工检测结果，则将所述车道检测结果集作为当前版本车道线结果发送至电子地图运营服务器。
[0007]第二方面，本专利技术实施例还提供了一种基于人工智能的车道线更新装置，配置于后台服务器，其包括：车道图像集获取单元，用于若检测到当前条件满足预设的车道图像采集条件，则获取路口图像采集装置采集到所对准方向的若干张车道图像，以组成车道图像集；其中，所述路口图像采集装置与所述后台服务器通信连接；车道检测结果获取单元，用于基于预先训练的车道检测模型获取到与所述车道图像集中各车道图像分别对应的车道线检测结果及车道导向箭头检测结果，以组成车道检测结果集；比较单元，用于获取与所述路口图像采集装置对应的历史车道检测结果集，将所述车道检测结果集与所述历史车道检测结果集进行比较，得到车道比较结果；检测结果存储单元，用于若确定所述车道比较结果为非空集合，则将所述历史车道检测结果集迁移保存至预设的历史数据存储空间，并将所述车道检测结果集存储至预设的当前数据存储空间；检测结果发送单元，用于获取与所述车道图像集对应的道路施工检测数据，若确定所述道路施工检测数据对应为车道近期施工检测结果，则将所述车道检测结果集作为当前版本车道线结果发送至电子地图运营服务器。
[0008]第三方面，本专利技术实施例还提供了一种应计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
[0009]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现上述第一方面所述的方法。
[0010]本专利技术实施例提供了一种基于人工智能的车道线更新方法、装置、设备及存储介质，方法包括：若检测到当前条件满足预设的车道图像采集条件，则获取路口图像采集装置采集到所对准方向的若干张车道图像，以组成车道图像集；其中，路口图像采集装置与后台服务器通信连接；基于预先训练的车道检测模型获取到与车道图像集中各车道图像分别对应的车道线检测结果及车道导向箭头检测结果，以组成车道检测结果集；获取与路口图像采集装置对应的历史车道检测结果集，将车道检测结果集与历史车道检测结果集进行比较，得到车道比较结果；若确定车道比较结果为非空集合，则将历史车道检测结果集迁移保存至预设的历史数据存储空间，并将车道检测结果集存储至预设的当前数据存储空间；获取与车道图像集对应的道路施工检测数据，若确定道路施工检测数据对应为车道近期施工检测结果，则将车道检测结果集作为当前版本车道线结果发送至电子地图运营服务器。本
专利技术实施例能基于车道图像集自动识别以快速确定对应道路路口处的车道线及导向箭头的更新情况，也能及时向电子地图发送更新数据以及时更新，无需人工巡查发现后再更新，提高了车道线更新数据的效率。
附图说明
[0011]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0012]图1为本专利技术实施例提供的基于人工智能的车道线更新方法的应用场景示意图；图2为本专利技术实施例提供的基于人工智能的车道线更新方法的流程示意图；图3为本专利技术实施例提供的基于人工智能的车道线更新方法的子流程示意图；图4为本专利技术实施例提供的基于人工智能的车道线更新方法中车道及导向箭头的示意图；图5为本专利技术实施例提供的基于人工智能的车道线更新方法的另一子流程示意图；图6为本专利技术实施例提供的基于人工智能的车道线更新装置的示意性框图；图7为本专利技术实施例提供的计算机设备的示意性框图。
具体实施方式
[0013]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的车道线更新方法，应用于后台服务器，其特征在于，方法包括：若检测到当前条件满足预设的车道图像采集条件，则获取路口图像采集装置采集到所对准方向的若干张车道图像，以组成车道图像集；其中，所述路口图像采集装置与所述后台服务器通信连接；基于预先训练的车道检测模型获取到与所述车道图像集中各车道图像分别对应的车道线检测结果及车道导向箭头检测结果，以组成车道检测结果集；获取与所述路口图像采集装置对应的历史车道检测结果集，将所述车道检测结果集与所述历史车道检测结果集进行比较，得到车道比较结果；若确定所述车道比较结果为非空集合，则将所述历史车道检测结果集迁移保存至预设的历史数据存储空间，并将所述车道检测结果集存储至预设的当前数据存储空间；获取与所述车道图像集对应的道路施工检测数据，若确定所述道路施工检测数据对应为车道近期施工检测结果，则将所述车道检测结果集作为当前版本车道线结果发送至电子地图运营服务器。2.根据权利要求1所述的方法，其特征在于，所述基于预先训练的车道检测模型获取到与所述车道图像集中各车道图像分别对应的车道线检测结果及车道导向箭头检测结果，以组成车道检测结果集，包括：获取所述车道检测模型中的车道线检测模型，基于所述车道线检测模型对所述车道图像集中各车道图像分别进行车道线检测，得到与各车道图像分别对应的车道线检测结果；其中，所述车道线检测模型为Line
‑
CNN车道线检测模型；获取所述车道检测模型中的车道导向箭头检测模型，基于所述车道导向箭头检测模型对所述车道图像集中各车道图像分别进行车道导向箭头检测，得到与各车道图像分别对应的车道导向箭头检测结果。3.根据权利要求2所述的方法，其特征在于，所述基于所述车道导向箭头检测模型对所述车道图像集中各车道图像分别进行车道导向箭头检测，得到与各车道图像分别对应的车道导向箭头检测结果中基于车道导向箭头检测模型对所述车道图像集的其中一张车道图像进行车道导向箭头检测，得到车道导向箭头检测结果，包括：基于所述车道导向箭头检测模型中的目标检测模型获取车道图像的导向箭头分布区域集；基于所述导向箭头分布区域集中各导向箭头分布区域中四条侧边的长度关系确定各导向箭头分布区域分别对应的车道导向箭头检测子结果，以组成与所述车道图像对应的所述车道导向箭头检测结果。4.根据权利要求1所述的方法，其特征在于，所述将所述车道检测结果集与所述历史车道检测结果集进行比较，得到车道比较结果，包括：将所述车道检测结果集中包括的各车道检测子结果分别与所述历史车道检测结果集中对应的历史车道检测子结果进行比较，得到与所述车道检测结果集中包括的各车道检测子结果分别对应的车道比较子结果；若车道检测子结果与对应的历史车道检测子结果相同，则对应的车道比较子结果记为空值；若车道检测子结果与对应的历史车道检测子结果不相同，则以车道检测子结果作为对
应的车道比较子结果；由所述车道检测结果集中包括的各车道检测子结果分别对应的车道比较子结果组成所述车道比较结果。5.根据权利要求1所述的方法，其特征在于，所述获取与所述车道图像集对应的道路施工检测数据，若确定所述道路施工检测数据对应为车道近期施工检测结果，则将所述...

【专利技术属性】
技术研发人员：刘文昌，李晶，张毅，周清华，刘世吉，梅飞，石磊，徐子玉，
申请(专利权)人：深圳市博昌智控科技有限公司，
类型：发明
国别省市：