训练模型和检测路面要素变更的方法和装置制造方法及图纸

本公开提供了训练模型和检测路面要素变更的方法和装置，涉及人工智能领域，尤其涉及地图技术领域，可以用于智能交通。具体实现方案为：获取样本和初始的检测路面要素变更的模型，其中，样本包括路面要素的属性信息、地面图像、变更标签，其中，模型包括鸟瞰视角特征生成网络、路面要素编码器、路面要素变更模块；将地面图像输入鸟瞰视角特征生成网络，输出目标鸟瞰视角特征图；将属性信息输入路面要素编码器，输出路面要素特征；将目标鸟瞰视角特征图和路面要素特征输入路面要素变更模块，输出路面要素的变更概率；基于变更概率和路面要素的变更标签计算损失值；基于损失值调整模型的网络参数。该实施方式能够自动且快速地判断路面要素是否变更。

【技术实现步骤摘要】

本公开涉及人工智能领域，尤其涉及地图，可以用于智能交通，具体为一种训练模型和检测路面要素变更的方法和装置。

技术介绍

1、自动驾驶技术需要高精地图为其提供准确的路面要素类型，而其中的地面转向箭头是决定当前车道行驶方向的关键路面要素，是自动驾驶车辆遵循交规行驶的重要依据。由于当前国内城市交通变化日新月异，路面要素也随之在进行着极快的变更，然而由于高精地图的方式往往是离线式，路面要素的变更需要人为发现、提交和核对，因此更新效率非常低下，使得自动驾驶车辆在行驶过程中存在重复违反交规的情况。

2、现有的路面要素检测方法主要在于直接检测路面要素，没有跟高精地图的相关区域做绑定，因此在路面要素检测之后，还需要对检测结果进行复杂的处理，才能判断在高精地图中对应位置是否发生了变更。

技术实现思路

1、本公开提供了一种训练模型和检测路面要素变更的方法、装置、设备、存储介质以及计算机程序产品。

2、根据本公开的第一方面，提供了一种训练模型的方法，包括：获取样本和初始的检测路面要素变更的模型，其中，所述样本本文档来自技高网...

【技术保护点】

1.一种训练模型的方法，包括：

2.根据权利要求1所述的方法，其中，所述鸟瞰视角特征生成网络包括图像特征提取网络和Transformer网络；以及

3.根据权利要求2所述的方法，其中，所述方法还包括：

4.根据权利要求2所述的方法，其中，所述初始鸟瞰视角特征图的覆盖范围根据车载传感器的检测范围设置。

5.根据权利要求1所述的方法，其中，所述属性信息包括所述路面要素的类型和所述路面要素的每个顶点的位置坐标；以及

6.根据权利要求5所述的方法，其中，所述将所述路面要素的每个顶点的位置坐标通过所述路面要素编码器的第二神经网络映射成预定...

【技术特征摘要】

1.一种训练模型的方法，包括：

2.根据权利要求1所述的方法，其中，所述鸟瞰视角特征生成网络包括图像特征提取网络和transformer网络；以及

3.根据权利要求2所述的方法，其中，所述方法还包括：

4.根据权利要求2所述的方法，其中，所述初始鸟瞰视角特征图的覆盖范围根据车载传感器的检测范围设置。

5.根据权利要求1所述的方法，其中，所述属性信息包括所述路面要素的类型和所述路面要素的每个顶点的位置坐标；以及

6.根据权利要求5所述的方法，其中，所述将所述路面要素的每个顶点的位置坐标通过所述路面要素编码器的第二神经网络映射成预定维度的张量后进行合并压缩，得到预定维度的位置坐标表征张量，包括：

7.根据权利要求5所述的方法，其中，所述第一神经网络包括：全连接层、批正则化层、relu层。

8.根据权利要求5所述的方法，其中，所述第二神经网络包括：第一多层感知机和最大池化层。

9.根据权利要求1所述的方法，其中，所述路面要素变更模块包括：掩码生成器、交叉注意力模块和二分类器；以及

10.根据权利要求9所述的方法，其中，所述路面要素变更模块还包括第二多层感知机；以及

11.一种检测路面要素变更的方法，包括：

12.根据权利要求11所述的方法，其中，所述方法还包括：

13.根据权利要求11所述的方法，其中，所述方法还包括：

14.一种训练模型的装置，包括：

15.根据权利要求14所述的装置，其中，所述鸟瞰视角特征生成网络包括图像特征提取网络和transformer网络；以及

【专利技术属性】
技术研发人员：赵佳健，周尧，万国伟，朱振广，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：