【技术实现步骤摘要】
本公开涉及数据处理，尤其涉及自动驾驶、人工智能及高精地图，具体而言，本公开涉及一种地图元素检测、模型训练方法、装置及电子设备。
技术介绍
1、高精地图在自动驾驶的感知、定位、决策、控制等过程中发挥重要作用。
2、相较于普通地图，高精地图对精度提出了更高的要求。为了满足高精图的精度要求，需要对高精地图中的地图元素进行有效检测。
技术实现思路
1、本公开为了解决上述缺陷中的至少一项，提供了一种地图元素检测、模型训练方法、装置及电子设备。
2、根据本公开的第一方面，提供了一种地图元素检测方法，该方法包括：
3、获取与地图元素相关的至少一种待处理数据；
4、基于至少一种待处理数据提取鸟瞰图特征；
5、对鸟瞰图特征进行实例编码处理，得到地图元素的实例编码特征；
6、基于鸟瞰图特征以及实例编码特征，进行特征解码处理，得到解码特征；
7、基于解码特征确定地图元素的矢量化检测结果。
8、根据本公开的第二方面，提...
【技术保护点】
1.一种地图元素检测方法，包括：
2.根据权利要求1所述的方法，其中，所述基于所述鸟瞰图特征以及所述实例编码特征，进行特征解码处理，包括：
3.根据权利要求2所述的方法，其中，所述特征解码处理基于地图变换器MAPTR的地图解码器实现，所述第一查询特征为所述MAPTR中的实例级查询特征，所述基于所述第一查询特征对所述鸟瞰图特征进行注意力处理，包括：
4.根据权利要求1-3中任一项所述的方法，其中，所述待处理数据包括以下至少一项：
5.根据权利要求4所述的方法，其中，响应于所述待处理数据包括车道的反射值底图、车道图像以及高精...
【技术特征摘要】
1.一种地图元素检测方法，包括：
2.根据权利要求1所述的方法，其中，所述基于所述鸟瞰图特征以及所述实例编码特征，进行特征解码处理，包括：
3.根据权利要求2所述的方法，其中，所述特征解码处理基于地图变换器maptr的地图解码器实现，所述第一查询特征为所述maptr中的实例级查询特征，所述基于所述第一查询特征对所述鸟瞰图特征进行注意力处理，包括：
4.根据权利要求1-3中任一项所述的方法，其中，所述待处理数据包括以下至少一项：
5.根据权利要求4所述的方法，其中，响应于所述待处理数据包括车道的反射值底图、车道图像以及高精地图数据，所述基于所述至少一种待处理数据提取鸟瞰图特征，包括：
6.根据权利要求5所述的方法，其中，所述地图元素的矢量化检测结果，包括：
7.根据权利要求6所述的方法，还包括：
8.根据权利要求1-7中任一项所述的方法，其中，所述地图元素包括以下至少一项：
9.一种模型训练方法，包括：
10.一种地图元素检测模型，包括：特征提取子网络、实例编码子网络、解码器子网络以及检测头子网络；
11.一种地图元素检测装置，包括：
12.根据权利要求11所述的装置，其...
【专利技术属性】
技术研发人员：孙增怡，杨镜，万国伟，白宇，
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：
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。