【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，提供了一种模型训练方法，该方法包括：
9、获取样本数据集，样本数据集中包括与地图元素相关的至少一种样本待处理数据，以及地图元素的标注数据；
10、基于至少一种样本待处理数据提取样本鸟瞰图特征；
11、对样本鸟瞰图特征进行实例编码处理，得到地图元素的样本实例编码特征；
12、基于样本鸟瞰图特征以及样本实例编码特征，进行特征解码处理，得到样本解码特征；p>
13、基于样本解码特征确定地图元素的样本矢量化检测结果；
14、基于样本矢量化检测结果与地图元素的标注数据对模型的模型参数进行修正。
15、根据本公开的第三方面，提供了一种地图元素检测模型，该模型包括：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；
16、特征提取子网络，用于基于与地图元素相关的至少一种待处理数据提取鸟瞰图特征；
17、实例编码子网络，用于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；
18、解码器子网络，用于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；
19、检测头子网络，用于基于解码特征确定地图元素的矢量化检测结果。
20、根据本公开的第四方面，提供了一种地图元素检测装置，该装置包括：
21、待处理数据获取模块，用于获取与地图元素相关的至少一种待处理数据；
22、特征提取模块，用于基于至少一种待处理数据提取鸟瞰图特征；
23、实例编码模块，用于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；
24、特征解码模块，用于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；
25、检测模块，用于基于解码特征确定地图元素的矢量化检测结果。
26、根据本公开的第五方面，提供了一种模型训练装置，该装置包括：
27、样本数据集获取模块，用于获取样本数据集，样本数据集中包括与地图元素相关的至少一种样本待处理数据，以及地图元素的标注数据；
28、样本特征提取模块，用于基于至少一种样本待处理数据提取样本鸟瞰图特征；
29、样本实例编码模块，用于对样本鸟瞰图特征进行实例编码处理，得到地图元素的样本实例编码特征；
30、样本特征解码模块，用于基于样本鸟瞰图特征以及样本实例编码特征，进行特征解码处理，得到样本解码特征；
31、样本检测模块，用于基于样本解码特征确定地图元素的样本矢量化检测结果；
32、模型参数修正模块，用于基于样本矢量化检测结果与地图元素的标注数据对模型的模型参数进行修正。
33、根据本公开的第六方面，提供了一种电子设备，该电子设备包括：
34、至少一个处理器；以及
35、与上述至少一个处理器通信连接的存储器；其中，
36、存储器存储有可被上述至少一个处理器执行的指令，指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述地图元素检测或者模型训练方法。
37、根据本公开的第七方面，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，其中，该计算机指令用于使计算机执行上述地图元素检测或者模型训练方法。
38、根据本公开的第八方面，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上述地图元素检测或者模型训练方法。
39、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。
本文档来自技高网...【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
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，其中，所述特征解码模块具体用于：
13.根据权利要求12所述的装置，其中，所述特征解码处理基于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，所述特征解码模块在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时，具体用于：
14.根据权利要求11-13中任一项所述的装置，其中，所述待处理数据包括以下至少一项：
15.根据权利要求14所述的装置，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，所述特征提取模块具体用于：
16.根据权利要求15所述的装置，其中，所述地图元素的矢量化检测结果，包括：
17.根据权利要求16所述的装置，还包括：
18.根据权利要求11-17中任一项所述的装置，其中，所述地图元素包括以下至少一项：
19.一种模型训练装置，包括：
20.一种电子设备，包括：
21.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的方法。
22.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-9中任一项所述的方法。
...【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。