System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种在线建图的实现方法、装置、设备及介质制造方法及图纸_技高网

一种在线建图的实现方法、装置、设备及介质制造方法及图纸

技术编号:40797931 阅读:5 留言:0更新日期:2024-03-28 19:25
本发明专利技术公开了一种在线建图的实现方法、装置、设备及介质。该方法包括:获取待构建的实际道路图对应的全景道路图像;将所述全景道路图像对应的鸟瞰图特征输入至预先构建的采用头部到区域机制的车道注意力机制的车道片段解码器中,得到所述实际道路图对应的车道片段查询特征向量;将所述车道片段查询特征向量输入至车道片段预测器中,组合得到所述实际道路图对应的车道片段三维坐标位置。本实施例通过车道片段可以融合车道的几何和语义信息,并采用头部到区域机制的车道注意力机制对车道片段的三维坐标位置进行预测,解决了现有技术中采用的可变性注意力机制无法解决长距离注意力的问题,全方位地提升了车道线的检测性能。

【技术实现步骤摘要】

本专利技术涉及自主驾驶,尤其涉及一种在线建图的实现方法、装置、设备及介质


技术介绍

1、作为自主驾驶系统下游应用中至关重要的信息,地图通常以车道线或中心线的形式呈现。然而,现有的在线建图方法主要集中在检测基于几何的车道线或感知中心线的拓扑关系上。这两种方法均忽略了车道线和中心线之间的内在关系,即车道线绑定中心线,从而无法解决长距离注意力的问题。


技术实现思路

1、本专利技术提供了一种在线建图的实现方法、装置、设备及介质,以解决现有技术中无法解决长距离注意力的问题。

2、根据本专利技术的一方面,提供了一种在线建图的实现方法,包括:

3、获取待构建的实际道路图对应的全景道路图像;

4、将所述全景道路图像对应的鸟瞰图特征输入至预先构建的采用头部到区域机制的车道注意力机制的车道片段解码器中,得到所述实际道路图对应的车道片段查询特征向量;

5、将所述车道片段查询特征向量输入至车道片段预测器中,组合得到所述实际道路图对应的车道片段三维坐标位置。

6、根据本专利技术的另一方面,提供了一种在线建图的实现装置,包括:

7、第一获取模块,用于获取待构建的实际道路图对应的全景道路图像;

8、查询模块,用于将所述全景道路图像对应的鸟瞰图特征输入至预先构建的采用头部到区域机制的车道注意力机制的车道片段解码器中,得到所述实际道路图对应的车道片段查询特征向量;

9、组合模块,用于将所述车道片段查询特征向量输入至车道片段预测器中,组合得到所述实际道路图对应的车道片段三维坐标位置。

10、根据本专利技术的另一方面,提供了一种电子设备,所述电子设备包括:

11、至少一个处理器;以及

12、与所述至少一个处理器通信连接的存储器;其中,

13、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本专利技术任一实施例所述的在线建图的实现方法。

14、根据本专利技术的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的在线建图的实现方法。

15、本专利技术实施例的技术方案,通过获取待构建的实际道路图对应的全景道路图像;将全景道路图像对应的鸟瞰图特征输入至预先构建的采用头部到区域机制的车道注意力机制的车道片段解码器中,得到实际道路图对应的车道片段查询特征向量;将车道片段查询特征向量输入至车道片段预测器中,组合得到实际道路图对应的车道片段三维坐标位置。本实施例通过车道片段可以融合车道的几何和语义信息,并采用头部到区域机制的车道注意力机制对车道片段的三维坐标位置进行预测,解决了现有技术中采用的可变性注意力机制无法解决长距离注意力的问题,全方位地提升了车道线的检测性能。

16、应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术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】

1.一种在线建图的实现方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,在所述将所述全景道路图像对应的鸟瞰图特征输入至预先构建的采用头部到区域机制的车道注意力机制的车道片段解码器中,得到所述实际道路图对应的车道片段查询特征向量之前,还包括:

3.根据权利要求2所述的方法,其特征在于,所述采用头部到区域机制得到每个所述参考点对应的一组采样点,包括:

4.根据权利要求2所述的方法,其特征在于,所述基于所述参考点和对应的采样点位置,以及所述全景道路图像对应的鸟瞰图特征输入至预先构建的采用头部到区域机制的车道注意力机制的车道片段解码器,得到对应的车道片段查询特征向量,包括:

5.根据权利要求4所述的方法,其特征在于,所述第一权重值和所述采样偏移值通过线性投影预测得到;所述第二权重值和所述第三权重值的总和为1。

6.根据权利要求1所述的方法,其特征在于,所述将所述车道片段查询特征向量输入至车道片段预测器中,组合得到所述实际道路图对应的车道片段三维坐标位置,包括:

7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法,还包括:

8.一种在线建图的实现装置,其特征在于,包括:

9.一种电子设备,其特征在于,所述电子设备包括:

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的在线建图的实现方法。

...

【技术特征摘要】

1.一种在线建图的实现方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,在所述将所述全景道路图像对应的鸟瞰图特征输入至预先构建的采用头部到区域机制的车道注意力机制的车道片段解码器中,得到所述实际道路图对应的车道片段查询特征向量之前,还包括:

3.根据权利要求2所述的方法,其特征在于,所述采用头部到区域机制得到每个所述参考点对应的一组采样点,包括:

4.根据权利要求2所述的方法,其特征在于,所述基于所述参考点和对应的采样点位置,以及所述全景道路图像对应的鸟瞰图特征输入至预先构建的采用头部到区域机制的车道注意力机制的车道片段解码器,得到对应的车道片段查询特征向量,包括:

5.根据权利要求4所述的...

【专利技术属性】
技术研发人员:李天羽陈立李弘扬汪邦骏王晖杰李阳乔宇
申请(专利权)人:上海人工智能创新中心
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1