高精地图的特征识别系统、方法、设备及存储介质技术方案

本申请涉及一种高精地图的特征识别系统、方法、设备及存储介质。该系统包括：特征识别系统至少包括图像输入模块、图像增强模块、图像信息处理模块、数据融合模块以及特征图输出模块；通过图像增强模块获取图像输入模块发送的至少一张初始地图要素图像，对初始地图要素图像进行图像增强处理，获得对应的目标地图要素图像；图像信息处理模块对目标地图要素图像进行信息提取处理，获得若干个与目标地图要素图像对应的图像信息；数据融合模块将若干个图像信息进行数据融合，生成地图要素特征图，将地图要素特征图发送至特征图输出模块；地图要素特征图用于表征初始地图要素图像的图像特征。本申请提供的方案，能够提高系统的识别效果和识别效率。

【技术实现步骤摘要】

本申请涉及数据处理，尤其涉及高精地图的特征识别系统、方法、设备及存储介质。

技术介绍

1、高精地图是一种包含了车道模型、道路部件、道路属性、道路环境特征等静态数据和交通运行数据、交通管理数据及高动态运动数据等动态数据的系统，由于高精地图的精度可以达到厘米级别，因此，相关技术中往往将高精地图应用于自动驾驶的场景。

2、目前针对高精地图的识别技术一般包括两种学习算法：第一种是采用决策树、自适应算法、svm(support vector machine，支持向量机)等等传统的机器学习算法识别道路图像，但是这种传统的机器学习算法存在识别效果差、识别效率低下等问题。第二种是基于facenet(人脸识别网络)、mobilenet(移动互联网)、transformer(基于自注意力机制的神经网络)等数据的深度学习算法，第二种算法的图像识别能力虽然相比第一种算法较强，能够识别高精地图，但是当道路中的交通要素被遮挡时，如路面箭头被车辆影子遮挡，造成重叠现象，第二种算法无法精确地识别出该交通要素，导致识别的效果差。

技术实现思路本文档来自技高网...

【技术保护点】

1.一种高精地图的特征识别系统，其特征在于，所述特征识别系统至少包括图像输入模块、图像增强模块、图像信息处理模块、数据融合模块以及特征图输出模块；其中，

2.根据权利要求1所述的系统，其特征在于，所述图像信息处理模块包括边缘检测模块，所述信息提取处理包括边缘检测处理，所述图像信息包括与所述边缘检测处理对应的边缘信息；其中，

3.根据权利要求1所述的系统，其特征在于，所述图像信息处理模块包括均值聚类模块，所述信息提取处理包括像素聚类处理，所述图像信息包括与所述像素聚类处理对应的聚类信息；其中，

4.根据权利要求1所述的系统，其特征在于，所述图像信息处理模...

【技术特征摘要】

1.一种高精地图的特征识别系统，其特征在于，所述特征识别系统至少包括图像输入模块、图像增强模块、图像信息处理模块、数据融合模块以及特征图输出模块；其中，

2.根据权利要求1所述的系统，其特征在于，所述图像信息处理模块包括边缘检测模块，所述信息提取处理包括边缘检测处理，所述图像信息包括与所述边缘检测处理对应的边缘信息；其中，

3.根据权利要求1所述的系统，其特征在于，所述图像信息处理模块包括均值聚类模块，所述信息提取处理包括像素聚类处理，所述图像信息包括与所述像素聚类处理对应的聚类信息；其中，

4.根据权利要求1所述的系统，其特征在于，所述图像信息处理模块包括编解码模块，所述信息提取处理包括特征提取处理，所...

【专利技术属性】
技术研发人员：李宁，贾双成，万如，
申请(专利权)人：智道网联科技北京有限公司，
类型：发明
国别省市：