图像数据处理方法、装置、设备和存储介质制造方法及图纸

本公开的实施例提供了一种图像数据处理方法、装置、设备和计算机可读存储介质。本公开的实施例所提供的方法以道路单元为单位，通过从与道路单元相关联的多个图像序列中分别基于单个图像进行道路边界属性的识别，提取出每个图像中沿道路单元的行车方向和垂直行车方向上的道路边界属性特征，并对这些图像序列中的所有图像中所提取的道路边界属性特征进行聚合，从而得到该道路单元的道路边界属性向量。本公开的实施例可应用于地图领域。本公开的实施例所提供的方法能够对全域或指定区域内的道路边缘数据以道路单元为单位进行快速自动更新，并且为地图渲染提供细粒度的道路边缘信息，使得地图的呈现更真实。

【技术实现步骤摘要】

本公开涉及地图领域或交通领域，更具体地，涉及一种图像数据处理方法、装置、设备和存储介质。

技术介绍

1、地图用于真实地刻画世界，而地图数据存储维度的增加及其更新渠道的增加，使得地图渲染能力逐渐增强，让地图数字孪生的构建逐渐变得可能。

2、道路边缘信息是一种重要的隐式交通信息，道路边缘信息表征着不同通行能力的车道的分界，例如，机动车道(区分正向/逆向)、自行车道、人行车道等的分界。根据车道类型的不同，道路边缘的构成要素也可能随之发生变化，道路边缘的构成要素通常可以包括例如交通标识地标线(例如，双黄线、白实线等)、设施(例如，护栏、灌木、草、路缘石等)、自然分界(例如，材质变化形成的分界)等。在对地图的渲染过程中，对道路边缘信息的提取有助于地图渲染能力的提升。

3、因此，需要一种图像数据处理方法，使得可以基于图像实现高效且准确的道路边缘信息提取。

技术实现思路

1、为此，本公开通过利用基于深度学习的边界实例分割网络来从图像中识别道路边缘沿不同方向的属性特征，并基于所识别的属性特征进行道路边本文档来自技高网...

【技术保护点】

1.一种图像数据处理方法，包括：

2.如权利要求1所述的方法，其中，所述边界实例分割网络以单个图像为输入，并且以所述单个图像中的边界线属性和边界要素属性为输出；

3.如权利要求2所述的方法，其中，所述边界实例分割网络包括用于预测边界线的几何和属性的边界线预测子网络、用于实例分割所述图像中的边界要素并预测所述边界要素的位置和属性的边界要素预测子网络、以及用于学习边界线的高维实例特征的高维特征学习子网络；

4.如权利要求3所述的方法，其中，所述边界实例分割网络是基于所述边界线预测子网络和所述边界要素预测子网络的交叉熵损失函数以及所述高维特征学习子网络的判别...

【技术特征摘要】

1.一种图像数据处理方法，包括：

2.如权利要求1所述的方法，其中，所述边界实例分割网络以单个图像为输入，并且以所述单个图像中的边界线属性和边界要素属性为输出；

3.如权利要求2所述的方法，其中，所述边界实例分割网络包括用于预测边界线的几何和属性的边界线预测子网络、用于实例分割所述图像中的边界要素并预测所述边界要素的位置和属性的边界要素预测子网络、以及用于学习边界线的高维实例特征的高维特征学习子网络；

4.如权利要求3所述的方法，其中，所述边界实例分割网络是基于所述边界线预测子网络和所述边界要素预测子网络的交叉熵损失函数以及所述高维特征学习子网络的判别式损失函数而训练得到的。

5.如权利要求1所述的方法，其中，对于所述多个图像序列，基于其中每个图像的道路边界属性进行多序列属性聚合，以生成所述道路单元的道路边界属性向量包括：

6.如权利要求5所述的方法，其中，基于所述多个图像序列中的每个图像中的道路边界属性，对所述多个图像序列进行语义对齐包括：

7.如权利要求6所述的方法，其中，基于经语义对齐的所述多个图像序列中的每个图像中的道路...

【专利技术属性】
技术研发人员：陆嘉欣，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：