【技术实现步骤摘要】
本专利技术涉及深度学习，具体涉及一种道路元素检测模型训练方法、检测方法、装置和电子设备。
技术介绍
1、检测道路元素，基于检测的道路元素生成车辆地图，基于地图控制车辆行驶，是实现自动驾驶的重要技术。尤其是在复杂的道路中，道路元素检测精度以及道路元素的拓扑关系，是自动驾驶的安全保障。
2、相关技术中，通过在车辆上设置雷达传感器，结合高精度摄像头/高精度地图等感知设备，进行道路元素的高精度检测。然而雷达传感器、高精度摄像头和高精度地图等感知设备，成本高，维护成本也高，进而使得自动驾驶技术的成本高。
技术实现思路
1、本专利技术的目的之一在于提供一种道路元素检测模型的训练方法，以解决现有技术中的道路元素检测依赖于高成本设备，导致自动驾驶技术的成本高的问题；目的之二在于提供一种道路元素的检测方法；目的之三在于提供一种装置；目的之四在于提供一种电子设备。
2、为了实现上述目的，本专利技术采用的技术方案如下：
3、一种道路元素检测模型的训练方法，所述训练方法包括：<...
【技术保护点】
1.一种道路元素检测模型的训练方法，其特征在于，所述训练方法包括：
2.根据权利要求1所述的训练方法，其特征在于，所述将所述局部众包信息和所述前视语义信息输入道路元素检测模型，学习得到所述目标位置的道路元素矢量点集，包括：
3.根据权利要求2所述的训练方法，其特征在于，所述基于预先学习得到的鸟瞰特征图，对所述众包地图特征和所述语义地图特征进行注意力学习，并根据学习结果更新所述鸟瞰特征图，包括：
4.根据权利要求3所述的训练方法，其特征在于，所述对所述众包地图特征和所述语义地图特征进行空间位置的交叉注意力交互学习，得到所述众包地图特征...
【技术特征摘要】
1.一种道路元素检测模型的训练方法，其特征在于，所述训练方法包括：
2.根据权利要求1所述的训练方法，其特征在于，所述将所述局部众包信息和所述前视语义信息输入道路元素检测模型，学习得到所述目标位置的道路元素矢量点集，包括：
3.根据权利要求2所述的训练方法，其特征在于，所述基于预先学习得到的鸟瞰特征图，对所述众包地图特征和所述语义地图特征进行注意力学习，并根据学习结果更新所述鸟瞰特征图，包括：
4.根据权利要求3所述的训练方法，其特征在于，所述对所述众包地图特征和所述语义地图特征进行空间位置的交叉注意力交互学习，得到所述众包地图特征和所述语义地图特征的交叉注意力权重，包括：
5.根据权利要求2至4任一项所述的训练方法，其特征在于，所述将所述众包地图特征和所述语义地图特征输入至所述道路元素检测模型的编码器中，基于预先学习得到的鸟瞰特征图，对所述众包地图特征和所述语义地图特征进行注意力学习，包括：
6.根据权利要求1至4任一项所述的训练方法，其特征在于，所述根据所述道路元素矢量点集更新所述道路元素检测模型的模型参数，包括：
7.一种道路元素的检测方法，其特征在于，所述检测方法包括：
8.根据权利要求7所述的检测方法，其特征在于，所述将所述局部众包信息和所述前视语义信息输入道路元...
【专利技术属性】
技术研发人员：白斌，任祥云，张晓宇，康轶非，罗毅，
申请(专利权)人：重庆长安汽车股份有限公司，
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。