一种车道箭头旋转目标检测模型构建方法及装置制造方法及图纸

本发明专利技术涉及一种车道箭头旋转目标检测模型构建方法及装置，首先获取车道箭头原始图像数据集，标注图像数据集中的箭头类别及箭头转向信息；然后，设置网络中箭头类别权重参数，将标注好的箭头图像输入GWD网络模型进行训练，得到车道箭头旋转目标检测模型。本发明专利技术可以直接检测车道箭头的种类及角度，弥补了其他目标检测算法只检测箭头类别的不足。检测算法只检测箭头类别的不足。检测算法只检测箭头类别的不足。

【技术实现步骤摘要】
一种车道箭头旋转目标检测模型构建方法及装置


[0001]本专利技术涉及自动驾驶
，具体涉及一种车道箭头旋转目标检测模型构建方法及装置。

技术介绍

[0002]在自动驾驶领域，车道箭头的意义有着直接指导车辆行驶方向的作用，目前的车端目标检测对于箭头的识别是归为一类的，并且标注结果也是水平方向的矩形拉框，没有包含箭头的指导转向。因此在目标检测的基础上加入箭头的转向信息，在自动驾驶领域有重要的作用。

技术实现思路

[0003]本专利技术针对现有技术中存在的技术问题，提供一种车道箭头旋转目标检测模型构建方法及装置，用以解决现有目标检测无法检测车道箭头转向信息的缺失问题。
[0004]本专利技术解决上述技术问题的技术方案如下：
[0005]第一方面，本专利技术提供一种车道箭头旋转目标检测模型构建方法，包括：
[0006]S1，获取车道箭头原始图像数据集，标注图像数据集中的箭头类别及箭头转向信息；
[0007]S2，设置网络中箭头类别权重参数，将标注好的箭头图像输入GWD网络模型进行训练，得到车道箭头旋转目标检测模型。
[0008]进一步的，所述车道箭头类别包括：直行、左转、右转、掉头、直行或左转、直行或右转、左转或左合流、右转或右合流以及上述8类外的其他类型。
[0009]进一步的，在进行箭头转向信息标注时，直行或左转、直行或右转的转向信息按直行箭头方式来标注。
[0010]进一步的，所述转向信息的标注方法包括：确定车道箭头的中轴线，沿箭头顶点垂直车道箭头中轴线做直线，并以该直线为矩形框的一条边，绘制车道箭头的最小外包矩形框，所述矩形框的倾斜角度与箭头指向一致。
[0011]进一步的，所述箭头类别权重参数根据车道箭头原始图像数据集中各类别车道箭头的样本数量在总样本中的占比进行设置，其中占比越大的某类别车道箭头，其权重越小。
[0012]进一步的，在模型训练过程中，利用Wasserstein距离作为损失函数对模型进行验证。
[0013]第二方面，本专利技术提供一种车道箭头旋转目标检测模型构建装置，包括：
[0014]标注模块，获取车道箭头原始图像数据集，标注图像数据集中的箭头类别及箭头转向信息；
[0015]训练模块，设置网络中箭头类别权重参数，将标注好的箭头图像输入GWD网络模型进行训练，得到车道箭头旋转目标检测模型。
[0016]第三方面，本专利技术提供一种电子设备，包括：
[0017]存储器，用于存储计算机软件程序；
[0018]处理器，用于读取并执行所述计算机软件程序，进而实现本专利技术第一方面所述的一种车道箭头旋转目标检测模型构建方法。
[0019]第四方面，本专利技术提供一种非暂态计算机可读存储介质，所述存储介质中存储有用于实现本专利技术第一方面所述的一种车道箭头旋转目标检测模型构建方法的计算机软件程序。
[0020]本专利技术的有益效果是：本专利技术首先采集并标注车道箭头图像数据，更改不同箭头种类的权重；接着将准备好的数据送入gwd网络模型中进行训练，训练完成后，可以对车道箭头图像直接检测并分类。通过以上步骤，使得可以直接检测车道箭头的种类及角度，弥补了其他目标检测算法只检测箭头类别的不足。
附图说明
[0021]图1为本专利技术实施例提供的一种车道箭头旋转目标检测模型构建方法流程示意图；
[0022]图2为本专利技术实施例提供的一种车道箭头旋转目标检测模型构建装置结构示意图；
[0023]图3为本专利技术提供的一种电子设备结构示意图；
[0024]图4为本专利技术提供的一种计算机可读存储介质结构示意图。
具体实施方式
[0025]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0026]如图1所示，本专利技术实施例提供一种车道箭头旋转目标检测模型构建方法，包括：
[0027]S1，获取车道箭头原始图像数据集，标注图像数据集中的箭头类别及箭头转向信息。
[0028]所述车道箭头类别包括：直行、左转、右转、掉头、直行或左转、直行或右转、左转或左合流、右转或右合流以及上述8类外的其他类型。在进行箭头转向信息标注时，直行或左转、直行或右转的转向信息按直行箭头方式来标注。
[0029]所述转向信息的标注方法包括：确定车道箭头的中轴线，沿箭头顶点垂直车道箭头中轴线做直线，并以该直线为矩形框的一条边，绘制车道箭头的最小外包矩形框，所述矩形框的倾斜角度与箭头指向一致。同时原始图像为2048*2048px的大小，需要对图像进行裁剪。
[0030]S2，设置网络中箭头类别权重参数，将标注好的箭头图像输入GWD网络模型进行训练，得到车道箭头旋转目标检测模型。
[0031]在车道箭头数据中，各类样本分布不均匀，其中直行箭头数量远大于其他类别箭头。因此需要对不同类别箭头设置相应权重。所述箭头类别权重参数根据车道箭头原始图像数据集中各类别车道箭头的样本数量在总样本中的占比进行设置，其中占比越大的某类别车道箭头，其权重越小。例如直行箭头样本最多，所以权重w数值最小，样本越少，相应权重也会增加。
[0032]基于gwd的卷积神经网络，基本结构为卷积层、BN层、池化层的顺序连接结构，将两个旋转框转化为二维高斯分布，并计算之间的Wasserstein距离作为损失。
[0033]如图2所示，本专利技术实施例提供一种车道箭头旋转目标检测模型构建装置，包括：
[0034]标注模块，获取车道箭头原始图像数据集，标注图像数据集中的箭头类别及箭头转向信息；
[0035]训练模块，设置网络中箭头类别权重参数，将标注好的箭头图像输入GWD网络模型进行训练，得到车道箭头旋转目标检测模型。
[0036]本专利技术首先采集并标注车道箭头图像数据，更改不同箭头种类的权重；接着将准备好的数据送入gwd网络模型中进行训练，训练完成后，可以对车道箭头图像直接检测并分类。通过以上步骤，使得可以直接检测车道箭头的种类及角度，弥补了其他目标检测算法只检测箭头类别的不足。
[0037]请参阅图3，图3为本专利技术实施例提供的电子设备的实施例示意图。如图3所示，本专利技术实施例提了一种电子设备500，包括存储器510、处理器520及存储在存储器520上并可在处理器520上运行的计算机程序511，处理器520执行计算机程序511时实现以下步骤：
[0038]S1，获取车道箭头原始图像数据集，标注图像数据集中的箭头类别及箭头转向信息；
[0039]S2，设置网络中箭头类别权重参数，将标注好的箭头图像输入GWD网络模型进行训练，得到车道箭头旋转目标检测模型。
[0040]请参阅图4，图4为本专利技术实施例提供的一种计算机可读存储介质的实施例示意图。如图4所示，本实施例提供了一种计算机可读存储介质600，其上存储有计算机程序611，该计算机程序611被处理器执行时实现如下步骤：
[0041]S1，获取车道箭头原始图像数据集，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车道箭头旋转目标检测模型构建方法，其特征在于，包括：S1，获取车道箭头原始图像数据集，标注图像数据集中的箭头类别及箭头转向信息；S2，设置网络中箭头类别权重参数，将标注好的箭头图像输入GWD网络模型进行训练，得到车道箭头旋转目标检测模型。2.根据权利要求1所述的方法，其特征在于，所述车道箭头类别包括：直行、左转、右转、掉头、直行或左转、直行或右转、左转或左合流、右转或右合流以及上述8类外的其他类型。3.根据权利要求2所述的方法，其特征在于，在进行箭头转向信息标注时，直行或左转、直行或右转的转向信息按直行箭头方式来标注。4.根据权利要求1所述的方法，其特征在于，所述转向信息的标注方法包括：确定车道箭头的中轴线，沿箭头顶点垂直车道箭头中轴线做直线，并以该直线为矩形框的一条边，绘制车道箭头的最小外包矩形框，所述矩形框的倾斜角度与箭头指向一致。5.根据权利要求1所述的方法，其特征在于，所述箭头类别权重参数根据车道箭头原始图像数据集中各类别车道箭...

【专利技术属性】
技术研发人员：喻旸，李汉玢，王畅，
申请(专利权)人：武汉中海庭数据技术有限公司，
类型：发明
国别省市：