车道线识别的性能测试方法、装置及电子设备制造方法及图纸

本公开关于一种车道线识别的性能测试方法、装置及电子设备，属于计算机应用技术领域。其中，该方法包括：获取图像中的原始识别车道线；按照原始识别车道线的延伸属性，对原始识别车道线进行截取，获取测试车道线；对测试车道线进行采样，获取测试车道线上的多个采样像素点；基于采样像素点进行车道线识别的性能测试，获取图像的车道线识别的性能测试结果。由此，可按照延伸属性对原始识别车道线进行截取，以获取测试车道线，提高了获取的测试车道线的灵活性，并基于测试车道线上的采样像素点获取车道线识别的性能测试结果，进而提高了车道线识别的性能测试结果的灵活性，可满足车道线识别的性能测试结果的不同需求。线识别的性能测试结果的不同需求。线识别的性能测试结果的不同需求。

【技术实现步骤摘要】
车道线识别的性能测试方法、装置及电子设备


[0001]本公开涉及计算机应用
，尤其涉及一种车道线识别的性能测试方法、装置、电子设备和存储介质。

技术介绍

[0002]目前，随着人工智能技术的发展，车道线识别在自动驾驶、机器人跟随、交通规划等领域中得到了广泛的应用。为了获取车道线识别的性能，需要进行车道线识别的性能测试，然而，相关技术中的车道线识别的性能测试方法存在测试方法较为单一、灵活性低等问题。

技术实现思路

[0003]本公开提供一种车道线识别的性能测试方法、装置、电子设备、计算机可读存储介质、计算机程序产品，以至少解决相关技术中车道线识别的性能测试方法存在测试方法单一、灵活性低的问题。本公开的技术方案如下：
[0004]根据本公开实施例的第一方面，提供一种车道线识别的性能测试方法，包括：获取图像中的原始识别车道线；按照所述原始识别车道线的延伸属性，对所述原始识别车道线进行截取，获取测试车道线；对所述测试车道线进行采样，获取所述测试车道线上的多个采样像素点；基于所述采样像素点进行车道线识别的性能测试，获取所述图像的车道线识别的性能测试结果。
[0005]在本公开的一个实施例中，所述原始识别车道线包括识别片段和延伸片段；所述按照所述原始识别车道线的延伸属性，对所述原始识别车道线进行截取，获取测试车道线，包括：响应于所述延伸属性为延伸，对所述原始识别车道线进行截取，并将所述原始识别车道线作为所述测试车道线；或者，响应于所述延伸属性为非延伸，对所述原始识别车道线中的所述识别片段进行截取，并将所述识别片段作为所述测试车道线。
[0006]在本公开的一个实施例中，所述获取图像中的原始识别车道线，包括：对所述图像进行车道线识别，获取所述图像中的多个识别像素点；基于每个所述识别像素点，生成所述识别片段；将所述识别片段从端点进行延伸，生成所述延伸片段；将所述识别片段和所述延伸片段进行拼接，生成所述原始识别车道线。
[0007]在本公开的一个实施例中，所述对所述测试车道线进行采样，获取所述测试车道线上的多个采样像素点，包括：获取所述测试车道线的采样方向；按照所述采样方向对所述测试车道线进行采样，获取所述测试车道线上的多个所述采样像素点。
[0008]在本公开的一个实施例中，所述获取所述测试车道线的采样方向，包括：获取所述测试车道线与所述测试车道线所处道路的道路方向之间的夹角；识别所述夹角小于第一设定阈值，或者大于第二设定阈值，确定所述采样方向为垂直方向；或者，识别所述夹角大于或者等于所述第一设定阈值，且小于或者等于所述第二设定阈值，确定所述采样方向为水平方向；其中，所述第一设定阈值小于所述第二设定阈值。
[0009]在本公开的一个实施例中，所述基于所述采样像素点进行车道线识别的性能测试，获取所述图像的车道线识别的性能测试结果，包括：获取所述采样像素点的判断结果和权重，其中，所述判断结果用于指示所述采样像素点是否为真实车道线上的位置点在所述图像中的像素点；基于所述采样像素点的判断结果和权重，获取所述采样像素点的加权准确率；根据每个所述采样像素点的加权准确率的和值，获取所述图像的车道线识别的总加权准确率，作为所述图像的车道线识别的性能测试结果。
[0010]在本公开的一个实施例中，获取所述采样像素点的权重，包括：基于所述采样像素点在所述图像上的位置，获取所述采样像素点的权重。
[0011]在本公开的一个实施例中，所述采样像素点的权重与所述采样像素点到所述图像的下边界的距离负相关。
[0012]在本公开的一个实施例中，所述基于所述采样像素点在所述图像上的位置，获取所述采样像素点的权重，包括：基于所述采样像素点在所述图像上的位置，识别所述采样像素点处于所述图像上的目标区域；将所述目标区域对应的设定权重，作为所述采样像素点的权重。
[0013]在本公开的一个实施例中，获取所述采样像素点的权重，包括：基于所述采样像素点的深度信息，确定所述采样像素点的权重。
[0014]在本公开的一个实施例中，还包括：获取所述测试车道线的识别车道线类别；基于所述识别车道线类别，获取所述图像的车道线识别的性能测试结果。
[0015]根据本公开实施例的第二方面，提供一种车道线识别的性能测试装置，包括：获取模块，被配置为执行获取图像中的原始识别车道线；截取模块，被配置为执行按照所述原始识别车道线的延伸属性，对所述原始识别车道线进行截取，获取测试车道线；采样模块，被配置为执行对所述测试车道线进行采样，获取所述测试车道线上的多个采样像素点；测试模块，被配置为执行基于所述采样像素点进行车道线识别的性能测试，获取所述图像的车道线识别的性能测试结果。
[0016]在本公开的一个实施例中，所述原始识别车道线包括识别片段和延伸片段；所述截取模块，还被配置为执行响应于所述延伸属性为延伸，对所述原始识别车道线进行截取，并将所述原始识别车道线作为所述测试车道线；或者，响应于所述延伸属性为非延伸，对所述原始识别车道线中的所述识别片段进行截取，并将所述识别片段作为所述测试车道线。
[0017]在本公开的一个实施例中，所述获取模块，还被配置为执行对所述图像进行车道线识别，获取所述图像中的多个识别像素点；基于每个所述识别像素点，生成所述识别片段；将所述识别片段从端点进行延伸，生成所述延伸片段；将所述识别片段和所述延伸片段进行拼接，生成所述原始识别车道线。
[0018]在本公开的一个实施例中，所述采样模块，还被配置为执行获取所述测试车道线的采样方向；按照所述采样方向对所述测试车道线进行采样，获取所述测试车道线上的多个所述采样像素点。
[0019]在本公开的一个实施例中，所述采样模块，还被配置为执行获取所述测试车道线与所述测试车道线所处道路的道路方向之间的夹角；识别所述夹角小于第一设定阈值，或者大于第二设定阈值，确定所述采样方向为垂直方向；或者，识别所述夹角大于或者等于所述第一设定阈值，且小于或者等于所述第二设定阈值，确定所述采样方向为水平方向；其
中，所述第一设定阈值小于所述第二设定阈值。
[0020]在本公开的一个实施例中，所述测试模块，还被配置为执行获取所述采样像素点的判断结果和权重，其中，所述判断结果用于指示所述采样像素点是否为真实车道线上的位置点在所述图像中的像素点；基于所述采样像素点的判断结果和权重，获取所述采样像素点的加权准确率；根据每个所述采样像素点的加权准确率的和值，获取所述图像的车道线识别的总加权准确率，作为所述图像的车道线识别的性能测试结果。
[0021]在本公开的一个实施例中，所述测试模块，还被配置为执行基于所述采样像素点在所述图像上的位置，获取所述采样像素点的权重。
[0022]在本公开的一个实施例中，所述采样像素点的权重与所述采样像素点到所述图像的下边界的距离负相关。
[0023]在本公开的一个实施例中，所述测试模块，还被配置为执行基于所述采样像素点在所述图像上的位置，识别所述采样像素点处于所述图像上的目标区域；将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车道线识别的性能测试方法，其特征在于，包括：获取图像中的原始识别车道线；按照所述原始识别车道线的延伸属性，对所述原始识别车道线进行截取，获取测试车道线；对所述测试车道线进行采样，获取所述测试车道线上的多个采样像素点；基于所述采样像素点进行车道线识别的性能测试，获取所述图像的车道线识别的性能测试结果。2.根据权利要求1所述的方法，其特征在于，所述原始识别车道线包括识别片段和延伸片段；所述按照所述原始识别车道线的延伸属性，对所述原始识别车道线进行截取，获取测试车道线，包括：响应于所述延伸属性为延伸，对所述原始识别车道线进行截取，并将所述原始识别车道线作为所述测试车道线；或者，响应于所述延伸属性为非延伸，对所述原始识别车道线中的所述识别片段进行截取，并将所述识别片段作为所述测试车道线。3.根据权利要求2所述的方法，其特征在于，所述获取图像中的原始识别车道线，包括：对所述图像进行车道线识别，获取所述图像中的多个识别像素点；基于每个所述识别像素点，生成所述识别片段；将所述识别片段从端点进行延伸，生成所述延伸片段；将所述识别片段和所述延伸片段进行拼接，生成所述原始识别车道线。4.根据权利要求1所述的方法，其特征在于，所述对所述测试车道线进行采样，获取所述测试车道线上的多个采样像素点，包括：获取所述测试车道线的采样方向；按照所述采样方向对所述测试车道线进行采样，获取所述测试车道线上的多个所述采样像素点。5.根据权利要求4所述的方法，其特征在于，所述获取所述测试车道线的采样方向，包括：获取所述测试车道线与所述测试车道线所处道路的道路方向之间的夹角；识别所述夹角小于第一设定阈值，或者大于第二设定阈值，确定所述采样方向为垂直方向；或者，识别所述夹角大于或者等于所述第一设定阈值，且小于或者等于所述第二设定阈值，确定所述采样方向为水平方向；其中，所述第一设定阈值小于所述第二设定阈值。6.根据权利要求1所述的方法，其特征在于，所述基于所述采样像素点进行车道线识别的性能测试，获取所述图像的车道线识别的性能测试结果，包括：获取所述采样像素点的判断结果和权重，其中，所述判断结果用于指示所述采样像素点是否为真实车道线上的位置点在所述图像中的像素点；基于所述采样像素点的判断结果和权重，获取所述采样像素点的加权准确率；根据每个所述采样像素点的加权准确率的和值，获取所述图像的车道线识别的总加权准确率，作为所述图像的车道线识别的性能测试结果。
7.根据权利要求6所述的方法，其特征在于，获取所述采样像素点的权重，包括：基于所述采样像素点在所述图像上的位置，获取所述采样像素点的权重。8.根据权利要求7所述的方法，其特征在于，所述采样像素点的权重与所述采样像素点到所述图像的下边界的距离负相关。9.根据权利要求7所述的方法，其特征在于，所述基于所述采样像素点在所述图像上的位置，获取所述采样像素点的权重，包括：基于所述采样像素点在所述图像上的位置，识别所述采样像素点处于所述图像上的目标区域；将所述目标区域对应的设定权重，作为所述采样像素点的权重。10.根据权利要求6所述的方法，其特征在于，获取所述采样像素点的权重，包括：基于所述采样像素点的深度信息，确定所述采样像素点的权重。11.根据权利要求1
‑
10任一项所述的方法，其特征在于，还包括：获取所述测试车道线的识别车道线类别；基于所述识别车道线类别，获取所述图像的车道线识别的性能测试结果。12.一种车道线识别的性能测试装置，其特征在于，包括：获取模块，被配置为执行获取图像中的原始识别车道线；截取模块，被配置为执行按照所述原始识别车道线的延伸属性，对所述原始识别车道...

【专利技术属性】
技术研发人员：李帅驰，
申请(专利权)人：小米汽车科技有限公司，
类型：发明
国别省市：