道路图像检测方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例公开了一种道路图像检测方法、装置、电子设备及存储介质，通过引入处理模型，基于处理模型能够实现对目标道路图像进行道路边缘的检测，并且能够检测出多种类型的道路边缘，从而丰富了检测得到的道路解构信息的类型，进而能够提升对道路图像进行检测的精细化程度。另外，通过将多个边缘检测模块集成于一个处理模型，一方面，能够有效地提升对道路图像的检测效率，另一方面，由于多个边缘检测模块共用目标图像特征，因此能够使得多个边缘检测模块之间的学习产生关联性，从而从整体上提升处理模型的检测性能，可广泛应用于云技术、智能交通、智能驾驶、地图、导航等技术领域。导航等技术领域。导航等技术领域。

【技术实现步骤摘要】
道路图像检测方法、装置、电子设备及存储介质


[0001]本申请涉及计算机
，尤其涉及一种道路图像检测方法、装置、电子设备及存储介质。

技术介绍

[0002]道路网作为一种基础地理数据，在行车导航、辅助驾驶、地图绘制及更新等方面承担着重要的作用，与此对应的，道路解构信息是实际应用中的一种关键数据。目前，通常对道路图像进行检测以获取道路解构信息，然而，相关技术对道路图像的检测手段过于简陋，从而导致道路解构信息不全面，因此，有必要提升对道路图像进行检测的精细化程度。

技术实现思路

[0003]以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
[0004]本申请实施例提供了一种道路图像检测方法、装置、电子设备及存储介质，能够提升对道路图像进行检测的精细化程度。
[0005]一方面，本申请实施例提供了一种道路图像检测方法，包括：
[0006]获取目标道路图像，将所述目标道路图像输入至处理模型，基于所述处理模型的特征提取模块对所述目标道路图像进行特征提取，得到所述目标道路图像的目标图像特征；
[0007]基于所述处理模型的多个边缘检测模块分别对所述目标图像特征进行映射，得到各个所述边缘检测模块输出的目标道路边缘的检测结果，其中，所述目标道路边缘为所述目标道路图像中的道路面的边缘，各个所述目标道路边缘的边缘类型互不相同；
[0008]根据多个所述目标道路边缘的检测结果，从所述目标道路图像中提取出所述目标道路边缘。
[0009]另一方面，本申请实施例还提供了一种道路图像检测装置，包括：
[0010]目标图像特征确定模块，用于获取目标道路图像，将所述目标道路图像输入至处理模型，基于所述处理模型的特征提取模块对所述目标道路图像进行特征提取，得到所述目标道路图像的目标图像特征；
[0011]目标道路边缘确定模块，用于基于所述处理模型的多个边缘检测模块分别对所述目标图像特征进行映射，得到各个所述边缘检测模块输出的目标道路边缘的检测结果，其中，所述目标道路边缘为所述目标道路图像中的道路面的边缘，各个所述目标道路边缘的边缘类型互不相同；
[0012]目标道路边缘提取模块，用于根据多个所述目标道路边缘的检测结果，从所述目标道路图像中提取出所述目标道路边缘。
[0013]进一步，上述目标道路边缘确定模块具体用于：
[0014]基于所述处理模型中用于检测路段边缘的边缘检测模块对所述目标图像特征进
行映射，得到所述路段边缘的检测结果；
[0015]基于所述处理模型中用于检测路口面边缘的边缘检测模块对所述目标图像特征进行映射，得到所述路口面边缘的检测结果；
[0016]基于所述处理模型中用于检测路段闭合边缘的边缘检测模块对所述目标图像特征进行映射，得到所述路段闭合边缘的检测结果。
[0017]进一步，上述目标道路边缘确定模块具体用于：
[0018]基于所述处理模型的多个边缘检测模块分别对所述目标图像特征进行映射，得到各个所述边缘检测模块输出的候选边缘的检测结果；
[0019]基于所述处理模型的实例分类模块对所述目标图像特征进行映射，得到所述实例分类模块输出的所述目标道路图像中各种实例的目标分类结果；
[0020]根据所述目标分类结果和所述候选边缘的检测结果确定目标道路边缘的检测结果。
[0021]进一步，上述目标道路边缘确定模块具体用于：
[0022]基于所述处理模型的实例分类模块对所述目标图像特征进行全连接处理，得到第一全连接特征；
[0023]基于所述实例分类模块对所述第一全连接特征进行归一化处理，得到所述实例分类模块输出的所述目标道路图像中各种实例的目标分类结果。
[0024]进一步，所述道路图像检测装置还包括训练模块，所述训练模块具体用于：
[0025]获取样本道路图像以及所述样本道路图像对应的多种不同边缘类型的道路边缘掩膜图像；
[0026]基于所述处理模型确定所述样本道路图像的多个边缘类型互不相同的样本道路边缘；
[0027]根据所述样本道路边缘以及对应的所述道路边缘掩膜图像确定边缘检测损失；
[0028]根据所述边缘检测损失训练所述处理模型。
[0029]进一步，所述样本道路图像标注有各种实例的类别标签，上述训练模块具体用于：
[0030]基于所述处理模型确定所述样本道路图像中各种实例的样本分类结果，根据所述样本分类结果和所述类别标签确定分类损失；
[0031]根据所述边缘检测损失和所述分类损失训练所述处理模型。
[0032]进一步，上述目标图像特征确定模块具体用于：
[0033]基于所述处理模型的特征提取模块对所述目标道路图像进行下采样处理，得到所述目标道路图像的下采样图像特征；
[0034]基于所述特征提取模块对所述目标道路图像进行上采样处理，得到所述目标道路图像的目标图像特征。
[0035]进一步，上述第一道路图像检测装置还包括后处理模块，后处理模块具体用于：
[0036]基于所述处理模型的道路面检测模块对所述目标图像特征进行映射，得到所述道路面检测模块输出的目标道路面的检测结果；
[0037]根据所述目标道路面的检测结果从所述目标道路图像中提取出所述目标道路面，对所述目标道路面进行轮廓提取，得到所述目标道路面的道路面轮廓；
[0038]根据所述道路面轮廓对所述目标道路边缘进行修正。
[0039]进一步，上述后处理模块具体用于：
[0040]确定所述道路面轮廓与各个所述目标道路边缘之间的差集，得到未被所述边缘检测模块成功检测出的第一边缘集合；
[0041]确定所述道路面轮廓与各个所述目标道路边缘之间的交集，得到被所述边缘检测模块成功检测出的第二边缘集合；
[0042]遍历所述第一边缘集合中的第一道路边缘，从所述第二边缘集合中确定与所述第一道路边缘邻接的至少一条第二道路边缘；
[0043]根据所述第二道路边缘的边缘类型重新确定所述第一道路边缘的边缘类型，根据重新确定边缘类型后的所述第一道路边缘对所述目标道路边缘进行修正。
[0044]进一步，所述第二道路边缘的数量为两条，上述后处理模块具体用于：
[0045]比较两条所述第二道路边缘的边缘类型；
[0046]当比较结果指示两条所述第二道路边缘的边缘类型相同，将所述第二道路边缘的边缘类型作为所述第一道路边缘的边缘类型；或者，当比较结果指示两条所述第二道路边缘的边缘类型不相同，将所述第一道路边缘的边缘类型确定为路段边缘。
[0047]进一步，上述后处理模块具体用于：
[0048]基于所述处理模型的道路面检测模块对所述目标图像特征进行全连接处理，得到第二全连接特征；
[0049]基于所述道路面检测模块对所述第二全连接特征进行激活处理，得到激活特征；
[0050]基于所述道路面检测模块对所述激活特征进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路图像检测方法，其特征在于，包括：获取目标道路图像，将所述目标道路图像输入至处理模型，基于所述处理模型的特征提取模块对所述目标道路图像进行特征提取，得到所述目标道路图像的目标图像特征；基于所述处理模型的多个边缘检测模块分别对所述目标图像特征进行映射，得到各个所述边缘检测模块输出的目标道路边缘的检测结果，其中，所述目标道路边缘为所述目标道路图像中的道路面的边缘，各个所述目标道路边缘的边缘类型互不相同；根据多个所述目标道路边缘的检测结果，从所述目标道路图像中提取出所述目标道路边缘。2.根据权利要求1所述的道路图像检测方法，其特征在于，所述基于所述处理模型的多个边缘检测模块分别对所述目标图像特征进行映射，得到各个所述边缘检测模块输出的目标道路边缘的检测结果，包括以下至少两个步骤：基于所述处理模型中用于检测路段边缘的边缘检测模块对所述目标图像特征进行映射，得到所述路段边缘的检测结果；基于所述处理模型中用于检测路口面边缘的边缘检测模块对所述目标图像特征进行映射，得到所述路口面边缘的检测结果；基于所述处理模型中用于检测路段闭合边缘的边缘检测模块对所述目标图像特征进行映射，得到所述路段闭合边缘的检测结果。3.根据权利要求1所述的道路图像检测方法，其特征在于，所述基于所述处理模型的多个边缘检测模块分别对所述目标图像特征进行映射，得到各个所述边缘检测模块输出的目标道路边缘的检测结果，包括：基于所述处理模型的多个边缘检测模块分别对所述目标图像特征进行映射，得到各个所述边缘检测模块输出的候选边缘的检测结果；基于所述处理模型的实例分类模块对所述目标图像特征进行映射，得到所述实例分类模块输出的所述目标道路图像中各种实例的目标分类结果；根据所述目标分类结果和所述候选边缘的检测结果确定目标道路边缘的检测结果。4.根据权利要求3所述的道路图像检测方法，其特征在于，所述基于所述处理模型的实例分类模块对所述目标图像特征进行映射，得到所述实例分类模块输出的所述目标道路图像中各种实例的目标分类结果，包括：基于所述处理模型的实例分类模块对所述目标图像特征进行全连接处理，得到第一全连接特征；基于所述实例分类模块对所述第一全连接特征进行归一化处理，得到所述实例分类模块输出的所述目标道路图像中各种实例的目标分类结果。5.根据权利要求1所述的道路图像检测方法，其特征在于，所述处理模型通过以下步骤训练得到：获取样本道路图像以及所述样本道路图像对应的多种不同边缘类型的道路边缘掩膜图像；基于所述处理模型确定所述样本道路图像的多个边缘类型互不相同的样本道路边缘的检测结果；根据所述样本道路边缘的检测结果以及对应的所述道路边缘掩膜图像确定边缘检测
损失；根据所述边缘检测损失训练所述处理模型。6.根据权利要求5所述的道路图像检测方法，其特征在于，所述样本道路图像标注有各种实例的类别标签，所述根据所述边缘检测损失训练所述处理模型，包括：基于所述处理模型确定所述样本道路图像中各种实例的样本分类结果，根据所述样本分类结果和所述类别标签确定分类损失；根据所述边缘检测损失和所述分类损失训练所述处理模型。7.根据权利要求1所述的道路图像检测方法，其特征在于，所述基于所述处理模型的特征提取模块对所述目标道路图像进行特征提取，得到所述目标道路图像的目标图像特征，包括：基于所述处理模型的特征提取模块对所述目标道路图像进行下采样处理，得到所述目标道路图像的下采样图像特征；...

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