【技术实现步骤摘要】
本申请涉及计算机，特别涉及一种车道线预测模型的训练方法、车道线预测方法及装置。
技术介绍
1、随着计算机技术的发展，用户在出行过程中通常使用地图应用来查看道路情况。为了给用户在使用地图的过程中带来更好的体验，需要对道路图像中的车道线进行预测，并在地图上标注该车道线。相关技术中，通常使用实例分割模型对道路图像中的车道线进行预测，然而，由于道路中的车道线的长度存在几公里的超长情况，导致一个道路图像无法包括整条车道线。若直接使用实例分割模型对道路图像进行处理，容易出现车道线断裂的情况，导致模型对车道线的检测效果较差，因此急需一种能够训练出车道线预测效果更准确的模型的训练方法。
技术实现思路
1、本申请实施例提供了一种车道线预测模型的训练方法、车道线预测方法及装置，能够基于多种预测信息，确定卫星图像中存在的多条车道线，提高了车道线预测的准确性。所述技术方案如下：
2、一方面，提供了一种车道线预测模型的训练方法，所述方法包括：
3、基于车道线预测模型，对样本卫星图像进行特征提取，得到所述样本卫星图像的特征图；
4、基于所述特征图，对所述样本卫星图像进行车道线预测，得到所述样本卫星图像中车道线的行驶方向预测信息和辅助预测信息，所述辅助预测信息包括语义预测信息、类型预测信息以及边界预测信息中的至少一种，所述语义预测信息用于指示车道线的预测位置，所述类型预测信息用于指示车道线的预测类型，所述边界预测信息用于指示车道线的预测边界；
5、基于所述样本卫星
6、另一方面，提供了一种车道线预测方法，所述方法包括：
7、基于车道线预测模型，对卫星图像进行特征提取，得到所述卫星图像的特征图，所述车道线预测模型根据上述车道线预测模型的训练方法训练得到；
8、基于所述特征图，对所述卫星图像进行车道线预测，得到所述卫星图像中车道线的行驶方向预测信息和辅助预测信息，所述辅助预测信息包括语义预测信息、类型预测信息以及边界预测信息中的至少一种，所述语义预测信息用于指示所述卫星图像中车道线的预测位置，所述类型预测信息用于指示所述卫星图像中车道线的预测类型，所述边界预测信息用于指示所述卫星图像中车道线的预测边界；
9、基于所述行驶方向预测信息和所述辅助预测信息，生成车道线图像，所述车道线图像中的车道线与所述卫星图像中的车道线一致。
10、另一方面，提供了一种车道线预测模型的训练装置，所述装置包括：
11、提取模块，用于基于车道线预测模型，对样本卫星图像进行特征提取，得到所述样本卫星图像的特征图；
12、预测模块，用于基于所述特征图，对所述样本卫星图像进行车道线预测，得到所述样本卫星图像中车道线的行驶方向预测信息和辅助预测信息，所述辅助预测信息包括语义预测信息、类型预测信息以及边界预测信息中的至少一种，所述语义预测信息用于指示车道线的预测位置，所述类型预测信息用于指示车道线的预测类型，所述边界预测信息用于指示车道线的预测边界；
13、训练模块，用于基于所述样本卫星图像的行驶方向参考信息和所述行驶方向预测信息之间的差异以及所述样本卫星图像的辅助参考信息和所述辅助预测信息之间的差异，训练所述车道线预测模型，所述辅助参考信息包括语义信息、类型信息以及边界信息中的至少一种，所述语义信息用于指示车道线的真实位置，所述类型信息用于指示车道线的真实类型，所述边界预测信息用于指示车道线的真实边界。
14、在一些实施例中，所述提取模块，包括：
15、采样单元，用于基于所述车道线预测模型，对所述样本卫星图像进行多次下采样，得到所述样本卫星图像的不同尺寸的多个中间特征图；
16、第一生成单元，用于基于所述多个中间特征图，生成所述特征图。
17、在一些实施例中，所述多个中间特征图包括多个第一中间特征图和第二中间特征图；
18、所述采样单元，用于基于所述车道线预测模型中的多个残差块，依次对所述样本卫星图像进行处理，得到所述多个第一中间特征图；基于所述车道线预测模型中的空洞卷积块，对所述多个第一中间特征图中尾层残差块输出的第一中间特征图进行处理，得到所述第二中间特征图。
19、在一些实施例中，所述车道线预测模型包括n层解码块，n为大于1的正整数；
20、所述第一生成单元，用于通过所述n层解码块中的第一层解码块，基于所述第二中间特征图和所述第一层解码块对应的第一中间特征图，生成所述第一层解码块的输出特征图；通过所述n层解码块中的第i层解码块，基于第i-1层解码块的输出特征图和所述第i层解码块对应的第一中间特征图，生成所述第i层解码块的输出特征图，i为大于1且不大于n的整数；通过所述n层解码块中的第n层解码块，基于第n-1层解码块的输出特征图和所述第n层解码块对应的第一中间特征图，生成所述特征图。
21、在一些实施例中，所述第一生成单元，还用于通过所述n层解码块中的第一层解码块，对所述第二中间特征图进行反卷积，得到所述第一层解码块的反卷积特征图；将所述第一层解码块的反卷积特征图与所述第一层解码块对应的第一中间特征图进行拼接，得到所述第一层解码块的拼接特征图；对所述拼接特征图进行卷积，生成所述第一层解码块的输出特征图。
22、在一些实施例中，所述预测模块，包括：
23、分类单元，用于基于所述特征图，对所述样本卫星图像中的车道线进行至少一种二分类，得到所述辅助预测信息，所述至少一种二分类包括分类是否是车道线、分类虚线和实线以及分类是否是车道线边界；
24、第二生成单元，用于基于所述辅助预测信息，生成车道线实例图；
25、信息确定单元，用于基于所述车道线实例图中车道线的起点和终点的朝向关系以及车道线上各点的斜率预测值，确定所述行驶方向预测信息。
26、在一些实施例中，所述行驶方向参考信息包括单向车道线中每个像素点的颜色值；
27、所述装置还包括：
28、确定模块，用于对于所述样本卫星图像中的任一单向车道线，基于所述单向车道线中每个像素点的坐标，确定所述单向车道线中每个像素点的斜率值；
29、映射模块，用于对所述单向车道线中每个像素点的斜率值进行数值映射，得到所述单向车道线中每个像素点的颜色值。
30、在一些实施例中，所述行驶方向参考信息包括双向车道线中每个像素点的颜色值；
31、所述装置还包括：
32、设置模块，用于对于所述样本卫星图像中的任一双向车道线，将所述双向车道线中每个像素点的颜色值设置为目标颜色值。本文档来自技高网...
【技术保护点】
1.一种车道线预测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于车道线预测模型，对样本卫星图像进行特征提取，得到所述样本卫星图像的特征图，包括：
3.根据权利要求2所述的方法，其特征在于，所述多个中间特征图包括多个第一中间特征图和第二中间特征图；
4.根据权利要求3所述的方法，其特征在于，所述车道线预测模型包括n层解码块，n为大于1的正整数；
5.根据权利要求4所述的方法，其特征在于，所述通过所述n层解码块中的第一层解码块，基于所述第二中间特征图和所述第一层解码块对应的第一中间特征图，生成所述第一层解码块的输出特征图，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述特征图，对所述样本卫星图像进行车道线预测，得到所述样本卫星图像中车道线的行驶方向预测信息和辅助预测信息，包括：
7.根据权利要求1所述的方法，其特征在于，所述行驶方向参考信息包括单向车道线中每个像素点的颜色值；
8.根据权利要求1所述的方法，其特征在于，所述行驶方向参考信息包
9.根据权利要求1所述的方法，其特征在于，所述行驶方向预测信息包括车道线中每个像素点的颜色预测值；
10.一种车道线预测方法，其特征在于，所述方法包括：
11.一种车道线预测模型的训练装置，其特征在于，所述装置包括：
12.一种车道线预测装置，其特征在于，所述装置包括：
13.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器用于存储至少一段计算机程序，所述至少一段计算机程序由所述处理器加载并执行权利要求1至9任一项权利要求所述的车道线预测模型的训练方法，或者权利要求10所述的车道线预测方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储至少一段计算机程序，所述至少一段计算机程序用于执行权利要求1至9任一项权利要求所述的车道线预测模型的训练方法，或者权利要求10所述的车道线预测方法。
15.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至9任一项权利要求所述的车道线预测模型的训练方法，或者权利要求10所述的车道线预测方法。
...【技术特征摘要】
1.一种车道线预测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于车道线预测模型，对样本卫星图像进行特征提取，得到所述样本卫星图像的特征图，包括：
3.根据权利要求2所述的方法，其特征在于，所述多个中间特征图包括多个第一中间特征图和第二中间特征图；
4.根据权利要求3所述的方法，其特征在于，所述车道线预测模型包括n层解码块，n为大于1的正整数；
5.根据权利要求4所述的方法，其特征在于，所述通过所述n层解码块中的第一层解码块，基于所述第二中间特征图和所述第一层解码块对应的第一中间特征图，生成所述第一层解码块的输出特征图，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述特征图，对所述样本卫星图像进行车道线预测，得到所述样本卫星图像中车道线的行驶方向预测信息和辅助预测信息，包括：
7.根据权利要求1所述的方法，其特征在于，所述行驶方向参考信息包括单向车道线中每个像素点的颜色值；
8.根据权利要求1所述的方法，其特征在于，所述行驶方向参考信息包括双向车道线中每个像素点的颜...
【专利技术属性】
技术研发人员：单鼎一，
申请(专利权)人：腾讯科技深圳有限公司，
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。