【技术实现步骤摘要】
本申请涉及高精度地图制作，特别是涉及一种车道线识别方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、高精地图也称为高分辨率地图(hd map，high definition map)，其用于辅助自动驾驶系统在行驶过程中进行高精度定位、环境感知以及行驶规划决策，是实现高级别自动驾驶的一项重要基础技术。高精度地图中，车道线信息、交通标志信息、红绿灯信息等道路的结构化信息一般以矢量信息，即有序经纬度坐标列表形式存储，高精地图的绘制过程主要是获取道路元素矢量信息的过程。
2、车道线的识别与标注是高精度地图绘制过程中不可或缺的一部分，目前车道线的识别与标注主要依靠人工完成，不仅费时费力，而且因精度要求较高，计算过程复杂，制作过程也相对耗时，存在高精地图制作效率不高的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高高精地图制作效率的车道线识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种车道线识别方法。所述方法包括：
3、获取目标区域的瓦片地图集，对瓦片地图集中的瓦片图进行拼接，获得瓦片拼接图集；
4、将瓦片拼接图集中的瓦片拼接图输入至训练完成的图像翻转判别模型，获得图像翻转判断结果，在图像翻转判断结果为需对瓦片拼接图进行翻转的情况下，沿对角线对瓦片拼接图进行翻转；
5、将瓦片拼接图输入至训练完成的车道线识别模型，获取瓦片拼接图中车道线的像素相对坐
6、基于瓦片拼接图中车道线的像素相对坐标，对不同瓦片拼接图中的车道线进行融合，获得目标区域内车道线的像素绝对坐标；
7、对目标区域内车道线的像素绝对坐标进行转换，获得目标区域内的车道线矢量信息。
8、在其中一个实施例中，将瓦片拼接图集中的瓦片拼接图输入至图像翻转判别模型，获得图像翻转判断结果之前，还包括：
9、获取瓦片拼接图集中各瓦片拼接图的道路占比，根据各瓦片拼接图的道路占比与预设占比间的差异，对瓦片拼接图集中的瓦片拼接图进行过滤。
10、在其中一个实施例中，对目标区域内车道线的像素绝对坐标进行转换，获得目标区域内的车道线矢量信息，包括：
11、x＝absx/(256×2level)-0.5；
12、y＝0.5-absy/(256×2level)；
13、latitude＝90-360×arctan(e-2πy)/π；
14、longitude＝360×x；
15、其中，absx和absy分别为车道线在像素坐标系中的绝对横坐标和绝对纵坐标；vevel为瓦片图的等级；x和y分别为车道线在归一化平面的横坐标和纵坐标；latitude和longitude分别为车道线在地理坐标系中的纬度坐标和经度坐标。
16、在其中一个实施例中，图像翻转判别模型的训练过程，包括：
17、获取样本瓦片地图集，对样本瓦片地图集中的样本瓦片图进行拼接，获得第一样本瓦片拼接图集；
18、获取第一样本瓦片拼接图集中各样本瓦片拼接图的道路占比，筛选出道路占比符合预设占比的样本瓦片拼接图，获得第二样本瓦片拼接图集；
19、针对第二样本瓦片拼接图集中的样本瓦片拼接图，对构成样本瓦片拼接图的样本瓦片图上标注的车道线矢量信息进行拼接裁剪和坐标转换，获取样本瓦片拼接图上车道线的像素相对坐标；
20、基于第二样本瓦片拼接图集中各样本瓦片拼接图上车道线的像素相对坐标，获取第二样本瓦片拼接图集中各样本瓦片拼接图的图像翻转标签；
21、将第二样本瓦片拼接图集中的各样本瓦片拼接图作为训练样本，将各样本瓦片拼接图的图像翻转标签作为训练标签，对图像翻转判别模型进行训练。
22、在其中一个实施例中，对样本瓦片地图集中的样本瓦片图进行拼接，获得第一样本瓦片拼接图集，包括：
23、获取拼接边长、拼接步长和样本瓦片拼接图的尺寸边长，拼接边长大于尺寸边长，拼接步长小于拼接边长；
24、按照拼接边长和拼接步长，对样本瓦片地图集中的样本瓦片图按行或者按列拼接，获得样本瓦片拼接增广图集；
25、按照尺寸边长，对样本瓦片拼接增广图集中的样本瓦片拼接增广图进行多次旋转裁剪，获得第一样本瓦片拼接图集。
26、在其中一个实施例中，车道线识别模型的训练过程，包括：
27、将第二样本瓦片拼接图集中各样本瓦片拼接图输入至训练完成的图像翻转判别模型，获得各样本瓦片拼接图的图像翻转判断结果；
28、在图像翻转判断结果为需对相应的样本瓦片拼接图进行翻转的情况下，沿对角线对相应的样本瓦片拼接图进行翻转，获得第三样本瓦片拼接图集；
29、针对第三样本瓦片拼接图集中的样本瓦片拼接图，对构成样本瓦片拼接图的样本瓦片图上标注的车道线矢量信息进行拼接裁剪和坐标转换，获取样本瓦片拼接图上车道线的像素相对坐标；
30、对第三样本瓦片拼接图集中各样本瓦片拼接图上车道线的像素相对坐标进行格式转换，获取特定格式下车道线的标注数据；
31、将第三样本瓦片拼接图集中的各样本瓦片拼接图作为训练样本，将特定格式下车道线的标注数据作为训练标签，对车道线识别模型进行训练。
32、第二方面，本申请还提供了一种车道线识别装置。所述装置包括：
33、瓦片图拼接模块，用于获取目标区域的瓦片地图集，对瓦片地图集中的瓦片图进行拼接，获得瓦片拼接图集；
34、拼接图翻转模块，用于将瓦片拼接图集中的瓦片拼接图输入至训练完成的图像翻转判别模型，获得图像翻转判断结果；在图像翻转判断结果为需对瓦片拼接图进行翻转的情况下，沿对角线对瓦片拼接图进行翻转；
35、车道线识别模块，用于将瓦片拼接图输入至训练完成的车道线识别模型，获取瓦片拼接图中车道线的像素相对坐标和车道线类型；
36、车道线融合模块，用于基于瓦片拼接图中车道线的像素相对坐标，对不同瓦片拼接图中的车道线进行融合，获得目标区域内车道线的像素绝对坐标；
37、矢量信息提取模块，用于对目标区域内车道线的像素绝对坐标进行转换，获得目标区域内的车道线矢量信息。
38、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
39、获取目标区域的瓦片地图集，对瓦片地图集中的瓦片图进行拼接，获得瓦片拼接图集；
40、将瓦片拼接图集中的瓦片拼接图输入至训练完成的图像翻转判别模型，获得图像翻转判断结果，在图像翻转判断结果为需对瓦片拼接图进行翻转的情况下，沿对角线对瓦片拼接图进行翻转；
41、将瓦片拼接图输入至训练完成的车道线识别模型，获取瓦片拼接图中车道线的像素相对坐标和车道线类型；
42、基于瓦片本文档来自技高网...
【技术保护点】
1.一种车道线识别方法，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，所述将所述瓦片拼接图集中的瓦片拼接图输入至图像翻转判别模型，获得图像翻转判断结果之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述目标区域内车道线的像素绝对坐标进行转换，获得所述目标区域内的车道线矢量信息，包括：
4.根据权利要求1所述的方法，其特征在于，所述图像翻转判别模型的训练过程，包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述样本瓦片地图集中的样本瓦片图进行拼接，获得第一样本瓦片拼接图集，包括：
6.根据权利要求4所述的方法，其特征在于，所述车道线识别模型的训练过程，包括：
7.一种车道线识别装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种车道线识别方法，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，所述将所述瓦片拼接图集中的瓦片拼接图输入至图像翻转判别模型，获得图像翻转判断结果之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述目标区域内车道线的像素绝对坐标进行转换，获得所述目标区域内的车道线矢量信息，包括：
4.根据权利要求1所述的方法，其特征在于，所述图像翻转判别模型的训练过程，包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述样本瓦片地图集中的样本瓦片图进行拼接，获得第一样本瓦片拼接图集，包括：
6...
【专利技术属性】
技术研发人员：郑慧琳，张子阳，马冰，吴金英，王邓江，
申请(专利权)人：苏州万集车联网技术有限公司，
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。