System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种道路元素检测结果优化方法、系统、装置和存储介质制造方法及图纸_技高网

一种道路元素检测结果优化方法、系统、装置和存储介质制造方法及图纸

技术编号:44763770 阅读:5 留言:0更新日期:2025-03-26 12:46
本说明书实施例提供一种道路元素检测结果优化方法、系统、装置和存储介质,该方法包括基于多模态道路元素检测模型获取BEV鸟瞰空间下的道路元素检测结果,道路元素检测结果包括元素的折线段节点的预测坐标;基于折线段节点的预测坐标,得到折线段节点的预测坐标的投影点;基于训练后的检测结果优化模块对投影点进行迭代优化,得到优化后的目标节点坐标。

【技术实现步骤摘要】

本说明书涉及道路感知,特别涉及一种道路元素检测结果优化方法、系统、装置和存储介质


技术介绍

1、随着人工智能和自动驾驶技术的发展,对于汽车工业、社会发展以及出行体系都产生了巨大的影响。自动驾驶需要提取道路元素用于感知车辆周围的环境,快速精确地提取道路元素有利于准确地进行驾驶控制。

2、道路元素可以通过车载传感器和配套车载计算设备实现在线的道路元素检测和抽取,并获取对应的矢量化表示。由于相机对彩色纹理细节的捕获能力和激光雷达对场景三维结构信息捕获能力较强,这两种传感器常常互为补充。从这两种模态数据中抽取的特征信息被转换到一致的bev空间进行融合,用于实现多模态的道路元素检测功能。但是由于相机获取的图像从透视视角到bev空间的转换过程会引入畸变,再加上相机、激光雷达与车体之间的标定参数可能不准确或随车体运动发生变化,加剧转换后特征的畸变程度,导致难以获得精确、稳定的检测结果。

3、因此,有必要提供一种道路元素检测结果优化方法、系统、装置和存储介质,用于获得精确、稳定的道路元素的检测结果。


技术实现思路

1、本说明书一个或多个实施例提供一种道路元素检测结果优化方法,所述方法包括:基于多模态道路元素检测模型获取bev鸟瞰空间下的道路元素检测结果,所述道路元素检测结果包括元素的折线段节点的预测坐标;基于所述折线段节点的预测坐标,得到所述折线段节点的预测坐标的投影点;基于训练后的检测结果优化模块对所述投影点进行迭代优化,得到优化后的目标节点坐标。

2、在一些实施例中,所述基于所述折线段节点的预测坐标,得到所述折线段节点的预测坐标的投影点,包括:将所述折线段节点的预测坐标投影到融合透视视角特征图上,得到所述折线段节点的预测坐标的投影点,所述融合透视视角特征图基于激光雷达点云和透视视角相机图像特征图得到。

3、在一些实施例中,所述基于训练后的检测结果优化模块对所述投影点进行迭代优化,得到优化后的目标节点坐标,包括:基于所述训练后的检测结果优化模块确定所述投影点的采样特征;对所述采样特征进行回归操作,确定所述折线段节点的修正量;基于所述折线段节点的预测坐标和所述修正量,得到所述优化后的目标节点坐标。

4、在一些实施例中,检测结果优化模块训练时的损失函数基于折线段节点与前后预设数量的其余节点的位置关系确定。

5、在一些实施例中,所述方法还包括:基于初始外参矩阵,将所述激光雷达点云的逐点特征投影到所述透视视角相机图像特征图上,得到伪图像特征图;通过补充变换模型对所述透视视角相机图像特征图和所述伪图像特征图进行处理,确定补充变换矩阵;基于所述补充变换矩阵和所述初始外参矩阵,确定修正外参矩阵,所述修正外参矩阵用于对所述折线段节点的预测坐标进行投影。

6、在一些实施例中,所述融合透视视角特征图基于激光雷达点云和透视视角相机图像特征图得到,包括:将所述激光雷达点云投影到所述透视视角相机图像特征图上,得到所述透视视角相机图像特征图上每个像素对应的三维坐标;将所述每个像素对应的三维坐标拼接到所述透视视角相机图像特征图上,得到所述融合透视视角特征图。

7、本说明书一个或多个实施例提供一种道路元素检测结果优化系统,所述系统包括:预测模块,用于基于多模态道路元素检测模型获取bev鸟瞰空间下的道路元素检测结果,所述道路元素检测结果包括元素的折线段节点的预测坐标;投影模块,用于基于所述折线段节点的预测坐标,得到所述折线段节点的预测坐标的投影点;优化模块,用于基于训练后的检测结果优化模块对所述投影点进行迭代优化,得到优化后的目标节点坐标。

8、在一些实施例中,所述优化模块进一步用于:基于所述训练后的检测结果优化模块确定所述投影点的采样特征;对所述采样特征进行回归操作,确定所述折线段节点的修正量;基于所述折线段节点的预测坐标和所述修正量,得到所述优化后的目标节点坐标。

9、本说明书一个或多个实施例提供一种道路元素检测结果优化装置,所述装置包括至少一个处理设备以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理设备用于执行所述计算机指令中的至少部分指令以实现上述实施例中任一项所述路元素检测结果优化方法。

10、本说明书一个或多个实施例提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如上述实施例中任一项所述路元素检测结果优化方法。

11、根据上述实施例,能够获得精确、稳定的道路元素的检测结果。

本文档来自技高网...

【技术保护点】

1.一种道路元素检测结果优化方法,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,所述基于所述折线段节点的预测坐标,得到所述折线段节点的预测坐标的投影点,包括:

3.根据权利要求1所述的方法,其特征在于,所述基于训练后的检测结果优化模块对所述投影点进行迭代优化,得到优化后的目标节点坐标,包括:

4.根据权利要求3所述的方法,其特征在于,检测结果优化模块训练时的损失函数基于折线段节点与前后预设数量的其余节点的位置关系确定。

5.根据权利要求2所述的方法,其特征在于,所述方法还包括:

6.根据权利要求2所述的方法,其特征在于,所述融合透视视角特征图基于激光雷达点云和透视视角相机图像得到,包括:

7.一种道路元素检测结果优化系统,其特征在于,所述系统包括:

8.根据权利要求7所述的系统,其特征在于,所述优化模块进一步用于:

9.一种道路元素检测结果优化装置,其特征在于,所述装置包括至少一个处理设备以及至少一个存储器;

10.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1至6中任一项所述的一种道路元素检测结果优化方法。

...

【技术特征摘要】

1.一种道路元素检测结果优化方法,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,所述基于所述折线段节点的预测坐标,得到所述折线段节点的预测坐标的投影点,包括:

3.根据权利要求1所述的方法,其特征在于,所述基于训练后的检测结果优化模块对所述投影点进行迭代优化,得到优化后的目标节点坐标,包括:

4.根据权利要求3所述的方法,其特征在于,检测结果优化模块训练时的损失函数基于折线段节点与前后预设数量的其余节点的位置关系确定。

5.根据权利要求2所述的方法,其特征在于,所述方法还包括:

【专利技术属性】
技术研发人员:范永智
申请(专利权)人:滴图北京科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1