[发明专利]一种基于深度学习的高精地图制作方法

权利要求书

1.一种基于深度学习的高精地图制作方法，其特征在于，所述高精地图制作方法包括：

利用视觉系统和定位系统采集图像信息和位置信息；

对图像信息中的高精地图要素和场景进行标注；

采用深度学习算法根据图像标注成果训练图像识别模型；

根据图像识别模型的训练成果和位置信息对高精地图的要素进行测量；

人工审核图像识别模型训练成果中的错误，并进行迭代优化；

根据优化的图像识别模型自动化合成高精地图。

2.如权利要求1所述的一种基于深度学习的高精地图制作方法，其特征在于，所述采集图像信息的方法包括：视觉系统采集图像信息，所述定位系统采集位置信息和姿态信息，再将图像信息、位置信息和姿态信息通过时间同步达成匹配，形成要素全面的高精地图原始图像信息。

3.如权利要求1所述的一种基于深度学习的高精地图制作方法，其特征在于，所述高精地图要素包括道路上的车道模型和定位目标模型，所述车道模型包括车道线、红绿灯、导流带、人行横道线、停止线、车道的交通规制信息和拓扑信息，所述定位目标模型包括护栏、路缘石、路灯、路牌、过街天桥、地面上的标志、符号和数字。

4.如权利要求1所述的一种基于深度学习的高精地图制作方法，其特征在于，所述对图像信息中的高精地图要素和场景进行标注的方法包括：通过在线图像标注系统对采集的高精地图原始图像做像素级的分类标注，并对图像的要素和场景做标签分类，形成机器学习的基础训练资料。

5.如权利要求1所述的一种基于深度学习的高精地图制作方法，其特征在于，所述训练图像识别模型的方法包括：根据不同等级道路的车道线、地面标志、季节、城市和道路属性设置不同的场景，机器通过对不同场景的学习生成不同的图像识别模型，最终形成具有自动化识别场景能力的高精地图。

6.如权利要求1所述的一种基于深度学习的高精地图制作方法，其特征在于，所述对高精地图的要素进行测量的方法包括：利用图像识别模型的训练成果对图像要素的语义进行识别，自动获取道路属性的类型，结合语义信息、图像信息、位置信息和姿态信息获取图像要素的精准三维坐标，对所述三维坐标进行测量，生成精度更高的地图要素。

7.如权利要求1所述的一种基于深度学习的高精地图制作方法，其特征在于，所述人工审核的方法包括：人为对图像识别模型的训练结果进行审核，把存在问题的场景反馈给图像标注环节，修正机器识别的错误，补充形成新的图像标注成果，不断输入给机器学习，迭代优化图像识别模型。

8.如权利要求1所述的一种基于深度学习的高精地图制作方法，其特征在于，所述根据优化的图像识别模型自动化合成高精地图的方法包括：根据不断优化的具有自动化识别场景能力的图像识别模型，不断提升高精地图测量的精度和自动化程度，并对高精地图要素进行整合，形成高精地图的拓扑关系，完成高精地图道路网的搭建。