[发明专利]一种图像数据处理方法及系统

说明书

本发明公开了一种图像数据处理方法及系统。该方法包括：获取道路的俯视图像；基于所述俯视图像和所述经训练的交通标线识别模型，获得所述俯视图像的至少一个图层；所述图层包括所述俯视图像中的至少一个交通标线，以及至少反映所述至少一个地标在所述俯视图像中的区域；对所述至少一个图层进行处理，以获得所述至少一个交通标线在所述俯视图像的位置坐标。通过交通标线识别模型，可以识别出不同类别的交通标线的图层，对图层进一步处理可以用于构建高精度地图。

技术领域

本发明涉及智能辅助驾驶或无人驾驶领域，尤其涉及一种图像数据处理方法及系统。

背景技术

汽车目前已成为人们生活中越来越重要的交通工具，为了更好提高汽车行驶过程中的安全性和驾驶员的舒适性，人们在汽车智能化做出了很多成就。通常车载设备的车道线检测主要在无人驾驶，车道保持系统等应用较多，其主要根据摄像头采集的图像检测车辆前方的车道线，并且当车辆发生跑偏时，系统可以自动调节方向盘转向，使车辆重新回到车道中央行驶。随着汽车智能化的发展，车载设备的车道线检测逐渐运用到高精度地图的构建。因此，有必要提出一种图像数据处理方法及系统以提高道路交通标线识别的精度。

发明内容

本发明的实施例提供了一种图像数据处理方法、系统、装置和计算机可读存储介质。具体包括以下几个方法。

第一方面，本发明披露了一种图像数据处理方法。该方法包括获取道路的俯视图像；基于所述俯视图像和经训练的交通标线识别模型，获得所述俯视图像的至少一个图层；所述图层包括所述俯视图像中的至少一个交通标线，以及至少反映所述至少一个交通标线在所述俯视图像中的区域；对所述至少一个图层进行处理，以获得所述至少一个交通标线在所述俯视图像的位置坐标。

在一些实施例中，所述基于所述俯视图像和所述经训练的交通标线识别模型，获得所述俯视图像的至少一个图层还包括：基于所述俯视图像，获取多张子图像；所述多张子图像分别包括所述俯视图像的一部分，且至少两张子图像共同包括所述腐蚀图像中的某一部分；针对每张子图像，基于所述子图像和所述经训练的交通标线识别模型，获得所述子图像的至少一个图层；所述子图像的至少一个图层包括所述子图像中的至少一个交通标线的至少一部分，以及至少反映所述至少一个交通标线的至少一部分在所述子图像中的区域；基于至少两张子图像的至少一个图层，联合确定出所述俯视图像的至少一个图层。

在一些实施例中，所述经训练的交通标线识别模型为经训练的MASK-RCNN模型。

在一些实施例中，所述图层的图像大小与所述俯视图像的图像大小相同，且所述图层为二值化图像。

在一些实施例中，所述对所述至少一个图层进行处理，以获得所述至少一个交通标线在所述俯视图像的位置坐标还包括：对所述至少一个图层进行腐蚀处理、膨胀处理或平滑处理中的一种或多种的组合。

在一些实施例中，所述获取道路的俯视图像还包括：获取车载设备拍摄的道路视频；基于所述道路视频，获取多张图像；获取每张图像中同一位置的图像数据；拼接所述多张图像中同一位置的图像数据，获得所述道路的俯视图像。

在一些实施例中，所述每张图像中同一位置的图像数据包括每张图像中相同的至少一行的图像数据。

在一些实施例中，所述图层还反映所述至少一个交通标线的类别。

在一些实施例中，响应于俯视图像的图层为车道线图层，所述对所述至少一个图层进行处理，以获得所述至少一个交通标线在所述俯视图像的位置坐标还包括：基于所述车道线图层和所述车道线图层中像素点的像素值，确定至少一条车道线的左边缘点和右边缘点在所述车道线图层中的位置坐标；基于所述至少一条车道线的左边缘点和右边缘点在所述车道线图层中的位置坐标，确定所述至少一条车道线的中心线在所述车道线图层中的位置坐标；基于车道线的预设宽度以及所述至少一条车道线的中心线的位置坐标，确定所述至少一条车道线在所述俯视图像中的位置坐标。