[发明专利]车道通行属性获取方法、装置和计算机可读存储介质

权利要求书

1.一种车道通行属性获取方法，其特征在于，包括：

获取原始图像；其中，所述原始图像中包括通行要素，所述通行要素包括用于表示控制车流通行的要素；

将所述原始图像输入至预先完成训练的场景理解模型中，得到道路场景图像；其中，所述道路场景图像包括语义表示，所述语义表示用于标识通行要素；

根据所述语义表示从道路场景图像中提取多个通行要素子图像；

将所述通行要素子图像输入至预先完成训练的通行要素分类模型，以对所述通行要素进行二次分类，并得到通行要素细节分类结果；所述细节分类结果用于表示车道通行属性，所述车道通行属性包括直行、左转、右转、掉头、汇入、直行加左转、直行加右转、直行加掉头、左转加掉头、左右转弯标志、左转加右转、右转加掉头和/或直行加掉头；

根据所述通行要素子图像在所述道路场景图像中的位置，将与所述通行要素子图像对应的所述通行要素细节分类结果融合所述道路场景图像中。

2.如权利要求1所述的车道通行属性获取方法，其特征在于，所述根据所述语义表示从道路场景图像中提取多个通行要素子图像，包括：

对所述道路场景图像进行预设处理，得到通行要素二值化图；

利用预设边缘检测算法提取各所述通行要素的轮廓；

融合符合第一预设条件的通行要素的轮廓；

根据通行要素的轮廓提取所述通行要素子图像。

3.如权利要求2所述的车道通行属性获取方法，其特征在于，融合符合第一预设条件的通行要素的轮廓，具体包括：

对于任意一个通行要素的轮廓，确定所述通行要素的最小外接矩形；

计算处于外接状态的任意两个最小外接矩形的交并比值；

当所述交并比值大于或等于第一预设阈值时，融合与所述交并比值对应的通行要素的轮廓；

返回执行确定所述最小外接矩形的步骤，直至所述道路场景图中的处于外接状态的任意两个最小外接矩形的交并比值全部小于所述第一预设阈值。

4.如权利要求2所述的车道通行属性获取方法，其特征在于，根据通行要素的轮廓提取所述通行要素子图像之前，还包括：

过滤符合第二预设条件的通行要素的轮廓。

5.如权利要求4所述的车道通行属性获取方法，其特征在于，过滤符合第二预设条件的通行要素的轮廓，具体包括：

计算道路场景图中各通行要素的轮廓面积；

当轮廓面积小于第二预设阈值时，过滤与轮廓面积相对应的通行要素。

6.如权利要求1所述的车道通行属性获取方法，其特征在于：

所述场景理解模型的类别包括全卷积神经网络；

所述通行要素分类模型的类别包括卷积神经网络。

7.如权利要求1所述的车道通行属性获取方法，其特征在于，获取原始图像之前，还包括：

预训练所述场景理解模型；

预训练通行要素分类模型。

8.一种车道通行属性获取装置，其特征在于，包括：

图像获取模块，用于获取原始图像；其中，所述原始图像中包括通行要素，所述通行要素包括用于表示控制车流通行的要素；

道路场景识别模块，用于将所述原始图像输入至预先完成训练的场景理解模型中，得到道路场景图像；其中，所述道路场景图像包括语义表示，所述语义表示用于标识通行要素；

图像提取模块，用于根据所述语义表示从道路场景图像中提取多个通行要素子图像；

二次分类模块，用于将所述通行要素子图像输入至预先完成训练的通行要素分类模型，以对所述通行要素进行二次分类，并得到通行要素细节分类结果；所述细节分类结果用于表示车道通行属性，所述车道通行属性包括直行、左转、右转、掉头、汇入、直行加左转、直行加右转、直行加掉头、左转加掉头、左右转弯标志、左转加右转、右转加掉头和/或直行加掉头等属性；

融合模块，用于根据所述通行要素子图像在所述道路场景图像中的位置，将与所述通行要素子图像对应的所述通行要素细节分类结果融合所述道路场景图像中。