[发明专利]道路数据生成方法、装置、电子设备及存储介质

说明书

本发明提供的道路数据生成方法、装置、电子设备及存储介质，该方法包括：构建包括生成模型和判别模型的生成对抗网络；获取第一自定义数据、多类场景下的多张真实道路图像和真实道路图像对应的分割标签图像、多类场景对应的场景控制参数作为训练样本，对生成对抗网络进行训练，以基于生成模型得到最优生成模型；场景控制参数表征场景类别；基于最优生成模型、待生成道路图像对应的场景控制参数和第二自定义数据，生成待生成道路图像和待生成道路图像对应的分割标签图像；第一自定义数据和第二自定义数据具有相同的分布规律。本发明能够解决获得特定场景的道路图像及其对应交通线标签时的时间成本和人力成本大的问题，提高获得道路数据的效率。

技术领域

本发明涉及智能交通领域，具体而言，涉及一种道路数据生成方法、装置、电子设备及存储介质。

背景技术

随着科技的不断发展，智能交通技术也在不断的创新，完善道路交通感知系统有助于推动城市交通更加的智能化和信息化，并能够加快交通运输业向安全、高效、智能的方向综合发展。

现有的道路感知模型一般采用基于深度学习的语义分割方法，该方法为了能在不同的场景下，比如强光场景、夜间场景、雨天场景等都有比较好的分割效果，需要大量的场景图片数据进行训练。但是，大量的道路场景图片获取困难，而且获得的道路图像需要额外进行交通线标签标注，时间成本和人力成本大，降低了获得道路数据的效率。

发明内容

有鉴于此，本发明的目的在于提供一种道路数据生成方法、装置、电子设备及存储介质，用于解决获得特定场景的道路图像及其对应交通线标签时的时间成本和人力成本大的问题，提高获得道路数据的效率。为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供一种道路数据生成方法,包括：

构建包括生成模型和判别模型的生成对抗网络；

获取第一自定义数据、多类场景下的多张真实道路图像和所述真实道路图像对应的分割标签图像、所述多类场景对应的场景控制参数作为训练样本，对所述生成对抗网络进行训练，以基于所述生成模型得到最优生成模型；所述场景控制参数表征场景类别；

基于所述最优生成模型、待生成道路图像对应的场景控制参数和第二自定义数据，生成所述待生成道路图像和所述待生成道路图像对应的分割标签图像；所述第一自定义数据和所述第二自定义数据具有相同的分布规律。

可选地，所述获取第一自定义数据、多类场景下的多张真实道路图像和所述真实道路图像对应的分割标签图像、所述多类场景对应的场景控制参数作为训练样本，对所述生成对抗网络进行训练，以基于所述生成模型得到最优生成模型的步骤，包括：将所述第一自定义数据和所述场景控制参数输入到所述生成模型获得仿真道路图像和所述仿真道路图像对应的分割标签图像；将所述仿真道路图像和所述仿真道路图像对应的分割标签图像、真实道路图像和所述真实道路图像对应的分割标签图像输入所述判别模型，获得所述判别模型的输出概率值；利用所述判别模型的输出概率值对所述判别模型进行反向调节，得到最优判别模型；固定所述最优判别模型的参数，基于所述第一自定义数据、场景控制参数、生成模型和最优判别模型，得到所述最优判别模型的输出概率值；利用所述最优判别模型的输出概率值对所述生成模型进行反向调节，得到最优生成模型。

可选地，所述构建包括生成模型和判别模型的生成对抗网络的步骤之前，所述方法还包括：获取所述多类场景下的多张真实道路图像；根据预设的编码方式确定每一类场景对应的场景控制参数；将每张所述道路图片中的交通线类别对应的像素值进行标记，获得每张所述道路图对应的分割标签图像。

可选地，所述生成模型和所述判别模型包括特征提取网络；所述特征提取网络包含包括至少一层卷积层；所述生成模型和所述判别模型具有第一分辨率；所述方法还包括：增加所述特征提取网络的卷积层数，以使所述最优生成模型和所述最优判别模型具有第二分辨率；所述第二分辨率大于所述第一分辨率；通过所述最优生成模型生成具有所述第二分辨率的仿真道路图像和所述仿真道路图像对应的分割标签图像。