[发明专利]一种护栏检测分类方法、装置、电子设备及存储介质

说明书

本发明提供一种护栏检测分类方法、装置、电子设备及存储介质，该方法包括：根据点云数据及图像数据的采集轨迹信息确定图像数据与点云数据的对应关系；基于深度学习目标检测模型对图像数据中护栏进行检测；划分图像数据中的护栏在当前道路的左侧或右侧，并采用语义分割提取点云数据的护栏边界；根据护栏左右侧划分结果以及图像数据与点云数据的对应关系，将图像数据中护栏检测结果与点云数据边界分割结果进行对应，并定义单侧护栏分类属性。通过该方案解决了现有的护栏检测方法存在适应性差、检测精度较低的问题，可以有效增强采集设备的适应性，并保障护栏检测精度。

技术领域

本发明涉及高精度地图制作领域，尤其涉及一种护栏检测分类方法、装置、电子设备及存储介质。

背景技术

道路可行驶区域的划定一般由车道边线、车道外侧线和护栏共同决定，护栏作为可行驶区域的最外层边界，确保车辆的行驶道路在可行驶区域内，并保障车辆的安全行驶。在制作高精度地图时，护栏作为重要的道路要素之一，通常会基于车载感知设备采集数据对护栏检测分类。

由于前视图景深较长，距离车越远的位置，护栏坐标变换精度越差。因此，为保障前视图对护栏检测的精度，需要反复测试，确定当前设备采集图像的有效值范围，从而导致基于图像的护栏检测适应性较差。当采用激光点云的护栏检测方法时，由于护栏形态多样、不同材质上反射率差异以及周边物体干扰，护栏检测精度较低。

因此，有必要提出一种适应好、检测精度高的护栏检测分类方法。

发明内容

有鉴于此，本发明实施例提供了一种护栏检测分类方法、装置、电子设备及存储介质，以解决现有护栏检测方法存在适应性差、检测精度较低的问题。

在本发明实施例的第一方面，提供了一种护栏检测分类方法，包括：

根据点云数据及图像数据的采集轨迹信息确定图像数据与点云数据的对应关系；

基于深度学习目标检测模型对图像数据中护栏进行检测；

划分图像数据中的护栏在当前道路的左侧或右侧，并采用语义分割提取点云数据的护栏边界；

根据护栏左右侧划分结果以及图像数据与点云数据的对应关系，将图像数据中护栏检测结果与点云数据边界分割结果进行对应，并定义单侧护栏分类属性。

在本发明实施例的第二方面，提供了一种用于护栏检测分类的装置，包括：

关联模块，用于根据点云数据及图像数据的采集轨迹信息确定图像数据与点云数据的对应关系；

检测模块，用于基于深度学习目标检测模型对图像数据中护栏进行检测；

分割模块，用于划分图像数据中的护栏在当前道路的左侧或右侧，并采用语义分割提取点云数据的护栏边界；

结果对应模块，用于根据护栏左右侧划分结果以及图像数据与点云数据的对应关系，将图像数据中护栏检测结果与点云数据边界分割结果进行对应，并定义单侧护栏分类属性。

在本发明实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。

本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。

本发明实施例中，确定图像数据与点云数据的对应关系后，分别通过图像检测和语义分割对图像数据及点云数据进行检测分割，再将护栏检测结果与点云数据边界分割结果进行对应，并进行单侧分类定义。基于车载相机和激光雷达的结合，分类检测，既可以保障护栏检测精度，同时能增强检测设备的适应性，从而解决了现有护栏检测方法适应性差、检测精度较低的问题，。