[发明专利]高精地图的车道线标注方法和装置、电子设备和存储介质

权利要求书

1.一种高精地图的车道线标注方法，其中，所述方法包括：

获取当前的道路图像数据和对应的激光点云数据；

利用预设图像语义分割模型对所述道路图像数据进行语义分割，得到第一图像语义分割结果，所述第一图像语义分割结果包括道路图像中的车道线离散点的位置和类别；

利用预设点云语义分割模型对所述激光点云数据进行语义分割，得到点云语义分割结果，所述点云语义分割结果包括3D空间中的车道线3D点的位置；

对所述第一图像语义分割结果和所述点云语义分割结果进行融合，得到车道线识别结果，以根据所述车道线识别结果在高精地图中进行车道线标注。

2.如权利要求1所述方法，其中，所述利用预设图像语义分割模型对所述道路图像数据进行语义分割，得到第一图像语义分割结果包括：

利用所述预设图像语义分割模型中的特征金字塔网络对所述道路图像数据进行特征提取，得到道路图像的特征图；

对所述道路图像的特征图进行网格划分，得到包含多个网格的特征图；

利用所述预设图像语义分割模型中的预测网络对包含多个网格的特征图进行预测，得到特征图预测结果；

根据所述特征图预测结果确定所述道路图像中的车道线离散点的位置和类别。

3.如权利要求2所述方法，其中，所述特征图预测结果包括特征图中的各个网格的类别，所述根据所述特征图预测结果确定所述道路图像中的车道线离散点的位置和类别包括：

根据特征图中的各个网格的类别确定车道线所在网格；

根据所述车道线所在网格的中心位置确定车道线离散点的初始位置；

对包含多个网格的特征图进行卷积处理，得到所述车道线所在网格的中心位置修正值；

利用所述车道线所在网格的中心位置修正值对所述车道线离散点的初始位置进行修正，得到车道线离散点的修正位置。

4.如权利要求1所述方法，其中，所述对所述第一图像语义分割结果和所述点云语义分割结果进行融合包括：

将所述道路图像中的车道线离散点投影到3D空间中，得到所述车道线离散点在3D空间中的投影点；

根据所述车道线离散点在3D空间中的投影点，对所述3D空间中的车道线3D点进行筛选；

根据筛选后的车道线3D点确定所述车道线识别结果。

5.如权利要求4所述方法，其中，所述根据所述车道线离散点在3D空间中的投影点，对所述3D空间中的车道线3D点进行筛选包括：

以所述车道线离散点在3D空间中的投影点的位置为中心构建预设大小的球体；

确定所述3D空间中位于所述预设大小的球体中的3D点，作为所述投影点对应的候选匹配点；

根据所述候选匹配点的类别得分确定所述3D空间中与所述投影点相匹配的3D点；

将与所述投影点相匹配的3D点作为筛选后的车道线3D点。

6.如权利要求4所述方法，其中，所述根据筛选后的车道线3D点确定所述车道线识别结果包括：

将所述筛选后的车道线3D点的位置作为最终的车道线离散点的位置；

根据所述投影点对应的类别确定所述筛选后的车道线3D点的类别，并作为最终的车道线离散点的类别；

将最终的车道线离散点的位置和最终的车道线离散点的类别作为所述车道线识别结果。

7.如权利要求1所述方法，其中，所述预设图像语义分割模型通过如下方式训练得到：

获取训练样本图像，并将所述训练样本图像输入预设图像语义分割模型，得到第二图像语义分割结果；

根据所述第二图像语义分割结果确定各个车道线离散点在训练样本图像中的相对位置；

根据各个车道线离散点在道路图像中的相对位置确定各个车道线离散点对应的损失权重；

根据所述各个车道线离散点对应的损失权重确定所述预设图像语义分割模型的损失值，并利用所述预设图像语义分割模型的损失值更新所述预设图像语义分割模型的参数，得到训练后的预设图像语义分割模型。