[發明專利]語義分割模型的訓練和高精地圖車道線的生成方法和設備

在審

• 申請號: 202111031898.5
• 申請日: 2021-09-03
• 公開（公告）號: CN113705515A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 何雷;耿濤;劉陽
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62;G06N20/00
• 代理公司: 北京市鑄成律師事務所 11313
• 代理人: 包莉莉;王一

1.一種語義分割模型的訓練方法，包括：

獲取樣本圖像，所述樣本圖像中包括樣本車道線；

利用初始網絡，從所述樣本圖像中提取出所述樣本車道線的起止點對的特征；

利用所述初始網絡，提取樣本語義地圖的特征；

根據所述樣本語義地圖的特征和所述起止點對的特征，利用所述初始網絡，得到對所述樣本車道線的預測圖像；

根據所述樣本圖像和所述預測圖像，調整所述初始網絡的參數，得到語義分割模型，所述語義分割模型用于根據目標車道線的起止點對圖像，輸出包括所述目標車道線的目標圖像。

2.根據權利要求1所述的訓練方法，其中，利用所述初始網絡，提取樣本語義地圖的特征之前，還包括：

獲取與所述樣本車道線對應的樣本高精地圖；

編碼所述樣本高精地圖，以得到所述樣本語義地圖。

3.根據權利要求1所述的訓練方法，其中，所述樣本圖像包括第一樣本圖像和第二樣本圖像，所述第一樣本圖像中包括第一樣本車道線，所述第二樣本圖像中包括第二樣本車道線，所述第一樣本車道線為人類駕駛車輛的行駛軌跡，所述第二樣本車道線為現實世界中劃線的車道線。

4.根據權利要求3所述的訓練方法，其中，所述預測圖像包括與所述第一樣本車道線對應的第一預測圖像以及對所述第二樣本車道線對應的第二預測圖像，

根據所述樣本圖像和所述預測圖像，調整所述初始網絡的參數，得到語義分割模型，包括：

根據所述第一樣本圖像以及所述第一預測圖像的差異，構建第一損失子函數；

根據所述第二樣本圖像以及所述第二預測圖像的差異，構建第二損失子函數；

根據所述第一損失子函數以及所述第二損失子函數，構建所述初始網絡的損失函數，其中，所述第一損失子函數的權重大于所述第二損失子函數的權重；

調整所述初始網絡的參數，直到所述損失函數收斂。

5.一種高精地圖車道線的生成方法，包括：

獲取與目標高精地圖對應的目標語義地圖；

將所述目標語義地圖和目標車道線的起止點對圖像輸入語義分割模型，以得到包括所述目標車道線的目標圖像；其中，所述語義分割模型為權利要求1至4任一項所述的訓練方法得到；

根據所述目標圖像，生成所述目標車道線。

6.根據權利要求5所述的生成方法，其中，根據所述目標圖像，生成所述目標車道線，包括：

對所述目標圖像進行關鍵點提取，得到所述目標車道線上的多個關鍵點；

對各關鍵點進行曲線擬合，生成所述目標車道線。

7.一種語義分割模型的訓練裝置，包括：

樣本圖像獲取模塊，用于獲取樣本圖像，所述樣本圖像中包括樣本車道線；

起止點對特征提取模塊，用于利用初始網絡，從所述樣本圖像中提取出所述樣本車道線的起止點對的特征；

語義地圖特征提取模塊，用于利用所述初始網絡，提取樣本語義地圖的特征；

預測模塊，用于根據所述樣本語義地圖的特征和所述起止點對的特征，利用所述初始網絡，得到對所述樣本車道線的預測圖像；

參數調整模塊，用于根據所述樣本圖像和所述預測圖像，調整所述初始網絡的參數，得到語義分割模型，所述語義分割模型用于根據目標車道線的起止點對圖像，輸出包括所述目標車道線的目標圖像。

8.根據權利要求7所述的訓練裝置，還包括：

樣本高精地圖獲取模塊，用于在利用所述初始網絡，提取樣本語義地圖的特征之前，獲取與所述樣本車道線對應的樣本高精地圖；

編碼模塊，用于編碼所述樣本高精地圖，以得到所述樣本語義地圖。

9.根據權利要求7所述的訓練裝置，其中，所述樣本圖像包括第一樣本圖像和第二樣本圖像，所述第一樣本圖像中包括第一樣本車道線，所述第二樣本圖像中包括第二樣本車道線，所述第一樣本車道線為人類駕駛車輛的行駛軌跡，所述第二樣本車道線為現實世界中劃線的車道線。