[發(fā)明專利]交通標識線的提取方法、裝置、設備和可讀存儲介質

在審

• 申請?zhí)枺?/td>: 202211063906.9
• 申請日: 2022-08-31
• 公開（公告）號: CN115471803A
• 公開（公告）日: 2022-12-13
• 發(fā)明（設計）人: 馬浩;陳思耘;張攀科;毛明楷
• 申請（專利權）人: 北京四維遠見信息技術有限公司
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V20/58;G06V10/25;G06V10/26;G06V10/30;G06V10/40;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京維正專利代理有限公司 11508
• 代理人: 卓凡

1.一種交通標識線的提取方法，其特征在于，包括：

基于道路點云數(shù)據(jù)，得到像素的強度特征圖像；

通過實例分割算法對所述強度特征圖像進行像素級語義分割，得到交通標志線的實例分割結果；

基于所述交通標志線的實例分割結果，提取對應的交通標識線。

2.根據(jù)權利要求1所述的方法，其特征在于，所述基于道路點云數(shù)據(jù)，得到像素的強度特征圖像包括：

對道路點云數(shù)據(jù)進行去噪；

基于去噪后的道路點云數(shù)據(jù)范圍，構建空白影像；

將去噪后的道路點云數(shù)據(jù)，投影到所述空白影像；

基于點云的強度值對投影后的影像進行賦值，得到像素的強度特征圖像。

3.根據(jù)權利要求2所述的方法，其特征在于，所述實例分割算法包括深度殘差網(wǎng)絡、特征金字塔網(wǎng)絡、區(qū)域建議網(wǎng)絡和感興趣區(qū)域頭部網(wǎng)絡。

4.根據(jù)權利要求3所述的方法，其特征在于，所述通過實例分割算法對所述強度特征圖像進行像素級語義分割，得到交通標志線的實例分割結果包括：

通過深度殘差網(wǎng)絡，提取所述強度特征圖像的多層次特征圖；

通過特征金字塔網(wǎng)絡，整合所述強度特征圖像的多層次特征圖中各個特征層的信息；

通過區(qū)域建議網(wǎng)絡計算的候選框，將其映射到金字塔網(wǎng)絡中相應的特征圖下，得到感興趣區(qū)域的多層次特征；

對所述感興趣區(qū)域的多層次特征進行像素級語義分割，得到交通標志線的實例分割結果。

5.根據(jù)權利要求4所述的方法，其特征在于，所述通過特征金字塔網(wǎng)絡，整合所述強度特征圖像的多層次特征圖，并計算感興趣區(qū)域的多層次特征：

基于特征金字塔網(wǎng)絡，通過如下公式將候選框映射到字塔網(wǎng)絡的第N層特征圖：

其中，W和H的乘積表示候選框的面積。

6.根據(jù)權利要求5所述的方法，其特征在于，所述對感興趣區(qū)域的多層次特征進行像素級語義分割，得到交通標志線的實例分割結果包括：

對所述感興趣區(qū)域的多層次特征進行池化；

對池化后的特征進行標線類別判斷和邊框回歸；同時對所述疊加特征進行像素級語義分割；

基于標線類別判斷和邊框回歸以及語義分割結果，得到交通標志線的實例分割結果。

7.根據(jù)權利要求6所述的方法，其特征在于，還包括：

通過Focal Loss損失函數(shù)優(yōu)化模型，對所述區(qū)域建議網(wǎng)絡進行優(yōu)化；

其中，所述Focal Loss損失函數(shù)優(yōu)化模型包括：

其中，p和q分別表示特征圖中像素點的預測分布和真實分布；

α表示平衡參數(shù)；

γ表示調制參數(shù)。

8.一種交通標識線的提取裝置，其特征在于，包括：

處理模塊，用于基于道路點云數(shù)據(jù)，得到像素的強度特征圖像；

分割模塊，用于通過實例分割算法對所述強度特征圖像進行像素級語義分割，得到交通標志線的實例分割結果；

提取模塊，用于基于所述交通標志線的實例分割結果，提取對應的交通標識線。

9.一種電子設備，包括存儲器和處理器，所述存儲器上存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權利要求1～7中任一項所述的方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1～7中任一項所述的方法。