[发明专利]基于深度学习的激光点云车道印刷虚线块提取方法及系统

权利要求书

1.一种基于深度学习的激光点云车道印刷虚线块提取方法，其特征在于，包括：

获取待提取车道印刷虚线块的激光点云，并将其投影为一张或多张图像；

利用训练完成的目标检测模型提取每张投影图像中的一个或多个虚线块，以及识别一个或多个虚实变化的位置；

根据所述一个或多个虚实变化的位置，反演提取到的每个虚线块在激光点云的坐标信息；

根据多个虚实变化的位置、所述激光点云的轨迹信息和每个虚线块的几何性质，对提取到的每个虚线块进行质检。

2.根据权利要求1所述的基于深度学习的激光点云车道印刷虚线块提取方法，其特征在于，所述利用训练完成的目标检测模型提取每张投影图像中的一个或多个虚线块，以及识别一个或多个虚实变化的位置包括：所述目标检测网络包括语义分割网络和目标检测网络，

所述语义分割网络，用于提取每张投影图像中的一个或多个虚线块；

所述目标检测网络，用于检测虚实变化的位置。

3.根据权利要求2所述的基于深度学习的激光点云车道印刷虚线块提取方法，其特征在于，所述语义分割网络和目标检测网络通过相同的数据集训练。

4.根据权利要求1所述的基于深度学习的激光点云车道印刷虚线块提取方法，其特征在于，所述根据所述一个或多个虚实变化的位置，反演提取到的每个虚线块在激光点云的坐标信息包括：

将提取到的每个虚线块的图像坐标反演到对应分块激光点云的局部坐标；

将每个虚实变化的位置的图像坐标反演到对应分块激光点云的局部坐标；

根据每个分块激光点云的序列分块切割信息，计算其在分块切割前的全局点云坐标信息。

5.根据权利要求1所述的基于深度学习的激光点云车道印刷虚线块提取方法，其特征在于，所述根据多个虚实变化的位置、所述激光点云的轨迹信息和每个虚线块的几何性质，对提取到的每个虚线块进行质检包括：

根据多个虚实变化的位置确定所述激光点云的所有虚线区间，并根据其判断每个虚线块的置信度；

计算每个虚线区间中虚线块的覆盖率，并根据其判断每个虚线块的置信度。

6.根据权利要求1至5任一项所述的基于深度学习的激光点云车道印刷虚线块提取方法，其特征在于，所述获取待提取车道印刷虚线块的激光点云，并将其投影为一张或多张图像包括：

沿轨迹方向将待提取车道印刷虚线块的激光点云纵向切割成块，并将其正射投影为一张或多张图像。

7.一种基于深度学习的激光点云车道印刷虚线块提取系统，其特征在于，包括：

投影模块，用于获取待提取车道印刷虚线块的激光点云，并将其投影为一张或多张图像；

提取模块，用于利用训练完成的目标检测模型提取每张投影图像中的一个或多个虚线块，以及识别一个或多个虚实变化的位置；

反演模块，用于根据所述一个或多个虚实变化的位置，反演提取到的每个虚线块在激光点云的坐标信息；

质检模块，用于根据多个虚实变化的位置、所述激光点云的轨迹信息和每个虚线块的几何性质，对提取到的每个虚线块进行质检。

8.根据权利要求7所述的基于深度学习的激光点云车道印刷虚线块提取系统，其特征在于，所述反演模块包括第一反演单元、第二反演单元和计算单元，

所述第一反演单元，用于将提取到的每个虚线块的图像坐标反演到对应分块激光点云的局部坐标；

所述第二反演单元，用于将每个虚实变化的位置的图像坐标反演到对应分块激光点云的局部坐标；

所述计算单元，用于根据每个分块激光点云的序列分块切割信息，计算其在分块切割前的全局点云坐标信息。

9.一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至6任一项所述的基于深度学习的激光点云车道印刷虚线块提取方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于深度学习的激光点云车道印刷虚线块提取方法。