[发明专利]路牌角点识别方法、装置、设备及存储介质

说明书

本申请涉及一种路牌角点识别方法、装置、设备及存储介质。该方法：对待识别图片进行卷积计算得到第一卷积特征图，对第一卷积特征图批量归一化处理，对批量归一化处理后的第一卷积特征图进行多种尺度的卷积计算得到多个第二卷积特征图，分别对多个第二卷积特征图进行批量归一化处理和卷积计算得到多个第三卷积特征图，对多个第三卷积特征图按照预置残差融合算法进行特征融合得到融合特征图，对融合特征图进行卷积计算，得到目标卷积特征图，基于目标卷积特征图输出路牌角点坐标。引入批量归一化处理，能够提高对路牌角点的识别准确率。引入预置残差融合算法，使得卷积特征图的原始有效数据能够被保留，提高对路牌角点的识别准确率。

技术领域

本申请涉及导航技术领域，尤其涉及一种路牌角点识别方法、装置、设备及存储介质。

背景技术

高精地图是用于自动驾驶的专用地图，在整个自动驾驶领域中扮演着核心角色。高精地图由含有语义信息的车道模型、道路部件、道路属性等矢量信息。其中路牌元素是高精地图所必须包含的元素之一。

构建高精地图中的路牌元素，此过程的核心前提条件是需要能够从采集的图片数据中准确识别出路牌角点，根据识别出的路牌角点在高精地图内完成对路牌元素的构建。然而在相关技术中，存在对路牌角点识别准确率低的问题。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种路牌角点识别方法、装置、设备及存储介质，能够准确从图片数据中识别出路牌角点。

本申请的第一方面提供了一种路牌角点识别方法，包括：

获取待识别图片，所述待识别图片携带有路牌元素；

对所述待识别图片进行卷积计算，得到第一卷积特征图；

对所述第一卷积特征图进行批量归一化处理；

对批量归一化处理后的所述第一卷积特征图进行多种尺度卷积计算，得到多个第二卷积特征图；

分别对多个所述第二卷积特征图依次进行批量归一化处理和卷积计算，得到多个第三卷积特征图；

对多个所述第三卷积特征图按照预置残差融合算法进行特征融合，得到融合特征图；

对融合特征图进行卷积计算，得到目标卷积特征图，基于所述目标卷积特征图输出路牌角点坐标。

优选的，所述对所述第一卷积特征图进行批量归一化处理，包括：

根据所述第一卷积特征图中的像素值计算出对应的平均值和方差；

设定所述第一卷积特征图对应的缩放系数和平移系数；

根据所述第一卷积特征图对应的所述平均值、所述方差、所述缩放系数和所述平移系数对所述第一卷积特征图进行批量归一化处理。

优选的，所述对批量归一化处理后的所述第一卷积特征图进行多种尺度的卷积计算，得到多个第二卷积特征图，包括：

初始化多个卷积核N*N，并设置每一所述卷积核内的参数，其中N为[1,7]区间内的正奇数；

利用多个所述卷积核分别对批量归一化处理后的所述第一卷积特征图进行卷积计算，得到多个第二卷积特征图。

优选的，所述分别对多个所述第二卷积特征图依次进行批量归一化处理和卷积计算，得到多个第三卷积特征图，包括：

根据每一所述第二卷积特征图中的像素值计算出对应的平均值和方差；

设定每一所述第二卷积特征图对应的缩放系数和平移系数；

根据每一所述第二卷积特征图对应的平均值、所述方差、所述缩放系数和所述平移系数对对应的所述第二卷积特征图进行批量归一化处理；