[发明专利]一种路面标记筛选方法、装置、设备和存储介质

说明书

本申请公开了一种路面标记筛选方法、装置、设备和存储介质，方法包括：依次连接各路面标记有序点集中相邻的两个标注点，得到各路面标记有序点集对应的线段向量组；计算各线段向量组中第一个线段向量与剩余的各个线段向量的夹角，第一个线段向量的起点为路面标记有序点集的起点；基于各线段向量组中第一个线段向量与剩余的各个线段向量的夹角从所有路面标记有序点集中筛选出不规则路面标记有序点集，改善了现有技术采取寻找弯道路段进行不规则路面标记数据采集和标注，存在工作量大，效率低的技术问题。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种路面标记筛选方法、装置、设备和存储介质。

背景技术

在自动驾驶技术领域中，路面标记检测任务大都是基于深度学习实现的。然而，由于实际路况大部分是以直道为主，采集的路面标记数据中的路面标记也多以直线为主，曲线等不规则形状占比非常小，导致采用这些路面标记数据进行深度卷积神经网络学习时，容易陷入严重的样本不均衡问题，难以在路面标记检测训练中产生理想的效果。

为了解决上述问题，现有技术采取寻找弯道路段进行不规则路面标记数据采集和标注，但该方法能选定的场景数量有限，采集的数据通常不具有普适性，且工作量大，效率低。

发明内容

本申请提供了一种路面标记筛选方法、装置、设备和存储介质，用于改善现有技术采取寻找弯道路段进行不规则路面标记数据采集和标注，存在工作量大，效率低的技术问题。

有鉴于此，本申请第一方面提供了一种路面标记筛选方法，包括：

依次连接各路面标记有序点集中相邻的两个标注点，得到各所述路面标记有序点集对应的线段向量组；

计算各所述线段向量组中第一个线段向量与剩余的各个线段向量的夹角，所述第一个线段向量的起点为所述路面标记有序点集的起点；

基于各所述线段向量组中第一个线段向量与剩余的各个线段向量的夹角从所有所述路面标记有序点集中筛选出不规则路面标记有序点集。

可选的，所述计算各所述线段向量组中第一个线段向量与剩余的各个线段向量的夹角，包括：

根据各所述线段向量组中第一个线段向量与剩余的各个线段向量的内积和模长计算各所述线段向量组中第一个线段向量与剩余的各个线段向量的夹角余弦值；

通过各所述线段向量组中第一个线段向量与剩余的各个线段向量的所述夹角余弦值计算各所述线段向量组中第一个线段向量与剩余的各个线段向量的夹角。

可选的，所述计算各所述线段向量组中第一个线段向量与剩余的各个线段向量的夹角，包括：

根据各所述线段向量组中第一个线段向量与剩余的各个线段向量的叉积和模长计算各所述线段向量组中第一个线段向量与剩余的各个线段向量的夹角正弦值；

通过各所述线段向量组中第一个线段向量与剩余的各个线段向量的所述夹角正弦值计算各所述线段向量组中第一个线段向量与剩余的各个线段向量的夹角。

可选的，所述计算各所述线段向量组中第一个线段向量与剩余的各个线段向量的夹角，包括：

根据各所述线段向量组中第一个线段向量与剩余的各个线段向量的内积和模长计算各所述线段向量组中第一个线段向量与剩余的各个线段向量的夹角余弦值；

根据各所述线段向量组中第一个线段向量与剩余的各个线段向量的叉积和模长计算各所述线段向量组中第一个线段向量与剩余的各个线段向量的夹角正弦值；

通过各所述线段向量组中第一个线段向量与剩余的各个线段向量的所述夹角余弦值和所述夹角正弦值计算各所述线段向量组中第一个线段向量与剩余的各个线段向量的夹角正切值；