[发明专利]交通标识线的提取方法、装置、设备和可读存储介质

说明书

本申请的实施例提供了交通标识线的提取方法、装置、设备和计算机可读存储介质。所述方法包括基于道路点云数据，得到像素的强度特征图像；通过实例分割算法对所述强度特征图像进行像素级语义分割，得到交通标志线的实例分割结果；基于所述交通标志线的实例分割结果，提取对应的交通标识线。以此方式，实现了对交通标识线的精准提取。

技术领域

本申请的实施例涉及数据处理领域，尤其涉及交通标识线的提取方法、装置、设备和计算机可读存储介质。

背景技术

随着我国经济快速发展，汽车保有量也逐渐地增加。汽车在给人们日常生活带来极大便利的同时，也随之带来了诸多的问题，如城市交通环境逐渐恶化、交通堵塞日益严重、交通事故时有发生等。提高交通的智能化水平、减少道路交通事故，将有助于整个社会安全健康良性的发展，也是科技工作者所面临的重要的技术挑战。

道路标志线检测是车辆环境感知的基本任务，也是安全驾驶的重要保证。道路标志线的识别是道路环境感知和建模领域的关键内容，准确并且快速地实现道路标志线的分类提取，对于城市道路建模、车辆的智能驾驶和安全应急都具有重要意义。

发明内容

根据本申请的实施例，提供了一种交通标识线的提取方案。

在本申请的第一方面，提供了一种交通标识线的提取方法。该方法包括：

基于道路点云数据，得到像素的强度特征图像；

通过实例分割算法对所述强度特征图像进行像素级语义分割，得到交通标志线的实例分割结果；

基于所述交通标志线的实例分割结果，提取对应的交通标识线。

进一步地，所述基于道路点云数据，得到像素的强度特征图像包括：

对道路点云数据进行去噪；

基于去噪后的道路点云数据范围，构建空白影像；

将去噪后的道路点云数据，投影到所述空白影像；

基于点云的强度值对投影后的影像进行赋值，得到像素的强度特征图像。

进一步地，所述实例分割算法包括深度残差网络、特征金字塔网络、区域建议网络和感兴趣区域头部网络。

进一步地，所述通过实例分割算法对所述强度特征图像进行像素级语义分割，得到交通标志线的实例分割结果包括：

通过深度残差网络，提取所述强度特征图像的多层次特征图；

通过特征金字塔网络，整合所述强度特征图像的多层次特征图中各个特征层的信息；

通过区域建议网络计算的候选框，将候选框映射到金子塔网络中相应的特征图，得到感兴趣区域的多层次特征；

对所述感兴趣区域的多层次特征进行像素级语义分割，得到交通标志线的实例分割结果。

进一步地，所述通过特征金字塔网络，整合所述强度特征图像的多层次特征图，基于特征金字塔网络，将通过如下公式将候选框映射到金字塔网络的第N层特征图：

其中，W和H的乘积表示候选框的面积。

进一步地，所述对所述叠加特征进行像素级语义分割，得到交通标志线的实例分割结果包括：

对所述感兴趣区域的多层次特征进行池化；

对池化后的特征进行标线类别判断和边框回归；同时对所述叠加特征进行像素级语义分割；

基于标线类别判断和边框回归以及语义分割结果，得到交通标志线的实例分割结果。

进一步地，还包括：