道路模型的生成方法、装置、电子设备、介质和程序产品与流程

1.本公开涉及计算机技术领域，尤其涉及自动驾驶、地图建模、道路建模等领域。具体涉及一种道路模型的生成方法、装置、电子设备、介质和程序产品。


背景技术：

2.相关技术中，高精度地图在自动驾驶车辆中起着重要作用。当前，高精度地图的数据生产方式主要是通过专业采集车将道路信息的多种传感器数据采集后，通过自动化算法以及人工标注的方式完成基础数据的生成，其中，所述基础数据包括各种地图元素，例如，道路、道路中的各种元素、建筑物等。


技术实现要素：

3.本公开提供了一种道路模型的生成方法、装置、电子设备、介质和程序产品。
4.根据本公开的第一方面，提供了一种道路模型的生成方法，包括：
5.获取与待建模道路中的基点对应的道路数据，所述道路数据包括所述基点所对应的位置的道路元素的属性参数；
6.基于所述道路数据与所述道路数据匹配的目标模板，生成与所述基点对应的目标建模数据，其中，所述目标模板包括所述基点所对应的位置中的道路元素模型，所述目标建模数据用于生成所述基点所对应的位置的道路模型；
7.基于所述目标建模数据生成所述待建模道路的道路模型，所述道路模型用于生成地图数据。
8.根据本公开的第二方面，提供了一种道路模型的生成装置，包括：
9.获取模块，用于获取与待建模道路中的基点对应的道路数据，所述道路数据包括所述基点所对应的位置的道路元素的属性参数；
10.第一生成模块，用于基于所述道路数据与所述道路数据匹配的目标模板，生成与所述基点对应的目标建模数据，其中，所述目标模板包括所述基点所对应的位置中的道路元素模型，所述目标建模数据用于生成所述基点所对应的位置的道路模型；
11.第二生成模块，用于基于所述目标建模数据生成所述待建模道路的道路模型，所述道路模型用于生成地图数据。
12.根据本公开的第三方面，提供了一种电子设备，包括：
13.至少一个处理器；以及
14.与所述至少一个处理器通信连接的存储器；其中，
15.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面所述的方法。
16.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述第一方面所述的方法。
17.根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算
机程序在被处理器执行时实现第一方面所述的方法。
18.本公开实施例中，通过采用道路数据与目标模板生成基点所对应的位置的目标建模数据，如此，仅需按照所述目标建模数据，即可完成所述基点所对应的位置的道路模型。相对于相关技术中的道路建模手段而言，由于可以复用各种目标模板，有利于提高道路建模的效率，同时，有利于降低道路建模的成本。
附图说明
19.附图用于更好地理解本方案，不构成对本公开的限定。其中：
20.图1是本公开实施例提供的一种道路模型的生成方法的流程图；
21.图2是本公开实施例提供的道路模板的示意图；
22.图3是本公开实施例中第一道路图像相对于第二道路图像滑动的示意图；
23.图4是本公开实施例中计算得到的评分的示意图；
24.图5是本公开实施例中网络模型的结构示意图；
25.图6是本公开实施例中所生成的道路模型的示意图；
26.图7是本公开实施例提供的一种道路模型的生成系统的模块示意图；
27.图8是本公开实施例提供的一种道路模型的生成装置的结构示意图之一；
28.图9是本公开实施例提供的一种道路模型的生成装置的结构示意图之二；
29.图10是本公开实施例提供的第三生成模块的结构示意图；
30.图11是本公开实施例提供的计算模块的结构示意图；
31.图12是本公开实施例提供的获取模块的结构示意图；
32.图13本公开实施例提供的用于实现道路模型的生成方法的电子设备的框图。
具体实施方式
33.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
34.请参见图1，图1为本公开实施例提供的一种道路模型的生成方法的流程示意图，所述道路模型的生成方法包括以下步骤：
35.步骤s101、获取与待建模道路中的基点对应的道路数据，所述道路数据包括所述基点所对应的位置的道路元素的属性参数；
36.步骤s102、基于所述道路数据与所述道路数据匹配的目标模板，生成与所述基点对应的目标建模数据，其中，所述目标模板包括所述基点所对应的位置中的道路元素模型，所述目标建模数据用于生成所述基点所对应的位置的道路模型；
37.步骤s103、基于所述目标建模数据生成所述待建模道路的道路模型，所述道路模型用于生成地图数据。
38.上述待建模道路可以是在高精度地图生成场景中，各种类型的道路，例如，可以是单向道路、双向道路、路口道路等。上述基点可以是指待建模道路中的其中一个位置点。
39.可以理解的是，可以在所述待建模道路中预先确定多个基点，且所述多个基点分
别对应所述待建模道路中的不同位置，如此，可以基于本公开实施例中的方法，分别生成与多个基点一一对应的多个目标建模数据，如此，基于所述多个目标建模数据可以分别构建所述待建模道路中的不同位置的道路模型，从而完成所述待建模道路的建模过程。
40.上述道路元素可以包括进行道路建模过程中各种待建模的道路元素。例如，所述道路元素可以包括：车道线、路沿、护栏等。相应地，所述道路元素的属性参数可以包括：车道线的位置、道路宽度、车道宽度、护栏与道路边界之间的距离等。如此，由于目标模板包括基点所对应的位置的道路中各个道路元素的模型，而所述道路数据中，包括基点所对应的位置的道路中各个道路元素的属性参数，因此，通过融合所述目标模板和所述道路数据即可生成所述基点所对应的位置的道路模型。
41.上述目标建模数据可以是将所述道路数据中属性参数对应填入所述目标模板之后得到的数据。
42.在本公开一个实施例中，可以预先创建大量基础模板，具体可以针对不同类型的道路创建不同的基础模板，例如，可以针对不同车道的道路创建对应的基础模板。此外，还可以基于各种道路位置创建对应的基础模板，例如，可以将道路划分为正常通行位置、变道位置、路口位置等，并针对每个位置创建对应的基础模板。上述目标模板可以是预先创建的基础模板中，与所述基点所对应的位置的道路匹配的基础模板，其中，所述与所述基点所对应的位置的道路匹配可以是指：车道数量相同、车道类型相同。具体地，在需要创建所述待建模道路的道路模型时，可以根据待建模道路的车道数量和车道类型，在预先创建的基础模板中，确定所述目标模板。
43.上述道路数据可以是基于相关技术中的自动化识别流程预先提取的、与所述待建模道路对应的各要素包围盒数据中的数据。具体地，由于在高精度地图生成之前，通常需要基于采集车等采集待建模道路中各道路元素中的数据，然后，基于所采集的道路数据生成所述包围盒数据。即上述道路数据为针对实际道路进行采集得到的真实道路数据。可以理解的是，上述基点可以是采样过程中的采样点。
44.由于在地图数据生成过程中，通常需要各种交通元素的模型，其中，道路属于地图数据生成过程中的重要交通元素，因此，可以基于本公开实施例提供的方法生成地图数据中的道路模型。
45.该实施方式中，通过采用道路数据与目标模板生成基点所对应的位置的目标建模数据，如此，仅需按照所述目标建模数据，即可完成所述基点所对应的位置的道路模型。相对于相关技术中的道路建模手段而言，由于可以复用各种目标模板，有利于提高道路建模的效率，同时，有利于降低道路建模的成本。
46.可选地，所述基于所述道路数据与所述道路数据匹配的目标模板，生成与所述基点对应的目标建模数据之前，所述方法还包括：
47.基于所述道路数据和模板库中的基础模板，生成与所述道路数据匹配的多个初始建模数据，其中，所述基础模板所对应的道路元素与所述道路数据所对应的道路元素匹配，所述初始建模数据用于生成所述基点所对应的位置的道路模型；
48.基于所述道路数据计算每个所述初始建模数据的目标评分值，所述目标评分值用于表征所述道路数据与所述基础模板之间的匹配度；
49.将所述多个基础模板中，所述目标评分值最高的初始建模数据所对应的基础模
板，确定为所述道路数据所对应的目标模板。
50.其中，上述模板库可以是基于预先构建的大量不同的基础模板所形成的模板库。例如，请参见图2，在本公开一个实施例中，所述模板库可以包括单向道路模板、双向道路模板和路口模板，其中，所述双向道路模板由n个单向道路模板组成，所述路口模板由n个双向道路模板组成，其中，所述n为大于等于2的整数。具体地，每个基础模板均包括如下三部分：类型(type)、结构(structure)和参数标量值(scalar)。例如，单向道路模板的类型可以包括普通道路和变道区，相应地，单向道路模板的结构可以包括：车道数量和边界数量，单向道路模板的参数标量值可以包括：每条车道的宽度和道路边界与最近的车道线之间的距离值，如此，在确定道路数据对应的目标模板之后，仅需识别出待建模道路中的上述参数标量值，并将参数标量值的具体取值填入所述目标模板，即可得到所述目标建模数据。即在本公开一个实施例中，上述道路元素可以包括上述类型(type)、结构(structure)，而上述道路元素的属性参数可以包括：所述参数标量值(scalar)。
51.上述所述基础模板所对应的道路元素与所述待建模道路中的道路元素匹配可以是指：所述基础模板所对应的目标道路元素与所述待建模道路中的目标道路元素匹配。其中，所述目标道路元素可以为所述待建模道路中的部分道路元素，例如，所述目标道路元素可以包括：上述类型和结构。由于待建模道路除了上述目标道路元素之外，还包括其他道路元素，例如，边界的类型，如相关技术中，道路边界可以采用护栏、也可以采用双黄线、单实线等类型。其中，所述基础模板还可以包括所述目标道路元素之外的其他道路元素，在此情况下，当目标道路元素相同的情况下，根据不同的其他道路元素可以生成不同的基础模板。因此，根据所述待建模道路的目标道路元素在所述模板库中进行匹配时，可能匹配到多个与所述待建模道路匹配的基础模板。在此情况下，可以基于匹配得到的每个基础模板分别与所述道路数据生成一组初始建模数据，从而得到所述多个初始建模数据。
52.然后，可以分别评估每个初始建模数据中基础模板与道路数据之间的匹配度，并得到每个初始建模数据对应的目标评分值，其中，所述目标评分值越高，则表征所述基础模板与道路数据之间的匹配度越高。如此，可以将所述多个基础模板中，所述目标评分值最高的初始建模数据所对应的基础模板，确定为所述道路数据所对应的目标模板。如此，有利于提高后续构建的道路模型与待建模道路之间的匹配度。
53.上述目标评分值最高的初始建模数据所对应的基础模板是指：生成所述目标评分值最高的初始建模数据的基础模板。
54.该实施方式中，通过基于基础模板与道路数据生成多个初始建模数据，并分别对各个初始建模数据进行评分，然后，将多个初始建模数据中评分值最高的初始建模数据对应的基础模板确定为目标模板，如此，有利于提高后续构建的道路模型与待建模道路之间的匹配度。
55.可选地，所述基于所述道路数据和模板库中的基础模板，生成与所述道路数据匹配的多个初始建模数据，包括：
56.在所述模板库中确定与所述道路数据匹配的至少两个不同的基础模板；
57.分别基于每个基础模板生成与所述道路数据匹配的至少两个初始建模数据，其中，每个基础模板分别对应至少两个初始建模数据；
58.其中，与所述道路数据匹配的多个初始建模数据包括：所述至少两个不同的基础
模板分别对应的至少两个初始建模数据。
59.具体地，由于道路数据为基于采用数据进行处理之后得到的数据，由于采用过程和数据处理过程均可能带来误差，因此，可以在道路数据的基础上，考虑可能存在的误差，对道路数据进行变形，并分别基于变形前的道路数据和变形后的道路数据分别与各个基础模板生成初始建模数据，从而得到与每个基础模板对应的至少两个初始建模数据。
60.该实施方式中，通过基于每个基础模板分别生成至少两个初始建模数据，如此，有利于增加可选的初始建模数据的数量，从而有利于提高所确定的目标模板的效果，进而有利于提高后续构建的道路模型与待建模道路之间的匹配度。
61.可选地，所述分别基于每个所述基础模板生成与所述道路数据匹配的至少两个初始建模数据，包括：
62.对所述道路数据中的目标参数进行缩放，得到至少两个第一目标道路数据，所述至少两个第一目标道路数据包括：所述道路数据和所述目标参数缩放之后的道路数据；
63.针对所述至少两个基础模板中的每个基础模板，基于所述基础模板和所述至少两个第一目标道路数据，生成所述基础模板所对应的至少两个初始建模数据。
64.其中，上述目标参数可以是所述道路宽度或者车道宽度等属性参数。下文以所述目标参数为车道宽度为例，对本公开实施例提供的方法作进一步的解释说明。
65.假设车道宽度的误差范围可能为[-d,d]，则可以在[-d,d]之间，以s为间距，采样得到m个误差值，其中，所述d的取值可以根据实际经验选取。具体表示为：[a1,a2…am
]，然后，将所述道路数据的车道宽度分别与每个误差值进行相加，即可得到m个缩放之后的道路数据，所述m可以为大于等于2的整数，如此，m个缩放之后的道路数据与所述缩放之前的道路数据可以共同形成m+1个第一目标道路数据。然后，利用每个第一目标道路数据分别与所述基础模板生成一个厨师建模数据，即可得到与每个基础模板对应的m+1个初始建模数据。具体地，当道路宽度的误差值为ai，所对应的缩放后的道路宽度可以表示为：
[0066]
list[instance_lane_width＝lane_width+ai]
[0067]
该实施方式中，通过对道路数据中的目标参数进行缩放，并基于缩放后的道路数据与基础模板组合形成初始建模数据，如此，在建模匹配的过程中，可以考虑道路数据的采样和处理过程中的误差，进而有利于提高后续构建的道路模型与待建模道路之间的匹配度。
[0068]
可选地，所述多个初始建模数据包括第一建模数据，所述第一建模数据为基于所述道路数据和第一基础模板生成的初始建模数据，所述第一基础模板为所述模板库中的基础模板，所述基于所述道路数据计算每个所述初始建模数据的目标评分值，包括：
[0069]
基于所述道路数据确定第一道路图像，以及，基于所述第一基础模板确定第二道路图像；
[0070]
在所述第一道路图像与所述第二道路图像至少部分重叠的情况下，基于所述第一道路图像中的每个道路元素与所述第二道路图像中对应道路元素之间的距离，计算得到所述第一建模数据对应的目标评分值。
[0071]
具体地，由于所述道路数据包括所述待识别道路中各个元素的属性参数，因此，可以基于所述道路数据还原所述待识别道路的基本图像内容，例如，请参见图3，为基于所述道路数据中，各个车道线(实现箭头)的位置和边界线(虚线箭头)的位置还原出的与所述道
路数据对应的第一道路图像。而所述第一基础模板中包括预先创建的模板道路的道路模型，其中，第一基础模板中可以预先配置有各个道路元素的初始属性参数，当基于第一基础模板与道路数据生成对应的初始建模数据时，也可以利用所述道路数据中的属性参数替换所述第一基础模板中的初始属性参数。因此，可以基于所述第一基础模板还原所述模板道路对应的第二道路图像。
[0072]
当所述第一道路图像中的各个道路元素与所述第二道路图像中的各个道路图像的位置重合度越高时，则说明所述第一道路图像与所述第二道路图像的接近程度越高，也即所述道路数据与所述第一基础模板之间的匹配程度越高，所述第一建模数据的目标评分值也相应越高。
[0073]
基于此，在本公开实施例中，可以基于如下公式，计算所述目标评分值：
[0074][0075][0076]
其中，所述match_score表示目标评分值，所述wi为第i个道路元素对应的权重值，p(δdis)表示第i个道路元素对应的评分值，λ表示预先配置的系数，δdis表示所述第一道路图像中的第i个道路元素与第二道路图像中的第i个道路元素之间的距离，∑wip(δdis)表示所有道路元素的评分值求和，∑wi表示所有道路元素对应的权重值之和。
[0077]
由公式(2)可知，当δdis越小时，所对应的p(δdis)越大，相应地，所述match_score也将越大。即所述match_score可以表征所述第一道路图像中的所有道路元素与所述第二道路图像中对应道路元素之间的距离之和。从而可以通过所述match_score表征所述道路数据与所述基础模板之间的匹配度。
[0078]
该实施方式中，通过基于所述第一道路图像中的每个道路元素与所述第二道路图像中对应道路元素之间的距离，计算得到所述第一建模数据对应的目标评分值，从而实现所述道路数据与各个基础模板之间的匹配度的计算过程。
[0079]
可选地，所述在所述第一道路图像与所述第二道路图像至少部分重叠的情况下，基于所述第一道路图像中的每个道路元素与所述第二道路图像中对应道路元素之间的距离，计算得到所述第一建模数据对应的目标评分值，包括：
[0080]
确定至少两个不同的目标相对位置，其中，在所述第一道路图像与所述第二道路图像处于所述目标相对位置的情况下，所述第一道路图像和所述第二道路图像中，存在至少一个道路元素的位置重合；
[0081]
计算与每个所述目标相对位置对应的初始评分值，得到至少两个初始评分值；
[0082]
将所述至少两个初始评分值中，评分值最高的初始评分值确定为所述第一建模数据对应的目标评分值。
[0083]
其中，由于所述第一道路图像中各个道路元素与所述第二道路图像中的对应的道路元素并不一定完全重合，且第一道路图像与第二道路图像之间的图像尺寸也可能不同。因此，在计算第一道路图像与第二道路图像之间的目标评分值得过程中，可以通过使第一道路图像与第二道路图像相对滑动，以找到二者道路元素重合度最高的相对位置，并将基于该相对位置计算得到初始评分制确定为所述第一建模数据对应的目标评分值。
[0084]
具体地，请参见图3，可以将第一道路图像相对于第二道路图像滑动，并在滑动过程中，计算多个不同位置的初始评分值，然后，将多个初始评分值中，最高的初始评分值确定为目标评分值。从而有利于计算出第一道路图像与第二道路图像道路元素重合度最高的相对位置的评分值。
[0085]
上述所述第一道路图像和所述第二道路图像中，存在至少一个道路元素的位置重合是指：相同类型的道路元素位置重合，例如，第一道路图像中的车道线和所述第二道路图像中的车道线位置重合，或者，第一道路图像中的边界线和所述第二道路图像中的边界线位置重合。
[0086]
请参见图3，可以将所述第一道路图像相对于第二道路图像由第一相对位置滑动至第二相对位置，并在滑动过程中，确定至少目标相对位置。其中，所述第一相对位置为所述第一道路图像中的左边界线与所述第二道路图像的右边界线重合的位置，所述第二相对位置为所述第一道路图像中的右边界线与所述第二道路图像的左边界线重合的位置。在该滑动过程中，可以找到第一道路图像和第二道路图像存在至少一个道路元素重合的所有位置，例如，请参见图3，当所述第一道路图像滑动至第三相对位置时，所述第一道路图像中的中间车道线与第二道路图像中的中间车道线位置重合，并可以将所述第三相对位置确定为一个所述目标相对位置。可以理解的是，上述至少两个不同的目标相对位置包括所述第一相对位置和第二相对位置。
[0087]
请参见图4，为本公开一个实施例中，计算第一基础模板所对应的评分值的计算结果，其中，对所述道路数据中的目标参数进行缩放之后，得到三个第一目标道路数据(对应图4中的三个尺寸)，同时，在对所述第一道路图像进行滑动的过程中，存在三个目标相对位置(对应图4中的三个位置)，如此，针对第一基础模板可以计算得到9个评分值，并将该9个评分值中最高的值0.9确定为所述第一基础模板对应的评分值。如此，可以通过上述方式计算每个基础模板的评分值，并将评分值最高的基础模板确定为上述目标模板。
[0088]
该实施方式中，由于在第一道路图像滑动的过程中，目标相对位置的数量相对有限，如此，有利于减少目标评分值计算过程中的计算量。同时，第一道路图像与第二道路图像的道路元素重合度最高的相对位置通常为所述上述至少两个不同的目标相对位置中的某一目标相对位置，或者，为所述至少两个不同的目标相对位置中的某一目标相对位置相近位置。从而有利于提高所计算得到的目标评分值的准确性。
[0089]
可选地，所述获取与待建模道路中的基点对应的道路数据，包括：
[0090]
基于初始图像生成第一灰度图像和轨迹掩膜图像，其中，所述初始图像为包含所述待建模道路的图像，所述第一灰度图像为所述初始图像的灰度图像，所述轨迹掩膜图像包括所述待建模道路的轨迹信息；
[0091]
将所述第一灰度图像和所述轨迹掩膜图像输入预先训练得到的网络模型进行语义识别，得到所述网络模型输出的多个语义图片，其中，所述语义图片包括所述基点一个维度的属性参数；
[0092]
基于所述多个语义图片，生成所述道路数据。
[0093]
其中，上述网络模型可以是相关技术中常见的用于提取道路语义的模型，例如，可以采用deeplabv3+或unet模型为基础进行训练得到的模型。可以理解的是，所述网络模型可以基于所述第一灰度图像和轨迹掩膜图像对所述待建模道路进行语义提取，得到上述道
路数据。例如，请参见图5，所述网络模型包括编码器、解码器和感知层，在将所述第一灰度图像和轨迹掩膜图像输入所述网络模型之后，依次经过编码器、解码器和感知层的处理，可以得到如下道路输入：道路语义图片、轨迹方向语义图片、道路宽度语义图片、车道数量语义图片和道路边界与最近的车道线之间的距离语义图片。
[0094]
上述第一灰度图像采用任意形式鸟瞰视角(bird's eye view,bev)图，例如，可以是bev单通道灰度图。上述轨迹掩膜图像可以包括所述待建模道路中，任意位置点道路方向。所述轨迹掩膜图像的生成过程可以为：
[0095]
首先利用k-d树(k-demension tree，kdtree)空间索引将bev图范围内的所有轨迹信息找到。随后对轨迹进行三层编码。第一层编码表示轨迹信息的作用范围，有轨迹的区域为1，无轨迹的区域为0。第二层编码表示轨迹信息的纵向方向信息，朝向位于正北+-90度时为1，反之为0。第三层编码表示轨迹信息的横向方向信息，朝向位于正东+-90度时为1，反之为0。三层编码共同表达了当前位置是否存在轨迹信息，以及对应轨迹朝向的所属象限。这种编码方式在提供足够信息量的同时，提高了系统鲁棒性。
[0096]
上述网络模型的输出输入具体可以包括：
[0097]
道路语义mask图片，像素取值范围[0,1]，表示该像素对应的位置是否为有效道路范围。
[0098]
道路宽度mask图片，像素取值范围》0，为了方便训练，本方案采用按照10cm精度离散化的方式，离散公式如下：
[0099]
y＝int(road_width*10)
[0100]
车道线数量mask图片，像素取值范》0,表示真实位置的道路的车道线数量。
[0101]
道路边界距离mask图片，像素取值范围》＝0,表示该位置离最近道路边界的垂距，按照10cm精度离散化方式，离散公式如下：
[0102]
y＝int(boundary_dis*10)
[0103]
对向道路距离mask图片，像素取值范围》＝0,表示该位置离最近对向道路边界的垂距，按照10cm精度离散化方式，离散公式如下：
[0104]
y＝int(gap_width*10)
[0105]
可以理解的是，上述道路数据除了可以包括所述网络模型输出的数据之外，还可以包括基于所述网络模型输出的数据生成的数据，例如，还可以包括车道宽度(lane_width)。具体地，由于根据上述道路宽度mask图片可以确定待建模道路的道路宽度(road_width)，而根据所述车道线数量mask图片可以确定所述待建模道路的车道数量(lane_num)，因此，可以基于如下公式计算得到所述待建模道路的车道宽度(lane_width)：
[0106][0107]
该实施方式中，通过采用预先训练得到的网络模型，对第一灰度图像和所述轨迹掩膜图像进行语义识别，以得到所述待建模道路的道路数据，从而实现道路数据的自动化获取。
[0108]
可选地，所述多个语义图片包括方向语义图片，所述方向语义图片包括所述待建模道路中的每个像素点的初始方向，所述基于所述多个语义图片，生成所述道路数据，包括：
[0109]
基于所述方向语义图片中，距离所述基点位于预设范围内的各个像素点的初始方向，对所述基点的初始方向进行校正，得到所述基点的目标方向，其中，所述道路数据包括所述目标方向。
[0110]
在本公开一个实施例中，上述方向语义图片，像素取值范围为[0,36]，对应以正北为基准，顺时针旋转角度/10，例如，当像素点的方向角度为40
°
时，该像素点的像素值为40/10＝4，如此，可以覆盖各个方向。其中，所述方向语义图片中每个像素点的像素值用于表征该像素点的初始方向。
[0111]
由于方向语义图片中的方向信息的准确率并非100％，会出现空洞现象，即某个位置的像素为0，其周围一定范围内的像素为非0。因此，本公开设计了一种加权mask投票方法，能够处理这种异常点带来的问题。具体步骤为，根据基点按照将周围半径为d圆形区域所有像素找到，按照以下公式计算加权平均像素值，作为该基点校正后的目标方向，具体校正公式为：
[0112][0113]
其中，所述v
avg
表示校正后的像素值，所述基点周围一共找到n个像素点，所述vi为第i个像素点的像素值。所述λ为预设的系数，所述dis为第i个像素点与基点之间的距离。
[0114]
该实施方式中，基于所述方向语义图片中，距离所述基点位于预设范围内的各个像素点的初始方向，对所述基点的初始方向进行校正，从而避免基点出现空洞的问题，进而有利于提高所获取到的道路信息的准确性。
[0115]
可选地，所述待建模道路包括多个基点，且所述多个基点为沿所述待建模道路的延伸方向等间距布置的多个位置点，其中，第一基点所对应位置为所述第一基点与第二基点之间的路段，所述第一基点为所述多个基点中的任意基点；所述第二基点为所述多个基点中，与所述第一基点相邻的基点。
[0116]
在本公开一个实施例中，，沿所述待建模道路的车道方向，所述第二基点可以是所述第一基点的下一个基点。
[0117]
具体地，可以基于上述实施例中所述的方法确定每个基点的目标建模数据，以得到与所述多个基点一一对应的多个目标建模数据。如图6所示，可以基于所述多个目标建模数据分别构建每个基点所对应的位置的道路模型，从而得到所述待建模道路的车道模型。
[0118]
该实施方式中，通过在待建模道路中确定多个等间距布置的基点，如此，仅需分别计算各个基点的目标建模数据，即可完成所述待建模道路的道路建模过程。
[0119]
请参见图7，为本公开实施例提供的一种道路模型生成系统的流程示意图，所述道路模型生成系统包括：
[0120]
手动创建模块，用于创建上述实施例中的基础模板；
[0121]
深度学习模块，用于训练得到上述实施例中的网络模型；
[0122]
生成模块，用于基于所述手动创建模块生成的基础模板与深度学习模块识别得到的道路信息，匹配得到n个实例，其中，所述实例即上述实施例中所述的初始建模数据；
[0123]
前/后处理模块，用于基于道路模型生成车道线实例，然后，计算所述n个实例的评分值，得到目标模板，再基于所述车道线实例、目标模板和道路数据，完成道路建模的过程。
[0124]
该实施方式中的具体实现过程与上述实施例类似，且能够实现相同的有益效果，为避免重复，在此不再予以赘述。
[0125]
请参见图8，为本公开实施例提供的一种道路模型的生成装置800的结构示意图，所述道路模型的生成装置800，包括：
[0126]
获取模块801，用于获取与待建模道路中的基点对应的道路数据，所述道路数据包括所述基点所对应的位置的道路元素的属性参数；
[0127]
第一生成模块802，用于基于所述道路数据与所述道路数据匹配的目标模板，生成与所述基点对应的目标建模数据，其中，所述目标模板包括所述基点所对应的位置中的道路元素模型，所述目标建模数据用于生成所述基点所对应的位置的道路模型；
[0128]
第二生成模块803，用于基于所述目标建模数据生成所述待建模道路的道路模型，所述道路模型用于生成地图数据。
[0129]
可选地，所述装置还包括：
[0130]
第三生成模块804，用于基于所述道路数据和模板库中的基础模板，生成与所述道路数据匹配的多个初始建模数据，其中，所述基础模板所对应的道路元素与所述待建模道路中的道路元素匹配，所述初始建模数据用于生成所述基点所对应的位置的道路模型；
[0131]
计算模块805，用于基于所述道路数据计算每个所述初始建模数据的目标评分值，所述目标评分值用于表征所述道路数据与所述基础模板之间的匹配度；
[0132]
确定模块806，用于将所述多个基础模板中，所述目标评分值最高的初始建模数据所对应的基础模板，确定为所述道路数据所对应的目标模板。
[0133]
可选地，所述第三生成模块804，包括：
[0134]
第一确定子模块8041，用于在所述模板库中确定与所述道路数据匹配的至少两个不同的基础模板；
[0135]
第一生成子模块8042，用于分别基于每个基础模板生成与所述道路数据匹配的至少两个初始建模数据，其中，每个基础模板分别对应至少两个初始建模数据；
[0136]
其中，与所述道路数据匹配的多个初始建模数据包括：所述至少两个不同的基础模板分别对应的至少两个初始建模数据。
[0137]
可选地，所述第一生成子模块8042，用于对所述道路数据中的目标参数进行缩放，得到至少两个第一目标道路数据，所述至少两个第一目标道路数据包括：所述道路数据和所述目标参数缩放之后的道路数据；
[0138]
所述第一生成子模块8042，还用于针对所述至少两个基础模板中的每个基础模板，基于所述基础模板和所述至少两个第一目标道路数据，生成所述基础模板所对应的至少两个初始建模数据。
[0139]
可选地，所述多个初始建模数据包括第一建模数据，所述第一建模数据为基于所述道路数据和第一基础模板生成的初始建模数据，所述第一基础模板为所述模板库中的基础模板，所述计算模块805，包括：
[0140]
第二确定子模块8051，用于基于所述道路数据确定第一道路图像，以及，基于所述第一基础模板确定第二道路图像；
[0141]
计算子模块8052，用于在所述第一道路图像与所述第二道路图像至少部分重叠的情况下，基于所述第一道路图像中的每个道路元素与所述第二道路图像中对应道路元素之
间的距离，计算得到所述第一建模数据对应的目标评分值。
[0142]
可选地，所述计算子模块8052，用于确定至少两个不同的目标相对位置，其中，在所述第一道路图像与所述第二道路图像处于所述目标相对位置的情况下，所述第一道路图像和所述第二道路图像中，存在至少一个道路元素的位置重合；
[0143]
所述计算子模块8052，还用于计算与每个所述目标相对位置对应的初始评分值，得到至少两个初始评分值；
[0144]
所述计算子模块8052，还用于将所述至少两个初始评分值中，评分值最高的初始评分值确定为所述第一建模数据对应的目标评分值。
[0145]
可选地，所述获取模块801，包括：
[0146]
第二生成子模块8011，用于基于初始图像生成第一灰度图像和轨迹掩膜图像，其中，所述初始图像为包含所述待建模道路的图像，所述第一灰度图像为所述初始图像的灰度图像，所述轨迹掩膜图像包括所述待建模道路的轨迹信息；
[0147]
识别子模块8012，用于将所述第一灰度图像和所述轨迹掩膜图像输入预先训练得到的网络模型进行语义识别，得到所述网络模型输出的多个语义图片，其中，所述语义图片包括所述基点一个维度的属性参数；
[0148]
第三生成子模块8013，用于基于所述多个语义图片，生成所述道路数据。
[0149]
可选地，所述多个语义图片包括方向语义图片，所述方向语义图片包括所述待建模道路中的每个像素点的初始方向，所述第三生成子模块8013，用于基于所述方向语义图片中，距离所述基点位于预设范围内的各个像素点的初始方向，对所述基点的初始方向进行校正，得到所述基点的目标方向，其中，所述道路数据包括所述目标方向。
[0150]
可选地，所述待建模道路包括多个基点，且所述多个基点为沿所述待建模道路的延伸方向等间距布置的多个位置点，其中，第一基点所对应位置为所述第一基点与第二基点之间的路段，所述第一基点为所述多个基点中的任意基点；所述第二基点为所述多个基点中，与所述第一基点相邻的基点。
[0151]
需要说明地，本实施例提供的道路模型的生成装置800能够实现上述道路模型的生成方法实施例的全部技术方案，因此至少能够实现上述全部技术效果，此处不再赘述。
[0152]
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
[0153]
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
[0154]
图13示出了可以用来实施本公开的实施例的示例电子设备1300的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
[0155]
如图13所示，电子设备1300包括计算单元1301，其可以根据存储在只读存储器(rom)1302中的计算机程序或者从存储单元1308加载到随机访问存储器(ram)1303中的计算机程序，来执行各种适当的动作和处理。在ram 1303中，还可存储设备1300操作所需的各
种程序和数据。计算单元1301、rom 1302以及ram 1303通过总线1304彼此相连。输入/输出(i/o)接口1305也连接至总线1304。
[0156]
电子设备1300中的多个部件连接至i/o接口1305，包括：输入单元1306，例如键盘、鼠标等；输出单元1307，例如各种类型的显示器、扬声器等；存储单元1308，例如磁盘、光盘等；以及通信单元1309，例如网卡、调制解调器、无线通信收发机等。通信单元1309允许设备1300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0157]
计算单元1301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1301的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元1301执行上文所描述的各个方法和处理，例如道路模型的生成方法。例如，在一些实施例中，道路模型的生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1308。在一些实施例中，计算机程序的部分或者全部可以经由rom 1302和/或通信单元1309而被载入和/或安装到设备1300上。当计算机程序加载到ram 1303并由计算单元1301执行时，执行上文描述的道路模型的生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元1301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行道路模型的生成方法。
[0158]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0159]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0160]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0161]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视
器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0162]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
[0163]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0164]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
[0165]
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。