道路标线标签筛选方法、模型训练方法、标注方法及装置与流程

本申请涉及自动驾驶，具体涉及一种道路标线标签筛选方法、模型训练方法、标注方法及装置。

背景技术：

1、在道路交通中，道路标线是指施划或安装于道路上的、符合交通法规要求的、含有交通指示意义的各种线条、箭头和文字等交通设施，如车道线、斑马线、导流区等，道路标线用于引导和规定车辆的行驶方向、规则和限制，以确保交通安全和顺畅。因此，在自动驾驶技术领域中，对道路标线有效、高效的识别至关重要，有利于提高自动驾驶的安全性和规范性。

2、现有的道路标线的识别方法通常基于深度学习算法实现，而深度学习算法通常依赖于人工或机器标注的道路标线标签对目标识别模型的训练。现有的道路标线标签主要基于高精地图生成，首先使用点云经过匹配、拼接等建立反映周边环境的点云图，再由人工或机器在点云图上进行道路标线的标注，最后根据特定的规则和格式，将自车周边的道路标线的标注信息转换为道路标线标签。然而，这类道路标线标签的生成方法容易获取到无关区域的车道信息，且有效性和可靠性不足，若将其用于对模型的训练，容易误导模型的学习方向，以致输出错误的识别结果，从而影响行车安全。

技术实现思路

1、本申请主要提供一种道路标线标签筛选方法、模型训练方法、标注方法及装置，以解决道路标线标签易受无关区域干扰，有效性和可靠性不足的问题。

2、为解决上述技术问题，本申请采用的技术方案是：提供一种道路标线标签筛选方法。该道路标线标签筛选方法包括：获取车辆当前位置的局部高精地图，所述局部高精地图包括道路关键点和与所述道路关键点对应的道路标线标签；获取所述车辆当前位置的点云，并采用所述点云对所述道路关键点进行过滤；输出过滤后保留的所述道路关键点及其对应的所述道路标线标签。

3、在一些实施例中，所述获取所述车辆当前位置的点云，并采用所述点云对所述道路关键点进行过滤，包括：获取所述车辆当前位置的点云；保留与所述点云的点云点之间的距离值小于距离阈值的所述道路关键点；和/或保留与所述点云的点云点之间的高度差值在高度阈值范围内的所述道路关键点。

4、在一些实施例中，所述获取所述车辆当前位置的点云，包括：获取多帧所述点云，并将多帧所述点云转换到所述车辆当前位置的自车坐标系下，将各帧所述点云中的点云点对齐到所述自车坐标系中。

5、在一些实施例中，所述获取车辆当前位置的局部高精地图，包括：获取所述车辆当前位置在全局高精地图中的位置坐标；基于所述位置坐标从所述全局高精地图中提取所述局部高精地图。

6、在一些实施例中，所述基于所述位置坐标从所述全局高精地图中提取所述局部高精地图，包括：对所述全局高精地图进行预处理，以获取带原始道路关键点和与所述原始道路关键点对应的道路标线标签的待提取全局高精地图；从所述待提取全局高精地图中提取所述局部高精地图，并获取所述局部高精地图对应的所述道路关键点和与所述道路关键点对应的道路标线标签。

7、为解决上述技术问题，本申请采用的另一个技术方案是：提供一种道路标线标注模型训练方法。该道路标线标注模型训练方法包括：根据如上述的道路标线标签筛选方法，获取局部高精地图中保留的道路标线标签；基于所述局部高精地图和保留的所述道路标线标签对所述道路标线标注模型进行训练。

8、为解决上述技术问题，本申请采用的另一个技术方案是：提供一种道路标线标注方法。该道路标线标注方法包括：获取车辆当前位置的局部高精地图和点云；根据如上述的道路标线标签筛选方法，获取所述局部高精地图中保留的道路标线标签，并基于保留的所述道路标线标签对所述道路标线进行标注；或根据如上述的道路标线标注模型训练方法得到的道路标线标注模型对所述道路标线进行标注。

9、为解决上述技术问题，本申请采用的另一个技术方案是：提供一种存储介质，该存储介质上存储有程序数据，其特征在于，所述程序数据被处理器执行时实现如上述的道路标线标签筛选方法的步骤，或如上述的道路标线标注模型训练方法的步骤，或如上述的道路标线标注方法的步骤。

10、为解决上述技术问题，本申请采用的另一个技术方案是：提供一种车载设备，该车载设备包括相互连接的处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现如上述的道路标线标签筛选方法的步骤，或如上述的道路标线标注模型训练方法的步骤，或如上述的道路标线标注方法的步骤。

11、为解决上述技术问题，本申请采用的另一个技术方案是：提供一种车辆，该车辆包括如上述的存储介质或如上述的车载设备。

12、本申请的有益效果是：区别于现有技术的情况，本申请公开了一种道路标线标签筛选方法、模型训练方法、标注方法及装置。本申请利用高精地图和点云数据对道路关键点和道路标线标签进行过滤和提取，可以快速准确地获取道路和标线的信息，有效避免了无关道路对道路标线标签的干扰，提高了道路标线标签的有效性和可靠性，有利于利用这些标签提高对模型训练的效率，并提高相应模型的性能。在模型的训练中，本申请基于高精地图和上述方法保留的道路标线对道路标线标注模型进行训练，从而提高了道路标线标注获取的道路标线标签的有效性和可靠性，有利于提高道路标线识别的准确性和鲁棒性，可以为智慧交通、智能汽车和自动驾驶等应用提供技术支持。本申请还实现了一种道路标线标注方法，可以实现对道路标线的自动识别和分类，获取到有效、可靠的道路标线标签，为道路行驶和导航提供便利。本申请提供的存储介质、车载设备和车辆等相关装置，则利用了上述方法，可以相应地实现对道路标线的获取、识别和建模，为驾驶安全和舒适提供保障。

技术特征：

1.一种道路标线标签筛选方法，其特征在于，包括：

2.根据权利要求1所述的道路标线标签筛选方法，其特征在于，所述获取所述车辆当前位置的点云，并采用所述点云对所述道路关键点进行过滤，包括：

3.根据权利要求2所述的道路标线标签筛选方法，其特征在于，所述获取所述车辆当前位置的点云，包括：

4.根据权利要求1所述的道路标线标签筛选方法，其特征在于，所述获取车辆当前位置的局部高精地图，包括：

5.根据权利要求4所述的道路标线标签筛选方法，其特征在于，所述基于所述位置坐标从所述全局高精地图中提取所述局部高精地图，包括：

6.一种道路标线标注模型训练方法，其特征在于，包括：

7.一种道路标线标注方法，其特征在于，包括：

8.一种存储介质，其上存储有程序数据，其特征在于，所述程序数据被处理器执行时实现如权利要求1-5任一项所述的道路标线标签筛选方法的步骤，或如权利要求6所述的道路标线标注模型训练方法的步骤，或如权利要求7所述的道路标线标注方法的步骤。

9.一种车载设备，其特征在于，包括相互连接的处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-5任一项所述的道路标线标签筛选方法的步骤，或如权利要求6所述的道路标线标注模型训练方法的步骤，或如权利要求7所述的道路标线标注方法的步骤。

10.一种车辆，其特征在于，所述车辆包括如权利要求8所述的存储介质或如权利要求9所述的车载设备。

技术总结
本申请公开了一种道路标线标签筛选方法、模型训练方法、标注方法及装置。该道路标线标签筛选方法包括：获取车辆当前位置的局部高精地图，该局部高精地图包括道路关键点和与该道路关键点对应的道路标线标签，获取车辆当前位置的点云，并采用点云对该道路关键点进行过滤，输出过滤后保留的所述道路关键点及其对应的所述道路标线标签。通过上述方法采用点云对道路标线标签进行过滤，从而筛选出所需的道路标线标签，有效避免了无关道路对道路标线标签的干扰，提高了道路标线标签的有效性和可靠性，有利于实现对道路标线高效、准确、鲁棒的识别。

技术研发人员：郭尊湖,王淑鹏,何明
受保护的技术使用者：深圳元戎启行科技有限公司
技术研发日：
技术公布日：2024/3/4