绘制虚拟车道线的方法及装置实用新型专利

专利名称：绘制虚拟车道线的方法及装置

专利类型：实用新型专利

专利申请号：CN202210696934.8

专利申请（专利权）人：合众新能源汽车股份有限公司
权利人地址：浙江省嘉兴市桐乡市梧桐街道同仁路988号

专利发明（设计）人：李欣博

专利摘要：本申请公开一种绘制虚拟车道线的方法及装置，涉及高精地图技术领域。本申请的方法包括：获取训练样本集合；根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型；获取待绘制区域对应的行车视频集合，其中，所述待绘制区域包含至少一个待绘制子区域，所述行车视频集合包含每个所述待绘制子区域对应的多个行车视频；分别将每个所述待绘制子区域对应的多个行车视频输入至所述行车轨迹生成模型中，以获得每个所述待绘制子区域对应的多个行车轨迹曲线；根据每个所述待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个所述待绘制子区域对应的虚拟车道线。

主权利要求：
1.一种绘制虚拟车道线的方法，其特征在于，包括：
获取训练样本集合，其中，所述训练样本集合包含多个训练样本，所述训练样本包含目标区域对应的行车视频和所述行车视频对应的行车轨迹曲线；
根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型；
获取待绘制区域对应的行车视频集合，其中，所述待绘制区域包含至少一个待绘制子区域，所述行车视频集合包含每个所述待绘制子区域对应的多个行车视频；
分别将每个所述待绘制子区域对应的多个行车视频输入至所述行车轨迹生成模型中，以获得每个所述待绘制子区域对应的多个行车轨迹曲线；
根据每个所述待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个所述待绘制子区域对应的虚拟车道线；
所述待绘制子区域对应的连接车道信息包括所述待绘制子区域对应的连接车道的宽度信息和真实车道线信息；所述根据每个所述待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个所述待绘制子区域对应的虚拟车道线，包括：根据预置拟合算法对每个所述待绘制子区域对应的多个行车轨迹曲线进行拟合处理，以获得每个所述待绘制子区域对应的目标行车轨迹曲线；
根据每个所述待绘制子区域对应的目标行车轨迹曲线、连接车道的宽度信息和真实车道线信息，在所述高精地图中绘制每个所述待绘制子区域对应的虚拟车道线。
2.根据权利要求1所述的方法，其特征在于，所述根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型，包括：基于所述训练样本集合对所述预置模型进行迭代训练；其中，
在每轮训练后，判断所述预置模型的损失函数是否收敛；
若所述损失函数收敛，则将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型；
若所述损失函数未收敛，则对所述损失函数进行反向传播处理，并根据经过反向传播处理后的所述损失函数，对所述预置模型的模型参数进行优化调整，以及基于优化调整后的所述预置模型进入下一轮训练。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：若所述损失函数未收敛，则判断当前累计迭代训练时长是否达到预设时长阈值；
若达到所述预设时长阈值，则将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：若所述损失函数未收敛，则判断当前累计迭代训练次数是否达到预设次数阈值；
若达到所述预设次数阈值，则将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型。
5.根据权利要求1所述的方法，其特征在于，在所述根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型之后，所述方法还包括：获取测试样本集合，其中，所述测试样本集合包含多个测试样本，所述测试样本包含所述目标区域对应的行车视频和所述行车视频对应的行车轨迹曲线；
根据所述测试样本集合对所述行车轨迹生成模型进行测试，以获得所述行车轨迹生成模型对应的准确率和/或召回率；
若所述行车轨迹生成模型对应的准确率小于预设准确率阈值和/或所述行车轨迹生成模型对应的召回率小于预设召回率阈值，则根据所述训练样本集合对所述行车轨迹生成模型进行训练。
6.一种绘制虚拟车道线的装置，其特征在于，包括：
第一获取单元，用于获取训练样本集合，其中，所述训练样本集合包含多个训练样本，所述训练样本包含目标区域对应的行车视频和所述行车视频对应的行车轨迹曲线；
第一训练单元，用于根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型；
第二获取单元，用于获取待绘制区域对应的行车视频集合，其中，所述待绘制区域包含至少一个待绘制子区域，所述行车视频集合包含每个所述待绘制子区域对应的多个行车视频；
输入单元，用于分别将每个所述待绘制子区域对应的多个行车视频输入至所述行车轨迹生成模型中，以获得每个所述待绘制子区域对应的多个行车轨迹曲线；
绘制单元，用于根据每个所述待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个所述待绘制子区域对应的虚拟车道线；
所述待绘制子区域对应的连接车道信息包括所述待绘制子区域对应的连接车道的宽度信息和真实车道线信息；所述绘制单元包括：拟合模块，用于根据预置拟合算法对每个所述待绘制子区域对应的多个行车轨迹曲线进行拟合处理，以获得每个所述待绘制子区域对应的目标行车轨迹曲线；
绘制模块，用于根据每个所述待绘制子区域对应的目标行车轨迹曲线、连接车道的宽度信息和真实车道线信息，在所述高精地图中绘制每个所述待绘制子区域对应的虚拟车道线。
7.根据权利要求6所述的装置，其特征在于，
所述第一训练单元，具体用于基于所述训练样本集合对所述预置模型进行迭代训练；
其中，
在每轮训练后，判断所述预置模型的损失函数是否收敛；
若所述损失函数收敛，则将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型；
若所述损失函数未收敛，则对所述损失函数进行反向传播处理，并根据经过反向传播处理后的所述损失函数，对所述预置模型的模型参数进行优化调整，以及基于优化调整后的所述预置模型进入下一轮训练。
8.根据权利要求7所述的装置，其特征在于，所述第一训练单元包括：第一判断模块，用于当所述损失函数未收敛时，判断当前累计迭代训练时长是否达到预设时长阈值；
第一确定模块，用于当所述第一判断模块判定所述当前累计迭代训练时长达到所述预设时长阈值时，将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型。
9.根据权利要求7所述的装置，其特征在于，所述第一训练单元包括：第二判断模块，用于当所述损失函数未收敛时，判断当前累计迭代训练次数是否达到预设次数阈值；
第二确定模块，用于当所述第二判断模块判定所述当前累计迭代训练次数达到所述预设次数阈值时，将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型。
10.根据权利要求6所述的装置，其特征在于，所述装置还包括：第三获取单元，用于在所述第一训练单元根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型之后，获取测试样本集合，其中，所述测试样本集合包含多个测试样本，所述测试样本包含所述目标区域对应的行车视频和所述行车视频对应的行车轨迹曲线；
测试单元，用于根据所述测试样本集合对所述行车轨迹生成模型进行测试，以获得所述行车轨迹生成模型对应的准确率和/或召回率；
第二训练单元，用于当所述行车轨迹生成模型对应的准确率小于预设准确率阈值和/或所述行车轨迹生成模型对应的召回率小于预设召回率阈值时，根据所述训练样本集合对所述行车轨迹生成模型进行训练。
11.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任一项所述的绘制虚拟车道线的方法。
12.一种绘制虚拟车道线的装置，其特征在于，所述装置包括存储介质；及一个或者多个处理器，所述存储介质与所述处理器耦合，所述处理器被配置为执行所述存储介质中存储的程序指令；所述程序指令运行时执行权利要求1至5中任一项所述的绘制虚拟车道线的方法。 说明书 : 绘制虚拟车道线的方法及装置技术领域[0001] 本申请涉及高精地图技术领域，尤其涉及一种绘制虚拟车道线的方法及装置。背景技术[0002] 随着科学技术的不断发展，自动驾驶技术也得到了迅速的发展。其中，高精度地图是实现自动驾驶的基础，高精地图具体包含路面标识、车道线、车道规则等元素。其中，自动驾驶汽车基于高精地图中的车道线进行路径规划，从而实现自动驾驶，因此，为了保证自动驾驶汽车可以正常自动驾驶，需要在高精地图中为无车道线区域绘制虚拟车道线。[0003] 目前，通常是通过人工绘制的方式为高精地图中的无车道线区域绘制虚拟车道线。然而，人工绘制虚拟车道线需要耗费大量的时间，从而导致为高精地图中的无车道线区域绘制虚拟车道线的成本较高。发明内容[0004] 本申请实施例提供一种绘制虚拟车道线的方法及装置，主要目的在于降低为高精地图中的无车道线区域绘制虚拟车道线的成本。[0005] 为解决上述技术问题，本申请实施例提供如下技术方案：[0006] 第一方面，本申请提供了一种绘制虚拟车道线的方法，该方法包括：[0007] 获取训练样本集合，其中，所述训练样本集合包含多个训练样本，所述训练样本包含目标区域对应的行车视频和所述行车视频对应的行车轨迹曲线；[0008] 根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型；[0009] 获取待绘制区域对应的行车视频集合，其中，所述待绘制区域包含至少一个待绘制子区域，所述行车视频集合包含每个所述待绘制子区域对应的多个行车视频；[0010] 分别将每个所述待绘制子区域对应的多个行车视频输入至所述行车轨迹生成模型中，以获得每个所述待绘制子区域对应的多个行车轨迹曲线；[0011] 根据每个所述待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个所述待绘制子区域对应的虚拟车道线。[0012] 可选的，所述根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型，包括：[0013] 基于所述训练样本集合对所述预置模型进行迭代训练；其中，[0014] 在每轮训练后，判断所述预置模型的损失函数是否收敛；[0015] 若所述损失函数收敛，则将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型；[0016] 若所述损失函数未收敛，则对所述损失函数进行反向传播处理，并根据经过反向传播处理后的所述损失函数，对所述预置模型的模型参数进行优化调整，以及基于优化调整后的所述预置模型进入下一轮训练。[0017] 可选的，所述方法还包括：[0018] 若所述损失函数未收敛，则判断当前累计迭代训练时长是否达到预设时长阈值；[0019] 若达到所述预设时长阈值，则将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型。[0020] 可选的，所述方法还包括：[0021] 若所述损失函数未收敛，则判断当前累计迭代训练次数是否达到预设次数阈值；[0022] 若达到所述预设次数阈值，则将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型。[0023] 可选的，在所述根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型之后，所述方法还包括：[0024] 获取测试样本集合，其中，所述测试样本集合包含多个测试样本，所述测试样本包含所述目标区域对应的行车视频和所述行车视频对应的行车轨迹曲线；[0025] 根据所述测试样本集合对所述行车轨迹生成模型进行测试，以获得所述行车轨迹生成模型对应的准确率和/或召回率；[0026] 若所述行车轨迹生成模型对应的准确率小于预设准确率阈值和/或所述行车轨迹生成模型对应的召回率小于预设召回率阈值，则根据所述训练样本集合对所述行车轨迹生成模型进行训练。[0027] 可选的，所述待绘制子区域对应的连接车道信息包括所述待绘制子区域对应的连接车道的宽度信息和真实车道线信息；所述根据每个所述待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个所述待绘制子区域对应的虚拟车道线，包括：[0028] 根据预置拟合算法对每个所述待绘制子区域对应的多个行车轨迹曲线进行拟合处理，以获得每个所述待绘制子区域对应的目标行车轨迹曲线；[0029] 根据每个所述待绘制子区域对应的目标行车轨迹曲线、连接车道的宽度信息和真实车道线信息，在所述高精地图中绘制每个所述待绘制子区域对应的虚拟车道线。[0030] 第二方面，本申请还提供一种绘制虚拟车道线的装置，该装置包括：[0031] 第一获取单元，用于获取训练样本集合，其中，所述训练样本集合包含多个训练样本，所述训练样本包含目标区域对应的行车视频和所述行车视频对应的行车轨迹曲线；[0032] 第一训练单元，用于根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型；[0033] 第二获取单元，用于获取待绘制区域对应的行车视频集合，其中，所述待绘制区域包含至少一个待绘制子区域，所述行车视频集合包含每个所述待绘制子区域对应的多个行车视频；[0034] 输入单元，用于分别将每个所述待绘制子区域对应的多个行车视频输入至所述行车轨迹生成模型中，以获得每个所述待绘制子区域对应的多个行车轨迹曲线；[0035] 绘制单元，用于根据每个所述待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个所述待绘制子区域对应的虚拟车道线。[0036] 可选的，所述第一训练单元，具体用于基于所述训练样本集合对所述预置模型进行迭代训练；其中，[0037] 在每轮训练后，判断所述预置模型的损失函数是否收敛；[0038] 若所述损失函数收敛，则将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型；[0039] 若所述损失函数未收敛，则对所述损失函数进行反向传播处理，并根据经过反向传播处理后的所述损失函数，对所述预置模型的模型参数进行优化调整，以及基于优化调整后的所述预置模型进入下一轮训练。[0040] 可选的，所述第一训练单元包括：[0041] 第一判断模块，用于当所述损失函数未收敛时，判断当前累计迭代训练时长是否达到预设时长阈值；[0042] 第一确定模块，用于当所述第一判断模块判定所述当前累计迭代训练时长达到所述预设时长阈值时，将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型。[0043] 可选的，所述第一训练单元包括：[0044] 第二判断模块，用于当所述损失函数未收敛时，判断当前累计迭代训练次数是否达到预设次数阈值；[0045] 第二确定模块，用于当所述第二判断模块判定所述当前累计迭代训练次数达到所述预设次数阈值时，将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型。[0046] 可选的，所述装置还包括：[0047] 第三获取单元，用于在所述第一训练单元根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型之后，获取测试样本集合，其中，所述测试样本集合包含多个测试样本，所述测试样本包含所述目标区域对应的行车视频和所述行车视频对应的行车轨迹曲线；[0048] 测试单元，用于根据所述测试样本集合对所述行车轨迹生成模型进行测试，以获得所述行车轨迹生成模型对应的准确率和/或召回率；[0049] 第二训练单元，用于当所述行车轨迹生成模型对应的准确率小于预设准确率阈值和/或所述行车轨迹生成模型对应的召回率小于预设召回率阈值时，根据所述训练样本集合对所述行车轨迹生成模型进行训练。[0050] 可选的，所述待绘制子区域对应的连接车道信息包括所述待绘制子区域对应的连接车道的宽度信息和真实车道线信息；所述绘制单元包括：[0051] 拟合模块，用于根据预置拟合算法对每个所述待绘制子区域对应的多个行车轨迹曲线进行拟合处理，以获得每个所述待绘制子区域对应的目标行车轨迹曲线；[0052] 绘制模块，用于根据每个所述待绘制子区域对应的目标行车轨迹曲线、连接车道的宽度信息和真实车道线信息，在所述高精地图中绘制每个所述待绘制子区域对应的虚拟车道线。[0053] 第三方面，本申请的实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行第一方面所述的绘制虚拟车道线的方法。[0054] 第四方面，本申请的实施例提供了一种绘制虚拟车道线的装置，所述装置包括存储介质；及一个或者多个处理器，所述存储介质与所述处理器耦合，所述处理器被配置为执行所述存储介质中存储的程序指令；所述程序指令运行时执行第一方面所述的绘制虚拟车道线的方法。[0055] 借由上述技术方案，本申请提供的技术方案至少具有下列优点：[0056] 本申请提供一种绘制虚拟车道线的方法及装置，本申请能够在虚拟车道线绘制应用程序获取得到训练样本集合后，由虚拟车道线绘制应用程序根据训练样本集合包含的多个训练样本对预置模型进行训练，直至预置模型的损失函数收敛，从而获得行车轨迹生成模型，并在获取得到待绘制区域对应的行车视频集合后，分别将每个待绘制子区域对应的多个行车视频输入至行车轨迹生成模型中，以便行车轨迹生成模型输出每个待绘制子区域对应的多个行车轨迹曲线，最后，根据每个待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个待绘制子区域对应的虚拟车道线。由于，虚拟车道线绘制应用程序基于训练好的行车轨迹生成模型和每个待绘制子区域对应的多个行车视频，便可自动化在高精地图中绘制每个待绘制子区域对应的虚拟车道线，因此，能够有效降低为高精地图中的无车道线区域绘制虚拟车道线的成本。[0057] 上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。附图说明[0058] 通过参考附图阅读下文的详细描述，本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本申请的若干实施方式，相同或对应的标号表示相同或对应的部分，其中：[0059] 图1示出了本申请实施例提供的一种绘制虚拟车道线的方法流程图；[0060] 图2示出了本申请实施例提供的一种待绘制区域示意图；[0061] 图3示出了本申请实施例提供的另一种绘制虚拟车道线的方法流程图；[0062] 图4示出了本申请实施例提供的一种绘制虚拟车道线的装置的组成框图；[0063] 图5示出了本申请实施例提供的另一种绘制虚拟车道线的装置的组成框图。具体实施方式[0064] 下面将参照附图更详细地描述本申请的示例性实施方式。虽然附图中显示了本申请的示例性实施方式，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。[0065] 需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本申请所属领域技术人员所理解的通常意义。[0066] 本申请实施例提供一种绘制虚拟车道线的方法，如图1所示，该方法包括：[0067] 101、获取训练样本集合，并根据训练样本集合对预置模型进行训练，直至预置模型的损失函数收敛，以获得行车轨迹生成模型。[0068] 其中，训练样本集合包含多个训练样本，对于任意一个训练样本而言，该训练样本包含目标区域对应的行车视频和该行车视频对应的行车轨迹曲线，目标区域对应的行车视频为通过目标区域内的摄像头拍摄行车经过目标区域的车辆得到的，行车视频对应的行车轨迹曲线为工作人员根据行车视频确定的、行车视频中的车辆在高精地图中的行车轨迹；其中，多个训练样本对应的目标区域可以为同一区域，也可以为同一类型的不同区域，目标区域的类型可以但不限于为：路口类型、收费站类型等等，即多个训练样本可以包含同一路口区域对应的行车视频和行车视频对应的行车轨迹曲线，也可以包含不同路口区域对应的行车视频和行车视频对应的行车轨迹曲线，可以包含同一收费站区域对应的行车视频和行车视频对应的行车轨迹曲线，也可以包含不同收费站区域对应的行车视频和行车视频对应的行车轨迹曲线等等；其中，预置模型为采用预置深度学习算法建立的模型，预置深度学习算法可以为现有的任意一种深度学习算法。[0069] 在本申请实施例中，各个步骤中的执行主体为运行在终端设备中的虚拟车道线绘制应用程序，其中，终端设备可以但不限于为：计算机、服务器等等。[0070] 在本申请实施例中，虚拟车道线绘制应用程序需要先获取训练样本集合，并在获取得到训练样本集合后，根据训练样本集合包含的多个训练样本对预置模型进行训练，直至预置模型的损失函数收敛，此时，便可将训练完成的预置模型确定为行车轨迹生成模型。[0071] 102、获取待绘制区域对应的行车视频集合。[0072] 其中，待绘制区域与目标区域的类型相同，待绘制区域包含至少一个待绘制子区域，行车视频集合包含每个待绘制子区域对应的多个行车视频；其中，对于任意一个待绘制子区域而言，该待绘制子区域对应的行车视频为通过待绘制区域内摄像头拍摄行车经过该待绘制子区域的车辆得到的；如图2所示，待绘制区域为路口区域，其中，在该路口区域中，车道A与车道B之间的区域为待绘制子区域、车道A与车道C之间的区域为待绘制子区域、车道A与车道D之间的区域为待绘制子区域，车道A与车道E之间的区域为待绘制子区域等等。[0073] 在本申请实施例中，当需要为待绘制区域内的各个待绘制子区域绘制车道线时，虚拟车道线绘制应用程序便需要获取待绘制区域对应的行车视频集合。[0074] 103、分别将每个待绘制子区域对应的多个行车视频输入至行车轨迹生成模型中，以获得每个待绘制子区域对应的多个行车轨迹曲线。[0075] 其中，对于任意一个待绘制子区域而言，该待绘制子区域对应的多个行车轨迹曲线为该待绘制子区域对应的多个行车视频中的车辆在高精地图中的行车轨迹。[0076] 在本申请实施例中，虚拟车道线绘制应用程序在获取得到待绘制区域对应的行车视频集合后，便可分别将每个待绘制子区域对应的多个行车视频输入至行车轨迹生成模型中，行车轨迹生成模型便能输出每个待绘制子区域对应的多个行车轨迹曲线，此时，虚拟车道线绘制应用程序便可获取得到每个待绘制子区域对应的多个行车轨迹曲线。[0077] 104、根据每个待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个待绘制子区域对应的虚拟车道线。[0078] 其中，对于任意一个待绘制子区域而言，该待绘制子区域对应的连接车道信息为该待绘制子区域对应的连接车道的车道信息，该待绘制子区域对应的连接车道为与该待绘制子区域连接的车道，如图2所示，车道A与车道B之间的待绘制子区域对应的连接车道为车道A和车道B，则该待绘制子区域对应的连接车道信息为车道A的车道信息和车道B的车道信息。[0079] 在本申请实施例中，虚拟车道线绘制应用程序在获取得到每个待绘制子区域对应的多个行车轨迹曲线后，便可根据每个待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个待绘制子区域对应的虚拟车道线。[0080] 本申请实施例提供一种绘制虚拟车道线的方法，本申请实施例能够在虚拟车道线绘制应用程序获取得到训练样本集合后，由虚拟车道线绘制应用程序根据训练样本集合包含的多个训练样本对预置模型进行训练，直至预置模型的损失函数收敛，从而获得行车轨迹生成模型，并在获取得到待绘制区域对应的行车视频集合后，分别将每个待绘制子区域对应的多个行车视频输入至行车轨迹生成模型中，以便行车轨迹生成模型输出每个待绘制子区域对应的多个行车轨迹曲线，最后，根据每个待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个待绘制子区域对应的虚拟车道线。由于，虚拟车道线绘制应用程序基于训练好的行车轨迹生成模型和每个待绘制子区域对应的多个行车视频，便可自动化在高精地图中绘制每个待绘制子区域对应的虚拟车道线，因此，能够有效降低为高精地图中的无车道线区域绘制虚拟车道线的成本。[0081] 以下为了更加详细地说明，本申请实施例提供了另一种绘制虚拟车道线的方法，具体如图3所示，该方法包括：[0082] 201、获取训练样本集合。[0083] 其中，关于步骤201、获取训练样本集合，可以参考图1对应部分的描述，本申请实施例此处将不再赘述。[0084] 202、根据训练样本集合对预置模型进行训练，直至预置模型的损失函数收敛，以获得行车轨迹生成模型。[0085] 在本申请实施例中，虚拟车道线绘制应用程序在获取得到训练样本集合后，便可根据训练样本集合包含的多个训练样本对预置模型进行训练，即基于训练样本集合包含的多个训练样本对预置模型进行迭代训练，其中，在每轮训练后，判断预置模型的损失函数是否收敛；若预置模型的损失函数收敛，则将本轮训练后得到的预置模型确定为行车轨迹生成模型；若预置模型的损失函数未收敛，则对预置模型的损失函数进行反向传播处理，并根据经过反向传播处理后的损失函数，对预置模型的模型参数进行优化调整，以及基于优化调整后的预置模型进入下一轮训练。[0086] 具体的，在本步骤中，当损失函数对应的损失值小于或等于预设阈值时，判定损失函数收敛，当损失函数对应的损失值大于预设阈值时，判定损失函数未收敛。[0087] 进一步的，在本申请实施例中，由于，在某些特定情况下，即使是进行大量的迭代训练，预置模型的损失函数也不会收敛，因此，为了避免预置模型的迭代训练无休止的进行下去，在确定本轮训练后得到的预置模型的损失函数未收敛时，可以但不限于采用以下两种方式进行处理：[0088] (1)若预置模型的损失函数未收敛，则判断基于训练样本集合迭代训练预置模型的当前累计迭代训练时长是否达到预设时长阈值。[0089] 若当前累计迭代训练时长达到预设时长阈值，则说明迭代训练时长已达到要求，此时，可以停止迭代训练，并将本轮训练后得到的预置模型确定为行车轨迹生成模型。[0090] 若当前累计迭代训练时长未达到预设时长阈值，则可以进入对预置模型的损失函数进行反向传播处理，并根据经过反向传播处理后的损失函数，对预置模型的模型参数进行优化调整的步骤。[0091] (2)若预置模型的损失函数未收敛，则判断基于训练样本集合迭代训练预置模型的当前累计迭代训练次数是否达到预设次数阈值。[0092] 若当前累计迭代训练次数达到预设次数阈值，则说明迭代训练次数已达到要求，此时，可以停止迭代训练，并将本轮训练后得到的预置模型确定为行车轨迹生成模型。[0093] 若当前累计迭代训练次数未达到预设次数阈值，则可以进入对预置模型的损失函数进行反向传播处理，并根据经过反向传播处理后的损失函数，对预置模型的模型参数进行优化调整的步骤。[0094] 进一步的，在本申请实施例中，在训练获得行车轨迹生成模型后，虚拟车道线绘制应用程序还需要对行车轨迹生成模型的性能进行测试，其具体过程为：[0095] 首先，获取测试样本集合，其中，测试样本集合包含多个测试样本，对于任意一个测试样本而言，该测试样本包含目标区域对应的行车视频和该行车视频对应的行车轨迹曲线，目标区域对应的行车视频为通过目标区域内的摄像头拍摄行车经过目标区域的车辆得到的，行车视频对应的行车轨迹曲线为工作人员根据行车视频确定的、行车视频中的车辆在高精地图中的行车轨迹；其中，多个测试样本对应的目标区域可以为同一区域，也可以为同一类型的不同区域，目标区域的类型可以但不限于为：路口类型、收费站类型等等；[0096] 其次，根据测试样本集合对行车轨迹生成模型进行测试，以获得行车轨迹生成模型对应的准确率和/或召回率；[0097] 最后，当行车轨迹生成模型对应的准确率小于预设准确率阈值和/或行车轨迹生成模型对应的召回率小于预设召回率阈值时，代表行车轨迹生成模型的性能不符合要求，此时，根据训练样本集合对行车轨迹生成模型进行训练；当行车轨迹生成模型对应的准确率大于或等于预设准确率阈值，且行车轨迹生成模型对应的召回率大于或等于预设召回率阈值时，代表行车轨迹生成模型的性能符合要求，无需对行车轨迹生成模型进行训练。[0098] 需要进行说明的是，虚拟车道线绘制应用程序可以根据步骤201获取得到的训练样本集合对行车轨迹生成模型进行训练，也可以先获取其他训练样本集合，再根据其他训练样本集合对行车轨迹生成模型进行训练，本申请实施例对此不进行具体限定。[0099] 203、获取待绘制区域对应的行车视频集合。[0100] 其中，关于步骤203、获取待绘制区域对应的行车视频集合，可以参考图1对应部分的描述，本申请实施例此处将不再赘述。[0101] 204、分别将每个待绘制子区域对应的多个行车视频输入至行车轨迹生成模型中，以获得每个待绘制子区域对应的多个行车轨迹曲线。[0102] 其中，关于步骤204、分别将每个待绘制子区域对应的多个行车视频输入至行车轨迹生成模型中，以获得每个待绘制子区域对应的多个行车轨迹曲线，可以参考图1对应部分的描述，本申请实施例此处将不再赘述。[0103] 205、根据每个待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个待绘制子区域对应的虚拟车道线。[0104] 在本申请实施例中，虚拟车道线绘制应用程序在获取得到每个待绘制子区域对应的多个行车轨迹曲线后，便可根据每个待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个待绘制子区域对应的虚拟车道线。[0105] 具体的，在本步骤中，虚拟车道线绘制应用程序根据每个待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个待绘制子区域对应的虚拟车道线的具体过程为：[0106] 其中，对于任意一个待绘制子区域而言，该待绘制子区域对应的连接车道信息包括该待绘制子区域对应的连接车道的宽度信息和真实车道线信息，连接车道的宽度信息用于表明连接车道在高精地图中的宽度，连接车道的真实车道线信息用于表明连接车道的真实车道线在高精地图中的位置。[0107] 首先，根据预置拟合算法对每个待绘制子区域对应的多个行车轨迹曲线进行拟合处理，以获得每个待绘制子区域对应的目标行车轨迹曲线，其中，预置拟合算法可以但不限于为：最小二乘法多次曲线拟合算法、多项式曲线拟合算法等等；[0108] 其次，根据每个待绘制子区域对应的目标行车轨迹曲线、连接车道的宽度信息和真实车道线信息，在高精地图中绘制每个待绘制子区域对应的虚拟车道线：对于任意一个待绘制子区域而言，先根据该待绘制子区域对应的连接车道的真实车道线信息，确定该待绘制子区域对应的虚拟车道线的起始位置和终止位置，再根据该待绘制子区域对应的连接车道的宽度信息和该待绘制子区域对应的虚拟车道线的起始位置、终止位置，确定该待绘制子区域对应的目标行车轨迹曲线与虚拟车道线之间的距离，最后，根据该待绘制子区域对应的目标行车轨迹曲线和该待绘制子区域对应的虚拟车道线的起始位置、终止位置，以及该待绘制子区域对应的目标行车轨迹曲线与虚拟车道线之间的距离，在高精地图中绘制该待绘制子区域对应的虚拟车道线。[0109] 为了实现上述目的，根据本申请的另一方面，本申请实施例还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述所述的绘制虚拟车道线的方法。[0110] 为了实现上述目的，根据本申请的另一方面，本申请实施例还提供了一种绘制虚拟车道线的装置，所述装置包括存储介质；及一个或者多个处理器，所述存储介质与所述处理器耦合，所述处理器被配置为执行所述存储介质中存储的程序指令；所述程序指令运行时执行上述所述的绘制虚拟车道线的方法。[0111] 进一步的，作为对上述图1及图3所示方法的实现，本申请另一实施例还提供了一种绘制虚拟车道线的装置。该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。该装置应用于降低为高精地图中的无车道线区域绘制虚拟车道线的成本，具体如图4所示，该装置包括：[0112] 第一获取单元31，用于获取训练样本集合，其中，所述训练样本集合包含多个训练样本，所述训练样本包含目标区域对应的行车视频和所述行车视频对应的行车轨迹曲线；[0113] 第一训练单元32，用于根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型；[0114] 第二获取单元33，用于获取待绘制区域对应的行车视频集合，其中，所述待绘制区域包含至少一个待绘制子区域，所述行车视频集合包含每个所述待绘制子区域对应的多个行车视频；[0115] 输入单元34，用于分别将每个所述待绘制子区域对应的多个行车视频输入至所述行车轨迹生成模型中，以获得每个所述待绘制子区域对应的多个行车轨迹曲线；[0116] 绘制单元35，用于根据每个所述待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个所述待绘制子区域对应的虚拟车道线。[0117] 进一步的，如图5所示，所述第一训练单元32，具体用于基于所述训练样本集合对所述预置模型进行迭代训练；其中，[0118] 在每轮训练后，判断所述预置模型的损失函数是否收敛；[0119] 若所述损失函数收敛，则将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型；[0120] 若所述损失函数未收敛，则对所述损失函数进行反向传播处理，并根据经过反向传播处理后的所述损失函数，对所述预置模型的模型参数进行优化调整，以及基于优化调整后的所述预置模型进入下一轮训练。[0121] 进一步的，如图5所示，所述第一训练单元32包括：[0122] 第一判断模块321，用于当所述损失函数未收敛时，判断当前累计迭代训练时长是否达到预设时长阈值；[0123] 第一确定模块322，用于当所述第一判断模块321判定所述当前累计迭代训练时长达到所述预设时长阈值时，将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型。[0124] 进一步的，如图5所示，所述第一训练单元32包括：[0125] 第二判断模块323，用于当所述损失函数未收敛时，判断当前累计迭代训练次数是否达到预设次数阈值；[0126] 第二确定模块324，用于当所述第二判断模块323判定所述当前累计迭代训练次数达到所述预设次数阈值时，将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型。[0127] 进一步的，如图5所示，所述装置还包括：[0128] 第三获取单元36，用于在所述第一训练单元32根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型之后，获取测试样本集合，其中，所述测试样本集合包含多个测试样本，所述测试样本包含所述目标区域对应的行车视频和所述行车视频对应的行车轨迹曲线；[0129] 测试单元37，用于根据所述测试样本集合对所述行车轨迹生成模型进行测试，以获得所述行车轨迹生成模型对应的准确率和/或召回率；[0130] 第二训练单元38，用于当所述行车轨迹生成模型对应的准确率小于预设准确率阈值和/或所述行车轨迹生成模型对应的召回率小于预设召回率阈值时，根据所述训练样本集合对所述行车轨迹生成模型进行训练。[0131] 进一步的，如图5所示，所述待绘制子区域对应的连接车道信息包括所述待绘制子区域对应的连接车道的宽度信息和真实车道线信息；所述绘制单元35包括：[0132] 拟合模块351，用于根据预置拟合算法对每个所述待绘制子区域对应的多个行车轨迹曲线进行拟合处理，以获得每个所述待绘制子区域对应的目标行车轨迹曲线；[0133] 绘制模块352，用于根据每个所述待绘制子区域对应的目标行车轨迹曲线、连接车道的宽度信息和真实车道线信息，在所述高精地图中绘制每个所述待绘制子区域对应的虚拟车道线。[0134] 本申请实施例提供一种绘制虚拟车道线的方法及装置，本申请实施例能够在虚拟车道线绘制应用程序获取得到训练样本集合后，由虚拟车道线绘制应用程序根据训练样本集合包含的多个训练样本对预置模型进行训练，直至预置模型的损失函数收敛，从而获得行车轨迹生成模型，并在获取得到待绘制区域对应的行车视频集合后，分别将每个待绘制子区域对应的多个行车视频输入至行车轨迹生成模型中，以便行车轨迹生成模型输出每个待绘制子区域对应的多个行车轨迹曲线，最后，根据每个待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个待绘制子区域对应的虚拟车道线。由于，虚拟车道线绘制应用程序基于训练好的行车轨迹生成模型和每个待绘制子区域对应的多个行车视频，便可自动化在高精地图中绘制每个待绘制子区域对应的虚拟车道线，因此，能够有效降低为高精地图中的无车道线区域绘制虚拟车道线的成本。[0135] 所述绘制虚拟车道线的装置包括处理器和存储器，上述第一获取单元、第一训练单元、第二获取单元、输入单元和绘制单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。[0136] 处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来降低为高精地图中的无车道线区域绘制虚拟车道线的成本。[0137] 本申请实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述所述的绘制虚拟车道线的方法。[0138] 存储介质可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)，存储器包括至少一个存储芯片。[0139] 本申请实施例还提供了一种绘制虚拟车道线的装置，所述装置包括存储介质；及一个或者多个处理器，所述存储介质与所述处理器耦合，所述处理器被配置为执行所述存储介质中存储的程序指令；所述程序指令运行时执行上述所述的绘制虚拟车道线的方法。[0140] 本申请实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：[0141] 获取训练样本集合，其中，所述训练样本集合包含多个训练样本，所述训练样本包含目标区域对应的行车视频和所述行车视频对应的行车轨迹曲线；[0142] 根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型；[0143] 获取待绘制区域对应的行车视频集合，其中，所述待绘制区域包含至少一个待绘制子区域，所述行车视频集合包含每个所述待绘制子区域对应的多个行车视频；[0144] 分别将每个所述待绘制子区域对应的多个行车视频输入至所述行车轨迹生成模型中，以获得每个所述待绘制子区域对应的多个行车轨迹曲线；[0145] 根据每个所述待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个所述待绘制子区域对应的虚拟车道线。[0146] 进一步的，所述根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型，包括：[0147] 基于所述训练样本集合对所述预置模型进行迭代训练；其中，[0148] 在每轮训练后，判断所述预置模型的损失函数是否收敛；[0149] 若所述损失函数收敛，则将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型；[0150] 若所述损失函数未收敛，则对所述损失函数进行反向传播处理，并根据经过反向传播处理后的所述损失函数，对所述预置模型的模型参数进行优化调整，以及基于优化调整后的所述预置模型进入下一轮训练。[0151] 进一步的，所述方法还包括：[0152] 若所述损失函数未收敛，则判断当前累计迭代训练时长是否达到预设时长阈值；[0153] 若达到所述预设时长阈值，则将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型。[0154] 进一步的，所述方法还包括：[0155] 若所述损失函数未收敛，则判断当前累计迭代训练次数是否达到预设次数阈值；[0156] 若达到所述预设次数阈值，则将本轮训练后得到的所述预置模型确定为所述行车轨迹生成模型。[0157] 进一步的，在所述根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型之后，所述方法还包括：[0158] 获取测试样本集合，其中，所述测试样本集合包含多个测试样本，所述测试样本包含所述目标区域对应的行车视频和所述行车视频对应的行车轨迹曲线；[0159] 根据所述测试样本集合对所述行车轨迹生成模型进行测试，以获得所述行车轨迹生成模型对应的准确率和/或召回率；[0160] 若所述行车轨迹生成模型对应的准确率小于预设准确率阈值和/或所述行车轨迹生成模型对应的召回率小于预设召回率阈值，则根据所述训练样本集合对所述行车轨迹生成模型进行训练。[0161] 进一步的，所述待绘制子区域对应的连接车道信息包括所述待绘制子区域对应的连接车道的宽度信息和真实车道线信息；所述根据每个所述待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个所述待绘制子区域对应的虚拟车道线，包括：[0162] 根据预置拟合算法对每个所述待绘制子区域对应的多个行车轨迹曲线进行拟合处理，以获得每个所述待绘制子区域对应的目标行车轨迹曲线；[0163] 根据每个所述待绘制子区域对应的目标行车轨迹曲线、连接车道的宽度信息和真实车道线信息，在所述高精地图中绘制每个所述待绘制子区域对应的虚拟车道线。[0164] 本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序代码：获取训练样本集合，其中，所述训练样本集合包含多个训练样本，所述训练样本包含目标区域对应的行车视频和所述行车视频对应的行车轨迹曲线；根据所述训练样本集合对预置模型进行训练，直至所述预置模型的损失函数收敛，以获得行车轨迹生成模型；获取待绘制区域对应的行车视频集合，其中，所述待绘制区域包含至少一个待绘制子区域，所述行车视频集合包含每个所述待绘制子区域对应的多个行车视频；分别将每个所述待绘制子区域对应的多个行车视频输入至所述行车轨迹生成模型中，以获得每个所述待绘制子区域对应的多个行车轨迹曲线；根据每个所述待绘制子区域对应的多个行车轨迹曲线和连接车道信息，在高精地图中绘制每个所述待绘制子区域对应的虚拟车道线。[0165] 本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。[0166] 本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。[0167] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。[0168] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。[0169] 在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。[0170] 存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。存储器是计算机可读介质的示例。[0171] 计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD‑ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。[0172] 还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。[0173] 本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。[0174] 以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

专利地区：浙江

专利申请日期：2022-06-20

专利公开日期：2024-07-26

专利公告号：CN115063507B