[发明专利]基于数字孪生的交通场景解析方法以及装置

说明书

本申请公开一种基于数字孪生的交通场景解析方法以及装置。方法包括：获取虚拟源域数据与真实目标域数据；根据虚拟源域数据对语义分割模型进行模型训练，获得初始语义分割模型，并输出虚拟源域数据分割结果；将真实目标域数据输入至初始语义分割模型，输出真实目标域数据分割结果；将虚拟源域数据分割结果与真实目标域数据分割结果，分别输入至域判别器模型中进行判别训练，若输出虚拟源域数据分割结果，则根据域判别器模型的训练参数对初始语义分割模型的训练参数进行调整，获得训练完成的语义分割模型；获取待测目标图像，将待测目标图像输入至训练完成的语义分割模型中，输出待测目标图像的语义分割结果。

技术领域

本申请涉及智慧交通技术领域，特别是涉及一种基于数字孪生的交通场景解析方法以及装置。

背景技术

近年来，高位视频技术发展迅速，通过在路侧安装高位视频摄像头进行数据采集。利用视觉算法对采集的数据进行车道线检测、泊位线检测、可通行区域分割、路侧绿植分割等多种任务，从而实现对整个高位摄像头所监控的区域进行全方位的交通场景解析，有利于对路侧停车实现更加精细且准确的管理。并且，交通场景解析可以为车路协同技术的部署与发展提供数据，对城市的交通管理与行车安全等各个方面都具有积极地促进作用。

然而，传统方法基于图像数据进行逐像素的语义分割标注、矩形框的2D框标注等实现交通场景解析，需要依赖于大量精细标注的数据，耗费大量的人工成本和时间成本，导致解析效率低。

申请内容

本申请的目的是解决传统方法耗费大量的人工成本和时间成本导致的解析效率低的技术问题。为实现上述目的，本申请提供一种基于数字孪生的交通场景解析方法以及装置。

本申请提供一种基于数字孪生的交通场景解析方法，包括：

获取虚拟源域数据与真实目标域数据，所述虚拟源域数据包括仿真交通场景图像数据与对应的标注标签，所述真实目标域数据包括真实交通场景图像数据；

根据所述虚拟源域数据对语义分割模型进行模型训练，获得初始语义分割模型，并输出虚拟源域数据分割结果；

将所述真实目标域数据输入至所述初始语义分割模型，输出真实目标域数据分割结果；

将所述虚拟源域数据分割结果与所述真实目标域数据分割结果，分别输入至域判别器模型中进行判别训练，若输出所述虚拟源域数据分割结果，则根据所述域判别器模型的训练参数对所述初始语义分割模型的训练参数进行调整，获得训练完成的语义分割模型；

获取待测目标图像，将所述待测目标图像输入至所述训练完成的语义分割模型中，输出所述待测目标图像的语义分割结果。

在一个实施例中，所述获取待测目标图像，将所述待测目标图像输入至所述训练完成的语义分割模型中，输出所述待测目标图像的语义分割结果之后，所述基于数字孪生的交通场景解析方法还包括：

对所述待测目标图像的语义分割结果进行数字孪生，获得虚拟可视化交通场景；

根据所述虚拟可视化交通场景，对交通实况进行管理。

在一个实施例中，所述根据虚拟源域数据对语义分割模型进行模型训练，获得初始语义分割模型，并输出虚拟源域数据分割结果，包括：

构建所述语义分割模型的损失函数，所述语义分割模型的损失函数为：

其中，c表示所述语义分割模型的语义分割类别数目，P_s表示所述虚拟源域数据分割结果，y_c表示所述仿真交通场景图像数据对应的标注标签类别；

根据所述语义分割模型的损失函数，对所述语义分割模型进行模型训练，获得所述初始语义分割模型。