[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

权利要求书

1.一种交通标识线的提取方法，其特征在于，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。

2.根据权利要求1所述的方法，其特征在于，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。

3.根据权利要求2所述的方法，其特征在于，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。

4.根据权利要求3所述的方法，其特征在于，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，将其映射到金字塔网络中相应的特征图下，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。

5.根据权利要求4所述的方法，其特征在于，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，并计算感兴趣区域的多层次特征：

基于特征金字塔网络，通过如下公式将候选框映射到字塔网络的第N层特征图：

其中，W和H的乘积表示候选框的面积。

6.根据权利要求5所述的方法，其特征在于，所述对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。

7.根据权利要求6所述的方法，其特征在于，还包括：

通过Focal Loss损失函数优化模型，对所述区域建议网络进行优化；

其中，所述Focal Loss损失函数优化模型包括：

其中，p和q分别表示特征图中像素点的预测分布和真实分布；

α表示平衡参数；

γ表示调制参数。

8.一种交通标识线的提取装置，其特征在于，包括：

处理模块，用于基于道路点云数据，得到像素的强度特征图像；

分割模块，用于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；

提取模块，用于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。

9.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～7中任一项所述的方法。