本公开涉及检测用于创建高清晰度(hd)地图的车道区段的方法。
背景技术:
1、自主车辆(av)可被配置成自主地操作并在具有很少或没有人类输入的情况下在其环境中导航。为了安全地这样做,av可结合各种传感器使用高清晰度(hd)地图,所述各种传感器收集关于道路、周围车辆和它们可能遇到的其他对象或行动者的实时数据。hd地图通常是高度精确的路线图,所述路线图可包含关于车道边界、车道停靠点、十字路口、人行横道、停车标志和交通标志的信息。av使用hd地图中的信息来辅助定位并在车道级的基础上在其环境中导航。
2、生成hd地图的时间和成本仍然是一项重大挑战。用于自动化hd地图创建的当前解决方案通常依赖于在图像空间中操作以检测图像中的车道区段的神经网络模型。虽然这些模型可预测直线车道区段,但是它们通常无法检测十字路口的车道区段。十字路口通常包括可能处于相同位置或重叠的不同车道。然而,对于在图像空间中操作的模型(例如,经典对象检测和分割),车道或其他对象之间可能没有重叠。因此,需要用于检测用于创建hd地图的车道区段的改进方法。
技术实现思路
1、本文公开的各方面总体上涉及用于检测用于创建高清晰度(hd)地图的车道区段的方法、系统和计算机程序产品。各方面涉及由一个或多个计算装置上的神经网络将包括某个位置的鸟瞰视图(bev)的图像的像素分类为属于行驶车道。基于由所述一个或多个计算装置上的所述神经网络确定所述像素属于所述行驶车道的第一边界线而指派标签,所述标签指示所述像素为所述行驶车道的所述第一边界线的一部分。基于所述标记的像素和作为所述行驶车道的所述第一边界线的一部分的一个或多个额外标记的像素,构建所述行驶车道的所述第一边界线的第一线条图。基于所述行驶车道的所述第一边界线的所述第一线条图和所述行驶车道的第二边界线的第二线条图的组合而创建车道区段。
1.一种方法,其包括:
2.如权利要求1所述的方法,其还包括:
3.如权利要求1所述的方法,其还包括:
4.如权利要求1所述的方法,其还包括:
5.如权利要求4所述的方法,其中预测所述标记的像素和所述一个或多个额外标记的像素中的每一者的所述粗略行驶方向还包括:
6.如权利要求1所述的方法,其还包括:
7.如权利要求6所述的方法,其中所述确定是否将所述车道区段连接到所述十字路口中的所述第二车道区段还包括:
8.一种存储指令的非暂时性计算机可读介质,所述指令当由一个或多个处理器执行时,致使所述一个或多个处理器执行操作,所述操作包括:
9.如权利要求8所述的非暂时性计算机可读介质,其中所述操作还包括:
10.一种系统,其包括:
11.如权利要求10所述的系统,其中所述操作还包括:
12.如权利要求10所述的系统,其中所述操作还包括:
13.如权利要求12所述的系统,其中预测所述标记的像素和所述一个或多个额外标记的像素中的每一者的粗略行驶方向还包括:
14.如权利要求10所述的系统,其中所述操作还包括:
15.如权利要求10所述的系统,其中所述确定是否将所述车道区段连接到