(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211245092.0 (22)申请日 2022.10.12 (71)申请人 智道网联科技 （北京） 有限公司 地址 100029 北京市东城区北三环东路3 6 号1号楼B6 01 (72)发明人 刘成伟　 (74)专利代理 机构 北京市隆安 律师事务所 11323 专利代理师 权鲜枝　何健 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/80(2022.01) G06V 20/70(2022.01) G01C 21/32(2006.01) G01C 21/00(2006.01) (54)发明名称 高精地图的车道线 标注方法和装置、 电子设 备和存储介质 (57)摘要 本申请公开了一种高精地图的车道线标注 方法和装置、 电子设备和存储介质， 该方法包括： 获取当前的道路图像数据和激光点云数据； 利用 预设图像语义分割模型对道路图像数据进行语 义分割， 得到第一图像语义分割结果， 包括道路 图像中的车道线离散点的位置和类别； 利用预设 点云语义分割模型对激光点云数据进行语义分 割， 得到点云语义分割结果， 包括3D空间中的车 道线3D点的位置； 对第一图像语义分割结果和点 云语义分割结果进行融合， 以此在高精地图中进 行车道线标注。 本申请将车道线的图像语义分割 结果与点云语义分割结果进行融合， 弥补了图像 语义分割得到的车道线位置不准确以及点云语 义分割得到的车道线类别不准确的问题， 提高了 车道线标注的准确性。 权利要求书2页 说明书11页 附图2页 CN 115546752 A 2022.12.30 CN 115546752 A 1.一种高精地图的车道线标注方法， 其中， 所述方法包括： 获取当前的道路图像数据和对应的激光 点云数据； 利用预设图像语义分割 模型对所述道路图像数据进行语义分割， 得到第 一图像语义分 割结果， 所述第一图像 语义分割结果包括道路图像中的车道线离 散点的位置和类别； 利用预设点云语义分割 模型对所述激光点云数据进行语义分割， 得到点云语义分割结 果， 所述点云语义分割结果包括3D空间中的车道线3D点的位置； 对所述第一图像语义分割结果和所述点云语义分割结果进行融合， 得到车道线识别结 果， 以根据所述车道线识别结果在高精地图中进行 车道线标注。 2.如权利要求1所述方法， 其中， 所述利用预设图像语义分割模型对所述道路图像数据 进行语义分割， 得到第一图像 语义分割结果包括： 利用所述预设图像语义分割模型中的特征金字塔网络对所述道路图像数据进行特征 提取， 得到道路图像的特 征图； 对所述道路图像的特 征图进行网格划分， 得到包 含多个网格的特 征图； 利用所述预设图像语义分割 模型中的预测网络对包含多个网格的特征图进行预测， 得 到特征图预测结果； 根据所述特 征图预测结果确定所述道路图像中的车道线离 散点的位置和类别。 3.如权利要求2所述方法， 其中， 所述特征图预测结果包括特征图中的各个网格的类 别， 所述根据所述特征图预测结果确定所述道路图像中的车道线离散点的位置和类别包 括： 根据特征图中的各个网格的类别确定车道线所在网格； 根据所述车道线所在网格的中心位置确定车道线离 散点的初始位置； 对包含多个网格的特征图进行卷积处理， 得到所述车道线所在网格的中心位置修正 值； 利用所述车道线所在网格的中心位置修正值对所述车道线离散点的初始位置进行修 正， 得到车道线离 散点的修 正位置。 4.如权利要求1所述方法， 其中， 所述对所述第 一图像语义分割结果和所述点云语义分 割结果进行融合包括： 将所述道路图像 中的车道线离散点投影到3D空间中， 得到所述车道线离散点在3D空间 中的投影点； 根据所述车道线离散点在3D空间中的投影点， 对所述3D空间中的车道线3D点进行筛 选； 根据筛选后的车道线3D点确定所述车道线识别结果。 5.如权利要求4所述方法， 其中， 所述根据所述车道线离散点在3D空间中的投影点， 对 所述3D空间中的车道线3D点进行筛 选包括： 以所述车道线离 散点在3D空间中的投影点的位置为中心构建预设大小的球 体； 确定所述3D空间中位于所述预设大小的球体 中的3D点， 作为所述投影点对应的候选匹 配点； 根据所述 候选匹配点的类别得分确定所述3D空间中与所述投影点相匹配的3D点； 将与所述投影点相匹配的3D点作为筛 选后的车道线3D点。权　利　要　求　书 1/2 页 2 CN 115546752 A 26.如权利要求4所述方法， 其中， 所述根据筛选后的车道线3D点确定所述车道线识别结 果包括： 将所述筛 选后的车道线3D点的位置作为 最终的车道线离 散点的位置； 根据所述投影点对应的类别确定所述筛选后的车道线3D点的类别， 并作为最终的车道 线离散点的类别； 将最终的车道线离散点的位置和最终的车道线离散点的类别作为所述车道线识别结 果。 7.如权利要求1所述方法， 其中， 所述预设图像 语义分割模型通过如下 方式训练得到： 获取训练样本 图像， 并将所述训练样本 图像输入预设图像语义分割模型， 得到第二图 像语义分割结果； 根据所述第二图像语义分割结果确定各个车道线离散点在训练样本图像中的相对位 置； 根据各个车道线离散点在道路图像中的相对位置确定各个车道线离散点对应的损失 权重； 根据所述各个车道线离散点对应的损失权重确定所述预设图像语义分割模型的损失 值， 并利用所述预设图像语义分割模型 的损失值更新所述预设图像语义分割模型 的参数， 得到训练后的预设图像 语义分割模型。 8.一种高精地图的车道线标注装置， 其中， 所述装置包括： 获取单元， 用于获取当前的道路图像数据和对应的激光 点云数据； 第一语义分割单元， 用于利用预设图像语义分割 模型对所述道路图像数据进行语义分 割， 得到第一图像语义分割 结果， 所述第一图像语义分割 结果包括道路图像中的车道线离 散点的位置和类别； 第二语义分割单元， 用于利用预设点云语义分割 模型对所述激光点云数据进行语义分 割， 得到点云语义分割结果， 所述 点云语义分割结果包括3D空间中的车道线3D点的位置； 融合单元， 用于对所述第一图像语义分割结果和所述点云语义分割结果进行融合， 得 到车道线识别结果， 以根据所述车道线识别结果在高精地图中进行 车道线标注。 9.一种电子设备， 包括： 处理器； 以及 被安排成存储计算机可执行指令的存储器， 所述可执行指令在被执行时使所述处理器 执行所述权利要求1～7之任一所述方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储一个或多个程序， 所述一 个或多个程序当被包括多个应用程序的电子设备执行时， 使得所述电子设备执行所述权利 要求1～7之任一所述方法。权　利　要　求　书 2/2 页 3 CN 115546752 A 3