本公開(kāi)涉及人工智能，尤其涉及計(jì)算機(jī)視覺(jué)、深度學(xué)習(xí)、大模型等，可應(yīng)用于自動(dòng)駕駛、自動(dòng)泊車等場(chǎng)景。

背景技術(shù)：

1、隨著科技的快速發(fā)展，行駛在道路中的車輛的數(shù)量呈現(xiàn)較快的增長(zhǎng)趨勢(shì)，車輛可以借助道路地圖來(lái)實(shí)現(xiàn)自動(dòng)駕駛功能，駕駛員也可以基于較為精確的道路地圖來(lái)輔助駕駛車輛，道路地圖的精確度對(duì)提升車輛行駛安全性和行駛效率有較大影響。

技術(shù)實(shí)現(xiàn)思路

1、本公開(kāi)提供了一種地圖生成方法、車輛控制方法、訓(xùn)練方法、裝置、電子設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品。

2、根據(jù)本公開(kāi)的一方面，提供了一種地圖生成方法，包括：獲取與目標(biāo)通行區(qū)域相關(guān)的環(huán)境圖像和初始地圖，初始地圖包括初始車道線；對(duì)環(huán)境圖像和初始地圖進(jìn)行特征融合，得到目標(biāo)融合特征；基于目標(biāo)融合特征更新至少一個(gè)初始車道線，得到目標(biāo)地圖，目標(biāo)地圖包括表征目標(biāo)地圖中的車道線與初始車道線之間差異的車道線差異屬性。

3、根據(jù)本公開(kāi)的另一方面，提供了一種車輛控制方法，包括：根據(jù)目標(biāo)地圖控制車輛行駛，其中，目標(biāo)地圖是根據(jù)本公開(kāi)實(shí)施例提供的地圖生成方法確定的。

4、根據(jù)本公開(kāi)的另一方面，提供了一種深度學(xué)習(xí)模型的訓(xùn)練方法，深度學(xué)習(xí)模型包括特征融合網(wǎng)絡(luò)和地圖檢測(cè)網(wǎng)絡(luò)，訓(xùn)練方法包括：獲取訓(xùn)練樣本，訓(xùn)練樣本包括與樣本通行區(qū)域相關(guān)的樣本環(huán)境圖像、樣本初始地圖和標(biāo)簽地圖，樣本初始地圖包括樣本初始車道線，標(biāo)簽地圖包括標(biāo)簽車道線；利用特征融合網(wǎng)絡(luò)對(duì)樣本環(huán)境圖像和樣本初始地圖進(jìn)行特征融合，得到樣本目標(biāo)融合特征；利用地圖檢測(cè)網(wǎng)絡(luò)，基于樣本目標(biāo)融合特征更新樣本初始地圖，得到樣本地圖，樣本地圖包括表征樣本地圖中的樣本車道線與樣本初始車道線之間差異的車道線差異屬性；根據(jù)樣本地圖和標(biāo)簽地圖訓(xùn)練深度學(xué)習(xí)模型。

5、根據(jù)本公開(kāi)的另一方面，提供了一種地圖生成裝置，包括：第一獲取模塊，用于獲取與目標(biāo)通行區(qū)域相關(guān)的環(huán)境圖像和初始地圖，初始地圖包括初始車道線；融合模塊，用于對(duì)環(huán)境圖像和初始地圖進(jìn)行特征融合，得到目標(biāo)融合特征；目標(biāo)地圖獲得模塊，用于基于目標(biāo)融合特征更新至少一個(gè)初始車道線，得到目標(biāo)地圖，目標(biāo)地圖包括表征目標(biāo)地圖中的車道線與初始車道線之間差異的車道線差異屬性。

6、根據(jù)本公開(kāi)的另一方面，提供了一種車輛控制裝置，包括：控制模塊，用于根據(jù)目標(biāo)地圖控制車輛行駛，其中，目標(biāo)地圖是根據(jù)本公開(kāi)實(shí)施例提供的地圖生成方法確定的。

7、根據(jù)本公開(kāi)的另一方面，提供了一種深度學(xué)習(xí)模型的訓(xùn)練裝置，深度學(xué)習(xí)模型包括特征融合網(wǎng)絡(luò)和地圖檢測(cè)網(wǎng)絡(luò)，裝置包括：樣本獲取模塊，用于獲取訓(xùn)練樣本，訓(xùn)練樣本包括與樣本通行區(qū)域相關(guān)的樣本環(huán)境圖像、樣本初始地圖和標(biāo)簽地圖，樣本初始地圖包括樣本初始車道線，標(biāo)簽地圖包括標(biāo)簽車道線；樣本目標(biāo)融合特征獲得模塊，用于利用特征融合網(wǎng)絡(luò)對(duì)樣本環(huán)境圖像和樣本初始地圖進(jìn)行特征融合，得到樣本目標(biāo)融合特征；樣本地圖獲得模塊，用于利用地圖檢測(cè)網(wǎng)絡(luò)，基于樣本目標(biāo)融合特征更新樣本初始地圖，得到樣本地圖，樣本地圖包括表征樣本地圖中的樣本車道線與樣本初始車道線之間差異的車道線差異屬性；訓(xùn)練模塊，用于根據(jù)樣本地圖和標(biāo)簽地圖訓(xùn)練深度學(xué)習(xí)模型。

8、根據(jù)本公開(kāi)的另一方面，提供了一種電子設(shè)備，包括：至少一個(gè)處理器；以及與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行本公開(kāi)實(shí)施例提供的方法。

9、根據(jù)本公開(kāi)的另一方面，提供了一種存儲(chǔ)有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中，所述計(jì)算機(jī)指令用于使所述計(jì)算機(jī)執(zhí)行本公開(kāi)實(shí)施例提供的方法。

10、根據(jù)本公開(kāi)的另一方面，提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)實(shí)現(xiàn)本公開(kāi)實(shí)施例提供的方法。

11、應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本公開(kāi)的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本公開(kāi)的范圍。本公開(kāi)的其它特征將通過(guò)以下的說(shuō)明書(shū)而變得容易理解。

技術(shù)特征：

1.一種地圖生成方法，包括：

2.根據(jù)權(quán)利要求1所述的方法，其中，所述基于所述目標(biāo)融合特征更新至少一個(gè)所述初始車道線，得到目標(biāo)地圖包括：

3.根據(jù)權(quán)利要求2所述的方法，其中，所述基于所述目標(biāo)融合特征和初始車道線特征進(jìn)行車道差異檢測(cè)，得到所述車道線差異屬性包括：

4.根據(jù)權(quán)利要求1至3中任一項(xiàng)所述的方法，其中，所述車道線差異屬性包括以下至少一項(xiàng)：

5.根據(jù)權(quán)利要求1所述的方法，其中，所述對(duì)所述環(huán)境圖像和所述初始地圖進(jìn)行特征融合，得到目標(biāo)融合特征包括：

6.根據(jù)權(quán)利要求5所述的方法，其中，所述基于注意力機(jī)制融合所述環(huán)境圖像特征和所述初始車道線特征，得到所述目標(biāo)融合特征包括：

7.根據(jù)權(quán)利要求6所述的方法，其中，所述基于注意力機(jī)制融合所述中間融合特征和預(yù)設(shè)的車道線查詢特征，得到所述目標(biāo)融合特征包括：

8.根據(jù)權(quán)利要求5所述的方法，其中，所述對(duì)所述初始車道線的矢量點(diǎn)進(jìn)行特征提取，得到初始車道線特征包括：

9.根據(jù)權(quán)利要求1所述的方法，其中，所述環(huán)境圖像包括以下至少一項(xiàng)：

10.一種車輛控制方法，包括：

11.一種深度學(xué)習(xí)模型的訓(xùn)練方法，所述深度學(xué)習(xí)模型包括特征融合網(wǎng)絡(luò)和地圖檢測(cè)網(wǎng)絡(luò)，所述方法包括：

12.根據(jù)權(quán)利要求11所述的方法，其中，所述樣本地圖包括樣本車道線和樣本車道線類型；

13.根據(jù)權(quán)利要求12所述的方法，其中，所述根據(jù)第二損失函數(shù)處理所述樣本車道線的樣本車道線類型，得到車道線類型損失值包括：

14.根據(jù)權(quán)利要求11或12所述的方法，其中，所述根據(jù)所述樣本地圖和所述標(biāo)簽地圖訓(xùn)練所述深度學(xué)習(xí)模型包括：

15.一種地圖生成裝置，包括：

16.根據(jù)權(quán)利要求15所述的裝置，其中，所述目標(biāo)地圖獲得模塊包括：

17.根據(jù)權(quán)利要求16所述的裝置，其中，所述車道線差異屬性獲得子模塊包括：

18.根據(jù)權(quán)利要求15至17中任一項(xiàng)所述的裝置，其中，所述車道線差異屬性包括以下至少一項(xiàng)：

19.根據(jù)權(quán)利要求15所述的裝置，其中，所述融合模塊包括：

20.根據(jù)權(quán)利要求19所述的裝置，其中，所述融合子模塊包括：

21.根據(jù)權(quán)利要求20所述的裝置，其中，所述目標(biāo)融合特征獲得單元包括：

22.根據(jù)權(quán)利要求19所述的方法，其中，所述第二特征提取子模塊包括：

23.根據(jù)權(quán)利要求15所述的裝置，其中，所述環(huán)境圖像包括以下至少一項(xiàng)：

24.一種車輛控制裝置，包括：

25.一種深度學(xué)習(xí)模型的訓(xùn)練裝置，所述深度學(xué)習(xí)模型包括特征融合網(wǎng)絡(luò)和地圖檢測(cè)網(wǎng)絡(luò)，所述裝置包括：

26.根據(jù)權(quán)利要求25所述的裝置，其中，所述樣本地圖包括樣本車道線和樣本車道線類型；

27.根據(jù)權(quán)利要求26所述的裝置，其中，所述車道線類型損失值獲得子模塊包括：

28.根據(jù)權(quán)利要求25或26所述的裝置，其中，所述訓(xùn)練模塊包括：

29.一種電子設(shè)備，包括：

30.一種存儲(chǔ)有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中，所述計(jì)算機(jī)指令用于使所述計(jì)算機(jī)執(zhí)行根據(jù)權(quán)利要求1至14中任一項(xiàng)所述的方法。

31.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)實(shí)現(xiàn)根據(jù)權(quán)利要求1至14中任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本公開(kāi)提供了地圖生成方法、訓(xùn)練方法、裝置、電子設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品，涉及人工智能技術(shù)領(lǐng)域，尤其涉及計(jì)算機(jī)視覺(jué)、深度學(xué)習(xí)、大模型等技術(shù)領(lǐng)域，可應(yīng)用于自動(dòng)駕駛、自動(dòng)泊車等場(chǎng)景。該地圖生成方法包括：獲取與目標(biāo)通行區(qū)域相關(guān)的環(huán)境圖像和初始地圖，初始地圖包括初始車道線；對(duì)環(huán)境圖像和初始地圖進(jìn)行特征融合，得到目標(biāo)融合特征；基于目標(biāo)融合特征更新至少一個(gè)初始車道線，得到目標(biāo)地圖，目標(biāo)地圖包括表征目標(biāo)地圖中的車道線與初始車道線之間差異的車道線差異屬性。

技術(shù)研發(fā)人員：張偉,張為明,龔琛婷,譚嘯,劉紅星,王井東,丁二銳
受保護(hù)的技術(shù)使用者：北京百度網(wǎng)訊科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/17