本公开涉及图像处理，具体而言，涉及一种道路标线信息确定方法、车辆、设备及产品。
背景技术：
1、在车辆行驶的过程中，为了便于对车辆进行规划和控制，大多构建地图来辅助控制车辆。对于高精地图而言，其主要注重位置精度，即与实际目标的绝对位置偏差。
2、除了辅助控制车辆，高精地图大多还用于构建大规模的仿真场景，用于自动驾驶的仿真测试等，这就要求高精地图的要素除了位置精度要高之外，对路面上的道路标线的几何外形识别，也要尽量和实际保持一致，这样才有助于保障仿真结果的真实性。然而在构建高精地图时，为提高制作效率，在确定道路标线的大概位置后，直接采用预设的道路标线模板信息替代真实的道路标线信息，导致高精地图中的道路标线的几何外形与实际情况并不相符，从而影响仿真测试的效果。
技术实现思路
1、本公开实施例至少提供一种道路标线信息确定方法、车辆、设备及产品。
2、本公开实施例提供了一种道路标线信息确定方法，所述方法包括：
3、获取包含目标类型标线的道路区域图像；
4、对所述道路区域图像进行二分类分割处理，得到分割图像；所述分割图像中包括具有第一像素值的第一像素点和具有第二像素值的第二像素点，所述第一像素值表征对应的第一像素点属于所述目标类型标线，所述第二像素值表征对应的第二像素点不属于所述目标类型标线；
5、对所述分割图像进行轮廓检测，确定各个封闭轮廓的最小外接图形；所述最小外接图形为与所述目标类型标线的形状对应的图形；
6、基于所述最小外接图形，确定各条目标类型标线的目标坐标信息；所述目标坐标信息用于构建道路地图中的目标类型标线。
7、一种可选的实施方式中，所述获取包含目标类型标线的道路区域图像，包括：
8、获取车辆相机拍摄的目标路段的道路图像；
9、采用目标类型标线检测模型，从所述道路图像中检测并裁剪出包括所述目标类型标线的道路区域图像。
10、一种可选的实施方式中，所述采用目标类型标线检测模型，从所述道路图像中检测所述道路区域图像，包括：
11、根据车辆定位位置信息以及预先获取的道路地图信息，确定当前是否位于目标场景对应的道路范围内；所述目标场景为能够部署目标类型标线的场景；
12、在确定位于目标场景对应的道路范围内的情况下，采用目标类型标线检测模型，从所述道路图像中检测所述道路区域图像。
13、一种可选的实施方式中，所述对所述分割图像进行轮廓检测，确定各个封闭轮廓的最小外接图形，包括：
14、对所述分割图像进行轮廓检测，得到各个初始封闭轮廓；
15、从所述各个初始封闭轮廓中，过滤掉对应的轮廓面积小于轮廓面积阈值的轮廓；
16、计算剩余封闭轮廓的最小外接图形。
17、一种可选的实施方式中，在所述确定各个封闭轮廓的最小外接图形之后，在所述基于所述最小外接图形，确定各条目标类型标线的目标坐标信息之前，所述方法还包括：
18、根据所述目标类型标线的参考属性特征，从确定的各个最小外接图形中，过滤掉对应的属性特征不符合所述参考属性特征的最小外接图形，得到过滤后的最小外接图形；所述参考属性特征包括形状和位置特征；
19、所述基于所述最小外接图形，确定各条目标类型标线的目标坐标信息，包括：
20、基于所述过滤后的最小外接图形，确定各条目标类型标线的目标坐标信息。
21、一种可选的实施方式中，在所述确定各个封闭轮廓的最小外接图形之后，在所述基于所述最小外接图形，确定各条目标类型标线的坐标信息之前，所述方法还包括：
22、计算每个最小外接图形中所述第一像素点对应的像素点比例；所述像素点比例为所述第一像素点的个数在所述分割图像的总像素点个数中的比例，或者为所述第一像素点的个数与所述第二像素点的个数之间的比例；
23、若所述像素点比例小于对应的比例阈值，则将对应的最小外接图形过滤掉，得到过滤后的最小外接图形；
24、所述基于所述最小外接图形，确定各条目标类型标线的目标坐标信息，包括：
25、基于所述过滤后的最小外接图形，确定各条目标类型标线的目标坐标信息。
26、一种可选的实施方式中，所述方法还包括：
27、获取车辆雷达扫描的道路点云数据，并将所述点云数据转换为点云图像；
28、采用所述目标类型标线检测模型，从所述点云图像中检测出所述目标类型标线所在的图像区域，并确定所述图像区域在世界坐标系下对应的第一坐标范围；
29、根据从所述道路图像中检测出的所述道路区域图像在世界坐标系下的第二坐标范围，与所述第一坐标范围之间的重合度，确定是否采用确定出的所述各条目标类型标线的目标坐标信息。
30、一种可选的实施方式中，在所述确定各条目标类型标线的目标坐标信息之后，所述方法还包括：
31、基于确定各条目标类型标线的目标坐标信息，以及采集的所述目标路段的道路图像和车辆定位数据，构建得到用于仿真测试的目标地图；
32、基于所述目标地图，对车辆进行自动驾驶的仿真测试。
33、本公开实施例还提供一种车辆，包括控制器，所述控制器包括：
34、存储器，用于存储机器可读指令；以及
35、处理器，用于调用并执行所述存储器存储的所述机器可读指令，以实现上述的道路标线信息确定方法中任一种可能的实施方式中的步骤。
36、本公开实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述机器可读指令被所述处理器执行时执行上述道路标线信息确定方法中任一种可能的实施方式中的步骤。
37、本公开实施例还提供一种计算机程序产品，该计算机程序产品上存储有计算机程序，该计算机程序被处理器运行时执行上述道路标线信息确定方法中任一种可能的实施方式中的步骤。
38、本公开实施例提供的道路标线信息确定方法、车辆、设备及产品，可以获取包含目标类型标线的道路区域图像；然后对道路区域图像进行二分类分割处理，得到分割图像；其中，分割图像中包括具有第一像素值的第一像素点和具有第二像素值的第二像素点，第一像素值表征对应的第一像素点属于目标类型标线，第二像素值表征对应的第二像素点不属于目标类型标线；接着对分割图像进行轮廓检测，确定各个封闭轮廓的最小外接图形；进而基于最小外接图形，确定各条目标类型标线的目标坐标信息；这里，目标坐标信息用于构建道路地图中的目标类型标线。
39、这样，针对包含目标类型标线的道路区域图像，采取二分类分割处理得到分割图像，从而可以通过不同的像素值区分开属于目标类型标线的像素点和不属于目标类型标线的像素点，再对分割图像进行轮廓检测并计算得到各个封闭轮廓的最小外接图形，从而可以得到目标类型标线的目标坐标信息，通过上述方式得到目标坐标信息，有助于提升目标坐标信息的精确性，进一步的，通过目标坐标信息构建道路地图中的目标类型标线，使得道路地图中的目标类型标线的几何外形与实际情况一致性高，有助于保障道路地图的真实性和准确性。
40、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开的技术方案。
41、为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
1.一种道路标线信息确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取包含目标类型标线的道路区域图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述采用目标类型标线检测模型，从所述道路图像中检测所述道路区域图像，包括：
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述对所述分割图像进行轮廓检测，确定各个封闭轮廓的最小外接图形，包括：
5.根据权利要求1至3中任一项所述的方法，其特征在于，在所述确定各个封闭轮廓的最小外接图形之后，在所述基于所述最小外接图形，确定各条目标类型标线的目标坐标信息之前，所述方法还包括：
6.根据权利要求1至3中任一项所述的方法，其特征在于，在所述确定各个封闭轮廓的最小外接图形之后，在所述基于所述最小外接图形，确定各条目标类型标线的坐标信息之前，所述方法还包括：
7.根据权利要求2所述的方法，其特征在于，所述方法还包括：
8.根据权利要求1至3中任一项所述的方法，其特征在于，在所述确定各条目标类型标线的目标坐标信息之后，所述方法还包括：
9.一种车辆，其特征在于，包括控制器，所述控制器包括：
10.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述机器可读指令被所述处理器执行时执行如权利要求1至8中任一项所述的道路标线信息确定方法的步骤。
11.一种计算机程序产品，其特征在于，该计算机程序产品上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至8中任一项所述的道路标线信息确定方法的步骤。
