[发明专利]进行车道线检测的方法和装置

说明书

本发明公开了一种进行车道线检测的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：根据车道线的原始图片得到车道线的二进制位图和实例图；使用残差网络对原始图片、二进制位图和实例图进行特征提取；使用全卷积网络对所提取的特征进行特征识别以进行车道线检测。该实施方式能够解决由于特征提取底层模型过于简单而带来的检测结果准确度低的问题；可以在使用复杂的网络模型进行特征提取和特征识别的同时，保证网络模型的处理性能，提高车道线检测的准确度，使得在光照等变化较大的复杂场景下依然能取得较高的准确度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种进行车道线检测的方法和装置。

背景技术

车道线检测对自动驾驶具有重要的意义。传统的车道线检测方法由于人工设计的特征在复杂的道路场景下，或在夜间、阴雨天气等光照变化比较大的场景下效果不佳。近几年，基于深度神经网络的车道线检测方法越来越多。与传统的人工涉及的特征相比，深度神经网络提取的特征对光照等具有更好的鲁棒性，但是由于其底层神经网络例如VGG等模型较为简单，故而导致检测准确度较差。

发明内容

有鉴于此，本发明实施例提供一种进行车道线检测的方法和装置，能够解决由于特征提取底层模型过于简单而带来的检测结果准确度低的问题；可以在使用复杂的网络模型进行特征提取和特征识别的同时，保证网络模型的处理性能，提高车道线检测的准确度，使得在光照等变化较大的复杂场景下依然能取得较高的准确度。

为实现上述目的，根据本发明实施例的一个方面，提供了一种进行车道线检测的方法。

一种进行车道线检测的方法，包括：根据车道线的原始图片得到车道线的二进制位图和实例图；使用残差网络对所述原始图片、二进制位图和实例图进行特征提取；使用全卷积网络对所提取的特征进行特征识别以进行车道线检测。

可选地，根据车道线的原始图片得到车道线的二进制位图和实例图包括：根据车道线的原始图片得到车道线上的一系列点的坐标；对所述一系列点进行三次样条插值以得到车道线轨迹线；将位于车道线轨迹线上的点的像素值设置为[255，255，255]，位于其余位置的点的像素值设置为[0，0，0]以得到所述车道线的二进制位图；将位于不同车道线轨迹线上的点的像素值分别设置为非0的不同等级，并将位于其余位置的点的像素值设置为[0，0，0]以得到所述车道线的实例图。

可选地，使用全卷积网络对所提取的特征进行特征识别包括：选取用于进行特征识别的解码层，所述解码层为所述残差网络的指定层；使用全卷积网络对所述解码层对应的所提取的特征进行卷积运算以进行特征识别。

可选地，所述残差网络为ResNet-50，且所选取的解码层为：V1-50版本的resnet网络的第4模块所表示的层resnet_v1_50/block4层、V1-50版本的resnet网络的第3模块第1单元的V1版本的瓶颈结构所表示的层resnet_v1_50/block3/unit_1/bottleneck_v1层和V1-50版本的resnet网络的第2模块第1单元的V1版本的瓶颈结构所表示的层resnet_v1_50/block2/unit_1/bottleneck_v1层。

可选地，所述残差网络为MobileNet，且所选取的解码层为：点态类型的第12个2维卷积层conv2d_12_pointwise层、点态类型的第6个2维卷积层conv2d_6_pointwise层和点态类型的第4个2维卷积层conv2d_4_pointwise层。

根据本发明实施例的又一方面，提供了一种进行车道线检测的装置。

一种进行车道线检测的装置，包括：图像获取模块，用于根据车道线的原始图片得到车道线的二进制位图和实例图；特征提取模块，用于使用残差网络对所述原始图片、二进制位图和实例图进行特征提取；特征识别模块，用于使用全卷积网络对所提取的特征进行特征识别以进行车道线检测。