[发明专利]用于检测车道和道路的方法

说明书

本发明涉及一种用于检测车道(S1‑S3)和道路(1)的方法，其中，使用包括至少一个编码器以及至少一个第一解码器和一个第二解码器的多任务DNN(深度神经网络)架构进行检测，所述方法包括以下步骤：‑借助光学检测装置提供(VS1)输入图像，‑借助编码器过滤(VS2)输入图像，‑通过编码器生成(VS3)车道(S1‑S3)和/或道路(1)的第一表征，‑将第一表征转发(VS4)到第一解码器和第二解码器，‑在第一解码器和第二解码器中处理(VS5)第一表征，‑输出(VS6)第一解码器和第二解码器的其他两个不同表征，‑合并(VS7)第一解码器和第二解码器的两个表征，‑输出(VS8)识别到的车道(S1‑S3)、车道界限以及道路(1)。

技术领域

本发明涉及一种用于检测车道和道路的方法。

背景技术

从现有技术中已知例如识别车道标记或道路界限并由其导向的方法。在已知方法中，所有驾驶员辅助功能也以车道标记和/或道路边界为指南。

已知方法中的缺点是，它们仅使用标记和/或界限作为车道走向或道路走向的参考，其中，这常在缺失标记或标记不可见时出现问题。例如，没有正确识别的标记就无法运行车道保持辅助系统。

此外，从现有技术中已知诸如语义分割法以及回归法等特定方法。

语义分割法，即按像素分类，是一种具有较高分类性能的常用方法。然而，即使从正确分类的图像区域中提取车道/道路界限等相关信息，也不一定方便或明确，因为这类系统通常会成像一条道路等的可见区域，但不会成像诸如道路边缘等界限。

尤其在有诸如车辆等遮掩/遮挡车道界限或道路界限的动态目标时，道路边缘等界限在成像中被忽略，这使得随后从像素标记的图像材料中提取相应界限变得更加困难。

回归方法的使用提供了直接以参数表示形式输出界限的可能性。在界限被遮掩或不确定的情况下，这种方法能从图像上下文中内插中间值。

然而，在此却很难识别网络在哪些区域提供正确的检测以及在哪些区域已实施网络内插。

发明内容

因此，本发明的任务是提供一种用于检测车道和道路的方法，该方法即使在困难情况下也能可靠检测车道和道路。

该任务通过独立权利要求1的主题解决。

本发明其他有益的设计方案和实施方式是从属权利要求的主题。

首先要考虑的是使用深度神经网络(DNN)可靠地检测车道、本身所在车道和相邻车道以及可行驶的道路区域，即使在困难情况下，该深度神经网络也能实现较高的识别率。这也包括对检测置信度的分析评估。

根据本发明所述，提出了一种用于检测车道和道路的方法，其中，使用包括至少一个编码器以及至少一个第一解码器和一个第二解码器的多任务DNN(深度神经网络)架构进行检测，所述方法包括以下步骤：

-借助光学检测装置提供输入图像，

-借助编码器过滤输入图像，

-通过编码器生成第一表征，

-将第一表征转发到第一解码器和第二解码器，

-在第一解码器和第二解码器中处理第一表征，

-输出第一解码器和第二解码器的其他两个不同表征，

-合并第一解码器和第二解码器的两个表征，

-输出识别到的车道、车道界限和/或道路。