[发明专利]用分割得分图和聚类图检测车道线的后处理方法以及装置

权利要求书

1.一种使用分割得分图和聚类图来检测一个或多个车道线的后处理方法，其特征在于，包括以下步骤：

(a)若卷积神经网络使用输入图像生成所述分割得分图和所述聚类图，则计算装置获取所述分割得分图和所述聚类图；

(b)所述计算装置使在所述卷积神经网络的后端执行数据处理的后处理模块(i)参考所述分割得分图来检测车道线元素，所述车道线元素是所述输入图像上的包含形成所述车道线的像素的单位区域，(ii)参考所述车道线元素、所述分割得分图和所述聚类图来生成种子信息；

(c)所述计算装置使所述后处理模块参考所述种子信息生成与各所述车道线对应的一个或多个基本模型，并参考所述基本模型生成一个或多个车道线锚点；

(d)所述计算装置使所述后处理模块参考所述车道线锚点生成一个或多个车道线连通域，所述车道线连通域包括所述车道线元素的至少一个集合；以及

(e)所述计算装置使所述后处理模块(i)参考所述车道线连通域来检测所述输入图像中的一个或多个车道线候选组，(ii)对所述车道线候选组应用至少一次线性拟合运算来生成至少一个车道线模型，以检测所述车道线。

2.如权利要求1所述的方法，其特征在于，

在所述步骤(a)之前，

所述卷积神经网络对所述输入图像应用至少一次卷积运算和至少一次反卷积运算来生成所述分割得分图，并且，将神经网络运算应用到所述分割得分图以使得：(i)所述分割得分图所包含的、与包含在所述输入图像中的各所述车道线的像素对应的每个值的不同类别之间的各个差异增大，并且(ii)所述分割得分图所包含的、与包含在所述输入图像中的各所述车道线的像素对应的每个值的相同类别的各个方差减小。

3.如权利要求1所述的方法，其特征在于，

在所述步骤(b)中，

所述后处理模块使用(i)与所述输入图像上的所述车道线元素的位置对应的中心坐标、(ii)所述车道线元素的宽度、(iii)与包含在所述车道线元素内的像素对应的所述分割得分图上的代表值以及(iv)所述聚类图来生成所述种子信息，所述种子信息包括聚类ID值中的至少一个，所述聚类ID值表示包含所述车道线元素的至少一个车道线。

4.如权利要求1所述的方法，其特征在于，

在所述步骤(c)中，

所述后处理模块在所述基本模型中将由最接近直线型的预定公式表示的特定基本模型确定为所述车道线锚点之一，所述预定公式是参考所述车道线元素的中心坐标导出的。

5.如权利要求1所述的方法，其特征在于，

在所述步骤(c)中，

所述后处理模块将特定基本模型确定为所述车道线锚点之一，所述特定基本模型是在所述基本模型中参考特定车道线元素来选择的，所述特定车道线元素是(i)所述分割得分图上的代表值大于或等于预设阈值、并且(ii)使用所述聚类图获取的聚类ID值相似的车道线元素。

6.如权利要求1所述的方法，其特征在于，

在所述步骤(c)中，

所述后处理模块将特定基本模型确定为所述车道线锚点之一，所述特定基本模型是在所述基本模型中参考特定车道线元素来选择的，所述特定车道线元素为所述种子信息所包含的聚类ID值的方差最小的车道线元素。

7.如权利要求1所述的方法，其特征在于，

在所述步骤(d)中，

所述后处理模块通过对与每个所述车道线锚点相邻的各特定车道线元素进行跟踪和分组来生成所述车道线连通域。

8.如权利要求7所述的方法，其特征在于，

所述后处理模块参考所述种子信息所包含的与每个所述车道线锚点对应的各聚类ID值、各代表值以及各宽度来对与每个所述车道线锚点相邻的各所述特定车道线元素进行跟踪和分组，以生成每个所述车道线连通域。

9.如权利要求8所述的方法，其特征在于，

所述后处理模块针对每个所述车道线锚点，沿着每个所述车道线锚点在两个方向上对所述特定车道线元素进行跟踪和分组，以生成所述车道线连通域。