[发明专利]车道线检测方法、系统及终端设备

说明书

本发明适用于无人驾驶技术领域，提供了一种车道线检测方法、系统及终端设备，上述车道线检测方法包括：获取训练样本集，并根据训练样本集对预先构建的车道线像素检测模型进行训练，得到训练后的车道线像素检测模型；其中，训练样本集中的图像均已标记出车道线像素；获取待检测的道路图像，并将待检测的道路图像输入训练后的车道线像素检测模型中，得到第一车道线图像；其中，第一车道线图像为车道线像素与非车道线像素分离的二值图像；对第一车道线图像中的车道线像素进行分类，得到已标明目标车道线的目标车道线图像。本发明能够不受光照、天气、阴影和遮挡等影响，具有良好的鲁棒性。

技术领域

本发明属于无人驾驶技术领域，尤其涉及一种车道线检测方法、系统及终端设备。

背景技术

随着人工智能技术的发展，无人驾驶汽车成为可能，在无人驾驶汽车领域中，车道线检测是高级辅助驾驶的重要环节。

目前，车道线检测通常是首先进行图像灰度化，通过透视变化对感兴趣区域进行提取，然后采用霍夫变换、随机抽样一致性等算法完成车道线的检测。这种方法需要人为调整参数，且易受光照、天气、阴影和遮挡等影响，导致鲁棒性较差。

发明内容

有鉴于此，本发明实施例提供了一种车道线检测方法、系统及终端设备，以解决现有技术中由于需要人为调整参数，且易受光照、天气、阴影和遮挡等影响，导致鲁棒性较差的问题。

本发明实施例的第一方面提供了一种车道线检测方法，包括：

获取训练样本集，并根据训练样本集对预先构建的车道线像素检测模型进行训练，得到训练后的车道线像素检测模型；其中，训练样本集中的图像均已标记出车道线像素；

获取待检测的道路图像，并将待检测的道路图像输入训练后的车道线像素检测模型中，得到第一车道线图像；其中，第一车道线图像为车道线像素与非车道线像素分离的二值图像；

对第一车道线图像中的车道线像素进行分类，得到已标明目标车道线的目标车道线图像。

本发明实施例的第二方面提供了一种车道线检测系统，包括：

训练模块，用于获取训练样本集，并根据训练样本集对预先构建的车道线像素检测模型进行训练，得到训练后的车道线像素检测模型；其中，训练样本集中的图像均已标记出车道线像素；

检测模块，用于获取待检测的道路图像，并将待检测的道路图像输入训练后的车道线像素检测模型中，得到第一车道线图像；其中，第一车道线图像为车道线像素与非车道线像素分离的二值图像；

分类模块，用于对第一车道线图像中的车道线像素进行分类，得到已标明目标车道线的目标车道线图像。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如第一方面所述车道线检测方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被一个或多个处理器执行时实现如第一方面所述车道线检测方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：本发明实施例首先用已标记出车道线像素的大量训练样本，对车道线像素检测模型进行训练得到训练后的车道线像素检测模型，然后将待检测的道路图像输入训练后的车道线像素检测模型得到第一车道线图像；最后对第一车道线图像中的车道线进行分类，得到标明车道线的目标车道线图像。本发明实施例提供的车道线检测方法不受光照、天气、阴影和遮挡等影响，具有良好的鲁棒性。

附图说明