[发明专利]一种基于端到端实例分割的车道线检测方法及装置在审

专利信息
申请号: 202010849063.X 申请日: 2020-08-21
公开(公告)号: CN111950498A 公开(公告)日: 2020-11-17
发明(设计)人: 徐昕;孙毅;方强;曾宇骏;呼晓畅 申请(专利权)人: 中国人民解放军国防科技大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/34;G06K9/46;G06K9/62
代理公司: 湖南兆弘专利事务所(普通合伙) 43008 代理人: 周长清;胡君
地址: 410073 湖南*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 端到端 实例 分割 车道 检测 方法 装置
【权利要求书】:

1.一种基于端到端实例分割的车道线检测方法,其特征在于,步骤包括:

实例特征嵌入:获取待检测图像,利用余弦相似度的度量方式对获取的待检测图像中各像素进行实例特征编码,获取得到实例特征图;

车道线语义分割:对获取的待检测图像进行语义分割,将车道线的像素从背景中提取出来;

关键点预测:预测每一条车道线上的所需关键点,并从提取的所述实例特征图中对应所述关键点所在位置处提取出每条车道线的代表性特征,得到各条车道线的代表特征组合;

实例分类:将所述代表特征组合作为全连接权重,并与提取的所述实例特征图进行全连接操作,得到每一个像素的实例分类结果,实现车道线检测。

2.根据权利要求1所述的基于端到端实例分割的车道线检测方法,其特征在于,所述进行实例特征编码时,用于监督特征嵌入的损失函数具体为:

其中,C为实例数,Nc为每条车道线上的像素个数,x为归一化之后的像素特征,xcen为每一个实例的平均特征,M为余弦相似度的判别间距。

3.根据权利要求1所述的基于端到端实例分割的车道线检测方法,其特征在于,所述进行语义分割时,具体先计算像素特征的归一化概率P={p1,p2},其中p1,p2分别表示每个像素隶属于背景和车道线的概率,然后使用交叉熵计算分类损失lseg,目标函数具体为:

其中,为真值中第i个像素点属于第j类的概率,pj为网络预测的第i个样本点属于第j类的概率。

4.根据权利要求1~3中任意一项所述的基于端到端实例分割的车道线检测方法,其特征在于,所述关键点预测步骤中具体提取每条车道线的中间点和/或中间区域中指定范围内的点作为所述关键点。

5.根据权利要求1~3中任意一项所述的基于端到端实例分割的车道线检测方法,其特征在于,所述关键点预测步骤中,具体通过先预测具有最高概率的前多个点,然后通过非极大值抑制排除同一条车道线上重复预测的关键点,最终得到每条车道线上预测的关键点位置。

6.根据权利要求1~3中任意一项所述的基于端到端实例分割的车道线检测方法,其特征在于,所述关键点预测步骤中,关键点预测损失具体采用下式计算得到:

其中,yi,j为真值图中每个位置(i,j)处的概率真值,p为网络预测的概率图。

7.根据权利要求1~3中所述的基于端到端实例分割的车道线检测方法,其特征在于,所述实例分类步骤中,具体将所述代表特征组合作为一组全连接权重与所述实例特征图进行全连接操作后,再通过softmax函数计算得到每个像素点的实例分类结果,即Y=softmax(FC(W,F)),Y为实例分类结果,W为所述代表特征组合,F为所述实例特征图,FC为全连接计算。

8.一种基于端到端实例分割的车道线检测装置,其特征在于,包括:

实例特征嵌入模块,用于获取待检测图像,利用余弦相似度的度量方式对获取的待检测图像中各像素进行实例特征编码,获取得到实例特征图;

车道线语义分割模块,用于对获取的待检测图像进行语义分割,将车道线的像素从背景中提取出来;

关键点预测模块,用于预测每一条车道线上的所需关键点,并从提取的所述实例特征图中对应所述关键点所在位置处提取出每条车道线的代表性特征,得到各条车道线的代表特征组合;

实例分类模块,用于将所述代表特征组合作为全连接权重,并与提取的所述实例特征图进行全连接操作,得到每一个像素的实例分类结果,实现车道线检测。

9.一种存储有计算机程序的计算机可读存储介质,所述计算机程序执行时实现如权利要求1~7中任意一项所述基于端到端实例分割的车道线检测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010849063.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top