[发明专利]车道线的检测方法、装置、设备及存储介质

权利要求书

1.一种车道线的检测方法，其特征在于，所述车道线的检测方法包括以下步骤：

获取目标车辆前方的图像信息，并对所述图像信息进行特征提取，获得对应的图像特征信息；

根据所述图像特征信息对所述车道线的起始点和终点进行预测，获得所述车道线的起始点和终点；

根据所述起始点和所述终点，生成初始车道线；

预测初始车道线与目标车道线间的偏移量，根据预测偏移量对所述初始车道线的坐标进行调整，获得预测车道线的坐标，以实现目标车辆前方车道线的检测。

2.如权利要求1所述的车道线的检测方法，其特征在于，所述获取目标车辆前方的图像信息，并对所述图像信息进行特征提取，获得对应的图像特征信息，包括：

获取布设在所述目标车辆上的预设采集设备，根据所述预设采集设备对所述目标车辆前方的图像信息进行采集；

获取预设骨干网络模型，根据所述预设骨干网络模型对采集的图像信息进行特征提取，获得对应的图像特征信息。

3.如权利要求1所述的车道线的检测方法，其特征在于，根据所述图像特征信息对所述车道线的起始点和终点进行预测，获得所述车道线的起始点和终点，包括：

获取卷积层头网络，根据所述头网络对所述图像特征信息进行通道转换，获得用于关键点检测的热图；

根据所述预设关键点预测策略对所述热图进行分析，获得热图的峰值点，并将所述峰值点的坐标作为所述车道线的起始点；

根据所述图像特征信息对所述车道线的终点进行预测，获得所述车道线的终点。

4.如权利要求3所述的车道线的检测方法，其特征在于，所述将所述峰值点的坐标作为所述车道线的起始点之前，还包括：

对所述热图的峰值点进行坐标选取，获得对应的峰值点的坐标；

获取预设阈值，判断所述峰值坐标的分值是否大于预设阈值；

若所述峰值坐标的分值大于预设阈值，则执行将所述峰值点的坐标作为所述车道线的起始点的步骤；

基于检测的车道线起始点个数，确定预测车道线的条数L。

5.如权利要求1所述的车道线的检测方法，其特征在于，所述根据所述图像特征信息对所述车道线的起始点和终点进行预测，获得所述车道线的起始点和终点，包括：

根据所述图像特征信息对所述车道线的起始点进行预测，获得所述车道线的起始点；

获取卷积层头网络，根据所述头网络对所述图像特征信息进行映射转换，获得用于估计车道线消失点位置的概率图；

根据所述概率图和所述消失点，预测所述车道线的终点。

6.如权利要求5所述的车道线的检测方法，其特征在于，所述根据所述概率图和所述消失点，预测所述车道线的终点，包括：

对所述概率图进行扫描，获得当前行车道线点所占的宽度；

获取所述扫描后的概率图对应的下一行车道线点所占的宽度，若所述当前行车道线点所占的宽度大于下一行车道线点所占的宽度的二分之一，则根据所述当前行的宽度和所述消失点，获得所述车道线消失点所在的行及其宽度；

将所述车道线消失点的行进行L-1等分，预测所述车道线的终点。

7.如权利要求1至6中任一项所述的车道线的检测方法，其特征在于，所述预测初始车道线与目标车道线间的偏移量，根据预测偏移量对所述初始车道线的坐标进行调整，获得预测车道线的坐标，以实现目标车辆前方车道线的检测，包括：

获取图像特征信息和LDNet算法，基于所述图像特征信息，LDNet预测初始车道线与其对应目标车道线间的偏移量；

根据所述预测偏移量对所述初始车道线的坐标进行调整，获得预测车道线的坐标，以实现目标车辆前方车道线的检测。