[发明专利]一种车道线检测方法、装置、电子设备及存储介质在审

专利信息
申请号: 202210419562.4 申请日: 2022-04-20
公开(公告)号: CN114821528A 公开(公告)日: 2022-07-29
发明(设计)人: 王维颂;尚广利;张伟 申请(专利权)人: 苏州清研微视电子科技有限公司
主分类号: G06V20/58 分类号: G06V20/58;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京品源专利代理有限公司 11332 代理人: 王风茹
地址: 215200 江苏省苏州*** 国省代码: 江苏;32
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 车道 检测 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种车道线检测方法,其特征在于,包括:

获取待检测图像,并将所述待检测图像输入预设检测模型,利用所述预设检测模型的主干网络模块提取所述待检测图像中的视觉特征,得到所述待检测图像的图像特征;

利用所述预设检测模型的层链接模块对所述待检测图像的图像特征进行多层融合,得到所述待检测图像的融合特征;

利用所述预设检测模型的特征映射模块将所述待检测图像的融合特征进行空间映射,得到所述待检测图像的车道线特征;

根据所述待检测图像的车道线特征确定所述待检测图像中的车道线信息,其中,所述车道线信息包括车道线的方程、颜色和线型。

2.根据权利要求1所述的方法,其特征在于,所述预设检测模型的获取方式如下:

对车道线数据集内每张图像中的车道线进行标注,得到每张图像中的车道线标记信息;

利用训练检测模型对所述每张图像进行检测,得到所述每张图像的检测车道线信息;

根据所述每张图像的检测车道线信息和所述每张图像的车道线标记信息计算损失熵,并利用所述损失熵优化所述训练检测模型,从而得到所述预设检测模型。

3.根据权利要求2所述的方法,其特征在于,对车道线数据集内每张图像中的车道线进行标注,得到每张图像中的车道线标记信息,包括:

根据所述每张图像的拍摄视角确定所述每张图像中的车道线,并以所述车道线上的行驶车辆为中心从右至左标记车道线序号以及所述车道线序号对应的颜色和线型。

4.根据权利要求1所述的方法,其特征在于,所述预设检测模型的主干网络模块由混合卷积模块ShuffleNet搭建而成。

5.根据权利要求1所述的方法,其特征在于,根据所述待检测图像的车道线特征确定所述待检测图像中的车道线信息,包括:

根据所述待检测图像的车道线特征中待拟合特征点确定所述待检测图像中车道线的方程和置信度;

根据所述待检测图像的车道线特征确定所述待检测图像中车道线的颜色和线型。

6.根据权利要求5所述的方法,其特征在于,根据所述待检测图像的车道线特征中待拟合特征点确定所述待检测图像中车道线的方程和置信度,包括:

对所述待检测图像的车道线特征中待拟合特征点进行线性拟合,得到所述待检测图像中各车道线的方程;

根据所述待拟合特征点和所述各车道线的方程确定所述各车道线的方程对应的置信度。

7.根据权利要求6所述的方法,其特征在于,根据所述待拟合特征点和所述各车道线的方程确定所述各车道线的方程对应的置信度,包括:

根据所述各车道线的方程从所述待拟合特征点中确定出所述各车道线对应的线上特征点;

根据所述线上特征点的数量和所述待拟合特征点的数据量确定所述各车道线的方程对应的置信度。

8.一种车道线检测装置,其特征在于,包括:

特征提取模块,用于获取待检测图像,并将所述待检测图像输入预设检测模型,利用所述预设检测模型的主干网络模块提取所述待检测图像中的视觉特征,得到所述待检测图像的图像特征;

特征融合模块,用于利用所述预设检测模型的层链接模块对所述待检测图像的图像特征进行多层融合,得到所述待检测图像的融合特征;

空间映射模块,用于利用所述预设检测模型的特征映射模块将所述待检测图像的融合特征进行空间映射,得到所述待检测图像的车道线特征;

信息确定模块,用于根据所述待检测图像的车道线特征确定所述待检测图像中的车道线信息,其中,所述车道线信息包括车道线的方程、颜色和线型。

9.一种电子设备,其特征在于,所述电子设备包括:

一个或多个处理器;

存储装置,用于存储一个或多个程序,

当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至7中任一所述的车道线检测方法。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任一所述的车道线检测方法。

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苏州清研微视电子科技有限公司,未经苏州清研微视电子科技有限公司许可,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/202210419562.4/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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