[发明专利]车道线识别方法、装置、电子设备、存储介质

权利要求书

1.一种车道线识别方法，其特征在于，所述方法包括：

获取车道线图像数据；

对所述车道线图像数据进行标注，得到标注的车道线图像数据，建立标注的车道线图像数据集；

根据所述标注的车道线图像数据集建立车道线识别模型，并对所述车道线识别模型进行训练；

获取目标车道线图像数据，并输入至训练后的所述车道线识别模型，根据车道线的目标检测结果得到车道线的识别结果。

2.根据权利要求1所述的车道线识别方法，其特征在于，根据所述标注的车道线图像数据集建立车道线识别模型，并对所述车道线识别模型进行训练，包括：

将标注的车道线图像输入车道线识别模型，正向传播得到目标检测结果、语义分割结果、损失函数值；

将得到的损失函数值回传车道线识别模型，以此更新车道线识别模型参数。

3.根据权利要求2所述的车道线识别方法，其特征在于，将标注的车道线图像输入车道线识别模型，正向传播得到检测结果、语义分割结果、损失函数值，所述损失函数值包括：

根据车道线图像的目标检测图，利用第一损失函数计算所述车道线图像的目标检测图的损失函数值；

根据车道线图像的语义分割图，利用第二损失函数计算所述车道线图像的语义分割图的损失函数值。

4.根据权利要求3所述的车道线识别方法，其特征在于，所述第一损失函数为目标检测分支损失函数GIOU Loss，所述第二损失函数为语义分割分支损失函数Focal Loss。

5.根据权利要求2所述的车道线识别方法，其特征在于，根据所述标注车道线图像数据集建立车道线识别模型，并对所述车道线识别模型进行训练，包括对所述车道线识别模型进行训练后测评，所述测评包括有：

对标注车道线数据集进行划分，得到验证集、训练集、测试集；

所述训练集输入到车道线识别模型中训练，若损失收敛达到迭代完成，则转入模型评估和模型预测；

使用所述测试集对车道线识别模型进行预测，得到预测结果，并由此判断训练迭代的泛化性能和判断是否迭代完成；

使用所述验证集对车道线识别模型进行评价，得到评价车道线模型的性能指标结果。

6.根据权利要求1所述的车道线识别方法，其特征在于，对所述车道线图像数据进行标注，得到标注的车道线图像数据，标注包括有：

利用封闭曲线将车道线图像中的车道线包围标注，获得训练语义分割分支所需的标注的车道线图像数据；

利用检测框将车道线图像中的车道线划分标注，获得训练目标检测分支所需的标注的车道线图像数据。

7.根据权利要求6所述的车道线识别方法，其特征在于，利用检测框将车道线图像中的车道线划分标注，获得训练目标检测分支所需的标注的车道线图像数据中，所述检测框为矩形框，所述矩形框将车道线等分标注。

8.一种车道线识别方法装置，其特征在于，所述装置包括：

图像采集模块，所述图像采集模块采集车道线图像数据；

数据处理模块，所述数据处理模块将所述车道线图像数据标注建立标注的车道线图像数据集，根据标注的车道线图像数据集建立车道线识别模型，并进行训练；

所述图像采集数据获取目标车道线图像数据，并输入训练后的车道线识别模型，根据目标检测结果获得车道线识别结果。

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时，使得所述电子设备实现如权利要求1至7中任一项所述的车道线识别方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行权利要求1至7中任一项所述的车道线识别方法。