[发明专利]车道线识别方法、装置、电子设备、存储介质

说明书

本申请提供一种车道线识别方法、装置、电子装置、存储介质，涉及车道线识别技术领域。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。本申请相较少的使用了人工设定阈值，模型训练和推理阶段实现了端到端的处理，使得车道线的识别准确率和泛化性能大大的提升了。

技术领域

本申请涉及车道线识别技术领域，具体涉及车道线识别方法、装置、电子设备、存储介质。

背景技术

新能源汽车以智能化和电气化为切入点，跑步进入乘用车市场。其中智能驾驶辅助系统和车辆的自主导航等模块为汽车提供了准确的道路信息。近几十年各种道路信息数据建模的方法被相继提出，其中对于车道线的检测识别是最热门和值得关注的话题之一。因为作为交通标志线的车道线的检测识别被广泛应用于无人驾驶车辆的车道保持、自适应巡航和超车等功能。

现有的车道线识别方法，如申请号202011621836.5,名称一种车道线检测方法、一种车道线检测系统的专利，其方法是①对于获得的前视图像提取ROI(感兴趣区域)；②将此ROI转换成鸟瞰图；③对鸟瞰图图像进行二值化处理。④确定车道线的起始点；⑤描绘拟合车道线。步骤①提取ROI的方法一般使用先验经验进行设置，例如对于前视广角摄像头拍摄的图像将使用图像的中间1/2的区域作为ROI。这样做虽然能简化处理提高运算速度，但是对于非直线车道线或转弯路段将是非常不可取的。步骤3的二值化处理将S通道中大于180的像素点标记为车道，不大于的标记为非车道。这中操作本身也是先验化的，对于光照和车道线缺失等情况将很难处理。此外在二值图中搜索车道线时，设置阈值200像素为窗口宽度而高度设置为二值图高度的九分之一。凡此种种的人为阈值设置都使得方法的泛化性能受限，从而只能在十分有限场景下进行车道线的检测识别。

发明内容

鉴于以上所述现有技术的缺点，本发明提供一种，以解决上述技术问题。

本发明提供的一种车道线识别方法，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。

于本申请一实施例中，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。

于本申请一实施例中，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。

于本申请一实施例中，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。