[发明专利]基于Spatial-LargeFOV深度学习网络的车道线检测方法在审
| 申请号： | 201910454187.5 | 申请日： | 2019-05-28 |
| 公开（公告）号： | CN110276267A | 公开（公告）日： | 2019-09-24 |
| 发明（设计）人： | 金文;岑翼刚;王荟苑 | 申请（专利权）人： | 江苏金海星导航科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 南京中高专利代理有限公司 32333 | 代理人： | 祝进 |
| 地址： | 212000 江苏*** | 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： | 本发明公开了一种基于Spatial‑LargeFOV深度学习网络的车道线检测方法。该方法通过训练一个用于分割车道线像素区域的语义分割网络完成对车道线的定位。为了更有效地识别车道线这种长距离的连续性目标，探索了以LargeFOV为基础网络的编码器‑解码器结构，一方面利用空间卷积结构增强空间信息，另一方面利用不同扩张率的空洞卷积组合增加感受野，利用跳跃连接进行多级特征融合，达到融合多尺度上下文信息和细化分割边缘的目的。本发明在不同场景下均可以实现准确的车道线检测，具有良好的应用前景。 | ||
| 搜索关键词： | 车道线检测 车道线 解码器结构 上下文信息 网络 基础网络 结构增强 空间卷积 空间信息 特征融合 像素区域 语义分割 编码器 多尺度 有效地 分割 卷积 细化 空洞 跳跃 场景 学习 融合 应用 探索 | ||
【主权项】：
1.一种基于Spatial‑LargeFOV深度学习网络的车道线检测方法，其特征在于按照以下步骤进行：步骤1：对原始图像统一尺寸后，输入到分割网络中进行车道线的语义分割，不同的车道线分配不同的id，得到所有车道线分割结果的概率图，继续对下一帧输入图像进行车道线分割；步骤2：对车道线分割结果的概率图作后处理，即寻找每条车道线的最大响应点，得到每条车道线的车道点坐标集合，连接车道点即得到最终车道线检测结果。
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江苏金海星导航科技有限公司，未经江苏金海星导航科技有限公司许可，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/patent/201910454187.5/，转载请声明来源钻瓜专利网。
