一种车道线端点识别方法及装置、设备、介质制造方法及图纸

本申请公开了一种车道线端点识别方法及装置、设备、介质。该方法至少包括：根据车道线样本图像中包含的车道线，定义用于框定车道线样本图像中包含的车道线端点的边界框，根据对车道线端点的边界框的定义，利用基于卷积神经网络的目标检测算法，在待识别图像中进行目标检测，以识别车道线端点的边界框，根据目标检测的结果，判定该车道线端点的位置。本申请通过根据车道线为车道线端点定义合适的边界框，基于边界框回归进行目标检测，有助于准确地在待识别图像中识别车道线端点，判定其位置。

A Lane Endpoint Recognition Method and Device, Equipment and Media

This application discloses a lane line endpoint identification method and device, equipment and medium. The method includes at least: according to the lane line contained in the lane line sample image, defining the boundary frame used to frame the lane line endpoint contained in the lane line sample image, according to the definition of the boundary frame of the lane line endpoint, using the target detection algorithm based on convolution neural network to detect the target in the image to be recognized, in order to identify the lane line endpoint boundary frame, according to the object. The location of the end point of the lane line is determined by the result of marking detection. This application defines the appropriate boundary frame for the lane endpoint according to the lane line, and detects the target based on the boundary box regression. It is helpful to identify the lane endpoint accurately in the image to be recognized and determine its position.

【技术实现步骤摘要】
一种车道线端点识别方法及装置、设备、介质
本申请涉及机器学习
，尤其涉及一种车道线端点识别方法及装置、设备、介质。
技术介绍
随着机器学习技术的迅速发展，基于深度学习的深度模型也被用在越来越多的地方，包括关键点检测领域。关测点检测在不同场景中的应用效果可能有较大差别。例如，在人脸关键点检测的场景下，由于人脸关键点往往位于图像中间或者靠近中间的区域，有助于得到较为准确的检测结果；在高精度地图制作场景下，一个重要的任务是提取出虚线车道线的端点，在现有技术中，也将人脸关键点检测的方案，用于检测虚线车道线的端点。但是，由于虚线车道线的端点通常位于图像边缘的区域，因此，往往不容易得到较为准确的检测结果。
技术实现思路
本申请实施例提供一种车道线端点识别方法及装置、设备、介质，用以解决现有技术中的如下技术问题：现有的关键点检测方案不容易得到较为准确的虚线车道线端点检测结果。本申请实施例采用下述技术方案：一种车道线端点识别方法，包括：根据车道线样本图像中包含的车道线，定义用于框定所述车道线样本图像中包含的车道线端点的边界框；根据对所述车道线端点的边界框的定义，利用基于卷积神经网络的目标检测算法，本文档来自技高网...

【技术保护点】
1.一种车道线端点识别方法，其特征在于，包括：根据车道线样本图像中包含的车道线，定义用于框定所述车道线样本图像中包含的车道线端点的边界框；根据对所述车道线端点的边界框的定义，利用基于卷积神经网络的目标检测算法，在待识别图像中进行目标检测，以识别车道线端点的边界框；根据所述目标检测的结果，判定该车道线端点的位置。

【技术特征摘要】
1.一种车道线端点识别方法，其特征在于，包括：根据车道线样本图像中包含的车道线，定义用于框定所述车道线样本图像中包含的车道线端点的边界框；根据对所述车道线端点的边界框的定义，利用基于卷积神经网络的目标检测算法，在待识别图像中进行目标检测，以识别车道线端点的边界框；根据所述目标检测的结果，判定该车道线端点的位置。2.如权利要求1所述的方法，其特征在于，所述根据所述目标检测的结果，判定该车道线端点的位置，具体包括：利用图像分割算法，在所述识别出的边界框中进行图像分割，以进行前景与背景的分割；根据所述目标检测的结果，以及所述图像分割的结果，判定该车道线端点的位置。3.如权利要求1所述的方法，其特征在于，所述根据车道线样本图像中包含的车道线，定义用于框定所述车道线样本图像中包含的车道线端点的边界框，具体包括：定义用于框定车道线样本图像中包含的车道线的边界框；根据所述车道线的边界框的宽和/或高，定义用于框定所述车道线样本图像中包含的车道线端点的边界框。4.如权利要求3所述的方法，其特征在于，所述根据所述车道线的边界框的宽和/或高，定义用于框定所述车道线样本图像中包含的车道线端点的边界框，还包括：根据预设的尺寸阈值，限制所述车道线端点的边界框的最大尺寸。5.如权利要求4所述的方法，其特征在于，所述车道线端点的边界框的形状为正方形，所述正方形的边长不大于以下几者中的最小值：所述尺寸阈值、所述车道线的边界框的宽、高。6.一种车道线端点识别装置，其特征在于，包括：定义模块，根据车道线样本图像中包含的车道线，定义用于框定所述车道线样本图像中包含的车道线端点的边界框；识别模块，根据对所述车道线端点的边界框的定义，利用基于卷积神经...

【专利技术属性】
技术研发人员：高三元，冯汉平，鞠伟平，
申请(专利权)人：宽凳北京科技有限公司，
类型：发明
国别省市：北京,11