虚线车道线的检测方法、装置和设备制造方法及图纸

本公开实施例提供一种虚线车道线的检测方法、装置和设备，其中，虚线车道线的检测方法包括：对待检测的道路图像进行特征提取，得到所述道路图像的特征图；根据所述特征图确定所述道路图像中的车道线区域、以及所述道路图像中的端点像素点；所述端点像素点为所述道路图像中可能为虚线车道线的端点的像素点；基于所述车道线区域和所述端点像素点，确定所述道路图像中的虚线车道线。本公开实施例实现了对虚线车道线的分段检测。

Detection method, device and equipment of dashed lane line

【技术实现步骤摘要】
虚线车道线的检测方法、装置和设备
本公开涉及机器学习技术，具体涉及虚线车道线的检测方法、装置和设备。
技术介绍
检测道路上的车道信息为自动驾驶的定位、决策等都提供了较大的帮助。相关技术中，要么是通过霍夫变换等传统的检测算法检测车道线，通过人工设计的特征将图像中的车道线提取出来。但是现有的基于机器学习的车道线检测中，对于虚线车道线，检测时将虚线车道线当成是一条连续的车道线进行检测。
技术实现思路
有鉴于此，本公开至少提供一种虚线车道线的检测方法、装置和设备。第一方面，提供一种虚线车道线的检测方法，所述方法包括：对待检测的道路图像进行特征提取，得到所述道路图像的特征图；根据所述特征图确定所述道路图像中的车道线区域、以及所述道路图像中的端点像素点；所述端点像素点为所述道路图像中可能为虚线车道线的端点的像素点；基于所述车道线区域和所述端点像素点，确定所述道路图像中的虚线车道线。在一些可选的实施例中，所述根据所述特征图确定所述道路图像中的车道线区域，包括：根据所述特征图确定所述道路图像中的各像素点的区域置信度，所述区域置信度为所述道路图像中的各像素点属于车道线区域的置信度；将包括区域置信度达到区域阈值的像素点的区域，确定为所述车道线区域。在一些可选的实施例中，所述根据所述特征图确定所述道路图像中的端点像素点，包括：根据所述特征图，确定所述道路图像中的各像素点的端点置信度，所述端点置信度是所述道路图像中的各像素点属于虚线车道线的端点的置信度；确定所述各像素点的端点置信度是否达到端点阈值；将所述端点置信度达到所述端点阈值的像素点，确定为所述端点像素点。在一些可选的实施例中，在确定所述各像素点的端点置信度是否达到端点阈值之后，将所述端点置信度达到端点阈值的像素点，确定为所述端点像素点之前，所述方法还包括：确定所述端点置信度达到端点阈值的像素点的相邻像素点构成的点集中，存在至少一个端点置信度高于端点阈值的相邻像素点。在一些可选的实施例中，在确定所述各像素点的端点置信度是否达到端点阈值之后，所述方法还包括：确定所述端点置信度达到端点阈值的像素点的相邻像素点构成的点集中，不存在端点置信度高于端点阈值的相邻像素点；确定所述端点置信度达到端点阈值的像素点，不是端点像素点。在一些可选的实施例中，预设区域范围内的端点像素点构成一个端点像素点集合；所述基于所述车道线区域和所述端点像素点，确定所述道路图像中的虚线车道线，包括：根据每个所述端点像素点集合中、位于所述车道线区域中的端点像素点，确定所述道路图像中的端点坐标；根据所述道路图像中的端点坐标，确定所述道路图像中的虚线车道线。在一些可选的实施例中，所述根据每个所述端点像素点集合中、位于所述车道线区域中的端点像素点，确定所述道路图像中的端点坐标，包括：将一个端点像素点集合中、位于所述车道线区域中的端点像素点的坐标进行加权平均，得到所述道路图像中的一个端点的端点坐标。在一些可选的实施例中，根据每个所述端点像素点集合中、位于所述车道线区域中的端点像素点，确定所述道路图像中的端点坐标之后，所述方法还包括：根据一个所述端点像素点集合中、位于所述车道线区域中的端点像素点的端点置信度，确定所述道路图像中的一个端点的置信度；将确定的所述道路图像中的端点中、端点的置信度低于预设阈值的端点去除。在一些可选的实施例中，在根据每个所述端点像素点集合中、位于所述车道线区域中的端点像素点，确定所述道路图像中的端点坐标之后，根据所述道路图像中的端点坐标，确定所述道路图像中的虚线车道线之前，所述方法还包括：根据所述道路图像中的端点坐标，确定所述道路图像中的端点中的近端端点和远端端点；根据所述道路图像中的端点坐标，确定所述道路图像中的虚线车道线，包括：根据所述车道线区域和所述道路图像中的端点中的近端端点和远端端点，确定所述道路图像中的虚线车道线。在一些可选的实施例中，对待检测的道路图像进行特征提取，得到所述道路图像的特征图，由特征提取网络执行；根据所述特征图确定所述道路图像中的车道线区域，由区域预测网络执行；根据所述特征图确定所述道路图像中的端点像素点，由端点预测网络执行。在一些可选的实施例中，所述特征提取网络、所述区域预测网络和所述端点预测网络采用以下步骤训练完成：利用特征提取网络对道路样本图像进行特征提取，得到所述道路样本图像的特征图；所述道路样本图像中包括虚线车道线；利用区域预测网络根据所述道路样本图像的特征图确定所述道路样本图像中的车道线区域；利用端点预测网络根据所述道路样本图像的特征图确定所述道路样本图像中的端点像素点；根据确定的所述道路样本图像中的车道线区域与所述道路样本图像中的标注的车道线区域之间的差别，确定第一网络损失；根据所述第一网络损失调整所述特征提取网络的网络参数和所述区域预测网络的网络参数；根据确定的所述道路样本图像中的端点像素点与所述道路样本图像中的标注的端点像素点之间的差别，确定第二网络损失；根据所述第二网络损失调整所述端点预测网络的网络参数和特征提取网络的网络参数。在一些可选的实施例中，所述道路样本图像中的标注的端点像素点包括：所述道路样本图像中的虚线车道线的实际端点的像素点以及所述实际端点的像素点的相邻像素点。在一些可选的实施例中，在所述确定所述道路图像中的虚线车道线之后，所述方法还包括：根据检测出的虚线车道线的端点，修正所述道路图像所示的道路中的智能车辆的定位信息。在一些可选的实施例中，根据检测出的虚线车道线的端点，修正所述道路图像所示的道路中的智能车辆的定位信息，包括：根据检测出的虚线车道线的端点，通过图像测距方法确定第一距离，所述第一距离表示检测出的虚线车道线中的目标端点与智能车辆之间的距离；根据智能车辆自身的定位经纬度，与智能车辆使用的驾驶辅助地图中的所述目标端点的端点经纬度，确定第二距离，所述第二距离表示根据驾驶辅助地图确定的所述目标端点与智能车辆自身之间的距离；根据所述第一距离和第二距离之间的误差，对所述智能车辆自身的定位经纬度进行修正处理。第二方面，提供一种虚线车道线的检测装置，所述装置包括：特征提取模块，用于对待检测的道路图像进行特征提取，得到所述道路图像的特征图；特征处理模块，用于根据所述特征图确定所述道路图像中的车道线区域、以及所述道路图像中的端点像素点；所述端点像素点为所述道路图像中可能为虚线车道线的端点的像素点；车道线确定模块，用于基于所述车道线区域和所述端点像素点，确定所述道路图像中的虚线车道线。在一些可选的实施例中，所述特征处理模块包括：区域确定子模块，用于根据所述特征图确定所述道路图像中的各像素点的区域置信度，所述区域置信度为所述道路图像中的各像素点属于车道线区域的置信度；将包括区域置信度达到区域阈值的像素点的区域，确定为所述车道线区域。在一些可选的实施例中，所述特征处理模块包括：端点像素子模块，用于根据所述特征图，确定所述道路图像中的各像素点的端点置信度，所述端点置信度是所述道路图像中的各像素点属于虚线车道线的端点的置信度；确定所述各像素点的端点本文档来自技高网...

【技术保护点】
1.一种虚线车道线的检测方法，其特征在于，所述方法包括：/n对待检测的道路图像进行特征提取，得到所述道路图像的特征图；/n根据所述特征图确定所述道路图像中的车道线区域、以及所述道路图像中的端点像素点；所述端点像素点为所述道路图像中可能为虚线车道线的端点的像素点；/n基于所述车道线区域和所述端点像素点，确定所述道路图像中的虚线车道线。/n

【技术特征摘要】
1.一种虚线车道线的检测方法，其特征在于，所述方法包括：
对待检测的道路图像进行特征提取，得到所述道路图像的特征图；
根据所述特征图确定所述道路图像中的车道线区域、以及所述道路图像中的端点像素点；所述端点像素点为所述道路图像中可能为虚线车道线的端点的像素点；
基于所述车道线区域和所述端点像素点，确定所述道路图像中的虚线车道线。


2.根据权利要求1所述的方法，其特征在于，所述根据所述特征图确定所述道路图像中的车道线区域，包括：
根据所述特征图确定所述道路图像中的各像素点的区域置信度，所述区域置信度为所述道路图像中的各像素点属于车道线区域的置信度；
将包括区域置信度达到区域阈值的像素点的区域，确定为所述车道线区域。


3.根据权利要求1或2所述的方法，其特征在于，所述根据所述特征图确定所述道路图像中的端点像素点，包括：
根据所述特征图，确定所述道路图像中的各像素点的端点置信度，所述端点置信度是所述道路图像中的各像素点属于虚线车道线的端点的置信度；
确定所述各像素点的端点置信度是否达到端点阈值；
将所述端点置信度达到所述端点阈值的像素点，确定为所述端点像素点。


4.根据权利要求1所述的方法，其特征在于，预设区域范围内的端点像素点构成一个端点像素点集合；
所述基于所述车道线区域和所述端点像素点，确定所述道路图像中的虚线车道线，包括：
根据每个所述端点像素点集合中、位于所述车道线区域中的端点像素点，确定所述道路图像中的端点坐标；
根据所述道路图像中的端点坐标，确定所述道路图像中的虚线车道线。


5.根据权利要求1所述的方法，其特征在于，
对待检测的道路图像...

【专利技术属性】
技术研发人员：王哲，林逸群，石建萍，
申请(专利权)人：上海商汤临港智能科技有限公司，
类型：发明
国别省市：上海;31