车道线的检测及驾驶控制方法、装置和电子设备制造方法及图纸

本发明专利技术实施例公开了一种车道线的检测及驾驶控制方法、装置和电子设备，所述车道线的检测方法包括：获取道路图，对所述道路图进行车道线预测，得到至少二条车道线的预测结果；根据所述至少二条车道线的预测结果确定所述至少二条车道线的消失点；根据所述至少二条车道线的预测结果和所述消失点，输出所述道路图的车道线检测结果。本申请实施例，通过获取车道线的消失点，基于消失点对车道线的预测结果进行校正，不仅可以补全车道线，生成更加完整的车道线，而且可以去除预测与实际偏差很大的点，提高了车道线检测的准确性，为车道线偏离系统和车辆变道系统等奠定技术基础，提高了智能驾驶的安全性和可靠性。

Lane line detection and driving control methods, devices and electronic equipment

【技术实现步骤摘要】
车道线的检测及驾驶控制方法、装置和电子设备
本专利技术实施例涉及计算机视觉
，尤其涉及一种车道线的检测及驾驶控制方法、装置和电子设备。
技术介绍
车道线检测技术是实现辅助驾驶、自动驾驶等智能驾驶的关键技术之一。车道线检查主要用于视觉导航系统，从已拍摄的道路图像中找出车道线在道路图中的位置。车道线检测的主要工作是车道线的拟合，车道线的拟合的准确性直接影响车道线检测的准确性，进而决定了智能驾驶的安全性。
技术实现思路
本专利技术实施例提供一种车道线的检测技术方案。第一方面，本专利技术实施例提供车道线的检测方法，包括：获取道路图，其中，所述道路图包括至少二条车道线；对所述道路图进行车道线预测，得到至少二条车道线的预测结果；根据所述至少二条车道线的预测结果确定所述至少二条车道线的消失点；根据所述至少二条车道线的预测结果和所述消失点，输出所述道路图的车道线检测结果。在第一方面的一种可能的实现方式中，所述对所述道路图进行车道线预测，得到至少二条车道线的预测结果，包括：将所述道路图输入神经网络，以经所述神经网络输出所述至少二条车道线的第一车道线概率图；根据所述第一车道线概率图中概率值大于设定阈值的至少部分像素点，确定所述至少二条车道线的第一预测拟合曲线。在第一方面的另一种可能的实现方式中，所述根据所述第一车道线概率图中概率大于设定阈值的至少部分像素点，确定所述至少二条车道线的第一预测拟合曲线，包括：对所述第一车道线概率图中概率值大于预设值的各概率点进行采样，确定所述至少二条第一车道线概率图的采样点；对所述至少二条第一车道线概率图的采样点对应的像素点进行曲线拟合，确定所述至少两条车道线的第一预测拟合曲线。在第一方面的另一种可能的实现方式中，所述对所述至少二条第一车道线概率图中概率值大于预设值的各概率点进行采样，确定所述至少二条第一车道线概率图的采样点，包括：对所述第一车道线概率图中概率值大于预设值的各概率点进行高斯采样，确定所述至少二条第一车道线概率图的采样点。在第一方面的另一种可能的实现方式中，所述根据所述至少二条车道线的预测结果确定所述至少二条车道线的消失点，包括：确定所述至少两条车道线的第一预测拟合曲线的公共交点为所述至少二条车道线的消失点。在第一方面的另一种可能的实现方式中，所述根据所述至少二条车道线的预测结果和所述消失点，输出所述道路图的车道线检测结果，包括：根据所述第一车道线概率图中概率值大于设定阈值的至少部分像素点和所述消失点进行曲线拟合，确定并输出所述车道线的第一检测拟合曲线。在第一方面的另一种可能的实现方式中，所述获取道路图，包括：经车载摄像头采集车辆所在场景中的道路图。在第一方面的另一种可能的实现方式中，所述道路图为带有车道线标注信息的道路训练图，所述将所述道路图输入神经网络之前，还包括：基于所述道路训练图以及所述道路训练图中的车道线的消失点，训练所述神经网络。在第一方面的另一种可能的实现方式中，所述基于所述道路训练图以及所述道路训练图中的车道线的消失点，训练所述神经网络，包括：将所述道路训练图输入神经网络，以经所述神经网络输出所述至少二条车道线的第二车道线概率图；根据所述第二车道线概率图中概率值大于设定阈值的至少部分像素点，确定所述至少二条车道线的第二预测拟合曲线；根据确定所述至少二条车道线的第二预测拟合曲线，确定所述至少二条车道线的消失点；根据所述第二车道线概率图中概率值大于设定阈值的至少部分像素点和所述消失点进行曲线拟合，确定所述至少二条车道线的第二检测拟合曲线；根据每条车道线的第二预测拟合曲线和每条车道线的真值的第一差异、以及每条车道线的第二检测拟合曲线和每条车道线的真值的第二差异，调整所述神经网络的网络参数。在第一方面的另一种可能的实现方式中，所述根据每条车道线的第二预测拟合曲线和每条车道线的真值的第一差异、以及每条车道线的第二检测拟合曲线和每条车道线的真值的第二差异，调整所述神经网络的网络参数，包括：针对所述至少两条车道线中的每条车道线，确定该所述车道线的第二预测拟合曲线与该车道线的真值之间的第一差异、以及该车道线的第二检测拟合曲线与该车道线的真值之间的第二差异；根据每条所述车道线的第一差异和第二差异，确定所述神经网络的检测损失；根据所述检测损失调整所述神经网络的网络参数。在第一方面的另一种可能的实现方式中，所述确定该车道线的第二预测拟合曲线与该车道线的真值之间的第一差异，包括：将该车道线的第二预测拟合曲线与该车道线的真值之间的最小二乘运算结果作为该车道线的第一差异。在第一方面的另一种可能的实现方式中，所述确定该车道线的第二检测拟合曲线与该车道线的真值之间的第二差异，包括：将该车道线的第二检测拟合曲线与该车道线的真值之间的交叉熵作为该车道线的所述第二差异。在第一方面的另一种可能的实现方式中，所述根据每条所述车道线的第一误差和第二误差，确定所述神经网络的检测损失，包括：将每条所述车道线的第一误差和第二误差之和，作为所述神经网络的检测损失。第二方面，本专利技术实施例提供一种车道线的检测装置，包括：获取模块，用于获取道路图，其中，所述道路图包括至少二条车道线；预测模块，用于对所述道路图进行车道线预测，得到至少二条车道线的预测结果；确定模块，用于根据所述至少二条车道线的预测结果确定所述至少二条车道线的消失点；输出模块，用于根据所述至少二条车道线的预测结果和所述消失点，输出所述道路图的车道线检测结果。在第二方面的一种可能的实现方式中，所述预测模块包括：第一预测单元，用于将所述道路图输入神经网络，以经所述神经网络输出所述至少二条车道线的第一车道线概率图；第一拟合单元，用于根据所述第一车道线概率图中概率值大于设定阈值的至少部分像素点，确定所述至少二条车道线的第一预测拟合曲线。在第二方面的另一种可能的实现方式中，所述第一拟合单元，具体用于对所述第一车道线概率图中概率值大于预设值的各概率点进行采样，确定所述至少二条第一车道线概率图的采样点；并对所述至少二条第一车道线概率图的采样点对应的像素点进行曲线拟合，确定所述至少两条车道线的第一预测拟合曲线。在第二方面的另一种可能的实现方式中，所述第一拟合单元，具体用于对所述第一车道线概率图中概率值大于预设值的各概率点进行高斯采样，确定所述至少二条第一车道线概率图的采样点。在第二方面的另一种可能的实现方式中，所述第一拟合单元，具体用于确定所述至少两条车道线的第一预测拟合曲线的公共交点为所述至少二条车道线的消失点。在第二方面的另一种可能的实现方式中，所述第一拟合单元，具体用于根据所述第一车道线概率图中概率值大于设定阈值的至少部分像素点和所述消失点进行曲线拟合，确定并输出所述车道线的第一检测拟合曲线。在第二本文档来自技高网...

【技术保护点】
1.一种车道线的检测方法，其特征在于，包括：/n获取道路图；/n对所述道路图进行车道线预测，得到至少二条车道线的预测结果；/n根据所述至少二条车道线的预测结果确定所述至少二条车道线的消失点；/n根据所述至少二条车道线的预测结果和所述消失点，输出所述道路图的车道线检测结果。/n

【技术特征摘要】
1.一种车道线的检测方法，其特征在于，包括：
获取道路图；
对所述道路图进行车道线预测，得到至少二条车道线的预测结果；
根据所述至少二条车道线的预测结果确定所述至少二条车道线的消失点；
根据所述至少二条车道线的预测结果和所述消失点，输出所述道路图的车道线检测结果。


2.根据权利要求1所述的方法，其特征在于，所述对所述道路图进行车道线预测，得到至少二条车道线的预测结果，包括：
将所述道路图输入神经网络，以经所述神经网络输出所述至少二条车道线的第一车道线概率图；
根据所述第一车道线概率图中概率值大于设定阈值的至少部分像素点，确定所述至少二条车道线的第一预测拟合曲线。


3.根据权利要求2所述的方法，其特征在于，所述根据所述第一车道线概率图中概率大于设定阈值的至少部分像素点，确定所述至少二条车道线的第一预测拟合曲线，包括：
对所述第一车道线概率图中概率值大于预设值的各概率点进行采样，确定所述至少二条第一车道线概率图的采样点；
对所述至少二条第一车道线概率图的采样点对应的像素点进行曲线拟合，确定所述至少两条车道线的第一预测拟合曲线。


4.一种车道线的检测装置，其特征在于，包括：
获取模块，用于获取道路图；
预测模块，用于对所述道路图进行车道线预测，得到至少二条车道线的预测结果；
确定模块，用于根据所述至少二条车道线的预测结果确定所述至少二条车道线的消失点；
输出模块，用于根据所述至少二条车道线的预测结果和所述消失点，输出所述道路图的车道线检测结果。
...

【专利技术属性】
技术研发人员：庄佩烨，程光亮，石建萍，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：北京;11