车道线检测方法、装置、电子设备及可读存储介质制造方法及图纸

本发明专利技术实施例提供一种车道线检测方法、装置、电子设备及可读存储介质，该方法包括：获取车辆上安装的车载设备所采集的路面图像；将所述路面图像输入神经网络，并经所述神经网络输出所述路面图像对应的M个概率图，所述M个概率图包括N个车道线概率图和M‑N个非车道线概率图，所述N个车道线概率图分别对应路面上的N条车道线，用于表示所述路面图像中的像素点属于对应的车道线的概率；所述M‑N个非车道线概率图对应所述路面上的非车道线，用于表示所述路面图像中的像素点属于非车道线的概率；根据所述车道线概率图，确定所述路面图像中的车道线。该方法实现在复杂度较高的场景下也能够得到准确的车道线检测结果。

Lane line detection method, device, electronic equipment and readable storage medium

【技术实现步骤摘要】
车道线检测方法、装置、电子设备及可读存储介质
本专利技术实施例涉及计算机技术，尤其涉及一种车道线检测方法、装置、电子设备及可读存储介质。
技术介绍
辅助驾驶和自动驾驶是智能驾驶领域的两项重要技术，通过辅助驾驶或自动驾驶，可以将车间间隔减小，减少交通事故的发生，减少驾驶员的身心负担，因此在智能驾驶领域发挥着重要作用。在辅助驾驶技术和自动驾驶技术中，需要进行车道线检测，即检测车辆行驶路面上的车道线。在辅助驾驶中，车道线检测可以为车辆行驶偏离进行预警，也可以在车辆与前方车辆即将发生碰撞时发出警告。在自动驾驶中，车道线检测可以为自动巡航驾驶、车道保持、车辆超车等操作提供最基本的信息，从而保障车辆的正常行驶。因此，如何进行准确高效的车道线检测，是值得研究的重要课题。
技术实现思路
本专利技术实施例提供一种车道线检测技术方案。本专利技术实施例第一方面提供一种车道线检测方法，包括：获取车辆上安装的车载设备所采集的路面图像；将所述路面图像输入神经网络，并经所述神经网络输出所述路面图像对应的M个概率图，所述M个本文档来自技高网...

【技术保护点】
1.一种车道线检测方法，其特征在于，包括：/n获取车辆上安装的车载设备所采集的路面图像；/n将所述路面图像输入神经网络，并经所述神经网络输出所述路面图像对应的M个概率图，所述M个概率图包括N个车道线概率图和M-N个非车道线概率图，所述N个车道线概率图分别对应路面上的N条车道线，用于表示所述路面图像中的像素点属于对应的车道线的概率；所述M-N个非车道线概率图对应所述路面上的非车道线，用于表示所述路面图像中的像素点属于非车道线的概率，其中，N为正整数，M为大于N的整数；/n根据所述车道线概率图，确定所述路面图像中的车道线。/n

【技术特征摘要】
1.一种车道线检测方法，其特征在于，包括：
获取车辆上安装的车载设备所采集的路面图像；
将所述路面图像输入神经网络，并经所述神经网络输出所述路面图像对应的M个概率图，所述M个概率图包括N个车道线概率图和M-N个非车道线概率图，所述N个车道线概率图分别对应路面上的N条车道线，用于表示所述路面图像中的像素点属于对应的车道线的概率；所述M-N个非车道线概率图对应所述路面上的非车道线，用于表示所述路面图像中的像素点属于非车道线的概率，其中，N为正整数，M为大于N的整数；
根据所述车道线概率图，确定所述路面图像中的车道线。


2.根据权利要求1所述的方法，其特征在于，所述根据所述车道线概率图，确定所述路面图像中的车道线，包括：
响应于第L个车道线概率图中包括有概率值大于等于预设阈值的多个像素点，根据概率值大于等于预设阈值的多个像素点拟合第L条车道线，其中，所述第L个车道线概率图为所述N个车道线概率图中的任一个车道线概率图。


3.根据权利要求1或2所述的方法，其特征在于，所述根据所述车道线概率图，确定所述路面图像中的车道线，包括：
响应于第一像素点在多个车道线概率图中对应的多个概率值均大于等于预设阈值，将所述第一像素点作为拟合第一车道线时的像素点，其中，所述第一车道线为所述多个概率值中最大概率值所对应的车道线概率图所对应的车道线。


4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述车道线概率图，确定所述路面图像中的车道线，包括：
响应于第S个非车道线概率图中包括有概率值大于等于预设阈值的多个像素点，根据概率值大于等于预设阈值的多个像素点确定非车道线，其中，所述第S个非车道线概率图为所述M-N个非车道线概率图中的任一个非车道线概率图。


5.一种车道线检测装置，其特征在于，包括：...

【专利技术属性】
技术研发人员：孙鹏，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