车道线属性检测方法、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属性检测方法、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，以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：N1个车道类型概率图和N2个路边类型概率图，其中，所述N1个车道类型概率图表示路面图像中的像素点分别属于N1个车道类型的概率，所述N2个路边类型概率图表示路面图像中的像素点分别属于N2个路边类型的概率；根据所述车道类型概率图和路边类型概率图，确定所述路面图像中的车道线属性。该方法在复杂度较高的场景下也能够得到准确的车道线属性检测结果。

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

【技术实现步骤摘要】
车道线属性检测方法、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属性检测方法、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到最小程度，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，需要进行车道线属性检测，即检测出路面上的车道线的类型，例如白色实线、白色实线的。基于车道线属性的检测结果，可以使得车辆按照交规正确地行驶。例如，交规要求实线不能变道，则如果通过车道线属性检测得出路面上有白色实线，则需要控制车辆不出现变道。因此，车道线属性检测对于辅助驾驶和自动驾驶的意义重大，如何进行准确高效的车道线属性检测，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属性检测技术方案。本专利技术实施例第一方面提供一种车道线属性检测方法，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，本文档来自技高网...

【技术保护点】
1.一种车道线属性检测方法，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，以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：N1个车道类型概率图和N2个路边类型概率图，其中，所述N1个车道类型概率图表示路面图像中的像素点分别属于N1个车道类型的概率，所述N2个路边类型概率图表示路面图像中的像素点分别属于N2个路边类型的概率，N1和N2均为正整数，M为大于等于N1与N2之和的整数；/n根据所述车道类型概率图和路边类型概率图，确定所述路面图像中的车道线属性。/n

【技术特征摘要】
1.一种车道线属性检测方法，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，以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：N1个车道类型概率图和N2个路边类型概率图，其中，所述N1个车道类型概率图表示路面图像中的像素点分别属于N1个车道类型的概率，所述N2个路边类型概率图表示路面图像中的像素点分别属于N2个路边类型的概率，N1和N2均为正整数，M为大于等于N1与N2之和的整数；
根据所述车道类型概率图和路边类型概率图，确定所述路面图像中的车道线属性。


2.根据权利要求1所述的方法，其特征在于，所述N1个车道类型包括以下至少之一：白色虚线、白色实线、双白虚线、双白实线、白色虚实线、白色实虚线、黄色虚线、黄色实线、双黄虚线、双黄实线、黄色虚实线、黄色实虚线、锯齿实线。


3.根据权利要求1或2所述的方法，其特征在于，所述N2个路边类型包括以下至少之一：左路边沿，右路边沿、左栅栏、右栅栏。


4.根据权利要求1-3任一项所述的方法，其特征在于，所述M为大于N1与N2之和的整数，所述M个概率图还包括：M-N1-N2个背景概率图，所述M-N1-N2个背景概率图表示路面图像中的像素点属于背景类型的概率。


5.一种车道线属性检测装置，其特征在于，包括：
第一获取模块，用于获取车辆上安装的车载设备所采集的路面图像；
第二获取模块，用于将所述路面图像输入神经网络，以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：N1个车道类型概率图和N...

【专利技术属性】
技术研发人员：孙鹏，石建萍，程光亮，
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