一种特殊线型车道线检测方法及系统技术方案

本发明专利技术涉及一种智能驾驶技术领域，具体涉及一种特殊线型车道线检测方法及系统；现有技术中不能很好地解决特殊线型如Y型线检测问题；本发明专利技术基于深度卷积神经网络，将车道线检测形式化为正常车道线和Y型线两种类型的检测，直接用两条线联合表示Y型线，进行通过分支分离，一个分支负责预测正常的线型,一个分支专注预测Y型线，可以很好的解决Y型线的检测问题。

A detection method and system of lane line with special line type

【技术实现步骤摘要】
一种特殊线型车道线检测方法及系统
本专利技术涉及一种智能驾驶
，具体涉及一种车道线检测方法及系统。
技术介绍
随着科学技术的发展，自动驾驶、无人车等新兴概念应运而生。车道线检测技术是先进驾驶辅助系统的道路场景分析中的重要元素，是自动驾驶技术中一个不可或缺的部分。具体的，车辆的摄像头等传感器可以获取车辆当前所处的环境的视觉图像，采用车道线检测技术对传感器获取的车辆前方或后方道路图像信息进行处理，可以得到图像中的车道线的位置，从而指导车辆的驾驶。正常的车道线通常以多种样式的标记线的形式标记在道路地面上。在道路出现匝道的地方，通常会出现一种特殊线型的车道线，也就是Y型线，如图1所示。现有的车道线检测方法，一类是基于特征的算法，主要是利用颜色、纹理、形状等信息来提取车道线。但是当路面光照发生变化、标志线磨损或者路面出现水渍、阴影等情况时，都将会影响检测效果。一类是基于模型的算法，这种方法首先估计道路模型，然后利用霍夫变换或者其他图像信息确定模型参数，常用的道路模型有直线模型，抛物线模型，三次样条曲线模型等。大量研究发现：直线模型虽然算法简本文档来自技高网...

【技术保护点】
1.一种车道线检测方法，其特征在于：所述方法包括以下步骤：/n步骤S1：获取待检测道路图像；/n步骤S2：将所述待检测道路图像输入到车道线检测模型，得到神经网络模型的输出信息，所述输出信息包括至少两种不同类型车道线的概率；/n步骤S3：对所述输出信息进行解析，得到所有预测的车道线；/n步骤S4：对所述所有预测的车道线进行非极大值抑制后处理，得到最终的车道线检测结果。/n

【技术特征摘要】
1.一种车道线检测方法，其特征在于：所述方法包括以下步骤：
步骤S1：获取待检测道路图像；
步骤S2：将所述待检测道路图像输入到车道线检测模型，得到神经网络模型的输出信息，所述输出信息包括至少两种不同类型车道线的概率；
步骤S3：对所述输出信息进行解析，得到所有预测的车道线；
步骤S4：对所述所有预测的车道线进行非极大值抑制后处理，得到最终的车道线检测结果。


2.根据权利要求1所述的方法，其特征在于：形成所述车道线检测模型包括对所述车道线检测模型的训练，所述训练的方法包括以下步骤：
步骤11：获取道路样本图像，所述道路样本图像标注有正常车道线与Y型车道线的位置信息；
步骤12：将所述道路样本图像输入到预先建立的初始神经网络模型；
步骤13：利用所述道路样本图像训练所述初始神经网络模型，得到所述车道线检测模型。


3.根据权利要求2所述的方法，其特征在于：在步骤12中，可以采用FasterR-CNN作为初始神经网络模型，修改其部分结构后，对其进行微调，得到所述车道线检测模型。


4.根据权利要求1所述的方法，其特征在于：在步骤S2中，所述输出信息还包括至少两种不同类型车道线的回归信息。


5.根据权利要求4所述的方法，其特征在于：在步骤S3中，所述解析的方式包括：(1)在正常车道线的分类预测值中预测此单元是车道线的概率大于正常车道线阈值，且Y型车道线的分类预测值中预测此单元是车道线的概率小于Y型车道线阈值时，认为此区域内存在正常车道线，同时将正常车道线的回归结果返回；(2)在正常车道线的分类预测值中预测此单元是车道线的概率大于正常车道线阈值，且Y型车道线的分类预测值中预测此单元是车道线的概率大于Y型车道线阈值时，认为此区域内存在Y型车道线，同时将Y型车道线的回归结果返回；(3)在正常车道线的分类预测值中预测此单元是车道线的概率小于正常车道线阈值时，认为此单元内不含车道线。...

【专利技术属性】
技术研发人员：张驰，蒋竺希，陈佳辉，
申请(专利权)人：初速度苏州科技有限公司，
类型：发明
国别省市：江苏;32