【技术实现步骤摘要】
车道线检测方法、装置、系统及存储介质
本专利技术涉及图像处理
，尤其涉及一种车道线检测方法、装置、系统及存储介质。
技术介绍
近年来，辅助驾驶、自动驾驶技术得到了飞速发展，车道线检测是自动驾驶、偏离预警等项目中最重要的技术之一。车道线检测的准确性和效率，关系自动驾驶系统对车道的识别，甚至乘客的人生安全。目前，车道线检测中，对图像提取边缘信息，然后利用车道线特征(比如平行、直线、交于灭点等)提取出车道线的像素点，为了去抖动和平滑，最后用kalman之类的滤波器对结果进行处理。由于现实车道线不能那么完美地符合设定的车道线规则，因此这种传统方法最大的问题就是鲁棒性差，检测结果精度和稳定性差，并且很难应对遮挡、模糊、弯道、雨天等复杂路况。
技术实现思路
本专利技术提供一种车道线检测方法、装置、系统及存储介质，可以实现对图像的车道线进行自动检测的目的，节省人力、物力，提高车道线检测的效率和准确性。第一方面，本专利技术实施例提供一种车道线检测方法，包括：对采集到的初始图像进行预处...
【技术保护点】
1.一种车道线检测方法，其特征在于，包括：/n对采集到的初始图像进行预处理，得到包含车道线的中间图像；/n通过目标网络模型的特征提取通道对所述中间图像进行特征提取，得到第一预设尺寸的特征图；/n通过所述目标网络模型的回归分支对所述第一预设尺寸的特征图中的车道线进行标注，得到N个标注值；其中，所述N个标注值对应所述初始图像中的N个候选特征点；/n通过所述目标网络模型的分类分支对所述第一预设尺寸的特征图中的车道线条数进行预测，得到预测的车道线条数；/n根据预测的车道线条数和所述N个候选特征点获取检测出的车道线。/n
【技术特征摘要】
1.一种车道线检测方法，其特征在于，包括：
对采集到的初始图像进行预处理，得到包含车道线的中间图像；
通过目标网络模型的特征提取通道对所述中间图像进行特征提取，得到第一预设尺寸的特征图；
通过所述目标网络模型的回归分支对所述第一预设尺寸的特征图中的车道线进行标注，得到N个标注值；其中，所述N个标注值对应所述初始图像中的N个候选特征点；
通过所述目标网络模型的分类分支对所述第一预设尺寸的特征图中的车道线条数进行预测，得到预测的车道线条数；
根据预测的车道线条数和所述N个候选特征点获取检测出的车道线。
2.根据权利要求1所述的方法，其特征在于，通过目标网络模型的特征提取通道对所述中间图像进行特征提取，得到第一预设尺寸的特征图，包括：
控制第i个卷积核分别沿所述中间图像的高度方向和宽度方向进行逐个像素的运算，得到第i层特征；其中，i＝1,2,3,…M，M为卷积层的总数；M层特征构成卷积处理后的中间图像；
对所述卷积处理后的中间图像进行池化处理，得到第一预设尺寸的特征图。
3.根据权利要求1所述的方法，其特征在于，通过所述目标网络模型的回归分支对所述第一预设尺寸的特征图中的车道线进行标注，得到N个标注值，包括：
控制第j个卷积核分别沿所述第一预设尺寸的特征图的高度方向和宽度方向进行逐个像素的运算，得到第j层特征；其中，j＝1,2,3,…P，P为卷积层的总数；P层特征构成卷积处理后的第一特征图；
对所述第一特征图进行池化处理，得到第二预设尺寸的特征图；
通过激活函数对所述第二预设尺寸的特征图所对应的特征值进行变换处理，得到固定数目的车道所对应的N个标注值。
4.根据权利要求1所述的方法，其特征在于，通过所述目标网络模型的分类分支对所述第一预设尺寸的特征图中的车道线条数进行预测，得到预测的车道线条数，包括：
控制第k个卷积核分别沿所述第一预设尺寸的特征图的高度方向和宽度方向进行逐个像素的运算，得到第k层特征；其中，k＝1,2,3,…E，E为卷积层的总数；E层特征构成卷积处理后的第二特征图；
对所述卷积处理后的第二特征图进行池化处理，得到第三预设尺寸的特征图；
通过激活函数对所述第三预设尺寸的特征图所对应的特征值进行变换处理，得到S个分类值；所述分类值用于表征预测的车道线条...
【专利技术属性】
技术研发人员：田文善，
申请(专利权)人：北京四维图新科技股份有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。