车道线属性信息检测模型训练、车道线属性信息检测方法技术

本发明专利技术公开了一种车道线属性信息检测模型训练、车道线属性信息检测方法，其中，车道线属性信息检测模型训练方法包括：获取多个车道线训练图像，车道线训练图像沿着车辆行驶方向拍摄得到；将多个车道线训练图像输入到初始车道线属性信息检测模型，得到车道线属性信息概率图，车道线属性信息概率图的纵向概率值表征每一类车道线属性对应的概率值；沿着车道线属性信息概率图的纵向方向，在车道线属性信息概率图上以预设间隔划分出多个检测锚线；以距离车道线训练图像中每一条车道线的最近的检测锚线对车道线的检测结果调整初始车道线属性信息检测模型的参数，直至损失值满足目标条件，得到车道线属性信息检测模型。得到车道线属性信息检测模型。得到车道线属性信息检测模型。

【技术实现步骤摘要】
车道线属性信息检测模型训练、车道线属性信息检测方法


[0001]本专利技术涉及计算机视觉
，具体涉及一种车道线属性信息检测模型训练、车道线属性信息检测方法。

技术介绍

[0002]车道线属性信息包括：车道线存在/不存在、车道线类型、车道线颜色、车道线破损程度等，是驾驶员或自动驾驶感知系统用于获取当前车辆位置和规划短期路径的重要指南，同时也为高精度地图的绘制提供关键信息。
[0003]相关技术中，通常采用分类网络进行车道线属性信息的检测，但是该方法需要先提取车道线像素点，然后将提取出的车道线像素点拼接成新的图片进行检测，像素点查找以及归并过程时间消耗和算力资源消耗较大。

技术实现思路

[0004]因此，本专利技术要解决的技术问题在于克服现有技术中的车道线属性信息检测方法时间消耗和算力资源消耗较大的缺陷，从而提供一种车道线属性信息检测模型训练、车道线属性信息检测方法。
[0005]根据第一方面，本专利技术公开了一种车道线属性信息检测模型训练方法，包括如下步骤：获取多个车道线训练图像，所述车道线训练图像沿着车辆行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车道线属性信息检测模型训练方法，其特征在于，包括如下步骤：获取多个车道线训练图像，所述车道线训练图像沿着车辆行驶方向拍摄得到；将所述多个车道线训练图像输入到初始车道线属性信息检测模型，得到车道线属性信息概率图，所述车道线属性信息概率图的纵向概率值表征每一类车道线属性对应的概率值；沿着所述车道线属性信息概率图的纵向方向，在所述车道线属性信息概率图上以预设间隔划分出多个检测锚线；以距离车道线训练图像中每一条车道线的最近的检测锚线对所述车道线的检测结果调整所述初始车道线属性信息检测模型的参数，直至损失值满足目标条件，得到车道线属性信息检测模型。2.根据权利要求1所述的方法，其特征在于，所述损失值通过如下公式确定：其中，LOSS表示总损失值；表示训练图像中第i条检测锚线处车道线是否存在的损失值；D表示训练图像中检测锚线的数量；M表示车道线属性类别的数量；表示训练图像中第i条检测锚线处第j种车道线属性信息的损失值；表示第i条检测锚线处车道线是否存在，存在取值为1，不存在取值为0；表示检测锚线处存在车道线的数量；为常数，表示第j种车道线属性信息的权重。3.根据权利要求1所述的方法，其特征在于，所述距离车道线训练图像中每一条车道线的最近的检测锚线通过下述方式得到：获取预设关联标志行；根据所述预设关联标志行确定距离车道线训练图像中每一条车道线的最近的检测锚线。4.根据权利要求3所述的方法，其特征在于，所述根据所述预设关联标志行确定距离车道线训练图像中每一条车道线的最近的检测锚线，包括：其中，表示距离车道线最近的检测锚线；表示预设关联标志行与车道线的关联点的第一坐标轴坐标；itl表示预设间隔；argmin表示取最小值对应的检测锚线；表示预设关联标志行的第二坐标轴坐标；y表示预设关联行的所有像素点的第二坐标轴坐标集合；表示预设关联标志行像素点的第二坐标轴坐标；n表示预设关联行的像素点的数量；R表示向量标志；x表示预设关联行的第一坐标轴坐标。5.根据权利要求1所述的方法，其特征在于，所述将所述多个车道线训练图像输入到初始车道线属性信息检测模型，包括：从所述多个车道线训练图像中随机选取预设数量的车道线训练图像输入到所述初始车道线属性信息检测模型。
6.一种车道线属性信息检测方法，其特征在于，包括如下步骤：获取待检测图像；将所述待检测图像输入到车道线属性信息...

【专利技术属性】
技术研发人员：管越，冉雪峰，杨晓松，
申请(专利权)人：国汽智控北京科技有限公司，
类型：发明
国别省市：