【技术实现步骤摘要】
一种路面标记检测方法、装置、设备和存储介质
[0001]本申请涉及图像处理
，尤其涉及一种路面标记检测方法、装置、设备和存储介质。
技术介绍
[0002]路面标记检测是自动驾驶领域的一个重要任务。现有的路面标记检测方法大都是基于分割的方法获取像素级别的连通域表示，然后通过连通域聚类，来提取路面标记实例，再将点集拟合成曲线方程形式，该方法在获取到分割结果后有较复杂的后处理过程，存在检测过程复杂、检测速度慢的问题。
技术实现思路
[0003]本申请提供了一种路面标记检测方法、装置、设备和存储介质，用于改善现有技术有较复杂的后处理过程，存在检测过程复杂、检测速度慢的技术问题。
[0004]有鉴于此，本申请第一方面提供了一种路面标记检测方法，包括：
[0005]获取待检测道路图像；
[0006]将所述待检测道路图像输入到预置检测模型中进行路面标记检测，得到路面标记检测结果；
[0007]根据所述路面标记检测结果从所述预置检测模型输出的最终特征图中提取路面标记实例，并将所述路面标记...
【技术保护点】
【技术特征摘要】
1.一种路面标记检测方法，其特征在于，包括：获取待检测道路图像；将所述待检测道路图像输入到预置检测模型中进行路面标记检测，得到路面标记检测结果；根据所述路面标记检测结果从所述预置检测模型输出的最终特征图中提取路面标记实例，并将所述路面标记实例中各点在最终特征图尺度上的像素坐标转换为在待检测道路图像尺度上的像素坐标以得到路面标记序列。2.根据权利要求1所述的路面标记检测方法，其特征在于，所述预置检测模型的配置过程为：获取路面标记图像和所述路面标记图像对应的预设采样点数量的有序点集；通过所述路面标记图像和所述有序点集计算各路面标记的目标偏移和路面标记长度；以所述路面标记图像为输入数据，以路面标记类别、目标偏移和路面标记长度为学习目标对预置卷积神经网络进行训练，得到预置检测模型。3.根据权利要求2所述的路面标记检测方法，其特征在于，通过所述路面标记图像和所述有序点集计算各路面标记的目标偏移，包括：以所述有序点集中各路面标记累计长度的一半的点为目标点，根据所述路面标记图像的大小和所述预置卷积神经网络输出的最终特征图的大小计算采样倍数；通过各路面标记的所述目标点的坐标和所述采样倍数计算各路面标记的目标点偏移；计算所述有序点集中各路面标记中除目标点以外的采样点与对应的目标点的偏移，得到采样点偏移；将各路面标记的所述目标点偏移和所述采样点偏移作为目标偏移，或，对各路面标记的所述采样点偏移进行归一化，将各路面标记的所述目标点偏移和归一化后的采样点偏移作为目标偏移。4.根据权利要求3所述的路面标记检测方法，其特征在于，所述通过各路面标记的所述目标点的坐标和所述采样倍数计算各路面标记的目标点偏移，包括：各路面标记的所述目标点的两个坐标值分别除以所述采样倍数，得到各路面标记的所述目标点的两个坐标中间值；对所述目标点的两个坐标中间值进行取整，得到所述目标点的两个坐标索引值；计算各路面标记的所述目标点的两个坐标中间值与对应的两个坐标索引值的差值，得到各路面标记的目标点偏移。5.根据权利要求3所述的路面标记检测方法，其特征在于，所述对各路面标记的所述采样点偏移进行归一化，包括：通过所述路面标记图像的宽度对各路面标记的所述采样点偏移的横坐标值进行归一化，通过所述路面标记图像的高度对各路面标记的所述采样点偏移的纵坐标值进行归一化；或，通过路面标记长度对各路面标记的所述采样点偏移的两个坐标值进行归一化。6.根据权利要求2所述的路面标记检测方法，其特征在于，获取所述路面标记图像对应的预设采样点数量的有序点集，包括：获取所述路面标记图像对应的已标注路面标记有序点集，根据所述路面标记有序点集
依次连接路面标记上相邻的两个标注点，得到线段向量组；计算所述线段向量组中相邻的两个线段向量对应的圆弧的曲率半径；当所述路面标记的标注点数量不等于预设采样点数量时，根据所述曲率半径对所述路面标记进行处理，使得所述路面标记的最终标注点数量等于所述预设采样点数量，从而得到所述路面标记图像对应的预设采样点数量的有序点集。7.根据权利要求1所述的路面标记检测方法，其特征在于，所述路面标记检测结果包括所述...
【专利技术属性】
技术研发人员：陈世佳，韩旭，
申请(专利权)人：广州文远知行科技有限公司，
类型：发明
国别省市：
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。