车道线检测方法、装置、车辆和存储介质制造方法及图纸

本申请涉及一种车道线检测方法、装置、车辆和存储介质，涉及自动驾驶技术领域，具体方法包括：获取待检测图像，采用检测模型的编码网络对待检测图像进行编码，得到待检测图像的编码向量，采用检测模型的解码网络根据编码向量进行预测，得到待检测图像中包含的至少一个有向线段，有向线段包含位置信息和长度，采用检测模型的分组网络根据至少一个有向线段的位置信息进行分组，确定各个有向线段的分组标识，根据各个有向线段的分组标识、位置信息和长度，确定待检测图像中包含的车道线，提高了车道线检测的准确性。车道线检测的准确性。车道线检测的准确性。

【技术实现步骤摘要】
车道线检测方法、装置、车辆和存储介质


[0001]本申请涉及自动驾驶
，尤其涉及车道线检测方法、装置、车辆和存储介质。

技术介绍

[0002]相关技术中，对车道线检测通常时检测图像中车道线的检测点，进而对各个检测点聚类以确定图像中包含的车道线，这种车道线的检测方法对于车道线具有较为复杂的情况，例如，出现车道线断开，两条独立车道线被接到一起等情况，并且对于有分叉、交叉的场景(比如道路分岔口、高速匝道、园区内导流线)，则检测的准确性较低，因此，如何提高复杂场景下的车道线检测效果是需要解决的技术问题。

技术实现思路

[0003]为克服相关技术中存在的问题，本申请提供一种车道线检测方法、装置、车辆和存储介质。
[0004]根据本申请实施例的第一方面，提供一种车道线检测方法，包括：
[0005]获取待检测图像；
[0006]采用检测模型的编码网络对所述待检测图像进行编码，得到所述待检测图像的编码向量；
[0007]采用所述检测模型的解码网络根据所述编码向量进行预测，得到所述待检测图像中包含的至少一个有向线段；所述有向线段包含位置信息和长度；
[0008]采用所述检测模型的分组网络根据至少一个有向线段的位置信息进行分组，确定各个所述有向线段的分组标识；
[0009]根据各个所述有向线段的分组标识、位置信息和长度，确定所述待检测图像中包含的车道线。
[0010]根据本申请实施例的第二方面，提供一种车道线检测装置，包括：
[0011]获取模块，被配置为获取待检测图像；
[0012]编码模块，被配置为采用检测模型的编码网络对所述待检测图像进行编码，得到所述待检测图像的编码向量；
[0013]解码模块，被配置为采用所述检测模型的解码网络根据所述编码向量进行预测，得到所述待检测图像中包含的至少一个有向线段；所述有向线段包含位置信息和长度；
[0014]分组模块，被配置为采用所述检测模型的分组网络根据至少一个有向线段的位置信息进行分组，确定各个所述有向线段的分组标识；
[0015]确定模块，被配置为根据各个所述有向线段的分组标识、位置信息和长度，确定所述待检测图像中包含的车道线。
[0016]根据本申请实施例的第三方面，提供一种车辆，包括处理器；
[0017]用于存储处理器可执行指令的存储器；
[0018]其中，所述处理器被配置为：实现第一方面所提供的车道线检测方法的步骤。
[0019]根据本申请实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本申请第一方面所提供的车道线检测方法的步骤。
[0020]本申请的实施例提供的技术方案可以包括以下有益效果：获取待检测图像，采用检测模型的编码网络对待检测图像进行编码，得到待检测图像的编码向量，采用检测模型的解码网络根据编码向量进行预测，得到待检测图像中包含的至少一个有向线段，有向线段包含位置信息和长度，采用检测模型的分组网络根据至少一个有向线段的位置信息进行分组，确定各个有向线段的分组标识，根据各个有向线段的分组标识、位置信息和长度，确定待检测图像中包含的车道线，根据预测得到的各个有向线段的分组标识确定属于同一个分组的各个有向线段，进而，将属于同一分组的各个有向线段，根据位置信息和长度进行连接，以得到待检测图像中包含的车道线，提高了车道线检测的准确性。
[0021]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0022]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0023]图1是根据一示例性实施例示出的一种车道线检测方法的流程示意图；
[0024]图2是根据一示例性实施例示出的另一种车道线检测方法的流程示意图；
[0025]图3为一示例性实施例示出的一种检测网络的结构示意图；
[0026]图4是根据一示例性实施例示出的一种车道线检测的示意图；
[0027]图5是根据一示例性实施例示出的一种检测模型的训练方法的流程示意图；
[0028]图6是根据一示例性实施例示出的一种车道线检测装置的结构示意图；
[0029]图7是根据一示例性实施例示出的一种车辆的框图。
具体实施方式
[0030]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0031]需要说明的是，本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。
[0032]图1是根据一示例性实施例示出的一种车道线检测方法的流程示意图，如图1所示，该方法包括以下步骤。
[0033]步骤S101，获取待检测图像。
[0034]本申请实施例中，所获取的待检测图像可以是由运动对象(例如移动机器人、车辆等)配备的拍摄单元获取的静态图像，也可以是视频图像中的一帧视频帧。其中，拍摄单元
可以为单目摄像机，或者为双目摄像机、多目摄像机，在此不做限定。待检测图像至少包括道路区域，以用于进行车道线检测。
[0035]步骤S102，采用检测模型的编码网络对待检测图像进行编码，得到待检测图像的编码向量。
[0036]本申请实施例中，该检测模型可以是基于Transformer基本结构的模型，或者，也可以为其他结构的模型，比如为Transformer的变种结构的模型，本实施例中不进行限定。
[0037]其中，检测模型可以为基于机器学习技术或深度学习技术，对初始的检测模型进行训练，以使经过训练后的检测模型能够学习得到视频帧或图像与车道线包含的多个有向线段的对应关系。其中，检测模型包含编码网络和解码网络，其中，解码网络可以为编码器，已经学习到检测图像中各特征和编码向量间的对应关系，从而，将待检测图像输入检测模型中，检测模型的编码器可对检测图像进行编码，得到检测图像的编码向量，该编码向量包含用于指示待检测图像中车道线的特征信息。
[0038]步骤S103，采用检测模型的解码网络根据编码向量进行预测，得到待检测图像中包含的至少一个有向线段。
[0039]其中，每一个有向线段包含该有向线段的位置信息和长度。
[0040]本申请实施例中，解码网络可基于编码向量进行预测，以预测得到待检测图像中包含的至少一个有向线段，其中，有限线段包含位置信息和长度，位置信息包含位置和方向，至少一个有向线段是待检测图像中包含的车道线进行切分得到的，各个有向线段的长度可以是长度相同的，有向线段的长度可以是检测模型训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车道线检测方法，其特征在于，包括：获取待检测图像；采用检测模型的编码网络对所述待检测图像进行编码，得到所述待检测图像的编码向量；采用所述检测模型的解码网络根据所述编码向量进行预测，得到所述待检测图像中包含的至少一个有向线段；所述有向线段包含位置信息和长度；采用所述检测模型的分组网络根据所述至少一个有向线段的位置信息进行分组，确定各个所述有向线段的分组标识；根据各个所述有向线段的分组标识、位置信息和长度，确定所述待检测图像中包含的车道线。2.如权利要求1所述的方法，其特征在于，所述采用检测模型的编码网络对所述待检测图像进行编码，得到所述待检测图像的编码向量，包括：将所述待检测图像，按照设定的图像大小划分为多个图像块；对各个所述图像块进行特征提取，得到各个所述图像块的特征向量；将各个所述图像块的特征向量进行线性映射，得到各个所述图像块的第一向量和第二向量。3.如权利要求2所述的方法，其特征在于，所述采用所述检测模型的解码网络根据所述编码向量进行预测，得到所述待检测图像中包含的至少一个有向线段，包括：针对每一个所述图像块，获取所述图像块的第三向量；其中，所述第三向量根据设定的第一解码向量确定，或者是根据所述图像块的前一个图像块进行解码得到的第一解码向量确定；对多个所述图像块的第一向量和第二向量，以及所述第三向量进行解码处理，得到所述图像块的第二解码向量；根据各个所述图像块的第二解码向量，预测得到所述待检测图像中包含的至少一个有向线段。4.如权利要求3所述的方法，其特征在于，所述对多个所述图像块的第一向量和第二向量，以及所述第三向量进行解码处理，得到所述图像块的第二解码向量，包括：将所述第三向量的转置向量和多个所述图像块的第一向量进行叉乘，确定注意力权重；根据所述注意力权重对多个所述第二向量进行加权，确定所述图像块的第二解码向量。5.如权利要求1所述的方法，其特征在于，所述位置信息包含位置和方向，所述根据各个所述有向线段的分组标识、位置信息和长度，确定所述待检测图像中包含的车道线，包括：根据各个所述有向线段的分组标识，将分组标识相同的有向线段划分至同一个分组中，以确定至少一个分组；其中，同一分组中的各个有向线段指示一个车道线；根据各个分组中包含的各个有向线段的位置、方向和长度，确定所述待检测图像中包含的车道线。6.如权利要求1
‑
5任一项所述的方法，其特征在于，所述检测模型是通过以下方式训练得到的：
获取样本待检测图像；所述样本待检测图像标注有包含的车道线对应的至少一个有向线段的参考位置和参考方向，以及各个所述...

【专利技术属性】
技术研发人员：姚传奇，
申请(专利权)人：小米汽车科技有限公司，
类型：发明
国别省市：