一种车道线检测方法及装置制造方法及图纸

本申请实施例公开了一种车道线检测方法及装置，获取目标图像，将目标图像输入车道线检测模型，能够得到目标图像中目标车道线的位置及其属性信息，其中车道线检测模型是利用训练图像和训练图像中的车道线位置及其属性信息训练得到的，也就是说，本申请实施例提供的车道线检测方法，不仅能得到车道线的位置，还能同时得到对应的车道线的属性信息，即能够同时得到车道线的位置和该车道线对应的属性信息，关联车道线和属性信息，能够快速并且高效的为自动驾驶的车辆提供更多的车道的信息。的为自动驾驶的车辆提供更多的车道的信息。的为自动驾驶的车辆提供更多的车道的信息。

【技术实现步骤摘要】
一种车道线检测方法及装置


[0001]本申请涉及自动驾驶领域，尤其涉及一种车道线检测方法及装置。

技术介绍

[0002]随着计算机技术的快速发展，自动驾驶技术也成为了热门研究方向之一。自动驾驶技术中占据重要地位的技术难关是控制车辆在规定车道上正常安全行驶。为了保证车辆在规定车道上行驶，需要对车道线进行检测，得到车辆所在车道的车道线信息，后续根据车道线信息，车辆控制系统规划车辆行驶轨迹，并且根据该车辆行驶轨迹，确定车辆的行驶方向，以便车辆按照该车辆行驶轨迹正常行驶。
[0003]因此，获取全面的车道线信息对于自动驾驶而言非常重要，现在急需一种能够获取较多车道线信息的方法。

技术实现思路

[0004]本申请实施例提供一种车道线检测方法及装置，能够获取较多的车道线信息，为自动驾驶的车辆提供较为全面的车道信息。
[0005]本申请实施例提供一种车道线检测方法，所述方法包括：
[0006]获取目标图像；
[0007]将所述目标图像输入至车道线检测模型，得到所述目标图像中目标车道线的位置及其属性信息，所述车道线检测模型是利用训练图像和训练图像中的车道线位置及其属性信息训练得到的。
[0008]可选地，所述车道线位置包括第一车道线的位置和第二车道线的位置，所述属性信息包括第一信息和第二信息；
[0009]所述将所述目标图像输入至车道线检测模型，得到所述目标图像中车道线位置及其属性信息包括：
[0010]将所述目标图像输入至车道线检测模型，得到所述目标图像中第一车道线的位置和第一车道线对应的第一信息以及第二车道线的位置和第二车道线对应的第二信息。
[0011]可选地，所述方法还包括：
[0012]获取多个训练图像，所述训练图像被标注车道线位置及其属性信息；
[0013]将所述训练图像输入至车道线检测模型，得到所述训练图像中车道线位置及其属性信息；
[0014]确定所述被标注车道线位置和所述车道线检测模型输出得到的车道线位置之间差距最小的模型损失函数；
[0015]利用所述模型损失函数更新所述车道线检测模型，以便更新后的车道线检测模型输出更新后的车道线位置及其属性信息。
[0016]可选地，所述车道线检测模型包括分类器和车道线位置检测模型；
[0017]所述利用所述模型损失函数更新所述车道线检测模型，以便更新后的车道线检测
模型输出更新后的车道线位置及其属性信息包括：
[0018]利用所述模型损失函数同时更新所述车道线位置检测模型和分类器，以便更新后的车道线位置检测模型输出更新后的车道线位置，更新后的分类器输出更新后的车道线位置对应的属性信息。
[0019]可选地，所述属性信息至少包括车道线颜色和车道线线型。
[0020]本申请实施例提供一种车道线检测装置，所述装置包括：
[0021]第一获取单元，用于获取目标图像；
[0022]第一输入单元，用于将所述目标图像输入至车道线检测模型，得到所述目标图像中目标车道线的位置及其属性信息，所述车道线检测模型是利用训练图像和训练图像中的车道线位置及其属性信息训练得到的。
[0023]可选地，所述车道线位置包括第一车道线的位置和第二车道线的位置，所述属性信息包括第一信息和第二信息；
[0024]所述第一输入单元，具体用于：
[0025]将所述目标图像输入至车道线检测模型，得到所述目标图像中第一车道线的位置和第一车道线对应的第一信息以及第二车道线的位置和第二车道线对应的第二信息。
[0026]可选地，所述装置还包括：
[0027]第二获取单元，用于获取多个训练图像，所述训练图像被标注车道线位置及其属性信息；
[0028]第二输入单元，用于将所述训练图像输入至车道线检测模型，得到所述训练图像中车道线位置及其属性信息；
[0029]确定单元，用于确定所述被标注车道线位置和所述车道线检测模型输出得到的车道线位置之间差距最小的模型损失函数；
[0030]更新单元，用于利用所述模型损失函数更新所述车道线检测模型，以便更新后的车道线检测模型输出更新后的车道线位置及其属性信息。
[0031]可选地，所述车道线检测模型包括分类器和车道线位置检测模型；
[0032]所述更新单元，具体用于：
[0033]利用所述模型损失函数同时更新所述车道线位置检测模型和分类器，以便更新后的车道线位置检测模型输出更新后的车道线位置，更新后的分类器输出更新后的车道线位置对应的属性信息。
[0034]可选地，所述属性信息至少包括车道线颜色和车道线线型。
[0035]本申请实施例提供一种车道线检测方法，获取目标图像，将目标图像输入车道线检测模型，能够得到目标图像中目标车道线的位置及其属性信息，其中车道线检测模型是利用训练图像和训练图像中的车道线位置及其属性信息训练得到的，也就是说，本申请实施例提供的车道线检测方法，不仅能得到车道线的位置，还能同时得到对应的车道线的属性信息，即能够同时得到车道线的位置和该车道线对应的属性信息，关联车道线和属性信息，能够快速并且高效的为自动驾驶的车辆提供更多的车道的信息。
附图说明
[0036]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0037]图1为本申请实施例提供的一种车道线检测方法的流程图；
[0038]图2为本申请实施例提供的一种车道线检测装置的结构框图。
具体实施方式
[0039]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0040]随着计算机技术的快速发展，自动驾驶技术也成为了热门研究方向之一。自动驾驶技术中占据重要地位的技术难关是控制车辆在规定车道上正常安全行驶。为了保证车辆在规定车道上行驶，需要对车道线进行检测，得到车辆所在车道的车道线信息，后续根据车道线信息，车辆控制系统规划车辆行驶轨迹，并且根据该车辆行驶轨迹，确定车辆的行驶方向，以便车辆按照该车辆行驶轨迹正常行驶。
[0041]因此，获取全面的车道线信息对于自动驾驶而言非常重要，车道线的信息可以包括车道线的位置以及车道线的线型或颜色等，为了快速，高效，准确地检测车道线及其属性信息，存在能够兼顾准确性和速度，能够准确的进行识别，不能出现误检漏检，保证实时性，能够应用于实际环境的获取车道线信息的需求，也就是说，现在急需一种能够快速且高效的获取较多车道线本文档来自技高网...

【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，所述方法包括：获取目标图像；将所述目标图像输入至车道线检测模型，得到所述目标图像中目标车道线的位置及其属性信息，所述车道线检测模型是利用训练图像和训练图像中的车道线位置及其属性信息训练得到的。2.根据权利要求1所述的方法，其特征在于，所述车道线位置包括第一车道线的位置和第二车道线的位置，所述属性信息包括第一信息和第二信息；所述将所述目标图像输入至车道线检测模型，得到所述目标图像中车道线位置及其属性信息包括：将所述目标图像输入至车道线检测模型，得到所述目标图像中第一车道线的位置和第一车道线对应的第一信息以及第二车道线的位置和第二车道线对应的第二信息。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取多个训练图像，所述训练图像被标注车道线位置及其属性信息；将所述训练图像输入至车道线检测模型，得到所述训练图像中车道线位置及其属性信息；确定所述被标注车道线位置和所述车道线检测模型输出得到的车道线位置之间差距最小的模型损失函数；利用所述模型损失函数更新所述车道线检测模型，以便更新后的车道线检测模型输出更新后的车道线位置及其属性信息。4.根据权利要求3所述的方法，其特征在于，所述车道线检测模型包括分类器和车道线位置检测模型；所述利用所述模型损失函数更新所述车道线检测模型，以便更新后的车道线检测模型输出更新后的车道线位置及其属性信息包括：利用所述模型损失函数同时更新所述车道线位置检测模型和分类器，以便更新后的车道线位置检测模型输出更新后的车道线位置，更新后的分类器输出更新后的车道线位置对应的属性信息。5.根据权利要求1
‑
4任意一项所述的方法，其特征在于，所述属性信息至少包括车道线颜色和车...

【专利技术属性】
技术研发人员：赵维刚，李超，
申请(专利权)人：天津天瞳威势电子科技有限公司，
类型：发明
国别省市：