【技术实现步骤摘要】
车道线检测方法、装置、存储介质及车辆
[0001]本公开涉及目标检测
，尤其涉及一种车道线检测方法、装置、存储介质及车辆。
技术介绍
[0002]在自动驾驶相关技术中，使用目标检测算法对道路上的车辆、行人、标识等进行检测。
[0003]在对车道线的识别中，使用算法例如基于实例分割的车道线检测算法对车辆感知的环境进行检测，该方法能够检测图像中的所有车道线，但需要使用非极大值抑制算法避免过多的误检与重复检测问题。在自然场景的实例分割与目标检测算法中，非极大值抑制算法通过计算不同目标间的交并比解决实例间的重复检测问题。
[0004]尽管非极大值抑制算法通过不同车道线间的交并比能够解决重复检测问题，但是同一类别车道线之间交并比的计算过程较为费时、需要占用较多算力。
技术实现思路
[0005]为克服相关技术中存在的问题，本公开提供一种车道线检测方法、装置、存储介质及车辆。
[0006]根据本公开实施例的第一方面，提供一种车道线检测方法，包括：获取车道线识别结果，所述车道线识别结果包括多个备...
【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：获取车道线识别结果，所述车道线识别结果包括多个备选车道线；依据备选车道线与车辆的相对位置，将所述多个备选车道线划分为多个分组；对于每一所述分组，获取所述分组内的所有备选车道线的类别预测结果，并根据所述类别预测结果将具有最高概率值的备选车道线作为目标车道线，所述类别预测结果包括所述分组内每一备选车道线的预测类别及属于所述预测类别的概率值；获取每一所述分组的目标车道线，将所有目标车道线保存为检测结果。2.根据权利要求1所述方法，其特征在于，所述获取所述分组内的所有备选车道线的类别预测结果，并根据所述类别预测结果将具有最高概率值的备选车道线作为目标车道线，包括：依据所述类别预测结果，将所述分组内的所有备选车道线划分为多个类别；获取每一所述类别下具有最高概率值的备选车道线，将所获取的备选车道线作为目标车道线。3.根据权利要求2所述方法，其特征在于，所述依据所述类别预测结果，将所述分组内的所有备选车道线划分为多个类别，还包括：当所述多个类别中存在冲突的至少两个类别时，获取所述至少两个类别中每一类别下具有最高概率值的备选车道线并作为待选车道线；依据待选车道线之间的距离对所述至少两个类别的待选车道线进行筛选，获取所述目标车道线。4.据权利要求3所述方法，其特征在于，所述依据待选车道线之间的距离对所述至少两个类别的待选车道线进行筛选，获取所述目标车道线，包括：获取每一所述待选车道线的中心，计算每两个所述待选车道线中心之间的距离；当每两个所述待选车道线中心之间的距离均小于阈值时，将各个所述待选车道线中...
【专利技术属性】
技术研发人员：王加华，
申请(专利权)人：北京小米松果电子有限公司，
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。