一种面向自动驾驶的车道线检测方法技术

本专利申请涉及车道线检测技术领域，公开了一种面向自动驾驶的车道线检测方法，包括以下步骤：S1：获取路面图像并对路面图像进行分割以获取多个分块图像，各个分块图像沿同一方向依次排列；S2：将各个分块图像依次划分为多个图像块，在图像块中嵌入对应的位置编码后输入transformer编码器以提取路面图像的全局特征图，位置编码反应各个图像块在分块图像中的位置；S3：将全局特征图转换为预设分辨率并定义为原始图像，并将原始图像输入CNN编解码网络并输出检测结果，其具有处理速度快并且能够从全局上反映车道线、精度高的特点。精度高的特点。精度高的特点。

【技术实现步骤摘要】
一种面向自动驾驶的车道线检测方法


[0001]本专利技术涉及车道线检测
，尤其涉及一种面向自动驾驶的车道线检测方法。

技术介绍

[0002]随着人工智能的不断发展，计算机视觉成为人工智能领域最重要的研究方向之一。计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等操作，视觉技术不仅需要计算机可以代替人的眼睛来“观察”事物，还必须像人的大脑一样具有“理解”事物的能力，它的挑战是使计算机和机器人开发成具有与人类水平相当的视觉能力，从而可以帮助人处理一些复杂的技术应用。其中自动驾驶是视觉技术应用的领域之一，而车道线检测是自动驾驶中的一个基础模块。
[0003]早期已有很多基于传统图像处理实现的车道线检测算法，但随着研究的深入，车道线检测任务所应对的场景越来越多样化。现阶段对车道线的检测通常是通过颜色以及形状进行的，然而在使用过程中会发现，对于模糊、被光照影响以及被遮挡的车道线，基于传统图像处理的方法难以获取到车道线的位置，并且传统的基于全图进行卷积的方式使得车道线识别需要耗费本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向自动驾驶的车道线检测方法，其特征在于：包括以下步骤：S1：获取路面图像并对所述路面图像进行分割以获取多个分块图像，各个分块图像沿同一方向依次排列；S2：将各个所述分块图像依次划分为多个图像块，在所述图像块中嵌入对应的位置编码后输入transformer编码器以提取所述路面图像的全局特征图，所述位置编码反应各个所述图像块在所述分块图像中的位置；S3：将所述全局特征图转换为预设分辨率并定义为原始图像，并将所述原始图像输入CNN编解码网络并输出检测结果。2.根据权利要求1所述的面向自动驾驶的车道线检测方法，其特征在于：所述步骤S2具体包括：S21：将所述分块图像分割为图像块，所述分块图像用HWC模式进行表示，H*W表示分块图像的分辨率，C为分块图像的通道数，各个所述图像块的分辨率表示为P*P，H以及W中其中一个参数设置于等于P，而另一参数设置为大于P；S22：将各个图像块平展为一维向量并与所述位置编码相加以获取嵌入向量；S23：将各个所述嵌入向量分别输入Transfomer编码器。3.根据权利要求2所述的面向自动驾驶的车道线检测方法，其特征在于：在所述步骤S22中，具体的位置编码公式如下：S22中，具体的位置编码公式如下：其中，pos表示图像块在分块图像中的位置，i表示一维向量的维度，d
model
表示分块图像的维度，Position
embedding(pos，2i)
表示第2i层的位置编码，Position
embedding(pos，2i+1)
表示第2i+1层的位置编码。4.根据权利要求2所述的面向自动驾驶的车道线检测方法，其特征在于：在步骤S22中，将各个所述图像块展平为一维向量后对其进行线性变换。5.根据权利要求2所述的面向自动驾驶的车道线检测方法，其特征在于：所述transformer编码器包括第一归一化单元、多头注意力机制单元、第一残差连接单元、第二归一化单元、多层感知器、第二残差连接单元和第三归一化单元，所述第一归一化单元用于对所述嵌入向量进行层归一化处理并输出第一归一化向量至所述多头注意力机制单元；所述多头注意力机制单元进行多组的自注意力处理过程，并将每一组自注意力的结果拼接起来进行一次线性变换并输出至所述第一残差连接单元；所述第一残差连接单元用于将所述嵌入向量与所述多头注意力机制单元的输出相加并输出第一拼接...

【专利技术属性】
技术研发人员：罗马思阳，郭健，范晟华，
申请(专利权)人：苏州安智汽车零部件有限公司，
类型：发明
国别省市：