一种车道线识别方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例提供一种车道线识别方法、装置、电子设备及存储介质，其中，该方法包括：获得包含车道线的图片数据；根据所述图片数据进行车道线建模，得到车道线数据；对所述车道线数据进行回归处理，得到车道线回归坐标；对所述车道线回归坐标和前景背景特征图进行融合处理，得到识别结果。实施本申请实施例，可以对图片中的车道线进行准确评估，实现高精度的车道线识别，同对于复杂场景中的车道线状况也可以实现精准识别，同时可以满足实时性的需求，更快、更准地进行识别、评估。评估。评估。

【技术实现步骤摘要】
一种车道线识别方法、装置、电子设备及存储介质


[0001]本申请涉及数据处理
，具体而言，涉及一种车道线识别方法、装置、电子设备及存储介质。

技术介绍

[0002]车道线识别是自动驾驶的环境感知领域中的关键问题之一，车道线识别的目的是获取道路上每条车道线的准确形状。然而，由于车道线可能被遮挡、磨损或受到天气的影响，导致车道线的状态呈现具有不确定性，这也给车道线的识别带来极大的挑战。同时，由于车道线识别必须实时且快速地执行，因此，车道线识别任务对算法的实时性要求非常高。
[0003]现有技术对车道线进行评估的方法很难实现实时性要求，如基于SCNN算法的车道线识别，这种方法对于细长的车道线识别是很有效的，但是其速度慢的特点也限制了它在实际应用中的适用性；基于LaneNet方法对车道线进行识别，是一种将语义分割和对像素进行向量表示结合起来的多任务模型，可以有效的对车道线进行评估。但是，其评估结果后处理依赖于聚类算法，比较耗时，难以满足实时性的要求；一种基于线性型Anchor的池化方法结合注意力机制来获取更多的全局信息。但是需要预设Anc本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车道线识别方法，其特征在于，所述方法包括：获得包含车道线的图片数据；根据所述图片数据进行车道线建模，得到车道线数据；对所述车道线数据进行回归处理，得到车道线回归坐标；对所述车道线回归坐标和前景背景特征图进行融合处理，得到识别结果。2.根据权利要求1所述的车道线识别方法，其特征在于，所述对所述车道线数据进行回归处理，得到车道线回归坐标的步骤，包括：对所述车道线数据中包含第一存在性标志的车道线数据进行特征提取，得到第一特征图；对所述第一特征图进行卷积操作，得到第一车道线像素特征；将所述第一车道线像素特征输入全连接层，得到车道线特征数据；对所述车道线特征数据进行回归处理，得到所述车道线回归坐标。3.根据权利要求1所述的车道线识别方法，其特征在于，所述对所述车道线回归坐标和前景背景特征图进行融合处理，得到识别结果的步骤，包括：获取所述车道线回归坐标中的回归车道线起始点坐标和回归车道线终点坐标；提取所述回归车道线起始点坐标和所述回归车道线终点坐标中的有效车道线坐标；获得所述前景背景特征图；将所述有效车道线坐标和所述前景背景特征图中的前景坐标点进行融合处理，得到预测坐标；对所述预测坐标进行评估，得到评估结果；将所述预测坐标和所述评估结果作为所述识别结果。4.根据权利要求3所述的车道线识别方法，其特征在于，所述获得所述前景背景特征图的步骤，包括：对所述车道线数据中包含第二存在性标志的车道线数据进行特征提取，得到第二特征图；对所述第二特征图进行卷积操作，得到第二车道线像素特征；获得真值图；通过第一损失函数对所述第二车道线像素特征和所述真值图进行监督训练，得到所述前景背景特征图。5.根据权利要求4所述的车道线识别方法，其特征在于，所述获得真值图的步骤，包括：对所述车道线数据中包含存在性标志的车道线坐标进行插值填充，得到车道线曲线；对所述车道线曲线中的像素坐标点进行重置，得到所述真值图。6.根据权利要求3所述的车道线识别方法，其特征在于，所述将所述有效车道线坐标和所述前景背景特征图中的前景坐标点进行融合处理，得到预测坐标的步骤，包括：将所述有效车道线坐标映射至所述前景背景特征图上，得到坐标点映射距离差值；选取所述有效车道线坐标中的距离阈值大于所述坐标点映射距离差值的多个坐标点；根据所述多个坐标点获得平均值；根据所述平均值获得所述预测坐标。7.根据权利要求3所述的车道线识别方法，其特征在于，所述对所述预测坐标进行评
估，得到评估结果的步骤，包括：根据所述预测坐标点获得正确预测点数量、非零预测点数量;获取所述车道线数据中的有效点数量；根据所述正确预测点数量、所述非零预测点数量和所述有效点数量获得Iou值；根据所述Iou值获得所述评估...

【专利技术属性】
技术研发人员：邓志巧，彭易锦，方志杰，何山波，陈春光，
申请(专利权)人：广汽埃安新能源汽车股份有限公司，
类型：发明
国别省市：