【技术实现步骤摘要】
本申请涉及自动驾驶技术，尤其涉及一种车道线的类别的识别方法、装置及设备。
技术介绍
1、随着汽车智能化的不断发展，自动驾驶技术成为研究热点。车道线的类别的识别是自动驾驶技术的基础。
2、目前，研究多是聚焦于如何利用机器学习模型进行车道线的检测方面，对于车道线的分类的研究的效果不佳，车道线的类别识别的准确度较低、效率较低。故，亟需一种能够提高车道线的类别识别准确度的方法。
技术实现思路
1、本申请提供一种车道线的类别的识别方法、装置及设备，用以提高车道线的类别识别准确度。
2、第一方面，本申请提供一种车道线的类别的识别方法，所述方法应用于车辆的处理器，所述车辆中设置有采集装置和所述处理器，所述采集装置用于采集车辆所处的环境的初始图像；所述处理器用于基于所述初始图像中车道线的类别控制车辆进行自动驾驶，包括：
3、获取所述采集装置所采集的所述初始图像，并提取所述初始图像中的车道线的车道线坐标信息；其中，所述车道线坐标信息表征车道线在初始图像中的位置；
4、根据所述车道线坐标信息，从所述初始图像中提取车道线，得到车道线图像；其中，所述车道线图像中包括第一区域和第二区域，所述第一区域为初始图像中的车道线的区域，所述第二区域的像素点的像素值均为预设值；
5、根据所述车道线图像，确定所述车道线的类别。
6、可选的，所述车道线坐标信息包括车道线的中心线上的点，所述车道线坐标信息中的点具有坐标；
7、根据所述车道线坐
8、根据所述车道线坐标信息，确定所述初始图像中的第一坐标点和第二坐标点；其中，所述第一坐标点的横坐标为所述车道线坐标信息中的横坐标的最大值，所述第一坐标点的纵坐标为所述车道线坐标信息中的纵坐标的最大值；所述第二坐标点的横坐标为所述车道线坐标信息中的横坐标的最小值，所述第二坐标点的纵坐标为所述车道线坐标信息中的纵坐标的最小值；
9、根据所述第一坐标点和所述第二坐标点，对所述初始图像进行裁切处理，得到裁切后的初始图像；其中，所述裁切后的初始图像中包括初始图像中的车道线；
10、生成与所述裁切后的初始图像的大小相同的初始掩膜；其中，所述初始掩膜中的像素点的像素值均为所述预设值；
11、根据所述裁切后的初始图像和所述初始掩膜，生成所述车道线图像。
12、可选的，根据所述裁切后的初始图像和所述初始掩膜，生成所述车道线图像，包括：
13、在所述初始掩膜中，根据所述车道线坐标信息中的每一点的坐标，沿着x轴加上多个点，并沿着x轴减去多个点，得到每一点的扩展区域；
14、根据各点的扩展区域，确定所述第一区域在所述初始掩膜中的位置；
15、将所述裁切后的初始图像中与所述第一区域对应的像素点的像素值，填充至所述初始掩膜的所述第一区域中，得到所述车道线图像。
16、可选的，根据所述车道线图像，确定所述车道线的类别，包括：
17、对所述车道线图像中第一区域进行映射变换处理，得到待识别图像；其中，所述待识别图像中第一区域的位置与所述车道线图像中第一区域的位置不同；
18、对所述待识别图像进行识别处理，得到所述车道线的类别。
19、可选的，对所述车道线图像中第一区域进行映射变换处理，得到待识别图像，包括：
20、根据所述车道线坐标信息，确定所述车道线坐标信息所表征的长度信息和倾斜角度；其中，所述倾斜角度表征所述车道线坐标信息所指示的车道线的倾斜度；
21、根据所述长度信息，确定第一预设坐标点、第二预设坐标点、第三预设坐标点以及第四预设坐标点；并根据第一预设坐标点、第二预设坐标点、第三预设坐标点以及第四预设坐标点，确定第一矩阵；
22、基于所述倾斜角度，确定在车道线图像的每一边界线的定位方向，并基于所述每一边界线的定位方向，确定所述每一边界线对应的定位点；其中，所述定位方向用于确定定位点；所述定位点为定位方向上首个非0的像素点；并根据各所述定位点，确定第二矩阵；
23、根据所述第一矩阵和所述第二矩阵，确定变换矩阵；其中，所述变换矩阵为将第一矩阵变换为第二矩阵的矩阵；
24、根据变换矩阵对所述车道线图像中第一区域进行映射变换处理，得到所述待识别图像。
25、可选的，对所述待识别图像进行识别处理，得到所述车道线的类别，包括：
26、将所述待识别图像输入至预设的分类网络模型中，输出所述车道线的类别。
27、可选的，所述方法还包括：
28、根据所述车道线的类别，控制车辆进行自动驾驶过程。
29、第二方面，本申请提供一种车道线的类别的识别装置，所述装置应用于车辆的处理器，所述车辆中设置有采集装置和所述处理器，所述采集装置用于采集车辆所处的环境的初始图像；所述处理器用于基于所述初始图像中车道线的类别控制车辆进行自动驾驶，包括：
30、获取单元，用于获取所述采集装置所采集的所述初始图像，并提取所述初始图像中的车道线的车道线坐标信息；其中，所述车道线坐标信息表征车道线在初始图像中的位置；
31、提取单元，用于根据所述车道线坐标信息，从所述初始图像中提取车道线，得到车道线图像；其中，所述车道线图像中包括第一区域和第二区域，所述第一区域为初始图像中的车道线的区域，所述第二区域的像素点的像素值均为预设值；
32、确定单元，用于根据所述车道线图像，确定所述车道线的类别。
33、第三方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；
34、所述存储器存储计算机执行指令；
35、所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面中任一项所述的车道线的类别的识别方法。
36、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面任一项所述的车道线的类别的识别方法。
37、第五方面，本申请提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面任一项所述的车道线的类别的识别方法。
38、第六方面，本申请提供一种芯片，所述芯片上存储有计算机程序，所述计算机程序被所述芯片执行时，实现如第一方面任一项所述的车道线的类别的识别方法。
39、本申请提供的车道线的类别的识别方法、装置及设备，根据初始图像中的车道线的车道线的坐标信息，得到了该车道线的车道线图像，并且该车道线图像中包括初始图像中的车道线区域的第一区域和预设像素值的第二区域，对该车道线图像进行识别，确定了该车道线的类别。该方式中，将车道线图像中的包括背景信息的第二区域设置为预设像素值，与车道线的像素值差距大，相较于现有技术中，将包括背景信息的图像一起进行识别处理而本文档来自技高网...
【技术保护点】
1.一种车道线的类别的识别方法，其特征在于，所述方法应用于车辆的处理器，所述车辆中设置有采集装置和所述处理器，所述采集装置用于采集车辆所处的环境的初始图像；所述处理器用于基于所述初始图像中车道线的类别控制车辆进行自动驾驶，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述车道线坐标信息包括车道线的中心线上的点，所述车道线坐标信息中的点具有坐标；
3.根据权利要求2所述的方法，其特征在于，根据所述裁切后的初始图像和所述初始掩膜，生成所述车道线图像，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述车道线图像，确定所述车道线的类别，包括：
5.根据权利要求4所述的方法，其特征在于，对所述车道线图像中第一区域进行映射变换处理，得到待识别图像，包括：
6.根据权利要求4所述的方法，其特征在于，对所述待识别图像进行识别处理，得到所述车道线的类别，包括：
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述方法还包括：
8.一种车道线的类别的识别装置，其特征在于，所述装置应用于车辆的
9.一种电子设备，其特征在于，所述电子设备包括：处理器，以及与所述处理器通信连接的存储器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的车道线的类别的识别方法。
...【技术特征摘要】
1.一种车道线的类别的识别方法，其特征在于，所述方法应用于车辆的处理器，所述车辆中设置有采集装置和所述处理器，所述采集装置用于采集车辆所处的环境的初始图像；所述处理器用于基于所述初始图像中车道线的类别控制车辆进行自动驾驶，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述车道线坐标信息包括车道线的中心线上的点，所述车道线坐标信息中的点具有坐标；
3.根据权利要求2所述的方法，其特征在于，根据所述裁切后的初始图像和所述初始掩膜，生成所述车道线图像，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述车道线图像，确定所述车道线的类别，包括：
5.根据权利要求4所述的方法，其特征在于，对所述车道线图像中第一区域进行映射变换处理，得到待识别图像，包括：
...
【专利技术属性】
技术研发人员：李晓宵，
申请(专利权)人：浙江吉利控股集团有限公司，
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。