一种基于神经网络的车道线检测方法及专用处理器技术

本发明专利技术属于自动驾驶领域，具体提供一种基于神经网络的车道线检测方法及专用处理器，用以在有限的硬件资源条件下实现低功耗、高性能、高速度的实时车道线检测，如移动终端。本发明专利技术通过构建轻量级车道线检测神经网络模型，在不降低检测性能的情况下，大大降低车道线检测神经网络模型的参数量，使其能够在有限硬件资源条件下实现，突破了传统方法对硬件资源的严格限制；同时，本发明专利技术提供了用于执行该车道线检测方法的专用处理器，加快处理数据速度，提高数据并行度和吞吐量，进而实现实时车道线检测；综上，本发明专利技术能够同时满足检测性能强、实时性好、节约硬件资源等要求，大大提升车道线检测在自动驾驶系统中的可实现性。

【技术实现步骤摘要】

本专利技术属于自动驾驶领域，涉及人工智能算法、自动驾驶及计算机技术，具体提供一种基于神经网络的车道线检测方法及专用处理器。

技术介绍

1、在自动驾驶领域中，车道线是车辆驾驶中的一个关键路况信息，车道线检测技术也是自动驾驶领域的关键技术。车道线检测的难点在于解决复杂情况下路面存在遮挡或模糊车道线的问题，同时，车道线的位置作为自动驾驶决策的关键判断依据，要求检测流程必须兼顾实时性。对于复杂场景下的车道线位置检测，传统图像处理方法不能解决车道线有遮挡、不清晰等实际场景中的常见问题，因此，基于深度学习的车道线检测方法应运而生。然而，基于深度学习的车道线检测方法往往存在权重量庞大、计算量大的问题，通常只能在gpu等通用处理器上实时处理，导致硬件资源消耗巨大。由此可见，构建一个基于深度学习的轻量级车道线检测神经网络模型对实现实时车道线检测具有巨大应用价值。

技术实现思路

1、本专利技术的目的在于在于提供一种基于神经网络的车道线检测方法及专用处理器，用以在有限的硬件资源条件下实现低功耗、高性能、高速度的实时车道线检测，如移本文档来自技高网...

【技术保护点】

1.一种基于神经网络的车道线检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述基于神经网络的车道线检测方法，其特征在于，步骤1中，车道线检测神经网络模型包括：主干网络与全连接层，主干网络采用多阶段的多分支深度可分离卷积神经网络；单帧检测图片输入主干网络，由主干网络进行特征提取，得到特征图；将特征图展开为一维长向量，经过全连接层后输出车道预选框分类结果；全连接层的输出维度与预设锚点数量相同，在每行或每列找出输出概率最大的锚点作为输出点，所有输出点共同构成车道预选框分类结果。

3.根据权利要求1所述基于神经网络的车道线检测方法，其特征在于，步骤1中，轻量化的...

【技术特征摘要】

1.一种基于神经网络的车道线检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述基于神经网络的车道线检测方法，其特征在于，步骤1中，车道线检测神经网络模型包括：主干网络与全连接层，主干网络采用多阶段的多分支深度可分离卷积神经网络；单帧检测图片输入主干网络，由主干网络进行特征提取，得到特征图；将特征图展开为一维长向量，经过全连接层后输出车道预选框分类结果；全连接层的输出维度与预设锚点数量相同，在每行或每列找出输出概率最大的锚点作为输出点，所有输出点共同构成车道预选框分类结果。

3.根据权利要求1所述基于神经网络的车道线检测方法，其特征在于，步骤1中，轻量化的过程为：首先，采用车道线检测数据集对车道线检测神经网络模型进行训练；然后，对全连接层进行通道剪枝，剪枝至原参数量的4％至10％；再对主干网络中每一个多分支结构进行重参...

【专利技术属性】
技术研发人员：常亮，何飞麒，胡智成，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：