【技术实现步骤摘要】
本专利技术涉及目标检测,尤其涉及一种车道线检测方法、装置、电子设备和介质。
技术介绍
1、车道线检测和跟踪是自动驾驶中必不可少的功能,ldw(车道偏离预警)、lka(车道保持辅助)等功能模块都依赖于连续稳定的车道线检测和跟踪。
2、在当前的车道线检测研究中,主流的解决方案有三种。方案一:将车道线视为回归问题,利用传统图像处理方法对车道线像素点和背景像素点进行分离之后,利用多项式回归方法,对每一条车道线进行拟合。方案二:利用深度学习的方法直接对图像当中的像素点进行分类,每条车道线分为不同的类别,背景像素单独为一类。输入图片进入网络之后可以直接获得车道线的掩码图像。方案三:利用深度学习提取图片的视觉特征来预测车道线所在位置的点。
3、然而,在车道线检测场景中存在光线暗淡、车道线模糊或被遮挡等情况,导致拍摄的道路图像中车道线不清楚或没有车道线,所以会导致车道线检测不准确的问题。
技术实现思路
1、为解决上述技术问题或至少部分地解决上述技术问题,本专利技术实施例提供一种车道
...【技术保护点】
1.一种车道线检测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述编码器包括多层网络层;将所述编码器最后一层网络层输出的特征信息作为目标特征矩阵,将所述编码器最后一层网络层之前的网络层输出的特征信息作为特定特征矩阵;
3.根据权利要求2所述的方法,其特征在于,所述利用预设的记忆聚合模型对所述第一编码信息和所述第二编码信息进行聚合处理,获取所述当前帧图像与所述前一帧图像的交互信息,包括:
4.根据权利要求3所述的方法,其特征在于,所述利用预设的记忆聚合模型对对所述第一目标特征矩阵、所述第一特定特征矩阵、所述第二
...【技术特征摘要】
1.一种车道线检测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述编码器包括多层网络层;将所述编码器最后一层网络层输出的特征信息作为目标特征矩阵,将所述编码器最后一层网络层之前的网络层输出的特征信息作为特定特征矩阵;
3.根据权利要求2所述的方法,其特征在于,所述利用预设的记忆聚合模型对所述第一编码信息和所述第二编码信息进行聚合处理,获取所述当前帧图像与所述前一帧图像的交互信息,包括:
4.根据权利要求3所述的方法,其特征在于,所述利用预设的记忆聚合模型对对所述第一目标特征矩阵、所述第一特定特征矩阵、所述第二目标特征矩阵和所述第二特定特征矩阵进行聚合处理,获得注意力矩阵,包括:
5.根据权利要求4所述的方法,其特征在于,所述利用所述第一矩阵、所述第五矩阵和所述第六矩阵,确定所述当前帧图像与所述前一帧图像的第一注意力矩阵,包括:...
【专利技术属性】
技术研发人员:王俊,
申请(专利权)人:及云香港科技有限公司,
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。