【技术实现步骤摘要】
本专利技术属于3d车道线检测，尤其涉及一种基于空间感知的3d车道线检测方法。
技术介绍
1、现有车道线检测技术可以分为检测前视图上车道线的2d车道线检测和检测实际三维空间中车道线的3d车道线检测。其中，3d车道线检测又可以分为基于稠密鸟瞰视图(bird's eye view，bev)特征的方法和绕过稠密鸟瞰图特征的稀疏方法。
2、对于2d车道线检测，其任务旨在从车载相机拍摄的平面图像上精确识别车道线的位置。然后再利用逆透视变换(inverse perspective mapping，ipm)技术进行后处理，将图像2d车道线坐标转换为3d空间坐标。然而，由于ipm技术基于地面平坦的简化假设，与多变的真实道路环境存在差异，ipm转换过程会引入不可忽视的误差。
3、对于3d车道线检测，基于稠密bev特征的方法中代表做法是persformer，尽管bev特征图本身是稠密的，但车道线作为道路的关键结构元素，在空间中的表现形式其实是相对稀疏的，同时稠密的bev特征可能更适合于稠密的任务需求如bev分割而非车道线检测任务；绕过...
【技术保护点】
1.一种基于空间感知的3D车道线检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于空间感知的3D车道线检测方法，其特征在于，所述图片特征提取模型包括卷积神经网络和Transformer Layer网络；
3.如权利要求2所述的基于空间感知的3D车道线检测方法，其特征在于，所述Transformer Layer网络包括第一Transformer Encoder和第二Transformer Encoder，且所述第一Transformer Encoder和所述第二Transformer Encoder均包含SelfAttention模
【技术特征摘要】
1.一种基于空间感知的3d车道线检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于空间感知的3d车道线检测方法，其特征在于，所述图片特征提取模型包括卷积神经网络和transformer layer网络；
3.如权利要求2所述的基于空间感知的3d车道线检测方法，其特征在于，所述transformer layer网络包括第一transformer encoder和第二transformer encoder，且所述第一transformer encoder和所述第二transformer encoder均包含selfattention模块和mlp模块。
4.如权利要求3所述的基于空间感知的3d车道线检测方法，其特征在于，将初始车道线图像输入图片特征提取模型，获取目标前视特征图，包括：
5.如权利...
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。