【技术实现步骤摘要】
本申请涉及图像处理、智能驾驶，尤其涉及一种车道线检测方法、模型训练方法、设备及存储介质。
技术介绍
1、智能驾驶及车道级导航等场景依赖高精度的车道级定位技术，基于视觉图像的车道线检测是实现车道级定位关键的一环。
2、基于深度学习的车道线检测方法主要分为基于分割的车道线检测方法和基于预置线的车道线检测方法。基于分割的车道线检测方法，由于上采样部分带来额外的计算量，检测效率较低，无法适用于对响应速度要求较高的场景，如车道级导航、智能驾驶决策等。基于预置线的车道线检测方法，规避了上采样带来的效率低的问题，是一种端到端的车道线检测方法，然而，现有的基于预置线的车道线检测方法，往往仅能从图像中检测出车道线，但检测不到除车道线以外的其他信息，无法为车道级定位提供充足的数据基础。
3、因此，亟需提供一种车道线检测技术，能够输出更多维度的车道线检测数据。
技术实现思路
1、本申请提供一种车道线检测方法、模型训练方法、设备及存储介质，基于预置线进行车道线检测，实现了检测图中车道线、车...
【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，车道线检测模型的头部根据所述预置线对应的线特征，确定所述待检测图像中的车道线及所述车道线的属性信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述待检测图像包括车辆搭载的视觉传感器拍摄的车辆前方的车道，所述属性信息包括车道线的线型和/或车道线与所述车辆的位置关系。
4.根据权利要求3所述的方法，其特征在于，所述第三头部包括：第一池化层和/或第二池化层；
5.根据权利要求2所述的方法，其特征在于，所述第二头部包括全连接层，所述车道...
【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，车道线检测模型的头部根据所述预置线对应的线特征，确定所述待检测图像中的车道线及所述车道线的属性信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述待检测图像包括车辆搭载的视觉传感器拍摄的车辆前方的车道，所述属性信息包括车道线的线型和/或车道线与所述车辆的位置关系。
4.根据权利要求3所述的方法，其特征在于，所述第三头部包括：第一池化层和/或第二池化层；
5.根据权利要求2所述的方法，其特征在于，所述第二头部包括全连接层，所述车道线检测模型的第二头部基于所述正样本预置线对应的线特征，确定所述待检测图像中的车道线的形状点，包括：
6.根据权利要求2-5中任一项所述的方法，其特征在于，基于所述预置线对应的正样...
【专利技术属性】
技术研发人员：张天霖，陈佳佳，白延成，蔡炀，
申请(专利权)人：高德软件有限公司，
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。