车道线检测方法、装置、存储介质、处理器及电子装置制造方法及图纸

本发明专利技术公开了一种车道线检测方法、装置、存储介质、处理器及电子装置。其中，该方法包括：获取待识别图像，其中，待识别图像的显示内容包括：待识别的车道线；利用第一神经网络模型对待识别图像进行分析，得到第一分割图，其中，第一神经网络模型用于对待识别图像进行全图分割，第一分割图为全图非连通的分割图；利用第二神经网络模型对待识别图像进行分析，得到第二分割图，其中，第二神经网络模型用于对车道线进行分割，第二分割图为全图连通的分割图；基于第一分割图和第二分割图确定车道线的分类结果。本发明专利技术解决了由于车辆行驶过程中高级辅助驾驶系统无法区别车道线的虚实信息造成的车辆运动控制能力提升受限的技术问题。成的车辆运动控制能力提升受限的技术问题。成的车辆运动控制能力提升受限的技术问题。

【技术实现步骤摘要】
车道线检测方法、装置、存储介质、处理器及电子装置


[0001]本专利技术涉及自动驾驶
，具体而言，涉及一种车道线检测方法、装置、存储介质、处理器及电子装置。

技术介绍

[0002]随着相关科学技术的迅速发展和汽车保有量的不断增加，汽车安全已经成为当今生活重点关注的问题之一，因此，越来越多汽车搭载了各种高级驾驶辅助系统功能，其中车道线检测是及其重要的技术之一。
[0003]基于视觉的车道线检测方法因其提供的信息丰富和花费的成本低廉而被广泛的采用。基于视觉的车道线检测方法一般可以分为两类：
[0004](1)特征法：利用车道线的颜色、宽度或梯度变化等特征信息将车道线从路面区域提取出来，或者利用路面的纹理信息结合区域增长以及分类的方法来获得整个道路区域。
[0005](2)模型法：将车道抽象成一个恰当的几何模型，先采用边缘检测的方法获得车道线或道路的边缘信息，然后通过随机抽样一致算法(Random Sample Consensus，RANSAC)，最小二乘法，Hough变换等方法获得几何模型的参数来拟合相应的车道线。
[0006]这些现有车道线检测方法能够完成车道线的初步检测，但并不能区别出车道线的虚实信息。然而，在高级辅助驾驶系统控制车辆行驶过程中，特别是当车辆有变道意向时，对车道线虚实信息的准确识别是十分重要的。也就是说，车辆行驶过程中的一个关键问题是：现有高级辅助驾驶系统中的车道线检测技术无法区别车道线的虚实信息，进而造成了对车辆运动控制能力提升受限的技术问题。
[0007]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0008]本专利技术实施例提供了一种车道线检测方法、装置、存储介质、处理器及电子装置，以至少解决由于车辆行驶过程中高级辅助驾驶系统无法区别车道线的虚实信息造成的车辆运动控制能力提升受限的技术问题。
[0009]根据本专利技术其中一实施例，提供了一种车道线检测方法，包括：
[0010]获取待识别图像，其中，待识别图像的显示内容包括：待识别的车道线；利用第一神经网络模型对待识别图像进行分析，得到第一分割图，其中，第一神经网络模型用于对待识别图像进行全图分割，第一分割图为全图非连通的分割图；利用第二神经网络模型对待识别图像进行分析，得到第二分割图，其中，第二神经网络模型用于对车道线进行分割，第二分割图为全图连通的分割图；基于第一分割图和第二分割图确定车道线的分类结果。
[0011]可选地，第一神经网络模型使用多组图像数据通过机器学习训练得到，多组图像数据中的每组图像数据均包括：原始图像和原始图像中标注的全图语义分割的类别。
[0012]可选地，第二神经网络模型使用多组图像数据通过机器学习训练得到，多组图像数据中的每组图像数据均包括：原始图像和原始图像中标注的车道线。
[0013]可选地，基于第一分割图和第二分割图确定车道线的分类结果包括：将第一分割图和第二分割图投影至相同的目标坐标系；在目标坐标系下，计算第一分割图与第二分割图中对应位置上的车道线长度比值，得到计算结果；基于计算结果与预设阈值的比较结果，确定车道线的分类结果。
[0014]可选地，计算第一分割图与第二分割图中对应位置上的车道线长度比值，得到计算结果包括：从第一分割图中获取待计算对象的第一起始点坐标信息、第一标志位信息和第一序号信息，以及从第二分割图中获取待计算对象的第二起始点坐标信息、第二标志位信息和第二序号信息；当通过第一标志位信息和第二标志位信息确定待计算对象的类别均为车道线，并且通过第一序号信息和第二序号信息确定待计算对象位于第一分割图与第二分割图中对应位置上时，利用第一起始点坐标信息和第二起始点坐标信息计算待计算对象的车道线长度比值，得到计算结果。
[0015]可选地，基于计算结果与预设阈值的比较结果，确定车道线的分类结果包括：当计算结果大于预设阈值时，确定车道线的分类结果为实线；当计算结果小于或等于预设阈值时，确定车道线的分类结果为虚线。
[0016]根据本专利技术其中一实施例，还提供了一种车道线检测装置，包括：
[0017]获取模块，用于获取待识别图像，其中，待识别图像的显示内容包括：待识别的车道线；第一分析模块，用于利用第一神经网络模型对待识别图像进行分析，得到第一分割图，其中，第一神经网络模型用于对待识别图像进行全图分割，第一分割图为全图非连通的分割图；第二分析模块，用于利用第二神经网络模型对待识别图像进行分析，得到第二分割图，其中，第二神经网络模型用于对车道线进行分割，第二分割图为全图连通的分割图；检测模块，用于基于第一分割图和第二分割图确定车道线的分类结果。
[0018]可选地，第一分析模块中第一神经网络模型使用多组图像数据通过机器学习训练得到，多组图像数据中的每组图像数据均包括：原始图像和原始图像中标注的全图语义分割的类别。
[0019]可选地，第二分析模块中第二神经网络模型使用多组图像数据通过机器学习训练得到，多组图像数据中的每组图像数据均包括：原始图像和原始图像中标注的车道线。
[0020]可选地，检测模块包括：投影单元，用于将第一分割图和第二分割图投影至相同的目标坐标系；计算单元，用于在目标坐标系下，计算第一分割图与第二分割图中对应位置上的车道线长度比值，得到计算结果；确定单元，用于基于计算结果与预设阈值的比较结果，确定车道线的分类结果。
[0021]可选地，计算单元包括：用于从第一分割图中获取待计算对象的第一起始点坐标信息、第一标志位信息和第一序号信息，以及从第二分割图中获取待计算对象的第二起始点坐标信息、第二标志位信息和第二序号信息；当通过第一标志位信息和第二标志位信息确定待计算对象的类别均为车道线，并且通过第一序号信息和第二序号信息确定待计算对象位于第一分割图与第二分割图中对应位置上时，利用第一起始点坐标信息和第二起始点坐标信息计算待计算对象的车道线长度比值，得到计算结果。
[0022]可选地，确定单元包括：用于当计算结果大于预设阈值时，确定车道线的分类结果为实线；当计算结果小于或等于预设阈值时，确定车道线的分类结果为虚线。
[0023]根据本专利技术其中一实施例，还提供了一种非易失性存储介质，其特征在于，存储介
质中存储有计算机程序，其中，计算机程序被设置为运行时执行前述任一项中的车道线检测方法。
[0024]根据本专利技术其中一实施例，还提供了一种处理器，其特征在于，处理器用于运行程序，其中，程序被设置为运行时执行前述任一项中的车道线检测方法。
[0025]根据本专利技术其中一实施例，还提供了一种电子装置，包括存储器和处理器，其特征在于，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行前述任一项中的车道线检测方法。
[0026]在本专利技术实施例中，获取包括待识别车道线的图像后，采用利用第一神经网络模型对待识别图像进行全图分割分析，得到全图非连通的第一分割图；利用第二神经网络模型对待识别图像进行车道线分割分析，得到全图连通的第二分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车道线检测方法，其特征在于，包括：获取待识别图像，其中，所述待识别图像的显示内容包括：待识别的车道线；利用第一神经网络模型对所述待识别图像进行分析，得到第一分割图，其中，所述第一神经网络模型用于对所述待识别图像进行全图分割，所述第一分割图为全图非连通的分割图；利用第二神经网络模型对所述待识别图像进行分析，得到第二分割图，其中，所述第二神经网络模型用于对所述车道线进行分割，所述第二分割图为全图连通的分割图；基于所述第一分割图和所述第二分割图确定所述车道线的分类结果。2.根据权利要求1所述的车道线检测方法，其特征在于，所述第一神经网络模型使用多组图像数据通过机器学习训练得到，所述多组图像数据中的每组图像数据均包括：原始图像和所述原始图像中标注的全图语义分割的类别。3.根据权利要求1所述的车道线检测方法，其特征在于，所述第二神经网络模型使用多组图像数据通过机器学习训练得到，所述多组图像数据中的每组图像数据均包括：原始图像和所述原始图像中标注的车道线。4.根据权利要求1所述的车道线检测方法，其特征在于，基于所述第一分割图和所述第二分割图确定所述车道线的分类结果包括：将所述第一分割图和所述第二分割图投影至相同的目标坐标系；在所述目标坐标系下，计算所述第一分割图与所述第二分割图中对应位置上的车道线长度比值，得到计算结果；基于所述计算结果与预设阈值的比较结果，确定所述车道线的分类结果。5.根据权利要求4所述的车道线检测方法，其特征在于，计算所述第一分割图与所述第二分割图中对应位置上的车道线长度比值，得到所述计算结果包括：从所述第一分割图中获取待计算对象的第一起始点坐标信息、第一标志位信息和第一序号信息，以及从所述第二分割图中获取所述待计算对象的第二起始点坐标信息、第二标志位信息和第二序号信息；当通过所述第一标志位信息和所述第二标志...

【专利技术属性】
技术研发人员：葛恒赫，陈博，尹荣彬，张伟伟，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：