一种车道线检测方法技术

本申请提出了一种车道线检测方法

【技术实现步骤摘要】
一种车道线检测方法、装置、电子设备及介质


[0001]本申请一个或多个实施例涉及汽车领域，尤其涉及一种车道线检测方法
、
装置
、
电子设备及介质
。

技术介绍

[0002]车道线检测是辅助驾驶
、
高精地图要素制作中重要的技术手段
。
在辅助驾驶中，通过检测车道线，可以使得汽车保持在车道线内，避免违反相关交通法规
。
[0003]相关技术中，把车道线检测视为语义分割任务
。
通过语义分割模型对道路图像进行分割，得到车道线的掩码，然后再根据网络输出的特征向量聚类出具体的车道线
。
然而，语义分割任务需要对道路图像中的每个像素点逐个进行分类，然后对分类结果聚类成若干车道线，整个过程计算量巨大且计算复杂度较高，容易导致车道线检测的效率较低
。
而其他车道线检测的模型由于模型参数量较大且模型本身复杂度较高，导致无法将其部署在移动端进行车道线的检测
。

技术实现思路

[0004]本申请提供一种车道线检测方法
、
装置
、
电子设备及介质，以解决相关技术中的不足
。
[0005]根据本申请一个或多个实施例的第一方面，提供一种车道线检测方法，该方法包括：
[0006]采集前方道路图像，并提取所述前方道路图像的图像特征；
[0007]基于所述图像特征计算所述前方道路图像中各像素点的置信度，所述置信度用于表征所述像素点为车道线坐标点的概率；
[0008]采集所述前方道路图像中目标像素行的部分目标像素点，并根据所述部分目标像素点的置信度确定所述目标像素行中的车道线坐标点；所述目标像素行为所述前方道路图像的部分像素行；
[0009]将存在所述车道线坐标点的相邻目标像素行中距离最近的车道线坐标点连线，以形成车道线
。
[0010]可选的，所述部分目标像素点包括至少两组目标像素点，每组目标像素点为处于不同目标像素行且处于同一像素列的像素点，所述根据所述部分目标像素点的置信度确定所述目标像素行中的车道线坐标点，包括：确定所述每组目标像素点的最大置信度，并比较所述最大置信度与预设置信度的大小；在所述最大置信度大于所述预设置信度的情况下，将所述最大置信度对应的目标像素点确定为所述车道线坐标点
。
[0011]可选的，所述采集所述前方道路图像中目标像素行的部分目标像素点，包括：采用多个滑动采集窗口分别覆盖不同的目标像素行，其中，每一滑动采集窗口至少覆盖一行所述目标像素行，所述多个滑动采集窗口分别覆盖的像素点处于所述同一像素列；控制所述多个滑动采集窗口分别沿着各自所覆盖的像素行，按照预设步长依次采集所述至少两组目
标像素点
。
[0012]可选的，所述方法还包括：基于所述图像特征计算所述车道线存在的可能性；所述采集所述前方道路图像中目标像素行的部分目标像素点，包括：在所述可能性大于零的情况下，采集所述前方道路图像中目标像素行的部分目标像素点
。
[0013]可选的，所述方法还包括：计算所述各像素点的坐标；基于所述各像素点的坐标计算所述相邻目标像素行中各车道坐标点之间的距离；根据计算结果确定所述距离最近的车道线坐标点
。
[0014]根据本申请一个或多个实施例的第二方面，提供一种车道线检测模型的训练方法，所述方法包括：
[0015]获取包含样本车道线的样本道路图像和所述样本道路图像中各样本像素点的目标置信度，其中，所述样本车道线对应的第一样本像素点的目标置信度为1，除第一样本像素点外的其余样本像素点的目标置信度为0；
[0016]将所述样本道路图像输入待训练模型，输出所述样本像素点的样本置信度；
[0017]基于部分样本像素点的所述样本置信度和所述目标置信度对所述待训练模型进行迭代训练，直至损失函数收敛或迭代次数达到上限
。
[0018]可选的，所述部分样本像素点由多个预设的样本滑动采集窗口采集得到，所述多个样本滑动采集窗口分别覆盖不同的样本像素行，每一样本滑动采集窗口至少覆盖一行所述样本像素行，所述多个样本滑动采集窗口分别覆盖的样本像素点处于同一样本像素列，所述方法还包括：计算每一所述样本滑动采集窗口的加权热图值；所述损失函数包括用于计算所述样本置信度和所述目标置信度之间差值的第一损失函数，以及用于计算相邻两个样本滑动采集窗口的所述加权热图值的差值的第二损失函数
。
[0019]根据本申请一个或多个实施例的第三方面，提供一种车道线检测装置，该装置包括：
[0020]采集模块，用于采集前方道路图像，并提取所述前方道路图像的图像特征；
[0021]计算模块，用于基于所述图像特征计算所述前方道路图像中各像素点的置信度，所述置信度用于表征所述像素点为车道线坐标点的概率；
[0022]确定模块，用于采集所述前方道路图像中目标像素行的部分目标像素点，并根据所述部分目标像素点的置信度确定所述目标像素行中的车道线坐标点；所述目标像素行为所述前方道路图像的部分像素行；
[0023]连线模块，用于将相邻目标像素行中距离最近的车道线坐标点连线，以形成车道线
。
[0024]根据本申请一个或多个实施例的第四方面，提供一种电子设备，包括：
[0025]处理器；
[0026]用于存储处理器可执行指令的存储器；
[0027]其中，所述处理器通过运行所述可执行指令以实现如上述第一方面的实施例中所述的方法
。
[0028]根据本申请一个或多个实施例的第五方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如上述第一方面的实施例中所述方法的步骤
。
[0029]由以上技术方案可见，本申请一个或多个实施例中，通过采集道路图像中部分像素行的部分目标像素点，然后基于部分目标像素点的置信度确定车道线坐标点，再将相邻目标像素行中距离最近的车道线坐标点连线，可以得到连续的车道线，即通过不连续的车道线坐标点检测出连续的车道线，从而大大降低了车道线检测过程中的计算量，有助于提升车道线检测的效率
。
并且，由于像素点的置信度表征了像素点为车道线坐标点的概率，因此基于像素点的置信度确定车道线坐标点，有助于提高车道线检测的准确性
。
此外，该检测方法涉及的算法较为简单，所以移动端也可以通过该检测方法轻松实现车道线的检测
。
[0030]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请
。
附图说明
[0031]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理
。
[0032]图1是一示例性实施例提供的一种车道线检测方法的流程图
。
[00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：采集前方道路图像，并提取所述前方道路图像的图像特征；基于所述图像特征计算所述前方道路图像中各像素点的置信度，所述置信度用于表征所述像素点为车道线坐标点的概率；采集所述前方道路图像中目标像素行的部分目标像素点，并根据所述部分目标像素点的置信度确定所述目标像素行中的车道线坐标点；所述目标像素行为所述前方道路图像的部分像素行；将存在所述车道线坐标点的相邻目标像素行中距离最近的车道线坐标点连线，以形成车道线
。2.
根据权利要求1所述的方法，其特征在于，所述部分目标像素点包括至少两组目标像素点，每组目标像素点为处于不同目标像素行且处于同一像素列的像素点，所述根据所述部分目标像素点的置信度确定所述目标像素行中的车道线坐标点，包括：确定所述每组目标像素点的最大置信度，并比较所述最大置信度与预设置信度的大小；在所述最大置信度大于所述预设置信度的情况下，将所述最大置信度对应的目标像素点确定为所述车道线坐标点
。3.
根据权利要求2所述的方法，其特征在于，所述采集所述前方道路图像中目标像素行的部分目标像素点，包括：采用多个滑动采集窗口分别覆盖不同的目标像素行，其中，每一滑动采集窗口至少覆盖一行所述目标像素行，所述多个滑动采集窗口分别覆盖的像素点处于所述同一像素列；控制所述多个滑动采集窗口分别沿着各自所覆盖的像素行，按照预设步长依次采集所述至少两组目标像素点
。4.
根据权利要求1所述的方法，其特征在于，还包括：基于所述图像特征计算所述车道线存在的可能性；所述采集所述前方道路图像中目标像素行的部分目标像素点，包括：在所述可能性大于零的情况下，采集所述前方道路图像中目标像素行的部分目标像素点
。5.
根据权利要求1所述的方法，其特征在于，还包括：计算所述各像素点的坐标；基于所述各像素点的坐标计算所述相邻目标像素行中各车道坐标点之间的距离；根据计算结果确定所述距离最近的车道线坐标点
。6.
一种车道线检测模...

【专利技术属性】
技术研发人员：朱昂，王帅钦，白天，张宁，
申请(专利权)人：浙江吉利控股集团有限公司，
类型：发明
国别省市：