【技术实现步骤摘要】
本专利技术属于车道线检测，具体涉及一种车道线检测方法及系统。
技术介绍
1、目前，车道线检测在辅助驾驶、自动驾驶任务中是非常具有实用意义的基础环节，车道偏离预警等下游任务极其依赖于车道线检测结果，车道线检测出结果的好坏对于关键下游任务影响很大。
2、现有的clrnet算法是以车道线的长度、起始点以及车道线与底边的夹角来表示车道线，这种车道线表示方式是将所有车道线看做直线，然后进行微调，这种车道线检测方法只能检测直线、不能检测弯道曲线，存在局限性，不能很好地满足实际需求。
技术实现思路
1、本专利技术的目的在于克服现有技术之缺陷，本专利技术提供了一种车道线检测方法及系统，本专利技术属于深度学习领域，可以较好地改善目前已有的车道线检测算法弯道检测普遍较差的情况。
2、为了实现预期效果，本专利技术采用了以下技术方案：
3、本专利技术还公开了一种车道线检测方法，包括：
4、采集原始车道线图像；
5、将原始车道线图像输入改进的车道线检测模型中得到检测车道线目标；所述改进的车道线检测模型采用b样条曲线来表示车道线。
6、进一步地，所述b样条曲线表示为：
7、其中，bi,k(u)为k阶b样条基函数，pi是控制多边形的顶点，u表示节点向量，uk-1表示第k-1个节点、un+1表示第n+1个节点，i、k和n均为正整数，且k小于n。
8、进一步地，所述k阶b样条基函数表示为：
9、
11、ltotal＝αlreg+βlstart+γlcls；
12、其中，α、β、γ分别为自定义系数，lreg为回归损失，lstart为起始点损失，lcls为焦点损失。
13、进一步地，所述起始点损失为：lstart＝mse(ngt,npred)；
14、其中，ngt和npred分别是预测曲线的起始点和真实曲线的起始点，mse是均方误差损失。
15、进一步地，所述回归损失为：
16、
17、其中，表示以预测车道线为基准，真实车道线相对于预测车道线之间的距离；表示以真实车道线为基准，预测车道线相对于真实车道线之间的距离。
18、进一步地，
19、其中，是曲线cgt上点的数量，pi是曲线cgt上的点，表示点pi到曲线cpred上最近的点的距离。
20、进一步地，
21、其中，l2表示二范数，是曲线cpred上点的数量。
22、本专利技术还公开了一种车道线跟踪方法，包括：
23、采用上述任一所述一种车道线检测方法对当前帧进行检测得到检测车道线目标；
24、将上一帧跟踪的车道线轨迹输入卡尔曼滤波器得到当前帧的预测车道线轨迹；
25、将当前帧的检测车道线目标与当前帧的预测车道线轨迹进行车道线距离匹配；
26、若某一预测车道线轨迹与检测车道线目标连续若干帧均未匹配成功，则取消对该预测车道线轨迹的跟踪；若某一检测车道线目标与任何一条预测车道线轨迹均未匹配上，则为该检测车道线目标分配新的车道线轨迹并进行跟踪；对匹配成功的车道线轨迹进行持续跟踪。
27、本专利技术还公开了一种车道线检测系统，所述系统能够实现上述任一所述方法，所述系统包括：
28、采集模块，用于采集原始车道线图像；
29、检测模块，用于将原始车道线图像输入改进的车道线检测模型中得到检测车道线目标；所述改进的车道线检测模型采用b样条曲线来表示车道线。
30、与现有技术相比，本专利技术的有益效果是：本专利技术提供了一种车道线检测方法及系统，本专利技术基于已有sota车道线检测算法改进的车道线检测模型，重新定义了车道线的表示方式和损失函数。本专利技术采用b样条曲线表示车道线，b样条曲线可以表示所有形状的车道线，并提出一种新的损失函数，以提高检测精度。同时，本专利技术还提出一种基于b样条曲线参数回归的车道线跟踪算法。本专利技术对于车道线偏离预警、辅助驾驶、自动驾驶等应用场景具有突出的使用价值。
本文档来自技高网...【技术保护点】
1.一种车道线检测方法，其特征在于，包括：
2.如权利要求1所述一种车道线检测方法，其特征在于，所述B样条曲线表示为：
3.如权利要求2所述一种车道线检测方法，其特征在于，所述k阶B样条基函数表示为：
4.如权利要求1所述一种车道线检测方法，其特征在于，该方法还包括训练改进的车道线检测模型，在训练改进的车道线检测模型时所采用的总损失函数Ltotal为：
5.如权利要求4所述一种车道线检测方法，其特征在于，所述起始点损失为：Lstart＝MSE(Ngt,Npred)；
6.如权利要求4所述一种车道线检测方法，其特征在于，所述回归损失为：
7.如权利要求6所述一种车道线检测方法，其特征在于，
8.如权利要求7所述一种车道线检测方法，其特征在于，
9.一种车道线跟踪方法，其特征在于，包括：
10.一种车道线检测系统，其特征在于，所述系统能够实现权利要求1-8任一所述方法，所述系统包括：
【技术特征摘要】
1.一种车道线检测方法，其特征在于，包括：
2.如权利要求1所述一种车道线检测方法，其特征在于，所述b样条曲线表示为：
3.如权利要求2所述一种车道线检测方法，其特征在于，所述k阶b样条基函数表示为：
4.如权利要求1所述一种车道线检测方法，其特征在于，该方法还包括训练改进的车道线检测模型，在训练改进的车道线检测模型时所采用的总损失函数ltotal为：
5.如权利要求4所述一种车道线检测方法，其特征...
【专利技术属性】
技术研发人员：黄晟，杜帅，周向，田鹏，
申请(专利权)人：武汉轩辕智驾科技有限公司，
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。