[發明專利]神經網絡模型訓練方法、系統及車道線識別方法、系統

有效

• 申請號: 201810299224.5
• 申請日: 2018-04-04
• 公開（公告）號: CN110348273B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 田文善;秦暕;康勇;馬海軍;葛逸盛;王鵬;任澤;俞鴻魁
• 申請（專利權）人: 北京四維圖新科技股份有限公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/82;G06N3/08
• 代理公司: 北京晉德允升知識產權代理有限公司 11623
• 代理人: 王雪霞

1.一種神經網絡模型訓練方法，用于車道線的識別，其特征在于，包括：

將基于單目視覺的車道線圖像樣本中的車道線邏輯化，得到車道線訓練集；所述車道線訓練集為實線；所述車道線圖像樣本包括通過單個攝像頭拍攝的車道線圖像樣本；所述車道線邏輯化將所述車道線圖像樣本中的車道線變為實線；所述車道線圖像樣本中的車道線中含有虛車道線時，按照車輛行駛方向，將相鄰虛車道線首端和末端依次連接，得到實線；

根據所述車道線圖像樣本以及所述車道線訓練集訓練神經網絡模型；所述神經網絡模型的輸出為車道線像素點，所述車道線像素點組成實線車道線。

2.一種車道線識別方法，其特征在于，該方法包括：

將基于單目視覺的車道線圖像輸入神經網絡模型；

所述神經網絡模型輸出車道線像素點；

對所述車道線像素點進行逆透視變換；

對逆透視變換后的車道線像素點進行聚類；

將聚類后的車道線像素點進行采樣得到車道線采樣點，實現對車道線的識別；

其中，所述神經網絡模型為根據權利要求1所述的訓練方法訓練得到的神經網絡模型。

3.根據權利要求2所述的方法，其特征在于，該方法還包括：

根據基于單目視覺的標定帶圖像樣本計算單應矩陣。

4.根據權利要求3所述的方法，其特征在于，所述對所述車道像素點進行逆透視變換包括：

根據所述單應矩陣對所述神經網絡模型輸出的車道線像素點進行逆透視變換。

5.根據權利要求4所述的方法，其特征在于，該方法還包括：

根據采樣后的車道線像素點進行擬合得到擬合車道線的曲線參數。

6.一種神經網絡模型訓練系統，用于車道線識別，其特征在于，該系統包括：

存儲設備，用于存儲程序、車道線圖像樣本和車道線訓練集，所述車道訓練集為實線；所述車道線圖像樣本包括通過單個攝像頭拍攝的車道線圖像樣本；所述車道線圖像樣本中的車道線中含有虛車道線時，按照車輛行駛方向，將相鄰虛車道線首端和末端依次連接，得到實線；

處理器，用于執行所述程序處理所述車道線圖像樣本和所述車道線訓練集以訓練神經網絡模型；所述神經網絡模型的輸出為車道線像素點，所述車道線像素點組成實線車道線。

7.一種存儲設備，其特征在于，該存儲設備存儲有程序、車道線圖像樣本和車道線訓練集，所述車道訓練集為實線；所述車道線圖像樣本包括通過單個攝像頭拍攝的車道線圖像樣本；所述車道線圖像樣本中的車道線中含有虛車道線時，按照車輛行駛方向，將相鄰虛車道線首端和末端依次連接，得到實線；

所述程序，用于被處理器執行時處理所述車道線圖像樣本和所述車道線訓練集以訓練神經網絡模型；所述神經網絡模型的輸出為車道線像素點，所述車道線像素點組成實線車道線。

8.一種車道線識別系統，其特征在于，該系統包括：

存儲設備，用于存儲程序；

處理器，用于執行所述程序以實現權利要求2-5任意一項所述的車道線識別方法。

9.一種存儲設備，其特征在于，該存儲設備存儲有程序；

所述程序，用于被處理器執行時實現權利要求2-5任意一項所述的車道線識別方法。

10.一種自動駕駛系統，其特征在于，根據權利要求8所述的系統輸出的車道線采樣點或者車道線采樣點對應的曲線參數進行自動駕駛。