[發明專利]一種車道線實例檢測方法和裝置

有效

• 申請號: 201810694443.3
• 申請日: 2018-06-29
• 公開（公告）號: CN109426801B
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 黃澤鏵;王泮渠;陳鵬飛;李天
• 申請（專利權）人: 北京圖森未來科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京商專永信知識產權代理事務所(普通合伙) 11400
• 代理人: 鄔玥;方挺

1.一種車道線實例檢測方法，其特征在于，包括：

將車輛駕駛環境的圖像數據作為輸入提供給預先訓練得到的語義分割模型，從所述語義分割模型中輸出得到一個車道線圖像的車道線圖像數據；其中，所述一個車道線圖像中包括多個車道線像素；

根據預先訓練的車道線實例檢測模型從所述車道線圖像數據中識別出多組車道線像素，包括：

確定所述多個車道線像素中的任意兩個在特征空間中的距離，以區分出距離一個車道線像素距離最近的像素和距離最遠的像素；及

根據確定得到的所述距離，得到距離度量空間中的所述多組車道線像素；其中，在距離度量空間中，組內任意兩個車道線像素之間的距離小于組間任意兩個車道線像素之間的距離；及

將一組車道線像素確定為一個車道線實例，得到多個車道線實例。

2.根據權利要求1所述的方法，其特征在于，還包括：

預先根據所述駕駛環境的歷史圖像數據和真實數據迭代訓練神經網絡得到用于車道線檢測的所述語義分割模型。

3.根據權利要求1所述的方法，其特征在于，從所述車道線圖像數據中識別出所述多組車道線像素，還包括：

將所述車道線圖像數據中的車道線像素作為輸入提供給預先根據三元損失函數訓練得到的車道線實例檢測模型；其中，所述車道線實例檢測模型用以確定所述多個車道線像素中的任意兩個在特征空間中的所述距離，且用以根據確定得到的所述距離，得到距離度量空間中的所述多組車道線像素。

4.根據權利要求3所述的方法，其特征在于，還包括：

預先根據真實數據并使用所述三元損失函數對神經網絡進行有監督的迭代訓練，得到所述車道線實例檢測模型；其中，所述車道線實例檢測模型表達多個像素和像素之間的距離的對應關系。

5.根據權利要求3所述的方法，其特征在于，將一組車道線像素確定為一個車道線實例，得到所述多個車道線實例，包括：

對距離度量空間中的所有車道線像素進行聚類，提取得到所述多組車道線像素；及

將一組車道線像素確定為一個車道線實例，得到所述多個車道線實例。

6.一種車道線實例檢測裝置，其特征在于，包括：

提取模塊，用于將車輛駕駛環境的圖像數據作為輸入提供給預先訓練得到的語義分割模型，從所述語義分割模型中輸出得到一個車道線圖像的車道線圖像數據；其中，所述一個車道線圖像中包括多個車道線像素；

識別模塊，用于根據預先訓練的車道線實例檢測模型從所述車道線圖像數據中識別出多組車道線像素，包括：

確定所述多個車道線像素中的任意兩個在特征空間中的距離，以區分出距離一個車道線像素距離最近的像素和距離最遠的像素；及

根據確定得到的所述距離，得到距離度量空間中的所述多組車道線像素；其中，在距離度量空間中，組內任意兩個車道線像素之間的距離小于組間任意兩個車道線像素之間的距離；及

確定模塊，用于將一組車道線像素確定為一個車道線實例，得到多個車道線實例。

7.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

第一預訓練模塊，用于預先根據所述駕駛環境的歷史圖像數據和真實數據迭代訓練神經網絡得到用于車道線檢測的所述語義分割模型。

8.根據權利要求6所述的裝置，其特征在于，所述識別模塊從所述車道線圖像數據中識別出所述多組車道線像素，還包括：

將所述車道線圖像數據中的車道線像素作為輸入提供給預先根據三元損失函數訓練得到的車道線實例檢測模型；其中，所述車道線實例檢測模型用以確定所述多個車道線像素中的任意兩個在特征空間中的所述距離，且用以根據確定得到的所述距離，得到距離度量空間中的所述多組車道線像素。

9.根據權利要求8所述的裝置，其特征在于，所述裝置還包括：

第二預訓練模塊，用于預先根據真實數據并使用所述三元損失函數對神經網絡進行有監督的迭代訓練，得到用于車道線實例檢測的所述車道線實例檢測模型；其中，所述車道線實例檢測模型表達多個像素和像素之間的距離的對應關系。