[發明專利]一種車道線端點識別方法及裝置、設備、介質

有效

• 申請號: 201811478746.8
• 申請日: 2018-12-05
• 公開（公告）號: CN109583393B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 高三元;馮漢平;鞠偉平
• 申請（專利權）人: 寬凳（北京）科技有限公司
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06T7/136;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 北京市中倫律師事務所 11410
• 代理人: 楊黎峰;鐘錦舜

1.一種車道線端點識別方法，其特征在于，包括：

根據車道線樣本圖像中包含的車道線，定義用于框定所述車道線樣本圖像中包含的車道線端點的邊界框；

根據對所述車道線端點的邊界框的定義，利用基于卷積神經網絡的目標檢測算法，在待識別圖像中進行目標檢測，以識別車道線端點的邊界框；

根據所述目標檢測的結果，判定該車道線端點的位置，具體包括：在識別出的邊界框內，進一步地利用圖像語義分割算法，分割出前景和背景，其中，前景視為車道線端點像素，背景視為其他像素；根據圖像語義分割結果，提取出車道線端點；結合目標檢測結果和圖像語義分割結果，最終判定車道線端點的位置；

其中，識別車道線端點的邊界框具體包括：

獲取至少一個車道場景中的多個車道線樣本圖像；

對所述多個車道線樣本圖像中包含的車道線以及車道線端點分別進行標注；

根據所述多個車道線樣本圖像及其標注，以及對車道線端點的邊界框的定義，利用基于卷積神經網絡的目標檢測算法，訓練邊界框回歸模型；

利用訓練過的所述邊界框回歸模型，在待識別圖像中進行目標檢測。

2.如權利要求1所述的方法，其特征在于，所述根據所述目標檢測的結果，判定該車道線端點的位置，具體包括：

利用圖像分割算法，在所述識別出的邊界框中進行圖像分割，以進行前景與背景的分割；

根據所述目標檢測的結果，以及所述圖像分割的結果，判定該車道線端點的位置。

3.如權利要求1所述的方法，其特征在于，所述根據車道線樣本圖像中包含的車道線，定義用于框定所述車道線樣本圖像中包含的車道線端點的邊界框，具體包括：

定義用于框定車道線樣本圖像中包含的車道線的邊界框；

根據所述車道線的邊界框的寬和/或高，定義用于框定所述車道線樣本圖像中包含的車道線端點的邊界框。

4.如權利要求3所述的方法，其特征在于，所述根據所述車道線的邊界框的寬和/或高，定義用于框定所述車道線樣本圖像中包含的車道線端點的邊界框，還包括：

根據預設的尺寸閾值，限制所述車道線端點的邊界框的最大尺寸。

5.如權利要求4所述的方法，其特征在于，所述車道線端點的邊界框的形狀為正方形，所述正方形的邊長不大于以下幾者中的最小值：所述尺寸閾值、所述車道線的邊界框的寬、高。

6.如權利要求1所述的方法，其特征在于，所述根據所述目標檢測的結果，判定該車道線端點的位置，具體包括：

根據所述識別出的車道線端點的邊界框的中心點，判定該車道線端點的位置。

7.如權利要求1～6任一項所述的方法，其特征在于，所述車道線為虛線車道線。

8.一種車道線端點識別裝置，其特征在于，包括：

定義模塊，用于根據車道線樣本圖像中包含的車道線，定義用于框定所述車道線樣本圖像中包含的車道線端點的邊界框；

識別模塊，用于根據對所述車道線端點的邊界框的定義，利用基于卷積神經網絡的目標檢測算法，在待識別圖像中進行目標檢測，以識別車道線端點的邊界框；

判定模塊，用于根據所述目標檢測的結果，判定該車道線端點的位置，具體包括：在識別出的邊界框內，進一步地利用圖像語義分割算法，分割出前景和背景，其中，前景視為車道線端點像素，背景視為其他像素；根據圖像語義分割結果，提取出車道線端點；結合目標檢測結果和圖像語義分割結果，最終判定車道線端點的位置；

其中，識別車道線端點的邊界框具體包括：

獲取至少一個車道場景中的多個車道線樣本圖像；

對所述多個車道線樣本圖像中包含的車道線以及車道線端點分別進行標注；

根據所述多個車道線樣本圖像及其標注，以及對車道線端點的邊界框的定義，利用基于卷積神經網絡的目標檢測算法，訓練邊界框回歸模型；

利用訓練過的所述邊界框回歸模型，在待識別圖像中進行目標檢測。