[發明專利]車道線檢測方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201911379944.3
• 申請日: 2019-12-27
• 公開（公告）號: CN111178245A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 李宇明;劉國清;鄭偉;楊廣;敖爭光
• 申請（專利權）人: 深圳佑駕創新科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 劉羚

1.一種車道線檢測方法，所述方法包括：

接收待檢測車道線圖像及其幀序列號；

調用預先訓練好的分割網絡，將所述待檢測車道線圖像輸入至所述分割網絡的主干網絡，提取所述待檢測車道線圖像的共享特征；

當根據所述幀序列號確定所述待檢測車道線圖像不為關鍵幀圖像時，根據所述幀序列號獲取對應關鍵幀圖像的車道線實例聚類圖像；其中，所述關鍵幀圖像的車道線實例聚類圖像通過所述分割網絡的實例分割分支網絡根據所述關鍵幀圖像的共享特征檢測得到；

將所述共享特征輸入所述分割網絡的語義分割分支網絡，通過所述語義分割分支網絡對所述待檢測車道線圖像進行語義分割，得到所述待檢測車道線圖像對應的二進制車道線圖像；

根據所述關鍵幀圖像的車道線實例聚類圖像對所述二進制車道線圖像進行實例分類，得到實例車道線結果。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

當根據所述幀序列號確定所述待檢測車道線圖像為關鍵幀圖像時，將所述共享特征輸入所述實例分割分支網絡，通過所述實例分割分支網絡對所述待檢測車道線圖像進行實例分割，得到所述待檢測車道線圖像的車道線實例分割圖像；

對所述車道線實例分割圖像對應的圖像矩陣進行聚類，得到所述待檢測車道線圖像對應的車道線實例聚類圖像；

根據所述待檢測車道線圖像對應的車道線實例聚類圖像對所述二進制車道線圖像進行實例分類，得到實例車道線結果。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取訓練數據集；所述訓練數據集中包括訓練樣本以及所述訓練樣本對應的標注結果；

將所述訓練樣本輸入所述待訓練分割網絡的待訓練主干網絡，通過所述待訓練主干網絡提取所述訓練樣本的共享特征；

將所述訓練樣本的共享特征分別輸入所述待訓練分割網絡的待訓練語義分支分割網絡和待訓練實例分割分支網絡，通過所述待訓練語義分割分支網絡和所述待訓練實例分割分支網絡分別對所述訓練樣本進行語義分割和實例分割，得到訓練結果；

獲取損失函數，基于所述損失函數的約束對所述訓練結果和所述標注結果進行收斂，直至滿足結束條件，得到訓練好的分割網絡。

4.根據權利要求3所述的方法，其特征在于，所述基于所述損失函數的約束對所述訓練結果和所述標注結果進行收斂，直至滿足收斂條件，得到訓練好的分割網絡，包括：

基于所述損失函數的約束計算所述訓練結果和所述標注結果的損失值；所述損失函數包括背景點的約束，所述背景點為與質心的距離不大于類間的距離邊緣的特征點；

根據所述損失值對所述待訓練分割網絡的參數進行調整，迭代訓練調整參數后的待訓練分割網絡，直至滿足結束條件，得到訓練好的分割網絡。

5.根據權利要求3或4任一項所述的方法，其特征在于，所述損失函數為：

L_final＝a·L+b·L_bk+c·CrossEntropyLoss(l_pred,l_truth)；

其中，L_final表示損失函數，L表示常規損失函數，a表示常規損失函數的權重，L_bk表示背景點的約束函數，b表示背景點約束函數的權重，c表示車道線分割權重，CrossEntropyLoss為交叉熵，l_pred表示待訓練語義分割分支網絡輸出的分割結果，l_truth表示標注結果。

6.根據權利要求5所述的方法，其特征在于，所述背景點的約束函數L_bk為：

其中，C表示真實值中車道線的條數，Y表示符合約束條件的背景點集合，背景點集合里面的背景點y_i滿足與質心μ_c的距離小于類間的距離邊緣δ_d，δ_v表示類內的距離邊緣，N_Y表示每個背景集合點的個數，BK表示所有背景點集合。