[發明專利]車道線實例聚類方法、裝置、電子設備和存儲介質

在審

• 申請號: 202010972488.X
• 申請日: 2020-09-16
• 公開（公告）號: CN112084988A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 李宇明;劉國清;鄭偉;楊廣
• 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;G06K9/34;G06K9/46;G06K9/62
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 謝曲曲

1.一種車道線實例聚類方法，其特征在于，所述方法包括：

獲取車道線二進制分割結果和車道線特征向量；

根據所述車道線二進制分割結果和所述車道線特征向量，得到車道線特征向量直方圖；

將所述車道線特征向量直方圖輸入至已訓練的聚類網絡，得到聚類中心和聚類半徑；

基于所述聚類中心和聚類半徑，對所述車道線特征向量進行距離判斷，得到所述車道線特征向量對應的聚類標識；

將所述車道線特征向量和所述車道線特征向量對應的聚類標識與所述車道線二進制分割結果進行對應映射，得到車道線實例分割結果；

其中，所述距離判斷用于區分車道線聚類向量所屬的聚類中心，所述已訓練的聚類網絡基于歷史車道線特征向量直方圖以及由預設聚類算法得到的聚類中心和聚類半徑訓練得到。

2.根據權利要求1所述的方法，其特征在于，所述將所述車道線特征向量直方圖輸入至已訓練的聚類網絡，得到聚類中心和聚類半徑包括：

將所述車道線特征向量直方圖輸入至已訓練的聚類網絡，得到聚類中心分類結果；

基于所述聚類中心分類結果，采用連通域標定算法提取聚類中心；

根據所述聚類中心，索引出所述聚類中心對應的聚類半徑。

3.根據權利要求1所述的方法，其特征在于，所述已訓練的聚類網絡包括聚類中心分類分支和聚類半徑回歸分支；

所述將所述車道線特征向量直方圖輸入至已訓練的聚類網絡，得到聚類中心和聚類半徑包括：

將所述車道線特征向量直方圖輸入至已訓練的聚類網絡，從所述聚類中心分類分支提取出聚類中心分類結果；

基于所述聚類中心分類結果，采用連通域標定算法提取出聚類中心；

根據提取出的聚類中心，通過所述聚類半徑回歸分支索引各聚類中心對應的聚類半徑。

4.根據權利要求1所述的方法，其特征在于，所述基于所述聚類中心和聚類半徑，對所述車道線特征向量進行距離判斷，得到所述車道線特征向量對應的聚類標識包括：

獲取聚類中心對應的聚類標識；

當當前車道線特征向量對應的像素點處于目標范圍內時，為當前車道線特征向量添加當前聚類中心對應的聚類標識，所述目標范圍為當前聚類中心和當前聚類中心對應的聚類半徑組成的區域范圍。

5.根據權利要求1所述的方法，其特征在于，所述將所述車道線特征向量直方圖輸入至已訓練的聚類網絡，得到聚類中心和聚類半徑之前，還包括：

獲取歷史車道線二進制分割結果和歷史車道線特征向量；

采用預設聚類算法對所述歷史車道線二進制分割結果和所述歷史車道線特征向量進行聚類處理，得到聚類中心和聚類半徑；以及，對所述歷史車道線二進制分割結果和所述歷史車道線特征向量做直方圖統計，得到歷史車道線特征向量直方圖；

根據所述歷史車道線特征向量直方圖、所述預設聚類算法得到的聚類中心和聚類半徑，構建訓練數據集；

基于所述訓練數據集結合預設損失函數，訓練初始聚類網絡，得到已訓練的聚類網絡。

6.根據權利要求1所述的方法，其特征在于，所述車道線二進制分割結果和所述車道線特征向量由已訓練的車道線檢測網絡對車道駕駛場景圖像進行語義分割得到。

7.根據權利要求1至5中任意一項所述的方法，其特征在于，所述已訓練的聚類網絡包括主干網絡和多任務輸出網絡。