[發明專利]車道線檢測方法、裝置、電子設備、存儲介質以及車輛

有效

• 申請號: 202011488643.7
• 申請日: 2020-12-16
• 公開（公告）號: CN112560684B
• 公開（公告）日: 2023-10-24
• 發明（設計）人: 何剛
• 申請（專利權）人: 阿波羅智聯（北京）科技有限公司
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V20/40;G06V10/774
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 鈄颯颯;臧建明

1.一種車道線檢測方法，包括：

獲取包括車道線的視頻流；

在所述視頻流中按預定間隔的幀數提取關鍵幀圖像，相鄰的關鍵幀圖像之間作為非關鍵幀圖像；

對所述關鍵幀圖像，根據所述關鍵幀圖像的特征圖進行車道線檢測；

對所述非關鍵幀圖像，根據所述非關鍵幀圖像的前一幀關鍵幀圖像的特征圖以及所述非關鍵幀圖像進行車道線檢測。

2.根據權利要求1所述的方法，其中，對所述非關鍵幀圖像，根據所述非關鍵幀圖像的前一幀關鍵幀圖像的特征圖以及所述非關鍵幀圖像進行車道線檢測，包括：

確定所述前一幀關鍵幀圖像與所述非關鍵幀圖像之間位置變化信息；

根據所述位置變化信息和所述前一幀關鍵幀圖像的特征圖，確定所述非關鍵幀圖像的特征圖，并基于所述非關鍵幀圖像的特征圖進行車道線檢測。

3.根據權利要求2所述的方法，其中，所述位置變化信息包括每一像素點的位置移動信息；確定所述前一幀關鍵幀圖像與所述非關鍵幀圖像之間位置變化信息，包括：

將所述前一幀關鍵幀圖像和所述非關鍵幀圖像輸入至光流估計網絡模型，得到所述前一幀關鍵幀圖像與所述非關鍵幀圖像之間的光流圖；其中，所述光流圖表征所述非關鍵幀圖像相對于所述上一關鍵幀圖像時每一像素點的位置移動信息。

4.根據權利要求3所述的方法，所述方法還包括：

采集訓練樣本集，所述訓練樣本集中包括存在車道線的相對位移的第一樣本圖像和第二樣本圖像；

基于所述訓練樣本集、以及所述第一樣本圖像和所述第二樣本圖像之間的光流場作為訓練標簽，對基礎網絡模型進行訓練，得到所述光流估計網絡模型。

5.根據權利要求2所述的方法，其中，根據所述位置變化信息和所述前一幀關鍵幀圖像的特征圖，確定所述非關鍵幀圖像的特征圖，包括：

根據所述位置變化信息，確定所述前一幀關鍵幀圖像的每一像素點在所述非關鍵幀圖像的特征圖上的位置信息；

根據所述位置信息和所述前一幀關鍵幀圖像的特征圖，生成所述非關鍵幀圖像的特征圖。

6.根據權利要求1至5中任一項所述的方法，其中，對所述關鍵幀圖像，根據所述關鍵幀圖像的特征圖進行車道線檢測，包括：

將所述關鍵幀圖像輸入至預設的車道線檢測模型，得到所述關鍵幀圖像的特征圖，并根據所述關鍵幀圖像的特征圖進行車道線檢測；

其中，所述車道線檢測模型是基于白天場景的車道線樣本圖像和夜間場景的車道線樣本圖像，進行知識蒸餾處理生成的。

7.根據權利要求6所述的方法，在將所述關鍵幀圖像輸入至預設的車道線檢測模型，得到所述關鍵幀圖像的特征圖，并根據所述關鍵幀圖像的特征圖進行車道線檢測之前，所述方法還包括：

將所述白天場景的車道線樣本圖像和夜間場景的車道線樣本圖像，均分別輸入至用于知識蒸餾處理的殘差網絡模型和輕量級網絡模型，得到經所述殘差網絡模型輸出的第一車道線識別結果、以及經所述輕量級網絡模型輸出的第二車道線識別結果；

基于所述第一車道線識別結果和所述第二車道線識別結果，對所述輕量級網絡模型進行迭代，得到所述車道線檢測模型。

8.根據權利要求7所述的方法，其中，所述第一車道線識別結果表征車道線的概率分布，所述第二車道線識別結果表征車道線的概率分布；基于所述第一車道線識別結果和所述第二車道線識別結果，對所述輕量級網絡模型進行迭代，得到所述車道線檢測模型，包括：

確定所述第一車道線識別結果和所述第二車道線識別結果之間的相對熵信息，并確定所述第一車道線識別結果和所述第二車道線識別結果之間的損失信息；其中，所述相對熵信息表征車道線的概率分布之間的差異的非對稱性度量信息，所述損失信息表征車道線的概率分布之間的距離信息；

根據所述相對熵信息和所述損失信息，對所述輕量級網絡模型進行迭代，得到所述車道線檢測模型。