[發明專利]一種基于置信度評估的車道線重構方法及裝置

有效

• 申請號: 202110216402.5
• 申請日: 2021-02-26
• 公開（公告）號: CN112862845B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 李迅;蔣杰;高丹
• 申請（專利權）人: 長沙慧聯智能科技有限公司
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/80;G06V20/58;G06V10/26
• 代理公司: 湖南兆弘專利事務所(普通合伙) 43008
• 代理人: 胡君

本發明公開一種基于置信度評估的車道線重構方法及裝置，該方法步驟包括：S1.獲取待檢測圖像進行車道線實例分割，得到車道線實例分割圖；S2.對車道線實例分割圖中像素點進行過濾，得到過濾后分割圖；S3.判斷過濾后分割圖中車道線的缺失狀態，并評估當前存在的每條車道線的置信度，根據車道線的缺失狀態以及各條車道線的置信度篩選出目標車道線；S4.使用篩選出的目標車道線重構出其余車道線，得到重構出的車道線輸出。本發明具有實現方法簡單、效率以及精度高且魯棒性和適應性強等優點。

技術領域

本發明涉及車道線檢測技術領域，尤其涉及一種基于置信度評估的車道線重構方法及裝置。

背景技術

智能車輛安全駕駛是車輛工程發展的重要方向，而車道線檢測作為道路邊界估計的關鍵手段則是其中不可缺少的一環。針對于車道檢測，目前主要是采用以下幾種方式：基于傳統的形態檢測方法、基于深度學習實例分割模型的方法、基于語義分割與滑動窗口或者聚類后處理等。上述各種車道線檢測方法均是以準確的檢測每條車道線像素點為目標，先利用形態學相關方法搜索每條車道線的像素點，然后利用多項式擬合得到新的車道線。

但是上述以準確檢測每條車道線像素點為目標的傳統車道線檢測方法，極易受周圍環境干擾，而在車輛的實際應用場景中，車輛的行駛環境復雜多變，會存在車道線磨損、樹蔭干擾、車道線被遮擋以及路口處車道線缺失等各類復雜環境情況，要確保各類情況下均準確檢測出每條車道線上所有像素點非常困難，因而傳統車道線檢測方法實際獲取到的車道線實例準確度較低，魯棒性和適應性均不強，尤其是在上述如車道線磨損、樹蔭干擾、車道線被遮擋以及路口處等復雜環境情況下，會存在車道線識別不穩定、邊界約束不準確等問題。因此，亟需提供一種車道線重構方法，以使得無需準確檢測所有車道線的像素點，能夠在確保車道線檢測精度的基礎上，提高車道線檢測的魯棒性和適應性。

發明內容

本發明要解決的技術問題就在于：針對現有技術存在的技術問題，本發明提供一種實現方法簡單、效率以及精度高且魯棒性和適應性強的基于置信度評估的車道線重構方法及裝置。

為解決上述技術問題，本發明提出的技術方案為：

一種基于置信度評估的車道線重構方法，步驟包括：

S1.實例分割：獲取待檢測圖像進行車道線實例分割，得到車道線實例分割圖；

S2.像素點過濾：對所述車道線實例分割圖中像素點進行過濾，得到過濾后分割圖；

S3.車道線篩選：判斷所述過濾后分割圖中車道線的缺失狀態，并評估當前存在的每條車道線的置信度，根據所述車道線的缺失狀態以及各條車道線的置信度篩選出目標車道線；

S4.車道線重構：使用篩選出的目標車道線重構出其余車道線，得到重構出的車道線輸出。

進一步的，所述步驟S1中使用ENet-SAD(Self-Attention?Distillation，自我注意力蒸餾)模型進行車道線實例分割，并獲取每條車道線的像素點。

進一步的，所述步驟S1后、S2前還包括將車道線實例分割圖進行透視變換，以將車道線實例分割圖轉換為俯視圖。

進一步的，所述步驟S3中，如果所述過濾后分割圖中存在中間車道線，且當前中間車道線的像素點數量滿足預設要求，優先以當前中間車道線作為篩選出的目標車道線；如果所述過濾后分割圖中缺失中間車道線，則根據置信度的大小取置信度最高的車道線作為篩選出的目標車道線。

進一步的，如果所述過濾后分割圖中存在三條車道線時，先統計所述過濾后分割圖中的中間車道線的像素點數，若所述中間車道線的像素數量滿足預設要求，以所述中間車道線作為篩選出的目標車道線；若所述中間車道線的像素數量不滿足預設要求時，取其余兩條車道線中置信度較高的車道線作為篩選出的目標車道線。