[發明專利]基于端到端的車道線檢測方法、裝置、設備及存儲介質

在審

• 申請號: 202110273414.1
• 申請日: 2021-03-12
• 公開（公告）號: CN112990009A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 張之勇;王健宗;程寧
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

1.一種基于端到端的車道線檢測方法，其特征在于，所述方法包括：

獲取訓練樣本集，所述訓練樣本集包括車輛的前視拍攝裝置在所述車輛行駛過程中采集的多個樣本圖像，并對所述訓練樣本集中的多個樣本圖像中的每個樣本圖像添加車道線標簽；

將所述訓練樣本集中添加車道線標簽的樣本圖像輸入指定的深度多項式回歸模型，得到與所述添加車道線標簽的樣本圖像對應的預測結果；

根據所述預測結果調整所述指定的深度多項式回歸模型中的模型參數，并根據調整后的所述模型參數重新訓練所述指定的深度多項式回歸模型，得到車道線檢測模型；

獲取目標車輛的前視拍攝裝置在所述目標車輛行駛過程中拍攝的待檢測圖像，并將所述待檢測圖像輸入所述車道線檢測模型，得到所述待檢測圖像對應的所述目標車輛的車道線。

2.根據權利要求1所述的方法，其特征在于，所述將所述訓練樣本集中添加車道線標簽的樣本圖像輸入指定的深度多項式回歸模型，得到與所述添加車道線標簽的樣本圖像對應的預測結果，包括：

將所述訓練樣本集中添加車道線標簽的樣本圖像輸入指定的深度多項式回歸模型，得到與所述添加車道線標簽的樣本圖像對應的車道線特征信息；

根據與所述添加車道線標簽的樣本圖像對應的車道線特征信息，得到與所述添加車道線標簽的樣本圖像對應的多項式、垂直偏移以及每個車道線的置信度。

3.根據權利要求2所述的方法，其特征在于，所述根據所述預測結果調整所述指定的深度多項式回歸模型中的模型參數，并根據調整后的所述模型參數重新訓練所述指定的深度多項式回歸模型，包括：

根據所述預測結果中與所述添加車道線標簽的樣本圖像對應的多項式、垂直偏移以及每個車道線的置信度確定所述添加車道線標簽的樣本圖像的損失函數值；

根據所述損失函數值調整所述指定的深度多項式回歸模型中的模型參數，并根據調整后的所述模型參數重新訓練所述指定的深度多項式回歸模型。

4.根據權利要求3所述的方法，其特征在于，所述根據所述預測結果中與所述添加車道線標簽的樣本圖像對應的多項式、垂直偏移以及每個車道線的置信度確定所述添加車道線標簽的樣本圖像的損失函數值，包括：

根據所述車道線標簽確定所述訓練樣本集中添加車道線標簽的樣本圖像中車道線的數量；

根據所述預測結果中與所述添加車道線標簽的樣本圖像對應的多項式、垂直偏移以及每個車道線的置信度和所述樣本圖像中車道線的數量確定所述添加車道線標簽的樣本圖像的損失函數值。

5.根據權利要求1所述的方法，其特征在于，所述將所述待檢測圖像輸入所述車道線檢測模型，得到所述待檢測圖像對應的所述目標車輛當前行駛道路上的車道線，包括：

將所述待檢測圖像輸入所述車道線檢測模型，得到所述待檢測圖像對應的多項式、每個車道線的車道線標簽、垂直偏移以及每個車道線的置信度；

根據所述待檢測圖像對應的多項式、每個車道線的車道線標簽、垂直偏移以及每個車道線的置信度確定所述目標車輛當前行駛道路上的車道線。

6.根據權利要求5所述的方法，其特征在于，所述將所述待檢測圖像輸入所述車道線檢測模型，得到所述待檢測圖像對應的多項式、每個車道線的車道線標簽、垂直偏移以及每個車道線的置信度，包括：

將所述待檢測圖像輸入所述車道線檢測模型，得到所述待檢測圖像對應的多項式以及水平線的垂直位置；

根據所述待檢測圖像對應的多項式以及水平線的垂直位置確定得到所述待檢測圖像對應的每個車道線的車道線標簽、垂直偏移以及每個車道線的置信度。

7.根據權利要求6所述的方法，其特征在于，所述根據所述待檢測圖像對應的多項式、每個車道線的車道線標簽、垂直偏移以及每個車道線的置信度確定所述目標車輛的車道線，包括：

根據所述待檢測圖像對應的多項式、每個車道線的車道線標簽、垂直偏移檢測每個車道線的置信度是否大于每個車道線對應的預設閾值；

當檢測結果為所述置信度大于對應的預設閾值，則確定所述置信度大于預設閾值的車道線標簽對應的車道線為所述目標車輛的車道線。