[發明專利]一種車道線檢測方法、裝置、電子設備和存儲介質

在審

• 申請號: 202110281549.2
• 申請日: 2021-03-16
• 公開（公告）號: CN112966624A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 陳建松;王曉東;張天雷
• 申請（專利權）人: 北京主線科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發明公開了一種車道線檢測方法、裝置、電子設備和存儲介質，包括：獲取待檢測圖像在指定采樣倍數下通過神經網絡所提取的網絡特征，以及通過特征提取算子所提取的手工特征；將指定采樣倍數下所獲取的網絡特征和手工特征進行融合獲取融合特征；基于融合特征獲取待檢測圖像中所包含的車道線。通過神經網絡基于少量的計算提取待檢測圖像中包含核心信息的網絡特征，并將通過特征提取算子所提取的手工特征進行補充，根據所獲取的融合特征進行車道線的檢測，從而在減少計算量的同時還能夠保證檢測結果的準確度。

技術領域

本發明實施例涉及數據處理處理技術領域，尤其涉及一種車道線檢測方法、裝置、電子設備和存儲介質。

背景技術

車道線是車輛在道路中進行局部橫向定位的重要依據，在智能駕駛車輛的定位中起著重要作用，尤其是在全局定位信息不穩定甚至丟失等情況下，因此穩定高效的車道線檢測算法對智能駕駛車輛或高級輔助駕駛系統來說至關重要。目前所采用的車道線檢測算法主要分為基于傳統的人工提取特征的檢測算法，以及基于深度學習的檢測算法。

但是單獨采用人工提取特征的檢測算法，由于手工設計的特征提取器和生成規則算法較為簡單，往往難以適應復雜的環境變化場景，造成檢測準確度低；而單獨采用深度學習算法，由于算法參數量巨大，算法計算復雜導致計算速度低，因此現有的車道線檢測方式并不能滿足用戶的需求。

發明內容

本發明實施例提供了一種車道線檢測方法、裝置、電子設備和存儲介質。以實現對車道線的檢測。

第一方面，本發明實施例提供了一種車道線檢測方法，包括：

獲取待檢測圖像在指定采樣倍數下通過神經網絡所提取的網絡特征，以及通過特征提取算子所提取的手工特征；

將指定采樣倍數下所獲取的網絡特征和手工特征進行融合獲取融合特征；

基于融合特征獲取待檢測圖像中所包含的車道線。

第二方面，本發明實施例提供了一種車道線檢測裝置，包括：

網絡特征和手工特征獲取模塊，用于獲取待檢測圖像在指定采樣倍數下通過神經網絡所提取的網絡特征，以及通過特征提取算子所提取的手工特征；

融合特征獲取模塊，用于將指定采樣倍數下所獲取的網絡特征和手工特征進行融合獲取融合特征；

車道線獲取模塊，用于基于融合特征獲取待檢測圖像中所包含的車道線。

第三方面，本發明實施例還提供了一種電子設備，電子設備包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當一個或多個程序被一個或多個處理器執行，使得一個或多個處理器實現本發明任意實施例的方法。

第四方面，本發明實施例還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現本發明任意實施例的方法。

在本發明實施例中，通過神經網絡基于少量的計算提取待檢測圖像中包含核心信息的網絡特征，并將通過特征提取算子所提取的手工特征進行補充，根據所獲取的融合特征進行車道線的檢測，從而在減少計算量的同時還能夠保證檢測結果的準確度。

附圖說明

圖1A是本發明實施例一提供的車道線檢測方法的流程圖；

圖1B是本發明實施例一提供的車道線檢測的應用場景示意圖；

圖1C是本發明實施例一提供的水平邊緣特征算子的曲線示意圖；

圖1D是本發明實施例一提供的水平特征平滑算子的曲線示意圖；

圖1E是本發明實施例一提供的特征截斷算子的曲線示意圖；