[發明專利]一種基于不均勻錨的車道線邊沿實時檢測方法和系統

在審

• 申請號: 202211227720.2
• 申請日: 2022-10-09
• 公開（公告）號: CN115661771A
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 楊云飛;凌嘉駿;程起敏
• 申請（專利權）人: 北京英泰智科技股份有限公司;華中科技大學
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/40;G06V10/77;G06V10/774;G06V10/25;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 武漢華之喻知識產權代理有限公司 42267
• 代理人: 胡秋萍;曹葆青

本發明公開一種基于不均勻錨的車道線邊沿實時檢測方法和系統，屬于車道線檢測領域。包括：將待檢測道路場景圖像輸入至訓練好的檢測模型中的主干網絡，得到N個車道線邊沿圖像；檢測模型通過以下方式訓練：采用訓練數據集訓練檢測模型；訓練數據集包括多個道路場景圖像，每個道路場景圖像的目標標簽為該圖像中所有車道線的邊沿線在不均勻錨驅動下生成的N個標注圖像，所述目標標簽維度為N×總列錨數×總行錨數。本發明采用多種不均勻分布錨的設置，越靠近ROI頂部或越靠近車道線區域的錨分布越密集，越遠離ROI頂部或越遠離車道線區域的錨分布越稀疏，可以更好地表達車道邊沿線的形狀，提高對于遠離車輛的車道線以及曲線車道線的檢測結果準確率。

技術領域

本發明屬于車道線檢測領域，更具體地，涉及一種基于不均勻錨的車道線邊沿實時檢測方法和系統。

背景技術

車道線檢測是自動駕駛系統中關鍵技術之一，它被整合應用于自動駕駛車輛中的環境感知模塊，用于向車輛提供車輛周圍的環境信息，包括車道線的類型、車道線的精確邊沿位置，以及車輛的可行使區域等。

然而，車道線檢測存在檢測準確率和檢測幀率兩方面的挑戰。首先是在檢測準確率上的挑戰，車輛行駛的區域類型多樣，相應地，車道線的數量就有所不同，存在著單車道線和多車道線的不同情況；車道線的種類也多樣，從顏色上區分存在著黃線和白線，從形狀上區分存在著直線和曲線，從功能上區分存在著實線和虛線。并且，同一個區域下的車道線在不同的時間段、不同天氣下的畫面呈現效果也不同，例如白天車道線清晰明顯，而夜間亮度不足，車道線較難識別，并且還存在著強光照射下車道線反光導致的畫面曝光。這些因素都會對車道線檢測的準確率造成影響。此外，車道線檢測的檢測幀率也是必須要滿足的一個指標，因為車道線邊沿檢測模塊不僅需要獲取到車道線的位置，還需要將具體的結果輸入提供給其他模塊進一步地處理，以得出最終的車輛控制決策。

基于深度學習的方法可以利用深度神經網絡對圖像的各種層次的語義特征進行充分提取，因此魯棒性較好。然后，現有基于深度學習的車道線檢測方法存在以下缺陷和不足：(1)現有的大多數算法是基于駕駛員視角或行車記錄儀視角的車道線檢測，車道線的檢測結果為車道線的大體位置而非車道線的精確邊沿位置，而自動駕駛車輛上其他位置如車輛的左右側安裝的攝像頭需要檢測車道線的精確邊沿位置防止出現壓線情況，而大部分的主流算法不一定具備很好的適用性；(2)基于錨(Anchor)的車道線檢測方法如UFLD、LaneATT是近年來新提出的車道線實時檢測算法，然而它們采用的錨分布均勻，導致用于描述視野中旁側的距離中心較遠的車道線，以及彎道車道線頂部的曲率較大的部分的錨點數量少，無法很好地描述車道線的形狀，導致檢測準確率低。

發明內容

針對現有技術的缺陷，本發明的目的在于提供一種基于不均勻錨的車道線邊沿實時檢測方法和系統，旨在實現對車道線邊沿位置的精確檢測，并且解決均勻錨分布的驅動下對于視野旁側距離較遠的車道線和曲線車道線的準確率不高的問題。

為實現上述目的，第一方面，本發明提供了一種基于不均勻錨的車道線邊沿實時檢測方法，該方法包括：

將待檢測道路場景圖像輸入至訓練好的檢測模型中的主干網絡，得到N個車道線邊沿圖像，N表示預定義的最大車道線邊沿數量；

所述檢測模型包括主干網絡；

所述主干網絡包括：圖像視覺特征提取模塊和維度轉換模塊；其中，所述圖像視覺特征提取模塊，用于提取圖像的各層次特征；所述維度轉換模塊，用于將高層特征即語義特征的維度轉換至目標標簽維度；

所述檢測模型通過以下方式訓練：采用訓練數據集訓練檢測模型；所述訓練數據集包括多個道路場景圖像，每個道路場景圖像的目標標簽為該圖像中所有車道線的邊沿線在錨驅動下生成的N個標注圖像，所述目標標簽維度為N×總列錨數×總行錨數，所述錨采用以下任一種方式設置為不均勻：