[發明專利]分割網絡模型訓練方法、車道線檢測方法、裝置和介質

有效

• 申請號: 202211322637.3
• 申請日: 2022-10-27
• 公開（公告）號: CN115393595B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 安陽;張青峰;盧仁建;錢鑫明
• 申請（專利權）人: 福思（杭州）智能科技有限公司
• 主分類號: G06V10/26
• 分類號: G06V10/26;G06V20/56;G06V10/22;G06V10/24
• 代理公司: 杭州華進聯浙知識產權代理有限公司 33250
• 代理人: 何曉春

1.一種分割網絡模型訓練方法，應用于車道線檢測，其特征在于，包括：

獲取訓練圖像，將所述訓練圖像輸入至分割網絡，得到對應于車道線的前景預測值，以及得到背景預測值，并將所述前景預測值和所述背景預測值進行歸一化處理，得到第一預測值；

在所述訓練圖像中確定目標區域，并根據所述目標區域構造第一抑制函數，其中，所述目標區域為延伸至圖像邊框的遠處車道線所在位置；

將所述第一預測值輸入至第一抑制函數，輸出第二預測值；

將所述第二預測值輸入至損失函數，輸出損失值，并根據所述損失值調整所述分割網絡模型的參數；

其中，在所述訓練圖像中確定目標區域包括：獲取對應于所述車道線的第一像素點集，根據所述第一像素點集中的縱坐標確定最高點和最低點，并根據所述車道線的最高點和最低點確定所述車道線在豎直方向上的高度；對所述第一像素點集進行擬合，得到所述車道線的擬合曲線；根據所述車道線的最高點和高度，確定所述目標區域在豎直方向上的高度和位置，以及根據所述車道線的最高點、所述車道線的高度和所述擬合曲線，確定所述目標區域在垂直于所述擬合曲線方向上的寬度；

其中，在所述訓練圖像中確定目標區域，并根據所述目標區域構造第一抑制函數包括：構建系數矩陣，其中，所述系數矩陣中對應所述目標區域的像素的系數值為第一值，其余系數值為第二值；構造第二抑制函數，其中，所述第二抑制函數可以抑制處于第一范圍內的所述第一預測值，且在所述第一預測值為0或者1時，所述第一預測值與所述第二預測值一致；根據所述系數矩陣和所述第二抑制函數，得到所述第一抑制函數；其中，所述第二抑制函數經過點(0，0)和點(1，1)，且在區間[0，1]內為凹函數。

2.根據權利要求1所述的分割網絡模型訓練方法，其特征在于，確定所述目標區域在豎直方向上的高度和位置包括：

以所述車道線的最高點的縱坐標為標準值，圍繞所述標準值上下浮動第一預設值，得到所述目標區域在豎直方向上的最大縱坐標、最小縱坐標和高度，其中，所述第一預設值與所述車道線的高度成一定比例。

3.根據權利要求2所述的分割網絡模型訓練方法，其特征在于，確定所述目標區域在垂直于所述擬合曲線方向上的寬度包括：

作一條所述擬合曲線的垂線，其中，所述垂線與所述擬合曲線的交點的縱坐標為所述目標區域在豎直方向上的最小縱坐標；

在所述第一像素點集中選取與所述垂線的垂直距離小于第二預設值的像素點，得到第二像素點集；

在所述第二像素點集中選取與所述垂線的垂直距離最遠，且分別位于所述擬合曲線兩側的兩個像素點；

根據所述兩個像素點之間的直線距離得到所述目標區域在垂直于所述擬合曲線方向上的寬度。

4.根據權利要求1所述的分割網絡模型訓練方法，其特征在于，所述第一抑制函數能夠抑制所述目標區域內的所述第一預測值，且所述第一抑制函數不改變所述目標區域外的所述第一預測值。

5.根據權利要求1所述的分割網絡模型訓練方法，其特征在于，根據所述損失值調整所述分割網絡模型的參數包括：

根據所述損失值的最小值確定所述分割網絡模型的最優參數。

6.一種車道線檢測方法，其特征在于，包括：

將待檢測圖像輸入至權利要求1至權利要求5中任一項分割網絡模型訓練方法得到的分割網絡，輸出車道線檢測結果。

7.一種電子裝置，包括存儲器和處理器，其特征在于，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以執行權利要求1至權利要求5中任一項所述的分割網絡模型訓練方法或者權利要求6所述的車道線檢測方法。

8.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至權利要求5中任一項所述的分割網絡模型訓練方法的步驟或者權利要求6所述的車道線檢測方法的步驟。