[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

本申請涉及一種分割網絡模型訓練方法、車道線檢測方法、裝置和介質，該方法包括：獲取訓練圖像，將訓練圖像輸入至分割網絡，得到前景預測值和背景預測值，并將前景預測值和背景預測值進行歸一化處理，得到第一預測值；在訓練圖像中確定目標區域，并根據目標區域構造第一抑制函數，其中，目標區域為延伸至圖像邊框的遠處車道線所在位置；將第一預測值輸入至第一抑制函數，輸出第二預測值；將第二預測值輸入至損失函數，輸出損失值，并根據損失值調整分割網絡模型的參數。通過本申請，解決了利用分割網絡對車道線進行檢測時，無法準確地檢測遠處車道線的問題，實現了遠處車道線檢測準確率的提升。

技術領域

本申請涉及計算機領域，特別是涉及一種分割網絡模型訓練方法、車道線檢測方法、裝置和介質。

背景技術

在自動輔助駕駛領域，在使用分割網絡模型對車道線進行檢測時，分割網絡模型會對圖像中的每一個像素點分別輸出前景和背景的預測值，并根據前景和背景的預測值得到車道線的檢測結果。由于遠處車道線所占的像素點較少，清晰度不如近處高，又由于標注一致性因此受到影響，最終導致這部分車道線無法被檢測。

針對相關技術中存在利用分割網絡對車道線進行檢測時，無法準確地檢測遠處車道線的問題，目前還沒有提出有效的解決方案。

發明內容

在本實施例中提供了一種分割網絡模型訓練方法、車道線檢測方法、電子裝置、存儲介質和計算機程序產品，以解決相關技術中利用分割網絡對車道線進行檢測時，遠處車道線檢測結果置信度低的問題。

第一個方面，在本實施例中提供了一種分割網絡模型訓練方法，所述方法包括：

在其中的一些實施例中，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。

在其中的一些實施例中，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。

在其中的一些實施例中，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。

在其中的一些實施例中，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。

在其中的一些實施例中，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；