[发明专利]识别车道线模型的训练方法、车道线识别方法及装置

权利要求书

1.一种识别车道线模型的训练方法，其特征在于，所述方法包括：

获取道路样本图像，所述道路样本图像中包括目标线，所述目标线为标注了的车道线；

将所述道路样本图像输入识别车道线模型，获得特征图，所述特征图包括多个网格，在所述特征图的左边缘、下边缘以及右边缘的网格上分别设置有不同斜率的建议线，所述识别车道线模型为深度神经网络模型；

从所述特征图中提取所述目标线，将所述目标线与各个所述建议线相比较，获得比较结果；

根据所述比较结果调整所述识别车道线模型中的参数，使得所述识别车道线模型的损失函数最小。

2.根据权利要求1所述的方法，其特征在于，所述将所述目标线与各个所述建议线相比较，获得比较结果包括：

比较各个所述建议线与所述目标线的距离；

若所述距离小于或等于正样本阈值，将所述建议线确定为正样本；

若所述距离大于或等于负样本阈值，将所述建议线确定为负样本。

3.根据权利要求2所述的方法，其特征在于，所述损失函数为：

所述p_i表示第i个建议线被预测为车道线的概率，所述表示第i个建议线的分类标签，当所述建议线为正样本时，所述赋值为1，当所述建议线为负样本时，所述赋值为0；所述r_i表示第i个建议线被预测为车道线的回归结果，所述r_i^*表示第i个建议线的回归标签；所述λ为平衡权重；

所述Loss(p_i，r_i)为包括分类损失和回归损失的多任务损失目标函数，所述L_cls表示分类损失，所述L_reg表示回归损失。

4.根据权利要求2所述的方法，其特征在于，所述建议线与所述目标线的距离为所述建议线与所述目标线在纵坐标方向公共部分误差的绝对值的平均值。

5.根据权利要求1所述的方法，其特征在于，所述特征图在纵坐标方向均分为S行，所述建议线和/或所述目标线采用S+2个数值表示，所述S+2个数值具体为各条线在S行对应的横坐标以及所述各条线的起始位置对应的索引和终止位置对应的索引，其中，所述S为正整数。

6.根据权利要求1所述的方法，其特征在于，将所述道路样本图像输入识别车道线模型，获得特征图包括：

对所述道路样本图像进行全卷积，获得所述道路样本图像的特征图。

7.一种车道线识别方法，其特征在于，所述方法包括：

获取车辆周围的当前道路图像；

将所述当前道路图像输入到识别车道线模型中，并基于所述识别车道线模型的输出结果，确定所述当前道路图像中的车道线；所述识别车道线模型是根据权利要求1-6任一项所述的识别车道线模型的训练方法训练生成的识别车道线模型。

8.根据权利要求7所述的方法，其特征在于，所述将所述当前道路图像输入到识别车道线模型中，并基于所述识别车道线模型的输出结果，确定所述当前道路图像中的车道线包括：

对所述当前道路图像进行全卷积，得到所述当前道路图像的特征图；所述特征图包括多个网格；所述特征图的左边缘、下边缘以及右边缘的各个网格上分别设置有k条建议线，所述k为正整数；

针对所述特征图的左边缘、右边缘、下边缘分别采用不同的参数进行卷积和池化，得到车道线特征；

对应于每个所述特征图的左边缘、下边缘以及右边缘的各个网格，根据车道线特征分别输出k组预测结果，分别对应所述k个建议线的分类结果和回归结果；所述分类结果采用所述建议线被预测为车道线的概率表示，所述回归结果采用建议线在S行的横坐标相对所述建议线的偏移值和相对终止位置表示，其中，所述S为正整数；

针对所述概率大于或等于预设阈值的所述建议线，进行非极大值抑制处理，将处理后的结果作为最终预测结果；

根据所述最终预测结果确定所述当前道路图像中的车道线。