[发明专利]复杂驾驶场景下的车道线检测方法

权利要求书

1.复杂驾驶场景下的车道线检测方法，包含以下步骤：

步骤S1，构建图像数据集，所述数据集中的每一个样本包含多帧连续驾驶场景图像；

步骤S2，构建深度学习网络模型，该模型包括编码网络、递归神经网络和解码网络；所述编码网络为全卷积网络，包含卷积层和池化层；递归神经网络采用双层卷积长短时记忆网络；解码网络为全卷积网络，包含反卷积层和卷积层；其中，所述编码网络和解码网络中的卷积操作均采用大小是3×3卷积核，所述解码网络最后一层卷积核的个数为1，即输出视频目标概率图；

步骤S3，利用S1构建的图像数据集对步骤S2构建的深度学习模型进行训练，采用加权交叉熵作为模型的损失函数；

步骤S4，利用步骤S3训练好的模型进行车道线检测。

2.根据权利要求1所述的复杂驾驶场景下的车道线检测方法，其特征在于：所述步骤S1具体为：

步骤S1-1，采集M个图像序列，每个序列包含L帧连续的驾驶场景图像；对每个序列的最后一帧图像标注车道线的真值，得到标签；

步骤S1-2，为了适应不同速度下的车道线检测，对上述每个图像序列进行多步长等间隔采样，步长分别为1，2，和3，从而每个图像序列可以生成3个数据样本，使每个样本包含N帧图像；

步骤S1-3，经过上面两步的处理，得到3×M个数据样本，每个样本包含N帧图像，并且第N帧有标注的车道线真值；将3×M个样本作为图像数据集。

3.根据权利要求2所述的复杂驾驶场景下的车道线检测方法，其特征在于：所述N大于等于2。

4.根据权利要求1所述的复杂驾驶场景下的车道线检测方法，其特征在于：所述构建深度学习网络为一个端到端网络。

5.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。

6.一种计算机可读介质，其上存储有计算机程序，其特征在于：所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。