[发明专利]车道线检测方法、装置、电子设备、存储介质以及车辆

权利要求书

1.一种车道线检测方法，包括：

获取包括车道线的视频流；

在所述视频流中按预定间隔的帧数提取关键帧图像，相邻的关键帧图像之间作为非关键帧图像；

对所述关键帧图像，根据所述关键帧图像的特征图进行车道线检测；

对所述非关键帧图像，根据所述非关键帧图像的前一帧关键帧图像的特征图以及所述非关键帧图像进行车道线检测。

2.根据权利要求1所述的方法，其中，对所述非关键帧图像，根据所述非关键帧图像的前一帧关键帧图像的特征图以及所述非关键帧图像进行车道线检测，包括：

确定所述前一帧关键帧图像与所述非关键帧图像之间位置变化信息；

根据所述位置变化信息和所述前一帧关键帧图像的特征图，确定所述非关键帧图像的特征图，并基于所述非关键帧图像的特征图进行车道线检测。

3.根据权利要求2所述的方法，其中，所述位置变化信息包括每一像素点的位置移动信息；确定所述前一帧关键帧图像与所述非关键帧图像之间位置变化信息，包括：

将所述前一帧关键帧图像和所述非关键帧图像输入至光流估计网络模型，得到所述前一帧关键帧图像与所述非关键帧图像之间的光流图；其中，所述光流图表征所述非关键帧图像相对于所述上一关键帧图像时每一像素点的位置移动信息。

4.根据权利要求3所述的方法，所述方法还包括：

采集训练样本集，所述训练样本集中包括存在车道线的相对位移的第一样本图像和第二样本图像；

基于所述训练样本集、以及所述第一样本图像和所述第二样本图像之间的光流场作为训练标签，对基础网络模型进行训练，得到所述光流估计网络模型。

5.根据权利要求2所述的方法，其中，根据所述位置变化信息和所述前一帧关键帧图像的特征图，确定所述非关键帧图像的特征图，包括：

根据所述位置变化信息，确定所述前一帧关键帧图像的每一像素点在所述非关键帧图像的特征图上的位置信息；

根据所述位置信息和所述前一帧关键帧图像的特征图，生成所述非关键帧图像的特征图。

6.根据权利要求1至5中任一项所述的方法，其中，对所述关键帧图像，根据所述关键帧图像的特征图进行车道线检测，包括：

将所述关键帧图像输入至预设的车道线检测模型，得到所述关键帧图像的特征图，并根据所述关键帧图像的特征图进行车道线检测；

其中，所述车道线检测模型是基于白天场景的车道线样本图像和夜间场景的车道线样本图像，进行知识蒸馏处理生成的。

7.根据权利要求6所述的方法，在将所述关键帧图像输入至预设的车道线检测模型，得到所述关键帧图像的特征图，并根据所述关键帧图像的特征图进行车道线检测之前，所述方法还包括：

将所述白天场景的车道线样本图像和夜间场景的车道线样本图像，均分别输入至用于知识蒸馏处理的残差网络模型和轻量级网络模型，得到经所述残差网络模型输出的第一车道线识别结果、以及经所述轻量级网络模型输出的第二车道线识别结果；

基于所述第一车道线识别结果和所述第二车道线识别结果，对所述轻量级网络模型进行迭代，得到所述车道线检测模型。

8.根据权利要求7所述的方法，其中，所述第一车道线识别结果表征车道线的概率分布，所述第二车道线识别结果表征车道线的概率分布；基于所述第一车道线识别结果和所述第二车道线识别结果，对所述轻量级网络模型进行迭代，得到所述车道线检测模型，包括：

确定所述第一车道线识别结果和所述第二车道线识别结果之间的相对熵信息，并确定所述第一车道线识别结果和所述第二车道线识别结果之间的损失信息；其中，所述相对熵信息表征车道线的概率分布之间的差异的非对称性度量信息，所述损失信息表征车道线的概率分布之间的距离信息；

根据所述相对熵信息和所述损失信息，对所述轻量级网络模型进行迭代，得到所述车道线检测模型。