[发明专利]车道线检测方法、装置、设备及存储介质

权利要求书

1.一种车道线检测方法，其特征在于，包括：

对原始图像进行特征提取和下采样处理，得到车道线信息和目标下采样图像；其中，车道线信息包括车道线深层语义信息和车道线位置信息；

将所述车道线信息和所述目标下采样图像进行特征映射，得到待输出图像；

将所述待输出图像进行上采样，得到输出图像，其中，所述输出图像中包括车道线图像和背景图像。

2.根据权利要求1所述的方法，其特征在于，对原始图像进行特征提取和下采样处理，得到车道线信息和目标下采样图像，包括：

将原始图像作为输入图像输入至预训练的神经网络模型，以使所述神经网络模型对所述输入图像进行特征提取和下采样处理，并输出车道线信息和目标下采样图像。

3.根据权利要求2所述的方法，其特征在于，所述神经网络模型对所述原始图像进行特征提取和下采样处理，包括：

所述神经网络模型中的特征提取模块，对所述输入图像进行特征提取，得到第一输出特征图，其中，第一输出特征图中包括车道线的浅层语义信息；

所述神经网络模型中的下采样模块对所述第一输出特征图进行下采样处理，得到第一下采样图像；

在所述第一下采样图像与所述输入图像的比值大于第一阈值的情况下，将将第一下采样图像作为新的输入图像，返回执行所述神经网络模型中的特征提取模块，对输入图像进行特征提取，得到第一输出特征图的步骤；

直到第一下采样图像与所述输入图像的比值等于第一阈值，将所述第一下采样图像确定为输出特征图，所述输出特征图包括车道线的深层语义信息和目标下采样图像。

4.根据权利要求3所述的方法，其特征在于，所述特征提取模块包括：非对称卷积函数、空洞卷积函数、批标准化函数、ReLU激活函数。

5.根据权利要求4所述的方法，其特征在于，所述下采样模块包括：对称卷积函数、批标准化函数、ReLU激活函数。

6.根据权利要求4所述的方法，其特征在于，所述神经网络模型中的下采样模块对所述第一输出特征图进行下采样处理，得到第一下采样图像，包括：

所述神经网络模型中的下采样模块将所述第一输出特征图进行缩小处理，并扩大神经网络模型的感受野，得到第一下采样图像。

7.根据权利要求4所述的方法，其特征在于，将所述待输出图像进行上采样，得到输出图像，包括：

使用双线性差值对所述待输出图像进行预设倍数的上采样，得到输出图像，其中，预设倍数由第一阈值确定。

8.一种车道线检测装置，其特征在于，包括：

图像处理模块，用于对原始图像进行特征提取和下采样处理，得到车道线信息和目标下采样图像，其中，车道线信息包括车道线深层语义信息和车道线位置信息；

特征映射模块，用于将所述车道线的深层语义信息和所述目标下采样图像进行特征映射，得到待输出图像；

输出图像确定模块，用于将所述待输出图像进行上采样，得到输出图像，其中，所述输出图像中包括车道线图像和背景图像。

9.一种车道线检测设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

所述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1-8任一所述的车道线检测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8任一所述的车道线检测方法。