[发明专利]车道线检测方法、装置、设备及存储介质

说明书

本发明公开了一种车道线检测方法、装置、设备及存储介质，首先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；将车道线信息和目标下采样图像进行特征映射，得到待输出图像；将待输出图像进行上采样，得到输出图像，其中，输出图像中包括车道线图像和背景图像。这样，通过对原始图像进行特征提取和下采样处理，可以获得鲁棒的车道特征，从而实现更加精准的多类别车道线识别。

技术领域

本发明实施例涉及图像识别技术领域，尤其涉及一种车道线检测方法、装置、设备及存储介质。

背景技术

车道检测在自动驾驶中起着至关重要的作用。车道检测算法包括车道特征提取、特征分割分组和车道模型拟合三个步骤。

传统的车道特征提取方法需要设计图像处理程序来获取车道特征。例如，基于梯度的方法计算梯度来获取车道边界。进一步结合多种来源的信息，包括强度、颜色和边缘来增强检测能力。然而，这些传统的算法不足以抵抗环境变化的影响，如噪音、光照变化和天气条件。目前，深度卷积神经网络(CNN)在计算机视觉领域取得了突破性进展。现在可以采用语义分割网络进行车道特征提取。基于CNN的系统具有更高的鲁棒性，并且对环境变化不那么敏感。

识别不同类型的车道，如黄线、红线、双线、实线、虚线，对于自动驾驶汽车来说是至关重要的。现有技术中利用语义分割网络提取鲁棒车道线特征，但不区分不同类型的车道。

发明内容

本发明实施例提供了车道线检测方法、装置、设备及存储介质，可以获得鲁棒车道特征，从而实现更加精准的多类别车道线识别。

第一方面，本发明实施例提供了一种车道线检测方法，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，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。

第二方面，本发明实施例还提供了一种车道线检测装置，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。

第三方面，本发明实施例还提供了一种车道线检测设备，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上述本发明实施例第一方面提供的车道线检测方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有一个或多个计算机程序，该程序被处理器执行时实现如上述第一方面实施例提供的车道线检测方法。

在上述车道线检测方法、装置、设备及存储介质中，首先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；将车道线信息和目标下采样图像进行特征映射，得到待输出图像；将待输出图像进行上采样，得到输出图像，其中，输出图像中包括车道线图像和背景图像。这样，通过对原始图像进行特征提取和下采样处理，可以获得鲁棒的车道特征，从而实现更加精准的多类别车道线识别。

附图说明