【技術實現步驟摘要】
本申請涉及自動駕駛，尤其涉及一種車道線檢測方法、裝置及相關設備。
技術介紹
1、隨著自動駕駛技術的發展，人們對車輛道路檢測精準度要求越來越高。在車輛道路檢測中，車道線檢測是自動駕駛
尤為重要的檢測指標之一。現有的車道線檢測方法，多是通過傳統的圖像處理和基于深度學習神經網絡模型，以采集的圖像進行語義分割，基于語義分割的結果進行目標識別，以識別出關于車道線的像素和車道線的關鍵點，然后基于車道線的像素和關鍵點進行確定目標車道線。這種傳統的車道線檢測方法，由于進行語義分割的神經網絡模型對不同目標進行語義分割以獲取不同識別對象的結果不一定都有較好的準確性，如果車道線像素提取或關鍵點識別結果中任意語義識別結果出現錯誤，那么就很難保證最終獲取的目標車道線的精準度。為此，如何提供一種準確度高的車道線檢測方法，就成了行業內亟需解決的技術問題。
技術實現思路
1、有鑒于此，本申請實施例提供一種車道線檢測方法、裝置及存儲介質，以至少部分解決上述問題。
2、第一方面，本申請實施例提供一種車道線檢測方法，包括：
3、對獲取的路況圖像進行特征提取，獲取特征提取結果；
4、基于特征其提取的結果，使用語義分割模型對路況圖像進行語義分割，獲取語義分割結果，利用關鍵點特征提取網絡模型提取車道線關鍵點，獲取車道線關鍵點提取結果；
5、基于所述語義分割結果，進行車道線識別，獲取擬合車道線；
6、基于所述車道線關鍵點提取結果，對所述擬合車道線進行修正，獲取目
7、可選地，在本申請的一種實施例中，所述對獲取的路況圖像進行特征提取，獲取特征提取結果，包括：
8、對所述路況圖像進行裁剪，去除所述路況圖像中非車道線部分的圖像，獲取至多為所述路況圖像尺寸1/8的裁剪圖像；
9、根據所述裁剪圖像中像素行列之間的空間關系，經過空間特征聚合以進行像素疊加，以增強所述裁剪圖像中的特征，獲取特征增強圖像；
10、對所述特征增強圖像進行特征提取，獲取特征提取結果。
11、可選地，在本申請的一種實施例中，所述對所述特征增強圖像進行特征提取，獲取特征提取結果，包括：
12、基于特征提取神經網絡模型，利用最大池化和步長為2的3*3卷積對所述特征增強圖像分別進行至少三次下采樣，確定采樣結果；
13、對所述采樣結果進行連接，獲取特征接連圖像；
14、利用所述特征提取神經網絡模型的空洞卷積，增大所述特征連接圖像的感受野，獲取特征擴大圖像；
15、基于所述特征提取神經網絡模型，利用預設步長的卷積核，對所述擴大圖像進行特征提取，獲取特征提取結果。
16、可選地，在本申請的一種實施例中，所述方法還包括：基于所述裁剪圖像的尺寸，將所述特征增強圖像上采樣到預設輸出尺寸。
17、可選地，在本申請的一種實施例中，所述基于所述裁剪圖像的尺寸，將所述特征增強圖像上采樣到預設輸出尺寸，包括：采用單支的轉置卷積神經網絡模型，將所述特征增強圖像上采樣到預設輸出尺寸。
18、可選地，在本申請的一種實施例中，所述利用關鍵點特征提取網絡模型提取車道線關鍵點，獲取車道線關鍵點提取結果，包括：
19、基于所述特征提取結果，從關鍵點置信度、偏移信息和嵌入特征三個維度，使用所述經過訓練的關鍵點特征提取網絡進行車道線關鍵點提取，以獲取車道線關鍵點提取結果；
20、其中，所述置信度和偏移信息用于對所述車道線關鍵點進行定位檢測，所述嵌入特征用于后處理中的車道線關鍵點進行分類。
21、可選地，在本申請的一種實施例中，所述基于所述車道線關鍵點提取結果，對所述擬合車道線進行修正，獲取目標車道線的檢測結果，包括：
22、對所述擬合車道線進行邏輯判斷；
23、當所述邏輯判斷的檢測的結果指示所述擬合車道線中存在斷裂時，利用根據所述車道線關鍵點提取結果確定的虛擬車道線，對所述擬合車道線進行結果修正；
24、根據所述修正的結果，獲取目標車道線的檢測結果。
25、可選地，在本申請的一種實施例中，其中，所述語義分割模型和所述關鍵點特征提取模型使用相同或同一個特征提取層。
26、第二方面，基于本申請第一方面所述的車道線檢測方法，本申請還提供一種車道線檢測裝置，包括：
27、提取模塊，用于對獲取的路況圖像進行特征提取，獲取特征提取結果；
28、識別模塊，用于基于特征其提取的結果，使用語義分割模型對路況圖像進行語義分割，獲取語義分割結果，利用關鍵點特征提取網絡模型提取車道線關鍵點，獲取車道線關鍵點提取結果，其中，所述語義分割模型和所述關鍵點特征提取模型使用相同或同一個特征提取層；
29、擬合模塊，用于基于所述語義分割結果，進行車道線識別，獲取擬合車道線；
30、確定模塊，用于基于所述車道線關鍵點提取結果，對所述擬合車道線進行修正，獲取目標車道線的檢測結果。
31、第三方面，本申請實施例還挺一種計算機存儲介質，所述計算機存儲介質上存儲有計算機可執行指令，所述計算機可執行指令被執行時執行如本申請第一方面所述任意一種車道線檢測方法。
32、第四方面，本申請實施例還提供一種電子設備，包括：
33、一個或多個處理器；
34、存儲器，用于存儲一個或多個程序，
35、當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如本申請第一方面所述任意一種車道線檢測方法。
36、本申請提供了一種車道線檢測方法、裝置及相關設備，對獲取的路況圖像進行特征提取，獲取特征提取結果；基于特征其提取的結果，使用語義分割模型對路況圖像進行語義分割，獲取語義分割結果，利用關鍵點特征提取網絡模型提取車道線關鍵點，獲取車道線關鍵點提取結果；基于所述語義分割結果，進行車道線識別，獲取擬合車道線；基于車道線關鍵點提取結果，對擬合車道線進行修正，獲取目標車道線的檢測結果。這種車道建檢測方法，確定最終的車道線是根據語義識別和關鍵點檢測的結果確定的，當語義分割的結果出現錯誤或誤差較大時，將關鍵點檢測結果作為另一層保證，對錯誤的車道線予以糾正。且由于進行語義分割和提取關鍵的神經網絡模型共用一個特征提取層，在保證車道線提取效率的同時，提升了車道線檢測精度。
本文檔來自技高網...【技術保護點】
1.一種車道線檢測方法，其特征在于，包括：
2.根據權利要求1所述的車道線檢測方法，其特征在于，所述對獲取的路況圖像進行特征提取，獲取特征提取結果，包括：
3.根據權利要求2所述的車道線檢測方法，其特征在于，所述對所述特征增強圖像進行特征提取，獲取特征提取結果，包括：
4.根據權利要求2所述的車道線檢測方法，其特征在于，所述方法還包括：基于所述裁剪圖像的尺寸，將所述特征增強圖像上采樣到預設輸出尺寸。
5.根據權利要求4所述的車道線檢測方法，其特征在于，所述基于所述裁剪圖像的尺寸，將所述特征增強圖像上采樣到預設輸出尺寸，包括：采用單支的轉置卷積神經網絡模型，將所述特征增強圖像上采樣到預設輸出尺寸。
6.根據權利要求4所述的車道線檢測方法，其特征在于，所述利用關鍵點特征提取網絡模型提取車道線關鍵點，獲取車道線關鍵點提取結果，包括：
7.根據權利要求1所述的車道線檢測方法，其特征在于，所述基于所述車道線關鍵點提取結果，對所述擬合車道線進行修正，獲取目標車道線的檢測結果，包括：
8.根據權利要求1所述的車
9.一種車道線檢測裝置，其特征在于，包括：
10.一種計算機存儲介質，其特征在于，所述計算機存儲介質上存儲有計算機可執行指令，所述計算機可執行指令被執行時執行如權利要求1-8中任意一項所述的車道線檢測方法。
...【技術特征摘要】
1.一種車道線檢測方法，其特征在于，包括：
2.根據權利要求1所述的車道線檢測方法，其特征在于，所述對獲取的路況圖像進行特征提取，獲取特征提取結果，包括：
3.根據權利要求2所述的車道線檢測方法，其特征在于，所述對所述特征增強圖像進行特征提取，獲取特征提取結果，包括：
4.根據權利要求2所述的車道線檢測方法，其特征在于，所述方法還包括：基于所述裁剪圖像的尺寸，將所述特征增強圖像上采樣到預設輸出尺寸。
5.根據權利要求4所述的車道線檢測方法，其特征在于，所述基于所述裁剪圖像的尺寸，將所述特征增強圖像上采樣到預設輸出尺寸，包括：采用單支的轉置卷積神經網絡模型，將所述特征增強圖像上采樣到預設輸出尺寸。
<...【專利技術屬性】
技術研發人員：趙考鵬，李森，曾小輝，許彭宏，金茜，
申請(專利權)人：零束科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。