本申請實施例涉及車道線檢測，尤其涉及一種基于混合坐標關(guān)鍵點估計的車道線檢測方法、裝置及設(shè)備。

背景技術(shù)：

1、智能輔助駕駛技術(shù)已經(jīng)在民用汽車和特種作業(yè)車輛中得到了廣泛應用，車道線作為車輛行駛的重要視覺線索，對于約束行駛范圍、提升行駛安全性和穩(wěn)定性具有關(guān)鍵作用。

2、在當今的自動駕駛系統(tǒng)中，車道線檢測通常依賴計算機視覺技術(shù)來實現(xiàn)。傳統(tǒng)的車道線檢測方法往往依靠人為設(shè)定的先驗知識來設(shè)計模型結(jié)構(gòu)與參數(shù)，例如邊緣檢測或顏色分割等方法。然而，這些技術(shù)在面對復雜的道路條件時，容易受到路面狀況的干擾，導致魯棒性和準確性受限。因此，深度學習逐漸取代了這些傳統(tǒng)方法。借助深度神經(jīng)網(wǎng)絡(luò)，系統(tǒng)能夠自動學習并適應不同的道路場景，實現(xiàn)對車道線的精確識別和定位。

3、但現(xiàn)有的深度學習方法在面對圖像中車道線傾斜角度過大時仍存在局限性，難以滿足自動駕駛系統(tǒng)在復雜場景下對車道線檢測的要求。

技術(shù)實現(xiàn)思路

1、以下是對本文詳細描述的主題的概述。本概述并非是為了限制權(quán)利要求的保護范圍。

2、本申請旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題。為此，本申請?zhí)岢鲆环N基于混合坐標關(guān)鍵點估計的車道線檢測方法、裝置及設(shè)備，能夠提升車道線最終檢測的準確度。

3、本申請實施例的第一方面提供了基于混合坐標關(guān)鍵點估計的車道線檢測方法，所述方法包括：

4、獲取車道圖像；

5、根據(jù)檢測模型從所述車道圖像中提取車道線檢測結(jié)果；所述檢測模型的檢測流程包括：

6、從所述車道圖像中提取初始特征圖；

7、從所述初始特征圖中提取行錨置信度特征圖和對應的行錨偏移量特征圖，以及列錨置信度特征圖和對應的列錨偏移量特征圖；

8、從所述行錨置信度特征圖中提取置信度大于第一閾值的多個第一坐標點，并從所述行錨偏移量特征圖中提取與所述多個第一坐標點對應的多個第一偏移量，根據(jù)所述多個第一偏移量對所述多個第一坐標點進行偏移量補償，并根據(jù)補償后的多個第一坐標點生成多條行錨車道線；

9、從所述列錨置信度特征圖中提取置信度大于所述第一閾值的多個第二坐標點，并從所述列錨偏移量特征圖中提取與所述多個第二坐標點對應的多個第二偏移量，根據(jù)所述多個第二偏移量對所述多個第二坐標點進行偏移量補償，并根據(jù)補償后的多個第二坐標點生成多條列錨車道線；

10、計算目標行錨車道線的斜率和目標列錨車道線的斜率之間的平均值的絕對值，并在絕對值大于第二閾值的情況下，以目標行錨車道線作為所述車道線檢測結(jié)果；在絕對值小于或等于所述第二閾值的情況下，以目標列錨車道線作為所述車道線檢測結(jié)果；其中，所述目標行錨車道線是所述多條行錨車道線中的任意一條，所述目標列錨車道線是所述多條列錨車道線中與所述目標行錨車道線對應的一條。

11、本申請實施例的第二方面提供了基于混合坐標關(guān)鍵點估計的車道線檢測裝置，所述裝置包括：

12、圖像獲取單元，用于獲取車道圖像；

13、車道線檢測單元，用于根據(jù)檢測模型從所述車道圖像中提取車道線檢測結(jié)果；所述檢測模型的檢測流程包括：

14、從所述車道圖像中提取初始特征圖；

15、從所述初始特征圖中提取行錨置信度特征圖和對應的行錨偏移量特征圖，以及列錨置信度特征圖和對應的列錨偏移量特征圖；

16、從所述行錨置信度特征圖中提取置信度大于第一閾值的多個第一坐標點，并從所述行錨偏移量特征圖中提取與所述多個第一坐標點對應的多個第一偏移量，根據(jù)所述多個第一偏移量對所述多個第一坐標點進行偏移量補償，并根據(jù)補償后的多個第一坐標點生成多條行錨車道線；

17、從所述列錨置信度特征圖中提取置信度大于所述第一閾值的多個第二坐標點，并從所述列錨偏移量特征圖中提取與所述多個第二坐標點對應的多個第二偏移量，根據(jù)所述多個第二偏移量對所述多個第二坐標點進行偏移量補償，并根據(jù)補償后的多個第二坐標點生成多條列錨車道線；

18、計算目標行錨車道線的斜率和目標列錨車道線的斜率之間的平均值的絕對值，并在絕對值大于第二閾值的情況下，以目標行錨車道線作為所述車道線檢測結(jié)果；在絕對值小于或等于所述第二閾值的情況下，以目標列錨車道線作為所述車道線檢測結(jié)果；其中，所述目標行錨車道線是所述多條行錨車道線中的任意一條，所述目標列錨車道線是所述多條列錨車道線中與所述目標行錨車道線對應的一條圖像獲取單元車道線檢測單元。

19、本申請實施例的第三方面提供的電子設(shè)備，包括至少一個控制處理器和用于與所述至少一個控制處理器通信連接的存儲器；所述存儲器存儲有可被所述至少一個控制處理器執(zhí)行的指令，所述指令被所述至少一個控制處理器執(zhí)行，以使所述至少一個控制處理器能夠執(zhí)行所述的基于混合坐標關(guān)鍵點估計的車道線檢測方法。

20、本申請實施例的第四方面提供一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機可執(zhí)行指令，所述計算機可執(zhí)行指令用于使計算機執(zhí)行所述的基于混合坐標關(guān)鍵點估計的車道線檢測方法。

21、本實施例至少具有如下有益效果：

22、本方法通過提取出行、列錨置信度特征圖，可以從中提取出置信度較高的坐標點；通過提取行、列錨偏移量特征圖，可以確認置信度較高的坐標點對應的偏移量，進而可以基于該偏移量進行坐標點修正，以消除量化誤差，最終提升后續(xù)檢測的準確度；另外，本方法還在行錨檢測方法的基礎(chǔ)上結(jié)合了列錨檢測方法，通過判斷目標行錨車道線的斜率和目標列錨車道線的斜率之間平均值的絕對值與第二閾值之間的大小來選擇目標行錨車道線或目標列錨車道線作為輸出，有效解決了傳統(tǒng)關(guān)鍵點估計方法因無法有效表征場景中傾斜角度過大的車道線導致的漏檢問題，提升車道線最終檢測的準確度。

23、可以理解的是，上述第二方面至第四方面和相關(guān)技術(shù)相比存在的有益效果和上述第一方面和相關(guān)技術(shù)相比存在的有益效果相同，可以參見上述第一方面中的相關(guān)描述，在此不再贅述。

技術(shù)特征：

1.一種基于混合坐標關(guān)鍵點估計的車道線檢測方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的基于混合坐標關(guān)鍵點估計的車道線檢測方法，其特征在于，所述檢測模型包括主干網(wǎng)絡(luò)和頸部網(wǎng)絡(luò)，所述主干網(wǎng)絡(luò)為resnet-18網(wǎng)絡(luò)，所述頸部網(wǎng)絡(luò)包括依次相連的通道注意力模塊和反卷積層；

3.根據(jù)權(quán)利要求1所述的基于混合坐標關(guān)鍵點估計的車道線檢測方法，其特征在于，所述檢測模型包括：兩個置信圖卷積模塊和兩個偏移圖卷積模塊；

4.根據(jù)權(quán)利要求3所述的基于混合坐標關(guān)鍵點估計的車道線檢測方法，其特征在于，所述行錨置信度特征圖和所述行錨偏移量特征圖均為n通道的特征圖；

5.根據(jù)權(quán)利要求4所述的基于混合坐標關(guān)鍵點估計的車道線檢測方法，其特征在于，所述列錨置信度特征圖和所述列錨偏移量特征圖均為n通道的特征圖；

6.根據(jù)權(quán)利要求5所述的混合坐標關(guān)鍵點估計的車道線檢測方法，其特征在于，所述檢測模型還包括：混合坐標檢測模塊；

7.根據(jù)權(quán)利要求1所述的基于混合坐標關(guān)鍵點估計的車道線檢測方法，其特征在于，所述檢測模型包括輔助關(guān)注圖卷積模塊，所述輔助關(guān)注圖卷積模塊包括依次相連的卷積層、歸一化層、relu激活函數(shù)和卷積層；

8.一種基于混合坐標關(guān)鍵點估計的車道線檢測裝置，其特征在于，所述裝置包括：

9.一種電子設(shè)備，其特征在于：包括至少一個控制處理器和用于與所述至少一個控制處理器通信連接的存儲器；所述存儲器存儲有可被所述至少一個控制處理器執(zhí)行的指令，所述指令被所述至少一個控制處理器執(zhí)行，以使所述至少一個控制處理器能夠執(zhí)行權(quán)利要求1至7任一項所述的基于混合坐標關(guān)鍵點估計的車道線檢測方法。

10.一種計算機可讀存儲介質(zhì)，其特征在于：所述計算機可讀存儲介質(zhì)存儲有計算機可執(zhí)行指令，所述計算機可執(zhí)行指令用于使計算機執(zhí)行權(quán)利要求1至7任一項所述的基于混合坐標關(guān)鍵點估計的車道線檢測方法。

技術(shù)總結(jié)
本申請涉及一種基于混合坐標關(guān)鍵點估計的車道線檢測方法，本方法通過提取出行、列錨置信度特征圖，可以從中提取出置信度較高的坐標點；通過提取行、列錨偏移量特征圖，可以確認置信度較高的坐標點對應的偏移量，進而可以基于該偏移量進行坐標點修正，以消除量化誤差，最終提升后續(xù)檢測的準確度；另外，本方法還在行錨檢測方法的基礎(chǔ)上結(jié)合了列錨檢測方法，通過判斷目標行錨車道線的斜率和目標列錨車道線的斜率之間的平均值的絕對值與第二閾值之間的大小來選擇目標行錨車道線或目標列錨車道線作為輸出，有效解決了傳統(tǒng)關(guān)鍵點估計方法因無法有效表征場景中傾斜角度過大的車道線導致的漏檢問題，提升車道線最終檢測的準確度。

技術(shù)研發(fā)人員：郭奇,趙于前,楊鶴年,呂琦俊,桂瑰,陽春華,桂衛(wèi)華
受保護的技術(shù)使用者：中南大學
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19