车道线识别方法、系统、电子设备和存储介质与流程

本公开涉及自动驾驶，尤其涉及一种车道线识别方法、系统、电子设备和存储介质。

背景技术：

1、车道线检测是自动驾驶领域的核心技术之一。车道线检测要求在尽量短的时间内正确检测图像内车道线的位置。

2、相关技术中，有些方案能够准确检测车道线的位置，但是检测方案复杂，检测时间长，无法做到实时处理；有些方案车道线检测速度快，但是检测的准确率较低。因此，亟需一种车道线检测识别方案，在保障车道线检测准确率的前提下，提升检测速度。

技术实现思路

1、为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种车道线识别方法、系统、电子设备和存储介质，在保障车道线检测准确率的前提下，能够提升检测速度。

2、第一方面，本公开实施例提供了一种车道线识别方法，该方法包括：

3、获取待检测图像；

4、对待检测图像进行特征提取，得到特征图；

5、将特征图进行栅格化处理，得到多个栅格中每个栅格的特征；

6、依次识别每个栅格的特征，得到每个栅格的识别结果，识别结果包括栅格中采样点的偏移量和流向量；采样点为栅格第一方向的边与车道线的交点；偏移量为第一方向上采样点到当前栅格预设顶点的距离；流向量为当前采样点至下一采样点的方向向量；

7、根据每个栅格在特征图中的位置、每个采样点的偏移量和流向量，得到多个采样点集合；

8、根据采样点集合中的采样点，构建车道线。

9、在本公开的一个实施例中，依次识别每个栅格的特征，得到每个栅格的识别结果，包括：

10、将栅格化处理后的多个栅格的特征输入到预先训练的检测模型中，得到每个栅格的识别结果；

11、其中，检测模型包含第一分支和第二分支；第一分支的输入为栅格的特征，第一分支的输出为采样点的偏移量；第二分支的输入为栅格的特征，第二分支的输出为采样点的流向量。

12、在本公开的一个实施例中，检测模型还包含第三分支；第三分支的输入为栅格的特征，第三分支的输出为车道线类别。

13、在本公开的一个实施例中，识别结果还包括车道线类别；方法还包括：

14、基于采样点集合中多个采样点对应的车道线类别，确定采样点集合对应的车道线的车道线类别。

15、在本公开的一个实施例中，对待检测图像进行特征提取，得到特征图，包括：

16、利用残差网络和特征金字塔结构，对待检测图像进行特征提取，得到特征图。

17、第二方面，本公开实施例还提供了一种车道线识别系统，该系统包括：

18、图像获取模块，被配置为获取待检测图像；

19、特征提取模块，被配置为对待检测图像进行特征提取，得到特征图；

20、栅格化处理模块，被配置为将特征图进行栅格化处理，得到多个栅格中每个栅格的特征；

21、特征识别模块，被配置为依次识别每个栅格的特征，得到每个栅格的识别结果，识别结果包括栅格中采样点的偏移量和流向量；采样点为栅格第一方向的边与车道线的交点；偏移量为第一方向上采样点到当前栅格预设顶点的距离；流向量为当前采样点至下一采样点的方向向量；

22、采样点处理模块，被配置为根据每个栅格在特征图中的位置、每个采样点的偏移量和流向量，得到多个采样点集合；

23、车道线构建模块，被配置为根据采样点集合中的采样点，构建车道线。

24、第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当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所述的车道线识别方法。

25、第四方面，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的车道线识别方法。

26、本公开实施例提供的一种车道线识别方法，将待检测图像对应的特征图进行栅格化处理，得到多个栅格中每个栅格的特征，然后依次识别每个栅格的特征，得到每个栅格的识别结果，识别结果包括栅格中采样点的偏移量和流向量，其中，流向量既判断了方向又提取了采样点，使得检测网络更加精简，无需计算热力图，运算量更少，处理速度更快；根据每个栅格在特征图中的位置、每个采样点的偏移量和流向量，得到多个采样点集合，并根据采样点集合中的采样点构建车道线，两两相邻采样点的线段可以用直线表示，车道线构建过程更简单，并且对于弯道的检测结果更为准确。

技术特征：

1.一种车道线识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，根据每个栅格在所述特征图中的位置、每个采样点的偏移量和流向量，得到多个采样点集合，包括：

3.根据权利要求2所述的方法，其特征在于，根据每个采样点在所述特征图中的全局位置和流向量，得到多个采样点集合，包括：

4.根据权利要求2所述的方法，其特征在于，根据每个采样点在所述特征图中的全局位置和流向量，得到多个采样点集合，包括：

5.根据权利要求3或4所述的方法，其特征在于，根据上一采样点的全局位置和上一采样点的流向量，确定上一采样点的流向量所在的第一直线，包括：

6.根据权利要求1所述的方法，其特征在于，依次识别每个栅格的特征，得到每个栅格的识别结果，包括：

7.根据权利要求6所述的方法，其特征在于，所述检测模型还包含第三分支；所述第三分支的输入为栅格的特征，所述第三分支的输出为车道线类别。

8.一种车道线识别系统，其特征在于，所述系统包括：

9.一种电子设备，其特征在于，所述电子设备包括：

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1-7中任一项所述车道线识别方法。

技术总结
本公开实施例公开了一种车道线识别方法、系统、电子设备和存储介质，涉及自动驾驶技术领域。该方法包括：获取待检测图像；对待检测图像进行特征提取，得到特征图；将特征图进行栅格化处理，得到多个栅格中每个栅格的特征；依次识别每个栅格的特征，得到每个栅格的识别结果，识别结果包括栅格中采样点的偏移量和流向量；根据每个栅格在特征图中的位置、每个采样点的偏移量和流向量，得到多个采样点集合；根据采样点集合中的采样点，构建车道线。本公开实施例在保障车道线检测准确率的前提下，能够提升检测速度。

技术研发人员：郭钰,李思洋,李强,张丹,耿秀军
受保护的技术使用者：驭势（上海）汽车科技有限公司
技术研发日：
技术公布日：2024/2/25