[发明专利]一种车辆实验场地及其车道线检测方法

权利要求书

1.一种车辆实验场地，包括道路，道路上设置有直行车道线和/或弯道车道线，其特征在于，直行车道线和/或弯道车道线的图案采用折线车距确认线的形状。

2.根据权利要求1所述的车辆实验场地，其特征在于，所述直行车道线和弯道车道线均设置在道路的正中间。

3.根据权利要求1或2所述的车辆实验场地，其特征在于，所述直行车道线和弯道车道线的图案均采用白色。

4.根据权利要求1或2所述的车辆实验场地，其特征在于，车道线上各图案的大小相同，相邻图案的间距相等。

5.根据权利要求1或2所述的车辆实验场地，其特征在于，车道线上相邻图案的间距为35cm。

6.一种如权利要求1所述车辆实验场地的车道线检测方法，其特征在于，该检测方法包括以下步骤：

1)在车辆行驶在所述车辆实验场地的过程中采集道路上的车道线的图像；

2)基于预先训练的车道线深度学习模型对采集的车道线图像进行检测，得到车道线分类的概率数值，以确定是否为车道线；

3)若是车道线，将车道线进行分割，对分割后得到的车道线图案进行中心点提取，对各中心点进行拟合，拟合后的曲线即为所检测出的车道线。

7.根据权利要求6所述的车辆实验场地的车道线检测方法，其特征在于，所述的车道线深度学习模型为全卷积深度学习网络。

8.根据权利要求6或7所述的车辆实验场地的车道线检测方法，其特征在于，所述步骤3)在各中心点进行拟合前，还需要进行插值处理。

9.根据权利要求6或7所述的车辆实验场地的车道线检测方法，其特征在于，所述车道线深度学习模型的训练过程为：

A.对预先标注好的车道线图像数据进行车道线特征信息的数据训练，得到车道线深度学习模型；

B.将测试集中的车道线图像数据输入到训练后的车道线深度学习模型进行迭代测试，直至分类损失和回归损失趋于稳定，分类损失指的是预测标签与真实数据之间的损失，回归损失指的是预测车道线位置与标签数据车道线位置之间的损失。