[发明专利]一种车道线识别方法、装置及存储介质

权利要求书

1.一种车道线识别方法，其特征在于，包括：

分别构建车道线分割网络模型和分类网络模型；

其中，所述车道线分割网络模型使用U-Net模型，并采用注意力机制，对U-Net模型进行调整：将不带softmax的resnet34作为所述U-Net模型中的encoder部分，并在每一次池化操作后将池化结果与decoder部分的解码结果合并，对U-Net模型的encoder和decoder的连接部分进行修改，使用1x1卷积扩大感受视野，适应当前feature-map大小；

将车道线标注实例和车道线标注目标作为样本，对所述车道线分割网络模型训练,得到两个标注模型；

其中，所述车道线标注实例用于标注车道线整体的大致位置，所述车道线标注目标用于标注车道线不连续部分的像素组成，确定分段车道线的位置；

通过所述两个标注模型对车道线图像检测标注，并对标注结果进行和运算，将和运算结果与所述车道线图像叠加，得到车道线实例结果；

将所述车道线实例结果作为样本对所述分类网络进行训练，得到车道线属性分类模型；

通过所述两个标注模型和所述属性分类模型对待检测车道线图像进行识别。

2.根据权利要求1所述的方法，其特征在于，所述两个标注模型分别为用于标注车道线整体位置的标注模型和用于标注车道线中不连续部分位置的模型。

3.一种车道线识别装置，其特征在于，包括：

构建模块，用于分别构建车道线分割网络模型和分类网络模型；

其中，所述车道线分割网络模型使用U-Net模型，并采用注意力机制，对U-Net模型进行调整：将不带softmax的resnet34作为所述U-Net模型中的encoder部分，并在每一次池化操作后将池化结果与decoder部分的解码结果合并，对U-Net模型的encoder和decoder的连接部分进行修改，使用1x1卷积扩大感受视野，适应当前feature-map大小；

第一训练模块，用于将车道线标注实例和车道线标注目标作为样本，对所述车道线分割网络模型训练,得到两个标注模型；

其中，所述车道线标注实例用于标注车道线整体的大致位置，所述车道线标注目标用于标注车道线不连续部分的像素组成，确定分段车道线的位置；

叠加模块，用于通过所述两个标注模型对车道线图像检测标注，并对标注结果进行和运算，将和运算结果与所述车道线图像叠加，得到车道线实例结果；

第二训练模块，用于将所述车道线实例结果作为样本对所述分类网络进行训练，得到车道线属性分类模型；

识别模块，用于通过所述两个标注模型和所述属性分类模型对待检测车道线图像进行识别。

4.根据权利要求3所述的装置，其特征在于，所述两个标注模型分别为用于标注车道线整体位置的标注模型和用于标注车道线中不连续部分位置的模型。

5.一种装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至2中任一项所述车道线识别方法的步骤。

6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述车道线识别方法的步骤。