[发明专利]一种车道线识别方法、装置及存储介质

说明书

本发明涉及一种车道线识别方法、装置及存储介质，属于计算机视觉领域。该方法包括：构建车道线分割网络模型和分类网络模型；将车道线标注实例和车道线标注目标作为样本，对分割网络模型训练,得到两个标注模型；标注模型对图像检测标注，并对标注结果进行和运算，将和运算结果与原始图像叠加，得到实例结果；将实例结果作为样本对分类网络进行训练，得到车道线属性分类模型；通过两个标注模型和属性分类模型对待检测车道线图像进行识别。通过该方案可以简化车道线检测，提高车道线识别精度。

技术领域

本发明涉及计算机视觉领域，尤其涉及一种车道线识别方法、装置及存储介质。

背景技术

车道线是车辆行驶的重要参考，对于自动驾驶或高级辅助驾驶车辆而言，及时获取并识别车道线，可以为车辆路径规划及驾驶提供安全指导。车辆行驶中，通过车载摄像头采集道路信息，借助计算机对图像处理可以获取到车道标线。

目前，基于图像处理的车道线提取方法有基于先验知识划定车道线范围后利用图像聚类获取车道线像素，进而得到车道线位置。或者通过深度学习的方式，基于已经给定边界范围，来确定车道线像素，以上两种车道线检测方法不仅过程复杂，而且难以达到高精度地图中车道线边缘精度要求，分割精度偏低。

发明内容

有鉴于此，本发明实施例提供了一种车道线识别方法、装置及存储介质，可以简单准确的检测分割图像中的车道线，提高车道线识别精度。

在本发明实施例的第一方面，提供了一种车道线识别方法，包括：

分别构建车道线分割网络模型和分类网络模型；

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；

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。

在本发明实施例的第二方面，提供了一种车道线识别装置，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；

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；

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。

在本发明实施例的第三方面，提供了一种装置，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运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。

在本发明实施例的第四方面，提供了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，所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。

本发明实施例的第五方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被一个或多个处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。