[发明专利]用于检测车道线的方法和装置

说明书

本申请实施例公开了用于检测车道线的方法和装置。该方法的一具体实施方式包括：将图像采集到视频处理单元VPU中；利用VPU中运行的深度学习网络对图像进行分割，得到分割图像，以及将分割图像发送到VPU中的中央处理单元CPU中；在CPU中对分割图像进行实例分割，得到车道线实例集合，其中，每个车道线实例包括车道线点集；在CPU中对车道线实例集合中的车道线实例进行曲线拟合，得到车道线实例集合中的车道线实例对应的曲线方程的参数，作为车道线参数。该实施方式充分利用VPU的计算资源来实现车道线检测。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于检测车道线的方法和装置。

背景技术

车道线检测是辅助驾驶和自动驾驶领域的基础。车道线检测的效果直接影响后续的车道线保持、变道、超车等功能的实现。车道线检测的基本思路是先进行图像分割，再进行实例分割和曲线拟合。目前，图像分割、实例分割和曲线拟合均在在深度学习网络中进行。而基于深度学习网络的实例分割消耗资源较多。

发明内容

本申请实施例提出了用于检测车道线的方法和装置。

第一方面，本申请实施例提出了一种用于检测车道线的方法，包括：将图像采集到视频处理单元VPU中；利用VPU中运行的深度学习网络对图像进行分割，得到分割图像，以及将分割图像发送到VPU中的中央处理单元CPU中；在CPU中对分割图像进行实例分割，得到车道线实例集合，其中，每个车道线实例包括车道线点集；在CPU中对车道线实例集合中的车道线实例进行曲线拟合，得到车道线实例集合中的车道线实例对应的曲线方程的参数，作为车道线参数。

在一些实施例中，利用VPU中运行的深度学习网络对图像进行分割，得到分割图像，包括：利用VPU中的卷积神经网络CNN加速硬件及数字信号处理DSP运行深度学习网络对图像进行分割，得到分割图像。

在一些实施例中，在CPU中对分割图像进行实例分割，得到车道线实例集合，包括：创建初始车道线实例集合；逐行扫描分割图像，得到像素值等于预设像素值的连续像素块；确定初始车道线实例集合中是否存在连续像素块所属的初始车道线实例；若存在连续像素块所属的初始车道线实例，将连续像素块置入所属的初始车道线实例；将行数小于预设行数值的初始车道线实例从初始车道线实例集合中删除，得到车道线实例集合。

在一些实施例中，在CPU中对分割图像进行实例分割，得到车道线实例集合，还包括：若不存在连续像素块所属的初始车道线实例，在初始车道线实例集合中创建新的初始车道线实例，以及将连续像素块置入新的初始车道线实例。

在一些实施例中，确定初始车道线实例集合中是否存在连续像素块所属的初始车道线实例，包括：将第i行第j个连续像素块与第k个初始车道线实例进行比较，确定第k个初始车道线实例中包括的连续像素块与第i行第j个连续像素块是否存在关联关系，其中，i、j、k均为正整数，且i不大于分割图像的行数，k不大于初始车道线实例集合的实例数；若存在关联关系，则确定第i行第j个连续像素块属于第k个初始车道线实例；若不存在关联关系，则确定第i行第j个连续像素块不属于第k个初始车道线实例。

在一些实施例中，确定第k个初始车道线实例中包括的连续像素块与第i行第j个连续像素块是否存在关联关系，包括：确定第k个初始车道线实例是否包括第i+1行的连续像素块；若包括第i+1行的连续像素块，确定第i行第j个连续像素块的中点是否位于第i+1行的连续像素块的两个端点之间；若位于第i+1行的连续像素块的两个端点之间，确定第i行第j个连续像素块的宽度是否不超过第k个初始车道线实例的平均宽度的预设倍；若不超过第k个初始车道线实例的平均宽度的预设，则确定第i行第j个连续像素块属于第k个初始车道线实例。