[发明专利]车道线检测模型的训练方法、车道线检测方法及装置

说明书

本公开提供了一种车道线检测模型的训练方法、车道线检测方法及装置，属于图像识别领域。所述方法包括：获取车道线图片，车道线图片包括车道线；采用多个矩形框沿车道线的长度方向对车道线进行标注，得到样本图片，矩形框的任意边长均小于车道线的宽度；采用样本图片训练神经网络，得到车道线检测模型。本公开通过将多个任意边长小于车道线的宽度的矩形框对车道线图片中的车道线进行标注，使车道线图片中的车道线像素被矩形框标注，这样作为样本图片训练神经网络得到的车道线检测模型的检测准确率更高。

技术领域

本公开涉及图像识别领域，特别涉及一种车道线检测模型的训练方法、车道线检测方法及装置。

背景技术

随着科学技术的不断进步，人们对自动驾驶技术越来越重视，自动驾驶技术的实现涉及设计环境感知、传感器融合、数据通信、高精度定位、路径规划和自动化控制等多个领域。由于自动驾驶车辆在道路上行驶需要参考道路上的车道线进行路线规划，所以车道线检测是自动驾驶中不可缺少的重要部分。

车道线检测的常用方法是通过车辆上摄像头等设备拍摄地面照片，然后对拍摄得到的图片进行识别，相关技术中的识别方法常用神经网络技术，即通过对图片进行标注，将标注的图片作为样本集训练神经网路模型，然后将训练好的神经网络模型用于检测图片中的车道线。

在实现本公开的过程中，发明人发现现有技术至少存在以下问题：在对图片标注过程中，由于车道线在远近距离轮廓清晰程度不相同，车道线不清晰的部分未进行标注，将这样标注的图片作为样本集训练得到神经网络模型对图片中的车道线检测准确率低。

发明内容

本公开实施例提供了一种车道线检测模型的训练方法、车道线检测方法及装置，能够提高从待检测图片中的检测出车道线的准确率，所述技术方案如下：

一方面，提供了一种车道线检测模型的训练方法，所述方法包括：

获取车道线图片，所述车道线图片包括车道线；

采用多个矩形框沿所述车道线的长度方向对所述车道线图片中的车道线进行标注，得到样本图片，所述矩形框的任意边长均小于所述车道线的宽度；

采用所述样本图片训练神经网络，得到车道线检测模型。

在本公开的一种实现方式中，所述采用多个矩形框沿所述车道线的长度方向对所述车道线图片中的车道线进行标注，包括：

对于任意两条相邻的车道线，采用不同颜色的所述矩形框进行标注。

在本公开的一种实现方式中，所述多个矩形框的形状和大小均相同。

在本公开的一种实现方式中，所述矩形框的长度范围在5至7个像素之间，所述矩形框的宽度范围在5至7个像素之间。

在本公开的另一种实现方式中，每条所述车道线的至少80％区域被所述矩形框覆盖。

另一方面，提供了一种车道线检测方法，所述方法包括：

获取待检测图片，将所述待检测图片输入到通过上述任意一个实施方式中所述的车道线检测模型的训练方法得到车道线检测模型中；

获取所述车道线检测模型输出的车道线检测结果。

另一方面，提供了一种车道线检测模型的训练装置，所述装置包括：

第一获取模块，用于获取车道线图片，所述车道线图片包括车道线；

图片标注模块，用于采用多个矩形框沿所述车道线的长度方向对所述车道线图片中的车道线进行标注，得到样本图片，所述矩形框的任意边长均小于所述车道线的宽度；

模型训练模块，用于采用所述样本图片训练神经网络，得到车道线检测模型。