[发明专利]驾驶检测模型的训练、使用方法、装置、设备及介质

说明书

本发明实施例公开了一种驾驶检测模型的训练、使用方法、装置、设备及介质。所述方法包括：获取训练样本；其中，所述训练样本包括驾驶前方车辆图像和驾驶前方车辆图像中的车辆标注结果和车道线标注结果；将训练样本输入到驾驶检测模型的共享提取子模型，得到共享图像特征；采用共享图像特征对所述驾驶检测模型的车辆检测子模型和共享提取子模型进行监督训练；以及，采用所述共享图像特征对驾驶检测模型的车道线检测子模型和共享提取子模型进行监督训练，以实现对驾驶检测模型进行训练。采用本申请方案，通过将车辆检测子模型和车道线检测子模型集成在同一个模型中进行监督训练，能保证后续使用训练好的模型时可同时实现车辆检测和车道线检测。

技术领域

本发明实施例涉及自动驾驶技术领域，尤其涉及一种驾驶检测模型的训练、使用方法、装置、设备及介质。

背景技术

在高级驾驶辅助系统(ADAS)中，准确及时的检测前方的车辆信息和车道线信息，是实现车辆辅助驾驶系统智能化的关键因素。

目前，对于车辆检测问题，一般采用基于深度学习的方法来检测前方车辆的位置和类型。对于车道线检测问题，业内大多采用的传统方法来检测前方车道线的位置和类型，但传统检测方法适应的场景单一，难以应对存在遮挡、模糊和不良天气等场景。而，如果在对车道线检测时，也采用基于深度学习的方式，那么同时运行基于深度学习的车辆检测方法和车道线检测方法，又会导致检测耗时增加，影响检测实时性。因此，如何在保证检测准确性和检测实时性成为一种迫切需要解决的问题。

发明内容

本发明实施例中提供了一种驾驶检测模型的训练、使用方法、装置、设备及介质，以实现在保证检测实时性的情况下准确检测车辆和车道线。

第一方面，本发明实施例中提供了一种驾驶检测模型的训练方法，包括：

获取训练样本；其中，所述训练样本包括驾驶前方车辆图像和所述驾驶前方车辆图像中的车辆标注结果和车道线标注结果；

将所述训练样本输入到驾驶检测模型的共享提取子模型，得到共享图像特征；

采用所述共享图像特征对所述驾驶检测模型的车辆检测子模型和共享提取子模型进行监督训练；以及，采用所述共享图像特征对所述驾驶检测模型的车道线检测子模型和共享提取子模型进行监督训练，以实现对所述驾驶检测模型进行训练。

第二方面，本发明实施例中还提供了一种驾驶检测模型的使用方法，所述驾驶检测模型采用本申请实施例中驾驶检测模型的训练方法训练获得，包括：

将采集的当前驾驶前方车辆图像输入到所述驾驶检测模型，获得所述当前驾驶前方车辆图像中车辆信息和车道线信息；所述车辆信息包括车辆位置和车辆类型；所述车道线信息包括车道线方程和车道线类型；

依据所述车辆信息和车道线信息，执行车辆辅助驾驶操作。

第三方面，本发明实施例中还提供了一种驾驶检测模型的训练装置，包括：

训练样本获取模块，用于获取训练样本；其中，所述训练样本包括驾驶前方车辆图像和所述驾驶前方车辆图像中的车辆标注结果和车道线标注结果；

共享特征确定模块，用于将所述训练样本输入到驾驶检测模型的共享提取子模型，得到共享图像特征；

检测模型训练模块，用于采用所述共享图像特征对所述驾驶检测模型的车辆检测子模型和共享提取子模型进行监督训练；以及，采用所述共享图像特征对所述驾驶检测模型的车道线检测子模型和共享提取子模型进行监督训练，以实现对所述驾驶检测模型进行训练。

第四方面，本发明实施例中还提供了一种驾驶检测模型的使用装置，所述驾驶检测模型采用本申请实施例中驾驶检测模型的训练方法训练获得，包括：