[发明专利]一种车道线检测方法、装置、电子设备及存储介质

说明书

本申请涉及一种车道线检测方法、装置、电子设备及存储介质，属于自动驾驶技术领域。该车道线检测方法包括：获取待检测的图像；确定图像中的初始点集，初始点集在所述图像的车道线上；提取初始点集中至少一个点的位置特征；采用预先训练的第一网络模型对所述至少一个点的位置特征进行处理，得到相应车道线的走势信息；以及根据走势信息生成包含初始点集的目标车道线。本申请确定道路图像中车道线上的初始点集，采用网络模型对初始点的位置特征进行处理，即可得到车道线的走势信息，之后即可根据该走势信息快速生成道路图像的完整车道线。

技术领域

本申请属于自动驾驶技术领域，具体涉及一种车道线检测方法、装置、电子设备及存储介质。

背景技术

随着汽车的发展，越来越多的人工智能技术被应用到自动驾驶技术中，车道线检测作为自动驾驶技术中一个重要的环节。然而，传感器采集的道路图像中，车道线延伸方向可能有遮挡物，使得车道线可能被遮挡，导致无法判断该遮挡物之下是否有车道线。因此，需要对被遮挡的车道线的位置进行预估，得到完整的车道线。

目前针对有遮挡情况的车道线检测大多是针对多幅图像进行处理，或者需要结合深度图以及相机位姿来进行预测。采用多幅图像进行处理由于数据量大，处理时间长，实时性较差。而结合深度图以及相机位姿的方式，由于需要依赖于深度图以及相机位姿，增加了计算复杂度以及成本。

发明内容

鉴于此，本申请的目的在于提供一种车道线检测方法、装置、电子设备及存储介质，以改善现有车道线检测无法快速准确检测出完整车道线的问题。

本申请的实施例是这样实现的：

第一方面，本申请实施例提供了一种车道线检测方法，包括：获取待检测的图像；确定所述图像中的初始点集，所述初始点集在所述图像的车道线上；提取所述初始点集中至少一个点的位置特征；采用预先训练的第一网络模型对所述至少一个点的位置特征进行处理，得到相应车道线的走势信息；以及根据所述走势信息生成包含所述初始点集的目标车道线。

本申请实施例中，通过获取图像中的车道线上的初始点集，并从中提取至少一个点的位置特征，采用预先训练的第一网络模型对提取的至少一个点的位置特征进行处理，得到相应车道线的走势信息并根据走势信息生成包含初始点集的目标车道线，通过预测车道的走势信息，从而可以快速检测出完整车道线，解决了现有车道线检测方法在遮挡等情况下无法快速准确检测出完整车道线的问题。

结合第一方面实施例的一种可能的实施方式，每条车道线由纵向相隔预定间距的点表示，其中每个点的所述位置特征包括该点的位置坐标和偏移特征；所述偏移特征为表征该点到下一点的位置关系的高维向量，且根据每个点的位置坐标从预先训练的第二网络模型的中间层中提取。

结合第一方面实施例的一种可能的实施方式，所述第一网络模型在对每个点的位置特征进行处理时：所述第一网络模型的输入为当前点的位置坐标、偏移特征、以及所述第一网络模型在上一次学习到的走势信息；所述第一网络模型的输出为当前点到下一点的坐标偏移量、以及本次学习到的走势信息。

结合第一方面实施例的一种可能的实施方式，所述走势信息为高维向量，且所述第一网络模型在第一次预测时所输入的走势信息为预设的初始值。

结合第一方面实施例的一种可能的实施方式，采用预先训练的第一网络模型对所述至少一个点的位置特征进行处理，得到相应车道线的走势信息，并根据所述走势信息生成包含所述初始点集的目标车道线，包括：利用所述第一网络模型对当前点的位置坐标、偏移特征以及所述第一网络模型在上一次学习到的走势信息进行处理，输出从当前点到下一点的坐标偏移量，以及本次学习到的走势信息；根据所述坐标偏移量和当前点的位置坐标确定下一点的位置坐标；以下一点的偏移特征、位置坐标以及所述第一网络模型本次学习到的走势信息为模型输入，输出下一点到再下一个点的偏移坐标以及最新走势信息，以此类推，直至达到预设停止位置。