[发明专利]车道线识别模型训练方法、装置及车道线识别方法、装置

说明书

本申请公开了一种车道线识别模型训练方法、装置及车道线识别方法、装置，其中，所述方法包括：获取车道线图像；根据所述车道线图像中车道线之间的相对位置关系，标记所述车道线图像中各个车道线的车道线类别，得到已标记的车道线图像；利用车道线识别模型对所述已标记的车道线图像进行车道线识别，得到车道线识别结果和损失函数值；利用所述损失函数值更新所述车道线识别模型的参数。本申请的车道线识别模型训练方法通过重新构造用于模型训练的车道线图像，避免了车辆位置对于车道线识别的影响，使得训练后的车道线识别模型针对车辆转弯、即将变道等场景下的车道线识别具有较强的鲁棒性和较高的识别精度。

技术领域

本申请涉及深度学习技术领域，尤其涉及一种车道线识别模型训练方法、装置及车道线识别方法、装置。

背景技术

车道线识别是自动驾驶领域中感知模块的重要组成部分。利用视觉算法的车道线检测解决方案是一种较为常见的解决方案。视觉检测方案主要是基于图像算法，检测出图像中车道线区域，将不同的车道线分为不同的类别，以供车辆在行驶中自动辨别车道等信息。

现有的车道线识别方法有传统方法和深度学习方法。传统方法多基于边缘等特征进行拟合，分割，提取的特征在光线、路况变化等情况下，鲁棒性较差，识别效果在复杂场景下往往不够理想。

后续发展出了大量基于深度学习的车道线识别方法，从网络中提取复杂且鲁棒性较高的特征，从速度、精度上有了更大进步。然而现有的深度学习方法要么将所有车道线都识别为一类，要么在常用的复杂场景如车辆变道时没有针对性的研究，效果较差。例如在车辆即将变道或转弯时，将车辆视野两侧的车道线分割为不同的类别，导致车道线识别准确度不高。

发明内容

本申请实施例提供了一种车道线识别模型训练方法、装置及车道线识别方法、装置，以提高车道线识别模型的识别效果。

本申请实施例采用下述技术方案：

第一方面，本申请实施例提供一种车道线识别模型训练方法，其中，所述方法包括：

获取车道线图像；

根据所述车道线图像中车道线之间的相对位置关系，标记所述车道线图像中各个车道线的车道线类别，得到已标记的车道线图像；

利用车道线识别模型对所述已标记的车道线图像进行车道线识别，得到车道线识别结果和损失函数值；

利用所述损失函数值更新所述车道线识别模型的参数。

可选地，所述根据所述车道线图像中车道线之间的相对位置关系，标记所述车道线图像中各个车道线的车道线类别包括：

将所述车道线图像转换为车道线二值图；

根据各个车道线在所述车道线二值图中的相对位置关系，标记所述车道线二值图中各个车道线的车道线类别。

可选地，所述利用车道线识别模型对所述已标记的车道线图像进行车道线识别，得到车道线识别结果和损失函数值包括：

利用所述车道线识别模型对所述已标记的车道线图像进行特征提取，得到特征提取结果；

根据所述特征提取结果，利用预设损失函数计算所述特征提取结果的损失函数值。

可选地，所述特征提取结果包括车道线图像的特征图和车道线位置，所述预设损失函数包括第一损失函数和第二损失函数，所述根据所述特征提取结果，利用预设损失函数计算所述特征提取结果的损失函数值包括：

根据所述车道线图像的特征图，利用所述第一损失函数计算所述车道线图像的特征图的损失函数值；

根据所述车道线位置，利用所述第二损失函数计算所述车道线位置的损失函数值。

可选地，所述获取车道线图像包括：