[发明专利]用于自动驾驶的基于BiSeNet的车道线识别方法及装置

说明书

本申请涉及一种用于自动驾驶的基于BiSeNet的车道线识别方法及装置。该方法包括：将包含车道线图像的背景第一矩阵乘以第一权重，点乘第一损失值矩阵，获得第一中间矩阵，将图像的车道线第一矩阵乘以第二权重，点乘第一中间矩阵，获得图像的背景损失值矩阵；将背景第一矩阵乘以第一权重，点乘第二损失值矩阵，获得第二中间矩阵，将车道线第一矩阵乘以第二权重，点乘第二中间矩阵，获得图像的车道线损失值矩阵；以N个背景损失值矩阵的平均值与N个车道线损失值矩阵的平均值的和的平均值为待训练BiSeNet的loss值，对待训练BiSeNet进行训练；向训练好的BiSeNet输入包含车道线的图像，获得训练好的BiSeNet输出图像的车道线。本申请提供的方案，能够准确地识别图像中的车道线。

技术领域

本申请涉及导航技术领域，尤其涉及一种用于自动驾驶的基于BiSeNet的车道线识别方法及装置。

背景技术

随着自动驾驶技术的发展，车辆的自动感知能力和自动识别能力越来越强。自动驾驶车辆对车道线等路面交通标志的准确识别，是自动驾驶车辆完成安全、智能行驶的重要前提。对车道线等路面交通标志的准确识别，能够为自动驾驶车辆的导航提供准确的道路信息，使得自动驾驶车辆能够实现安全的自动驾驶功能。

相关技术中，自动驾驶车辆对车道线的识别极易受到其他路面交通标志等因素的干扰，无法得到准确的识别结果。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种用于自动驾驶的基于BiSeNet的车道线识别方法及装置，能够准确地识别图像中的车道线。

本申请第一方面提供一种用于自动驾驶的基于BiSeNet的车道线识别方法，所述方法包括：

对N张包含车道线的图像进行正确标注，获得N张正确标注的图像数据；

对所述N张正确标注的图像数据中的每一张图像数据进行特征数字化，获得所述N张包含车道线的图像中的每一张图像的背景第一矩阵和车道线第一矩阵；

向待训练的BiSeNet输入所述N张包含车道线的图像，获得所述待训练的BiSeNet输出的所述N张包含车道线的图像中的每一张图像的背景第二矩阵和车道线第二矩阵；

将所述N张包含车道线的图像中的每一张图像的背景第一矩阵、车道线第一矩阵、背景第二矩阵和车道线第二矩阵，输入损失函数，获得所述N张包含车道线的图像中的每一张图像的第一损失值矩阵和第二损失值矩阵；

将所述N张包含车道线的图像中的每一张图像的背景第一矩阵乘以第一权重，点乘所述第一损失值矩阵，获得所述N张包含车道线的图像中的每一张图像的第一中间矩阵，将所述N张包含车道线的图像中的每一张图像的车道线第一矩阵乘以第二权重，点乘所述第一中间矩阵，获得所述N张包含车道线的图像中的每一张图像的背景损失值矩阵；

将所述N张包含车道线的图像中的每一张图像的背景第一矩阵乘以第一权重，点乘所述第二损失值矩阵，获得所述N张包含车道线的图像中的每一张图像的第二中间矩阵，将所述N张包含车道线的图像中的每一张图像的车道线第一矩阵乘以第二权重，点乘所述第二中间矩阵，获得所述N张包含车道线的图像中的每一张图像的车道线损失值矩阵；

以所述N张包含车道线的图像中的N个背景损失值矩阵的平均值与N个车道线损失值矩阵的平均值的和的平均值为所述待训练的BiSeNet的loss值，对所述待训练的BiSeNet进行训练，获得训练好的BiSeNet；

向所述训练好的BiSeNet输入包含车道线的图像，获得所述训练好的BiSeNet输出图像的车道线。

优选的，所述对所述N张正确标注的图像数据中的每一张图像数据进行特征数字化，获得所述N张包含车道线的图像中的每一张图像的背景第一矩阵和车道线第一矩阵，包括：