[发明专利]一种车道线检测方法

权利要求书

1.一种车道线检测方法，其特征在于，包括以下步骤：

S1：获取道路图像，对道路图像进行预处理，得到输入图像；

S2：利用车道线识别模型识别输入图像中是否存在车道线，

若存在车道线，则执行步骤S3，

若不存在车道线，则输出结果为无车道线，执行步骤S5；

所述车道线识别模型基于卷积神经网络Vgg16构建；

S3：利用车道线检测模型对输入图像进行检测，将检测结果映射为车道线在输入图像中的坐标，得到车道线坐标点；

所述车道线检测模型基于改进分割注意力模型的ResNeSt18特征提取网络构建；

S4：选取车道线中间部分的车道线坐标点进行拟合处理，得到最优拟合车道线作为输出结果；

S5：执行结束。

2.根据权利要求1所述的一种车道线检测方法，其特征在于，步骤S1中预处理包括图像灰度化处理和图像滤波处理。

3.根据权利要求1所述的一种车道线检测方法，其特征在于，所述ResNeSt18特征提取网络的分割注意力模型的改进具体为：将输入分割注意力模型的特征图先进行卷积、激活和池化操作，再将特征图分割为多个子特征图，然后让各个子特征图分别进入不同的子通道中，经过1*1卷积层学习得到各个子通道的特征，形成注意力机制，最后将各个子通道的特征融合，输出融合后的特征图。

4.根据权利要求3所述的一种车道线检测方法，其特征在于，所述车道线检测模型在训练时结合语义分割网络U-Net进行多任务学习，并通过反向传播的方式进行权重更新；

其中，所述车道线检测模型包括四个Layer层，前三个Layer层输出的特征图作为语义分割网络U-Net的输入。

5.根据权利要求4所述的一种车道线检测方法，其特征在于，在将输入图像输入车道线检测模型进行检测之前还包括以下步骤：

A1：将输入图像压缩为预设的尺寸；

A2：对输入图像做数据增强处理，包括图像旋转随机角度和图像左右偏移；

A3：将输入图像并行地做两部分处理，分别作为车道线检测模型的输入和语义分割网络U-Net的标签，具体处理步骤如下：

A3.1：将输入图像划分为w*h个网格，并(结合车道线识别模型的识别结果)标注每个网格是否存在车道线，其中，w表示输入图像被划分的列数，h表示输入图像被划分的行数；

A3.2：将输入图像压缩为适合语义分割网络U-Net网络结构的标签数据。

6.根据权利要求5所述的一种车道线检测方法，其特征在于，定义所述车道线检测模型和语义分割网络U-Net结合后的整体损失函数为：

loss＝α*L_cls+β*L_sim+γ*L_shp+μ*L_seg

其中，L_cls为车道线检测模型的分类损失函数、L_sim为约束车道线结构的相似性损失函数、L_shap为约束车道线结构的形状损失函数、L_seg为语义分割网络U-Net的交叉熵损失函数，α为L_cls的权重值、β为L_sim的权重值、γ为L_shp的权重值、μ为L_seg的权重值。