[发明专利]一种车道线的处理方法和系统

说明书

本发明实施例涉及一种车道线的处理方法和系统，所述方法包括：接收第一图像；基于特征提取主干网络，对第一图像进行三级特征提取处理得到对应的一级、二级特征图像；基于关键点检测网络，根据一级、二级特征图像进行车道线起始点检测处理得到对应的第二图像；基于车道线识别网络，对第二图像中以各个第一起始点为起始位置的车道线进行识别处理得到对应的第一车道线像素点序列；根据各个第一车道线像素点序列在第二图像上进行车道线标记。通过本发明，可以降低车道线的识别计算量，达到提高识别效率的目的。

技术领域

本发明涉及数据处理技术领域，特别涉及一种车道线的处理方法和系统。

背景技术

自动驾驶车辆在行驶过程中需要对自车以及自车周围障碍物各自的定位信息进行识别。该定位信息不但包括自车以及自车周围障碍物各自的地图坐标，还包括各自所在车道的车道信息。而要确定车道信息就需要对自车以及自车周围障碍物所在环境的车道线进行识别。在对车道线进行识别时，若以车辆感知系统输出的雷达点云为识别对象，则会因为点云数据的三维特性造成计算量过大、识别效率较低的问题。

发明内容

本发明的目的，就是针对现有技术的缺陷，提供一种车道线的处理方法、系统、电子设备及计算机可读存储介质，以感知系统输出的数据结构复杂度远小于点云数据的二维环境图像作为整体识别对象来实现车道线的识别处理；在处理过程中，本发明基于该二维图像进行特征提取和关键点(车道线起始点)识别，并基于关键点构建射线提案，并对射线提案进行射线-车道线置信度评估和射线-车道线偏移估计，并基于对应的射线-车道线偏移对最大置信度射线进行像素点坐标调制从而得到最终的车道线像素点序列。通过本发明，可以大大降低车道线的识别计算量，从而达到提高识别效率的目的。

为实现上述目的，本发明实施例第一方面提供了一种车道线的处理方法，所述方法包括：

接收第一图像；

基于特征提取主干网络对所述第一图像进行三级特征提取处理得到对应的一级、二级特征图像；

基于关键点检测网络根据所述一级、二级特征图像进行车道线起始点检测处理得到对应的第二图像；所述第二图像包括多个第一起始点；

基于车道线识别网络对所述第二图像中以各个所述第一起始点为起始位置的车道线进行识别处理得到对应的第一车道线像素点序列；

根据各个所述第一车道线像素点序列在所述第二图像上进行车道线标记。

优选的，所述特征提取主干网络的网络结构为特征金字塔网络结构，由自底而上的下采样残差网络侧和自顶而下的上采样特征提取网络侧构成；所述下采样残差网络侧自底而上包括第一、第二和第三级采样网络层；所述上采样特征提取网络侧自顶而下包括第三、第二和第一级特征提取层；所述第一、第二和第三级采样网络层顺次连接；所述第三、第二和第一级特征提取层顺次连接；所述第一级采样网络层还与所述第一级特征提取层连接；所述第二级采样网络层还与所述第二级特征提取层连接；所述第三级采样网络层还与所述第三级特征提取层连接。

优选的，所述基于特征提取主干网络对所述第一图像进行三级特征提取处理得到对应的一级、二级特征图像，具体包括：

将所述第一图像输入所述特征提取主干网络；

并由所述特征提取主干网络的所述第一级采样网络层，按指定特征维度对所述第一图像进行降采样特征维度拓展生成对应的一级采样图像；并由所述第二级采样网络层，对所述一级采样图像进行降采样残差运算生成对应的二级采样图像；并由所述第三级采样网络层，对所述二级采样图像进行降采样残差运算生成对应的三级采样图像；