[发明专利]车道线检测方法、装置、车辆及存储介质

权利要求书

1.一种车道线检测方法，其特征在于，所述方法包括：

获取目标检测图像；

将所述目标检测图像输入预设车道线检测模型中，以使所述预设车道线检测模型输出所述目标检测图像中车道线的目标位置；

其中，所述预设车道线检测模型通过以下方式训练得到：

获取多个车道线检测样本图像，所述车道线检测图像包括车道线标注位置；

将每个所述车道线检测样本图像输入预设初始模型，所述预设初始模型包括分割网络和分类网络，所述分割网络用于确定车道线检测样本图像中车道线的第一预测位置，所述分类网络用于确定车道线检测样本图像中车道线的第二预测位置；

根据所述第一预测位置，所述第二预测位置和所述车道线标注位置对所述预设初始模型进行训练，以得到所述预设车道线检测模型。

2.根据权利要求1所述的方法，其特征在于，所述预设初始模型还包括特征提取网络，所述特征提取网络与所述分类网络和所述分割网络耦合，所述预设初始模型用于：

通过所述特征提取网络获取每个所述车道线检测样本图像对应的多尺度样本特征图，并根据所述多尺度样本特征图确定包括图像全局信息的第一样本特征图；

通过所述分割网络根据所述第一样本特征图确定所述车道线检测样本图像中车道线的第一预测位置；

通过所述分类网络根据所述多尺度样本特征图确定所述车道线检测样本图像中车道线的第二预测位置。

3.根据权利要求2所述的方法，其特征在于，所述预设车道线检测模型通过以下方式训练得到：

通过预设初始模型中的所述特征提取网络获取所述车道线检测样本图像对应的多尺度样本特征图，根据所述多尺度样本特征图中的最小尺度样本特征图确定包括图像全局信息的第一样本特征图；

通过所述分割网络根据所述第一样本特征图确定所述车道线检测样本图像中车道线的第一预测位置；

根据所述第一预测位置和所述车道线标注位置确定第一损失函数对应的第一损失值；

通过所述分类网路根据所述最小尺度样本特征图确定所述车道线检测样本图像中车道线的第二预测位置；

根据所述第二预测位置和所述车道线标注位置确定第二损失函数对应的第二损失值；

根据所述第一损失值和所述第二损失值确定第三损失函数对应的第三损失值；

在所述第三损失值大于或者等于预设损失值阈值的情况下，调整所述预设初始模型的模型参数，以得到更新后的目标模型，并再次执行通过预设初始模型中的所述特征提取网络获取所述车道线检测样本图像对应的多尺度样本特征图，至所述根据所述第一损失值和所述第二损失值确定第三损失函数对应的第三损失值的步骤，直至在确定所述第三损失值小于所述预设损失值阈值的情况下，删除当前所述目标模型中的所述分割网络，以得到所述预设车道线检测模型。

4.根据权利要求2所述的方法，其特征在于，所述特征提取网络，包括特征金字塔网络和全局特征提取网络，所述特征金字塔网络包括自底向上子网络和自顶向下子网络，所述全局特征提取网络的输入端与所述自底向上子网络的输出端耦合，所述全局特征提取网络的输出端与所述自顶向下子网络的输入端耦合，所述全局特征提取网络的输出端还与所述分割网络的输入端耦合，所述自顶向下子网络的输出端也与所述分割网络的输入端耦合，所述预设初始模型用于：

通过所述特征金字塔网络中的自底向上子网络获取所述车道线检测样本图像对应的多尺度样本特征图，并将所述多尺度样本特征图中的最小尺度样本特征图输入所述全局特征提取网络，以使所述全局特征提取网络向所述分割网络和所述自顶向下子网络输出所述第一样本特征图；

通过所述自顶向下子网络向所述分割网络输入多尺度的第二样本特征图，以使所述分割网络根据所述第一样本特征图和所述第二样本特征图确定所述车道线检测样本图像中车道线的第一预测位置。