[发明专利]车道线检测方法、装置、车辆及存储介质

说明书

本公开涉及一种车道线检测方法、装置、车辆及存储介质，该车道线检测方法通过获取目标检测图像；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包括分割网络和分类网络的预设初始模型训练得到，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，通过该预设车道线检测模型进行车道线检测，能够有效提升车道线检测结果的准确性。

技术领域

本公开涉及智能网联汽车技术领域，尤其涉及一种车道线检测方法、装置、车辆及存储介质。

背景技术

随着科学技术的不断发展，自动驾驶技术逐渐走向了发展高潮。安全性一直是自动驾驶技术关注的重点，自动驾驶系统的环境感知能力对安全性能起着决定性的作用，而车道线检测则是环境感知中一个关键环节。

在车道线检测过程中，通常会由于光线较暗，反光，存在遮挡，抑或是车道线长时间被雨水冲刷，而导致拍摄到的道路图像中车道线模糊不清，加之车道线所在场景千变万化，因此会导致车道线检测难度大，检测结果准确性较低的问题。

发明内容

为克服相关技术中存在的问题，本公开提供一种车道线检测方法、装置、车辆及存储介质。

根据本公开实施例的第一方面，提供一种车道线检测方法，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。

可选地，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。

可选地，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；