车道线检测方法、装置、设备以及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115984789A(43)申请公布日2023.04.18(21)申请号202211606610.7(22)申请日2022.12.14(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人叶于辉王珊珊李曼张通滨杨建忠卢振(74)专利代理机构北京英赛嘉华知识产权代理有限责任公司11204专利代理师王达佐马晓亚(51)Int.Cl.G06V20/56(2022.01)G06V10/24(2022.01)G06V10/762(2022.01)G06V10/764(2022.01)权利要求书2页说明书9页附图4页(54)发明名称车道线检测方法、装置、设备以及存储介质(57)摘要本公开提供了一种车道线检测方法、装置、设备以及存储介质，涉及人工智能技术领域，具体为智能交通和自动驾驶技术领域。该方法包括：获取目标车辆采集的初始图像集，初始图像集包含至少一张道路图像；利用轻量级目标检测模型与分类模型对初始图像集进行检测，得到各个道路图像中车道线的属性信息；基于射线相交算法以及密度聚类算法对检测后的初始图像集进行去重，得到去重后的目标图像集；将目标图像中车道线的属性信息与预先构建的数据库中的信息进行比对，基于比对结果确定车道线的变化类型。本公开提供的车道线检测方法提升了对车道线的检测准确性以及检测效率。CN115984789ACN115984789A权利要求书1/2页1.一种车道线检测方法，包括：获取目标车辆采集的初始图像集，所述初始图像集包含至少一张道路图像；利用轻量级目标检测模型与分类模型对所述初始图像集进行检测，得到各个道路图像中车道线的属性信息；基于射线相交算法以及密度聚类算法对检测后的初始图像集进行去重，得到去重后的目标图像集；将目标图像中车道线的属性信息与预先构建的数据库中的信息进行比对，基于比对结果确定所述车道线的变化类型。2.根据权利要求1所述的方法，其中，所述车道线的属性信息包括车道线的图像位置信息以及车道线的类型信息；以及所述利用轻量级目标检测模型与分类模型对所述初始图像集进行检测，得到各个道路图像中车道线的属性信息，包括：对于所述初始图像中的每张道路图像，将所述道路图像输入至轻量级目标检测模型，输出得到包含车道线的图像位置信息的道路图像；将所述包含车道线的图像位置信息的道路图像输入至分类模型中，输出得到包含车道线的类型信息的道路图像。3.根据权利要求1所述的方法，其中，所述基于射线相交算法以及密度聚类算法对检测后的初始图像集进行去重，得到去重后的目标图像集，包括：利用射线相交算法计算各个道路图像中车道线的实际位置信息；基于所述实际位置信息以及密度聚类算法对检测后的初始图像集进行聚类，得到至少一个图像组；基于预设规则从每个图像组中确定目标图像，得到所述目标图像集。4.根据权利要求3所述的方法，其中，所述利用射线相交算法计算各个道路图像中车道线的实际位置信息，包括：获取所述目标车辆的位置信息；基于射线相交算法计算各个道路图像中车道线的深度信息；基于所述目标车辆的位置信息和所述深度信息，计算所述道路图像中车道线的实际位置信息。5.根据权利要求4所述的方法，其中，所述将目标图像中车道线的属性信息与预先构建的数据库中的信息进行比对，基于比对结果确定所述车道线的变化类型，包括：基于所述车道线的实际位置信息从预先构建的数据库中获取局部地图；将所述目标图像中车道线的属性信息与所述局部地图中车道线的属性信息进行比对；基于比对结果确定所述车道线的变化类型，所述变化类型包括新增类型、修改类型或移除类型。6.一种车道线检测装置，包括：获取模块，被配置成获取目标车辆采集的初始图像集，所述初始图像集包含至少一张道路图像；检测模块，被配置成利用轻量级目标检测模型与分类模型对所述初始图像集进行检测，得到各个道路图像中车道线的属性信息；2CN115984789A权利要求书2/2页去重模块，被配置成基于射线相交算法以及密度聚类算法对检测后的初始图像集进行去重，得到去重后的目标图像集；比对模块，被配置成将目标图像中车道线的属性信息与预先构建的数据库中的信息进行比对，基于比对结果确定所述车道线的变化类型。7.根据权利要求6所述的装置，其中，所述车道线的属性信息包括车道线的图像位置信息以及车道线的类型信息；以及所述检测模块被进一步配置成：对于所述初始图像中的每张道路图像，将所述道路图像输入至轻量级目标检测模型，输出得到包含车道线的图像位置信息的道路图像；将所述包含车道线的图像位置信息的道路图像输入至分类模型中，输出得到包含车道线的类型信息的道路图像。8.根据权利要求6所述的装置，其中，所述去重模块包括：计算子模块，被配置成利用射线相交算法计算各个道路