车道线虚线角点实时检测方法、系统、终端及介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115761671A(43)申请公布日2023.03.07(21)申请号202211430422.3G06V10/774(2022.01)(22)申请日2022.11.15G06N3/08(2023.01)(71)申请人辉羲智能科技（上海）有限公司地址200233上海市徐汇区虹梅路2007号7号楼2楼整层(72)发明人李振峰李军魏哲梁昊章健勇(74)专利代理机构上海恒慧知识产权代理事务所(特殊普通合伙)31317专利代理师刘翠张宁展(51)Int.Cl.G06V20/56(2022.01)G06V10/82(2022.01)G06V10/26(2022.01)G06V10/44(2022.01)权利要求书3页说明书9页附图2页(54)发明名称车道线虚线角点实时检测方法、系统、终端及介质(57)摘要本发明提供了一种车道线虚线角点实时检测方法及系统，其中方法包括：构建语义分割神经网络模型，并将获取的车道图像输入至语义分割神经网络模型，输出得到带有语义标签的语义分割图；基于语义分割图，获取图中所有语义标签为虚线的连通区域，记录每一个连通区域对应的边界信息，其中每一个连通区域对应一个虚线白块；获取每一个车道图像的灰度图像，并在灰度图像上基于连通区域对应的边界信息对虚线白块进行角点检测，得到每一个虚线白块的角点，完成车道线虚线角点实时检测。同时提供了一种相应的终端及介质。本发明可节省大量的人力和计算资源成本，且在不同的场景下都可以保持准确性和稳定性。CN115761671ACN115761671A权利要求书1/3页1.一种车道线虚线角点实时检测方法，其特征在于，包括：构建语义分割神经网络模型，并将获取的车道图像输入至所述语义分割神经网络模型，输出得到带有语义标签的语义分割图；基于所述语义分割图，获取图中所有语义标签为虚线的连通区域，记录每一个所述连通区域对应的边界信息，其中每一个所述连通区域对应一个虚线白块；获取每一个所述车道图像的灰度图像，并在所述灰度图像上基于所述连通区域对应的边界信息对虚线白块进行角点检测，得到每一个虚线白块的角点，完成车道线虚线角点实时检测。2.根据权利要求1所述的车道线虚线角点实时检测方法，其特征在于，所述构建语义分割神经网络模型，包括：获取自动驾驶任务中基础的车道线感知任务的标注数据，构建训练数据集；利用所述训练数据集训练语义分割神经网络，得到语义分割神经网络模型；或者采用已训练的车道线语义分割网络作为语义分割神经网络模型。3.根据权利要求1所述的车道线虚线角点实时检测方法，其特征在于，所述将获取的图像输入至所述语义分割神经网络模型，输出得到带有语义标签的语义分割图，包括：将得到的一帧图像输入至所述语义分割神经网络模型，输出一张带有语义标签的语义分割图，其中，所述语义分割图中的每一个像素对应一个语义标签，所述语义标签用于表明该像素点是否属于虚线。4.根据权利要求1所述的车道线虚线角点实时检测方法，其特征在于，所述基于所述语义分割图，获取图中所有语义标签为虚线的连通区域，记录每一个所述连通区域对应的边界信息，包括：获取所述语义分割图中的一个当前像素点；若所述当前像素点所对应的语义标签不是虚线或为已访问过的点，则跳过该像素点；否则基于所述当前像素点初始化一个连通区域，同时记录所述连通区域的上下边界和左右边界信息，将所述当前像素点记录为已访问点；采用深度优先搜索方法，遍历所述当前像素点上下左右邻域内的像素点，若所述邻域内的像素点所对应的语义标签不是虚线或为已访问过的点，则跳过该像素点；否则，将该像素点加入所述连通区域，并更新所述连通区域的上下边界和左右边界信息，将该像素点记录为已访问点，并将该像素点设为当前像素点；重复该步骤，直到没有新的语义标签为虚线的点加入当前的连通区域；按照顺序，遍历所述语义分割图中的所有像素点，重复上述步骤，直至得到图中所有语义标签为虚线的连通区域，得到的每一个所述连通区域对应一个虚线白块。5.根据权利要求4所述的车道线虚线角点实时检测方法，其特征在于，还包括如下任意一项或任意多项：‑所述记录所述连通区域的上下边界和左右边界信息，包括：记录所述连通区域的最大行数和最小行数，即为所述连通区域的上下边界；记录最大行所对应的最大列数和最小列数以及最小行所对应的最大列数和最小列数，即为所述连通区域的左右边界；‑所述遍历所述语义分割图中的所有像素点的顺序为：按照从上到下、从左到右的顺2CN115761671A权利要求书2/3页序。6.根据权利要求1所述的车道线虚线角点实时检测方法，其特征在于，在所述灰度图像上基于所述连通区域对应的边界信息对虚线白块进行角点检测，得到每一个虚线白块的角点，包括：计算所述灰度图像中所有语义标签为虚线的像素点的