车道线检测方法及装置与流程

技术特征：
1.一种车道线检测方法，其特征在于，包括：获取待检测图像；将所述待检测图像输入至车道线检测模型中，得到所述车道线检测模型输出的车道线检测结果；其中，车道线检测模型包括：特征压缩层、全连接层和网格分类层，所述特征压缩层用于基于所述待检测图像提取多个压缩特征，所述全连接层用于基于多个所述压缩特征获取全局信息，所述网格分类层用于基于多个所述压缩特征和所述全局信息，得到所述车道线检测结果。2.根据权利要求1所述的车道线检测方法，其特征在于，所述车道线检测模型的训练过程包括：获取原始样本图像，以及随机形状遮挡块；基于所述原始样本图像以及所述随机形状遮挡块，确定遮挡样本图像；基于所述原始样本图像和所述遮挡样本图像，对所述车道线检测模型进行训练。3.根据权利要求1所述的车道线检测方法，其特征在于，所述车道线检测模型的训练过程包括：获取多个样本图像和所述样本图像对应的车道线样本数据；以所述样本图像为样本，以与所述样本图像对应的车道线样本数据为样本标签，对所述车道线检测模型进行训练。4.根据权利要求1所述的车道线检测方法，其特征在于，所述车道线检测模型的训练过程包括：基于语义分割算法，对所述车道线检测模型进行训练。5.根据权利要求1至4中任一项所述的车道线检测方法，其特征在于，所述车道线检测模型还包括：特征提取层，所述特征提取层用于基于所述待检测图像，提取到多种备选特征。6.根据权利要求5所述的车道线检测方法，其特征在于，所述车道线检测模型还包括：特征金字塔网络层，所述特征金字塔网络层用于基于所述多种备选特征，得到多个多尺度表示特征，所述特征压缩层用于基于多个所述多尺度表示特征提取多个所述压缩特征。7.根据权利要求1至4中任一项所述的车道线检测方法，其特征在于，还包括：将所述车道线检测结果映射到所述待检测图像上，得到车道线在所述待检测图像上的坐标信息。8.一种车道线检测装置，其特征在于，包括：获取模块，用于获取待检测图像；检测模块，用于将所述待检测图像输入至车道线检测模型中，得到所述车道线检测模型输出的车道线检测结果；其中，车道线检测模型包括：特征压缩层、全连接层和网格分类层，所述特征压缩层用于基于所述待检测图像提取多个压缩特征，所述全连接层用于基于多个所述压缩特征获取全局信息，所述网格分类层用于基于多个所述压缩特征和所述全局信息，得到所述车道线检测结果。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述车道线检测方法的步骤。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述车道线检测方法的步骤。

技术总结
本发明提供一种车道线检测方法及装置，用以解决现有技术中车辆检测到的路面图像较模糊，真实的车道线容易被遮挡，且容易受光线干扰，漏检率较高，检测误差较大，抗干扰能力较差的缺陷，实现提高抗干扰能力，降低漏检率和检测误差，且能够降低计算量，提高计算速度。本发明提供的车道线检测方法及装置，通过由特征压缩层、全连接层和网格分类层组成的车道线检测模型来从待检测图像得到车道线检测结果，能够提高抗干扰能力，降低漏检率和检测误差，且能够降低计算量，提高计算速度。提高计算速度。提高计算速度。


技术研发人员：向晶 沈飞 赵小伟
受保护的技术使用者：盛景智能科技（嘉兴）有限公司
技术研发日：2022.03.02
技术公布日：2022/5/30