本發(fā)明涉及車道線檢測，尤其涉及一種車道線檢測方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、目前自動駕駛技術(shù)的泊車、行車和避障等功能，都需要檢測道路信息，具體包括道路邊界線、車道線等信息，以此確定可行駛區(qū)域以及自車行駛路線。

2、而當前基于雷達或者視覺的車道線檢測模型，都是采用各種分割模型來分割出結(jié)果。受限于車道線細長并且連續(xù)的特征，現(xiàn)有的很多車道線檢測模型的效果并不完美，會出現(xiàn)檢測線過于粗大、檢測線斷開、漏檢誤檢等問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種車道線檢測方法、裝置、電子設(shè)備及存儲介質(zhì)，通過對車道線細長連續(xù)的特征的識別，提高了對車道線的檢測效果。

2、根據(jù)本發(fā)明的一方面，提供了一種車道線檢測方法，包括：

3、獲取待檢測道路對應的目標點云數(shù)據(jù)，并將所述目標點云數(shù)據(jù)轉(zhuǎn)換為柵格特征數(shù)據(jù)；

4、將所述柵格特征數(shù)據(jù)輸入至目標檢測模型中，得到所述目標檢測模型輸出的與所述柵格特征數(shù)據(jù)對應的編碼值和置信度；其中，所述目標檢測模型中包括動態(tài)蛇形卷積層和長短期記憶網(wǎng)絡(luò)層；

5、基于所述編碼值和所述置信度，確定所述待檢測道路的車道線。

6、根據(jù)本發(fā)明的另一方面，提供了一種車道線檢測裝置，包括：

7、點云數(shù)據(jù)獲取模塊，用于獲取待檢測道路對應的目標點云數(shù)據(jù)，并將所述目標點云數(shù)據(jù)轉(zhuǎn)換為柵格特征數(shù)據(jù)；

8、特征數(shù)據(jù)處理模塊，用于將所述柵格特征數(shù)據(jù)輸入至目標檢測模型中，得到所述目標檢測模型輸出的與所述柵格特征數(shù)據(jù)對應的編碼值和置信度；其中，所述目標檢測模型中包括動態(tài)蛇形卷積層和長短期記憶網(wǎng)絡(luò)層；

9、車道線確定模塊，用于基于所述編碼值和所述置信度，確定所述待檢測道路的車道線。

10、根據(jù)本發(fā)明的另一方面，提供了一種電子設(shè)備，所述電子設(shè)備包括：

11、至少一個處理器；以及

12、與所述至少一個處理器通信連接的存儲器；其中，

13、所述存儲器存儲有可被所述至少一個處理器執(zhí)行的計算機程序，所述計算機程序被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行本發(fā)明任一實施例所述的車道線檢測方法。

14、根據(jù)本發(fā)明的另一方面，提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機指令，所述計算機指令用于使處理器執(zhí)行時實現(xiàn)本發(fā)明任一實施例所述的車道線檢測方法。

15、本發(fā)明實施例的技術(shù)方案，通過獲取待檢測道路對應的目標點云數(shù)據(jù)，并將目標點云數(shù)據(jù)轉(zhuǎn)換為柵格特征數(shù)據(jù)；將柵格特征數(shù)據(jù)輸入至目標檢測模型中，得到目標檢測模型輸出的與柵格特征數(shù)據(jù)對應的編碼值和置信度；其中，目標檢測模型中包括動態(tài)蛇形卷積層和長短期記憶網(wǎng)絡(luò)層；基于編碼值和置信度，確定待檢測道路的車道線。本發(fā)明的技術(shù)方案通過動態(tài)蛇形卷積層和長短期記憶網(wǎng)絡(luò)層的結(jié)合對特征進行處理，解決了現(xiàn)有的車道線檢測分割模型，受限于車道線細長并且連續(xù)的特征，會出現(xiàn)檢測線過于粗大、檢測線斷開、漏檢誤檢等問題，實現(xiàn)了對細長特征的識別，提高車道線檢測的準確度。

16、應當理解，本部分所描述的內(nèi)容并非旨在標識本發(fā)明的實施例的關(guān)鍵或重要特征，也不用于限制本發(fā)明的范圍。本發(fā)明的其它特征將通過以下的說明書而變得容易理解。

技術(shù)特征：

1.一種車道線檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取待檢測道路對應的目標點云數(shù)據(jù)，并將所述目標點云數(shù)據(jù)轉(zhuǎn)換為柵格特征數(shù)據(jù)，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述編碼值包括每個所述點云柵格對應的編碼值，所述置信度包括每個所述點云柵格對應的置信度；所述基于所述編碼值和所述置信度，確定所述待檢測道路的車道線，包括：

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述將所述待處理點云數(shù)據(jù)中的無效點云數(shù)據(jù)進行篩選處理之后，還包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標檢測模型還包括分類器，所述動態(tài)蛇形卷積層包括降采樣動態(tài)蛇形卷積層和上采樣動態(tài)蛇形卷積層；

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述將所述柵格特征數(shù)據(jù)輸入至目標檢測模型中，得到所述目標檢測模型輸出的與所述柵格特征數(shù)據(jù)對應的編碼值和置信度，包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述降采樣動態(tài)蛇形卷積層和上采樣動態(tài)蛇形卷積層的數(shù)量為至少兩層。

8.一種車道線檢測裝置，其特征在于，包括：

9.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有計算機指令，所述計算機指令用于使處理器執(zhí)行時實現(xiàn)權(quán)利要求1-7中任一項所述的車道線檢測方法。

技術(shù)總結(jié)
本發(fā)明公開了一種車道線檢測方法、裝置、電子設(shè)備及存儲介質(zhì)，涉及車道線檢測技術(shù)領(lǐng)域，該方法包括：獲取待檢測道路對應的目標點云數(shù)據(jù)，并將目標點云數(shù)據(jù)轉(zhuǎn)換為柵格特征數(shù)據(jù)；將柵格特征數(shù)據(jù)輸入至目標檢測模型中，得到目標檢測模型輸出的與柵格特征數(shù)據(jù)對應的編碼值和置信度；其中，目標檢測模型中包括動態(tài)蛇形卷積層和長短期記憶網(wǎng)絡(luò)層；基于編碼值和置信度，確定待檢測道路的車道線。本發(fā)明的技術(shù)方案通過動態(tài)蛇形卷積層和長短期記憶網(wǎng)絡(luò)層的結(jié)合對特征進行處理，解決了現(xiàn)有的車道線檢測分割模型，受限于車道線細長并且連續(xù)的特征，會出現(xiàn)檢測線過于粗大、檢測線斷開、漏檢誤檢等問題，實現(xiàn)了對細長特征的識別，提高車道線檢測的準確度。

技術(shù)研發(fā)人員：張凱,王宇,李創(chuàng)輝,王碩,耿真,孫雪,郭昌野,張勇,錢承軍
受保護的技術(shù)使用者：中國第一汽車股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6