买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉石家庄铁道大学申请的专利一种基于多尺度协同增强和语义补偿的复杂环境车道线精准检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120032334B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510190179.X，技术领域涉及：G06V20/56；该发明授权一种基于多尺度协同增强和语义补偿的复杂环境车道线精准检测方法是由张云佐;涂志伟;薛丽烨;孙士博;赵旭静;陈丹;张志国设计研发完成，并于2025-02-20向国家知识产权局提交的专利申请。

本一种基于多尺度协同增强和语义补偿的复杂环境车道线精准检测方法在说明书摘要公布了：本发明公开了一种基于多尺度协同增强和语义补偿的复杂环境车道线精准检测方法。所述方法包括如下步骤：获取车道线数据集，输入到训练好的车道线精准检测网络中；采用骨干网络获取多层级特征；利用多尺度协同增强模块，以获取空间与语义信息交互增强的特征；利用混合场景语义补偿模块，获取补充语义特征，以增强不同场景下的特征鲁棒性；采用边界校正引导模块，从空间与通道维度对特征进行细化，改善车道边界检测效果；将车道线锚逐层通过增强后的特征进行优化调整，以获取最终的车道线坐标预测序列。所述方法联合多尺度协同增强和语义补偿，提高了车道线检测的精度，增强了复杂场景下的检测鲁棒性。

本发明授权一种基于多尺度协同增强和语义补偿的复杂环境车道线精准检测方法在权利要求书中公布了：1.一种基于多尺度协同增强和语义补偿的复杂环境车道线精准检测方法，其特征在于包括如下步骤： S1：获取车道线检测数据集，并输入到骨干网络中获取网络后三层级的特征图，表示为Fi，其中i表示特征的层级，； S2：利用多尺度协同增强模块，对不同层级的特征图通过一个自上而下的空间补偿路径与一个自下而上的语义填充路径进行空间信息增强和语义信息交互聚合，改善特征网络所提取特征图的特征信息，该模块包含由GSConv卷积层构建的软性上采样组合子模块SUpCom和用于特征提取的GSConv卷积组合子模块GSConvCom； 所述自上而下的空间补偿路径将特征图通过软性上采样组合子模块SUpCom将尺寸调整至特征图大小并与特征图进行通道拼接对多尺度信息进行建模获得特征图，调整至特征图大小获得特征图来补充传播中丢失的语义信息，将特征图通过GSConv卷积组合子模块GSConvCom提取聚合后的多尺度特征信息并通过软性上采样组合子模块SUpCom将调整至特征图大小并与特征图和特征图进行通道拼接生成特征图，从而在保留高层级语义信息的同时，增强了低层级特征的细节信息；自下而上的语义填充路径将特征图通过GSConv卷积组合子模块GSConvCom捕获更多上下文和语义信息，从而得到特征图作为第三层级的特征输出并向上传递；将特征图通GSConv卷积生成的特征图与经过GSConv卷积组合子模块GSConvCom生成的特征图进行通道拼接并生成特征图，将特征图通过GSConv卷积组合子模块GSConvCom得到的特征图作为第四层级的特征输出并往上传递，将特征图，特征图，特征图通过GSConv卷积捕获到丰富的空间信息并与特征图进行通道拼接生成特征图，将特征图经过GSConv卷积组合子模块GSConvCom生成的特征图作为最后层级的特征输出，实现语义信息向底层的逐级传递； S3：利用混合场景语义补偿模块，通过自适应路由选择传播路径并通过递进补偿提取层提取补偿语义信息，并与改善后的特征图进行融合，以增强不同场景下的特征鲁棒性，提高特征图的场景适应能力，该模块包含自适应路由子模块和递进补偿提取层子模块； S4：将改善场景鲁棒性效果后的特征传入到边界校正引导模块，通过空间与通道维度进一步关注特征中重要信息，细化车道线特征信息，改善车道线边界检测效果，该模块包含改进空间注意力子模块与通道注意力子模块； S5：将细化后的不同层级特征图通过检测头Ha，其中a表示特征的层级，，并将预制的先验车道锚Pc，其中c表示优化次数，，传递给第一个检测头H1； S6：通过逐级向下调整先验车道锚Pc参数，最终，先验车道锚经过最后一个检测头的调整后输出优化后的锚P3，作为车道线的预测输出结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人石家庄铁道大学，其通讯地址为：050043 河北省石家庄市长安区北二环东路17号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。