申请/专利权人：上海保隆汽车科技(武汉)有限公司

申请日：2023-12-15

公开（公告）日：2024-04-26

公开（公告）号：CN117690107B

主分类号：G06V20/56

分类号：G06V20/56;G06V20/70;G06V10/44;G06V10/77;G06V10/774;G06V10/776;G06V10/80;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明涉及车辆技术领域，提供了一种车道边线识别方法和装置。所述方法包括：对图像数据进行多边形标注获取原始特征图，将原始特征图按照预设比例分配分别获取训练集、验证集和测试集；构建初始PIDNet模型；初始PIDNet模型中包括：多个CBL结构、积分分支、比例分支、微分分支、第一边缘融合模块、上采样模块和损失函数；使用训练集、验证集、测试集以及损失函数对所述初始PIDNet模型进行训练，得到训练完成的PIDNet模型，使用训练完成的PIDNet模型进行车道边线的识别。本发明使用多边形标注提高数据标注的精度，并在PIDNet模型通过设置多个分支，分别提取不同的特征信息，并最终对不同的特征信息进行处理，以减少模型训练和识别过程中的特征损失，提高车道边线识别的精度。

主权项：1.一种车道边线识别方法，其特征在于，包括：对图像数据进行多边形标注获取原始特征图，将所述原始特征图按照预设比例分配分别获取训练集、验证集和测试集；构建初始PIDNet模型，所述初始PIDNet模型中包括：多个CBL结构、积分分支、比例分支、微分分支、第一边缘融合模块和上采样模块；所述多个CBL结构用于对输入初始PIDNet模型的原始特征图进行下采样得到第一特征图；所述积分分支用于对第一特征图进行语义特征提取，得到语义特征图；其中，所述语义特征图包括第一语义特征图、第二语义特征图和第三语义特征图；所述比例分支用于结合所述第一语义特征图和所述第二语义特征图，对第一特征图进行细节特征提取，得到细节特征图；所述微分分支用于结合所述第一语义特征图和所述第二语义特征图，对第一特征图进行边界特征提取，得到边界特征图；其中，所述边界特征图通过对第一特征图、所述第一语义特征图和所述第二语义特征图进行边缘注意力引导融合得到；所述第一边缘融合模块用于对所述第三语义特征图、所述细节特征图和所述边界特征图进行边缘注意力引导融合，得到特征图Stage4；所述上采样模块用于对所述特征图Stage4进行上采样得到原始特征图的预测结果；使用所述训练集、验证集、测试集以及预设的损失函数对所述初始PIDNet模型进行训练，得到训练完成的PIDNet模型，使用所述训练完成的PIDNet模型进行车道边线的识别；所述微分分支包括第二边缘融合模块、第三边缘融合模块和Sigmoid函数；所述第二边缘融合模块用于对第一特征图和第一语义特征图进行边缘注意力引导融合得到特征图Stage2_D；所述第三边缘融合模块用于对所述特征图Stage2_D和第二语义特征图进行边缘注意力引导融合得到特征图Stage3_D；使所述特征图Stage3_D经过所述Sigmoid函数，得到所述边界特征图；所述比例分支包括第一像素融合模块、第二像素融合模块和第三残差处理模块；所述第一像素融合模块用于对第一特征图和第一语义特征图进行像素注意力引导融合得到特征图Stage2_P；其中，在计算得到参数热力系数特征图σ后，使用全白热力系数图减去所述参数热力系数特征图σ得到参数热力系数特征图β，使用所述参数热力系数特征图σ、参数热力系数特征图β对所述第一语义特征图和经残差处理后的第一特征图进行联立，得到所述特征图Stage2_P；所述第二像素融合模块用于对特征图Stage2_P和第二语义特征图进行像素注意力引导融合得到特征图Stage3_P；所述第三残差处理模块用于使特征图Stage3_P经过一个基础残差块和一个Relu函数，得到所述细节特征图；所述预设的损失函数包括四个子损失函数的加权求和；其中，所述四个子损失函数分别为第一子损失函数、第二子损失函数、第三子损失函数和第四子损失函数；所述第一子损失函数用于代表特征图Stage2_P与原始特征图之间在标签语义上的损失值；所述第二子损失函数代表特征图Stage4与原始特征图之间的加权二元交叉熵损失值；所述第三子损失函数代表特征图Stage3_D与原始特征图之间的交叉熵损失值；所述第四子损失函数代表特征图Stage4经过边缘检测和膨胀操作后生成的第一轮廓图，与原始特征图经过边缘检测和膨胀操作后生成的第二轮廓图之间的交叉熵损失值。

全文数据：

权利要求：

百度查询： 上海保隆汽车科技(武汉)有限公司 一种车道边线识别方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD