(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210793340.9 (22)申请日 2022.07.05 (71)申请人 小米汽车 科技有限公司 地址 100176 北京市北京经济技 术开发区 科创十街15号院5号楼6层618室 (72)发明人 姚传奇　 (74)专利代理 机构 北京法胜知识产权代理有限 公司 11922 专利代理师 石茵汀 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 车道线检测方法、 装置、 车辆和存 储介质 (57)摘要 本申请涉及一种车道线检测方法、 装置、 车 辆和存储介质， 涉及自动驾驶技术领域， 具体方 法包括： 获取待检测图像， 采用检测模型的编码 网络对待检测图像进行编码， 得到待检测图像的 编码向量， 采用检测模型的解码网络根据编码向 量进行预测， 得到待检测图像中包含的至少一个 有向线段， 有向线段包含位置信息和长度， 采用 检测模型的分组网络根据至少一个有向线段的 位置信息进行分组， 确定各个有向线段的分组标 识， 根据各个有向线段的分组标识、 位置信息和 长度， 确定待检测图像中包含的车道线， 提高了 车道线检测的准确性。 权利要求书3页 说明书10页 附图5页 CN 115147812 A 2022.10.04 CN 115147812 A 1.一种车道线检测方法， 其特 征在于， 包括： 获取待检测图像； 采用检测模型的编码网络对所述待检测图像进行编码， 得到所述待检测图像的编码向 量； 采用所述检测模型的解码网络根据 所述编码向量进行预测， 得到所述待检测图像 中包 含的至少一个有向线段； 所述有向线段包 含位置信息和长度； 采用所述检测模型的分组网络根据 所述至少一个有向线段的位置信 息进行分组， 确定 各个所述有向线段的分组标识； 根据各个所述有向线段的分组标识、 位置信息和长度， 确定所述待检测图像中包含的 车道线。 2.如权利要求1所述的方法， 其特征在于， 所述采用检测模型的编码网络对所述待检测 图像进行编码， 得到所述待检测图像的编码向量， 包括： 将所述待检测图像， 按照设定的图像大小划分为多个图像块； 对各个所述图像块进行 特征提取， 得到各个所述图像块的特 征向量； 将各个所述图像块的特征向量进行线性映射， 得到各个所述图像块的第 一向量和第 二 向量。 3.如权利要求2所述的方法， 其特征在于， 所述采用所述检测模型的解码网络根据 所述 编码向量进行 预测， 得到所述待检测图像中包 含的至少一个有向线段， 包括： 针对每一个所述图像块， 获取所述图像块的第 三向量； 其中， 所述第 三向量根据设定的 第一解码向量确定， 或者是根据所述图像块的前一个图像块进行解码得到的第一解码向量 确定； 对多个所述图像块的第一向量和第二向量， 以及所述第三向量进行解码处理， 得到所 述图像块的第二解码向量； 根据各个所述图像块的第二解码向量， 预测得到所述待检测图 像中包含的至少一个有向线段。 4.如权利要求3所述的方法， 其特征在于， 所述对多个所述图像块的第 一向量和第 二向 量， 以及所述第三向量进行解码处 理， 得到所述图像块的第二 解码向量， 包括： 将所述第三向量的转置向量和多个所述图像块的第一向量进行叉乘， 确定注意力权 重； 根据所述注意力权重对多个所述第二向量进行加权， 确定所述图像块的第二解码向 量。 5.如权利要求1所述的方法， 其特征在于， 所述位置信息包含位置和方向， 所述根据各 个所述有向线段的分组标识、 位置信息和长度， 确定所述待检测图像中包含的车道线， 包 括： 根据各个所述有向线段的分组标识， 将分组标识相同的有向线段划分至同一个分组 中， 以确定 至少一个分组； 其中， 同一分组中的各个有向线段指示 一个车道线； 根据各个分组中包含的各个有向线段的位置、 方向和长度， 确定所述待检测图像中包 含的车道线。 6.如权利要求1 ‑5任一项所述的方法， 其特征在于， 所述检测模型是通过以下方式训练 得到的：权　利　要　求　书 1/3 页 2 CN 115147812 A 2获取样本待检测图像； 所述样本待检测图像标注有包含的车道线对应的至少一个有向 线段的参 考位置和参 考方向， 以及各个所述有向线段对应的参 考分组标识； 将所述样本待检测图像输入所述检测模型， 以得到所述解码网络输出的各个所述有向 线段的预测位置信息， 以及所述分组网络输出的各个有向线段的预测分组标识； 其中， 预测 位置信息包 含预测位置和预测方向； 根据各个所述有向线段的预测位置和各个所述有向线段的参考位置之间的差异， 确定 位置损失函数； 根据各个所述有向线段的预测方向和各个所述有向线段的参考方向之间的差异， 确定 方向损失函数； 根据各个所述有向线段的预测分组标识和各个所述有向线段的参考分组标识间的差 异， 确定分组损失函数； 根据所述位置损 失函数、 所述方向损 失函数和所述分组损 失函数， 确定所述检测模型 的目标损失函数； 根据所述目标损失函数， 对所述检测模型进行训练。 7.一种车道线检测装置， 其特 征在于， 包括： 获取模块， 被 配置为获取待检测图像； 编码模块， 被配置为采用检测模型的编码网络对所述待检测图像进行编码， 得到所述 待检测图像的编码向量； 解码模块， 被配置为采用所述检测模型的解码网络根据所述编码向量进行预测， 得到 所述待检测图像中包 含的至少一个有向线段； 所述有向线段包 含位置信息和长度； 分组模块， 被配置为采用所述检测模型的分组网络根据 所述至少一个有向线段的位置 信息进行分组， 确定各个所述有向线段的分组标识； 确定模块， 被配置为根据 各个所述有向线段的分组标识、 位置信 息和长度， 确定所述待 检测图像中包 含的车道线。 8.如权利要求7 所述的装置， 其特 征在于， 所述编码模块， 还被 配置为： 将所述待检测图像， 按照设定的图像大小划分为多个图像块； 对各个所述图像块进行 特征提取， 得到各个所述图像块的特 征向量； 将各个所述图像块的特征向量进行线性映射， 得到各个所述图像块的第 一向量和第 二 向量。 9.如权利要求8所述的装置， 其特 征在于， 所述 解码模块， 还被 配置为： 针对每一个所述图像块， 获取所述图像块的第 三向量； 其中， 所述第 三向量根据设定的 第一解码向量确定， 或者是根据所述图像块的前一个图像块进行解码得到的第一解码向量 确定； 对多个所述图像块的第一向量和第二向量， 以及所述第三向量进行解码处理， 得到所 述图像块的第二 解码向量； 根据各个所述图像块的第 二解码向量， 预测得到所述待检测图像中包含的至少一个有 向线段。 10.一种车辆， 其特 征在于， 包括： 处理器；权　利　要　求　书 2/3 页 3 CN 115147812 A 3