(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 202211204267.3 (22)申请日 2022.09.29 (71)申请人 深圳市旗扬特种装备技 术工程有限 公司 地址 518000 广东省深圳市宝安区航城街 道三围社区泰华梧桐工业园小雪 （13B） 栋 5层 (72)发明人 陈磊　黄金叶　 (74)专利代理 机构 成都顶峰专利事务所(普通 合伙) 51224 专利代理师 杨国瑞 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种车道线走向检测方法、 装置、 计算机设 备及存储介质 (57)摘要 本发明公开了一种车道线走向检测方法、 装 置、 计算机设备及存储介质， 涉及计算机视觉处 理技术领域。 所述方法是在获取车道图像后， 先 将所述车道图像输入贝塞尔曲线参数预测模型， 输出得到 车道边缘线的贝塞尔曲线参数， 然后基 于输出参数分离得到仅包含有车道信息的新车 道图像， 再然后将所述新车道图像输入车道线检 测模型， 输出得到车道线位置信息， 最后根据所 述车道线位置信息和所述车道边缘线的贝塞尔 曲线参数， 确定车道线的贝塞尔曲线参数及车道 曲线， 由此可利用左右侧车道边缘线的连续性 好、 分界明显和不易被车辆遮挡等优点， 实现根 据左右侧车道边缘走向来间距预测车道线走向 的目的， 进而可提升车道线走向检测结果的准确 性。 权利要求书3页 说明书10页 附图6页 CN 115546751 A 2022.12.30 CN 115546751 A 1.一种车道线走向检测方法， 其特 征在于， 包括： 获取车道图像； 将所述车道图像输入预先完成训练 的贝塞尔曲线参数预测模型， 输出得到车道边缘线 的贝塞尔曲线参数， 其中， 所述车道 边缘线包括有左侧车道 边缘线和右侧车道 边缘线， 所述 贝塞尔曲线参数包含有多个贝塞尔曲线关键点在所述车道图像的二维坐标系上的坐标位 置， 所述多个贝 塞尔曲线关键点包括有曲线起 点、 曲线终点和至少一个曲线控制点； 根据所述左侧车道边缘线的贝塞尔曲线参数， 确定在所述二维坐标系上的左侧车道边 缘曲线， 以及根据所述右侧车道边缘线的贝塞尔曲线参数， 确定在所述二维坐标系 上的右 侧车道边 缘曲线； 根据所述左侧车道边缘曲线和所述右侧车道边缘曲线， 对所述车道图像进行车道信 息 分离处理， 得到仅包含有 车道信息的新车道图像， 其中， 所述车道信息是指在所述车道图像 中位于所述左侧车道边 缘曲线与所述右侧车道边 缘曲线之间的图像信息； 将所述新车道图像输入预先完成训练的车道线检测模型， 输出得到车道线位置信息， 其中， 所述车道线位置信息包含有车道线在至少一个行锚上 的列位置， 所述行锚是指在所 述车道图像中水平设置的一行多个分割单元， 所述列位置是指所述多个分割单元中的某个 分割单元； 根据所述车道边缘线的贝塞尔曲线参数、 所述左侧车道边缘曲线、 所述右侧车道边缘 曲线和所述车道线在某个行锚上的列位置， 确定所述车道线的贝 塞尔曲线参数； 根据所述车道线的贝塞尔曲线参数， 确定在所述二维坐标系上的车道曲线， 得到所述 车道线的走向。 2.根据权利要求1所述的车道线走向检测方法， 其特征在于， 所述贝塞尔曲线参数预测 模型采用包括有骨干网络单元、 特征翻转融合单元、 均值池化单元、 卷积处理单元、 回归分 支单元和分类分支单元的管道式模型， 其中， 所述骨干网络单元、 所述特征翻转融合单元、 所述均值池化单元和所述卷积处理单元依次连接， 所述回归分支单元和所述分类分支单元 分别连接所述卷积处 理单元； 所述骨干网络单 元， 用于从所述车道图像中提取 得到第一车道边 缘特征； 所述特征翻转融合单元， 用于聚合所述第一车道边缘特征中的左右反向车道边缘特 征， 得到第二车道边 缘特征； 所述均值池化单元， 用于将高维度的所述第 二车道边缘特征转化为低维度的第 三车道 边缘特征； 所述卷积处理单元， 用于使用两个维度为1 ×3的一维卷积对所述第 三车道边缘特征进 行转换处 理， 得到第四车道边 缘特征； 所述回归分支单元， 用于根据 所述第四车道边缘特征预测至少两处车道边缘线的贝塞 尔曲线参数， 其中， 所述贝塞尔曲线参数包含有多个贝塞尔曲线关键点在所述车道图像的 二维坐标系 上的坐标位置， 所述多个贝塞尔曲线关键点包括有曲线起点、 曲线终点和至少 一个曲线控制点； 所述分类分支单元， 用于根据 所述第四车道边缘特征预测所述至少两处车道边缘线的 存在概率， 以便与所述至少 两处车道边缘线的贝塞尔曲线参数进行汇总， 得到车道边缘线 的所述贝 塞尔曲线参数， 其中， 所述车道边 缘线包括有左侧车道边 缘线和右侧车道边 缘线。权　利　要　求　书 1/3 页 2 CN 115546751 A 23.根据权利要求2所述的车道线走向检测方法， 其特征在于， 所述骨干网络单元采用有 残差网络ResNet和RESA网络 。 4.根据权利要求1所述的车道线走向检测方法， 其特征在于， 所述车道线检测模型采用 基于全局图像特征和行锚进行位置选择 的车道线检测网络， 其中， 所述行锚是指在所述车 道图像中水平设置的一行多个分割单 元。 5.根据权利要求1所述的车道线走向检测方法， 其特征在于， 根据 所述车道边缘线的贝 塞尔曲线参数、 所述左侧车道边缘 曲线、 所述右侧车道边缘 曲线和所述车道线在某个行锚 上的列位置， 确定所述车道线的贝 塞尔曲线参数， 包括： 根据所述车道线在某个行锚上的列位置以及所述左侧车道边缘曲线和所述右侧车道 边缘曲线分别在所述某个行锚上的列位置， 按照如下公式确定比值ρ： 式中， dla,ls表示从所述车道线在所述某个行锚上的列位置至所述左侧车道边缘曲线在 所述某个行锚上的列位置的距离， drs,ls表示从所述右侧车道边缘曲线在所述某个行锚上的 列位置至所述左侧车道边 缘曲线在所述某个行锚上的列位置的距离； 根据所述车道边缘线的贝塞尔曲线参数、 所述车道线在所述某个行锚上的列位置和所 述比值ρ， 按照如下公式计算得到所述车道线的贝 塞尔曲线参数： 式中， Pla,start表示所述车道线的曲线起点在所述二维坐标系上的坐标位置， Pla,row表示 所述车道线在所述某个行锚上 的列位置在所述二维坐标系 上的坐标位置， k表示非零自然 数， Pla,k表示所述车道线的且沿起点至终点方向的第k个曲线控制点在所述二维坐标系上 的坐标位置， Pls,k表示所述左侧车道边缘线的且沿起点至终点方向的第k个曲线控制点在 所述二维坐标系上的坐标位置， Prs,k表示所述右侧车道边缘线的且沿起点至终点方向的第 k个曲线控制点在所述二 维坐标系上的坐标位置， Pla,end表示所述车道线的曲线终点在所述 二维坐标系上的坐 标位置， Pls,rs表示所述左侧车道边缘曲线与所述右侧车道边缘曲线在所 述二维坐标系上的交点 位置。 6.根据权利要求5所述的车道线走向检测方法， 其特征在于， 所述某个行锚在所述至少 一个行锚中具有最大 的道路宽度， 其中， 所述道路宽度是指从所述右侧车道边缘 曲线在对 应行锚上的列位置 至所述左侧车道边 缘曲线在该对应行锚上的列位置的距离 。 7.根据权利要求1所述的车道线走向检测方法， 其特征在于， 所述多个贝塞尔曲线关键 点包括有曲线起 点、 曲线终点和两个曲线控制点。 8.一种车道线走向检测装置， 其特征在于， 包括有车道图像获取模块、 曲线参数预测模 块、 边缘曲线确定模块、 信息分离处理模块、 车道线检测模块、 曲线参数确定模块和车道曲 线确定模块； 所述车道图像获取模块， 用于获取 车道图像； 所述曲线参数预测模块， 通信连接所述车道图像获取模块， 用于将所述车道图像输入权　利　要　求　书 2/3 页 3 CN 115546751 A 3