公开(公告)号：CN114913498A

公开(公告)日：2022-08-16

申请号：CN202210594510.0

申请日：2022-05-27

Applicant: 南京信息工程大学

Inventor： 张艳艳 ,  左超

IPC: G06V20/56 ,  G06V10/80 ,  G06V10/774 ,  G06V10/34 ,  G06V10/762 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及自动驾驶和计算机视觉领域，公开了一种基于关键点估计的并行多尺度特征聚合车道检测方法车道线检测方法，包括以下步骤：1)获取车道线图像数据集，用于训练车道线检测模型；2)对车道线图像数据集进行数据预处理，统一缩放图像尺寸并进行归一化；3)构建基于关键点估计的并行多尺度特征聚合车道线检测模型；4)将车道线图像数据集馈送到检测模型中进行训练；5)将待测试图像或视频输入到已训练收敛的检测模型中，模型进行车道线检测并输出图像或视频的车道线检测信息。本发明在兼顾车道线检测精度和检测速度的同时，也能够适应任意结构和任意数量的道路场景，具有较高的鲁棒性和实用性。

公开(公告)号：CN114913498B

公开(公告)日：2025-04-11

申请号：CN202210594510.0

申请日：2022-05-27

Applicant: 南京信息工程大学

Inventor： 张艳艳 ,  左超

IPC: G06V20/56 ,  G06V10/80 ,  G06V10/774 ,  G06V10/34 ,  G06V10/762 ,  G06V10/82 ,  G06N3/082 ,  G06N3/084 ,  G06N3/0985 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明涉及自动驾驶和计算机视觉领域，公开了一种基于关键点估计的并行多尺度特征聚合车道检测方法车道线检测方法，包括以下步骤：1)获取车道线图像数据集，用于训练车道线检测模型；2)对车道线图像数据集进行数据预处理，统一缩放图像尺寸并进行归一化；3)构建基于关键点估计的并行多尺度特征聚合车道线检测模型；4)将车道线图像数据集馈送到检测模型中进行训练；5)将待测试图像或视频输入到已训练收敛的检测模型中，模型进行车道线检测并输出图像或视频的车道线检测信息。本发明在兼顾车道线检测精度和检测速度的同时，也能够适应任意结构和任意数量的道路场景，具有较高的鲁棒性和实用性。