公开(公告)号：CN115100615A

公开(公告)日：2022-09-23

申请号：CN202210717329.4

申请日：2022-06-23

Applicant: 浙江大学

Inventor： 张微 ,  李朕洋 ,  冯天

IPC: G06V20/56 ,  G06V10/42 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06T7/70 ,  G06T7/80

Abstract: 本发明公开了一种基于深度学习的车道线检测方法，属于语义分割领域。本发明首先将由相机拍摄到的待检测车道线图片输入预先经过训练的车道线检测模型中，先由主干网络提取图像特征，再将提取的图像特征输入Transformer网络中提取全局特征，最后将提取的全局特征通过输出层得到待检测车道线图片中每条车道线的拟合参数集；所述拟合参数集包括车道线拟合多项式系数、车道线起始点高度以及车道线消失点高度；根据得到的所述拟合参数集，在待检测车道线图片中定位出每一条车道线，并获取所述相机的内参和外参，将图像坐标系下的车道线转换为世界坐标系下的车道线。利用本发明能保证车辆实际行驶过程中对于车道线检测所需的精度和速度。