(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 202211138210.8 (22)申请日 2022.09.19 (71)申请人 中国第一汽车股份有限公司 地址 130011 吉林省长 春市汽车 经济技术 开发区新红旗大街1号 (72)发明人 葛恒赫　陈博　尹荣彬　张伟伟　 (74)专利代理 机构 北京博浩百 睿知识产权代理 有限责任公司 1 1134 专利代理师 谢湘宁 (51)Int.Cl. G06V 20/56(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/26(2022.01) G06V 10/764(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 车道线检测方法、 装置、 存储介质、 处理器及 电子装置 (57)摘要 本发明公开了一种车道线检测方法、 装置、 存储介质、 处理器及电子装置。 其中， 该方法包 括： 获取待识别图像， 其中， 待识别图像的显示内 容包括： 待识别的车道线； 利用第一神经网络模 型对待识别图像进行分析， 得到第一分割图， 其 中， 第一神经网络模型用于对待识别图像进行全 图分割， 第一分割图为全图非连通的分割图； 利 用第二神经网络模型对待识别图像进行分析， 得 到第二分割图， 其中， 第二神经网络模型用于对 车道线进行分割， 第二分割图为全图连通的分割 图； 基于第一分割图和第二分割图确定车道线的 分类结果。 本发 明解决了由于车辆行驶过程中高 级辅助驾驶系统无法区别车道线的虚实信息造 成的车辆运动控制能力提升受限的技 术问题。 权利要求书2页 说明书10页 附图2页 CN 115439820 A 2022.12.06 CN 115439820 A 1.一种车道线检测方法， 其特 征在于， 包括： 获取待识别图像， 其中， 所述待识别图像的显示内容包括： 待识别的车道线； 利用第一神经网络模型对所述待识别图像进行分析， 得到第 一分割图， 其中， 所述第一 神经网络模型用于对所述待识别图像进行全图分割， 所述第一分割图为全图非连通的分割 图； 利用第二神经网络模型对所述待识别图像进行分析， 得到第 二分割图， 其中， 所述第二 神经网络模型用于对所述车道线 进行分割， 所述第二分割图为全图连通的分割图； 基于所述第一分割图和所述第二分割图确定所述车道线的分类结果。 2.根据权利要求1所述的车道线检测方法， 其特征在于， 所述第 一神经网络模型使用多 组图像数据通过机器学习训练得到， 所述多组图像数据中的每组图像数据均包括： 原始图 像和所述原 始图像中标注的全图语义分割的类别。 3.根据权利要求1所述的车道线检测方法， 其特征在于， 所述第 二神经网络模型使用多 组图像数据通过机器学习训练得到， 所述多组图像数据中的每组图像数据均包括： 原始图 像和所述原 始图像中标注的车道线。 4.根据权利要求1所述的车道线检测方法， 其特征在于， 基于所述第 一分割图和所述第 二分割图确定所述车道线的分类结果包括： 将所述第一分割图和所述第二分割图投影至相同的目标坐标系； 在所述目标坐标系下， 计算所述第 一分割图与 所述第二分割图中对应位置上的车道线 长度比值， 得到计算结果； 基于所述计算结果与预设阈值的比较结果， 确定所述车道线的分类结果。 5.根据权利要求4所述的车道线检测方法， 其特征在于， 计算所述第 一分割图与所述第 二分割图中对应位置上的车道线长度比值， 得到所述计算结果包括： 从所述第一分割图中获取待计算对象的第 一起始点坐标信 息、 第一标志位信 息和第一 序号信息， 以及从所述第二分割图中获取所述待计算对 象的第二起始点坐标信息、 第二标 志位信息和第二序号信息； 当通过所述第一标志位信息和所述第二标志位信息确定所述待计算对象的类别均为 所述车道线， 并且通过所述第一序号信息和所述第二序号信息确定所述待计算对象位于所 述第一分割图与所述第二分割图中对应位置上时， 利用所述第一起始点坐标信息和所述第 二起始点坐标信息计算所述待计算对象的车道线长度比值， 得到所述计算结果。 6.根据权利要求4所述的车道线检测方法， 其特征在于， 基于所述计算结果与 所述预设 阈值的比较结果， 确定所述车道线的分类结果包括： 当所述计算结果大于所述预设阈值时， 确定所述车道线的分类结果 为实线； 当所述计算结果小于或等于所述预设阈值时， 确定所述车道线的分类结果 为虚线。 7.一种车道线检测装置， 其特 征在于， 包括： 获取模块， 用于获取待识别图像， 其中， 所述待识别图像的显示内容包括： 待识别的车 道线； 第一分析模块， 用于利用第一神经网络模型对所述待识别图像进行分析， 得到第一分 割图， 其中， 所述第一神经网络模型用于对所述待识别图像进 行全图分割， 所述第一分割图 为全图非连通的分割图；权　利　要　求　书 1/2 页 2 CN 115439820 A 2第二分析模块， 用于利用第二神经网络模型对所述待识别图像进行分析， 得到第二分 割图， 其中， 所述第二神经网络模型用于对所述车道线进行分割， 所述第二分割图为全图连 通的分割图； 检测模块， 用于基于所述第一分割图和所述第二分割图确定所述车道线的分类结果。 8.一种非易失性存储介质， 其特征在于， 所述存储介质中存储有计算机程序， 其中， 所 述计算机程序被设置为 运行时执 行所述权利要求1至 6任一项中所述的车道线检测方法。 9.一种处理器， 其特征在于， 所述处理器用于运行程序， 其中， 所述程序被设置为运行 时执行所述权利要求1至 6任一项中所述的车道线检测方法。 10.一种电子装置， 包括存储器和 处理器， 其特征在于， 所述存储器中存储有计算机程 序， 所述处理器被设置为运行所述计算机程序以执行所述权利要求 1至6任一项中所述的车 道线检测方法。权　利　要　求　书 2/2 页 3 CN 115439820 A 3