CN110163176B - 车道线变化位置识别方法、装置、设备和介质 - Google Patents

Abstract

本发明实施例公开了一种车道线变化位置识别方法、装置、设备和介质，其中，该方法包括：利用道路图像确定道路上车道线的候选变化位置；依据道路图像以及道路图像的语义图像，得到通道为预设数量的目标图像；基于目标图像对车道线的候选变化位置进行验证，并将验证通过的候选变化位置确定为车道线的目标变化位置。本发明实施例可以实现准确识别车道线的变化位置，从而在交通导航或者自动驾驶等过程中提供准确的行车指示。

Description

车道线变化位置识别方法、装置、设备和介质

技术领域

本发明实施例涉及智能交通技术领域，尤其涉及一种车道线变化位置识别方法、装置、设备和介质。

背景技术

车道线是非常重要的交通要素。在导航或者自动驾驶过程中，准确提取车道线是提供准确地出行服务的基本需求之一。根据车道线的颜色属性、虚实属性和单双属性的不同，可以给出不同的车辆行驶方案。例如，黄色车道线是比较特殊的隔离线，其与物理隔离一样发挥隔离道路的作用。与物理隔离不同的是，根据黄色车道线的虚实属性可以确定车辆是否能够跨越车道线，因此，一般情况下，黄色车道线的实线部分与虚线部分的变化位置(即虚实交界处)通常为掉头口，正确检测或识别出黄色车道线的虚实线变化位置，可以给出车辆是否可以掉头的提示。

现有技术中，通常是通过对采集的图像进行特征点提取以及图像分割等处理操作后，便确定车道线上实线部分与虚线部分的变化位置。然而，考虑实际的交通环境的变化性，现有方法很容易因为道路图像的拍摄角度差异以及车道线被遮挡等因素，而导致车道线上实线部分与虚线部分的变化位置检测不准确。例如，拍摄角度差异的存在，可能导致某帧图像上可以检测到该车道线的变化位置，而在其他帧图像上则无法检测到；车道线被遮挡时，导致识别的车道线上的变化位置与车道线的实际变化位置不相符，即出现变化位置的误识别。

发明内容

本发明实施例提供一种车道线变化位置识别方法、装置、设备和介质，以实现准确识别车道线的变化位置，从而在交通导航或者自动驾驶等过程中提供准确的行车指示。

第一方面，本发明实施例提供了一种车道线变化位置识别方法，该方法包括：

利用道路图像确定道路上车道线的候选变化位置；

依据所述道路图像以及所述道路图像的语义图像，得到通道为预设数量的目标图像；

基于所述目标图像对所述车道线的候选变化位置进行验证，并将验证通过的候选变化位置确定为所述车道线的目标变化位置。

第二方面，本发明实施例还提供了一种车道线变化位置识别装置，该装置包括：

候选变化位置确定模块，用于利用道路图像确定道路上车道线的候选变化位置；

目标图像确定模块，用于依据所述道路图像以及所述道路图像的语义图像，得到通道为预设数量的目标图像；

目标变化位置确定模块，用于基于所述目标图像对所述车道线的候选变化位置进行验证，并将验证通过的候选变化位置确定为所述车道线的目标变化位置。

第三方面，本发明实施例还提供了一种设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的车道线变化位置识别方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例所述的车道线变化位置识别方法。

本发明实施例通过利用道路图像以及道路图像的语义图像，得到通道为预设数量的目标图像，基于该目标图像对初步确定的车道线的候选变化位置进行验证，并将验证通过的候选变化位置确定为车道线的目标变化位置，实现了准确识别车道线的变化位置，解决了行车过程中车道线变化位置的识别准确率较低的问题，从而在交通导航或者自动驾驶等过程中提供准确的行车指示。

附图说明

图1是本发明实施例一提供的车道线变化位置识别方法的流程图；

图2是本发明实施例二提供的车道线变化位置识别方法的流程图；

图3是本发明实施例二提供的另一种车道线变化位置识别方法的流程图；

图4是本发明实施例三提供的车道线变化位置识别装置的结构示意图；

图5是本发明实施例四提供的一种设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1是本发明实施例一提供的车道线变化位置识别方法的流程图，本实施例可适用于在交通导航或者自动驾驶过程中，对行驶道路上车道线的变化位置进行准确识别的情况，例如识别道路上黄色车道线的实线部分与虚线部分的变化位置，该方法可以由车道线变化位置识别装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成在任意的计算设备上，例如车载计算设备。

如图1所示，本实施例提供的车道线变化位置识别方法可以包括：

S110、利用道路图像确定道路上车道线的候选变化位置。

在行车过程中，可以利用车辆上安装的图像采集装置对当前行车环境进行实时的图像采集，结合车道线识别技术对每一帧道路图像上的车道线进行识别，并初步确定车道线的候选变化位置。待确定变化位置的车道线可以道路图像上的任意车道线，例如，可以是车辆当前行驶车道左右两侧的车道线，也可以是根据导航需求，由用户指定的特定车道线。其中，车道线的变化位置是指车道线的属性发生变化时，不同属性的车道线的交界处，车道线的属性包括车道线的颜色和车道线的线类型(实线或者虚线)。例如，属于同一颜色的车道线上，虚线和实线的交界处；或者不同颜色的车道线的交界处等，均属于本实施例中的车道线的变化位置。车道线作为道路上的重要交通要素，准确识别车道线的变化位置，进而给出正确的行车提示，对于确保交通安全非常必要。

可选的，利用道路图像确定道路上车道线的候选变化位置，包括：

利用预先构建的神经网络对道路图像进行像素分类，得到道路图像的语义图像，并确定语义图像上的车道线；

根据车道线的属性变化(包括车道线颜色的变化和车道线线类型的变化)，确定车道线的候选变化位置。

例如，可以利用预先构建的深度神经卷积网络对每一帧道路图像进行像素分类，或者称为语义分割，得到每一帧道路图像的语义图像，分离出车道线，同时确定每条车道线的属性；然后可以根据虚线类车道线与实线类车道线的变化交界处，确定车道线关于虚实线类型变化的候选变化位置。实线类车道线与虚线类车道线的区分，可以根据车道线上断裂线段的占比进行确定。

S120、依据道路图像以及道路图像的语义图像，得到通道为预设数量的目标图像。

目标图像的通道数量与初始获取的道路图像的通道数量和该道路图像的语义图像(指经像素分类处理后得到的图像)的通道数量有关，本实施例不作具体限定。具体的，可以利用图像合并技术，将道路图像和对应的语义图像进行组合，得到通道数为预设数量的目标图像，该目标图像相当于对初始获取的道路图像上的车道线信息进行标注后的新的图像，结合了道路图像和语义图像上的道路信息，用于对初步确定的车道线候选变化位置的验证，以提高车道线变化位置的识别或检测精度。

S130、基于目标图像对车道线的候选变化位置进行验证，并将验证通过的候选变化位置确定为车道线的目标变化位置。

得到目标图像后，可以利用预先训练的车道线变化位置识别模型或者预先构建的用于识别车道线变化位置的神经网络，对目标图像进行识别处理，确定当前识别的车道线变化位置与在前确定的车道线候选变化变化位置是否一致，如果一致，则说明在前确定的车道线候选变化位置验证通过，可以基于验证结果提供与车道线变化位置相应的行车提示。通过车道线变化位置的初步确定与后续验证的结合，可以排除识别干扰，减少因道路图像的拍摄角度差异以及车道线被遮挡等因素，而导致车道线变化位置的识别结果不准确以及识别结果存在偶然性的情况，进而保证行车提示的准确性。

示例性的，基于目标图像对车道线的候选变化位置进行验证，包括：基于目标图像，利用二分类网络对车道线的候选变化位置进行验证，即将目标图像作为二分类网络的输入，通过输出结果：是与否，确定车道线的候选变化位置是否属于识别正确的车道线变化位置，即目标变化位置。

在上述技术方案的基础上，可选的，确定语义图像上的车道线可以包括：

在语义图像上确定各条车道线的消逝点；

利用消逝点以及预设距离阈值，在语义图像上拟合属于实线类型的车道线和属于虚线类型的车道线。

其中，消逝点是指语义图像上多条车道线由近及远的虚拟交汇点，预设距离阈值可以依据属于虚线类型的车道线上相邻虚线段之间的距离进行设置。通过利用消逝点与预设距离阈值对语义图像上的车道线进行拟合，可以避免因道路图像的实时采集过程中，由于车道线被遮挡或者车道线损耗(例如颜色缺失)而导致对车道线所属的线类型识别出错的情况。例如，道路上的车道线因为路面发生较小损坏而发生中断或者车道线部分颜色缺失而发生中断，则图像采集装置采集的某帧道路图像上便会显示车道线中断，通过判断当前帧道路图像的语义图像上车道线中断部分的长度与预设距离阈值的关系，确定是否将该车道线拟合为一条连续的直线，例如，如果确定车道线中断部分的长度大于或等于该预设距离阈值，则可以将该车道线中断部分作为虚线类车道线上虚线段之间的间隔；如果确定车道线中断部分的长度小于该预设距离阈值，则可以将与该车道线中断部分连接的两段车道线拟合为连续直线。

进一步的，考虑行车过程中图像采集装置的拍摄角度与光照等因素的影响，获取的道路图像上可能会存在干扰，导致车道线的识别结果不准确，例如光照反射将车道线的反射光形成的直线误识别为真实车道线，进而影响车道线变化位置的判断，因此，为保证车道线识别结果的准确性，在确定语义图像上的车道线之后，该方法还包括：根据道路上的车道宽度，对车道线进行过滤。即相邻车道线之间的距离与对应的车道宽度一致时，才属于真正的车道线，如果相邻车道线之间距离小于车道宽度，则说明相邻车道线中至少一条车道线属于非真实的车道线，通过车道线之间距离的循环判断，将非真实的车道线进行过滤。

本实施例的技术方案通过利用道路图像以及道路图像的语义图像，得到通道为预设数量的目标图像，基于该目标图像对初步确定的车道线的候选变化位置进行验证，并将验证通过的候选变化位置确定为车道线的目标变化位置，实现了准确识别车道线的变化位置，解决了行车过程中由于车道线被遮挡或者一帧图像中未拍摄全等因素导致车道线变化位置的识别准确率较低的问题，并具有较高的鲁棒性，可以确保在交通导航或者自动驾驶等过程中提供准确的行车指示。

实施例二

图2是本发明实施例二提供的车道线变化位置识别方法的流程图，本实施例是在上述实施例的基础上进一步进行优化。如图2所示，该方法可以包括：

S210、获取道路图像流。

在行车过程中，随着道路图像的实时采集，道路图像的获取也是一个不间断的实时获取过程。

S220、确定是否可以利用一帧道路图像确定道路上车道线的候选变化位置。

如果在一帧道路图像上便可确定出车道线的候选变化位置，则执行操作S230；如果需要至少两帧图像确定车道线的候选变化位置，则执行操作S250。通常，需要至少两帧道路图像确定车道线的候选变化位置的情况，包括车道线被其他车辆或者障碍物遮挡，或者一帧图像上拍摄的车道线不完整，导致无法通过一帧图像确定车道线的变化位置。

S230、分别对确定出车道线的候选变化位置的当前帧道路图像以及当前帧道路图像的语义图像进行逆透视变换。

S240、将逆透视变换后的当前帧道路图像以及语义图像进行合并，得到通道为预设数量的目标图像。

逆透视变换是指将图像投影到一个新的视平面，在本实施例中，通过对道路图像和语义图像进行逆透视变换，可以得到当前道路的鸟瞰图，然后将两帧鸟瞰图进行合并，得到目标图像，以用于验证初始确定的车道线候选变化位置。

S250、分别对用于确定出车道线的候选变化位置的至少两帧道路图像，以及至少两帧道路图像的语义图像进行逆透视变换。

S260、将逆透视变换后的至少两帧道路图像进行拼接，得到第一拼接图像。

S270、将逆透视变换后的至少两帧语义图像进行拼接，得到第二拼接图像。

S280、将第一拼接图像和第二拼接图像进行合并，得到通道为预设数量的目标图像。

无论初始确定车道线候选变化位置是利用一帧道路图像或者至少两帧道路图像实现，在得到用于验证车道线变化位置的目标图像的过程中，均可以执行道路图像与对应的语义图像的逆透视变换。对于车道线候选变化位置是通过至少两帧道路图像确定的情况，还需要利用现有技术中任意可用的图像拼接技术，将逆透视变换后的至少两帧道路图像进行拼接，并将对应的逆透视变换后的至少两帧语义图像进行拼接，拼接后的图像可以完整显示车道线的变化位置，然后将两次拼接得到图像进行合并，得到目标图像，从而提高对车道线变化位置进行验证的准确性。

S290、基于目标图像对车道线的候选变化位置进行验证，并将验证通过的候选变化位置确定为车道线的目标变化位置。

图3以识别黄色车道线上虚线部分和实线部分的变化位置为例，示出了本实施例提供的另一种车道线变化位置识别方法的流程图。如图3所示，获取道路图像流，通过对每一帧道路图像进行语义分割，实现车道线切分，然后将多帧道路图像的车道线切分结果进行分析叠加，确定出道路上的车道线以及车道线属性。通过颜色识别，提取出黄色车道线，并对黄色车道线执行变化位置的识别操作，而对于非黄色车道线，则作为普通车道线输出其位置信息以及属性信息。在对黄色车道线执行变化位置的识别操作的过程中，首先确定是否可以利用一帧道路图像确定黄色车道线的候选变化位置(即图3中确定是否为完整的车道线变化点)；如果可以利用一帧道路图像确定黄色车道线的候选变化位置(即车道线变化点属于完整变化点)，则利用道路图像与对应的语义图像构成多通道图像；如果黄色车道线的候选变化位置需要利用多帧(大于或等于两帧)道路图像确定(即车道线变化点不属于完整变化点)，则将多帧道路图像进行拼接，并将对应的多帧语义图像进行拼接，利用拼接道路图像和拼接语义图像构成多通道图像；最后将得到的多通道图像作为二分类网络的输入，对黄色车道线的候选变化位置进行分类验证，并输出验证通过的黄色车道线变化位置(即车道线变化点)，给出可以掉头的行车提示。

本实施例的技术方案通过对道路图像以及道路图像的语义图像进行逆透视变换，将逆透视变换后的道路图像以及对应的语义图像进行合并，得到通道为预设数量的目标图像，其中，还涉及对至少两帧道路图像的拼接以及对应的至少两帧语义图像的拼接；基于目标图像对初步确定的车道线的候选变化位置进行验证，并将验证通过的候选变化位置确定为车道线的目标变化位置，实现了准确识别车道线的变化位置，解决了行车过程中由于车道线被遮挡或者一帧图像中未拍摄全等因素导致车道线变化位置的识别准确率较低的问题，从而确保了在交通导航或者自动驾驶等过程中提供准确的行车指示。

实施例三

图4是本发明实施例三提供的车道线变化位置识别装置的结构示意图，本实施例可适用于在交通导航或者自动驾驶过程中，对行驶道路上车道线的变化位置进行准确识别的情况，例如识别道路上黄色车道线的实线部分与虚线部分的变化位置。该装置可以采用软件和/或硬件的方式实现，并可集成在任意的计算设备上，例如车载计算设备。

如图4所示，本实施例提供的车道线变化位置识别装置可以包括候选变化位置确定模块310、目标图像确定模块320和目标变化位置确定模块330，其中：

候选变化位置确定模块310，用于利用道路图像确定道路上车道线的候选变化位置；

目标图像确定模块320，用于依据道路图像以及道路图像的语义图像，得到通道为预设数量的目标图像；

目标变化位置确定模块330，用于基于目标图像对车道线的候选变化位置进行验证，并将验证通过的候选变化位置确定为车道线的目标变化位置。

可选的，目标图像确定模块320包括：

逆透视变换单元，用于分别对道路图像以及道路图像的语义图像进行逆透视变换；

图像合并单元，用于将逆透视变换后的道路图像以及语义图像进行合并，得到通道为预设数量的目标图像。

可选的，如果道路图像包括至少两帧，则图像合并单元具体用于：

将逆透视变换后的至少两帧道路图像进行拼接，得到第一拼接图像；

将逆透视变换后的至少两帧语义图像进行拼接，得到第二拼接图像；

将第一拼接图像和第二拼接图像进行合并，得到通道为预设数量的目标图像。

可选的，目标变化位置确定模块330具体用于：

基于目标图像，利用二分类网络对车道线的候选变化位置进行验证，并将验证通过的候选变化位置确定为车道线的目标变化位置。

可选的，候选变化位置确定模块310包括：

车道线确定单元，用于利用预先构建的神经网络对道路图像进行像素分类，得到道路图像的语义图像，并确定语义图像上的车道线；

候选变化位置确定单元，用于根据车道线的属性变化，确定车道线的候选变化位置。

可选的，车道线确定单元包括：

像素分类子单元，用于利用预先构建的神经网络对道路图像进行像素分类，得到道路图像的语义图像；

消逝点确定子单元，用于在语义图像上确定各条车道线的消逝点；

车道线拟合子单元，用于利用消逝点以及预设距离阈值，在语义图像上拟合属于实线类型的车道线和属于虚线类型的车道线。

可选的，候选变化位置确定模块310还包括：

车道线过滤单元，用于根据道路上的车道宽度，对车道线进行过滤。

本发明实施例所提供的车道线变化位置识别装置可执行本发明任意实施例所提供的车道线变化位置识别方法，具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本发明任意方法实施例中的描述。

实施例四

图5是本发明实施例四提供的一种设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性设备412的框图。图5显示的设备412仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备412可以是任意的计算设备，例如车载计算设备。

如图5所示，设备412以通用设备的形式表现。设备412的组件可以包括但不限于：一个或者多个处理器416，存储装置428，连接不同系统组件(包括存储装置428和处理器416)的总线418。

总线418表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance，ISA)总线，微通道体系结构(Micro Channel Architecture，MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。

设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储装置428可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)430和/或高速缓存存储器432。设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘，例如只读光盘(Compact Disc Read-Only Memory，CD-ROM),数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块442的程序/实用工具440，可以存储在例如存储装置428中，这样的程序模块442包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。

设备412也可以与一个或多个外部设备414(例如键盘、指向终端、显示器424等)通信，还可与一个或者多个使得用户能与该设备412交互的终端通信，和/或与使得该设备412能与一个或多个其它计算终端进行通信的任何终端(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且，设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器420通过总线418与设备412的其它模块通信。应当明白，尽管图中未示出，可以结合设备412使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。

处理器416通过运行存储在存储装置428中的程序，从而执行各种功能应用以及数据处理，例如实现本发明任意实施例所提供的车道线变化位置识别方法，该方法可以包括：

利用道路图像确定道路上车道线的候选变化位置；

依据所述道路图像以及所述道路图像的语义图像，得到通道为预设数量的目标图像；

基于所述目标图像对所述车道线的候选变化位置进行验证，并将验证通过的候选变化位置确定为所述车道线的目标变化位置。

实施例五

本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的车道线变化位置识别方法，该方法可以包括：

利用道路图像确定道路上车道线的候选变化位置；

依据所述道路图像以及所述道路图像的语义图像，得到通道为预设数量的目标图像；

基于所述目标图像对所述车道线的候选变化位置进行验证，并将验证通过的候选变化位置确定为所述车道线的目标变化位置。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (16)

1.一种车道线变化位置识别方法，其特征在于，包括：

利用道路图像确定道路上车道线的候选变化位置；其中，所述候选变化位置是指所述车道线的属性发生变化时，不同属性的车道线的交界处，所述属性包括车道线颜色和车道线线类型；

依据所述道路图像以及所述道路图像的语义图像，得到通道为预设数量的目标图像；

基于所述目标图像对所述车道线的候选变化位置进行验证，并将验证通过的候选变化位置确定为所述车道线的目标变化位置。

2.根据权利要求1所述的方法，其特征在于，依据所述道路图像以及所述道路图像的语义图像，得到通道为预设数量的目标图像，包括：

分别对所述道路图像以及所述道路图像的语义图像进行逆透视变换；

将所述逆透视变换后的道路图像以及语义图像进行合并，得到所述通道为预设数量的目标图像。

3.根据权利要求2所述的方法，其特征在于，如果所述道路图像包括至少两帧，则将所述逆透视变换后的道路图像以及语义图像进行合并，得到所述通道为预设数量的目标图像，包括：

将所述逆透视变换后的至少两帧道路图像进行拼接，得到第一拼接图像；

将所述逆透视变换后的至少两帧语义图像进行拼接，得到第二拼接图像；

将所述第一拼接图像和所述第二拼接图像进行合并，得到所述通道为预设数量的目标图像。

4.根据权利要求1所述的方法，其特征在于，基于所述目标图像对所述车道线的候选变化位置进行验证，包括：

基于所述目标图像，利用二分类网络对所述车道线的候选变化位置进行验证。

5.根据权利要求1所述的方法，其特征在于，所述利用道路图像确定道路上车道线的候选变化位置，包括：

利用预先构建的神经网络对所述道路图像进行像素分类，得到所述道路图像的语义图像，并确定所述语义图像上的车道线；

根据所述车道线的属性变化，确定所述车道线的候选变化位置。

6.根据权利要求5所述的方法，其特征在于，确定所述语义图像上的车道线包括：

在所述语义图像上确定各条车道线的消逝点；

利用所述消逝点以及预设距离阈值，在所述语义图像上拟合属于实线类型的车道线和属于虚线类型的车道线。

7.根据权利要求5所述的方法，其特征在于，在确定所述语义图像上的车道线之后，所述方法还包括：

根据所述道路上的车道宽度，对所述车道线进行过滤。

8.一种车道线变化位置识别装置，其特征在于，包括：

候选变化位置确定模块，用于利用道路图像确定道路上车道线的候选变化位置；其中，所述候选变化位置是指所述车道线的属性发生变化时，不同属性的车道线的交界处，所述属性包括车道线颜色和车道线线类型；

目标图像确定模块，用于依据所述道路图像以及所述道路图像的语义图像，得到通道为预设数量的目标图像；

目标变化位置确定模块，用于基于所述目标图像对所述车道线的候选变化位置进行验证，并将验证通过的候选变化位置确定为所述车道线的目标变化位置。

9.根据权利要求8所述的装置，其特征在于，所述目标图像确定模块包括：

逆透视变换单元，用于分别对所述道路图像以及所述道路图像的语义图像进行逆透视变换；

图像合并单元，用于将所述逆透视变换后的道路图像以及语义图像进行合并，得到所述通道为预设数量的目标图像。

10.根据权利要求9所述的装置，其特征在于，如果所述道路图像包括至少两帧，则所述图像合并单元具体用于：

将所述逆透视变换后的至少两帧道路图像进行拼接，得到第一拼接图像；

将所述逆透视变换后的至少两帧语义图像进行拼接，得到第二拼接图像；

将所述第一拼接图像和所述第二拼接图像进行合并，得到所述通道为预设数量的目标图像。

11.根据权利要求8所述的装置，其特征在于，所述目标变化位置确定模块具体用于：

基于所述目标图像，利用二分类网络对所述车道线的候选变化位置进行验证，并将验证通过的候选变化位置确定为所述车道线的目标变化位置。

12.根据权利要求8所述的装置，其特征在于，所述候选变化位置确定模块包括：

车道线确定单元，用于利用预先构建的神经网络对所述道路图像进行像素分类，得到所述道路图像的语义图像，并确定所述语义图像上的车道线；

候选变化位置确定单元，用于根据所述车道线的属性变化，确定所述车道线的候选变化位置。

13.根据权利要求12所述的装置，其特征在于，所述车道线确定单元包括：

像素分类子单元，用于利用预先构建的神经网络对所述道路图像进行像素分类，得到所述道路图像的语义图像；

消逝点确定子单元，用于在所述语义图像上确定各条车道线的消逝点；

车道线拟合子单元，用于利用所述消逝点以及预设距离阈值，在所述语义图像上拟合属于实线类型的车道线和属于虚线类型的车道线。

14.根据权利要求12所述的装置，其特征在于，所述候选变化位置确定模块还包括：

车道线过滤单元，用于根据所述道路上的车道宽度，对所述车道线进行过滤。

15.一种设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的车道线变化位置识别方法。

16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的车道线变化位置识别方法。

Images