基于深度学习多任务网络的交通车道线检测方法及装置
基本信息
| 申请号 | CN201811222879.9 | 申请日 | - |
| 公开（公告）号 | CN109345547B | 公开（公告）日 | 2021-08-24 |
| 申请公布号 | CN109345547B | 申请公布日 | 2021-08-24 |
| 分类号 | G06T7/11;G06T7/13;G06T7/136;G06T3/40;G06K9/00 | 分类 | 计算；推算；计数; |
| 发明人 | 刘琰;高旭麟;薛超;白云飞 | 申请（专利权）人 | 天津天地伟业投资管理有限公司 |
| 代理机构 | 天津滨海科纬知识产权代理有限公司 | 代理人 | 戴文仪 |
| 地址 | 300450 天津市滨海新区华苑产业区（环外）海泰华科二路8号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开一种基于深度学习多任务网络的交通场景车道线检测方法及装置，该方法相对于传统的基于直线检测的车道线检测算法，引入了深度学习多任务卷积神经网络（CNN），提取车道线特征信息，充分利用图像各层细节信息，首先对图像进行亮度和边缘信息收集和评估，根据评估结果调整裁剪尺寸，把图像分成若干个像块，然后进行图像归一化，送入深度学习网络，输出车道线图像种类和坐标，再利用空域图像相关性，进行车道线拟合，从而最终实现不同场景和亮度下准确、快速识别车道线信息的功能。本发明适用于智能交通领域卡口相机和电子警察应用，在保证图像分析实时性的前提下，充分利用深度学习网络，有效提升了车道线检测功能的适应性和准确率。 |
