買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉合肥工業(yè)大學(xué)申請(qǐng)的專利一種面向高級(jí)別自動(dòng)駕駛的車道線檢測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115761669B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202211419494.8，技術(shù)領(lǐng)域涉及：G06V20/56；該發(fā)明授權(quán)一種面向高級(jí)別自動(dòng)駕駛的車道線檢測(cè)方法是由姜俊昭;彭彬;楊文豪;盧劍偉;徐業(yè)凱;石琴;劉世茂;江昊設(shè)計(jì)研發(fā)完成，并于2022-11-14向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種面向高級(jí)別自動(dòng)駕駛的車道線檢測(cè)方法在說明書摘要公布了：本發(fā)明公開了一種面向高級(jí)別自動(dòng)駕駛的車道線檢測(cè)方法，利用由攝像頭采集到的含有車道線的樣本圖像獲得用于模型訓(xùn)練的真值數(shù)據(jù)，利用真值數(shù)據(jù)搭建并優(yōu)化獲得優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)模型；利用生成對(duì)抗網(wǎng)絡(luò)對(duì)待檢測(cè)圖像進(jìn)行去模糊適配處理，獲得待檢測(cè)車道線清晰圖像；利用優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)模型通過形態(tài)學(xué)處理、連通域分析和空間聚類對(duì)待檢測(cè)車道線清晰圖像進(jìn)行處理獲得車道線實(shí)例分割結(jié)果；利用激光雷達(dá)檢測(cè)路面獲得車道線位置信息，結(jié)合車道線位置信息和車道線實(shí)例分割結(jié)果獲得包含車道線類別信息和車道線位置信息的完整檢測(cè)結(jié)果。本發(fā)明能夠滿足高級(jí)別自動(dòng)駕駛對(duì)車道線檢測(cè)準(zhǔn)確率、召回率及信息完整性的要求。

本發(fā)明授權(quán)一種面向高級(jí)別自動(dòng)駕駛的車道線檢測(cè)方法在權(quán)利要求書中公布了：1.一種面向高級(jí)別自動(dòng)駕駛的車道線檢測(cè)方法，其特征是：利用由攝像頭采集到的含有車道線的樣本圖像獲得用于模型訓(xùn)練的真值數(shù)據(jù)，利用所述真值數(shù)據(jù)搭建并優(yōu)化獲得優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)模型；利用生成對(duì)抗網(wǎng)絡(luò)對(duì)待檢測(cè)圖像進(jìn)行去模糊適配處理，獲得待檢測(cè)車道線清晰圖像；利用所述優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)模型通過形態(tài)學(xué)處理、連通域分析和空間聚類對(duì)所述待檢測(cè)車道線清晰圖像進(jìn)行處理獲得車道線實(shí)例分割結(jié)果；利用激光雷達(dá)檢測(cè)路面獲得車道線位置信息，結(jié)合所述車道線位置信息和車道線實(shí)例分割結(jié)果獲得包含車道線類別信息和車道線位置信息的完整檢測(cè)結(jié)果；所述面向高級(jí)別自動(dòng)駕駛的車道線檢測(cè)方法按如下步驟進(jìn)行： 步驟1：針對(duì)由攝像頭采集到的含有車道線的樣本圖像進(jìn)行車道線類別定義，獲得車道線標(biāo)注規(guī)范；利用所述車道線標(biāo)注規(guī)范對(duì)車道線進(jìn)行類別標(biāo)注獲得模型訓(xùn)練用真值數(shù)據(jù)； 步驟2：對(duì)所述真值數(shù)據(jù)進(jìn)行圖像增強(qiáng)和類別比例適配，獲得增強(qiáng)真值數(shù)據(jù)； 步驟3：利用所述增強(qiáng)真值數(shù)據(jù)按如下方式搭建包含層間特征聚合模塊和層內(nèi)信息循環(huán)傳遞模塊的卷積神經(jīng)網(wǎng)絡(luò)模型： 以所述增強(qiáng)真值數(shù)據(jù)為輸入，利用所述層間特征聚合模塊對(duì)不同網(wǎng)絡(luò)分支的輸出特征圖進(jìn)行多尺度特征融合；利用所述層內(nèi)信息循環(huán)傳遞模塊對(duì)所述增強(qiáng)真值數(shù)據(jù)中的車道線像素進(jìn)行稀疏特征空間的信息增強(qiáng)；根據(jù)獨(dú)熱機(jī)制設(shè)計(jì)所述卷積神經(jīng)網(wǎng)絡(luò)模型的輸出維度，定義包含多分類焦點(diǎn)損失、像素聚類損失及正則項(xiàng)的加權(quán)綜合損失函數(shù)，采用隨機(jī)梯度下降算法優(yōu)化所述加權(quán)綜合損失函數(shù)，更新卷積神經(jīng)網(wǎng)絡(luò)模型參數(shù)，獲得優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)模型； 步驟4：利用雨、雪和霧傳感器判斷天氣狀況，若判斷為雨、雪或霧天，則利用生成對(duì)抗網(wǎng)絡(luò)對(duì)雨、雪和霧天采集到的待檢測(cè)圖像進(jìn)行去模糊適配處理，獲得待檢測(cè)車道線清晰圖像；若判斷為非雨、雪和霧天，則所述待檢測(cè)圖像即為待檢測(cè)車道線清晰圖像； 步驟5：利用所述優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)所述待檢測(cè)車道線清晰圖像進(jìn)行車道線信息推理，獲得包含車道線類別信息的語(yǔ)義分割結(jié)果，對(duì)所述語(yǔ)義分割結(jié)果進(jìn)行形態(tài)學(xué)處理、連通域分析和空間聚類，獲得包含車道線類別信息的實(shí)例分割結(jié)果； 步驟6：對(duì)激光雷達(dá)掃描的路面信息進(jìn)行回波強(qiáng)度差異提取，獲得包含車道線像素的灰度圖，對(duì)所述灰度圖進(jìn)行DBSCAN聚類，獲得具有車道線位置信息的激光雷達(dá)檢測(cè)結(jié)果； 步驟7：對(duì)所述實(shí)例分割結(jié)果與所述車道線位置信息進(jìn)行時(shí)空配準(zhǔn)和像素語(yǔ)義匹配融合，獲得包含車道線類別信息與位置信息的完整檢測(cè)結(jié)果，實(shí)現(xiàn)車道線檢測(cè)。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人合肥工業(yè)大學(xué)，其通訊地址為：230009 安徽省合肥市包河區(qū)屯溪路193號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。