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

龍圖騰網(wǎng)獲悉北京理工大學;北京理工大學前沿技術研究院申請的專利一種基于生成對抗網(wǎng)絡的雨雪天車道線檢測方法及系統(tǒng)獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN115272995B 。

龍圖騰網(wǎng)通過國家知識產權局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202111184745.4，技術領域涉及：G06V20/58；該發(fā)明授權一種基于生成對抗網(wǎng)絡的雨雪天車道線檢測方法及系統(tǒng)是由魏超;朱耿霆;張婷;舒用杰設計研發(fā)完成，并于2021-10-12向國家知識產權局提交的專利申請。

本一種基于生成對抗網(wǎng)絡的雨雪天車道線檢測方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于生成對抗網(wǎng)絡的雨雪天車道線檢測方法及系統(tǒng)。該方法，包括：將雨雪天氣下的目標圖像輸入雨雪痕跡去除模型得到痕跡去除圖像；雨雪痕跡去除模型是由第一訓練集訓練生成對抗網(wǎng)絡得到的；將痕跡去除圖像輸入車道線特征提取模型得到車道線像素點和車道線高維特征；車道線特征提取模型是由第二訓練集訓練卷積神經(jīng)網(wǎng)絡模型得到的；卷積神經(jīng)網(wǎng)絡模型包括編碼器、語義分割支路和實例分割支路；實例分割支路包括第一卷積層、激勵層和第二卷積層；采用聚類算法根據(jù)車道線高維特征對車道線像素點聚類得到車道線實例；對車道線實例分段擬合得到目標圖像的車道線。本發(fā)明能在雨雪天氣下準確檢測車道線位置且適用于車道線數(shù)量未知的場景。

本發(fā)明授權一種基于生成對抗網(wǎng)絡的雨雪天車道線檢測方法及系統(tǒng)在權利要求書中公布了：1.一種基于生成對抗網(wǎng)絡的雨雪天車道線檢測方法，其特征在于，所述基于生成對抗網(wǎng)絡的雨雪天車道線檢測方法包括： 獲取雨雪天氣下的目標圖像； 將所述目標圖像輸入雨雪痕跡去除模型中，得到所述目標圖像的痕跡去除圖像；所述雨雪痕跡去除模型是采用第一訓練集對生成對抗網(wǎng)絡進行訓練得到的；所述第一訓練集包括加入雨雪痕跡的車道線圖像； 將所述目標圖像的痕跡去除圖像輸入車道線特征提取模型中，得到所述目標圖像的車道線像素點和所述目標圖像的車道線高維特征；所述車道線特征提取模型是采用第二訓練集對卷積神經(jīng)網(wǎng)絡模型進行訓練得到的；所述第二訓練集為采用所述雨雪痕跡去除模型對所述第一訓練集進行痕跡去除后的圖像；所述卷積神經(jīng)網(wǎng)絡模型包括編碼器以及與所述編碼器分別連接的語義分割支路和實例分割支路；所述語義分割支路用于輸出所述第二訓練集的車道線像素點；所述實例分割支路用于輸出所述第二訓練集的車道線高維特征；所述實例分割支路包括依次連接的第一卷積層、第二卷積層和上采樣層； 基于所述目標圖像的車道線高維特征，采用聚類算法對所述目標圖像的車道線像素點進行聚類，得到車道線實例； 對所述車道線實例進行分段擬合，得到所述目標圖像的車道線； 所述車道線特征提取模型的確定方法為： 獲取所述第二訓練集； 構建所述卷積神經(jīng)網(wǎng)絡模型；所述編碼器為ENet編碼器；所述語義分割支路為在每個上采樣過程中均嵌入注意力機制的ENet解碼器； 將所述第二訓練集輸入所述編碼器，并將所述編碼器輸出的圖像特征分別輸入所述語義分割支路和所述實例分割支路進行訓練，得到訓練好的卷積神經(jīng)網(wǎng)絡模型；所述訓練好的卷積神經(jīng)網(wǎng)絡模型為所述車道線特征提取模型； 所述基于所述目標圖像的車道線高維特征，采用聚類算法對所述目標圖像的車道線像素點進行聚類，得到車道線實例，具體包括： 采用置信度對所述目標圖像的車道線像素點進行篩選； 采用具有噪聲的基于密度的聚類方法，依據(jù)所述目標圖像的車道線高維特征對篩選后的車道線像素點進行聚類，得到車道線實例。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人北京理工大學;北京理工大學前沿技術研究院，其通訊地址為：100081 北京市海淀區(qū)紫竹院街道中關村南大街5號北京理工大學；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)”。