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

龍圖騰網獲悉杭州電子科技大學申請的專利一種基于時序信息和網格化模型的車道線檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115909249B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211568204.6，技術領域涉及：G06V20/56；該發明授權一種基于時序信息和網格化模型的車道線檢測方法是由湯景凡;吳旺杰;張旻;姜明設計研發完成，并于2022-12-08向國家知識產權局提交的專利申請。

本一種基于時序信息和網格化模型的車道線檢測方法在說明書摘要公布了：本發明公開了一種基于時序信息的網格化模型的車道線檢測方法，包括S1、獲取車道線的順序圖像幀；S2、數據預存階段；S3、自注意力處理階段；S4、記憶提取階段；S5、解碼預測階段；S6、預測生成階段。該方法通過自注意力、交叉注意力和多尺度特征融合結合使用從而達到記憶生成和讀取的網絡結構。本發明通過對圖像網格化處理從而將車道線檢測問題建模成分類問題，達到減少計算量，提高計算速度的目的。模型整體流程分為當前幀流程和歷史幀流程，模型主干是當前幀流程，而歷史流程產出記憶信息供當前幀流程通過記憶提取模塊提取。本發明在歷史幀流程中復用之前時刻該圖像在當前幀流程提取的特征，避免重復計算從而進一步減小計算量。

本發明授權一種基于時序信息和網格化模型的車道線檢測方法在權利要求書中公布了：1.一種基于時序信息和網格化模型的車道線檢測方法，其特征在于，包括以下步驟： S1、獲取車道線的順序圖像幀并構建數據集； S2、數據預存階段 S2-1、截取順序圖像幀的前20幀，隨機抽取5幀作為初始歷史幀； S2-2、將抽取的圖像對應的車道mask進行網格化，得到每個網格分類屬于某條車道的概率矩陣M； S2-3、概率矩陣M輸入到主干網絡ResNet50組成的特征提取網絡E1進行特征提取，得到特征信息和 S2-4、將抽取的圖像單個輸入到主干網絡ResNet50組成的特征提取網絡E2進行特征提取，得到分別代表圖像淺層和深層信息的特征； S2-5、將代表圖像淺層和深層信息的特征拷貝疊加得到與和通道數和尺寸都相同的特征圖，記為和 S2-6、將特征信息和分別與特征圖和對應相加得到歷史記憶特征向量和 S2-7、抽取的5幀圖像重復步驟S2-1至S2-6，5次，得到5組歷史記憶特征向量和 S2-8、將5組特征向量經過順序和亂序兩種方式進行堆疊生成和 S3、自注意力處理階段 通過自注意力模塊分別接收與以提取淺層和深層的自注意力特征，通過提取淺層和深層的自注意力特征得到淺層自注意力特征和深層自注意力特征 即對初始歷史幀處理后的輸出； S4、記憶提取階段 在當前幀流程中，輸入為從數據集中按時間順序提取當前幀圖像f，對于當前幀的特征提取使用特征提取網絡E1提取出淺層和深層特征將提取出淺層和深層特征進行矩陣乘得到與分別與和進行交叉注意力計算，得到包含歷史記憶信息的淺層Tf和深層特征Td，公式如下： S5、解碼預測階段 輸入當前幀的圖像f、淺層特征Tf和深層特征Td，通過特征金字塔網絡進行特征融合，首先將深層特征Td進行反卷積降低特征通道數至于淺層特征Tf相同，然后在長寬維度上進行上采樣到與Tf相同，使得的T'd與Tf尺寸相同，對T'd與Tf相加，得到的特征向量重復以上操作與圖像f進行融合即得到最后的特征輸出Te； S6、預測生成階段 通過全連接層加上relu激活層作為預測輸出解碼網絡，首先對Te在長寬維度上進行下采樣，再將整個3維的特征圖拉直成一維的特征向量輸入到全連接層，輸出經過relu激活后又輸入到一層全連接層，最后得到預測的概率矩陣M，每一行取概率最高的網格即為車道線位置所在點，連點成線可標識為車道線。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州電子科技大學，其通訊地址為：310018 浙江省杭州市錢塘新區白楊街道2號大街1158號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。