(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211036766.6 (22)申请日 2022.08.29 (65)同一申请的已公布的文献号 申请公布号 CN 115147801 A (43)申请公布日 2022.10.04 (73)专利权人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 吴彬　钟开　张通滨　杨建忠　 卢振　夏德国　黄际洲　 (74)专利代理 机构 北京易光知识产权代理有限 公司 11596 专利代理师 阎敏　徐升升 (51)Int.Cl. G06V 20/56(2022.01)G06N 3/04(2006.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) 审查员 林筱枫 (54)发明名称 车道线识别方法、 装置、 电子设备及存储介 质 (57)摘要 本公开提供了车道线识别方法、 装置、 电子 设备及存储介质， 涉及人工智 能技术领域， 尤其 涉及智慧交通、 自动驾驶、 高精地图、 深度学习技 术领域。 具体实现方案为： 提取原始图像的基础 特征； 利用原始图像的基础特征， 识别原始图像 中的至少一个车道线关键点； 利用至少一个车道 线关键点， 从该原始图像的基础特征中提取局部 特征， 并将基础特征和局部 特征进行融合； 以及， 基于融合后的结果， 识别原始图像中的车道线。 本公开能够提高车道线识别效果。 权利要求书3页 说明书10页 附图6页 CN 115147801 B 2022.12.23 CN 115147801 B 1.一种车道线识别方法， 包括： 提取原始图像的基础特 征； 利用所述原 始图像的基础特 征， 识别所述原 始图像中的至少一个车道线关键点； 利用所述至少一个车道线关键点， 从所述原始图像的基础特征中提取局部特征， 并将 所述基础特 征和所述局部特 征融合； 以及， 基于融合后的结果， 确定所述原 始图像的车道线编码信息； 利用所述车道线编码信息识别所述原 始图像中的车道线； 其中， 所述原始图像的车道线编码信息包括所述原始图像中各个像素的第一信息， 所 述第一信息包括以下至少一项： 所述像素 是否为车道线关键点； 所述像素的邻接车道线关键点的个数； 所述像素与所述邻接车道线关键点的位置关系。 2.根据权利要求1所述的方法， 其中， 所述各个 像素的第一信息采用三维向量表示； 所述三维向量中的两个元素表示所述像素在所述原始图像中的位置， 所述三维向量中 的另一个元 素表示所述像素的第一信息 。 3.根据权利要求1或2所述的方法， 其中， 在所述像素是车道线关键点的情况下， 所述像 素与所述邻接车道线关键点的位置关系， 包括： 所述像素与所述邻接车道线关键点的连接线相对于所述原始图像的坐标轴的偏向角 度； 以及， 所述像素与所述邻接车道线关键点的连接线的长度。 4.根据权利要求1或2所述的方法， 其中， 利用所述车道线关键点， 从所述原始图像的基 础特征中提取局部特 征， 包括： 利用所述车道线关键点构建多个局部 框； 利用所述多个局部 框对所述原 始图像的基础特 征进行切分， 得到所述局部特 征。 5.根据权利要求4所述的方法， 其中， 所述利用所述车道线关键点构建多个局部框， 包 括： 利用所述车道线关键点构建四个局部框， 使所述车道线关键点分别位于所述 四个局部 框的右下角、 左下角、 右上角和左上角； 所述四个局部 框的尺寸 为预先设定的值。 6.根据权利要求5所述的方法， 其中， 所述基础特征采用第一向量表示， 所述局部特征 采用第二向量表示； 所述将所述基础特征和所述局部特征融合， 包括： 将所述第一向量和所述第二向量进 行组合， 得到第三向量。 7.根据权利要求1或2所述的方法， 其中， 所述利用所述原始图像的基础特征， 识别所述 原始图像中的至少一个车道线关键点， 包括： 利用所述原始图像的基础特征， 确定所述原始图像对应的关键点分布信息， 所述关键 点分布信息用于表示所述原 始图像中的至少一个车道线关键点； 所述关键点分布信息中包 含每个像素的类型。 8.一种车道线识别装置， 包括：权　利　要　求　书 1/3 页 2 CN 115147801 B 2主干模块， 用于提取原 始图像的基础特 征； 关键点识别模块， 用于利用所述原始图像的基础特征， 识别所述原始图像中的至少一 个车道线关键点； 提取及融合模块， 用于利用所述至少一个车道线关键点， 从所述原始图像的基础特征 中提取局部特 征， 并将所述基础特 征和所述局部特 征融合； 以及， 车道线识别模块， 用于基于融合后的结果， 识别所述原始图像中的车道线； 其中， 所述 车道线识别模块包括： 编码确定子模块， 用于基于融合后的结果， 确定所述原始图像的车道线编码信息； 其 中， 所述原始图像的车道线编码信息包括所述原始图像中各个像素 的第一信息， 所述第一 信息包括所述像素是否为车道线关键点、 所述像素 的邻接车道线关键点的个数、 以及所述 像素与所述邻接车道线关键点的位置关系中的至少一项； 识别子模块， 用于利用所述车道线编码信息识别所述原 始图像中的车道线。 9.根据权利要求8所述的装置， 其中， 所述各个 像素的第一信息采用三维向量表示； 所述三维向量中的两个元素表示所述像素在所述原始图像中的位置， 所述三维向量中 的另一个元 素表示所述像素的第一信息 。 10.根据权利要求8或9所述的装置， 其中， 在所述像素是车道线关键点的情况下， 所述 像素与所述邻接车道线关键点的位置关系， 包括： 所述像素与所述邻接车道线关键点的连接线相对于所述原始图像的坐标轴的偏向角 度； 以及， 所述像素与所述邻接车道线关键点的连接线的长度。 11.根据权利要求8或9所述的装置， 其中， 所述 提取及融合模块包括： 局部特征提取子模块， 用于利用所述车道线关键点构建多个局部框， 利用所述多个局 部框对所述原 始图像的基础特 征进行切分， 得到所述局部特 征。 12.根据权利要求1 1所述的装置， 其中， 所述局部特征提取子模块用于， 利用所述车道线关键点构建四个局部框， 使所述车道 线关键点分别位于所述四个局部 框的右下角、 左下角、 右上角和左上角； 所述四个局部 框的尺寸 为预先设定的值。 13.根据权利要求12所述的装置， 其中， 所述基础特征采用第一向量表示， 所述局部特 征采用第二向量表示； 所述提取及融合模块还 包括： 融合子模块， 用于将所述第一向量和所述第二向量进行组合， 得到第三向量。 14.根据权利要求8或9所述的装置， 其中， 所述关键点识别模块， 用于利用所述原始图 像的基础特征， 确定所述原始图像对应的关键点分布信息， 所述关键点分布信息用于表示 所述原始图像中的至少一个车道线关键点； 所述关键点分布信息中包 含每个像素的类型。 15.一种电子设备， 包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处 理器能够执 行权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/3 页 3 CN 115147801 B 3