本发明涉及一种基于全局特征优化和形状特征感知聚合的车道线检测方法，属于自动驾驶技术领域。该方法提出一个融合了全局特征优化器（GFO）和自适应车道几何聚合器（ALGA）这两个核心组件的车道线检测模型，其通过全局特征优化器使得模型能够对图像中的局部和全局特征进行充分地融合，有效过滤不重要的信息，同时使用自适应车道几何聚合器来有效地利用好车道线特殊的形状先验信息，从而使模型能够有效地应对弯道和车道线缺失等复杂场景，有效地缓解了之前的方法中模型遇到复杂情况时性能下降的问题。
📄 202410851356X
📂 G06V20_56
👤 闽江学院
📅 2024-06-28
本发明公开了一种基于高精度地图融合的车道线检测方法，包括以下步骤：S1、对由车载相机提取的图片进行车道线分割操作，得到车道线分割图像；S2、求取各个车道线分割图像间的相交区域，得到相交连通域；S3、将相同相交连通域的重心点连接，形成相交连通域的线特征；S4、通过对车辆定位的结果由预设的高精度地图数据库中调取对应位置的车道线，将S3得到的线特征与由高精度地图数据库中调取的对应位置的车道线进行比对和匹配，得到属于同一车道线的线段特征；S5、将属于同一车道线的线段特征进行拟合，即得对应车道线的参数方程。其通过将视觉对车道线的检测和高精度地图的结合，实现了高精度、高鲁棒性的车道线检测。
📄 2018116307234
📂 G06K9_00
👤 禾多科技(北京)有限公司
📅 2018-12-29
本发明涉及车道线检测领域，具体涉及一种基于语义分割的车道线检测的方法、系统及存储介质，所述方法包括将输入图像的特征数据，进行图像二值化语义分割，得到车道线的像素点，结合所述数据集预测车道线输出类别，并计算分类概率；根据分类概率及车道线方向的变化动态调整聚类算法的权重系数及球体半径，通过所述聚类算法对像素点进行分类，采用曲线拟合算法参数化每一条车道线。本实施例针对复杂的交通环境，将语义分割与自适应聚类方法相结合，实现了车道线的像素级识别，能够满足自动驾驶的迫切需要，且其高性能的检测算法对于自动驾驶的实际应用价值和安全价值具有非常重要的意义。
📄 2020115084804
📂 G06V20_56
👤 北京国家新能源汽车技术创新中心有限公司
📅 2020-12-18
本申请涉及一种基于混合坐标关键点估计的车道线检测方法，本方法通过提取出行、列锚置信度特征图，可以从中提取出置信度较高的坐标点；通过提取行、列锚偏移量特征图，可以确认置信度较高的坐标点对应的偏移量，进而可以基于该偏移量进行坐标点修正，以消除量化误差，最终提升后续检测的准确度；另外，本方法还在行锚检测方法的基础上结合了列锚检测方法，通过判断目标行锚车道线的斜率和目标列锚车道线的斜率之间的平均值的绝对值与第二阈值之间的大小来选择目标行锚车道线或目标列锚车道线作为输出，有效解决了传统关键点估计方法因无法有效表征场景中倾斜角度过大的车道线导致的漏检问题，提升车道线最终检测的准确度。
📄 2024116560967
📂 G06V20_56
👤 中南大学
📅 2024-11-19
本发明公开了自动驾驶场景下的轻量化车道线检测方法。所述方法包括如下步骤：构建车道线教师检测模型和学生检测模型，并加载训练好的教师检测模型权重；获取车道线数据集，分别输入到教师和学生车道线检测模型；利用非对称加权蒸馏模块，将教师模型中的知识传递学生模型；利用级联特征细化模块提取车道线特征信息并融合不同粒度信息进一步增强特征；利用双向聚合偏离头，通过扩张水平和垂直方向的空间感受野范围，提高车道线的拓扑结构表示能力，并获取最终的车道线坐标预测序列。所述方法实现了非对称加权注意力蒸馏和级联特征细化，在不牺牲车道线检测精度的同时，有效降低了模型的参数量和整体推理时间。
📄 2025113304893
📂 G06V20_56
👤 石家庄铁道大学
📅 2025-09-17
本发明公开了一种基于多维协同注意力和特征聚合的车道线检测方法，包括以下步骤：构建车道线检测模型，包括特征提取网络模块、辅助分割网络模块、特征信息传递模块和存在分支模块；将车道图片输入到特征提取网络模块进行特征提取，输出获得多层尺度特征图；使用辅助分割网络模块将多层特征图进行融合，当模型训练时，提供局部细节；使用特征信息传递模块对特征图进行信息传递，使每个像素都能获得全局信息，最后通过存在定位模块排除不存在的车道线和输出车道线；本发明方法通过引入多维协同注意力和特征信息传递模块，分别提高模型的特征提取和感知全局信息的能力，在提高复杂环境下精度的同时，检测速度也有优势，满足实时性的需求。
📄 2024110172474
📂 G06V20_58
👤 江西师范大学
📅 2024-07-29
本发明属于车道线检测技术领域，具体涉及一种基于机器视觉的车道线检测方法、检测系统及检测装置，其中基于机器视觉的车道线检测方法，包括：采集车道线的视频；以及识别视频中的车道线，实现了提高检测的准确率和实时性，对于有阴影或者光照不均的路面也能准确检测。
📄 2021107125563
📂 G06V20_56
👤 江苏理工学院
📅 2021-06-25
本发明涉及一种车道线检测识别方法，包括以下步骤：A：通过安装在车顶的车载摄像头在汽车行驶过程中采集车道前方的道路视频，剔除视频帧中模糊图片，从而得到车道线检测与识别的图像帧；B：车载终端通过通信模块获取已经在信息服务云平台预训练的车道线检测模型，将车载摄像头经过过滤后的图像帧传给处理器，处理器经过预训练的模型处理得到含有车道线的感兴趣区域；C：在含有车道线的感兴趣区域通过颜色、虚实、线数和曲直四个特征量表示车道线的检测识别。本发明能够克服车道线部分遮挡、部分缺失和模糊等影响，能对车道线的颜色、线数、虚实和曲直进行准确的检测识别，对车道线的检测识别效果好。
📄 2018115950518
📂 G06V20_58
👤 重庆邮电大学
📅 2018-12-25
本发明提供了一种基于单应性变换和特征窗口的车道线检测方法及系统。本方法重新设置视频图像的大小；利用摄像机内部参数对图像失真进行校准；对图像进行多边形填充，得到一块ROI区域；融合图像的颜色、直方图均衡化和梯度特征，经形态学滤波后阈值化处理得到二值图像；进行单应性变换，得到变换后的平面车道线的二值图像；使用特征提取窗口搜索车道线像素点并进行多项式拟合，确定车道线方程；通过透视变换将车道线投影到原图，完成车道线检测追踪的可视化。本发明可以检测弯曲车道线，对光照、车道线缺损和路面阴影有较好的鲁棒性，算法确定单帧图像中车道线边界耗时0.0387秒，保证了算法的实时性，充分证明本发明有较好的应用价值。
📄 2019106274277
📂 G06K9_00
👤 淮阴工学院
📅 2019-07-12
柿子坊 · 知识产权运营
柿子坊知识产权运营平台