CN113989760A - 高精地图检测车道线的方法、装置、设备以及存储介质 - Google Patents

Abstract

本公开提供了一种检测车道线的方法、装置、设备以及存储介质，涉及人工智能技术领域，具体为智能交通和自动驾驶技术领域。该方法包括：获取车辆的采集装置采集的连续多张图像帧；确定连续多张图像帧中的每张图像帧对应的车道线实例；基于每张图像帧对应的车道线实例的实例子图像，确定车道线实例的属性信息；将每张图像帧对应的车道线实例的属性信息进行串接，得到完整的车道线信息；基于完整的车道线信息与预先构建的数据库中的信息，确定车道线的变化点位置。本公开提供的检测车道线的方法，该方法仅通过采集装置采集的多张图像数据便可构建当前车道线的完整信息，简单易操作，成本低，提高了检测车道线变化信息的效率。

Description

高精地图检测车道线的方法、装置、设备以及存储介质

技术领域

本公开涉及人工智能技术领域，具体涉及智能交通和自动驾驶技术领域，尤其涉及高精地图检测车道线的方法、装置、设备以及存储介质。

背景技术

高精地图也称高精度地图，是自动驾驶汽车使用。高精地图，拥有精确的车辆位置信息和丰富的道路元素数据信息，可以帮助汽车预知路面复杂信息，如坡度、曲率、航向等，更好地规避潜在的风险。实现高精地图要素的快速更新，解决地面要素的时效性，保持高精地图要素的鲜度，是高精地图制图和更新中很重要的一部分。为了实现高精地图要素的快速更新，一般采用“众包”车辆采集交通道路图像，并实时回传进行要素提取，发现地图要素的变化点，从而对地图要素进行更新。在所有的地图要素中，车道线是地图要素快速更新的重要组成部分。现有技术中，一般采用有内外参及定位数据的视觉图像来对车道线信息进行检测，该方式设备成本高；此外，基于视觉的全量差分，在有遮挡、光线变化情况下，容易出现误检的情况。

发明内容

本公开提供了一种检测车道线的方法、装置、设备以及存储介质。

根据本公开的第一方面，提供了一种检测车道线的方法，包括：获取车辆的采集装置采集的连续多张图像帧；确定连续多张图像帧中的每张图像帧对应的车道线实例；基于每张图像帧对应的车道线实例的实例子图像，确定车道线实例的属性信息；将每张图像帧对应的车道线实例的属性信息进行串接，得到完整的车道线信息；基于完整的车道线信息与预先构建的数据库中的信息，确定车道线的变化点位置。

根据本公开的第二方面，提供了一种检测车道线的装置，包括：获取模块，被配置成获取车辆的采集装置采集的连续多张图像帧；第一确定模块，被配置成确定连续多张图像帧中的每张图像帧对应的车道线实例；第二确定模块，被配置成基于每张图像帧对应的车道线实例的实例子图像，确定车道线实例的属性信息；串接模块，被配置成将每张图像帧对应的车道线实例的属性信息进行串接，得到完整的车道线信息；第三确定模块，被配置成基于完整的车道线信息与预先构建的数据库中的信息，确定车道线的变化点位置。

根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开可以应用于其中的示例性系统架构图；

图2是根据本公开的检测车道线的方法的一个实施例的流程图；

图3是根据本公开的检测车道线的方法的另一个实施例的流程图；

图4是根据本公开的检测车道线的方法的又一个实施例的流程图；

图5是根据本公开的检测车道线的方法的一个应用场景的示意图；

图6是根据本公开的检测车道线的装置的一个实施例的结构示意图；

图7是用来实现本公开实施例的检测车道线的方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的检测车道线的方法或检测车道线的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送信息等。终端设备101、102、103上可以安装有各种客户端应用。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以提供各种服务。例如，服务器105可以对从终端设备101、102、103获取的多张图像帧进行分析和处理，并生成处理结果(例如车道线的变化点位置)。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开实施例所提供的检测车道线的方法一般由服务器105执行，相应地，检测车道线的装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本公开的检测车道线的方法的一个实施例的流程200。该检测车道线的方法包括以下步骤：

步骤201，获取车辆的采集装置采集的连续多张图像帧。

在本实施例中，检测车道线的方法的执行主体(例如图1所示的服务器105)可以获取车辆的采集装置所采集的连续多张图像帧。其中，车辆可以为参与众包的车辆，也就是说，可以以众包模式来收集道路的图像数据(也可以称为道路视频数据)。具体的，使众多的低成本社会普通车辆(这些车辆称为众包车辆)参与到道路视频采集中，众包车辆在道路正常行驶的过程中，通过车载的采集装置对当前道路进行视频采集，并将采集到的视频数据进行上传，以使上述执行主体可以获取采集的多张图像帧。能够理解的是，从宏观角度来看，路网中的各条道路上行驶的众包车辆源源不断，通过采用众包模式采集道路视频，当路网中的任何一条道路发生变化时，能够及时地发现道路变化信息，一方面保证了道路变化信息的时效性和全面性，另一方面与专业采集车相比能降低采集成本。此外，车辆还可以为专业采集车，专业采集车中一般会设置有激光雷达、相机等采集装置，其可以通过采集装置对当前道路进行拍摄，并将采集到的连续图像帧进行上传，以使上述执行主体可以获取采集的多张图像帧。

其中，车辆上的采集装置可以在车辆行驶过程中对道路进行拍摄得到图像帧，采集装置可以安装在车辆的任意位置，只要能够实现对道路进行拍摄即可。

需要说明的是，车辆的采集装置一般还会有GPS(Global Positioning System，全球定位系统)设备，也即车辆的采集装置还会实时采集车辆的地理位置信息，上述执行主体还会获取采集的地理位置信息，并将采集的图像帧与采集的地理位置信息进行对应，从而使得每张图像帧都有对应的地理位置信息。

步骤202，确定连续多张图像帧中的每张图像帧对应的车道线实例。

在本实施例中，上述执行主体可以确定步骤201采集的多张图像帧中的每张图像帧对应的车道线实例。具体地，上述执行主体会分别对采集的连续多张图像帧中的每张图像帧进行处理，从而得到每张图像帧对应的车道线实例。例如，上述执行主体可以分别对每张图像帧进行实例分割，然后再对每张图像帧的分割结果进行图像内聚类，从而得到该图像帧对应的车道线实例，该车道线实例从最左侧的车道线开始索引，从左到右依次标注为1号车道线、2号车道线、3号车道线……以此类推。

步骤203，基于每张图像帧对应的车道线实例的实例子图像，确定车道线实例的属性信息。

在本实施例中，上述执行主体可以确定步骤202得到的每张图像帧对应的车道线实例的实例子图像，然后基于该实例子图像确定该车道线实例的属性信息。例如，上述执行主体可以对每张图像帧对应的车道线实例进行切分，通过切分可以得到上述车道线实例的多张实例子图像；然后在对每张实例子图像进行分类，得到每张实例子图像对应的车道线实例的属性信息；最后基于每张实例子图像对应的车道线实例的属性信息可以得到该张图像帧对应的车道线实例的属性信息。其中，属性信息包括但不限于车道线的颜色信息、车道线的虚实信息以及车道线的粗细信息等。

步骤204，将每张图像帧对应的车道线实例的属性信息进行串接，得到完整的车道线信息。

在本实施例中，上述执行主体可以将每张图像帧对应的车道线实例的属性信息进行串接，从而得到完整的车道线信息。本实施例中单个图像帧对应的车道线属性信息反映的是待检测道路中某一地理位置(即该图像帧所拍摄到的地理位置)处的当前车道线的属性信息。由于多个连续图像帧中记录了待检测道路的任意地理位置的车道线信息，因此，将每张图像帧对应的车道线实例的属性信息进行串接，能够得到待检测道路的当前车道线的完整信息。

需要说明的是，在一些实施例中，上述执行主体在将张图像帧对应的车道线实例的属性信息进行串接之后，还会对串接结果进行聚类，从而对被遮挡以及由于光线等因素下没有检测到的车道线的信息进行插值补全，从而使得得到的车道线信息更加完整、准确。

步骤205，基于完整的车道线信息与预先构建的数据库中的信息，确定车道线的变化点位置。

在本实施例中，上述执行主体可以基于步骤204得到的完整的车道线信息与预先构建的数据库中的信息来确定车道线的变化点位置。例如，上述执行主体首先可以基于完整的车道线信息确定图像侧车道线的属性变化位置，从而得到属性变化位置对应的变化节点图。然后，上述执行主体可以基于预先构建的包含历史车道线信息的数据库，确定数据库中该车道线的属性变化位置，从而得到属性变化位置对应的变化节点图。能够理解的是，对于道路中的每条车道线而言，在道路的某些地理位置车道线的属性可能会发生变化，例如：由虚线变为实线(或者由实线变为虚线)、由黄线变为白线(或者由白线变为黄线)、由粗线变为细线(或者由细线变为粗线)等。因此，对于一个图像帧中的某条车道线而言，该车道线的某种属性可能发生变化，也可能未发生变化。最后，上述执行主体可以将两个变化节点图进行差分，从而确定车道线的变化点位置。具体的，变化点可以包括数目变更点、颜色变更点、虚实变更点、粗细变更点等。上述执行主体可以确定车道线的数目变化、颜色变化、虚实变化、粗细变化等信息。

本公开实施例提供的检测车道线的方法，首先获取车辆的采集装置采集的连续多张图像帧；并确定连续多张图像帧中的每张图像帧对应的车道线实例；然后基于每张图像帧对应的车道线实例的实例子图像，确定车道线实例的属性信息；之后将每张图像帧对应的车道线实例的属性信息进行串接，得到完整的车道线信息；最后基于完整的车道线信息与预先构建的数据库中的信息，确定车道线的变化点位置。本实施例中的检测车道线的方法，该方法仅通过采集装置采集的图像数据便可构建当前车道线的完整信息，而无需其他参数，基于完整的该车道线信息与预先构建的数据库中的信息，从而确定车道线的变化点位置，该方法简单易操作，提高了检测车道线变化点信息的效率，也降低了检测车道线变化点信息的成本，同时还能够解决遮挡以及光线变换所导致的车道线不清时的误检；此外，利用本实施例检测到的车道线变化信息对高精地图的数据进行更新，可以保证高精地图的鲜度和精度。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

继续参考图3，图3示出了根据本公开的检测车道线的方法的另一个实施例的流程300。该检测车道线的方法包括以下步骤：

步骤301，获取车辆的采集装置采集的连续多张图像帧。

步骤301与前述实施例的步骤201基本一致，具体实现方式可以参考前述对步骤201的描述，此处不再赘述。

步骤302，针对连续多张图像帧中的每张图像帧，对图像帧进行实例分割，得到分割结果。

在本实施例中，针对连续多张图像帧中的每张图像帧，检测车道线的方法的执行主体(例如图1所示的服务器105)可以对该图像帧进行实例分割，并得到对应的分割结果。需要说明的是，实例分割的方法可采用现有技术实现，在此不再赘述。

步骤303，对分割结果进行聚类，得到图像帧对应的车道线实例。

在本实施例中，上述执行主体可以对步骤302得到的分割结果进行聚类，从而得到该图像帧对应的车道线实例。该车道线实例从最左侧的车道线开始索引，从左到右依次标注为1号车道线、2号车道线、3号车道线……以此类推。基于上述步骤可以得到连续多张图像帧中的每张图像帧对应的车道线实例，提升了得到的车道线信息的准确性。

步骤304，分别对每张图像帧对应的车道线实例进行切分，得到对应的至少一个实例子图像。

在本实施例中，上述执行主体可以分别对每张图像帧对应的车道线实例进行切分，从而得到每张图像帧对应的至少一个实例子图像。

在本实施例的一些可选实施方式中，步骤304包括：基于车道线实例中邻近两组车道线的位置，确定每张图像帧的采样位置；在采样位置对该图像帧进行切分点计算，得到对应的至少一个实例子图像。由于上述执行主体还会获取采集的地理位置信息，并将采集的图像帧与采集的地理位置信息进行对应，从而使得每张图像帧都有对应的地理位置信息。所以，上述执行主体会基于车道线实例中邻近两组车道线间的实际位置，在不同的采样位置进行切分点计算，在本实现方式中，将同一帧图像的属性定义为一种，其精度取决于帧间的距离，与采集的帧率相关，所以，上述执行主体会在不同的采样位置进行切分点计算，从而得到对应的至少一个实例子图像。从而解决了弯曲的车道线的切分。

步骤305，利用分类器分别对至少一个实例子图像中的每个实例子图像进行分类。

在本实施例中，上述执行主体可以利用分类器分别对至少一个实例子图像中的每个实例子图像进行分类，也即将至少一个实例子图像中的每个实例子图像分别输入至分类器中，可以输出得到每个实例子图像的分类结果。

步骤306，基于分类结果确定车道线实例的属性信息。

在本实施例中，上述执行主体可以基于步骤305的分类结果确定车道线实例的属性信息，其中，属性信息包括以下至少一项：虚实属性、颜色属性、粗细属性。例如，得到的车道线实例的属性信息可以为：虚线、黄色、粗线。

通过对车道线实例进行切分，得到对应的实例子图像，并对实例子图像进行分类，从而得到车道线实例的属性信息，能提升得到的车道线实例的属性信息的准确性。

步骤307，将每张图像帧对应的车道线实例的属性信息进行串接，得到完整的车道线信息。

步骤308，基于完整的车道线信息与预先构建的数据库中的信息，确定车道线的变化点位置。

步骤307-308与前述实施例的步骤204-205基本一致，具体实现方式可以参考前述对步骤204-205的描述，此处不再赘述。

从图3中可以看出，与图2对应的实施例相比，本实施例中的检测车道线的方法突出了确定每张图像帧对应的车道线实例以及确定车道线实例的属性信息的步骤，从而提升了得到的车道线实例的属性信息的准确性。

继续参考图4，图4示出了根据本公开的检测车道线的方法的又一个实施例的流程400。该检测车道线的方法包括以下步骤：

步骤401，获取车辆的采集装置采集的连续多张图像帧。

步骤402，针对连续多张图像帧中的每张图像帧，对图像帧进行实例分割，得到分割结果。

步骤403，对分割结果进行聚类，得到图像帧对应的车道线实例。

步骤404，分别对每张图像帧对应的车道线实例进行切分，得到对应的至少一个实例子图像。

步骤405，利用分类器分别对至少一个实例子图像中的每个实例子图像进行分类。

步骤406，基于分类结果确定车道线实例的属性信息。

步骤401-406与前述实施例的步骤301-306基本一致，具体实现方式可以参考前述对步骤301-306的描述，此处不再赘述。

步骤407，基于每张图像帧对应的地理位置信息，将连续多张图像帧对应的车道线实例的属性信息进行串接。

在本实施例中，检测车道线的方法的执行主体(例如图1所示的服务器105)可以基于每张图像帧的地理位置信息，将多张图像帧对应的车道线实例的属性信息进行串接，从而得到串接后的车道线。由于每张图像帧都有对应的地理位置信息，所以上述执行主体可按照地理位置信息将多张连续图像帧对应的车道线实例的属性信息串接起来，形成很长的车道线。

步骤408，对串接结果进行聚类，得到完整的车道线信息。

在本实施例中，上述执行主体可以对步骤407得到的串接结果进行聚类，从而得到完整的车道线信息。通过对多张图像帧的车道线实例的属性信息的串接结果进行聚类，可以对被遮挡以及光线变化等因素下没有检出的车道线进行插值补全，从而补全被车辆遮挡的车道线以及光线变化不清晰的车道线，使得得到的车道信息更完整、准确。

步骤409，基于完整的车道线信息确定车道线的属性变化位置对应的第一变化节点图。

在本实施例中，上述执行主体可以基于步骤408得到的完整的车道线来确定该车道线的属性变化位置，从而得到该属性变化位置对应的变化节点图，将其记为第一变化节点图。能够理解的是，对于道路中的每条车道线而言，在道路的某些地理位置车道线的属性可能会发生变化，例如：由虚线变为实线(或者由实线变为虚线)、由黄线变为白线(或者由白线变为黄线)、由粗线变为细线(或者由细线变为粗线)等。因此，对于一个图像帧中的某条车道线而言，该车道线的某种属性可能发生变化，也可能未发生变化。

本实施例中，上述执行主体检测到车道线的属性发生变化时，会确定该属性变化位置对应的第一变化节点图。

步骤410，基于预先构建的数据库中的该车道线的信息，确定数据库中该车道线的属性变化位置对应的第二变化节点图。

在本实施例中，由于已经预先构建了包含历史车道线信息的数据库，所以，上述执行主体会获取该数据库中该车道线的历史信息，并基于该历史信息确定该车道线的属性变化位置，这里的属性变化也可以是由虚线变为实线(或者由实线变为虚线)、由黄线变为白线(或者由白线变为黄线)、由粗线变为细线(或者由细线变为粗线)等，然后上述执行主体会确定该属性变化位置对应的变化节点图，将其记为第二变化节点图。

步骤411，将第一变化节点图与第二变化节点图进行差分，得到车道线的变化点位置。

在本实施例中，上述执行主体可以将步骤409确定的第一变化节点图与步骤410确定的第二变化节点图进行差分，从而得到车道线的变化点位置。差分又名差分函数或差分运算，差分的结果反映了离散量之间的一种变化，是研究离散数学的一种工具。上述执行主体通过对第一变化节点图与第二变化节点图进行差分，可以得到当前车道线与数据库中存储的历史车道线的变化点位置，具体的，变化点可以包括数目变更点、颜色变更点、虚实变更点、粗细变更点等。

通过上述步骤可以得到图像侧车道线的属性变化位置与数据库侧该车道线的属性变化位置，从而确定最终的车道线变化点位置，进而提升了得到的车道线变化点位置的准确性。

从图4中可以看出，与图3对应的实施例相比，本实施例中的检测车道线的方法突出了对多张图像帧的串接结果进行聚类，得到完整的车道线信息的步骤，以及将车道线信息与预先构建的数据库中的信息进行对此，得到车道线的变化点位置的步骤，从而可以对被遮挡以及光线变化等因素下没有检出的车道线进行插值补全，使得得到的车道信息更完整、准确，进而提升了得到的车道线变化点位置的准确性。

继续参见图5，其示出了根据本公开的检测车道线的方法的一个应用场景的示意图。

在图5的应用场景中，首先，上述执行主体会获取车辆的采集装置采集的图像序列，即连续的多张图像帧。

然后，对采集的图像序列进行车道线AI(Artificial Intelligence，人工智能)识别，具体包括：1)车道线检测，即针对图像序列中的每张图像帧，对图像帧进行实例分割，得到分割结果；对分割结果进行串接，得到图像帧对应的车道线实例；2)车道线属性识别，即分别对每张图像帧对应的车道线实例进行切分，得到对应的至少一个实例子图像，利用分类器分别对至少一个实例子图像中的每个实例子图像进行分类，基于分类结果确定所述车道线实例的属性信息。

之后，确定图像侧视觉变化点节点图，具体包括：将多张图像帧对应的结果进行帧间串接，再对串接结果进行聚类，从而得到完整的车道线信息。再基于该完整的车道线信息确定图像侧车道线的属性变化位置对应的第一变化节点图。以及确定数据库侧该车道线的属性信息变化位置对应的第二变化节点图。

最后，将第一变化节点图与第二变化节点图进行差分，从而得到车道线的变化点位置，其中，变化点可以为数目变化点、虚实变化点、颜色变化点、粗细变化点等等。

进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种检测车道线的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的检测车道线的装置600包括：获取模块601、第一确定模块602、第二确定模块603、串接模块604和第三确定模块605。其中，获取模块601，被配置成获取车辆的采集装置采集的连续多张图像帧；第一确定模块602，被配置成确定连续多张图像帧中的每张图像帧对应的车道线实例；第二确定模块603，被配置成基于每张图像帧对应的车道线实例的实例子图像，确定车道线实例的属性信息；串接模块604，被配置成将每张图像帧对应的车道线实例的属性信息进行串接，得到完整的车道线信息；第三确定模块605，被配置成基于完整的车道线信息与预先构建的数据库中的信息，确定车道线的变化点位置。

在本实施例中，检测车道线的装置600中：获取模块601、第一确定模块602、第二确定模块603、串接模块604和第三确定模块605的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-205的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，第一确定模块包括：分割子模块，被配置成针对连续多张图像帧中的每张图像帧，对图像帧进行实例分割，得到分割结果；第一聚类子模块，被配置成对分割结果进行聚类，得到图像帧对应的车道线实例。

在本实施例的一些可选的实现方式中，第二确定模块包括：切分子模块，被配置成分别对每张图像帧对应的车道线实例进行切分，得到对应的至少一个实例子图像；分类子模块，被配置成利用分类器分别对至少一个实例子图像中的每个实例子图像进行分类；第一确定子模块，被配置成基于分类结果确定车道线实例的属性信息，其中，属性信息包括以下至少一项：虚实属性、颜色属性、粗细属性。

在本实施例的一些可选的实现方式中，切分子模块包括：确定单元，被配置成基于车道线实例中邻近两组车道线的位置，确定每张图像帧的采样位置；计算单元，被配置成在采样位置对该图像帧进行切分点计算，得到对应的至少一个实例子图像。

在本实施例的一些可选的实现方式中，串接模块包括：串接子模块，被配置成基于每张图像帧对应的地理位置信息，将连续多张图像帧对应的车道线实例的属性信息进行串接；第二聚类子模块，被配置成对串接结果进行聚类，得到完整的车道线信息。

在本实施例的一些可选的实现方式中，第三确定模块包括：第二确定子模块，被配置成基于完整的车道线信息确定车道线的属性变化位置对应的第一变化节点图；第三确定子模块，被配置成基于预先构建的数据库中的信息，确定数据库中该车道线的属性变化位置对应的第二变化节点图；差分子模块，被配置成将第一变化节点图与第二变化节点图进行差分，得到车道线的变化点位置。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如检测车道线的方法。例如，在一些实施例中，检测车道线的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的检测车道线的方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行检测车道线的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种检测车道线的方法，包括：

获取车辆的采集装置采集的连续多张图像帧；

确定所述连续多张图像帧中的每张图像帧对应的车道线实例；

基于所述每张图像帧对应的车道线实例的实例子图像，确定所述车道线实例的属性信息；

将所述每张图像帧对应的车道线实例的属性信息进行串接，得到完整的车道线信息；

基于所述完整的车道线信息与预先构建的数据库中的信息，确定所述车道线的变化点位置。

2.根据权利要求1所述的方法，其中，所述确定所述连续多张图像帧中的每张图像帧对应的车道线实例，包括：

针对所述连续多张图像帧中的每张图像帧，对所述图像帧进行实例分割，得到分割结果；

对所述分割结果进行聚类，得到所述图像帧对应的车道线实例。

3.根据权利要求1所述的方法，其中，所述基于所述每张图像帧对应的车道线实例的实例子图像，确定所述车道线实例的属性信息，包括：

分别对所述每张图像帧对应的车道线实例进行切分，得到对应的至少一个实例子图像；

利用分类器分别对所述至少一个实例子图像中的每个实例子图像进行分类；

基于分类结果确定所述车道线实例的属性信息，其中，所述属性信息包括以下至少一项：虚实属性、颜色属性、粗细属性。

4.根据权利要求3所述的方法，其中，所述分别对所述每张图像帧对应的车道线实例进行切分，得到对应的至少一个实例子图像，包括：

基于所述车道线实例中邻近两组车道线的位置，确定每张图像帧的采样位置；

在所述采样位置对该图像帧进行切分点计算，得到对应的至少一个实例子图像。

5.根据权利要求1-4中任一项所述的方法，其中，所述将所述每张图像帧对应的车道线实例的属性信息进行串接，得到完整的车道线信息，包括：

基于所述每张图像帧对应的地理位置信息，将所述连续多张图像帧对应的车道线实例的属性信息进行串接；

对串接结果进行聚类，得到完整的车道线信息。

6.根据权利要求1-5中任一项所述的方法，其中，所述基于所述完整的车道线信息与预先构建的数据库中的信息，确定所述车道线的变化点位置，包括：

基于所述完整的车道线信息确定车道线的属性变化位置对应的第一变化节点图；

基于预先构建的数据库中的信息，确定所述数据库中该车道线的属性变化位置对应的第二变化节点图；

将所述第一变化节点图与所述第二变化节点图进行差分，得到所述车道线的变化点位置。

7.一种检测车道线的装置，包括：

获取模块，被配置成获取车辆的采集装置采集的连续多张图像帧；

第一确定模块，被配置成确定所述连续多张图像帧中的每张图像帧对应的车道线实例；

第二确定模块，被配置成基于所述每张图像帧对应的车道线实例的实例子图像，确定所述车道线实例的属性信息；

串接模块，被配置成将所述每张图像帧对应的车道线实例的属性信息进行串接，得到完整的车道线信息；

第三确定模块，被配置成基于所述完整的车道线信息与预先构建的数据库中的信息，确定所述车道线的变化点位置。

8.根据权利要求7所述的装置，其中，所述第一确定模块包括：

分割子模块，被配置成针对所述连续多张图像帧中的每张图像帧，对所述图像帧进行实例分割，得到分割结果；

第一聚类子模块，被配置成对所述分割结果进行聚类，得到所述图像帧对应的车道线实例。

9.根据权利要求7所述的装置，其中，所述第二确定模块包括：

切分子模块，被配置成分别对所述每张图像帧对应的车道线实例进行切分，得到对应的至少一个实例子图像；

分类子模块，被配置成利用分类器分别对所述至少一个实例子图像中的每个实例子图像进行分类；

第一确定子模块，被配置成基于分类结果确定所述车道线实例的属性信息，其中，所述属性信息包括以下至少一项：虚实属性、颜色属性、粗细属性。

10.根据权利要求9所述的装置，其中，所述切分子模块包括：

确定单元，被配置成基于所述车道线实例中邻近两组车道线的位置，确定每张图像帧的采样位置；

计算单元，被配置成在所述采样位置对该图像帧进行切分点计算，得到对应的至少一个实例子图像。

11.根据权利要求7-10中任一项所述的装置，其中，所述串接模块包括：

串接子模块，被配置成基于所述每张图像帧对应的地理位置信息，将所述连续多张图像帧对应的车道线实例的属性信息进行串接；

第二聚类子模块，被配置成对串接结果进行聚类，得到完整的车道线信息。

12.根据权利要求7-11中任一项所述的装置，其中，所述第三确定模块包括：

第二确定子模块，被配置成基于所述完整的车道线信息确定车道线的属性变化位置对应的第一变化节点图；

第三确定子模块，被配置成基于预先构建的数据库中的信息，确定所述数据库中该车道线的属性变化位置对应的第二变化节点图；

差分子模块，被配置成将所述第一变化节点图与所述第二变化节点图进行差分，得到所述车道线的变化点位置。

13.一种电子设备，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1-6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。

Images