(19)國家知識產(chǎn)權(quán)局(12)發(fā)明專利336號湖南省檢驗檢測特色產(chǎn)業(yè)園內(nèi)(72)發(fā)明人李瑩肖映彩袁慧珍劉聰虢旭升公司44224GO6V20/58(2022.01)GO6N3/045(2023.01).2025,全文.本申請涉及一種車道線標注、檢測模型確網(wǎng)絡(luò)模型對待檢測車道線場景圖進行車道線檢2基于車道線場景圖獲取各車道線上的標注點的位置信息；根據(jù)各所述車道線上的標注點的位置信息，確定各所述車道線對應(yīng)的待繪制點的位置基于各所述車道線對應(yīng)的待繪制點的位置信息，確定各所述車道線對應(yīng)的標注線條在各所述待繪制點處的粗細信息；根據(jù)各所述車道線對應(yīng)的待繪制點的位置信息、以及標注線條在各所述待繪制點處的粗細信息，繪制各所述車道線對應(yīng)的標注線條，獲得所述車道線場景圖對應(yīng)的車道線語義標簽圖，其中，所述根據(jù)各所述車道線上的標注點的位置信息，確定各所述車道線對應(yīng)的待根據(jù)各所述車道線上的標注點中的相鄰標注點的位置信息進行線性插值，獲得所述相鄰標注點之間的插值點的位置信息；基于各所述車道線上的標注點以及插值點的位置信息，確定各所述車道線對應(yīng)的待繪制點的位置信息，其中，所述位置信息包括基于所述車道線場景圖建立的坐標系下第一坐標軸方向的第一坐標值，所述第一坐標軸方向表示與車道線延伸方向?qū)?yīng)的方向；基于各所述車道線對應(yīng)的待繪制點的位置信息，確定各所述車道線對應(yīng)的標注線條在基于各所述車道線對應(yīng)的各待繪制點的第一坐標值大小，確定各所述車道線對應(yīng)的標注線條在各所述待繪制點處的粗細大小，使得所述標注線條的粗細大小沿對應(yīng)的車道線延伸方向遞減。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：基于所述車道線場景圖獲取各車道線上的標注點的類別信息；根據(jù)各所述車道線上的標注點的類別信息，獲得各所述車道線對應(yīng)的待繪制點的類別信息；根據(jù)各所述車道線對應(yīng)的待繪制點的位置信息、以及標注線條在各所述待繪制點處的粗細信息，繪制各所述車道線對應(yīng)的標注線條，獲得所述車道線場景圖對應(yīng)的車道線語義根據(jù)各所述車道線對應(yīng)的待繪制點的位置信息、類別信息以及標注線條在各所述待繪制點處的粗細信息，繪制各所述車道線對應(yīng)的標注線條，獲得所述車道線場景圖對應(yīng)的車道線語義標簽圖。3.一種車道線檢測模型的確定方法，其特征在于，所述方法包括：獲取樣本車道線場景圖；采用權(quán)利要求1至2任意一項所述的方法對所述樣本車道線場景圖進行車道線標注，獲得所述樣本車道線場景圖對應(yīng)的車道線語義標簽圖；基于所述樣本車道線場景圖以及所述車道線語義標簽圖，對待訓(xùn)練生成對抗網(wǎng)絡(luò)模型進行訓(xùn)練，獲得訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型；根據(jù)所述訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型中的生成器，確定車道線檢測模型。獲取待檢測車道線場景圖；采用權(quán)利要求3所述的方法確定的車道線檢測模型，對所述待檢測車道線場景圖進行3車道線檢測，獲得車道線語義圖，所述車道線語義圖中包括各像素點的位置信息；基于所述車道線語義圖中各像素點的位置信息，確定所述待檢測車道線場景圖中的車道線，其中，所述基于所述車道線語義圖中各像素點的位置信息，確定所述待檢測車道線場基于所述車道線語義圖中各像素點的位置信息，獲得各連通區(qū)域的車道線輪廓；對于每一車道線輪廓，根據(jù)所述車道線輪廓的輪廓點位置信息，判斷所述車道線輪廓是否為粘連車道線輪廓；當所述車道線輪廓為粘連車道線輪廓時，根據(jù)所述粘連車道線輪廓的輪廓點位置信息對所述粘連車道線輪廓進行分割，獲得分割車道線輪廓；根據(jù)所述車道線輪廓中的非粘連車道線輪廓和所述分割車道線輪廓，確定目標車道線輪廓，基于各所述目標車道線輪廓的輪廓點，確定所述待檢測車道線場景圖中的車道線。5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述輪廓點位置信息包括基于所述車道線語義圖建立的坐標系下第一坐標軸方向的第一坐標值，所述第一坐標軸方向表示與車道線延伸方向?qū)?yīng)的方向；根據(jù)所述車道線輪廓的輪廓點位置信息，判斷所述車道線輪廓是否為粘連車道線輪以所述車道線輪廓的任一輪廓點為起始點，按照所述車道線輪廓的輪廓方向，依次獲取所述車道線輪廓的各輪廓點的第一坐標值；根據(jù)依次獲得的各輪廓點的第一坐標值，獲得第一坐標極大值和第一坐標極小值；根據(jù)所述第一坐標極大值數(shù)量以及所述第一坐標極小值的數(shù)量，判斷所述車道線輪廓是否為粘連車道線輪廓。6.根據(jù)權(quán)利要求5所述的方法，其特征在于，當所述第一坐標極大值的數(shù)量以及所述第一坐標極小值的數(shù)量中，至少有一個數(shù)量大于1,判定所述車道線輪廓為粘連車道線輪廓。7.根據(jù)權(quán)利要求6所述的方法，其特征在于，根據(jù)所述粘連車道線輪廓的輪廓點位置信息對所述粘連車道線輪廓進行分割，獲得分割車道線輪廓，包括：以任一第一坐標極大值對應(yīng)的第一坐標極大值點為起始點，按照所述粘連車道線輪廓的輪廓方向，對各第一坐標極大值點進行排序；基于相鄰序號的第一坐標極大值點之間的輪廓點，獲得分割車道線輪廓。8.根據(jù)權(quán)利要求4所述的方法，其特征在于，根據(jù)所述車道線輪廓中的非粘連車道線輪對于分割后輪廓中的任意兩個車道線輪廓，根據(jù)所述兩個車道線輪廓的輪廓點位置信息，判斷所述兩個車道線輪廓是否對應(yīng)同一條車道線，所述分割后輪廓包括所述非粘連車道線輪廓和所述分割車道線輪廓；當所述兩個車道線輪廓對應(yīng)同一條車道線時，將所述兩個車道線輪廓的輪廓點合并，獲得合并車道線輪廓；根據(jù)所述分割后輪廓中對應(yīng)不同條車道線的車道線輪廓和所述合并車道線輪廓，確定目標車道線輪廓。9.根據(jù)權(quán)利要求8所述的方法，其特征在于，根據(jù)所述兩個車道線輪廓的輪廓點位置信獲取第一車道線輪廓的第一最低點和第一最高點的位置信息，獲取第二車道線輪廓的4第二最低點和第二最高點的位置信息，所述最低點和所述最高點基于各輪廓點的第一坐標值確定，所述第一最高點的第一坐標值大于或等于所述第二最高點的第一坐標值；分別對所述第一車道線輪廓和所述第二車道線輪廓的輪廓點進行直線擬合，獲得第一擬合線和第二擬合線，分別計算所述第一擬合線和所述第二擬合線的斜率，獲得第一斜率和第二斜率；根據(jù)所述第一斜率與所述第二斜率的斜率差值、所述第一車道線輪廓與所述第二車道線輪廓的第一距離、以及所述第一最低點與所述第二最高點的第二距離，判斷所述兩個車道線輪廓是否對應(yīng)同一條車道線。10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述第一距離包括下述各項中的任意一項：所述第一最低點到所述第二擬合線的距離；所述第一最高點到所述第二擬合線的距離；所述第二最低點到所述第一擬合線的距離；所述第二最高點到所述第一擬合線的距離；當所述斜率差值小于第一閾值、且所述第一距離小于第二閾值、且所述第二距離小于第三閾值時，判定所述兩個車道線輪廓對應(yīng)同一條車道線。11.根據(jù)權(quán)利要求5至10中任一項所述的方法，其特征在于，所述車道線語義圖中還包括各像素點的類別信息，所述類別信息用于指示像素點所屬的車道線類別；所述方法還包括：根據(jù)各所述目標車道線輪廓中各像素點的類別信息，確定各所述目標車道線輪廓對應(yīng)的車道線類別。12.根據(jù)權(quán)利要求11所述的方法，其特征在于，根據(jù)各所述目標車道線輪廓中各像素點的類別信息，確定各所述目標車道線輪廓對應(yīng)的車道線類別，包括：對于每一目標車道線輪廓，統(tǒng)計所述目標車道線輪廓中各類別信息對應(yīng)的像素點數(shù)量，將對應(yīng)的像素點數(shù)量最多的類別信息所指示的車道線類別，確定為所述目標車道線輪廓對應(yīng)的車道線類別。標注點信息獲取模塊，用于基于車道線場景圖獲取各車道線上的標注點的位置信息；待繪制點信息確定模塊，用于根據(jù)各所述車道線上的標注點的位置信息，確定各所述車道線對應(yīng)的待繪制點的位置信息；標注線條信息確定模塊，用于基于各所述車道線對應(yīng)的待繪制點的位置信息，確定各所述車道線對應(yīng)的標注線條在各所述待繪制點處的粗細信息；標注線條繪制模塊，用于根據(jù)各所述車道線對應(yīng)的待繪制點的位置信息、以及標注線條在各所述待繪制點處的粗細信息，繪制各所述車道線對應(yīng)的標注線條，獲得所述車道線場景圖對應(yīng)的車道線語義標簽圖，其中，所述待繪制點信息確定模塊具體用于：根據(jù)各所述車道線上的標注點中的相鄰標注點的位置信息進行線性插值，獲得所述相鄰標注點之間的插值點的位置信息；基于各所述車道線上的標注點以及插值點的位置信息，確定各所述車道線對應(yīng)的待繪制點的位置信息，其中，所述位置信息包括基于所述車道線場景圖建立的坐標系下第一坐標軸方向的第一坐標值，所述第一坐標軸方向表示與車道線延伸方向?qū)?yīng)的方向，所述標注線條信息確定模塊具體用于：基于各所述車道線對應(yīng)的各待繪制點的第一坐標值大小，確定各所述車道線對應(yīng)的標注線條在各所述待繪制點處的粗細大小，使得所述標注線條的粗細大小沿對應(yīng)的車道線延伸方向遞減。514.一種車道線檢測模型的確定裝置，其特征在于，所述裝置包括：樣本獲取模塊，用于獲取樣本車道線場景圖；車道線標注模塊，用于采用權(quán)利要求1至2任意一項所述的方法對所述樣本車道線場景圖進行車道線標注，獲得所述樣本車道線場景圖對應(yīng)的車道線語義標簽圖；模型訓(xùn)練模塊，用于基于所述樣本車道線場景圖以及所述車道線語義標簽圖，對待訓(xùn)練生成對抗網(wǎng)絡(luò)模型進行訓(xùn)練，獲得訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型；模型確定模塊，用于根據(jù)所述訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型中的生成器，確定車道線檢測模型。待檢測圖片獲取模塊，用于獲取待檢測車道線場景圖；車道線檢測模塊，用于采用權(quán)利要求3所述的方法確定的車道線檢測模型，對所述待檢測車道線場景圖進行車道線檢測，獲得車道線語義圖，所述車道線語義圖包括各像素點的車道線確定模塊，用于基于所述車道線語義圖中各像素點的位置信息，確定所述待檢測車道線場景圖中的車道線，其中，所述車道線確定模塊包括輪廓獲取單元、第一判斷單所述輪廓獲取單元，用于基于車道線語義圖中各像素點的位置信息，得各連通區(qū)域的車道線輪廓；所述第一判斷單元，用于對于每一車道線輪廓，根據(jù)所述車道線輪廓的輪廓點位置信息，判斷所述車道線輪廓是否為粘連車道線輪廓；所述分割單元，用于當所述車道線輪廓為粘連車道線輪廓時，根據(jù)所述粘連車道線輪廓的輪廓點位置信息對所述粘連車道線輪廓進行分割，獲得分割車道線輪廓；所述確定單元，用于根據(jù)所述車道線輪廓中的非粘連車道線輪廓和所述分割車道線輪廓，確定目標車道線輪廓，基于各所述目標車道線輪廓的輪廓點，確定所述待檢測車道線場景圖中的車道線。16.一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1至12中任一項所述的方法的步驟。17.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至12中任一項所述的方法的步驟。6技術(shù)領(lǐng)域[0001]本申請涉及智能駕駛技術(shù)領(lǐng)域，特別是涉及一種車道線標注、檢測模型確定、車道線檢測方法及相關(guān)設(shè)備。背景技術(shù)[0002]隨著智能駕駛技術(shù)的發(fā)展，車道線檢測已成為汽車輔助駕駛和無人駕駛的基礎(chǔ)環(huán)節(jié)，準確地檢測和識別車道線是車道偏離預(yù)警、車道保持、變道等功能的重要前提。目前的基于深度學(xué)習(xí)的車道線檢測方法，檢測出來的車道線容易出現(xiàn)在遠端相互粘連的情況，車道線粘連會導(dǎo)致無法準確地進行曲線擬合，從而導(dǎo)致最終獲得的車道線檢測結(jié)果準確性較發(fā)明內(nèi)容[0003]基于此，有必要針對上述技術(shù)問題，提供一種能夠提高車道線檢測準確性的車道[0005]基于車道線場景圖獲取各車道線上的標注點的位置信息；[0006]根據(jù)各所述車道線上的標注點的位置信息，確定各所述車道線對應(yīng)的待繪制點的位置信息；[0007]基于各所述車道線對應(yīng)的待繪制點的位置信息，確定各所述車道線對應(yīng)的標注線條在各所述待繪制點處的粗細信息；[0008]根據(jù)各所述車道線對應(yīng)的待繪制點的位置信息、以及標注線條在各所述待繪制點處的粗細信息，繪制各所述車道線對應(yīng)的標注線條，獲得所述車道線場景圖對應(yīng)的車道線語義標簽圖。[0010]標注點信息獲取模塊，用于基于車道線場景圖獲取各車道線上的標注點的位置信[0011]待繪制點信息確定模塊，用于根據(jù)各所述車道線上的標注點的位置信息，確定各所述車道線對應(yīng)的待繪制點的位置信息；[0012]標注線條信息確定模塊，用于基于各所述車道線對應(yīng)的待繪制點的位置信息，確定各所述車道線對應(yīng)的標注線條在各所述待繪制點處的粗細信息；[0013]標注線條繪制模塊，用于根據(jù)各所述車道線對應(yīng)的待繪制點的位置信息、以及標注線條在各所述待繪制點處的粗細信息，繪制各所述車道線對應(yīng)的標注線條，獲得所述車道線場景圖對應(yīng)的車道線語義標簽圖。[0014]一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)以下步驟：[0015]基于車道線場景圖獲取各車道線上的標注點的位置信息；7[0016]根據(jù)各所述車道線上的標注點的位置信息，確定各所述車道線對應(yīng)的待繪制點的位置信息；[0017]基于各所述車道線對應(yīng)的待繪制點的位置信息，確定各所述車道線對應(yīng)的標注線條在各所述待繪制點處的粗細信息；[0018]根據(jù)各所述車道線對應(yīng)的待繪制點的位置信息、以及標注線條在各所述待繪制點處的粗細信息，繪制各所述車道線對應(yīng)的標注線條，獲得所述車道線場景圖對應(yīng)的車道線語義標簽圖。[0019]一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)以下步驟：[0020]基于車道線場景圖獲取各車道線上的標注點的位置信息；[0021]根據(jù)各所述車道線上的標注點的位置信息，確定各所述車道線對應(yīng)的待繪制點的位置信息；[0022]基于各所述車道線對應(yīng)的待繪制點的位置信息，確定各所述車道線對應(yīng)的標注線條在各所述待繪制點處的粗細信息；[0023]根據(jù)各所述車道線對應(yīng)的待繪制點的位置信息、以及標注線條在各所述待繪制點處的粗細信息，繪制各所述車道線對應(yīng)的標注線條，獲得所述車道線場景圖對應(yīng)的車道線語義標簽圖。[0024]上述車道線標注方法、裝置、計算機設(shè)備和存儲介質(zhì)，基于車道線場景圖中車道線上的標注點的位置信息獲得車道線對應(yīng)的待繪制點的位置信息，通過車道線對應(yīng)的待繪制點的位置信息確定車道線對應(yīng)的標注線條在各待繪制點處的粗細信息，使得不同位置的待繪制點處的線條粗細程度不同，根據(jù)車道線對應(yīng)的待繪制點的位置信息、以及標注線條在各待繪制點處的粗細信息繪制的車道線標注線條可實現(xiàn)近端粗遠端細，從而減少車道線語義標簽圖中標注的車道線在遠端的粘連情況，提高后續(xù)車道線檢測準確性。[0027]采用上述車道線標注方法對所述樣本車道線場景圖進行車道線標注，獲得所述樣本車道線場景圖對應(yīng)的車道線語義標簽圖；[0028]基于所述樣本車道線場景圖以及所述車道線語義標簽圖，對待訓(xùn)練生成對抗網(wǎng)絡(luò)模型進行訓(xùn)練，獲得訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型；[0029]根據(jù)所述訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型中的生成器，確定車道線檢測模型。[0032]車道線標注模塊，用于采用上述車道線標注方法對所述樣本車道線場景圖進行車道線標注，獲得所述樣本車道線場景圖對應(yīng)的車道線語義標簽圖；[0033]模型訓(xùn)練模塊，用于基于所述樣本車道線場景圖以及所述車道線語義標簽圖，對待訓(xùn)練生成對抗網(wǎng)絡(luò)模型進行訓(xùn)練，獲得訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型；[0034]模型確定模塊，用于根據(jù)所述訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型中的生成器，確定車道線檢測模型。[0035]一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理8器執(zhí)行所述計算機程序時實現(xiàn)以下步驟：[0037]采用上述車道線標注方法對所述樣本車道線場景圖進行車道線標注，獲得所述樣本車道線場景圖對應(yīng)的車道線語義標簽圖；[0038]基于所述樣本車道線場景圖以及所述車道線語義標簽圖，對待訓(xùn)練生成對抗網(wǎng)絡(luò)模型進行訓(xùn)練，獲得訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型；[0039]根據(jù)所述訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型中的生成器，確定車道線檢測模型。[0040]一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)以下步驟：[0041]獲取樣本車道線場景圖；[0042]采用上述車道線標注方法對所述樣本車道線場景圖進行車道線標注，獲得所述樣本車道線場景圖對應(yīng)的車道線語義標簽圖；[0043]基于所述樣本車道線場景圖以及所述車道線語義標簽圖，對待訓(xùn)練生成對抗網(wǎng)絡(luò)模型進行訓(xùn)練，獲得訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型；[0044]根據(jù)所述訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型中的生成器，確定車道線檢測模型。[0045]上述車道線檢測模型的確定方法、裝置、計算機設(shè)備和存儲介質(zhì)，與一般的生抗網(wǎng)絡(luò)將語義圖作為輸入來生成自然場景圖不同，通過逆向使用生成對抗網(wǎng)絡(luò)，將真實的車道線場景圖作為輸入進行語義分割，生成車道線語義圖，有利于去除復(fù)雜背景，且可以生[0047]獲取待檢測車道線場景圖；[0048]采用上述車道線檢測模型的確定方法確定的車道線檢測模型，對所述待檢測車道線場景圖進行車道線檢測，獲得車道線語義圖，所述車道線語義圖中包括各像素點的位置[0049]基于所述車道線語義圖中各像素點的位置信息，確定所述待檢測車道線場景圖中的車道線。[0051]待檢測圖片獲取模塊，用于獲取待檢測車道線場景圖；[0052]車道線檢測模塊，用于采用上述車道線檢測模型的確定方法確定的車道線檢測模型，對所述待檢測車道線場景圖進行車道線檢測，獲得車道線語義圖，所述車道線語義圖包括各像素點的位置信息；[0053]車道線確定模塊，用于基于所述車道線語義圖中各像素點的位置信息，確定所述待檢測車道線場景圖中的車道線。[0054]一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)以下步驟：[0055]獲取待檢測車道線場景圖；[0056]采用上述車道線檢測模型的確定方法確定的車道線檢測模型，對所述待檢測車道線場景圖進行車道線檢測，獲得車道線語義圖，所述車道線語義圖中包括各像素點的位置9[0057]基于所述車道線語義圖中各像素點的位置信息，確定所述待檢測車道線場景圖中的車道線。[0058]一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)以下步驟：[0059]獲取待檢測車道線場景圖；[0060]采用上述車道線檢測模型的確定方法確定的車道線檢測模型，對所述待檢測車道線場景圖進行車道線檢測，獲得車道線語義圖，所述車道線語義圖中包括各像素點的位置信息；[0061]基于所述車道線語義圖中各像素點的位置信息，確定所述待檢測車道線場景圖中的車道線。[0062]上述車道線檢測方法、裝置、計算機設(shè)備和存儲介質(zhì)，通過生成對抗網(wǎng)絡(luò)模型中的生成器，生成待檢測車道線場景圖對應(yīng)的車道線語義圖，可實現(xiàn)端到端檢測，省去對車道線場景圖進行預(yù)處理和計算等步驟，檢測距離更遠、手動調(diào)參量更少且魯棒性更好，相對于基于概率圖的語義分割神經(jīng)網(wǎng)絡(luò)的車道線檢測方法只能檢測固定數(shù)量車道線且無法生成遮擋區(qū)域的車道線，使用生成對抗網(wǎng)絡(luò)進行車道線檢測，可以同時檢測出車道線場景圖中的所有車道線，并可以生成遮擋區(qū)域的車道線，從而提高車道線檢測準確性，能夠適應(yīng)大多數(shù)復(fù)雜的道路場景。附圖說明[0063]圖1為一個實施例中車道線標注方法的流程示意圖；[0064]圖2為一個實施例中車道線場景圖的示意圖；[0065]圖3為一個實施例中車道線語義標簽圖的示意圖；[0066]圖4為一個實施例中車道線檢測模型的確定方法的流程示意圖；[0067]圖5為一個實施例中車道線檢測方法的流程示意圖；[0068]圖6為一個實施例中車道線輪廓的示意圖；[0069]圖7為一個實施例中車道線輪廓的示意圖；[0070]圖8為一個實施例中車道線輪廓的示意圖；[0071]圖9為一個實施例中車道線標注裝置的結(jié)構(gòu)框圖；[0072]圖10為一個實施例中車道線檢測模型的確定裝置的結(jié)構(gòu)框圖；[0073]圖11為一個實施例中車道線檢測裝置的結(jié)構(gòu)框圖；[0074]圖12為一個實施例中計算機設(shè)備的內(nèi)部結(jié)構(gòu)圖；[0075]圖13為一個實施例中計算機設(shè)備的內(nèi)部結(jié)構(gòu)圖。具體實施方式[0076]為了使本申請的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本申請進行進一步詳細說明。應(yīng)當理解，此處描述的具體實施例僅僅用以解釋本申請，并不用于限定本申請。[0077]本申請?zhí)峁┑能嚨谰€標注方法、車道線檢測模型的確定方法以及車道線檢測方法，可以應(yīng)用于車輛智能駕駛系統(tǒng)中，車輛智能駕駛系統(tǒng)包括車輛控制器和采集設(shè)備。采集設(shè)備可以安裝于車輛上，隨著車輛的行駛采集道路圖片或視頻。車輛控制器可以從采集設(shè)備采集的道路圖片或視頻中獲取車道線場景圖，并對車道線場景圖進行車道線標注，獲得車道線語義標簽圖；還可以進一步基于車道線場景圖和車道線語義標簽圖，訓(xùn)練獲得車道線檢測模型；還可以進一步采用訓(xùn)練后的車道線檢測模型進行車道線檢測。[0078]在一個實施例中，如圖1所示，提供了一種車道線標注方法，以該方法應(yīng)用于車輛控制器為例進行說明，包括以下步驟S102至步驟S108。[0079]S102,基于車道線場景圖獲取各車道線上的標注點的位置信息。[0080]車道線場景圖表示包含車道線的道路場景圖，具體可以通過安裝于車輛上的攝像頭在車輛行駛的過程中針對前方道路拍攝獲得。圖2示出了一個實施例中車道線場景圖的道線在圖2中呈現(xiàn)近端較粗遠端較細的特點，即車道線在靠近攝像頭的部分較粗，在遠離攝像頭的部分較細。[0081]標注點表示在車道線場景圖中的車道線上選取的點，對于每一條車道線至少選取兩個標注點，標注點的位置信息具體可以是標注點在基于車道線場景圖建立的坐標系下的坐標值。在一個實施例中，以圖2所示的車道線場景圖的左下角點為坐標原點0,以豎直方向為第一坐標軸(用Y軸表示)方向(豎直向上為正向),以水平方向為第二坐標軸(用X軸表示)方向(水平向右為正向),建立坐標系，標注點的位置信息用(y,x)表示，其中，y表示標注點[0082]S104,根據(jù)各車道線上的標注點的位置信息，確定各車道線對應(yīng)的待繪制點的位[0083]待繪制點表示繪制車道線場景圖中的車道線所需的點，可以理解為車道線對應(yīng)的待繪制的標注線條上的點，待繪制點的位置信息具體可以是待繪制點在基于車道線場景圖建立的坐標系下的坐標值。需要說明的是，可以直接將車道線上的標注點作為車道線對應(yīng)的待繪制點，也可以基于車道線上的相鄰標注點進行線性插值，將標注點和插值點一起作為車道線對應(yīng)的待繪制點。[0084]S106,基于各車道線對應(yīng)的待繪制點的位置信息，確定各車道線對應(yīng)的標注線條在各待繪制點處的粗細信息。[0085]參考前述實施例中的坐標系，待繪制點的位置信息可以用(y;,x)表示，i表示第i個待繪制點。具體地，可以根據(jù)待繪制點的Y軸坐標值(即y)的大小來確定標注線條在該待繪制點處的粗細大小，使得不同Y軸坐標值的待繪制點處的線條粗細程度不同。在一個實施例中，各待繪制點處的粗細大小與Y軸坐標值大小反相關(guān)，即待繪制點的Y軸坐標值應(yīng)位置處的標注線條越粗。[0086]S108,根據(jù)各車道線對應(yīng)的待繪制點的位置信息、以及標注線條在各待繪制點處的粗細信息，繪制各車道線對應(yīng)的標注線條，獲得車道線場景圖對應(yīng)的車道線語義標簽圖。[0087]車道線語義標簽圖表示對車道線場景圖中的車道線進行標注獲得的圖片，圖3示出了一個實施例中車道線語義標簽圖的示意圖，該車道線語義標簽圖為圖2所示的車道線場景圖對應(yīng)的車道線語義標簽圖，其中包括四條標注線條，分別對應(yīng)圖2所示的車道線場景圖中的四條車道線，各標注線條在圖3中呈現(xiàn)近端較粗遠端較細的特點，與各車道線在圖2中呈現(xiàn)的近端較粗遠端較細的特點相符。11[0088]上述車道線標注方法中，基于車道線場景圖中車道線上的標注點的位置信息獲得車道線對應(yīng)的待繪制點的位置信息，通過車道線對應(yīng)的待繪制點的位置信息確定車道線對應(yīng)的標注線條在各待繪制點處的粗細信息，使得不同位置的待繪制點處的線條粗細程度不同，根據(jù)車道線對應(yīng)的待繪制點的位置信息、以及標注線條在各待繪制點處的粗細信息繪制的車道線標注線條可實現(xiàn)近端粗遠端細，從而減少車道線語義標簽圖中標注的車道線在遠端的粘連情況，提高后續(xù)車道線檢測準確性。[0089]在一個實施例中，根據(jù)各車道線上的標注點的位置信息，確定各車道線對應(yīng)的待繪制點的位置信息的步驟，具體可以包括以下步驟：根據(jù)各車道線上的標注點中的相鄰標注點的位置信息進行線性插值，獲得相鄰標注點之間的插值點的位置信息；基于各車道線上的標注點以及插值點的位置信息，確定各車道線對應(yīng)的待繪制點的位置信息。[0090]車道線上的標注點可以由人工進行標注，為了減輕人工標注的工作量，相鄰標注點之間可以間隔一段距離，然后通過線性插值在所有相鄰的標注點之間插入插值點，最后將所有標注點和所有插值點作為待繪制點。[0091]對于同一條車道線上的各標注點，任意相鄰的兩個標注點可以確定一條直線，具體可以基于相鄰的兩個標注點的位置信息擬合得到一次線性方程，根據(jù)一次線性方程計算相鄰的兩個標注點之間的插值點的位置信息。x?-ky?,在y?到y(tǒng)?之間選取中間值，作為插值點的Y軸坐標值，然后將插值點的Y軸坐標值作為已知變量，代入到上述一次線性方程，計算獲得插值點的X軸坐標值，從而獲得插值點的位置信息?？梢岳斫?，在y?到y(tǒng)?之間可以選取一個或者多于一個的中間值，從而P1與P2之間的插值點數(shù)量可以是一個也可以是多于一個。[0093]本實施例中，通過車道線上的相鄰標注點的位置信息進行線性插值，獲得相鄰標注點之間的插值點的位置信息，再基于所有標注點和所有插值點的位置信息，確定車道線對應(yīng)的待繪制點的位置信息，據(jù)此可以減輕人工標注的工作量，快速獲得繪制車道線標注線條所需的待繪制點，提高標注效率，同時還可以減少人工標注錯誤，提高[0094]在一個實施例中，位置信息包括基于車道線場景圖建立的坐標系下第一坐標軸方向的第一坐標值，第一坐標軸方向表示與車道線延伸方向?qū)?yīng)的方向；基于各車道線對應(yīng)的待繪制點的位置信息，確定各車道線對應(yīng)的標注線條在各待繪制點處的粗細信息的步驟，具體可以是：基于各車道線對應(yīng)的各待繪制點的第一坐標值大小，確定各車道線對應(yīng)的標注線條在各待繪制點處的粗細大小，使得標注線條的粗細大小沿對應(yīng)的車道線延伸方向[0095]參考前述實施例中的坐標系，第一坐標軸方向為Y軸方向，第一坐標值為Y軸坐標值，車道線延伸方向具體表示車道線從近端到遠端的延伸方向，Y軸方向與車道線延伸方向?qū)?yīng)，可以理解為隨著車道線從近端向遠端延伸，對應(yīng)的Y軸坐標值逐漸增大。[0096]具體而言，一車道線對應(yīng)的待繪制點的第一坐標值用y;表示，該車道線對應(yīng)的標注線條在各待繪制點處的粗細大小的確定方式如下：ε?=ay+β,其中，ε;表示標注線條在y對應(yīng)的車道線延伸方向遞減。[0097]本實施例中，通過各車道線對應(yīng)的各待繪制點的第一坐標值大小，確定各車道線對應(yīng)的標注線條在各待繪制點處的粗細大小，使得標注線條的粗細大小沿對應(yīng)的車道線延伸方向遞減，從而減少標注的車道線在遠端的粘連情況，提高后續(xù)車道線檢測準確性。[0098]在一個實施例中，還可以包括以下步驟：基于車道線場景圖獲取各車道線上的標注點的類別信息；根據(jù)各車道線上的標注點的類別信息，獲得各車道線對應(yīng)的待繪制點的類別信息。根據(jù)各車道線對應(yīng)的待繪制點的位置信息、以及標注線條在各待繪制點處的粗細信息，繪制各車道線對應(yīng)的標注線條，獲得車道線場景圖對應(yīng)的車道線語義標簽圖的步驟，具體可以是：根據(jù)各車道線對應(yīng)的待繪制點的位置信息、類別信息以及標注線條在各待繪制點處的粗細信息，繪制各車道線對應(yīng)的標注線條，獲得車道線場景圖對應(yīng)的車道線語義標簽圖。[0099]類別信息用于指示標注點所屬的車道線類別，類別信息具體可以是顏色信息，即采用不同的顏色指示不同的車道線類別，如圖2所示，車道線類別包括實線和虛線，可以用第一顏色(例如紅色)指示實線類別，用第二顏色(例如綠色)指示虛線類別，從而在繪制各車道線對應(yīng)的標注線條時，除了根據(jù)待繪制點的位置信息控制繪制線條的粗細，還可以根據(jù)車道線類別控制繪制線條的顏色，如圖3所示，四條標注線條的顏色從左至右依次為紅[0100]本實施例中，通過標注點的類別信息指示對應(yīng)的車道線類別，后續(xù)進行車道線檢測時，不僅能夠檢測出車道線位置，還可以識別出車道線類別，使車道線檢測結(jié)果更為全[0101]在一個實施例中，如圖4所示，提供了一種車道線檢測模型的確定方法，以該方法應(yīng)用于車輛控制器為例進行說明，包括以下步驟S402至步驟S408。[0102]S402,獲取樣本車道線場景圖。[0103]樣本車道線場景圖表示包含車道線的道路場景圖，具體可以通過安裝于車輛上的攝像頭在車輛行駛的過程中針對前方道路拍攝獲得。樣本車道線場景圖作為訓(xùn)練集，用于訓(xùn)練生成對抗網(wǎng)絡(luò)模型。[0104]S404,獲取樣本車道線場景圖對應(yīng)的車道線語義標簽圖。[0105]可以采用上述任一實施例中的車道線標注方法，獲得樣本車道線場景圖對應(yīng)的車道線語義標簽圖。[0106]S406,基于樣本車道線場景圖以及車道線語義標簽圖，對待訓(xùn)練生成對抗網(wǎng)絡(luò)模型進行訓(xùn)練，獲得訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型。[0107]生成對抗網(wǎng)絡(luò)模型包括生成器和判別器，生成器用于將輸入的樣本車道線場景圖生成車道線語義圖，判別器旨在將車道線語義標簽圖與生成的車道線語義圖區(qū)分開來。生成對抗網(wǎng)絡(luò)模型的訓(xùn)練目標是使得車道線語義圖與車道線語義標簽圖的區(qū)別最小化，生成器和判別器分別基于損失函數(shù)進行對抗訓(xùn)練，最終得到網(wǎng)絡(luò)模型的最優(yōu)參數(shù)。[0108]S408,根據(jù)訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型中的生成器，確定車道線檢測模型。[0109]訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型中的生成器可以作為車道線檢測模型，將待檢測的車道線場景圖片輸入訓(xùn)練后的生成器中，可以生成對應(yīng)的車道線語義圖。[0110]上述車道線檢測模型的確定方法中，與一般的生成對抗網(wǎng)絡(luò)將語義圖作為輸入來生成自然場景圖不同，通過逆向使用生成對抗網(wǎng)絡(luò)，將真實的車道線場景圖作為輸入進行語義分割，生成車道線語義圖，有利于去除復(fù)雜背景，且可以生成遮擋區(qū)域的車道線，魯棒[0111]在一個實施例中，如圖5所示，提供了一種車道線檢測方法，以該方法應(yīng)用于車輛控制器為例進行說明，包括以下步驟S502至步驟S506。[0112]S502,獲取待檢測車道線場景圖。[0113]待檢測車道線場景圖表示包含待檢測車道線的道路場景圖，具體可以通過安裝于車輛上的攝像頭在車輛行駛的過程中針對前方道路拍攝獲得。[0114]S504,對待檢測車道線場景圖進行車道線檢測，獲得車道線語義圖，車道線語義圖中包括各像素點的位置信息。[0115]可以采用車道線檢測模型，對待檢測車道線場景圖進行車道線檢測，獲得車道線語義圖。車道線檢測模型具體可以是訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型中的生成器，車道線檢測模型的確定方法可以參見上文實施例，此處不再贅述。[0116]S506,基于車道線語義圖中各像素點的位置信息，確定待檢測車道線場景圖中的車道線。[0117]像素點表示檢測出的車道線包含的點，像素點的位置信息具體可以是像素點在基于車道線語義圖建立的坐標系下的坐標值。在一個實施例中，以車道線語義圖的左下角點為坐標原點，以豎直方向為第一坐標軸(用Y軸表示)方向(豎直向上為正向),以水平方向為第二坐標軸(用X軸表示)方向(水平向右為正向),建立坐標系，像素點的位置信息用(y,x)[0118]上述車道線檢測方法中，將待檢測車道線場景圖輸入生成對抗網(wǎng)絡(luò)模型的生成器中，生成對應(yīng)的車道線語義圖，可實現(xiàn)端到端檢測，省去對車道線場景圖進行預(yù)處理和計算等步驟，檢測距離更遠、手動調(diào)參量更少且魯棒性更好，相對于基于概率圖的語義分割神經(jīng)網(wǎng)絡(luò)的車道線檢測方法只能檢測固定數(shù)量車道線且無法生成遮擋區(qū)域的車道線，使用生成對抗網(wǎng)絡(luò)進行車道線檢測，可以同時檢測出車道線場景圖中的所有車道線，并可以生成遮擋區(qū)域的車道線，從而提高車道線檢測準確性，能夠適應(yīng)大多數(shù)復(fù)雜的道路場景。[0119]在一個實施例中，基于車道線語義圖中各像素點的位置信息，確定待檢測車道線場景圖中的車道線的步驟，具體可以包括以下步驟：基于車道線語義圖中各像素點的位置信息，獲得各連通區(qū)域的車道線輪廓；對于每一車道線輪廓，根據(jù)車道線輪廓的輪廓點位置信息，判斷車道線輪廓是否為粘連車道線輪廓；當車道線輪廓為粘連車道線輪廓時，根據(jù)粘連車道線輪廓的輪廓點位置信息對粘連車道線輪廓進行分割，獲得分割車道線輪廓；根據(jù)車道線輪廓中的非粘連車道線輪廓和分割車道線輪廓，確定目標車道線輪廓，基于各目標車道線輪廓的輪廓點，確定待檢測車道線場景圖中的車道線。[0120]其中，輪廓點位置信息具體是輪廓點的第一坐標極值位置信息，通過輪廓點的第一坐標極值位置信息，判斷車道線輪廓是否為粘連車道線輪廓，并對粘連車道線輪廓進行分割。目標車道線輪廓表示最終用于曲線擬合來確定車道線的輪廓。此外，基于車道線語義圖獲得的車道線輪廓，或分割后得到的車道線輪廓中，還可能存在同一條車道線斷開的情況，即可能存在多個車道線輪廓對應(yīng)同一條車道線的情況，因此還需對相應(yīng)的車道線輪廓進行合并，車道線輪廓的合并將在后文實施例中詳細描述。[0121]檢測得到車道線語義圖后，還可以先對車道線語義圖進行預(yù)處理，具體包括以下步驟：對車道線語義圖進行閉運算，以填充車道線語義圖中的孔洞，便于后續(xù)查找完整的封閉車道線輪廓；對閉運算后的車道線語義圖進行開運算，以減少前面閉運算導(dǎo)致的兩條不同的車道線粘連的情況；對開運算后的車道線語義圖進行二值化，以濾除部分噪聲像素點。[0122]對車道線語義圖進行預(yù)處理后，基于預(yù)處理后的車道線語義圖中像素點的位置分布情況，獲得各連通區(qū)域的封閉輪廓，視為初始的各車道線輪廓，計算各封閉輪廓的周長，將輪廓周長小于周長閾值的封閉輪廓進行剔除，以濾除噪聲車道線，獲得濾除噪聲后的車道線輪廓，再進行后續(xù)分割和合并處理。[0123]在一個實施例中，輪廓點位置信息包括基于車道線語義圖建立的坐標系下第一坐標軸方向的第一坐標值，第一坐標軸方向表示與車道線延伸方向?qū)?yīng)的方向；根據(jù)車道線輪廓的輪廓點位置信息，判斷車道線輪廓是否為粘連車道線輪廓的步驟，具體可以包括以下步驟：以車道線輪廓的任一輪廓點為起始點，按照車道線輪廓的輪廓方向，依次獲取車道線輪廓的各輪廓點的第一坐標值；根據(jù)依次獲得的各輪廓點的第一坐標值，獲得第一坐標極大值和第一坐標極小值；根據(jù)第一坐標極大值的數(shù)量以及第一坐標極小值的數(shù)量，判斷車道線輪廓是否為粘連車道線輪廓。[0124]具體地，當?shù)谝蛔鴺藰O大值的數(shù)量以及第一坐標極小值的數(shù)量中，至少有一個數(shù)量大于1,判定車道線輪廓為粘連車道線輪廓，粘連車道線輪廓可以理解為包含至少兩條不同的車道線對應(yīng)的輪廓。當?shù)谝蛔鴺藰O大值的數(shù)量以及第一坐標極小值的數(shù)量均為1,判定車道線輪廓為非粘連車道線輪廓，非粘連車道線輪廓可以理解為同一條車道線對應(yīng)的輪廓。[0125]第一坐標軸方向為Y軸方向，第一坐標值為Y軸坐標值，以車道線輪廓的任一輪廓點為起始點，按照車道線輪廓的輪廓方向，依次獲取車道線輪廓的各輪廓點的Y軸坐標值，根據(jù)依次獲得的各輪廓點的Y軸坐標值，獲得Y軸坐標極大值和Y軸坐標極小值，Y軸坐標極大值和Y軸坐標極小值對應(yīng)的輪廓點分別稱為極大值點和極小值點。尋找極值點的方法具體可以如下：以車道線輪廓的任一輪廓點為起始點，按照車道線輪廓的逆時針方向順序，依次存儲將各輪廓點，獲得輪廓點集，可以理解，輪廓點集中存儲的最后一個輪廓點是存儲的第一個輪廓點的右相鄰點；若某一輪廓點左右相鄰N個點與該輪廓點的Y軸坐標值之差均大于一閾值，則該輪廓點為極小值點；若某一輪廓點與之左右相鄰N個點的Y軸坐標值之差均可以設(shè)為2或3;閾值為正數(shù)，可以結(jié)合實際需求進行設(shè)置，此處不做限定。[0126]需要說明的是，尋找到的極值點中，可能存在極大值點和極小值點的數(shù)量不完全匹配的情況，如果找到多個相距較近(相距較近的意思是指輪廓點存儲索引相距較近)的同一性質(zhì)的極值點(極大值點或極小值點),則取其中排序靠前的一個極值點，濾掉多余誤檢極值點。上述數(shù)量不匹配的情況發(fā)生概率很小，下文以極大值和極小值一一對應(yīng)的情況為例來進行說明。[0127]圖6和圖7分別示出了一個實施例中的車道線輪廓示意圖，由圖可見，圖6中有兩個Y軸坐標極大值(分別對應(yīng)輪廓點YE_max1和YE_max2)和兩個Y軸坐標極小值(分別對應(yīng)輪廓點YE_min1和YE_min2),即圖6所示的車道線輪廓為粘連車道線輪廓，包含兩條不同車道線對應(yīng)的輪廓。圖7中有三個Y軸坐標極大值(分別對應(yīng)輪廓點YE_max1、YE_max2和YE_max3)和三個Y軸坐標極小值(分別對應(yīng)輪廓點YE_min1、YE_min2和YE_min3),即圖7所示的車道線輪廓為粘連車道線輪廓，包含三條不同車道線對應(yīng)的輪廓。[0128]當檢測出的車道線存在粘連情況時，會對后續(xù)曲線擬合的準確性產(chǎn)生影響，而且可能會將多條粘連的車道線判定為同一條車道線，因此需要對粘連車道線進行分割。[0129]在一個實施例中，當車道線輪廓為粘連車道線輪廓時，根據(jù)車道線輪廓的輪廓點位置信息對粘連車道線輪廓進行分割，獲得分割車道線輪廓的步驟，具體可以包括以下步驟：以任一第一坐標極大值對應(yīng)的第一坐標極大值點為起始點，按照粘連車道線輪廓的輪廓方向，對各第一坐標極大值點進行排序；基于相鄰序號的第一坐標極大值點之間的輪廓[0130]具體地，按照車道線輪廓的逆時針方向順序，依次存儲各輪廓點，獲得輪廓點集，以離輪廓點集中存儲的第一個輪廓點最近的第一坐標極大值點為起始點，按照車道線輪廓的逆時針方向順序，對各第一坐標極大值點進行排序。以圖7所示的粘連車道線輪廓為例，線輪廓分為3段，獲得3段分割車道線輪廓，第一段分割車道線輪廓的輪廓點包括YE_max1與YE_max2之間的輪廓點，第二段分割車道線輪廓的輪廓點包括YE_max2與YE_max3之間的輪[0131]上述實施例中，基于第一坐標極大值點對粘連車道線輪廓進行分割，后續(xù)可以對獲得的各分割車道線輪廓的輪廓點分別進行曲線擬合，避免車道線粘連對于曲線擬合的影[0132]當檢測出的車道線存在同一條車道線斷開的情況時，也會對后續(xù)曲線擬合的準確性產(chǎn)生影響，可能會將屬于同一條車道線的多條斷開車道線判定為多條車道線，因此需要對斷開車道線進行合并。[0133]在一個實施例中，根據(jù)車道線輪廓中的非粘連車道線輪廓和分割車道線輪廓，確定目標車道線輪廓的步驟，具體可以包括以下步驟：對于分割后輪廓中的任意兩個車道線輪廓，根據(jù)兩個車道線輪廓的輪廓點位置信息，判斷兩個車道線輪廓是否對應(yīng)同一條車道線，分割后輪廓包括非粘連車道線輪廓和分割車道線輪廓；當兩個車道線輪廓對應(yīng)同一條車道線時，將兩個車道線輪廓的輪廓點合并，獲得合并車道線輪廓；根據(jù)分割后輪廓中對應(yīng)不同條車道線的車道線輪廓和合并車道線輪廓，確定目標車道線輪廓。[0134]根據(jù)兩個車道線輪廓的輪廓點位置信息，判斷兩個車道線輪廓是否對應(yīng)同一條車道線的步驟，具體可以包括以下步驟：獲取第一車道線輪廓的第一最低點和第一最高點的位置信息，獲取第二車道線輪廓的第二最低點和第二最高點的位置信息，最低點和最高點基于各輪廓點的第一坐標值確定，第一最高點的第一坐標值大于或等于第二最高點的第一坐標值；分別對第一車道線輪廓和第二車道線輪廓的輪廓點進行直線擬合，獲得第一擬合線和第二擬合線，分別計算第一擬合線和第二擬合線的斜率，獲得第一斜率和第二斜率；根據(jù)第一斜率與第二斜率的斜率差值、第一車道線輪廓與第二車道線輪廓的第一距離、以及第一最低點與第二最高點的第二距離，判斷兩個車道線輪廓是否對應(yīng)同一條車道線。[0135]其中，第一最低點是指第一車道線輪廓的最低點，即第一車道線輪廓中Y軸坐標最小值對應(yīng)的輪廓點，第一最高點是指第一車道線輪廓的最高點，即第一車道線輪廓中Y軸坐標最大值對應(yīng)的輪廓點。第二最低點是指第二車道線輪廓的最低點，即第二車道線輪廓中Y軸坐標最小值對應(yīng)的輪廓點，第二最高點是指第二車道線輪廓的最高點，即第二車道線輪廓中Y軸坐標最大值對應(yīng)的輪廓點。第一最高點的Y軸坐標值大于或等于第二最高點的Y軸坐標值。第一距離是指第一車道線輪廓與第二車道線輪廓之間的距離，第二距離表示第一車道線輪廓的最低點與第二車道線輪廓的最高點之間的距離。[0136]舉例來說，圖8示出了一個實施例中的車道線輪廓示意圖，第一車道線輪廓eline位于第二車道線輪廓line上方，ps1點和pel點分別表示第一車道線輪廓eline的最高點和最低點，ps2點和pe2點分別表示第二車道線輪廓line的最高點和最低點。[0137]第一車道線輪廓eline與第二車道線輪廓line之間的距離，可以用兩輪廓中的一個輪廓頂點到另一個輪廓擬合線的距離來表示，具體可以是第一車道線輪廓eline的最低點pel到第二車道線輪廓line的擬合線的距離，或是第一車道線輪廓eline的最高點ps1到第二車道線輪廓line的擬合線的距離，或是第二車道線輪廓line的最低點pe2到第一車道線輪廓eline的擬合線的距離，或是第二車道線輪廓line的最高點ps2到第一車道線輪廓eline的擬合線的距離。[0138]在一個實施例中，當斜率差值小于第一閾值、且第一距離小于第二閾值、且第二距離小于第三閾值時，判定兩個車道線輪廓對應(yīng)同一條車道線。即當兩個車道線輪廓的斜率接近、第一距離和第二距離較小時，認為該兩個車道線輪廓屬于同一條車道線，可將該兩個以根據(jù)實際情況進行設(shè)置。[0139]需要說明的是，除了采用上述斜率差值、第一距離和第二距離作為判斷兩車道線輪廓是否對應(yīng)同一條車道線的參數(shù)時，還可以采用其他參數(shù)來進行判斷。例如，如圖8所示，參數(shù)還可以包括：第一車道線輪廓eline的最低點pe1與第二車道線輪廓line的最低點pe2的Y軸坐標值絕對值差(用Ly表示)、第一車道線輪廓eline的最低點pe1與第二車道線輪廓line的最低點pe2的X軸坐標值絕對值差(用Lx表示)、第一車道線輪廓eline的最高點ps1與第二車道線輪廓line的最高點ps2的Y軸坐標值絕對值差(用Hy表示)、第一車道線輪廓eline的最高點ps1與第二車道線輪廓line的最高點ps2的X軸坐標值絕對值差(用Hx表示),當Ly和Hy較大、Lx和Hx較小時，認為第一車道線輪廓eline和第二車道線輪廓line很可能對應(yīng)同一條車道線。[0140]上述實施例中，通過對屬于同一條車道線的多個車道線輪廓進行合并，可有效合并斷開的車道線輪廓，提高后續(xù)曲線擬合準確率。[0141]對檢測出的車道線輪廓中需要分割或合并的車道線輪廓進行上述分割以及合并處理后，獲得最終的目標車道線輪廓，可以對各目標車道線輪廓的輪廓點進行三次曲線擬合，得到曲線擬合參數(shù)，并將擬合后的車道線顯示出來，作為最終的車道[0142]需要說明的是，若檢測出的車道線輪廓中不存在需要分割或合并的輪廓，則檢測出的車道線輪廓即為目標車道線輪廓；若檢測出的車道線輪廓中存在粘連車道線輪廓，則對粘連車道線輪廓進行分割，獲得分割車道線輪廓，將檢測出的車道線輪廓中的非粘連車道線輪廓和分割得到的分割車道線輪廓作為分割后輪廓，若分割后輪廓中不存在需合并的輪廓，則分割后輪廓即為目標車道線輪廓；若分割后輪廓中存在需合并的輪廓，則將需合并的輪廓進行合并，獲得合并車道線輪廓，將分割后輪廓中不需要進行合并的車道線輪廓和合并得到的合并車道線輪廓作為目標車道線輪廓。[0143]在一個實施例中，車道線語義圖中還包括各像素點的類別信息，類別信息用于指示像素點所屬的車道線類別；獲得目標車道線輪廓后，還可以根據(jù)各目標車道線輪廓中各像素點的類別信息，確定各目標車道線輪廓對應(yīng)的車道線類別。[0144]具體地，對于每一目標車道線輪廓，統(tǒng)計目標車道線輪廓中各類別信息對應(yīng)的像素點數(shù)量，將對應(yīng)的像素點數(shù)量最多的類別信息所指示的車道線類別，確定為目標車道線輪廓對應(yīng)的車道線類別。[0145]舉例來說，類別信息為車道線語義圖中的顏色信息，車道線類別包括實線和虛線，用紅色指示實線類別，用綠色指示虛線類別。具體地，可以根據(jù)像素點的RGB值判定該像素點屬于實線還是虛線，若像素點的R通道的值與G通道的值的差值大于預(yù)設(shè)閾值，認為該像素點對應(yīng)實線類別，若像素點的G通道的值與R通道的值的差值大于預(yù)設(shè)閾值，認為該像素點對應(yīng)虛線類別。對于每一目標車道線輪廓，統(tǒng)計實線類別和虛線類別分別對應(yīng)的像素點數(shù)量，若實線類別對應(yīng)的像素點數(shù)量大于虛線類別對應(yīng)的像素點數(shù)量，則判定目標車道線輪廓對應(yīng)的車道線類別為實線，若虛線類別對應(yīng)的像素點數(shù)量大于實線類別對應(yīng)的像素點數(shù)量，則判定目標車道線輪廓對應(yīng)的車道線類別為虛線。[0146]上述實施例中，通過目標車道線輪廓所包含的各像素點的類別信息判定對應(yīng)的車道線類別，從而不僅能夠檢測出車道線場景圖中車道線的位置，還可以識別出車道線類別，使車道線檢測結(jié)果更為全面。是這些步驟并不是必然按照箭頭指示的順序依次執(zhí)行。除非本文中有明確的說明，這些步驟的執(zhí)行并沒有嚴格的順序限制，這些步驟可以以其它的順序執(zhí)行。而且少一部分步驟可以包括多個步驟或者多個階段，這些步驟或者階段并不必然是在同一時刻執(zhí)行完成，而是可以在不同的時刻執(zhí)行，這些步驟或者階段的執(zhí)行順序也不必然是依次進行，而是可以與其它步驟或者其它步驟中的步驟或者階段的至少一部分輪流或者交替地執(zhí)行。[0148]在一個實施例中，如圖9所示，提供了一種車道線標注裝置900,包括：標注點信息獲取模塊910、待繪制點信息確定模塊920、標注線條信息確定模塊930和標注線條繪制模塊940,其中：[0149]標注點信息獲取模塊910,用于基于車道線場景圖獲取各車道線上的標注點的位置信息。[0150]待繪制點信息確定模塊920,用于根據(jù)各車道線上的標注點的位置信息，確定各車道線對應(yīng)的待繪制點的位置信息。[0151]標注線條信息確定模塊930,用于基于各車道線對應(yīng)的待繪制點的位置信息，確定各車道線對應(yīng)的標注線條在各待繪制點處的粗細信息。[0152]標注線條繪制模塊940,用于根據(jù)各車道線對應(yīng)的待繪制點的位置信息、以及標注線條在各待繪制點處的粗細信息，繪制各車道線對應(yīng)的標注線條，獲得車道線場景圖對應(yīng)的車道線語義標簽圖。[0153]在一個實施例中，待繪制點信息確定模塊920,具體用于：根據(jù)各車道線上的標注點中的相鄰標注點的位置信息進行線性插值，獲得相鄰標注點之間的插值點的位置信息；基于各車道線上的標注點以及插值點的位置信息，確定各車道線對應(yīng)的待繪制點的位置信[0154]在一個實施例中，位置信息包括基于車道線場景圖建立的坐標系下第一坐標軸方向的第一坐標值，第一坐標軸方向表示與車道線延伸方向?qū)?yīng)的方向；標注線條信息確定模塊930,具體用于：基于各車道線對應(yīng)的各待繪制點的第一坐標值大小，確定各車道線對應(yīng)的標注線條在各待繪制點處的粗細大小，使得標注線條的粗細大小沿對應(yīng)的車道線延伸方向遞減。[0155]在一個實施例中，標注點信息獲取模塊910,還用于基于車道線場景圖獲取各車道線上的標注點的類別信息；待繪制點信息確定模塊920,還用于根據(jù)各車道線上的標注點的類別信息，獲得各車道線對應(yīng)的待繪制點的類別信息；標注線條繪制模塊940,具體用于根據(jù)各車道線對應(yīng)的待繪制點的位置信息、類別信息以及標注線條在各待繪制點處的粗細信息，繪制各車道線對應(yīng)的標注線條，獲得車道線場景圖對應(yīng)的車道線語義標簽圖。[0156]在一個實施例中，如圖10所示，提供了一種車道線檢測模型的確定裝置1000,包括：樣本獲取模塊1010、車道線標注模塊1020、模型訓(xùn)練模塊1030和模型確定模塊1040,其[0157]樣本獲取模塊1010,用于獲取樣本車道線場景圖。[0158]車道線標注模塊1020,用于采用前文任一實施例中的車道線標注方法對樣本車道線場景圖進行車道線標注，獲得樣本車道線場景圖對應(yīng)的車道線語義標簽圖。[0159]模型訓(xùn)練模塊1030,用于基于樣本車道線場景圖以及車道線語義標簽圖，對待訓(xùn)練生成對抗網(wǎng)絡(luò)模型進行訓(xùn)練，獲得訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型。[0160]模型確定模塊1040,用于根據(jù)訓(xùn)練后的生成對抗網(wǎng)絡(luò)模型中的生成器，確定車道線檢測模型。[0161]在一個實施例中，如圖11所示，提供了一種車道線檢測裝置1100,包括：待檢測圖片獲取模塊1110、車道線檢測模塊1120和車道線確定模塊1130,其中：[0162]待檢測圖片獲取模塊1110,用于獲取待檢測車道線場景圖。[0163]車道線檢測模塊1120,用于采用前文任一實施例中的車道線檢測模型的確定方法確定的車道線檢測模型，對待檢測車道線場景圖進行車道線檢測，獲得車道線語義圖，車道線語義圖包括各像素點的位置信息。[0164]車道線確定模塊1130,用于基于車道線語義圖中各像素點的位置信息，確定待檢測車道線場景圖中的車道線。[0165]在一個實施例中，車道線確定模塊1130包括：輪廓獲取單元、第一判斷單元、分割單元和確定單元。輪廓獲取單元，用于基于車道線語義圖中各像素點的位置信息，獲得各連通區(qū)域的車道線輪廓；第一判斷單元，用于對于每一車道線輪廓，根據(jù)車道線輪廓的輪廓點位置信息，判斷車道線輪廓是否為粘連車道線輪廓；分割單元，用于當車道線輪廓為粘連車道線輪廓時，根據(jù)粘連車道線輪廓的輪廓點位置信息對粘連車道線輪廓進行分割，獲得分割車道線輪廓；確定單元，用于根據(jù)車道線輪廓中的非粘連車道線輪廓和分割車道線輪廓，確定目標車道線輪廓，基于各目標車道線輪廓的輪廓點，確定待檢測車道線場景圖中的車道線。[0166]在一個實施例中，輪廓點位置信息包括基于車道線語義圖建立的坐標系下第一坐標軸方向的第一坐標值，第一坐標軸方向表示與車道線延伸方向?qū)?yīng)的方向；第一判斷單元具體用于：以車道線輪廓的任一輪廓點為起始點，按照車道線輪廓的輪廓方向，依次獲取車道線輪廓的各輪廓點的第一坐標值；根據(jù)依次獲得的各輪廓點的第一坐標值，獲得第一坐標極大值和第一坐標極小值；根據(jù)第一坐標極大值數(shù)量以及第一坐標極小值的數(shù)量，判斷車道線輪廓是否為粘連車道線輪廓。[0167]在一個實施例中，第一判斷單元還用于當?shù)谝蛔鴺藰O大值的數(shù)量以及第一坐標極小值的數(shù)量中，至少有一個數(shù)量大于1,判定車道線輪廓為粘連車道線輪廓。[0168]在一個實施例中，分割單元具體用于：以任一第一坐標極大值對應(yīng)的第一坐標極大值點為起始點，按照粘連車道線輪廓的輪廓方向，對各第一坐標極大值點進行排序；基于相鄰序號的第一坐標極大值點之間的輪廓點，獲得分割車道線輪廓。[0169]在一個實施例中，確定單元具體用于：對于分割后輪廓中的任意兩個車道線輪廓，根據(jù)兩個車道線輪廓的輪廓點位置信息，判斷兩個車道線輪廓是否對應(yīng)同一條車道線，分割后輪廓包括非粘連車道線輪廓和分割車道線輪廓；當兩個車道線輪廓對應(yīng)同一條車道線時，將兩個車道線輪廓的輪廓點合并，獲得合并車道線輪廓；根據(jù)分割后輪廓中對應(yīng)不同條車道線的車道線輪廓和合并車道線輪廓，確定目標車道線輪廓。[0170]在一個實施例中，第二判斷單元具體用于：獲取第一車道線輪廓的第一最低點和第一最高點的位置信息，獲取第二車道線輪廓的第二最低點和第二最高點的位置信息，最低點和最高點基于各輪廓點的第一坐標值確定，第一最高點的第一坐標值大于或等于第二最高點的第一坐標值；分別對第一車道線輪廓和第二車道線輪廓的輪廓點進行直線擬合，獲得第一擬合線和第二擬合線，分別計算第一擬合線和第二擬合線的斜率，獲得第一斜率和第二斜率；根據(jù)第一斜率與第二斜率的斜率差值、第一車道線輪廓與第二車道線輪廓的第一距離、以及第一最低點與第二最高點的第二距離，判斷兩個車道線輪廓是否對應(yīng)同一條車道線。[0171]在一個實施例中，第一距離包括下述各項中的任意一項：第一最低點到第二擬合線的距離；第一最高點到第二擬合線的距離；第二最低點到第一擬合線的距離；第二最高點到第一擬合線的距離。第二判斷單元還用于：當斜率差值小于第一閾值、且第一距離小于第二閾值、且第二距離小于第三閾值時，判定兩個車道線輪廓對應(yīng)同一條車道線。[0172]在一個實施例中，車道線語義圖中還包括各像素點的類別信息，類別信息用于指示像素點所屬的車道線類別。車道線確定模塊1130還用于：根據(jù)各目標車道線輪廓中各像素點的類別信息，確定各目標車道線輪廓對應(yīng)的車道線類別。[0173]在一個實施例中，車道線確定模塊1130具體用于：對于每一目標車道線輪廓，統(tǒng)計目標車道線輪廓中各類別信息對應(yīng)的像素點數(shù)量，將對應(yīng)的像素點數(shù)量最多的類別信息所指示的車道線類別，確定為目標車道線輪廓對應(yīng)的車道線類別。[0174]關(guān)于車道線標注、車道線檢測模型的確定以及車道線檢測裝置的具體限定可以參見上文中對于車道線標注、車道線檢測模型的確定以及車道線檢測方法的限定，在此不再贅述。上述車道線標注、車道線檢測模型的確定以及車道線檢測裝置中的各個模塊可全部或部分通過軟件、硬件及其組