CN118470678A 一种基于空间感知的3d车道线检测方法 （西安交通大学）.pdfVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN118470678A

(43)申请公布日2024.08.09

(21)申请号202410663947.4

(22)申请日2024.05.27

(71)申请人西安交通大学

地址710049陕西省西安市碑林区咸宁西

路28号

(72)发明人庞善民陈金杰

(74)专利代理机构北京盛广信合知识产权代理

有限公司16117

专利代理师苏鹏

(51)Int.Cl.

G06V20/56(2022.01)

G06V10/44(2022.01)

G06V10/82(2022.01)

G06N3/0464(2023.01)

G06N3/0455(2023.01)

权利要求书3页说明书17页附图3页

(54)发明名称

一种基于空间感知的3D车道线检测方法

(57)摘要

本发明公开了一种基于空间感知的3D车道

线检测方法，包括：将初始车道线图像输入图片

特征提取模型，获取目标前视特征图；设置空间

锚线，对所述空间锚线进行FV‑Lane空间转换，并

通过狭长采样模型对所述目标前视特征图采样

聚合，获取所述空间锚线对应的特征；基于所述

空间锚线对应的特征和检测头，获取3D车道检测

结果。本发明基于空间感知的3D车道线检测方法

具有鲁棒性和有效性。

A

8

7

6

0

7

4

8

1

1

N

C

CN118470678A权利要求书1/3页

1.一种基于空间感知的3D车道线检测方法，其特征在于，包括以下步骤：

将初始车道线图像输入图片特征提取模型，获取目标前视特征图；

设置空间锚线，对所述空间锚线进行FV‑Lane空间转换，并通过狭长采样模型对所述目

标前视特征图采样聚合，获取所述空间锚线对应的特征；

基于所述空间锚线对应的特征和检测头，获取3D车道检测结果。

2.如权利要求1所述的基于空间感知的3D车道线检测方法，其特征在于，所述图片特征

提取模型包括卷积神经网络和Transformer

Layer网络；

所述卷积神经网络采用ResNet‑34网络，用于提取所述初始车道线图像的前视特征图；

所述Transformer

Layer网络，用于优化所述前视特征图，获取所述目标前视特征图。

3.如权利要求2所述的基于空间感知的3D车道线检测方法，其特征在于，所述

Transformer

Layer网络包括第一Transformer

Encoder和第二Transformer

Encoder，且

所述第一Transformer

Encoder和所述第二Transformer

Encoder均包含SelfAttention模

块和MLP模块。

4.如权利要求3所述的基于空间感知的3D车道线检测方法，其特征在于，将初始车道线

图像输入图片特征提取模型，获取目标前视特征图，包括：

利用所述卷积神经网络对所述初始车道线图像进行特征提取，获取所述前视特征图并

输入所述Transformer

Layer网络；

将所述前视特征图在空间维度展平，形成特征序列，并通过所述第一Transformer

Encoder的SelfAttention模块，获取第一输出特征；

将所述第一输出特征输入所述第一Transformer

Encoder的MLP模块，并通过残差连接

以及层归一化模块，获取目标输出特征；

对所述目标输出特征进行空间维度扩展，并输入所述第二Transformer

Encoder，获取

所述目标前视特征图。

5.如权利要求1所