买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学申请的专利一种面向高级别自动驾驶的车道线检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115761669B 。

龙图腾网通过国家知识产权局官网在2025-08-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211419494.8，技术领域涉及：G06V20/56；该发明授权一种面向高级别自动驾驶的车道线检测方法是由姜俊昭;彭彬;杨文豪;卢剑伟;徐业凯;石琴;刘世茂;江昊设计研发完成，并于2022-11-14向国家知识产权局提交的专利申请。

本一种面向高级别自动驾驶的车道线检测方法在说明书摘要公布了：本发明公开了一种面向高级别自动驾驶的车道线检测方法，利用由摄像头采集到的含有车道线的样本图像获得用于模型训练的真值数据，利用真值数据搭建并优化获得优化卷积神经网络模型；利用生成对抗网络对待检测图像进行去模糊适配处理，获得待检测车道线清晰图像；利用优化卷积神经网络模型通过形态学处理、连通域分析和空间聚类对待检测车道线清晰图像进行处理获得车道线实例分割结果；利用激光雷达检测路面获得车道线位置信息，结合车道线位置信息和车道线实例分割结果获得包含车道线类别信息和车道线位置信息的完整检测结果。本发明能够满足高级别自动驾驶对车道线检测准确率、召回率及信息完整性的要求。

本发明授权一种面向高级别自动驾驶的车道线检测方法在权利要求书中公布了：1.一种面向高级别自动驾驶的车道线检测方法，其特征是：利用由摄像头采集到的含有车道线的样本图像获得用于模型训练的真值数据，利用所述真值数据搭建并优化获得优化卷积神经网络模型；利用生成对抗网络对待检测图像进行去模糊适配处理，获得待检测车道线清晰图像；利用所述优化卷积神经网络模型通过形态学处理、连通域分析和空间聚类对所述待检测车道线清晰图像进行处理获得车道线实例分割结果；利用激光雷达检测路面获得车道线位置信息，结合所述车道线位置信息和车道线实例分割结果获得包含车道线类别信息和车道线位置信息的完整检测结果；所述面向高级别自动驾驶的车道线检测方法按如下步骤进行： 步骤1：针对由摄像头采集到的含有车道线的样本图像进行车道线类别定义，获得车道线标注规范；利用所述车道线标注规范对车道线进行类别标注获得模型训练用真值数据； 步骤2：对所述真值数据进行图像增强和类别比例适配，获得增强真值数据； 步骤3：利用所述增强真值数据按如下方式搭建包含层间特征聚合模块和层内信息循环传递模块的卷积神经网络模型： 以所述增强真值数据为输入，利用所述层间特征聚合模块对不同网络分支的输出特征图进行多尺度特征融合；利用所述层内信息循环传递模块对所述增强真值数据中的车道线像素进行稀疏特征空间的信息增强；根据独热机制设计所述卷积神经网络模型的输出维度，定义包含多分类焦点损失、像素聚类损失及正则项的加权综合损失函数，采用随机梯度下降算法优化所述加权综合损失函数，更新卷积神经网络模型参数，获得优化卷积神经网络模型； 步骤4：利用雨、雪和雾传感器判断天气状况，若判断为雨、雪或雾天，则利用生成对抗网络对雨、雪和雾天采集到的待检测图像进行去模糊适配处理，获得待检测车道线清晰图像；若判断为非雨、雪和雾天，则所述待检测图像即为待检测车道线清晰图像； 步骤5：利用所述优化卷积神经网络模型对所述待检测车道线清晰图像进行车道线信息推理，获得包含车道线类别信息的语义分割结果，对所述语义分割结果进行形态学处理、连通域分析和空间聚类，获得包含车道线类别信息的实例分割结果； 步骤6：对激光雷达扫描的路面信息进行回波强度差异提取，获得包含车道线像素的灰度图，对所述灰度图进行DBSCAN聚类，获得具有车道线位置信息的激光雷达检测结果； 步骤7：对所述实例分割结果与所述车道线位置信息进行时空配准和像素语义匹配融合，获得包含车道线类别信息与位置信息的完整检测结果，实现车道线检测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。