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！

龙图腾网获悉元橡科技(北京)有限公司申请的专利一种3D车道线检测模型训练方法及3D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：CN119206648B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411235935.8，技术领域涉及：G06V20/56；该发明授权一种3D车道线检测模型训练方法及3D车道线检测方法是由刘晓莉;任杰;王鑫设计研发完成，并于2024-09-04向国家知识产权局提交的专利申请。

本一种3D车道线检测模型训练方法及3D车道线检测方法在说明书摘要公布了：本申请公开了一种3D车道线检测模型训练方法及3D车道线检测方法，该训练方法包括：步骤1：构建3D车道线检测模型，其中，3D车道线检测模型至少包括3D车道线分支、2D车道线分支；步骤2：分别根据3D车道线分支的第一感知结果、2D车道线分支的第二感知结果，构建网络损失函数，并基于网络损失函数对3D车道线检测模型进行迭代训练；步骤3：若判定满足预设的早停条件，则停止对2D车道线分支的迭代训练，继续对3D车道线分支进行迭代训练，直至满足预设的终止条件，并保存3D车道线分支最后一次迭代训练的模型参数。通过本申请中的技术方案，有助于提高对复杂场景下的三维车道线检测模型的训练效果，提高检测的准确性。

本发明授权一种3D车道线检测模型训练方法及3D车道线检测方法在权利要求书中公布了：1.一种3D车道线检测模型训练方法，其特征在于，所述方法包括： 步骤1：构建3D车道线检测模型，其中，所述3D车道线检测模型至少包括3D车道线分支、2D车道线分支； 步骤2：分别根据所述3D车道线分支的第一感知结果、所述2D车道线分支的第二感知结果，构建网络损失函数，并基于所述网络损失函数对所述3D车道线检测模型进行迭代训练； 步骤3：若判定满足预设的早停条件，则停止对所述2D车道线分支的迭代训练，继续对所述3D车道线分支进行迭代训练，直至满足预设的终止条件，并保存所述3D车道线分支最后一次迭代训练的模型参数，其中， 所述3D车道线分支用于输出3D车道线候选锚线，所述3D车道线候选锚线用于确定车道线； 其中，判定满足预设的早停条件，具体包括： 步骤31：在任一次迭代训练的过程中，计算所述网络损失函数的损失值，当判定所述网络损失函数的损失值小于收敛阈值时，根据所述网络损失函数的损失值对所述收敛阈值进行更新，并对当前的迭代次数打标签； 步骤32：对所述3D车道线检测模型进行第一训练次数的迭代训练后，再对所述3D车道线检测模型进行第二训练次数的迭代训练，并在所述第二训练次数的迭代训练过程中，分多次选取训练后的3D车道线检测模型，依次计算选取出的、多个3D车道线检测模型在验证数据上的检测指标； 步骤33：判断多个所述检测指标中的任一个是否大于基准指标， 若是，基于多个所述检测指标中的最大值，更新所述基准指标，继续对所述3D车道线检测模型进行所述第二训练次数的迭代训练，计算所述网络损失函数的损失值及所述检测指标， 若否，当判定打标签的迭代次数不属于所述第二训练次数时，则判定满足预设的所述早停条件， 当判定打标签的迭代次数属于所述第二训练次数时，继续对所述3D车道线检测模型进行第三训练次数的迭代训练后，判定满足预设的所述早停条件； 所述网络损失函数至少包括3D损失函数、2D损失函数和类别散度损失函数， 所述步骤2中，基于所述网络损失函数对所述3D车道线检测模型进行迭代训练，具体包括： 步骤21：将样本数据输入至所述3D车道线检测模型，输出第一感知结果、第二感知结果，其中，所述第一感知结果由所述3D车道线分支预测得到，所述第二感知结果由所述2D车道线分支预测得到； 步骤22：将所述第一感知结果和第一标签数据代入至所述3D损失函数，计算第一损失值，并将所述第二感知结果和第二标签数据代入至所述2D损失函数，计算第二损失值； 步骤23：将所述第一感知结果和所述第二感知结果带入所述类别散度损失函数，计算类别散度损失值； 步骤24：对所述第一损失值、所述第二损失值、所述类别散度损失值进行加权，得到加权后的损失值，通过最小化所述加权后的损失值分别确定下一次迭代训练时所述3D车道线分支、所述2D车道线分支中的模型参数，以对所述3D车道线检测模型进行迭代训练。

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元橡科技(北京)有限公司，其通讯地址为：100080 北京市海淀区学院路51号12层1208-1211；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”。

以上内容由龙图腾AI智能生成。