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！

龙图腾网获悉西安电子科技大学申请的专利基于几何特征提取和位置信息编码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：CN116682085B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310712047.X，技术领域涉及：G06V20/56；该发明授权基于几何特征提取和位置信息编码的车道线检测方法是由张静;乐垚;郑淙耀;李云松设计研发完成，并于2023-06-15向国家知识产权局提交的专利申请。

本基于几何特征提取和位置信息编码的车道线检测方法在说明书摘要公布了：本发明公开了一种基于几何特征提取和位置信息编码的车道线检测方法，解决了现有技术中没有考虑车道线几何特征和位置信息从而导致准确率较低以及计算量较大的问题。本发明实现的步骤包括：搭建初步特征提取子网络；搭建几何特征提取模块；搭建位置信息编码模块；构建非对称双边自注意力网络；生成训练集；训练非对称双边自注意力网络；检测车道线。本发设计的几何特征提取模块和位置信息编码模块能够充分提取并利用车道线的几何特征和位置信息，从而整体上提升车道线检测的性能，同时采用条形卷积核代替方形卷积核以减少计算量，对车道线检测的准确率和时效性有较好的平衡效果。

本发明授权基于几何特征提取和位置信息编码的车道线检测方法在权利要求书中公布了：1.一种基于几何特征提取和位置信息编码的车道线检测方法，其特征在于，分别构建了几何特征提取模块和位置信息编码模块；该检测方法的步骤包括如下： 步骤1，构建初步特征提取子网络； 步骤2，构建几何特征提取模块： 搭建由高级特征输入层，行内自注意力子模块，行间自注意力子模块，几何特征输出层依次串联而成的几何特征提取模块； 所述的行内自注意力子模块由两条支路组成，第一条支路由输入层，第1维度重排层，线性层，分割层，自注意力层依次串联组成；第二条支路由矩阵加法层，第2维度重排层，输出层依次串联组成；第二条支路中的矩阵加法层跨接在第一条支路的输入层和自注意力层之间； 所述的行间自注意力子模块由两条支路组成，第1条支路由行间自注意力输入层，卷积层，第1分割层，堆砌层，第1维度重排层，第2分割层，自注意力层依次串联组成，第2条支路由矩阵加法层，第2维度重排层，行间自注意力输出层依次串联组成，矩阵加法层跨接在第1条支路的行间自注意力和自注意力层之间；将卷积层的卷积核大小设置为1×1，步长设置为1，填充设置为0，自注意力层采用标准的自注意力操作； 步骤3，构建位置信息编码模块： 搭建由低级特征输入层，向量编码层，自注意力层，位置信息编码输出层依次串联组成的位置信息编码模块；所述向量编码层由相对位置向量编码层与qkv特征生成层并联组成；位置信息编码模块中的自注意力层将进行多头注意力操作； 所述的相对位置向量编码层由相对位置矩阵生成层，展平层，下标选择层，分割层依次串联组成； 所述的qkv特征生成层由第1维度重排层，卷积层，归一化层，第2维度重排层，分割层依次串联组成；将卷积层的卷积核大小设置为1×1，步长设置为1，填充设置为0； 所述自注意力层由2条支路组成，第1条支路中的第1矩阵加法层分别与第1矩阵乘法层，第2矩阵乘法层，第3矩阵乘法层相连；第2条支路中的softmax层分别与第2矩阵加法层，第4矩阵乘法层，第5矩阵乘法层相连，第2矩阵加法层分别与第4矩阵乘法层，第5矩阵乘法层和相连softmax层以及第1条支路的第1矩阵加法层相连； 步骤4，构建非对称双边注意力网络： 步骤4.1，构建特征融合层； 步骤4.2，搭建由实例分支和存在分支并行组成的解码预测子网络； 步骤4.3，将几何特征提取模块与位置信息编码模块并联组成模块组； 步骤4.4，将初步特征提取子网络，模块组，特征融合层，解码预测子网络级联成非对称双边注意力网络； 步骤5，生成训练集： 选取至少3000张含有车道线的图像组成样本集，每张图像的分辨率均为1280×720，且每张图像中包括0至4条车道线，同时每张图像对应有一张二值分割标签图；对样本集中的每张图像依次进行裁剪，旋转，模糊的预处理；将预处理后的图像组成训练集； 步骤6，训练非对称双边注意力网络： 步骤6.1，设置训练参数：将momentum率设置为0.9，权重衰减率设置为0.0004，初始学习率设置为0.02； 步骤6.2，权重初始化，将ImageNet预训练的ResNet-34的权重作为非对称双边注意力网络的初始权重，采用SGD优化算法，将训练集按批次输入到非对称双边注意力网络中，利用梯度下降法，对网络参数进行迭代更新，直至网络总损失函数收敛为止，得到训练好的网络并保存权重； 步骤7，检测车道线： 采用与步骤5相同的方法，将预处理后待检测的含有车道线的图像依次输入训练好的非对称双边注意力网络，输出车道线检测结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。