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！

龙图腾网获悉北京理工大学;北京理工大学前沿技术研究院申请的专利一种基于生成对抗网络的雨雪天车道线检测方法及系统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：CN115272995B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202111184745.4，技术领域涉及：G06V20/58；该发明授权一种基于生成对抗网络的雨雪天车道线检测方法及系统是由魏超;朱耿霆;张婷;舒用杰设计研发完成，并于2021-10-12向国家知识产权局提交的专利申请。

本一种基于生成对抗网络的雨雪天车道线检测方法及系统在说明书摘要公布了：本发明公开了一种基于生成对抗网络的雨雪天车道线检测方法及系统。该方法，包括：将雨雪天气下的目标图像输入雨雪痕迹去除模型得到痕迹去除图像；雨雪痕迹去除模型是由第一训练集训练生成对抗网络得到的；将痕迹去除图像输入车道线特征提取模型得到车道线像素点和车道线高维特征；车道线特征提取模型是由第二训练集训练卷积神经网络模型得到的；卷积神经网络模型包括编码器、语义分割支路和实例分割支路；实例分割支路包括第一卷积层、激励层和第二卷积层；采用聚类算法根据车道线高维特征对车道线像素点聚类得到车道线实例；对车道线实例分段拟合得到目标图像的车道线。本发明能在雨雪天气下准确检测车道线位置且适用于车道线数量未知的场景。

本发明授权一种基于生成对抗网络的雨雪天车道线检测方法及系统在权利要求书中公布了：1.一种基于生成对抗网络的雨雪天车道线检测方法，其特征在于，所述基于生成对抗网络的雨雪天车道线检测方法包括： 获取雨雪天气下的目标图像； 将所述目标图像输入雨雪痕迹去除模型中，得到所述目标图像的痕迹去除图像；所述雨雪痕迹去除模型是采用第一训练集对生成对抗网络进行训练得到的；所述第一训练集包括加入雨雪痕迹的车道线图像； 将所述目标图像的痕迹去除图像输入车道线特征提取模型中，得到所述目标图像的车道线像素点和所述目标图像的车道线高维特征；所述车道线特征提取模型是采用第二训练集对卷积神经网络模型进行训练得到的；所述第二训练集为采用所述雨雪痕迹去除模型对所述第一训练集进行痕迹去除后的图像；所述卷积神经网络模型包括编码器以及与所述编码器分别连接的语义分割支路和实例分割支路；所述语义分割支路用于输出所述第二训练集的车道线像素点；所述实例分割支路用于输出所述第二训练集的车道线高维特征；所述实例分割支路包括依次连接的第一卷积层、第二卷积层和上采样层； 基于所述目标图像的车道线高维特征，采用聚类算法对所述目标图像的车道线像素点进行聚类，得到车道线实例； 对所述车道线实例进行分段拟合，得到所述目标图像的车道线； 所述车道线特征提取模型的确定方法为： 获取所述第二训练集； 构建所述卷积神经网络模型；所述编码器为ENet编码器；所述语义分割支路为在每个上采样过程中均嵌入注意力机制的ENet解码器； 将所述第二训练集输入所述编码器，并将所述编码器输出的图像特征分别输入所述语义分割支路和所述实例分割支路进行训练，得到训练好的卷积神经网络模型；所述训练好的卷积神经网络模型为所述车道线特征提取模型； 所述基于所述目标图像的车道线高维特征，采用聚类算法对所述目标图像的车道线像素点进行聚类，得到车道线实例，具体包括： 采用置信度对所述目标图像的车道线像素点进行筛选； 采用具有噪声的基于密度的聚类方法，依据所述目标图像的车道线高维特征对筛选后的车道线像素点进行聚类，得到车道线实例。

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北京理工大学;北京理工大学前沿技术研究院，其通讯地址为：100081 北京市海淀区紫竹院街道中关村南大街5号北京理工大学；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”。