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基于线锚的多分类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：CN117037104B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202311182068.1，技术领域涉及：G06V20/56；该发明授权一种基于线锚的多分类车道线检测方法是由姜俊昭;彭彬;徐业凯;杨文豪;卢剑伟;江昊;张小纹;黄鹤设计研发完成，并于2023-09-13向国家知识产权局提交的专利申请。

本一种基于线锚的多分类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线锚的多分类车道线检测方法，以自定义数据集为模型训练真值数据，以特征金字塔网络为神经网络骨架对真值数据进行特征提取；利用通道注意力模块和空间注意力模块进行特征加权，利用预先定义的线锚对加权特征进行局部车道线采样；利用单头自注意力模块对线锚采样的局部车道线特征进行全局聚合，利用三个全连接层对全局聚合结果进行车道线置信度判定、车道线类别分类和车道线坐标回归，对回归结果进行非极大值抑制获得车道线坐标预测初值，归一化车道线置信度判定结果和车道线类别分类结果，利用焦点损失函数和平滑L1损失函数优化车道线坐标预测初值和归一化结果实现检测，其端到端车道线多分类检测满足了车道线检测速度要求。

本发明授权一种基于线锚的多分类车道线检测方法在权利要求书中公布了：1.一种基于线锚的多分类车道线检测方法，其特征是按如下步骤进行： 步骤1：利用包含车道线类别信息的自定义数据集获得模型训练用真值数据，采用特征金字塔网络对所述真值数据进行特征提取，获得包含车道线信息的初步车道线特征，记为特征A； 步骤2：将所述特征A输入通道注意力模块和空间注意力模块进行特征加权，获得特征加权后的加权车道线特征，记为特征B； 步骤3：利用预先定义的线锚对所述特征B进行特征采样，获得基于线锚的局部车道线特征，记为特征C； 步骤4：利用单头自注意力模块对所述特征C进行全局聚合，获得具有全局信息的全局车道线特征，记为特征D； 步骤5：利用三个全连接层一一对应对所述特征D进行车道线置信度判定处理、车道线类别分类处理和车道线坐标回归处理获得判定结果、分类结果和回归结果；再对所述回归结果进行非极大值抑制，获得车道线预测初值；是指利用非极大值抑制对所述车道线坐标回归结果进行筛选，获得车道线置信度判定初值、车道线类别分类初值和车道线坐标预测初值； 步骤6：利用sigmoid激活函数对所述车道线置信度判定结果进行归一化，利用softmax激活函数对所述分类结果进行归一化，获得归一化后的结果，包括归一化后的车道线置信度判定初值、归一化后的车道线类别分类初值； 步骤7：利用损失函数对所述归一化后的车道线置信度判定初值、所述归一化后的车道线类别分类初值和所述车道线坐标预测初值进行优化，获得包含车道线类别信息的车道线检测结果，完成多分类车道线检测； 在所述步骤1中，所述模型训练用真值数据由二维张量D表示，D＝[Z,P]；二维张量D中的第一维度Z的维度数量表示所述自定义数据集中所有真值图像中的最多车道线数量；二维张量D中第二维度P的第一位P[0]和第二位P[1]分别表示背景置信度K和车道线置信度V，即P[0]＝K；P[1]＝V； 在所述步骤3中，所述预先定义的线锚是由除图像顶部边界之外的其它三个边界上的一系列起始点和相应边界上的一系列角度定义，组合成起点位于图像边界的一系列射线。

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”。