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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于时序信息和网格化模型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：CN115909249B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202211568204.6，技术领域涉及：G06V20/56；该发明授权一种基于时序信息和网格化模型的车道线检测方法是由汤景凡;吴旺杰;张旻;姜明设计研发完成，并于2022-12-08向国家知识产权局提交的专利申请。

本一种基于时序信息和网格化模型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时序信息的网格化模型的车道线检测方法，包括S1、获取车道线的顺序图像帧；S2、数据预存阶段；S3、自注意力处理阶段；S4、记忆提取阶段；S5、解码预测阶段；S6、预测生成阶段。该方法通过自注意力、交叉注意力和多尺度特征融合结合使用从而达到记忆生成和读取的网络结构。本发明通过对图像网格化处理从而将车道线检测问题建模成分类问题，达到减少计算量，提高计算速度的目的。模型整体流程分为当前帧流程和历史帧流程，模型主干是当前帧流程，而历史流程产出记忆信息供当前帧流程通过记忆提取模块提取。本发明在历史帧流程中复用之前时刻该图像在当前帧流程提取的特征，避免重复计算从而进一步减小计算量。

本发明授权一种基于时序信息和网格化模型的车道线检测方法在权利要求书中公布了：1.一种基于时序信息和网格化模型的车道线检测方法，其特征在于，包括以下步骤： S1、获取车道线的顺序图像帧并构建数据集； S2、数据预存阶段 S2-1、截取顺序图像帧的前20帧，随机抽取5帧作为初始历史帧； S2-2、将抽取的图像对应的车道mask进行网格化，得到每个网格分类属于某条车道的概率矩阵M； S2-3、概率矩阵M输入到主干网络ResNet50组成的特征提取网络E1进行特征提取，得到特征信息和 S2-4、将抽取的图像单个输入到主干网络ResNet50组成的特征提取网络E2进行特征提取，得到分别代表图像浅层和深层信息的特征； S2-5、将代表图像浅层和深层信息的特征拷贝叠加得到与和通道数和尺寸都相同的特征图，记为和 S2-6、将特征信息和分别与特征图和对应相加得到历史记忆特征向量和 S2-7、抽取的5帧图像重复步骤S2-1至S2-6，5次，得到5组历史记忆特征向量和 S2-8、将5组特征向量经过顺序和乱序两种方式进行堆叠生成和 S3、自注意力处理阶段 通过自注意力模块分别接收与以提取浅层和深层的自注意力特征，通过提取浅层和深层的自注意力特征得到浅层自注意力特征和深层自注意力特征 即对初始历史帧处理后的输出； S4、记忆提取阶段 在当前帧流程中，输入为从数据集中按时间顺序提取当前帧图像f，对于当前帧的特征提取使用特征提取网络E1提取出浅层和深层特征将提取出浅层和深层特征进行矩阵乘得到与分别与和进行交叉注意力计算，得到包含历史记忆信息的浅层Tf和深层特征Td，公式如下： S5、解码预测阶段 输入当前帧的图像f、浅层特征Tf和深层特征Td，通过特征金字塔网络进行特征融合，首先将深层特征Td进行反卷积降低特征通道数至于浅层特征Tf相同，然后在长宽维度上进行上采样到与Tf相同，使得的T'd与Tf尺寸相同，对T'd与Tf相加，得到的特征向量重复以上操作与图像f进行融合即得到最后的特征输出Te； S6、预测生成阶段 通过全连接层加上relu激活层作为预测输出解码网络，首先对Te在长宽维度上进行下采样，再将整个3维的特征图拉直成一维的特征向量输入到全连接层，输出经过relu激活后又输入到一层全连接层，最后得到预测的概率矩阵M，每一行取概率最高的网格即为车道线位置所在点，连点成线可标识为车道线。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘新区白杨街道2号大街1158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”。