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！

龙图腾网获悉淮阴工学院申请的专利一种基于UFLane-Detection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：CN116188779B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310162660.9，技术领域涉及：G06V10/26；该发明授权一种基于UFLane-Detection的车道线检测方法是由高尚兵;刘宇;张秦涛;张莹莹;李杰;胡序洋;张海艳;陈晓兵;于永涛设计研发完成，并于2023-02-24向国家知识产权局提交的专利申请。

本一种基于UFLane-Detection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UFLane‑Detection的车道线检测方法，采集行车记录仪拍摄的车道线图片，并对图片进行清洗后获得训练集；构建基于UFLane‑Detection的车道线检测模型，主干网络通过下采样，将车道线和背景分离，提取其车道线特征，同时不断压缩图像像素；利用Lane‑Decoder解码器还原图像像素，同时结合全局通道注意力模块，将主干网络提取的特征信息进行进一步的加强；利用Softmax分类器对车道线进一步识别；将训练集输入到车道线检测模型中进行训练，最终模型输出结果再重新缩放回待测图片的原始大小，得到最终的分割结果。本发明能够实现复杂交通场景车道线的识别，具有较高的准确率，具有稳定性好、抗干扰能力强、通用性高，鲁棒性好等优点，能够应用于驾驶辅助系统或者无人驾驶系统中。

本发明授权一种基于UFLane-Detection的车道线检测方法在权利要求书中公布了：1.一种基于UFLane-Detection的车道线检测方法，其特征在于，包括以下步骤： 1采集行车记录仪拍摄的车道线图片构成数据集，车道线图片包含道路上标识的不同类别的车道线； 2对数据集进行清洗后获得训练集； 3构建基于UFLane-Detection的车道线检测模型，包括主干网络、特征翻转融合模块、全局通道注意力模块GCA以及Lane-Decoder解码器；主干网络通过下采样，将车道线和背景分离，提取其车道线特征，同时不断压缩图像像素；利用Lane-Decoder解码器还原图像像素，同时结合全局通道注意力模块，将主干网络提取的特征信息进行进一步的加强；利用Softmax分类器对车道线进一步识别； 4将训练集输入到基于UFLane-Detection的车道线检测模型中进行训练，最终模型输出结果再重新缩放回待测图片的原始大小，得到最终的分割结果； 所述步骤3实现过程如下： 将图片输入主干网络中进行车道线特征提取，主干网络分为四层W1-W4，特征提取主要 采用含有3个33的残差结构，每层的残差结构数量分别为1,3,3,6； 将分层特征层Wi送入特征翻转融合模块，对Wi输入的特征X进行两种处理，一种是flip 翻转得到特征Ff，将特征图进行垂直翻转；与此同时，使用11的卷积核对原特征图进行提 取，得到特征图F1，两种处理后的特征图进行相加得到特征F2；随后对F2使用一个33卷积， 并与F1，Ff相乘，最后使用全局平均池化GAP，关联全局特征，达到对车道线特点进行强化的 目的；相关公式如下： 将特征翻转融合后的特征分别送入各层的Lane-Decoder解码器中，该解码器包括两个 33卷积和PSCN模块，通过PSCN模块获取空间信息；然后输入带状池化模块获取长距离依赖 信息，空间信息由向上、向下、向左和向右四个方向上的PSCN模块提取各自提取；首先，PSCN 模块将大小为C×H×W的三维张量作为输入，其中C、H和W分别表示通道、行和列的数目；分 割后的张量中的第一个切片被送到PSCN模块的卷积层中，其中卷积核的尺寸为C×ω，ω是 卷积核宽度；而后，卷积层的输出被添加到下一层，并成为一个新的切片，这个新的切片被 送到下一个PSCN模块的卷积层；上述过程一直重复直至最后一个切片更新完成；将向上与 向下，向左与向右并行组合；PSCN中切片公式如下： 具体来说，假设有一个三维核张量，其中元素表示切片的通道中的元素和当 前切片的通道中的元素之间的权重，两个元素之间的偏移量为；将输入三维张量的元 素表示为，其中分别表示通道、行和列的索引，是更新后的值，是ReLU激活 函数； 所述全局注意力机制模块附着在各层的Lane-Decoder解码器之中，将其添加到每个编 码器33的卷积之中，对融合后的特征进行权重分配，保留车道特征信息；所述全局注意力 模块独立地使用全局平均池和全局最大池来聚合两种不同的空间上下文信息；通过池化的 特征送入全连接层；最后通过元素求和以及sigmoid函数合并输出特征向量： 其中，是输入特征，为平均池化，为最大池化，为全连接层，是 sigmod激活函数； 所述基于UFLane-Detection的车道线检测模型的损失函数为： 式中，和代表分割模型最终输出特征图的宽度和高度；代表语义分割真实标签； 代表预测的语义信息。

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淮阴工学院，其通讯地址为：223003 江苏省淮安市清江浦区枚乘东路1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”。

以上内容由龙图腾AI智能生成。