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！

龙图腾网恭喜南京航空航天大学申请的专利一种基于深度学习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：CN114913493B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202210441263.0，技术领域涉及：G06V20/56；该发明授权一种基于深度学习的车道线检测方法是由贾晨;李泽智;宋廷伦;张武;张恒于设计研发完成，并于2022-04-25向国家知识产权局提交的专利申请。

本一种基于深度学习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深度学习的车道线检测方法，步骤如下：获取Tusimple图像数据集；将调整后的车道线图像作为车道线检测神经网络模型的训练数据集；搭建车道线检测神经网络模型，确定损失函数，训练车道线检测神经网络模型直至收敛，以得到最佳模型；加载最佳模型参数，将道路图像输入最佳模型，分别得到判定为不同车道线的各个点集；对不同类别的车道线使用二次多项式进行拟合，并将拟合后的车道线叠加在原始图像上实现车道线检测的可视化。本发明的方法在保证准确率的同时提高了检测速度，满足实时性的要求。

本发明授权一种基于深度学习的车道线检测方法在权利要求书中公布了：1.一种基于深度学习的车道线检测方法，其特征在于，步骤如下：步骤S1：获取Tusimple图像数据集；步骤S2：对Tusimple图像数据集中车道线图像进行数据增强，并将增强后的车道线图像的分辨率调整为512×256，将调整后的图像作为车道线检测神经网络模型的训练数据集；步骤S3：搭建车道线检测神经网络模型，确定损失函数，利用步骤S2中的训练数据集训练车道线检测神经网络模型直至收敛，以得到最佳模型；步骤S4：加载最佳模型参数，将道路图像输入最佳模型，分别得到判定为不同车道线的各个点集；步骤S5：对不同类别的车道线使用二次多项式进行拟合，并将拟合后的车道线叠加在原始图像上实现车道线检测的可视化；所述神经网络模型由编码网络、解码网络、增强感受野模块、CBAM模块和两个特征融合模块组成；所述编码网络包括依次连接的预处理模块和五个残差层，所述解码网络包括依次连接的三个卷积上采样模块和一个输出模块；每个残差层由两个残差块组成，每个残差块由两条分支组成，第一条分支中包含两个卷积核大小为3×3的深度可分离卷积；第二条分支为一个卷积核大小为1×1的卷积层，第二条分支用于保证输入特征图和输出特征图的分辨率和维度相同；第二残差层、第三残差层添加通道注意力机制，在第四残差层、第五残差层中引入空洞卷积，扩张率分别为2和4；在上述编码网络过程中输出第一残差层、第二残差层和第五残差层得到的特征图，第五残差层输出的特征图通过增强感受野模块后再通过CBAM模块得到带有注意力权重的特征图后进入解码网络；第五残差层输出的特征图经过第一卷积上采样模块后通过第一特征融合模块，该第一特征融合模块同时与第二残差层输出的特征图相连接，第一特征融合模块的末端与第二卷积上采样模块相连，经过第二卷积上采样模块的特征图通过第二特征融合模块，该第二特征融合模块同时与第一残差层输出的特征图相连接，第一特征融合模块的末端与第三卷积上采样模块相连，经过第三卷积上采样模块的特征图通过输出模块，最终得到具有六个通道的特征图。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。