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！

龙图腾网获悉长沙理工大学申请的专利基于道路约束的车道线鲁棒检测与提取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：CN116486352B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310332526.9，技术领域涉及：G06V20/56；该发明授权基于道路约束的车道线鲁棒检测与提取方法是由陈旺;桂彦设计研发完成，并于2023-03-30向国家知识产权局提交的专利申请。

本基于道路约束的车道线鲁棒检测与提取方法在说明书摘要公布了：本发明针对车道线检测存在磨损、遮挡等问题，提出一种基于道路约束的车道线鲁棒检测与提取方法。首先，采集大量东风园区场景图像，构建车道线数据集，在标注车道线的同时标注道路区域。其次，改进ENet‑SAD网络模型，定义联合道路约束的车道线分割损失函数，产生准确的车道线分割预测结果。最后，引入全连接条件随机场算法对输出的车道线概率图进行后处理，修正概率图，在每条车道线上选取N个离线坐标点，采用三次样条曲线拟合算法获得拟合车道线。实验结果表明，与ENet‑SAD方法相比，本文方法在常规、强光、阴影、遮挡等不同场景下都取得不错的效果。同时基于本文定义的损失函数下，能够进一步提升现有车道线检测模型如ENet‑SAD、SCNN等性能。

本发明授权基于道路约束的车道线鲁棒检测与提取方法在权利要求书中公布了：1.一种基于道路约束的车道线鲁棒检测与提取方法，包括以下步骤： S1、构建东风园区场景车道线数据集； S2、构建带可通区域的CULane数据集； S3、提出改进型ENet-SAD模型结构，提高模型检测能力，获得更加细致且准确的分类结果；所述提出改进型ENet-SAD模型结构，提高模型检测能力，获得更加细致且准确的分类结果，包括： S3.1、改进型ENet-SAD模型采用编码器-解码器作为基础架构，对输入图像的特征进行提取，由解码器输出得到车道线像素概率图；同时从编码器再接一个车道线分支网络，用来得到车道线存在概率； S3.1.1、编码器主要包括5个模块，分别为初始模块和E1至E4模块，每个模块都由瓶颈模块组成；初始模块设计一个池化操作与一个步长为2的卷积操作并行，并合并结果特征图；E1模块包括1个下采样瓶颈模块和4个常规卷积模块；E2模块包括1个下采样瓶颈模块和8个卷积瓶颈模块，分别采用不同的卷积策略；E3和E4模块包括8个卷积瓶颈模块；每个瓶颈模块有两个分支，其中主分支用于短接跨层链接，另一个分支则是常规的卷积，这个分支首先经过一个1×1的卷积减小输入特征的通道维数，然后经过一个卷积，再通过一个1×1的卷积恢复原来的维数；在每两个卷积之间都有一个BN层和一个PReLU激活函数，并且在最后一个1×1的卷积之后添加一个dropout正则化； S3.1.2、解码器主要包括D1和D2两个模块，D1模块包括1个上采样瓶颈模块和2个常规卷积瓶颈模块；D2模块包括1个上采样瓶颈模块和1个常规卷积模块；特征图经过解码器之后输出原图大小的概率图； S3.1.3、改进型ENet-SAD模型还包括预测车道线分支网络，通过avgpool对特征矩阵进行平均池化，经全连接层再通过sigmoid激活函数之后，输出一个1*n的一维向量，其中n对应检测的车道线类别个数； S3.1.4、改进型ENet-SAD模型还包括注意力生成器，注意力生成器采用网络前向传播获得的特征图，主要是把长、宽、通道三维特征转换为长、宽两维特征；注意力生成器只参与模型训练； S3.2、在编码器E2-E4每个模块后面加入CBAM注意力机制； S3.3、对编码器E3和E4模块之间采用了串并联结合的策略； S4、对模型输出概率图进行CRF后处理，同时通过三次样条曲线拟合算法对优化后概率图进行取点拟合； S5、设计道路约束的车道线检测模型的损失函数，根据损失值的大小来分析训练结果的好坏； S6、训练道路约束的车道线检测模型，设计道路约束的车道线检测模型的评价指标。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路二段960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。