授权公布号:CN109858309B
一种识别道路线的方法和装置
有效
申请
2017-11-30
申请公布
2019-06-07
授权
2021-04-20
预估到期
2037-11-30
| 申请号 | CN201711237254.5 |
| 申请日 | 2017-11-30 |
| 申请公布号 | CN109858309A |
| 申请公布日 | 2019-06-07 |
| 授权公布号 | CN109858309B |
| 授权公告日 | 2021-04-20 |
| 分类号 | G06K9/00;G06N3/04;G06N3/08 |
| 分类 | 计算;推算;计数; |
| 申请人名称 | 东软睿驰汽车技术(上海)有限公司 |
| 申请人地址 | 上海市嘉定区安亭镇墨玉南路888号1703室 |
专利法律状态
2021-04-20
授权
状态信息
授权
2020-10-20
专利申请权、专利权的转移
状态信息
专利申请权的转移;IPC(主分类):G06K9/00;专利申请号:2017112372545;登记生效日:20200925;变更事项:申请人;变更前权利人:东软集团股份有限公司;变更后权利人:东软睿驰汽车技术(上海)有限公司;变更事项:地址;变更前权利人:110179 辽宁省沈阳市浑南新区新秀街2号;变更后权利人:201805 上海市嘉定区安亭镇墨玉南路888号1703室;变更事项:申请人;变更前权利人:东软睿驰汽车技术(上海)有限公司;变更后权利人:
2019-07-02
实质审查的生效
状态信息
实质审查的生效;IPC(主分类):G06K9/00;专利申请号:2017112372545;申请日:20171130
2019-06-07
发明专利申请公布
状态信息
公布
摘要
本发明实施例公开了一种识别道路线的方法和装置。所述方法包括:获取车辆周围的当前道路图像;将所述当前道路图像输入到深度学习模型中,并基于所述深度学习模型的输出结果,确定所述当前道路图像中的道路线区域。该深度学习模型在卷积神经网络的基础上增加了递归神经网络。由于递归神经网络能够针对输入的每个像素点的图像特征输出每个像素点的处理结果,因此,道路图像中像素点级别的图像特征得以保留,道路图像中的道路线的空间特征得以体现,从而使得道路线残缺、道路线被部分遮挡、道路线处于剧烈变换环境中等各种环境下的道路线都能够被准确地、有效地识别出来。


