本發(fā)明屬于自動(dòng)駕駛領(lǐng)域，尤其涉及一種成對(duì)車道線的檢測(cè)方法和裝置。

背景技術(shù)：

車道偏離預(yù)警系統(tǒng)是一種通過報(bào)警的方式輔助駕駛員減少汽車因車道偏離而發(fā)生交通事故的汽車駕駛的輔助系統(tǒng)。當(dāng)車輛偏離行駛車道時(shí)，通過所述車道偏離預(yù)警系統(tǒng)可以發(fā)出預(yù)警提醒，所述預(yù)警提醒可包括警報(bào)音、方向盤震動(dòng)或自動(dòng)改變轉(zhuǎn)向等。

在車道偏離預(yù)警系統(tǒng)中，為了保證預(yù)警的準(zhǔn)確度，需要對(duì)車道線進(jìn)行正確的提取和識(shí)別。目前的成對(duì)車道線檢測(cè)方法，一般需要消耗較多的系統(tǒng)資源，當(dāng)需要較高的準(zhǔn)確度時(shí)，則需要花費(fèi)一定的計(jì)算時(shí)間，無法保證實(shí)時(shí)檢測(cè)；或者，為了提高檢測(cè)的實(shí)時(shí)性，則可能造成漏檢測(cè)，導(dǎo)致誤檢率提高。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種成對(duì)車道線的檢測(cè)方法，以解決現(xiàn)有技術(shù)在成對(duì)車道線檢測(cè)時(shí)，不能有效的保證準(zhǔn)確率以及實(shí)時(shí)性的問題。

第一方面，本發(fā)明實(shí)施例提供了一種成對(duì)車道線的檢測(cè)方法，所述方法包括：

獲取待檢測(cè)的兩條直線，根據(jù)預(yù)先設(shè)定的間距在所述兩條直線上分別選擇的樣點(diǎn)，獲取所述樣點(diǎn)與預(yù)定的公共點(diǎn)之間的距離向量；

將所述距離向量代入預(yù)先設(shè)定的人工神經(jīng)網(wǎng)絡(luò)計(jì)算激勵(lì)值，其中，所述人工神經(jīng)網(wǎng)絡(luò)的權(quán)重向量根據(jù)預(yù)先采集的成對(duì)車道線樣本數(shù)據(jù)所訓(xùn)練獲取；

根據(jù)所述人工神經(jīng)網(wǎng)絡(luò)輸出的激勵(lì)值，判斷所述兩條直線是否為成對(duì)車道線。

結(jié)合第一方面，在第一方面的第一種可能實(shí)現(xiàn)方式中，所述根據(jù)預(yù)先設(shè)定的間距在所述兩條直線上選擇的樣點(diǎn)，獲取所述樣點(diǎn)與預(yù)定的公共點(diǎn)之間的距離向量步驟包括：

根據(jù)預(yù)先設(shè)定的間距，在所述兩條直線上分別選擇樣點(diǎn)；

將圖像的中心點(diǎn)作為公共點(diǎn)，獲取所述樣點(diǎn)與所述公共點(diǎn)之間的距離向量。

結(jié)合第一方面，在第一方面的第二種可能實(shí)現(xiàn)方式中，在所述將所述距離向量代入預(yù)先設(shè)定的人工神經(jīng)網(wǎng)絡(luò)計(jì)算激勵(lì)值步驟之前，所述方法還包括：

采集大量的成對(duì)的車道線樣本和不成對(duì)的車道線樣本，根據(jù)所述間距在所述車道線樣本上選擇樣點(diǎn)；

計(jì)算所述樣點(diǎn)與所述公共點(diǎn)之間的距離；

將所述距離代入人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)細(xì)胞層，根據(jù)樣本是否成對(duì)，計(jì)算人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)細(xì)胞層的所對(duì)應(yīng)的權(quán)重向量。

結(jié)合第一方面，在第一方面的第三種可能實(shí)現(xiàn)方式中，所述樣點(diǎn)包括在每條車道線上選擇的N個(gè)樣點(diǎn)，所述N為大于或等于2的自然數(shù)。

結(jié)合第一方面，在第一方面的第四種可能實(shí)現(xiàn)方式中，所述根據(jù)所述人工神經(jīng)網(wǎng)絡(luò)輸出的激勵(lì)值，判斷所述兩條直線是否為成對(duì)車道線步驟包括：

獲取所述人工神經(jīng)網(wǎng)絡(luò)輸出的激勵(lì)值，將所述激勵(lì)值與預(yù)先設(shè)定的閾值進(jìn)行比較；

如果所述激勵(lì)值大于所述閾值，則確定所述兩條直線為成對(duì)車道線，如果所述激勵(lì)值小于所述閾值，則確定所述兩條直線不是成對(duì)車道線。

第二方面，本發(fā)明實(shí)施例提供了一種成對(duì)車道線的檢測(cè)裝置，所述裝置包括：

車道線獲取單元，用于獲取待檢測(cè)的兩條直線，根據(jù)預(yù)先設(shè)定的間距在所述兩條直線上分別選擇的樣點(diǎn)，獲取所述樣點(diǎn)與預(yù)定的公共點(diǎn)之間的距離向量；

計(jì)算單元，用于將所述距離向量代入預(yù)先設(shè)定的人工神經(jīng)網(wǎng)絡(luò)計(jì)算激勵(lì)值，其中，所述人工神經(jīng)網(wǎng)絡(luò)的權(quán)重向量根據(jù)預(yù)先采集的成對(duì)車道線樣本數(shù)據(jù)所訓(xùn)練獲取；

判斷單元，用于根據(jù)所述人工神經(jīng)網(wǎng)絡(luò)輸出的激勵(lì)值，判斷所述兩條直線是否為成對(duì)車道線。

結(jié)合第二方面，在第二方面的第一種可能實(shí)現(xiàn)方式中，所述車道線獲取單元包括：

樣點(diǎn)選擇子單元，用于根據(jù)預(yù)先設(shè)定的間距，在所述兩條直線上分別選擇樣點(diǎn)；

公共點(diǎn)獲取子單元，用于將圖像的中心點(diǎn)作為公共點(diǎn)，獲取所述樣點(diǎn)與所述公共點(diǎn)之間的距離向量。

結(jié)合第二方面，在第二方面的第二種可能實(shí)現(xiàn)方式中，所述裝置還包括：

樣本采集單元，用于采集大量的成對(duì)的車道線樣本和不成對(duì)的車道線樣本，根據(jù)所述間距在所述車道線樣本上選擇樣點(diǎn)；

距離計(jì)算單元，用于計(jì)算所述樣點(diǎn)與所述公共點(diǎn)之間的距離；

權(quán)重向量計(jì)算單元，用于將所述距離代入人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)細(xì)胞層，根據(jù)樣本是否成對(duì)，計(jì)算人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)細(xì)胞層的所對(duì)應(yīng)的權(quán)重向量。

結(jié)合第二方面，在第二方面的第三種可能實(shí)現(xiàn)方式中，所述樣點(diǎn)包括在每條車道線上選擇的N個(gè)樣點(diǎn)，所述N為大于或等于2的自然數(shù)。

結(jié)合第二方面，在第二方面的第四種可能實(shí)現(xiàn)方式中，所述判斷單元包括：

比較子單元有，用于獲取所述人工神經(jīng)網(wǎng)絡(luò)輸出的激勵(lì)值，將所述激勵(lì)值與預(yù)先設(shè)定的閾值進(jìn)行比較；

成對(duì)車道線確定子單元，用于如果所述激勵(lì)值大于所述閾值，則確定所述兩條直線為成對(duì)車道線，如果所述激勵(lì)值小于所述閾值，則確定所述兩條直線不是成對(duì)車道線。

在本發(fā)明中，獲取待檢測(cè)的兩條直線，根據(jù)預(yù)先設(shè)定的間距，在所述兩條直線上選擇樣點(diǎn)，獲得樣點(diǎn)與公共點(diǎn)之間的距離向量，將所述距離向量代入預(yù)先訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)，可得到人工神經(jīng)網(wǎng)絡(luò)輸出的激勵(lì)值，根據(jù)所述激勵(lì)值判斷所述兩條直線是否為成對(duì)車道線。采用本發(fā)明所述方法，只需要將獲取的距離數(shù)據(jù)代入人工神經(jīng)網(wǎng)絡(luò)即可快速的確定是否為成對(duì)車道線，即可有效的保證對(duì)成對(duì)車道線判斷的實(shí)時(shí)性，又能夠提高判斷的準(zhǔn)確性。

附圖說明

圖1是本發(fā)明實(shí)施例提供的成對(duì)車道線的檢測(cè)方法的實(shí)現(xiàn)流程圖；

圖2為本發(fā)明實(shí)施例提供的距離向量獲取實(shí)例示意圖；

圖3為本發(fā)明實(shí)施例提供的又一距離向量獲取實(shí)例示意圖；

圖4為本發(fā)明實(shí)施例提供的人工神經(jīng)網(wǎng)絡(luò)示意圖；

圖5是本發(fā)明實(shí)施例提供的人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練的實(shí)現(xiàn)流程圖；

圖5a、圖5b、圖5c為本發(fā)明實(shí)施例提供的訓(xùn)練樣本示意圖；

圖6是本發(fā)明實(shí)施例提供的成對(duì)車道線的檢測(cè)裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明實(shí)施例所述成對(duì)車道線檢測(cè)方法，目的在于克服現(xiàn)有技術(shù)中就成對(duì)車道線檢測(cè)方法中，為了提高成對(duì)車道線的檢測(cè)正確率，往往需要采用較為復(fù)雜的檢測(cè)算法，導(dǎo)致檢測(cè)計(jì)算過程需要消耗一定的時(shí)長(zhǎng)，如果在汽車高速行駛狀態(tài)下，則會(huì)造成檢測(cè)結(jié)果滯后，檢測(cè)的實(shí)時(shí)性較低的缺陷。而如果采用簡(jiǎn)單的車道線判斷方法，則容易出現(xiàn)檢測(cè)結(jié)果出錯(cuò)，影響用戶判斷。下面結(jié)合附圖，對(duì)本發(fā)明作進(jìn)一步的說明。

圖1示出了本發(fā)明實(shí)施例提供的成對(duì)車道線的檢測(cè)方法的實(shí)現(xiàn)流程，詳述如下：

在步驟S101中，獲取待檢測(cè)的兩條直線，根據(jù)預(yù)先設(shè)定的間距在所述兩條直線上分別選擇的樣點(diǎn)，獲取所述樣點(diǎn)與預(yù)定的公共點(diǎn)之間的距離向量。

具體的，本發(fā)明實(shí)施例所述對(duì)成車道線，是指用于限定車輛行駛的車道的輔助線。由于在車輛行駛過程中，除了車道線以外，還可能包括其它的標(biāo)識(shí)線，比如圖3所示，除了車道線以外，還包括箭頭標(biāo)識(shí)，由箭頭線和車道線構(gòu)成的標(biāo)識(shí)，則不應(yīng)該識(shí)別為成對(duì)車道線。

所述待檢測(cè)的兩條直線，可以通過對(duì)圖像進(jìn)行識(shí)別獲取。比如，所述直線的識(shí)別，可以根據(jù)圖像中顏色進(jìn)行識(shí)別，比如識(shí)別圖像中顏色為白色，或者顏色為黃色的直線等。

所述預(yù)先設(shè)定的間距，可以根據(jù)圖像的大小進(jìn)行設(shè)定。比如根據(jù)圖像的寬度，設(shè)置1/3屏幕寬度為所述間距的長(zhǎng)度。當(dāng)然，還可以根據(jù)所需要的樣點(diǎn)的個(gè)數(shù)，選擇所述間距的大小，設(shè)定所述間距的長(zhǎng)度，使得選擇的樣點(diǎn)包括所述直線的端部位置。

所述公共點(diǎn)的選擇，可以根據(jù)用戶的需要靈活設(shè)定。比如可以設(shè)定圖像中的上部的中點(diǎn)作為所述公共點(diǎn)，也可以設(shè)定圖像中的下部的中點(diǎn)作為所述公共點(diǎn)，還可以設(shè)定圖像的中心點(diǎn)作為所述公共點(diǎn)。根據(jù)公共點(diǎn)的選擇方式的不同，所述人工神經(jīng)網(wǎng)絡(luò)所對(duì)應(yīng)的權(quán)重向量也不相同。并且在權(quán)重向量的訓(xùn)練過程中選用的公共點(diǎn)的位置，與所述待檢測(cè)的兩條直線對(duì)應(yīng)的公共點(diǎn)的位置相同。

所述樣點(diǎn)與所述公共點(diǎn)之間的距離向量，可以通過測(cè)量樣點(diǎn)與公共點(diǎn)之間的距離獲取。比如圖2中的兩條直線，在每條直線上選擇兩個(gè)樣點(diǎn)(出于示例選用的其中一種實(shí)施方式)，選擇的樣點(diǎn)包括四個(gè)，所述公共點(diǎn)為圖像的中心位置，則左上角線段的距離為7.7cm，左下角線段的距離為10.5cm，右上角線段的距離為8.5cm，右下角線段的距離為12cm，構(gòu)成距離向量為<7.7,10.5,8.5,12>。

如圖3所示的兩條直線，在每條直線上選擇兩個(gè)樣點(diǎn)(出于示例選用的其中一種實(shí)施方式)，所選擇的樣點(diǎn)包括四個(gè)，所述公共點(diǎn)為圖像的中心位置，則左上角線段的距離為2.7cm，左下角線段的距離為8.2cm，右上角線段的距離為6.2cm，右下角線段的距離為4.3cm，構(gòu)成距離向量為<2.7,8.2,6.2,4.3>。

在步驟S102中，將所述距離向量代入預(yù)先設(shè)定的人工神經(jīng)網(wǎng)絡(luò)計(jì)算激勵(lì)值，其中，所述人工神經(jīng)網(wǎng)絡(luò)的權(quán)重向量根據(jù)預(yù)先采集的成對(duì)車道線樣本數(shù)據(jù)所訓(xùn)練獲取。

具體的，本發(fā)明實(shí)施例中所述人工神經(jīng)網(wǎng)絡(luò)的權(quán)重向量的計(jì)算，可以根據(jù)預(yù)先設(shè)定的多個(gè)樣本訓(xùn)練獲取，其中，所述權(quán)重向量的訓(xùn)練方法，可以包括圖5所示的下述步驟：

在步驟S501中，采集大量的成對(duì)的車道線樣本和不成對(duì)的車道線樣本，根據(jù)所述間距在所述車道線樣本上選擇樣點(diǎn)；

在步驟S02中，計(jì)算所述樣點(diǎn)與所述公共點(diǎn)之間的距離；

在步驟S503中，將所述距離代入人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)細(xì)胞層，根據(jù)樣本是否成對(duì)，計(jì)算人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)細(xì)胞層的所對(duì)應(yīng)的權(quán)重向量。

具體的，所述人工神經(jīng)網(wǎng)絡(luò)可以包括神經(jīng)細(xì)胞層、輸出層。在所述神經(jīng)細(xì)胞層與輸出層之間，還可以包括隱藏層。如圖4為本發(fā)明實(shí)施例提供的一種人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖。如圖4所示，所述人工神經(jīng)網(wǎng)絡(luò)包括輸入層X1，X2，X3和X4、神經(jīng)細(xì)胞層Y1、Y2、Z1和Z2，其中，Y1和Y2構(gòu)成隱藏層，Z1和Z2構(gòu)成輸出層。

其中，所述輸入層的輸入個(gè)數(shù)，根據(jù)輸入向量的個(gè)數(shù)設(shè)定。比如在圖5a、圖5b和圖5c中的樣點(diǎn)為4個(gè)，相應(yīng)的輸入層的輸入個(gè)數(shù)也為4個(gè)。

假設(shè)圖5a、圖5b和圖5c是大量的成對(duì)車道樣樣本中的三個(gè)，并且對(duì)于圖5a、圖5b和圖5c的距離向量依次為：

如圖5a所示的兩條直線，在每條直線上選擇兩個(gè)樣點(diǎn)(出于示例選用的其中一種實(shí)施方式)，所選擇的樣點(diǎn)包括四個(gè)，所述公共點(diǎn)為圖像的中心位置，則左上角線段的距離為5cm，左下角線段的距離為14cm，右上角線段的距離為11cm，右下角線段的距離為9.5cm，構(gòu)成距離向量為<5,14,11,9.5>。

如圖5b所示的兩條直線，在每條直線上選擇兩個(gè)樣點(diǎn)(出于示例選用的其中一種實(shí)施方式)，所選擇的樣點(diǎn)包括四個(gè)，所述公共點(diǎn)為圖像的中心位置，則左上角線段的距離為5cm，左下角線段的距離為6.5cm，右上角線段的距離為10cm，右下角線段的距離為16cm，構(gòu)成距離向量為<5,6.5,10,16>。

如圖5c所示的兩條直線，在每條直線上選擇兩個(gè)樣點(diǎn)(出于示例選用的其中一種實(shí)施方式)，所選擇的樣點(diǎn)包括四個(gè)，所述公共點(diǎn)為圖像的中心位置，則左上角線段的距離為7cm，左下角線段的距離為11cm，右上角線段的距離為7.7cm，右下角線段的距離為12cm，構(gòu)成距離向量為<7,11,7.7,12>。

圖5a、圖5b、圖5c的輸出結(jié)果均為是“成對(duì)車道線”，結(jié)合圖4所述的人工神經(jīng)網(wǎng)絡(luò)，W11、W13、W15和W17是神經(jīng)細(xì)胞Y1的四個(gè)輸入對(duì)應(yīng)的權(quán)重；W12、W14、W16和W18是神經(jīng)細(xì)胞Y2的四個(gè)輸入對(duì)應(yīng)的權(quán)重；W21和W23是神經(jīng)細(xì)胞Z1的兩個(gè)輸入對(duì)應(yīng)的權(quán)重；W22和W24是神經(jīng)細(xì)胞Z2的兩個(gè)輸入對(duì)應(yīng)的權(quán)重。

其中，神經(jīng)細(xì)胞的激勵(lì)值為輸入與權(quán)重的乘積和，比如圖4中：Y1得到的激勵(lì)值＝X1*W11+X2*W13+X3*W15+X4*W17。

在訓(xùn)練過程中，可以為神經(jīng)細(xì)胞設(shè)置激勵(lì)函數(shù)，如：輸出層的激勵(lì)值超過一定的閾值，輸出1；否則輸出0。在此例中，隱藏層的神經(jīng)細(xì)胞Y1和Y2的激勵(lì)函數(shù)設(shè)置為：輸出＝＝激勵(lì)值。

神經(jīng)細(xì)胞Z1和Z2的輸入即為Y1和Y2的輸出，即：Z1得到的激勵(lì)值＝Y(jié)1*W21+Y2*W23。其中，本發(fā)明對(duì)于Z1和Z2設(shè)置激勵(lì)函數(shù)可以為：if(激勵(lì)值>＝0)，輸出1，otherwise輸出0。

根據(jù)上述激勵(lì)函數(shù)，可以確定人工神經(jīng)網(wǎng)絡(luò)各個(gè)權(quán)重，即人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

在本發(fā)明中，人工神經(jīng)網(wǎng)絡(luò)各個(gè)權(quán)重值初始化為[-1,1]之間的任意隨機(jī)小數(shù)，然后把訓(xùn)練集中的樣本逐個(gè)輸入人工神經(jīng)網(wǎng)絡(luò)，調(diào)整各個(gè)權(quán)重值，使所有“正”樣本在Z1產(chǎn)生1的輸出，在Z2產(chǎn)生0的輸出；且所有“負(fù)樣本”在Z1產(chǎn)生0輸出，在Z2產(chǎn)生1輸出。經(jīng)過圖5a、圖5b和圖5c中的三個(gè)向量逐一作為正樣本輸入，反復(fù)訓(xùn)練，調(diào)整權(quán)重值。當(dāng)然，還可以輸入負(fù)樣本進(jìn)行訓(xùn)練。最終得到神經(jīng)細(xì)胞Y1的權(quán)重向量為<0.8，-0.2，0.65，-0.3>,Y2的輸入權(quán)重向量為<0.7，-0.3，0.9，-0.4>，Z1的輸入權(quán)重向量為<1，-1>，Z2的輸入權(quán)重向量為<-1，1>。

在步驟S103中，根據(jù)所述人工神經(jīng)網(wǎng)絡(luò)輸出的激勵(lì)值，判斷所述兩條直線是否為成對(duì)車道線。

根據(jù)圖2和圖3得到的距離向量，分別代入所述人工神經(jīng)網(wǎng)絡(luò)，可以計(jì)算人工神經(jīng)網(wǎng)絡(luò)的輸出層的激勵(lì)值：

對(duì)于圖2，輸入向量為：<7.7，10.5，8.5，12>，Y1的權(quán)重向量為<0.8，-0.2，0.65，-0.3>，得到Y(jié)1激勵(lì)值＝5.985；Y2的權(quán)重向量為<0.7，-0.3，0.9，-0.4>，得到Y(jié)2激勵(lì)值＝5.09。

Y1和Y2的激勵(lì)函數(shù)設(shè)置為“輸出＝＝激勵(lì)值”，則Z1的激勵(lì)值＝<5.985，5.09>*<1，-1>＝0.985；Z2激勵(lì)值＝<5.985，5.09>*<-1，1>＝-0.985。

Z1和Z2的激勵(lì)函數(shù)設(shè)置為“if(激勵(lì)值>＝0)，輸出1，otherwise輸出0”，則Z1輸出1，Z2輸出0，得到“兩條直線是成對(duì)車道線”的判定。

對(duì)于圖4中的間兩條線，取得的向量值為<2.7，8.2，6.2，4.3>，Y1對(duì)應(yīng)的權(quán)重向量為：<0.8，-0.2，0.65，-0.3>，得到Y(jié)1激勵(lì)值＝3.26；Y2的激勵(lì)向量為<0.7，-0.3，0.9，-0.4>，得到Y(jié)2激勵(lì)值＝3.29。

Z1的激勵(lì)值＝<3.26，3.29>*<1，-1>＝-0.03；Z2激勵(lì)值＝<3.26，3.29>*<-1，1>＝0.03。Z1輸出0，Z2輸出1，得到“兩條直線非成對(duì)車道線”的判定。

本發(fā)明獲取待檢測(cè)的兩條直線，根據(jù)預(yù)先設(shè)定的間距，在所述兩條直線上選擇樣點(diǎn)，獲得樣點(diǎn)與公共點(diǎn)之間的距離向量，將所述距離向量代入預(yù)先訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)，可得到人工神經(jīng)網(wǎng)絡(luò)輸出的激勵(lì)值，根據(jù)所述激勵(lì)值判斷所述兩條直線是否為成對(duì)車道線。采用本發(fā)明所述方法，只需要將獲取的距離數(shù)據(jù)代入人工神經(jīng)網(wǎng)絡(luò)即可快速的確定是否為成對(duì)車道線，即可以有效的保證對(duì)成對(duì)車道線判斷的實(shí)時(shí)性，又能夠提高判斷的準(zhǔn)確性。

圖6所示為本發(fā)明實(shí)施例提供的成對(duì)車道線的檢測(cè)裝置的結(jié)構(gòu)示意圖，詳述如下：

本發(fā)明實(shí)施例所述成對(duì)車道線的檢測(cè)裝置，包括：

車道線獲取單元601，用于獲取待檢測(cè)的兩條直線，根據(jù)預(yù)先設(shè)定的間距在所述兩條直線上分別選擇的樣點(diǎn)，獲取所述樣點(diǎn)與預(yù)定的公共點(diǎn)之間的距離向量；

計(jì)算單元602，用于將所述距離向量代入預(yù)先設(shè)定的人工神經(jīng)網(wǎng)絡(luò)計(jì)算激勵(lì)值，其中，所述人工神經(jīng)網(wǎng)絡(luò)的權(quán)重向量根據(jù)預(yù)先采集的成對(duì)車道線樣本數(shù)據(jù)所訓(xùn)練獲取；

判斷單元603，用于根據(jù)所述人工神經(jīng)網(wǎng)絡(luò)輸出的激勵(lì)值，判斷所述兩條直線是否為成對(duì)車道線。

優(yōu)選的，所述車道線獲取單元包括：

樣點(diǎn)選擇子單元，用于根據(jù)預(yù)先設(shè)定的間距，在所述兩條直線上分別選擇樣點(diǎn)；

公共點(diǎn)獲取子單元，用于將圖像的中心點(diǎn)作為公共點(diǎn)，獲取所述樣點(diǎn)與所述公共點(diǎn)之間的距離向量。

優(yōu)選的，所述裝置還包括：

樣本采集單元，用于采集大量的成對(duì)的車道線樣本和不成對(duì)的車道線樣本，根據(jù)所述間距在所述車道線樣本上選擇樣點(diǎn)；

距離計(jì)算單元，用于計(jì)算所述樣點(diǎn)與所述公共點(diǎn)之間的距離；

權(quán)重向量計(jì)算單元，用于將所述距離代入人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)細(xì)胞層，根據(jù)樣本是否成對(duì)，計(jì)算人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)細(xì)胞層的所對(duì)應(yīng)的權(quán)重向量。

優(yōu)選的，所述樣點(diǎn)包括在每條車道線上選擇的N個(gè)樣點(diǎn)，所述N為大于或等于2的自然數(shù)。

優(yōu)選的,所述判斷單元包括：

比較子單元有，用于獲取所述人工神經(jīng)網(wǎng)絡(luò)輸出的激勵(lì)值，將所述激勵(lì)值與預(yù)先設(shè)定的閾值進(jìn)行比較；

成對(duì)車道線確定子單元，用于如果所述激勵(lì)值大于所述閾值，則確定所述兩條直線為成對(duì)車道線，如果所述激勵(lì)值小于所述閾值，則確定所述兩條直線不是成對(duì)車道線。

本發(fā)明實(shí)施例所述成對(duì)車道線的檢測(cè)裝置，與上述成對(duì)車道線的檢測(cè)方法對(duì)應(yīng)，在此不作重復(fù)贅述。

在本發(fā)明所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的裝置和方法，可以通過其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上。可以根據(jù)實(shí)際的需要選擇其中的部分或者全部單元來實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。

所述集成的單元如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。基于這樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分。而前述的存儲(chǔ)介質(zhì)包括：U盤、移動(dòng)硬盤、只讀存儲(chǔ)器(ROM，Read-Only Memory)、隨機(jī)存取存儲(chǔ)器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。