本申请涉及车道线检测，具体而言，涉及一种网络损失计算方法、装置、终端。
背景技术：
1、车道线是分隔行驶车辆的交通标线，其中包括白色虚线、白色实线、黄色虚线和黄色实线。车道线检测是智能驾驶的一项基本功能，针对车道线检测一般采用车道线检测模型执行车道线检测任务，其中，车道线检测模型的模型损失(即网络损失)对模型的检测功能发挥着重要作用。
2、目前，针对车道线检测模型中的网络损失的计算一般采用现有的分类损失、相似损失等。
3、但是，采用上述网络损失难以达到车道线检测模型的精度需求，进而导致通过车道线检测模型执行车道线检测任务准确度低的问题。
技术实现思路
1、本申请的主要目的在于提供一种网络损失计算方法、装置、终端，以解决现有的网络损失难以达到车道线检测模型的精度需求，进而导致通过车道线检测模型执行车道线检测任务准确度低的问题。
2、为了实现上述目的，第一方面，本申请提供了一种网络损失计算方法，包括：
3、获取初始车道线图像；
4、基于初始车道线图像确定目标车道线图像；
5、基于目标车道线图像中的目标车道线，确定多对特征点值；
6、获取预设的车道线方程，其中，车道线方程为车道线检测网络中的网络损失函数；
7、基于多对特征点值和预设的车道线方程，确定网络损失。
8、在一种可能的实现方式中，基于初始车道线图像确定目标车道线图像，包括：
9、识别初始车道线图像中的第一车道线；
10、为第一车道线配置对应的第二车道线，并基于第一车道线和第二车道线得到目标车道线图像；
11、其中，目标车道线包括第一车道线和第二车道线，第一车道线表示由车道线真值所构成的车道线，第二车道线表示由车道线检测值所构成的车道线。
12、在一种可能的实现方式中，基于目标车道线图像中的目标车道线，确定多对特征点值，包括：
13、从第一车道线上提取多个第一特征点，得到多个第一特征点的多个真值，其中，多个第一特征点与多个真值一一对应；
14、在第二车道线上提取多个第二特征点，得到多个第二特征点的多个检测值，其中，多个第二特征点与多个检测值一一对应；
15、由多个真值和多个检测值构成多对特征点。
16、在一种可能的实现方式中，由多个真值和多个检测值构成多对特征点，包括：
17、针对多个真值中的每个真值，获取每个真值对应的第一特征点；
18、针对多个检测值中的每个检测值，获取每个检测值对应的第二特征点；
19、若每个真值对应的第一特征点和每个检测值对应的第二特征点匹配，将每个真值和每个检测值作为一对特征点值，直至确定多对特征点值。
20、在一种可能的实现方式中，基于多对特征点值和预设的车道线方程，确定网络损失，包括：
21、针对多对特征点值中的每对特征点值，基于每对特征点值和预设的车道线，确定每对特征点对应的初始误差，其中，每对特征点值为每对特征点的值；
22、获取初始误差权重；
23、基于初始误差权重和每对特征点对应的初始误差，计算每对特征点对应的目标误差；
24、基于每对特征点对应的目标误差，计算网络损失。
25、在一种可能的实现方式中，基于每对特征点值和预设的车道线方程，确定每对特征点对应的初始误差，包括：
26、将每对特征点值输入预设的车道线方程，得到每对特征点的距离误差；
27、对预设的车道线方程进行一次求导，并将每对特征点值输入一次求导后的预设的车道线方程，得到每对特征点的斜率误差；
28、对预设的车道线方程进行二次求导，并将每对特征点值输入二次求导后的预设的车道线方程，得到每对特征点的曲率误差；
29、由每对特征点的距离误差、每对特征点的斜率误差和每对特征点的曲率误差构成每对特征点对应的初始误差。
30、在一种可能的实现方式中，基于初始误差权重和每对特征点对应的初始误差，计算每对特征点对应的目标误差，包括：
31、将每对特征点的距离误差与距离权重相乘，得到第一乘积；
32、将每对特征点的斜率误差与斜率权重相乘，得到第二乘积；
33、将每对特征点的曲率误差与曲率权重相乘，得到第三乘积；
34、将第一乘积、第二乘积和第三乘积相加，得到每对特征点对应的目标误差。
35、在一种可能的实现方式中，基于每对特征点对应的目标误差，计算网络损失，包括：
36、将每对特征点对应的目标误差进行汇总，得到多个目标误差；
37、基于多个目标误差，计算网络损失。
38、第二方面，本发明实施例提供了一种网络损失计算装置，包括：
39、第一获取模块，用于获取初始车道线图像；
40、第二获取模块，用于基于初始车道线图像确定目标车道线图像；
41、特征值确定模块，用于基于目标车道线图像中的目标车道线，确定多对特征点值；
42、第三获取模块，用于获取预设的车道线方程，其中，车道线方程为车道线检测网络中的网络损失函数；
43、网络损失计算模块，用基于多对特征点值和预设的车道线方程，确定网络损失。
44、第三方面，本发明实施例提供了一种终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上任一种网络损失计算方法的步骤。
45、第四方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上任一种网络损失计算方法的步骤。
46、本发明实施例提供了一种网络损失计算方法、装置、终端，包括：先获取初始车道线图像，然后基于初始车道线图像确定目标车道线图像，再基于目标车道线图像中的目标车道线，确定多对特征点值，最后获取预设的车道线方程，其中，车道线方程为车道线检测网络中的网络损失函数，进而基于多对特征点值和预设的车道线方程，确定网络损失。本申请将车道线方程配置为车道线检测网络中的网络损失函数，并通过提取网络损失函数中的特征点来计算网络损失，使计算出的网络损失满足车道线检测模型的精度需求，进而提升了车道线检测任务的准确度。
1.一种网络损失计算方法，其特征在于，包括：
2.根据权利要求1所述的一种网络损失计算方法，其特征在于，所述基于所述初始车道线图像确定目标车道线图像，包括：
3.根据权利要求2所述的一种网络损失计算方法，其特征在于，所述基于所述目标车道线图像中的目标车道线，确定多对特征点值，包括：
4.根据权利要求3所述的一种网络损失计算方法，其特征在于，所述由所述多个真值和所述多个检测值构成所述多对特征点，包括：
5.根据权利要求1所述的一种网络损失计算方法，其特征在于，所述基于所述多对特征点值和所述预设的车道线方程，确定网络损失，包括：
6.根据权利要求5所述的一种网络损失计算方法，其特征在于，所述基于所述每对特征点值和所述预设的车道线方程，确定每对特征点对应的初始误差，包括：
7.根据权利要求6所述的一种网络损失计算方法，其特征在于，所述基于所述初始误差权重和所述每对特征点对应的初始误差，计算所述每对特征点对应的目标误差，包括：
8.根据权利要求6所述的一种网络损失计算方法，其特征在于，所述基于所述每对特征点对应的目标误差，计算所述网络损失，包括：
9.一种网络损失计算装置，其特征在于，包括：
10.一种终端，其特征在于，包括存储器，以及与所述存储器通信连接的一个或多个处理器；
