[發明專利]基于遷移學習緩解車道線檢測的樹影類問題的方法及系統

有效

• 申請號: 201710576091.7
• 申請日: 2017-07-14
• 公開（公告）號: CN107578057B
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 吳子章;王凡;唐銳
• 申請（專利權）人: 北京縱目安馳智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06T7/33
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 徐秋平

本發明提供通過遷移學習緩解車道線檢測任務中的樹影類問題的方法及系統。所述方法包括：獲取含有被陰影遮擋的車道線的圖像；通過對這些圖像進行分析，從而得到被陰影遮擋的車道線的共有特征；利用遷移學習將所述共有特征與未被陰影遮擋的車道線的特征在學習任務中進行融合，從而訓練出車道線檢測模型；獲取待檢測圖像；利用所述車道線檢測模型對所述待檢測圖像中的車道線進行檢測，并輸出檢測結果。本發明建立的車道線檢測模型在保有原先分類能力的基礎上，還能通對新圖像的檢測來提升自身的分類能力，有效防止了原先模型可能會產生的遺忘問題。

技術領域

本發明涉及圖像處理領域，特別是涉及一種通過遷移學習緩解車道線檢測任務中的樹影類問題的方法與系統。

背景技術

在自動駕駛研究項目中，車道線的視覺感知任務具有非常重要的意義。在車道線分割與車道線檢測的任務中，往往容易受路邊樹木、建筑等的影子影響，從視覺角度上看車道線的外觀會發生很大變化。尤其在一些陰影嚴重的場景中，肉眼已經很難辨別哪些地方是車道線，哪些地方是路面。對于路邊的樹影或其他影子造成的目標難以辨別的情形，我們統稱為樹影問題。樹影問題往往造成車道線的漏檢與誤檢，成為該任務中的一個老大難問題。

發明內容

鑒于以上所述現有技術的缺點，本發明的目的在于提供基于遷移學習緩解車道線檢測的樹影類問題的方法及系統，用于解決現有技術中的上述問題。

為實現上述目的及其他相關目的，本發明提供一種通過遷移學習緩解車道線檢測任務中的樹影類問題的方法，包括：獲取含有被陰影遮擋的車道線的圖像；通過對這些圖像進行分析，從而得到被陰影遮擋的車道線的共有特征；利用遷移學習將所述共有特征與未被陰影遮擋的車道線的特征在學習任務中進行融合，從而訓練出車道線檢測模型；獲取待檢測圖像；利用所述車道線檢測模型對所述待檢測圖像中的車道線進行檢測，并輸出檢測結果。

于本發明一實施例中，還包括：在所述學習任務中，借助強化學習思想對樹影類問題進行有傾向性的訓練，從而有針對性地解決樹影類問題對車道線檢測任務的影響。

于本發明一實施例中，所述有傾向性的訓練是通過設置學習內容的權重大小來實現的。

于本發明一實施例中，所述學習內容包括：對背景圖像的學習。

于本發明一實施例中，車道線的特征包括：車道線的像素分布、車道線的位置、車道線的形狀、及車道線跟周圍環境的關系中的一種或多種組合。

為實現上述目的及其他相關目的，本發明提供一種通過遷移學習緩解車道線檢測任務中的樹影類問題的系統，包括：圖像獲取模塊，用于獲取含有被陰影遮擋的車道線的圖像；圖像分析模塊，用于通過對這些圖像進行分析，從而得到被陰影遮擋的車道線的共有特征；模型建立模塊，用于利用遷移學習將所述共有特征與未被陰影遮擋的車道線的特征在學習任務中進行融合，從而訓練出車道線檢測模型；圖像檢測模塊，用于獲取待檢測圖像；利用所述車道線檢測模型對所述待檢測圖像中的車道線進行檢測，并輸出檢測結果。

于本發明一實施例中，所述模型建立模塊還用于：在所述學習任務中，借助強化學習思想對樹影類問題進行有傾向性的訓練，從而有針對性地解決樹影類問題對車道線檢測任務的影響。

于本發明一實施例中，所述有傾向性的訓練是通過設置學習內容的權重大小來實現的。

于本發明一實施例中，所述學習內容包括：對背景圖像的學習。

于本發明一實施例中，車道線的特征包括：車道線的像素分布、車道線的位置、車道線的形狀、及車道線跟周圍環境的關系中的一種或多種組合。

如上所述，本發明的通過遷移學習緩解車道線檢測任務中的樹影類問題的方法及系統，能夠有效地檢測出樹影類問題中的車道線，并且，建立的車道線檢測模型在保有原先分類能力的基礎上，還能通對新圖像的檢測來不斷提升自身的分類能力，有效防止了原先模型可能產生的遺忘問題。