[發(fā)明專利]一種快速的高速公路路面分割和攝像機(jī)定位的方法有效
| 申請?zhí)枺?/td> | 201810088021.1 | 申請日: | 2018-01-30 |
| 公開(公告)號: | CN108230330B | 公開(公告)日: | 2020-02-07 |
| 發(fā)明(設(shè)計(jì))人: | 王亞濤;江龍;趙英;鄭全新;張磊 | 申請(專利權(quán))人: | 北京同方軟件有限公司 |
| 主分類號: | G06T7/10 | 分類號: | G06T7/10;G06T7/70 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 100083 北京市海*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 高速公路路面 攝像機(jī)定位 路面狀態(tài) 模型訓(xùn)練 場景 分割 高速公路交通 視頻監(jiān)控?cái)?shù)據(jù) 分析系統(tǒng) 高速路面 模型預(yù)測 目標(biāo)檢測 視頻圖像 損失函數(shù) 網(wǎng)絡(luò)模型 位置定位 樣本收集 智能事件 天氣 攝像機(jī) 應(yīng)用 | ||
1.一種快速的高速公路路面分割和攝像機(jī)定位的方法,它的方法步驟為:
首先,對大量的有代表性的圖像訓(xùn)練樣本,標(biāo)注路面區(qū)域的五個關(guān)鍵特征點(diǎn)和攝像機(jī)的位置信息,其次定義損失函數(shù),最后進(jìn)行深度學(xué)習(xí)迭代訓(xùn)練,當(dāng)訓(xùn)練收斂之后,選擇當(dāng)前的訓(xùn)練模型作為結(jié)果模型;
1)樣本收集和模型訓(xùn)練:
收集不同路面的圖像數(shù)據(jù),對圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)注,標(biāo)注路面區(qū)域的五個點(diǎn)為路面區(qū)域的五個邊界關(guān)鍵點(diǎn),其中上面兩個點(diǎn)為路面邊緣,下面三個點(diǎn)為兩個路面邊緣點(diǎn)和圖像的邊界點(diǎn);
圖像上面部分的兩個點(diǎn)在標(biāo)注過程中,根據(jù)圖像大小,動態(tài)設(shè)置上面兩個點(diǎn)的高度線位置信息,該高度線與路面邊緣的交點(diǎn)作為上面兩個邊界關(guān)鍵點(diǎn);
對坐標(biāo)位置采用相對于圖像的高度和寬度的比例進(jìn)行歸一化操作,即相對坐標(biāo)位置信息;
對攝像機(jī)位置采用相對于路面的位置信息;
2)網(wǎng)絡(luò)模型設(shè)計(jì):
設(shè)計(jì)了如下的網(wǎng)絡(luò)結(jié)構(gòu)模型,分為3個conv層,3個pool層,4個Relu層和2個全連接層;其中conv層的作用是提取圖像中具有平移、旋轉(zhuǎn)、尺度不變的特征,同時完成對圖像特征維度降維,防止過擬合,提高模型泛化能力;卷積層的特點(diǎn)包括局部感知、參數(shù)共享、多核卷積;第一個conv層具有96個卷積核,每個核的大小為5*5,步長為2,第二個conv層具有96個卷積核,每個核的大小為3*3,步長為2,第三個conv層具有128個卷積核,每個核的大小為3*3,步長為2;
pool層的卷積核為只取對應(yīng)位置的最大值或者平均值,并且不經(jīng)過反向傳播的修改;
Relu層是線性修正函數(shù)層,梯度計(jì)算公式為:1{x>0},正向傳播過程中,Relu函數(shù)僅需要設(shè)置閾值,如果x<0,f(x)=0,如果x>0,f(x)=x;
全連接是矩陣乘法,共有兩個全連接層,第一個全連接層主要完成將高維數(shù)據(jù)降維的作用,使數(shù)據(jù)特征維度降低到192維,然后再經(jīng)過第二個全連接層的處理,輸出11維的結(jié)果信息,即是模型最終的輸出結(jié)果信息;
3)模型損失函數(shù):
針對回歸路面位置和攝像機(jī)位置兩類數(shù)據(jù)設(shè)計(jì)了綜合損失函數(shù),其中路面位置信息的10維數(shù)據(jù)與攝像機(jī)位置的1維數(shù)據(jù)具有不同的權(quán)重,該函數(shù)的定義和特征如下所示:
4)模型訓(xùn)練:
模型訓(xùn)練過程包括4步,這4步被分為兩個階段:
第一階段,前向傳播階段:
a)從樣本集中提取樣本(X,Yp),將X輸入網(wǎng)絡(luò);
b)計(jì)算相應(yīng)的實(shí)際輸出Op;
在此過程中,原始圖像數(shù)據(jù)經(jīng)過網(wǎng)絡(luò)模型的處理,完成3次conv運(yùn)算和3個pool運(yùn)行,進(jìn)行2次全連接運(yùn)算,最終輸出結(jié)果信息;
第二階段,后向反饋階段:
a)根據(jù)實(shí)際輸出Op結(jié)果與GroundTruth通過損失函數(shù)計(jì)算Loss值,計(jì)算該Loss值對各層卷積核的偏導(dǎo)值;
b)根據(jù)偏導(dǎo)值及學(xué)習(xí)率反向傳播調(diào)整模型參數(shù);
5)模型預(yù)測:
根據(jù)設(shè)計(jì)的網(wǎng)絡(luò)模型,結(jié)果會輸出11維的數(shù)據(jù),其中前10維代表路面的5個關(guān)鍵點(diǎn)的(x,y)坐標(biāo)信息,第11維表示攝像機(jī)相對于路面的位置信息。
2.根據(jù)權(quán)利要求1所述快速的高速公路路面分割和攝像機(jī)定位的方法,其特征在于,所述損失函數(shù)采用歐氏距離。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京同方軟件有限公司,未經(jīng)北京同方軟件有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810088021.1/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 路面狀態(tài)判斷方法及路面狀態(tài)判斷裝置
- 路面狀態(tài)估計(jì)方法和路面狀態(tài)估計(jì)設(shè)備
- 路面狀態(tài)檢測裝置以及路面狀態(tài)檢測方法
- 路面狀態(tài)預(yù)測方法和路面狀態(tài)預(yù)測系統(tǒng)
- 路面狀態(tài)判別方法和路面狀態(tài)判別裝置
- 路面狀態(tài)判別方法和路面狀態(tài)判別裝置
- 路面狀態(tài)判別方法和路面狀態(tài)判別裝置
- 路面狀態(tài)估計(jì)方法和路面狀態(tài)估計(jì)裝置
- 路面狀態(tài)估計(jì)方法和路面狀態(tài)估計(jì)裝置
- 路面狀態(tài)推斷裝置以及路面狀態(tài)推斷方法
- 自動化的模型訓(xùn)練方法、裝置、設(shè)備及介質(zhì)
- 變換模型訓(xùn)練方法、裝置、設(shè)備和存儲介質(zhì)
- 信息處理裝置和方法以及利用模型分類的裝置
- 一種模型訓(xùn)練的方法和裝置
- 模型訓(xùn)練方法、模型訓(xùn)練裝置和實(shí)體抽取方法
- 選擇模型訓(xùn)練方法、模型選擇方法、裝置及電子設(shè)備
- 模型訓(xùn)練方法及裝置
- 模型的訓(xùn)練方法、模型的預(yù)測方法以及模型的控制系統(tǒng)
- 一種模型生成及電池劣化推測裝置、方法、介質(zhì)及設(shè)備
- 模型訓(xùn)練方法、模型訓(xùn)練平臺、電子設(shè)備和存儲介質(zhì)





