[發明專利]一種基于深度分割網絡的車道線檢測方法

有效

• 申請號: 201811528310.5
• 申請日: 2018-12-13
• 公開（公告）號: CN109635744B
• 公開（公告）日: 2020-04-14
• 發明（設計）人: 孫銳;丁海濤;闞俊松;吳柳瑋
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

1.一種基于深度分割網絡的車道線檢測方法，其特征是按如下步驟進行：

步驟1、獲取帶有每條車道線標簽的原始圖像集；給任意第i張原始圖像上的車道線標簽設定相應的灰度值，并令第i張原始圖像的背景灰度值為零，從而得到第i張車道線實例分割灰度圖像，再將所述第i張原始圖像和第i張車道線實例分割灰度圖像進行尺度歸一化，得到歸一化后的第i張原始圖像和第i張車道線實例灰度圖；從而得到歸一化后的原始圖像集和車道線實例分割灰度圖像集；

步驟2、構建多層深度分割網絡：

步驟2.1、令所述多層深度分割網絡是由編碼網絡和解碼網絡兩部分組成；令所述編碼網絡是由VGG16網絡的前n層的卷積層和及其對應的最大池化層組成；且任意第j個卷積層對應第j個編碼器；

令第j個編碼器通過卷積產生第j層特征圖并存儲，同時存儲對應的第j個最大池化索引，從而得到n個編碼器所產生的n層特征圖并存儲，同時存儲對應的n個最大池化索引，j＝1,2,…,n；

步驟2.2、所述解碼網絡中，與第j個編碼器對應設置有第j個解碼器，則所述解碼網絡也為n層；

所述第j個解碼器利用對應的第j個最大池化索引對輸入的第j-1層特征圖進行非線性上采樣，生成第j層稀疏特征圖，再對第j層稀疏特征圖進行卷積操作，生成第j層密集特征圖，從而得到n層的密集特征圖；再將第n層密集特征圖經過一個卷積層處理，得到第n+1層特征圖；

步驟3、獲得最優多層深度分割網絡：

步驟3.1、利用任意大型自然圖像數據集對所述多層深度分割網絡進行預訓練，得到預訓練后的網絡參數；

步驟3.2、將所述預訓練后的網絡參數作為初始化參數，并利用歸一化后的原始圖像集和車道線實例分割灰度圖像集對所述多層深度分割網絡進行微調訓練，得到最優多層深度分割網絡；

步驟4、將獲取的待預測道路圖像尺度進行歸一化處理，得到歸一化后的待預測道路圖像并輸入到所述最優多層深度分割網絡中，得到待預測道路圖像的特征圖；

步驟5、對所述待預測道路圖像的特征圖進行二值化處理，得到待預測道路圖像中車道線二值圖像和背景二值圖像；再使用如式(1)所示的鄰近AND運算將車道線二值圖像和背景二值圖像進行融合，得到優化的車道線二值圖像；

式(1)中，I_B(i′,j′)表示融合得到的優化的車道線二值圖像在(i′,j′)處的像素值；I_B1(l,m)表示車道線二值圖像在(l,m)處的像素值，I_B2(l,m)表示背景二值圖像在(l,m)處的像素值，k表示圖像顏色參數，i′-k≤l≤i′+k，j′-k≤m≤j′+k，1≤i′≤M，1≤j′≤N，M、N為特征圖的行和列；

步驟6、在所述優化的車道線二值圖像中獲取像素值為“1”的所有像素點所對應的位置，并根據所獲取的對應位置，在所述待預測道路圖像的特征圖中標記相同位置處的所有像素點，并使用均值漂移聚類算法對所標記的所有像素進行聚類，得到車道線實例分割圖像；

步驟7、將所述車道線實例分割圖像與待預測道路圖像以1:1的權重進行圖像混合處理，從而得到車道線的檢測結果圖。