[發(fā)明專利]一種車道線提取方法、裝置和設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201910020596.4
• 申請(qǐng)日: 2019-01-09
• 公開（公告）號(hào): CN111428538B
• 公開（公告）日: 2023-06-27
• 發(fā)明（設(shè)計(jì)）人: 李焱;易瑤
• 申請(qǐng)（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號(hào): G06V20/56
• 分類號(hào): G06V20/56
• 代理公司: 北京思格頌知識(shí)產(chǎn)權(quán)代理有限公司 11635
• 代理人: 楊超

1.一種車道線提取方法，其特征在于，包括：

對(duì)道路圖像進(jìn)行透視處理，得到透視過濾圖像，所述透視過濾圖像中包括過濾出的多個(gè)路面信息要素特征；

使用機(jī)器學(xué)習(xí)模型對(duì)所述道路圖像進(jìn)行分析，得到分割圖像，所述分割圖像中包括分析出的多個(gè)路面信息要素；

將過濾出的多個(gè)路面信息要素特征與分析出的多個(gè)路面信息要素進(jìn)行匹配，匹配出道路圖像中的車道線；

使用條件隨機(jī)場(chǎng)CRF算法從所述道路圖像提取車道線；

將提取的車道線與匹配出的道路圖像中的車道線進(jìn)行合并，得到道路圖像中的車道線。

2.如權(quán)利要求1所述的方法，其特征在于，對(duì)道路圖像進(jìn)行透視處理，得到透視過濾圖像，包括：

對(duì)道路圖像進(jìn)行透視變換IPM得到IPM圖像；

使用IPM過濾器對(duì)IPM圖像進(jìn)行路面信息要素特征提取過濾，得到透視過濾圖像。

3.如權(quán)利要求2所述的方法，其特征在于，所述對(duì)道路圖像進(jìn)行透視變換IPM得到IPM圖像，包括：

使用選定的透視變換矩陣，對(duì)道路圖像中各像素的坐標(biāo)進(jìn)行變換，得到各像素點(diǎn)對(duì)應(yīng)的IPM坐標(biāo)，根據(jù)各像素點(diǎn)對(duì)應(yīng)的IPM坐標(biāo)得到所述IPM圖像；

其中，所述透視變換矩陣根據(jù)指定數(shù)量的參考點(diǎn)在參考道路圖像和參考IPM圖像中坐標(biāo)確定。

4.如權(quán)利要求2所述的方法，其特征在于，使用IPM過濾器對(duì)IPM圖像進(jìn)行路面信息要素特征提取過濾，包括：

選取n*n的塊過濾器，n為正整數(shù)；

針對(duì)IPM圖像的每個(gè)像素點(diǎn)，根據(jù)以該像素點(diǎn)為中心的n*n像素塊的灰度值之和和該像素塊左右相鄰的兩個(gè)n*n像素塊的灰度值之和，確定該像素點(diǎn)的過濾灰度值；

過濾出所述過濾灰度值符合設(shè)定條件的像素點(diǎn)。

5.如權(quán)利要求1所述的方法，其特征在于，使用機(jī)器學(xué)習(xí)模型對(duì)所述道路圖像進(jìn)行分析，得到分割圖像，包括：

使用語義分割網(wǎng)絡(luò)模型對(duì)所述道路圖像中的路面信息要素進(jìn)行分割，得到路面要素分割圖；

對(duì)路面要素分割圖進(jìn)行IPM變換得到包括多個(gè)路面信息要素的IPM分割圖像。

6.如權(quán)利要求5所述的方法，其特征在于，所述語義分割網(wǎng)絡(luò)模型，通過對(duì)道路樣本圖像中標(biāo)注的路面信息要素進(jìn)行學(xué)習(xí)，獲取各路面信息要素的特征得到，所述語義分割網(wǎng)絡(luò)模型包括各路面信息要素的標(biāo)識(shí)和對(duì)應(yīng)的特征信息。

7.如權(quán)利要求6所述的方法，其特征在于，所述使用語義分割網(wǎng)絡(luò)模型對(duì)所述道路圖像中的路面信息要素進(jìn)行分割，包括：

根據(jù)語義分割網(wǎng)絡(luò)模型包括的各路面信息要素對(duì)應(yīng)的特征信息，對(duì)所述道路圖像進(jìn)行特征識(shí)別，根據(jù)識(shí)別結(jié)果將所述道路圖像分割成若干路面信息要素區(qū)域。

8.如權(quán)利要求1所述的方法，其特征在于，所述將過濾出的多個(gè)路面信息要素特征與分析出的多個(gè)路面信息要素進(jìn)行匹配，匹配出道路圖像中的車道線，包括：

將透視過濾圖像中車道線區(qū)域的二值圖矩陣和分割圖像中車道線區(qū)域的二值圖矩陣進(jìn)行“與”運(yùn)算，提取運(yùn)算結(jié)果中像素符合要求的像素點(diǎn)，得到匹配出的道路圖像中的車道線。

9.如權(quán)利要求1所述的方法，其特征在于，使用CRF算法從所述道路圖像提取車道線，包括：

使用語義分割網(wǎng)絡(luò)模型對(duì)所述道路圖像中的路面信息要素進(jìn)行分割，得到路面要素分割圖；

使用CRF算法，從所述路面要素分割圖中提取車道線。

10.如權(quán)利要求1所述的方法，其特征在于，使用CRF算法從所述道路圖像提取車道線，包括：

使用CRF算法從路面要素分割圖中提取車道線的物理特征，所述物理特征包括像素寬度、角度、方向中的至少一個(gè)，確定屬于同一車道線的延伸區(qū)域，得到所述道路圖像中的車道線。