[發明專利]用分割得分圖和聚類圖檢測車道線的后處理方法以及裝置

在審

• 申請號: 202010036042.6
• 申請日: 2020-01-14
• 公開（公告）號: CN111507153A
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 金桂賢;金镕重;金寅洙;金鶴京;南云鉉;夫碩焄;成明哲;呂東勛;柳宇宙;張泰雄;鄭景中;諸泓模;趙浩辰
• 申請（專利權）人: 斯特拉德視覺公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G05D1/02;G06T7/73;G08G1/04;G08G1/16
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 金美蓮

1.一種使用分割得分圖和聚類圖來檢測一個或多個車道線的后處理方法，其特征在于，包括以下步驟：

(a)若卷積神經網絡使用輸入圖像生成所述分割得分圖和所述聚類圖，則計算裝置獲取所述分割得分圖和所述聚類圖；

(b)所述計算裝置使在所述卷積神經網絡的后端執行數據處理的后處理模塊(i)參考所述分割得分圖來檢測車道線元素，所述車道線元素是所述輸入圖像上的包含形成所述車道線的像素的單位區域，(ii)參考所述車道線元素、所述分割得分圖和所述聚類圖來生成種子信息；

(c)所述計算裝置使所述后處理模塊參考所述種子信息生成與各所述車道線對應的一個或多個基本模型，并參考所述基本模型生成一個或多個車道線錨點；

(d)所述計算裝置使所述后處理模塊參考所述車道線錨點生成一個或多個車道線連通域，所述車道線連通域包括所述車道線元素的至少一個集合；以及

(e)所述計算裝置使所述后處理模塊(i)參考所述車道線連通域來檢測所述輸入圖像中的一個或多個車道線候選組，(ii)對所述車道線候選組應用至少一次線性擬合運算來生成至少一個車道線模型，以檢測所述車道線。

2.如權利要求1所述的方法，其特征在于，

在所述步驟(a)之前，

所述卷積神經網絡對所述輸入圖像應用至少一次卷積運算和至少一次反卷積運算來生成所述分割得分圖，并且，將神經網絡運算應用到所述分割得分圖以使得：(i)所述分割得分圖所包含的、與包含在所述輸入圖像中的各所述車道線的像素對應的每個值的不同類別之間的各個差異增大，并且(ii)所述分割得分圖所包含的、與包含在所述輸入圖像中的各所述車道線的像素對應的每個值的相同類別的各個方差減小。

3.如權利要求1所述的方法，其特征在于，

在所述步驟(b)中，

所述后處理模塊使用(i)與所述輸入圖像上的所述車道線元素的位置對應的中心坐標、(ii)所述車道線元素的寬度、(iii)與包含在所述車道線元素內的像素對應的所述分割得分圖上的代表值以及(iv)所述聚類圖來生成所述種子信息，所述種子信息包括聚類ID值中的至少一個，所述聚類ID值表示包含所述車道線元素的至少一個車道線。

4.如權利要求1所述的方法，其特征在于，

在所述步驟(c)中，

所述后處理模塊在所述基本模型中將由最接近直線型的預定公式表示的特定基本模型確定為所述車道線錨點之一，所述預定公式是參考所述車道線元素的中心坐標導出的。

5.如權利要求1所述的方法，其特征在于，

在所述步驟(c)中，

所述后處理模塊將特定基本模型確定為所述車道線錨點之一，所述特定基本模型是在所述基本模型中參考特定車道線元素來選擇的，所述特定車道線元素是(i)所述分割得分圖上的代表值大于或等于預設閾值、并且(ii)使用所述聚類圖獲取的聚類ID值相似的車道線元素。

6.如權利要求1所述的方法，其特征在于，

在所述步驟(c)中，

所述后處理模塊將特定基本模型確定為所述車道線錨點之一，所述特定基本模型是在所述基本模型中參考特定車道線元素來選擇的，所述特定車道線元素為所述種子信息所包含的聚類ID值的方差最小的車道線元素。

7.如權利要求1所述的方法，其特征在于，

在所述步驟(d)中，

所述后處理模塊通過對與每個所述車道線錨點相鄰的各特定車道線元素進行跟蹤和分組來生成所述車道線連通域。

8.如權利要求7所述的方法，其特征在于，

所述后處理模塊參考所述種子信息所包含的與每個所述車道線錨點對應的各聚類ID值、各代表值以及各寬度來對與每個所述車道線錨點相鄰的各所述特定車道線元素進行跟蹤和分組，以生成每個所述車道線連通域。

9.如權利要求8所述的方法，其特征在于，

所述后處理模塊針對每個所述車道線錨點，沿著每個所述車道線錨點在兩個方向上對所述特定車道線元素進行跟蹤和分組，以生成所述車道線連通域。