[發明專利]一種車道線檢測方法及系統

在審

• 申請號: 202010146278.5
• 申請日: 2020-03-05
• 公開（公告）號: CN111353446A
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 陳正斌;王水根;張光浩;崔東順;黃廣斌;徐正建
• 申請（專利權）人: 廣智微芯（揚州）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京勁創知識產權代理事務所(普通合伙) 11589
• 代理人: 奚興邦

本發明涉及一種車道線檢測方法及系統，屬于汽車輔助駕駛技術領域。包括分割提取：采用輕量化網絡模型對圖像進行分割提取，得到候選車道線的提取圖像；過濾：采用多特征融合方法對候選車道線提取圖像進行干擾項的過濾，得到候選車道線的過濾圖像；擬合：根據候選車道線過濾圖像的特征點進行擬合，得到候選左車道線方程和右車道線方程；繪制：根據候選左車道線方程和右車道線方程繪制車道線圖像。本發明通過輕量化網絡模型以及多特征融合過濾方法提高了當前深度學習車道線檢測算法的運行速度，同時保證車道線檢測的準確性，以適應在車載設備上應用。

技術領域

本發明屬于汽車輔助駕駛技術領域，涉及一種車道線檢測方法及系統，適用于有限算力的車載設備。

背景技術

隨著計算機視覺的不斷發展，汽車輔助駕駛系統逐步成為研究熱點之一。汽車輔助駕駛系統在環境感知方面主要使用攝像頭、激光、雷達等傳感器以及GPS定位導航系統進行切換和結合的方案。而車道線檢測在汽車輔助駕駛系統中尤其重要，直接決定了預警系統的及時性和準確性。

近年來，較多的研究人員采用Hough變換、基于俯視圖的邊緣檢測、基于車道線顏色特征的檢測和深度學習等方法來識別車道線，但在實際使用的時候，它們都不同程度地受到了魯棒性和抗干擾能力不足的限制。傳統的Hough變換算法指的是通過識別圖像中最符合車道特征的直線，從而對其進行標定。此算法的優點在于能夠較好地檢測出車道線的邊界點，但也存在計算量大、檢測精度不夠高、多峰值檢測、受噪聲干擾嚴重等問題。而基于俯視圖的邊緣檢測和基于顏色特征的檢測算法指的是使用車道線與路面之間的梯度和車道線特有的顏色特征進行車道線的提取并檢測，該算法的優點在于算法簡單、運行速度快，但缺點也很明顯，存在抗干擾能力不足和場景應用泛化性差的問題，故很難適用于自然條件下的復雜場景。深度學習的方法將獲取的道路圖像作為輸入，檢測到的車道線作為輸出。該方法的優點在于檢測準確率高、方法的泛化性強，能夠適應各種條件下的車道線檢測，但是該方法也存在一個嚴重的問題就是算法的運行速度慢，無法達到實時性的要求，因此很難在有限計算力的汽車設備上應用。

發明內容

本發明要解決的技術問題是現有的車道線檢測算法運行速度慢且準確性低，為了改善其不足之處，本發明提供了一種運行速度快，同時保證車道線檢測的準確性，以適應在車載設備上應用的車道線檢測系統及其方法。

為達到上述目的，本發明是通過以下技術方案實現的：

一方面，本發明提供了一種車道線檢測方法，包括以下步驟：

分割提取：采用輕量化網絡模型對圖像進行分割提取，得到候選車道線的提取圖像；

過濾：采用多特征融合方法對候選車道線提取圖像進行干擾項的過濾，得到候選車道線的過濾圖像；

擬合：根據候選車道線過濾圖像的特征點進行擬合，得到候選左車道線方程和右車道線方程；

繪制：根據候選左車道線方程和右車道線方程繪制車道線圖像。

本發明的技術方案還包括：所述采用輕量化網絡模型對圖像進行分割提取包括，使用輕量化結構的編碼器和縮減層數的模型對圖像進行編碼，編碼后構建深度特征與跳層連接特征結合的反卷積結構進行解碼。

本發明的技術方案還包括：所述采用輕量化網絡模型對圖像進行分割提取前進行相似度比較，所述相似度比較包括將當前圖像與在先圖像的相似度進行比較，當兩者的相似度滿足預設值時，當前圖像直接沿用在先圖像繪制的車道線圖像；當兩者的相似度不滿足預設值時，當前圖像進行分割提取、過濾、擬合和繪制當前圖像的車道線圖像。