[發明專利]一種基于多任務語義分割的車道線檢測方法

有效

• 申請號: 202010178033.0
• 申請日: 2020-03-13
• 公開（公告）號: CN111460921B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 秦華標;許若前
• 申請（專利權）人: 華南理工大學
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V20/70;G06V10/26;G06V10/30;G06V10/34;G06V10/44;G06V10/80;G06V10/82;G06N3/0455;G06N3/0464;G06N3/09
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

本發明公開了一種基于多任務語義分割的車道線檢測方法，涉及圖像處理和計算機視覺技術。所述車道線檢測方法包括步驟：獲取道路圖像；構造一個基于卷積神經網絡的特征提取編碼網絡和多任務分支信息融合的全卷積解碼網絡；通過上述網絡輸出得到車道線二值分割掩碼圖像，然后通過形態學處理方法對車道線二值圖中的車道線像素進行點集劃分；最后對每個像素點集進行多項式擬合，得到車道線最終判別結果。通過上述車道線檢測方法，解決了車道線信息丟失嚴重導致的分割結果幾何形態不完整的問題，能夠在復雜場景中識別出各種形狀的車道線。

技術領域

本發明涉及圖像處理和計算機視覺技術，具體涉及一種基于多任務語義分割的車道線檢測方法。

背景技術

基于視覺感知的車道線識別方法是高級駕駛輔助系統(Advanced?DrivingAssistant?System，ADAS)和自動駕駛領域中的一項重要技術。在自動駕駛領域，車道線作為車輛的行駛的可靠指導。在輔助駕駛領域，車道偏離檢測等功能的實現在減少駕駛員發生死亡事故發面發揮著重要作用。

目前基于視覺的車道線檢測方法主要分為兩類：基于特征的車道線檢測算法和基于深度神經網絡的語義分割方法。

基于特征的方法主要是利用車道線的顏色、邊緣、紋理等特征，通過統計概論霍夫直線檢測或多項式擬合的方法實現對車道線進行提取。此類方法依賴于手工設定的特征，在強光，陰影，遮擋或者半結構化道路上，此類方法會受到特征丟失或相似特征的干擾而產生非常嚴重的誤檢或者漏檢。

基于深度神經網絡的語義分割方法利用深度神經網絡強大的特征提取能力進行特征提取，然后通過像素級別的分類，對車道線和背景作區分。但基于深度神經網絡的方法在對圖像進行特征提取的過程中，會進行頻繁的卷積和下采樣操作。在全圖中像素占比很小的車道線會在下采樣過程中出現嚴重的信息丟失，因此，基于語義分割的方法普遍存在分割結果中車道線幾何形態不完整等情況。

發明內容

本發明針對基于語義分割的車道線檢測方法中所存在的缺陷，提供一種基于多任務語義分割的車道線檢測方法以解決現有技術在復雜交通場景下存在的車道線信息丟失嚴重導致的分割結果幾何形態不完整的問題。

為解決上述技術不足，本發明提供以下技術方案：

一種基于多任務語義分割的車道線檢測方法，包括以下步驟：

S1、獲取道路圖像，并手動標注出圖像中的車道線信息；

S2、構建基于卷積神經網絡的特征提取編碼網絡和多任務分支信息融合的全卷積解碼網絡；

S3、對多任務分支信息融合的全卷積解碼網絡輸出的車道線二值分割掩碼圖像進行形態學后處理，劃分不同車道線實例對應的像素點集；

S4、對不同的車道線實例的像素點集進行多項式擬合，得到最終車道線判別結果。

進一步地，步驟S2中所述特征提取編碼網絡，具體包括：

利用殘差連接結構對所述道路圖像進行特征提取，獲得所述道路圖像的特征圖，

利用不同空洞率的空洞卷積結構對所述特征圖進行卷積處理，獲得具有高級語義編碼的特征圖。

進一步地，步驟S2中所述多任務分支信息融合的全卷積解碼網絡，具體包括三個任務分支網絡和信息融合模塊，

所述特征提取編碼網絡的輸出為所述多任務分支信息融合的全卷積解碼網絡中多個任務分支網絡的輸入，

所述多個任務分支網絡包括車道線分割，當前行駛車道區域分割和相鄰車道區域分割三個任務分支，

所述信息融合模塊用于對所述三個任務分支的輸出進行信息融合重組，以獲得車道線二值分割掩碼圖像。