[發(fā)明專利]一種用于自動駕駛車輛的道路裂縫檢測方法及裝置

有效

• 申請?zhí)枺?/td>: 202010581566.3
• 申請日: 2020-06-23
• 公開（公告）號: CN111723750B
• 公開（公告）日: 2023-05-30
• 發(fā)明（設(shè)計）人: 劉近平;李曉娜;李松;王俊昌;王飛
• 申請（專利權(quán)）人: 安陽工學(xué)院
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/774;G06V10/82;G06N3/0464;G06T7/00
• 代理公司: 安陽市智浩專利代理事務(wù)所(普通合伙) 41116
• 代理人: 楊紅軍

本發(fā)明實施例公開一種用于自動駕駛車輛的道路裂縫檢測方法及裝置。該方法包括：獲取待處理圖像；將待處理圖像輸入預(yù)先訓(xùn)練得到的道路裂縫檢測網(wǎng)絡(luò)中，分別對待處理圖像進行特征提取得到第一初始特征圖和第二初始特征圖；對第一初始特征圖進行下采樣及卷積操作得到多個預(yù)設(shè)尺度的第一候選特征圖，并對第二初始特征圖進行下采樣及卷積操作得到多個預(yù)設(shè)尺度的第二候選特征圖；將第一候選特征圖和第二候選特征圖中同種尺度的特征圖進行外積運算，得到多個外積特征圖；根據(jù)多個外積特征圖、第一初始特征圖、以及第二初始特征圖進行裂縫檢測，得到待處理圖像中各像素點的預(yù)測類別。應(yīng)用本發(fā)明實施例提供的方案，能夠提高道路裂縫檢測的準確性。

技術(shù)領(lǐng)域

本發(fā)明涉及自動駕駛技術(shù)領(lǐng)域，具體而言，涉及一種用于自動駕駛車輛的道路裂縫檢測方法及裝置。

背景技術(shù)

在自動駕駛車輛中，道路裂縫檢測是不可或缺的一項工作。而道路裂縫因損害程度不均勻、光照影響、以及裂縫與路面區(qū)分度小等因素，檢測難度較大。

已知的道路裂縫檢測方法，主要為基于灰度圖像，使用灰度值不連續(xù)性和相似性兩個基本性質(zhì)來完成。具體的，可以根據(jù)裂縫像素比背景更暗的特點，使用圖像分割中的基于閾值方法，采用手工提取特征方法及基于塊來進行分類。然而，這種方法根據(jù)的是圖像的局部特征，未考慮裂縫的全局特征，從而導(dǎo)致道路裂縫檢測效果較差，裂縫檢測準確性較低。因此，為了提高道路裂縫檢測的準確性，亟需一種道路裂縫檢測方法。

發(fā)明內(nèi)容

本發(fā)明提供了一種用于自動駕駛車輛的道路裂縫檢測方法及裝置，以提高道路裂縫檢測的準確性。具體的技術(shù)方案如下。

第一方面，本發(fā)明實施例提供一種用于自動駕駛車輛的道路裂縫檢測方法，所述方法包括：

獲取待處理圖像；

將所述待處理圖像輸入預(yù)先訓(xùn)練得到的道路裂縫檢測網(wǎng)絡(luò)中，所述道路裂縫檢測網(wǎng)絡(luò)包括：雙網(wǎng)絡(luò)提取輸入圖像特征圖子網(wǎng)絡(luò)、金字塔池化子網(wǎng)絡(luò)、特征圖外積子網(wǎng)絡(luò)、以及特征圖級聯(lián)子網(wǎng)絡(luò)；所述雙網(wǎng)絡(luò)提取輸入圖像特征圖子網(wǎng)絡(luò)包括兩個卷積神經(jīng)網(wǎng)絡(luò)，所述兩個卷積神經(jīng)網(wǎng)絡(luò)相同或不同；所述兩個卷積神經(jīng)網(wǎng)絡(luò)分別對所述待處理圖像進行特征提取得到第一初始特征圖和第二初始特征圖；所述金字塔池化子網(wǎng)絡(luò)對所述第一初始特征圖進行下采樣及卷積操作得到多個預(yù)設(shè)尺度的第一候選特征圖，并對所述第二初始特征圖進行下采樣及卷積操作得到所述多個預(yù)設(shè)尺度的第二候選特征圖；所述特征圖外積子網(wǎng)絡(luò)將所述第一候選特征圖和所述第二候選特征圖中同種尺度的特征圖進行外積運算，得到多個外積特征圖；所述特征圖級聯(lián)子網(wǎng)絡(luò)根據(jù)所述多個外積特征圖、所述第一初始特征圖、以及所述第二初始特征圖進行裂縫檢測，得到所述待處理圖像中各像素點的預(yù)測類別；所述預(yù)測類別包括裂縫或背景；所述道路裂縫檢測網(wǎng)絡(luò)是根據(jù)各樣本圖像，以及所述各樣本圖像的裂縫標注結(jié)果訓(xùn)練得到的。

可選的，所述第一候選特征圖包括三種不同尺度的特征圖X₁，X₂，X₃，所述第二候選特征圖包括三種不同尺度的特征圖Y₁，Y₂，Y₃；所述特征圖外積子網(wǎng)絡(luò)將所述第一候選特征圖和所述第二候選特征圖中同種尺度的特征圖進行外積運算，得到多個外積特征圖的步驟包括：

根據(jù)以下公式，計算得到多個外積特征圖Z₁、Z₂、Z₃：

?X₁^T為X₁的轉(zhuǎn)置，X₂^T為X₂的轉(zhuǎn)置，X₃^T為X₃的轉(zhuǎn)置。

可選的，所述特征圖級聯(lián)子網(wǎng)絡(luò)根據(jù)所述多個外積特征圖、所述第一初始特征圖、以及所述第二初始特征圖進行裂縫檢測，得到所述待處理圖像中各像素點的預(yù)測類別的步驟包括：