[發(fā)明專利]一種基于端到端實(shí)例分割的車道線檢測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010849063.X
• 申請(qǐng)日: 2020-08-21
• 公開（公告）號(hào): CN111950498A
• 公開（公告）日: 2020-11-17
• 發(fā)明（設(shè)計(jì)）人: 徐昕;孫毅;方強(qiáng);曾宇駿;呼曉暢
• 申請(qǐng)（專利權(quán)）人: 中國人民解放軍國防科技大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/34;G06K9/46;G06K9/62
• 代理公司: 湖南兆弘專利事務(wù)所(普通合伙) 43008
• 代理人: 周長清;胡君

本發(fā)明公開一種基于端到端實(shí)例分割的車道線檢測(cè)方法及裝置，該方法步驟包括：獲取待檢測(cè)圖像，對(duì)圖像中各像素進(jìn)行實(shí)例特征編碼，獲取得到實(shí)例特征圖；對(duì)獲取的待檢測(cè)圖像進(jìn)行語義分割，將車道線的像素從背景中提取出來；預(yù)測(cè)每一條車道線上的所需關(guān)鍵點(diǎn)，并從提取的實(shí)例特征圖中對(duì)應(yīng)關(guān)鍵點(diǎn)所在位置處提取出每條車道線的代表性特征，得到各條車道線的代表特征組合；將代表特征組合作為動(dòng)態(tài)分類權(quán)重，并與提取的實(shí)例特征圖進(jìn)行全連接操作，得到每一個(gè)像素的實(shí)例分類結(jié)果，實(shí)現(xiàn)車道線檢測(cè)。本發(fā)明具有實(shí)現(xiàn)方法簡單、計(jì)算量小、檢測(cè)效率高以及檢測(cè)性能好、任務(wù)擴(kuò)展性好等優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及車道線自動(dòng)檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種基于端到端實(shí)例分割的車道線檢測(cè)方法及裝置。

背景技術(shù)

車道線檢測(cè)是自動(dòng)駕駛以及先進(jìn)輔助駕駛系統(tǒng)中的重要環(huán)節(jié)，可以用于車道保持系統(tǒng)和車道偏離預(yù)警系統(tǒng)。為實(shí)現(xiàn)車道線檢測(cè)，傳統(tǒng)的計(jì)算機(jī)視覺算法常常是從邊緣檢測(cè)、線段提取、線段組織和后處理等方式入手，該類傳統(tǒng)方法的優(yōu)勢(shì)在于計(jì)算量低，在高速公路等路況良好的情況下，性能穩(wěn)定，但是難以處理復(fù)雜路況。

另一類實(shí)現(xiàn)車道線檢測(cè)是基于深度卷積神經(jīng)網(wǎng)絡(luò)的車道線檢測(cè)算法，該類算法最初僅是從語義分割的角度來解決問題，即將車道線與背景進(jìn)行分離，而如果簡單地將車道線檢測(cè)看作是語義分割問題，并不能直接得到可用的結(jié)果，因?yàn)檎Z義分割只是將車道線區(qū)域從背景中提取出來，但是車道線檢測(cè)的目的是用于車輛在道路上進(jìn)行車道保持和車道偏離預(yù)警，其檢測(cè)結(jié)果將被作為重要的觀測(cè)值輸入到控制系統(tǒng)中，因此需要給出每一條車道線的解析表達(dá)式，并計(jì)算曲率，即實(shí)際的應(yīng)用需求是要求算法能夠單獨(dú)地區(qū)分每一條車道線，因此最初基于深度卷積神經(jīng)網(wǎng)絡(luò)的車道線檢測(cè)算法并無法區(qū)分不同的車道線實(shí)例，需要一系列的后處理操作。

對(duì)于基于深度卷積神經(jīng)網(wǎng)絡(luò)的車道線檢測(cè)算法上述問題，目前有一種解決思路是將不同的車道線看作是不同的類，然后將不同車道線實(shí)例的區(qū)分看作是多分類問題，即認(rèn)為單純的語義分割并不能作為最終結(jié)果，需要進(jìn)行后處理，將車道線的分割結(jié)果聚類成為不同的實(shí)例，基于此衍生出了目前三種主要的解決方法：

1、語義分割+聚類方法，即進(jìn)行語義分割提取出車道線后，使用聚類算法聚類成為不同的實(shí)例，常見的聚類算法有DBSCAN(基于密度的聚類算法)、譜聚類等，但是該類方法需要進(jìn)行聚類處理，會(huì)涉及到聚類方法選擇和參數(shù)設(shè)置問題，不僅計(jì)算時(shí)間耗費(fèi)比較大，同時(shí)對(duì)參數(shù)設(shè)置也較為敏感。

2、將不同條的車道線看作不同的類別，進(jìn)行多類別語義分割方法，但是該類方法限定了車道線的條數(shù)，同時(shí)無法很好的處理換道時(shí)候的檢測(cè)問題(換道會(huì)引起類別歧義)。

3、基于實(shí)例特征嵌入的車道線實(shí)例分割方法，典型的如Instance-embedding+cluster(歐式空間實(shí)例編碼+均值漂移的聚類)算法等，該方法屬于bottom-up的實(shí)例分割思路，如圖1所示，通過對(duì)不同的像素進(jìn)行實(shí)例編碼，使得一類實(shí)例特征相近，不同實(shí)例特征相似度低，然后通過選取合適的聚類方法來進(jìn)行實(shí)例聚類。但是該類方法是在歐式空間中實(shí)現(xiàn)的，所以為了約束特征的幅值，需要加入正則化方法，同時(shí)在已區(qū)分的特征基礎(chǔ)上，還需要使用均值漂移的方式來對(duì)不同的實(shí)例進(jìn)行聚類，這種聚類方式比較耗費(fèi)時(shí)間，造成了相對(duì)較大的計(jì)算負(fù)擔(dān)，尤其是在實(shí)例較多的情況下，會(huì)極大的增加計(jì)算量。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題就在于：針對(duì)現(xiàn)有技術(shù)存在的技術(shù)問題，本發(fā)明提供一種實(shí)現(xiàn)方法簡單、計(jì)算量小、檢測(cè)效率高以及檢測(cè)性能好、任務(wù)擴(kuò)展性好的基于端到端實(shí)例分割的車道線檢測(cè)方法及裝置。

為解決上述技術(shù)問題，本發(fā)明提出的技術(shù)方案為：

一種基于端到端實(shí)例分割的車道線檢測(cè)方法，步驟包括：

實(shí)例特征嵌入：獲取待檢測(cè)圖像，利用余弦相似度的度量方式對(duì)獲取的待檢測(cè)圖像中各像素進(jìn)行實(shí)例特征編碼，提取得到實(shí)例特征圖；

車道線語義分割：對(duì)獲取的待檢測(cè)圖像進(jìn)行語義分割，將車道線的像素從背景中提取出來；