[發(fā)明專利]一種基于深度神經(jīng)網(wǎng)絡(luò)的弱光環(huán)境車道線檢測方法、裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202011612255.5
• 申請(qǐng)日: 2020-12-30
• 公開（公告）號(hào): CN112766056B
• 公開（公告）日: 2023-10-27
• 發(fā)明（設(shè)計(jì)）人: 祝青園;宋爽;黃騰超;卜祥建
• 申請(qǐng)（專利權(quán)）人: 廈門大學(xué)
• 主分類號(hào): G06V20/56
• 分類號(hào): G06V20/56;G06V10/26;G06V10/762;G06V10/82;G06N3/0455
• 代理公司: 廈門市首創(chuàng)君合專利事務(wù)所有限公司 35204
• 代理人: 張松亭;王婷婷

1.一種基于深度神經(jīng)網(wǎng)絡(luò)的弱光環(huán)境車道線檢測方法，其特征在于，包括如下步驟：

使用實(shí)際駕駛環(huán)境圖像通過調(diào)節(jié)對(duì)比度和gamma數(shù)值轉(zhuǎn)換成弱光圖像，訓(xùn)練弱光增強(qiáng)網(wǎng)絡(luò)，實(shí)現(xiàn)高質(zhì)量車道線圖像的輸出；

將弱光增強(qiáng)網(wǎng)絡(luò)輸出的高質(zhì)量車道線圖像引入改進(jìn)的DeeplabV3+語義分割網(wǎng)絡(luò)，提取包含高級(jí)語義信息車道特征檢測候選車道；

檢測到候選車道后，通過快速的聚類算法將候選車道聚類為線型輸出，完成對(duì)當(dāng)前行駛車道的車道線檢測；

設(shè)定距離閾值，當(dāng)車輛位置距離邊界車道線小于設(shè)定距離閾值時(shí)，發(fā)出警告。

2.根據(jù)權(quán)利要求1所述的一種基于深度神經(jīng)網(wǎng)絡(luò)的弱光環(huán)境車道線檢測方法，其特征在于，所述使用實(shí)際駕駛環(huán)境圖像通過調(diào)節(jié)對(duì)比度和gamma數(shù)值轉(zhuǎn)換成弱光圖像，具體包括：

使用引導(dǎo)過濾對(duì)光線充足的實(shí)際駕駛環(huán)境圖像執(zhí)行邊緣保留處理；

遍歷圖片像素，并調(diào)整圖像的對(duì)比度，具體為：

其中，δ(i,j)＝|i-j|表示相鄰像素之間的灰度差，P_δ(i,j)表示像素分布規(guī)律，其中的δ表示相鄰像素之間的灰度差；

調(diào)整圖像的伽瑪值，生成不同級(jí)別弱光圖像，具體為：

其中，R，G，B代表三種通道的顏色數(shù)值；

合成弱光圖像，具體為：

其中，I_L是人工合成的弱光圖像，C_ul是對(duì)比度的上限，I_R是具有良好照明條件的真實(shí)圖像，γ是伽瑪變換的值。

3.根據(jù)權(quán)利要求1所述的一種基于深度神經(jīng)網(wǎng)絡(luò)的弱光環(huán)境車道線檢測方法，其特征在于，所述弱光增強(qiáng)網(wǎng)絡(luò)具體為：

所述弱光增強(qiáng)網(wǎng)絡(luò)為卷積深度學(xué)習(xí)網(wǎng)絡(luò)，使用卷積層提取弱光圖像的特征，并使用最大池化層對(duì)圖像進(jìn)行下采樣，所述卷積深度學(xué)習(xí)網(wǎng)絡(luò)包含16個(gè)卷積層，一個(gè)最大池化層和一個(gè)完全連接層；完全連接層后面是SoftMax分類器，以輸出處理后的增強(qiáng)圖像，所述每個(gè)卷積層包含一個(gè)卷積操作、一個(gè)BN操作和一個(gè)Rule激活函數(shù)操作。

4.根據(jù)權(quán)利要求1所述的一種基于深度神經(jīng)網(wǎng)絡(luò)的弱光環(huán)境車道線檢測方法，其特征在于，所述改進(jìn)的DeeplabV3+語義分割網(wǎng)絡(luò)，具體為：

所述改進(jìn)的DeeplabV3+語義分割網(wǎng)絡(luò)結(jié)構(gòu)為空間金字塔結(jié)構(gòu)和編碼器-解碼器結(jié)構(gòu)，轉(zhuǎn)換數(shù)據(jù)格式為Float32格式，減小中間流層的循環(huán)次數(shù)，并將UpSampling2D改進(jìn)為Conv2DTranspose。

5.根據(jù)權(quán)利要求1所述的一種基于深度神經(jīng)網(wǎng)絡(luò)的弱光環(huán)境車道線檢測方法，其特征在于，檢測到候選車道后，通過快速的聚類算法將候選車道聚類為線型輸出，所述快速的聚類算法具體為：

基于密度的聚類算法Dbscan，并設(shè)置KD樹在聚類算法Dbscan搜索最近的鄰居時(shí)限制聚類規(guī)模。

6.一種基于深度神經(jīng)網(wǎng)絡(luò)的弱光環(huán)境車道線檢測裝置，其特征在于，包括如下：

車道線圖像輸出模塊：使用實(shí)際駕駛環(huán)境圖像通過調(diào)節(jié)對(duì)比度和gamma數(shù)值轉(zhuǎn)換成弱光圖像，訓(xùn)練弱光增強(qiáng)網(wǎng)絡(luò)，實(shí)現(xiàn)高質(zhì)量車道線圖像的輸出；

語義信息提取模塊：用于將弱光增強(qiáng)網(wǎng)絡(luò)輸出的高質(zhì)量車道線圖像引入改進(jìn)的DeeplabV3+語義分割網(wǎng)絡(luò)，提取包含高級(jí)語義信息車道特征檢測候選車道；

車道線檢測模塊：用于檢測到候選車道后，通過快速的聚類算法將候選車道聚類為線型輸出，完成對(duì)當(dāng)前行駛車道的車道線檢測；

報(bào)警模塊：用于設(shè)定距離閾值，當(dāng)車輛位置距離邊界車道線小于設(shè)定距離閾值時(shí)，發(fā)出警告。