[發明專利]一種基于深度神經網絡的弱光環境車道線檢測方法、裝置

有效

• 申請號: 202011612255.5
• 申請日: 2020-12-30
• 公開（公告）號: CN112766056B
• 公開（公告）日: 2023-10-27
• 發明（設計）人: 祝青園;宋爽;黃騰超;卜祥建
• 申請（專利權）人: 廈門大學
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/26;G06V10/762;G06V10/82;G06N3/0455
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭;王婷婷

本發明公開了一種基于深度神經網絡的弱光環境車道線檢測方法、裝置，方法具體包括：使用實際駕駛環境圖像通過調節對比度和gamma數值轉換成弱光圖像，訓練弱光增強網絡，實現高質量車道線圖像的輸出；將弱光增強網絡輸出的高質量車道線圖像引入改進的DeeplabV3+語義分割網絡，提取包含高級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，完成對當前行駛車道的車道線檢測；設定距離閾值，當車輛位置距離邊界車道線小于設定距離閾值時，發出警告；本發明提出的方法，能夠提升弱光環境下車道線檢測的精度和魯棒性。

技術領域

本發明涉及先進的駕駛員輔助系統和無人駕駛領域，特別是指一種基于深度神經網絡的弱光環境車道線檢測方法、裝置。

背景技術

車道輔助駕駛是無人駕駛領域重要的研究方向。國內外的車企及多家科技公司都在進行相關的研究。據交通部門統計數據，近年來，隨著車輛數量的增加，車禍受害者的人數也在不斷增加。許多事故都是由于駕駛員疏忽大意或視覺干擾而導致車道偏離正常的行駛軌跡，從而導致交通事故的發生。車道線檢測作為先進的駕駛員輔助系統(ADAS)的一個基本模塊，是車道偏離預警系統和車道保持系統的核心。因此開發精確的車道線檢測方法，對疏忽大意的駕駛員進行提醒，是降低此類事故發生概率的有效手段。

近年來，車道偏離預警系統如AutoVue、AWSTM等系統得到廣泛的應用。這類系統依托傳感器、攝像頭獲取車道圖像，再通過傳統的圖像處理方法(邊緣檢測、霍夫變換、透視變換、滑窗搜索、擬合聚類等)來檢測車道線。但傳統的方法對光照變換、陰影嚴重、標志退化、氣候惡劣等場景難以適用，存在檢測精度低下以及誤檢的問題。

部分人員采用深度學習對車道進行語義分割，通過大量后處理對車道線進行檢測。然而，面對弱光環境所產生的低質量圖像，深度學習的方法對車道線識別的準確性同樣有待提升。

發明內容

本發明的主要目的在于克服現有技術中的上述缺陷，提出一種基于深度神經網絡的弱光環境車道線檢測方法，用于提升弱光環境下車道線檢測的精度和魯棒性。

本發明采用如下技術方案：

一種基于深度神經網絡的弱光環境車道線檢測方法，包括如下步驟：

使用實際駕駛環境圖像通過調節對比度和gamma數值轉換成弱光圖像，訓練弱光增強網絡，實現高質量車道線圖像的輸出；

將弱光增強網絡輸出的高質量車道線圖像引入改進的DeeplabV3+語義分割網絡，提取包含高級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，完成對當前行駛車道的車道線檢測；

設定距離閾值，當車輛位置距離邊界車道線小于設定距離閾值時，發出警告。

具體地，所述使用實際駕駛環境圖像通過調節對比度和gamma數值轉換成弱光圖像，具體包括：

使用引導過濾對光線充足的實際駕駛環境圖像執行邊緣保留處理；

遍歷圖片像素，并調整圖像的對比度，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)表示像素分布規律，其中的δ表示相鄰像素之間的灰度差；

調整圖像的伽瑪值，生成不同級別弱光圖像，具體為：

其中，R，G，B代表三種通道的顏色數值；

合成弱光圖像，具體為：