[發明專利]基于DeepLabv3+的車道線網絡識別模型建立及車輛速度檢測方法

在審

• 申請號: 202110151705.3
• 申請日: 2021-02-03
• 公開（公告）號: CN112861700A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 滑海寧
• 申請（專利權）人: 西安仁義智機電科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G01P3/36
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 王芳

1.基于DeepLabv3+的車道線網絡識別模型建立方法，其特征在于，包括如下步驟：

(1)獲取訓練樣本集：

(1a)從車輛原始行車記錄儀視頻中提取N幅包含車道線的視頻幀圖像A＝{A₁,A₂,...,A_i,...,A_N}，并對每幅圖像A_i中的車道線進行標記，得到包含車道線標簽的json圖像集P＝{P₁,P₂,...,P_i,...,P_N}，其中，N≥3000，A_i表示第i幅車道線視頻幀圖像，P_i表示A_i對應的包含車道線標簽的json圖像；

(1b)對包含車道線標簽的json圖像集P進行預處理，得到索引圖像集L＝{L₁,L₂,...L_i,...,L_N}，并將L作為訓練樣本集，其中，L_i表示P_i對應的不帶調色板矩陣的8bit索引圖像；

(2)構建基于DeepLabv3+的車道線網絡識別模型B：

構建包含級聯的編碼模塊E和解碼模塊D的DeepLabv3+的車道線網絡識別模型B；編碼模塊E包括主干網絡Xception及與其級聯的空洞空間金字塔池化模塊ASPP，ASPP模塊包括級聯的空洞卷積模塊和平均池化層，空洞卷積模塊包括空洞卷積率rate由小到大排列的三個空洞卷積層；解碼模塊D包括兩個卷積層和兩個四倍雙線性插值上采樣模塊；

(3)對基于DeepLabv3+的車道線網絡識別模型B進行迭代訓練，訓練過程中采用交叉熵損失函數作為損失函數，獲得訓練好的車道線網絡識別模型B′。

2.根據權利要求1所述的基于DeepLabv3+的車道線網絡識別模型建立方法，其特征在于，步驟(1b)中所述的對每個包含車道線標簽的json圖像P_i進行預處理，實現步驟為：

利用labelme軟件自帶的json_to_dataset代碼對每個包含車道線標簽的json圖像P_i中的json文件進行轉換，得到包含車道線信息且帶有調色板矩陣的24bit索引圖，并通過Python代碼將24bit索引圖轉化成不帶調色板矩陣的8bit索引圖。

3.根據權利要求1所述的基于DeepLabv3+的車道線網絡識別模型建立方法，其特征在于，步驟(2)中所述的空洞卷積率rate由小到大排列的三個空洞卷積層，rate值分別為6、12和18。