[發(fā)明專利]一種車道線檢測方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110297720.9
• 申請日: 2021-03-19
• 公開（公告）號: CN113011338B
• 公開（公告）日: 2023-08-22
• 發(fā)明（設(shè)計）人: 楊漫瑤;張艷青;程銳
• 申請（專利權(quán)）人: 華南理工大學(xué)
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V20/58;G06V10/762;G06V10/764;G06V10/766;G06V10/77;G06V10/774;G06V10/80;G06V10/82;G06N3/045;G06N3/0464;G06N3/047;G06N3/048;G06
• 代理公司: 廣州市華學(xué)知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 王東東

本發(fā)明公開了一種車道線檢測方法及系統(tǒng)，包括，采集待檢測圖片，獲得待檢測圖片的特征圖，根據(jù)特征圖獲得局部特征向量和全局特征向量，然后將兩者進(jìn)行拼接輸入兩個并行的全連接網(wǎng)絡(luò)，預(yù)測車道的類別、偏移值和長度。本發(fā)明利用車道線的上下文信息，在不明顯降速的情況下提高了車道線檢測的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識別領(lǐng)域，具體涉及一種車道線檢測方法及系統(tǒng)。

背景技術(shù)

車道線檢測是智能駕駛技術(shù)中的關(guān)鍵一環(huán)，檢測到的車道線信息可用于行車路經(jīng)規(guī)劃、道路偏離提醒以及交通事故避免。車道線檢測方法眾多，主要可分為兩個大類：一是基于傳統(tǒng)數(shù)字圖像處理的檢測方法，二是基于神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)技術(shù)的車道線檢測方法。基于傳統(tǒng)數(shù)字圖像處理的檢測方法如霍夫變換等辦法雖然簡單快捷，但是魯棒性不夠，無法應(yīng)對復(fù)雜的背景環(huán)境(比如遮擋、車道線磨損、強光弱光等)；隨著人工智能技術(shù)的發(fā)展，深度學(xué)習(xí)技術(shù)漸漸被應(yīng)用于車道線檢測這一領(lǐng)域，并提出了許多具有代表性的車道線檢測方法。其中主要包括基于語義分割的車道線檢測，即將車道線檢測看做一個語義分割問題，先用語義分割網(wǎng)絡(luò)得到二值圖像，再用后續(xù)的處理手段將分割出來的車道線像素做聚類并擬合，得到單獨的車道線數(shù)學(xué)表達(dá)；其他的方法還包括基于行分類的車道線檢測，以及基于anchor(錨)的車道線檢測。前者利用卷積神經(jīng)網(wǎng)絡(luò)對輸入圖像做特征提取，并對得到的具有高級語義特征的特征圖做行分類，即對特征圖的每一行做C(該數(shù)據(jù)集中所包含的最大的車道線條數(shù))次分類，得到車道線在該行中的位置，最后連點成線；后者將車道線檢測與目標(biāo)檢測聯(lián)合起來，設(shè)計了專用于車道線檢測的anchor，即“線模型”，在特征圖上的不同位置放置ancho?r，預(yù)測真實車道線與anchor之間的水平偏移，得到最后的車道線位置。

由于智能駕駛系統(tǒng)大多是在嵌入式設(shè)備中運行，也就是說算力有限，而車道線檢測面臨的是一個實時、復(fù)雜環(huán)境，因此目前的車道線檢測方法仍存在許多缺陷。比如：(1)基于語義分割的車道線檢測方法是二階段方法，復(fù)雜的后處理使得此種方法運行起來較慢，難以向嵌入式設(shè)備遷移，無法滿足實時性的要求；(2)基于行分類的方法沒有運用到車道線形狀長且細(xì)的先驗知識，速度雖然很快但在實際運用中容易導(dǎo)致車道線漏檢；(3)車道線檢測中最常出現(xiàn)的問題包括車道線的遮擋、磨損、以及車道線像素在整張圖片中占比過少等，通常緩解遮擋問題需要結(jié)合上下文，另外車道線像素占比過少則需要加強特征表達(dá)，而現(xiàn)有的基于anchor的方法并沒有充分考慮這些問題。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)存在的缺點與不足，本發(fā)明提供一種車道線檢測方法及系統(tǒng)。

利用全局上下文模塊提取特征圖的的全局上下文，緩解車道線被遮擋問題；同時，利用二維離散余弦變換加強車道線的特征表達(dá)，提高車道線檢測的準(zhǔn)確率。

本發(fā)明采用如下技術(shù)方案：

一種車道線檢測方法，包括：

獲取待檢測圖片；

利用搭載基于dct全局上下文模塊的主干網(wǎng)絡(luò)提取待檢測圖片的特征圖F_back，對特征圖F_back進(jìn)行降維，得到降維后的特征圖F；

在特征圖F的左邊界、下邊界及右邊界每一個像素點放置一組anchor，anchor覆蓋的元素即組成一個局部特征向量

利用全連接層計算該局部特征與其他全部局部特征向量之間的權(quán)重系數(shù)，進(jìn)一步得到該局部特征向量對應(yīng)的全局特征向量

將每一個局部特征向量及全局特征向量拼接得到a_i，然后進(jìn)入兩個并行的全連接網(wǎng)絡(luò)，預(yù)測該anchor的類別、偏移值及長度；

根據(jù)偏移值及長度得到車道線的坐標(biāo)值。

進(jìn)一步，采用非極大值抑制去除重復(fù)的車道線。

進(jìn)一步，所述主干網(wǎng)絡(luò)采用resnet34網(wǎng)絡(luò)，并在主干網(wǎng)絡(luò)的c3、c4、c5的最后一層加載基于dct全局上下文模塊。