[發明專利]一種基于ENet改進的輕量實時車道線分割方法

在審

• 申請號: 202110314107.3
• 申請日: 2021-03-24
• 公開（公告）號: CN113158810A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 夏亮明;崔瀅;田苗;郭東巖
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08;G06F17/16
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

一種基于ENet改進的輕量實時車道線分割方法，所述方法包括以下步驟：(1)將ENet卷積分解：將其每一個二維卷積拆分成兩個一維卷積；(2)空間分離卷積模塊的每個一維卷積核通道拆分為兩組，一個256通道數核拆分成兩個128通道核，最后再融合為一組；再經過一個3×3的卷積并隨機打亂通道，使兩組通道學習到的信息充分共享和通信；(3)在編碼器和解碼器增加兩條跳躍連接，設置概率預測分支用于預測車道線存在的概率，根據設定的閾值判斷某車道的車道線是否存在；完成車道線分割網絡LRTNet的構建；(4)將車道線圖片輸入到所述車道線分割網絡LRTNet，輸出車道線分割結果。本發明精度較高，成本低，魯棒性強。

技術領域

本發明涉及車輛自動駕駛領域，尤其涉及車道線實時語義分割方 法。

背景技術

汽車為人們交通出行帶來了巨大的便利，但伴隨著汽車數量的增 加，發生交通事故的次數也在與日俱增，交通事故對人生安全造成極 大的威脅，是我國人群傷害死亡首因。因此開發高級輔助駕駛系統的 是有效降低交通事故發生率的手段，而車道線分割是該系統最基礎、 最核心的功能之一，且非常具有挑戰性。

如何精確的識別、分割車道線是高級輔助駕駛系統的核心技術問 題，目前廣泛使用的技術主要是在車輛多個部位安裝傳感器、攝像頭 等獲取車道路面信息，再結合傳統圖像處理方法(邊緣檢測、霍夫變 換、直線擬合等)或者結合激光掃描、三維點云，然而傳統的處理方 法對圖像質量、場景環境要求較高，對光照變化、目標遮擋、背景干 擾極為敏感，在復雜的城市道路上分割精度低，魯棒性差，使用場景 受限。而基于激光雷達、掃描儀的方法成本昂貴，對車道線質量要求 高。

隨著計算機GPU算力的不斷提升，深度學習技術發展迅速，并在 多個應用領域取得突破性成功，其中就包括車道線分割領域，涌現出 眾多優秀車道線檢測算法，比如Xingang Pan等人提出的SCNN，利 用卷積層空間信息傳遞解決車道線形狀細長、外觀線索少帶來的精度 低問題；Gansbeke等人提出帶權重可微的最小二乘擬合算法，將傳統 算法引入了卷積網絡，使其可以自動學習車道線的擬合參數。盡管這 些算法在車道線基準數據集上取得客觀分割結果，但其分割速度非常 慢，SCNN僅僅7FPS，遠遠無法滿足實時性要求。

發明內容

為了克服車道線分割方法的不足，本發明提供一種基于ENet改進 的車道線實時分割網絡，利用多種策略對ENet網絡結構進行改進，滿 足實時性要求的同時在車道線基準數據集CULane取得較高的精度，且 可部署在行車記錄儀上，成本低，魯棒性強。

本發明解決其技術問題所采用的技術方案是：

一種基于ENet改進的輕量實時車道線分割方法，所述方法包括 以下步驟：

(1)將ENet卷積分解：將其每個二維卷積拆分成兩個一維卷積；

(2)將ENet所有卷積通道分離再融合、打亂：空間分離卷積模 塊的每個一維卷積核通道拆分為兩組，一個256通道數核拆分成兩個 128通道核，最后再融合為一組；再經過一個3×3的卷積并隨機打亂 通道，使兩組通道學習到的信息充分共享和通信；

(3)在編碼器和解碼器增加兩條跳躍連接，設置概率預測分支用 于預測車道線存在的概率，根據設定的閾值判斷某車道的車道線是否 存在；

至此，完成車道線分割網絡LRTNet的構建；

(4)將車道線圖片輸入到所述車道線分割網絡LRTNet，輸出車 道線分割結果。

進一步，所述步驟(2)中，引入不同尺寸的空洞卷積?？斩淳矸e 與普通卷積具有相同的計算量但擁有更大的感受野，這非常適合于圖 像中車道線這類形狀細長，外觀線索少、空間跨度大的目標。

再進一步，所述方法還包括以下步驟：

(5)將設計的車道線分割網絡放在CULane上訓練和測試。