[發(fā)明專(zhuān)利]基于DeFCN和滅點(diǎn)邊緣檢測(cè)的可行駛區(qū)域分割方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110316400.3
• 申請(qǐng)日: 2021-03-25
• 公開(kāi)（公告）號(hào): CN113033395A
• 公開(kāi)（公告）日: 2021-06-25
• 發(fā)明（設(shè)計(jì)）人: 謝剛;張浩雪;謝新林;王銀;胡嘯;尹東旭
• 申請(qǐng)（專(zhuān)利權(quán)）人: 太原科技大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/34;G06N3/04
• 代理公司: 石家莊科誠(chéng)專(zhuān)利事務(wù)所(普通合伙) 13113
• 代理人: 賀壽元;蘇興娟

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，公開(kāi)了一種基于DeFCN和滅點(diǎn)邊緣檢測(cè)的可行駛區(qū)域分割方法，包括獲取道路數(shù)據(jù)集；利用道路數(shù)據(jù)集中的訓(xùn)練集訓(xùn)練DeFCN網(wǎng)絡(luò)，使用訓(xùn)練得到的DeFCN網(wǎng)絡(luò)對(duì)道路數(shù)據(jù)中的測(cè)試集中圖片進(jìn)行分割，輸出預(yù)測(cè)圖；將道路數(shù)據(jù)集中測(cè)試集中的圖片進(jìn)行邊緣檢測(cè)，輸出擬合車(chē)道線圖；將擬合車(chē)道線圖和預(yù)測(cè)圖進(jìn)行疊加，修正預(yù)測(cè)圖的分割邊緣，輸出最終分割圖。本發(fā)明有效地改善了分割圖像的邊緣，提高了邊緣的貼合度，提高了圖像分割的準(zhǔn)確度，此外，還提高了圖像分割出的車(chē)道線的簡(jiǎn)潔度和清晰度。本發(fā)明適用于可行駛區(qū)域的分割。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及可行駛區(qū)域的分割，具體地說(shuō)是一種基于DeFCN和滅點(diǎn)邊緣檢測(cè)的可行駛區(qū)域分割方法。

背景技術(shù)

隨著現(xiàn)代社會(huì)的高速發(fā)展，自動(dòng)駕駛及輔助駕駛成為一項(xiàng)新興的技術(shù)，得到了廣泛的研究，而其中較為重要的一個(gè)基礎(chǔ)技術(shù)則是可行駛區(qū)域的檢測(cè)。可行駛區(qū)域界定了車(chē)輛能夠行駛的范圍，能夠有效預(yù)警以規(guī)避車(chē)道偏離、逆向行駛等危險(xiǎn)情況。

目前的可行駛區(qū)域檢測(cè)的視覺(jué)方法主要有如下幾種：基于多檢測(cè)設(shè)備的方法、基于道路模型的方法和基于圖像分割的方法。基于多檢測(cè)設(shè)備的方法，主要是三維激光雷達(dá)、雙目(立體視覺(jué))相機(jī)等利用三維點(diǎn)云、視差等信息對(duì)可行駛區(qū)域進(jìn)行檢測(cè)，但需要對(duì)雷達(dá)、相機(jī)等進(jìn)行標(biāo)定，建立三維空間關(guān)系，再轉(zhuǎn)換為平面信息，該方法對(duì)檢測(cè)的立體信息要求較高，在信息不充分的情況下易造成錯(cuò)分。基于道路模型的方法，主要思想是通過(guò)車(chē)輛前進(jìn)方向、道路方向和區(qū)域等場(chǎng)景中的一些不變的“大輪廓特征”，包括道路的走向(主要為直行、拐彎)，如根據(jù)拐彎的程度可以分為急拐彎和緩拐彎，利用這個(gè)基本思想，可以提前設(shè)定一些基本的道路模型，在提取一定的道路特征基礎(chǔ)上，拿已有的道路模型去匹配，也可以變換基本道路模型適應(yīng)更多的路面場(chǎng)景，在提取基本特征的基礎(chǔ)上獲得準(zhǔn)確度道路路面區(qū)域，但是這種方法比較僵化，難以設(shè)定全部的道路場(chǎng)景，且需要針對(duì)障礙物的遮擋等也進(jìn)行提前設(shè)定。可行駛區(qū)域的檢測(cè)可以被認(rèn)為是語(yǔ)義分割問(wèn)題，因此可以利用圖像分割的方法來(lái)處理，而圖像分割又分為傳統(tǒng)的基于底層特征的分割方法和機(jī)器學(xué)習(xí)方法。傳統(tǒng)檢測(cè)方法一般利用的底層特征的顏色、紋理、邊緣等對(duì)可行駛區(qū)域進(jìn)行檢測(cè)，這類(lèi)方法檢測(cè)速度快，對(duì)結(jié)構(gòu)化的路面提取準(zhǔn)確度高，但對(duì)于一些非結(jié)構(gòu)化的路面(即非標(biāo)準(zhǔn)化路面)，檢測(cè)效果較差，而且該方法對(duì)圖像的清晰度、光照、陰影等都有很高的要求；基于機(jī)器學(xué)習(xí)的方法則包括早期的支持向量機(jī)(SVM)和后來(lái)的深度神經(jīng)網(wǎng)絡(luò)，但機(jī)器學(xué)習(xí)方法普遍采用全監(jiān)督方式，需要大量已標(biāo)注好的數(shù)據(jù)集，標(biāo)注成本較高。

發(fā)明內(nèi)容

本發(fā)明的目的，是要提供一種基于DeFCN和滅點(diǎn)邊緣檢測(cè)的可行駛區(qū)域分割方法，以克服現(xiàn)有技術(shù)中深度卷積神經(jīng)網(wǎng)絡(luò)分割邊緣不夠準(zhǔn)確，以及提取底層特征的傳統(tǒng)檢測(cè)方法對(duì)輸入圖像的清晰度及光照等要求高且部分分割效果差的缺點(diǎn)。

本發(fā)明為實(shí)現(xiàn)上述目的，所采用的技術(shù)方法如下：

一種基于DeFCN和滅點(diǎn)邊緣檢測(cè)的可行駛區(qū)域分割方法，包括以下步驟：

S1、獲取道路數(shù)據(jù)集；

S2、利用道路數(shù)據(jù)集中的訓(xùn)練集訓(xùn)練DeFCN網(wǎng)絡(luò)，使用訓(xùn)練得到的DeFCN網(wǎng)絡(luò)對(duì)道路數(shù)據(jù)中的測(cè)試集中圖片進(jìn)行分割，輸出預(yù)測(cè)圖；將道路數(shù)據(jù)集中測(cè)試集中的圖片進(jìn)行邊緣檢測(cè)，輸出擬合車(chē)道線圖；

S3、將步驟S2中得到的擬合車(chē)道線圖和預(yù)測(cè)圖進(jìn)行疊加，修正預(yù)測(cè)圖的分割邊緣，輸出最終分割圖。

作為限定：道路數(shù)據(jù)集采用BDD100K道路數(shù)據(jù)集，包括七萬(wàn)張圖片訓(xùn)練集、兩萬(wàn)張圖片驗(yàn)證集與一萬(wàn)張圖片測(cè)試集。

作為另一種限定：DeFCN網(wǎng)絡(luò)的骨干網(wǎng)絡(luò)為Inception v3模型，在標(biāo)準(zhǔn)卷積層的縱向兩側(cè)的卷積位置上增加由雙線性插值實(shí)現(xiàn)的微小偏移量。

作為進(jìn)一步限定：步驟S2中對(duì)測(cè)試集中圖片分割前進(jìn)行預(yù)處理，減少噪聲干擾。