[發明專利]一種交通標線檢測方法、裝置、設備和介質

在審

• 申請號: 202110732544.7
• 申請日: 2021-06-30
• 公開（公告）號: CN113435350A
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 楊雪峰;王亞運;余言勛
• 申請（專利權）人: 浙江大華技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06N3/08
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 趙凱莉

本發明公開了一種交通標線檢測方法、裝置、設備和介質，由于該方法中對待檢測圖像進行逆透視變換，得到目標圖像；對目標圖像進行識別，確定出目標圖像中的目標區域集；若確定目標區域集中目標區域的數量不小于數量閾值，則基于各目標區域的位置信息，確定待檢測圖像中是否包含目標交通標線，由于該方法中對逆透視變換后的目標圖像進行識別時，可以識別復雜場景下的目標圖像中的目標區域，在確定出的目標區域集中目標區域的數量不小于數量閾值時，基于目標區域集中各目標區域的位置信息，確定待檢測圖像中是否包含目標交通標線，斑馬線也屬于交通標線的一種，提高了復雜場景下識別斑馬線的魯棒性。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種交通標線檢測方法、裝置、設備和介質。

背景技術

隨著科技和經濟的快速發展，路上的汽車越來越多，在方便人們出行的同時，也帶來了越來越多的交通事故和交通擁堵問題。為了降低交通事故發生的概率，自動駕駛技術和智能輔助駕駛技術開始逐漸應用到車輛中，自動駕駛技術和智能輔助駕駛技術可以幫助駕駛員進行車輛駕駛，為駕駛員提供精準的指導，從而降低交通事故發生的概率。

為了實現自動駕駛，自動駕駛技術和智能輔助駕駛技術需要識別馬路上的交通標線，而在所有的交通標線中，斑馬線屬于很重要的一種交通標線，車輛在通過斑馬線時應該減速以保障行人的安全。因此，自動駕駛技術和智能輔助駕駛技術準確地檢測出道路上的斑馬線，并作出相應的控制是非常重要的。

現有技術中檢測斑馬線的方法包括基于快速霍夫變換的路口斑馬線檢測方法和斑馬線檢測方法及系統等。

基于快速霍夫變換的路口斑馬線檢測方法是通過對公路圖進行邊緣檢測，并把檢測到的邊緣進行快速霍夫變換，從而獲取圖像中存在的直線的方向和位置。通過進一步判斷，得出在一定區域內直線的方向一致且直線數量超過一個閾值，則確定公路圖像中包括路口斑馬線，進而能對車輛和行人做出預警。該方法在檢測斑馬線時，只能在有限的場景下使用，而在開放的復雜場景中，由于光線、行人、車輛等的影響，會導致無法檢測出斑馬線，因此該方法在復雜場景中檢測斑馬線時的魯棒性較差。

斑馬線檢測方法是獲取視頻幀圖像，進行圖像預處理；根據水平投影積計算確定興趣區域；計算興趣區域的每個單連通區域的豎直邊緣坐標；將豎直邊緣坐標進行直線擬合；計算所有擬合直線的交點數量并計算所有交點的質心；以所有交點的質心為中心，r個像素點的距離為半徑畫圓，計算落在圓內的交點數量，當落在圓內的交點數量大于所有交點的數量的一半時，則確定興趣區域內有斑馬線。該方法在計算興趣區域的每個單連通區域的豎直邊緣坐標時，由于地面破損、行人或車輛遮擋等因素的影響，會導致確定出豎直邊緣坐標不準確，從而影響后續檢測的準確性，因此該方法在復雜場景中檢測斑馬線時的魯棒性也較差。

發明內容

本發明提供了一種交通標線檢測方法、裝置、設備和介質，用以提升復雜場景中對斑馬線進行檢測的魯棒性。

本發明提供了一種交通標線檢測方法，所述方法包括：

對待檢測圖像進行逆透視變換，得到目標圖像；

對所述目標圖像進行識別，確定出所述目標圖像中的目標區域集；其中，目標區域包含待檢測的目標交通標線的子區域；

若確定所述目標區域集中目標區域的數量不小于數量閾值，則基于所述目標區域集中各目標區域的位置信息，確定所述待檢測圖像中是否包含所述目標交通標線。

進一步地，所述對所述目標圖像進行識別，確定出所述目標圖像中包含的目標區域集，包括：

基于訓練后的深度神經網絡模型對所述目標圖像進行識別，確定出所述目標區域集；其中，所述深度神經網絡模型是基于機器學習方法，利用進行了數據標注后的樣本圖像進行訓練得到的；所述樣本圖像是對進行逆透視變換后的歷史圖像中至少一個目標區域進行數據標注得到的，所述歷史圖像中包含所述目標交通標線。