[發明專利]一種基于無人機視角的應急車道視覺檢測方法和系統

在審

• 申請號: 202110901991.0
• 申請日: 2021-08-06
• 公開（公告）號: CN113822149A
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 黃炎;杜飛飛;鹿璇
• 申請（專利權）人: 武漢卓目科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京匯澤知識產權代理有限公司 11228
• 代理人: 吳靜

一種基于無人機視角的應急車道視覺檢測方法，包括：通過無人機獲取車道圖像，并將車道的圖像流作為特征提取網絡的輸入；按照預設需求對圖像尺寸進行調整，提取不同尺度的特征圖；接收不同尺度的的特征圖，通過多尺度特征聚合模塊對不同尺度的的特征圖進行融合，得到不同層的特征數值；對不同層的特征數值進行相加，并且以預設規則抽取采樣點,對圖像進行特征采樣；根據采樣點特征進行分類，并根據分類結果進行曲線擬合；根據擬合曲線，對當前車道圖像是否為應急車道進行判定。本發明解決了主流的車道線檢測系統均是基于駕駛員視角，CNN分割網絡的計算量大速度較慢，而且在無人機視角中往往存在車道線尺寸變化、被車輛遮擋、相機曝光等復雜問題。

技術領域

本發明涉及的是圖像處理領域,特別涉及一種基于無人機視角的應急車道視覺檢測方法和系統。

背景技術

在計算機視覺中，車道線檢測是一個基礎性的問題，在自動駕駛方面具有廣泛的應用。從上世紀九十年代開始，以美國、日本、歐洲為中心的發達國家與地區對車道偏離預警技術進行了比較集中的研究，并取得了許多有價值的成果。目前，世界上有些國家已經成果研制出一些各具特色的車道偏離預警系統，如：Mobileye_AWS系統、AutoVue系統、RALPH系統、AURORA系統等。這些系統通過預先給駕駛員以警告信息，提醒駕駛員采取正確的操作措施，達到防止這類事故或者降低這類事故的傷害程度的目的。

由于經濟發展原因，我國在這一領域起步較晚，但總體來說發展速度較快。例如，清華大學智能技術與系統國家重點實驗室研制的智能車THMR系列，其車道線自動跟蹤時平均速度可達100km/h，最高速度可達150km/h，在速度上已經接近國際上的先進水平，在圖像處理、控制算法等方面也取得了一定技術突破。

車道線檢測技術能夠使車輛正確地定位在車道內，遵守車道規定的交通規則。一般的車道線檢測算法多基于單目圖像。早期的車道線檢測算法采用傳統方法，通常采用基于視覺信息的車道檢測方法，主要思想是利用視覺線索，通過圖像處理，如HIS，顏色模型，和邊緣提取算法等，人為選擇特征，根據亮度、寬度等篩選出連通區域，通過圖像預處理、特征提取等方式并與霍夫變換或卡爾曼濾波器等算法結合，在識別出車道線后采用后處理的方式形成最終的車道。通常，基于傳統算法車道線模型由于道路場景變化而導致魯棒性問題。現階段，車道線檢測算法得益于卷積神經網絡強大的特征提取能力，性能也不斷提升，近年來，隨著深度學習的發展，一些基于深度神經網絡的方法因其良好的表示和學習能力在車道檢測方面顯示出了優越性。車道檢測算法作為自動駕駛的一個基本組成部分而被大量使用，這要求它具有非常低的計算成本。在這種情況下，對于車道線檢測方法的提速是非常重要的。采用卷積神經網絡(Convolutional neuralnetwork，CNN)可以通過不同視角情況下的樣本圖片進行訓練，自適應地提取路面上車道線的關鍵特征，后續通過全連接層來進行分類。車道線的完整檢出和特殊區域的分割是該系統最為關鍵的兩個步驟，由于目前主流的車道線檢測系統均是基于駕駛員視角，CNN分割網絡的計算量大速度較慢，而且在無人機視角中往往存在車道線尺寸變化、被車輛遮擋、相機曝光等復雜問題，因此車道線檢測系統必須在受到這些因素干擾的情況下正常工作，具有極大的技術挑戰。

發明內容

鑒于上述問題，提出了本發明以便提供一種克服上述問題或者至少部分地解決上述問題的一種基于無人機視角的應急車道視覺檢測方法和系統。

為了解決上述技術問題，本申請實施例公開了如下技術方案：

一種基于無人機視角的應急車道視覺檢測方法，包括：

S100.通過無人機獲取車道圖像，并將車道的圖像流作為特征提取網絡的輸入；

S200.按照預設需求對圖像尺寸進行調整，提取不同尺度的特征圖；

S300.判斷當前圖像識別是否為訓練過程，當當前圖像識別為訓練過程時，接收不同尺度的的特征圖，通過多尺度特征聚合模塊對不同尺度的的特征圖進行融合，得到不同層的特征數值；