[發明專利]一種基于感興趣區域的車道線自動提取方法及系統

在審

• 申請號: 202111286938.0
• 申請日: 2021-11-02
• 公開（公告）號: CN114266882A
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 葛鵬;杜輝;李東;孔郁偲
• 申請（專利權）人: 隨機數（浙江）智能科技有限公司
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/764;G06V10/762;G06K9/62;G06V20/58
• 代理公司: 杭州華鼎知識產權代理事務所(普通合伙) 33217
• 代理人: 任翠月

本發明公開了一種基于感興趣區域的車道線自動提取方法及系統，包括：進光量控制：采集圖像，根據圖像的光照場景和預先進行光照適用性訓練得到的映射關系調整調節參數；異物檢測與處理：從圖像中選取感興趣區域，建立能量函數并進行循環迭代，求解得到異物的像素結合，將屬于異物的像素置零，得到去除異物后的感興趣區域；車道線提取：對去除異物后的感興趣區域進行灰度化讀取，按照灰度相似度進行二分類，設置損失函數收斂和終止條件，滿足終止條件后停止迭代，完成車道線與非車道線的像素區分，最終提取出車道線。本發明通過進光量控制并對車道線區域內的異物進行檢測將對應像素清除，兼具了識別反應速度快和識別結果準確的效果。

技術領域

本發明涉及自動駕駛環境感知技術領域，特別涉及一種基于感興趣區域的車道線自動提取方法及系統。

背景技術

自動駕駛系統分為：感知系統和決策系統。其中，感知系統又由車輛定位、移動障礙物檢測、交通標識檢測以及車道線提取等環節構成。利用視覺傳感器進行車道線提取主要分為深度學習方法與傳統圖像處理方法，但均存在明顯短板。在使用深度學習方法對車道線提取過程中，需要采集大量先驗信息，而且，深度學習方法一般具有較高的時間復雜度并消耗較多的存儲空間，這與自動駕駛系統快反應、低時延的要求相違背。而傳統方法雖然無需大量先驗信息以及較大的存儲空間，但在提取車道線時，如果環境光照出現改變，需要人為修改閾值，否則無法完成對車道線的自適應提取。而且，當車道內存在其它車輛或行人等目標干擾時，無法保證所提取車道線的完整性。

自然界中有許多動物在環境光照強度較大的時候會縮小瞳孔，減少進光量。而在光照強度較弱時，放大瞳孔，使進光量盡可能增大，以提高自身在不同光照場景下的適應能力。而且，人類的視覺系統能夠對眼睛當前所捕獲的畫面進行“關注”，主動忽略掉與目標無關的背景，從而將注意力集中于目標物上。如果將動物調整瞳孔大小以及人類視覺注意機制應用到自動駕駛車輛對車道線的提取過程中，則能夠使自動駕駛車輛對車道線的提取更加準確，在滿足自動駕駛系統快反應、低時延的前提下，更好地保證無人駕駛車輛的安全性。

發明內容

針對現有技術中的兩種車道線提取方式短板明顯，不能較好適應自動駕駛運用場景的問題，本發明提供了一種基于感興趣區域的車道線自動提取方法及系統，通過提取感興趣區域，訓練不同光照場景下灰度級非線性變換的參數，控制自動駕駛車輛在不同光照條件下的“進光量”，并對車道線范圍內的異物進行檢測，去除車道線范圍內的異物，避免對車道線提取產生影響，再對各個像素進行分類，使屬于車道線的一類像素與非車道線一類的像素得到精確的區分。

以下是本發明的技術方案。

一種基于感興趣區域的車道線自動提取方法，包括以下步驟：

進光量控制：采集圖像，根據圖像的光照場景和預先進行光照適用性訓練得到的映射關系調整調節參數；

異物檢測與處理：從圖像中選取感興趣區域，建立能量函數并進行循環迭代，求解得到異物的像素結合，將屬于異物的像素置零，得到去除異物后的感興趣區域；

車道線提取：對去除異物后的感興趣區域進行灰度化讀取，按照灰度相似度進行二分類，設置損失函數收斂和終止條件，滿足終止條件后停止迭代，完成車道線與非車道線的像素區分，最終提取出車道線。

本發明通過進光量控制以提高感興趣區域的檢測準確性，并對車道線區域內的異物進行檢測并將對應像素清除，避免自動駕駛過程中異物的出現對車道線提取產生負面影響，由于進光量控制依靠的是預先進行的光照適用性訓練，因此兼具了識別反應速度快和識別結果準確的效果。

作為優選，所述光照適用性訓練的過程包括：設置視覺傳感器獲取的圖像尺寸為W×H，灰度級范圍[0,L-1]，獲取不同光照場景下的交通標識包圍框，并選取該包圍框內的像素作為感興趣區域，在不同光照場景下選取調節參數以提取車道線，并依此建立調節參數與光照場景的映射關系。

作為優選，所述在不同光照場景下選取調節參數以提取車道線，并依此建立調節參數與光照場景的映射關系，包括：