[發明專利]一種行車區域與車道線識別方法及系統

有效

• 申請號: 202210083455.9
• 申請日: 2022-01-25
• 公開（公告）號: CN114120289B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 王金橋;陳盈盈;朱炳科;李曉東
• 申請（專利權）人: 中科視語（北京）科技有限公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/44;G06V10/80;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王慶龍

本發明提供一種行車區域與車道線識別方法及系統，該方法包括：獲取待識別的結構化道路圖像；將待識別的結構化道路圖像輸入到道路識別模型中，得到由道路識別模型中的基礎網絡輸出的全局語義特征；通過道路識別模型的第一分支網絡，對全局語義特征中的行車區域進行提取，得到行車區域語義特征；通過道路識別模型的第二分支網絡，對全局語義特征中的車道線進行提取，得到車道線語義特征；通過道路識別模型中的預測層對融合特征進行分類預測，得到待識別的結構化道路圖像中的行車區域與車道線，融合特征是由全局語義特征、行車區域語義特征和車道線語義特征進行融合得到的。本發明有效提高了行車區域與車道線識別精度。

技術領域

本發明涉及計算機視覺技術領域，尤其涉及一種行車區域與車道線識別方法及系統。

背景技術

結構化道路指的是邊緣比較規則，路面平坦，有明顯的車道線及其它人工標記的行車道路，例如：高速公路、城市干道等。這類道路具有清晰的道路標志線，道路的背景環境比較單一，道路的幾何特征也比較明顯。因此，針對結構化道路檢測問題，可以簡化為車道線或行車區域的檢測。

結構化道路的行車區域與車道線識別，是智能交通領域的熱門研究課題之一，也是基于計算機視覺的模式識別應用的一個重要研究方向。這項任務需要將結構化道路圖像中的行車區域與車道線分割出來，進行像素級別的分類，為其他下游任務提供上游技術基礎，例如，高級駕駛輔助系統和智能交通違章檢測等。

由于結構化道路場景呈現多種不同的形態，且不同場景中的行車區域與車道線有相似性，現有車道線與行車區域的識別方法，仍存在較多的漏檢和誤檢，識別精度較低。因此，現在亟需一種行車區域與車道線識別方法及系統來解決上述問題。

發明內容

針對現有技術存在的問題，本發明提供一種行車區域與車道線識別方法及系統。

本發明提供一種行車區域與車道線識別方法，包括：

獲取待識別的結構化道路圖像；

將所述待識別的結構化道路圖像輸入到道路識別模型中，得到由所述道路識別模型中的基礎網絡輸出的全局語義特征；

通過所述道路識別模型的第一分支網絡，對所述全局語義特征中的行車區域進行提取，得到行車區域語義特征；通過所述道路識別模型的第二分支網絡，對所述全局語義特征中的車道線進行提取，得到車道線語義特征；

通過所述道路識別模型中的預測層對融合特征進行分類預測，得到所述待識別的結構化道路圖像中的行車區域與車道線，所述融合特征是由所述全局語義特征、所述行車區域語義特征和所述車道線語義特征進行融合得到的；

其中，所述基礎網絡、所述第一分支網絡和所述第二分支網絡，是由卷積神經網絡構建得到的。

根據本發明提供的一種行車區域與車道線識別方法，在所述通過所述道路識別模型中的預測層對融合特征進行分類預測，得到所述待識別的結構化道路圖像中的行車區域與車道線之后，所述方法還包括：

對所述道路識別模型輸出的行車區域與車道線的預測結果進行邊緣提取處理和均值校正處理，得到處理后的預測結果。

根據本發明提供的一種行車區域與車道線識別方法，所述邊緣提取處理的算法為Canny邊緣檢測算法。

根據本發明提供的一種行車區域與車道線識別方法，所述道路識別模型通過以下步驟訓練得到：

通過標記有行車區域標簽和車道線標簽的結構化道路樣本圖像，構建得到訓練樣本集；

將所述訓練樣本集中的樣本圖像輸入到第一卷積神經網絡中進行訓練，得到基礎網絡和由所述基礎網絡輸出的全局語義樣本特征；

將所述全局語義樣本特征輸入到第二卷積神經網絡中，以進行行車區域像素特征的提取訓練，得到第一分支網絡和由所述第一分支網絡輸出的行車區域語義樣本特征；