[發(fā)明專利]一種融合傳統(tǒng)特征提取與深度神經(jīng)網(wǎng)絡(luò)的車道線檢測(cè)方法有效
| 申請(qǐng)?zhí)枺?/td> | 202210919555.0 | 申請(qǐng)日： | 2022-08-02 |
| 公開(kāi)（公告）號(hào)： | CN115376082B | 公開(kāi)（公告）日： | 2023-06-09 |
| 發(fā)明（設(shè)計(jì)）人： | 魏超;張美迪;李路興;隨淑鑫;錢歆昊;胡樂(lè)云;徐揚(yáng) | 申請(qǐng)（專利權(quán)）人： | 北京理工大學(xué);北京理工大學(xué)長(zhǎng)三角研究院（嘉興） |
| 主分類號(hào)： | G06V20/56 | 分類號(hào)： | G06V20/56;G06V10/44;G06V10/25;G06V10/82;G06N3/0464;G06N3/08 |
| 代理公司： | 北京盛詢知識(shí)產(chǎn)權(quán)代理有限公司 11901 | 代理人： | 藺巍 |
| 地址： | 100081 北京市*** | 國(guó)省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說(shuō)明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 融合 傳統(tǒng) 特征 提取 深度 神經(jīng)網(wǎng)絡(luò) 車道 檢測(cè) 方法 | ||
1.一種融合傳統(tǒng)特征提取與深度神經(jīng)網(wǎng)絡(luò)的車道線檢測(cè)方法，其特征在于，包括：
S1、基于輸入道路圖片，提取所述道路圖片中車道線的先驗(yàn)特征，獲得車道線先驗(yàn)特征圖；
S2、將所述車道線先驗(yàn)特征圖與所述道路圖片進(jìn)行拼接得到道路特征圖；
S3、將所述道路特征圖輸入到深度神經(jīng)網(wǎng)絡(luò)模型中，對(duì)所述道路特征圖進(jìn)行特征提取與關(guān)鍵點(diǎn)預(yù)測(cè)，得到每條車道線在預(yù)先設(shè)置好的網(wǎng)格單元中關(guān)鍵點(diǎn)的位置坐標(biāo)，其中所述關(guān)鍵點(diǎn)為在所述網(wǎng)格單元中屬于車道線的點(diǎn)；
所述深度神經(jīng)網(wǎng)絡(luò)模型包括特征提取網(wǎng)絡(luò)模塊和關(guān)鍵點(diǎn)預(yù)測(cè)網(wǎng)絡(luò)模塊，所述特征提取網(wǎng)絡(luò)模塊用于對(duì)所述道路特征圖中車道線不同尺寸的特征進(jìn)行學(xué)習(xí)；所述關(guān)鍵點(diǎn)預(yù)測(cè)網(wǎng)絡(luò)模塊用于接收來(lái)自所述特征提取網(wǎng)絡(luò)模塊的車道線特征，輸出每條車道線中各關(guān)鍵點(diǎn)的位置坐標(biāo)；
對(duì)所述道路特征圖進(jìn)行關(guān)鍵點(diǎn)預(yù)測(cè)包括：
將所述特征提取網(wǎng)絡(luò)模塊學(xué)習(xí)到的所述車道線特征輸入所述關(guān)鍵點(diǎn)預(yù)測(cè)網(wǎng)絡(luò)模塊中，利用所述關(guān)鍵點(diǎn)預(yù)測(cè)網(wǎng)絡(luò)模塊中的兩個(gè)全連接層預(yù)測(cè)出在網(wǎng)格單元中各車道線關(guān)鍵點(diǎn)的坐標(biāo)；將網(wǎng)格單元寬度神經(jīng)網(wǎng)絡(luò)與網(wǎng)格單元深度神經(jīng)網(wǎng)絡(luò)所得預(yù)測(cè)坐標(biāo)相乘，計(jì)算出車道線點(diǎn)在所述輸入道路圖片中的坐標(biāo)，輸出車道線位置的預(yù)測(cè)圖；
預(yù)測(cè)出在所述網(wǎng)格單元中各車道線的位置包括：
通過(guò)所有網(wǎng)格單元中每條車道線預(yù)測(cè)概率最大處以及所述網(wǎng)格單元的索引
其中，為第
2.根據(jù)權(quán)利要求1所述的融合傳統(tǒng)特征提取與深度神經(jīng)網(wǎng)絡(luò)的車道線檢測(cè)方法，其特征在于，S1中，獲取所述輸入道路圖片包括：
將車載相機(jī)通過(guò)支架固定在車位置頂中央，調(diào)整所述車載相機(jī)的安裝角度，對(duì)準(zhǔn)待檢測(cè)區(qū)域，利用所述車載相機(jī)采集車輛前方待檢測(cè)區(qū)域的道路圖像。
3.根據(jù)權(quán)利要求2所述的融合傳統(tǒng)特征提取與深度神經(jīng)網(wǎng)絡(luò)的車道線檢測(cè)方法，其特征在于，獲得所述車道線先驗(yàn)特征圖包括：
S1.1、對(duì)所述道路圖片基于加權(quán)平均法進(jìn)行灰度化處理，配置RGB分量所占比重，保留所述道路圖片中車道線的亮度信息，得到道路的單通道灰度圖；
S1.2、對(duì)所述單通道灰度圖依次進(jìn)行中值濾波、線性灰度拉伸以及OTSU自動(dòng)閾值分割，然后根據(jù)所述車載相機(jī)的安裝角度以及所檢測(cè)道路環(huán)境的特點(diǎn)，選取感興趣區(qū)域；
S1.3、對(duì)所述感興趣區(qū)域圖像進(jìn)行Canny邊緣檢測(cè)操作，將邊緣檢測(cè)后的圖像與邊緣檢測(cè)前的圖像中各像素點(diǎn)灰度值進(jìn)行加權(quán)平均，輸出的單通道圖像即為所述車道線先驗(yàn)特征圖。
4.根據(jù)權(quán)利要求1所述的融合傳統(tǒng)特征提取與深度神經(jīng)網(wǎng)絡(luò)的車道線檢測(cè)方法，其特征在于，S2中，得到所述道路特征圖包括：
將所述車道線先驗(yàn)特征圖與所述道路圖片在通道維度上進(jìn)行拼接，獲得通道合并后的所述道路特征圖。
5.根據(jù)權(quán)利要求1所述的融合傳統(tǒng)特征提取與深度神經(jīng)網(wǎng)絡(luò)的車道線檢測(cè)方法，其特征在于，S3中，對(duì)所述道路特征圖進(jìn)行特征提取包括：對(duì)所述道路特征圖進(jìn)行圖像變換，調(diào)整圖像并將所述道路特征圖轉(zhuǎn)化為張量以及歸一化處理，獲取變換后的道路特征圖；將所述圖像變換后的道路特征圖輸入所述特征提取網(wǎng)絡(luò)模塊，獲取不同尺度的車道線特征。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京理工大學(xué);北京理工大學(xué)長(zhǎng)三角研究院（嘉興），未經(jīng)北京理工大學(xué);北京理工大學(xué)長(zhǎng)三角研究院（嘉興）許可，擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請(qǐng)聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210919555.0/1.html，轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
