一种基于高度信息的无人车车道场景分割方法技术

本发明专利技术公开了一种基于高度信息的无人车车道场景分割方法，先利用神经网络对车道图片进行编码、解码得到稠化特征图，再通过softmax分类器将稠化特征图中的像素点进行分类，得到基于像素点的车道场景分割图，最后利用基于高度信息的误差处理的校正，实现车辆道路区域和非道路区域的划分。这样减少分割时出现的噪声，以及由噪声带来的道路区域与非道路区域边界识别不明等问题。

【技术实现步骤摘要】
一种基于高度信息的无人车车道场景分割方法
本专利技术属于场景分割
，更为具体地讲，涉及一种基于高度信息的无人车车道场景分割方法。
技术介绍
随着国家科技的迅猛发展，也带动了诸如无人车技术的提升，在无人车车载智能系统中起到关键作用的机器视觉领域占据着越来越重要的位置,而道路场景的分析与理解作为车载智能系统的重要内容自然成为了研究的热点。场景理解是基于图像分析的更深层次的物体识别，语义图像分割，最终要得到对应位置每个像素的分类结果，在未来计算机视觉将致力于在语义层面实现更加深刻的图像理解，不仅满足于识别出图像中的物体，还能给出图像标题进而讲出图像背后的场景内容。在现有技术中，对于语义分割的经典做法是以某个像素点为中心取一个图像块,然后取图像块的特征作为样本去训练分类器。在测试阶段,同样的在测试图片上以每个像素点为中心采一个图像块进行分类,分类结果作为该像素点的预测值，最后实现像素的分类从而达到场景分割的目的。但这样对场景分割会出现较多噪声，且非道路区域与道路区域由于噪声的存在造成的边界不明。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于高度信息的无人车车道场景分割本文档来自技高网...

【技术保护点】
一种基于高度信息的无人车车道场景分割方法，其特征在于，包括以下步骤：(1)、神经网络对车道图片进行编码、解码将摄像头采集的车道图片输入神经网络，神经网络通过编码部分的卷积操作、池化操作对输入的车道图像进行特征提取得到稀疏特征图；通过解码部分的反卷积操作、反池化操作对特征图稠化，得到稠化特征图；(2)、利用神经网络末端的softmax分类器将稠化特征图中的像素点进行分类，得到基于像素点的车道场景分割图；(3)、对步骤(2)中的车道场景分割图进行基于高度信息的误差处理，得到最终车道场景分割图。

【技术特征摘要】
1.一种基于高度信息的无人车车道场景分割方法，其特征在于，包括以下步骤：(1)、神经网络对车道图片进行编码、解码将摄像头采集的车道图片输入神经网络，神经网络通过编码部分的卷积操作、池化操作对输入的车道图像进行特征提取得到稀疏特征图；通过解码部分的反卷积操作、反池化操作对特征图稠化，得到稠化特征图；(2)、利用神经网络末端的softmax分类器将稠化特征图中的像素点进行分类，得到基于像素点的车道场景分割图；(3)、对步骤(2)中的车道场景分割图进行基于高度信息的误差处理，得到最终车道场景分割图。2.根据权利要求1所述的基于高度信息的无人车车道场景分割方法，其特征在于，所述的池化操作为：建立m*m的像素点区域矩阵模板，用该矩阵模板对车道图像进行划窗——从左向右、自而下的运算操作，在划窗过程中记录每个像素点区域中最大像素值、第二大像素值的位置以及最大像素值和第二大像素值的位置关系；所述的反池化操作为：根据最大像素值、第二大像素值的位置以及最大像素值和第二大像素值的位置关系，在...

【专利技术属性】
技术研发人员：程洪，郭智豪，杨路，林子彧，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51