一种车道偏离预警方法、装置及电子设备制造方法及图纸

本发明专利技术涉及模式识别技术领域，公开了一种车道偏离预警方法、装置及电子设备。其中，所述车道偏离预警方法包括：获取待检测图像帧及车道偏离模型检测器；所述车道偏离模型检测器由带标注的车道偏离图像样本集合通过卷积神经网络训练获得；将所述待检测图像帧进行车道位置预测，获取所述待检测图像帧的待处理车道区域图像；将所述待处理车道区域图像输入到所述车道偏离模型检测器，获取车道偏离结果。采用本发明专利技术技术方案提高抗噪能力及鲁棒性，从而使得车道偏离预警精度提高。

Lane departure warning method, device and electronic equipment

The invention relates to the field of pattern recognition technology, and discloses a lane departure warning method, device and electronic device. The lane departure warning method includes obtaining the detection frame and the lane departure model detector, the lane departure model detector is trained by the convolution neural network with the tagged lane deviation image set, and the lane position is predicted and the waiting detection is obtained. The image area of the pending Road area of the image frame is input to the lane departure model detector, and the lane departure result is obtained. The technical proposal of the invention improves the anti noise ability and robustness, thereby improving the accuracy of lane departure warning.

【技术实现步骤摘要】
一种车道偏离预警方法、装置及电子设备
本专利技术涉及模式识别
，特别涉及一种车道偏离预警方法、装置及电子设备。
技术介绍
随着社会经济的发展，汽车辅助驾驶系统的市场需求越来越多，汽车辅助驾驶系统的功能也越来越多。在汽车驾驶过程中有关车道线偏离的预警方法的解决方案也是各不相同。现有技术中有关车道偏离预警方法，需要首先对车道线进行检测，然后根据检测到的车道线判断是否已经偏离，最后根据判断结果进行预警。其中，现有的传统的车道线检测方法，首先进行车道线特征的预提取，再利用几何模型如Hough变换等方法进行车道线拟合。这个过程中常用到的技术包括边界检测、二值化、Hough变换等。然而，在专利技术人实现所述车道偏离预警的过程中，发现现有技术中至少存在如下技术问题：现有技术中车道线检测过程中常用到的技术，如边界检测、二值化、Hough变换等，容易受到图像噪声、光线、路面环境、路边景物等的干扰，从而使得车道偏离预警精度不高。
技术实现思路
本专利技术的目的在于提供一种车道偏离预警方法、装置及电子设备，使得车道偏离预警精度较高。为解决上述技术问题，本专利技术的实施方式提供了一种车道偏离预警方法，包括以下步骤：获取待检测图像帧及车道偏离模型检测器；所述车道偏离模型检测器由带标注的车道偏离图像样本集合通过卷积神经网络训练获得；将所述待检测图像帧进行车道位置预测，获取所述待检测图像帧的待处理车道区域图像；将所述待处理车道区域图像输入到所述车道偏离模型检测器，获取车道偏离结果。本专利技术的实施方式还提供了一种车道偏离预警装置，包括：信息获取单元，用于获取待检测图像帧及车道偏离模型检测器；所述车道偏离模型检测器由带标注的车道偏离图像样本集合通过卷积神经网络训练获得；区域获取单元，用于将所述待检测图像帧进行车道位置预测，获取所述待检测图像帧的待处理车道区域图像；车道预警单元，用于将所述待处理车道区域图像输入到所述车道偏离模型检测器，获取车道偏离结果。本专利技术的实施方式还提供了一种电子设备，包括：壳体、处理器、存储器、电路板和电源电路，其中，电路板安置在壳体围成的空间内部，处理器和存储器设置在电路板上；电源电路，用于为上述电子设备的各个电路或器件供电；存储器用于存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，用于执行前述所述的车道偏离预警方法。本专利技术实施方式相对于现有技术而言，通过获取待检测图像帧及车道偏离模型检测器；所述车道偏离模型检测器由带标注的车道偏离图像样本集合通过卷积神经网络训练获得；将所述待检测图像帧进行车道位置预测，获取所述待检测图像帧的待处理车道区域图像；将所述待处理车道区域图像输入到所述车道偏离模型检测器，获取车道偏离结果。采用本专利技术技术方案不但可以简化车道偏离预警方法流程，还提高了抗噪能力及鲁棒性，从而使得车道偏离预警精度提高。附图说明图1是本专利技术实施例提供的一种车道偏离预警方法流程图；图2是本专利技术实施例提供的另一种车道偏离预警方法流程图；图3是本专利技术实施例提供的一种车道偏离预警装置结构示意图；图4是本专利技术实施例提供的一种电子设备结构示意图；图5是本专利技术实施例提供的一种车道偏离预警方法中带标注训练样本图像中车道线示意图；图6是本专利技术实施例提供的一种车道偏离预警方法中带标注训练样本图像中车道区域图像的前景和背景标注示意图；图7是本专利技术实施例提供的一种车道偏离预警方法中带标注训练样本图像中车道特征点坐标示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本专利技术各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请各权利要求所要求保护的技术方案。本专利技术的第一实施方式涉及一种车道偏离预警方法。具体流程如图1所示。该方法包括：101：获取待检测图像帧及车道偏离模型检测器；所述车道偏离模型检测器由带标注的车道偏离图像样本集合通过卷积神经网络训练获得；102：将所述待检测图像帧进行车道位置预测，获取所述待检测图像帧的待处理车道区域图像；103：将所述待处理车道区域图像输入到所述车道偏离模型检测器，获取车道偏离结果。本专利技术实施方式相对于现有技术而言，采用了卷积神经网络训练所述带标注的车道偏离图像样本集合获得车道偏离模型检测器，通过所述车道偏离模型检测器分析所述待检测图像帧的待处理车道区域图像，获取车道偏离结果。采用本专利技术技术方案不但简化了车道偏离预警方法流程，还提高了抗噪能力及鲁棒性，从而使得车道偏离预警精度提高。基于以上实施例，本专利技术的第二实施方式涉及一种车道偏离预警方法；如图2所示，具体实现步骤如下：201：获取带标注的原始训练样本图像集合；其中，所述带标注的原始训练样本图像集合中的带标注训练样本图像带有标签；所述标签包括：向左偏离车道、未偏离车道、向右偏离车道。需要说明的是，所述带标注的原始训练样本图像集合中的带标注训练样本图像带有标签；所述标签还可以包括：当前样本图像中车道特征点坐标；所述特征点包括：当前车道的边界点、中心点、拐角点、n等分点中一种或任意组合。还需要说明的是，所述带标注的原始训练样本图像集合中的带标注训练样本图像带有标签；所述标签包括：当前样本图像中前景和背景；所述前景为当前车道区域，所述背景为当前车道区域以外区域。需要说明的是，以上所述步骤201之中的原始样本图像集合可以从行驶过程中的汽车行车记录仪保存的前向视角视频中获取；所述汽车行车记录仪的安装位置不限于车窗内，可置于车窗内、车顶、车窗一侧等多处视角中能包含当前车道的位置。对于所述带标注的原始训练样本图像集合是通过对所述原始样本图像集合进行标注后获得；具体对单帧图像的标注方式如下：标注方式1：将原始样本图像如图5所示，标注为“向左偏离车道”、“未偏离车道”、“向右偏离车道”三类标签。标注方式2：对原始样本图像中当前车道的相关特征点的坐标进行标注如图7所示，特征点包含但不限于当前车道的边界点、中心点、拐角点、n等分点中一种或任意组合；具体为将所述特征点标注出横坐标、纵坐标值。标注方式3：对原始样本图像中的当前车道进行模板标注如图6所示即当前车道区域标为前景，图像中其他区域为背景；在此模板标注基础上，进一步可以按照标注方式2中涉及到的相关特征点进行标注坐标值。以上所述三个标注方式可以同时用于车道偏离模型检测器的训练，也可以选择其中一种或者两种组合进行车道偏离模型检测器的训练。以上所述三个标注方式可以产生两种训练标签，第一种，按照标注方式1，可以产生“向左偏离车道”、“未偏离车道”、“向右偏离车道”三类标签；第二种，按照标注方式2或标注方式3，可以产生当前车道的相关特征点的坐标值，作为训练时使用的标签。这两种标签可以同时用于车道偏离模型检测器的训练，也可以选择其中一种进行车道偏离模型检测器的训练。202：根据所述带标注的原始训练样本图像集合进行图像处理，获取多样化图像样本集合；所述多样化图像样本集合包括：尺度多样化图像样本集合、方向多样化图像样本集合、亮度多样化图像样本集合、色彩多样化图像样本集合、拉伸多样化图像样本集合、平移多样化本文档来自技高网...

【技术保护点】
1.一种车道偏离预警方法，其特征在于，包括：获取待检测图像帧及车道偏离模型检测器；所述车道偏离模型检测器由带标注的车道偏离图像样本集合通过卷积神经网络训练获得；将所述待检测图像帧进行车道位置预测，获取所述待检测图像帧的待处理车道区域图像；将所述待处理车道区域图像输入到所述车道偏离模型检测器，获取车道偏离结果。

【技术特征摘要】
1.一种车道偏离预警方法，其特征在于，包括：获取待检测图像帧及车道偏离模型检测器；所述车道偏离模型检测器由带标注的车道偏离图像样本集合通过卷积神经网络训练获得；将所述待检测图像帧进行车道位置预测，获取所述待检测图像帧的待处理车道区域图像；将所述待处理车道区域图像输入到所述车道偏离模型检测器，获取车道偏离结果。2.根据权利要求1所述的方法，其特征在于，该方法还包括：获取带标注的原始训练样本图像集合；根据所述带标注的原始训练样本图像集合进行图像处理，获取多样化图像样本集合；所述多样化图像样本集合包括：尺度多样化图像样本集合、方向多样化图像样本集合、亮度多样化图像样本集合、色彩多样化图像样本集合、拉伸多样化图像样本集合、平移多样化图像样本集合和翻转多样化图像样本集合；根据所述获取的多样化图像样本集合及所述带标注的原始训练样本图像集合，进行卷积神经网络训练，获取车道偏离模型检测器。3.根据权利要求2所述的方法，其特征在于，所述带标注的原始训练样本图像集合中的带标注训练样本图像带有标签；所述标签包括：向左偏离车道、未偏离车道、向右偏离车道。4.根据权利要求2或3所述的方法，其特征在于，所述带标注的原始训练样本图像集合中的带标注训练样本图像带有标签；所述标签包括：当前样本图像中车道特征点坐标；所述特征点包括：当前车道的边界点、中心点、拐角点、n等分点中一种或任意组合。5.根据权利要求4所述的方法，其特征在于，所述带标注的原始训练样本图像集合中的带标注训练样本图像带有标签；所述标签包括：当前样本图像中前景和背景；所述前景为当前车道区域，所述背景为当前车道区域以外区域。6.一种车道偏离预警装置，其特征在于，包括：信息获取单元，用于获取待检测图像帧及车道偏离模型检测器；所述车道偏离模型检测器由带标注的车道偏离图像样本集合通过卷积神经网络训练获得；区域获取单元，用于将所述待...

【专利技术属性】
技术研发人员：陶海，刘倩，林宇，
申请(专利权)人：北京文安智能技术股份有限公司，
类型：发明
国别省市：北京,11