车道线识别方法及系统技术方案

本发明专利技术公开了一种车道线识别方法及系统，包括：获取车道线路信息图；采用深度学习方法，对所述车道线路信息图中的每个像素进行分类，其中，像素的类别包括：路边、黄实线、黄虚线、白实线、白虚线；根据分类后的图像，提取车道线模型以实现车道线的识别。本发明专利技术能够进行车道线类别的识别，其中包括路边、黄实线、黄虚线、白实线、白虚线这五种类别，从而可以提供车辆保持、变换车道以及精确定位所需要的信息，使车辆实现平稳和安全的运行。同样，在具有足够多标注样本的基础上，该方法可以通过增加网络输出的类别，扩展到更多类别的车道线识别。

Lane Line Recognition Method and System

The invention discloses a lane line recognition method and system, which includes: acquiring lane line information map; classifying each pixel in the lane line information map by depth learning method, in which the categories of pixels include: roadside, yellow solid line, yellow dotted line, white solid line and white dotted line; extracting lane line model according to the classified image to realize lane line recognition. Farewell. The invention can recognize Lane types, including roadside, yellow solid line, yellow dotted line, white solid line and white dotted line, so as to provide information needed for vehicle maintenance, lane change and accurate positioning, so as to achieve stable and safe operation of vehicles. Similarly, on the basis of having enough labeled samples, this method can be extended to more categories of lane recognition by adding categories of network output.

【技术实现步骤摘要】
车道线识别方法及系统
本专利技术涉及无人驾驶及车载辅助驾驶
，特别涉及一种车道线识别方法及系统。
技术介绍
随着经济快速的发展、国民生活水平不断提高，我国汽车保有量迅速增加。这导致公路交通事故发生率居高不下，交通安全问题日益突出。车辆安全驾驶辅助系统已成为当前世界交通安全领域研究的热点问题之一。在过去的几十年里，国内外的专家及学者在智能驾驶辅助系统的研究方面做出了很多贡献。现阶段，国外已出现比较成熟的高级辅助驾驶系统(ADAS)，且已投入到商业化应用中。相比于国外的技术，国内研究的起步相对较晚。车道线识别是智能驾驶和无人驾驶系统的重要组成部分。相比于采用激光雷达进行道路信息识别，图像识别具备更直观、成本低等特点。传统的图像处理方法可进行车道线的检测，但是不能识别车道线的类型。常用的基于传统图像处理车道线检测算法大体可分为：车道线区域检测算法，特征驱动法和模型驱动法。传统图像处理方法需要对图像进行二值化处理、滤波变换、边缘提取以及霍夫变换等，对车道线所在像素点的进行提取，进而拟合及跟踪以得到车道线模型。然而，由于光照变化会对摄像头采集的道路图像产生较大的影响，且二值化处理、边缘提本文档来自技高网...

【技术保护点】
1.一种车道线识别方法，其特征在于，包括：获取车道线路信息图；采用深度学习方法，对所述车道线路信息图中的每个像素进行分类，其中，像素的类别包括：路边、黄实线、黄虚线、白实线、白虚线；根据分类后的图像，提取车道线模型以实现车道线的识别。

【技术特征摘要】
1.一种车道线识别方法，其特征在于，包括：获取车道线路信息图；采用深度学习方法，对所述车道线路信息图中的每个像素进行分类，其中，像素的类别包括：路边、黄实线、黄虚线、白实线、白虚线；根据分类后的图像，提取车道线模型以实现车道线的识别。2.根据权利要求1所述的车道线识别方法，其特征在于，所述根据分类后的图像，提取车道线模型以实现车道线的识别，具体包括：获取分类后的图像的连通域；检测每个连通域中是否仅包括与所述连通域对应的一条车道线；如果不是，则根据跟踪法提取车道线模型以实现车道线的识别；如果是，则提取车道线模型以实现车道线的识别。3.根据权利要求2所述的车道线识别方法，其特征在于，所述根据跟踪法提取车道线模型以实现车道线的识别，具体包括：根据当前时刻开始往前所有的车道线信息，并对车道线进行预测；提取预测后的车道线模型；根据所述车道线模型实现车道线的识别。4.根据权利要求2所述的车道线识别方法，其特征在于，所述根据跟踪法提取车道线模型以实现车道线的识别，具体包括：识别当前时刻开始往前预定时间内的车道线，并根据识别结果对当前车道线进行预测；提取预测后的车道线模型；根据所述车道线模型实现车道线的识别。5.根据权利要求2所述的车道线识别方法，其特征在于，所述检测每个连通域的关键点是否仅包括与所述连通域对应的一条车道线，具体包括：检测所述连通域的所有像素点数量之和与所述连通域的凸包面积的关系值是否大于第一预设值。6.根据权利要求2所述的车道线识别方法，其特征在于，所述提取车道线模型以实现车道线的识别，具体包括：提取所述连通域的关键点；根据所述关键点，检测连通域中的车道线是否包括共线的情况；如果包括共线的情况，合并共线的车道线的关键点以提取车道线模型。7.根据权利要求1所述的车道线识别方法，其特征在于，还包括：检测车道线的数量和位置；根据检测结果和识别结果，分别对车道线的检测结果和识别结果进行评估。8.根据权利要求7所述的车道线识别方法，其特征在于，所述根据检测结果和识别结果，分别对车道线的检测结果和识别结果进行评估，具体包括：分别统计检测结果和识别结果的车道线数量；分别获取所述检测结果和识别结果的车道线数量的最大值；根据所述检测结果和识别结果的车道线数量的最大值，构造豪斯道夫距离费用矩阵；根据所述豪斯道夫距离费用矩阵获取检测结果的最优匹配和识别结果的最优匹配；根据所述最优匹配，分别获取准确率和召回率以对车道线的检测结果和识别结果进行评估。9.一种车道线识别系统，其...

【专利技术属性】
技术研发人员：赵璐，李宣平，
申请(专利权)人：神州优车股份有限公司，
类型：发明
国别省市：北京,11