【技术实现步骤摘要】
一种基于计算机视觉的夜间车道线识别方法及系统
本专利技术涉及图像识别
，特别涉及一种基于计算机视觉的夜间车道线识别方法及系统。
技术介绍
近年来，随着深度学习的逐渐发展，卷积神经网络在计算机视觉领域得到了广泛的应用，包括目标检测、图象语义分割等方面。例如基于卷积神经网络进行车道线识别。卷积神经网络模型的训练需要大量的样本数据，为了得到可靠、充分的训练数据，目前的车道线训练数据均使用白天采集的图片数据。但是白天采集的数据，由于交通拥堵等原因，往往造成车道线遮挡严重，出现车道线视角局限，导致识别不佳的情况。
技术实现思路
本专利技术的目的在于改善现有技术中所存在的，使用白天采集的数据存在因车道线遮挡而造成车道线识别不准确的不足，提供一种基于机器视觉的夜间车道线识别方法及系统。为了实现上述专利技术目的，一方面，本专利技术实施例提供了一种基于机器视觉的夜间车道线识别方法，包括以下步骤：接收并存储在夜间采集到的原始的车道图像；对采集的车道图像进行效果增强处理，以提高图像清晰度；对效果增强后的图像进行数据标注，得到标签图像；使用原始的车道图像和数据标注后的标签图像进行卷积神...
【技术保护点】
1.一种基于计算机视觉的夜间车道线识别方法，其特征在于，包括以下步骤：接收并存储在夜间采集到的原始的车道图像；对采集的车道图像进行效果增强处理，以提高图像清晰度；对效果增强后的图像进行数据标注，得到标签图像；使用原始的车道图像和数据标注后的标签图像进行卷积神经网络模型训练，得到用于识别夜间车道线的夜间车道线识别模型。
【技术特征摘要】
1.一种基于计算机视觉的夜间车道线识别方法，其特征在于，包括以下步骤：接收并存储在夜间采集到的原始的车道图像；对采集的车道图像进行效果增强处理，以提高图像清晰度；对效果增强后的图像进行数据标注，得到标签图像；使用原始的车道图像和数据标注后的标签图像进行卷积神经网络模型训练，得到用于识别夜间车道线的夜间车道线识别模型。2.根据权利要求1所述的基于计算机视觉的夜间车道线识别方法，其特征在于，所述对采集的车道图像进行效果增强处理的步骤，包括：对原始的车道图像进行白平衡处理；对白平衡处理后的图像进行锐化处理；对锐化处理后的图像进行伽马校正。3.根据权利要求1所述的基于计算机视觉的夜间车道线识别方法，其特征在于，所述使用原始的车道图像和数据标注后的标签图像进行卷积神经网络模型训练的步骤，包括：步骤1)，随机抽取一张原始的车道图像，并进行数据增强；步骤2)，将步骤1)处理后的图片作为卷积神经网路的输入，进行前向传播，得到预测结果；步骤3)，将得到的预测结果与标签图像中标注的类别标签进行损失计算，并根据损失进行反向传播并优化模型参数；循环执行上述步骤1至步骤3)，直至完成迭代，且每一次迭代过程，步骤1)中更换一张原始的车道图像，步骤3)中更换相应的标签图像。4.根据权利要求3所述的基于计算机视觉的夜间车道线识别方法，其特征在于，步骤1)中所述进行数据增强，包括图像亮度的随机变化和x方向的随机翻转。5.根据权利要求1所述的基于计算机视觉的夜间车道线识别方法，其特征在于，在得到用于识别夜间车道线的夜间车道线识别模型之后，还包括...
【专利技术属性】
技术研发人员：高三元，冯汉平，
申请(专利权)人：贵州宽凳智云科技有限公司，
类型：发明
国别省市：贵州,52
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。