一种包含有车道线的图像分割处理方法及装置制造方法及图纸

本发明专利技术实施例提供一种包含有车道线的图像分割处理方法及装置，所述方法包括：获取待分割处理的图像；所述图像包含有车道线；输入所述图像至预设图像分割处理模型，并将所述预设图像分割处理模型的输出结果作为所述车道线的分割处理结果；其中，所述预设图像分割处理模型是通过训练卷积神经网络得到的；所述卷积神经网络具有树状结构和倒金字塔状结构相结合的网络结构。所述装置执行上述方法。本发明专利技术实施例提供的包含有车道线的图像分割处理方法及装置，能够合理地建立用于车道线分割的图像分割处理模型，进而更加准确地进行车道线分割。

An Image Segmentation Processing Method and Device Containing Lane Lines

【技术实现步骤摘要】
一种包含有车道线的图像分割处理方法及装置
本专利技术涉及图像处理
，尤其涉及一种包含有车道线的图像分割处理方法及装置。
技术介绍
车道线是在道路上用于标记车道的标识，可提供每条车道的准确位置和形状。基于光学图像的车道线分割方法是现代驾驶辅助系统的关键组成部分，它是现代辅助和自动驾驶系统的关键技术之一。然而，车道线的一些独特特性对分割方法提出了挑战。由于缺乏独特的特征，现有技术所采用的建模方法中的车道线容易被其他具有相似局部外观的对象混淆，导致模型的识别精度有限。因此，如何避免上述缺陷，通过合理地建立用于车道线分割的图像分割处理模型，进而更加准确地进行车道线分割，成为亟须解决的问题。
技术实现思路
针对现有技术存在的问题，本专利技术实施例提供一种包含有车道线的图像分割处理方法及装置。本专利技术实施例提供一种包含有车道线的图像分割处理方法，包括：获取待分割处理的图像；所述图像包含有车道线；输入所述图像至预设图像分割处理模型，并将所述预设图像分割处理模型的输出结果作为所述车道线的分割处理结果；其中，所述预设图像分割处理模型是通过训练卷积神经网络得到的；所述卷积神经网络具有树状结构和倒金字塔状结构相结合的网络结构。本专利技术实施例提供一种包含有车道线的图像分割处理装置，包括：获取单元，用于获取待分割处理的图像；所述图像包含有车道线；分割单元，用于输入所述图像至预设图像分割处理模型，并将所述预设图像分割处理模型的输出结果作为所述车道线的分割处理结果；其中，所述预设图像分割处理模型是通过训练卷积神经网络得到的；所述卷积神经网络具有树状结构和倒金字塔状结构相结合的网络结构。本专利技术实施例提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如下方法步骤：获取待分割处理的图像；所述图像包含有车道线；输入所述图像至预设图像分割处理模型，并将所述预设图像分割处理模型的输出结果作为所述车道线的分割处理结果；其中，所述预设图像分割处理模型是通过训练卷积神经网络得到的；所述卷积神经网络具有树状结构和倒金字塔状结构相结合的网络结构。本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如下方法步骤：获取待分割处理的图像；所述图像包含有车道线；输入所述图像至预设图像分割处理模型，并将所述预设图像分割处理模型的输出结果作为所述车道线的分割处理结果；其中，所述预设图像分割处理模型是通过训练卷积神经网络得到的；所述卷积神经网络具有树状结构和倒金字塔状结构相结合的网络结构。本专利技术实施例提供的包含有车道线的图像分割处理方法及装置，输入图像至通过训练卷积神经网络得到的预设图像分割处理模型，该卷积神经网络具有树状结构和倒金字塔状结构相结合的网络结构，能够合理地建立用于车道线分割的图像分割处理模型，进而更加准确地进行车道线分割。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术包含有车道线的图像分割处理方法实施例流程图；图2为本专利技术实施例包含有车道线的图像示意图；图3为本专利技术实施例车道线的分割处理结果示意图；图4为本专利技术实施例卷积神经网络的网络结构示意图；图5为本专利技术包含有车道线的图像分割处理装置实施例流程图；图6为本专利技术实施例提供的电子设备实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术包含有车道线的图像分割处理方法实施例流程图，如图1所示，本专利技术实施例提供的一种包含有车道线的图像分割处理方法，包括以下步骤：S101：获取待分割处理的图像；所述图像包含有车道线。具体的，装置获取待分割处理的图像；所述图像包含有车道线。图2为本专利技术实施例包含有车道线的图像示意图，车道线如图2所示。S102：输入所述图像至预设图像分割处理模型，并将所述预设图像分割处理模型的输出结果作为所述车道线的分割处理结果；其中，所述预设图像分割处理模型是通过训练卷积神经网络得到的；所述卷积神经网络具有树状结构和倒金字塔状结构相结合的网络结构。具体的，装置输入所述图像至预设图像分割处理模型，并将所述预设图像分割处理模型的输出结果作为所述车道线的分割处理结果；其中，所述预设图像分割处理模型是通过训练卷积神经网络得到的；所述卷积神经网络具有树状结构和倒金字塔状结构相结合的网络结构。图3为本专利技术实施例车道线的分割处理结果示意图，如图3所示，分割出来的白色区域对应车辆可行驶的车道区域。图4为本专利技术实施例卷积神经网络的网络结构示意图，如图4所示，卷积神经网络为7层网络结构，第1层网络结构至第4层网络结构为树状结构、第5层网络结构至第7层网络结构为倒金字塔状结构。进一步地，树状结构中的各层网络结构分别包括数量为1、2、5、8的第一类神经网络块，即第1层网络结构为1个第一类神经网络块(图4中的第1层神经网络块)、第2层网络结构为2个第一类神经网络块(图4中的第2层①神经网络块和第2层②神经网络块)、第3层网络结构为5个第一类神经网络块(图4中的第3层①神经网络块、第3层网络子块①、第3层网络子块②、第3层②神经网络块和第3层③神经网络块)、第4层网络结构为8个第一类神经网络块(图4中的第4层①神经网络块、第4层网络子块①、第4层网络子块②、第4层②神经网络块、第4层网络子块③、第4层网络子块④、第4层③神经网络块和第4层④神经网络块)。进一步地，第一类神经网络块包括依次相连的卷积层、激活层和最大池化层。以第1层神经网络块为例，其由依次设置的第一卷积层(Convolution，Conv)、第一激活层(Activation，Act)、第二卷积层、第二激活层、第一最大池化层(Maxpooling，Pool)组成；第1个神经网络块的输入端接收输入层的输出端输出的原始输入图像的R通道分量、G通道分量和B通道分量，第1层神经网络块的输出端输出32幅特征图，将32幅特征图构成的集合记为P1；其中，第一卷积层和第二卷积层的卷积核大小(kernel_size)均为3×3、卷积核个数(filters)均为32、补零(padding)参数均为“same”，第一激活层和第二激活层的激活方式均为“Relu”，第一最大池化层的池化尺寸(pool_size)为2，P1中的每幅特征图的宽度为W/2、高度为H/2，其中，输入层的输入端接收的原始输入图像的宽度为W、高度为H。对应其他各第一类神经网络块的说明不再赘述。进一步地，倒金字塔状结构中的各层网络结构分别包括数量为3、2、1的第二类神经网络块。即第5层网络结构为3个第二类神经网络块(图4中的第5层①神经网络块、第5层②神经网络块和第5层③神经网络块)、第6层本文档来自技高网...

【技术保护点】
1.一种包含有车道线的图像分割处理方法，其特征在于，包括：获取待分割处理的图像；所述图像包含有车道线；输入所述图像至预设图像分割处理模型，并将所述预设图像分割处理模型的输出结果作为所述车道线的分割处理结果；其中，所述预设图像分割处理模型是通过训练卷积神经网络得到的；所述卷积神经网络具有树状结构和倒金字塔状结构相结合的网络结构。

【技术特征摘要】
1.一种包含有车道线的图像分割处理方法，其特征在于，包括：获取待分割处理的图像；所述图像包含有车道线；输入所述图像至预设图像分割处理模型，并将所述预设图像分割处理模型的输出结果作为所述车道线的分割处理结果；其中，所述预设图像分割处理模型是通过训练卷积神经网络得到的；所述卷积神经网络具有树状结构和倒金字塔状结构相结合的网络结构。2.根据权利要求1所述的包含有车道线的图像分割处理方法，其特征在于，所述卷积神经网络为7层网络结构；相应的，第1层网络结构至第4层网络结构为所述树状结构、第5层网络结构至第7层网络结构为所述倒金字塔状结构。3.根据权利要求2所述的包含有车道线的图像分割处理方法，其特征在于，所述树状结构中的各层网络结构分别包括数量为1、2、5、8的第一类神经网络块。4.根据权利要求3所述的包含有车道线的图像分割处理方法，其特征在于，所述第一类神经网络块包括依次相连的卷积层、激活层和最大池化层。5.根据权利要求4所述的包含有车道线的图像分割处理方法，其特...

【专利技术属性】
技术研发人员：季华，顾鹏笠，沈林强，何军强，
申请(专利权)人：杭州鸿泉物联网技术股份有限公司，
类型：发明
国别省市：浙江,33