【技术实现步骤摘要】
一种车道线动态检测和车道分界线的拟合方法
本专利技术涉及一种道路交通标志检测领域,尤其是涉及一种基于条件对抗深度网络的车道线动态检测方法和面向抛物线的车道线建模方法。
技术介绍
目前多数车道线检测大多是采用基于激光雷达的检测算法和基于计算机视觉的图像检测算法两种。基于激光雷达的检测算法对激光雷达的设备以及对车道线的粉刷材料质量要求高。而基于计算机视觉的车道线检测方法前一种方法相比具有成本低廉而且不受道路的粉刷质量的影响的优点,因此具有更强的实用价值。前人的车道线检测算法大多基于传统的计算机视觉的方法,基本思路是在已有车道线的情况下,采用传统的卷积滤波的方法获取边缘图像,然后采用样条拟合和曲线匹配的方法来检测车道线。这类方法存在一些问题,比如实际应用时需要大量手动调参,鲁棒性较差等。近年来,深度学习领域在各领域得到了广泛的应用并实现了很好的效果,而基于生成对抗网络的无监督的图像生成技术也发展快速,利用图像生成方法生成增强后的感知图像为车道线的检测提供了新的思路。
技术实现思路
专利技术目的:本专利技术目的在于针对现有技术的不足,提供一种基于条件对抗深度网络的车道线动态检测方法和面向抛物线的车道线曲线建模方法,检测视频图像帧中的车道线并采用抛物线对车道线进行拟合,得到车道线的曲线方程,适用于对视频的图像帧中,车道线的检测和车道线曲线拟合。技术方案:本专利技术所述车道线动态检测和车道分界线的拟合方法,包括如下步骤:S1、提取道路航拍录像的视频帧,选取部分原始视频帧,并在原始视频帧 ...
【技术保护点】
1.一种车道线动态检测和车道分界线的拟合方法,其特征在于包括如下步骤:/nS1、提取道路航拍录像的视频帧,选取部分原始视频帧,并在原始视频帧上采用区别色彩人工描绘车道线后与原始视频帧共同作为生成对抗网络的训练集;/nS2、基于步骤S1中得到的图像集训练生成对抗网络的图对图翻译模型,获得模型的最优实验参数及生成器和判别器的训练参数;/nS3、将未标记车道线的视频帧作为测试集,用步骤S2中训练得到的图对图翻译模型检测测试集,输出车道线的检测结果;/nS4、根据像素点的颜色识别S3得到的不同车道线上点的坐标,采用最小二乘法拟合车道线曲线得到车道线的三次抛物线方程。/n
【技术特征摘要】
1.一种车道线动态检测和车道分界线的拟合方法,其特征在于包括如下步骤:
S1、提取道路航拍录像的视频帧,选取部分原始视频帧,并在原始视频帧上采用区别色彩人工描绘车道线后与原始视频帧共同作为生成对抗网络的训练集;
S2、基于步骤S1中得到的图像集训练生成对抗网络的图对图翻译模型,获得模型的最优实验参数及生成器和判别器的训练参数;
S3、将未标记车道线的视频帧作为测试集,用步骤S2中训练得到的图对图翻译模型检测测试集,输出车道线的检测结果;
S4、根据像素点的颜色识别S3得到的不同车道线上点的坐标,采用最小二乘法拟合车道线曲线得到车道线的三次抛物线方程。
2.根据权利要求1所述的所述车道线动态检测和车道分界线的拟合方法,其特征在于,步骤S1的训练集的提取步骤为:
S11、提取道路航拍录像的视频帧,选取部分视频帧作为训练集的输入图像;
S12、人工描绘车道线,选取区别于视频中所含其他特殊颜色为车道颜色,作为基于条件对抗网络的图像转换算法得到具有车道线的输出图像。
3.根据权利要求1所述的所述车道线动态检测和车道分界线的拟合方法,其特征在于,步骤S2具体包括如下步骤:
S21、设置学习率以及损失函数权重;
S22、学习输入图像,更新判别器,判别器可以对生成的图像和原始的未标记车道线的图像分类,该判别器被训练成尽可能地检测发生器的“假”,首先从样本集中随机采样,然后用样本所含信息更新判别器的参数;
S23、学习输入图像,更新生成器G,生成模型采用生成对抗网络,学习从随机噪声向量z到输出图像y的映射,G:z→y,随机噪声相当于低维的数据,经过生成器G的映射变为一张生成的图像;相反,条件生成对抗网络学习从观察图像x和随机噪声矢量z到y,G:{x,z}→y的映射;训练生成器G以产生不能通过对侧训练的判别器D与“真实”图像区分的输出,首先从样本集中随机采样,然后用样本所含信息更新生成器参数,生成输出图像,即标记车道线的图像;
S24、梯度下降1次更新判别器中参数,继续生成输出图像;
S25、梯度下降1次更新生成器中参数,继续对生成的图像和真实的图像分类;
S26、重复步骤S23、S24,直到基于条件对抗的深度网络收敛,此时判别器的输出接近1/2,判别网络无法分辨生成的图像和原始的未标记车道线的图像;
S27、用训练完的基于条件对抗的深度网络实现测试集图像的车道线检测,生成输出图像。
4.根据权利要求3所述的所述车道线动态检测和车道分界线的拟合方法,其特征在于,生成网络采用条件生成对抗网络作为训练框架,U-Net作为生成器的网络...
【专利技术属性】
技术研发人员:李志斌,
申请(专利权)人:南京东控智能交通研究院有限公司,
类型:发明
国别省市:江苏;32
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。