一种基于深度学习的无人车路牙检测方法技术

本发明专利技术公开了一种基于深度学习的无人车路牙检测方法，包括制作样本训练CNN模型；训练样本；识别图像；提取直线特征；路牙位姿的坐标系转换等步骤。本发明专利技术通过对传统直线提取算法进行优化，加入对栅格化的图像的CNN识别来提取分割路牙区域，相对于传统方法降低了其他对象在直线提取部分的干扰，相比于FCN网络全图像素级的预测，降低了对GPU的要求和功耗。

A tooth detection method of driverless vehicle based on deep learning

【技术实现步骤摘要】
一种基于深度学习的无人车路牙检测方法
本专利技术涉及一种路牙检测方法，尤其涉及一种基于深度学习的无人驾驶车路牙检测方法，属于人工智能

技术介绍
无人驾驶汽车是一种智能汽车，也称之为轮式移动机器人，利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。低速无人驾驶汽车，或称低速无人车,一般是指行驶速度控制在10-40km/h。低速无人车在物流、城市清扫等领域具有广泛的应用空间。检测和识别低速无人车右侧的路牙，使其具备对道路边缘感知的能力，以实现路牙防撞和沿路牙贴边行驶的能力，是低速无人车安全行驶的关键性能之一。现有技术中，一般采用下述技术对路牙进行检测和识别：1.将采集的图像通过边缘提取算法如Canny，提取图像轮廓边缘，然后通过Hough直线提取来提取直线，从而得到直线位姿。2.通过全卷积神经网络FCN像素级预测某像素特征所属的对象。3.基于卷积神经网络的图像识别分类但是，直线提取算法对抗干扰的能力较弱，对路面污垢、车道线、树木阴影本文档来自技高网...

【技术保护点】
1.一种基于深度学习的无人车路牙检测方法，其特征在于：包括如下步骤：/nS1:制作样本训练CNN模型：/nS1-1：将目标样本按类别进行标注，所述类别包括3类：路牙，路面和绿化带；/nS1-2：采集大量含有路面材质、路牙、绿化带的图片，以及上述图片在不同亮度、对比度下的图片，将这些图片中的对象区域截取出来作为该类别的训练图集，并按照类别通过类标签进行标定；/nS2：训练样本：将整理好的训练图集、类标签作为训练样本，按照设定的比例分配训练集和测试集并训练CNN网络模型；/nS3：识别图像：/nS3-1：视频采集：视频采集装置安装在无人车右侧，对准车辆下方，采集车辆右侧区域的图像；/nS3-2：栅...

【技术特征摘要】
1.一种基于深度学习的无人车路牙检测方法，其特征在于：包括如下步骤：
S1:制作样本训练CNN模型：
S1-1：将目标样本按类别进行标注，所述类别包括3类：路牙，路面和绿化带；
S1-2：采集大量含有路面材质、路牙、绿化带的图片，以及上述图片在不同亮度、对比度下的图片，将这些图片中的对象区域截取出来作为该类别的训练图集，并按照类别通过类标签进行标定；
S2：训练样本：将整理好的训练图集、类标签作为训练样本，按照设定的比例分配训练集和测试集并训练CNN网络模型；
S3：识别图像：
S3-1：视频采集：视频采集装置安装在无人车右侧，对准车辆下方，采集车辆右侧区域的图像；
S3-2：栅格化图像：通过视频采集装置对每一帧图像进行格栅化处理，将整张图像分割成M*N个的小图区域，且每一个小图区域需包含路牙信息；
S3-3：通过训练好的CNN模型识别图像：将这些栅格化的小图区域作为待预测集合输入CNN模型得到每一个小图区域的预测结果，通过...

【专利技术属性】
技术研发人员：徐涛，印兆炜，陈剑，
申请(专利权)人：江苏天策机器人科技有限公司，
类型：发明
国别省市：江苏;32