一种智能车辆车道线语义分割的方法及系统技术方案

本发明专利技术提供了一种智能车辆车道线语义分割的方法及系统，包括：选取智能车辆在行驶过程中采集到的视频中一帧图片作为输入图片；将输入图片输入特征提取网络进行特征提取，获取特征提取网络第一层特征提取图和最后一层特征提取图；将最后一层特征提取图执行预设倍上采样操作，并与第一层特征提取图合并并执行卷积操作，得到卷积后的图片信息；将最后一层输出的特征提取图执行预设倍上采样操作与第一层特征提取图、卷积后的图片信息合并并执行卷积操作，获得第二次卷积后的图片信息；将第二次卷积后的图片数据执行预设倍上采样操作，输出车道线的语义分割图像。本发明专利技术充分利用现有的硬件资源，在保证图像像素点的预测准确度同时不会增加硬件的开销。

【技术实现步骤摘要】
一种智能车辆车道线语义分割的方法及系统
本专利技术涉及计算机视觉领域，具体地，涉及一种智能车辆车道线语义分割的方法及系统，更为具体地，涉及一种基于冗余的特征提取信息实现车道线语义分割的方法。
技术介绍
车道线语义分割是计算机视觉技术在智能车辆领域的应用，协助智能车辆在行驶过程中识别车道线以及构建和更新高精度地图。车道线语义分割技术的核心是对于智能车辆在行驶过程中采集到的一帧图片，实现图片上每一个像素点所属类别的分类。卷积操作在特征提取方面的成功，推动了卷积神经网络应用于语义分割领域。当前编码-解码架构的神经网络被广泛应用于图像像素点分类问题，其中编码部分通过一系列的卷积操作提取图片中重要的特征信息，而解码部分通过一系列的上采样操作从上述重要的特征信息构建最终的语义分割输出图片。虽然编码-解码架构的神经网络能够在一定程度上解决图像像素点分类问题，但是图像像素点分类错误是困扰语义分割技术更好地应用于智能车辆领域的一大问题。专利文献CN109766878A(申请号：201910287099.0)公开了一种车道线检测的方本文档来自技高网...

【技术保护点】
1.一种智能车辆车道线语义分割的方法，其特征在于，包括:/n步骤M1：选取智能车辆在行驶过程中采集到的视频中一帧图片作为输入图片；/n步骤M2：将输入图片输入至特征提取网络进行特征提取，获取特征提取网络第一层特征提取图和最后一层特征提取图；/n步骤M3：将最后一层特征提取图执行预设倍上采样操作，并与第一层特征提取图合并并执行卷积操作，得到卷积后的图片信息；/n步骤M4：将最后一层输出的特征提取图执行预设倍上采样操作与第一层特征提取图、卷积后的图片信息合并并执行卷积操作，获得第二次卷积后的图片信息；/n步骤M5：将第二次卷积后的图片数据执行预设倍上采样操作，输出车道线的语义分割图像。/n

【技术特征摘要】
1.一种智能车辆车道线语义分割的方法，其特征在于，包括:
步骤M1：选取智能车辆在行驶过程中采集到的视频中一帧图片作为输入图片；
步骤M2：将输入图片输入至特征提取网络进行特征提取，获取特征提取网络第一层特征提取图和最后一层特征提取图；
步骤M3：将最后一层特征提取图执行预设倍上采样操作，并与第一层特征提取图合并并执行卷积操作，得到卷积后的图片信息；
步骤M4：将最后一层输出的特征提取图执行预设倍上采样操作与第一层特征提取图、卷积后的图片信息合并并执行卷积操作，获得第二次卷积后的图片信息；
步骤M5：将第二次卷积后的图片数据执行预设倍上采样操作，输出车道线的语义分割图像。


2.根据权利要求1所述的智能车辆车道线语义分割的方法，其特征在于，所述特征提取网络包括x层卷积层，递进式地对图像中像素点间信息特征进行提取。


3.根据权利要求1所述的智能车辆车道线语义分割的方法，其特征在于，特征提取网络第一层和最后一层输出的特征提取信息分别执行卷积核为1x1的卷积操作。


4.根据权利要求1所述的智能车辆车道线语义分割的方法，其特征在于，所述预设倍上采样操作包括双线性插值运算。


5.根据权利要求1所述的智能车辆车道线语义分割的方法，其特征在于，所述将最后一层特征提取图执行预设倍上采样操作，并与第一层特征提取图合并并执行卷积操作中合并和将最后一层输出的特征提取图执行预设倍上采样操作与第一层特征提取图、卷积后的图片信息合并并执行卷积操作中合并包括以通道数为标准进行特征数据张量的拼接。

<...

【专利技术属性】
技术研发人员：刘冶，张希，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31