【技术实现步骤摘要】
一种道路标识检测方法、系统、设备和介质
本专利技术涉及智慧交通领域，尤其涉及一种道路标识检测方法、系统、设备和介质。
技术介绍
随着经济的发展和汽车保有量的逐年增加，汽车的安全性越来越受到人们的重视。为了提高汽车行驶安全性，现代汽车厂商将车道偏离预警系统(LDWS)、车道保持系统(LKS)作为智能汽车的热门研究方向，自动驾驶技术也作为新兴技术被众多汽车企业所青睐。而道路标识检测是实现车道偏离预警、车道保持以及自动驾驶等功能的关键技术。因此，准确可靠的道路标识检测技术对提高汽车行驶安全性和驾乘体验至关重要。现阶段道路标识检测方法按照道路标识像素与背景的分割方法可以分为以下两类：基于传统图像处理的方法:主要通过手工设计特征和启发式识别来进行道路标识检测，而手工设计特征需要从业者有着深厚的图像处理专业知识，其特征设计的好坏直接影响最终的检测结果。通常会基于道路标识的颜色、纹理以及几何等来手工设计特征。在使用这类方法将道路区域内属于道路标识的像素分割出来后，需要结合滤波和霍夫变换等方法去除误检测并进行道路标识曲线拟合。然而汽...
【技术保护点】
1.一种道路标识检测方法，其特征在于，包括：/n构建语义分割网络；/n利用所述语义分割网络对输入图像进行道路标识检测，获取包含不同类别道路标识的灰度图；/n根据所述灰度图识别出不同类别的道路标识。/n
【技术特征摘要】
1.一种道路标识检测方法，其特征在于，包括：
构建语义分割网络；
利用所述语义分割网络对输入图像进行道路标识检测，获取包含不同类别道路标识的灰度图；
根据所述灰度图识别出不同类别的道路标识。
2.根据权利要求1所述的道路标识检测方法，其特征在于，所述语义分割网络包括编码器和解码器，通过所述编码器对输入图像进行特征提取，并通过所述解码器将提取的特征转换为所述灰度图；
其中，所述编码器包括分解残差模块和下采样模块；所述解码器包括分解残差模块和上采样模块。
3.根据权利要求2所述的道路标识检测方法，其特征在于，所述编码器的网络架构排布方式依次为：一个或多个下采样模块、一个或多个分解残差模块、一个或多个下采样模块、一个或多个分解残差模块；所述解码器的网络架构排布方式依次为：一个或多个上采样模块、一个或多个分解残差模块、一个或多个上采样模块、一个或多个分解残差模块、一个或多个上采样模块。
4.根据权利要求2所述的道路标识检测方法，其特征在于，所述分解残差模块包括多个卷积层和空洞卷积层，所述卷积层和空洞卷积层交错排列。
5.根据权利要求2所述的道路标识检测方法，其特征在于，所述下采样模块包括卷积层、池化层和拼接层；分别通过所述卷积层和所述池化层对输入进行采样获取采样结果，并通过所述拼接层将所述卷积层和所述池化层的所述采样结果连接，获取特征图。
6.根据权利要求1所述的道路标识检测方法，其特征在于，根据所述灰度图识别出不同类别的道路标识包括：预设所述道路标识的各类别对应的灰度值，根据所述灰度图中像素点对应道路标识类别的灰度值，对所述灰度图中的像素点进行聚类，获取多个聚类类别，其中，所述道路标识的类别包括不同颜色与不同形状的组合。
7.根据权利要求6所述的道路标识检测方法，其特征在于，所述对所述灰度图中的像素点进行聚类包括：在对所述灰度图中像素点的坐标值进行聚类，将坐标间距在预设阈值范围内的像素点作为一个所述聚类类别。
8.根据权利要求6所述的道路标识检测方法，其特征在于，当所述道路标识为线型标识时，对所述聚类类别中的像素点进行直线拟合，获取同一道路标识类别的多个实例；
对所述同一道路标识类别的多个实例进行多项式拟合，获取对应的道路标识。
9.根据权利要求8所述的道路标识检测方法，其特征在于，对所述聚类类别中的像素点进行搜索，获取多个像素点组成的连通区域，并对所述连通区域进行直线拟合。
10.根据权利要求9所述的道路标识检测方法，其特征在于，对所述连通区域进行直线拟合时，通过像素点搜索获取一个连通区域，并根据所述连通区域中的像素点进行直线拟合，获取初始直线；
根据所述连通区域以外的像素点与所述初始直线的距离，判断所述连通区域以外的像素点中是否存在另外一个或多个连通区域与所述初始直线处于同一直线上；若存在，则根据搜索到的另外所述一个或多个连通区域，重新进行直线拟合。<...
【专利技术属性】
技术研发人员：周曦，姚志强，徐乐，
申请(专利权)人：上海云从汇临人工智能科技有限公司，
类型：发明
国别省市：上海;31
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。