一种基于融合卷积神经网络的高尔夫球场车道识别方法技术

本发明专利技术公开了一种基于融合卷积神经网络的高尔夫球场车道识别方法，该方法主要针对解决高尔夫球场车道的识别问题；主要包括数据采集和预处理、神经网络训练和生产环境检验三个部分；本发明专利技术解决了现有传统车道线识别方法在高尔夫球场不适用的问题，通过比较和分析主流语义分割神经网络模型的优劣定义了一种融合神经网络模型，使其在高尔夫球场车道识别上具有精度高，速度快，成本低的特点。

【技术实现步骤摘要】
一种基于融合卷积神经网络的高尔夫球场车道识别方法
本专利技术涉及人工智能
，尤其涉及一种基于卷积神经网络的高尔夫球场车道的识别方法。
技术介绍
近年来智能汽车领域正在蓬勃发展，车道识别一直是该领域的热门方向。然而当下车道识别的主要对象是城市道路，针对高尔夫球场的车道识别鲜有涉及。对于城市道路的识别，既有传统的边缘提取加上霍夫变换提取车道线的做法，也有近几年来兴起的基于卷积神经网络的各种车道线识别方法。就城市道路而言，情况复杂，直接训练神经网络模型去识别整个道路费时费力，还难以保证精度，通过车道线来识别车道无疑是个好方法。但是由于高尔夫球场场景简单，且并无车道线可供识别，决定了在城市道路广泛采用的车道线识别方法在高尔夫球场并不适用，为此，需要寻求新的方法去解决高尔夫球场车道识别问题。为了得到一个能够解决高尔夫球场车道识别问题的模型，通过测试当前主流的实时语义分割神经网络，主要从速度及精度比较分析，一些运行速度快的网络模型例如ENet模型在精度方面不能满足精度的要求，而一些精度较高的网络模型如ResNet其结构又较为复杂，不适用于嵌入本文档来自技高网...

【技术保护点】
1.一种基于融合卷积神经网络的高尔夫球场车道识别方法，其特征在于，所述的方法包括以下步骤：/n(1)进行数据采集与预处理，主要包括数据采集、数据筛选、图像标注、图像归一化和数据分类几个步骤；/n(2)训练神经网络模型，通过比较和分析主流语义分割神经网络模型的优劣定义了一种融合神经网络模型，并始用预处理后的数据训练得到最终模型；/n(3)进行生产环境检验，再一次测试在高尔夫球场该方法能否实现实时的道路识别。/n

【技术特征摘要】
1.一种基于融合卷积神经网络的高尔夫球场车道识别方法，其特征在于，所述的方法包括以下步骤：
(1)进行数据采集与预处理，主要包括数据采集、数据筛选、图像标注、图像归一化和数据分类几个步骤；
(2)训练神经网络模型，通过比较和分析主流语义分割神经网络模型的优劣定义了一种融合神经网络模型，并始用预处理后的数据训练得到最终模型；
(3)进行生产环境检验，再一次测试在高尔夫球场该方法能否实现实时的道路识别。


2.根据权利要求1所述的一种基于融合卷积神经网络的高尔夫球场车道识别方法，其特征在于，所述步骤(1)中数据采集是在不同时间不同气候条件下于数个高尔夫球场采集的车道图像。


3.根据权利要求1所述的一种基于融合卷积神经网络的高尔夫球场车道识别方法，其特征在于，所述步骤(1)中图像标注是对筛选出的有效图像进行人工标注，得到原始图像数据集对应的标签数据集。


4.根据权利要求1所述的一种基于融合卷积神经网络的高尔夫球场车道识别方法，其特征在于，所述步骤(2)包括以下几个步骤：
(2.1)定义模型；
(2.2)训练模型；
(2.3)评估模型。


5.根据权利要求2所述的一种基于融合卷积神经网络的高尔夫球场车道识别方法，其特征在于，所述步骤(2.1)定义的融合神经网络模型包括以下几个部分：
(2.1.1)初始化部分，其特征在于，使用并行的卷积操作和池化操作快速的对高分辨率图像进行下采样；
(2.1.2)编码层第一部分，其特征在于，使用下采样瓶颈模块对上述(2.1.1)所得特征图进一步下采样；
(2.1.3)编码层第二部分，其特征在于，对上述(2.1.2)所得特征图进一步下采样，使用空洞卷积操作提升感...

【专利技术属性】
技术研发人员：张建平，李枨，何国权，
申请(专利权)人：珠海爱肯智能设备有限公司，
类型：发明
国别省市：广东;44