一种基于无人机视角的应急车道视觉检测方法和系统技术方案

一种基于无人机视角的应急车道视觉检测方法，包括：通过无人机获取车道图像，并将车道的图像流作为特征提取网络的输入；按照预设需求对图像尺寸进行调整，提取不同尺度的特征图；接收不同尺度的的特征图，通过多尺度特征聚合模块对不同尺度的的特征图进行融合，得到不同层的特征数值；对不同层的特征数值进行相加，并且以预设规则抽取采样点,对图像进行特征采样；根据采样点特征进行分类，并根据分类结果进行曲线拟合；根据拟合曲线，对当前车道图像是否为应急车道进行判定。本发明专利技术解决了主流的车道线检测系统均是基于驾驶员视角，CNN分割网络的计算量大速度较慢，而且在无人机视角中往往存在车道线尺寸变化、被车辆遮挡、相机曝光等复杂问题。机曝光等复杂问题。机曝光等复杂问题。

【技术实现步骤摘要】
一种基于无人机视角的应急车道视觉检测方法和系统


[0001]本专利技术涉及的是图像处理领域,特别涉及一种基于无人机视角的应急车道视觉检测方法和系统。

技术介绍

[0002]在计算机视觉中，车道线检测是一个基础性的问题，在自动驾驶方面具有广泛的应用。从上世纪九十年代开始，以美国、日本、欧洲为中心的发达国家与地区对车道偏离预警技术进行了比较集中的研究，并取得了许多有价值的成果。目前，世界上有些国家已经成果研制出一些各具特色的车道偏离预警系统，如：Mobileye_AWS系统、AutoVue系统、RALPH系统、AURORA系统等。这些系统通过预先给驾驶员以警告信息，提醒驾驶员采取正确的操作措施，达到防止这类事故或者降低这类事故的伤害程度的目的。
[0003]由于经济发展原因，我国在这一领域起步较晚，但总体来说发展速度较快。例如，清华大学智能技术与系统国家重点实验室研制的智能车THMR系列，其车道线自动跟踪时平均速度可达100km/h，最高速度可达150km/h，在速度上已经接近国际上的先进水平，在图像处理、控制算法等方面也取得了一定技术突破本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机视角的应急车道视觉检测方法，其特征在于，包括：S100.通过无人机获取车道图像，并将车道的图像流作为特征提取网络的输入；S200.按照预设需求对图像尺寸进行调整，通过resnet
‑
34网络结构提取不同尺度的特征图；S300.判断当前图像识别是否为训练过程，当当前图像识别为训练过程时，接收不同尺度的的特征图，通过多尺度特征聚合模块对不同尺度的的特征图进行融合，得到不同层的特征数值；S400.对不同层的特征数值进行相加，并且以预设规则抽取采样点,对图像进行特征采样；S500.根据采样点特征进行分类，并根据分类结果进行曲线拟合；S600.根据拟合曲线，对当前车道图像是否为应急车道进行判定。2.如权利要求1所述的一种基于无人机视角的应急车道视觉检测方法，其特征在于，S200中，按照预设需求对图像尺寸进行调整，图片调整的宽高比为324
×
780。3.如权利要求2所述的一种基于无人机视角的应急车道视觉检测方法，其特征在于，S300中，多尺度特征聚合模块与ResNet
‑
34网络结构的后三个阶段的输出连接，其中，输出的前两个阶段用来预测尺度较小的目标，第三个阶段用来预测尺度较大的目标。4.如权利要求1所述的一种基于无人机视角的应急车道视觉检测方法，其特征在于，S400中，对图像进行特征采样的预设规则为：将车道表示为预定义行上的一系列水平位置，并进行网格划分，将水平位置划分为多个单元格，按固定间隔抽取采样点并送入到全连接层中。5.如权利要求1所述的一种基于无人机视角的应急车道视觉检测方法，其特征在于，S500中，根据采样点特征进行分类的方法包括：对其中每个行设置分类器，将行中每个位置对应的像素进行分类，分类器的个数与行锚数相同，并且，每个分类器根据输入的一行特征将原图像中对应位置的像素点进行分类，分类的数目在包含背景的情况下比最大车道数个数多一个。6.如权利要求1所述的一种基于无人机视角的应急车道视觉检测方法，其特征在于，S500中，根据采样点特征进行分类的方法还包括：在标注过程中，将应急车道左侧线标注类别号...

【专利技术属性】
技术研发人员：黄炎，杜飞飞，鹿璇，
申请(专利权)人：武汉卓目科技有限公司，
类型：发明
国别省市：