一种从激光强度图像中检测道路标记的系统和方法技术方案

本申请的实施例提供了用于从激光强度图像(102)中检测道路标记的系统和方法。示例性方法可包括通过通信接口(202)接收由传感器(160，S302)获取的激光强度图像(102)。该方法还可以包括将激光强度图像(102)分割为至少两个路段，并将路段划分为至少两个子图像(S304)。该方法还可以包括基于使用学习模型的语义分割方法生成对应于每个子图像的道路标记图像(S306)，以及通过将对应于该路段的子图像的道路标记图像拼接在一起生成该路段的整体道路标记图像(S308)。体道路标记图像(S308)。体道路标记图像(S308)。

【技术实现步骤摘要】
【国外来华专利技术】一种从激光强度图像中检测道路标记的系统和方法


[0001]本申请包括一种从激光强度图像中检测道路标记的系统和方法，尤其是基于使用深度学习方法和传统的计算机视觉方法来从激光强度图像中检测道路标记的系统和方法。

技术介绍

[0002]激光强度图像被广泛使用，例如，帮助自主驾驶。例如，激光强度图像提供道路和周围环境的几何信息，这对于产生自动驾驶车辆的准确定位信息至关重要。为了提供准确的定位信息，激光强度图像需要包括准确的道路标记信息。
[0003]可以在激光强度图像中捕获准确的道路标记信息以及道路和周围环境的其他几何信息。现有的检测方法，例如使用概率霍夫变换(Probabilistic Hough Transform)的方法，在整个区域上执行检测操作并将道路整体处理。要处理的数据可能包括许多冗余信息(例如，由激光强度图像覆盖的目标区域的大部分不包括道路标记信息)。因此，当激光强度图像覆盖的目标区域很大时，和/或目标区域覆盖不同的道路状况时，计算成本可能很高，并且检测可能不稳健。例如，激光强度图像通常覆盖几百平方米的面积。因此，现有的检测方法不本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种从激光强度图像中检测道路标记的方法，包括：通过通信接口接收由传感器获取的所述激光强度图像；分割所述激光强度图像成至少两个路段；将路段划分为至少两个子图像；基于使用学习模型的语义分割方法生成对应于每个子图像的道路标记图像；以及通过将所述路段的所述子图像对应的所述道路标记图像拼接在一起，生成所述路段的整体道路标记图像。2.根据权利要求1所述的方法，还包括基于计算机视觉方法调整所述整体道路标记图像。3.根据权利要求2所述的方法，所述调整所述整体道路标记图像还包括：确定所述整体道路标记图像中的所述道路标记图像之间连接区域的几何特征；以及根据所述几何特征调整所述连接区域。4.根据权利要求3所述的方法，所述调整所述连接区域还包括：断开所述连接区域中的至少一个；以及连接至少一个断开的区域。5.根据权利要求3所述的方法，所述调整所述连接区域还包括使用多项式拟合优化所述连接区域。6.根据权利要求1所述的方法，还包括：将所述整体道路标记图像与所述激光强度图像集成。7.根据权利要求1所述的方法，其中，分割所述激光强度图像还包括：通过阈值平衡所述激光强度图像来确定所述激光强度图像的二值图像；确定所述二值图像中的连接区域的多边形近似；以及使用基于多边形近似识别的拐点分割所述连接区域。8.根据权利要求7所述的方法，其中确定所述拐点还包括：遍历由多边形近似确定的多边形的顶点；以及识别所述拐点，其中在每个拐点处相交的两条线之间的角度大于预定阈值。9.如权利要求8所述的方法，其中，分割所述连接区域还包括：选择两个相邻拐点；以及通过使用连接所述两个相邻拐点的线来分割所述连接区域。10.根据权利要求9所述的方法，其中学习模型通过训练方法进行训练，所述训练方法包括：接收训练子图像和相应的道路标记图像；基于所述训练子图像和所述子图像内的相应道路标记训练所述学习模型；以及提供所述学习模型以用于生成与所述子图像对应的道路标记图像。11.如权利要求1所述的方法，其中，所述学习模型是深度卷积神经网络。12.根据权利要求3所述的方法，其中，所述连接区域的所确定的几何特征包括形状、大小或方向中的至少一个。13.一种从激光强度图像中检测道路标记的系统，包括：通信接口，用于接收由传感器获取的所述...

【专利技术属性】
技术研发人员：李梦雪，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：