一种面向跑道线的变分辨率高精度检测方法和系统技术方案

本发明专利技术涉及一种面向跑道线的变分辨率高精度检测方法和系统，该方法包括，步骤1：获取待检测图像；步骤2：利用训练完成的网络模型对待检测图像进行检测，得到跑道线像素点的初次检测结果；步骤3：根据初次检测结果，对待检测图像进行聚类处理，得到新的检测图像；步骤4：将新的检测图像输入网络模型中，得到跑道线像素点的二次检测结果。本发明专利技术的面向跑道线的变分辨率高精度检测方法，通过将待检测图像进行网格划分，将像素级的分类问题转换成网格级的分类，减少了整体的计算量，加快了检测速度，并且根据初次检测结果进行对待测图像聚类得到聚类中心，有针对性的对聚类中心附近的像素进行再检测，进一步实现精度的提升。进一步实现精度的提升。进一步实现精度的提升。

A variable resolution and high-precision detection method and system for runway line

【技术实现步骤摘要】
一种面向跑道线的变分辨率高精度检测方法和系统


[0001]本专利技术属于无人机跑道线检测
，具体涉及一种面向跑道线的变分辨率高精度检测方法和系统。

技术介绍

[0002]目前无人机广泛应用于各个行业，无论是民用还是军用的固定翼无人机在执行任务时，在准备起飞前，都需要人工在滑行道进行拉拽修正角度，使无人机能够在正确的方向上进行滑行起飞。这一过程需要耗费相当的人力物力等，因此提出一种针对提高固定翼无人机滑行过程中的跑道线检测精度的方法，以解决目前存在的耗费相当人力物力、时间成本以及低检测精度的技术问题。
[0003]现有跑道线检测技术主要来源于特征相似的车道线检测技术，在深度学习方向有两种方案，包括以SCNN算法为代表的分割方法和，以PolyLaneNet为例对跑道线检测问题重定义的方法。分割方法是通过对图片中的每个像素进行分类确定跑道线的像素点，即假设待检测跑道线的图像大小为H*W，对于分割问题则进行H*W个分类问题。对跑道线检测问题重定义的方法是将跑道线转换成多项式曲线拟合，直接通过通用骨干网络将图片展平，再经全连接网络输出一组系数，整体网络则归结为学习一组多项式曲线的参数。
[0004]第一种方案主要存在问题是因为分割需要将问题转换成像素级的分类任务，即宽
×
高个检测任务，而一般的跑道线图片分辨率相对较高，则会带来大量的计算量消耗，从而无法实现跑道线检测方案的实时性要求。第二种方案主要存在问题是检测的过程具有的先验性过强，需事先拟定好坐标轴，而且现有的数据集不均衡，会造成一些偏差。

技术实现思路

[0005]为了解决现有技术中存在的上述问题，本专利技术提供了一种面向跑道线的变分辨率高精度检测方法和系统。本专利技术要解决的技术问题通过以下技术方案实现：
[0006]本专利技术提供了一种面向跑道线的变分辨率高精度检测方法，包括：
[0007]步骤1：获取待检测图像；
[0008]步骤2：利用训练完成的网络模型对所述待检测图像进行检测，得到跑道线像素点的初次检测结果；
[0009]步骤3：根据所述初次检测结果，对所述待检测图像进行聚类处理，得到新的检测图像；
[0010]步骤4：将所述新的检测图像输入所述网络模型中，得到跑道线像素点的二次检测结果。
[0011]在本专利技术的一个实施例中，所述步骤2包括：
[0012]步骤2.1：对所述待检测图像进行均匀缩放处理，得到预设固定尺寸的缩放图像；
[0013]步骤2.2：利用所述网络模型对所述缩放图像依次进行特征提取和网格化特征池化处理，得到第一网格化特征图，并对所述第一网格化特征图中每个网格进行跑道线像素
点的分类评分处理，得到模型输出的第一分类结果；
[0014]步骤2.3：利用等比例缩放，将所述第一分类结果还原至所述待检测图像的大小，得到所述跑道线像素点的初次检测结果。
[0015]在本专利技术的一个实施例中，所述步骤3包括：
[0016]步骤3.1：将所述初次检测结果，投影到至所述待检测图像上；
[0017]步骤3.2：利用均值漂移的方式对投影后的所述待检测图像进行聚类处理，获得所述初次检测结果中每条跑道线的聚类中心；
[0018]步骤3.3：获取所述聚类中心对应的以该聚类中心为中心点的矩形像素区域，将所述待检测图像中不属于所述矩形像素区域的像素区域进行缩放处理，将缩放处理后的区域与所述矩形像素区域，按照所述待检测图像的位置拼接得到所述新的检测图像；
[0019]步骤3.4：建立所述新的检测图像的像素坐标与所述待检测图像的像素坐标之间的映射关系。
[0020]在本专利技术的一个实施例中，所述新的检测图像的尺寸与所述缩放图像的尺寸一致。
[0021]在本专利技术的一个实施例中，所述步骤4包括：
[0022]步骤4.1：利用所述网络模型对所述新的检测图像依次进行特征提取和网格化特征池化处理，得到第二网格化特征图，并对所述第二网格化特征图中每个网格进行跑道线像素点的分类评分处理，得到模型输出的第二分类结果；
[0023]步骤4.2：根据所述映射关系，将所述第二分类结果映射至所述待检测图像中，得到所述跑道线像素点的二次检测结果。
[0024]本专利技术提供了一种面向跑道线的变分辨率高精度检测系统，包括：
[0025]图像获取模块，用于获取待检测图像；
[0026]检测模块，用于利用训练完成的网络模型对所述待检测图像进行检测，得到跑道线像素点的初次检测结果；
[0027]检测图像生成模块，用于根据所述初次检测结果，对所述待检测图像进行聚类处理，得到新的检测图像；
[0028]所述检测模块，还用于利用训练完成的网络模型对所述新的检测图像进行检测，得到跑道线像素点的二次检测结果。
[0029]在本专利技术的一个实施例中，所述检测模块包括缩放单元、分类检测单元和还原单元，其中，
[0030]所述缩放单元，用于对所述待检测图像进行均匀缩放处理，得到预设固定尺寸的缩放图像；
[0031]所述分类检测单元，用于利用所述网络模型对所述缩放图像依次进行特征提取和网格化特征池化处理，得到第一网格化特征图，并对所述第一网格化特征图中每个网格进行跑道线像素点的分类评分处理，得到模型输出的第一分类结果；
[0032]所述还原单元，用于利用等比例缩放，将所述第一分类结果还原至所述待检测图像的大小，得到所述跑道线像素点的初次检测结果。
[0033]在本专利技术的一个实施例中，所述检测图像生成模块包括聚类单元、图像拼接单元和映射单元，其中，
[0034]所述聚类单元，用于将所述初次检测结果，投影到至所述待检测图像上，并利用均值漂移的方式对投影后的所述待检测图像进行聚类处理，获得所述初次检测结果中每条跑道线的聚类中心；
[0035]图像拼接单元，用于获取所述聚类中心对应的以该聚类中心为中心点的矩形像素区域，将所述待检测图像中不属于所述矩形像素区域的其他区域像素进行缩放处理，并将缩放处理后的区域与所述矩形像素区域，按照所述待检测图像的位置拼接得到所述新的检测图像，其中，所述新的检测图像的尺寸与所述缩放图像的尺寸一致；
[0036]映射单元，用于建立所述新的检测图像的像素坐标与所述待检测图像的像素坐标之间的映射关系。
[0037]在本专利技术的一个实施例中，所述分类检测单元，还用于利用所述网络模型对所述新的检测图像依次进行特征提取和网格化特征池化处理，得到第二网格化特征图，并对所述第二网格化特征图中每个网格进行跑道线像素点的分类评分处理，得到模型输出的第二分类结果；
[0038]所述还原单元，还用根据所述映射关系，将所述第二分类结果映射至所述待检测图像中，得到所述跑道线像素点的二次检测结果。
[0039]与现有技术相比，本专利技术的有益效果在于：
[0040]本专利技术的面向跑道线的变分辨率高精度检测方法，通过将待检测图像进行网格划分，将像素级的分类问题转换成网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向跑道线的变分辨率高精度检测方法，其特征在于，包括：步骤1：获取待检测图像；步骤2：利用训练完成的网络模型对所述待检测图像进行检测，得到跑道线像素点的初次检测结果；步骤3：根据所述初次检测结果，对所述待检测图像进行聚类处理，得到新的检测图像；步骤4：将所述新的检测图像输入所述网络模型中，得到跑道线像素点的二次检测结果。2.根据权利要求1所述的面向跑道线的变分辨率高精度检测方法，其特征在于，所述步骤2包括：步骤2.1：对所述待检测图像进行均匀缩放处理，得到预设固定尺寸的缩放图像；步骤2.2：利用所述网络模型对所述缩放图像依次进行特征提取和网格化特征池化处理，得到第一网格化特征图，并对所述第一网格化特征图中每个网格进行跑道线像素点的分类评分处理，得到模型输出的第一分类结果；步骤2.3：利用等比例缩放，将所述第一分类结果还原至所述待检测图像的大小，得到所述跑道线像素点的初次检测结果。3.根据权利要求1所述的面向跑道线的变分辨率高精度检测方法，其特征在于，所述步骤3包括：步骤3.1：将所述初次检测结果，投影到至所述待检测图像上；步骤3.2：利用均值漂移的方式对投影后的所述待检测图像进行聚类处理，获得所述初次检测结果中每条跑道线的聚类中心；步骤3.3：获取所述聚类中心对应的以该聚类中心为中心点的矩形像素区域，将所述待检测图像中不属于所述矩形像素区域的像素区域进行缩放处理，将缩放处理后的区域与所述矩形像素区域，按照所述待检测图像的位置拼接得到所述新的检测图像；步骤3.4：建立所述新的检测图像的像素坐标与所述待检测图像的像素坐标之间的映射关系。4.根据权利要求2所述的面向跑道线的变分辨率高精度检测方法，其特征在于，所述新的检测图像的尺寸与所述缩放图像的尺寸一致。5.根据权利要求3所述的面向跑道线的变分辨率高精度检测方法，其特征在于，所述步骤4包括：步骤4.1：利用所述网络模型对所述新的检测图像依次进行特征提取和网格化特征池化处理，得到第二网格化特征图，并对所述第二网格化特征图中每个网格进行跑道线像素点的分类评分处理，得到模型输出的第二分类结果；步骤4.2：根据所述映射关系，将所述第二分类结果映射至所述待检测图像中，得到所述跑道线像素点的二次检测结果。6.一种面向跑道线的变分辨率高精度检测系统，其特征在于，包括：图像获...

【专利技术属性】
技术研发人员：高大化，张李阳，刘丹华，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：