一种轮胎吊的车道线识别的方法、存储介质和电子设备技术

本发明专利技术提供了一种轮胎吊的车道线识别的方法、存储介质和电子设备，所述方法包括以下步骤：对车道线识别模型进行训练，得到训练完成的车道线识别模型；采集车道数据图像，将车道数据图像输入至训练完成的车道线识别模型中，识别车道线位置；基于车道线位置与预定基准线进行比较，确定当前轮胎吊的行驶偏移参数。在训练所述模型时，在所述模型的回归输出中增加一个对样本数据的IOU值输出预测，若样本数据输出预测的IOU值不存在时，则在下一次对所述车道线识别模型进行训练时剔除该样本数据。通过设置IOU值对于训练样本数据进行筛选，能够有效提升模型的识别精度，进而提成实际应用场景中车道线识别的精准性，便于对轮胎吊的行驶参数进行调整。吊的行驶参数进行调整。吊的行驶参数进行调整。

【技术实现步骤摘要】
一种轮胎吊的车道线识别的方法、存储介质和电子设备


[0001]本专利技术涉及图像识别领域，尤其涉及一种轮胎吊的车道线识别的方法、存储介质和电子设备。

技术介绍

[0002]随着智能化系统被应用到车辆驾驶领域中，越来越多的车辆上配置了能够实现自动驾驶功能或辅助驾驶功能的智能系统。为了实现自动驾驶功能或辅助驾驶功能，车辆上的智能系统通常需要从车辆周围的道路图像中识别出车道线，以确定车辆能够在预定要求的车道线上行驶。
[0003]轮胎吊包括橡胶轮胎门式起重机(Rubber Tyre Gantry，缩写为RTG)，RTG在行走时，由于其本身重量不平衡、码头的道路不配、电机输出延时等因素的影响，容易偏离预定行走路径。在此种情况下，需要司机进行手动纠偏或者通过视觉识别车道线，再通过地理位置定位等手段来控制整车自动纠偏。
[0004]LaneATT模型是视觉识别算法的模型之一，在模型训练过程中，该模型通过对每个样本数据计算一个置信度概率值，将置信度概率值作为该样本数据是否参与下一次训练的依据，然而，置信度概率值在经过激活函数激活后，会向两端0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轮胎吊的车道线识别的方法，其特征在于，所述方法包括以下步骤：S1：对车道线识别模型进行训练，得到训练完成的车道线识别模型；在训练所述模型时，在所述模型的回归输出中增加一个对样本数据的IOU值输出预测，若样本数据输出预测的IOU值不存在时，则在下一次对所述车道线识别模型进行训练时剔除该样本数据；所述IOU值的计算公式如下：其中，D(L
i
，l
j
)表示基于样本数据计算的预测线和标注线的距离，D
th
表示预设阈值，None表示IOU值不存在；S2：采集车道数据图像，将所述车道数据图像输入至训练完成的车道线识别模型中，识别车道线位置；S3：基于所述车道线位置与预定基准线进行比较，确定当前轮胎吊的行驶偏移参数。2.如权利要求1所述的轮胎吊的车道线识别的方法，其特征在于，当前轮胎吊在行进方向上设置有图像采集单元，所述图像采集单元用于采集所述车道数据图像。3.如权利要求2所述的轮胎吊的车道线识别的方法，其特征在于，所述方法包括：根据所述图像采集单元的拍摄方向对所述车道数据图像进行裁剪，得到裁剪图像，将所述裁剪后的图像输入至训练完成的车道线识别模型中；所述裁剪图像包含车道线。4.如权利要求1或2所述的轮胎吊的车道线识别的方法，其特征在于，所述偏移参数包括偏转角度和偏移距离；所述方法还包括：S4：基于所述偏转角度和偏移距离对当前轮胎吊的行进方向进行调整，直至基于重新采集的车道数据图像识别出的车道位置符合预定基准线。5.如权利要求1所述的轮胎吊的车道线识别的方法，其特征在于，所述车道线为并排平行设置的双直线，包括第一车道直线和第二车道直线；所述预定基准线为参考中心线；基于所述车道线位置与预定基准线进行比较，确定当前轮胎吊的行驶偏移参数包括：基于识别出的第一车道直线和第二车道直线拟合出相应的中...

【专利技术属性】
技术研发人员：翁渊彬，冯凯，吴南海，
申请(专利权)人：博大视野厦门科技有限公司，
类型：发明
国别省市：