一种道路标线修复识别方法、装置、设备及其存储介质制造方法及图纸

本申请提供了一种道路标线修复识别方法、装置、设备及其存储介质，所述方法包括：获取道路图像，并确定所述道路图像中的路面区域和非路面区域；在所述路面区域中提取带有标线区域，并依据所述带有标线区域和所述道理图像生成待修复图像；通过卷积神经网络模型提取所述待修复图像中的特征向量，并依据所述特征向量确定所述待修复图像中的标线修复情况；依据预设修复策略和预设质检条件对所述第一损坏区域和/或所述第二损坏区域进行修复，得到已修复区域集合；其中，所述预设修复策略包括第一修复策略、第二修复策略和第三修复策略。避免了对图片的误判，对于损坏的标线能够精准识别，并对损坏的标线进行修复。并对损坏的标线进行修复。并对损坏的标线进行修复。

【技术实现步骤摘要】
一种道路标线修复识别方法、装置、设备及其存储介质


[0001]本申请涉及数据处理领域，特别是一种道路标线修复识别方法、装置、设备及其存储介质。

技术介绍

[0002]道路标线分为：热熔标线，常温冷漆标线，彩色防滑标线，振荡防滑反光标线和预成型标线。道路交通标线主要划设于道路表面，经受日晒雨淋，风雪冰冻，遭受车辆的冲击磨耗，因此对其性能有严格的要求。首先要求干燥时间短，操作简单，以减少交通干扰；其次要求反射能力强，色彩鲜明，反光度强，使白天、夜晚都有良好的能见度；第三，应具有抗滑性和耐磨性，以保证行车安全和使用寿命。
[0003]而道路路面的质量好坏一直是公路施工方案中行业深入研究的重要问题。同时，道路经过长时间的损耗后，地质结构发生了变化，导致路面发生表质散落、开裂和坑槽等问题，首先，在构建路面裂缝检测模型前，需要对收集的路面裂缝数据集进行特征分类，通过把路面裂缝分类可以对构建模型和实验都具有很大的帮助。根据路面的损伤程度，几何特征，纹理，综合各方面因素，将路面缺陷主要分为纵向裂缝，横向裂缝，块状裂缝，坑槽，龟裂五种类别。纵向裂缝是指与车道线基本平行的路面裂缝；横向裂缝是指与车道线基本垂直的路面裂缝；坑槽是指路面的破损程度较重，破损面积较大并且有一定的深度；龟裂是指一系列相互相交的裂缝且分块程度较小的路面缺陷；块状裂缝是类似于龟裂，但其面积损伤面积较大。
[0004]但是，现有的这些图片的拍摄质量欠佳，一部分图片中除了有裂缝存在，还伴随着一些干扰物体出现比如路肩围栏、路面标识线、旁车和路面树叶等会对路面缺陷的识别产生干扰。对于这种复杂的干扰路面，传统的图像检测算法检测效果就会大大降低，鲁棒性不强，很容易对图片中非裂缝产生误判；且也不便于对损坏的标线进行识别并进行修复。

技术实现思路

[0005]鉴于所述问题，提出了本申请以便提供克服所述问题或者至少部分地解决所述问题的一种道路标线修复识别方法、装置、设备及其存储介质，包括：
[0006]一种道路标线修复识别方法，所述方法包括：
[0007]获取道路图像，并确定所述道路图像中的路面区域和非路面区域；
[0008]在所述路面区域中提取带有标线区域，并依据所述带有标线区域和所述道理图像生成待修复图像；
[0009]通过卷积神经网络模型提取所述待修复图像中的特征向量，并依据所述特征向量确定所述待修复图像中的标线修复情况；所述标线修复情况包括需修复和无需修复；
[0010]当所述标线修复情况为需修复时，确定所述待修复图像的标线损坏程度；其中，所述标线损坏程度包括标线不全和缺少标线；
[0011]当所述标线损坏程度包含标线不全时，则依据所述标线损坏程度和所述待修复图
像确定第一损坏区域；和/或；当所述标线损坏程度包含缺少标线时，则依据所述标线损坏程度和所述待修复图像确定第二损坏区域；
[0012]依据预设修复策略和预设质检条件对所述第一损坏区域和/或所述第二损坏区域进行修复，得到已修复区域集合；其中，所述预设修复策略包括第一修复策略、第二修复策略和第三修复策略。
[0013]进一步地，所述获取道路图像的步骤，包括：
[0014]采集实时工作路面视频；
[0015]依据预设时间在所述实时工作路面视频内截取所述预设时间的实时工作路面图像；
[0016]对所述实时工作路面图像进行图像预处理，得到预处理后的所述道路图像。
[0017]进一步地，所述确定所述道路图像中的路面区域和非路面区域的步骤，包括：
[0018]将所述道路图像中路面的感兴趣目标区域进行网格化分割成若干个目标块；
[0019]对所述目标块进行标准化后作为Deep
‑
CNN网络模型的训练集；
[0020]所述训练集进行训练时采用无监督方法训练获取图像特征；
[0021]对所述图像特征进行聚类后再设置标签，所述标签的路面类型包括路面和非路面；
[0022]通过人工标记设置所述路面类型生成用于识别路面和非路面的识别模型；
[0023]依据所述识别模型确定所述道路图像中的所述路面区域和所述非路面区域。
[0024]进一步地，所述通过卷积神经网络模型提取所述待修复图像中的特征向量，并依据所述特征向量确定所述待修复图像中的标线修复情况；所述标线修复情况包括需修复和无需修复的步骤，包括：
[0025]将采集到的待修复图像经过预处理后输入到训练后的3D卷积神经网络模型中提取所述特征向量；
[0026]将所述特征向量输入到训练后的线性分类器中进行分类，生成包含有标线不全、缺少标线和标线遮挡的所述待修复图像；
[0027]依据所述标线不全、所述缺少标线和所述标线遮挡确定所述待修复图像的所述标线修复情况。
[0028]进一步地，所述依据预设修复策略和预设质检条件对所述第一损坏区域和/或所述第二损坏区域进行修复，得到已修复区域集合；其中，所述预设修复策略包括第一修复策略、第二修复策略和第三修复策略的步骤，包括：
[0029]通过所述第一修复策略对所述第一损坏区域进行修复，得到第一修复区域，和/或，通过第二修复策略对第二损坏区域进行修复，得到第二修复区域；
[0030]依据所述预设质检条件对所述第一修复区域和所述第二修复区域进行质检，得到质检合格的第一修复区域和质检合格的第二修复区域，以及质检不合格的第一修复区域和质检不合格的第二修复区域；
[0031]将所述质检不合格的第一修复区域和所述质检不合格的第二修复区域通过所述第三修复策略进行修复，得到第三修复区域；
[0032]将第三修复区域、质检合格的第一修复区域和质检合格的第二修复区域共同组成所述已修复区域集合。
[0033]本申请还公开了一种道路标线修复识别装置，所述装置包括：
[0034]第一获取模块，用于获取道路图像，并确定所述道路图像中的路面区域和非路面区域；
[0035]第一生成模块，用于在所述路面区域中提取带有标线区域，并依据所述带有标线区域和所述道理图像生成待修复图像；
[0036]第一确定模块，用于通过卷积神经网络模型提取所述待修复图像中的特征向量，并依据所述特征向量确定所述待修复图像中的标线修复情况；所述标线修复情况包括需修复和无需修复；
[0037]第二确定模块，用于当所述标线修复情况为需修复时，确定所述待修复图像的标线损坏程度；其中，所述标线损坏程度包括标线不全和缺少标线；
[0038]第三确定模块，用于当所述标线损坏程度包含标线不全时，则依据所述标线损坏程度和所述待修复图像确定第一损坏区域；和/或；当所述标线损坏程度包含缺少标线时，则依据所述标线损坏程度和所述待修复图像确定第二损坏区域；
[0039]修复模块，用于依据预设修复策略和预设质检条件对所述第一损坏区域和/或所述第二损坏区域进行修复，得到已修复区域集合；其中，所述预设修复策略包括第一修复策略、第二修复策略和第三修复策略。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路标线修复识别方法，其特征在于，所述方法包括：获取道路图像，并确定所述道路图像中的路面区域和非路面区域；在所述路面区域中提取带有标线区域，并依据所述带有标线区域和所述道理图像生成待修复图像；通过卷积神经网络模型提取所述待修复图像中的特征向量，并依据所述特征向量确定所述待修复图像中的标线修复情况；所述标线修复情况包括需修复和无需修复；当所述标线修复情况为需修复时，确定所述待修复图像的标线损坏程度；其中，所述标线损坏程度包括标线不全和缺少标线；当所述标线损坏程度包含标线不全时，则依据所述标线损坏程度和所述待修复图像确定第一损坏区域；和/或；当所述标线损坏程度包含缺少标线时，则依据所述标线损坏程度和所述待修复图像确定第二损坏区域；依据预设修复策略和预设质检条件对所述第一损坏区域和/或所述第二损坏区域进行修复，得到已修复区域集合；其中，所述预设修复策略包括第一修复策略、第二修复策略和第三修复策略。2.根据权利要求1所述的方法，其特征在于，所述获取道路图像的步骤，包括：采集实时工作路面视频；依据预设时间在所述实时工作路面视频内截取所述预设时间的实时工作路面图像；对所述实时工作路面图像进行图像预处理，得到预处理后的所述道路图像。3.根据权利要求1所述的方法，其特征在于，所述确定所述道路图像中的路面区域和非路面区域的步骤，包括：将所述道路图像中路面的感兴趣目标区域进行网格化分割成若干个目标块；对所述目标块进行标准化后作为Deep
‑
CNN网络模型的训练集；所述训练集进行训练时采用无监督方法训练获取图像特征；对所述图像特征进行聚类后再设置标签，所述标签的路面类型包括路面和非路面；通过人工标记设置所述路面类型生成用于识别路面和非路面的识别模型；依据所述识别模型确定所述道路图像中的所述路面区域和所述非路面区域。4.根据权利要求1所述的方法，其特征在于，所述通过卷积神经网络模型提取所述待修复图像中的特征向量，并依据所述特征向量确定所述待修复图像中的标线修复情况；所述标线修复情况包括需修复和无需修复的步骤，包括：将采集到的待修复图像经过预处理后输入到训练后的3D卷积神经网络模型中提取所述特征向量；将所述特征向量输入到训练后的线性分类器中进行分类，生成包含有标线不全、缺少标线和标线遮挡的所述待修复图像；依据所述标线不全、所述缺少标线和所述标线遮挡确定所述待修复图像的所述标线修复情况。5.根据权利要求1所述的方法，其特征在于，所述依据预设修复策略和预设质检条件对所述第一损坏区域和/或所述第二损坏区域进行修复，得到已修复区域集合；其中，所述预设修复策略包括第一修复策略、第二修复策略和第三修复策略的步骤，包括：通过所述第一修复策略对所述第一损坏区域进行修复，得到第一修复区域，和/或，通
过第二修复策略对第二损坏区域进行修复，得到第二修复区域；依据所述预设质检条件对所述第一修复区域和所述第二修复区域进行质...

【专利技术属性】
技术研发人员：姚斌，熊健，范磊，
申请(专利权)人：广州新粤交通技术有限公司，
类型：发明
国别省市：