【技术实现步骤摘要】
基于几何特征提取和位置信息编码的车道线检测方法
[0001]本专利技术属于图像处理
,更进一步涉及图像分割
中的一种基于几何特征提取和位置信息编码的车道线检测方法。本专利技术可用于通过自动驾驶设备实现机动车在行驶过程中对车道线的检测。
技术介绍
[0002]在车道线检测中,每条车道的确切形状是由安装在车辆上的摄像头捕捉到的二维前视图像获得的。除了获得车道线的方向和形状外,系统还必须能够区分每条车道。也正因为如此,车道线检测往往被视作一种语义分割任务。之前的绝大部工作都采用纯分割的方法,即通过编码器来捕捉其语义特征,再进行解码后处理得到最终结果。车道线检测是一种相对特殊的检测问题,它具有不同于其他检测问题的挑战,如噪声大(多阴影遮挡),属于正样本的像素占全图的比例低(车道线细长),形式多样(有不同颜色和形状的车道线),场景多样(受到天气因素影响)。因此,如果仅将其视作传统的语义分割问题来处理,采用纯分割的方法无法有效地处理一些复杂场景如阴影,强光,夜间等,适用范围小。而且对于车道线,除了最为基本的语义特征以外,还有一个重要的特点就是车道线属于人工物体,这不同的一般的自然物体,其拥有强烈的先验几何特征(车道线一般都是细长的平行四边形结构,如果利用其几何特征将带来更好的检测性能。同时,车道线之间具有位置信息,例如现实世界种车道线之间是平行的。因此如果不考虑位置信息,也会丧失一些检测性能。
[0003]华东交通大学在其申请的专利文献“一种基于深度学习的车道线检测方法”(申请号:2022110592895, ...
【技术保护点】
【技术特征摘要】
1.一种基于几何特征提取和位置信息编码的车道线检测方法,其特征在于,分别构建了几何特征提取模块和位置信息编码模块;该检测方法的步骤包括如下:步骤1,构建初步特征提取子网络;步骤2,构建几何特征提取模块:搭建由高级特征输入层,行内自注意力子模块,行间自注意力子模块,几何特征输出层依次串联而成的几何特征提取模块;所述的行内自注意力子模块由两条支路组成,第一条支路由输入层,第1维度重排层,线性层,分割层,自注意力层依次串联组成;第二条支路由矩阵加法层,第2维度重排层,输出层依次串联组成;第二条支路中的矩阵加法层跨接在第一条支路的输入层和自注意力层之间;所述的行间自注意力子模块由两条支路组成,第1条支路由行间自注意力输入层,卷积层,第1分割层,堆砌层,第1维度重排层,第2分割层,自注意力层依次串联组成,第2条支路由矩阵加法层,第2维度重排层,行间自注意力输出层依次串联组成,矩阵加法层跨接在第1条支路的行间自注意力和自注意力层之间;将卷积层的卷积核大小设置为1
×
1,步长设置为1,填充设置为0,自注意力层采用标准的自注意力操作;步骤3,构建位置信息编码模块:搭建由低级特征输入层,向量编码层,自注意力层,位置信息编码输出层依次串联组成的位置信息编码模块;所述向量编码层由相对位置向量编码层与qkv特征生成层并联组成;位置信息编码模块中的自注意力层将进行多头注意力操作;所述的相对位置向量编码层由相对位置矩阵生成层,展平层,下标选择层,分割层依次串联组成;所述的qkv特征生成层由第1维度重排层,卷积层,归一化层,第2维度重排层,分割层依次串联组成;将卷积层的卷积核大小设置为1
×
1,步长设置为1,填充设置为0;所述自注意力层由2条支路组成,第1条支路中的第1矩阵加法层分别与第1矩阵乘法层,第2矩阵乘法层,第3矩阵乘法层相连;第2条支路中的softmax层分别与第2矩阵加法层,第4矩阵乘法层,第5矩阵乘法层相连,第2矩阵加法层分别与第4矩阵乘法层,第5矩阵乘法层和相连softmax层以及第1条支路的第1矩阵加法层相连;步骤4,构建非对称双边注意力网络:步骤4.1,构建特征融合层;步骤4.2,搭建由实例分支和存在分支并行组成的解码预测子网络;步骤4.3,将几何特征提取模块与位置信息编码模块并联组成模块组;步骤4.4,将初步特征提取子网络,模块组,特征融合层,解码预测子网络级联成非对称双边注意力网络;步骤5,生成训练集:选取至少3000张含有车道线的图像组成样本集,每张图像的分辨率均为1280
×
720,且每张图像中包括0至4条车道线,同时每张图像对应有一张二值分割标签图;对样本集中的每张图像依次进行裁剪,旋转,模糊的预处理;将预处理后的图像组成训练集;步骤6,训练非对称双边注意力网络:步骤6.1,设置训练参数:将momentum率设置为0.9,权重衰减率设置为0.0004,初始学
习率设置为0.02;步骤6.2,权重初始化,将ImageNet预训练的ResNet
‑
34的权重作为非对称双边注意力网络的初始权重,采用SGD优化算法,将训练集按批次输入到非对称双边注意力网络中,利用梯度下降法,对网络参数进行迭代更新,直至网络总损失函数收敛为止,得到训练好的网络并保存权重;步骤7,检测车道线:采用与步骤5相同的方法,将预处理后待检测的含有车道线的图像依次输入训练好的非对称双边注意力网络,输出车道线检测结果。2.根据权利要求1所述的基于几何特征提取和位置信息编码的车道线检测方法,其特征在于,步骤1中所述的初步特征提取子网络是由图像输入层,初步特征提取层,输出层组依次串联;所述输出层组由高级特征输出层与低级特征输出层并联组成。3.根据权利要求1...
【专利技术属性】
技术研发人员:张静,乐垚,郑淙耀,李云松,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。