一种基于语义分割的车道线检测方法技术

本发明专利技术属于车道线检测技术领域，涉及一种基于语义分割的车道线检测方法，先对图像进行采集，采集行车记录仪拍摄的车道线图片，再设计车道特征提取网络，该网络分为主分支和辅助分支两部分，图像输入后选取ROI区域进行预处理操作，主分支结构对图像进行特征提取、特征翻转融合操作，最终输出车道线检测结果；辅助分支对主分支中经过特征提取的图片进行级联（concat）操作得到车道线分割结果；其中辅助分支是为了辅助车道线的检测，只参与训练过程，不参与推理过程；然后设计能量损失进行车道线分割和检测的联合训练，保存训练结果最好的模型，并用该模型的检测分支用于测试车道线检测；本发明专利技术能实现复杂交通场景车道线的识别，具有稳定性好、抗干扰能力强、通用性高，鲁棒性好等优点，整个过程提升了车道线检测的精度和速度，能够应用于驾驶辅助系统或者无人驾驶系统中。

【技术实现步骤摘要】

本专利技术属于语义分割、图像处理及车道线检测，涉及一种利用图像分割辅助的车道线检测方法。

技术介绍

1、车道线检测是无人驾驶技术中最重要的感知模块，在无人驾驶车辆行驶过程中起着重要作用，为了实现自动驾驶或辅助驾驶功能，车辆上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，以确定车辆附近的行驶车道，从而指导车辆的驾驶；目前，在车道线检测过程中存在各式各样的难题，其中主要的难点有：

2、（1）检测的车道线形状存在不确定性，存在差异，导致训练回归的目标不唯一；

3、（2）检测到的车道线偏移量不准确，导致在上下采样处理的过程中存在偏差；

4、（3）由于车辆遮挡、车道线不连续，各种不同的光照条件等情况导致车道较难检测；

5、现有的车道线检测算法主要有传统的基于图像处理的检测算法和基于深度学习的算法两大类，其中传统的基于图像处理的检测算法主要是通过提取车道线的颜色、纹理边缘、方向和形状等特征的方式来达到对检测车道线的目的；基于深度学习的算法主要采用卷积神经网络提取图像特征，具有平移不变性、可扩展等特点，在图像分类、目本文档来自技高网...

【技术保护点】

1.一种基于语义分割的车道线检测方法，其特征在于，具体过程为：

2.根据权利要求书1所述基于语义分割的车道线检测方法，其特征在于，步骤（1）所述选取ROI区域进行预处理操作，车载摄像头所摄图片包括部分天空区域和车内等，因此需要裁剪掉无关部分保留ROI（即图像中包含车道线的部分)。

3.根据权利要求书2所述基于语义分割的车道线检测方法，其特征在于，步骤（2）所述重构网络中的卷积层，对输入的特征图进行更灵活的采样和卷积操作，将全连接层去掉，将池化层修改为空洞卷积，在保证不改变特征图尺寸大小的前提下增大网络模型感受野。

4.根据权利要求书3所述基于语义分割的...

【技术特征摘要】

1.一种基于语义分割的车道线检测方法，其特征在于，具体过程为：

2.根据权利要求书1所述基于语义分割的车道线检测方法，其特征在于，步骤（1）所述选取roi区域进行预处理操作，车载摄像头所摄图片包括部分天空区域和车内等，因此需要裁剪掉无关部分保留roi（即图像中包含车道线的部分)。

3.根据权利要求书2所述基于语义分割的车道线检测方法，其特征在于，步骤（2）所述重构网络中的卷积层，对输入的特征图进行更灵活的采样和卷积操作，将全连接层去掉，将池化层修改为空洞卷积，在保证不改变特征图尺寸大小的前提下增大网络模型感受野。

4.根据权利要求书3所述基于语义分割的车道线检测方法，其特征在于步骤(3)所述车道线分割网络采用语...

【专利技术属性】
技术研发人员：李敏，胡锦泉，易圣淇，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：