【技术实现步骤摘要】
本专利技术涉及辅助驾驶，具体涉及一种路面标识检测方法、系统和智能终端。
技术介绍
1、智能驾驶是汽车产业与人工智能、物联网等新兴前沿技术深度融合的产物，是当今全球汽车行业与交通出行领域智能化发展的主要方向。实现真正的智能驾驶，需要解决多个方面的问题，其中路况检测就是智能驾驶需要有效解决的一项核心任务，是其发展的重要方向。路况检测中包括有障碍物检测、地面标识检测、限高检测等等。其中路面标识检测就是智能驾驶所需要有效解决的一项既基础又核心的问题，是其发展的一项重要方向。路面标识是指在道路的路面上用线条、箭头、文字等向交通参与者传递引导、限制、警告等交通信息的标识，对于管制和引导交通起着十分重大的作用。因此，有效的检测路面标识对车辆的驾驶起着至关重要的作用。
2、在已有技术中，可以采用传统分类算法或卷积神经网络进行路标标识的图像分割，从而根据分割的图像确定标识类型。传统的分类算法大多是基于手工特征的，这些手工特征可能适用于某些特定数据，但不具有数据自适应能力。与传统方法不同，深度学习通过神经网络的端到端学习模型自动提取特征，在许多...
【技术保护点】
1.一种路面标识检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的路面标识检测方法，其特征在于，所述深度学习网络的网络结构包括：
3.根据权利要求2所述的路面标识检测方法，其特征在于，全局上下文模块包括GRB模块、 卷积模块、BN模块以及ReLU模块；
4.根据权利要求2所述的路面标识检测方法，其特征在于，所述颈部网络为包括多个残差块的级联结构，相邻的两个残差块之间设置混合注意力模块。
5.根据权利要求1所述的路面标识检测方法，其特征在于，所述图像分割模型的训练过程包括：
6.根据权利要求5所述的...
【技术特征摘要】
1.一种路面标识检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的路面标识检测方法，其特征在于，所述深度学习网络的网络结构包括：
3.根据权利要求2所述的路面标识检测方法，其特征在于，全局上下文模块包括grb模块、 卷积模块、bn模块以及relu模块；
4.根据权利要求2所述的路面标识检测方法，其特征在于，所述颈部网络为包括多个残差块的级联结构，相邻的两个残差块之间设置混合注意力模块。
5.根据权利要求1所述的路面标识检测方法，其特征在于，所述图像分割模型的训练过程包括：<...
【专利技术属性】
技术研发人员：谢启伟，余林洲，裴姗姗，蔡普光，孙钊，
申请(专利权)人：北京中科慧眼科技有限公司，
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。