一种车道线健康检测方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种车道线健康检测方法、装置及存储介质，属于交通道路检测技术领域。首先构建出用于语义分割的车道线数据集，搭建并训练Erfnet分割模型来检测传入帧中各类车道线位置，然后根据语义分割特征图进行车道拟合、近处车道线截取、背景滤除、替换标准RGB像素得到局部车道线原图及局部车道线标准图，接着将原图和标准图进行边缘卷积后的特征图拉伸为一维向量进行余弦计算得到轮廓相似度，然后将原图与标准图车道线区域像素分别从RGB色彩空间转到LAB色彩空间后进行距离和相似度的计算并取平均值作为色彩相似度，最后针对不同类型车道线赋予两种相似度特定的权重得到加权后的相似度作为车道线的健康度评价指标。

【技术实现步骤摘要】

本专利技术涉及交通道路检测，尤其涉及一种车道线健康检测方法、装置及存储介质。

技术介绍

1、伴随着车联网，大数据，车载感知设备的发展，使用新兴感知手段进行交通维护和控制的时代悄然来临，在智能化新技术投入到交通管理控制的背景下，合理运用新技术提升了整个交通环境的运行效率且节约了运行成本。因我国大力发展基础设施建设，我国建成公路了里程达到 520 万 km，根据《道路交通标志和标线》(gb5768-2017)有关规定表明，我国各类标线设计使用年限最多为 7-8 年就需进行维护保养，因此我国许多车道标线在长时间的使用下缺乏科学合理的保养，都出现了不同程度的脱漆，裂纹，磨耗，褪色等情况，并且道路养护部门进行养护所需消耗的精力财力也将十分巨大，所以对于车道标线的养护来说任务迫切。

2、传统车道线检测方法是基于人工对图像提取特征，并基于边缘梯度、车道颜色、车道宽度等浅层信息，进行区域拟合标记出图像中各个车道线的大致走向，涉及到大量的调参步骤和后处理方法，以致此方法检测精度和速度都较慢，不能满足维护需求。

3、基于深度学习的车道线检测方法也十分成本文档来自技高网...

【技术保护点】

1.一种车道线健康检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的车道线健康检测方法，其特征在于：所述的S1：车道线数据集构建阶段，获取的车道线信息为现有开源数据集中的图像和/或拍摄的图像；对待处理数据集进行清洗的方式包括数据重标、数据补标和数据增删。

3.根据权利要求1所述的车道线健康检测方法，其特征在于：所述的S2：车道线检测特征图生成阶段，搭建的Erfnet语义分割网络模型包括残差层和网络层；所述残差层采用瓶颈设计，将瓶颈设计中卷积核分解为两个一维卷积核形成残差块；所述网络层采用Encoder编码器和Decoder解码器的形式，Encoder编...

【技术特征摘要】

1.一种车道线健康检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的车道线健康检测方法，其特征在于：所述的s1：车道线数据集构建阶段，获取的车道线信息为现有开源数据集中的图像和/或拍摄的图像；对待处理数据集进行清洗的方式包括数据重标、数据补标和数据增删。

3.根据权利要求1所述的车道线健康检测方法，其特征在于：所述的s2：车道线检测特征图生成阶段，搭建的erfnet语义分割网络模型包括残差层和网络层；所述残差层采用瓶颈设计，将瓶颈设计中卷积核分解为两个一维卷积核形成残差块；所述网络层采用encoder编码器和decoder解码器的形式，encoder编码器对图像信息进行提取和凝练，decoder解码器对凝练的信息进行分析并提取需要的部分输出；所述残差层采用不同膨胀因子的残差块；所述网络层包括下采样模块和上采样模块，所述下采样模块采用2×2 的最大池化和步长为2的3×3卷积聚合在一起，所述上采样模块有多个，尺度大小各不相同以获得不同大小的图像细节。

4.根据权利要求1所述的车道线健康检测方法，其特征在于：所述的s2：车道线检测特征图生成阶段，使用交叉熵损失函数，用于比较像素真实标签的概率分布和像素预测标签的概率分布之间的相似度，再取负值，损失越大相似度越低；对第一车道线数据集进行数据预...

【专利技术属性】
技术研发人员：曹鹏，唐朝钢，贾浩伟，郝俊锋，黎镇宇，黄先昊，夏伟峰，梁五奇，赵霄，李凯，冉光炯，范庸，沈天瑞，雷秉川，代超，石志良，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：