一种面向无人驾驶的路面分割方法，涉及路面图像分割技术领域。本发明专利技术是为了解决现有无人驾驶道路图像分割方法还存在重叠目标分割精度低，分割边界丢失，路面分割准确率低的问题。本发明专利技术包括：降低路面图像特征分辨率，对降低分辨率的路面图像特征降维获得特征X，从而获得路面图像的低频特征；利用路面图像的低频特征和X获得路面图像高频特征；将路面图像低频特征和高频特征聚合，获得聚合后频率特征，从而获得频率域特征利用获取空间域特征X<subgt;s</subgt;；对进行维度转换，获得特征X<subgt;A</subgt;；对X<subgt;s</subgt;进行一系列操作，获得交叉特征向量K<subgt;s</subgt;、V<subgt;s</subgt;；利用K<subgt;s</subgt;、V<subgt;s</subgt;和X<subgt;A</subgt;，获得混合域特征利用生成深层特征从而生成分割图像。本发明专利技术用于对路面图像的分割。
【技术实现步骤摘要】
本专利技术涉及路面图像分割，特别涉及一种面向无人驾驶的路面分割方法。
技术介绍
1、近来，无人驾驶迅速发展，稳定与实时的道路场景分割是无人驾驶系统安全运行的保障，而语义分割为路面分割任务提供了技术支持。语义分割涉及到对图像的所有像素标签进行分类，与其他视觉任务相比，有两个特点:逐像素密集预测和多类表示。虽然基于深度学习的语义分割方法在一般的像素分类任务上取得了一定的成果，但是在复杂城市道路场景的路面分割任务中表现较差。道路场景分割任务需要获取图像的像素细节信息和远程上下文信息，然而多数语义分割方法只关注其中一个方面，因此如何提高路面分割的准确性仍然是一个挑战。
2、传统的路面分割方法利用手工提取特征的方法来解决像素级标签分配问题，如阈值选择、超像素和图算法。随着深度学习的不断发展，基于fcn(fully convolutionalneural network，全卷积神经网络)的一系列方法在语义分割任务中都取得良好的性能。deeplabv3+和pspnet通过引入空间金字塔池化模块扩大感受野从而融合不同层次的特征。hrnet通过并行多个高分辨率分本文档来自技高网...
【技术保护点】
1.一种面向无人驾驶的路面分割方法，其特征在于所述方法具体过程为：
2.根据权利要求1所述的一种面向无人驾驶的路面分割方法，其特征在于：所述特征分辨率降低模块包括：一个卷积层、三个连续的残差层。
3.根据权利要求2所述的一种面向无人驾驶的路面分割方法，其特征在于：所述自适应低频滤波层用于对降低分辨率的路面图像特征降维，获得特征X，利用特征X获得路面图像的低频特征，具体为：
4.根据权利要求3所述的一种面向无人驾驶的路面分割方法，其特征在于：所述自适应高频滤波层利用路面图像的低频特征和特征X获得路面图像的高频特征，具体为：
>5.根据权利要求4...
【技术特征摘要】
1.一种面向无人驾驶的路面分割方法，其特征在于所述方法具体过程为：
2.根据权利要求1所述的一种面向无人驾驶的路面分割方法，其特征在于：所述特征分辨率降低模块包括：一个卷积层、三个连续的残差层。
3.根据权利要求2所述的一种面向无人驾驶的路面分割方法，其特征在于：所述自适应低频滤波层用于对降低分辨率的路面图像特征降维，获得特征x，利用特征x获得路面图像的低频特征，具体为：
4.根据权利要求3所述的一种面向无人驾驶的路面分割方法，其特征在于：所述自适应高频滤波层利用路面图像的低频特征和特征x获得路面图像的高频特征，具体为：
5.根据权利要求4所述的一种面向无人驾驶的路面分割方法，其特征在于：所述基于权值共享的分解注意力层首先将路面图像的低频特征和高频特征聚合，获得聚合后的频率特征，再对聚合后的频率特征进行基于权值共享的分解注意力操作，生...
【专利技术属性】
技术研发人员：赵化启，王苏，刘晓敏，卢争光，陈杰，夏崇康，邓占峰，孔祥琪，
申请(专利权)人：佳木斯大学，
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。