一种基于语义分割技术的车道线检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115984790A(43)申请公布日2023.04.18(21)申请号202211630075.9G06V10/82(2022.01)(22)申请日2022.12.19G06T5/30(2006.01)G06V10/764(2022.01)(71)申请人山东新一代信息产业技术研究院有限公司地址250100山东省济南市高新区港兴三路北段未来创业广场3号楼11-12层(72)发明人王健王本强赵小楠马辰(74)专利代理机构济南信达专利事务所有限公司37100专利代理师孙晶伟(51)Int.Cl.G06V20/56(2022.01)G06V10/26(2022.01)G06V20/70(2022.01)G06V10/762(2022.01)权利要求书1页说明书5页附图1页(54)发明名称一种基于语义分割技术的车道线检测方法(57)摘要本发明公开一种基于语义分割技术的车道线检测方法，涉及计算机视觉技术领域；构建语义分割模型，通过语义分割模型将RGB图像逐像素按照背景、可行驶区域、车道线或马路边缘石进行预测分类，利用DBSCAN聚类方法将预测分类后车道线的区域聚类为独立的簇，初步形成车道线，利用图像处理方法根据初步形成的车道线提取每一条车道线的中心线，完成车道线检测。CN115984790ACN115984790A权利要求书1/1页1.一种基于语义分割技术的车道线检测方法，其特征是构建语义分割模型，通过语义分割模型将RGB图像逐像素按照背景、可行驶区域、车道线或马路边缘石进行预测分类，利用DBSCAN聚类方法将预测分类后车道线的区域聚类为独立的簇，初步形成车道线，利用图像处理方法根据初步形成的车道线提取每一条车道线的中心线，完成车道线检测。2.根据权利要求1所述的一种基于语义分割技术的车道线检测方法，其特征是预测分类前通过单目相机采集路况图像，并将路况图像转换为RGB图像。3.根据权利要求1所述的一种基于语义分割技术的车道线检测方法，其特征是所述构建语义分割模型，包括：构建语义分割模型的卷积层和池化层，并将ReLU函数作为激活函数，通过Softmax函数输出多分类的结果。4.根据权利要求1所述的一种基于语义分割技术的车道线检测方法，其特征是所述利用DBSCAN聚类方法将预测分类后车道线的区域聚类为独立的簇，包括：定义密度相连点的最大集合为独立的簇，初步形成车道线。5.根据权利要求1所述的一种基于语义分割技术的车道线检测方法，其特征是所述利用图像处理方法根据初步形成的车道线提取每一条车道线的中心线，包括：利用形态学骨架提取方法提取每一条车道线的中心线：对初步形成的车道线图像进行二值化处理，对二值化处理后的车道线图像依次进行腐蚀和膨胀操作，获得骨架图。6.一种基于语义分割技术的车道线检测系统，其特征是包括预测分类模块、聚类模块和图像处理模块，预测分类模块构建语义分割模型，通过语义分割模型将RGB图像逐像素按照背景、可行驶区域、车道线或马路边缘石进行预测分类，聚类模块利用DBSCAN聚类方法将预测分类后车道线的区域聚类为独立的簇，初步形成车道线，图像处理模块利用图像处理方法根据初步形成的车道线提取每一条车道线的中心线，完成车道线检测。7.根据权利要求6所述的一种基于语义分割技术的车道线检测系统，其特征是预测分类模块在预测分类前获得单目相机采集的路况图像，并将路况图像转换为RGB图像。8.根据权利要求6所述的一种基于语义分割技术的车道线检测系统，其特征是所述预测分类模块构建语义分割模型，包括：构建语义分割模型的卷积层和池化层，并将ReLU函数作为激活函数，通过Softmax函数输出多分类的结果。9.根据权利要求6所述的一种基于语义分割技术的车道线检测系统，其特征是所述聚类模块利用DBSCAN聚类方法将预测分类后车道线的区域聚类为独立的簇，包括：定义密度相连点的最大集合为独立的簇，初步形成车道线。10.根据权利要求6所述的一种基于语义分割技术的车道线检测系统，其特征是所述图像处理模块利用图像处理方法根据初步形成的车道线提取每一条车道线的中心线，包括：利用形态学骨架提取方法提取每一条车道线的中心线：对初步形成的车道线图像进行二值化处理，对二值化处理后的车道线图像依次进行腐蚀和膨胀操作，获得骨架图。2CN115984790A说明书1/5页一种基于语义分割技术的车道线检测方法技术领域[0001]本发明公开一种方法，涉及计算机视觉技术领域，具体地说是一种基于语义分割技术的车道线检测方法。背景技术[0002]快速的城市化带来了城市人口的增长，带来了重大的流动性和可持续性挑战，在多个智慧场景的建设中，智慧交通场景具有潜力提高效率和决策。其中智能驾驶技术中的感知功能非常重要，而且其需要感知的设备丰