一种基于ENet改进的轻量实时车道线分割方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113158810A(43)申请公布日2021.07.23(21)申请号202110314107.3G06F17/16(2006.01)(22)申请日2021.03.24(71)申请人浙江工业大学地址310014浙江省杭州市下城区朝晖六区潮王路18号(72)发明人夏亮明崔滢田苗郭东岩(74)专利代理机构杭州斯可睿专利事务所有限公司33241代理人王利强(51)Int.Cl.G06K9/00(2006.01)G06K9/34(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书1页说明书7页附图4页(54)发明名称一种基于ENet改进的轻量实时车道线分割方法(57)摘要一种基于ENet改进的轻量实时车道线分割方法，所述方法包括以下步骤：(1)将ENet卷积分解：将其每一个二维卷积拆分成两个一维卷积；(2)空间分离卷积模块的每个一维卷积核通道拆分为两组，一个256通道数核拆分成两个128通道核，最后再融合为一组；再经过一个3×3的卷积并随机打乱通道，使两组通道学习到的信息充分共享和通信；(3)在编码器和解码器增加两条跳跃连接，设置概率预测分支用于预测车道线存在的概率，根据设定的阈值判断某车道的车道线是否存在；完成车道线分割网络LRTNet的构建；(4)将车道线图片输入到所述车道线分割网络LRTNet，输出车道线分割结果。本发明精度较高，成本低，鲁棒性强。CN113158810ACN113158810A权利要求书1/1页1.一种基于ENet改进的轻量实时车道线分割方法，其特征在于，所述方法包括以下步骤：(1)将ENet卷积分解：将其每一个二维卷积拆分成两个一维卷积；(2)将ENet所有卷积通道分离再融合、打乱：空间分离卷积模块的每个一维卷积核通道拆分为两组，一个256通道数核拆分成两个128通道核，最后再融合为一组；再经过一个3×3的卷积并随机打乱通道，使两组通道学习到的信息充分共享和通信；(3)在编码器和解码器增加两条跳跃连接，设置概率预测分支用于预测车道线存在的概率，根据设定的阈值判断某车道的车道线是否存在；至此，完成车道线分割网络LRTNet的构建；(4)将车道线图片输入到所述车道线分割网络LRTNet，输出车道线分割结果。2.如权利要求1所述的一种基于ENet改进的轻量实时车道线分割方法，其特征在于，所述步骤(2)中，引入不同尺寸的空洞卷积。3.如权利要求1或2所述的一种基于ENet改进的轻量实时车道线分割方法，其特征在于，所述方法还包括以下步骤：(5)将设计的车道线分割网络放在CULane上训练和测试。2CN113158810A说明书1/7页一种基于ENet改进的轻量实时车道线分割方法技术领域[0001]本发明涉及车辆自动驾驶领域，尤其涉及车道线实时语义分割方法。背景技术[0002]汽车为人们交通出行带来了巨大的便利，但伴随着汽车数量的增加，发生交通事故的次数也在与日俱增，交通事故对人生安全造成极大的威胁，是我国人群伤害死亡首因。因此开发高级辅助驾驶系统的是有效降低交通事故发生率的手段，而车道线分割是该系统最基础、最核心的功能之一，且非常具有挑战性。[0003]如何精确的识别、分割车道线是高级辅助驾驶系统的核心技术问题，目前广泛使用的技术主要是在车辆多个部位安装传感器、摄像头等获取车道路面信息，再结合传统图像处理方法(边缘检测、霍夫变换、直线拟合等)或者结合激光扫描、三维点云，然而传统的处理方法对图像质量、场景环境要求较高，对光照变化、目标遮挡、背景干扰极为敏感，在复杂的城市道路上分割精度低，鲁棒性差，使用场景受限。而基于激光雷达、扫描仪的方法成本昂贵，对车道线质量要求高。[0004]随着计算机GPU算力的不断提升，深度学习技术发展迅速，并在多个应用领域取得突破性成功，其中就包括车道线分割领域，涌现出众多优秀车道线检测算法，比如XingangPan等人提出的SCNN，利用卷积层空间信息传递解决车道线形状细长、外观线索少带来的精度低问题；Gansbeke等人提出带权重可微的最小二乘拟合算法，将传统算法引入了卷积网络，使其可以自动学习车道线的拟合参数。尽管这些算法在车道线基准数据集上取得客观分割结果，但其分割速度非常慢，SCNN仅仅7FPS，远远无法满足实时性要求。发明内容[0005]为了克服车道线分割方法的不足，本发明提供一种基于ENet改进的车道线实时分割网络，利用多种策略对ENet网络结构进行改进，满足实时性要求的同时在车道线基准数据集CULane取得较高的精度，且可部署在行车记录仪上，成本低，鲁棒性强。[0006]本发明解决其技术问题所采用的技术方案是：[0007]一